ترجمه فارسی مقاله تحلیل ریشه‌ای علل کاهش بهره‌وری در سیستم‌های تولیدی با استفاده از یادگیری ماشین گروهی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Root Cause Analysis Of Productivity Losses In Manufacturing Systems Utilizing Ensemble Machine Learning
عنوان مقاله به فارسی تحلیل ریشه‌ای علل کاهش بهره‌وری در سیستم‌های تولیدی با استفاده از یادگیری ماشین گروهی
نویسندگان Jonas Gram, Brandon K. Sai, Thomas Bauernhansl
فرمت مقاله انگلیسی PDF
تعداد صفحات 12
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 31 July, 2024; originally announced July 2024. , Journal ref: Herberger, D.; Hübner, M. (Eds.): Proceedings of the CPSL 2024. Hannover : publish-Ing., 2024, S. 368-379
توضیحات به فارسی ارسال 31 ژوئیه 2024 ؛در ابتدا اعلام شد ژوئیه 2024. ، مجله Ref: Herberger ، D. ؛Hübner ، M. (Eds.): مجموعه مقالات CPSL 2024. Hannover: Publish-ing. ، 2024 ، S. 368-379

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 480,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

In today's rapidly evolving landscape of automation and manufacturing systems, the efficient resolution of productivity losses is paramount. This study introduces a data-driven ensemble approach, utilizing the cyclic multivariate time series data from binary sensors and signals from Programmable Logic Controllers (PLCs) within these systems. The objective is to automatically analyze productivity losses per cycle and pinpoint their root causes by assigning the loss to a system element. The ensemble approach introduced in this publication integrates various methods, including information theory and machine learning behavior models, to provide a robust analysis for each production cycle. To expedite the resolution of productivity losses and ensure short response times, stream processing becomes a necessity. Addressing this, the approach is implemented as data-stream analysis and can be transferred to batch processing, seamlessly integrating into existing systems without the need for extensive historical data analysis. This method has two positive effects. Firstly, the result of the analysis ensures that the period of lower productivity is reduced by identifying the likely root cause of the productivity loss. Secondly, these results are more reliable due to the ensemble approach and therefore avoid dependency on technical experts. The approach is validated using a semi-automated welding manufacturing system, an injection molding automation system, and a synthetically generated test PLC dataset. The results demonstrate the method's efficacy in offering a data-driven understanding of process behavior and mark an advancement in autonomous manufacturing system analysis.

چکیده به فارسی (ترجمه ماشینی)

در چشم انداز در حال تحول سریع سیستم های اتوماسیون و تولید ، وضوح کارآمد تلفات بهره وری مهم است.این مطالعه یک رویکرد گروه داده محور را با استفاده از داده های سری چند متغیره چرخه ای از سنسورهای باینری و سیگنال های کنترل کننده منطق قابل برنامه ریزی (PLC) در این سیستم ها معرفی می کند.هدف این است که به طور خودکار ضررهای بهره وری در هر چرخه را تجزیه و تحلیل کنیم و با اختصاص ضرر به یک عنصر سیستم ، علل اصلی آنها را مشخص کنیم.رویکرد گروه معرفی شده در این نشر ، روشهای مختلفی از جمله تئوری اطلاعات و مدلهای رفتار یادگیری ماشین را برای ارائه یک تحلیل قوی برای هر چرخه تولید ادغام می کند.برای تسریع در وضوح تلفات بهره وری و اطمینان از زمان پاسخ کوتاه ، پردازش جریان به یک ضرورت تبدیل می شود.با پرداختن به این موضوع ، این رویکرد به عنوان تجزیه و تحلیل جریان داده اجرا می شود و می تواند به پردازش دسته ای منتقل شود ، بدون نیاز به تجزیه و تحلیل گسترده داده های تاریخی ، یکپارچه در سیستم های موجود ادغام شود.این روش دو اثر مثبت دارد.در مرحله اول ، نتیجه تجزیه و تحلیل تضمین می کند که با شناسایی علت اصلی احتمالی از دست دادن بهره وری ، دوره بهره وری پایین تر کاهش می یابد.ثانیا ، این نتایج به دلیل رویکرد گروه قابل اطمینان تر است و بنابراین از وابستگی به متخصصان فنی خودداری می کنند.این رویکرد با استفاده از یک سیستم تولید جوشکاری نیمه اتوماتیک ، یک سیستم اتوماسیون قالب گیری تزریق و یک مجموعه داده PLC تست مصنوعی تولید شده تأیید می شود.نتایج نشان می دهد که اثربخشی روش در ارائه درک داده محور از رفتار فرآیند و پیشرفت در تجزیه و تحلیل سیستم تولید خودمختار است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.