基于纸厂传感器测量的纸张定量预测的机器学习方法
机器学习
2019-10-16 v1
摘要
自动化是现代工业的核心。其旨在提高生产率、降低生产成本并减少人工干预，以避免制造过程中的人为失误与时间延迟。另一方面，通常需要人工辅助通过称为人机界面（HMI）的专用过程接口来定制产品并重新配置控制系统。机器学习（ML）算法可有效用于解决全自动化与人工辅助之间的这一权衡。本文提供了一个 ML 算法工业应用的示例，以帮助人工操作员节省心力，避免时间延迟与非预期错误，从而实现高生产率。基于实时传感器测量，尝试了多种 ML 算法，在一家白纸厂中按纸张定量对纸卷进行分类。性能评估显示，AdaBoost 算法是该应用最佳的 ML 算法，其分类准确率（CA）、精确率与召回率均为 97.1%。将所提方法推广以实现高性价比纸厂构建将成为我们未来研究的课题。
引用
@article{arxiv.1910.06908,
title = {Machine Learning for Paper Grammage Prediction Based on Sensor Measurements in Paper Mills},
author = {Hosny Abbas},
journal= {arXiv preprint arXiv:1910.06908},
year = {2019}
}
备注
9 pages