面向制造中预测性过程监控的局部事后解释
机器学习
2021-06-11 v2 人工智能
机器学习
摘要
本研究提出了一种创新的可解释预测质量分析方案，通过结合过程挖掘、机器学习与可解释人工智能（XAI）方法，促进制造中过程规划的数据驱动决策。为此，在整合来自各类企业信息系统的高层与车间数据后，应用深度学习模型预测过程结果。由于本研究旨在通过将所交付的预测洞察嵌入决策过程来使其可操作，为领域专家生成相关解释至关重要。为此，采用了两种互补的局部事后解释方法——Shapley值与个体条件期望（ICE）图，期望通过使专家能从不同视角审视解释来增强决策能力。在以相关二分类评估度量评估所应用深度神经网络的预测能力后，对生成解释进行了讨论。
引用
@article{arxiv.2009.10513,
title = {Local Post-Hoc Explanations for Predictive Process Monitoring in Manufacturing},
author = {Nijat Mehdiyev and Peter Fettke},
journal= {arXiv preprint arXiv:2009.10513},
year = {2021}
}
备注
Accepted for publication in ECIS-2021 Proceedings (initial submission November 18, 2020). This version is an extension of the previous arXiv version