Enhancing Sawmills Statistical Process Control System Using Mixture Models
Process control is crucial for detecting and addressing issues early in the production cycle, reducing the risk of costly recalls and rework. In the wood industry, it is important to control the quality of lumber by monitoring its dimensions, especially thickness and width. Often used traditional quality control models usually assume such measures follow a single normal distribution which is not necessarily correct, due to the presence of multiple sources of variability in board production. Instead, Gaussian Mixture models account for the possibility that the data may be generated from multiple underlying distributions rather than a single one. This research aims to design an advanced, data-driven quality control framework tailored to the specific needs of sawmills by minimizing false alerts and ensuring that the system generates only accurate, actionable warnings by adopting Gaussian mixture models.
Amélioration du système de contrôle statistique des processus des scieries à l’aide de modèles de mélange
Le contrôle des processus est essentiel pour détecter et résoudre les problèmes à un stade précoce du cycle de production, réduisant ainsi le risque de rappels et de reprises coûteux. Dans l’industrie du bois, il est important de contrôler la qualité du bois en surveillant ses dimensions, en particulier l’épaisseur et la largeur. Les modèles traditionnels de contrôle de la qualité souvent utilisés supposent généralement que ces mesures suivent une distribution normale unique, ce qui n’est pas nécessairement correct, en raison de la présence de multiples sources de variabilité dans la production de planches. Au lieu de cela, les modèles de mélange gaussien tiennent compte de la possibilité que les données soient générées à partir de plusieurs distributions sous-jacentes plutôt que d’une seule. Cette recherche vise à concevoir un cadre de contrôle de la qualité avancé, axé sur les données et adapté aux besoins spécifiques des scieries, en minimisant les fausses alertes et en veillant à ce que le système ne génère que des alertes précises et exploitables, grâce à l’adoption de modèles de mélanges gaussiens.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais