Concetti Chiave
不均衡で部分的に観測された多チャンネル機能データから、深層メトリック学習を用いて欠陥分類を行う革新的なフレームワークを提案する。
Sintesi
本論文は、パイプ締め付け工程における欠陥分類の問題に取り組んでいる。この問題には以下の3つの主な課題がある:
高度に不均衡なデータセット: 製造プロセスの安定性により、不適合製品のサンプル数が限られている。このため、適合製品と不適合製品のサンプル数比が大きく偏っている。さらに、少数クラスのラベルデータが不足しており、分類器のオーバーフィッティングを引き起こす可能性がある。
多チャンネル関数: センサーから収集された各サンプルは、複数のプロセス変数を表す多チャンネルの関数データである。各チャンネルの値の範囲が大きく異なる。
プロセスの部分的な観測: スレッド係合フェーズの前のプレ締め付けプロセスが観測されていないため、各パイプ締め付けプロセスが部分的にしか観測されていない。従来の補完や補間手法では、この大きく変動する欠損データ部分を効果的に扱うことができない。
著者らは、これらの課題に対処するため、「多チャンネル部分的に観測された機能モデリングによる不均衡データセットの欠陥分類」(MPOFI)と呼ばれる革新的なフレームワークを提案している。MPOFIは、深層メトリック学習を用いて、不均衡で部分的に観測された多チャンネル機能データから識別的な特徴を抽出し、分類を行う。具体的には、物理的メカニズムに基づいた知識付きパディングを用いた機能ニューラルネットワークエンコーダと、不均衡データセットに適応した対照学習ベースの損失関数を組み合わせている。
提案手法の有効性は、実際のパイプ締め付け工程データを用いた評価実験により確認されている。MPOFI は既存の手法と比較して、高い分類精度を達成している。
Statistiche
製造プロセスの安定性により、不適合製品のサンプル数が限られている。
適合製品と不適合製品のサンプル数比が大きく偏っている。
各サンプルは多チャンネルの関数データであり、各チャンネルの値の範囲が大きく異なる。
スレッド係合フェーズの前のプレ締め付けプロセスが観測されていないため、各パイプ締め付けプロセスが部分的にしか観測されていない。
Citazioni
"Owing to the stability of the manufacturing process, the dataset contains a limited number of nonconforming products. Consequently, the ratio between conforming and nonconforming products is highly skewed."
"The incomplete observation of each process, particularly the unobserved pre-tightening process depicted in Fig. 1 (a), results in incomplete data reflecting the thread engagement phase."