Производство

Байесовские сети являются ценным инструментом в производстве [1] для моделирования сложных зависимостей и неопределенностей.

  • Оптимизация процессов : количественно оценить влияние вариабельности производства на выход конечной продукции, выявляя критические переменные и их взаимодействия, позволяя предсказывать и оптимизировать результаты.
  • Диагностика износа и профилактическое обслуживание [2, 3]: интегрируйте сенсорные данные чтобы более точно определить степень износа станков и проводить превентивное обслуживание, а также быстрее диагностировать поломки.
  • Прогнозирование поставок [3]: моделирование различных факторов неопределенности, таких как надежность поставщика и сроки выполнения заказов, помогает снизить риски в цепочке поставок и обеспечить более плавную работу.

Статьи

resource image

Производство - 1

Анализ эффекта погрешностей в производстве

Список литературы

[1] McNaught, Ken, and Andy Chan. "Bayesian networks in manufacturing." Journal of Manufacturing Technology Management 22.6 (2011): 734-747.

[2] Mondal, Partha Protim, et al. "Monitoring and diagnosis of multistage manufacturing processes using hierarchical bayesian networks." Procedia Manufacturing 53 (2021): 32-43.

[3] Tobon-Mejia, Diego Alejandro, Kamal Medjaher, and Noureddine Zerhouni. "CNC machine tool's wear diagnostic and prognostic by using dynamic Bayesian networks." Mechanical Systems and Signal Processing 28 (2012): 167-182.

[4] Ojha, Ritesh, et al. "Bayesian network modelling for supply chain risk propagation." International Journal of Production Research 56.17 (2018): 5795-5819.