Tiene la solución de su problema en la detección de anomalías.
Dijiste que tienes un conjunto de medidas de cada etapa del ensamblaje. Si estas mediciones pueden distinguir entre un producto bueno y uno defectuoso, entonces su problema se reduce a la clásica elección del escenario extraño , conocido en el dominio de aprendizaje automático como detección de valores atípicos / anomalías.
Detección de anomalías
- ¿Existe un plan de estudio muy completo para aprender el aprendizaje automático?
- ¿Qué técnicas de programación debo saber para hacer un juego jugando IA y desafiar en concursos como este: The Great Escape?
- ¿Qué programas de muestra están disponibles para la inteligencia artificial?
- ¿Cuáles son algunos de los principales problemas no resueltos en el aprendizaje automático?
- ¿Los servicios de chatbot serán exitosos?
En este caso típico, usted sabe cómo se ve una buena lectura de productos. La mala lectura puede ser otra cosa que buena lectura. Por lo tanto, es muy difícil recopilar datos de lecturas incorrectas, ya que siempre existe la posibilidad de obtener una muy diferente en el futuro.
Aquí se puede emplear un SVM de una clase para detectar anomalías. Entrene el SVM con solo buenas lecturas, unos pocos cientos de ellas si no varía demasiado. Entrene un clasificador cada uno para cada etapa de su línea de montaje. Si un producto emite una mala lectura en cualquiera de las etapas, el SVM correspondiente puede detectarlo y usted puede realizar las acciones requeridas.
Clasificación de una clase
