知識圖譜及其構(gòu)建相關(guān)技術(shù)
知識圖譜是機器實現(xiàn)“認(rèn)知智能”的關(guān)鍵技術(shù)，為了在工業(yè)領(lǐng)域的機器能夠?qū)崿F(xiàn)“認(rèn)知”能力，我們賦予機器領(lǐng)域知識和工業(yè)領(lǐng)域的專家經(jīng)驗。這也是我們做知識圖譜研究或應(yīng)用的最主要目的——讓機器像人類一樣擁有知識，能夠像人類領(lǐng)域?qū)＜乙粯幼鲋R型的工作。
達(dá)觀數(shù)據(jù)是一家面向To B行業(yè)人工智能領(lǐng)域的企業(yè)，在日常工作中，王文廣能接觸和了解到不同行業(yè)不同公司對知識圖譜方面的需求，也有機會與相應(yīng)領(lǐng)域的業(yè)務(wù)或IT人員溝通了解相關(guān)方面的情況。他總結(jié)出對認(rèn)知智能和知識圖譜應(yīng)用和利用的三個階段：接受，行動和成熟。
知識圖譜賦能智能制造
智能制造是大勢所趨，從國家戰(zhàn)略、行業(yè)競爭、企業(yè)變革、技術(shù)條件等不同維度都可以得看出?，F(xiàn)在頭部的一些制造型企業(yè)非常關(guān)注新技術(shù)的應(yīng)用來提升效率，提升在產(chǎn)品研發(fā)、質(zhì)量控制、生產(chǎn)制造過程的競爭力。
智能制造本身是以知識和技術(shù)為基礎(chǔ)，把生產(chǎn)制造過程跟虛擬系統(tǒng)或其他技術(shù)融合，來實現(xiàn)制造過程的感知、決策、執(zhí)行和演化的過程。那么在這個過程中，知識圖譜能夠做什么呢？
其實智能制造中是非常依賴工人或者工程師的經(jīng)驗的。大家都知道臺積電跟中興國際所使用的機器設(shè)備、原材料等是一樣的，但他們對先進(jìn)制程的把握卻是不一樣的，從而導(dǎo)致了生產(chǎn)中的不同的“良率”，這里面的差別就是制造和生產(chǎn)過程中的“領(lǐng)域知識和專家經(jīng)驗”。王文廣表示“知識圖譜最核心的關(guān)注點就是知識以及知識的應(yīng)用，這正是知識圖譜賦能智能制造的關(guān)鍵所在，也是能夠在未來極大的提升制造業(yè)智能化水平的關(guān)鍵途徑之一。”
這個圖總結(jié)了知識圖譜賦能智能制造的全貌。首先是制造業(yè)非常需要沉淀和傳承知識，比如可以將生產(chǎn)線里的經(jīng)驗總結(jié)出來并沉淀到圖譜里來，這樣就可以幫助不那么資深的人解決問題。并且當(dāng)有人離職，這些經(jīng)驗也將留存下來，為接任者提供幫助，這正是知識的傳承。在賦能智能制造中，有非常多場景都是知識圖譜可以實現(xiàn)的。這里面有一個非常重要的點是“融入業(yè)務(wù)”，王文廣說“在落地過程中，我們非常強調(diào)融入業(yè)務(wù)，在盡量不改變現(xiàn)有的工作流程來實現(xiàn)知識圖譜和AI的賦能。”在此之外，還有就是賦能過程中的可解釋性和可運營性。
可解釋性就是指不能只告訴使用者怎么做，還要告訴他整個流程是什么，并且在利用知識圖譜分析問題時，把分析過程也展現(xiàn)出來。
可運營性則是因為數(shù)據(jù)、經(jīng)驗和知識是會演變的。比如一條產(chǎn)線的機器升級后，其知識和經(jīng)驗跟舊機器是有差別的，如何將這些不同經(jīng)驗在知識圖譜中及時更新是非常重要的，這就是可運營性的關(guān)鍵。
工業(yè)質(zhì)量體系中的知識圖譜應(yīng)用
工業(yè)中產(chǎn)品的質(zhì)量是產(chǎn)品的生命線，在產(chǎn)品的生命周期中可以劃分為四大塊：產(chǎn)品規(guī)劃、產(chǎn)品設(shè)計開發(fā)、產(chǎn)品生產(chǎn)制造、客戶反饋。舉個例子：手機在生產(chǎn)之前要做產(chǎn)品規(guī)劃，可能要提前2年甚至更長時間，得到認(rèn)可之后才會進(jìn)行產(chǎn)品的設(shè)計開發(fā)，設(shè)計開發(fā)的過程不僅包括產(chǎn)品本身的設(shè)計和開發(fā)，還有生產(chǎn)工藝和過程的開發(fā)，這個過程完成之后才能讓產(chǎn)品真正進(jìn)入生產(chǎn)制造環(huán)節(jié)，之后還要根據(jù)不斷的客戶反饋進(jìn)行產(chǎn)品優(yōu)化。
每一個過程都和“失效分析”有關(guān)，當(dāng)一個產(chǎn)品沒有達(dá)到預(yù)期的情況下會產(chǎn)生失效。大多數(shù)情況下失效就是故障，但有些故障不僅是因為物理失效，還包括人為操作的錯誤（比如精度不達(dá)標(biāo)，測量儀器出問題等），這種錯誤會導(dǎo)致產(chǎn)品本身沒有問題，但是測量的結(jié)果有誤，類似的故障都是失效。
在工業(yè)質(zhì)量體系中，失效和產(chǎn)品質(zhì)量具有非常強的關(guān)聯(lián)，解決失效的過程就是產(chǎn)品質(zhì)量和可靠性提升的過程。跟人們經(jīng)常遇到的疾病一樣，有疫苗來防止生病，而當(dāng)生病了之后，有特效藥來治病。失效也一樣，有事前預(yù)防失效發(fā)生的FMEA，有失效發(fā)生后進(jìn)行“治療”的FA。
FMEA，即潛在失效模式及其效果分析，它是為了預(yù)防失效產(chǎn)生，通常是在生產(chǎn)制造之前預(yù)先想好各種可能發(fā)生失效的地方，并提前做好相應(yīng)的預(yù)案來防止失效的發(fā)生。
FA，即失效分析，它是在失效產(chǎn)生后，用來定位原因，找到解決的方法，并提出改善措施來杜絕未來再次發(fā)生。
為了做好工業(yè)質(zhì)量體系中的賦能，基于淵海知識圖譜平臺，王文廣帶領(lǐng)的團(tuán)隊開發(fā)出了針對性的產(chǎn)品“失效模式知識圖譜平臺”，針對工業(yè)質(zhì)量體系的特點，將失效知識的沉淀、加工、連接、融合和追溯融入到知識圖譜平臺中，形成對質(zhì)量體系過程中的失效分析報告FA、失效分析樹FTA以及FMEA等知識和經(jīng)驗的圖譜化。這里面涉及到非常復(fù)雜的系統(tǒng)性工程，包括：
- 資料收集：使用爬蟲、數(shù)據(jù)庫對接、RPA、消息隊列等；
- 知識加工：包括實體抽取、領(lǐng)域詞的識別與管理，采用了前沿的NLP技術(shù)，包括句法分析、事件識別等；
- 連接：實現(xiàn)了關(guān)系和屬性的識別，規(guī)則引擎、分類和聚類算法來協(xié)助業(yè)務(wù)人員進(jìn)行人機協(xié)同，事理邏輯的識別；
- 融合：充分利用了SOTA的知識融合算法，包括圖的表示學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)等，同時也支持人機交互，充分考慮了人機協(xié)同的友好性；
- 追溯：知識圖譜中的每一條知識，都支持追溯到原始的出處，即方便驗證數(shù)據(jù)本身的可靠性，也能夠進(jìn)行有效的權(quán)限管理，還有助于實現(xiàn)知識的更新。
在應(yīng)用方面，達(dá)觀失效模式知識圖譜平臺實現(xiàn)了八大核心應(yīng)用來幫助智能制造企業(yè)賦能質(zhì)量體系，提升其產(chǎn)品的競爭力：
針對達(dá)觀失效模式知識圖譜平臺這個產(chǎn)品，負(fù)責(zé)人王文廣這樣說：“失效模式知識圖譜對智能制造企業(yè)的FA、FTA和FMEA等各類知識進(jìn)行圖譜構(gòu)建，對人機料法環(huán)測充分挖掘，建立起失效知識之間、失效知識與人之間、失效知識在時間上的演化等多維度的連接。這樣構(gòu)建出來的失效知識圖譜能夠有效支撐八大應(yīng)用，并將其融入到質(zhì)量體系中與失效相關(guān)的各個流程，發(fā)揮出企業(yè)所積累起來的知識的價值。”
這些知識的價值，也就是知識圖譜賦能智能制造企業(yè)所帶來的價值，總結(jié)來說有兩方面：一方面可以降低工程師在做失效分析時的經(jīng)驗要求，幫助初級的工作人員能夠?qū)崿F(xiàn)專家級別的失效分析的水平；另一方面是可以更好的培養(yǎng)新員工，使得員工成長到同等水平的培養(yǎng)周期更短。
在此之外，王文廣還說“更為根本的是，企業(yè)的知識財富不再遺失，得以積累。這些不斷積累的知識財富就如同金錢財富一樣能夠帶來復(fù)利，假以時日將能夠擴(kuò)大企業(yè)的競爭力，拉大與競爭對手的優(yōu)勢。”
最后，達(dá)觀知識圖譜團(tuán)隊負(fù)責(zé)人王文廣這樣總結(jié)：“我們希望利用自然語言處理、知識圖譜以及一切前沿的人工智能技術(shù)，幫助智能制造企業(yè)充分利用好企業(yè)的知識財富。我們從知識的積淀、加工、連接、融合、應(yīng)用、溯源等全方位提供賦能。我們幫助企業(yè)降低對領(lǐng)域知識和專家經(jīng)驗的獲得和利用的成本，并使得智能制造企業(yè)的優(yōu)秀和資深員工能夠不再為瑣碎的事情環(huán)繞，而能夠?qū)Ｗ⒂趧?chuàng)新上，為企業(yè)帶來更大的價值，也為中國智能制造產(chǎn)業(yè)升級助力?！?/p>
