可口可乐公司开发基于机器学习的虚拟压力传感器以改进饮料机诊断
借助 MathWorks，可口可乐公司的团队减少了代码的占用空间，使其可以很好地适配 ARM-Cortex M 微处理器。他们还将流量控制模块转变为了智能组件。
关键成果
- 将标准流量控制模块转变为具有诊断功能的智能组件
- 无需再使用高成本的传感器改造数千台现有饮料机
- 压力预测准确度高达 91%
可口可乐公司的 Freestyle 饮料机让消费者通过触摸屏界面即可从数百种不同饮料中进行选择。该饮料机的一个关键部件是流量控制模块 (FCM)，其中包括调节水流的电磁作动阀。由于饮料机的水管中没有物理压力传感器，因此，现场技术人员无法区分 FCM 故障和上游压力损失，这就导致了不必要的 FCM 更换。
为了改进现场诊断，可口可乐公司的工程师使用 MATLAB® 和 Simulink® 开发了一种基于机器学习的虚拟传感器，并将其部署到了资源受限的饮料机微处理器上。
该团队首先通过硬件在环测试过程从 FCM 采集数据。他们使用了 Simulink 对简单的控制器建模并为其生成代码，再将该代码下载到了用于捕获阀门压力和水流测量值的饮料机控制板。然后，他们使用 MATLAB 根据采集的数据开发了用于执行特征提取和多元回归的函数。他们将这些函数集成到了一个 Simulink 模型中，以根据阀门水流预测阀门压力。通过与 MathWorks 工程师合作，该团队先减少了模型的占用空间，再生成了用于 FCM 的 ARM Cortex-M 微处理器的代码。
在现场部署虚拟传感器之前，他们通过采集并分析数据对该传感器的准确度进行了验证。这些数据来自于使用两种不同控制板基于 10 种不同的 FCM 进行的 3,000 多次测试。
