基于现代运动传感器数据的动作与时间数据分析的数据科学方法
计算机视觉与模式识别
2020-08-26 v1 机器学习
最优化与控制
摘要
动作与时间分析一直是运筹学中热门的研究课题,尤其用于分析制造和服务运营中的工作绩效。随着精益制造和智能工厂的持续改进工具,它正重新受到关注。本文开发了一个数据驱动的工作动作分析框架,并利用现代运动传感器收集的数据研究其与工作速度或执行率的关联。过去的分析在很大程度上依赖人工步骤,包括耗时的秒表和录像,随后进行人工数据分析。虽然现代传感设备已实现了运动数据收集的自动化,但将这些新数据转化为知识的运动分析在很大程度上仍不发达。尚未解决的技术问题包括:如何从运动传感器数据中提取动作和时间信息,如何对工作动作和执行率进行统计建模与比较,以及动作与执行率之间的统计相关性是什么?在本文中,我们通过定义人体动作和执行率的新的数学表示空间,并在这些新空间上开发统计工具,提出了一种利用运动传感器数据进行动作与时间分析的新型数学框架。该方法论研究通过应用于制造运动数据的五个用例进行了展示。
引用
@article{arxiv.2008.10786,
title = {Data Science for Motion and Time Analysis with Modern Motion Sensor Data},
author = {Chiwoo Park and Sang Do Noh and Anuj Srivastava},
journal= {arXiv preprint arXiv:2008.10786},
year = {2020}
}
备注
Keywords: motion and time study, motion sensors, Riemannian manifold, probability distribution on manifold, temporal evolution of probability distributions