FulllifecycledataknowledgereasoningtechnicalspecificationsformaproductsI 2 2 2 24.4知識(shí)整合與表征層 24.5知識(shí)推理層 3 3 3 3 3 3 3 45.6評(píng)價(jià)指標(biāo) 4 5 5 6 6本文件按照GB/T1.1—2020《標(biāo)準(zhǔn)化工作導(dǎo)則第1部分：標(biāo)準(zhǔn)化文件的結(jié)構(gòu)和起草規(guī)則》的規(guī)定請(qǐng)注意本文件的某些內(nèi)容可能涉及專利。本文件的發(fā)布機(jī)構(gòu)不承擔(dān)識(shí)別專利的責(zé)任。省中云數(shù)訊科技股份有限公司、聯(lián)通（吉林）產(chǎn)業(yè)互聯(lián)網(wǎng)有限公司、吉林省環(huán)境科學(xué)研究周時(shí)瑩、李長龍、高仕寧、孔祥明、孫宗姚、陳欣、陳瑤、王為1制造業(yè)產(chǎn)品的全生命周期數(shù)據(jù)知識(shí)推理技術(shù)規(guī)范所構(gòu)成的知識(shí)圖譜對(duì)于現(xiàn)有知識(shí)的糾錯(cuò)以及對(duì)于未直接包含的知識(shí)推理的流程，能作為標(biāo)準(zhǔn)制造業(yè)產(chǎn)品全生命周期數(shù)據(jù)的知識(shí)推理的技術(shù)參考，并給出了應(yīng)用場景整體流程3.1念、事件、地點(diǎn)、時(shí)間等各種元素，它們通過具體的屬性和關(guān)系與其他實(shí)體相互聯(lián)系和描述。3.23.3示，h為主語或者頭實(shí)體，t為賓語或者尾實(shí)體，r為謂語或3.43.5，？），？，2，？）4知識(shí)獲取、整合和表示4,1整體架構(gòu)標(biāo)準(zhǔn)制造業(yè)產(chǎn)品的全生命周期數(shù)據(jù)知識(shí)推理技術(shù)從數(shù)據(jù)接入開始，對(duì)于數(shù)據(jù)進(jìn)行預(yù)處理以及格式等半結(jié)構(gòu)化數(shù)據(jù)，以及監(jiān)控錄像音頻文件等非結(jié)構(gòu)化4.3數(shù)據(jù)清洗層4,4知識(shí)整合與表征層34.6應(yīng)用層基于用戶的需求構(gòu)建所需要的應(yīng)用，其中包括但不限——結(jié)構(gòu)化數(shù)據(jù)：含有固定格式能夠被計(jì)算機(jī)直接處理的數(shù)據(jù)。通常生產(chǎn)訂單，產(chǎn)品規(guī)格，庫存記錄等直接存儲(chǔ)在數(shù)據(jù)庫或者電子表格中的數(shù)據(jù)屬于結(jié)構(gòu)化數(shù)據(jù)。這部分?jǐn)?shù)據(jù)可以直接接入——非結(jié)構(gòu)化數(shù)據(jù)：非結(jié)構(gòu)化數(shù)據(jù)是指沒有固定格式和明確結(jié)構(gòu)的數(shù)據(jù)頻或視頻的形式存在。視頻監(jiān)控錄像、文本文件、音頻文件等屬于非結(jié)構(gòu)化數(shù)據(jù)。這部分?jǐn)?shù)d)統(tǒng)一數(shù)據(jù)表征單位是將不同來源中對(duì)于同一個(gè)數(shù)據(jù)的表征方式以及單——實(shí)體消歧：借助語義向量的相似性以及聚類結(jié)果判斷兩個(gè)實(shí)體的語義是否一致，融合不同表——構(gòu)建區(qū)塊鏈存儲(chǔ)數(shù)據(jù)：采用去中心化不可篡改的區(qū)塊鏈技術(shù)存儲(chǔ)全部的數(shù)據(jù)，確保數(shù)據(jù)的安——聯(lián)邦學(xué)習(xí)：在無法提供數(shù)據(jù)的前提下，多個(gè)企業(yè)共同訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)，共享模型的更新情5.4知識(shí)表示以及知識(shí)圖譜的構(gòu)建a）實(shí)體以及關(guān)系的提?。鹤R(shí)別文本或數(shù)據(jù)中所包含的實(shí)體，并將實(shí)體與實(shí)體之間存在的4c）構(gòu)建知識(shí)圖譜：知識(shí)圖譜由實(shí)體，關(guān)系要求的實(shí)體關(guān)系以及三元組加入知識(shí)圖譜的構(gòu)建，適用于任務(wù)需求明確且涉及到的數(shù)據(jù)類別——基于規(guī)則的知識(shí)推理：人為的設(shè)定規(guī)則，依據(jù)匹配到的規(guī)則自動(dòng)生成新的知識(shí)。規(guī)則需要手——基于邏輯的知識(shí)推理：考慮常用的謂語邏輯詞，將現(xiàn)有的數(shù)據(jù)轉(zhuǎn)換為邏輯表達(dá)式，并自動(dòng)計(jì)算多個(gè)邏輯表達(dá)式合并后的新知識(shí)。但是計(jì)算復(fù)雜度較高，適用于非結(jié)構(gòu)化的文本數(shù)——隨機(jī)游走：模擬在知識(shí)圖譜中隨機(jī)游走，依據(jù)生成的路徑探索其中節(jié)點(diǎn)的隱含關(guān)系。算法存在一定的隨機(jī)性，適用于數(shù)據(jù)量較小的知識(shí)圖譜數(shù)據(jù)集中使——表示學(xué)習(xí)：將知識(shí)表示為向量的形式，通過向量之間的距——圖卷積神經(jīng)網(wǎng)絡(luò)：將知識(shí)圖譜的節(jié)點(diǎn)和邊轉(zhuǎn)化為向量或矩陣的形式，對(duì)節(jié)點(diǎn)及其相鄰節(jié)點(diǎn)的特征進(jìn)行聚合和更新，以獲取節(jié)點(diǎn)的表示。方法能夠快速的處理復(fù)雜的圖結(jié)構(gòu)數(shù)據(jù)，并且獲——強(qiáng)化學(xué)習(xí)：知識(shí)推理將被抽象成為在圖上的尋路過程，強(qiáng)化學(xué)習(xí)訓(xùn)練智能體來實(shí)現(xiàn)自動(dòng)的尋找知識(shí)圖譜中尋路過程的最佳動(dòng)作選擇策略。該方法主要適用場景為數(shù)據(jù)5.6評(píng)價(jià)指標(biāo)S——三元組集合；5.6.2平均倒數(shù)排名（MeanReciprocalRanking）S——三元組集合；55.6.3前k位命中率（Hits@k）Hits@k——在前k個(gè)返回的結(jié)果中的命中率。Hitsi代表第i次推理前k個(gè)將結(jié)果是否命中，若命中Hitsi=1，反之Hitsi=0,k的取值為1，3，5.6.4前k位召回率（Recall@k）Recall@k——在前k個(gè)返回的結(jié)果中的召回率；positivei——第i次推理返回的前k個(gè)結(jié)果中正樣本的數(shù)量；positivenum——正樣本的總數(shù)。通常k的取值為1，3，10，該指標(biāo)越大越好，代表所有準(zhǔn)確的條目有多少被檢索出來。5.6.5前k位準(zhǔn)確率（precision@k）precision@k——在前k個(gè)返回的結(jié)果中的準(zhǔn)確率；positivei——第i次推理返回的前k個(gè)結(jié)果中正樣本的數(shù)量。通常k的取值為1，3，10，該指標(biāo)越大越好，代表檢索出來的條目有多少是準(zhǔn)確的。6.1.1故障溯源場景需要將生產(chǎn)過程中的相關(guān)數(shù)據(jù)進(jìn)行匯總，并且能夠?qū)崿F(xiàn)對(duì)于已知故障之間的隱藏6.1.2應(yīng)收集來自傳感器、設(shè)備監(jiān)控系統(tǒng)和維護(hù)記錄等多個(gè)數(shù)據(jù)源的數(shù)據(jù)，包括但不限于設(shè)備運(yùn)行狀態(tài)、溫度、振動(dòng)、壓力等參數(shù)，以及維修日志和保養(yǎng)6.1.3采用已知的設(shè)備知識(shí)和歷史數(shù)據(jù)，構(gòu)建故障模式的知識(shí)庫或規(guī)則庫，描述設(shè)備運(yùn)行中的各種故6.1.4針對(duì)現(xiàn)有的需求選定知識(shí)推理方法以及損失函數(shù)，構(gòu)建知識(shí)推理模型。模型注重于探索故障節(jié)6.1.5實(shí)時(shí)收集到的設(shè)備數(shù)據(jù)與知識(shí)庫進(jìn)行對(duì)比和分析，以識(shí)別潛在的故障模式或異常情66.1.6結(jié)合實(shí)時(shí)監(jiān)測數(shù)據(jù)和已知故障模式，利用知識(shí)推理方法預(yù)測可能出現(xiàn)的故障，提前發(fā)出預(yù)警并6.2供應(yīng)鏈調(diào)控6.2.1供應(yīng)鏈調(diào)控場景需要整理歷史訂單，市場供給需求變化，為后續(xù)的供應(yīng)關(guān)系提供指導(dǎo)以及對(duì)于6.2.2通過知識(shí)推理技術(shù)解決優(yōu)化供應(yīng)鏈管理、預(yù)測需求、降低風(fēng)險(xiǎn)，并提高整體運(yùn)營效6.2.3對(duì)于歷史數(shù)據(jù)，結(jié)合歷史訂單、銷售數(shù)據(jù)和市場趨勢等信息，應(yīng)建立供應(yīng)鏈需求預(yù)測模型，可6.2.4針對(duì)現(xiàn)有的需求選定知識(shí)推理方法以及損失函數(shù)，構(gòu)建知識(shí)推理模型。模型注重于探索故障節(jié)為適合的建模方式是采用自底向上的知識(shí)圖譜構(gòu)建方法，借助表示學(xué)習(xí)來建模多種不同的實(shí)體以及關(guān)6.2.5應(yīng)采用知識(shí)推理技術(shù)分析供應(yīng)商數(shù)據(jù)，識(shí)別潛在6.2.6應(yīng)對(duì)預(yù)測需求和知識(shí)推理結(jié)果，優(yōu)化庫存管6.3決策輔助6.3.2應(yīng)對(duì)不同的任務(wù)場景，首先從原本的全知識(shí)圖譜中提取出來對(duì)應(yīng)的知識(shí)來構(gòu)建一個(gè)小型的僅包6.3