基于大模型的重點工業(yè)產(chǎn)品缺陷預(yù)測評價研究

摘 要：傳統(tǒng)監(jiān)管模式難以適應(yīng)重點工業(yè)產(chǎn)品的高速發(fā)展，重點工業(yè)產(chǎn)品質(zhì)量缺陷風(fēng)險監(jiān)管需要從傳統(tǒng)監(jiān)管模式向智能監(jiān)管模式轉(zhuǎn)變，本文構(gòu)建重點工業(yè)產(chǎn)品的缺陷預(yù)測評價大模型，設(shè)立外部數(shù)據(jù)預(yù)測單元和內(nèi)部數(shù)據(jù)預(yù)測單元、七個預(yù)測模型，實現(xiàn)基于人工智能的重點工業(yè)產(chǎn)品缺陷預(yù)測評價體系。為重點工業(yè)產(chǎn)品質(zhì)量缺陷預(yù)測和評價提供分析與決策支持，為重點工業(yè)產(chǎn)品質(zhì)量安全監(jiān)管模式提供思路。

關(guān)鍵詞：智慧監(jiān)管，重點工業(yè)產(chǎn)品，缺陷預(yù)測評價，大模型

DOI編碼：10.3969/j.issn.1002-5944.2025.01.034

0 引 言

2022年國務(wù)院發(fā)布的《關(guān)于加強數(shù)字政府建設(shè)的指導(dǎo)意見》中提到加強數(shù)字政府建設(shè)是引領(lǐng)驅(qū)動數(shù)字經(jīng)濟發(fā)展和數(shù)字社會建設(shè)、營造良好數(shù)字生態(tài)、加快數(shù)字化發(fā)展的必然要求。在《“十四五”市場監(jiān)管現(xiàn)代化規(guī)劃》中明確增強市場監(jiān)管基礎(chǔ)能力，加快推進智慧監(jiān)管，充分運用互聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、人工智能等現(xiàn)代技術(shù)手段，加快提升市場監(jiān)管效能。

研究發(fā)現(xiàn)在食品監(jiān)管領(lǐng)域、信用監(jiān)管領(lǐng)域、廣告監(jiān)管領(lǐng)域正在逐步實現(xiàn)大數(shù)據(jù)智慧監(jiān)管模式[1]，通過自然語言處理、計算機視覺、深度學(xué)習(xí)進行食品[2]等安全風(fēng)險預(yù)測和監(jiān)管。而對于重點工業(yè)產(chǎn)品，由于其復(fù)雜多樣、涵蓋面廣，目前還處于理論探索階段，尚未形成基于人工智能深度學(xué)習(xí)的智慧監(jiān)管模式。特別是對于重點工業(yè)產(chǎn)品存在的質(zhì)量缺陷問題，僅采用傳統(tǒng)的監(jiān)管模式將耗費大量財力人力，迫切需要利用大數(shù)據(jù)技術(shù)進行重點工業(yè)產(chǎn)品缺陷預(yù)測評價，實現(xiàn)智能化監(jiān)管，以提升監(jiān)管效率。

1 缺陷預(yù)測評價大模型研究現(xiàn)狀

1.1 國外研究現(xiàn)狀

國外研究中，Tan等[3]認(rèn)為傳統(tǒng)數(shù)據(jù)管理技術(shù)和分析方法已經(jīng)無法滿足現(xiàn)在的商業(yè)環(huán)境中應(yīng)用，提出建立商品數(shù)據(jù)大數(shù)據(jù)質(zhì)量分析模型，收集工業(yè)生產(chǎn)數(shù)據(jù)、消費服務(wù)數(shù)據(jù)，進行大數(shù)據(jù)質(zhì)量分析，分析產(chǎn)品故障率和質(zhì)量發(fā)展趨勢，提高產(chǎn)品質(zhì)量和可靠性。Juan L.Asenjo等[4]提出使用大數(shù)據(jù)進行的工業(yè)系統(tǒng)風(fēng)險評估，基于從多個企業(yè)、銷售商和供應(yīng)鏈實體收集到云平臺中的全局?jǐn)?shù)據(jù)，對企業(yè)制造資產(chǎn)、業(yè)務(wù)營運以及供應(yīng)鏈動態(tài)執(zhí)行風(fēng)險評估分析。Luis等[5]設(shè)計了食品安全監(jiān)測系統(tǒng)，實現(xiàn)了對網(wǎng)絡(luò)文本信息的采集和食品安全事件的自動提取。

1.2 國內(nèi)研究情況

國內(nèi)研究中，鐘武昌等[6]提出產(chǎn)品質(zhì)量問題預(yù)測方法，通過傳感器、RFID等設(shè)備采集制造過程數(shù)據(jù)，包括工藝數(shù)據(jù)、設(shè)備數(shù)據(jù)等，對數(shù)據(jù)進行預(yù)處理，XGboost結(jié)合SHAP模型進行制造過程數(shù)據(jù)的特征選擇，并挖掘出與產(chǎn)品質(zhì)量相關(guān)性高的影響因素，建立搭建基于Stacking集成的產(chǎn)品質(zhì)量預(yù)測模型，該模型能為改善產(chǎn)品質(zhì)量提供數(shù)據(jù)依據(jù)，從而進一步降低企業(yè)生產(chǎn)制造成本。

孫曼[ 7 ]提出基于神經(jīng)網(wǎng)絡(luò)的礦石質(zhì)量預(yù)測方法，通過生產(chǎn)加工數(shù)據(jù)分析生產(chǎn)溫度對礦石產(chǎn)品質(zhì)量的影響，再用神經(jīng)網(wǎng)絡(luò)預(yù)測溫度對產(chǎn)品質(zhì)量影響結(jié)果。

路松峰等[8]提出一種產(chǎn)品質(zhì)量預(yù)測方法以及系統(tǒng)，通過獲取產(chǎn)品的生產(chǎn)環(huán)境數(shù)據(jù)、生產(chǎn)相關(guān)數(shù)據(jù)以及當(dāng)前生產(chǎn)信息，從產(chǎn)品生產(chǎn)周期性、生產(chǎn)工序、質(zhì)量趨勢，實現(xiàn)生產(chǎn)過程中的產(chǎn)品質(zhì)量預(yù)測。

金蒼宏等[9]提出一種基于商品評論輿情的跨境產(chǎn)品質(zhì)量風(fēng)險模糊預(yù)測方法，通過用戶對某一類商品的質(zhì)量評價內(nèi)容的判斷預(yù)測該產(chǎn)品質(zhì)量優(yōu)劣等級。

以上文獻是生產(chǎn)企業(yè)為了提升生產(chǎn)產(chǎn)品的產(chǎn)品質(zhì)量而建立的質(zhì)量預(yù)測系統(tǒng)，通過產(chǎn)品的質(zhì)量數(shù)據(jù)、商品評論及生產(chǎn)過程中的工藝原料等進行質(zhì)量預(yù)測。

對于監(jiān)管領(lǐng)域來說，生產(chǎn)過程中的工藝原料等信息是難以獲取的，僅以上述生產(chǎn)數(shù)據(jù)難以支撐龐大的監(jiān)管體系進行質(zhì)量預(yù)測，且相關(guān)文獻中，均尚未提及對重點工業(yè)產(chǎn)品整體的產(chǎn)品缺陷風(fēng)險預(yù)測及監(jiān)管系統(tǒng)的模型建立，監(jiān)管領(lǐng)域的重點工業(yè)產(chǎn)品缺陷風(fēng)險預(yù)測模型還屬于空白。

2 缺陷預(yù)測評價大模型建立

本研究構(gòu)建基于人工智能的重點工業(yè)產(chǎn)品缺陷預(yù)測評價大模型。以生產(chǎn)企業(yè)為單位，實時獲取外部數(shù)據(jù)包括產(chǎn)品價格、產(chǎn)品歷史質(zhì)量、產(chǎn)品標(biāo)準(zhǔn)情況等，以及內(nèi)部數(shù)據(jù)包括生產(chǎn)數(shù)據(jù)、原材料數(shù)據(jù)、生產(chǎn)設(shè)備情況、質(zhì)量管理與研發(fā)情況等。在大模型中建立外部數(shù)據(jù)預(yù)測單元和內(nèi)部數(shù)據(jù)預(yù)測單元，分別從兩個單元進行智能數(shù)據(jù)收集、智能數(shù)據(jù)分析、智能數(shù)據(jù)預(yù)測，再建立整體缺陷預(yù)測大模型，設(shè)置知識圖譜、優(yōu)化模型和決策模型，從企業(yè)產(chǎn)品和區(qū)域行業(yè)產(chǎn)品兩個方面開展缺陷風(fēng)險預(yù)測并給出監(jiān)管預(yù)警。大模型框架如圖1所示。

2.1 外部數(shù)據(jù)預(yù)測單元

外部數(shù)據(jù)預(yù)測單元進行產(chǎn)品質(zhì)量數(shù)據(jù)建模、同類產(chǎn)品價格比對建模、產(chǎn)品標(biāo)準(zhǔn)比對建模。

進行產(chǎn)品質(zhì)量數(shù)據(jù)建模，在網(wǎng)站平臺上大數(shù)據(jù)挖掘待預(yù)測的某生產(chǎn)者產(chǎn)品的質(zhì)量數(shù)據(jù)，存入歷年質(zhì)量數(shù)據(jù)庫，并進行數(shù)據(jù)智能清洗和優(yōu)化，過濾重復(fù)的質(zhì)量信息及不屬于威脅人身、財產(chǎn)安全的產(chǎn)品缺陷信息等。深度學(xué)習(xí)并建立缺陷類型對照表，分析產(chǎn)品缺陷類型，通過其缺陷類型智能預(yù)測該生產(chǎn)者是否有其他批次或型號產(chǎn)品存在同樣問題，并將預(yù)測結(jié)果送入整體缺陷預(yù)測大模型中。

其中，缺陷類型通常分為警示缺陷、制造缺陷、設(shè)計缺陷。如對于因警示標(biāo)識有誤而存在安全隱患的警示缺陷，由于警示標(biāo)識具有批次性，分析同型號的臨近批次產(chǎn)品可能都使用了該警示標(biāo)識，而導(dǎo)致存在相同的缺陷。對于電子電路中抗電強度不足，電氣間隙、爬電距離不足等設(shè)計缺陷，分析可能該產(chǎn)品自生產(chǎn)出廠以來都存在缺陷問題。建立缺陷類型對照表，對于工藝、原材料等造成的產(chǎn)品缺陷，對應(yīng)為制造缺陷；對于電路結(jié)構(gòu)、家具結(jié)構(gòu)等造成的產(chǎn)品缺陷，對應(yīng)為設(shè)計缺陷；對于警示標(biāo)識缺失造成的產(chǎn)品缺陷，對應(yīng)為警示缺陷。對獲取的產(chǎn)品歷史質(zhì)量數(shù)據(jù)進行智能分析，確定其缺陷類型，并將產(chǎn)品質(zhì)量數(shù)據(jù)及對應(yīng)的缺陷類型更新到缺陷類型對照表中。

挖掘的產(chǎn)品質(zhì)量數(shù)據(jù)包括企業(yè)產(chǎn)品的監(jiān)督抽查及風(fēng)險監(jiān)測不合格數(shù)據(jù)，消費者投訴數(shù)據(jù)等。

進行同類產(chǎn)品價格比對建模，獲取待預(yù)測的某生產(chǎn)者產(chǎn)品的價格。設(shè)立同類產(chǎn)品價格數(shù)據(jù)庫，大數(shù)據(jù)挖掘同類產(chǎn)品價格數(shù)據(jù)，放入同類產(chǎn)品價格數(shù)據(jù)庫并進行智能清洗和優(yōu)化，過濾明顯低于市場價格的數(shù)據(jù)以及品牌定位高端的價格數(shù)據(jù)，通過離散神經(jīng)網(wǎng)絡(luò)模型分析同類產(chǎn)品平均價格，分析同類產(chǎn)品中行業(yè)龍頭企業(yè)、品牌企業(yè)、主流企業(yè)、主流產(chǎn)品的產(chǎn)品價格區(qū)間和平均價格，綜合確定同類產(chǎn)品的平均市場價格。若該款產(chǎn)品的價格遠(yuǎn)低于平均市場價格，則推斷產(chǎn)品可能存在質(zhì)量問題，并將產(chǎn)品價格、平均市場價格結(jié)果送入整體缺陷預(yù)測大模型。

進行產(chǎn)品標(biāo)準(zhǔn)比對建模，確定待預(yù)測的某生產(chǎn)者產(chǎn)品的標(biāo)稱使用標(biāo)準(zhǔn)。根據(jù)該標(biāo)準(zhǔn)在網(wǎng)絡(luò)平臺獲取對應(yīng)的指標(biāo)內(nèi)容。大數(shù)據(jù)挖掘該產(chǎn)品相關(guān)的現(xiàn)行其他安全標(biāo)準(zhǔn)內(nèi)容，智能分析比對產(chǎn)品標(biāo)稱標(biāo)準(zhǔn)相較其他標(biāo)準(zhǔn)所缺少的指標(biāo)內(nèi)容，智能分析缺少指標(biāo)的安全風(fēng)險程度。若該款產(chǎn)品所依據(jù)的標(biāo)準(zhǔn)缺少安全風(fēng)險程度高的指標(biāo)，推定該款產(chǎn)品可能存在缺陷，并將缺少的可能存在缺陷的指標(biāo)內(nèi)容送入整體缺陷預(yù)測大模型。標(biāo)準(zhǔn)指標(biāo)內(nèi)容可以從相關(guān)專業(yè)網(wǎng)站獲取，可建立標(biāo)準(zhǔn)指標(biāo)內(nèi)容數(shù)據(jù)庫。

重點工業(yè)產(chǎn)品越來越復(fù)雜化、多樣化，強制性安全標(biāo)準(zhǔn)無法涵蓋所有產(chǎn)品，某些產(chǎn)品在國家或行業(yè)強制性安全標(biāo)準(zhǔn)尚未發(fā)布前，生產(chǎn)者可以自行選擇該產(chǎn)品需依據(jù)的標(biāo)準(zhǔn)，但推薦性的國家標(biāo)準(zhǔn)，行業(yè)標(biāo)準(zhǔn)等其安全指標(biāo)不盡相同，若生產(chǎn)者選用標(biāo)準(zhǔn)要求更低、安全指標(biāo)項目更少的標(biāo)準(zhǔn)，其生產(chǎn)的產(chǎn)品會因某項重要安全指標(biāo)缺失，而存在安全隱患，因此通過對其依據(jù)標(biāo)準(zhǔn)的比對，能夠分析預(yù)測產(chǎn)品可能的缺陷問題。

2.2 內(nèi)部數(shù)據(jù)預(yù)測單元

內(nèi)部數(shù)據(jù)預(yù)測單元進行關(guān)鍵生產(chǎn)設(shè)備數(shù)據(jù)建模、生產(chǎn)環(huán)境數(shù)據(jù)建模、關(guān)鍵原材料數(shù)據(jù)建模、質(zhì)量管理與研發(fā)投入建模。

進行關(guān)鍵生產(chǎn)設(shè)備數(shù)據(jù)建模，獲取待預(yù)測產(chǎn)品的關(guān)鍵生產(chǎn)設(shè)備參數(shù)，如設(shè)備生產(chǎn)企業(yè)、設(shè)備生產(chǎn)時間、設(shè)備使用壽命、設(shè)備精度、設(shè)備價格、設(shè)備規(guī)格、對應(yīng)設(shè)備生產(chǎn)企業(yè)的歷史質(zhì)量數(shù)據(jù)，設(shè)備計量數(shù)據(jù)如計量周期、計量頻次、最近計量時間、計量精度，設(shè)備運行參數(shù)，如設(shè)備運行故障情況、設(shè)備運行時間等。建立關(guān)鍵生產(chǎn)設(shè)備預(yù)測模型一，將設(shè)備生產(chǎn)企業(yè)、設(shè)備生產(chǎn)時間、設(shè)備使用壽命、設(shè)備精度、設(shè)備價格、設(shè)備規(guī)格、對應(yīng)設(shè)備生產(chǎn)企業(yè)的質(zhì)量數(shù)據(jù)放入關(guān)鍵生產(chǎn)設(shè)備預(yù)測模型一中，智能評估判斷設(shè)備質(zhì)量等級，并將預(yù)測的設(shè)備質(zhì)量等級送入整體缺陷預(yù)測大模型；建立關(guān)鍵生產(chǎn)設(shè)備預(yù)測模型二，將計量周期、計量頻次、最近計量時間、計量精度等數(shù)據(jù)放入關(guān)鍵生產(chǎn)設(shè)備預(yù)測模型二中，判斷是否存在設(shè)備到期未計量、精度不準(zhǔn)確等情況，智能評估設(shè)備目前生產(chǎn)精度，并將設(shè)備目前生產(chǎn)精度結(jié)果送入整體缺陷預(yù)測大模型，同時向生產(chǎn)者提出維護預(yù)警；建立關(guān)鍵生產(chǎn)設(shè)備預(yù)測模型三，將設(shè)備運行故障情況、設(shè)備運行時間等數(shù)據(jù)放入關(guān)鍵生產(chǎn)設(shè)備預(yù)測模型三中，智能判斷設(shè)備生產(chǎn)是否超出合理生產(chǎn)時長，是否超過設(shè)備使用壽命，判斷設(shè)備運行疲勞度，并將判斷結(jié)果送入整體缺陷預(yù)測大模型。以上數(shù)據(jù)通過企業(yè)報告、相關(guān)專業(yè)網(wǎng)站獲取。

進行生產(chǎn)環(huán)境數(shù)據(jù)建模，獲取待預(yù)測產(chǎn)品的生產(chǎn)環(huán)境數(shù)據(jù)。大數(shù)據(jù)分析適宜產(chǎn)品生產(chǎn)的環(huán)境參數(shù)，將產(chǎn)品生產(chǎn)環(huán)境數(shù)據(jù)與適宜產(chǎn)品生產(chǎn)的環(huán)境參數(shù)智能比對，判斷產(chǎn)品是否在適宜的生產(chǎn)環(huán)境中生產(chǎn)，并將判斷結(jié)果送入整體缺陷預(yù)測大模型。大數(shù)據(jù)分析的環(huán)境參數(shù)包括溫度、濕度、清潔、滅菌等情況。獲取生產(chǎn)環(huán)境數(shù)據(jù)的方法可以是傳感器傳輸、生產(chǎn)者上報、攝像圖像上傳等。

進行關(guān)鍵原材料數(shù)據(jù)建模，確定待預(yù)測產(chǎn)品需要用到的各重要原材料名稱。大數(shù)據(jù)分析并確定原材料對應(yīng)的原料名稱（如電源線使用的銅、鋁金屬材料），獲取其實時價格，原料價格一定程度上會影響原材料的質(zhì)量，大數(shù)據(jù)分析預(yù)測原料價格影響原材料質(zhì)量結(jié)果。可以將一段歷史時間的原料價格與同時間產(chǎn)品質(zhì)量抽查情況進行分析比對，以此方式預(yù)測當(dāng)前時刻的原材料質(zhì)量結(jié)果，再將原材料質(zhì)量分析預(yù)測結(jié)果送入整體缺陷預(yù)測大模型。大數(shù)據(jù)獲取原材料供應(yīng)商歷史質(zhì)量，分析供應(yīng)商歷史質(zhì)量影響原材料質(zhì)量結(jié)果，并將分析結(jié)果送入整體缺陷預(yù)測大模型。

進行質(zhì)量管理與研發(fā)投入建模，獲取待預(yù)測產(chǎn)品的企業(yè)質(zhì)量管理相關(guān)數(shù)據(jù)，包括企業(yè)經(jīng)營規(guī)模、工商異常數(shù)據(jù)、研發(fā)投入占比、研發(fā)人員占比、產(chǎn)出成果占比、品牌價值、產(chǎn)品市場占有率、開放發(fā)展情況、歷史質(zhì)量數(shù)據(jù)，用于評價質(zhì)量管理與研發(fā)投入情況。通過離散神經(jīng)網(wǎng)絡(luò)模型抽取部分同類生產(chǎn)企業(yè)的質(zhì)量管理相關(guān)數(shù)據(jù)，確定行業(yè)質(zhì)量管理相關(guān)數(shù)據(jù)的平均值。將企業(yè)質(zhì)量管理相關(guān)數(shù)據(jù)與行業(yè)質(zhì)量管理相關(guān)數(shù)據(jù)的平均值智能比較，判斷該企業(yè)各質(zhì)量管理相關(guān)數(shù)據(jù)的優(yōu)劣，并將該企業(yè)各質(zhì)量管理相關(guān)數(shù)據(jù)及優(yōu)劣等級送入整體缺陷預(yù)測大模型。其中質(zhì)量數(shù)據(jù)獲取近三年來企業(yè)質(zhì)量不合格數(shù)據(jù)。企業(yè)經(jīng)營規(guī)模、工商異常數(shù)據(jù)、研發(fā)投入占比等數(shù)據(jù)可以從相關(guān)專業(yè)網(wǎng)站獲取。

2.3 整體預(yù)測模型

將各模型輸出的數(shù)據(jù)結(jié)果放入整體缺陷預(yù)測大模型中，在大模型中構(gòu)建知識譜圖，知識圖譜包括了七個模型的數(shù)據(jù)。設(shè)置加工規(guī)則設(shè)立優(yōu)化模型進行結(jié)果優(yōu)化加工，設(shè)立評價模型，該評價模型采用矩陣法或權(quán)重賦分法等，將優(yōu)化加工的數(shù)據(jù)結(jié)果放入模型中開展缺陷預(yù)測，得到待預(yù)測產(chǎn)品的預(yù)測評價結(jié)果，并向監(jiān)管部門和相關(guān)生產(chǎn)企業(yè)發(fā)出缺陷風(fēng)險預(yù)警。產(chǎn)品缺陷預(yù)測評價大模型框架圖如圖1所示。

3 結(jié) 語

本文提出建立重點工業(yè)產(chǎn)品缺陷預(yù)測評價大模型，通過人工智能大模型預(yù)測并評價重點工業(yè)產(chǎn)品缺陷，實現(xiàn)監(jiān)管信息的智能采集、處理和預(yù)警，為重點工業(yè)產(chǎn)品質(zhì)量安全智慧監(jiān)管提供分析與決策支持，為構(gòu)建智能化重點工業(yè)產(chǎn)品安全監(jiān)管體系提供參考，提高重點工業(yè)產(chǎn)品缺陷預(yù)測及評價效能。

參考文獻

[1]趙忠學(xué).食品安全智慧監(jiān)管：一個新的分析框架[J].中國食品藥品監(jiān)管，2024（3）：48-71.

[2]王軒.基于大數(shù)據(jù)的食品安全智能監(jiān)管模型研究[J].食品安全導(dǎo)刊，2023（30）：150-153.

[3]TAN J S， ANG A K， LU L， et al. Quality analytics ina big data supply chain： Commodity data analyticsfor qua lity engineer ing [C] // 2 016 I EEE Region 10Conference（TENCON）. 2016： 3455-3463.

[4]Rockwell Automation Technologies， Inc. Risk assessmentfor industrial systems using big data： US14087821[P].2014-11-13.

[5]LUIS C R， CRISTINA R S， VALVERDE S L ， et al.Chromatographic fingerprinting： an innovative approachfor food‘identitation’and food authentication-a tutorial[J].Analytica Chimica Acta， 2016， 909： 9-23.

[6]鐘武昌，戰(zhàn)洪飛，林穎俊，等.基于機器學(xué)習(xí)多算法集成的產(chǎn)品質(zhì)量問題預(yù)測方法[J].機械設(shè)計與研究，2023（5）：100-107.

[7]孫曼.基于神經(jīng)網(wǎng)絡(luò)的產(chǎn)品質(zhì)量預(yù)測方法[J].數(shù)字通信世界，2023（12）：90-96.

[8]華中科技大學(xué).產(chǎn)品質(zhì)量預(yù)測方法以及系統(tǒng)：CN202110781688.1[P].2021-11-09.

[9]浙江大學(xué)城市學(xué)院.一種基于商品評論輿情的跨境產(chǎn)品質(zhì)量風(fēng)險模糊預(yù)測方法：CN201810300790.3[P].2018-04-04.

作者簡介

趙瑩，碩士，工程師，研究方向為缺陷產(chǎn)品管理。

楊鵬，通信作者，本科，研究方向為缺陷產(chǎn)品管理。

（責(zé)任編輯：張瑞洋）

基金項目：本文受重慶市市場監(jiān)督管理局科技項目“產(chǎn)品缺陷認(rèn)定評價標(biāo)準(zhǔn)指標(biāo)體系研究”（項目編號：CQSJKJ2022044）資助。