其他分享
首页 > 其他分享> > 率先推出器件可替代分析功能,达观知识图谱推理技术赋能库存管理智能化

率先推出器件可替代分析功能,达观知识图谱推理技术赋能库存管理智能化

作者:互联网

一直以来,备件管理是工业制造型企业库存管理的重要工作,也是公司降低运营成本、改善库存周转效率的主要举措。完善的管理体系结合先进的技术,是工业制造领域优秀企业的进行库存管理的关键。达观数据率先将认知智能引入库存管理领域,赋能工业企业智能化转型,使得库存管理的效率提升更上一层楼。

261

传统搜索引擎可以根据用户输入关键词基于文本相似度搜索算法快速找到相关文档,但搜索引擎技术并不能完全解决备件库存管理相似性判断所面临的问题,例如在电机管理中,文本搜索引擎基于文本相似度,可以一定程度实现“三相异步备件”与“三相交流异步电动机”之间相似性分析,但无法根据更多的参数实现不同型号(比如“Y651207-1”、“Y780812-1”)的电机之间是否具有相似性和是否可替代的检索、挖掘与分析。由此可见,虽然备件数据中已经包含了尺寸、电流、电压、功率、转速等参数,但传统方法并未用于进行相似检索和可替代挖掘的分析,大型企业的器件管理工作大幅依赖资深专家。

达观数据作为业内首个利用知识图谱技术提供工业制造领域数据图谱化应用服务的企业,基于对智能制造领域备件库管理应用场景诉求的深刻理解,借助知识图谱和自然语言处理技术将备件相关知识和经验进行结构化并构建到图谱中,然后利用这些沉淀下来的备件关键性数据为基础开发出一套专门针对可替代备件库知识挖掘的应用服务,有效运用自然语言语义分析理解和知识推理运算技术,挖掘符合业务需求的通用备件规则,构建并管理专家规则库,方便快速且准确的查询备件库可替代型号,提高管理效率。

一、器件知识图谱

为了更好的帮助工业领域的制造型企业更好的实现对备件库相似性检索的分析和挖掘工作。需要借助达观知识图谱作为底层技术设计通用备件库的图谱模式,并导入备件库的相关数据,随后以此为基础实现以备件产品实体为中心,以尺寸、安装、性能、安全要求等为维度展示相关内容,同时开发可替代备件实体组挖掘应用服务,以此实现在所构建的备件库知识图谱中,找到符合专家规则要求的可替代备件组,探索并处理新备件实体的归类分组,进一步方便业务人员快速寻找可替代性备件的相关信息,提升整体工作效率。

262

二、自动化和半自动化的知识图谱构建

目前大部分企业对备件库信息数据的存储方式,主要通过表格和文本形式来存储备件产品的历史知识和规则经验数据,在构建备件库知识图谱之前,首先,会由达观的图谱专家主导,企业专家协同,双方一起共同梳理企业备件产品知识和经验,结合企业自身的业务应用场景形成完整的备件库知识体系;其次,平台提供了一系列可视化图谱建模工具来帮助企业的业务专家和达观的图谱技术专家一起来梳理和设计图谱模式Schema。当图谱模式设计完成后,可以利用达观自主研发的映射式构建工具和抽取式构建工具把结构化和非结构化数据构建成图谱。

263

三、基于知识推理技术实现备件专家规则的分析挖掘

知识推理技术主要围绕关系的推理展开,即基于可替代备件库知识图谱中已有的事实或关系推断出备件之间潜在的事实或关系,在当前应用场景中,产品支持人工构建并管理可替代备件库专家规则,用户可以通过运用图形化配置界面,设置量化图谱中备件之间所关联的约束条件,从而构建出一组可替代性备件库的推断规则,实际应用中,可以通过应用该规则,直接在图谱中通过知识推理出一个或者多个可替代备件。

264

平台支持人工构建多个专家规则库,每个专家规则可以包含多个备件属性参数,支持定义不同参数类别和参数判断标准,每个规则下可以挖掘出符合判定条件的多个备件产品组。

例如,可以利用一条专家规则挖掘出的符合条件的备件分组,进一步展示同一类参数类别和参数判断标准下相同数值范围内可替代的不同备件产品信息。

265

从实际企业的应用成效来看,基于知识图谱的可替代备件库挖掘系统对企业日常的备件库管理、备件分类和备件可替代分析挖掘等场景中有比较高的应用价值,具体表现为:

1、辅助企业在备件库日常管理工作中有效摆脱对专家经验和能力的依赖,大幅度降低对备件库规则管理的专业分析门槛和用工成本,同时减少人工分析挖掘产生的失误风险。

2、为企业提供了一种可以充分利用专家沉淀的知识和经验,通过提供的线索和提示,帮助更多非专业人员提升对于备件库管理的分析挖掘能力,让真正的专家从繁重的管理工作中解放出来,专注于疑难问题攻关和创新工作,从而构建或保持企业的核心竞争力。

3、有效缩短企业对于备件规则库专业人员的培养周期,当出现新的备件时,实现快速将备件进行归类,并在后续相似性可替代挖掘场景中辅助工作人员准确定位可替换的备件设备,最终保障备件库管理运维工作的有序和高效运转。

标签:备件,图谱,知识,构建,规则,达观,替代,赋能
来源: https://blog.csdn.net/DataGrand/article/details/121161575