基于大数据分析的关键工艺易耗品寿命机器学习建模预测

• 作者: 魏彦
• 来源期刊: 机电工程技术
• 学科: 工学
• 关键词: 机器学习 电极 回归分析 大数据
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 设计与应用
• 页码范围: 151-154
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1009-9492.2020.12.047

摘要

在自动化程度较高的汽车及零部件生产企业中,设备易耗品的更换对生产效率、产品成本、质量都有很大的影响.在实际应用中,大多数企业是基于工艺专家的经验和实验室数据,对易耗品的寿命进行评估.在工业4.0应用成熟的工厂,利用传感器和测试台采集到的数据,以点焊电极寿命为例,对于易耗品寿命进行机器学习的建模.该模型能够以较高的精确度监控和预测易耗品生命周期里的关键变量的动态变化.在已经分析和实施的生产线上,实现了高达30％的易耗品寿命延长.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏彦		3	2	1.0	1.0