今年6月17日9时22分，我国神舟十二号载人飞船发射成功，并于当日下午15时54分，采用自主快速交会对接模式成功对接于天和核心舱前向端口，三名航天员入住天宫号空间站。6月29日，中国共产党成立100周年之际，3名航天员聂海胜、刘伯明、汤洪波送来祝福：“祝伟大的中国共产党生日快乐！”7月4日14时57分，经过约7小时的出舱活动，神舟十二号航天员乘组密切协同，圆满完成出舱活动期间全部既定任务。全国人民欢欣鼓舞！
作为大国神器，神舟十二号一次性成功搞定了所有既定的任务。众所周知，载人航天作为最复杂的任务，对可靠性要求巨高无比，任何一方面的疏忽都可能导致任务的失败，神舟飞船的任何一点故障都可能导致高昂的损失。为了确保神舟载人飞船的安全和可靠性，有一种技术与之密切相关，那就是被称之为“FMEA”的“潜在失效模式及其后果分析”。
航天科技集团五院神舟飞船总设计师贾世锦介绍，“我们对整船所有的设备可能出现的故障，应该说都进行了一个分析和梳理。针对每个识别出来的可能发生的故障现象，我们都制定了相应的故障预案，而且故障预案我们都在地面做了一个充分的验证。我们预案都有几百种。”总设计师所说的故障预案就是以FMEA技术为主的分析方式，其中包含了从飞行、对接、停靠、返回等各个阶段的失效模式和对策分析。比如，在飞行阶段，如果火箭出现失火、爆炸或其他意外故障，神舟飞船在其上部逃逸塔的帮助下，可以迅速将航天员带离危险区。并依托降落伞实现安全着陆，就像战斗机在遇到紧急重大危险情况时，飞行员可以被应急弹射出去一样。
FMEA在神州号飞船甚至整个航天领域中都广为应用，在神舟飞船的各个子系统中也都有具体应用。在一篇关于神舟七号的科技论文《神七任务载人航天发射场主要技术管理与创新》专门提到，“根据以可靠性为中心的维修理论,应用失效模式及其后果分析(FMEA)方法确定关键设备，通过逻辑决断分析和检修检测周期计算确定维修策略,按照维修策略有针对性地开展预防性维修和改进性维修,维修完成后进行维修质量评估和任务可靠性评估,同时对任务实施全过程进行持续风险管理,确保发射场地面设施设备稳定可靠。”并说明在神舟七号飞行任务准备与实施过程中，就应用综合维修保障技术进行91项预防性维修。实施了厂房吊车控制系统和吊车制动器、脐带塔电缆摆杆支座、火箭推进剂加注系统流量计等改进性维修项目,评审确定了223项风险控制项目，有效地提高了发射场设施设备的可靠性和安全性。
经过多年的发展，FMEA在各个环节上提供了相应的方法来实现以预防为主的可靠性。在设计环节，当设计概念形成之时或之前就开始使用，并且在产品开发各阶段中不断完善，实现产品全方面的可靠性预防措施。在制造过程，FMEA用来提升生产制造中的可靠性，为过程控制提供了良好的基础。
FMEA，全称是潜在失效模式及其后果分析，也有称为潜在故障模式及其影响分析的，它是为了预防失效产生，通常是在生产制造之前预先想好各种可能发生失效的地方，并提前做好相应的预案来防止失效的发生。20世纪50年代，美军在研发和生产战斗机时，由于油压装置的可靠度不高导致失事频繁，造成机毁人亡现象严重。为了解决这类问题而首先提出 FMEA的概念，并利用该概念对飞机操作系统进行失效分析。此后FMEA概念为美国航天局NASA所接受，广泛应用于航天领域。并在后续的几十年里，FMEA的应用扩散到全部的制造业领域，成为确保产品质量和生产制造可靠性的关键技术之一。
传统FMEA使用过程的痛点
FMEA是知识生产、知识沉淀和知识应用的完整过程，往往包含复杂的物理、化学、机械、电子电气、材料、工艺及管理制度等研究方面，同时涉及产品的需求分析、设计、生产、运营等各个环节，从而导致对失效分析工程师的经验和技能要求非常高，目前在工业制造业中主要面临着如下问题：1.人才流动导致企业知识和经验的流失，所积淀的知识减少或遗失，导致竞争力减弱。2.失效分析和FMEA制作对工程师的知识要求兼具广度和深度，专业人才稀缺，培养时间长。3.高度依赖工程师过往的经验，主观性强，分析效果良莠不齐。4.阅读三类文档耗费时间多，工作周期长，成本和损失都巨大；部门、产线之间割裂导致经验重用少，问题不断重复发生。
达观智能制造知识图谱平台助力制造业智能应用FMEA
1.利用FMEA实现失效与故障的智能归因分析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数据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，实现高效、全面的失效智能分析。
2、FMEA失效模式自动发现与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，从各类专业的文档中，包括失效分析报告、论文、设备手册等，智能发现新知识，包括：
智能发现新知识，实现FMEA制作的智能化，提升设备、工艺和产品的质量和可靠性，为数字化和智能化工厂赋能。
“中国制造2025”，对于推动中国制造由大变强，使中国制造包含更多中国创造因素，更多依靠中国装备、依托中国品牌，促进经济保持中高速增长、向中高端水平迈进，具有重要意义。智能制造是大势所趋，从国家战略、行业竞争、企业变革、技术条件等不同维度都可以看出。然而上述生产过程中面临的问题一直困扰着整个制造行业，同时他们非常关注通过新技术的应用来提升效率，提升在产品研发、质量控制、生产制造过程的竞争力。正如台积电跟中兴国际所使用的机器设备、原材料等一样，但他们对先进制程的把握却是不一样的，从而导致了生产中的不同的“良率”。这里面就是制造和生产过程中的“领域知识和专家经验”的差距。知识图谱最核心的关注点就是知识以及知识的应用，这正是知识图谱赋能智能制造的关键所在，也是能够在未来极大的提升制造业智能化水平的关键途径之一。如果能结合行业知识，以知识和技术为基础，把生产制造过程跟虚拟系统或其他技术融合，来实现制造过程的感知、决策、执行和演化的过程，那么上述问题就迎刃而解。
针对工业制造质量体系的特点，将失效知识的沉淀、加工、连接、融合和追溯融入到知识图谱平台中，形成对质量体系过程中的失效分析报告FA、失效分析树FTA以及FMEA等知识和经验的达观失效模式知识图谱平台也闪亮登场。
这个图总结了知识图谱赋能智能制造的全貌。首先是工业制造业非常需要沉淀和传承知识，比如可以将生产线里的经验总结出来并沉淀到图谱里来，这样就可以帮助不那么资深的人解决问题。并且当有人离职，这些经验也将留存下来，为接任者提供帮助，这正是知识的传承。在赋能智能制造中，有非常多场景都是知识图谱可以实现的。这里面有一个非常重要的点是“融入业务”，在落地过程中，非常强调融入业务，在尽量不改变现有的工作流程来实现知识图谱和AI的赋能。在此之外，还有就是赋能过程中的可解释性和可运营性。可解释性就是指不能只告诉使用者怎么做，还要告诉他整个流程是什么，并且在利用知识图谱分析问题时，把分析过程也展现出来。
可运营性则是因为数据、经验和知识是会演变的。比如一条产线的机器升级后，其知识和经验跟旧机器是有差别的，如何将这些不同经验在知识图谱中及时更新是非常重要的，这就是可运营性的关键。
*文章部分图片来源于网络
