基于知识图谱的设备在线辅助维修方法及系统与流程

本公开涉及烟草设备辅助维修，具体涉及基于知识图谱的设备在线辅助维修方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

2、目前，烟草企业切丝机、烘丝机、卷烟机、锅炉等关键设备一旦出现故障停机将严重影响生产甚至给产品质量稳定性带来不利影响。由于烟草企业设备的预防性检修多依靠人为经验、长期积累的设备维修案例、维修资料和相关知识数据，缺乏从数据驱动和智慧设备运维管理的角度来分析应用，虽然现有的也存在一些智能化设备运维数据的管理，但是设备维修知识库与设备的关联性较弱，应用效果不佳，不能快速获取各种故障数据之间的关联性，严重拖慢了故障的判断时间以及维修的速度。

技术实现思路

1、本公开为了解决上述问题，提出了基于知识图谱的设备在线辅助维修方法及系统，根据关键设备故障数据、运维数据和设备案例资料构建设备知识图谱模型；从设备运维数据和设备案例文档资料数据中抽取实体、关系以及实体属性等结构化信息，实现基于知识图谱技术的设备维修知识存储、共享和辅助维修应用。

2、根据一些实施例，本公开采用如下技术方案：

3、基于知识图谱的设备在线辅助维修方法，包括：

4、采集历史关键设备故障数据、运维数据以及设备维修案例资料，获取其包含的结构化、非结构化以及半结构化数据，构成数据库；

5、设计设备维修知识图谱本体模型的数据关系，根据数据关系，从数据库以及数据文本中抽取实体、关系以及属性；

6、利用短文本实体链接算法模型将查询中实体进行展开并挂载到设备维修知识图谱模型中，构建最终的设备维修知识图谱查询语句；

7、当设备故障发生时，根据查询语句，获取设备维修知识图谱中的历史故障运维数据，进行设备故障维修在线指导及设备故障维修知识推荐。

8、根据一些实施例，本公开采用如下技术方案：

9、基于知识图谱的设备在线辅助维修系统，包括：

10、数据获取模块，用于采集历史关键设备故障数据、运维数据以及设备维修案例资料，获取其包含的结构化、非结构化以及半结构化数据，构成数据库；

11、关系抽取模块，用于设计设备维修知识图谱本体模型的数据关系，根据数据关系，从数据库以及数据文本中抽取实体、关系以及属性；

12、查询语句构建模块，用于利用短文本实体链接算法模型将查询中实体进行展开并挂载到设备维修知识图谱模型中，构建最终的设备维修知识图谱查询语句；

13、查询推荐模块，用于当设备故障发生时，根据查询语句，获取设备维修知识图谱中的历史故障运维数据，进行设备故障维修在线指导及设备故障维修知识推荐。

14、根据一些实施例，本公开采用如下技术方案：

15、一种电子设备，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现所述的基于知识图谱的设备在线辅助维修方法。

16、与现有技术相比，本公开的有益效果为：

17、本公开的一种基于知识图谱的设备在线辅助维修方法，根据历史关键设备故障数据、运维数据以及设备维修案例资料，设计设备维修知识图谱本体模型的数据关系，根据数据关系，从数据库以及数据文本中抽取实体、关系以及属性；利用短文本实体链接算法模型将查询中实体进行展开并挂载到设备维修知识图谱模型中，构建最终的设备维修知识图谱查询语句，将问句分析、短语映射、消歧的处理结果进行融合，构建最终的查询语句；在设备故障解决过程中，通过详细了解设备故障出现前的一些现象，结合设备知识图谱，通过对比法、排除法等定位设备的故障问题点，并根据相关知识的提示完成设备的智能维修。

18、利用知识图谱对多源异构数据的整合，可以在大数据环境下进行知识抽取，得到更加细粒度的设备故障特征信息，从而更精准的计算故障与设备之间的相关性，最后为用户做出维修数据推荐。

技术特征：

1.基于知识图谱的设备在线辅助维修方法，其特征在于，包括：

2.如权利要求1所述的基于知识图谱的设备在线辅助维修方法，其特征在于，非结构化数据是文本数据，包括：领域概念抽取、分类体系构建和概念属性抽取，所述领域概念抽取，包括候选术语抽取、术语过滤、概念抽取，所述候选术语抽取，利用自然语言处理工具对文本数据进行分词、词性标注和句法分析的预处理，然后利用语言学规则模板在文本中抽取特定的短语，构建领域的候选术语集。

3.如权利要求2所述的基于知识图谱的设备在线辅助维修方法，其特征在于，所述术语过滤为在得到候选术语集后，采用统计信息和语义信息过滤术语噪声，包括：互信息、词频逆文档频率以及术语相关频率方法定量刻画统计特征，用词向量的方式捕捉术语之间的语义相关度来刻画语义特征，并基于这些值过滤掉低质量的候选术语。

4.如权利要求2所述的基于知识图谱的设备在线辅助维修方法，其特征在于，所述分类体系构建，采用基于层次聚类的方法，实现获取不同概念之间的层次关系，构建合理的层次化的概念分类体系；所述概念属性抽取为采用基于依存分析的属性抽取方法，将句子中词语间存在的支配和被支配关系称为依存关系。

5.如权利要求1所述的基于知识图谱的设备在线辅助维修方法，其特征在于，结构化数据是指以固定模式存储的数据，也称行数据，是由二维表结构逻辑表达和实现的数据，信息抽取时，从描述实体的表中抽取出实体的概念及概念的属性，从描述关系的表中抽取出概念间的关系。

6.如权利要求1所述的基于知识图谱的设备在线辅助维修方法，其特征在于，半结构化数据是自描述的结构，不符合结构化的数据模型结构，其包含相关标记，用来分隔语义元素以及对记录和字段进行分层，首先采用规则映射的方法，使用结构化数据向本体数据转换工具，自动将xml或html的标签转化为概念、属性，然后采用面向非结构化数据的方法构建知识体系。

7.如权利要求1所述的基于知识图谱的设备在线辅助维修方法，其特征在于，利用短文本实体链接算法模型将查询中实体进行展开并挂载到设备维修知识图谱模型中，构建设备故障百科查询，将短文本实体链接看成排序问题，算法目标为利用实体代词与候选实体的上下文相关特征计算两者的匹配度分数，采用的短文本实体链接算法模型是全局模型。

8.如权利要求7所述的基于知识图谱的设备在线辅助维修方法，其特征在于，所述全局模型考虑文本中多个指代词链接的实体间联系，对上下文的实体指代统一消歧，利用全局实体链接方法，构建目标函数。

9.基于知识图谱的设备在线辅助维修系统，其特征在于，包括：

10.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如权利要求1-8任一项所述的基于知识图谱的设备在线辅助维修方法。

技术总结
本公开提供了基于知识图谱的设备在线辅助维修方法及系统，涉及烟草设备辅助维修技术领域，包括：基于知识图谱的设备在线辅助维修方法，其特征在于，包括：采集历史关键设备故障数据、运维数据以及设备维修案例资料，获取其包含的结构化、非结构化以及半结构化数据，构成数据库；设计设备维修知识图谱本体模型的数据关系，根据数据关系，从数据库以及数据文本中抽取实体、关系以及属性；利用短文本实体链接算法模型将查询中实体进行展开并挂载到设备维修知识图谱模型中，构建最终的设备维修知识图谱查询语句；当设备故障发生时，根据查询语句，获取设备维修知识图谱中的历史故障运维数据，进行设备故障维修在线指导及设备故障维修知识推荐。

技术研发人员：李琳,王学军,黄其德,高阳,宋贞启,王国峰,万云飞,宁雪峰,龙正,杨素,王广超,何心芹,方超,李海波,单静
受保护的技术使用者：山东中烟工业有限责任公司
技术研发日：
技术公布日：2024/3/24