Anwendungen des maschinellen Lernens in Fertigungslinien: Ein systematischer Literaturüberblick

Eine Fertigungslinie ist eine Reihe von aufeinanderfolgenden Operationen, die in einer Fabrik eingerichtet sind, in der Materialien einem Veredelungsprozess unterzogen werden, um ein Endprodukt zu erzeugen, das für die weitere Nutzung geeignet ist. Die Überwachung von Fertigungslinien ist unerlässlich, um sicherzustellen, dass die angestrebte Qualität des Produktionsprozesses und der Produkte erreicht wird. Mit der zunehmenden Digitalisierung können jetzt viele Daten im gesamten Fertigungslinienprozess generiert werden. Gleichzeitig werden die generierten Datensätze von Techniken des maschinellen Lernens zur Analyse der Fertigungslinie genutzt, um die Qualitätskontrolle zu verbessern, Risiken zu bewerten und Kosten zu sparen. Ziel dieses Artikels ist es, die berichteten Studien zur Anwendung des maschinellen Lernens in Fertigungslinien zu identifizieren, zu bewerten und zu synthetisieren, um einen systematischen Überblick über den aktuellen Stand der Technik zu geben und damit den Weg für weitere Forschung zu ebnen. Zu diesem Zweck haben wir eine Systematische Literaturanalyse (SLR) durchgeführt, bei der wir 271 Arbeiten abgerufen haben, von denen 39 Primärstudien für eine detaillierte Analyse ausgewählt wurden. Diese SLR stellt die mit maschinellem Lernen adressierten Probleme der Fertigungslinie dar und kategorisiert sie, identifiziert die anvisierten industriellen Bereiche, erörtert, welche Algorithmen des maschinellen Lernens verwendet wurden, und erklärt die verwendeten unabhängigen und abhängigen Variablen der Modelle. Die Studie hebt die offenen Probleme hervor, die gelöst werden müssen, und gibt die identifizierten Forschungsrichtungen an.