针对产品生产制造过程中由于不确定因素导致完工期延误的问题，在考虑高数据维度、广特征空间分布的情况下，提出一种改进深度神经网络的产品生产制造周期预测方法。该算法采用栈式自编码器预训练神经网络的权重和偏置并完成特征提取过程，采用预训练参数初始化深度神经网络进行生产制造预测。为避免模型过拟合，加入L2正则化和dropout。以某制造业某季度产品生产制造数据为例，验证了该预测模型的有效性。与其他预测模型相比，栈式自编码—深度神经网络模型具有较高的预测精度。
0 引言
车间生产制造受缺料、故障、插单等不确定因素的影响，产品加工周期存在较大波动。生产车间能按时交货是企业稳健发展的基石，也是影响企业竞争力和声誉的重要因素[1]，因此生产车间应尽可能制定合理的计划保障产品按时交付。随着工业互联网的快速发展，制造业车间的海量数据得以准确采集[2]<