基于机器学习分析船厂内不规则移动叉车车辆状态的方法
机器学习
2020-10-13 v2
摘要
在大型船厂中，用于建造各类船舶的设备的管理至关重要。由于订单逐年变化，船厂管理者需要确定充分利用有限资源的方法。因船厂的性质与规模而产生的特殊困难是移动车辆的管理。近年来，造船企业尝试使用全球定位系统（GPS）模块来管理和跟踪车辆的位置与移动。然而，由于某些车辆（如叉车）在厂区内不规则漫游，不在现场难以识别其工作状态。仅凭位置信息不足以确定车辆是在工作、移动、等待还是休息。本研究提出一种基于机器学习的方法来识别每辆叉车的工作状态。我们使用 DBSCAN 和 k-means 算法来识别特定叉车作业的区域及其执行的作业类型。我们开发了一个商业智能系统，用于从配备 GPS 和物联网（IoT）设备的叉车收集信息。该系统提供单个叉车状态的可视化信息，并有助于在大型船厂内高效管理其移动。
引用
@article{arxiv.2009.14025,
title = {Machine-Learning Approach to Analyze the Status of Forklift Vehicles with Irregular Movement in a Shipyard},
author = {Hyeonju Lee and Jongho Lee and Minji An and Gunil Park and Sungchul Choi},
journal= {arXiv preprint arXiv:2009.14025},
year = {2020}
}
备注
I withdraw this paper because an error in the experiment has been found