CN119397031A 基于知识图谱进行产品故障根因分析的方法和装置 （罗伯特·博世有限公司）

基于知识图谱进行产品故障根因分析的方本发明公开了一种基于知识图谱进行产品数据和/或非结构化数据；获取与产品相关联的2对基于所述生产数据和所述结构化的设计数据分别生将所述基于所述生产数据和所述结构化的设计数据分别生成的知识与所述专家知识对所述设计数据执行实体抽取和关系抽取，6.根据权利要求1所述的方法，对所述设计数据执行所述信息抽取包括以下各项中的分别将所述生产数据和所述结构化的设计数据转换将具有RDF或RDFS三元组格式或者RDF或RDFS四元组格式的所述生产数据和所述结构3进一步基于所述各个连接边的权重使用深度优先搜索来执行所述产品故障根因分析至少以所述目标知识图谱中的实体作为节点，以将所述节点和所述连接边表示为向量，利用图神经网处理器，其与所述存储器耦合，所述处理器被配4[0003]进入智能制造时代以来，尝试了通过智能化的方式来解决产品故障根因分析问展功能。目前，通常基于来自生产系统的数据来构建知识图谱，例如来自制造执行系统[0007]根据本发明的一个方面，提供了一种基于知识图谱进行产品故障根因分析的方5[0008]根据本发明的又一方面，提供了一种基于知识图谱进行产品故障根因分析的系[0011]图1示出了根据本发明的实施例的基于知识图谱进行产品故障根因分析的模块和[0013]图3示出了根据本发明的实施例的使用所构建的知识图谱进行产品故障根因分析[0014]图4示出了根据本发明的实施例的基于知识图谱进行产品故障根因分析的流程[0015]图5示出了根据本发明的实施例的可以基于知识图谱进行产品故障根因分析的设其知识整合和推理能力在产品故障根因分析任务中获得了广泛应6异构数据来创建知识图谱，以在发生产品故障时推理出更完整且深层的可能故障发生路[0021]图1示出了根据本发明的实施例的基于知识图谱进行产品故障根因分析的模块和件和设计日志可以被存储为扩展标记语言(XML)格式或超文本标记语言(HTTP)格式，它们框201中通常会对设计进行相关文字注释，中间的方框202和203中通常会对组件尺寸作标7环神经网络和引入注意力机制的神经网络的方法，诸如LSTM_CRF、LSTM_CNN_CRF、[0033]在另外的实施例中，当设计数据D102是非结构化数据时，设计数据预处理单元8[0035]继续参见图1，结构化数据D103被输入到设计知识生成单元M103以获得设计知识[0037]具体地，可以将结构化数据D103转换为资源描述框架(ResourceDescription以对RDF或RDFS三元组添加时间顺序信息得到RDF或体通常可以理解为对特定领域(例如，汽车零部件生产)的概念化的说明，并且能够以类(Class)和关系(Relationship)来表征本领域技术人员可以理解的知识数据。设计相关本[0042]在一实施例中，与产品相关联的生产数据D105可以包括任何与生产相关的记录，[0043]继续参见图1，结构化数据D106被输入到生产知识生成单元M106以获得生产知识[0044]在一实施例中，与设计知识D104类似，生产知识D107可以是通过将结构化数据D106转换为资源描述框架(ResourceDescriptionFramework，RDF)格式或RDFS格式来获9体通常可以理解为对特定领域(例如，汽车零部件生产)的概念化的说明，并且能够以类(Class)和关系(Relationship)来表征本领域技术人员可以理解的知识数据。生产相关本[0047]基于结构化数据D106利用生产知识生成模块M106获得生产知识D107的过程可以识生成单元M109获得专家知识D111的过程可以参照关于基于结构化数据D103获得设计知预处理单元M108和专家知识生成单元M109获得专家知识D111的过程可以参照关于基于半[0054]在设计知识D104和生产知识D107，以及可选地专家知识D111分别是RDF三元组或D107和专家知识D111(可选的)的完产品相关联的各种原始数据以自顶而下和/或自底而上的方式来构建本体库。在一实施例多源异构数据进行整合，以在发生产品故障时推理出更完整且深层的可能故障发生路径，[0062]在一实施例中，所构建的知识图谱可以被存储在图数据库中，可以通过诸如建的知识图谱D113被输入知识图谱应用单元M111以[0065]图3示出了根据本发明的实施例的使用所构建的知识图谱进行产品故障根因分析在连接边表示存在可能故障路径，并且权重越大的连接边指示越高的故障发生概率/故障[0066]在一实施例中，可以按照连接边权重从大到小的顺序进行深度优先搜索(Depth提供的故障根因节点可以是按照上文描述的根据连接边权重从大到小的顺序来排序筛选以通过上文描述的根据连接边权重从大到小的顺序来筛选最有可能的故障路径或故障节距离、曼哈顿距离等方式来衡量输出的最有可能的故障路径或故障节点与标签之间的差[0073]图4示出了根据本发明的实施例的基于知识图谱进行产品故障根因分析的流程电路设计文件和设计日志可以被存储为扩展标记语言(XML)格式或超文本标记语言(HTTP)步骤S403的操作可以由例如参考图1描述的设计[0089]在一实施例中，在所述基于所述生产数据和所述结构化的设计数据的知识是RDF[0092]在进一步的实施例中，在知识融合时可以通过专家标注的方式来识别等价的本骤S405的操作可以由例如参考图1描述的知识图可以基于经训练的目标知识图谱来执行步骤S407的产品故障根因分析任务。其中，步骤S408的操作由例如参考图1描述的知识图所述节点和所述连接边表示为向量，利用图神经网络模型对所述目标知识图谱进行训练。标知识图谱输出的最有可能的故障路径或故障节点与真实故障路径或故障节点之间的差异作为损失函数，通过最小化损失函数来实现对目标知识图谱的训练。例如，可以通过[0098]图5示出了根据本发明的实施例的可以基于知识图谱进行产品故障根因分析的设[0099]示例的计算设备500包括内部通信总线502以及连接到内部通信总线502的处理器面详细描述的基于知识图谱进行产品故障根因分析的方法。存储器506适于有形地体现计[0100]计算机程序可以包括可以由计算机执行的指令，该指令用于使得计算设备500的处理器504执行本发明的基于