文献

J-GLOBAL ID：202102218582751473   整理番号：21A2697345

マルチプラントクロス学習による生産性能の改善【JST・京大機械翻訳】

Improving Production Performance Through Multi-Plant Cross Learning

著者 (6件)： Huang Jing (Department of Mechanical and Aerospace Engineering, University of Virginia, Charlottesville, VA 22904) ,  Chang Qing (Department of Mechanical and Aerospace Engineering, University of Virginia, Charlottesville, VA 22904;) ,  Chang Qing (Department of Engineering Systems and Environment, University of Virginia, Charlottesville, VA 22904) ,  Qian Yu (Department of Mechanical Engineering, Stony Brook University, Stony Brook, NY 11794) ,  Arinez Jorge (General Motors R&D, General Motors Corporation, Warren, MI 48090) ,  Xiao Guoxian (General Motors R&D, General Motors Corporation, Warren, MI 48090)
資料名： Journal of Manufacturing Science and Engineering  (Journal of Manufacturing Science and Engineering)
巻： 144  号： 1  ページ： Null  発行年： 2022年 
JST資料番号： C0657A  ISSN： 1087-1357  CODEN： JMSEFK  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： Web-/インターネットベース技術の進歩と製造部門における応用は,分散位置から製造を行うより効率的で効果的な方法を可能にするためにサイバーワークスペースのタイル化を増やした。本研究は,工場クラウドに保存された情報を活用することによって,異なる場所における同一または類似の生産ライン間のマルチプラント比較と学習を通して,生産ラインの性能を高めるために,新しい連続改良フレームワークを導入した。本研究では,複数の同一生産ラインからの生産データを収集し,臨界マシンに対する”ベスト”実行可能行動を学習するために分析し,製品ラインの管理を最適化する新しい方法を提供した。機械学習とシステムモデルを用いて,性能指数と利用可能なデータの間の関係を見つけた。多重類似自動車プラントに基づく実際の事例研究を提供して,この方法を実証し,スループットの増加を予測した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *学習 ,  作業空間 ,  自動車 ,  システムモデル ,  臨界 ,  多重化 ,  スループット ,  事例研究 ,  生産ライン ,  Web【情報システム】 ,  機械学習
準シソーラス用語： 製品ライン , 【Automatic Indexing@JST】

著者キーワード (10件)： 連続改善 ,  工場クラウド ,  グローバル生産 ,  機械学習 ,  スマート製造 ,  コンピュータ統合製造 ,  制御と自動化 ,  モデリングとシミュレーション ,  植物工学と保全 ,  生産システムの最適化

分類 (1件)： 工程管理  (KB03030P)

タイトルに関連する用語 (1件)： 学習