基于因果贝叶斯网络与知识图谱的交互式智能制造根本原因分析
人工智能
2024-02-02 v1 计算工程、金融与科学
机器学习
摘要
电动汽车制造中的根本原因分析（RCA）是识别故障原因的过程。传统上，RCA 依赖工艺专家知识手动进行。与此同时，传感器网络在制造过程中收集大量数据。利用这些数据进行 RCA 可提高其效率。然而，由于潜在的因果关系（CER）数量巨大，纯数据驱动的方法（如因果贝叶斯网络）在扩展到大规模、真实的制造过程时存在问题。此外，纯数据驱动的方法可能会遗漏已知的 CER 或学习到虚假的 CER。本文的贡献在于提出了一种交互式智能 RCA 工具，该工具结合了电动汽车制造过程的专家知识和数据驱动的机器学习方法。它在学习因果贝叶斯网络的同时，利用对大规模制造过程知识图谱的推理。此外，交互式用户界面使工艺专家能够通过向知识图谱添加和删除信息来向根原因图提供反馈。该交互式智能 RCA 工具减少了因果贝叶斯网络的学习时间，同时减少了虚假 CER 的数量。因此，该交互式智能 RCA 工具闭合了专家与机器学习方法之间的反馈回路。
引用
@article{arxiv.2402.00043,
title = {Interactive and Intelligent Root Cause Analysis in Manufacturing with Causal Bayesian Networks and Knowledge Graphs},
author = {Christoph Wehner and Maximilian Kertel and Judith Wewerka},
journal= {arXiv preprint arXiv:2402.00043},
year = {2024}
}