机器学习算法逐渐潜入我们日常生活,但是工业应用却不如消费应用普及。Inductive Automation
为了把机器学习技术应用于工业,须先了解机器学习分成哪些种类,有哪些不同的算法,以及实际应用时有什么值得注意的地方。
据Automation World报导,机器学习算法逐渐潜入我们日常生活,但是工业应用却面临不少瓶颈,不如消费应用那么普及,Inductive Automation的Kathy Applebaum指出,综观目前工业采用机器学习技术的情况,以预测性维护(PM)为大宗,其次是品管、需求预测和
机器人训练。
机器学习主要分成三大类型。首先是资料分析,Applebaum指出,诊断性分析(diagnostic analysis)是为了找出问题的原因,预测性分析(predictive analysis)则根据过去的资料预测未来,建议性分析以预测性分析为基础,建议该如何解决问题。
至于算法的种类,第一种是分群算法(k-means),Inductive Automation的Kevin McClusky指出,分群算法不清楚各个类别所代表的意义,只会计算每一个点到已设定的群集中心的最短距离,进而决定下一个群集中心,很适合进行数据分类,完成缺陷分析。
第二种算法称为判定树,Applebaum认为很适合预测性维护,也可以跟其他算法搭配使用。
第三种算法称为回归分析,McClusky认为适合调整工作流程和预测产量,例如依照目前的变量来预测产量。至于神经网络算法,则是仿真人脑的运作方式,工业最常见的应用是在视觉系统。
无论何种机器学习应用,都需要先收集优质的数据,首要之务便是找到适合的数据并加以处理,进而确保数据质量。McClusky也建议企业执行机器学习计划时,务必采用撷取、转换和载物(ETL)来取得数据,把数据收集流程自动化。Applebaum则建议勇于多尝试不同的算法,各家供货商皆有提供分群、神经网络、回归等各式各样的算法。