AI钱塘论坛（第38期）
主题：因果知识驱动的多阶段过程质量预测
时间：2025年11月7日13:00-14:00
地点：二教南524会议室
主持人：孟雪阳
何懿萌博士
浙江大学控制科学与工程学院博士, 从事数据驱动的工业过程监测，基于深度学习、因果学习的质量预测、故障诊断等研究工作，以第一作者身份发表及录用SCI论文5篇 (TOP期刊3篇, 包括IEEE Transactions on Industrial Informatics、IEEE/CAA Journal of Automatica Sinica), 申请及授权国家发明专利2项。博士在读期间被评为浙江大学五好研究生、优秀研究生，曾获华为奖学金，并担任多个SCI期刊的审稿人。
报告摘要：多阶段工业过程普遍具有复杂的动态特性与多阶段运行机制，使得传统依赖静态假设的质量预测方法难以准确刻画阶段变化的瞬态行为。随着工业大数据获取能力的提升，如何在动态环境中有效识别过程阶段特征并构建高精度智能模型，已成为提升工业生产可靠性与产品质量的关键问题。本报告将介绍一种因果驱动的序列分割方法，通过识别工业时间序列中因果机制的变化，实现多阶段过程的准确划分。此外，基于所发现的时间因果图，构建了阶段异质的时序因果图卷积网络模型，充分提取时空特征，实现质量预测模型性能的显著提升。报告将展示方法在数值算例和典型工业场景中的应用结果。实验结果表明，因果驱动的序列分割方法在非平稳时间序列场景下优势显著。同时，阶段异质的时序因果图卷积网络模型在预测精度上取得了更优表现。本研究为多阶段工业过程的智能监测与优化提供了有效解决方案。