Incomplete cost-sensitive collaborative learning-based manufacturing quality predictive modeling method under heterogeneous sensing

doi:10.1016/j.ress.2025.111950

Incomplete cost-sensitive collaborative learning-based manufacturing quality predictive modeling method under heterogeneous sensing

2025-11-13

0

PRE

AI

T

Tianyue Wang

王雅昕 (Yaxin Wang) *

DOI：10.1016/j.ress.2025.111950

原文链接

原文求助

摘要

En 中文

产品的制造质量在复杂设备的可靠性及整体系统安全中发挥着关键作用。准确预测制造质量有助于及时检测异常产品并缩短生产时间。然而，制造系统中的多源异构传感器数据不可避免地会导致数据缺失，进而影响预测模型的准确性。此外，质量标签中的数据不平衡现象可能误导传统模型，使其获得不精确的预测边界，导致异常制造产品的漏检。本研究提出了一种新的基于不完整代价敏感协同学习的方法用于制造质量预测。具体而言，首先设计了一个改进的概率主成分分析（PPCA）基础上的不完整学习模块，以补充异构数据信息。随后，开发了一个精细化的代价敏感质量预测模型，用于处理不平衡的质量标签。最后，附加了一种进化协同学习策略，通过协同优化不完整和代价敏感学习模块来提升预测性能。实际轮毂轴承部件和阀门制造厂的应用案例研究表明，所提出的方案在制造质量异常预测方面达到了更高的准确率。

Incomplete cost-sensitive collaborative learning-based manufacturing quality predictive modeling method under heterogeneous sensing

摘要

期刊

机构

引用论文