机构名称：
¥ 4.0
摘要 制造业（尤其是汽车行业）的客户对个性化产品的需求很高，而其价格水平与传统大规模生产相当。提供各种产品和以最低成本运营的目标与此相反，因此引入了基于混合模式装配线稳定订单顺序的高度生产计划和控制机制。这一发展面临的主要威胁是顺序混乱，它是由操作和产品相关的根本原因引发的。尽管引入了准时制和固定生产时间，但汽车行业的顺序混乱问题仍然没有得到部分解决。负面的下游影响包括准时制供应链中断，以及生产过程中断。在早期阶段精确预测顺序偏差允许引入对抗措施，在出现混乱之前稳定顺序。虽然程序原因在研究中得到了广泛解决，但手头的工作需要从不同的角度来考虑产品相关的观点。基于来自现实世界全球汽车制造商的独特数据，对监督分类模型进行了训练和评估。这包括设计、实施和评估 AI 工件的所有必要步骤，以及数据收集、预处理、算法选择和评估。为了确保长期预测稳定性，我们包括一个持续学习模块来应对数据漂移。我们表明，最多 50% 的主要偏差可以提前预测。但是，我们不考虑任何与过程相关的信息，例如机器状况和轮班计划，而只关注产品特征的利用，例如车身类型、动力传动系统、颜色和特殊设备。
人工智能用于直线车辆顺序控制
主要关键词
相关文件推荐
