基于ARIMA-LSTM混合模型的工业时序数据分析及其在智能制造生产优化中的应用

徐莉; 杨涛

doi:10.16009/j.issn.1009-5624.2026.12.020

信息记录材料 ›› 2026, Vol. 27 ›› Issue (12) : 58 -60+87. DOI: 10.16009/j.issn.1009-5624.2026.12.020

基于ARIMA-LSTM混合模型的工业时序数据分析及其在智能制造生产优化中的应用

徐莉, 杨涛

作者信息 +

Author information +

文章历史 +

摘要

针对传统制造企业生产效能不足、设备故障预警滞后及工艺参数优化困难等问题，本研究提出一种融合自回归积分滑动平均(ARIMA)模型与长短期记忆(LSTM)网络的深度学习时序分析技术。通过构建设备故障预测、工艺参数优化和质量管控三大模块，实现对多维时序数据的智能分析。实验结果表明，该技术使生产人员配置降低72.7%,工艺流程由6道精简至1道，产品使用寿命提升4倍以上，能耗优化准确率达83%,能够有效降低企业生产成本、提升生产效率并改善产品质量。