注塑产品质量监控过程知识图谱构建及推理方法

摘要

本公开实施例中提供了一种注塑产品质量监控过程知识图谱构建及推理方法，属于计算技术领域，具体包括：在分析注塑领域知识并对其进行预处理操作的基础上构建模式层，其中，所述预处理操作包括对知识三元组的实体与关系进行分类设定、引入定量化的实体属性、针对所述知识三元组引入知识可信度属性、构建虚拟节点；在所述模式层的指导下获取结构化数据和非结构化数据，形成数据层，并结合所述模式层和所述数据层形成知识图谱；针对知识图谱，通过基于规则的可行路径检索、各可行路径可信度计算、基于可信度排序的最佳路径选择进行知识推理。通过本公开的方案，实现了定性知识与定量知识融合，提高了知识图谱的可拓展性、推理效率和可靠性。

说明书

技术领域

本公开实施例涉及计算技术领域，尤其涉及一种注塑产品质量监控过程知识图谱构建及推理方法。

背景技术

目前，制造业是我国国民经济的基础和支柱产业，发展智能制造是我国制造业转型升级的主要路径。产品质量监控是注塑生产过程中极其重要的环节。但由于注塑生产过程存在工业机理复杂、过程及工序间关联耦合严重、市场需求多样性、边界条件多变性等特点。传统的生产模式下，产品缺陷检测及溯因分析、生产过程工艺参数调整方案决策等环节依赖于人工经验，具有极大的时滞性与主观性，无法适应当前绿色低碳高效生产的目标。同时，生产相关经验积累与传承存在困难，对知识型工作者的严重依赖给企业带来了较大的运营成本。由此，深入挖掘生产过程涉及的知识，并对之进行规范化表达以及知识推理等操作，是当今注制造业升级的热点问题。

近年来，为简洁明了地描述知识和建立实体之间的关系，并随时管理、更新及应用知识数据，知识图谱顺势而生。知识图谱：基于计算机可操作的有向图的形式，实现物理世界中的概念及其相互关系的语义知识库可视化地描述。知识图谱由结点与边构成，其中结点用于表示实体，边用于描述实体之间的关系。

在注塑产品质量监控过程中，知识规范化表示过程中通常具有如下需求：①产品质量受工艺参数、环境状态、原料性质、产品需求等多方面影响，质量监控相关知识涉及力学、高分子化学等不同领域，不同产品在原料选择、工艺设定、产品质量监控等方面具有不同的要求与标准，这使得知识繁多，需对知识实体、实体间的关系进行分类，以降低知识图谱复杂度，提升推理效率；②生产过程中，存在“多个参数同时作用”、“同时进行多种操作”复杂关系，需提供合理的表述方式；③需要考虑实际生产数据与知识图谱相结合的问题；④在制造业领域不同来源具有不同的知识可信度，同一知识在不同的生产阶段或针对不同的产品具有不同的可信度，由此在知识规范化表示过程中需考虑不同知识具有不同的可信度。

可见，亟需一种推理效率、适应性和可靠性高的注塑产品质量监控过程知识图谱构建及推理方法。

发明内容

有鉴于此，本公开实施例提供一种注塑产品质量监控过程知识图谱构建及推理方法，至少部分解决现有技术中存在无法适应复杂关系、推理效率和可靠性较差的问题。

本公开实施例提供了一种注塑产品质量监控过程知识图谱构建及推理方法，包括：

步骤1，在分析注塑领域知识并对其进行预处理操作的基础上构建模式层，其中，所述预处理操作包括对知识三元组的实体与关系进行分类设定、引入定量化的实体属性、针对所述知识三元组引入知识可信度属性、构建虚拟节点四部分，其中，所述实体的类型包括缺陷名称、工艺参数、生产设备参数、生产设备参数参考值、生产设备参数当前值、工艺参数设定值、降低设备参数当前值和增大设备参数当前值，所述关系的类型包括设备参数与工艺参数间的关系、设备参数与缺陷间的关系、工艺参数与缺陷间的关系，设备参数当前值状态与缺陷间的关系、设备参数当前值操作与缺陷间的关系、设备参数当前值操作与当前值状态间的关系、设备参数与设备参数间的关系、工艺参数与工艺参数间的关系；

步骤2，在所述模式层的指导下获取结构化数据和非结构化数据，形成数据层，并结合所述模式层和所述数据层形成知识图谱；

步骤3，针对知识图谱，通过基于规则的可行路径检索、各可行路径可信度计算、基于可信度排序的最佳路径选择进行知识推理。

根据本公开实施例的一种具体实现方式，所述定量化的属性类型包括当前值和参考值，所述当前值进一步包括三类状态属性，分别为当前值大于参考值，当前值小于参考值以及当前值等于参考值。

根据本公开实施例的一种具体实现方式，所述知识三元组的类型包括(设备参数，等价于，工艺参数)、(设备参数，有关，缺陷)、(工艺参数，有关，缺陷)、(设备参数1，正相关于，设备参数1)、(设备参数1，负相关于，设备参数2)、(工艺参数1，正相关于，工艺参数2)、(工艺参数1，负相关于，工艺参数2)、(设备参数当前值状态，导致，缺陷)、(增大设备参数当前值，解决，缺陷)、(降低设备参数当前值，解决，缺陷)、(增大设备参数当前值，对应于，设备参数当前值小于设定值)和(降低设备参数当前值，对应于，设备参数当前值大于设定值)。

根据本公开实施例的一种具体实现方式，所述步骤1中，构建虚拟节点的步骤包括：

针对注塑生产过程中N个工艺参数/设备参数同时异常时导致某种注塑产品缺陷或针对某种注塑产品缺陷需同时对N个工艺参数/设备参数进行优化调整的包含“且”关系的复杂“多对一”或“一对多”关系，构建基于虚拟触发结点的复杂“与”关系表示框架。

根据本公开实施例的一种具体实现方式，所述步骤1之后，所述方法还包括：

对所述知识三元组进行扩充，引入知识可信度概念评估知识三元组的可靠性，经改进后知识表示为(头实体，关系，尾实体，知识可信度)，并将其定义为知识四元组。

根据本公开实施例的一种具体实现方式，所述领域知识的注塑领域语料库内容包含产品质量与参数设置、生产环境间的相关性、产品缺陷类型及表现特征、面向产品缺陷的工艺改进方案。

根据本公开实施例的一种具体实现方式，所述步骤2中，所述在所述模式层的指导下获取结构化数据和非结构化数据的步骤包括：

在所述模式层的指导下获取所述结构化数据，结构化数据主要包括注塑生产过程中各工艺参数当前值与参考值等由结构化表格存储的数据；

在所述模式层的指导下获取所述非结构化数据包括进行命名实体识别和实体关系抽取两个环节，其中，所述命名实体识别方法基于Bert+Bi-LSTM+CRF模型，融合汉字字形特征、位置特征及语句特征进行注塑领域命名实体识别；所述实体关系抽取方法为在命名实体识别的基础上分析所获实体类型，并将语句中的实体替换为对应的类型，得到基于实体类型表述的待抽取语料，形成所述非结构化数据。

根据本公开实施例的一种具体实现方式，所述步骤3中，所述推理路径及路径可靠性定义为：

P

根据本公开实施例的一种具体实现方式，所述步骤3中，面向产品缺陷溯因分析以及生产关键参数调整方案决策推理规则如下：

步骤3.1，根据产品缺陷形式判断缺陷类型，并在知识图谱中检索并得到对应的缺陷类型结点；

步骤3.2，基于“有关”这一关系类型，推理与该缺陷类型节点相关的工艺参数节点；

步骤3.3，针对每个工艺参数节点，分别基于当前值与参考值确定该节点当前状态，即判断当前值是否等于参考值、大于参考值或小于参考值；

步骤3.4，针对每个工艺参数，判断其当前状态是否与当前缺陷类型存在“导致”关系；

步骤3.5，若某一工艺参数当前状态与当前缺陷类型存在“导致”关系，则令该参数的当前状态为当前缺陷的备选原因之一，若否则跳入下一个工艺参数状态判断，直到遍历完步骤3.2中检索得到所有工艺参数；

步骤3.6，将步骤3.5所述的所有节点及关系进行归纳，得到若干条路径；

步骤3.7，利用知识推理路径可靠性计算方法对在步骤3.6所得的各路径进行可靠性计算并排序，并将可靠性最大的路径作为最终路径；

步骤3.8，根据步骤3.7中得到的最终路径对应的某个参数及其状态，基于“操作”检索其对应的改进方案；并判断该方案是否可改进缺陷，若可，则令其为缺陷解决原因；

步骤3.9，若推理过程中出现“输入结点且条件触发的虚拟节点”，则检索该虚拟节点对应的全部输入节点并判断其是否全部成立，若全部成立则触发节点被触发，进而输出下游事件，否则该路径不成立；

步骤3.10，若推理过程中出现“触发后且条件输出虚拟结点”，则检索该虚拟节点对应的全部输出节点并将其触发。

本公开实施例中的注塑产品质量监控过程知识图谱构建及推理方案，包括：步骤1，在分析注塑领域知识并对其进行预处理操作的基础上构建模式层，其中，所述预处理操作包括对知识三元组的实体与关系进行分类设定、引入定量化的实体属性、针对每条所述知识三元组引入知识可信度属性和构建虚拟节点，其中，所述实体的类型包括缺陷名称、工艺参数、生产设备参数、生产设备参数参考值、生产设备参数当前值、工艺参数设定值、降低设备参数当前值和增大设备参数当前值，所述关系的类型包括设备参数与工艺参数间的关系、设备参数与缺陷间的关系、工艺参数与缺陷间的关系，设备参数当前值状态与缺陷间的关系、设备参数当前值操作与缺陷间的关系、设备参数当前值操作与当前值状态间的关系、设备参数与设备参数间的关系、工艺参数与工艺参数间的关系；步骤2，在所述模式层的指导下获取结构化数据和非结构化数据，形成数据层，并结合所述模式层和所述数据层形成知识图谱；步骤3，针对知识图谱，通过基于规则的可行路径检索、各可行路径可信度计算、基于可信度排序的最佳路径选择进行知识推理。

本公开实施例的有益效果为：通过本公开的方案，(1)重新定义知识三元组的实体类型、实体间关系类型之后，提升了知识图谱的可拓展性，有效地解决了现有方法侧重于单个生产环节，不同生产环节间知识相对独立，融合困难的问题，以便于控制层、生产层、质量检测层等多层级不同知识的融合；

(2)与现有方法相比，所提框架引入定量化的实体属性，实现了定性知识与定量知识的融合，可解决知识图谱与实际生产数据相连接的问题，更适用于实际生产过程需求；

(3)为知识图谱中引入虚拟结点，包括输入结点且条件触发的虚拟结点以及触发后且条件输出虚拟结点两大类，可有效表达制造业过程中N个节点同时成立导致某结点成立或某结点成立将导致N个结点同时成立的复杂“与”关系；

(4)在知识推理过程中，考虑到注塑质量监控过程知识来源不同、知识用途不同、面向产品不同等导致知识的可信度不同，引入知识可信度概念评估知识三元组的可靠性。

附图说明

为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本公开实施例提供的一种注塑产品质量监控过程知识图谱构建及推理方法的流程示意图；

图2为本公开实施例提供的另一种注塑产品质量监控过程知识图谱构建及推理方法的具体组成部分；

图3为本公开实施例提供的一种制造知识规范化表示框架及推理方法示意图；

图4为本公开实施例提供的一种注塑产品质量监控过程知识图谱所含实体类型示意图；

图5为本公开实施例提供的一种注塑产品质量监控过程知识图谱所含实体关系类别示意图；

图6为本公开实施例提供的一种基于虚拟触发结点的复杂“与”关系表示框架示意图；

图7为本公开实施例提供的一种输入节点且条件触发虚拟节点&i n工作机制示意图；

图8为本公开实施例提供的一种触发且条件输出虚拟节点&out工作机制示意图；

图9为本公开实施例提供的一种以典型表面缺陷“飞边”为例的注塑产品质量监控过程知识图谱示意图；

图10为本公开实施例提供的一种虚拟触发节点实例示意图。

具体实施方式

下面结合附图对本公开实施例进行详细描述。

以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。

还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。

本公开实施例提供一种注塑产品质量监控过程知识图谱构建及推理方法，所述方法可以应用于制造业场景的注塑产品质量监控过程中。

参见图1，为本公开实施例提供的一种注塑产品质量监控过程知识图谱构建及推理方法的流程示意图。如图1所示，所述方法主要包括以下步骤：

步骤1，在分析注塑领域知识并对其进行预处理操作的基础上构建模式层，其中，所述预处理操作包括对知识三元组的实体与关系进行分类设定、引入定量化的实体属性、针对所述知识三元组引入知识可信度属性、构建虚拟节点四个部分，其中，所述实体的类型包括缺陷名称、工艺参数、生产设备参数、生产设备参数参考值、生产设备参数当前值、工艺参数设定值、降低设备参数当前值和增大设备参数当前值，所述关系的类型包括设备参数与工艺参数间的关系、设备参数与缺陷间的关系、工艺参数与缺陷间的关系，设备参数当前值状态与缺陷间的关系、设备参数当前值操作与缺陷间的关系、设备参数当前值操作与当前值状态间的关系、设备参数与设备参数间的关系、工艺参数与工艺参数间的关系；

进一步的，所述定量化的属性类型包括当前值和参考值，所述当前值进一步包括三类状态属性，分别为当前值大于参考值，当前值小于参考值以及当前值等于参考值。

进一步的，所述知识三元组的类型包括(设备参数，等价于，工艺参数)、(设备参数，有关，缺陷)、(工艺参数，有关，缺陷)、(设备参数1，正相关于，设备参数1)、(设备参数1，负相关于，设备参数2)、(工艺参数1，正相关于，工艺参数2)、(工艺参数1，负相关于，工艺参数2)、(设备参数当前值状态，导致，缺陷)、(增大设备参数当前值，解决，缺陷)、(降低设备参数当前值，解决，缺陷)、(增大设备参数当前值，对应于，设备参数当前值小于设定值)和(降低设备参数当前值，对应于，设备参数当前值大于设定值)。

进一步的，所述步骤1中，构建虚拟节点的步骤包括：

针对注塑生产过程中N个工艺参数/设备参数同时异常时导致某种注塑产品缺陷或针对某种注塑产品缺陷需同时对N个工艺参数/设备参数进行优化调整的包含“且”关系的复杂“多对一”或“一对多”关系，构建基于虚拟触发结点的复杂“与”关系表示框架。

在上述实施例的基础上，所述步骤1之后，所述方法还包括：

对所述知识三元组进行扩充，引入知识可信度概念评估知识三元组的可靠性，经改进后知识表示为(头实体，关系，尾实体，知识可信度)，并将其定义为知识四元组。

具体实施时，如图3所示的注塑产品质量监控过程知识图谱构建及推理方法可以应用于制造知识规范化表示框架内如图2所示，融合定量知识的注塑产品质量监控过程知识图谱构建及推理方法，包括：注塑领域知识图谱构建、知识推理两大部分。

注塑产品质量监控领域知识图谱构建部分包括模式层构建及数据层构建，其中模式层构建包含以下步骤：

①围绕注塑产品质量监控过程产品表面缺陷检测与溯因分析、关键工艺参数优化方案两大关键环节，分析所涉及的领域知识，基于注塑产品质量监控过程知识规范化表达及不同环节知识融合需求，对知识三元组的实体与关系进行分类设定；

其中，如图4所示，实体类别包括：缺陷名称、工艺参数、生产设备参数、生产设备参数参考值、生产设备参数当前值、工艺参数设定值、降低设备参数当前值、增大设备参数当前值。

②对于生产过程中涉及的各类参数，引入当前值、参考值等定量化的实体属性；进一步，对于工艺参数当前值及设备参数当前值，考虑其状态，包括当前值大于参考值、当前值等于参考值、当前值小于参考值三类，以实现定量知识与定性知识融合的需求。

③如图5所示，在实体、属性确定的基础上，对实体间的关系进行归纳，包括：设备参数与工艺参数间的相对应关系“对应于”、设备参数与缺陷间的关系、工艺参数与缺陷间的关系，设备参数当前值状态与缺陷间的关系、设备参数当前值操作与缺陷间的关系、设备参数当前值操作与当前值状态间的关系、设备参数与设备参数间的关系、工艺参数于工艺参数间的关系。

④基于步骤①-③，对三元组类型进行设定，包括(设备参数，等价于，工艺参数)、(设备参数，有关，缺陷)、(工艺参数，有关，缺陷)、(设备参数1，正相关于，设备参数1)、(设备参数1，负相关于，设备参数2)、(工艺参数1，正相关于，工艺参数2)、(工艺参数1，负相关于，工艺参数2)、(设备参数当前值状态，导致，缺陷)、(增大设备参数当前值，解决，缺陷)、(降低设备参数当前值，解决，缺陷)、(增大设备参数当前值，对应于，设备参数当前值小于设定值)、(降低设备参数当前值，对应于，设备参数当前值大于设定值)。

⑤针对制造业过程中N个节点同时成立导致某结点成立或某结点成立将导致N个结点同时成立的复杂“与”关系，构建基于虚拟触发结点的复杂“与”关系表示框架。

步骤⑤中所述虚拟节点包括输入结点且条件触发的虚拟结点以及触发后且条件输出虚拟结点两大类。输入结点且条件触发的虚拟结点表示，当且仅当其输入的N个上游事件均成立时，该节点会被触发，进而输出下游事件；对于触发后且条件输出虚拟结点，若该结点被触发后，其下游输出结点将被同时触发。

⑥面向注塑产品质量监控过程知识来源不同、知识用途不同、面向产品不同等导致知识的可信度不同，对原始知识图谱三元组进行扩充，引入知识可信度概念评估知识三元组的可靠性，经改进后知识表示为(头实体，关系，尾实体，知识可信度)，并将该方法定义为知识四元组。

步骤2，在所述模式层的指导下获取结构化数据和非结构化数据，形成数据层，并结合所述模式层和所述数据层形成知识图谱；

进一步的，所述步骤2中，所述在所述模式层的指导下获取结构化数据和非结构化数据的步骤包括：

在所述模式层的指导下获取所述结构化数据，结构化数据主要包括注塑生产过程中各工艺参数当前值与参考值等由结构化表格存储的数据；

在所述模式层的指导下获取所述非结构化数据包括进行命名实体识别和实体关系抽取两个环节，其中，所述命名实体识别方法基于Bert+Bi-LSTM+CRF模型，融合汉字字形特征、位置特征及语句特征进行注塑领域命名实体识别；所述实体关系抽取方法为在命名实体识别的基础上分析所获实体类型，并将语句中的实体替换为对应的类型，得到基于实体类型表述的待抽取语料，形成所述非结构化数据。

具体实施时，知识图谱构建的数据层构建可以包括以下环节：

①注塑领域命名实体识别：在步骤①的基础上，基于非结构化文本的命名实体识别方法基于Bert+Bi-LSTM+CRF模型，融合汉字字形特征、位置特征及语句特征实现注塑领域命名实体识别。

②实体关系抽取：在环节①的基础上，完成特定词引导下融合实体类别信息的实体关系抽取方法。具体而言，在命名实体识别的基础上分析所获实体类型，并将语句中的实体替换为对应的类型，得到基于实体类型表述的待抽取语料；提取语料库中与实体间关系有关的关键词如“导致”、“造成”、“使得”、“改善”等作为引导词，并获取该引导词对应的特征向量，实现融合特定词语义信息与实体类别信息的实体关系抽取方法。

步骤3，针对知识图谱，通过基于规则的可行路径检索、各可行路径可信度计算、基于可信度排序的最佳路径选择进行知识推理。

进一步的，所述领域知识的注塑领域语料库内容包含产品质量与参数设置、生产环境间的相关性、产品缺陷类型及表现特征、面向产品缺陷的工艺改进方案。

进一步的，所述步骤3中，所述推理路径及路径可靠性定义为：

P

在上述实施例的基础上，所述步骤3中，面向产品缺陷溯因分析以及生产关键参数调整方案决策推理规则如下：

步骤3.1，根据产品缺陷形式判断缺陷类型，并在知识图谱中检索并得到对应的缺陷类型结点；

步骤3.2，基于“有关”这一关系类型，推理与该缺陷类型节点相关的工艺参数节点；

步骤3.3，针对每个工艺参数节点，分别基于当前值与参考值确定该节点当前状态，即判断当前值是否等于参考值、大于参考值或小于参考值；

步骤3.4，针对每个工艺参数，判断其当前状态是否与当前缺陷类型存在“导致”关系；

步骤3.5，若某一工艺参数当前状态与当前缺陷类型存在“导致”关系，则令该参数的当前状态为当前缺陷的备选原因之一，若否则跳入下一个工艺参数状态判断，直到遍历完步骤3.2中检索得到所有工艺参数；

步骤3.6，将步骤3.5所述的所有节点及关系进行归纳，得到若干条路径；

步骤3.7，利用知识推理路径可靠性计算方法对在步骤3.6所得的各路径进行可靠性计算并排序，并将可靠性最大的路径作为最终路径；

步骤3.8，根据步骤3.7中得到的最终路径对应的某个参数及其状态，基于“操作”检索其对应的改进方案；并判断该方案是否可改进缺陷，若可，则令其为缺陷解决原因；

步骤3.9，若推理过程中出现“输入结点且条件触发的虚拟节点”，则检索该虚拟节点对应的全部输入节点并判断其是否全部成立，若全部成立则触发节点被触发，进而输出下游事件，否则该路径不成立；

步骤3.10，若推理过程中出现“触发后且条件输出虚拟结点”，则检索该虚拟节点对应的全部输出节点并将其触发。

具体实施时，基于注塑领域知识图谱的知识推理部分包括以下内容：

(1)定义推理路径及路径可靠性如下：

P

路径P

(2)推理步骤如下：

①首先，根据产品缺陷形式判断缺陷类型，并在知识图谱中检索并得到对应的缺陷类型结点；

②基于“有关”这一关系类型，推理与该缺陷类型节点相关的工艺参数节点；

③针对每个工艺参数节点，分别基于当前值与参考值确定该节点当前状态，即判断当前值是否等于参考值、大于参考值或小于参考值

④针对每个工艺参数，判断其当前状态是否与当前缺陷类型存在“导致”关系；

⑤若某一工艺参数当前状态与当前缺陷类型存在“导致”关系，则令该参数的当前状态为当前缺陷的备选原因之一，若否则跳入下一个工艺参数状态判断，直到遍历完步骤②中检索得到所有工艺参数；

⑥将步骤⑤所述的所有节点及关系进行归纳，得到若干条路径；

⑦利用知识推理路径可靠性计算方法对在步骤⑥所得的各路径进行可靠性计算并排序，并将可靠性最大的路径作为最终路径；

⑧根据步骤⑦中得到的最终路径对应的某个参数及其状态，基于“操作”检索其对应的改进方案；并判断该方案是否可改进缺陷，若可，则令其为缺陷解决原因；

⑨如图7所示，若推理过程中出现“输入结点且条件触发的虚拟节点”，则检索该虚拟节点对应的全部输入节点并判断其是否全部成立，若全部成立则触发节点被触发，进而输出下游事件，否则该路径不成立；

⑩如图8所示，若推理过程中出现“触发后且条件输出虚拟结点”，则检索该虚拟节点对应的全部输出节点并将其触发。

本实施例提供的注塑产品质量监控过程知识图谱构建及推理方法，通过(1)重新定义知识三元组的实体类型、实体间关系类型之后，提升了知识图谱的可拓展性，有效地解决了现有方法侧重于单个生产环节，不同生产环节间知识相对独立，融合困难的问题，以便于控制层、生产层、质量检测层等多层级不同知识的融合；

(2)与现有方法相比，所提框架引入定量化的实体属性，实现了定性知识与定量知识的融合，解决了知识图谱与实际生产数据相连接的问题，更适用于实际生产过程需求；

(3)为知识图谱中引入虚拟结点，包括输入结点且条件触发的虚拟结点以及触发后且条件输出虚拟结点两大类，可有效表达制造业过程中N个节点同时成立导致某结点成立或某结点成立将导致N个结点同时成立的复杂“与”关系；

(4)在知识推理过程中，考虑到注塑质量监控过程知识来源不同、知识用途不同、面向产品不同等导致知识的可信度不同，引入知识可信度概念评估知识三元组的可靠性。

下面将结合一个实施例对本方案进行说明，本实施例所提供的融合定量知识的注塑产品质量监控过程知识图谱构建及推理方法以注塑生产中常见的缺陷“飞边”为例，构建与其相关的知识并进行推理，如图9所示，具体包括：

(1)模式层构建

①围绕注塑过程常见缺陷“飞边”，对其溯因分析及工艺参数调整方案涉及的知识进行归纳，对所涉及知识的实体进行分类整理如下：

注塑产品缺陷名称：飞边

注塑过程工艺参数：注射温度、锁模力、锁模温度、注射速度、熔体体积流量、剪切率、熔体粘度

注塑机生产设备参数：螺杆直径、料筒温度、一段温度、二段温度、三段温度、四段温度

②为考虑知识图谱中定量化知识表示及知识图谱与实际注塑生产过程数据链接的问题，对注塑工艺参数与注塑机设备参数两类实体的属性进行改进，引入当前值、参考值两大类属性。

参数参考值：注射温度参考值、锁模力参考值、锁模温度参考值、注射速度参考值、熔体体积流量参考值、剪切率参考值、熔体粘度参考值、螺杆直径参考值、料筒温度参考值、一段温度参考值、二段温度参考值、三段温度参考值、四段温度参考值

参数当前值：注射温度当前值、锁模力当前值、锁模温度当前值、注射速度当前值、熔体体积流量当前值、剪切率当前值、熔体粘度当前值、螺杆直径当前值、料筒温度当前值、一段温度当前值、二段温度当前值、三段温度当前值、四段温度当前值

进一步，对于工艺参数当前值及设备参数当前值，考虑其状态，包括当前值大于参考值、当前值等于参考值、当前值小于参考值三类，在知识图谱中分别用“>x”、“＝x”、“

所涉及的工艺参数调整方案包括：

降低参数当前值：降低注射温度当前值、降低锁模力当前值、降低锁模温度当前值、降低注射速度当前值、降低熔体体积流量当前值、降低剪切率当前值、降低熔体粘度当前值、降低螺杆直径当前值、降低料筒温度当前值、降低一段温度当前值、降低二段温度当前值、降低三段温度当前值、降低四段温度当前值

增大设备参数当前值：增大注射温度当前值、增大锁模力当前值、增大锁模温度当前值、增大注射速度当前值、增大熔体体积流量当前值、增大剪切率当前值、增大熔体粘度当前值、增大螺杆直径当前值、增大料筒温度当前值、增大一段温度当前值、增大二段温度当前值、增大三段温度当前值、增大四段温度当前值

③在实体、属性确定的基础上，对实体间的关系进行归纳，包括：注塑机设备参数与注塑过程工艺参数间的相对应关系“对应于”、注塑机设备参数与注塑产品缺陷间的关系、注塑过程工艺参数与注塑产品缺陷间的关系，注塑机设备参数当前值状态与注塑产品缺陷间的关系、注塑机设备参数当前值操作与注塑产品缺陷间的关系、注塑机设备参数当前值操作与注塑机设备当前值状态间的关系、注塑机设备参数与注塑机设备参数间的关系、注塑过程工艺参数与注塑过程工艺参数间的关系。

④基于步骤①-③，对三元组类型进行设定，包括(注塑机设备参数，等价于，注塑过程工艺参数)、(注塑机设备参数，有关，注塑产品缺陷)、(注塑过程工艺参数，有关，注塑产品缺陷)、(注塑机设备参数1，正相关于，注塑机设备参数1)、(注塑机设备参数1，负相关于，注塑机设备参数2)、(注塑过程工艺参数1，正相关于，注塑过程工艺参数2)、(注塑过程工艺参数1，负相关于，注塑过程工艺参数2)、(注塑机设备参数当前值状态，导致，注塑产品缺陷)、(增大注塑机设备参数当前值，解决，注塑产品缺陷)、(降低注塑机设备参数当前值，解决，注塑产品缺陷)、(增大注塑机设备参数当前值，对应于，注塑机设备参数当前值小于设定值)、(降低注塑机设备参数当前值，对应于，注塑机设备参数当前值大于设定值)。

⑤针对注塑生产过程中N个工艺参数(设备参数)同时异常时导致某种注塑产品缺陷或针对某种注塑产品缺陷需同时对N个工艺参数(设备参数)进行优化调整的包含“且”关系的复杂“多对一”或“一对多”关系，构建基于虚拟触发结点的复杂“与”关系表示框架。

步骤⑤中所述虚拟节点包括输入结点且条件触发的虚拟结点以及触发后且条件输出虚拟结点两大类。

输入结点且条件触发的虚拟结点表示，当且仅当其输入的N个上游事件均成立时，该节点会被触发，进而输出下游事件；例如，当“参数1当前值大于参考值”且“参数2小于参考值”且“参数三大于参考值”时导致缺陷“飞边”，可构建输入节点且条件触发的虚拟节点1，将“参数1当前值大于参考值”、“参数2小于参考值”、“参数三大于参考值”三个节点作为输入节点且条件触发的虚拟节点1的输入，“飞边”作为输出，如图10所示。

对于触发后且条件输出虚拟结点，若该结点被触发后，其下游输出结点将被同时触发。例如，对于缺陷“飞边”，如果是由于输入节点且条件触发的虚拟节点1所导致，则对应的解决方案为同时执行以下操作：“降低参数1”、“增大参数2”、“降低参数3”，则可构建触发后且条件输出虚拟结点2，将“飞边”作为该节点的输入，“降低参数1”、“增大参数2”、“降低参数3”作为该节点的输出，如图10所示。

⑥面向注塑生产过程知识来源不同、知识用途不同、面向产品不同等导致知识的可信度不同，对原始知识图谱三元组进行扩充，引入知识可信度概念评估知识三元组的可靠性，经改进后知识表示为(头实体，关系，尾实体，知识可信度)，并将该方法定义为知识四元组。

(2)数据层构建

①注塑领域命名实体识别：基于非结构化文本的命名实体识别方法基于Bert+Bi-LSTM+CRF模型，融合汉字字形特征、位置特征及语句特征实现注塑领域命名实体识别。

②实体关系抽取：在步骤①的基础上，完成特定词引导下融合实体类别信息的实体关系抽取方法。具体而言，在命名实体识别的基础上分析所获实体类型，并将语句中的实体替换为对应的类型，得到基于实体类型表述的待抽取语料；提取语料库中与实体间关系有关的关键词如“导致”、“造成”、“使得”、“改善”等作为引导词，并获取该引导词对应的特征向量，实现融合特定词语义信息与实体类别信息的实体关系抽取方法。

(3)知识推理：

定义推理路径及路径可靠性如下：

P

路径P

(4)建立适用于所述知识图谱的知识推理机制，推理过程具体步骤如下：

①首先，根据产品缺陷形式判断缺陷类型，并在知识图谱中检索并得到对应的缺陷类型结点；

②基于“有关”这一关系类型，推理与该缺陷类型节点相关的工艺参数节点；

③针对每个工艺参数节点，分别基于当前值与参考值确定该节点当前状态，即判断当前值是否等于参考值、大于参考值或小于参考值；

④针对每个工艺参数，判断其当前状态是否与当前缺陷类型存在“导致”关系；

⑤若某一工艺参数当前状态与当前缺陷类型存在“导致”关系，则令该参数的当前状态为当前缺陷的备选原因之一，若否则跳入下一个工艺参数状态判断，直到遍历完步骤②中检索得到所有工艺参数；

⑥将步骤⑤所述的所有节点及关系进行归纳，得到若干条路径；

⑦利用知识推理路径可靠性计算方法对在步骤⑥所得的各路径进行可靠性计算并排序，并将可靠性最大的路径作为最终路径；

⑧根据步骤⑦中得到的最终路径对应的某个参数及其状态，基于“操作”检索其对应的改进方案；并判断该方案是否可改进缺陷，若可，则令其为缺陷解决原因；

⑨若推理过程中出现“输入结点且条件触发的虚拟节点”，则检索该虚拟节点对应的全部输入节点并判断其是否全部成立，若全部成立则触发节点被触发，进而输出下游事件；否则该路径不成立；

⑩若推理过程中出现“触发后且条件输出虚拟结点”，则检索该虚拟节点对应的全部输出节点并将其触发。

应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。

以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。