Management Decisions in Manufacturing using Causal Machine Learning -- To Rework, or not to Rework?
制造业中的因果机器学习决策：是否返工？AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确使用因果模型和 DML 估计条件处理效应，并据此制定返工政策。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
制造业中的因果机器学习决策：是否返工？
- 研究问题
- 在最终良率延迟观察、整批返工可能改善部分产品却损害其他产品时，如何估计返工收益并权衡成本以制定决策规则？
- 方法与思路
- 作者构建返工决策的因果模型，采用双重或去偏机器学习估计条件处理效应，据此形成返工策略，并用半导体制造数据验证。
- 材料陈述的贡献
- 摘要称，该决策模型在白光 LED 的颜色转换工序中实现百分之二至三的良率改善，展示因果效应估计用于返工决策的应用。
- 阅读关注点
- 应核对返工选择的混杂控制、条件效应估计与策略学习步骤，以及良率改善是样本外观察、实验验证还是模型评估的结果。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明识别假设、验证设计，以及改善幅度是相对比例还是百分点。
原文摘要
In this paper, we present a data-driven model for estimating optimal rework policies in manufacturing systems. We consider a single production stage within a multistage, lot-based system that allows for optional rework steps. While the rework decision depends on an intermediate state of the lot and system, the final product inspection, and thus the assessment of the actual yield, is delayed until production is complete. Repair steps are applied uniformly to the lot, potentially improving some of the individual items while degrading others. The challenge is thus to balance potential yield improvement with the rework costs incurred. Given the inherently causal nature of this decision problem, we propose a causal model to estimate yield improvement. We apply methods from causal machine learning, in particular double/debiased machine learning (DML) techniques, to estimate conditional treatment effects from data and derive policies for rework decisions. We validate our decision model using real-world data from opto-electronic semiconductor manufacturing, achieving a yield improvement of 2 - 3% during the color-conversion process of white light-emitting diodes (LEDs).