迁移学习作为信息物理生产系统重构管理的增强手段
机器学习
2021-06-01 v1 人工智能
软件工程
系统与控制
系统与控制
摘要
由于制造系统需求频繁变更，重构需求日益增长。近期方法旨在从可行配置方案中考察并选取最优者，这依赖于其行为不依赖于例如生产序列等要素的过程。然而，当使用机器学习时，组件行为取决于过程的具体特性，需要额外概念以成功实施重构管理。因此，我们提出以迁移学习增强全面的重构管理。这能够以较小代价评估不同 CPPS（信息物理生产系统）配置的机器学习依赖行为，并进一步辅助所选配置的重新调试。我们利用离散制造领域一个真实的信息物理生产系统来展示上述方案。
引用
@article{arxiv.2105.14730,
title = {Transfer Learning as an Enhancement for Reconfiguration Management of Cyber-Physical Production Systems},
author = {Benjamin Maschler and Timo Müller and Andreas Löcklin and Michael Weyrich},
journal= {arXiv preprint arXiv:2105.14730},
year = {2021}
}
备注
6 pages, 4 figures, 1 table. Submitted for publication at CIRP ICME 2021