利用集成机器学习对制造系统中生产率损失的根因分析
机器学习
2024-08-01 v1
摘要
在当今快速发展的自动化和制造系统领域，高效解决生产率损失至关重要。本研究引入了一种数据驱动的集成方法，利用这些系统中二进制传感器产生的循环多元时间序列数据以及可编程逻辑控制器（PLC）的信号。该目标是在每个生产周期中自动分析生产率损失，并通过将损失归因于系统元件来 pinpoint 其根因。本出版物中引入的集成方法整合了信息论和机器学习行为模型等多种方法，为每个生产周期提供稳健的分析。为了加快生产率损失的解决并确保短响应时间，数据流分析成为必要。针对这一问题，该方法以数据流分析的方式实现，并可以迁移到批处理，无缝集成到现有系统中而无需进行大量的历史数据分析。该方法有两个积极效果。首先，分析结果通过识别生产率损失的可能根因，确保较低生产率周期的缩短。其次，由于采用了集成方法，这些结果更加可靠，从而避免了对技术专家的依赖。该方法在半自动焊接制造系统、注塑自动化系统以及合成生成的测试 PLC 数据集上进行了验证。结果表明该方法在提供对过程行为的数据驱动理解方面具有效性，标志着制造系统自主分析的一个进步。
引用
@article{arxiv.2407.21503,
title = {Root Cause Analysis Of Productivity Losses In Manufacturing Systems Utilizing Ensemble Machine Learning},
author = {Jonas Gram and Brandon K. Sai and Thomas Bauernhansl},
journal= {arXiv preprint arXiv:2407.21503},
year = {2024}
}