基于制造业全生命周期数据的知识图谱构建方法

本发明涉及制造业数据处理领域，特别涉及基于制造业全生命周期数据的知识图谱构建方法。

背景技术：

1、随着工业4.0和物联网技术的发展，制造业在设计、生产、供应链、售后服务等环节产生了大量的数据。这些数据以多种格式和来源存在，如传感器数据、生产日志、销售记录等，其量级和多样性给传统的数据处理和利用带来挑战，同时也带来了日益增长的对于产品全生命周期的管理需求。而知识图谱作为一种基于图论的数据表示方法，其可以将数据以实体、关系和属性的形式组织起来，从而呈现出数据之间的关联和联系。在制造业中，通过构建知识图谱，可以将不同生命周期阶段的数据相互关联，形成结构化的知识网络。这有助于更好地理解数据间的关系，促进信息的共享和重用。利用知识图谱，制造业可以实现更智能的决策支持和业务流程优化。

2、现有技术在处理多种知识图谱应用场景时表现出色，但在面对制造业全业务全产品生命周期数据的特定场景时，仍存在挑战。在这个领域，不同数据来源之间信息往往不共通，且流通的数据主要为统计级别数据，这一特性严重影响了知识图谱的有效构建，现有研究中尚未提出有效的解决方案。

技术实现思路

1、本发明提供基于制造业全生命周期数据的知识图谱构建方法，旨在至少解决现有技术中存在的技术问题之一。

2、本发明的技术方案为一种一种基于制造业全业务全产品生命周期数据的知识图谱构建方法，所述方法包括以下步骤：s10、基于专家知识，自顶向下构建初步的知识图谱，所述知识图谱的构建定义关键实体类型及关键实体之间的关系；s20、追踪并采集部分的制造业产品完整的全生命周期数据，用于作为最基础的含标签的训练数据，然后对于大量全生命周期的统计级别数据，其中，全生命周期内多个时间片段内的子图，将所述统计级别数据根据时间维度划分成多个子图；s30、构建图马尔可夫模型，对于每个相邻的时间片段，分析所述子图的初始状态数据以及状态间的最终状态数据，并计算出变化差值作为训练数据，连同最基础的含标签的训练数据，以此带入所述图马尔可夫模型中，推导出关键实体之间的状态转移矩阵；s40、利用所述状态转移矩阵构建最终的时序知识图谱。

3、进一步，在所述步骤s10之前：构建所述知识图谱前，引入制造业的宏观视角，确定制造业供应链中的关键实体类型及所述关键实体对应的概念。

4、进一步，所述步骤s10包括：通过行业专家的知识定义所述关键实体类型，所述关键实体类型包括供应商、零件、产品及客户。

5、进一步，所述步骤s20包括：对于存储在不共通系统内的所述全生命周期数据，通过人工标注的方式实现系统之间所述全生命周期数据的关联关系提取，并引入供应链管理系统，再将标注后的所述全生命周期数据通过所述供应链管理系统进行关联，其中，所述全生命周期数据包括原材料的来源、采购成本、到达时间、生产批次、机器运行时间、产出质量、出货时间、途径路径及到达时间数据。

6、进一步，所述步骤s30包括：在关键实体中，按照预设的时间间隔定期采集所述统计级别数据，在所述时间间隔内的时间片段中所述子图的数据中，其中，取所述子图初始状态数据以及子图最终状态数据，该时间片段中多个变化差值数据，根据所述知识图谱，符合以下公式关系，得到多个变化差值数据；?子图最终状态数据=子图初始状态数据+变化差值数据+……变化差值数据；然后对于所述变化差值数据划分增量状态数据或减量状态数据。

7、进一步，所述步骤s30包括：对于初步的知识图谱中，在多个不同时间节点所述时间片段中，取其中一部分带实际变化情况的所述变化差值的数据输入作为所述图马尔可夫模型训练时带标签的数据集，对于所述知识图谱中不同节点的状态转移矩阵进行训练，获得一个输入为前后两个所述时间片段状态变化，而输出为当前状态下的各个节点的状态转移矩阵。

8、进一步，还包括以下步骤：s50、对应初步的所述知识图谱，在一个实体，在所述时间间隔内的时间片段中所述子图的数据中，所述子图初始状态及子图最终状态之间的变化方式存在状态转移状态转移矩阵，符合以下公式关系：子图最终状态数据=子图初始状态数据×转移矩阵；在相同节点状态下，得到所述转移矩阵与所述图马尔可夫模型输出的状态转移矩阵进行对比，验证所述图马尔可夫模型的准确性。

9、本发明的技术方案还涉及一种计算机装置，包括存储器和处理器，所述处理器执行储存在所述存储器中的计算机程序时实施上述的方法。

10、本发明的技术方案还涉及一种计算机可读存储介质，其上储存有计算机程序指令，所述计算机程序指令被处理器执行时实施上述的方法。

11、根据本发明的一些实施例，

12、本发明的有益效果如下。

13、通过从制造业的全生命周期数据中构建知识图谱，本方法提供对数据的更深入理解；这种深度理解有助于揭示隐藏在复杂数据集中的模式和关系，为决策者提供更丰富的信息；并且本方法提供了一种对于统计级别的生成数据的处理模式，通过结构化复杂的统计数据，使之变得更易于操作和分析，并且大大扩展了知识图谱的构建方法适用范围；这种结构化的数据更适合于各种高级分析技术和工具的应用，此外结合现有的知识图谱应用技术，还能够将这些本身无法利用的数据转化为实际的业务洞察和行动指南，对于提升企业的整体运营效率和竞争力具有显著效果。

14、此外，本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种基于制造业全业务全产品生命周期数据的知识图谱构建方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，在所述步骤s10之前：

3.根据权利要求1所述的方法，其特征在于，所述步骤s10包括：

4.根据权利要求1所述的方法，其特征在于，所述步骤s20包括：

5.根据权利要求1所述的方法，其特征在于，所述步骤s30包括：

6.根据权利要求5所述的方法，其特征在于，还包括以下步骤：

7.根据权利要求1所述的方法，其特征在于，

8.一种计算机装置，包括存储器和处理器，其特征在于，所述处理器执行储存在所述存储器中的计算机程序时实施如权利要求1至7中任一项所述的方法。

9.一种计算机可读存储介质，其上储存有程序指令，所述程序指令被处理器执行时实施如权利要求1至7中任一项所述的方法。

技术总结
本发明涉及一种基于制造业全业务全产品生命周期数据的知识图谱构建方法，该方法包括以下步骤：S10、基于专家知识，自顶向下构建初步的知识图谱，所述知识图谱的构建定义关键实体类型及关键实体之间的关系；S20、追踪并采集部分的制造业产品完整的全生命周期数据，用于作为最基础的含标签的训练数据，然后对于大量全生命周期的统计级别数据，将所述统计级别数据根据时间维度划分成多个子图；S30、构建图马尔可夫模型，对于每个相邻的时间片段，分析所述子图的初始状态以及状态间的最终状态的值，并计算出变化差值作为训练数据，以此带入所述图马尔可夫模型中，推导出关键实体之间的状态转移矩阵；S40、利用所述状态转移矩阵构建最终的时序知识图谱。

技术研发人员：宋轩,冯德帆
受?；さ募际跏褂谜撸?/b>南方科技大学
技术研发日：
技术公布日：2024/4/24