A Novel Black Box Process Quality Optimization Approach based on Hit Rate

要約

ヒット率は、統合された産業プロセスにおけるプロセス製品の品質を予測する際の重要なパフォーマンス指標です。
これは、管理された品質範囲内で下流プロセスに受け入れられた製品の割合を表します。
ただし、ヒット率の最適化は非凸で難しい問題です。
この問題に対処するために、階乗隠れマルコフ モデル、マルチタスク エラスティック ネット、および準凸最適化を組み合わせたデータ駆動型の準凸アプローチを提案します。
私たちのアプローチは、元の非凸問題を凸の実行可能問題のセットに変換し、最適なヒット率を達成します。
鉄鋼生産におけるモンテカルロシミュレーションと実際の実験を通じて、凸最適化特性と準凸フロンティアを検証します。
結果は、私たちのアプローチが従来のモデルよりも優れており、2 つの実際のデータセットでヒット率が少なくとも 41.11% と 31.01% 向上していることを示しています。
さらに、準凸フロンティアは、従来のモデルによって得られた解の劣化についての参考説明と視覚化を提供します。

要約(オリジナル)

Hit rate is a key performance metric in predicting process product quality in integrated industrial processes. It represents the percentage of products accepted by downstream processes within a controlled range of quality. However, optimizing hit rate is a non-convex and challenging problem. To address this issue, we propose a data-driven quasi-convex approach that combines factorial hidden Markov models, multitask elastic net, and quasi-convex optimization. Our approach converts the original non-convex problem into a set of convex feasible problems, achieving an optimal hit rate. We verify the convex optimization property and quasi-convex frontier through Monte Carlo simulations and real-world experiments in steel production. Results demonstrate that our approach outperforms classical models, improving hit rates by at least 41.11% and 31.01% on two real datasets. Furthermore, the quasi-convex frontier provides a reference explanation and visualization for the deterioration of solutions obtained by conventional models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google