Predicción automatizada y clasificación de calidad de módulos solares de silicio en líneas de producción impulsadas por aprendizaje automático híbrido
Autores: Liu, Yuxiang; Xia, Xinzhong; Zhang, Jingyang; Wang, Kun; Yu, Bo; Wu, Mengmeng; Shi, Jinchao; Ma, Chao; Liu, Ying; Hu, Boyang; Wang, Xinying; Wang, Bo; Wang, Ruzhi; Wang, Bing
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Predicción automatizada y clasificación de calidad de módulos solares de silicio en líneas de producción impulsadas por aprendizaje automático híbrido
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Sistemas
Palabras clave
Módulos solares
Marco de aprendizaje automático
Parámetros de rendimiento
Enfoque de agrupamiento
Clasificadores de aprendizaje automático
Determinantes de calidad
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 21
Citaciones: Sin citaciones
Esta investigación presenta un nuevo marco híbrido de aprendizaje automático para la predicción automatizada de calidad y clasificación de módulos solares de silicio en líneas de producción. A diferencia de enfoques convencionales que se basan únicamente en la tasa de pérdida de encapsulación () para la evaluación del rendimiento, un método limitado para evaluar la pérdida de potencia relacionada con la encapsulación, nuestro marco integra agrupamiento no supervisado y clasificación supervisada para lograr un análisis integral.
Descripción
Esta investigación presenta un nuevo marco híbrido de aprendizaje automático para la predicción automatizada de calidad y clasificación de módulos solares de silicio en líneas de producción. A diferencia de enfoques convencionales que se basan únicamente en la tasa de pérdida de encapsulación () para la evaluación del rendimiento, un método limitado para evaluar la pérdida de potencia relacionada con la encapsulación, nuestro marco integra agrupamiento no supervisado y clasificación supervisada para lograr un análisis integral.