如何对不规则生产时间下的制造换档数据进行建模？

Question

问题设置：

假设一家制造厂每天有三班制。该厂的电力供应不正常，从而影响了它在时间上的运作和换档的生产。因此，您有一段时间的生产过程，然后暂停由于停电(或午餐休息)恢复时，电力是恢复。这种断断续续的电源模式几乎是不一致和不可预测的。

目标：

通过对过去历史数据的挖掘，我想提出一个模型，在一天的轮班中给定一个点，我希望它能够预测剩余的转换的产量(可能考虑到发生停电的可能性)。

我希望对如何使这个问题成为一个机器学习问题有一些观点和想法，并对如何选择适合这个问题的技术提出一些建议。

Answer 1

从手头的信息来看，你可以把它分解成两个问题-

1. 预测轮班的产量，以及
2. 在换档过程中发现故障的概率

对于(1)您可以沿着时间序列路径(ARIMA，Box-Jenkins，指数平滑)或回归路径(只要您有良好的特性)。

对于(2)你可以建立一个逻辑回归模型，给出一个概率分数。

您可以查看的可能特性有：

• 日、周、月、年的时间
• 故障间隔时间
• 可用劳动力
• 电力委员会的数据？