我将给我的场景一个简短的解释。该公司大量生产阀门、螺母、螺栓等部件，这些部件需要测量尺寸(如长度、半径、厚度等)以保证质量。由于不可能检查所有的零件，所以以批处理的方式选择。例如:从每批100件中随机抽取5件测量尺寸的平均值&以绘制SPC控制图(y轴上的图的平均尺寸&批号(x轴)
尽管有许多因素(如操作员效率，机器/工具条件等)影响产品的质量，但它们似乎是不可测量的。我的目标是开发一个机器学习模型来预测即将到来的批次样本的产品尺寸(平均值)。这将有助于操作人员预测是否会有任何重大的尺寸变化，以便他可以暂停工作。找出潜在的原因;从而防止产品/材料的浪费。
我对R编程有一些想法& &;机器学习技术，如决策树/回归等，但无法找到合适的模型。主要是因为我想不出这种情况下的自变量。我对时间序列建模不太了解。
谁能就如何解决这个问题提出一些见解/想法/建议?我很抱歉，我不得不写一个很长的故事，但只是想让事情尽可能清楚。提前感谢。Sreenath
您的需求可以分为三个层次:
1。基本的
通过机器学习自动应用SPC规则，例如通过Nelson规则识别SPC图表模式，并在特定过程中扩展到新的变化模式。
- <
- 纳尔逊规则/gh>
- ML系统用于SPC参考
2。补充
谓词Cp和SPC在多变量集合和机器学习下的趋势。例如，烟雾颗粒会影响晶圆成像率，如果数据分析模型将SPC与工人轮班安排联系起来，可能会更早发现
- 通过PPC改进SPC
3。智能代理
通过SPC和反应计划之间的集成自动过程事件。代理模型采用链接SPC和FMEA，在BAM架构下使用CEP引擎构建。
- 流程集成
- 系统集成 智能代理
- CEP