在制造业、工业生产流程中，故障工单数据是故障案例的主要信息体现，是故障知识图谱构建的必要数据，也是辅助故障分析的重要参考。然而实际中大多数工单数据存在结构化程度低、缺乏基础知识规约、填写随意、结构化解析难度高等痛点，是故障知识可持续更新和沉淀的重要阻碍，往往需要投入大量成本对数据进行人工治理以及人工审核等繁杂的流程。
达观数据基于丰富场景调研及故障分析流程化提炼，携手上汽通用打造智能化工单填报与知识解析系统，基于已有的知识图谱辅助工单填写的规范性，同时基于最新工单数据直接理解和解析，提取有效的知识点（人物、设备、故障模式、处理方案等），最后更新扩充故障知识图谱，形成数据更新闭环，不影响工单录入复杂度的同时大大降低知识解析成本。
图1: 工单填报与故障图谱更新的关系
填写效率与规范性显著提升
工单填报以达观故障图谱模式为模板，显著提升填写效率与规范性。故障知识图谱构建和工单填报等业务应用存在隔阂，企业原有的故障工单系统可能存在填写随意、缺少标准、知识专业化程度不高等问题，往往需要大量的标准化审核成本，短时间内很难总结填写规范，后续填写规范如何维护等问题接踵而至。
项目目标构建的故障知识图谱本质是所有规范化知识的细粒度体现，包含设备树结构，包括总结的故障模式、故障现象、处理措施等信息，是故障信息的体系化沉淀，因此作为工单填写规范将大大降低后期治理成本，并且在工单填报阶段辅助工程师填写，大大提升填写效率。随着知识图谱系统的不断演化，故障工单填报的标准和效率以及知识图谱的知识深度会不断提高。
图2: 基于图谱的工单填报系统示例
故障案例分析精准度和效率提升
达观故障知识图谱显著提升故障案例分析的精准度和效率。工单数据除了基础设备、故障类型的规范化选择，也存在一些故障的基础描述，填写后的功能规范化知识直接提取，非结构化描述直接做NLP抽取解析，工程师同步确认即可导入图谱，实现流程式图谱更新，相对定期处理并组织审核人员等繁琐的流程，原来案例数据要一周更新周期，目前当天工单解析后即更新，显著提升知识图谱更新效率，实现案例信息的实效性。
在图谱可持续更新的基础上，图谱质量在迭代式规范增长，基于知识图谱的智能归因分析系统，辅助工程师高效精准的分析出具体位置、可能原因、排查措施、参考案例，提升故障工单处理效率。
图3: 工单数据直接解析失效信息导入图谱示例
图4: 工单填报与智能归因分析闭环
因此，智能故障工单填报与故障知识图谱构建系统，是知识在生成端、处理端、应用端都充分发挥作用的体现，是知识最大化应用、可持续提升的创新性升级。该流程将业务的工单录入和知识加工沉淀形成关联，在显著降低故障图谱构建成本的同时，也提升归因分析精准度与效率，辅助建立更加智能化的企业质量管理体系。
最后，在项目实施的过程中，特别感谢上汽通用集团给予的大力支持和业务指导，促使方案快速落地，彻底优化故障信息快速更新流程，实现预期目标。
