基于深度学习和知识图谱的纺织制造企业组织战略决策支持模型

《Scientific Reports》：Organizational strategic decision support model in textile manufacturing enterprises under deep learning and knowledge graph

　　

摘要

纺织制造过程中产生的设备状态数据、质量记录、维护经验和生产规则分散在异构信息系统中，导致连接生产状态识别与维护资源分配的集成决策链缺失。本研究构建了一个融合知识图谱（KG）、多尺度时间卷积网络（MS-TCN）、关系感知图注意力机制（R-GAM）和知识增强深度强化学习（K-DRL）的优化生产决策框架。MS-TCN对连续决策步内不同尺度上的速度、温度、湿度、振动和能耗进行多尺度编码。纺织制造领域知识图谱（TM-DKG）对设备状态、故障事件、维护操作和生产绩效指标进行统一形式化表示。R-GAM根据关系类别聚合与实时工况相关的故障节点和策略节点。K-DRL利用知识图谱生成可行动作集合，并针对产出率、能耗、缺陷风险、动作成本和状态切换成本进行联合优化。实验采用一个包含1,000条记录、11个字段公开纺织生产数据集构建状态库。由于该数据集不含设备ID、时间戳和物理采样频率，实验被定义为记录驱动且规则约束的概念验证。TM-DKG-RGAT在链接预测任务中取得44.1%的平均倒数排名（MRR）。在仿真环境中，K-DRL的平均训练奖励为688.7，收敛轮次为420。当叠加20%高斯噪声时，决策成功率仍保持在88.2%。实验结果表明，关系类型编码和基于知识的动作约束可以提升决策有效性、训练稳定性和可解释推理路径的一致性。所提方法适用于纺织生产决策的方法学验证，而其实际现场性能仍需使用连续设备级数据和维护工单进行进一步验证。