馬 莉

在大數(shù)據(jù)時代下，海量的數(shù)據(jù)信息呈爆炸式增長。機械制造業(yè)是國民經(jīng)濟的基礎(chǔ)產(chǎn)業(yè)，它的發(fā)展直接影響到國民經(jīng)濟各部門的發(fā)展。金屬切削是用刀具從工件切除多余材料，是金屬加工工藝中的一種重要成形方法，在機械制造中占據(jù)重要地位。工件和刀具在切削過程中相互作用，“機床-刀具-工件”構(gòu)成一個機械加工工藝系統(tǒng)。研究人員對金屬切削加工過程的研究持續(xù)不斷，且碩果累累。選取這些海量信息時，如何從其中的眾多數(shù)據(jù)信息中選出有價值以及有用的信息資源，同時向用戶呈現(xiàn)這些資源，已經(jīng)成為重點關(guān)注的一項問題。而知識圖譜的出現(xiàn)，有效解決知識針對性選擇的問題，在各領(lǐng)域逐漸被廣泛應(yīng)用，在金屬切削加工中，進(jìn)行知識圖譜構(gòu)建意義重大，能夠有效提升加工效率，提升信息資源的利用率，本文對此進(jìn)行深入分析，具體如下。

1 金屬切削加工相關(guān)概述

對于金屬切削加工而言，主要是通過具有刃口，并且工件堅硬的切削工具，切去坯件上存在的多余金屬，保證工件表面質(zhì)量、形狀及尺寸滿足規(guī)定要求，屬于一種較為常見的金屬加工方法。實際切削加工環(huán)節(jié)，工件表面加工，主要是通過工件與切削工具相對運動進(jìn)行實現(xiàn)。根據(jù)表面形成方式，可以將切削加工具體分為以下幾種類型：第一，刀尖軌跡法。這種方式主要是通過刀尖在工件表面按照既定的運動軌跡進(jìn)行切削，使工件獲得要求的表面幾何形狀，包括刨削平面、車削以及磨削內(nèi)外圓等。第二，成形刀具法。根據(jù)工件表面輪廓，應(yīng)用相應(yīng)的成形砂輪及刀具等，進(jìn)行實際加工，最終獲得成形面，在這一環(huán)節(jié)，機床只進(jìn)行橫向進(jìn)給運動即可，例如成形砂輪磨削、成形銑刀銑削以及成形車刀車削等。第三，展成法。利用這種方法進(jìn)行加工時，基于既定規(guī)律下，保證工件與切削工具進(jìn)行相對展成運動，在坯件中，會在刀刃的作用下形成最終的加工表面。例如刨齒、插齒、滾齒以及錐砂輪磨齒等。除此之外，成形刀具法與刀尖軌跡法良好結(jié)合下，會形成一些新的切削加工形式，例如螺紋車削。根據(jù)工藝特征對切削加工進(jìn)行分類。可將其分為刮削、車削、螺紋加工、鉆削、齒輪加工、銑削、鉗工、拋光、研磨、拋光、刨削、鏜削、超精加工等。通過強力切削、高速切削、振動切削以及等離子弧加熱切削等方式，能夠使加工效率得到進(jìn)一步提升。

2 知識圖譜

隨著對金屬切削加工深入的研究以及計算機系統(tǒng)在制造業(yè)的廣泛應(yīng)用，已形成一系列概念和概念之間的關(guān)系用于描述金屬切削加工過程。例如，切削力、切削熱和切削溫度、刀具磨損等等。金屬切削過程就是用刀具在機床上從工件表面切去多余的金屬，形成已加工表面的過程，也是工件的切削層在刀具前面擠壓下產(chǎn)生塑性變形，形成切屑而被切下來的過程。隨著切削過程的發(fā)生和發(fā)展，形成了許多物理現(xiàn)象。例如，積屑瘤的成因，切屑形成的機理等。企業(yè)和高校的研究人員已總結(jié)形成了一整套關(guān)于金屬切削過程中的基本物理現(xiàn)象及其變化規(guī)律，本文將這些物理現(xiàn)象及其變化規(guī)律稱為事實性知識。

2.1 知識圖譜的概念及分類

2012年，谷歌首次提出知識圖譜這一概念，其原本的目的在于提升搜索性能，實現(xiàn)智能化搜索，對用戶搜索體驗進(jìn)行優(yōu)化。王昊奮等人員認(rèn)為，基于本質(zhì)上來講，知識圖譜屬于一種語義網(wǎng)絡(luò)，在這一網(wǎng)絡(luò)中，實例通過結(jié)點進(jìn)行表示，而實例間存在的各種語義關(guān)系，則通過邊進(jìn)行表示。此外，相關(guān)研究人員認(rèn)為，知識圖譜實際上屬于呈現(xiàn)知識屬性關(guān)系與發(fā)展流程的諸多圖形，在可視化技術(shù)配合下，清晰地呈現(xiàn)出圖形中所表示的知識實體及屬性、知識實體間存在的關(guān)系。按照服務(wù)領(lǐng)域，可將知識圖譜分為以下幾類：一類是通用知識圖譜，這一類型的知識圖譜，主要是為橫向需求提供服務(wù)，將橫向覆蓋面作為主要的關(guān)注點，涉及各個領(lǐng)域的大量實體，在相互關(guān)系作用下，從而形成多維度的知識圖譜，主要應(yīng)用于問答、推薦以及搜索等業(yè)務(wù)場景中。另一類屬于行業(yè)知識圖譜，這一類型的知識圖譜，主要是為縱向需求提供服務(wù)，將縱深覆蓋面作為主要的關(guān)注點，因為會對專業(yè)領(lǐng)域的業(yè)務(wù)場景有所涉及，在實體數(shù)量上相對較少，需要基于縱向維度下，對實體間存在的關(guān)系進(jìn)行充分的抽取，其主要在醫(yī)療、圖書情報以及金融行業(yè)應(yīng)用較為廣泛。

2.2 構(gòu)建過程

當(dāng)知識圖譜類型不同時，其實際的構(gòu)建方式也會存在較大的差異，在構(gòu)建形式上主要有以下幾種：一種為自頂向上的構(gòu)建方式，這種構(gòu)建方式在模型及規(guī)則上先于知識，另一種為自底向上的構(gòu)建方式，這一構(gòu)建方式的構(gòu)建知識先于模型。在圖譜構(gòu)建上，主要會經(jīng)歷三個步驟，步驟一，知識抽?。徊襟E二，知識融合；步驟三，知識存儲及更新。

首先，知識抽取。進(jìn)行知識圖譜構(gòu)建時，知識從哪里來是最先需要考慮的問題，如何在大量的相關(guān)數(shù)據(jù)中，將有效的知識提出出來，就是知識抽取，知識抽取環(huán)節(jié)，一般是在不用的領(lǐng)域中進(jìn)行該領(lǐng)域數(shù)據(jù)的收集，預(yù)處理結(jié)構(gòu)化以及非結(jié)構(gòu)化數(shù)據(jù)，形成知識的同時，獲取知識屬性，并且，還會枚舉出關(guān)系列表?？梢酝ㄟ^以下方法進(jìn)行實體抽取：第一，利用規(guī)則進(jìn)行實體抽取。對所需目標(biāo)實體規(guī)則進(jìn)行預(yù)先定義，基于該規(guī)則下，匹配原始語料，從而獲得符合需求的實體。第二，通過統(tǒng)計機器學(xué)習(xí)進(jìn)行抽取。利用訓(xùn)練好的模型，篩選數(shù)據(jù)，最終得到想要的實體。相關(guān)研究者通過K緊鄰算法與線性條件隨機場模型的良好結(jié)合，進(jìn)行實體識別。第三，利用開放域進(jìn)行抽取。相關(guān)學(xué)者在實際分析中，在開放的網(wǎng)絡(luò)數(shù)據(jù)中，利用已知實體的語義特征進(jìn)行實體抽取。在關(guān)系抽取方式上，有以下分類：第一，監(jiān)督學(xué)習(xí)下的關(guān)系抽取。該環(huán)節(jié)中，先標(biāo)注相應(yīng)數(shù)據(jù)，隨后訓(xùn)練模型，最終抽取數(shù)據(jù)集中的關(guān)系。第二，半監(jiān)督或無監(jiān)督下的關(guān)系抽取。將未標(biāo)注及部分標(biāo)注數(shù)據(jù)作為訓(xùn)練源開展實際訓(xùn)練，隨后抽取數(shù)據(jù)集中的關(guān)系。第三，模板下的關(guān)系抽取。這一抽取方式中，主要是進(jìn)行抽取關(guān)系模板的預(yù)先定義，按照該模板抽取關(guān)系，不過這種方式存在較大的維護(hù)難度，同時，在大量數(shù)據(jù)中不適用。

其次，知識融合。對于知識融合而言，其表示的是提供用戶基于業(yè)務(wù)配置融合規(guī)則同自動算法相結(jié)合的知識融合等能力，能夠?qū)崿F(xiàn)沖突的自動檢測，并且按照決策進(jìn)行針對性解決。進(jìn)行知識融合時，主要會涉及到以下幾點重要內(nèi)容：第一，實體消歧。通常情況下，某個實體需要具體代表現(xiàn)實中存在的某個實物，部不可對應(yīng)現(xiàn)實中存在的多個真實實物，進(jìn)行實體消歧時，可以選擇實體連接以及聚類等方式。相關(guān)學(xué)者在維基百科知識背景下，精確的找出了實體間的相似性，達(dá)到了較好的消歧效果。第二，實體對齊。存在一些實體，其在現(xiàn)實中表示的是相同的實體，對于這種類型的數(shù)據(jù)，應(yīng)做出實體對齊處理?？梢酝ㄟ^深度學(xué)習(xí)的方式，進(jìn)行實體對齊。在嵌入表示的實體對齊方面，可以選擇監(jiān)督學(xué)習(xí)的方式進(jìn)行實體對齊，這種方式對數(shù)據(jù)標(biāo)注存在較大的依賴性，會花費較多的時間，而無監(jiān)督學(xué)習(xí)的方式，則會對驗證集相似度計算方式存在較大的依賴。第三，知識合并。此項工作開展中，會對不同源數(shù)據(jù)信息做出合并處理，一般為兩個層次的數(shù)據(jù)，一是數(shù)據(jù)層融合，在這層數(shù)據(jù)融合中，主要關(guān)注的問題是如何防治關(guān)鍵沖突與實例沖突，防止冗余的出現(xiàn)。二是模擬層融合，其實際上就是在已有本體庫中，將新獲得的本體融入其中。

最后，知識存儲與更新。在大規(guī)模的知識圖譜存儲上，主要是以三元組存儲為核心，并且，其他類型知識的存儲也包含其中。在三元組知識的存儲上，具體包括兩種類型，一種是資源描述框架存儲，其主要的基礎(chǔ)為RDF圖模型，另一種為圖數(shù)據(jù)庫，其中多數(shù)應(yīng)用的是屬性圖數(shù)據(jù)模型。在新數(shù)據(jù)的不斷生成下，實現(xiàn)知識更新，三元組的不斷更新及生成，從而更新圖譜。

3 金屬切削加工知識圖譜構(gòu)建與應(yīng)用

3.1 知識類型

進(jìn)行金屬切削技工過程知識獲取時，先進(jìn)行TBox，即本層模式層的構(gòu)建，隨后再進(jìn)行ABox的建立。金屬切削環(huán)節(jié)，實際上就是在機床上利用刀具，將工件表面多余的金屬切去，最終形成想要的加工表面，簡單而言，就是在刀具的擠壓作用下，使工件的切削層發(fā)生塑性變形，最終切下切屑的過程。在切削過程不斷發(fā)展中，形成了較多的物理現(xiàn)象，現(xiàn)階段，已經(jīng)形成一整套金屬切削環(huán)節(jié)的變化規(guī)律以及基本物理現(xiàn)象，即事實性知識，其對于生產(chǎn)率提高、加工質(zhì)量保證、生產(chǎn)實踐指導(dǎo)以及成本降低存在較為積極的作用。并且，當(dāng)前信息化建設(shè)不斷深入，企業(yè)中廣泛應(yīng)用到了各種新型系統(tǒng)，例如MES、CAPP、ERP以及CAM等，企業(yè)中已經(jīng)具備較多的切削加工數(shù)據(jù)，均是企業(yè)寶貴的數(shù)據(jù)資源，在指導(dǎo)生產(chǎn)及決策上意義重大，以上數(shù)據(jù)為過程性知識。在事實性知識與過程性知識的良好結(jié)合下，可以實現(xiàn)相互轉(zhuǎn)換。在相應(yīng)軟件應(yīng)用下，對其進(jìn)行OWL本體建模。

3.2 知識圖譜數(shù)據(jù)生成

構(gòu)建完成金屬切削知識圖譜的TBox后，進(jìn)行ABox的構(gòu)建，根據(jù)本體模式，實現(xiàn)三元組形式數(shù)據(jù)的生成。現(xiàn)階段，與其他機械制造型企業(yè)一樣，xx公司已有多種應(yīng)用系統(tǒng)，包括MES、CAPP以及ERP等，這些數(shù)據(jù)系統(tǒng)中，均存在與切削加工相關(guān)的數(shù)據(jù)，同時彼此隔離，形成了相應(yīng)的數(shù)據(jù)孤島?；旧线@些數(shù)據(jù)被存放在關(guān)系型數(shù)據(jù)中，屬于知識圖譜的關(guān)鍵數(shù)據(jù)源。所以，在金屬切削知識圖譜構(gòu)建中，根據(jù)本體模式進(jìn)行多源數(shù)據(jù)的集成與融合，是一項較為關(guān)鍵的技術(shù)。

Ontop屬于現(xiàn)階段較為成熟的軟件平臺，其是在本體構(gòu)建的基礎(chǔ)上，對本體與關(guān)系數(shù)據(jù)庫表模式間存在的映射關(guān)系進(jìn)行定義，進(jìn)而對多數(shù)據(jù)源數(shù)據(jù)進(jìn)行訪問，以O(shè)BDA為主要架構(gòu)，支持所有W3C推薦的關(guān)于OBDA的標(biāo)準(zhǔn)，包括SWRL、OWL2QL、SPARQL以及后向推理等。本文通過這一軟件平臺，進(jìn)行數(shù)據(jù)集成框架構(gòu)建，從而獲得金屬切削知識圖譜三元組，主要步驟為：首先，經(jīng)過JDBC，DatasourceManager會與各種關(guān)系數(shù)據(jù)庫進(jìn)行連接；其次，制定出一個或多個Mappingaxiom,其中包含target、source以及mappingid，其中target表示的是一個多元組模板，與SQL中的列名通過占位符關(guān)聯(lián)，source表示的是一條SQL查詢語句，主要針對關(guān)系型數(shù)據(jù)庫，mappingid表示的是一個字符串，其主要的作用是進(jìn)行axiom的標(biāo)識。最后，通過實際映射后，會形成虛擬三元組，在OntopAPI接口訪問下，能夠利用SPARQL查詢語言，獲得虛擬RDF圖，能夠?qū)?shù)據(jù)實例化為具體的三元組，在圖數(shù)據(jù)庫中進(jìn)行存儲。

三元組生成環(huán)節(jié)為：第一，基于JDBC下，構(gòu)建Oacle連接，192.168.1.114是連接的主機地質(zhì)，oracle實例為orcl,tms為用戶名，123為用戶密碼。第二，進(jìn)行Mappingaxiom設(shè)計是較為關(guān)鍵的一步，因此需要做好映射關(guān)系的構(gòu)建。第三，變化才能調(diào)用ontop API，生成三元組?，F(xiàn)階段，xx公司已經(jīng)生成了40多萬余條三元組，實現(xiàn)了工件、機床、道具以及材料等方面的數(shù)據(jù)轉(zhuǎn)換。

3.3 確定數(shù)據(jù)融合算法

進(jìn)行數(shù)據(jù)集成過程中，一個較為關(guān)鍵的任務(wù)是融合不同數(shù)據(jù)源的同一客體實體，例如工件、機床以及刀具等，從而使知識圖譜數(shù)據(jù)具備更好的一致性以及準(zhǔn)確性。集成多元數(shù)據(jù)環(huán)節(jié)，通常情況下，不同的應(yīng)用系統(tǒng)都是不用的軟件供應(yīng)商供應(yīng)，這種情況下，會使客觀實體編碼體系存在較大不同，所以，利用編碼分辨是否為統(tǒng)一實體，存在較大的難度。所以，可以通過計算屬性相似度的方式，進(jìn)行實體對齊。因為進(jìn)行工件、機床以及刀具描述的字符大多是短文本，在短文本相似度計算上，Levenshtein最小編輯距離以及Jaccard系數(shù)均具備較好的應(yīng)用效果，所以，可以選擇兩者結(jié)合的方式，對實體等價性進(jìn)行確定，保證獲得更高的準(zhǔn)確性。

3.4 確定知識存儲系統(tǒng)

將圖數(shù)據(jù)庫Neo4j作為存儲系統(tǒng)，該存儲屬于NOSQL數(shù)據(jù)庫，存在較高的性能，其能夠在圖上存儲結(jié)構(gòu)化數(shù)據(jù)，而并不是在表中存儲。節(jié)點、關(guān)系與屬性均為基元。對于節(jié)點而言，其可以是零個屬性，也可以是多個屬性，均會以key-value對的形式存在，利用標(biāo)簽標(biāo)識不同類型的節(jié)點。Neo4j中，存在Cypher語言，能夠高效查詢圖數(shù)據(jù)庫。在OWL本體模型下，Neo4j的node-Relation與三元組Subject-Predicate-Object存在一定的不同，前者描述關(guān)系的對象屬性，可以存在數(shù)據(jù)屬性，而后者不可以。

3.5 金屬切削加工知識圖譜的應(yīng)用

現(xiàn)階段，知識圖譜在金屬加工領(lǐng)域的應(yīng)用，能夠有效提升金屬切削加工方面的質(zhì)量與效率?，F(xiàn)階段在一些其他領(lǐng)域，包括醫(yī)療、金融以及電商等，知識圖譜均得到了廣泛應(yīng)用，不過在工業(yè)加工領(lǐng)域的應(yīng)用還需要不斷進(jìn)行深入探索，本文提出的金屬切削加工知識圖譜，可以在以下方面進(jìn)行應(yīng)用：第一，輔助決策方面。在現(xiàn)代金屬切削加工方面，大多數(shù)是利用計算機輔助技術(shù)進(jìn)行設(shè)計，實際設(shè)計環(huán)節(jié)對于設(shè)計人員設(shè)計經(jīng)驗以及專業(yè)知識存在較大的依賴性，構(gòu)建金屬切削加工知識圖譜，能夠在實際工作中，按照知識庫中存在的相關(guān)知識與關(guān)聯(lián)關(guān)系，為金屬切削加工提供輔助決策，從而減少對于人員的依賴性，進(jìn)一步提升此項工作的開展效率。第二，金屬切削加工異常警告。進(jìn)行金屬切削加工時，往往會存在一些細(xì)節(jié)上的問題，在金屬切削加工知識圖譜下，會按照存儲的關(guān)聯(lián)關(guān)系知識，對當(dāng)前操作是否會發(fā)生異常進(jìn)行預(yù)判，為相關(guān)工作人員做出相應(yīng)提示，有效避免加工缺陷的出現(xiàn)，提升金屬切削加工質(zhì)量。

4 結(jié)語

綜上所述，金屬切削加工過程是工件和刀具相互作用的過程，機床、夾具、刀具和工件組成一個完整的機械加工工藝系統(tǒng)。對金屬切削機理大量的研究已形成描述基本物理現(xiàn)象和變化規(guī)律的諸多知識。而金屬切削加工在機械行業(yè)廣泛的應(yīng)用已產(chǎn)生海量的各種類型的數(shù)據(jù)，稱之為過程性知識?，F(xiàn)階段，知識圖譜已經(jīng)被應(yīng)用到各個領(lǐng)域，知識圖譜構(gòu)建過程中，會經(jīng)歷知識抽取、知識融合、知識存儲及更新環(huán)節(jié)。進(jìn)行金屬切削加工知識圖譜構(gòu)建時，能夠有效解決制造業(yè)切削數(shù)據(jù)資源利用價值不高這一問題，在輔助決策以及金屬切削加工異常警告上，均能發(fā)揮出較好的作用，進(jìn)一步提升制造加工水平。