江志剛,謝 彬,朱 碩 ,張 華,鄢 威,代明仁

(1. 武漢科技大學(xué) 冶金裝備及其控制教育部重點(diǎn)實(shí)驗(yàn)室,湖北 武漢 430081;2. 武漢科技大學(xué) 機(jī)械傳動(dòng)與制造工程湖北省重點(diǎn)實(shí)驗(yàn)室,湖北 武漢 430081;3.武漢科技大學(xué) 綠色制造工程研究院,湖北 武漢 430081;4. 谷城萬(wàn)利鑄造有限公司,湖北 襄陽(yáng) 441705)

0 引言

再制造拆解作為再制造工藝的首要步驟,是按照一定拆解工藝將廢舊產(chǎn)品及其部件分解成全部零部件的過(guò)程,是實(shí)現(xiàn)大批量廢舊產(chǎn)品循環(huán)利用的關(guān)鍵手段[1]。不同于新品,再制造拆解針對(duì)的是已完成一次服役周期且可能存在某種缺陷或損傷的廢舊零部件,而廢舊零部件的內(nèi)部結(jié)構(gòu)、損傷特征等存在較大差異,需要頻繁地對(duì)拆解工藝進(jìn)行調(diào)整,避免工藝質(zhì)量波動(dòng)大而造成零部件損壞,甚至無(wú)法進(jìn)行再制造。拆解工藝數(shù)據(jù)作為表達(dá)工藝知識(shí)的載體,能夠直觀地揭示拆解工藝的動(dòng)態(tài)變化過(guò)程,對(duì)于提高廢舊零部件拆解效率和質(zhì)量穩(wěn)定性具有重要作用[2]。然而,由于廢舊零部件拆解特征的特殊性,拆解過(guò)程中始終伴隨著工藝數(shù)據(jù)的迭代更新,難以從數(shù)據(jù)中提煉出個(gè)性化的知識(shí)形式。因此,如何將高度變化的拆解工藝數(shù)據(jù)轉(zhuǎn)化為有組織的、可重用的且支持更新的知識(shí),是當(dāng)前實(shí)現(xiàn)規(guī)?；僦圃斓年P(guān)鍵瓶頸之一。

關(guān)于將拆解工藝數(shù)據(jù)轉(zhuǎn)化為知識(shí),屬于工藝知識(shí)建模的一種。目前,眾多學(xué)者針對(duì)工藝知識(shí)建模相關(guān)問(wèn)題展開(kāi)了廣泛研究,相關(guān)技術(shù)包括面向?qū)ο蠼3-4]、基于圖論建模[5-6]、基于Petri網(wǎng)建模[7-8]及基于本體建模[9-10]等。面向?qū)ο蠼７椒ň哂谐橄笮?、穩(wěn)定性和可重用性特點(diǎn),但缺乏結(jié)構(gòu)化的知識(shí)描述機(jī)制,無(wú)法滿(mǎn)足多源異構(gòu)系統(tǒng)間的互操作性要求?；趫D論建模方法主要關(guān)注于零部件間的接觸特征、幾何約束及拆解優(yōu)先級(jí)等信息,但未能表述其他拆解知識(shí)及其語(yǔ)義關(guān)系?；赑etri網(wǎng)建模方法處理大規(guī)模復(fù)雜系統(tǒng)時(shí)存在可讀性差等問(wèn)題,且難以表征知識(shí)的動(dòng)態(tài)特征?；诒倔w建模方法能夠表達(dá)知識(shí)的復(fù)雜關(guān)系,并利用特定語(yǔ)言進(jìn)行異構(gòu)系統(tǒng)間的交互操作,但其并不等同于知識(shí)化表征。例如ZHU等[11]針對(duì)廢舊產(chǎn)品不確定性特征,構(gòu)建了基于本體的再制造拆解知識(shí)系統(tǒng),以支持拆解序列的生成。CHEN等[12]通過(guò)本體語(yǔ)義模型集成相關(guān)拆解知識(shí),并結(jié)合基于案例(Case-Based Reasoning,CBR)和基于規(guī)則(Rule-Based Reasoning,RBR)推理技術(shù)實(shí)現(xiàn)機(jī)電產(chǎn)品拆解過(guò)程的自動(dòng)化決策。上述研究中缺乏對(duì)拆解工藝數(shù)據(jù)之間語(yǔ)義關(guān)系的表達(dá)及動(dòng)態(tài)時(shí)序特征的描述,所表達(dá)的信息相對(duì)固化且粒度大,進(jìn)而難以從中提取出個(gè)性化的拆解工藝知識(shí)。

在再制造拆解過(guò)程中獲取并利用知識(shí)輔助決策,發(fā)展認(rèn)知學(xué)習(xí)能力,已然成為再制造拆解的核心需求,而知識(shí)圖譜的誕生為滿(mǎn)足這一需求提供了成熟條件。知識(shí)圖譜作為一種結(jié)構(gòu)化的語(yǔ)義網(wǎng)絡(luò),以“實(shí)體-關(guān)系-實(shí)體”或“實(shí)體-屬性-值”的形式對(duì)知識(shí)進(jìn)行組織,具有能夠處理復(fù)雜語(yǔ)義關(guān)系數(shù)據(jù)的特點(diǎn)[13-14]。HEDBERG等[15]以知識(shí)圖譜為信息載體,通過(guò)集成設(shè)計(jì)、制造和質(zhì)量等階段的制造數(shù)據(jù)構(gòu)建了覆蓋產(chǎn)品全生命周期的智能制造數(shù)字化主線,便于服務(wù)產(chǎn)品制造信息追溯和知識(shí)復(fù)用。段陽(yáng)等[16]針對(duì)金屬切削加工過(guò)程數(shù)據(jù)分布離散問(wèn)題,通過(guò)構(gòu)建金屬切削加工知識(shí)圖譜,為制造型企業(yè)信息重用提供了數(shù)據(jù)支撐。GUO等[17]將知識(shí)圖譜技術(shù)引入到自動(dòng)化加工工藝決策系統(tǒng)中,建立了基于知識(shí)圖譜的零件信息、工藝知識(shí)和設(shè)備資源的三級(jí)信息模型。盡管知識(shí)圖譜在其他領(lǐng)域中發(fā)揮了重要作用,但將其直接應(yīng)用在再制造拆解中仍有不足,主要表現(xiàn)在以下3個(gè)方面:

(1)數(shù)據(jù)樣本構(gòu)建 由于廢舊零部件內(nèi)部結(jié)構(gòu)、損傷特征等具有較大差異,使得拆解過(guò)程具有很強(qiáng)的不確定性,這種不確定性導(dǎo)致車(chē)間內(nèi)各拆解活動(dòng)的工藝數(shù)據(jù)獲取、流通和集成困難。

(2)知識(shí)表征及抽取 不同拆解活動(dòng)所涉及的工藝數(shù)據(jù)類(lèi)型多,結(jié)構(gòu)復(fù)雜,難以進(jìn)行知識(shí)化表征。在此基礎(chǔ)上,需要對(duì)拆解工藝數(shù)據(jù)進(jìn)行處理,以實(shí)現(xiàn)工藝知識(shí)的自動(dòng)抽取。

(3)知識(shí)更新 在實(shí)際拆解過(guò)程中,要求知識(shí)圖譜能夠根據(jù)拆解工藝調(diào)整情況進(jìn)行自適應(yīng)更新,從而保證知識(shí)的準(zhǔn)確性和時(shí)效性。

綜上所述,針對(duì)再制造拆解過(guò)程中工藝頻繁調(diào)整的要求,為進(jìn)一步提高廢舊零部件拆解效率和質(zhì)量穩(wěn)定性,本文提出一種動(dòng)態(tài)數(shù)據(jù)流驅(qū)動(dòng)的再制造拆解工藝知識(shí)圖譜構(gòu)建方法。通過(guò)分析再制造拆解工藝數(shù)據(jù)特點(diǎn),定義以拆解工位為節(jié)點(diǎn)的數(shù)據(jù)流模型,以實(shí)現(xiàn)不同工位上拆解工藝數(shù)據(jù)的組織串聯(lián);利用本體建模方法為拆解工藝數(shù)據(jù)流提供統(tǒng)一的知識(shí)表達(dá)形式,并采用基于輕量化雙向編碼器表示轉(zhuǎn)換和雙向長(zhǎng)短期記憶網(wǎng)絡(luò)與條件隨機(jī)場(chǎng)的命名實(shí)體識(shí)別模型(ALBERT-BiLSTM-CRF)及自然語(yǔ)言處理方法對(duì)拆解工藝實(shí)體及關(guān)系進(jìn)行抽取;最終基于動(dòng)態(tài)數(shù)據(jù)流實(shí)現(xiàn)圖譜實(shí)體及關(guān)系的更新,有效提高拆解工藝知識(shí)質(zhì)量,滿(mǎn)足知識(shí)圖譜對(duì)拆解工藝調(diào)整的快速響應(yīng)。

1 動(dòng)態(tài)數(shù)據(jù)流驅(qū)動(dòng)的再制造拆解工藝知識(shí)圖譜構(gòu)建框架

1.1 再制造拆解工藝數(shù)據(jù)特性

再制造拆解涉及到加工對(duì)象、工藝方法、拆解設(shè)備以及操作人員等,是一個(gè)復(fù)雜的動(dòng)態(tài)過(guò)程[18]。拆解工藝路線的隨機(jī)性及不確定性、零部件失效機(jī)理的不可知性、工藝方法的特殊性等特點(diǎn),使得傳統(tǒng)離散手工拆解為主且經(jīng)驗(yàn)依賴(lài)性大的拆解模式難以再適用于廢舊產(chǎn)品拆解過(guò)程,需要在拆解過(guò)程中盡可能掌握一系列拆解工藝數(shù)據(jù)并輔助工藝人員進(jìn)行決策,從而保證拆解作業(yè)的合理性。

隨著拆解作業(yè)的持續(xù)進(jìn)行,再制造拆解過(guò)程中積累了大量且類(lèi)型復(fù)雜的工藝數(shù)據(jù)(如工藝路線、技術(shù)文檔、操作記錄、質(zhì)量檢驗(yàn)結(jié)果等),這些數(shù)據(jù)呈現(xiàn)分布離散、關(guān)聯(lián)不明確且價(jià)值密度低的特性。此外,由于廢舊零部件拆解特征的特殊性以及拆解過(guò)程的動(dòng)態(tài)性,使得拆解工藝數(shù)據(jù)具有顯著的時(shí)序變化特征,需要保證不同工位上拆解工藝數(shù)據(jù)“采集-處理”過(guò)程的時(shí)效性,才能在有效時(shí)間內(nèi)針對(duì)特定拆解環(huán)節(jié)進(jìn)行工藝調(diào)整,從而提高拆解效率。依據(jù)拆解工藝層級(jí)嵌套關(guān)系以及數(shù)據(jù)流向,構(gòu)建拆解工藝數(shù)據(jù)變遷過(guò)程如圖1所示。通常地,廢舊產(chǎn)品拆解結(jié)構(gòu)分為產(chǎn)品整機(jī)、裝配體和零部件三個(gè)層級(jí),從宏觀上看,產(chǎn)品是由各裝配體的拆解活動(dòng)(工步)組成,從微觀上看,產(chǎn)品是由各裝配體內(nèi)零部件的拆解活動(dòng)(工序)組成,整個(gè)拆解過(guò)程是由一系列自上而下的拆解活動(dòng)累積構(gòu)成的,產(chǎn)品結(jié)構(gòu)經(jīng)歷了從產(chǎn)品整機(jī)、裝配體到分解成全部零部件的變化過(guò)程。另一方面,從拆解工藝數(shù)據(jù)流向可以看出,經(jīng)由不同層級(jí)拆解過(guò)程得到的拆解工藝數(shù)據(jù)在車(chē)間各工位之間通過(guò)不斷地迭代更新,可用于映射并指導(dǎo)實(shí)際拆解活動(dòng)的實(shí)施,從而確保拆解過(guò)程順利高效的執(zhí)行。

圖1 再制造拆解工藝數(shù)據(jù)變遷過(guò)程示意圖

1.2 再制造拆解工藝知識(shí)圖譜構(gòu)建框架

在分析再制造拆解工藝數(shù)據(jù)特性的基礎(chǔ)上,提出動(dòng)態(tài)數(shù)據(jù)流驅(qū)動(dòng)的再制造拆解工藝知識(shí)圖譜構(gòu)建框架,如圖2所示。主要分為再制造拆解工藝數(shù)據(jù)流模型定義、再制造拆解工藝知識(shí)建模、再制造拆解工藝知識(shí)圖譜生成及更新三部分:

圖2 再制造拆解工藝知識(shí)圖譜構(gòu)建流程

(1)再制造拆解工藝數(shù)據(jù)流模型定義 再制造拆解工藝數(shù)據(jù)作為拆解過(guò)程中不可或缺的組成部分,包含豐富的實(shí)踐經(jīng)驗(yàn)、加工規(guī)律以及操作方法等。然而,這一類(lèi)數(shù)據(jù)往往具有離散性強(qiáng)、關(guān)聯(lián)性弱且動(dòng)態(tài)時(shí)序性特征,不易在拆解過(guò)程中被挖掘、組織和表征。通過(guò)將拆解工位作為數(shù)據(jù)分析節(jié)點(diǎn),構(gòu)建拆解工藝數(shù)據(jù)流模型,集成不同工位上涉及的工藝信息資源,為后續(xù)知識(shí)圖譜的構(gòu)建提供數(shù)據(jù)支撐。

(2)再制造拆解工藝知識(shí)建模 針對(duì)不同拆解工藝數(shù)據(jù)之間的語(yǔ)義差異性,需要為數(shù)據(jù)流提供統(tǒng)一的知識(shí)表達(dá)形式。通過(guò)本體建模方法對(duì)拆解工藝知識(shí)進(jìn)行表示,構(gòu)建拆解過(guò)程、資源和特征三類(lèi)本體模型;并利用語(yǔ)義規(guī)則語(yǔ)言(Semantic Web Rule Language,SWRL)描述拆解經(jīng)驗(yàn)知識(shí),進(jìn)一步提高知識(shí)圖譜的語(yǔ)義表達(dá)能力。

(3)再制造拆解工藝知識(shí)圖譜生成及更新 利用ALBERT-BiLSTM-CRF模型及自然語(yǔ)言處理方法對(duì)拆解工藝數(shù)據(jù)流進(jìn)行實(shí)體抽取、關(guān)系抽取等步驟,獲得以<實(shí)體-關(guān)系-實(shí)體>表征的知識(shí)形式。針對(duì)拆解工藝頻繁調(diào)整的要求,通過(guò)本體鏈接改動(dòng)與圖譜實(shí)體更新,實(shí)現(xiàn)基于動(dòng)態(tài)數(shù)據(jù)流的圖譜更新。

2 動(dòng)態(tài)數(shù)據(jù)流驅(qū)動(dòng)的再制造拆解工藝知識(shí)圖譜構(gòu)建方法

2.1 動(dòng)態(tài)拆解工藝數(shù)據(jù)流模型定義

在再制造拆解過(guò)程中,每一次工藝執(zhí)行都會(huì)產(chǎn)生一系列流式數(shù)據(jù)。通過(guò)分析拆解工藝數(shù)據(jù)特點(diǎn),將其劃分為如下三類(lèi):

(1)過(guò)程維度數(shù)據(jù):描述拆解過(guò)程中一系列拆解活動(dòng)信息,其要素包括拆解工藝管理信息、工藝屬性信息、工藝執(zhí)行信息、工藝標(biāo)注信息等,這一類(lèi)數(shù)據(jù)能夠清楚表達(dá)廢舊產(chǎn)品拆解過(guò)程狀態(tài),便于對(duì)零部件或裝配體的拆解活動(dòng)進(jìn)行監(jiān)測(cè)和管理。

(2)特征維度數(shù)據(jù):是對(duì)廢舊零部件拆解特征的詳細(xì)描述,主要涉及到失效形式、裝配關(guān)系、幾何特征和材料類(lèi)型等。拆解特征是拆解活動(dòng)的執(zhí)行依據(jù),并為后續(xù)拆解工藝的優(yōu)化和調(diào)整提供參考。

(3)資源維度數(shù)據(jù):涵蓋了參與再制造拆解過(guò)程中所有非產(chǎn)品的固有元素,如場(chǎng)地、班組、設(shè)備、任務(wù)計(jì)劃及工藝方法等。拆解資源的合理配置能夠有效降低拆解活動(dòng)的成本和能耗。

由于廢舊零部件內(nèi)部結(jié)構(gòu)、損傷特征等具有差異性,不同零部件之間的加工參數(shù)、資源配置以及工藝方法等會(huì)隨時(shí)間發(fā)生改變,即拆解工藝數(shù)據(jù)具有動(dòng)態(tài)時(shí)序性特征。因此,本文提出以拆解工位為數(shù)據(jù)分析節(jié)點(diǎn),將不同工位上的拆解工藝數(shù)據(jù)流封裝成一個(gè)個(gè)具有時(shí)間節(jié)點(diǎn)的集合,進(jìn)而實(shí)現(xiàn)動(dòng)態(tài)數(shù)據(jù)流的組織串聯(lián)。拆解工藝數(shù)據(jù)流模型DPID是對(duì)特征維度、資源維度及過(guò)程維度數(shù)據(jù)進(jìn)行集成及統(tǒng)一化的描述,該模型表示為

(1)

(2)

(3)

(4)

通過(guò)該模型可以根據(jù)不同工位情況生成與之對(duì)應(yīng)的拆解工藝數(shù)據(jù)流資源,為后續(xù)再制造拆解工藝知識(shí)圖譜的構(gòu)建提供數(shù)據(jù)支撐。其中,如何從拆解工藝數(shù)據(jù)流中生成個(gè)性化的工藝知識(shí)是當(dāng)前亟需解決的問(wèn)題。

2.2 基于本體的再制造拆解工藝知識(shí)建模

(1)再制造拆解工藝本體模型構(gòu)建

在工程語(yǔ)義層面,本體模型常被用于形式化描述領(lǐng)域知識(shí),是對(duì)相關(guān)概念的歸集以及概念間關(guān)聯(lián)作用的表示[19]。再制造拆解工藝本體(Remanufacturing Disassembly Process ontology,RDP)通過(guò)式(5)定義的五元組形式描述為

(5)

式中CDP為拆解工藝本體的概念集合,分為三類(lèi)拆解工藝涉及到的概念元素:拆解過(guò)程本體(oDP);拆解資源本體(oRA);拆解特征本體(oDF)。

表1 語(yǔ)義關(guān)系定義及其描述

圖3所示為再制造拆解工藝本體模型。其中,拆解過(guò)程本體代表某一裝配體或零部件拆解活動(dòng)的相關(guān)描述,用于確定拆解工藝的執(zhí)行順序和步驟。拆解資源本體將分散在不同工位上的拆解資源進(jìn)行集中管理,為拆解過(guò)程提供資源的按需配送。拆解特征本體主要描述拆解對(duì)象所具有的特征屬性,能夠指導(dǎo)拆解工藝的合理實(shí)施。其中,對(duì)于語(yǔ)義關(guān)系中的時(shí)間戳“T”,均以工位開(kāi)工時(shí)間tb和完工時(shí)間te設(shè)置。

圖3 再制造拆解工藝本體結(jié)構(gòu)

(2)基于SWRL規(guī)則的拆解經(jīng)驗(yàn)知識(shí)表示

SWRL是基于本體的語(yǔ)義規(guī)則語(yǔ)言[20]。本體語(yǔ)義實(shí)現(xiàn)了對(duì)拆解工藝知識(shí)的抽象化描述和結(jié)構(gòu)化表達(dá),但卻未能表征語(yǔ)義性更強(qiáng)的拆解經(jīng)驗(yàn)知識(shí)。然而,從工程實(shí)踐角度分析,再制造拆解過(guò)程包含了對(duì)經(jīng)驗(yàn)知識(shí)的綜合應(yīng)用,但這些知識(shí)未能從上述本體模型中清楚描述。

為解決這一問(wèn)題,本節(jié)利用SWRL規(guī)則語(yǔ)言將經(jīng)驗(yàn)知識(shí)進(jìn)行表征,并融入本體模型中。其核心思想:①?gòu)囊延胁鸾夤に囋O(shè)計(jì)規(guī)范及工藝人員中分析、提取拆解經(jīng)驗(yàn)知識(shí);②將提取的經(jīng)驗(yàn)知識(shí)轉(zhuǎn)為可用IF-THEN條件語(yǔ)句的表示形式;③將IF-THEN的形式轉(zhuǎn)化為SWRL規(guī)則,完成對(duì)經(jīng)驗(yàn)知識(shí)的語(yǔ)義表示;④利用protégé內(nèi)的推理模塊驗(yàn)證所構(gòu)建的SWRL規(guī)則,核驗(yàn)無(wú)誤后統(tǒng)一到本體模型中。

構(gòu)建部分SWRL規(guī)則實(shí)例如下:

規(guī)則1若某一聯(lián)接件在拆解方向+X上被某一子裝配體直接遮蓋,則聯(lián)接件需要在該子裝配體之后拆卸。

Fastener(?f),SubassemblyPart(?fp),
isDirectCoveredBy_plusX(?f,?fp)
→has_disassembled_after(?f,?fp)。

規(guī)則2若某一子裝配體在拆解方向+X上被某一聯(lián)接件固定,則該子裝配體需要在聯(lián)接件之后拆卸。

SubassemblyPart(?f),Fastener(?fp),
isFixedBy_plusX(?f,?fp)
→has_disassembled_after(?f,?fp)。

2.3 基于ALBERT-BiLSTM-CRF的拆解工藝實(shí)體抽取模型

實(shí)體抽取又稱(chēng)為命名實(shí)體識(shí)別,是其他抽取任務(wù)的前提,其本質(zhì)是從語(yǔ)料數(shù)據(jù)中抽取出實(shí)例化實(shí)體[21]。ALBERT預(yù)訓(xùn)練模型采用詞嵌入矩陣分解、跨層參數(shù)共享等方法加快模型訓(xùn)練速度并增強(qiáng)語(yǔ)義理解能力,在自然語(yǔ)言處理任務(wù)上具有較強(qiáng)的魯棒性[22-23]。因此,本文基于ALBERT-BiLSTM-CRF命名實(shí)體識(shí)別模型進(jìn)行拆解工藝實(shí)體抽取,具體流程如下:

(1)數(shù)據(jù)流獲取 將拆解工藝數(shù)據(jù)流(如工藝文檔、加工記錄以及質(zhì)量檢測(cè)結(jié)果等)作為拆解工藝實(shí)體抽取任務(wù)的原始語(yǔ)料集,并采用十折交叉驗(yàn)證的方式劃分模型的訓(xùn)練集和測(cè)試集,避免模型存在過(guò)擬合風(fēng)險(xiǎn)。

(2)數(shù)據(jù)預(yù)處理 數(shù)據(jù)流大多以自然語(yǔ)言形式表征,為避免其存在大量噪聲導(dǎo)致實(shí)體抽取效果差的情況,采用正則表達(dá)式或字符串操作等方法對(duì)數(shù)據(jù)進(jìn)行清洗和篩選,獲取可作為ALBERT層的輸入語(yǔ)料。

(3)實(shí)體標(biāo)注 本文采用BIO(begin-inside-outside)標(biāo)注方法對(duì)拆解工藝實(shí)體進(jìn)行標(biāo)注。其中,“B-”表示實(shí)體關(guān)鍵詞的字首,“I-”表示實(shí)體關(guān)鍵詞非字首的后綴詞,“O-”表示非實(shí)體關(guān)鍵詞。具體標(biāo)注策略如表2所示。

表2 實(shí)體標(biāo)注規(guī)則

(4)訓(xùn)練ALBERT-BiLSTM-CRF模型 ①特征轉(zhuǎn)換,使用ALBERT預(yù)訓(xùn)練模型將訓(xùn)練集數(shù)據(jù)轉(zhuǎn)換為詞向量形式,為后續(xù)模型提供數(shù)值型數(shù)據(jù)的輸入。②模型調(diào)參,經(jīng)過(guò)模型參數(shù)調(diào)優(yōu)后保存最佳模型參數(shù),使得其在訓(xùn)練集上具有良好的泛化能力。

(5)命名實(shí)體識(shí)別過(guò)程 模型工作流程如圖4所示,首先將測(cè)試集數(shù)據(jù)轉(zhuǎn)換得到的詞向量輸入至前向BiLSTM層和后向BiLSTM層,獲取數(shù)據(jù)的語(yǔ)言特征信息,并輸出相關(guān)向量序列。然后將向量序列輸入至CRF層,通過(guò)優(yōu)化轉(zhuǎn)移矩陣得到概率最高的預(yù)測(cè)實(shí)體標(biāo)簽,即為最優(yōu)實(shí)體集合。

圖4 ALBERT-BiLSTM-CRF模型結(jié)構(gòu)圖

2.4 基于自然語(yǔ)言處理技術(shù)的拆解工藝實(shí)體關(guān)系抽取

提取實(shí)體間關(guān)系是生成知識(shí)圖譜關(guān)系邊的必要步驟,主要目的是將拆解工藝知識(shí)構(gòu)建為三元組形式,從而清楚地描述知識(shí)之間的邏輯關(guān)系。針對(duì)拆解工藝數(shù)據(jù)具有多個(gè)客體并列存在、客體語(yǔ)句位置分布密集的特征,且存在“指代不明”的問(wèn)題。本文提出一種基于自然語(yǔ)言處理技術(shù)中指代消解和依存語(yǔ)法分析的方法,對(duì)拆解工藝數(shù)據(jù)流進(jìn)行關(guān)系三元組識(shí)別和抽取,分為實(shí)體指代詞消解、基于依存語(yǔ)法分析的關(guān)系三元組識(shí)別、基于ALBERT-BiLSTM-Attention模型的關(guān)系三元組抽取3個(gè)步驟。

(1)實(shí)體指代詞消解

1)指代識(shí)別。首先對(duì)拆解工藝數(shù)據(jù)流進(jìn)行截?cái)?、分詞和詞性標(biāo)注等預(yù)處理操作;其次識(shí)別出經(jīng)處理后語(yǔ)句中的先行詞和照應(yīng)詞,并按照“距離優(yōu)先”準(zhǔn)則(距離最近的先行詞作為指代對(duì)象)以及語(yǔ)句成分對(duì)其進(jìn)行過(guò)濾、分類(lèi);最后基于命名實(shí)體識(shí)別過(guò)程獲得的知識(shí),構(gòu)建模型輸入數(shù)據(jù)。

2)訓(xùn)練ALBERT模型。通過(guò)對(duì)輸入數(shù)據(jù)進(jìn)行特征轉(zhuǎn)換,并訓(xùn)練ALBERT模型得到最佳參數(shù)組合,便于對(duì)測(cè)試集數(shù)據(jù)進(jìn)行預(yù)測(cè)。

3)指代詞預(yù)測(cè)。通過(guò)輸入測(cè)試集數(shù)據(jù)得到指代詞預(yù)測(cè)結(jié)果,然后篩選正確的指代詞標(biāo)簽,并對(duì)指代詞進(jìn)行替換。

(2)基于依存語(yǔ)法分析的關(guān)系三元組識(shí)別

1)數(shù)據(jù)解析。首先對(duì)拆解工藝數(shù)據(jù)流進(jìn)行分詞、詞性標(biāo)注等,然后經(jīng)由詞匯及詞性解析得到數(shù)據(jù)流的依存句法結(jié)構(gòu)。

2)構(gòu)建關(guān)系識(shí)別三元組規(guī)則。結(jié)合再制造拆解領(lǐng)域數(shù)據(jù)特征、依存句法結(jié)構(gòu)對(duì)三元組進(jìn)行標(biāo)注,并對(duì)每個(gè)詞進(jìn)行規(guī)則匹配,識(shí)別相應(yīng)的關(guān)系三元組知識(shí),具體依存關(guān)系規(guī)則如表3所示。

表3 依存關(guān)系句法表

3)基于ALBERT-BiLSTM-Attention的關(guān)系三元組抽取。拆解工藝實(shí)體關(guān)系抽取同樣基于ALBERT預(yù)訓(xùn)練模型,并在BiLSTM的基礎(chǔ)上引入ATttention注意力機(jī)制。該機(jī)制通過(guò)對(duì)BiLSTM預(yù)測(cè)信息序列進(jìn)行加權(quán)變換,按照信息重要程度賦予不同權(quán)重,從而進(jìn)一步提高模型特征抽取的準(zhǔn)確度。其主要原理是計(jì)算實(shí)體對(duì)之間存在指定關(guān)系的概率,當(dāng)具有最高概率值的關(guān)系詞與實(shí)體匹配成三元組,即完成關(guān)系三元組的抽取任務(wù)。

2.5 基于動(dòng)態(tài)數(shù)據(jù)流的圖譜更新機(jī)制

廢舊產(chǎn)品的拆解過(guò)程是按照一定的工藝流程完成的,呈現(xiàn)出一種結(jié)構(gòu)有序的特征,通過(guò)對(duì)多個(gè)工藝活動(dòng)進(jìn)行編排,進(jìn)而實(shí)現(xiàn)整個(gè)拆解工藝的規(guī)劃設(shè)計(jì)。然而,由于實(shí)際拆解過(guò)程中工藝持續(xù)不斷地進(jìn)行調(diào)整,要求知識(shí)圖譜需要具備能夠根據(jù)拆解工藝調(diào)整情況進(jìn)行自適應(yīng)更新的能力,以確保知識(shí)的準(zhǔn)確性和時(shí)效性。因此,本文提出一種基于動(dòng)態(tài)數(shù)據(jù)流的圖譜更新機(jī)制,能夠基于動(dòng)態(tài)數(shù)據(jù)流靈活地對(duì)圖譜實(shí)體及其關(guān)系進(jìn)行更新,從而實(shí)現(xiàn)知識(shí)圖譜對(duì)拆解工藝調(diào)整的快速響應(yīng)。該機(jī)制分為本體鏈接改動(dòng)和圖譜實(shí)體更新兩部分,具體描述如下。

(1)本體鏈接改動(dòng) 本體鏈接改動(dòng)是根據(jù)不同工位上拆解工藝數(shù)據(jù)流中拆解要素的變化情況(如工藝方法調(diào)整、拆解設(shè)備增刪等),通過(guò)在拆解工藝本體模型中改動(dòng)相應(yīng)的實(shí)例,并重新建立本體實(shí)例之間的鏈接關(guān)系,然后更新本體模型,即可提高本體模型對(duì)拆解過(guò)程的適應(yīng)性,而不需要再對(duì)本體模型進(jìn)行重新設(shè)計(jì),有效降低拆解工藝重構(gòu)的代價(jià)。如圖5所示,首先,掃描第i個(gè)工位上的拆解工藝數(shù)據(jù)流DPIDi,判斷拆解過(guò)程維度要素類(lèi)別,依據(jù)變化情況調(diào)整拆解過(guò)程本體相應(yīng)實(shí)例,建立拆解工位、拆解對(duì)象等要素之間的“NextTo”、“FlowTo”等順序關(guān)系;然后判斷拆解資源維度要素類(lèi)別,依據(jù)變化情況調(diào)整拆解資源本體相應(yīng)實(shí)例,建立班組人員、拆解設(shè)備及工具等要素之間“Include:T”、“Hasproperty:T”等時(shí)序關(guān)系;再判斷拆解特征維度要素類(lèi)別,依據(jù)變化情況調(diào)整拆解特征本體相應(yīng)實(shí)例,建立裝配關(guān)系、失效特征及幾何特征等要素之間的“Has_part”、“Has”或“Is”等特征關(guān)系;最后更新拆解工藝本體模型。如此遞歸掃描所有工位上的拆解工藝數(shù)據(jù)流。

圖5 本體鏈接改動(dòng)流程

(2)圖譜實(shí)體更新 圖譜實(shí)體更新是在工位時(shí)間戳[tb,te]內(nèi)將拆解工藝數(shù)據(jù)流與圖譜實(shí)體進(jìn)行匹配鏈接,具體流程如表4所示,主要包括拆解要素候選模塊和實(shí)體鏈接模塊。其中,拆解要素候選模塊的功能是識(shí)別拆解工藝數(shù)據(jù)流中已變化的所有候選拆解要素。實(shí)體鏈接模塊則是把數(shù)據(jù)流中的候選拆解要素與圖譜實(shí)體映射至向量空間,計(jì)算其歐氏距離來(lái)判斷兩者之間的相似程度[24],并鏈接到正確的圖譜實(shí)體上。對(duì)于圖譜更新的輸出項(xiàng)DREN,經(jīng)由專(zhuān)家評(píng)估后在圖數(shù)據(jù)庫(kù)中自動(dòng)轉(zhuǎn)換為相應(yīng)實(shí)體結(jié)構(gòu),從而實(shí)現(xiàn)圖譜中拆解工藝實(shí)體的更新。

3 案例分析

某型號(hào)廢舊動(dòng)力電池包拆解過(guò)程共涉及預(yù)處理(檢測(cè)外觀及絕緣性)、吊裝上線、切割模組側(cè)板、OCV測(cè)試分選等28個(gè)拆解工位。相關(guān)拆解設(shè)備、人員數(shù)量以及操作類(lèi)型等數(shù)據(jù)如表5所示。

表5 拆解設(shè)備及工位人員配置

對(duì)于拆解工藝數(shù)據(jù)流,利用所提出的3種維度進(jìn)行收集和處理,形成以資源描述框架(RDF)描述的數(shù)據(jù)流形式,并采用MongoDB數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ)。以某一吊裝上線工位時(shí)間戳為例,其數(shù)據(jù)流如表6所示。

表6 時(shí)間戳內(nèi)吊裝上線工位的數(shù)據(jù)流(部分)

3.1 拆解工藝知識(shí)圖譜構(gòu)建示例

首先,在圖譜構(gòu)建過(guò)程中,需要將拆解工藝數(shù)據(jù)轉(zhuǎn)化為易于理解的知識(shí)形式。根據(jù)本文所提的基于本體的拆解工藝知識(shí)建模方法,利用protégé工具分別建立了該動(dòng)力電池包拆解過(guò)程、資源和特征的本體模型,領(lǐng)域?qū)＜铱赏ㄟ^(guò)該工具對(duì)這三類(lèi)本體進(jìn)行編譯。圖6所示為動(dòng)力電池包拆解過(guò)程本體,包含預(yù)處理、模組出箱、OCV測(cè)試分選等步驟。圖7所示為動(dòng)力電池包拆解資源本體,通過(guò)添加相應(yīng)的工藝方法、班組人員、拆解設(shè)備及工具,實(shí)現(xiàn)拆解過(guò)程中資源要素的合理配置。圖8所示為動(dòng)力電池包拆解特征本體,可以清楚表達(dá)某一裝配體或零部件所具有的拆解優(yōu)先級(jí)、連接數(shù)量等屬性。

圖6 動(dòng)力電池包拆解過(guò)程本體

其次,將拆解工藝數(shù)據(jù)流按照8∶2的比例劃分訓(xùn)練集和測(cè)試集,根據(jù)BIO標(biāo)注法對(duì)訓(xùn)練集進(jìn)行標(biāo)注,用標(biāo)注后的數(shù)據(jù)訓(xùn)練ALBERT-BiLSTM-CRF模型,再用模型自動(dòng)完成剩余測(cè)試集的實(shí)體抽取任務(wù),獲得6 472個(gè)圖譜實(shí)體。通過(guò)對(duì)拆解工藝數(shù)據(jù)流進(jìn)行指代消解和依存關(guān)系分析,并基于ALBERT-BiLSTM-Attention模型抽取出2 781個(gè)實(shí)體關(guān)系。最后,在 neo4j圖數(shù)據(jù)庫(kù)中構(gòu)建廢舊動(dòng)力電池包拆解工藝知識(shí)圖譜(圖9),共包含5 478個(gè)節(jié)點(diǎn),8種關(guān)系類(lèi)型。其中,ALBERT-BiLSTM-CRF模型中Learning rate為0.0001,Batch size為64,Epochs為20,Max length為256,Hidden size為192;ALBERT-BiLSTM-Attention模型中Learning rate為0.000 03,Batch size為32,Epochs為40,Max length為256,Hidden size為128。

圖9 動(dòng)力電池包拆解工藝知識(shí)圖譜局部示意圖

為了驗(yàn)證所提模型的優(yōu)越性,本文采用準(zhǔn)確率P、召回率R和F1值對(duì)拆解工藝實(shí)體及關(guān)系抽取的性能進(jìn)定量化評(píng)價(jià)。實(shí)體抽取結(jié)果如表7所示,相較于BiLSTM和BiLSTM-CRF模型,由于ALBERT預(yù)訓(xùn)練模型可以獲取上下文信息的詞級(jí)特征,并且能夠基于上下文生成動(dòng)態(tài)詞向量,F1值可達(dá)90.8%,表明模型在拆解工藝實(shí)體抽取任務(wù)中的查準(zhǔn)率和查全率具有顯著優(yōu)勢(shì)。關(guān)系抽取結(jié)果如表8所示,相較于BiLSTM-Attention和ALBERT-BiGRU-Attention模型,通過(guò)在BiLSTM的基礎(chǔ)上引入ATttention注意力機(jī)制,對(duì)于文本關(guān)鍵信息賦予權(quán)重值,從而進(jìn)一步提高特征抽取的準(zhǔn)確性,F1值可達(dá)93.4%。其中,由于拆解工藝數(shù)據(jù)流存在訓(xùn)練集未包含語(yǔ)料,使得拆解工藝實(shí)體及關(guān)系抽取過(guò)程中易出現(xiàn)漏識(shí)別或誤識(shí)別,一定程度上影響圖譜的準(zhǔn)確性。

表7 拆解工藝實(shí)體抽取結(jié)果

3.2 圖譜更新效率

基于動(dòng)態(tài)數(shù)據(jù)流的圖譜更新機(jī)制對(duì)拆解工藝實(shí)體及其關(guān)系進(jìn)行更新,可將拆解工藝知識(shí)的查詢(xún)與更新效率提升至秒級(jí)。為了更好地評(píng)估拆解工藝知識(shí)圖譜更新與知識(shí)查詢(xún)效率,將每個(gè)工位下拆解工藝數(shù)據(jù)流的更新耗時(shí)記為T(mén)ts,拆解工藝實(shí)體查詢(xún)耗時(shí)記為T(mén)eq,拆解工藝實(shí)體關(guān)系查詢(xún)耗時(shí)記為T(mén)rq,拆解工藝實(shí)體更新耗時(shí)記為T(mén)eu,拆解工藝實(shí)體關(guān)系更新耗時(shí)記為T(mén)ru。拆解工藝實(shí)體及關(guān)系的總查詢(xún)和更新耗時(shí)分別表示為:

TRN=Tts+Teu+Tru;

(6)

TQ1=Teq+Teu;

(7)

TQ2=Trq+Tru;

(8)

TQ3=Tts+Teu;

(9)

TQ4=Tts+Tru。

(10)

式中,TRN為圖譜更新總耗時(shí);TQ1為拆解工藝實(shí)體查詢(xún)總耗時(shí);TQ2為拆解工藝實(shí)體關(guān)系查詢(xún)總耗時(shí);TQ3為拆解工藝實(shí)體更新總耗時(shí);TQ4為拆解工藝實(shí)體關(guān)系更新總耗時(shí)。其中,Tts為工位完工時(shí)間te與開(kāi)工時(shí)間tb差值。

取某一工位上拆解工藝數(shù)據(jù)流進(jìn)行驗(yàn)證,圖譜中拆解工藝實(shí)體及其關(guān)系的查詢(xún)速率和更新速率相較于全面式更新方法提高1倍以上(見(jiàn)圖10和圖11)。由此可見(jiàn),拆解工藝知識(shí)圖譜的更新耗時(shí)基本滿(mǎn)足拆解工藝數(shù)據(jù)流的間隔變化需求,能夠根據(jù)拆解工藝調(diào)整情況進(jìn)行快速響應(yīng)。

圖11 拆解工藝實(shí)體關(guān)系查詢(xún)與更新耗時(shí)

4 圖譜應(yīng)用實(shí)例

依據(jù)上述方法,本文設(shè)計(jì)并開(kāi)發(fā)了基于知識(shí)圖譜的廢舊動(dòng)力電池包拆解工藝知識(shí)管理系統(tǒng),采用Javascript和Echart來(lái)完成圖譜展示,前后臺(tái)采用flask框架接收前端請(qǐng)求并生成數(shù)據(jù)返回前端,使用neo4j圖數(shù)據(jù)庫(kù)存儲(chǔ)實(shí)體與關(guān)系。該系統(tǒng)主要用于輔助工藝人員進(jìn)行拆解工藝規(guī)劃決策,使得傳統(tǒng)的以經(jīng)驗(yàn)為主的人工決策轉(zhuǎn)變?yōu)椤皵?shù)據(jù)-知識(shí)”聯(lián)合驅(qū)動(dòng)的智能決策模式,有效提高拆解工藝規(guī)劃過(guò)程的可解釋性。圖12所示為系統(tǒng)界面展示圖,通過(guò)解析輸入的拆解工藝數(shù)據(jù)流,實(shí)現(xiàn)動(dòng)力電池包拆解工藝方法、拆解設(shè)備及工具、拆解路徑等工藝信息的提取。工藝人員在進(jìn)行拆解工藝設(shè)計(jì)時(shí),通過(guò)輸入查詢(xún)語(yǔ)句,并對(duì)其關(guān)鍵詞進(jìn)行解析,向工藝人員返回相關(guān)拆解工藝信息,從而綜合考量現(xiàn)階段裝配體或零部件拆解工藝的制定。

圖12 系統(tǒng)界面展示圖

圖13展示了廢舊動(dòng)力電池包模型,按照產(chǎn)品整機(jī)-裝配體-零部件的層次關(guān)系表示模型的結(jié)構(gòu)信息,且知識(shí)圖譜相關(guān)實(shí)體與關(guān)系的數(shù)據(jù)統(tǒng)計(jì)以表格形式展示。例如,在拆解電池模組11-24過(guò)程中螺栓GB_T_5783_M8與螺母GB_T_889_M8拆解特征面為圓柱面-圓柱面,裝配關(guān)系為孔軸配合,且螺母拆解優(yōu)先級(jí)高于螺栓。通過(guò)在工位時(shí)間戳內(nèi)輸入拆解工藝數(shù)據(jù)流,生成不同工位對(duì)應(yīng)的拆解工藝知識(shí)圖譜,從而針對(duì)特定拆解環(huán)節(jié)提供拆解工藝知識(shí),輔助工藝人員進(jìn)行決策。

圖13 模型展示及工位圖譜界面

5 結(jié)束語(yǔ)

由于廢舊零部件的內(nèi)部結(jié)構(gòu)、損失特征等存在差異性,使得拆解工藝需要頻繁地進(jìn)行調(diào)整,進(jìn)而導(dǎo)致再制造拆解效率低、質(zhì)量穩(wěn)定性差。為此,本文提出一種動(dòng)態(tài)數(shù)據(jù)流驅(qū)動(dòng)的再制造拆解工藝知識(shí)圖譜構(gòu)建方法,利用知識(shí)的高效更新與重用指導(dǎo)廢舊零部件的拆解過(guò)程,從而提高拆解效率與質(zhì)量,主要工作包括:

(1)分析再制造拆解工藝數(shù)據(jù)的動(dòng)態(tài)時(shí)序特性,定義以拆解工位為單元的數(shù)據(jù)流模型,對(duì)不同工位上的數(shù)據(jù)流進(jìn)行集成,實(shí)現(xiàn)動(dòng)態(tài)拆解工藝數(shù)據(jù)流的組織串聯(lián)。

(2)構(gòu)建拆解過(guò)程、資源和特征三類(lèi)本體模型,為拆解工藝數(shù)據(jù)流提供統(tǒng)一的知識(shí)表達(dá)形式,并利用SWRL規(guī)則語(yǔ)言拓展本體模型,進(jìn)一步拓展圖譜的語(yǔ)義表達(dá)能力。

(3)結(jié)合ALBERT-BiLSTM-CRF模型和自然語(yǔ)言處理技術(shù)識(shí)別數(shù)據(jù)流中的拆解工藝實(shí)體及關(guān)系,完成再制造拆解工藝知識(shí)圖譜的構(gòu)建。同時(shí),基于動(dòng)態(tài)數(shù)據(jù)流實(shí)現(xiàn)圖譜實(shí)體及關(guān)系的自適應(yīng)更新,進(jìn)而滿(mǎn)足拆解過(guò)程中工藝調(diào)整的要求。

本文后續(xù)重點(diǎn)是針對(duì)再制造產(chǎn)品拆解工藝要求,采用相關(guān)知識(shí)推理技術(shù)進(jìn)一步研究基于知識(shí)圖譜的再制造拆解工藝規(guī)劃方法,提高再制造拆解的智能化水平。