运动分析：现状、在制造业中的应用及来自人工智能视角的未来展望
人工智能
2022-10-05 v1
摘要
数据驱动的决策制定正成为制造型企业不可或缺的一部分。数据被收集并通常用于提高效率并为客户生产高质量产品。基于物联网及其他形式的对象追踪正成为一种新兴工具，用于收集对象/实体（如人工工人、移动车辆、手推车等）随空间与时间变化的运动数据。运动数据可提供有价值的洞察，如流程瓶颈、资源利用率、有效工作时间等，可用于决策制定与效率提升。将运动数据转化为用于工业管理与决策制定的有价值信息需要分析方法。我们将此过程称为运动分析。本文档旨在综述制造业及更广泛领域中运动分析的当前工作状况。我们从理论视角与应用视角两方面调研相关工作。从理论视角，我们重点强调来自两个研究领域的有用方法：机器学习，以及基于逻辑的知识表示。我们还审视了它们针对运动分析的组合，并讨论未来有前景的发展与应用方向。此外，我们触及约束优化。从应用视角，我们综述这些方法在广义上及跨多个行业中对运动分析的应用。我们还描述了当前可用的用于制造业追踪的商业化现货产品，并概述数字孪生的核心概念及其应用。
引用
@article{arxiv.2210.01344,
title = {Movement Analytics: Current Status, Application to Manufacturing, and Future Prospects from an AI Perspective},
author = {Peter Baumgartner and Daniel Smith and Mashud Rana and Reena Kapoor and Elena Tartaglia and Andreas Schutt and Ashfaqur Rahman and John Taylor and Simon Dunstall},
journal= {arXiv preprint arXiv:2210.01344},
year = {2022}
}