IS200EGPAG1BEC GE Mark VI

3.2 Machine learning

As the functionality of distributed computing tools such as Spark MLLib (http://spark.apache.org/mllib) and SparkR (http://spark.apache
.org/docs/latest/index.html) increases, it becomes It is easier to implement distributed and online machine learning models, such as support
vector machines, gradient boosting trees and decision trees for large amounts of data. Test the impact of different machine parameters and process
measurements on overall product quality, from correlation analysis to analysis of variance and chi-square hypothesis testing to help determine the impact of individual
measurements on product quality. This design trains some classification and regression
models that can distinguish parts that pass quality control from parts that do not. The trained models can be used to infer decision rules. According to the highest purity rule,
purity is defined as Nb/N, where N is the number of products that satisfy the rule and Nb is the total number of defective or bad parts that satisfy the rule.

Although these models can identify linear and nonlinear relationships between variables, they do not represent causal relationships. Causality is critical to
determining the true root cause, using Bayesian causal models to infer causality across all data.

3.3 Visualization

A visualization platform for collecting big data is crucial. The main challenge faced by engineers is not having a clear and comprehensive overview of the complete manufacturing
process. Such an overview will help them make decisions and assess their status before any adverse events occur. Descriptive analytics uses tools such as
Tableau (www.tableau.com) and Microsoft BI (https://powerbi.microsoft.com/en-us) to help achieve this. Descriptive analysis includes many views such as
histograms, bivariate plots, and correlation plots. In addition to visual statistical descriptions,
a clear visual interface should be provided for all predictive models. All measurements affecting specific quality parameters can be visualized and the data
on the backend can be filtered by time.

Excitation system ABB module P-HA-RPS-CH100000
Excitation system ABB module PHARPSCH100000
Excitation system ABB module PHARPSCH100000
Excitation system ABB module PHARPSCH100000
Excitation system ABB module P-HA-RPS-40000000
Excitation system ABB module PHARPS40000000
Excitation system ABB module PHARPS40000000
Excitation system ABB module PHARPS40000000
Excitation system ABB module P-HA-RPS-32200000
Excitation system ABB module P-HA-RPS-32200000
Excitation system ABB module P-HA-RPS-32200000
Excitation system ABB module PHARPS32200000
Excitation system ABB module PHARPS32200000
Excitation system ABB module PHARPS32010000
Excitation system ABB module PHARPS32010000
Excitation system ABB module P-HA-RPS-32000000
Excitation system ABB module P-HA-RPS-32000000
Excitation system ABB module PHARPS32000000
Excitation system ABB module PHARPS32000000
Excitation system ABB module PHARPS32000000
Excitation system ABB module PHARPS3200000
Excitation system ABB module PHARPS21200000
Excitation system ABB module PHARPS21010000
Excitation system ABB module PHARPS21000000
Excitation system ABB module PHARPS11100000
Excitation system ABB module PHARPS11010000
Excitation system ABB module P-HA-RPS-11000000
Excitation system ABB module PHARPS11000000
Excitation system ABB module PHARPS03000000
Excitation system ABB module PHARPS03000000
Excitation system ABB module PHARPS03000000
Excitation system ABB module PHARPS02200000
Excitation system ABB module PHARPS02010000
Excitation system ABB module PHARPS00200000
Excitation system ABB module PHARPS00010000
Excitation system ABB module PHAREPRFO10000
Excitation system ABB module PHAMSCTER20000
Excitation system ABB module P-HA-MSC-FAN11024
Excitation system ABB module P-HA-MCL-41000000
Excitation system ABB module P-HA-MCL-210000000
Excitation system ABB module P-HA-MCL-110000000
Excitation system ABB module PHAI01
Excitation system ABB module PGC5000
Excitation system ABB module PFXC141
Excitation system ABB module PFXA401SF
Excitation system ABB module PFXA401F 3BSE024388R3
Excitation system ABB module PFXA401F
Excitation system ABB module PFVO143
Excitation system ABB module PFVO142
Excitation system ABB module PFVL142V
Excitation system ABB module PFVL142R
Excitation system ABB module PFVL142C
Excitation system ABB module PFVL141V
Excitation system ABB module PFVL141R
Excitation system ABB module PFVL141C
Excitation system ABB module PFVK134 3BSE007134R1
Excitation system ABB module PFVI401 3BSE018732R1
Excitation system ABB module PFVI401
Excitation system ABB module PFVI401
Excitation system ABB module PFVI131 3BSE007130R1
Excitation system ABB module PFVI102
Excitation system ABB module PFVA401
Excitation system ABB module PFTL301E 3BSE019050R1000 1.0KN
Excitation system ABB module PFTL301E 3BSE019050R1000
Excitation system ABB module PFTL301E 1.0KN
Excitation system ABB module PFTL301E 1.0KN
Excitation system ABB module PFTL301E
Excitation system ABB module PFTL201DE
Excitation system ABB module PFTL201D
Excitation system ABB module PFTL201CE
Excitation system ABB module PFTL201C 3BSE007913R50 50KN
Excitation system ABB module PFTL201C 10KN 3BSE007913R10
Excitation system ABB module PFTL201C
Excitation system ABB module PFTL201