計(jì)量檢定裝置智能運(yùn)維知識(shí)庫(kù)的構(gòu)建與應(yīng)用研究

陳雅倫，凌 璐，高銘澤，趙興旺

（南瑞集團(tuán)（國(guó)網(wǎng)電力科學(xué)研究院）有限公司，南京210000）

近年來(lái)，在省級(jí)計(jì)量中心智能化建設(shè)的推進(jìn)下，各省公司基本建成了計(jì)量自動(dòng)化生產(chǎn)系統(tǒng)，有效支撐了計(jì)量器具和用電信息采集設(shè)備的集中檢定工作[1]。目前主要運(yùn)維方式是人工巡檢，以人工方式開展、事后彌補(bǔ)手段為主，然而隨著大量新型、先進(jìn)自動(dòng)化設(shè)備的廣泛應(yīng)用，系統(tǒng)規(guī)模大、專業(yè)性強(qiáng)、復(fù)雜度高，傳統(tǒng)依靠人工處理故障的方式滿足不了低成本高效率的要求，無(wú)法做到精益化科學(xué)管理[2]。因此，為了加快設(shè)備故障的處理速度，提升運(yùn)維水平和運(yùn)維質(zhì)量，需要通過(guò)分析線下歷史運(yùn)維日志以及故障處理方法相關(guān)材料建立一個(gè)能夠?qū)崿F(xiàn)智能應(yīng)答的知識(shí)庫(kù)[3-8]。

國(guó)內(nèi)現(xiàn)有的運(yùn)維知識(shí)庫(kù)檢索方式主要采用知識(shí)檢索匹配方式，通過(guò)基于文本分析計(jì)算詞頻（term frequency，TF）和逆文本頻率指數(shù)（inverse document frequency，IDF） 確定文章關(guān)鍵詞，TF-IDF 值越大表明單詞在文章中的重要程度越高，就越可能是關(guān)鍵詞。然而，考慮到搜索語(yǔ)句常常包含“一詞多義”和“一義多詞”的情況，現(xiàn)有的脫離語(yǔ)義的文本分析方法會(huì)造成檢索結(jié)果不夠精確[9-10]，導(dǎo)致計(jì)量檢定裝置故障處理過(guò)程中出錯(cuò)風(fēng)險(xiǎn)增大，不利于智能運(yùn)維工作的開展。

本文在歷史運(yùn)維數(shù)據(jù)的基礎(chǔ)上構(gòu)建智能運(yùn)維知識(shí)庫(kù)模型，輸入查詢數(shù)據(jù)時(shí)通過(guò)相似度計(jì)算，得到相似度排序，排序靠前的作為最優(yōu)方案。同時(shí)根據(jù)用戶反饋進(jìn)行不斷地完善，構(gòu)建了能夠智能推薦處理方法并能通過(guò)用戶使用反饋進(jìn)行自學(xué)習(xí)的智能運(yùn)維知識(shí)庫(kù)，幫助運(yùn)維人員提升故障響應(yīng)速度、運(yùn)維水平和運(yùn)維質(zhì)量。

1 LDA 模型

1.1 模型理論

LDA 模型是基于語(yǔ)義分析的文檔主題生成模型，它深入挖掘語(yǔ)義的方法為對(duì)每個(gè)文本提煉該文本的主題分布，即在文本（document，已知）和文本中詞（word，已知）中間加入一個(gè)隱變量主題（topic，未知）。在LDA 模型中，給定文檔dj，詞wi出現(xiàn)的概率P（wi∣dj）是確定的，而P（wi∣dj）＝ΣkP（wi∣tk）P（tk∣dj）中的P（wi∣tk）和P（tk∣dj）由于含有隱變量是需要學(xué)習(xí)的項(xiàng)。

對(duì)于LDA 模型來(lái)說(shuō)一個(gè)文檔的形成是先確定某個(gè)位置的主題，然后才選擇這個(gè)主題下的某個(gè)詞，即先確定主題后選詞。圖1 為L(zhǎng)DA 模型結(jié)構(gòu)流程，模型中出現(xiàn)的參數(shù)如表1 所示。

圖1 LDA 模型流程Fig.1 Flow chart of LDA model

表1 LDA 模型符號(hào)說(shuō)明Tab.1 Description of LDA model symbol

LDA 模型將變量分為3 個(gè)層級(jí)：α→，β→為文檔集層級(jí)變量（corpus-level），一個(gè)模型內(nèi)部文檔集層級(jí)變量一樣；θ→d為文檔層級(jí)變量（document-level），一個(gè)文檔內(nèi)部文檔層級(jí)變量一樣；wd，n為文檔d的第n詞，zd，n為文檔d第n詞的主題類型，它們均為詞層級(jí)變量（word-level），詞層級(jí)變量隨著位置的不同而不同。

通過(guò)極大似然估計(jì)最大化概率，似然函數(shù)如式（1）所示：

根據(jù)給定的限制條件為Σn zd，n＝1，Σn wd，n＝1，Σθd＝1。參數(shù)估計(jì)（zd，n，wd，n）極大化似然函數(shù)。

采用最大期望（expectation-maximum algorithm，EM） 算法進(jìn)行迭代求解，EM 算法是適用于帶有隱變量的參數(shù)估計(jì)的求解方法。每次迭代求解分為兩步，期望步（E-step）和極大步（M-step），在E-step 中求解隱變量的期望，在M-step 中使用隱變量的期望代替隱變量的值，求解模型參數(shù)。每次E-step 輸入，計(jì)算似然函數(shù)。M-step 最大化該似然函數(shù)，算出不斷迭代直到收斂。

1.2 模型評(píng)價(jià)標(biāo)準(zhǔn)

困惑度（perplexity）是評(píng)價(jià)語(yǔ)言模型好壞的方法，其基本思想是：給測(cè)試集的句子賦予較高概率值的語(yǔ)言模型，當(dāng)語(yǔ)言模型訓(xùn)練完之后，測(cè)試集中的句子都是正常的句子，那么訓(xùn)練好的模型就是在測(cè)試集上的概率越高越好。

困惑度表達(dá)式如式（2）所示：

式中：P（w）＝ΣΣP（d）P（z∣d）P（w∣z）。其中困惑度越小代表模型效果越好。

本文首先利用Python 程序代碼塊對(duì)幾種常用模型進(jìn)行困惑度評(píng)價(jià)。表2 列出各個(gè)模型所能達(dá)到的最小困惑度，從表2 可知經(jīng)過(guò)數(shù)據(jù)預(yù)處理后的LDA模型困惑度最小，模型表現(xiàn)效果較好。因此本文通過(guò)分析線下運(yùn)維日志以及故障處理方法相關(guān)材料，基于自然語(yǔ)言預(yù)處理技術(shù)和LDA 模型構(gòu)建主題分布矩陣，從而構(gòu)成知識(shí)庫(kù)模型。

表2 不同模型困惑度比較Tab.2 Model perplexity

2 知識(shí)庫(kù)構(gòu)建

2.1 數(shù)據(jù)預(yù)處理

2.1.1 文本清洗

根據(jù)運(yùn)維得到的歷史數(shù)據(jù)，采用文本清洗方法排除噪聲詞匯對(duì)文本相似度的影響。由于本身報(bào)警描述中的語(yǔ)言較為規(guī)整，不存在錯(cuò)別字、習(xí)慣用語(yǔ)等，文本清洗主要從以下兩步入手：

1）去除標(biāo)點(diǎn)符號(hào)

由于標(biāo)點(diǎn)符號(hào)本身并不帶有文本的特征信息，去除標(biāo)點(diǎn)符號(hào)有利于減小模型輸入的維數(shù)、及其帶來(lái)的對(duì)文本相似度的干擾。

2）去除逆文本頻率指數(shù)較低的詞匯

逆向文件頻率（inverse document frequency，IDF）是一個(gè)詞語(yǔ)普遍重要性的度量，第i個(gè)詞匯wi逆文本頻率指數(shù)表示如式（3）所示：

式中：∣D∣為文本個(gè)數(shù)。若wi∈dj則δdj（wi）＝1，若wi?dj則δdj（wi）＝0。

逆文檔頻率指數(shù)較低，意味著該詞匯在較多的文檔中出現(xiàn)，因此判斷該詞匯為常用詞匯即不能反映文本的特征。通過(guò)該方法去除非特征詞匯不僅能降低維度，還能提升文本匹配算法的準(zhǔn)確度。

2.1.2 文本分詞

對(duì)去除非特征詞匯的文本使用JIEBA 分詞工具，基于不同的算法，通過(guò)大量的語(yǔ)料訓(xùn)練，實(shí)現(xiàn)中文分詞。圖2 給出了分詞過(guò)程示例。

圖2 分詞過(guò)程示例Fig.2 Example diagram of word segmentation process

2.1.3 文本向量化

分詞后形成文檔集的“詞袋”并對(duì)“詞袋”中的詞匯進(jìn)行編碼。通過(guò)計(jì)算每篇文檔的詞頻將文本向量化，得到文檔集的詞頻矩陣，作為構(gòu)建知識(shí)庫(kù)模型的輸入。圖3 給出了將分詞結(jié)果向量化過(guò)程示例。

圖3 向量化示例圖Fig.3 Example diagram of vectorization

2.2 主題分布矩陣

對(duì)訓(xùn)練的LDA 模型，將Topic-word 分布文檔轉(zhuǎn)換成字典，方便查詢概率，即計(jì)算困惑度perplexity中的P（w），其中P（z∣d）表示一篇文檔中每個(gè)主題出現(xiàn)的概率，P（w∣z）是詞典中的每個(gè)單詞在某個(gè)主題下出現(xiàn)的概率。對(duì)于不同的主題數(shù)量的模型，計(jì)算困惑度，畫出折線圖，確定每篇文章的主題向量維數(shù)。根據(jù)原始文本預(yù)處理后形成的詞頻矩陣，對(duì)于不同主題所訓(xùn)練出來(lái)的模型，計(jì)算它的困惑度，最小困惑度所對(duì)應(yīng)的就是最優(yōu)的主題數(shù)。

2.3 相似度計(jì)算

LDA 模型最終輸出每個(gè)文檔的主題分布矩陣，構(gòu)成知識(shí)庫(kù)模型。假設(shè)有K個(gè)主題，M篇文章，主題矩陣為M×K維矩陣ti，j［ ］M×K，其中Σti，j＝1，ti，j［ ］為第i篇文章的主題分布。通過(guò)計(jì)算關(guān)鍵詞在文章中出現(xiàn)的詞頻，計(jì)算詞頻向量并計(jì)算余弦相似度，使用選擇出來(lái)的關(guān)鍵詞，計(jì)算這些關(guān)鍵詞的詞頻。計(jì)算兩個(gè)詞頻向量的文本匹配度，通過(guò)余弦相似度，越接近1 的就表明相似度越高。

將知識(shí)庫(kù)中故障原因的主題分布矩陣與用戶輸入的主題分布向量進(jìn)行相似度計(jì)算，得到要匹配的內(nèi)容與知識(shí)庫(kù)原有文章的相似度排序，選擇排序靠前的故障原因及相應(yīng)的處理方法提供給用戶。

2.4 迭代調(diào)優(yōu)

知識(shí)庫(kù)應(yīng)用過(guò)程中，根據(jù)用戶反饋進(jìn)行不斷完善使得知識(shí)庫(kù)和智能應(yīng)答功能可根據(jù)多變的現(xiàn)實(shí)情況不斷調(diào)整，進(jìn)行深度自學(xué)習(xí)，從而實(shí)現(xiàn)知識(shí)庫(kù)的迭代優(yōu)化，如圖4 所示。

圖4 迭代調(diào)優(yōu)流程Fig.4 Iterative optimization flow chart

用戶反饋來(lái)源于兩個(gè)方面：一是用戶在故障現(xiàn)象匹配結(jié)果中的選擇；二是原因排查后用戶反饋原因是否在推薦列表中。第一部分的反饋所體現(xiàn)的是文本匹配的精準(zhǔn)度。最終的匹配結(jié)果是以用戶輸入的故障現(xiàn)象和知識(shí)庫(kù)中故障現(xiàn)象的相似度排序后的列表，用戶自主選擇列表中的故障現(xiàn)象以查看解決方法。如果用戶選擇的故障現(xiàn)象在排序列表中較后的位置說(shuō)明對(duì)于此次匹配來(lái)說(shuō)精確度較差，應(yīng)通過(guò)將本次輸入加入到對(duì)應(yīng)知識(shí)庫(kù)故障現(xiàn)象的描述中調(diào)整模型內(nèi)部主題詞分布的方式完善模型。第二部分的反饋所體現(xiàn)的是知識(shí)庫(kù)解決方法的完善度。若用戶原因排查后發(fā)現(xiàn)解決方法不在知識(shí)庫(kù)中，應(yīng)添加進(jìn)知識(shí)庫(kù)中方便下次故障解決。圖5 為知識(shí)庫(kù)構(gòu)建流程。

3 應(yīng)用實(shí)例

3.1 關(guān)鍵技術(shù)驗(yàn)證

圖5 知識(shí)庫(kù)構(gòu)建流程Fig.5 Knowledge base construction flow chart

原始數(shù)據(jù)來(lái)自于由線下運(yùn)維日志整理成的處理方法編碼表，主要數(shù)據(jù)是報(bào)警原因描述以及處理方法描述。在實(shí)際應(yīng)用中，選取2015年至2019年的某省級(jí)計(jì)量中心單相一號(hào)線運(yùn)維日志，通過(guò)文字識(shí)別技術(shù)掃描并形成線下運(yùn)維檔案，部分日志記錄如圖6 所示。

圖6 單相一號(hào)線運(yùn)維日志記錄圖Fig.6 Operation and maintenance log record of single-phase line one

通過(guò)分析得知，2015～2019年期間，有效報(bào)警原因描述共1525 條。根據(jù)數(shù)據(jù)預(yù)處理的4 個(gè)步驟對(duì)文本進(jìn)行處理，如圖7 所示。由于故障描述中出現(xiàn)了較多的專有名詞，在梳理文本過(guò)程中，將設(shè)備專有名詞，如：RGV，RFID，PLC，主控等，加入詞典，通過(guò)設(shè)置用戶自定義詞典提高分詞的準(zhǔn)確率。

圖7 數(shù)據(jù)預(yù)處理流程Fig.7 Flow chart of data pre-processing

根據(jù)文本預(yù)處理后形成的詞頻矩陣，設(shè)置不同的文本主題個(gè)數(shù)進(jìn)行訓(xùn)練，訓(xùn)練得到的困惑度曲線如圖8 所示，橫坐標(biāo)表示不同的主題個(gè)數(shù)，縱坐標(biāo)表示對(duì)應(yīng)的困惑度值。

圖8 模型困惑度曲線Fig.8 Confusion curve of model

根據(jù)圖8 所示，當(dāng)主題數(shù)K=129 時(shí)困惑度達(dá)到最低值79．93，因此確定了LDA 模型的輸出，從而確定了運(yùn)維知識(shí)庫(kù)的主題分布矩陣。當(dāng)某個(gè)設(shè)備發(fā)生故障后，輸入故障現(xiàn)象為“機(jī)器人抓表異?！?，推薦解決措施經(jīng)過(guò)余弦相似度計(jì)算，篩選得到的結(jié)果，列出值最接近于1 的前三條數(shù)據(jù)，如表3 所示。

表3 余弦相似度計(jì)算結(jié)果表Tab.3 Result of cosine similarity calculation

根據(jù)現(xiàn)場(chǎng)情況，選擇適合的文檔內(nèi)容，查看建議的故障處理方法，進(jìn)行故障處理。由此可見，當(dāng)輸入相應(yīng)故障現(xiàn)象時(shí)，可以根據(jù)余弦相似度在已構(gòu)建的知識(shí)庫(kù)中檢索出相似文本，推薦合適的處理方法。

3.2 系統(tǒng)應(yīng)用成效

系統(tǒng)利用運(yùn)維過(guò)程積累的大量數(shù)據(jù)，實(shí)現(xiàn)計(jì)量平臺(tái)知識(shí)庫(kù)的搭建，對(duì)日常運(yùn)維工作給予智能計(jì)算和指導(dǎo)。以某省電力公司計(jì)量中心現(xiàn)場(chǎng)室內(nèi)檢定室應(yīng)用情況為例，針對(duì)單相電能表、三相電能表、采集終端、低壓電流互感器的檢定生產(chǎn)和設(shè)備的運(yùn)維工作，對(duì)智能運(yùn)維知識(shí)庫(kù)部署以來(lái)的2019年10月～12月每個(gè)月運(yùn)維數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)，設(shè)備發(fā)生故障后由知識(shí)庫(kù)推薦的故障處理方法，能夠極大程度上解決問題，使設(shè)備恢復(fù)正常運(yùn)行。根據(jù)統(tǒng)計(jì)，計(jì)量檢定裝置知識(shí)庫(kù)應(yīng)用后，在檢定能力不變的情況下，平均故障處理時(shí)間下降了50%以上，極大地提升了故障處理速度，應(yīng)用效果良好。

4 結(jié)語(yǔ)

本文構(gòu)建了以計(jì)量檢定運(yùn)維場(chǎng)景為載體的知識(shí)庫(kù)體系，方便了運(yùn)維故障處理的知識(shí)存儲(chǔ)與檢索，通過(guò)知識(shí)推理、智慧推薦知識(shí)的方式，自動(dòng)匹配故障描述來(lái)提供故障解決措施，從而解決問題。且知識(shí)庫(kù)本身具有“自學(xué)習(xí)”能力，可不斷擴(kuò)充、完善和提煉。經(jīng)驗(yàn)證，通過(guò)智能知識(shí)庫(kù)的運(yùn)用，能夠提升計(jì)量檢定裝置運(yùn)維工作中的效率、 節(jié)省人工成本、增強(qiáng)知識(shí)傳遞。