制造数据科学实践中的陷阱与规范
应用统计
2020-11-25 v2
摘要
机器学习和数据科学（ML/DS）技术的实际应用提出了一系列需要审视并解决的程序性问题，包括与数据问题、方法论、假设和适用条件相关的问题。这些问题中的每一个都可能在实践中带来困难；特别是与制造特性和领域知识相关的困难。本文旨在突出在这些标题下真实制造应用中已识别的一些陷阱，并建议相应的规范，以避免这些陷阱并指导 ML/DS 方法论从预测性分析到规范性分析的实际应用。
引用
@article{arxiv.1906.04025,
title = {Pitfalls and Protocols in Practice of Manufacturing Data Science},
author = {Chia-Yen Lee and Chen-Fu Chien},
journal= {arXiv preprint arXiv:1906.04025},
year = {2020}
}