煙草行業(yè)基于知識圖譜技術(shù)構(gòu)建設(shè)備管理應用體系的研究

摘要：煙草企業(yè)是典型的裝備和技術(shù)密集型企業(yè)，因此設(shè)備管理在煙草企業(yè)管理環(huán)節(jié)中極其重要。文章聚焦“互聯(lián)網(wǎng)+生產(chǎn)制造”行業(yè)熱點，針對煙草行業(yè)對設(shè)備精益管理、智能工廠建設(shè)等方面的需求，積極探索知識圖譜技術(shù)在設(shè)備信息化管理中的應用，旨在不斷提高卷煙工廠的信息化、智能化水平，助力煙草行業(yè)數(shù)字化發(fā)展。

關(guān)鍵詞：煙草行業(yè)數(shù)字化；知識圖譜；設(shè)備管理

中圖分類號：TS43；F426.8" " "文獻標識碼：A" " " 文章編號：1674-0688（2024）02-0058-04

0 引言

作為我國的傳統(tǒng)支柱產(chǎn)業(yè)之一，煙草行業(yè)在我國國民經(jīng)濟發(fā)展中占據(jù)重要地位。國家煙草專賣局高度重視信息化工作，明確要求全行業(yè)認真落實《中國制造2025》，創(chuàng)新應用現(xiàn)代技術(shù)和管理手段推動行業(yè)數(shù)字化發(fā)展，打造“數(shù)字化、網(wǎng)絡化、智能化”煙草［1］。近年來，我國煙草行業(yè)信息化、智能化建設(shè)持續(xù)推進，隨著煙草行業(yè)引入各種新興的信息技術(shù)手段，越來越多的大型自動化設(shè)備被應用于煙草制造，這些智能化設(shè)備將直接影響卷煙工廠的生產(chǎn)能力［2-3］。由此可見，加強建設(shè)煙草設(shè)備的信息化管理應用體系，能夠有效地提高煙草制造企業(yè)的生產(chǎn)效率和質(zhì)量，同時能降低工廠的生產(chǎn)成本。因此，各卷煙工廠利用信息技術(shù)手段不斷整合與完善工廠現(xiàn)有設(shè)備的運維數(shù)據(jù)，積極探索構(gòu)建以知識圖譜技術(shù)為核心的設(shè)備信息化管理應用體系，能有效提升工廠生產(chǎn)設(shè)備的精細化、智能化管理水平［4-5］。在煙草行業(yè)內(nèi)，目前面向煙機設(shè)備故障診斷的知識圖譜研究還較少，技術(shù)應用也缺乏完整的體系，因此加強建設(shè)煙草設(shè)備的信息化管理應用體系尤為重要。

1 煙草設(shè)備管理現(xiàn)狀分析

近年來，我國煙草行業(yè)信息化管理應用體系建設(shè)工作不斷推進，信息化管理軟件不斷普及，煙草行業(yè)已經(jīng)逐步由過去的傳統(tǒng)商業(yè)模式向具有標準化數(shù)據(jù)采集流程的現(xiàn)代商業(yè)模式轉(zhuǎn)變。然而，作為煙草行業(yè)管理工作中的重要組成部分，設(shè)備管理工作的信息化水平仍有待提高。以煙草生產(chǎn)工廠卷包、制絲產(chǎn)線關(guān)鍵設(shè)備為例，目前針對以上各類設(shè)備的預防性檢修大多依靠人為經(jīng)驗，局限性較大，而且對生產(chǎn)過程中長期積累的設(shè)備維修案例、設(shè)備維修資料和設(shè)備運行數(shù)據(jù)，未能進行有效的數(shù)據(jù)分析和價值挖掘，導致這些數(shù)據(jù)與設(shè)備管理的關(guān)聯(lián)不足，從而造成數(shù)據(jù)資源的極大浪費。現(xiàn)階段，煙草行業(yè)在設(shè)備管理方面主要存在如下問題：①設(shè)備的維修經(jīng)驗、技術(shù)參數(shù)、手冊等資料繁雜且分散，不易快速查閱，缺乏對設(shè)備進行技術(shù)改造后的個性化技術(shù)資料管理，同時存在直觀性弱、管理方式粗放、資料不易查閱、維修經(jīng)驗傳承不通暢等問題，降低了維修工作效率。②維修人員在實際的維修學習過程中缺乏有效的技術(shù)輔助指導，對維修人員進行維修技能的培訓缺乏有效的資源平臺支持。③目前，與設(shè)備運行、維修與保養(yǎng)相關(guān)的知識、經(jīng)驗比較分散，缺少一個統(tǒng)一的信息平臺進行歸類整理。現(xiàn)有的系統(tǒng)對數(shù)據(jù)的應用深度不足，未能形成有效的大數(shù)據(jù)分析，缺少設(shè)備智能化應用模型，無法向設(shè)備維修人員提供維修決策指導。

因此，煙草企業(yè)需要構(gòu)建一個智能的設(shè)備信息化管理應用體系，實現(xiàn)對已有的設(shè)備維修經(jīng)驗、維修資料、設(shè)備故障數(shù)據(jù)等的綜合利用，從而以智能化管理方式替代傳統(tǒng)的人工經(jīng)驗管理方式。

2 基于知識圖譜技術(shù)的設(shè)備信息化管理應用

為提升煙草生產(chǎn)設(shè)備的信息化管理水平，卷煙工廠采用知識圖譜技術(shù)，以卷包、制絲關(guān)鍵設(shè)備為研究主體，綜合故障歷史數(shù)據(jù)、維修案例，以及設(shè)備知識經(jīng)驗和技術(shù)資料，構(gòu)建工廠設(shè)備知識圖譜數(shù)據(jù)庫，通過數(shù)據(jù)挖掘技術(shù)整合和完善現(xiàn)有設(shè)備運維數(shù)據(jù)資源，構(gòu)建設(shè)備信息化管理應用體系，為設(shè)備管理、產(chǎn)品生產(chǎn)、質(zhì)量檢測等業(yè)務提供及時、準確的數(shù)據(jù)分析和決策信息。

2.1 基于知識圖譜技術(shù)的設(shè)備信息化管理應用的關(guān)鍵技術(shù)介紹

知識圖譜（Knowledge" Graph）由谷歌（Google）于 2012 年首次提出，主要用于優(yōu)化搜索引擎。該技術(shù)能夠有效描繪現(xiàn)實世界中的各種實體信息，同時以一種與人類思維類似的方式進行知識語義的處理、分析和聯(lián)系，從而以結(jié)構(gòu)化的形式展現(xiàn)出用戶需要的知識。

卷煙工廠構(gòu)建知識圖譜技術(shù)應用體系，主要是通過將工廠生產(chǎn)設(shè)備領(lǐng)域中異構(gòu)的知識結(jié)構(gòu)化，構(gòu)建數(shù)據(jù)知識間的關(guān)聯(lián)，從而解決本領(lǐng)域內(nèi)設(shè)備數(shù)據(jù)多樣、復雜、孤島化且單一數(shù)據(jù)價值不高等問題。其構(gòu)建過程主要包括以下5個關(guān)鍵：知識圖譜建模、知識抽取和融合、知識存儲與管理、知識推理和分析挖掘、知識應用。

2.1.1 知識圖譜建模

知識圖譜的難點在于知識圖譜的搭建，如何高效、高質(zhì)量、快速地搭建知識圖譜是知識圖譜工程的核心。對于制造行業(yè)來說，構(gòu)建知識圖譜一般采用自上而下的方式，即先確定知識圖譜的數(shù)據(jù)模型Schema，包括實體（點）建模、屬性建模、關(guān)系（邊）建模，將數(shù)據(jù)中蘊含的知識組織形式以圖的表達方式建立起來，再根據(jù)模型填充具體數(shù)據(jù)，從現(xiàn)有的高質(zhì)量數(shù)據(jù)源中進行映射，最終形成知識圖譜。

設(shè)備知識圖譜建模基于生產(chǎn)設(shè)備的應用屬性、知識特點、實際需求，通過對以往記錄的設(shè)備數(shù)據(jù)進行整理與規(guī)范化處理，從而識別對象實體和關(guān)系屬性。設(shè)備知識建模的主體包括實體和事件。實體分為概念實體和物理實體，事件則包含現(xiàn)象、過程及活動。設(shè)備知識模實體關(guān)系見圖1。

2.1.2 知識抽取和知識融合

知識抽取是指從已有的設(shè)備半結(jié)構(gòu)化、無結(jié)構(gòu)數(shù)據(jù)中抽取實體、關(guān)系及實體屬性等結(jié)構(gòu)化信息。設(shè)備知識抽取主要包括關(guān)系型數(shù)據(jù)抽取和文檔型數(shù)據(jù)抽取。關(guān)系型數(shù)據(jù)抽取是指從MES（生產(chǎn)制造管理）系統(tǒng)、ERP（企業(yè)資源規(guī)劃）系統(tǒng)和第三方系統(tǒng)獲取結(jié)構(gòu)化數(shù)據(jù)。本系統(tǒng)利用ETL（數(shù)據(jù)抽取處理）工具，結(jié)合數(shù)據(jù)抽取、數(shù)據(jù)轉(zhuǎn)換、作業(yè)執(zhí)行等技術(shù)，抽取設(shè)備相關(guān)實體、實體屬性及實體關(guān)系等信息，按業(yè)務邏輯要求保存到設(shè)備的知識圖譜中。文檔型數(shù)據(jù)抽取是指從系統(tǒng)中獲取大量的設(shè)備維修案例等設(shè)備文檔。本系統(tǒng)使用NLP（自然語言處理技術(shù)）及基于規(guī)則和詞典的方法，對文本做了噪聲移除和句法分析，然后識別出故障現(xiàn)象、故障原因及處理措施等知識實體內(nèi)容，進行消歧和去重，并對語義進行語料標注，結(jié)合正則表達式處理等技術(shù)，提取出無歧義的設(shè)備知識實體和關(guān)系。

知識融合則是通過對煙草設(shè)備相關(guān)信息的梳理，基于設(shè)備知識建模、知識抽取，對設(shè)備相關(guān)數(shù)據(jù)進行邏輯歸屬和冗雜、錯誤過濾，完成實體鏈接和知識合并等，實現(xiàn)數(shù)據(jù)的知識融合及用戶關(guān)注的設(shè)備管理業(yè)務需求。其中，實體匹配是完成知識融合的關(guān)鍵環(huán)節(jié)，它能發(fā)現(xiàn)具有不同標識卻代表真實世界中同一對象的實體，并將這些實體歸并為一個具有全局唯一標識的實體對象，從而將結(jié)構(gòu)化的歷史數(shù)據(jù)融入設(shè)備知識圖譜中，通過與設(shè)備相關(guān)的數(shù)據(jù)被圖譜節(jié)點鏈接并動態(tài)調(diào)用，形成基于數(shù)據(jù)驅(qū)動的設(shè)備知識圖譜管理。

2.1.3 知識存儲與管理

設(shè)備知識圖譜保存的數(shù)據(jù)格式要求不同，根據(jù)不同的數(shù)據(jù)庫存儲性能優(yōu)勢，本系統(tǒng)采用如下方式實現(xiàn)知識的存儲管理。

（1）圖數(shù)據(jù)庫存儲。利用圖數(shù)據(jù)庫服務存儲設(shè)備知識圖譜中的資源描述框架（RDF）結(jié)構(gòu)的網(wǎng)絡化數(shù)據(jù)，包括實體、關(guān)系、屬性等。基于圖的存儲在設(shè)計上非常靈活，一般只需要局部改動即可。

（2）文檔數(shù)據(jù)庫存儲。利用文檔數(shù)據(jù)庫服務存儲設(shè)備文檔、圖片和圖紙等非結(jié)構(gòu)化數(shù)據(jù)，通過知識合并鏈接與圖譜中的實體關(guān)聯(lián)。

（3）大數(shù)據(jù)倉庫存儲。利用大數(shù)據(jù)倉庫服務存儲設(shè)備生產(chǎn)過程全要素的數(shù)據(jù)信息，一般作為事件補充知識圖譜，通過知識合并鏈接與圖譜中的實體進行關(guān)聯(lián)。

（4）知識推理和分析。在完成知識抽取和融合之后，可以從原始雜亂的數(shù)據(jù)中獲得一系列基本的事實表達。基于設(shè)備本體各類實體和關(guān)系的構(gòu)建，在知識推理和分析階段，可以通過邏輯、圖及深度學習的推理計算獲得結(jié)構(gòu)化、網(wǎng)絡化的設(shè)備知識體系。

本系統(tǒng)采用基于語義的NTN張量神經(jīng)網(wǎng)絡模型作為其知識推理方法。該模型利用雙線性張量層代替?zhèn)鹘y(tǒng)的標準線性神經(jīng)網(wǎng)絡，通過將實體表示為向量獲取實體信息，并將參數(shù)關(guān)系表示為三階張量實現(xiàn)兩個實體間的關(guān)聯(lián)。同時，系統(tǒng)根據(jù)事件的上下文和相關(guān)性進行知識推理，計算對應的事件根因模型。根據(jù)事件根因模型，系統(tǒng)會對可能引起故障的隱患事件進行警告，并推薦事件的解決方案。NTN張量神經(jīng)網(wǎng)絡模型的基本原理見圖2。

NTN為每個三元組（h，r，t）定義了如下評分函數(shù)，用于評價兩個實體之間存在的某個特定關(guān)系r的可能性：

[fr（h，t）=uTrg（lhMrlt+Mr，1lh+Mr，2lh+br）]

該模型中的實體向量是該實體中所有單詞向量的平均值，這樣做的好處是實體中的單詞數(shù)量遠小于實體數(shù)量，可以充分地重復利用單詞向量構(gòu)建實體表示，解決了實體表示學習的稀疏性問題，增強了不同實體的語義聯(lián)系。

（5）設(shè)備維修知識應用體系構(gòu)建。設(shè)備維修知識應用體系基于煙草領(lǐng)域內(nèi)本體技術(shù)構(gòu)建專業(yè)概念之間的關(guān)聯(lián)模型，實現(xiàn)不同概念之間由此及彼的語義推理，克服了傳統(tǒng)知識管理系統(tǒng)無法全方位表達知識的多維度語義關(guān)系的難題。知識體系構(gòu)建流程見圖3。

圖3所示的體系中匯聚了煙草設(shè)備通用領(lǐng)域的知識和企業(yè)內(nèi)部的知識，包括廠商設(shè)備手冊、企業(yè)內(nèi)部的故障報告、維修記錄、監(jiān)控數(shù)據(jù)等，并利用自然語言處理方式中的實體識別、實體關(guān)系分析等技術(shù)手段，進行知識的提取和整理。通過對知識源的分析，完成知識體系框架和知識分類、知識關(guān)系和知識模板定義。

作為應用體系構(gòu)建過程中的關(guān)鍵技術(shù)，知識圖譜的實體表示學習為關(guān)系抽取、實體消歧、鏈接預測等任務提供了底層支持。實體表示學習的核心思想即挖掘數(shù)據(jù)的關(guān)鍵性特征，通過設(shè)計映射函數(shù)將能夠充分表征原始數(shù)據(jù)的信息以一個低維的向量來表示。網(wǎng)絡表示學習原理見圖4。

知識圖譜的實體表示學習即將知識圖譜構(gòu)建成一個（頭實體，關(guān)系，尾實體）的三元組形式，通過目標函數(shù)將實體和關(guān)系分別采用低維的向量表示。Trans系列的知識圖譜表示方法均采用同樣的函數(shù)思想，即|h + r| ≈ t，其中h、t分別表示知識圖譜中的頭實體和尾實體的向量表示，r表示關(guān)系的向量表示。本系統(tǒng)選取TransE作為表示學習方法，TransE核心原理見圖5。

構(gòu)建的設(shè)備維修知識應用體系主要包括設(shè)備故障知識圖譜的關(guān)系展示、設(shè)備故障百科查詢、虛擬專家咨詢、故障維修輔助指導等功能。

2.2 基于知識圖譜技術(shù)的設(shè)備信息化管理應用介紹

設(shè)備知識圖譜的構(gòu)建不是最終目的，如何利用設(shè)備知識圖譜進行設(shè)備領(lǐng)域業(yè)務的預測分析并解決問題才是關(guān)鍵。通過各種數(shù)據(jù)挖掘算法，進一步分析設(shè)備知識數(shù)據(jù)之間的內(nèi)在關(guān)系，實現(xiàn)設(shè)備相關(guān)的基于知識圖譜技術(shù)的智能化應用，包括設(shè)備故障知識圖譜的關(guān)系展示、設(shè)備故障百科查詢、虛擬專家咨詢、故障維修輔助指導等。

知識圖譜關(guān)系展示功能主要幫助業(yè)務人員對設(shè)備維修知識資源進行高效、有序的管理。讓所有設(shè)備維修人員都能快速方便地將自己掌握的經(jīng)驗技能傳授他人，從而全面增強維修人員的技能素質(zhì)和協(xié)同工作能力，提升企業(yè)整體的競爭能力。

設(shè)備故障百科功能實現(xiàn)了設(shè)備故障知識的智能搜索，可以通過按常見高頻故障、按分類查找、按機型查找、按部位查找、按字母查找等方式查看故障現(xiàn)象，并返回翔實的故障知識，包括故障的具體現(xiàn)象、部位、產(chǎn)生原因、造成影響、處理措施和預防建議等。

虛擬專家咨詢功能是基于提高設(shè)備管理工作效率的智能化模塊，其最大的隱性價值是在實際的設(shè)備管理中得到標準化的數(shù)據(jù)積累，從而在新的場景中智能化地提供相應的決策經(jīng)驗。

故障維修輔助指導功能是指設(shè)備發(fā)生故障后，依據(jù)故障知識圖譜中包含的故障現(xiàn)象、故障原因、故障癥狀及傳播關(guān)系、在線實時設(shè)備狀態(tài)數(shù)據(jù)，自動識別故障類型、故障發(fā)生位置等信息，運用機器學習技術(shù)、人工智能算法，進行故障根因的自動確診，并給出最終的故障診斷結(jié)果。

3 結(jié)語

針對現(xiàn)階段煙草行業(yè)生產(chǎn)設(shè)備信息化管理水平不足的問題，卷煙工廠在整合卷包、制絲關(guān)鍵設(shè)備知識經(jīng)驗和設(shè)備技術(shù)資料的基礎(chǔ)上，基于知識圖譜等信息技術(shù)手段，構(gòu)建了設(shè)備信息化管理應用體系，為設(shè)備管理、產(chǎn)品生產(chǎn)、質(zhì)量檢測等業(yè)務提供了實時準確的數(shù)據(jù)分析和信息決策參考，有效提高了卷煙工廠的信息化、智能化水平。未來，可不斷擴大信息技術(shù)在煙草行業(yè)的應用場景，構(gòu)建生產(chǎn)、管理、銷售一體化的煙草行業(yè)智能信息系統(tǒng)。

4 參考文獻

［1］馮波興，韋泰丞，李發(fā)文.“互聯(lián)網(wǎng) +”背景下煙草行業(yè)管理創(chuàng)新問題研究［J］.管理創(chuàng)新，2021（30）：52-54.

［2］夏歡.煙草卷煙機械設(shè)備管理方法優(yōu)化分析［J］.科技創(chuàng)新導報，2020（14）：164-165.

［3］向宇洋.大數(shù)據(jù)在現(xiàn)代煙草信息建設(shè)中的應用［J］.科技資訊，2022（7）：46-48.

［4］王衛(wèi)軍.面向煙草領(lǐng)域的科研知識圖譜服務平臺關(guān)鍵技術(shù)研究［J］.中國煙草學報，2021（27）：83-89.

［5］王昱，孫超，王星來.煙草行業(yè)設(shè)備健康管理及信息化平臺應用淺析［J］.中國設(shè)備工程，2021（8）：19-21.