Novel Topological Machine Learning Methodology for Stream-of-Quality Modeling in Smart Manufacturing

本文提出了一种基于5级物联网体系结构的拓扑分析方法，用于智能制造中的质量流评估。该方法不仅能够实时监测质量和进行预测分析，还能够发现不同制造过程中质量特征和工艺参数之间的隐藏关系。以增材制造为例，展示了所提出方法维护高产品质量和适应产品质量变化的可行性。本文展示了如何有效地利用拓扑图可视化技术进行质量流评估，以实时识别新的代表性数据。

论文旨在通过提出一种基于拓扑分析的方法，实现智能制造中流式质量评估的实时质量监控和预测分析，以及发现不同制造过程中质量特征和工艺参数之间的隐藏关系。

论文提出了一种基于拓扑图可视化的方法，通过流式质量评估实时识别新的代表性数据，以维护高产品质量并适应产品质量变化。

论文使用了增材制造的案例研究来演示提出方法的可行性。实验设计了一系列测试，使用了不同的数据集，并提供了开源代码。值得进一步研究的工作包括如何将该方法应用于其他制造领域，以及如何进一步提高质量预测的准确性。

最近的相关研究包括《基于机器学习的智能制造质量控制方法》、《基于深度学习的智能制造过程质量预测研究》等。