基于知识转移框架与证据理论的生产评估

运营知识是公司最宝贵的资产之一，因为它提供相对于竞争对手的战略优势，并确保机器的稳定与最优运行。车间中的（交互式）评估系统可优化流程并减少停顿，因为其能向操作员提供有关机器状态的持续有价值信息。然而，将运营（隐性）知识形式化为显性知识并非易事。该转化需考虑专家知识建模、知识不确定性量化以及所获知识的验证。本研究提出一种基于知识转移框架与证据理论的新型生产评估方法，以应对上述挑战。本文的主要贡献在于：基于扩展失效模式与效应分析进行知识提取的隐性知识形式化方法，以及利用证据理论进行知识不确定性定义。此外，该方法使用原始递归函数进行知识建模，并提出基于机器数据的知识验证策略。这些要素被集成到一个部署于后端的交互式推荐系统中，该系统以 HoloLens 作为可视化界面。我们利用一个工业装置——实验室散料系统——演示了该方法。结果给出了有趣的见解，包括知识验证、知识的不确定性行为以及面向机器操作员的交互式故障排查。