A carregar...
Publicação
Identifying interchangeable electronic components using unsupervised similarity modelling : a proof of concept for budget-aware product matching
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 2.04 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
This thesis addresses the challenge of identifying technically interchangeable products in the electronics industry, where heterogeneous product data and missing standardised descriptors hinder automated matching. To investigate whether an unsupervised, domain informed approach can support this task, a modular pipeline was developed combining blocking, mixed-type similarity computation, feature weighting, and graph-based clustering.Similarity graphs were analysed under different blocking strategies, showing that incorporating key electrical attributes (number of poles, nominal current, nominal voltage)substantially reduced graph density and increased similarity consistency. As a result,both Hierarchical Agglomerative Clustering and Leiden community detection produced small, coherent groups aligned with engineering notions of interchangeability. In contrast,feature-weighting adjustments and hyper parameter variations had only minor effects oncehomogeneous blocks were established.The findings demonstrate that unsupervised algorithms can contribute to interchange-ability detection when supported by strong domain-informed blocking. The proposed pipeline offers a scalable and interpretable foundation for applications such as catalogue harmonisation and competitor product mapping, and provides a viable technical basis for future development within an underlying startup project.
Esta tese aborda o desafio da identificação de produtos tecnicamente intercambiáveis da indústria eletrónica, onde a heterogeneidade dos produtos e a ausência de descritores normalizados dificultam a correspondência automatizada. Para o efeito foi adotada uma abordagem não supervisionada de aprendizagem automática, tendo sido desenvolvido um “pipeline” modular que combina “blocking” (agrupamento inicial), cálculo de similitude para dados de tipo misto, ponderação de características e “clustering” (agrupamento) baseado em grafos. Os respetivos grafos de similitude foram analisados sob diferentes estrategias de *block-ing*, demonstrando-se que a incorporação de atributos elétricos-chave (número de polos, corrente nominal e tensão nominal) reduz substancialmente a densidade do grafo e aumenta a consistência das similitudes. Como resultado, tanto o “Hie-rarchical Agglomerative Clustering” (Agrupamento Hierarquico Aglomerativo) como a deteção de comunidades de Leiden produziram grupos pequenos e coerentes, alinhados com noções relevantes de engenharia. Pelo contrário, ajustes na ponderação de características e variações de hiperparametros produziram um efeito limitado apos a identificação de blocos homogéneos. Os resultados demonstram que algoritmos não supervisionados podem contribuir para a deteção de intercambiabilidade quando apoiados por “blocking” robusto e informado. O<br/>“pipeline” proposto oferece uma base escalavel e interpretável para aplicações<br/>como harmonização de catálogos e mapeamento de produtos concorrentes, além de fornecer uma fundamentação técnica viável para desenvolvimentos futuros no âmbito de um projeto de “startup” tendo o autor como cofundador.
Esta tese aborda o desafio da identificação de produtos tecnicamente intercambiáveis da indústria eletrónica, onde a heterogeneidade dos produtos e a ausência de descritores normalizados dificultam a correspondência automatizada. Para o efeito foi adotada uma abordagem não supervisionada de aprendizagem automática, tendo sido desenvolvido um “pipeline” modular que combina “blocking” (agrupamento inicial), cálculo de similitude para dados de tipo misto, ponderação de características e “clustering” (agrupamento) baseado em grafos. Os respetivos grafos de similitude foram analisados sob diferentes estrategias de *block-ing*, demonstrando-se que a incorporação de atributos elétricos-chave (número de polos, corrente nominal e tensão nominal) reduz substancialmente a densidade do grafo e aumenta a consistência das similitudes. Como resultado, tanto o “Hie-rarchical Agglomerative Clustering” (Agrupamento Hierarquico Aglomerativo) como a deteção de comunidades de Leiden produziram grupos pequenos e coerentes, alinhados com noções relevantes de engenharia. Pelo contrário, ajustes na ponderação de características e variações de hiperparametros produziram um efeito limitado apos a identificação de blocos homogéneos. Os resultados demonstram que algoritmos não supervisionados podem contribuir para a deteção de intercambiabilidade quando apoiados por “blocking” robusto e informado. O<br/>“pipeline” proposto oferece uma base escalavel e interpretável para aplicações<br/>como harmonização de catálogos e mapeamento de produtos concorrentes, além de fornecer uma fundamentação técnica viável para desenvolvimentos futuros no âmbito de um projeto de “startup” tendo o autor como cofundador.
Descrição
Palavras-chave
Product matching Entity matching Clustering Blocking Feature weighting Weighted similarity computation Similarity graph Clustering graph Transivitive closure Unsupervised evaluation Matching de produtos Matching de entidades Ponderação de características Agrupamento hierarquico aglomerativo Grafos de similitude Grafos de clustering Resolução transitiva Aprendizagem automática não supervisionada
Contexto Educativo
Citação
Editora
Licença CC
Sem licença CC