基于知识图谱的新能源汽车产品全生命周期问题管理方法

本发明属于产品信息管理，具体的为一种基于知识图谱的新能源汽车产品全生命周期问题管理方法。

背景技术：

1、在当前的市场环境下，企业面临的竞争日益激烈，发现并解决问题，确保产品和服务的质量等已经成为企业竞争力的关键要素。当前企业发现问题和解决问题的重要性，已经上升到企业生存和发展的战略高度。企业应高度重视发现问题和解决问题的能力，并建立完善的机制和措施，不断提升企业的发现问题和解决问题能力，才能达成一流工作效率及竞争力的战略目标，不断向“消灭复原型问题，解决高价值防范型和追求型问题”的终极目标靠近。

2、知识图谱是一种知识管理载体，通过将不同模态、不同周期的知识以三元组的形式关联起来，能够高效地组织和管理复杂信息。在新能源汽车全周期问题管理中，构建知识图谱有助于将各种类型的问题及其解决方案进行系统化管理。构建新能源汽车全周期问题管理知识图谱，使得该知识图谱包含大量的新能源汽车生命周期各种问题的垂直领域知识。这些知识不仅包括研发阶段的技术问题、生产阶段的工艺问题、供应链的管理问题，还包括使用阶段的客户投诉和反馈问题。然而，新能源汽车生命周期涉及的数据量庞大，来源多样，如何高效地收集、整理和整合这些数据是构建知识图谱的首要挑战。需要考虑数据的准确性、完整性和一致性；此外，知识图谱需要具备强大的语义解析和推理能力，能够理解和推断不同问题之间的关联。这要求在自然语言处理、机器学习和知识表示方面有深厚的技术积累；新能源汽车技术和市场需求不断变化，知识图谱需要能够动态更新和维护，及时反映最新的技术进展和市场反馈。这涉及自动化的数据采集和更新机制，以及对旧知识的有效管理。

3、但是，大部分企业使用仍然采用文字编辑软件、邮件、乃至人脑记忆来推动问题的发现与解决，存在如下缺点：

4、1、问题的发现、确认、分析、解决等完全依赖于人的自发推进与记忆，容易产生遗漏或遗忘，一方面降低问题发现与解决的效率，另一方面影响问题解决的质量。

5、2、企业经营管理相关问题多且繁杂，优先解决哪个或哪些问题完全取决于人的认知和偏好，容易忽略重要且优先级别高的问题，给企业经营管理带来隐患或损失。

6、3、问题分析的正确与否完全依赖于人的认知和经验，缺少一套通用的分析方法，降低问题分析的效率和质量。

7、4、对问题发现、确认、分析、解决及统计与分析(包含过程和结果)需耗费大量人力目容易出现错误。

8、5、问题的发现与解决未完全对接企业组织架构，一方面受人工推动影响推进效率，存在因权限管理不当造成的企业经营管理信息泄漏风险，另一方面如需根据问题发现与解决来评价企业员工的工作绩效则要耗费巨大的人力(甚至不可实现)。

9、基于以上问题，利用软件技术以支撑企业高效地发现并解决问题，取代人们使用文字编辑软件、邮件、乃至人脑记忆来推动问题的发现与解决的方式，是一个亟待解决的问题。

技术实现思路

1、有鉴于此，为了解决现有技术在产品全生命周期问题管理方面存在的不足，本发明的目的在于提供一种基于知识图谱的新能源汽车产品全生命周期问题管理方法。

2、为达到上述目的，本发明提供如下技术方案：

3、一种基于知识图谱的新能源汽车产品全生命周期问题管理方法，包括如下步骤：

4、步骤一：输入问题，从历史问题库内检索该问题是否是重复问题：若是，则执行步骤二；若否，则问题为新问题，执行步骤三；

5、步骤二：基于专业知识和经验对问题进行分类，确定问题的类型和性质；

6、步骤三：对于重复问题，根据问题的类型，在历史问题库内找到解决问题的措施并提出问题解决方案；对于新问题，将新问题输入构建在历史问题库内的新能源汽车产品生命周期问题管理知识图谱后，对新问题进行判断推理，并提出解决该新问题的问题解决方案；

7、步骤二：基于专业知识和经验对问题进行分类，确定问题的类型和性质；

8、步骤三：根据问题的类型，在历史问题库内找到解决问题的措施并提出问题解决方案；

9、步骤四：对提出的问题解决方案的可行性和有效性进行评价：若问题解决方案通过评价，则执行步骤五；若问题解决方案未通过评价，则执行步骤三；

10、步骤五：对问题解决方案进行实际验证：若问题解决方案验证通过，则执行步骤六；若问题解决方案未验证通过，则执行步骤三；

11、步骤六：将包括问题、问题解决方案和实施经验的问题数据上传数据中心以更新历史问题库；

12、步骤七：问题解决完成。

13、进一步，所述历史问题库内基于问题数据构建有新能源汽车产品生命周期问题管理知识图谱，所述新能源汽车产品生命周期问题管理知识图谱的构建方法为：

14、s1：从新能源汽车全生命周期中获取相关数据信息，包括：研发阶段的产品设计信息、制造阶段的产品生产信息和服务阶段的用户反馈信息；

15、s2：在产品历史维修数据库的基础上，结合新能源汽车全生命周期问题库与案例库，形成新能源汽车问题管理数据库；

16、s3：针对新能源汽车问题管理数据库，利用多模态知识挖掘算法将不同模态的问题数据以文本形式为载体呈现，形成各模态问题数据三元组集群；

17、s4：对各模态问题数据三元组集群进行全局编码，并进行模态融合及跨模态对齐，实现跨模态问题数据融合，形成新能源汽车产品生命周期问题管理知识图谱。

18、进一步，所述步骤s3中，利用多模态知识挖掘算法将不同模态的问题数据转换为三元组的方法步骤为：

19、s31：探索多模态工业数据自然语言描述方法，建立模态特征-自然语言描述一致性生成的工业知识挖掘框架；

20、s32：利用模态特征-自然语言描述一致性生成的工业知识挖掘框架将非文本模态数据转换为文本形式或图形式，通过文本抽取方法实现多模态知识挖掘，包括：

21、针对文本模态：首先采用pl-marker策略对文本语句或段落进行编码，随后采用albert进行嵌入表示，最后利用超图对嵌入表示进行建模，构建超图神经网络进行文本模态知识抽取，形成文本模态三元组群；

22、针对图像模态：选取若干多图像描述模型，对同一图像执行图像描述任务，获取多段图像描述文本，对描述文本及图像进行嵌入表示与特征识别，并进行描述文本质量排序，将其中top-k描述文本组成组合prompt输入到大语言模型中生成融合图像描述；采用文本模态知识抽取方法，实现图像模态工业知识抽取，形成图像模态三元组群；

23、针对图形模态：首先将所有三维模型转换为标准格式，随后引入pcl库对三维模型进行点云化处理，获取模型的三维点云；然后利用3d目标检测器获取点云相关特征，基于多头交叉注意生成点云描述文本；最后采用文本模态知识抽取方法，实现图形模态工业知识抽取，形成图形模态三元组群；

24、针对信号模态：首先将信号数据存储于标准数据库中，随后对信号进行处理，并提取信号其中的典型时频域特征；在传感器等先验知识的引导下，构建信号-文本关联规则；最后采用文本模态知识抽取方法，实现信号模态工业知识抽取，形成信号模态三元组群；

25、针对表达式模态：根据表达式存在的不同形式分为非结构化表达式数据和半结构化表达式数据；针对半结构化表达式数据，直接提取离散化信息并形成图结构；针对非结构化表达式数据，首先通过ocr识别图片中的表达式，随后对其进行离散化处理，实现对离散元素的场景图构建，最终形成表达式模态三元组群。

26、进一步，所述步骤s4中，形成新能源汽车产品生命周期问题管理知识图谱的方法步骤为：

27、根据模态问题数据三元组集群的关联关系，引入模态原始数据特征，结合各模态问题数据三元组集群的模态三元组群图特征进行全局编码，通过动态跨模态加权对各部分特征给予权重分配，随后进行模态融合及跨模态对齐操作，实现跨模态知识融合，形成新能源汽车产品生命周期问题管理知识图谱；

28、所述新能源汽车产品生命周期问题管理知识图谱以uri编号为核心节点，并加载了文本属性描述、模态属性描述、标准化数据属性和特征属性。

29、进一步，所述步骤三中，当问题类型为生产质量问题时，采用动态调整iqc抽样、失效模式及影响分析方法和控制计划更新，在历史问题库内找到解决问题的措施并提出问题解决方案。

30、进一步，失效模式及影响分析方法包括如下步骤：

31、31)识别失效模式：确定产品生产质量出现问题的失效模式；

32、32)评估失效影响：评估产品生产质量出现问题的失效模式对系统或产品性能的影响；

33、33)确定失效原因：分析导致失效模式的潜在原因；

34、34)风险优先级数计算：根据失效模式的严重性、发生频率和检测难度，计算风险优先级数：

35、rpn＝严重性×发生频率×检测难度

36、35)制定改进措施：当风险优先级数大于设定阈值时，制定并实施改进措施；

37、36)验证改进措施的有效性，并定期更新fmea文档以反映最新的情况。

38、本发明的有益效果在于：

39、本发明基于知识图谱的新能源汽车产品全生命周期问题管理方法，具有以下技术效果：

40、(1)本发明方法，不仅能够有效解决传统工程生产管理系统pms和质量管理系统qms中的诸多问题，还能够通过智能化和数据化管理，提升整个产品生命周期的质量管理水平。在新能源汽车等高技术产业中，基于知识图谱的产品全生命周期问题管理方法的应用将带来显著的效率提升和竞争优势，能够解决现有技术中对于问题的发现和解决中存在的不足。