nav[aria-label="Primary Navigation"] { padding: 0; & ul { list-style: none; width: 100%; display: flex; flex-direction: row; justify-content: start; align-items: start; gap: 30px; padding: 0; & li { margin: 0; } & ul li { list-style: none; } } }

958871_zh-CN

liliconcom

基于机器学习和蒙特卡罗模拟的批量称重方法（2026-US-30MP-2982）

批量称重是产品制造、研发和处理中的常见做法。逐个计数零件既耗时又低效，而批量称重则可以节省时间和成本。批量称重的主要缺点是由于公差和噪声叠加，可能导致估计数量出现误差。

本次报告重点介绍的方法旨在通过蒙特卡罗模拟和线性判别分析（一种监督式机器学习建模方法）量化风险，从而直接应对并降低风险。最终模型可根据权重告知用户每个批次的具体风险，并降低误分类的可能性。报告还讨论了该方法的应用指南以及在应用过程中可能出现的问题的补救措施，并通过案例研究来说明该方法的优势。