工业设施中的生成式 LSTM 模型与资产层级创建

Morgen Pronk

工业设施中的生成式 LSTM 模型与资产层级创建

计算工程、金融与科学 2024-03-12 v1

作者: Morgen Pronk

摘要

在不断发展的维护和可靠性工程领域，将设备组织成层级结构既是一项挑战也是一项必要任务，直接影响工业设施的运行完整性。本文介绍了一种创新方法，利用机器学习，特别是长短期记忆 (LSTM) 模型，来自动化并增强这些层级的创建和管理。通过采用自然语言处理中常用的技术，本研究探讨了 LSTM 模型解释和预测设备标签内关系的潜力，为理解设施设计提供了新视角。该方法涉及对来自 50 个上游石油和天然气设施约 29,000 条记录的资产标签进行字符级分词，随后使用基于 LSTM 的循环神经网络对这些序列进行建模。该模型架构利用了 LSTM 学习长期依赖关系的能力，促进了层级关系的预测和对设备标签的上下文理解。

关键词

生成式 LSTM 模型资产层级维护工程设备标签自然语言处理循环神经网络工业设施

引用

@article{arxiv.2403.06103,
  title  = {Generative LSTM Models and Asset Hierarchy Creation in Industrial Facilities},
  author = {Morgen Pronk},
  journal= {arXiv preprint arXiv:2403.06103},
  year   = {2024}
}

备注

Code available on request

工业设施中的生成式 LSTM 模型与资产层级创建

摘要

关键词

引用

备注

相关论文