基于FMEA的大规模贝叶斯网络在锂离子电池生产中的根因分析
应用统计
2020-06-16 v2 机器学习
摘要
由于工艺特性之间存在大量的因果关系，锂离子电池电芯的生产具有高度复杂性。关于多阶段生产的知识分散在多位专家之间，使得故障分析等任务极具挑战性。本文提出了一种新方法，通过将失效模式与影响分析（FMEA）与贝叶斯网络相结合，在生产爬坡阶段纳入专家知识获取。文中给出了专门的算法，用于检测和解决多位工艺专家提供知识时必然出现的参数间不一致问题。我们通过构建锂离子电池生产中大规模、跨工艺的贝叶斯故障网络并将其应用于根因分析，展示了这一整体方法的有效性。
引用
@article{arxiv.2006.03610,
title = {Root Cause Analysis in Lithium-Ion Battery Production with FMEA-Based Large-Scale Bayesian Network},
author = {Michael Kirchhof and Klaus Haas and Thomas Kornas and Sebastian Thiede and Mario Hirz and Christoph Herrmann},
journal= {arXiv preprint arXiv:2006.03610},
year = {2020}
}
备注
Submitted to CIRP Journal of Manufacturing Science and Technology (01.2020)