Дефекты качества обычно записываются в виде текста и диагностируются инженерами вручную. Для повышения эффективности и принятия точных решений по обслуживанию необходим новый метод диагностики дефектов. Однако распространённые методы диагностики обычно связаны с мониторингом цифровых или изображений данных, что не подходит для выявления дефектов качества в текстовых данных. Кроме того, существующие методы классификации текста трудно применить в сборке самолётов. Для дефектов качества в длинных китайских текстах в данной работе предложена новая интеллектуальная диагностическая система, сочетающая взвешенные текстовые встраивания и стек многозадачных разреженных автокодировщиков (AE). Сначала текст дефекта сегментируется на отдельные слова с помощью китайской сегментации, а ключевые слова представлены векторными представлениями с использованием word2vec (нейронной модели встраивания, улавливающей семантические отношения между словами). Затем разработан полу-надзорный алгоритм аннотирования атрибутов на основе экспертных знаний для определения весов ключевых слов, после чего вектор текста вычисляется с помощью взвешенного суммирования векторов слов. Третье, учитывая высокое измерение и разреженность текстовых векторов, построена стековая разреженная сеть AE для классификации текстовых векторов и идентификации типов дефектов качества. Метод применён к реальному набору данных по сборке самолётов; результаты показывают превосходную производительность предложенного фреймворка.

дефекты качества;сборка самолётов;диагностическая система;встраивание китайского текста;стековая разреженная автокодировочная сеть