基于文本卷积神经网络的设备管理评价方法研究  

黄明彤 陈然 冯毅 邓雅文 陈家其  

四川中烟有限责任公司成都卷烟厂，四川省成都市，610011；  

摘要：现代企业设备管理涉及多个维度的评价，传统的手工统计方法已无法满足现代化管理对实时性、精确性和多维度数据综合分析的需求。本文针对设备管理中的复杂数据特点，提出了一种基于文本卷积神经网络（TextCNN）的评价方法。通过将设备运行记录、维修日志和保养报告等文本数据进行预处理与向量化，利用TextCNN自动提取关键特征，实现对设备状态的智能判定。本文对比了传统机器学习模型（如支持向量机、随机森林、逻辑回归）以及深度学习模型（如RNN和LSTM）在设备管理评价任务中的表现。实验结果表明，在相同数据集下，TextCNN模型的F1值达95.25%，不仅在分类准确率上明显优于其他模型，而且在计算效率上具有显著优势。该方法不仅为设备绩效评价提供了科学依据，还帮助设备管理人员实现全面有效的车间设备监控、风险把控、预防性维修以及备件准备，从而为企业生产管理提供更精准、及时的决策支持。  

关键词：设备管理；文本卷积神经网络；TextCNN；深度学习；机器学习  

参考文献  

[1]许红,李强.(2017).设备管理绩效评价指标体系研究.科技管理研究,37(5),102-107.  

[2]赵云,张伟.(2019).基于大数据分析的设备管理评价方法探讨.现代制造工程,(22),88-91.  

[3]周波,刘杰.(2018).设备管理中的数据挖掘与应用.机械工程学报,54(10),145-150.  

[4]王敏,刘洋.(2020).基于机器学习的企业设备管理优化研究.企业技术与管理,12,56-62.

[5]Li,X.,&Wang,J. (2021). An Evaluation Framework for Equipment Management Using Machine Learning. Journal of Industrial Engineering, 39(3), 267-275.