基于智能客服技術(shù)的武器系統(tǒng)故障診斷方法

張 進(jìn),徐寧駿,趙偉光,郭 浩,劉國(guó)慶

(江蘇自動(dòng)化研究所,江蘇 連云港 222061)

武器系統(tǒng)是由各型武器裝備有機(jī)組合形成的整體,一般具有多層結(jié)構(gòu)、所屬分系統(tǒng)和設(shè)備數(shù)量眾多、多種作戰(zhàn)剖面的特點(diǎn)[1-2]。因此,各分系統(tǒng)之間、分系統(tǒng)與各設(shè)備之間以及各設(shè)備之間存在復(fù)雜的關(guān)系,當(dāng)系統(tǒng)出現(xiàn)某一故障時(shí),診斷過(guò)程往往比較復(fù)雜和困難。武器系統(tǒng)裝備的使用主要在基層部隊(duì),而基層部隊(duì)的使用人員管理水平和技術(shù)水平與各大專(zhuān)院校、科研院所的水平相比相去甚遠(yuǎn)[3],因此，基層部隊(duì)的多數(shù)使用管理人員往往不具備復(fù)雜故障的排除能力,傳統(tǒng)的故障診斷方法就是依賴(lài)經(jīng)驗(yàn)豐富的專(zhuān)家或工程技術(shù)人員現(xiàn)場(chǎng)排查,需要大量的人力保障和高昂的維護(hù)成本,隨著信息科技的發(fā)展,為克服現(xiàn)場(chǎng)排查帶來(lái)的弊端,遠(yuǎn)程專(zhuān)家診斷技術(shù)被普遍應(yīng)用[4-6],有效地消除了時(shí)空障礙。但遠(yuǎn)程專(zhuān)家診斷技術(shù)首先需要搭建一個(gè)網(wǎng)絡(luò)平臺(tái),然后，集中多人、多機(jī)、多設(shè)備進(jìn)行協(xié)同診斷,由于搭建平臺(tái)需要時(shí)間,因此，會(huì)耽誤對(duì)故障的第一時(shí)間搶救,且遠(yuǎn)程診斷技術(shù)對(duì)操作要求較高[7-8]。根據(jù)現(xiàn)場(chǎng)人員反饋,武器系統(tǒng)故障的排除經(jīng)常不能一次到位,需要進(jìn)行多次會(huì)診。對(duì)于交通極為不便,但武器系統(tǒng)需要全天候擔(dān)負(fù)值班任務(wù),例如島礁等地方[9],遠(yuǎn)程診斷技術(shù)往往無(wú)法充分發(fā)揮其優(yōu)勢(shì)。

隨著人工智能和大數(shù)據(jù)技術(shù)的不斷發(fā)展,智能客服技術(shù)憑借其細(xì)粒度知識(shí)管理模式、良好智能交互過(guò)程以及多渠道接入方式,被普遍應(yīng)用于各行業(yè)中的產(chǎn)品咨詢(xún)、售后服務(wù)以及統(tǒng)計(jì)分析等[10-12]。智能客服技術(shù)具有以下幾種優(yōu)勢(shì):1)可融入大量的專(zhuān)家知識(shí)和技術(shù)人員經(jīng)驗(yàn),構(gòu)建領(lǐng)域知識(shí)庫(kù),當(dāng)故障發(fā)生時(shí),智能客服能從領(lǐng)域知識(shí)庫(kù)中提取該故障的故障現(xiàn)象和故障排除方法,第一時(shí)間為用戶(hù)提供指導(dǎo),平時(shí)也可用于基層部隊(duì)使用管理人員的學(xué)習(xí)和訓(xùn)練,提升排故能力;2)當(dāng)前端機(jī)器人提供指導(dǎo)但故障仍然不能排除時(shí),可以切入人工服務(wù),專(zhuān)業(yè)技術(shù)人員將通過(guò)后端服務(wù)系統(tǒng)進(jìn)行在線指導(dǎo),扮演了部分遠(yuǎn)程專(zhuān)家診斷的角色;3)可根據(jù)用戶(hù)使用數(shù)據(jù),統(tǒng)計(jì)各設(shè)備故障率,便于更好地開(kāi)展維修保障工作;4)智能客服技術(shù)不僅可以消除時(shí)空障礙,而且大大縮減了人力和物力成本。對(duì)于地處偏遠(yuǎn)、范圍分布廣且數(shù)量多的武器系統(tǒng)而言,智能客服將會(huì)起到更為關(guān)鍵的作用。

本文利用智能客服開(kāi)放平臺(tái),基于知識(shí)圖譜構(gòu)建了行業(yè)領(lǐng)域知識(shí)庫(kù),根據(jù)武器系統(tǒng)常見(jiàn)故障設(shè)定多重任務(wù)場(chǎng)景,基于任務(wù)驅(qū)動(dòng)智能客服多輪對(duì)話,實(shí)現(xiàn)復(fù)雜武器系統(tǒng)的故障診斷和排除。

1 智能客服關(guān)鍵技術(shù)

智能客服技術(shù)利用自然語(yǔ)言處理技術(shù),可以對(duì)用戶(hù)的需求進(jìn)行高精度定位,通過(guò)構(gòu)建集行業(yè)專(zhuān)家知識(shí)和技術(shù)人員豐富經(jīng)驗(yàn)于一體的領(lǐng)域知識(shí)庫(kù),在多輪對(duì)話技術(shù)的驅(qū)動(dòng)下,實(shí)現(xiàn)對(duì)各類(lèi)專(zhuān)業(yè)問(wèn)題的處理和反饋。智能客服系統(tǒng)共有三大關(guān)鍵技術(shù):自然語(yǔ)言理解技術(shù)、領(lǐng)域知識(shí)庫(kù)構(gòu)建技術(shù)以及多輪對(duì)話技術(shù)。

1.1 自然語(yǔ)言理解技術(shù)

自然語(yǔ)言理解技術(shù)(NLU)屬于自然語(yǔ)言處理的范疇,具體包括分詞、詞性標(biāo)注、命名實(shí)體識(shí)別、句法分析、指代消解等過(guò)程[13]。分詞是指將句子切分成詞序列,詞是承載語(yǔ)義的基本單元。中文自動(dòng)分詞被認(rèn)為是中文自然語(yǔ)言處理中的一個(gè)最基本的環(huán)節(jié),比如，句子“炮A出現(xiàn)故障”,切分為“炮A/出現(xiàn)/故障”;詞性標(biāo)注是指識(shí)別詞的詞性,描述一個(gè)詞在上下文的作用,比如，名詞、動(dòng)詞、形容詞;命名實(shí)體識(shí)別也稱(chēng)為專(zhuān)名識(shí)別,是指識(shí)別文本中具有特定意義的實(shí)體,主要包括人名、地名、機(jī)構(gòu)名、專(zhuān)有名詞等;句法分析是指分析詞與詞之間的結(jié)構(gòu)關(guān)系,確定句法結(jié)構(gòu),比如，主謂賓關(guān)系;指代消解是指決定哪些實(shí)體被哪些語(yǔ)言表述所指代的任務(wù),比如，句子“炮A出現(xiàn)故障,它的時(shí)統(tǒng)信號(hào)丟失”,句子中的它指的是炮A。

自然語(yǔ)言理解技術(shù)是構(gòu)成智能客服FAQ(Frequently Asked Question,常問(wèn)問(wèn)題)能力的基礎(chǔ),基于深度學(xué)習(xí)領(lǐng)域中的 CNN-BiLSTM 模型,通過(guò)詞嵌入(Word Embedding)或者分布式向量(Distributional Vectors)操作,將自然語(yǔ)言表示的單詞轉(zhuǎn)換為計(jì)算機(jī)能夠理解的向量或矩陣,然后，計(jì)算該向量與領(lǐng)域知識(shí)庫(kù)中標(biāo)準(zhǔn)問(wèn)題所對(duì)應(yīng)向量的相似度,根據(jù)相似度進(jìn)行排序,基于制定的規(guī)則來(lái)確定匹配到的標(biāo)準(zhǔn)問(wèn)題,并選擇該標(biāo)準(zhǔn)問(wèn)題所對(duì)應(yīng)的答案作為輸出答案[14-15]。本文中實(shí)現(xiàn)自然語(yǔ)言處理的偽代碼如下:

DefNLU-rule(input-line):

for line in module-set:

line=line.split(',')

res=Fun[module-set,input-line,parameter]

if res:

print('res is:',res)

break

else:

res="no match"

End

1.2 領(lǐng)域知識(shí)庫(kù)構(gòu)建技術(shù)

影響智能客服問(wèn)答能力的不僅僅是自然語(yǔ)言理解技術(shù),領(lǐng)域知識(shí)庫(kù)的構(gòu)建質(zhì)量也是重要因素之一。知識(shí)庫(kù)由若干條知識(shí)組成。知識(shí)的定義為:一個(gè)標(biāo)準(zhǔn)問(wèn)題、一個(gè)標(biāo)準(zhǔn)答案和若干個(gè)擴(kuò)展問(wèn)法的組合,其中，擴(kuò)展問(wèn)法和標(biāo)準(zhǔn)問(wèn)題視為相同的意圖[16]。目前，常見(jiàn)的領(lǐng)域知識(shí)庫(kù)構(gòu)建方法包括傳統(tǒng)堆積方法和基于知識(shí)圖譜的構(gòu)建方法[17-19],傳統(tǒng)堆積方法是指構(gòu)建一個(gè)龐大而精細(xì)的知識(shí)庫(kù),為每條知識(shí)設(shè)計(jì)足夠的相似問(wèn)法,并完成關(guān)鍵詞重要性標(biāo)注;基于知識(shí)圖譜的知識(shí)庫(kù)構(gòu)建方法是指利用知識(shí)圖譜技術(shù)將每條知識(shí)賦予對(duì)象、條件、屬性和參數(shù),然后進(jìn)行實(shí)例化,一個(gè)知識(shí)圖譜可以擁有多個(gè)實(shí)例,每個(gè)屬性實(shí)例都擁有一個(gè)標(biāo)準(zhǔn)答案。自下而上的知識(shí)圖譜構(gòu)建方法如圖1所示。

圖1 知識(shí)圖譜構(gòu)建技術(shù)架構(gòu)

武器系統(tǒng)中的各種故障都可以看做成一條知識(shí),例如，第二代指揮控制臺(tái)顯示器黑屏,其中,“第二代”表示知識(shí)圖譜中的條件,用于修飾并實(shí)例化對(duì)象的定語(yǔ);“指揮控制臺(tái)”就是知識(shí)圖譜中的對(duì)象;“顯示屏”表示知識(shí)圖譜中的屬性,指揮控制臺(tái)的其他屬性可以包括觸摸鍵盤(pán)、計(jì)算機(jī)主板、時(shí)統(tǒng)板等,以上為一級(jí)屬性,一級(jí)屬性還可以擁有下級(jí)屬性,例如，顯示屏的下級(jí)屬性還可以包括顯示器電源模塊、DVI數(shù)據(jù)線等;“黑屏”表示知識(shí)圖譜中的參數(shù),用于修飾并實(shí)例化屬性的定語(yǔ)。故障構(gòu)建的知識(shí)圖譜結(jié)構(gòu)圖如圖2所示。

圖2 基于知識(shí)圖譜構(gòu)建領(lǐng)域知識(shí)庫(kù)實(shí)例

基于知識(shí)圖譜構(gòu)建領(lǐng)域知識(shí)庫(kù)相比于傳統(tǒng)堆積方法,無(wú)論是搜索能力還是知識(shí)庫(kù)整理效率，都要高于傳統(tǒng)堆積方法[17]。

1.3 多輪對(duì)話技術(shù)

目前,多輪對(duì)話技術(shù)主要分為面向任務(wù)的多輪對(duì)話技術(shù)和面向聊天的多輪對(duì)話技術(shù)[20-23],面向任務(wù)的多輪對(duì)話技術(shù)主要以幫助用戶(hù)解決某一任務(wù)為目的,面向聊天的多輪對(duì)話技術(shù)主要為用戶(hù)提供參與游戲的方式或僅用于閑聊和娛樂(lè)。武器系統(tǒng)的故障診斷過(guò)程就是為解決某一任務(wù)來(lái)進(jìn)行的,因此，本文著重討論面向任務(wù)的多輪對(duì)話技術(shù)。

基于任務(wù)驅(qū)動(dòng)的多輪對(duì)話技術(shù)有兩種基本技術(shù)架構(gòu),分別是基于知識(shí)庫(kù)問(wèn)答的智能客服體系以及基于槽位填充的智能客服體系[21]?；谥R(shí)庫(kù)問(wèn)答的智能客服體系使用檢索或分類(lèi)模型實(shí)現(xiàn)多輪對(duì)話驅(qū)動(dòng),其基本工作流程是:1)利用自然語(yǔ)言理解技術(shù)對(duì)用戶(hù)的輸入做處理;2)基于處理結(jié)果在知識(shí)庫(kù)中做檢索匹配,可利用BM25(Best Matching)、TF-IDF(Term Frequency—Inverse Document Frequency)或向量相似度等算法;3)從問(wèn)題集合中挑出最相似的問(wèn)題,并將該問(wèn)題的答案反饋給用戶(hù);4)返回步驟1)。整個(gè)過(guò)程如圖3所示。

圖3 基于知識(shí)庫(kù)問(wèn)答智能客服體系架構(gòu)流程

基于槽位填充的智能客服體系比基于知識(shí)庫(kù)回答的智能客服體系的構(gòu)建更復(fù)雜一些,一般要經(jīng)過(guò)需求分析、平臺(tái)搭建BOT、持續(xù)優(yōu)化三個(gè)階段?；诓畚惶畛涞闹悄芸头w系的關(guān)鍵在于信息的收集和決策,通常信息收集通過(guò)NER(命名實(shí)體識(shí)別)或配合調(diào)用外部的數(shù)據(jù)系統(tǒng)來(lái)實(shí)現(xiàn),信息收集的過(guò)程被稱(chēng)作填槽,待收集的信息類(lèi)型被稱(chēng)作槽位,通過(guò)收集的相關(guān)信息,決定流程的流轉(zhuǎn)或部分依賴(lài)條件的確認(rèn),然后，根據(jù)預(yù)設(shè)給出答案或調(diào)用外部系統(tǒng)完成任務(wù)[22]。

由于武器系統(tǒng)故障診斷屬于垂直專(zhuān)業(yè)領(lǐng)域問(wèn)題,因此，本文采用基于知識(shí)庫(kù)問(wèn)答的智能客服體系架構(gòu),當(dāng)問(wèn)題超出知識(shí)庫(kù)問(wèn)答范圍時(shí),智能客服系統(tǒng)自動(dòng)將其列為未知問(wèn)題,并按頻率統(tǒng)計(jì)未知問(wèn)題,后續(xù)可將高頻未知問(wèn)題添加入知識(shí)庫(kù),不斷補(bǔ)充和完善知識(shí)庫(kù)。

2 武器系統(tǒng)故障診斷流程

由于武器系統(tǒng)種類(lèi)繁多,很難構(gòu)建一個(gè)適用于所有武器系統(tǒng)的智能客服系統(tǒng),但不同武器系統(tǒng)可以建立適合本系統(tǒng)的獨(dú)立智能客服系統(tǒng),用于故障的診斷和排除,雖然各武器系統(tǒng)智能客服系統(tǒng)不完全相同,但故障診斷的流程都是類(lèi)似的。首先,針對(duì)某一武器系統(tǒng),例如岸炮武器系統(tǒng),根據(jù)行業(yè)專(zhuān)家知識(shí)及現(xiàn)場(chǎng)技術(shù)人員經(jīng)驗(yàn),統(tǒng)計(jì)岸炮武器系統(tǒng)可能出現(xiàn)的所有故障,并整理相應(yīng)故障的故障現(xiàn)象和排除方法;其次,利用國(guó)內(nèi)開(kāi)放的智能客服平臺(tái),基于以下過(guò)程構(gòu)建智能客服系統(tǒng):1)基于知識(shí)圖譜模式構(gòu)建領(lǐng)域知識(shí)庫(kù),并為每個(gè)知識(shí)圖譜實(shí)例匹配標(biāo)準(zhǔn)答案;2)根據(jù)武器系統(tǒng)常見(jiàn)故障設(shè)定多重任務(wù)場(chǎng)景,為各任務(wù)場(chǎng)景設(shè)置故障解決流程;3)測(cè)試構(gòu)建完成后的智能客服系統(tǒng),修復(fù)漏洞并不斷完善流程；最后,將測(cè)試完成后的智能客服系統(tǒng)交由現(xiàn)場(chǎng)人員進(jìn)行故障的診斷和排除,根據(jù)一段時(shí)間的使用,可在后臺(tái)統(tǒng)計(jì)分析武器系統(tǒng)中各設(shè)備的故障率,便于后續(xù)的維修保障工作。

岸炮武器系統(tǒng)故障診斷流程,如圖4所示。

圖4 武器系統(tǒng)故障診斷流程

3 應(yīng)用實(shí)例

本文利用構(gòu)建完成后的武器系統(tǒng)故障診斷智能客服演示某一故障的診斷過(guò)程,同樣選取“第二代指揮控制臺(tái)顯示器黑屏”故障實(shí)例作為某一任務(wù)場(chǎng)景。

步驟一:在與武器系統(tǒng)故障診斷機(jī)器人的對(duì)話框中,用戶(hù)輸入“第二代指揮控制臺(tái)顯示器黑屏”,需要說(shuō)明的是：智能客服技術(shù)采用的是詞義匹配模式,即并非完全要輸入“第二代指揮控制臺(tái)顯示器黑屏”才能觸發(fā)問(wèn)題,例如，輸入“指揮控制臺(tái)顯示器黑屏”等同樣能觸發(fā)問(wèn)題。觸發(fā)問(wèn)題后,智能客服自動(dòng)回饋指揮控制臺(tái)顯示器黑屏的幾種主要原因,如圖5所示。

圖5 武器系統(tǒng)故障診斷演示過(guò)程1

步驟二:按照故障原因列表選擇要排查的故障原因,一般從第一個(gè)故障原因開(kāi)始排查,輸入數(shù)字1。如果開(kāi)始排故前就已知第一個(gè)原因不是導(dǎo)致故障的因素,則可以跳過(guò)第一個(gè)原因,輸入2或3或4。為較完整地演示整個(gè)過(guò)程,此處從原因1開(kāi)始,如圖6所示。

圖6 武器系統(tǒng)故障診斷演示過(guò)程2

輸入1后,智能客服自動(dòng)回復(fù)第一種故障原因的故障現(xiàn)象和故障排除方法,用戶(hù)可以根據(jù)提示進(jìn)行故障的排查,如圖6a)所示。排查完成以后,根據(jù)智能客服的回復(fù)提示,輸入故障是否排除,在圖6b)中,表明按照第一種故障排除方法故障并未消失,因此,智能客服自動(dòng)回復(fù)第二種故障原因的故障現(xiàn)象和故障排除方法。若按照第二種故障排除方法故障仍未消失,智能客服則會(huì)依次提示按照下一種故障原因進(jìn)行故障排除,如圖7a)和圖7b)所示。

圖7 武器系統(tǒng)故障診斷演示過(guò)程3

步驟三:第二代指揮控制臺(tái)顯示器黑屏故障原因一共給出了四種,如果按照以上四種方法都無(wú)法排除故障,則智能客服會(huì)提示轉(zhuǎn)入人工客服,由后場(chǎng)技術(shù)人員在線解答。如果在應(yīng)用四種方法過(guò)程中解決了故障,智能客服則會(huì)提示:恭喜您排除此次故障,以上過(guò)程如圖8所示。

圖8 武器系統(tǒng)故障診斷演示過(guò)程4

以上就是針對(duì)“第二代指揮控制臺(tái)顯示器黑屏”故障實(shí)例,利用武器系統(tǒng)故障診斷智能客服排除故障的過(guò)程。每一次故障的排查,后臺(tái)都有數(shù)據(jù)記錄,經(jīng)過(guò)用戶(hù)一段時(shí)間的使用后,便能對(duì)武器系統(tǒng)中各設(shè)備的故障發(fā)生率進(jìn)行統(tǒng)計(jì),便于對(duì)故障率較高的設(shè)備進(jìn)行針對(duì)性地維護(hù)和保養(yǎng)。

4 結(jié)束語(yǔ)

本文首先分析了智能客服技術(shù)的三大關(guān)鍵技術(shù),然后，通過(guò)統(tǒng)計(jì)岸炮武器系統(tǒng)各類(lèi)常見(jiàn)故障,基于知識(shí)圖譜構(gòu)建了領(lǐng)域知識(shí)庫(kù),根據(jù)武器系統(tǒng)常見(jiàn)故障設(shè)定多重任務(wù)場(chǎng)景,基于任務(wù)驅(qū)動(dòng)智能客服多輪對(duì)話,最終成功搭建武器系統(tǒng)故障診斷智能客服,用于岸炮武器系統(tǒng)的故障診斷和排除。實(shí)例應(yīng)用表明:搭建的武器系統(tǒng)故障診斷智能客服能夠較好地指導(dǎo)用戶(hù)進(jìn)行故障的排除,適用于武器系統(tǒng)故障診斷。

與此同時(shí),我們也要意識(shí)到,雖然智能客服技術(shù)在不斷發(fā)展,但智能化程度還遠(yuǎn)未達(dá)到期望的水平,對(duì)于一些復(fù)雜的問(wèn)題交互,智能客服還不能很好地處理,因此，還需要更深層次地研究和提升智能客服技術(shù)。