Prozesuaren korronteen propietateak zehaztea, hala nola LPG korronteetako pentanoak edo naftaren lurrun-presioa.
Helburuak
Tarteko eta amaierako produktuen kalitatearen balorazioak lortzea denbora errealean, honetarako: 1) ekoizpena optimizatzeko eta 2) denbora-tarte gutxiko birprozesuei edo zuzenketei lotutako kontsumoa minimizatzea.
Erabilera-kasua
Aurrerapena edo denbora erreala erabiltzen duten iragarpenak egiteko algoritmoak erabiltzea, produktuaren kalitatearen balioen inferentziarako. Egun, laborategiko azterketen eta eskuzko prozesuen bitartez lortzen dira kalitatezko datuak. Softsensoreen bidez, balio horiez eta operazioaren, ekoizpenaren eta programazioaren aldagaiez gain, kalitatearen denbora errealeko (edo aurreratutako) balio inferitua lortzen da, eta erabaki teknikoak hartzen laguntzen du.
Azpiegitura
Hibridoa
Erabilitako teknologiak
Ikaskuntza Automatikoa edo Sakona
Erabilitako datuak
Labeko tenperaturen, egitura gordinen programazioaren balioen, fidagarritasun-datuen eta unitateen egoeren denbora-serieak. Dataset pribatua.
Erabilitako baliabideak
ITko, ekoizpeneko, programazioko eta datuen analisirako langileak. Barne-zerbitzarien azpiegitura. Barne-apustu teknologikoa.
Zailtasunak eta ikaskuntza
Datuak prozesatzeko ezagutza adituarekiko mendekotasun handia Fabrikazioan izandako aldaketen ondorioz algoritmoen kalitatearen degradazioa eta dataseten kalitatea direla eta, beharrezkoa da horiek berriro entrenatzea, baita clustering tekniken edo horien zurruntasuna hobetzeko algoritmoen muntaiaren ondorioz ere.
KPIak (negozioan duen inpaktua eta ereduaren metrikak)
Algoritmoaren eskuragarritasuna eta fidagarritasuna Laborategian egindako azterketei dagokienez aurreikuspenetan egindako akatsak.