機器學習，使用Mathematica優(yōu)化自動化組裝線

挑戰(zhàn)

優(yōu)化自動化組裝線生產流程。

解決方案

使用機器學習框架和Mathematica從車間監(jiān)控系統(tǒng)提供的數據創(chuàng)建自適應模型。

好處

•自動創(chuàng)建可解釋的計算模型

•最大化整體設備效率和產品質量

•深入了解復雜的自動化流程，以不斷改進

Mathematica優(yōu)勢

•聲明式編程語言僅描述機器學習任務

•將用于機器學習的工具與統(tǒng)計和數學建模相結合

•與自動化軟件平臺無縫集成

“仍然低估了Mathematica作為一個綜合平臺的功能?；旌舷到y(tǒng)使我們能夠輕松地對復雜任務進行編程，解決結果并無縫鏈接到其他環(huán)境。”

越來越多的我們最重要的產品（例如汽車、電子產品以及家庭和辦公家具）通過自動化流程制造。 沒有正確的決策支持或自動恢復，就不可能重置這些復雜的系統(tǒng)。 確定此關鍵信息需要機器學習。

使機器能夠改善流程

開發(fā)人員uni軟件plus編寫的Mathematica應用機器學習框架（MLF）是針對這些系統(tǒng)的創(chuàng)新解決方案。 MLF使機器能夠基于對過去事件數據和其他統(tǒng)計數據的分析來改善自己的流程，并有助于創(chuàng)建可理解且計算速度快的模型。

對于那些依靠其數據挖掘和建模功能的主要制造商來說，MLF是其生產系統(tǒng)的組成部分。 AMS Engineering等公司是高度自動化的組裝線的系統(tǒng)提供商，Bosch，Braun和Moeller都是其專用客戶，這些公司使用MLF來提高整體設備效率和制造流程。

優(yōu)化組裝線

一條給定的組裝線可以輕松地包含30多個帶有數百個參數的處理模塊，隨著每次頻繁的產品重新設計而改變。 Mathematica的綜合描述符和求解器與MLF的快速模型創(chuàng)建者和評估者結合在一起，考慮了諸如產品設計、設備可用性、生產效率和質量比率等因素，以不斷提高機器的“智能性”。

從自動離線創(chuàng)建和測試正確的模型到在生產過程中成為車間管理系統(tǒng)不可或缺的一部分，Mathematica和MLF都用于整個自動化組裝過程。 uni software plus總裁Herbert Exner說：“仍然低估了Mathematica作為一個綜合平臺的功能?；旌舷到y(tǒng)使我們能夠輕松地對復雜任務進行編程，解決結果并無縫鏈接到其他環(huán)境。這就是我們設計機器學習框架的方法。”