Предсказание ошибок в производственном оборудовании используя машинное обучение

Контроль производительности и предсказание ошибок у промышленного оборудования являются крайне важными процессами не только для качества производимого материала, но также и для количества затрачиваемых денег и времени, сохраненных на проведении технического обслуживания.

Целью данной статьи является проследить эволюцию искусственного интеллекта и машинного обучения для прогнозирования ошибок в производстве. Темами, покрытой в данной статье включают алгоритмы машинного обучения, используемые случаи, принципы, связанные с применением подобной технологии в различных отраслях в том числе программном и аппаратном обеспечении.

В данном обзоре рассматриваются исследования с конца 1980-х годов по начало 2000 годов, а также недавние исследования с 2000 по 2023 год. Данная статья предлагает детальный обзор различных подходов к машинному обучению и искусственному интеллекту используемых в различных Производствах. LSTM считается одним из наиболее широко используемых процессов.