应用JMP机器学习技术构建滚子轴承实时异常检测监控系统（2020-KR-30MP-709）级别：高级
为了构建滚子轴承实时异常检测监控系统，以0.5秒的增量对滚子轴承的加速度信号进行预处理，然后将各种统计指标应用于预处理后的加速度信号，以确定NOR（正常）和ORF在定义了滚子轴承的（外圈）和IRF（内圈故障）的模式后，我们使用机器学习技术来学习这些模式，以构建实时监控异常检测的系统。通过应用JMP的统计方法，选择偏度和峰度作为统计指标来识别滚子轴承加速度信号的NOR（正常）、ORF（外圈故障）和IRF（内圈故障）模式，并由JMP提供模式识别。通过应用 ANN（人工神经网络）、SVM（支持向量机）和逻辑回归、NL（名义物流）等机器学习方法来构建异常检测模型。
高级统计建模基础数据分析与建模消费者和市场研究实验设计预测模型和机器学习质量与工艺工程可靠性分析
