Multi-response online parameter design based on Bayesian vector autoregression model
Multi-response online parameter design based on Bayesian vector autoregression model
复制标题
基于贝叶斯向量自回归模型的多响应在线参数设计
DOI：
10.1016/j.cie.2020.106775
复制
发表时间：
2020-11
影响因子：
7.9
通讯作者：
Tu Yiliu
中科院分区：
文献类型：
--
作者：
Yang Shijuan;Wang Jianjun;Ma Yizhong;Tu Yiliu
随着物联网和传感器技术的快速发展，一些噪声因素在运行和生产过程中可以被测量或估计。本文提出了一种新的多响应优化方法，该方法利用可观测噪声因子的额外信息，方便了在线参数设计。采用贝叶斯多元回归模型和贝叶斯向量自回归模型，同时考虑了响应模型和噪声模型的不确定性。利用蒙特卡罗方法从多个相关噪声因子的后验预测分布中得到它们的预测值。该方法提供了一种在生产过程中不断更新工艺设置的方便方法，有助于进一步降低噪声系数的变化性对产品或工艺质量的影响。通过两个算例说明了该方法的有效性。结果表明，该方法优于离线参数设计方法和另一种不考虑模型参数不确定性的在线参数设计方法。
With the rapid development of the Internet of Things and sensor technology, some noise factors can be measured or estimated during operation and production. This paper develops a new multi-response optimization method that facilitates online parameter design by using the extra information available about observable noise factors. Bayesian multivariate regression model and Bayesian vector autoregressive model are used to consider the uncertainty of both the response model and the noise model. The Monte Carlo procedure is employed to obtain the predictions of multiple correlated noise factors from their posterior predictive distribution. The proposed method provides a convenient way to continuously update process settings during the production, which helps to further reduce the influence of the variability in the noise factor on product or process quality. Two examples are used to illustrate the effectiveness of the proposed method. The results show that the proposed method outperformance the offline parameter design and another online parameter design that does not consider model parameter uncertainty.
登录
查看更多内容
影响因子：
3.4
作者：
Pami Dua;S. Ray
通讯作者：
Pami Dua;S. Ray
一种将损失函数与后验概率相结合的多响应表面优化的新贝叶斯方法
影响因子：
6.4
作者：
Jianjun Wang;Yizhong Ma;Linhan Ouyang;Yiliu Tu
通讯作者：
Yiliu Tu
影响因子：
2.5
作者：
Tirthankar Dasgupta;C. F. J. Wu
通讯作者：
Tirthankar Dasgupta;C. F. J. Wu
DOI：
10.4324/9780203491287
发表时间：
1995
期刊：
--
影响因子：
--
作者：
Andrew Gelman;John B. Carlin;H. Stern;David B. Dunson;A. Vehtari;Donald B. Rubin
通讯作者：
Andrew Gelman;John B. Carlin;H. Stern;David B. Dunson;A. Vehtari;Donald B. Rubin
影响因子：
--
作者：
O. A. Vanli;Enrique del Castillo
通讯作者：
O. A. Vanli;Enrique del Castillo