スケーラブルで堅牢なガウス過程アプローチを用いた連続製造プロセスにおける製品品質の予測

本研究は、連続製造プロセスに適用された際に製品品質を予測する人工知能（AI）ベースの解決策を説明しています。提案された解決策は、生産ラインから得られるプロセスパラメータと製品品質測定値を使用します。本研究は問題駆動型であり、英国の基盤産業の1つにおける応用を示し、AI解決策が理想的に満たすべき5つの重要な基準を特定しています。これらは、スケーラビリティ、モジュール性、データ外での安定した性能、不確実性の定量化、代表性のないデータに対する堅牢性です。これら5つの基準に対する従来のAIアプローチの欠点について議論した後、潜在的な解決策を提示します。提案されたアプローチは、ディリクレ過程から構築されたノイズモデルを持つ一般化された専門家の積のガウス過程の適用を含みます。このモデルが5つの重要な基準を満たす能力と、基盤産業のケーススタディに適用された際の性能を示します。