Πειραματική εφαρμογή και αξιολόγηση τεχνικών μηχανικής μάθησης για την αποδοτική αξιοποίηση μεγάλου όγκου δεδομένων σε Industry 4.0 εφαρμογές

Η Τέταρτη Βιομηχανική Επανάσταση (Industry 4.0) σηματοδοτεί μία νέα εποχή για τις μεταποιητικές επιχειρήσεις όπου προηγμένες τεχνικές παραγωγής και λειτουργίας συνδυάζονται με έξυπνες ψηφιακές τεχνολογίες. Το αποκαλούμενο έξυπνο εργοστάσιο ενισχύεται μέσω της αξιοποίησης δεδομένων και της διάδρασης...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Παναγιώτου, Στέφανος-Χέϊκκι
Άλλοι συγγραφείς: Panagiotou, Stefanos-Heikki
Γλώσσα:Greek
Έκδοση: 2020
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/14162
Περιγραφή
Περίληψη:Η Τέταρτη Βιομηχανική Επανάσταση (Industry 4.0) σηματοδοτεί μία νέα εποχή για τις μεταποιητικές επιχειρήσεις όπου προηγμένες τεχνικές παραγωγής και λειτουργίας συνδυάζονται με έξυπνες ψηφιακές τεχνολογίες. Το αποκαλούμενο έξυπνο εργοστάσιο ενισχύεται μέσω της αξιοποίησης δεδομένων και της διάδρασης μεταξύ ανθρώπων και μηχανών αλλά και μηχανών μεταξύ τους, χάρη στη διασύνδεση πληθώρας τεχνολογιών όπως τεχνητή νοημοσύνη, IoT, ανάλυση μεγάλου όγκου δεδομένων, αυτόνομα έξυπνα ρομπότ κλπ. Ένας από τους πιο γόνιμους τομείς έρευνας και πρακτικής που προκύπτουν από αυτό το πλούσιο σε δεδομένα, κυβερνο-φυσικό, έξυπνο εργοστασιακό περιβάλλον είναι το πεδίο της προγνωστικής ανάλυσης. Αυτό το πεδίο εφαρμόζει μεθοδολογίες μηχανικής μάθησης για να προβλέψει γεγονότα π.χ. την ανάγκη συντήρησης, ένα ποιοτικό πρόβλημα, τη κατανάλωση ενέργειας κλπ και να υποβοηθήσει έτσι τη λήψη αποφάσεων και τη βελτιστοποίηση της παραγωγής. Σε αυτό το πλαίσιο, η παρούσα διπλωματική εργασία εξετάζει διάφορες περιπτώσεις πρόβλεψης των σταματημάτων ενός βιομηχανικού μηχανήματος εμφιάλωσης, εφαρμόζοντας τεχνικές πρόβλεψης μονομεταβλητών (univariate) χρονοσειρών και εποπτευόμενης μηχανικής μάθησης. To σύνολο δεδομένων που χρησιμοποιείται αφορά ένα σήμα σχετικά με την κατάσταση λειτουργίας του μηχανήματος και αξίζει να σημειωθεί πως πρόκειται για πραγματικά δεδομένα που προέρχονται από τη γραμμή παραγωγής μιας βιομηχανικής μονάδας του τομέα τροφίμων και ποτών. Στην εργασία παρουσιάζεται η μεθοδολογία προεπεξεργασίας και μετασχηματισμού του ακατέργαστου συνόλου δεδομένων ώστε η αρχική πληροφορία να μπορεί να αξιοποιηθεί κατάλληλα και να δοθεί ως είσοδος στα μοντέλα πρόβλεψης. Όσον αφορά τις προβλέψεις, επιχειρείται η πρόβλεψη της αθροιστικής διάρκειας των σταματημάτων χρησιμοποιώντας τις μεθόδους πρόβλεψης χρονοσειρών και αλγορίθμους παλινδρόμησης, ενώ εξετάζονται επίσης και δύο προβλήματα ταξινόμησης. Δεδομένης της απουσίας των αιτιών πρόκλησης σταματημάτων στη διάθεση μας, τα αποτελέσματα δείχνουν ότι οι προτεινόμενες μέθοδοι επιτυγχάνουν μια υποσχόμενη απόδοση με σημαντικές μελλοντικές προοπτικές.