我将简要介绍一下我的情景。该公司批量生产阀门/螺母/螺栓等组件，需要测量尺寸（如长度，半径，厚度等）以达到质量目的。由于检查所有部件是不可行的，因此它们是以批处理方式选择的。敌人例如：从每100件批次中，随机选择5件＆amp;测量尺寸的平均值＆amp;注意绘制SPC控制图（图表表示y轴上的尺寸和x轴上的批号）。
即使有许多因素（例如操作员效率，机器/工具条件等）影响产品质量，但它们似乎不可测量。 我的目标是开发一种机器学习模型来预测即将来临的批次样品的产品尺寸（平均值）。这将有助于操作员预测是否存在任何显着的尺寸变化，以便他可以暂停工作＆amp;弄清楚潜在的原因和从而防止产品/材料的浪费。
我对R编程＆amp ;;有一些了解。机器学习技术，如决策树/回归等，但不能落在适当的模型上。主要是因为我无法想到这种情况的自变量。我对时间序列建模不太了解。
有人会就如何解决这个问题提出一些见解/想法/建议。 对不起，我不得不写一篇长篇故事，但只想尽可能清楚地说明事情。
提前致谢。 斯里纳
答案 0 :(得分：1)
您的要求可能分三个步骤适用：
1.Fundamental
使用机器学习自动应用SPC规则，例如。用尼尔森规则识别SPC图表模式，并在特定过程中扩展到新的变异模式。
2.Supplemental
通过多变量收集和机器学习来预测Cp和SPC趋势。例如，烟雾颗粒会影响晶圆产量，如果数据分析模型链接SPC和工人转移安排可能会更早发现
3.智能代理
SPC和反应计划的自动过程集成。尝试构建模型以链接SPC和FMEA