达观工业知识图谱串联“人机料法环”,助力工业智能化再升级
工业制造研发、制造、维修等流程涉及人机料法环的方方面面。从产品规划、设计开发、生产制造、维修反馈等各个阶段,失效分析都是其中重要一环,达观工业知识图谱失效分析重点解决过程中对故障原因的深度探查和推理,找出根因,推荐出解决和预防措施、相关案例等,赋能企业流程。
目前企业内部对待“人机料法环”数据的智能能管理程度不一,人员、设备等数据可能已经以结构化的形式很好的管理,工艺、故障等数据更多是以非结构化的形式散落,缺少统一治理,进而无法发挥数据的价值。
1. 缺少知识结构化:多源异构数据缺少管理,特别是对方法书册、故障报告等高价值文档缺少知识体系的治理;
2. 缺少知识关联:没有按照业务流程,将“人机料法环”等各个维度的数据进行关联,往往需要业务系统的互相打通,知识查询、共享和利用的效率低下。
达观知识图谱平台再升级,基于知识图谱、语义检索、NLP、OCR等自研人工智能技术,在企业内部已有数据和外部标准等数据的基础上,建设失效知识图谱,关联人机料法环各个维度的数据,提供失效分析、FMEA等文件知识结构化和体系化、专家知识推荐等功能,持续沉淀和发挥知识价值。
数据来源企业内部数据为主,企业外部数据为辅。
国家国际标准、规范和法律法规,如国家对医疗产品的性能标准、对汽车产品的质量标准等。
达观工业知识图谱从“人机料法环”等角度,抽象相关概念,并对概念之间建立关联,达到知识结构化和知识关联。从知识图谱底层技术的角度,需要定义概念及其关系。
知识图谱建模
通过输入故障现象描述、设备、系统等自然语言文本,基于知识图谱的专家能力,从中解析失效要素,基于图查询从图谱查询到包含原因的子图,并进行根本原因归纳。除此之外,通过推理技术,从故障或者故障原因出发,自动探查人机料法环的相关推荐结果,提升对故障的全量分析能力。
图:失效原因分析和知识推荐
通过知识图谱自动挖掘设备间的潜在特征和关系,挖掘设备和设备之间的业务关联特征,在设备数量特别大的场景,辅助业务方的设备替代性分析、设备路径分析、设备重要性分析等。
持续升级基于KBQA(基于知识图谱的问答技术)的智能问答系统,帮助用户更快、更智能的找到设备、人员、物料、工序、环境因素之间关联关系,既支持概念和一度关联信息的查询,也可以根据业务设计复杂的推理规则,从而支持复杂的多度的问答场景。比如输出某个产品的故障类型统计、产品之间的性能对比、产品部件结构分析等等。
达观失效知识图谱产品持续升级的同时,已成功应用于多家大型工业制造企业,帮客户快速搭建失效知识图谱。知识图谱的构建和应用过程类似“酿酒“,通过知识的不断沉淀,香味愈浓,进而可以不断挖掘出更多的业务价值点。