एरोस्पेस परीक्षण वातावरण में बड़े डेटा और भविष्यवाणी मशीन लर्निंग का उपयोग

अनुमान है कि 2012 में अमेरिका की अधिकांश मध्यम आकार की कंपनियां 1 वर्ष में अमेरिकी कांग्रेस पुस्तकालय के बराबर डेटा उत्पन्न करती हैं। एक कंपनी के रूप में, वाल-मार्ट हर घंटे 50 मिलियन फ़ाइल कैबिनेट के बराबर डेटा बनाता है। हालाँकि ये संख्या अविश्वसनीय प्रतीत होती है, अधिकांश कंपनियों के लिए डेटा उत्पत्ति और संग्रहण की मात्रा बढ़ती जा रही है। अनुसंधान और विकास (R&D), निर्माण और मरम्मत के वातावरण में स्वचालित परीक्षण उपकरण (ATE) द्वारा उत्पन्न परीक्षण डेटा इस बढ़ती डेटा मात्रा का अपवाद नहीं है। इस विशाल मात्रा के परीक्षण डेटा की चुनौती यह है कि लोगों को इससे निर्णय लेने के लिए प्रभावी तरीके कैसे प्रदान करें। चार्ट, ग्राफ और रिपोर्ट के माध्यम से डेटा विज़ुअलाइज़ेशन ऐतिहासिक रूप से कार्रवाई योग्य बुद्धिमत्ता प्रदान करने के लिए अधिक प्रभावी तरीकों में से एक रहा है क्योंकि मनुष्य पैटर्न और तुलनाओं के आधार पर निर्णय लेने में आसानी से सक्षम होता है। लेकिन जैसे-जैसे डेटा की मात्रा बढ़ती है, यह विधि भी अपनी सीमाओं तक पहुँच रही है। जब कोई निर्माण परीक्षण डेटा और मरम्मत डेटा जैसे बड़े डेटा सेट को एक साथ मिलाने की शुरुआत करता है, तो डेटा विज़ुअलाइज़ेशन समस्या बन जाती है। अधिक जटिल एल्गोरिदमिक, मशीन लर्निंग और भविष्यवाणी दृष्टिकोण आवश्यक हो जाते हैं। इस पेपर में, हम जटिल मिशन क्रिटिकल एरोस्पेस उद्योग में निर्माण परीक्षण और मरम्मत परीक्षण वातावरण से "बड़े डेटा" पर भविष्यवाणी एल्गोरिदम के उपयोग के अनुभवों का अध्ययन करेंगे। विभिन्न कार्यात्मक क्षेत्रों से डेटा सेट का प्रभावी ढंग से उपयोग करके, हम मरम्मत परीक्षण डेटा और निर्माण डेटा के बीच सहसंबंध के नए सवालों के जवाब देने के लिए SPC तकनीकों को लागू करने पर ध्यान केंद्रित करेंगे, जिसका अंतिम लक्ष्य भविष्य में रिटर्न की संख्या की भविष्यवाणी करना और उत्पाद भागने को कम करना है।