مهندسی ویژگی در تجزیه و تحلیل داده های بزرگ برای تولید هوشمند مبتنی بر اینترنت اشیا - مقایسه بین یادگیری عمیق و یادگیری آماری

مهندسی ویژگی در تجزیه و تحلیل داده های بزرگ برای تولید هوشمند مبتنی بر اینترنت اشیا - مقایسه بین یادگیری عمیق و یادگیری آماری

از آنجایی که تولید مبتنی بر اینترنت اشیا هنوز در مراحل اولیه است، چندین شکاف تحقیقاتی کلیدی وجود دارد که باید برطرف شوند. این شکافها شامل درک ویژگی های کالن داده های تولید شده از حسگرهای صنعتی اینترنت اشیا، چالشهایی است که آنها برای پردازش تجزیه و تحلیل داده ها ارائه  می کنند، و همچنین فرصتهای خاصی که داده های بزرگ اینترنت اشیا میتواند برای پیشرفت تولید به ارمغان بیاورد. در این مقاله، ما از یک بستر آزمایشی تولیدی مجهز به اینترنت اشیاء داخلی برای مطالعه ویژگیهای کالن داده های تولید شده از بستر آزمایش استفاده می کنیم.

از آنجایی که کیفیت داده ها معمولا بیشترین تاثیر را بر مدل سازی فرآیند دارد، صحت داده ها اغلب چالش برانگیزترین ویژگی داده های بزرگ است. برای پرداختن به آن، نقش مهندسی ویژگی را در توسعه مدلهای یادگیری ماشین موثر برای پیش بینی متغیرهای فرآیند کلیدی بررسی می کنیم . ما رویکردهای یادگیری عمیق پیچیده را با یک رویکرد یادگیری آماری ساده، با سطوح یا وسعت مهندسی ویژگیهای مختلف مقایسه می کنیم تا مزایا و معایب آنها را برای برنامه های بالقوه تولید صنعتی مجهز به اینترنت اشیا بررسی کنیم.