Ottimizzazione Bayesiana e processi manifatturieri

L'ottimizzazione Bayesiana (BO) è una tecnica potente per ottimizzare processi manifatturieri complessi, spesso considerati "black box". Tuttavia, la sua efficacia diminuisce in sistemi multi-stadio ad alta dimensionalità, dove sono disponibili output intermedi. I modelli BO standard ignorano queste osservazioni intermedie e la struttura sottostante del processo.

POGPN-JPSS: un nuovo approccio

Il framework POGPN-JPSS combina reti gaussiane parzialmente osservabili (POGPN) con la modellazione congiunta di parametri e spazio degli stati (JPSS) per sfruttare le informazioni estratte dagli output intermedi. La conoscenza di esperti viene utilizzata per estrarre caratteristiche latenti a bassa dimensionalità dai dati ad alta dimensionalità.

Risultati e benefici

I risultati ottenuti su una simulazione di un processo di produzione di bioetanolo dimostrano che POGPN-JPSS supera significativamente i metodi esistenti, raggiungendo le performance desiderate in metà tempo e con maggiore affidabilità. Questa ottimizzazione più rapida si traduce in un notevole risparmio di tempo e risorse, evidenziando l'importanza di combinare la conoscenza di esperti con modelli probabilistici strutturati per una rapida maturazione del processo.