本文针对烟草业务系统日常运维中,对生产异常,特别是物料损耗异常发现难、追溯排查难的问题,设计并实现了一种基于双向长短期记忆模型(bi-directional long short-term memory,Bi-LSTM)和自注意力机制的损耗异常分析模型。以烟丝损耗异...本文针对烟草业务系统日常运维中,对生产异常,特别是物料损耗异常发现难、追溯排查难的问题,设计并实现了一种基于双向长短期记忆模型(bi-directional long short-term memory,Bi-LSTM)和自注意力机制的损耗异常分析模型。以烟丝损耗异常检查为例介绍该模型,以卷包系统的时序剔除数据为输入,判断原材料损耗是否存在异常。该分析模型可用于烟草业务系统日常监控运维,自动识别各生产阶段物料损耗异常,并通过注意力权重从空间和时间维度解释分析结果,为人工排查提供先验,辅助生产管理,提升运维系统的智能化。展开更多
文摘本文针对烟草业务系统日常运维中,对生产异常,特别是物料损耗异常发现难、追溯排查难的问题,设计并实现了一种基于双向长短期记忆模型(bi-directional long short-term memory,Bi-LSTM)和自注意力机制的损耗异常分析模型。以烟丝损耗异常检查为例介绍该模型,以卷包系统的时序剔除数据为输入,判断原材料损耗是否存在异常。该分析模型可用于烟草业务系统日常监控运维,自动识别各生产阶段物料损耗异常,并通过注意力权重从空间和时间维度解释分析结果,为人工排查提供先验,辅助生产管理,提升运维系统的智能化。
