導(dǎo)讀：知識(shí)圖譜是認(rèn)知智能的核心技術(shù)，是企業(yè)獲得持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)的關(guān)鍵技術(shù)。而產(chǎn)品質(zhì)量和生成可靠性是智能制造的生命線，F(xiàn)MEA是質(zhì)量和可靠性工程的關(guān)鍵方法。知識(shí)圖譜和 FMEA 的融合所爆發(fā)的能量是保障企業(yè)贏得市場(chǎng)的制勝法寶。本文作者以十多年人工智能從業(yè)實(shí)踐經(jīng)驗(yàn)，從半導(dǎo)體、高端醫(yī)療器械、汽車(chē)工業(yè)、新能源、雙碳等領(lǐng)域的實(shí)戰(zhàn)出發(fā)，詳細(xì)剖析 FMEA 知識(shí)圖譜。

今天的介紹會(huì)圍繞下面五點(diǎn)展開(kāi)：

• 達(dá)觀數(shù)據(jù)簡(jiǎn)介
• FMEA知識(shí)圖譜誕生背景
• FMEA簡(jiǎn)介
• FMEA知識(shí)圖譜的構(gòu)建與應(yīng)用
• 總結(jié)

01

達(dá)觀數(shù)據(jù)簡(jiǎn)介

達(dá)觀數(shù)據(jù)是專注于自然語(yǔ)言處理、知識(shí)圖譜、RPA等領(lǐng)域的國(guó)家級(jí)高新技術(shù)企業(yè)，被評(píng)選為工信部“專精特新”企業(yè)和“科技小巨人”企業(yè)，連續(xù)3年入選中國(guó)人工智能50強(qiáng)企業(yè)。

曾榮獲中國(guó)人工智能最高獎(jiǎng)“吳文俊人工智能獎(jiǎng)”，中國(guó)互聯(lián)網(wǎng)創(chuàng)新大賽全國(guó)總冠軍，多次摘取ACM國(guó)際算法競(jìng)賽冠軍榮譽(yù)，國(guó)內(nèi)同行業(yè)唯一通過(guò)國(guó)際軟件成熟度最高等級(jí)CMMI5認(rèn)證的企業(yè)。

擁有100多項(xiàng)技術(shù)發(fā)明專利和軟件著作權(quán)，2項(xiàng)PCT國(guó)際專利，2本技術(shù)專著和眾多科研論文，已與三所中國(guó)知名大學(xué)建立聯(lián)合實(shí)驗(yàn)室。

本次分享的演講者，達(dá)觀數(shù)據(jù)副總裁王文廣所寫(xiě)的書(shū)籍《知識(shí)圖譜：認(rèn)知智能理論與實(shí)戰(zhàn)》由博文視點(diǎn)出版，對(duì)知識(shí)圖譜和認(rèn)知智能感興趣的朋友歡迎購(gòu)買(mǎi)。

—

02

FMEA知識(shí)圖譜誕生背景

1. 光刻機(jī)與芯片制造

光刻機(jī)是芯片制造的核心裝備，采用類似照片沖印的技術(shù)，把掩膜版上的精細(xì)圖形通過(guò)光線的曝光印制到硅片上。該工程領(lǐng)域?qū)儆趪?guó)內(nèi)工程領(lǐng)域中被發(fā)達(dá)國(guó)家“卡脖子”的幾大領(lǐng)域之一。

上圖展示了來(lái)自于ASML公司的一種產(chǎn)品的說(shuō)明圖：光束通過(guò)多層反射，最終精確地將圖像印制到指定的硅片上，完成光刻。對(duì)于其精度要求之高，可以用一個(gè)形象的例子類比——假如從上海發(fā)射一束光到南京指定的某個(gè)點(diǎn)，光束的誤差要控制在1cm以內(nèi)。

而作為芯片生產(chǎn)流程中最復(fù)雜、最關(guān)鍵的步驟，光刻工藝難度最大、耗時(shí)最長(zhǎng)，芯片在生產(chǎn)過(guò)程中一般需要進(jìn)行20~30次光刻，總工序多達(dá)3000個(gè)，耗費(fèi)時(shí)間約占整個(gè)硅片工藝的40 60%，成本極高，約為整個(gè)硅片制造工藝的1/3。

上圖展示了1999年之前ASML精度為180μm的光刻機(jī)的制造工序圖，可以看出工序已經(jīng)如蜘蛛網(wǎng)般復(fù)雜（近期臺(tái)積精度光刻機(jī)的精度可達(dá)5nm，制造工序會(huì)復(fù)雜數(shù)倍）。保證所有的工序都要達(dá)到足夠高的準(zhǔn)確度，這樣才能保證最終產(chǎn)品的良率，復(fù)雜的工序會(huì)導(dǎo)致誤差的指數(shù)級(jí)增長(zhǎng)（指數(shù)魔力或指數(shù)詛咒）。

以臺(tái)積電為例，臺(tái)積電造的每一顆芯片需要經(jīng)過(guò)近3000道工序才能完工，而這其中需要利用大量的半導(dǎo)體設(shè)備，并一直維持恒溫、高壓等各種復(fù)雜環(huán)境。

而在芯片生產(chǎn)的過(guò)程中，如果這3000道工序的可靠性都只有99.99%，那么最終的良率其實(shí)只有不到75%；對(duì)于臺(tái)積電這種規(guī)模的企業(yè)來(lái)說(shuō)，成本的浪費(fèi)是巨大的、不可接受的。因此，為了實(shí)現(xiàn)合理的產(chǎn)品良率，需要保證每一道工序的可靠性都在99.999%以上。

2. 手機(jī)芯片制造

大多數(shù)的工程制造領(lǐng)域其實(shí)并沒(méi)有達(dá)到像最先進(jìn)的芯片制造這樣級(jí)別的工序復(fù)雜程度和成品精度要求；但是對(duì)于現(xiàn)代各項(xiàng)“高精尖”技術(shù)，每一道工序的開(kāi)展，每一個(gè)產(chǎn)品的制造，仍然具備相當(dāng)程度的復(fù)雜度，以及各類產(chǎn)品獨(dú)特的要求。

以手機(jī)電芯為例，僅僅是作儲(chǔ)能用途的電芯，都需要超過(guò)20多道的工序才能完成制造。因此，每一道工序的可靠性要保證在99.9%以上，才能達(dá)到可接受的良率水平。

3. 質(zhì)量與可靠性工程

縱觀在整個(gè)制造業(yè)，特別是高端制造業(yè)中，有一句名言：產(chǎn)品質(zhì)量與生產(chǎn)可靠性是制造業(yè)的生命線。產(chǎn)品制造如同攀巖，在任何一個(gè)地方出現(xiàn)微小的疏忽和差池，都可能導(dǎo)致產(chǎn)品質(zhì)量不過(guò)關(guān)，進(jìn)而導(dǎo)致產(chǎn)品在市場(chǎng)上失去競(jìng)爭(zhēng)力。

事實(shí)上，在我國(guó)中央政府發(fā)布的中國(guó)制造2025綱要中，對(duì)產(chǎn)品質(zhì)量部分作出了特別的強(qiáng)調(diào)，要求在2025年之前實(shí)現(xiàn)高端產(chǎn)品的研發(fā)，并打造質(zhì)量控制技術(shù)，以保證生產(chǎn)制造過(guò)程中的可靠性。

4. 知識(shí)沉淀的重要性

多項(xiàng)相關(guān)研究報(bào)告表明，保證產(chǎn)品質(zhì)量和生產(chǎn)可靠性的核心在于知識(shí)。

（1）案例1：AIAG

以AIAG為例，AIAG（Automotive Industry Action Group，汽車(chē)工業(yè)行動(dòng)小組）是由美國(guó)三大汽車(chē)公司通用、福特和克萊斯勒共同創(chuàng)建，為汽車(chē)整車(chē)制造商和零部件供應(yīng)商提供了一個(gè)唯一的平臺(tái)以共同處理和解決影響全球汽車(chē)供應(yīng)鏈的問(wèn)題，在整個(gè)汽車(chē)產(chǎn)業(yè)鏈里影響力巨大。

AIAG和德勤合作，對(duì)該組織內(nèi)的OEM和供應(yīng)商調(diào)研并發(fā)布了《質(zhì)量2020》的調(diào)研報(bào)告，反映了當(dāng)下汽車(chē)質(zhì)量控制管理工作中存在的困難和改善行動(dòng)的方向。

① 解決問(wèn)題能力參差不齊

• 64%的員工認(rèn)為他們只有適當(dāng)?shù)哪芰θヌ幚砣粘９ぷ髦杏龅降膯?wèn)題。

② 知識(shí)沉淀、應(yīng)用和共享不足

• 68%的員工認(rèn)為FMEA是有效的將行業(yè)知識(shí)保存和傳遞的方法。
• 67%的員工認(rèn)為電子文檔的存儲(chǔ)和檢索可以有效地利用知識(shí)。
• 54%的員工認(rèn)為數(shù)據(jù)庫(kù)可以為知識(shí)的利用過(guò)程提供幫助。

③ 知識(shí)經(jīng)驗(yàn)丟失風(fēng)險(xiǎn)大

• 95%的員工認(rèn)為專業(yè)知識(shí)、行業(yè)經(jīng)驗(yàn)的丟失會(huì)給企業(yè)經(jīng)營(yíng)帶來(lái)風(fēng)險(xiǎn)。

④ 防止經(jīng)驗(yàn)丟失難度高

• 92%的員工認(rèn)為很難降低因?qū)I(yè)知識(shí)、行業(yè)經(jīng)驗(yàn)的丟失而給企業(yè)帶來(lái)的風(fēng)險(xiǎn)。

以上調(diào)查結(jié)果體現(xiàn)出知識(shí)所產(chǎn)生的巨大價(jià)值，為我們利用知識(shí)圖譜解決相關(guān)問(wèn)題提供了非常好的背景和契機(jī)。

（2）案例2：臺(tái)積電

作為半導(dǎo)體行業(yè)的頭部企業(yè)之一，臺(tái)積電近年來(lái)持續(xù)強(qiáng)化品質(zhì)文化，在提升產(chǎn)品品質(zhì)與可靠性方面制定了明確的目標(biāo)計(jì)劃，品質(zhì)改善帶來(lái)的效益也驗(yàn)證了質(zhì)量控制管理的價(jià)值。在企業(yè)社會(huì)責(zé)任報(bào)告中特別提到質(zhì)量和可靠性方面的工作：2019年企業(yè)通過(guò)專家經(jīng)驗(yàn)改善了制造工藝，短短1年時(shí)間，就帶來(lái)了超過(guò)200億新臺(tái)幣（約46億人民幣）的價(jià)值。

① 改善案例數(shù)量

• 臺(tái)積電2019年品質(zhì)改善案例實(shí)際件數(shù)高達(dá)49356件。

② 改善案例效益

• 2019年因品質(zhì)改善創(chuàng)造效益高達(dá)150億臺(tái)幣（約人民幣34.45億）
• 12寸晶圓出貨目視檢查人員生產(chǎn)力達(dá)每人每月5258片。

從臺(tái)積電的案例可以看出，通過(guò)產(chǎn)品品質(zhì)和可靠性方面的知識(shí)應(yīng)用，僅僅一年時(shí)間就帶來(lái)質(zhì)量的顯著提升，從而帶來(lái)可觀的收益。對(duì)于高端制造企業(yè)，知識(shí)就是競(jìng)爭(zhēng)力，占有知識(shí)就相當(dāng)于占有競(jìng)爭(zhēng)力。

（3）FMEA工具的引入

通過(guò)AIAG和臺(tái)積電這兩個(gè)案例可以看出，高效的失效分析、預(yù)防是品質(zhì)控制的重點(diǎn)。建立資料信息關(guān)聯(lián)，提升資料獲取即時(shí)性，失效分析結(jié)果及時(shí)反饋設(shè)計(jì)端，能夠有效改善制程缺陷與良率，降低可靠性風(fēng)險(xiǎn)。強(qiáng)化資料與制造環(huán)節(jié)的聯(lián)動(dòng)，提示信息變更影響，能夠降低變更錯(cuò)誤或不一致造成的品質(zhì)風(fēng)險(xiǎn)。

特別地以臺(tái)積電案例為例，參考企業(yè)年報(bào)可以看出該企業(yè)對(duì)失效分析方面的知識(shí)沉淀所做的工作：

① 失效分析&持續(xù)改善

• 失效分析是制造和售后環(huán)節(jié)的品質(zhì)管理中最重要的工作，其效率和準(zhǔn)確性直接影響制造周期、產(chǎn)品良率和客戶滿意度
• 打破資料孤島現(xiàn)象，自動(dòng)收集全面的關(guān)聯(lián)資料，總結(jié)相關(guān)歷史失效分析經(jīng)驗(yàn)，引導(dǎo)工程師分析失效根因，推薦失效改善方法

② 失效預(yù)防FMEA

• FMEA-潛在失效模式及后果分析，在產(chǎn)品設(shè)計(jì)和過(guò)程設(shè)計(jì)階段指導(dǎo)失效預(yù)防，以提高產(chǎn)品的質(zhì)量和可靠性。
• 內(nèi)容繁雜，制作周期長(zhǎng)，人才經(jīng)驗(yàn)要求高。
• 自動(dòng)收集失效模式及相關(guān)信息生成初始FMEA，關(guān)聯(lián)失效分析經(jīng)驗(yàn)推送新知識(shí)，促進(jìn)FMEA完善。

由此可以看出，在實(shí)現(xiàn)失效預(yù)防這一過(guò)程中，F(xiàn)MEA功不可沒(méi)。實(shí)際上，在臺(tái)積電案例中，因質(zhì)量改善帶來(lái)的200億新臺(tái)幣中，至少100億收益都和FMEA有關(guān)系。

—

03

FMEA簡(jiǎn)介

1. 什么是FMEA

FMEA（Failure Mode and Effects Analysis，潛在失效模式及后果分析），起源于NASA的火箭發(fā)射，由于火箭發(fā)生失敗的成本極高，導(dǎo)致必須在火箭發(fā)射之前，盡可能地解決所有可能引起火箭發(fā)射失敗的問(wèn)題。將所有和失效相關(guān)的原因都處理到位，可以認(rèn)為所有的失效都不會(huì)發(fā)生，進(jìn)而極大地提高火箭發(fā)射的成功的概率。

火箭發(fā)射畢竟還是少數(shù)，F(xiàn)MEA的大規(guī)模應(yīng)用主要在汽車(chē)工業(yè)中。汽車(chē)工業(yè)是近現(xiàn)代制造業(yè)中影響范圍最廣的行業(yè)之一。大約在上世紀(jì)八十年代，F(xiàn)MEA在以福特汽車(chē)為核心的汽車(chē)產(chǎn)業(yè)中得以推廣；此外，日本的本田、豐田等汽車(chē)企業(yè)提出了“精益制造”這一方法，F(xiàn)MEA隨后成為精益制造的核心環(huán)節(jié)之一。

在現(xiàn)在的大型制造業(yè)，特別是智能制造、高端制造中，F(xiàn)MEA被廣泛采用，包括芯片制造、新能源、醫(yī)療器械、高端裝備、航空航天等行業(yè)。

FMEA旨在產(chǎn)品設(shè)計(jì)、過(guò)程設(shè)計(jì)等階段，對(duì)構(gòu)成產(chǎn)品的子系統(tǒng)、零部件、工藝工序逐一進(jìn)行分析，找出所有潛在的失效模式，并分析其可能的后果和產(chǎn)生的原因，從而預(yù)先采取必要的措施，以提高產(chǎn)品的質(zhì)量和可靠性的一種系統(tǒng)性活動(dòng)?？梢哉J(rèn)為，F(xiàn)MEA是保證產(chǎn)品質(zhì)量和生產(chǎn)過(guò)程可靠的“疫苗”。

FMEA可以通過(guò)很多工具實(shí)現(xiàn)，比如上圖使用了最原始的Excel/Word等工具實(shí)現(xiàn)。目前也存在一些基于FMEA方法論開(kāi)發(fā)的系統(tǒng)，包括很多可靠性工程的軟件，都會(huì)包含F(xiàn)MEA相關(guān)的模式。

2. FMEA相關(guān)標(biāo)準(zhǔn)

FMEA相關(guān)模式和實(shí)現(xiàn)方式千千萬(wàn)萬(wàn)，為保證FMEA的有效實(shí)現(xiàn)，汽車(chē)、航空航天、核電、軸承制造等多個(gè)行業(yè)均制定了相關(guān)的標(biāo)準(zhǔn)和規(guī)范。下圖粗略整理了常見(jiàn)行業(yè)的FMEA標(biāo)準(zhǔn)。

可以看出，大部分行業(yè)都非常重視FMEA，而且FMEA的應(yīng)用行業(yè)非常廣泛。此外，F(xiàn)MEA在整個(gè)產(chǎn)品的全生命周期中都會(huì)用到，包括需求分析、功能規(guī)劃、研究設(shè)計(jì)、生產(chǎn)制造、售后服務(wù)等各個(gè)方面。

3. FMEA與人工智能的結(jié)合

FMEA應(yīng)用廣泛、方法完善、工具豐富，但是傳統(tǒng)的FMEA并沒(méi)有很好地利用人工智能技術(shù)。21世紀(jì)初隨著深度學(xué)習(xí)的迅速發(fā)展，認(rèn)知智能也得到了很大程度的發(fā)展，知識(shí)圖譜已經(jīng)進(jìn)入工業(yè)化大規(guī)模應(yīng)用的階段，因此將人工智能技術(shù)與FMEA方法結(jié)合，利用知識(shí)圖譜和人工智能技術(shù)、認(rèn)知智能技術(shù)來(lái)構(gòu)建FMEA知識(shí)圖譜，以幫助我們更好地為制造業(yè)“打疫苗”。

—

04

FMEA知識(shí)圖譜的構(gòu)建與應(yīng)用

1. 知識(shí)圖譜簡(jiǎn)介

知識(shí)圖譜是知識(shí)的最佳組織形式，是人類和機(jī)器都能便捷使用的一種結(jié)構(gòu)。目前知識(shí)圖譜技術(shù)已經(jīng)日趨成熟，在智能問(wèn)答、推薦系統(tǒng)等領(lǐng)域均得到了大規(guī)模有效的應(yīng)用。

因此，我們致力于結(jié)合知識(shí)圖譜與FMEA來(lái)賦能制造業(yè)可靠性工程的智能化。從小的角度來(lái)說(shuō)，可以為每一家制造類型的企業(yè)，在提升產(chǎn)品質(zhì)量、提升生產(chǎn)制造的可靠性方面提供幫助；從大的角度來(lái)說(shuō)，這是中國(guó)從制造大國(guó)走向制造強(qiáng)國(guó)所必須要做的事情。

2. 達(dá)觀淵海知識(shí)圖譜平臺(tái)

達(dá)觀數(shù)據(jù)自主研發(fā)的淵海知識(shí)圖譜平臺(tái)，已經(jīng)在金融、地產(chǎn)等行業(yè)得到了廣泛的應(yīng)用，可用于輿情分析、軍工情報(bào)等諸多場(chǎng)景。該平臺(tái)具備強(qiáng)大的能力賦能各行各業(yè)智能化轉(zhuǎn)型，為FMEA知識(shí)圖譜提供了良好的基礎(chǔ)。

達(dá)觀淵海知識(shí)圖譜平臺(tái)具備以下優(yōu)點(diǎn)：

① 數(shù)據(jù)管理能力

• 支持結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的管理。
• 支持MySQL、PostgreSQL、達(dá)夢(mèng)、CSV、Excel等多種數(shù)據(jù)源。
• 支持通過(guò)達(dá)觀RPA與其他系統(tǒng)的無(wú)縫無(wú)侵入的數(shù)據(jù)對(duì)接。

② 多圖譜管理能力

• 支持創(chuàng)建、修改和刪除任意多圖譜，支持圖譜的有不同的模式。
• 支持按圖譜進(jìn)行數(shù)據(jù)源、功能、算法、模型和權(quán)限管理等。
• 多圖譜的權(quán)限管理。

③ 強(qiáng)大的圖譜構(gòu)建和編輯能力

• 支持從結(jié)構(gòu)化數(shù)據(jù)源構(gòu)建和融合知識(shí)圖譜。
• 支持從非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行標(biāo)注、訓(xùn)練、評(píng)估等完整的知識(shí)抽取與融合。
• 支持對(duì)圖譜實(shí)體和關(guān)系數(shù)據(jù)的增刪改查，實(shí)現(xiàn)可持續(xù)的運(yùn)營(yíng)。

④ 強(qiáng)大的算法能力和豐富的應(yīng)用

• 支持豐富的基于深度學(xué)習(xí)、遷移學(xué)習(xí)的應(yīng)用，如智能問(wèn)答、輔助決策。
• 支持基于圖算法的應(yīng)用，基于Spark GraphX等實(shí)現(xiàn)大規(guī)模的圖計(jì)算。
• 強(qiáng)大的可視化分析和友好的人機(jī)交互方式。

⑤ 完整的權(quán)限設(shè)置

• 基于RBAC的強(qiáng)大的用戶權(quán)限控制體系，支持基于組織架構(gòu)的權(quán)限。
• 支持基于功能的權(quán)限管理。
• 支持基于數(shù)據(jù)的權(quán)限管理。

⑥ 服務(wù)周到的定制化開(kāi)發(fā)

• 根據(jù)需要進(jìn)行定制化開(kāi)發(fā)。
• 支持通過(guò)RPA定制流程實(shí)現(xiàn)全流程的自動(dòng)化。
• 包括制造業(yè)、金融、財(cái)務(wù)等多個(gè)行業(yè)的業(yè)務(wù)專家服務(wù)。

3. FMEA知識(shí)圖譜的構(gòu)建

“人機(jī)料法環(huán)測(cè)”，是制造流程中的幾大重要維度，是故障或者失效分析中的重要因素。以強(qiáng)大的淵海知識(shí)圖譜平臺(tái)作為基礎(chǔ)，結(jié)合FMEA方法論，構(gòu)建知識(shí)圖譜，深度挖掘制造業(yè)中的“人機(jī)料法環(huán)測(cè)”，建立知識(shí)與知識(shí)、知識(shí)與人、知識(shí)與時(shí)空的多維連接，從而實(shí)現(xiàn)質(zhì)量與可靠性工程的規(guī)劃、推理與決策模型開(kāi)發(fā)的應(yīng)用基礎(chǔ)。

在構(gòu)建知識(shí)圖譜的過(guò)程中，會(huì)用到多種工具。例如，對(duì)知識(shí)的加工，以及對(duì)數(shù)字的加工處理，會(huì)用到實(shí)體抽取技術(shù)；對(duì)知識(shí)構(gòu)建連接，需要結(jié)合人工規(guī)則和專家經(jīng)驗(yàn)總結(jié)等，以及關(guān)系抽取、知識(shí)融合等技術(shù)。

此外，達(dá)觀數(shù)據(jù)自行開(kāi)發(fā)了一項(xiàng)新功能，實(shí)現(xiàn)知識(shí)點(diǎn)來(lái)源的記錄，可以實(shí)現(xiàn)對(duì)原始文檔的追溯，以實(shí)現(xiàn)知識(shí)可靠性的驗(yàn)證。

上圖展示了一個(gè)已構(gòu)建的知識(shí)圖譜的簡(jiǎn)化版schema，可以看出產(chǎn)品、設(shè)備、研發(fā)、生產(chǎn)、管理、售后、售前等各個(gè)環(huán)節(jié)都與失效有關(guān)。除了常見(jiàn)的“人機(jī)料法環(huán)測(cè)”等主要維度，故障和失效還與人力資源、成本，以及BOM數(shù)據(jù)產(chǎn)生關(guān)聯(lián)；而B(niǎo)OM數(shù)據(jù)則與設(shè)計(jì)變更、供應(yīng)商、客戶、營(yíng)銷等因素可產(chǎn)生進(jìn)一步的關(guān)聯(lián)。在研發(fā)端，研發(fā)的相關(guān)知識(shí)，包括論文、專利、輿情等，以及競(jìng)品相關(guān)的說(shuō)明文檔等，都可以與故障和失效進(jìn)行關(guān)聯(lián)，從而全方位地完善FMEA知識(shí)圖譜中的核心知識(shí)和基礎(chǔ)知識(shí)，實(shí)現(xiàn)失效知識(shí)的融會(huì)貫通。

4. FMEA知識(shí)圖譜的應(yīng)用

① 基于知識(shí)圖譜和語(yǔ)義理解的失效歸因分析

用戶通過(guò)輸入故障/失效現(xiàn)象的描述，后臺(tái)連接傳感器或日志內(nèi)記錄的故障錯(cuò)誤信息，通過(guò)語(yǔ)義理解，從知識(shí)圖譜中自動(dòng)找到最匹配的失效原因，并展示出解決方法和改善措施，協(xié)助現(xiàn)場(chǎng)工程師進(jìn)行失效歸因分析，從而更快速地處理故障。

② 基于知識(shí)圖譜的FMEA輔助制作

在傳統(tǒng)制造業(yè)中，F(xiàn)MEA的制作周期是非常長(zhǎng)的：僅僅針對(duì)一項(xiàng)工藝，一個(gè)產(chǎn)線，或者產(chǎn)品的某一項(xiàng)功能，往往就需要有3-10人團(tuán)隊(duì)，經(jīng)過(guò)少則1個(gè)月多則半年的時(shí)間，才能完成一份詳盡的FMEA。因此，對(duì)于大型制造業(yè)企業(yè)，制作FMEA將會(huì)耗費(fèi)大量的人力和物力資源。

因此，利用平臺(tái)中的FMEA輔助制作工具，基于知識(shí)圖譜輔助條件篩選，可自動(dòng)從已構(gòu)建的知識(shí)圖譜中生成FMEA；平臺(tái)支持DFMEA（新產(chǎn)品）、PFMEA（新工藝）、MFMEA（新設(shè)備）等多種類型的FMEA；工程師可直接在收集整理好的FMEA上進(jìn)行編輯，可大大縮短FMEA的制作周期，提升了效率，同時(shí)實(shí)現(xiàn)了對(duì)歷史經(jīng)驗(yàn)更全面、更充分的利用。

③ FMEA 版本管理和智能比對(duì)

FMEA版本管理和智能比對(duì)，包括FMEA文檔級(jí)版本比對(duì)和FMEA條目級(jí)版本比對(duì)兩部分。在FMEA查詢結(jié)果列表下方顯示最新FMEA版本文件，點(diǎn)擊后展示當(dāng)前FMEA文件所有歷史版本，和前序各版本進(jìn)行文檔級(jí)比對(duì)，實(shí)現(xiàn)同一個(gè)產(chǎn)品零部件FMEA在不同版本的差異化比對(duì)；在FMEA查詢結(jié)果列表中選擇待比對(duì)故障模式，點(diǎn)擊對(duì)應(yīng)條目版本差異化比對(duì)，按表單形式展示不同版本該比對(duì)條目的差異點(diǎn)并高亮顯示，實(shí)現(xiàn)同一個(gè)產(chǎn)品/部件FMEA中故障模式的差異化比對(duì)；進(jìn)而可實(shí)現(xiàn)知識(shí)的融合，以及相同或相似的失效模式的整合和比對(duì)。

④ 基于知識(shí)推理的新失效模式發(fā)現(xiàn)

基于知識(shí)推理技術(shù)，從故障分析報(bào)告、論文、新聞事件等挖掘新失效模式、新失效原因、新改善措施等，實(shí)現(xiàn)現(xiàn)有失效模式的補(bǔ)充和完善，進(jìn)而補(bǔ)充現(xiàn)有FMEA中遺漏、不完善的地方，幫助企業(yè)對(duì)工藝和產(chǎn)品進(jìn)程持續(xù)地完善和迭代更新，也符合“精益制造”中“持續(xù)改善”這一理念。

5. 可運(yùn)營(yíng)可管理的智能制造知識(shí)圖譜平臺(tái)

對(duì)于制造業(yè)來(lái)說(shuō)，知識(shí)是不斷更新?lián)Q代的，因此對(duì)應(yīng)的知識(shí)圖譜平臺(tái)也應(yīng)該是一個(gè)可運(yùn)營(yíng)、可管理的平臺(tái)。

如果一個(gè)知識(shí)圖譜不能持續(xù)進(jìn)行運(yùn)營(yíng)管理的話，一段時(shí)間后知識(shí)會(huì)缺失、陳舊，變得無(wú)法使用；因此要求平臺(tái)除了具備本身的應(yīng)用功能外，還需要具備管理和運(yùn)營(yíng)等功能，包含功能管理、權(quán)限管理、模型管理、詞表管理，以及知識(shí)圖譜的模式設(shè)計(jì)、構(gòu)建管理、內(nèi)容編輯，以及增刪改查、可視化等功能。

—

05

總結(jié)

達(dá)觀數(shù)據(jù)依托淵海知識(shí)圖譜平臺(tái)，打造出面向產(chǎn)品質(zhì)量和生產(chǎn)可靠性方面的強(qiáng)大的FMEA知識(shí)圖譜應(yīng)用平臺(tái)，現(xiàn)已在航空航天、汽車(chē)、芯片制造、海洋、電力、能源、醫(yī)療設(shè)備、軍工裝備、核工業(yè)等多個(gè)行業(yè)得到推廣和應(yīng)用。有關(guān)知識(shí)圖譜的歷史、構(gòu)建技術(shù)、存儲(chǔ)技術(shù)和應(yīng)用技術(shù)，可參閱王文廣所寫(xiě)的《知識(shí)圖譜：認(rèn)知智能理論與實(shí)戰(zhàn)》一書(shū)。

達(dá)觀數(shù)據(jù)致力于為高端制造行業(yè)的產(chǎn)品質(zhì)量和生產(chǎn)可靠性賦能，為打造我國(guó)自主研發(fā)的質(zhì)量技術(shù)和質(zhì)量產(chǎn)品賦能，為智能制造2025賦能！

今天的分享就到這里，謝謝大家。

閱讀更多技術(shù)干貨文章、下載講師PPT，請(qǐng)關(guān)注微信公眾號(hào)“DataFunTalk”。

分享嘉賓：王文廣 達(dá)觀數(shù)據(jù) 副總裁

編輯整理：王吉東 昆侖數(shù)據(jù)

出品平臺(tái)：DataFunTalk

分享嘉賓：

活動(dòng)推薦：

關(guān)于我們：

DataFun：專注于大數(shù)據(jù)、人工智能技術(shù)應(yīng)用的分享與交流。發(fā)起于2017年，在北京、上海、深圳、杭州等城市舉辦超過(guò)100+線下和100+線上沙龍、論壇及峰會(huì)，已邀請(qǐng)超過(guò)2000位專家和學(xué)者參與分享。其公眾號(hào) DataFunTalk 累計(jì)生產(chǎn)原創(chuàng)文章700+，百萬(wàn)+閱讀，14萬(wàn)+精準(zhǔn)粉絲。

歡迎轉(zhuǎn)載分享評(píng)論，轉(zhuǎn)載請(qǐng)私信。