機械学習による履物生産におけるエネルギー、ダウンタイム、スループットの最適化

科学分野:

• 産業工学
• 製造技術
• データサイエンス

背景:

• 履物製造は、生産効率の最適化と廃棄物の削減という課題に直面しています。
• 機械学習は、産業環境における予測能力を高めるための潜在的なソリューションを提供します。

研究 の 目的:

• 履物生産効率に対する機械学習モデル最適化の影響を調査すること。
• 最適化されたロジスティック回帰モデルと他の教師あり学習アルゴリズムのパフォーマンスを比較すること。

主な方法:

• 欠陥予測のためのロジスティック回帰モデルの体系的な改良。
• 最適化されたモデルとサポートベクターマシン、ナイーブベイズ、多項分類器とのベンチマーキング。
• 精度、特異度、感度、F1スコア、バランス精度などの指標を使用したモデルパフォーマンスの評価。

主要な成果:

• 最適化されたロジスティック回帰モデルは、97.06%の予測精度と100%の特異度を達成しました。
• このモデルは、感度、F1スコア、およびバランス精度において他のアルゴリズムを上回りました。
• 産業パフォーマンスの改善には、生産スループットの7.2%増加、設備ダウンタイムの9%削減、エネルギー消費の5.3%削減が含まれます。

結論:

• リアルタイム分析と統合された調整済み機械学習分類モデルは、履物製造を大幅に強化できます。
• データ駆動型の最適化フレームワークは、インテリジェントな生産環境における生産性、エネルギー効率、および持続可能性の向上に不可欠です。