基于融合通道与时间注意力的TCN-BLSTM模型的混装作业车间在制品库存实时预测

来源：计算机集成制造系统杂志2025年第9期北京时间：

作者：庄泓, 唐秋华, 成丽新, 余淑均, 齐航

单位：1.武汉科技大学冶金装备及其控制教育部重点实验室2.武汉科技大学机械传动与制造工程湖北省重点实验室3.武汉科技大学精密制造研究院4.中车长春轨道客车股份有限公司

摘要：混装作业车间加工和装配两阶段间的在制品库存水平,可能直接导致装配生产中断或引起错装漏装,故需预测不同时刻库存水平,实现精准控制。提出了融合通道与时间注意力机制(CATA)的TCN-BLSTM模型。首先,利用去噪自动编码器进行特征降维,去除数据噪声和冗余信息;通过时间卷积网络(TCN)捕获工件流在加工机器装配工位间的传递机制,并将通道注意力嵌入时间卷积网络中,挖掘关键特征;通过双向长短时记忆网络(BLSTM)模拟推拉时刻双向信息流的传递,设计含多个模块的时间注意力网络,增强所有时刻特征间关联关系,挖掘影响库存的关键时刻;通过反向传播更新注意力网络参数,实现精准预测。实验结果表明所提出的CATA-TCN-BLSTM模型有效挖掘了关键特征和时刻,大幅提高了预测准确率;并实现了不同生产场景下的预测模型迁移,预测准确率达98%以上。

关键词：在制品库存预测,时间卷积网络,通道注意力,双向长短期记忆网络,时间注意力

基金资助：国家自然科学基金资助项目(52275504)。