Long Horizon Transformer Quantile Fault Prediction for Multi Site Industrial Predictive Maintenance
Long Horizon Transformer Quantile Fault Prediction for Multi Site Industrial Predictive Maintenance 提出 TQRNN30d 框架，在九家制造工厂的 72 台机器上实现 30 天预测 F1 为 79.97%。该框架结合双阶段分位数回归神经网络特征提取器与多流时间融合分类器，将每小时 81 通道机器行为映射为 324 维分位数状态表示，由 720 个有序小时词构成 30 天文档输入模型。分类器利用门控残差处理、因果循环编码及元数据条件跨模态注意力融合分位数状态与动态协变量，并通过源自持续单步预测误差发散的不稳定性感知信号进行辅助记忆调制。评估采用机器互斥的 43/14/15 训练/验证/测试分配策略，TQRNN30…