XiaoMi-AI文件搜索系统
World File Search SystemOrkla
Orkla印度与Cleanmax合作制造MTR Karnataka工厂100％可再生Orkla印度与Cleanmax合作制造MTR Karnataka工厂100％可再生
Orkla印度是一系列主要的印度食品品牌。它拥有标志性的遗产品牌-MTR，Rasoi Magic和Eastern。该公司的投资组合提供所有用餐场合，并提供来自香料和Masalas的各种产品，准备就餐，糖果，早餐混合物，3分钟的范围等。它包括3个业务部门 - MTR，东方和国际业务。MTR和Eastern在卡纳塔克邦，喀拉拉邦，AP和Telangana担任过高的市场地位。国际业务与42个国家 /地区的印度移民人口接触。Orkla印度在卡纳塔克邦班加罗尔设有公司办公室。 它拥有3000多名员工和11个工厂。Orkla印度在卡纳塔克邦班加罗尔设有公司办公室。它拥有3000多名员工和11个工厂。
2023 年年度报告
Orkla Health 供应以知名、强大的本地和全球品牌销售的消费者保健产品。该公司的主要市场是北欧、英国、波兰、西班牙和波罗的海国家，其国际影响力正通过分销商扩展到 60 多个市场。Orkla Health 的核心类别是食品补充剂、口腔护理、伤口护理和功能性个人护理。
使用共形预测进行预测的机器学习...
本论文是与 Knowit、¨ Ostrand & Hansen 和 Orkla 合作完成的。旨在探索机器学习和深度学习模型与保形预测在 Orkla 预测性维护情况下的应用。预测性维护在许多工业制造场景中都至关重要。它可以帮助减少机器停机时间、提高设备可靠性并节省不必要的成本。在本论文中，各种机器学习和深度学习模型（包括决策树、随机森林、支持向量回归、梯度提升和长短期记忆）都应用于现实世界的预测性维护数据集。Orkla 数据集最初计划在本论文项目中使用。然而，由于遇到一些挑战和时间限制，我们选择了一个具有类似数据结构的 NASA C-MAPSS 数据集来研究如何应用机器学习模型来预测制造业的剩余使用寿命 (RUL)。此外，最近开发的用于测量机器学习模型预测不确定性的框架共形预测也被集成到模型中，以实现更可靠的 RUL 预测。论文项目结果表明，具有共形预测的机器学习和深度学习模型都可以更接近真实 RUL 预测 RUL，而 LSTM 的表现优于机器学习模型。此外，共形预测区间提供了有关预测不确定性的丰富而可靠的信息，这有助于提前通知工厂人员采取必要的维护措施。总体而言，本论文证明了在预测性维护情况下利用具有共形预测的机器学习和深度学习模型的有效性。此外，基于 NASA 数据集的建模结果，讨论了如何将这些经验转移到 Orkla 数据中，以便将来进行 RUL 预测的一些见解。关键词 机器学习、深度学习、不确定性估计、共形预测、预测性维护、RUL、概率预测、决策树、随机森林、支持向量回归、梯度提升、LSTM。