基于深度网络的汽车配件两级备件决策

作者：张明蓝; 孙林夫^*; 邹益胜

来源：计算机集成制造系统, 2022, 28(12): 3822-3831.

DOI：10.13196/j.cims.2022.12.010

• 汽车配件
• 深度网络
• 两级备件决策
• VIT模型
• BiLSTM模型
• 组套索正则化

备件业务是汽车配件售后市场重要组成部分，针对汽车备件决策过程中信息不完备与多样性的问题，提出一种正则化VIT-BiLSTM两级备件决策模型。首先，根据配件类型对数据进行两级划分，以获取其内在联系。然后，利用Vision Transformer(VIT)模型对配件数据进行关键特征的提取。随后，通过双向长短时记忆循环神经网络(BiLSTM)捕捉特征之间的双向长时依赖关系，并在每个序列单元中融入组套索正则化项，进一步提高模型准确率。最后，利用第三方云平台的配件数据进行算例分析。实验结果表明，模型一级与二级的决策准确率分别高达99%、97%,召回率分别为97.3%、96.6%,F值分别为0.977、0.964,说明本模型可以为配件代理商提供实时数据参考，辅助其进行备件决策。

• 单位
  西南交通大学