Réseau de neurones - Comment prédire les valeurs initiales d'un processus à plusieurs étapesBonjour.
J'ai un processus de fabrication en plusieurs étapes (appelons-les P1, P2, P3 et P4). Chaque lot a été à ces étapes pour les instants correspondants tP1, tP2, tP3 et tP4. Mon modèle de réseau neuronal actuel prédit le temps = 0 à P1 correctement, mais pas pour P2-P4. J'aimerais générer un modèle qui me permet de prédire les valeurs de sortie d'un lot ayant subi les processus P1-P4 dans la moitié des temps actuels. Comment puis-je faire cela? Je ne pense pas qu'il s'agisse d'une extrapolation, car j'ai déjà des données pour des points de temps compris entre 0 et l'heure maximale
Merci.
Re: Réseau de neurones - Comment prédire les valeurs initiales d'un processus en plusieurs étapesSalut les Branches!
La science de la fabrication est très intéressante et donne souvent des résultats très homogènes. Par exemple, le Pollaczek-Khinchine L'équation suggère que les coefficients de variation des temps de service auront un effet sur le temps de cycle.
En fonction de vos opérations actuelles, si vous réduisez de moitié les temps de traitement, le taux d'arrivée des lots peut dépasser le taux de service d'un processus et la file d'attente peut atteindre une infinité. Je doute qu'un modèle de réseau neuronal raisonnable puisse prédire cela avec précision.
Je pense que l'état de l'art est simulation non linéaire contrainte et optimisation globale.
Bonne chance!
