文章摘要：隨著社會(huì)需求多元化，制造業(yè)企業(yè)在生成制造過(guò)程中，不僅要保證優(yōu)質(zhì)產(chǎn)品的高效生產(chǎn)，還需結(jié)合經(jīng)驗(yàn)、總結(jié)、現(xiàn)有技術(shù)瓶頸或市場(chǎng)反饋多面開(kāi)發(fā)新產(chǎn)品，保持自身核心競(jìng)爭(zhēng)力。同時(shí)，由于在各生產(chǎn)制造環(huán)節(jié)產(chǎn)生的知識(shí)...

隨著社會(huì)需求多元化，制造業(yè)企業(yè)在生成制造過(guò)程中，不僅要保證優(yōu)質(zhì)產(chǎn)品的高效生產(chǎn)，還需結(jié)合經(jīng)驗(yàn)、總結(jié)、現(xiàn)有技術(shù)瓶頸或市場(chǎng)反饋多面開(kāi)發(fā)新產(chǎn)品，保持自身核心競(jìng)爭(zhēng)力。

同時(shí)，由于在各生產(chǎn)制造環(huán)節(jié)產(chǎn)生的知識(shí)、數(shù)據(jù)、方法論等均為分散狀態(tài)，主要依賴?yán)蠋煾迭c(diǎn)對(duì)點(diǎn)、一對(duì)一進(jìn)行交流溝通，使得知識(shí)隱形，這就導(dǎo)致知識(shí)的斷層與企業(yè)對(duì)經(jīng)驗(yàn)的缺失，且難以滿足多元產(chǎn)品大規(guī)模生產(chǎn)所需知識(shí)基底。另外，諸如標(biāo)書(shū)、報(bào)價(jià)單、合同、表格、記錄、審批簽字等文件雜亂繁多，存儲(chǔ)于不同部門(mén)人員的電腦中，查詢起來(lái)困難程度很高。

知識(shí)庫(kù)在制造業(yè)中落地的難點(diǎn)

制造業(yè)企業(yè)對(duì)于知識(shí)管理的需要是天然存在的，在做知識(shí)管理的過(guò)程中，首選的產(chǎn)品就是知識(shí)庫(kù)，知識(shí)庫(kù)可以最全面的幫助企業(yè)對(duì)工業(yè)相關(guān)知識(shí)進(jìn)行存儲(chǔ)與管理，便于知識(shí)的積累與后續(xù)的傳播學(xué)習(xí)。

但是在進(jìn)行知識(shí)庫(kù)的落地過(guò)程中，會(huì)遇到許多阻力即痛點(diǎn)，例如：保密問(wèn)題，在建立知識(shí)庫(kù)的過(guò)程中，無(wú)疑企業(yè)所有的知識(shí)都會(huì)被存儲(chǔ)其中，其價(jià)值之高可想而知，一旦發(fā)生知識(shí)泄露，那么企業(yè)的核心競(jìng)爭(zhēng)力就蕩然無(wú)存；其次制造業(yè)企業(yè)的知識(shí)復(fù)雜、龐大，錄入知識(shí)庫(kù)難度較高，涉及許多圖紙等內(nèi)容的存儲(chǔ)與識(shí)別，這類(lèi)信息該如何快速檢索、合理儲(chǔ)存，也是一個(gè)問(wèn)題。

那么制造業(yè)企業(yè)該如何選擇一個(gè)適合自己的知識(shí)庫(kù)呢？

制造業(yè)知識(shí)庫(kù)該具備什么能力？

具體而言，包括三大部分：

1、知識(shí)構(gòu)建的能力

在工業(yè)領(lǐng)域中做知識(shí)庫(kù)需要先定義一個(gè)場(chǎng)景，然后再依托該場(chǎng)景與業(yè)務(wù)人員確定每一個(gè)知識(shí)與業(yè)務(wù)的定義。

2、知識(shí)抽取的能力

通過(guò)人工智能機(jī)器學(xué)習(xí)、深度學(xué)習(xí)與前沿算法等技術(shù)手段來(lái)對(duì)知識(shí)進(jìn)行高效且準(zhǔn)確的提取。

3、知識(shí)輔助的能力

使用知識(shí)的過(guò)程中，無(wú)疑需要匹配智能搜索、輔助推薦等功能。一線作業(yè) 人員常見(jiàn)工作問(wèn)題處理方法、設(shè)備如何智能修復(fù)等模塊也需同步配備，以此輔助工作人員在作業(yè)、檢修、工廠盤(pán)點(diǎn)時(shí)解決具體問(wèn)題。

制造業(yè)企業(yè)知識(shí)庫(kù)該如何搭建？

1、數(shù)據(jù)接入

第一步即數(shù)據(jù)接入，需要將企業(yè)各類(lèi)數(shù)據(jù)知識(shí)進(jìn)行解析，包括結(jié)構(gòu)化，非結(jié)構(gòu)化，半結(jié)構(gòu)化及多模態(tài)數(shù)據(jù)。并利用語(yǔ)音識(shí)別，視頻解析和OCR等技術(shù)，將非文本數(shù)據(jù)轉(zhuǎn)化為計(jì)算機(jī)可識(shí)別的數(shù)據(jù)。最后通過(guò)抽取數(shù)據(jù)的置信度排序，和人工反饋，提高數(shù)據(jù)抽取準(zhǔn)確性。

2、實(shí)體定義

梳理不同制造業(yè)場(chǎng)景中的數(shù)據(jù)并對(duì)數(shù)據(jù)中的知識(shí)實(shí)體與其之間的關(guān)系進(jìn)行定義，再結(jié)合業(yè)務(wù)人員反饋內(nèi)容，進(jìn)行優(yōu)化。

3、知識(shí)抽取

通過(guò)一些算法模型按照既定規(guī)則對(duì)數(shù)據(jù)中的知識(shí)進(jìn)行抽取，例如，深度學(xué)習(xí)模型BERT，準(zhǔn)確理解語(yǔ)義，Bi-LSTM強(qiáng)化上下文關(guān)聯(lián)，CRF約束最優(yōu)化路徑。并根據(jù)不同行業(yè)標(biāo)注數(shù)據(jù)，進(jìn)行調(diào)優(yōu)，得到行業(yè)基礎(chǔ)模型，引入詞表及公共知識(shí)，優(yōu)化模型準(zhǔn)確率。最后再結(jié)合用戶提交標(biāo)注數(shù)據(jù)，訓(xùn)練自定義模型，進(jìn)一步優(yōu)化模型。

在知識(shí)抽取并分別關(guān)聯(lián)處理后，就可以自動(dòng)生成我們的知識(shí)圖譜了，也就是知識(shí)庫(kù)的核心應(yīng)用模塊。

沃豐科技AI知識(shí)中臺(tái)以科學(xué)的方法論管理知識(shí)的全生命周期，為制造業(yè)企業(yè)創(chuàng)造最大價(jià)值。

》》點(diǎn)擊免費(fèi)試用智能知識(shí)庫(kù)系統(tǒng)，優(yōu)勢(shì)一試便知

相關(guān)詞條推薦：智能知識(shí)庫(kù) | IT服務(wù)管理知識(shí)庫(kù) | AI智能知識(shí)庫(kù)

文章為沃豐科技原創(chuàng)，轉(zhuǎn)載需注明來(lái)源：http://www.yzny.net.cn/ucm/faq/25816