智能理解失效现象,根据历史经验分析机理和原因并给出解决方法和改善措施
输入失效或故障的描述信息,系统会自动理解并抽取出关键信息,并从知识图谱中提取出与失效现象相匹配的子图,实现失效原因的定位,
给出相应的解决方法和改善措施。同时支持追溯每一个失效原因、解决方法和改善措施的知识来源,
在需要时得以获取原始的PFMEA、DFMEA、MFMEA、SFMEA、AFMEA、FTA、失效分析报告、8D、5why、鱼骨图等各类文档进行细节审查和可信度鉴别。整个过程采用领先的自然语言理解、知识推理、图语义匹配和信息检索等技术,实现了高效、全面的失效智能分析
智能构建失效模式知识图谱,充分挖掘专业文档和各类系统中的多维知识
在产品规划、方案、研发、设计、生产、制造、使用、客户服务、设备管理中有FMEA、FTA、FA、FMECA、FMEDA、产品和设备手册、工单、品质报告等专业文档,
有存在于MES、PLM、APS、OA、ERP、MRP、CRM、SCM等系统中大量数据。通过RPA无侵入对接各个系统,利用知识抽取和知识融合技术对这些异构、多源和多模态的数据进行解析和理解,充分挖掘“人机料法环测”等多维信息,应用知识图谱推理和知识融合等技术构建出失效模式知识图谱
深度挖掘潜在失效模式并显性化,实现FMEA的辅助制作
采用前沿的知识图谱推理、深度学习、迁移学习和主动学习等技术,从知识图谱中深度挖掘潜在知识,
智能发现新失效模式、新机理,新原因、新应用场景、新解决方法和新的改善措施等,实现由失效和故障的事后分析到事前预防(FMEA/FMECA/FMEDA/FTA)
的闭环,提升设备、工艺的可靠性和产品质量,为数字化工厂和智慧工厂赋能,助力工业大脑具备完善的知识体系
口语化提问的语义搜索,智能理解问题识别意图并返回精准结果
在一个搜索框中输入任意问题,采用业内领先的自然语言理解和知识抽取技术,理解问题中的关键信息并识别用户的意图,结合知识推理、子图匹配、信息检索等技术精准找到问题的答案,并根据答案的特点以合适的样式返回给用户,同时支持追溯答案的来源,在需要的时候可以查阅FA、FMEA、FTA、品质报告、产品或设备手册等文档了解细节信息