生产分析

制造分析是使用操作和事件数据和技术来确保质量，提高性能和产量，并降低成本。制造分析对于包括半导体、化学、能源生产和生物制药在内的过程制造业尤为重要。

制造分析是工业4.0的一部分，与AI和机器学习、物联网、数字化、AR/VR、电气化、清洁能源等新技术密切相关。MATLAB^®使数据工程师和过程工程师能够开发缺陷检测和先进的过程控制算法，并将它们部署到工业系统的应用程序中。

使用MATLAB进行制造分析

检测缺陷在制造分析中使用目视检查该系统基于深度学习技术和来自工业相机、扫描电镜、x射线图像和其他来源的私人数据。MATLAB可以帮助工程师完成整个工作流程，包括数据准备、人工智能建模和部署。

访问操作和测试数据通过数据库(SQL, NoSQL)在制造分析，特定的文件格式(STDF)，或工业物联网通信系统(OPC)从制造设备。您还可以使用云接口到Amazon S3、Azure数据湖和谷歌Storage等流行服务。

应用机器学习或多目标优化制造分析技术对多变量数据进行分析，以实现先进的过程控制，监控过程，预测漂移和默认，识别根本原因，并优化制造配方。您可以使用交互式应用程序(如classification and regression Learner应用程序)从最流行的分类、聚类和回归算法中选择。自动化构建优化机器学习模型的过程AutoML技术包括特征选择、模型选择和超参数调优。

部署数据分析功能在嵌入式边缘硬件上制造生产系统或企业IT系统。MathWorks帮助IT和工程协同工作，通过使用您选择的IT基础架构而无需重新编码为其他语言，从而交付切实的业务成果。

数字孪生模型帮助克服典型的制造分析困难:昂贵的硬件测试成本，难以获得故障数据，许多传感器之间的时间对齐，以及复杂的设计空间。数字双模型可以包括基于物理的方法，使用Simscape™统计数据驱动的方法，或基于人工智能的方法。这些模型反映了正在运行的资产的当前环境、使用年限和配置，这通常涉及将资产数据直接流式传输到调优算法中。

有关使用MATLAB进行机器学习的更多信息，请参见统计学和机器学习工具箱™。