随着人工智能时代的到来，智能制造已经被广泛地应用于各个行业。工业机器设备作为代表之一，在无需人员参与的情况下，可以实现加工、搬运、焊接、装配等重复性工作，大大提高了产品的生产效率，节省了人力成本。但是随着设备的日益发展，其系统结构也变得愈发复杂。一旦设备发生故障导致停机，就会不可避免地影响整条生产线的生产进度，拖慢生产周期，造成经济和生产损失，更为严重的是有可能会导致人员伤亡。在目前工业自动化的大环境下，传统的设备故障处理模式已经无法很好地应对突如其来的故障，导致故障问题难以及时得到解决。因此，精准地对设备故障进行故障诊断，能够有效地维护设备的正常运转，使其能够保持在正常的作业状态，这对于工业生产过程的顺利进行非常重要。在工业智能制造的背景下，将庞大的数据信息转化为有用的知识，并对其进行分析和利用，实现知识自动化以处理复杂的故障状况非常关键。在这种情况下，特定领域的知识图谱也越来越受到重视和应用。达观数据作为业内首个利用知识图谱技术提供工业制造领域数据图谱化应用服务的企业，创新地将故障分析与知识图谱进行有效结合，构建出质量辅助分析知识图谱平台，将电气、机械、工艺、动力和装备等行业的知识在企业内部沉淀下来，助力先进制造型企业打造基于认知智能的质量体系，持续提升产品质量和生产可靠性水平；助力工业制造领域更好的应对设备故障问题，提高产品良率。
一、类案分析推荐
在达观质量辅助分析知识图谱平台上，我们利用知识抽取技术从各类经验性文档，如故障报告、故障工单、维修记录中获取故障数据信息，并将其转化为有价值的知识，使故障知识和关系结构化、显性化和可视化，从而使故障知识得到有效的积累和组织，并形成持续积累的故障案例知识库。在故障的处理过程中，平台提供类案推荐功能，辅助工程师通过相似历史案例进行维修；同时也提供案例统计分析功能，为产线工程师制定优化策略提供数据分析支持（如优化生产工艺、增加产品测试手段、替换原材料供应商等）。
相关案例推荐
二、维修作业指导
维修故障过程除了参考历史的故障经验知识以外，达观质量辅助分析知识图谱平台还针对设备的缺陷汇编、运行规范、检修规范等进行了结构化解析和抽取，解析结果包含设备的缺陷原因分析、处理方法、危险点分析、相关设备器具等。当工业机器设备设备发生故障时，维修负责人通过工单指派相关工程师并附上作业指导，现场维修过程维修工程师根据作业指导提到的内容，按照实际操作步骤进行作业，系统完整记录整个维修过程，并将结果以实操案例返回到故障案例库。
维修指导派发
三、引导式诊断
相对与作业指导，维修手册会记录设备更为详细的诊断思路和诊断流程，主要以拓扑网络为特征，具有层次明显、父子关系鲜明等优点。达观质量辅助分析知识图谱平台提供按流程逐步引导维修工程师探测故障原因，过程中对接设备/产品获取动态数据，显示给维修技师并推荐下一步流程。对每个诊断流程，推荐相关的结构图、电路图、操作示意图、诊断工具、注意事项等信息；对故障原因或故障零部件，推荐故障维修方案，包括但不限于零部件更换的拆卸及安装程序、注意事项、操作示意图、零件结构图等。
引导式故障诊断过程
从长远的角度看，使用达观质量辅助分析知识图谱平台，企业能够持续积淀知识和经验，不断完善专业领域的长效知识体系，统筹打造“知识生产-知识沉淀-知识创造”闭环，贯彻知识驱动发展，激发创新活力。降低对工程师自身经验的依赖，让资历较浅的工程师也能做好故障分析工作，大幅提升故障分析效率，加速工程师成长。既降低故障发生的机率，也减少故障发生的损失，实现降本增效，提升企业竞争力。
