机构名称：
¥ 1.0
最近已经发现，包括供应链管理在内的各个部门中机器学习的最重要应用之一是预测性维护。这项研究的目的是调查在供应链管理框架内使用机器学习策略来预测维护的。传统的维护程序通常由于各种设备的意外故障而导致供应链中的效率低下和中断。可以通过使用预测性维护方法可以大大提高供应链操作的可靠性和性能。本文首先概述了预测性维护及其在供应链管理中所起的作用。讨论了意外设备故障和级联反应所带来的供应链中的问题。在预测维护的背景下，分析和讨论了许多不同的机器学习技术，包括监督学习，无监督学习和深度学习。除此之外，该研究还研究了数据收集策略，讨论了传感器数据，过去的维护记录以及可能影响设备健康的外部影响等主题。此外，本文讨论了与在供应链环境中安装预测维护系统相关的实施问题。其中一些挑战包括数据质量和集成，实时决策，成本问题等。本文调查了边缘计算和工业互联网（IoT）设备在使数据收集，分析和预防性维护更加有效的作用。
供应链管理中预测维护的机器学习
主要关键词
相关文件推荐
