面向智能制造的基于目标检测的产能约束分析
计算机视觉与模式识别
2024-02-02 v1
摘要
基于深度学习（DL）的目标检测（OD）方法及其现实世界应用的日益普及，为智能制造开辟了新途径。在冠状病毒病（COVID-19）之后受产能约束困扰的传统工业需要非侵入式方法来深入分析运营，以优化并增加其收入。在本研究中，我们初步开发了一个基于卷积神经网络（CNN）的 OD 模型来解决此问题。该模型经训练可准确识别生产车间中椅子与个人的存在。识别出的目标随后被传递至基于 CNN 的跟踪器，该跟踪器在工作站内全程跟踪其生命周期。提取的元数据通过一个新颖的框架进行进一步处理，以用于产能约束分析。我们发现 Station C 在 6 个月内仅有 70.6% 的生产率。此外，每个工位停留的时间被记录并按每个目标进行汇总。这些数据证明有助于进行年度审计，并有效管理长期的劳动力与物料。
引用
@article{arxiv.2402.00243,
title = {Capacity Constraint Analysis Using Object Detection for Smart Manufacturing},
author = {Hafiz Mughees Ahmad and Afshin Rahimi and Khizer Hayat},
journal= {arXiv preprint arXiv:2402.00243},
year = {2024}
}