基于大数据的图谱分析修正系统技术方案

本发明专利技术公开了基于大数据的图谱分析修正系统，包括图谱构建模块、图谱分析模块和处理修正模块，所述图谱构建模块用于将设备故障维修信息收集，用以构建知识图谱，所述图谱数据分析模块用于对图谱数据进行分析，所述处理修正模块用于对分析后的数据进行处理修正，所述图谱分析模块与图谱构建模块网络连接，所述处理修正模块与图谱分析模块网络连接，图谱构建模块包括图数据库子模块、数据获取子模块、实体识别单元和实体关系抽取单元，图谱分析模块包括数据分析子模块和人员评价子模块，处理修正模块包括智能推荐子模块、异常预警子模块和预测维护子模块，本发明专利技术，具有将设备维修形式直观、可视、结构化和数据有效分析的特点。结构化和数据有效分析的特点。结构化和数据有效分析的特点。

【技术实现步骤摘要】
基于大数据的图谱分析修正系统


[0001]本专利技术涉及大数据分析
，具体为基于大数据的图谱分析修正系统。

技术介绍

[0002]知识图谱旨在描述客观世界的概念、实体、事件及其间的关系。知识图谱通过关系将实体联系起来，形成关于知识的图结构。随着知识图谱相应技术的不断发展和各领域各行业对实现其智能化的迫切需求，深度更深、粒度更细、专业度更高的领域知识图谱成为现今知识图谱研究和应用的主要方向。
[0003]如今，在工业生产上，我国工业部门已经实现了相当程度的自动化，在一些行业甚至实现了无人化生产，但是在数控设备的设备检测、维修等方面仍主要依赖于质检人员和维修人员的主观判断和经验。在一些信息化程度较好的制造车间内，一般会用MES(制造执行系统)提升管理水平，但利用MES指导或辅助人员完成维修工作只能以关键词形式查询到某一次维修记录，无法体现某一次(类)故障与其他故障的关联性，不能或不能很好地协助人员完成维修与质检任务。目前多数研究更加关注于设备数据的监测，缺少针对设备数据的分析，无法将针对设备数据的监测转化为对设备运行状态的优化反馈，也就不能满足制造车间的智能化需求。因此，设计将设备维修形式直观、可视、结构化和数据有效分析的基于大数据的图谱分析修正系统是很有必要的。

技术实现思路

[0004]本专利技术的目的在于提供基于大数据的图谱分析修正系统，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：基于大数据的图谱分析修正系统，包括图谱构建模块、图谱分析模块和处理修正模块，其特征在于：所述图谱构建模块用于将设备故障维修信息收集，用以构建知识图谱，所述图谱数据分析模块用于对图谱数据进行分析，所述处理修正模块用于对分析后的数据进行处理修正，所述图谱分析模块与图谱构建模块网络连接，所述处理修正模块与图谱分析模块网络连接。
[0006]根据上述技术方案，所述图谱构建模块包括图数据库子模块、数据获取子模块、实体识别单元和实体关系抽取单元，所述图数据库子模块用于对获取到的数据信息进行存储，所述数据获取子模块用于获取存储制造车间内设备的故障维修数据信息，所述实体识别单元用于识别数据信息中具有特定意义的实体，对设备故障文本信息进行分类，所述实体关系抽取单元用于提取数据信息中包含的实体间的关系以及关系对应的实体辨别，所述数据获取子模块、实体识别单元和实体关系抽取单元均与图数据库子模块网络连接。
[0007]根据上述技术方案，所述图谱分析模块包括数据分析子模块和人员评价子模块，所述数据分析子模块用于对构建完成的知识图谱中的数据信息进行分析，所述人员评价子模块用于对设备故障维修人员维修工作进行评分，所述数据分析子模块包括重要度等级划分单元，所述重要度等级划分单元用于对制造车间内设备故障问题进行重要度等级划分，
所述人员评价子模块与数据分析子模块网络连接。
[0008]根据上述技术方案，所述处理修正模块包括智能推荐子模块、异常预警子模块和预测维护子模块，所述智能推荐子模块用于根据评分后的人员信息为出现故障的设备自动推荐匹配人员，所述异常预警子模块用于在设备出现故障发出预警提示，所述预测维护子模块用于对设备的日常运作进行前瞻预测维护，所述智能推荐子模块与人员评价子模块网络连接，所述异常预警子模块和预测维护子模块均与数据分析子模块网络连接。
[0009]根据上述技术方案，所述图谱构建模块的运行方法主要包括以下步骤：
[0010]步骤S1：建立图数据库，将获取处理后的制造车间内设备的故障维修数据信息存储至图数据库中；
[0011]步骤S2：从车间历史故障维修记录设备故障相关数据，以及利用网络爬虫技术从互联网中获取大量与设备故障相关数据，所述相关数据包括故障现象、原因、维修方法、维修人员、维修次数和维修时间；
[0012]步骤S3：对获取到的数据信息进行实体识别，将得到的实体存储在图数据库中；
[0013]步骤S4：抽取设备故障实体间的结构关系，形成以维修人员与设备、故障关系的三元组形式，在获得三元组后进行人工复查、校验，最后将准确信息存储至图数据库中；
[0014]步骤S5：构建好数据层后，将抽取到的实体与实体关系三元组存入图数据库中，完成整个知识图谱的构建。
[0015]根据上述技术方案，所述图谱分析模块的运行方法主要包括以下步骤：
[0016]步骤A1：对知识图谱中的数据进行实时更新，通过数据分析对设备运行状态进行判断；
[0017]步骤A2：根据历史数据对维修人员的工作状态进行评价分析。
[0018]根据上述技术方案，所述步骤A1进一步包括以下步骤：
[0019]步骤A11：数据分析子模块提取历史设备状态评分，根据预设公式将上述评分整合计算，对设备故障进行重要度等级划分；
[0020]步骤A12：根据综合计算出的结果将制造车间设备故障重要度等级进行划分，具体划分为轻度、中度和重度三个等级；
[0021]步骤A13：设置重要度等级划分单元满分为Q，根据预设公式计算分析得出的分数值为W，则设备故障重要度等级划分为
[0022][0023]所述轻度为设备正常运行不受影响，设备局部或辅助零部件丧失部分功能，不影响任务的完成，所述中度为设备出现报警信息，经过简单处理后，在短时间内可恢复正常工作状态，所述重度为设备或其零部件在运行过程中出现损伤，性能下降，物品的加工精度降低或导致设备停止运行、停产。
[0024]根据上述技术方案，所述步骤A2进一步包括以下步骤：
[0025]步骤A21：获取数据库中存储的维修人员、维修次数n、每一次的维修时间(t1、t2、
…
、t
n
)、维修过的设备重要度等级(W1、W2、
…
、W
n
)，对各维修人员的维修技术能力值R进行
评价分析；
[0026]步骤A22：具体计算公式为：
[0027][0028]式中，为技术人员平均每次维修所需的时间，为技术人员平均每次维修的设备重要度等级，α、β分别为时间和设备重要度等级与能力值的转换系数，为大于0的常数值；
[0029]步骤A23：智能推荐模块可根据计算出的结果，向系统推荐出现故障问题解决能力较高的技术人员。
[0030]根据上述技术方案，所述处理修正模块的运行方法主要包括以下步骤：
[0031]步骤B1：智能推荐子模块在设备故障发生后或有用户在系统内搜索相关设备故障修复时，根据人员评价分析结果，向其智能推荐针对于此故障最适合进行维修工作的技术人员；
[0032]步骤B2：异常预警子模块在检测到制造车间内设备工作状态有异，或维修人员操作异常，自动向后台发出异常预警通知，同时推测此操作可能带来的结果并告知；
[0033]步骤B3：预测维护子模块根据数据分析子模块对设备分析后的结果，实时监测设备工作状态，对其各项功能进行预测，在出现故障前，即重要度等级在轻度和中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据的图谱分析修正系统，包括图谱构建模块、图谱分析模块和处理修正模块，其特征在于：所述图谱构建模块用于将设备故障维修信息收集，用以构建知识图谱，所述图谱数据分析模块用于对图谱数据进行分析，所述处理修正模块用于对分析后的数据进行处理修正，所述图谱分析模块与图谱构建模块网络连接，所述处理修正模块与图谱分析模块网络连接。2.根据权利要求1所述的基于大数据的图谱分析修正系统，其特征在于：所述图谱构建模块包括图数据库子模块、数据获取子模块、实体识别单元和实体关系抽取单元，所述图数据库子模块用于对获取到的数据信息进行存储，所述数据获取子模块用于获取存储制造车间内设备的故障维修数据信息，所述实体识别单元用于识别数据信息中具有特定意义的实体，对设备故障文本信息进行分类，所述实体关系抽取单元用于提取数据信息中包含的实体间的关系以及关系对应的实体辨别，所述数据获取子模块、实体识别单元和实体关系抽取单元均与图数据库子模块网络连接。3.根据权利要求2所述的基于大数据的图谱分析修正系统，其特征在于：所述图谱分析模块包括数据分析子模块和人员评价子模块，所述数据分析子模块用于对构建完成的知识图谱中的数据信息进行分析，所述人员评价子模块用于对设备故障维修人员维修工作进行评分，所述数据分析子模块包括重要度等级划分单元，所述重要度等级划分单元用于对制造车间内设备故障问题进行重要度等级划分，所述人员评价子模块与数据分析子模块网络连接。4.根据权利要求3所述的基于大数据的图谱分析修正系统，其特征在于：所述处理修正模块包括智能推荐子模块、异常预警子模块和预测维护子模块，所述智能推荐子模块用于根据评分后的人员信息为出现故障的设备自动推荐匹配人员，所述异常预警子模块用于在设备出现故障发出预警提示，所述预测维护子模块用于对设备的日常运作进行前瞻预测维护，所述智能推荐子模块与人员评价子模块网络连接，所述异常预警子模块和预测维护子模块均与数据分析子模块网络连接。5.根据权利要求4所述的基于大数据的图谱分析修正系统，其特征在于：所述图谱构建模块的运行方法主要包括以下步骤：步骤S1：建立图数据库，将获取处理后的制造车间内设备的故障维修数据信息存储至图数据库中；步骤S2：从车间历史故障维修记录设备故障相关数据，以及利用网络爬虫技术从互联网中获取大量与设备故障相关数据，所述相关数据包括故障现象、原因、维修方法、维修人员、维修次数和维修时间；步骤S3：对获取到的数据信息进行实体识别，将得到的实体存储在图数据库中；步骤S4：抽取设备故障实体间的结构关系，形成以维修人员与设备、故障关系的三元组形式，在获得三元组后进行人工复查、校验，最后将准确信息存储至图数据库中；步骤S5：构建好数据层后，将抽取到的实体与实体关系三元组存入图数据库中，完成整个知识图谱的构建。6.根据权利要求5所述的基于大数据的图谱分析修正系统，其特征在于：所述图谱分析模块的运行方法主要包括以下步骤：步骤A1：对知识...

【专利技术属性】
技术研发人员：秦如坤，
申请(专利权)人：秦如坤，
类型：发明
国别省市：