توسعه یک روش یادگیری ماشین خودکار برای نگهداری پیش‌بینی‌کننده کارخانه‌های تولید

هدف از کار، توسعه یک روش یادگیری ماشین خودکار برای نگهداری پیش‌بینی‌کننده کارخانه‌های تولید است. این روش یادگیری می تواند به طور خودکار روی داده های فناوری های مختلف تولید اعمال شود و سپس یک مدل پیش بینی خوب برای وضعیت سلامت یا خرابی های قریب الوقوع ماشین آموزش داده شود. باید بررسی شود که آیا می توان از روش های یادگیری ماشین برای پیش بینی خرابی ماشین در مراحل اولیه بر اساس داده های فرآیند از کارخانه های تولید و داده های مستندات خطا استفاده کرد تا اقدامات تعمیر و نگهداری در زمان مناسب انجام شود. برای رسیدن به این هدف باید مراحل مختلفی را طی کرد. ابتدا، تفاوت‌های بین داده‌ها و برچسب‌های مورد نظر موارد استفاده مختلف بررسی می‌شود. سپس یک مدل فرآیندی فرموله می‌شود که موارد استفاده مختلف، نحوه محاسبه ویژگی‌ها و خروجی مدل یادگیری ماشین را توصیف می‌کند. برای مثال بسته به اطلاعاتی که در دسترس است سیگنال ها، مقادیر اندازه گیری شده و غیره، ویژگی ها محاسبه شده و خروجی ها تعریف می شوند. بر اساس این اطلاعات، روش یادگیری ماشین مناسب انتخاب می شود. این روش می تواند طبقه بندی یا رگرسیون و خوشه بندی/تشخیص ناهنجاری باشد. سپس برای موارد استفاده مختلف آزمایش و ارزیابی می شود. این بررسی می کند که آیا مدل فرآیند کار می کند یا خیر. بنابراین، به عنوان بخشی از پایان نامه کارشناسی ارشد، بسته به اینکه ساختار داده ماشینی متعلق به کدام دسته باشد، یک روش یادگیری ماشینی مناسب انتخاب می شود که سپس بر روی داده های موجود اعمال می شود.