卷包設備故障檢修業務知識圖譜的構建

韋 偉，張 玉，胡 亮

（安徽工業大學管理科學與工程學院，安徽馬鞍山 210012）

0 引言

卷包設備具有高精密、高自動化、資產價值高等特點，是卷煙生產企業的核心生產設備。設備故障檢修時，檢修人員通常需要查詢設備故障維修手冊、故障案例庫等檢修業務資料。然而這些設備故障數據資料大部分存儲在各信息系統、系統日志、紙質文件及設備維修專家的頭腦中，存在查詢不便、查詢準確率不高、檢修工作效率較低、數據知識價值不能得到有效利用等問題。知識圖譜作為對知識進行有效管理的一個重要工具，它可以將多源異構的故障數據相互聯系，以圖的形式存儲，大大方便卷包設備故障數據資料的檢索復用，同時也使故障數據知識價值得到充分利用。

1 知識圖譜相關介紹

知識圖譜最早由谷歌公司提出，旨在提升搜索引擎性能，使搜索結果以精準的方式反饋給用戶，然而知識圖譜目前還沒有統一的官方定義，劉嶠等人[1]將知識圖譜定義為：以符號形式對現實世界中概念與關系進行結構化展示的語義知識庫。知識圖譜在數據結構上表現為，“節點和邊”聯系在一起的有向圖結構，通過把所有不同類的實體和關系以，諸多類似上述形式的三元組通過實體（節點）關系（邊）相互鏈接，從而構成較為復雜的、像網一樣的網狀知識結構即知識圖譜。

依據應用領域與應用場景的不同，知識圖譜可以分為通用知識圖譜和領域知識圖譜。知識圖譜搭建方式分為自頂向下、從下向上、上下相結合3 種，而領域知識圖譜常用自頂向下的構建方式，首先定義故障知識圖譜本體，其次基于本體相關概念關系的定義對故障數據資料進行知識抽取，獲取故障數據實例，最后將基于本體概念獲取的數據實例經知識消歧、知識分類、知識融合、知識存儲導入圖數據庫。

在知識圖譜構建過程中，知識抽取獲取數據實例的質量對后續故障知識圖譜的應用尤為重要，為知識圖譜構建過程中的研究重點。

2 卷包設備故障知識圖譜的構建

2.1 故障數據預處理

收集與整理卷包機組設備在檢修業務中涉及的相關數據資料，如設備維修技術手冊、設備故障檢修報告、設備故障檢修分析數據、安裝或拆除的部件信息等數據資料作為故障知識圖譜的數據源。這些數據資料大多為以自然語言記錄設備故障相關知識，以PDF、Word 形式存儲的非結構化數據，故該類數據的知識抽取較為負復雜，需要對數據資料進行預處理，首先需要讀取故障數據資料內容，其次通過正則表達式、自定義規則將數據整理轉化為規則完整的數據，最后將處理后的數據存儲為txt 格式。

2.2 故障知識圖譜本體構建

基于檢修業務相關故障知識范圍以及檢修業務中需要重用的知識信息，定義檢修業務中知識本體相關概念與關系。首先，定義需要重用的故障知識本體概念?；诒倔w構建不交類和避免類循環的原則，定義概念如設備（EQUIPMENT）、設備機型（EQUIPTYPE）、故障（FAULT）、檢修物料（EQUIPBOM）、故障現象（EQUIPFAULTPHEN）、故障原因（EQUIPDAULTCAUSE）、故障措施（EQUIPFAULTMEASURE）、處理效果（EQUIPFAULTEFFECT）、人員（PERSON）等共9 類。

其次，定義本體概念間的關系，如屬于、就職于、組成、包含、并發、引發、影響部位、影響物料、原因、措施、現象、產生、預防建議、修復效果、最終結果等共15 種。

2.3 訓練卷包設備故障知識抽取模型

故障數據知識抽取需要借助自然語言處理（NLP）相關方法，BERT+BILSTM+CRF 聯合模型為當前NLP 知識抽取中使用較多、知識抽取準確率較高的模型[2]。模型訓練的數據集來源于故障數據預處理后的.txt 數據資料，從中選取1000 項故障頻次較高、對檢修業務影響較大的數據，并對.txt 數據資料中的每行字數進行限定，避免模型訓練過程中因過擬合而影響訓練結果。對處理后的模型數據集借助“標注精靈”，按照B-I-O 方法標注本體中定義的9 類概念、19 種概念標簽（表1）。

表1 數據標注的標簽

將標注的數據集按7:3 分為訓練集和測試集，模型訓練環境Python 為3.6，Tensorflow 為1.5.0。模型參數設置如表2 所示。BERT-BILSTM-CRF 模型訓練效果的判別借助混淆矩陣（Confusion Matrix）分別計算出模型的Accuracy（準確率）、P（精確率）、R（召回率）和F1 值。模型訓練（train）數據集和測試（test）數據集的最優訓練結果如表3 所示。

表2 知識抽取模型參數設置

表3 知識抽取模型訓練結果

模型經訓練后，訓練集準確率達98.75，F1 值為91.32，測試集的準確率達98.59，F1 值為90.75。對該模型的識別效果通過自然語句進一步驗證，可以準確識別出語句中相關知識標簽（圖1）。

圖1 知識抽取模型效果驗證

2.4 卷包設備故障知識抽取與融合

（1）故障知識抽取。借助BERT-BILSTM-CRF 模型結合定義的知識抽取規則，從文本數據資料中抽取故障知識。

（2）故障知識消歧。因不同數據源獲取的故障知識，可能會存在知識表達方式不同但表示同一類知識，故需要對此類數據進行知識消岐、刪除重復信息以避免故障知識重復。

（3）故障知識分類。將經過消歧的故障知識，按照標簽自動劃分數據類別。

（4）故障知識融合。主要解決數據沖突問題，如一個短語對應多個實體的情況。

2.5 故障知識存儲

本文故障知識存儲選擇Neo4j圖數據庫[3]，因該數據庫以圖的形式存儲和管理知識，在檢索數據庫中知識時，只遍歷與檢索知識相關的節點，不受總數據集大小影響，知識檢索效率較高，且數據庫中主要以節點和邊將知識聯系組織在一起便于對獲取的知識直觀展示。將獲取的卷包機組設備故障知識存儲為csv 格式，再以系統中的load 批量導入方式將故障知識導入Neo4j 圖數據庫，再借助match 查詢語句獲取知識圖譜相關故障知識。

以查詢故障知識圖譜中的“煙支破損”為例，match 查詢后獲取到故障知識圖譜中有關煙支破損相關知識將以節點和邊的形式直觀展示（圖2）。

圖2 故障知識圖譜檢索結果示例

3 結論

通過構建卷包設備故障知識圖譜，一方面可以使卷煙企業存儲多年的多源異構的設備故障數據資料發揮信息價值，另一方面還可以輔助設備故障檢修人員的檢修工作，提高檢修工作效率。此外，還可以通過Neo4j 的cypher 相關語句對故障知識進行增、刪、改、查等，使故障知識圖譜持續更新與完善。