發(fā)動機故障領(lǐng)域知識圖譜構(gòu)建與應(yīng)用①

許駒雄,李敏波,2,劉孟珂,曹志月,唐 波,葛 浩

1(復(fù)旦大學(xué) 軟件學(xué)院,上海 200438)

2(復(fù)旦大學(xué) 上海市數(shù)據(jù)科學(xué)重點實驗室,上海 200438)

3(濰柴動力股份有限公司,濰坊 261061)

隨著智能制造時代的到來,越來越多的制造企業(yè)和服務(wù)商都開始搭建基于產(chǎn)品全生命周期的物理信息系統(tǒng)用于采集產(chǎn)品的設(shè)計、采購、加工、裝配、測試和售后返修等過程數(shù)據(jù)及結(jié)果數(shù)據(jù),例如發(fā)動機裝配檔案,出廠測試階段的試車數(shù)據(jù)、售后返修的故障維修報告等. 這些數(shù)據(jù)蘊含了豐富的價值,但廠商們?nèi)狈τ行У募夹g(shù)手段,無法從數(shù)據(jù)和知識層面指導(dǎo)發(fā)動機的故障診斷和維修工作[1].

目前的工業(yè)領(lǐng)域故障診斷方法大多基于生產(chǎn)過程中的狀態(tài)數(shù)據(jù),通過構(gòu)建傳感器獲取的特征數(shù)據(jù)和機器狀態(tài)之間的關(guān)系,將故障診斷問題轉(zhuǎn)化為模式識別問題,在制造業(yè)[2]、電力[3]等領(lǐng)域都有諸多應(yīng)用. 但由于維修信息中具有大量的文本信息,如何提取其中蘊涵的領(lǐng)域知識是需要深入研究的課題[4].

隨著人工智能的飛速發(fā)展,知識圖譜逐漸成為工業(yè)界和學(xué)術(shù)界研究的重點,廣泛應(yīng)用于醫(yī)療[5]、教育[6]等領(lǐng)域. 在制造業(yè)領(lǐng)域,西門子提出了領(lǐng)域知識圖譜計劃[7],博世構(gòu)建了底盤系統(tǒng)控制相關(guān)數(shù)據(jù)的大型知識圖譜[8]. 知識圖譜通過三元組描述數(shù)據(jù)之間的關(guān)系,這種結(jié)構(gòu)化的表示降低了從中提取信息的難度. 與此同時,利用知識抽取相關(guān)技術(shù)將非結(jié)構(gòu)化數(shù)據(jù)構(gòu)建成知識圖譜,可以將文本信息用接近人類認知的格式保存,從而挖掘數(shù)據(jù)蘊含的價值.

在知識圖譜的自動化構(gòu)建方面,關(guān)鍵技術(shù)包括命名實體識別、關(guān)系抽取和實體對齊等. 目前具有代表性的工作有Huang 等人提出的雙向長短時記憶網(wǎng)絡(luò)(bidirectional long short term memory,BiLSTM)配合條件隨機場(conditional random field,CRF)的模型[9].Qiu 等人使用空洞卷積加強模型的上下文信息編碼能力和運行速度[10]. Yan 等人將相對距離驅(qū)動的注意力機制引入Transformer 模型,以提高其在命名實體識別中的表現(xiàn)[11]. Li 等人提出一種多粒度點陣框架,實現(xiàn)了提取中文文本關(guān)系的任務(wù)[12]. Sun 等人提出了一種基于嵌入實體對齊的引導(dǎo)方法,迭代地將可能的實體對齊標(biāo)記為訓(xùn)練數(shù)據(jù),以學(xué)習(xí)面向?qū)R的圖嵌入[13]. Cao 等人將圖卷積神經(jīng)網(wǎng)絡(luò)和注意力機制引入實體對齊任務(wù),以獲得表示知識圖中實體分布的連接實體的重要性權(quán)重[14].

在知識圖譜應(yīng)用方面,目前基于知識圖譜的個性化推薦技術(shù)主要分為基于路徑和基于圖嵌入兩種. Zhao等人引入元圖概念獲取知識圖中更豐富的語義信息[15].Zhu 等人使用知識圖中實體間的關(guān)系鏈接來傳播用戶偏好并了解其潛在偏好[16]. Wang 等人提出一種順序?qū)W習(xí)框架,通過特征學(xué)習(xí)得到實體向量和關(guān)系向量,利用CNN 融合得到用戶向量和物品向量[17]. Zhang 等人將知識學(xué)習(xí)和協(xié)同過濾的目標(biāo)函數(shù)結(jié)合進行聯(lián)合學(xué)習(xí)[18].Wang 等人使用聯(lián)合學(xué)習(xí)框架來計算多跳響應(yīng)[19],并在后續(xù)工作中提出多任務(wù)學(xué)習(xí)框架交替學(xué)習(xí)圖嵌入和推薦算法,同時利用了兩個任務(wù)的互補信息[20].

然而,通過文獻調(diào)研和與制造業(yè)廠商交流發(fā)現(xiàn),在制造業(yè)領(lǐng)域應(yīng)用知識圖譜還存在諸多不確定性,缺乏系統(tǒng)的研究. 例如,廠商們對制造業(yè)知識圖譜的應(yīng)用前景有所懷疑,并且不確定如何將其應(yīng)用到產(chǎn)品設(shè)計、裝配、售后等流程. 此外,目前還缺乏一個有效的、系統(tǒng)的從發(fā)動機故障數(shù)據(jù)端到端構(gòu)建與應(yīng)用知識圖譜的流程. 因此,本文的主要工作如下:

1)將知識圖譜引入柴油發(fā)動機故障領(lǐng)域,提出發(fā)動機故障知識圖譜(engine fault knowledge graph,EFKG). 分析發(fā)動機故障診斷領(lǐng)域的業(yè)務(wù)規(guī)則和數(shù)據(jù)特點,設(shè)計領(lǐng)域知識圖譜的構(gòu)建流程和本體,基于真實數(shù)據(jù)集構(gòu)建EFKG.

2)針對維修數(shù)據(jù)中知識抽取準(zhǔn)確率較低的問題,構(gòu)建領(lǐng)域詞典,標(biāo)注語料集,從多維度對比現(xiàn)有的基于深度學(xué)習(xí)的實體抽取方法,得出最好的發(fā)動機維修數(shù)據(jù)命名實體識別方案.

3)設(shè)計實體相關(guān)性評價指標(biāo)FF-IEF (fault frequencyinverse event frequency)和基于知識圖譜的輔助決策模型,并開發(fā)原型系統(tǒng),提供知識抽取、檢索、輔助決策等功能.

本文對柴油發(fā)動機故障領(lǐng)域知識圖譜的構(gòu)建和應(yīng)用進行研究. 實驗結(jié)果表明,本文的方法能有效地從發(fā)動機故障數(shù)據(jù)集中抽取知識,有助于提高信息檢索和售后維修效率.

1 發(fā)動機故障知識圖譜構(gòu)建

1.1 EFKG 構(gòu)建流程

在發(fā)動機故障診斷領(lǐng)域,存在許多案例形式的故障維修數(shù)據(jù),與故障診斷相關(guān)的知識需從案例中挖掘,例如故障現(xiàn)象、故障原因、故障狀態(tài)、故障部位等. 由于該領(lǐng)域作為傳統(tǒng)制造業(yè),專業(yè)知識存在一定的封閉性,數(shù)據(jù)質(zhì)量和應(yīng)用也存在一定問題,目前與知識圖譜相關(guān)的研究較少. 本文針對發(fā)動機故障領(lǐng)域的數(shù)據(jù)特點和業(yè)務(wù)邏輯,自頂向下構(gòu)建知識圖譜,整體流程如圖1 所示.

圖1 EFKG 構(gòu)建流程

具體構(gòu)建流程如下:

1)根據(jù)領(lǐng)域?qū)＜姨峁┑陌l(fā)動機故障診斷業(yè)務(wù)規(guī)則和數(shù)據(jù)特點設(shè)計知識圖譜模式層.

2)制定映射規(guī)則對結(jié)構(gòu)化數(shù)據(jù)進行轉(zhuǎn)換; 從非結(jié)構(gòu)化文本中通過實體識別技術(shù)抽取實體,并與其他實體進行關(guān)聯(lián).

3)通過實體對齊對實體進行規(guī)范化處理,根據(jù)模式層關(guān)聯(lián)關(guān)系生成三元組.

4)計算實體相關(guān)性指標(biāo),與三元組存儲于圖數(shù)據(jù)庫中.

5)利用貝葉斯推理模型進行故障診斷.

1.2 EFKG 模式層設(shè)計

本文使用數(shù)據(jù)來源于濰柴動力股份有限公司近年來的生產(chǎn)故障(加工、試車、裝配等)和售后維修報告,包括維修信息、發(fā)動機信息、故障信息等,其格式涵蓋結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù). 每條維修記錄對應(yīng)一個柴油發(fā)動機故障案例,并通過外鍵與發(fā)動機信息和故障信息等外表關(guān)聯(lián). 其中維修處理過程為非結(jié)構(gòu)化文本,故障信息和發(fā)動機參數(shù)為結(jié)構(gòu)化數(shù)據(jù).

EFKG 的重要用途之一是提高維修效率,即輔助工程師定位故障位點和故障類型,因此故障部位和故障狀態(tài)是核心實體,整體模式層設(shè)計如圖2 所示.

圖2 EFKG 模式層設(shè)計

1.3 故障實體標(biāo)注

發(fā)動機故障維修報告為工作人員手工填寫的自然文本,通常包括“客戶反映-問題定位-解決方法”流程,如表1 所示,下劃線部分為需要抽取的信息,包括維修信息、發(fā)動機信息、故障信息等.

表1 非結(jié)構(gòu)化數(shù)據(jù)實例

在發(fā)動機故障領(lǐng)域,目前并無公開的訓(xùn)練語料庫,需自行標(biāo)注和構(gòu)建數(shù)據(jù)集. 為解決訓(xùn)練集規(guī)模小、部分領(lǐng)域詞匯一詞多義的問題,本文基于目前主流使用的BiLSTM-CRF[9]方法,將BERT[21]預(yù)訓(xùn)練模型作為詞向量輸入,可以較好地緩解上述問題,學(xué)習(xí)到更準(zhǔn)確的語義向量. 模型的整體結(jié)構(gòu)如圖3 所示.

圖3 BERT-BiLSTM-CRF 模型

本文對5 488 條發(fā)動機維修數(shù)據(jù)進行人工標(biāo)注,構(gòu)建了發(fā)動機維修數(shù)據(jù)集,如表2 所示.

表2 實驗數(shù)據(jù)集大小及劃分

本文采取BIO 和BIOES 兩種標(biāo)注方法. BIO 的標(biāo)注方案將詞語分成兩類,一類是目標(biāo)實體,由B 和I 組成,分別代表目標(biāo)實體的第一個詞語和其他詞語,O 表示該詞語不屬于目標(biāo)實體. BIOES 的B、I、E 分別表示實體的開始、中間和結(jié)束部分,S 表示實體為單個字詞,O 表示該部分不是實體.

在標(biāo)注數(shù)據(jù)集中,實體類型共分為4 種: 故障現(xiàn)象(description,DES)、故障部位(location,LOC)、故障狀態(tài)(status,STA)和維修建議(suggestion,SUG). 故障現(xiàn)象是指客戶向維修站點反映的發(fā)動機故障表現(xiàn),如“發(fā)動機啟動困難”; 故障部位是指經(jīng)檢查后確定的問題起因件,如“向心球軸承”“增壓器”等; 故障狀態(tài)是指起因件出現(xiàn)的具體問題,例如“(增壓器)拉殼”“(油封)漏油”等; 維修建議是指維修人員解決故障的操作,如“更換”氣缸蓋墊片等. 各類實體的標(biāo)注情況如表3 所示.

表3 實體標(biāo)注情況

標(biāo)注示例如表4 所示.

表4 標(biāo)注示例

實驗結(jié)果見本文第2 節(jié).

1.4 實體對齊

維修報告為工作人員手工填寫,無法保證數(shù)據(jù)的規(guī)范和實用性,常出現(xiàn)共指現(xiàn)象,如“發(fā)動機無力”和“功率不足”指代同一問題. 同時由于數(shù)據(jù)經(jīng)過OCR 處理,存在中英文字符識別出錯的情況,如電子控制單元ECU 識別成EC0,類似的異常數(shù)據(jù)需要進行消除和修復(fù).

本文采用計算相似度的方法進行實體對齊,定義好相似度函數(shù)和閾值后,將實體間相似度得分大于設(shè)定閾值的實體對只保留其中一個實體,并更新圖譜中的三元組,用保留后的實體替換被對齊的實體. 本文采用編輯距離和Jaccard 相關(guān)系數(shù)法進行實體相似度計算.

1)編輯距離: 對一個單詞或詞語可以采取插入、刪除或替換字符3 種方式. 將一個單詞(詞語)通過這3 種操作方式轉(zhuǎn)換為另一個單詞需要的最小操作次數(shù),即為編輯距離.

2)Jaccard 相關(guān)系數(shù)法: Jaccard 系數(shù)描述了兩個有限樣本集的相似性,定義為兩個集合的交集與并集之比. 該比值越大,說明兩個集合越相似; 該比值越小,說明兩個集合差異越大,相似性越低. Jaccard 相關(guān)系數(shù)的計算方法如式(1)所示.

實體對齊流程如下所示. 由于相似度計算僅考慮文本的字面相似性,而忽略了語義,因此該方法不能保證實體對齊的完全正確,可能存在錯誤對齊或遺漏對齊的情況. 由于本文涉及的實體主要與發(fā)動機故障信息相關(guān),實體種類和數(shù)量相對較少,因此對實體對齊結(jié)果進行人工校對與完善.

算法1. 實體對齊算法輸入: 所有故障實體,相似度閾值s輸出: 對齊后的實體和關(guān)系1. Function EntityAligned(engineFailNodes)2. for uniNode in engineFailNodes:3. for alignedNode in engineFailNodes:4. if uniNode == alignedNode : continue;5. uniAttrList ← uniNode.attrs 6. aliAttrList ← alignedNode.attrs 7. sim ← simComp(uniAttrList,aliAttrList)8. if sim <= s : continue;9. for hasConnect(uniNode,alignedNode):10. node.relation = uniNode

1.5 指標(biāo)計算

在EFKG 中,一條三元組并非絕對正確或錯誤的.例如“發(fā)動機震動大”這一故障現(xiàn)象,可能由于“軸承卡滯”導(dǎo)致,也可能由 “減震器損壞”引起. 為了描述一條三元組在EFKG 中的重要程度,本文參考TF-IDF (term frequency-inverse document frequency)的思想,設(shè)計了發(fā)動機故障實體相關(guān)性指標(biāo)FF-IEF (fault frequencyinverse event frequency).

對于EFKG 中的一條三元組(hij,ri,tij),故障頻率(FF)衡量尾實體在給定頭實體條件下出現(xiàn)的概率,如式(2)所示.

其中,N(hij,tij)表示該條三元組出現(xiàn)的次數(shù),可從維修數(shù)據(jù)集中統(tǒng)計并作為三元組的屬性存儲.Hi表示頭實體hij所屬的實體類別(故障現(xiàn)象、故障部位等).

逆向事件頻率(IEF)衡量尾實體對頭實體的區(qū)分程度,定義為頭實體所屬類別的元組總數(shù)與該頭實體所在元組數(shù)的比值,如式(3)所示.

其中,|{(hik,ri,tij):hik∈Hi,?k}|表示尾實體為tij的三元組集合.

FF-IEF指標(biāo)同時衡量三元組的出現(xiàn)頻率和區(qū)分程度,定義如式(4)所示.

該指標(biāo)可有效衡量尾實體對于頭實體的重要程度,可用于信息檢索和推薦等應(yīng)用. 在EFKG 中,一條三元組可被描述為<(h,r,t),M>,其中h表示頭實體,r表示關(guān)系,t表示尾實體,M包含3 個屬性值: 出現(xiàn)頻率N,故障頻率FF和逆向事件頻率IEF.

2 實驗結(jié)果與圖譜應(yīng)用

2.1 實體識別結(jié)果

2.1.1 評價指標(biāo)

本文使用準(zhǔn)確率(Precision)、召回率(Recall)和F1 值作為模型的評估指標(biāo). 計算公式如下:

其中,TP為正確預(yù)測的實體數(shù),FP為預(yù)測錯誤的實體數(shù),FN為沒有識別出的實體數(shù).

2.1.2 實驗設(shè)置

實體識別實驗基于PyTorch 進行搭建,具體的環(huán)境配置參數(shù)等如表5 所示.

表5 實驗環(huán)境

本實驗采用BERT-Base 模型,該模型使用Bi-Transformer 關(guān)注語義上下文,在多項NLP 任務(wù)中表現(xiàn)良好. 其他模型參數(shù)如表6 所示.

表6 參數(shù)設(shè)置

2.1.3 實驗結(jié)果

實驗采取層次抽樣的方法構(gòu)建訓(xùn)練集、驗證集和測試集,數(shù)據(jù)劃分情況見上文表2. 不同模型、不同標(biāo)注粒度和標(biāo)注方案的實驗結(jié)果如表7 所示.

表7 不同維度的3 種模型實體識別情況 (%)

可以看到,采用BERT-BiLSTM-CRF 模型和基于詞的BIOES 標(biāo)注方案得到的命名實體識別效果最好,F1 值為90.25%.

基于詞和基于字是兩種不同的標(biāo)注粒度. 由于中文的詞之間沒有嚴(yán)格的界限,且自動化的分詞工具有一定誤差,因此在通用領(lǐng)域中,基于字的標(biāo)注粒度更為主流. 但對于發(fā)動機故障領(lǐng)域而言,領(lǐng)域詞典能保證較高的分詞準(zhǔn)確率,并且詞向量相比字向量能包含更準(zhǔn)確的語義信息,因此整體而言,基于詞的標(biāo)注方案優(yōu)于基于字的方案.

從標(biāo)注方案角度而言,3 種模型的結(jié)果都是BIOES優(yōu)于BIO 方案,即更細致化的標(biāo)注能給命名實體識別帶來更好的效果. 例如,“發(fā)動機”一詞在BIO 方案下會被標(biāo)注成“B_LOC”,其后可能存在“共軌管(I_LOC)”或其他類型的標(biāo)注,對整體的識別造成困難; 而在BIOES方案中,“發(fā)動機”直接標(biāo)注成“S_LOC”,實體邊界更清晰,有利于識別效果提升.

本實驗中,不同實體類別的識別效果如表8 所示.

表8 不同標(biāo)注類別的實體識別情況 (%)

可以看到,在發(fā)動機維修數(shù)據(jù)中,維修建議與故障現(xiàn)象的整體識別效果較好,主要由于其結(jié)構(gòu)性較強,一般由兩三個詞概括而成,如“漏油”“動力不足”等. 而故障部位和故障狀態(tài)實體的準(zhǔn)確度較低,則由于其在句子中出現(xiàn)的位置較隨機,且上下文信息不確定性較強,在小數(shù)據(jù)集上表現(xiàn)一般.

2.2 基于貝葉斯推理的輔助決策模型

輔助決策模型即在給定發(fā)動機信息和表現(xiàn)的情況下,推薦其可能出現(xiàn)的故障原因. 以故障部位為例,根據(jù)樸素貝葉斯定理,給定發(fā)動機當(dāng)前狀態(tài)S,任意一個故障部位FLi出現(xiàn)問題的概率如式(8)所示.

其中,S={Mileage,Model,PrdUse,FalutSym,···}為給定發(fā)動機的參數(shù)信息,J=P(S1,S2,···,S|S|)為參數(shù)集合S的聯(lián)合分布.

對于一臺給定的發(fā)動機,J值是固定的,可將其忽略.P(FLi)為該部位發(fā)生故障的先驗概率,P(Sk|FLi)即三元組<(h,r,t),M>的FF值(見式(2)),其中h為FLi,t為Sk. 因此,該值均可以從三元組的屬性中直接獲取.

對于一個故障部位,可能存在多個故障狀態(tài)FS,任意一個故障狀態(tài)FSj的概率如式(9)所示.

其中,S為發(fā)動機的參數(shù)集合,J=P(FLi,S1,S2,···,S|S|)表示S和FLi的聯(lián)合分布,且對于不同的故障狀態(tài)該值固定. 類似的,P(FS j),P(Sk|FS j)和P(FLi|FS j)可從對應(yīng)的三元組屬性中直接獲取.

故障原因FR由故障部位FL和故障狀態(tài)FS聯(lián)合表示,如式(10)所示.

為了評估該輔助決策模型的有效性,本文將其與XGBoost[22]和LightGBM[23]進行對比. 實驗為一個多分類任務(wù),即給定發(fā)動機信息,預(yù)測其故障原因. 在實驗前,本文對數(shù)據(jù)集做了一些預(yù)處理,如缺失值填充、連續(xù)值離散化、離散特征編碼等.

發(fā)動機故障原因有數(shù)百種,遵循帕累托原理,即大多數(shù)事故是由少數(shù)原因引起的,并且由于長尾分布,某些故障原因的樣本數(shù)較小,直接在全體數(shù)據(jù)集上運行分類模型效果較差. 因此,本文構(gòu)建了多個數(shù)據(jù)集用于測試模型在不同故障原因類別數(shù)下的性能,如表9.

表9 不同故障原因類別數(shù)據(jù)集

根據(jù)故障原因類別數(shù),將這些數(shù)據(jù)集稱為FR(20),FR(30),FR(50)和FR(100). 本文使用Recall@5 作為評價指標(biāo),實驗結(jié)果如表10 所示.

表10 不同模型的Recall@5 值

可以看到,本文設(shè)計的輔助決策模型性能比直接在原始數(shù)據(jù)集上運行多分類模型的效果更好.

3 EFKG 系統(tǒng)設(shè)計與實現(xiàn)

3.1 系統(tǒng)設(shè)計

本文基于構(gòu)建后的知識圖譜,設(shè)計并實現(xiàn)了EFKG原型系統(tǒng),主要提供以下功能.

1)知識抽取

廠商們在歷年的發(fā)動機故障維修工作中已積累大量歷史售后數(shù)據(jù),并以文本的形式存儲,然而目前難以利用海量的非結(jié)構(gòu)化數(shù)據(jù). 知識抽取從非結(jié)構(gòu)化數(shù)據(jù)中自動化識別故障實體,將數(shù)據(jù)轉(zhuǎn)化為知識,并以三元組的方式存儲,有利于后續(xù)的檢索和診斷功能.

2)知識檢索

基于歷史故障信息獲取故障和故障之間的相似性一直是領(lǐng)域研究重點. 利用知識圖譜對實體進行相關(guān)性評價指標(biāo)排序,可以幫助工作人員充分挖掘歷史故障信息中包含的價值.

3)輔助診斷

發(fā)動機結(jié)構(gòu)的復(fù)雜性導(dǎo)致其故障難以避免,而在不拆解發(fā)動機的情況下很難預(yù)測其故障原因. 本文利用知識圖譜提供先驗知識,利用基于貝葉斯推理的輔助決策系統(tǒng)確定故障原因,有助于在拆解前提高發(fā)動機故障診斷的效率和準(zhǔn)確性.

系統(tǒng)總體架構(gòu)如圖4 所示.

圖4 系統(tǒng)總體架構(gòu)

系統(tǒng)包括數(shù)據(jù)持久層、控制層和視圖層. 數(shù)據(jù)持久層使用Neo4j 圖數(shù)據(jù)庫和MongoDB 非關(guān)系型數(shù)據(jù)庫分別保存三元組和算法模型. 控制層采用Django 框架,通過RESTful 風(fēng)格的API 接收前端查詢請求,生成Neo4j數(shù)據(jù)庫的DQL 語句后,通過Py2neo 接口調(diào)用Neo4j 的引擎,并將結(jié)果返回給前端展示. 對于MongoDB 的算法模型(實體識別、輔助故障診斷)調(diào)用也通過控制層進行. 視圖層負責(zé)前端頁面展示,使用JavaScript 和Echart工具完成圖表繪制,并提供較為簡潔的交互功能.

3.2 EFKG 系統(tǒng)查詢與可視化

系統(tǒng)從近年來濰柴公司數(shù)十萬條柴油發(fā)動機售后維修報告中抽取12534 個實體和408972 條三元組,存儲在Neo4j 圖數(shù)據(jù)庫中,部分示例如圖5 所示.

圖5 圖數(shù)據(jù)庫示例

實體識別模塊負責(zé)從輸入語句中識別發(fā)動機故障實體,如圖6 所示. 當(dāng)前端頁面輸入發(fā)動機維修相關(guān)語句時,后臺調(diào)用已訓(xùn)練好的模型進行實體識別,并將標(biāo)注結(jié)果返回到前端(藍色字體標(biāo)識),鼠標(biāo)點擊對應(yīng)文本可查看其所屬的實體類別. 該模塊實現(xiàn)了維修報告的自動化錄入.

圖6 實體識別模塊

實體查詢模塊可查詢實體與實體間的關(guān)系,也可直接輸入Cypher 查詢語言進行更靈活的自定義查詢,如圖7 所示,查詢“前排氣歧管”,返回與之相關(guān)的實體和關(guān)系并進行可視化展示. 前端頁面通過Echarts 渲染,點擊實體或關(guān)系可以查看對應(yīng)三元組的屬性.

圖7 實體查詢模塊

相關(guān)實體會在下方以表格形式展示,并通過FF-IEF指標(biāo)排序. 圖8 展示了與“活塞”相關(guān)的部分故障現(xiàn)象,“發(fā)動機機油耗高”現(xiàn)象與該部位的FF-IEF 值為2.07,說明二者相關(guān)性較高.

圖8 實體相關(guān)性列表

輔助診斷模塊自定義輸入發(fā)動機特征(里程、型號、用途、故障現(xiàn)象等),特征數(shù)可通過“新增條件”按鈕控制,通過調(diào)用基于貝葉斯的輔助診斷模型預(yù)測其可能出現(xiàn)的故障原因,如圖9 所示.

圖9 輔助診斷模塊

4 結(jié)論與展望

為解決發(fā)動機維修過程中極度依賴維修人員個人經(jīng)驗、缺乏定量事實依據(jù)等問題,本文利用發(fā)動機故障報告構(gòu)建發(fā)動機維修領(lǐng)域知識圖譜,深度挖掘設(shè)備之間共性問題,從數(shù)據(jù)和知識層面指導(dǎo)發(fā)動機故障診斷和維修工作,主要成果如下.

1)建立了從真實發(fā)動機維修數(shù)據(jù)集中構(gòu)建知識圖譜的系統(tǒng)流程和本體設(shè)計,構(gòu)建了發(fā)動機故障知識圖譜EFKG,共包含12534 個實體和408972 條三元組.

2)對發(fā)動機維修領(lǐng)域文本做了較全面的命名實體識別對比實驗. 整體而言,BERT-BiLSTM-CRF 模型基于詞的標(biāo)注粒度和BIOES 標(biāo)注方案效果更好.

3)設(shè)計了實體相關(guān)性評價指標(biāo)FF-IEF 和基于貝葉斯推理的輔助決策模型,相比基于機器學(xué)習(xí)的多分類模型取得更好的推理效果.

4)設(shè)計并實現(xiàn)EFKG 原型系統(tǒng),基于Neo4j 圖數(shù)據(jù)庫存儲和Django Web 框架,實現(xiàn)了查詢和可視化等功能,為EFKG 的落地應(yīng)用提供技術(shù)參考.

后續(xù)研究一方面可聚焦在整個發(fā)動機維修領(lǐng)域的大規(guī)模數(shù)據(jù)集的構(gòu)建,另一方面可在故障原因推理模型中,考慮擴充數(shù)據(jù)來源和影響因素,提高推理效果.

致謝

感謝濰柴動力股份有限公司張明國工程師的支持.