一种车辆故障维修的数据图谱模型构建方法与流程

本发明涉及车辆故障维修数据图谱，特别涉及一种车辆故障维修的数据图谱模型构建方法。

背景技术：

1、在车辆发生故障后，一般由车主联系附近的服务商，由服务商通过系统发起维修服务，如果需要外出支持，则申请外出，当服务商在遇到无法解决的故障时，只能通过制造厂申请技术支持，受地理位置、成本和人力的限制，服务商可能无法及时的得到帮助，而其他服务商作为一种资源，无法为其他服务商解决难以处理的故障。

2、当下车型繁多、车辆结构复杂，故障现象与原因错综复杂，人工难以快速查找故障。众多制造企业在市场上已经销售和保有的主流车型达到100余种，不同车型维修方法有所差异，并且随着车辆结构越来越复杂、器件越来越多，一种故障现象可能对应多个故障原因件，一个故障原因件也可能对应多个故障现象。因此，单凭维修人员的维修经验很难快速定位各种车型的故障原因。在很多情况下车辆维修过程中需要花费整个维修过程大约70％的时间查找故障原因，而仅仅需要花费30％时间维修。由此可见，当下的维修服务面临的主要问题是缺乏对故障知识的利用和共享，服务商与服务商之间缺乏车辆维修协助，即没有将服务商作为一种资源得到充分的利用。

技术实现思路

1、为解决上述问题，本发明提供了一种车辆故障维修的数据图谱模型构建方法，发掘车辆维修服务业务数据蕴含的隐形知识，通过知识映射并从“关系”的角度提供车辆维修知识的显性传递；通过将故障知识纳入到维修协同体系中，利用知识图谱将故障知识进行整合和归纳，实现故障知识的共建、共享和共管，通过建立服务商与服务商进行维修协助的流程，实现将服务商作为资源得到利用，减少维修故障所需时间和损失。

2、本发明提供了一种车辆故障维修的数据图谱模型构建方法，具体技术方案如下：

3、s1：收集车辆故障维修业务流程中的数据，并根据车辆故障维修业务流程确定数据域；

4、s2：基于收集的数据和车辆故障维修业务流程架构，构建数据间的关联关系，获取数据类目；

5、s3：基于确定的数据域，通过实体识别、关系识别以及实体和关系的属性识别，进行车辆故障知识抽取，构建车辆维修数据关联模型，即车辆故障维修知识图谱；

6、s4：通过语义挖掘，获取车辆故障维修业务流程中，当前车辆维修时涉及的知识，根据所述数据类目进行整理和分类；

7、s5：根据整理和分类结果，确定车辆故障维修知识图谱的主题知识域，基于语义搜索和语义匹配，获取故障维修知识的检索结果。

8、进一步的，数据间的关联关系构建如下：

9、以实体节点和节点间的关系存储在关系数据库中，每个节点关联存储一个关系列表，所述关系列表中存放此节点与其它节点的关系记录。

10、进一步的，所述关系列表中还存储有对应的当前节点与其它节点的关系属性。

11、进一步的，所述车辆故障维修业务流程中包括：车辆交接、检测诊断、三包鉴定、维修服务内容确认、故障件更换、完工总检以及结算交车的业务活动。

12、进一步的，所述数据域包括：总成件实体数据域、车辆故障知识数据域、维修方案制定数据域。

13、进一步的，所述总成件实体数据域通过故障诊断实体分别与所述车辆故障知识数据域和所述维修方案制定数据域关联，所述维修方案制定数据域与所述车辆故障知识数据域通过标准规范实体关联。

14、进一步的，所述总成件实体数据域，包括：车辆基础信息、车辆销售信息、车型信息、故障诊断信息、故障件信息、故障事件、故障关联件、维修记录、外出记录、重大质量问题、总成件以及底盘号。

15、进一步的，所述底盘号作为唯一标识号关联车辆数据信息。

16、进一步的，所述车辆故障知识数据域，包括：故障类型、维修响应、维修作业方法、质量保证、保障措施、标准规范、维修作业规范、数据采集要求、三包要求和三包服务。

17、进一步的，所述维修方案制定数据域，包括：维修设备、配件信息、配件所属单位、组织机构、维修人员和维修案例。

18、本发明的有益效果如下：

19、本发明通过发掘车辆维修服务业务数据蕴含的隐形知识，将车辆和客户的基础信息、维修质量要求、维修经验和维修记录等隐性知识显性化，利用实体间的关系数据结构，实现关系数据的深度检索，减小了维修人员对自身的经验依赖，实现了车辆故障快速排查。

技术特征：

1.一种车辆故障维修的数据图谱模型构建方法，其特征在于，包括：

2.根据权利要求1所述的车辆故障维修的数据图谱模型构建方法，其特征在于，数据间的关联关系构建如下：

3.根据权利要求2所述的车辆故障维修的数据图谱模型构建方法，其特征在于，所述关系列表中还存储有对应的当前节点与其它节点的关系属性。

4.根据权利要求1所述的车辆故障维修的数据图谱模型构建方法，其特征在于，所述车辆故障维修业务流程中包括：车辆交接、检测诊断、三包鉴定、维修服务内容确认、故障件更换、完工总检以及结算交车的业务活动。

5.根据权利要求1所述的车辆故障维修的数据图谱模型构建方法，其特征在于，所述数据域包括：总成件实体数据域、车辆故障知识数据域、维修方案制定数据域。

6.根据权利要求5所述的车辆故障维修的数据图谱模型构建方法，其特征在于，所述总成件实体数据域通过故障诊断实体分别与所述车辆故障知识数据域和所述维修方案制定数据域关联，所述维修方案制定数据域与所述车辆故障知识数据域通过标准规范实体关联。

7.根据权利要求6所述的车辆故障维修的数据图谱模型构建方法，其特征在于，所述总成件实体数据域，包括：车辆基础信息、车辆销售信息、车型信息、故障诊断信息、故障件信息、故障事件、故障关联件、维修记录、外出记录、重大质量问题、总成件以及底盘号。

8.根据权利要求7所述的车辆故障维修的数据图谱模型构建方法，其特征在于，所述底盘号作为唯一标识号关联车辆数据信息。

9.根据权利要求6所述的车辆故障维修的数据图谱模型构建方法，其特征在于，所述车辆故障知识数据域，包括：故障类型、维修响应、维修作业方法、质量保证、保障措施、标准规范、维修作业规范、数据采集要求、三包要求和三包服务。

10.根据权利要求6所述的车辆故障维修的数据图谱模型构建方法，其特征在于，所述维修方案制定数据域，包括：维修设备、配件信息、配件所属单位、组织机构、维修人员和维修案例。

技术总结
本发明公开了一种车辆故障维修的数据图谱模型构建方法，包括：收集车辆故障维修业务流程中的数据，并确定数据域；基于收集的数据和车辆故障维修业务流程架构，构建数据间的关联关系，获取数据类目；通过实体识别、关系识别以及实体和关系的属性识别，进行车辆故障知识抽取，构建车辆维修数据关联模型；通过语义挖掘，获取车辆故障维修业务流程中，当前车辆维修时涉及的知识，根据数据类目进行整理和分类；根据整理和分类结果，确定车辆故障维修知识图谱的主题知识域，基于语义搜索和语义匹配，获取故障维修知识的检索结果。本发明利用知识图谱将故障知识进行整合和归纳，实现故障知识的共建、共享和共管，提高了车辆故障维修的效率。

技术研发人员：范波,潘蒙,王开业,谭启涛,谭董,吴海平
受保护的技术使用者：成都航天科工大数据研究院有限公司
技术研发日：
技术公布日：2024/1/16