面向不完备活动序列的工业流程剩余时间预测方法
来源：计算机集成制造系统杂志2025年第12期北京时间：
作者：刘晶, 张浩博, 牛巍, 吴国瑞, 王辉, 季海鹏
单位：1.河北工业大学高性能轧辊材料与复合成形全国重点实验室2.河北工业大学人工智能与数据科学学院3.中信戴卡股份有限公司4.河北工业大学材料科学与工程学院
摘要：剩余时间预测可以帮助企业优化生产调度,提高资源利用率。然而,工业流程事件日志常存在活动序列不完备和时间特征动态演化难以捕捉的问题,导致预测模型的精度受限。针对上述问题,提出一种基于活动补全和时间感知的工业流程剩余时间预测方法。该方法包括基于BERT模型与对比学习的活动补全模块和基于时间感知的剩余时间预测模块。首先,利用工业事件日志对BERT模型进行预训练,并在此基础上通过微调策略进行缺失活动补全,同时引入对比学习策略进一步提升活动补全的准确性;其次,在Transformer编码器的基础上引入时间感知注意力机制,并对轨迹前缀活动序列进行特征编码,预测剩余时间;最后,在公开的Production数据集和国内某轮毂制造工厂的实际生产数据集上进行实验,实验表明所提方法在工业流程数据集上可以有效提升剩余时间预测精度,在两个数据集上的剩余时间预测效果分别提升了6.5个百分点和9.8个百分点。
关键词：预测性流程监控,流程挖掘,活动补全,时间感知,剩余时间预测
基金资助：河北省重大科技支撑计划资助项目(24291001Z,252G0301D)。
