基于注意力SRU的离散制造过程生产异常分析.pdfVIP

机械制造与自动化２０２４年８月

机械制造ＭａｃｈｉｎｅＢｕｉｌｄｉｎｇ＆Ａｕｔｏｍａｔｉｏｎ第５３卷第４期

－

ＤＯＩ:１０.１９３４４/ｊ.ｃｎｋｉ.ｉｓｓｎ１６７１５２７６.２０２４.０４.００８

基于注意力ＳＲＵ的离散制造过程生产异常分析

马云骁ꎬ郭宇ꎬ王胜博

(南京航空航天大学机电学院ꎬ江苏南京２１００１６)

摘要:为了判断生产异常对生产过程产生何种影响ꎬ在对离散制造过程中产生的物联数据进行详细分析的基础上ꎬ设

计一种基于注意力ＳＲＵ神经网络的生产任务剩余完工时间预测模型ꎬ通过并行化的特征提取过程并结合注意力机制给

予不同时刻信息不同权重来对生产任务的延期交付时间进行预测ꎬ达到了解量化生产异常对于生产过程影响程度的目

的ꎬ且有效提高了算法效率和准确率ꎬ从而帮助车间工作人员进行后续决策管控工作ꎮ

关键词:离散制造过程ꎻ制造物联数据ꎻ生产异常分析ꎻ注意力机制ꎻＳＲＵ神经网络

中图分类号:ＴＨ１６４文献标志码:Ａ文章编号:１６７１￣５２７６(２０２４)０４￣００４８￣０６

ＰｒｏｄｕｃｔｉｏｎＡｎｏｍａｌｙＡｎａｌｙｓｉｓｏｆＤｉｓｃｒｅｔｅＭａｎｕｆａｃｔｕｒｉｎｇＰｒｏｃｅｓｓ

ＢａｓｅｄｏｎＡｔｔｅｎｔｉｏｎＳＲＵ

ＭＡＹｕｎｘｉａｏꎬＧＵＯＹｕꎬＷＡＮＧＳｈｅｎｇｂｏ

(ＣｏｌｌｅｇｅｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇꎬＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＡｅｒｏｎａｕｔｉｃｓａｎｄＡｓｔｒｏｎａｕｔｉｃｓꎬＮａｎｊｉｎｇ２１００１６ꎬＣｈｉｎａ)

Ａｂｓｔｒａｃｔ:Ｉｎｏｒｄｅｒｔｏｊｕｄｇｅｔｈｅｉｍｐａｃｔｏｆｐｒｏｄｕｃｔｉｏｎａｎｏｍａｌｉｅｓｏｎｐｒｏｄｕｃｔｉｏｎｐｒｏｃｅｓｓꎬａｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｆｏｒｔｈｅｒｅｍａｉｎｉｎｇ

ｃｏｍｐｌｅｔｉｏｎｔｉｍｅｏｆｐｒｏｄｕｃｔｉｏｎｔａｓｋｓｂａｓｅｄｏｎａｔｔｅｎｔｉｏｎＳＲＵｎｅｕｒａｌｎｅｔｗｏｒｋｗａｓｄｅｓｉｇｎｅｄａｆｔｅｒｄｅｔａｉｌｅｄａｎａｌｙｓｉｓｏｆｔｈｅＩｎｔｅｒｎｅｔｏｆ

Ｔｈｉｎｇｓｄａｔａｇｅｎｅｒａｔｅｄｉｎｄｉｓｃｒｅｔｅｍａｎｕｆａｃｔｕｒｉｎｇｐｒｏｃｅｓｓ.Ｔｈｒｏｕｇｈｔｈｅｐａｒａｌｌｅｌｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｐｒｏｃｅｓｓａｎｄｂｙｃｏｍｂｉｎａｔｉｏｎｗｉｔｈ

ｔｈｅａｔｔｅｎｔｉｏｎｍｅｃｈａｎｉｓｍꎬｄｉｆｆｅｒｅｎｔｗｅｉｇｈｔｓｏｆｉｎｆｏｒｍａｔｉｏｎａｔｄｉｆｆｅｒｅｎｔｍｏｍｅｎｔｓｗｅｒｅｇｉｖｅｎｔｏｐｒｅｄｉｃｔｔｈｅｄｅｌａｙｅｄｄｅｌｉｖｅｒｙｔｉｍｅｏｆ

ｐｒｏｄｕｃｔｉｏｎｔａｓｋｓꎬｗｈｉｃｈａｃｈｉｅｖｅｓｔｈｅｐｕｒｐｏｓｅｏｆｑｕａｎｔｉｆｙｉｎｇｔｈｅｉｍｐａｃｔｏｆｐｒｏｄｕｃｔｉｏｎａｎｏｍａｌｉｅｓｏｎｐｒｏｄｕｃｔｉｏｎｐｒｏｃｅｓｓꎬａｎｄ

ｅｆｆｅｃｔｉｖｅｌｙｉｍｐｒｏｖｅｓｔｈｅｅｆｆｉｃｉｅｎｃｙａｎｄａｃｃｕｒａｃｙｏｆｔｈｅａｌｇｏｒｉｔｈｍꎬｓｏａｓｔｏｈｅｌｐｔｈｅｗｏｒｋｓｈｏｐｓｔａｆｆｃａｒｒｙｏｕｔｓｕｂｓｅｑｕｅｎｔｄｅｃｉｓｉｏｎ－

ｍａｋｉｎｇｃｏｎｔｒｏｌｗｏｒｋ.

Ｋｅｙｗｏｒｄｓ:ｄｉｓｃｒｅｔｅｍａｎｕｆａｃｔｕｒｉｎｇｐｒｏｃｅｓｓꎻＩｎｔｅｒｎｅｔｏｆＭａｎｕｆａｃｔｕｒｉｎｇＴｈｉｎｇｓｄａｔａꎻｐｒｏｄｕｃｔｉｏｎａｎｏｍａｌｙａｎａｌｙｓｉｓꎻａｔｔｅｎｔｉｏｎ

ｍｅｃｈａｎｉｓｍꎻＳＲＵｎｅｕｒａｌｎｅｔｗｏｒｋ

时车间生产状态监控模型ꎬ通过判断离群点来检

０引言