کاربرد یادگیری ماشین در خطوط تولید: مروری بر ادبیات سیستماتیک

یک خط تولید مجموعه ای از عملیات های پی درپی است که در یک کارخانه برای فرآوری مواد و تولید محصول نهایی که برای استفاده های بعدی مناسب است، ایجاد می شود. نظارت بر خطوط تولید برای اطمینان از دستیابی به کیفیت هدف گذاری شده در فرآیند تولید و محصولات ضروری است. با افزایش دیجیتالی سازی، اکنون حجم زیادی از داده ها در کل فرآیند خط تولید تولید می شود. به موازات آن، مجموعه داده های تولید شده توسط تکنیک های یادگیری ماشین برای تحلیل خط تولید به منظور بهبود کنترل کیفیت، ارزیابی ریسک ها و صرفه جویی در هزینه ها استفاده می شوند. این مقاله به دنبال شناسایی، ارزیابی و ترکیب مطالعات گزارش شده در رابطه با کاربرد یادگیری ماشین در خطوط تولید است تا یک نمای کلی سیستماتیک از وضعیت فعلی ارائه دهد و به این ترتیب، راه را برای تحقیقات بیشتر هموار کند. برای این منظور، ما یک مرور سیستماتیک ادبیات انجام دادیم که طی آن ۲۷۱ مقاله بازیابی شدند و از این میان، ۱۸ مطالعه اصلی برای تحلیل دقیق انتخاب شدند. این مرور سیستماتیک به بررسی و دسته بندی مشکلات خطوط تولید که توسط یادگیری ماشین مورد توجه قرار گرفته اند می پردازد، حوزه های صنعتی هدف را شناسایی می کند، الگوریتم های یادگیری ماشینی مورد استفاده را بررسی می کند و متغیرهای مستقل و وابسته مدل ها را توضیح می دهد. این مطالعه همچنین به مشکلات حل نشده اشاره می کند و جهت های پژوهشی شناسایی شده را ارائه می دهد.

کلیدواژه ها:

یادگیری ماشین ، خطوط تولید ، تجزیه و تحلیل داده ها ، داده کاوی ، بررسی ادبیات سیستماتیک