可以預見的是，隨著計算能力和數據量的極大增加，制造業(yè)將很快受到基于人工智能的技術的巨大影響。數據驅動的方法使用傳感器數據(例如振動，壓力，溫度和能量數據)提取有用的特征進行診斷和預測。制造業(yè)的主要挑戰(zhàn)在于需要一個通用框架，以確保在不同的制造業(yè)應用中令人滿意的診斷和監(jiān)控性能。

在北京《國家科學評論》上發(fā)表的新研究文章中華中科技大學人工智能與自動化學院的葉媛教授和數字制造設備與技術國家重點實驗室的韓鼎教授共同提出了一個端到端的診斷框架用于各種制造系統。該框架利用了卷積神經網絡的預測能力，可以從嘈雜的時程數據中自動提取隱藏的退化特征。所提議的框架已經在來自各種制造應用的十個代表性數據集上進行了測試。結果表明，該框架在經過測試的基準應用程序中表現良好，并且可以在各種情況下應用，這表明該框架有可能用作智能制造中的關鍵基石。

考慮到重構樣本之間存在潛在的時間依賴性，本文使用三種標準的交叉驗證方法(隨機子集，連續(xù)塊和獨立序列)來評估框架的性能。本文還解釋了CNN模型如何從臨時制造數據中學習，并討論了所提出框架的魯棒性。