金屬切削加工知識圖譜構建及應用研究

馬 莉

在大數據時代下，海量的數據信息呈爆炸式增長。機械制造業是國民經濟的基礎產業，它的發展直接影響到國民經濟各部門的發展。金屬切削是用刀具從工件切除多余材料，是金屬加工工藝中的一種重要成形方法，在機械制造中占據重要地位。工件和刀具在切削過程中相互作用，“機床-刀具-工件”構成一個機械加工工藝系統。研究人員對金屬切削加工過程的研究持續不斷，且碩果累累。選取這些海量信息時，如何從其中的眾多數據信息中選出有價值以及有用的信息資源，同時向用戶呈現這些資源，已經成為重點關注的一項問題。而知識圖譜的出現，有效解決知識針對性選擇的問題，在各領域逐漸被廣泛應用，在金屬切削加工中，進行知識圖譜構建意義重大，能夠有效提升加工效率，提升信息資源的利用率，本文對此進行深入分析，具體如下。

1 金屬切削加工相關概述

對于金屬切削加工而言，主要是通過具有刃口，并且工件堅硬的切削工具，切去坯件上存在的多余金屬，保證工件表面質量、形狀及尺寸滿足規定要求，屬于一種較為常見的金屬加工方法。實際切削加工環節，工件表面加工，主要是通過工件與切削工具相對運動進行實現。根據表面形成方式，可以將切削加工具體分為以下幾種類型：第一，刀尖軌跡法。這種方式主要是通過刀尖在工件表面按照既定的運動軌跡進行切削，使工件獲得要求的表面幾何形狀，包括刨削平面、車削以及磨削內外圓等。第二，成形刀具法。根據工件表面輪廓，應用相應的成形砂輪及刀具等，進行實際加工，最終獲得成形面，在這一環節，機床只進行橫向進給運動即可，例如成形砂輪磨削、成形銑刀銑削以及成形車刀車削等。第三，展成法。利用這種方法進行加工時，基于既定規律下，保證工件與切削工具進行相對展成運動，在坯件中，會在刀刃的作用下形成最終的加工表面。例如刨齒、插齒、滾齒以及錐砂輪磨齒等。除此之外，成形刀具法與刀尖軌跡法良好結合下，會形成一些新的切削加工形式，例如螺紋車削。根據工藝特征對切削加工進行分類。可將其分為刮削、車削、螺紋加工、鉆削、齒輪加工、銑削、鉗工、拋光、研磨、拋光、刨削、鏜削、超精加工等。通過強力切削、高速切削、振動切削以及等離子弧加熱切削等方式，能夠使加工效率得到進一步提升。

2 知識圖譜

隨著對金屬切削加工深入的研究以及計算機系統在制造業的廣泛應用，已形成一系列概念和概念之間的關系用于描述金屬切削加工過程。例如，切削力、切削熱和切削溫度、刀具磨損等等。金屬切削過程就是用刀具在機床上從工件表面切去多余的金屬，形成已加工表面的過程，也是工件的切削層在刀具前面擠壓下產生塑性變形，形成切屑而被切下來的過程。隨著切削過程的發生和發展，形成了許多物理現象。例如，積屑瘤的成因，切屑形成的機理等。企業和高校的研究人員已總結形成了一整套關于金屬切削過程中的基本物理現象及其變化規律，本文將這些物理現象及其變化規律稱為事實性知識。

2.1 知識圖譜的概念及分類

2012年，谷歌首次提出知識圖譜這一概念，其原本的目的在于提升搜索性能，實現智能化搜索，對用戶搜索體驗進行優化。王昊奮等人員認為，基于本質上來講，知識圖譜屬于一種語義網絡，在這一網絡中，實例通過結點進行表示，而實例間存在的各種語義關系，則通過邊進行表示。此外，相關研究人員認為，知識圖譜實際上屬于呈現知識屬性關系與發展流程的諸多圖形，在可視化技術配合下，清晰地呈現出圖形中所表示的知識實體及屬性、知識實體間存在的關系。按照服務領域，可將知識圖譜分為以下幾類：一類是通用知識圖譜，這一類型的知識圖譜，主要是為橫向需求提供服務，將橫向覆蓋面作為主要的關注點，涉及各個領域的大量實體，在相互關系作用下，從而形成多維度的知識圖譜，主要應用于問答、推薦以及搜索等業務場景中。另一類屬于行業知識圖譜，這一類型的知識圖譜，主要是為縱向需求提供服務，將縱深覆蓋面作為主要的關注點，因為會對專業領域的業務場景有所涉及，在實體數量上相對較少，需要基于縱向維度下，對實體間存在的關系進行充分的抽取，其主要在醫療、圖書情報以及金融行業應用較為廣泛。

2.2 構建過程

當知識圖譜類型不同時，其實際的構建方式也會存在較大的差異，在構建形式上主要有以下幾種：一種為自頂向上的構建方式，這種構建方式在模型及規則上先于知識，另一種為自底向上的構建方式，這一構建方式的構建知識先于模型。在圖譜構建上，主要會經歷三個步驟，步驟一，知識抽取；步驟二，知識融合；步驟三，知識存儲及更新。

首先，知識抽取。進行知識圖譜構建時，知識從哪里來是最先需要考慮的問題，如何在大量的相關數據中，將有效的知識提出出來，就是知識抽取，知識抽取環節，一般是在不用的領域中進行該領域數據的收集，預處理結構化以及非結構化數據，形成知識的同時，獲取知識屬性，并且，還會枚舉出關系列表。可以通過以下方法進行實體抽取：第一，利用規則進行實體抽取。對所需目標實體規則進行預先定義，基于該規則下，匹配原始語料，從而獲得符合需求的實體。第二，通過統計機器學習進行抽取。利用訓練好的模型，篩選數據，最終得到想要的實體。相關研究者通過K緊鄰算法與線性條件隨機場模型的良好結合，進行實體識別。第三，利用開放域進行抽取。相關學者在實際分析中，在開放的網絡數據中，利用已知實體的語義特征進行實體抽取。在關系抽取方式上，有以下分類：第一，監督學習下的關系抽取。該環節中，先標注相應數據，隨后訓練模型，最終抽取數據集中的關系。第二，半監督或無監督下的關系抽取。將未標注及部分標注數據作為訓練源開展實際訓練，隨后抽取數據集中的關系。第三，模板下的關系抽取。這一抽取方式中，主要是進行抽取關系模板的預先定義，按照該模板抽取關系，不過這種方式存在較大的維護難度，同時，在大量數據中不適用。

其次，知識融合。對于知識融合而言，其表示的是提供用戶基于業務配置融合規則同自動算法相結合的知識融合等能力，能夠實現沖突的自動檢測，并且按照決策進行針對性解決。進行知識融合時，主要會涉及到以下幾點重要內容：第一，實體消歧。通常情況下，某個實體需要具體代表現實中存在的某個實物，部不可對應現實中存在的多個真實實物，進行實體消歧時，可以選擇實體連接以及聚類等方式。相關學者在維基百科知識背景下，精確的找出了實體間的相似性，達到了較好的消歧效果。第二，實體對齊。存在一些實體，其在現實中表示的是相同的實體，對于這種類型的數據，應做出實體對齊處理。可以通過深度學習的方式，進行實體對齊。在嵌入表示的實體對齊方面，可以選擇監督學習的方式進行實體對齊，這種方式對數據標注存在較大的依賴性，會花費較多的時間，而無監督學習的方式，則會對驗證集相似度計算方式存在較大的依賴。第三，知識合并。此項工作開展中，會對不同源數據信息做出合并處理，一般為兩個層次的數據，一是數據層融合，在這層數據融合中，主要關注的問題是如何防治關鍵沖突與實例沖突，防止冗余的出現。二是模擬層融合，其實際上就是在已有本體庫中，將新獲得的本體融入其中。

最后，知識存儲與更新。在大規模的知識圖譜存儲上，主要是以三元組存儲為核心，并且，其他類型知識的存儲也包含其中。在三元組知識的存儲上，具體包括兩種類型，一種是資源描述框架存儲，其主要的基礎為RDF圖模型，另一種為圖數據庫，其中多數應用的是屬性圖數據模型。在新數據的不斷生成下，實現知識更新，三元組的不斷更新及生成，從而更新圖譜。

3 金屬切削加工知識圖譜構建與應用

3.1 知識類型

進行金屬切削技工過程知識獲取時，先進行TBox，即本層模式層的構建，隨后再進行ABox的建立。金屬切削環節，實際上就是在機床上利用刀具，將工件表面多余的金屬切去，最終形成想要的加工表面，簡單而言，就是在刀具的擠壓作用下，使工件的切削層發生塑性變形，最終切下切屑的過程。在切削過程不斷發展中，形成了較多的物理現象，現階段，已經形成一整套金屬切削環節的變化規律以及基本物理現象，即事實性知識，其對于生產率提高、加工質量保證、生產實踐指導以及成本降低存在較為積極的作用。并且，當前信息化建設不斷深入，企業中廣泛應用到了各種新型系統，例如MES、CAPP、ERP以及CAM等，企業中已經具備較多的切削加工數據，均是企業寶貴的數據資源，在指導生產及決策上意義重大，以上數據為過程性知識。在事實性知識與過程性知識的良好結合下，可以實現相互轉換。在相應軟件應用下，對其進行OWL本體建模。

3.2 知識圖譜數據生成

構建完成金屬切削知識圖譜的TBox后，進行ABox的構建，根據本體模式，實現三元組形式數據的生成。現階段，與其他機械制造型企業一樣，xx公司已有多種應用系統，包括MES、CAPP以及ERP等，這些數據系統中，均存在與切削加工相關的數據，同時彼此隔離，形成了相應的數據孤島。基本上這些數據被存放在關系型數據中，屬于知識圖譜的關鍵數據源。所以，在金屬切削知識圖譜構建中，根據本體模式進行多源數據的集成與融合，是一項較為關鍵的技術。

Ontop屬于現階段較為成熟的軟件平臺，其是在本體構建的基礎上，對本體與關系數據庫表模式間存在的映射關系進行定義，進而對多數據源數據進行訪問，以OBDA為主要架構，支持所有W3C推薦的關于OBDA的標準，包括SWRL、OWL2QL、SPARQL以及后向推理等。本文通過這一軟件平臺，進行數據集成框架構建，從而獲得金屬切削知識圖譜三元組，主要步驟為：首先，經過JDBC，DatasourceManager會與各種關系數據庫進行連接；其次，制定出一個或多個Mappingaxiom,其中包含target、source以及mappingid，其中target表示的是一個多元組模板，與SQL中的列名通過占位符關聯，source表示的是一條SQL查詢語句，主要針對關系型數據庫，mappingid表示的是一個字符串，其主要的作用是進行axiom的標識。最后，通過實際映射后，會形成虛擬三元組，在OntopAPI接口訪問下，能夠利用SPARQL查詢語言，獲得虛擬RDF圖，能夠將數據實例化為具體的三元組，在圖數據庫中進行存儲。

三元組生成環節為：第一，基于JDBC下，構建Oacle連接，192.168.1.114是連接的主機地質，oracle實例為orcl,tms為用戶名，123為用戶密碼。第二，進行Mappingaxiom設計是較為關鍵的一步，因此需要做好映射關系的構建。第三，變化才能調用ontop API，生成三元組。現階段，xx公司已經生成了40多萬余條三元組，實現了工件、機床、道具以及材料等方面的數據轉換。

3.3 確定數據融合算法

進行數據集成過程中，一個較為關鍵的任務是融合不同數據源的同一客體實體，例如工件、機床以及刀具等，從而使知識圖譜數據具備更好的一致性以及準確性。集成多元數據環節，通常情況下，不同的應用系統都是不用的軟件供應商供應，這種情況下，會使客觀實體編碼體系存在較大不同，所以，利用編碼分辨是否為統一實體，存在較大的難度。所以，可以通過計算屬性相似度的方式，進行實體對齊。因為進行工件、機床以及刀具描述的字符大多是短文本，在短文本相似度計算上，Levenshtein最小編輯距離以及Jaccard系數均具備較好的應用效果，所以，可以選擇兩者結合的方式，對實體等價性進行確定，保證獲得更高的準確性。

3.4 確定知識存儲系統

將圖數據庫Neo4j作為存儲系統，該存儲屬于NOSQL數據庫，存在較高的性能，其能夠在圖上存儲結構化數據，而并不是在表中存儲。節點、關系與屬性均為基元。對于節點而言，其可以是零個屬性，也可以是多個屬性，均會以key-value對的形式存在，利用標簽標識不同類型的節點。Neo4j中，存在Cypher語言，能夠高效查詢圖數據庫。在OWL本體模型下，Neo4j的node-Relation與三元組Subject-Predicate-Object存在一定的不同，前者描述關系的對象屬性，可以存在數據屬性，而后者不可以。

3.5 金屬切削加工知識圖譜的應用

現階段，知識圖譜在金屬加工領域的應用，能夠有效提升金屬切削加工方面的質量與效率。現階段在一些其他領域，包括醫療、金融以及電商等，知識圖譜均得到了廣泛應用，不過在工業加工領域的應用還需要不斷進行深入探索，本文提出的金屬切削加工知識圖譜，可以在以下方面進行應用：第一，輔助決策方面。在現代金屬切削加工方面，大多數是利用計算機輔助技術進行設計，實際設計環節對于設計人員設計經驗以及專業知識存在較大的依賴性，構建金屬切削加工知識圖譜，能夠在實際工作中，按照知識庫中存在的相關知識與關聯關系，為金屬切削加工提供輔助決策，從而減少對于人員的依賴性，進一步提升此項工作的開展效率。第二，金屬切削加工異常警告。進行金屬切削加工時，往往會存在一些細節上的問題，在金屬切削加工知識圖譜下，會按照存儲的關聯關系知識，對當前操作是否會發生異常進行預判，為相關工作人員做出相應提示，有效避免加工缺陷的出現，提升金屬切削加工質量。

4 結語

綜上所述，金屬切削加工過程是工件和刀具相互作用的過程，機床、夾具、刀具和工件組成一個完整的機械加工工藝系統。對金屬切削機理大量的研究已形成描述基本物理現象和變化規律的諸多知識。而金屬切削加工在機械行業廣泛的應用已產生海量的各種類型的數據，稱之為過程性知識。現階段，知識圖譜已經被應用到各個領域，知識圖譜構建過程中，會經歷知識抽取、知識融合、知識存儲及更新環節。進行金屬切削加工知識圖譜構建時，能夠有效解決制造業切削數據資源利用價值不高這一問題，在輔助決策以及金屬切削加工異常警告上，均能發揮出較好的作用，進一步提升制造加工水平。