מהם האלגוריתמים להתאמה דינמית של ספים?
השאר הודעה
בהתבסס על מורכבות היישום ונסיבות רלוונטיות, ניתן לחלק אלגוריתמים לשינוי דינמי של ספים לשלוש קטגוריות. קטגוריות אלה משתרעות על כל דבר, מחיזוי אינטליגנטי ועד למימושים הנדסיים קלים, תוך התאמה ליכולות פיתוח שונות:
1. 3σ שיטת עדכון דינמי סטטיסטי (הפופולרית, הקלה והפשוטה ביותר לשימוש)
במסגרות תעשייתיות, זהו האלגוריתם הבסיסי הנפוץ ביותר. זה מתאים לרוב המפעלים, יש לו היגיון פשוט ודורש כוח עיבוד קטן:
לוגיקה ליבה: נקבע סף חדש של 3σ (99.7% מהתנודות הנורמליות בהתפלגות נורמלית ייכנסו לטווח זה; חריגה מטווח זה נחשבת לא תקינה); נערכים סטטיסטיקות שבועיות של הסטיות ההיסטוריות של שני חיישנים; מחושבת סטיית התקן σ של הסטייה;
יתרונות: התאמה לתנאי ההזדקנות וההזזה; שינוי אוטומטי המבוסס אך ורק על נתוני הפעלה בפועל; אין צורך בהגדרות מוגדרות מראש;
מצבים רלוונטיים: רוב הייצור המסורתי של הזרקה, שהיא האפשרות העיקרית עבור חברות קטנות ובינוניות- שפיתחו ושינו את עצמן.
2. אלגוריתם כללים מטושטשים בהתאמת תהליכים (מותאם להחלפת תהליכים מרובים)
תוכנית זו משתמשת בהתאמה לוגית מטושטשת כדי להחליף תהליכים באופן דינמי על סמך כללים מוגדרים מראש במצבים שבהם הייצור משתנה לעתים קרובות:
לוגיקה ליבה: מסקנות מטושטשות קובעות באופן אוטומטי ספים רלוונטיים בהתבסס על גורמי קלט כגון דיוק המוצר, קורוזיביות של חומרי גלם ודירוג לחץ. עבור "סיבי זכוכית גבוהים + לחץ גבוה + דיוק", למשל, הוא מציע תוצאה עם הרפיית סף של 15%.
יתרונות: אינו דורש תבניות נפרדות עבור כל מוצר; מתאים אוטומטית לשילובי תהליכים שונים.
מתקני הזרקה עם מגוון מוצרים, אצוות זעירות והתאמות ייצור מהירות הן דוגמאות לתרחישים ישימים.
3. אלגוריתם התאמה חזוי ללמידת מכונה (תסריטים חכמים-גבוהים)
ההתאמה הדינמית החזויה המדויקת ביותר מושגת על ידי גישה זו, המבוססת על מודלים של אימון המשתמשים בנתוני אנומליה קודמים.
יישומים נפוצים: כדי להבדיל בין "סטיית הזדקנות אמיתית" ל"סטייה בהפרעות במצב פעולה", השתמש במודלים של סיווג (כגון רגרסיה לוגיסטית או CNN קל משקל), תוך שינוי הסף אך ורק לסטייה אמיתית. כחלופה,-הגבר מראש את הסף כדי להפריש שטח הזדקנות והשתמש ב-LSTM כדי לחזות את מגמת גידול הסטייה.
יתרונות: בהשוואה לאלגוריתמים קונבנציונליים, הוא יכול לזהות הפרעות מורכבות ולהפחית את שיעורי אזעקת השווא בלמעלה מ-30%.
חסרונות: על מנת להכשיר את המודל, יש לאסוף כמות מסוימת של נתוני אנומליה היסטוריים, הדורשים עבודת פיתוח נוספת.
תרחישי ייצור אצווה בקנה מידה גדול- וקווי ייצור הזרקה חכמים וחכמים- הם דוגמאות לתרחישים ישימים.
נכון לעכשיו, הפתרון החסכוני ביותר ביניהם הוא השילוב של שיטת עדכון דינמי סטטיסטי סטטיסטי 3σ + כריכת שלב תהליך, אשר עונה על הדרישות של יותר מ-90% מהתרחישים ואינו דורש פיתוח מורכב ליישום.
