基于知识蒸馏的信息共享用于分散制造系统中的在线过程监测
机器学习
2023-07-27 v2 信号处理
摘要
在先进制造中，传感技术的引入为实现基于机器学习方法的高效原位过程监测提供了契机。同时，信息技术的进步也使得制造系统形成互联且分散的环境，使系统中不同制造单元更紧密地协作。在分散制造系统中，相关单元可能制造相同或相似产品，并部署各自的机器学习模型用于在线过程监测。然而，由于运行中任务进度可能不一致，常见的情况是某些单元拥有信息更丰富的数据，而某些单元数据信息较少。因此，各单元机器学习模型的监测性能可能差异很大。故而，在分散制造系统中实现高效且安全的信息共享以提升表现不佳的模型极具价值。为实现该目标，本文提出一种新颖的基于知识蒸馏的信息共享（KD-IS）框架，其可从表现良好的模型中蒸馏出有用知识，以改善表现不佳模型的监测性能。为验证方法有效性，在一个互联的基于熔融沉积成型（FFF）的增材制造（AM）平台上开展了真实案例研究。实验结果表明，所开发方法在提升表现不佳模型的监测性能方面非常高效，并对潜在数据隐私提供了有力保护。
引用
@article{arxiv.2302.12004,
title = {Knowledge Distillation-based Information Sharing for Online Process Monitoring in Decentralized Manufacturing System},
author = {Zhangyue Shi and Yuxuan Li and Chenang Liu},
journal= {arXiv preprint arXiv:2302.12004},
year = {2023}
}