1、工业领域中机器学习与模糊聚类的应用探索

工业领域中机器学习与模糊聚类的应用探索

1. 网络物理系统与机器学习概述

网络物理系统（Cyber Physical Systems）具有自适应和学习的能力，它们能够分析环境、学习模式并进行预测。典型应用包括状态监测、预测性维护、图像处理和诊断等。而机器学习则是推动这些应用发展的关键技术。

2018年10月23日至24日举办的第四届机器学习在网络物理系统和工业4.0中的应用会议（ML4CPS），为网络物理系统数据分析领域提供了一个展示新方法、交流经验和展望未来的平台。

2. 基于MONSOON项目的塑料行业机器学习应用

2.1 背景与目标

随着网络物理系统的普及和物联网技术的发展，工业领域正经历着数字化变革。德国联邦政府的高科技战略推动了各行业制造商加速采用相关技术来优化生产流程。欧盟资助的MONSOON项目就是一个通过数据驱动方法优化不同工业部门生产流程的实例。在这个项目中，聚焦于塑料行业的一个具体用例，即利用生产咖啡胶囊的生产线的网络物理系统提供的传感器测量数据，以数据驱动的方式减少废品数量，也就是低质量生产周期的数量。

2.2 生产过程与传感器测量

在MONSOON项目中，塑料行业的咖啡胶囊生产采用注塑成型方法。注塑成型过程包括加热原材料、合模、注入热塑料、保压、冷却和开模取件等步骤。理想情况下，每个周期的缺陷率应趋近于零，原材料浪费最小。

使用的MONSOON咖啡胶囊和上下文数据集包含了来自真实注塑机的250个生产周期的信息，有36个实值属性反映了每个周期的机器内部传感器测量值，如温度、压力和各阶段的时间等。同时，根据生产的非缺陷咖啡胶囊数量，由领域专家为每个周