[論文レビュー] An IIoT machine model for achieving consistency in product quality in manufacturing plants

Abhik Banerjee, Abdur Rahim Mohammad Forkan+3 more|arXiv (Cornell University)|Sep 27, 2021

Industrial Vision Systems and Defect Detection被引用数 5

ひとこと要約

本論文では、食品加工工場における一貫した製品品質を確保するために、リアルタイムでのモニタリングと制御を可能にするIIoTベースの機械学習モデルを提案する。実際のデータを用いて、高い正確性で製品品質を予測し、実行可能な機械制御の推奨事項を提供することで、データドリブンな意思決定により品質のばらつきを顕著に低減する。

ABSTRACT

Consistency in product quality is of critical importance in manufacturing. However, achieving a target product quality typically involves balancing a large number of manufacturing attributes. Existing manufacturing practices for dealing with such complexity are driven largely based on human knowledge and experience. The prevalence of manual intervention makes it difficult to perfect manufacturing practices, underscoring the need for a data-driven solution. In this paper, we present an Industrial Internet of Things (IIoT) machine model which enables effective monitoring and control of plant machinery so as to achieve consistency in product quality. We present algorithms that can provide product quality prediction during production, and provide recommendations for machine control. Subsequently, we perform an experimental evaluation of the proposed solution using real data captured from a food processing plant. We show that the proposed algorithms can be used to predict product quality with a high degree of accuracy, thereby enabling effective production monitoring and control.

研究の動機と目的

• 複雑で相互に依存するプロセス変数のための製品品質の一貫性の欠如という課題に対処すること。
• 品質管理における人的経験依存の介入を低減すること。
• リアルタイムでのモニタリングと制御を可能にするデータドリブンなIIoT対応システムの開発。
• センサーや運用データを用いて、生産中の製品品質を正確に予測すること。
• 品質の一貫性を維持するための実行可能な機械制御の推奨事項を提供すること。

提案手法

• 提案されたIIoT機械モデルは、製造機器からのリアルタイムセンサーデータと機械学習アルゴリズムを統合し、品質予測を実施する。
• 食品加工工場の歴史的およびリアルタイムのデータを用いて予測モデルを訓練し、製品品質指標を予測する。
• 予測された品質結果に基づいて、機械の制御推奨事項を生成するためのフィードバックメカニズムを採用する。
• 高次元の製造属性を処理するアルゴリズムを設計し、品質に影響を与える主要なプロセス変数を同定する。
• 実際の産業環境にモデルを導入し、本番の生産条件下での性能を評価する。
• 予測された品質に基づいて機械パラメータを動的に調整するためのクローズドループ制御フレームワークを実装する。

実験結果

リサーチクエスチョン

• RQ1 データドリブンなIIoTモデルは、リアルタイム製造プロセス中に製品品質を正確に予測できるか？
• RQ2 機械学習アルゴリズムは、製品の一貫性に影響を与える重要なプロセス変数を特定するのにどの程度効果的か？
• RQ3 自動制御推奨事項は、人的介入と比較して、品質のばらつきをどの程度低減できるか？
• RQ4 リアルタイムセンサーデータの統合は、産業現場での監視と制御をどの程度向上させるか？
• RQ5 本モデルは、実際の食品加工工場環境でどの程度の性能を示すか？

主な発見

• 提案されたモデルは、実際の工場データを用いて高い正確性で製品品質を予測し、強力な予測性能を示した。
• システムは、製品の一貫性に影響を与える主要なプロセス変数を正常に同定し、的確な制御行動を可能にした。
• リアルタイムでの品質予測により、生産中の品質のずれを早期に是正できる介入が可能になり、品質のばらつきが低減された。
• IIoTと機械学習の統合により、人的専門知識への依存が軽減され、プロセスの安定性が向上した。
• 実験的評価により、本番の製造環境におけるモデルの実現可能性と有効性が確認された。