【技术实现步骤摘要】
一种基于维修知识图谱的复杂设备维修指导方法
[0001]本专利技术涉及设备维修
，特别是一种基于维修知识图谱的复杂设备维修指导方法。
技术介绍
[0002]目前，我国的航空航天、工业制造、高铁等领域的发展离不开飞机、工业母机、专用设备等众多复杂设备的支持。而随着时代的发展与科技的进步，这些复杂设备也迎来了重大技术升级，其中大量的机械设备均由众多电子设备与模块所替代，但这也使得设备系统变得更加复杂，为设备维修带来了更多问题。
[0003]在复杂设备的维修指导领域，当下采取的主要手段依然是由专业维修人员通过自身经验、维修指导手册、行业规范资料等来进行设备维护保养、设备检修、设备故障维修等维修工作，这种维修模式由于人为因素的影响，往往会出现问题处理不及时、维修方式不合理、维修人力资源浪费等问题；同时，在设备维护保养与检修方面，传统的定期维护保养与检修模式也已不太适用，过于频繁的维护保养与检修会造成人力成本与时间成本的严重浪费，不及时的维护保养与检修又会造成设备故障，甚至引发安全事故，而在环境各异的条件下，设备厂家所提供的检修与维护保养时间往往会存在较大的偏差，从而导致基于厂家或行业提供的检修与维护保养建议的预防维修真实效果往往不太不理想。
技术实现思路
[0004]鉴于此，本专利技术提供一种基于维修知识图谱的复杂设备维修指导方法，以解决上述技术问题。
[0005]本专利技术公开了一种基于维修知识图谱的复杂设备维修指导方法，其包括：
[0006]步骤1：构建维修知识图谱；>[0007]步骤2：基于维修知识图谱进行问题定位与维修操作指导；
[0008]步骤3：基于维修知识图谱进行维修任务规划；
[0009]步骤4：基于维修知识图谱生成自适应维修方案。
[0010]进一步地，所述步骤1中：
[0011]所述维修知识图谱包括实体类别、属性
‑
实体对照信息、各实体类别之间关系；
[0012]将所需要的数据源归纳为两类三元组，即“实体
‑
属性名称
‑
属性”与“实体
‑
关系
‑
实体”；其中，“实体
‑
属性名称
‑
属性”表示维修知识图谱中的实体节点，“实体
‑
关系
‑
实体”表示实体节点与实体节点之间的连接关系；
[0013]从非结构化数据与企业内部系统存储的结构化数据中提取所述“实体
‑
属性名称
‑
属性”和所述“实体
‑
关系
‑
实体”两类三元组信息，将所得“实体
‑
属性名称
‑
属性”三元组导入图数据库中，即形成大量维修知识图谱实体节点，将所得“实体
‑
关系
‑
实体”三元组导入图数据库中，即形成各实体节点间的连接关系；所述非结构化数据包括现有维修指导手册、有效维护与维修日志的准确记录。
[0014]进一步地，所述步骤1中：
[0015]定义问题关键词实体，对所得“问题现象编号
‑
属性
‑
问题现象”中的问题现象属性值进行分词、去停用词操作，并基于TF
‑
IDF算法进行关键词提取操作，得到问题现象描述对应的关键词集合；每一个关键词即为一个问题关键词实体；
[0016]将所得问题关键词实体集合与问题现象编号实体组合成“问题关键词
‑
出现次数
‑
问题现象编号”三元组形式，并导入图数据库，即得到所需维修知识图谱。
[0017]进一步地，所述步骤2包括：
[0018]基于确定的问题现象编号实体，从维修知识图谱中获取对应问题编号实体节点以及与问题编号关联的维修指导编号实体，基于维修指导编号实体中的维修指导属性对应内容，以利于维修人员完成维修任务。
[0019]进一步地，所述问题现象编号实体的确定过程，包括：
[0020]当需要进行维修作业时，引导用户输入关于实体类别的描述文本，并使用命名实体识别的方法，从描述文本中提取所述实体类别；其中，所述实体类别包括设备型号、部件型号、部件编号、问题关键词；
[0021]基于所得实体类别，在维修知识图谱中搜索关联的问题现象编号实体；若所得问题现象编号实体不超过m个，则直接返回对应问题现象供用户筛选；若类别多于m个，则计算所得问题现象编号实体的匹配度，并按照匹配度对问题现象编号实体按从大到小的方式进行排序，返回前m个问题现象供用户筛选；
[0022]基于选择的问题现象编号实体中的问题，排除属性对应内容，维修人员排查问题是否存在，若不存在，则进一步完善问题现象描述，以确定具体的问题现象编号实体。
[0023]进一步地，所述问题现象编号实体的匹配度的计算公式为：
[0024][0025]其中，匹配度p值越大，匹配度越高，D
r
为通过用户输入文本所得问题关键词实体集合，len(D
r
)即为D
r
中问题关键词实体数量，D
k
为维修知识图谱中问题现象编号实体关联问题关键词实体集合，n
d
为问题关键词实体的出现次数。
[0026]进一步地，所述步骤3包括：
[0027]针对确定的问题现象编号实体，从维修知识图谱中获取大量与其关联的问题编号实体，基于所得问题编号实体，即可从维修知识图谱中获取由维修编号实体、维修人员实体以及各实体间关系所组成的知识图谱子图；
[0028]针对所得知识图谱子图中的维修编号实体，计算各维修编号实体当前维修人工成本与维修时间成本，并计算各维修实体综合成本系数；
[0029]从现有员工管理系统中获取维修人员状态，将问题影响与维修方案反馈至管理人员，管理人员按维修成本、维修时间成本与维修综合成本系数对维修方案信息进行排序查看，并结合需求指标进行维修任务规划与指派。
[0030]进一步地，假设对应维修编号实体由k个员工配合执行，则维修编号实体对应的当前维修人工成本的计算公式为：
[0031][0032]其中，C为对应维修编号实体当前维修人工成本，c
i
为第i个维修人员当前时薪，t
i
为第i个维修人员执行此维修编号实体对应任务时所耗费的时间；
[0033]所述维修实体综合成本系数的计算公式为：
[0034]M＝w
c
C+(1
‑
w
c
)C
d
Δt
[0035]其中，M为维修编号实体对应当前维修综合成本系数，w
c
为人工成本权重系数，且0≤w
c
≤1，C为对应维修编号实体当前维修人工成本，C
d
为当前设备停机单位时间成本，Δt为维修编号实体对应维修时间，C
d本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于维修知识图谱的复杂设备维修指导方法，其特征在于，包括：步骤1：构建维修知识图谱；步骤2：基于维修知识图谱进行问题定位与维修操作指导；步骤3：基于维修知识图谱进行维修任务规划；步骤4：基于维修知识图谱生成自适应维修方案。2.根据权利要求1所述的方法，其特征在于，所述步骤1中：所述维修知识图谱包括实体类别、属性
‑
实体对照信息、各实体类别之间关系；将所需要的数据源归纳为两类三元组，即“实体
‑
属性名称
‑
属性”与“实体
‑
关系
‑
实体”；其中，“实体
‑
属性名称
‑
属性”表示维修知识图谱中的实体节点，“实体
‑
关系
‑
实体”表示实体节点与实体节点之间的连接关系；从非结构化数据与企业内部系统存储的结构化数据中提取所述“实体
‑
属性名称
‑
属性”和所述“实体
‑
关系
‑
实体”两类三元组信息，将所得“实体
‑
属性名称
‑
属性”三元组导入图数据库中，即形成大量维修知识图谱实体节点，将所得“实体
‑
关系
‑
实体”三元组导入图数据库中，即形成各实体节点间的连接关系；所述非结构化数据包括现有维修指导手册、有效维护与维修日志的准确记录。3.根据权利要求1所述的方法，其特征在于，所述步骤1中：定义问题关键词实体，对所得“问题现象编号
‑
属性
‑
问题现象”中的问题现象属性值进行分词、去停用词操作，并基于TF
‑
IDF算法进行关键词提取操作，得到问题现象描述对应的关键词集合；每一个关键词即为一个问题关键词实体；将所得问题关键词实体集合与问题现象编号实体组合成“问题关键词
‑
出现次数
‑
问题现象编号”三元组形式，并导入图数据库，即得到所需维修知识图谱。4.根据权利要求1所述的方法，其特征在于，所述步骤2包括：基于确定的问题现象编号实体，从维修知识图谱中获取对应问题编号实体节点以及与问题编号关联的维修指导编号实体，基于维修指导编号实体中的维修指导属性对应内容，以利于维修人员完成维修任务。5.根据权利要求4所述的方法，其特征在于，所述问题现象编号实体的确定过程，包括：当需要进行维修作业时，引导用户输入关于实体类别的描述文本，并使用命名实体识别的方法，从描述文本中提取所述实体类别；其中，所述实体类别包括设备型号、部件型号、部件编号、问题关键词；基于所得实体类别，在维修知识图谱中搜索关联的问题现象编号实体；若所得问题现象编号实体不超过m个，则直接返回对应问题现象供用户筛选；若类别多于m个，则计算所得问题现象编号实体的匹配度，并按照匹配度对问题现象编号实体按从大到小的方式进行排序，返回前m个问题现象供用户筛选；基于选择的问题现象编号实体中的问题，排除属性对应内容，维修人员排查问题是否存在，若不存在，则进一步完善问题现象描述，以确定具体的问题现象编号实体。6.根据权利要求5所述的方法，其特征在于，所述问题现象编号实体的匹配度的计算公式为：
其中，匹配度p值越大，匹配度越高，D<...
【专利技术属性】
技术研发人员：马波涛，李越，张青，王开业，
申请(专利权)人：成都航天科工大数据研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。