CN116502333A - 船舶跨业务域数据融合及应用系统 - Google Patents
船舶跨业务域数据融合及应用系统 Download PDFInfo
- Publication number
- CN116502333A CN116502333A CN202310482834.XA CN202310482834A CN116502333A CN 116502333 A CN116502333 A CN 116502333A CN 202310482834 A CN202310482834 A CN 202310482834A CN 116502333 A CN116502333 A CN 116502333A
- Authority
- CN
- China
- Prior art keywords
- ship
- management
- data
- production
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 23
- 238000004519 manufacturing process Methods 0.000 claims abstract description 139
- 238000007726 management method Methods 0.000 claims abstract description 122
- 238000013461 design Methods 0.000 claims abstract description 71
- 238000005457 optimization Methods 0.000 claims abstract description 29
- 238000010276 construction Methods 0.000 claims abstract description 21
- 238000010219 correlation analysis Methods 0.000 claims abstract description 20
- 238000007405 data analysis Methods 0.000 claims abstract description 19
- 230000006872 improvement Effects 0.000 claims abstract description 15
- 239000003623 enhancer Substances 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims description 45
- 238000000034 method Methods 0.000 claims description 34
- 239000000463 material Substances 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 22
- 238000002360 preparation method Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 13
- 230000010354 integration Effects 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000003745 diagnosis Methods 0.000 claims description 8
- 238000013439 planning Methods 0.000 claims description 5
- 239000013067 intermediate product Substances 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000012098 association analyses Methods 0.000 claims description 3
- 238000007728 cost analysis Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 208000037805 labour Diseases 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012384 transportation and delivery Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 20
- 238000005516 engineering process Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000007418 data mining Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000035515 penetration Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000004171 remote diagnosis Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/247—Thesauruses; Synonyms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Computer Hardware Design (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种船舶跨业务域数据融合及应用系统,包括船舶设计效率提升子系统、船舶建造质量增强子系统、船舶管理全流程贯通和智能管控子系统以及船舶增值服务和运营优化子系统;其中船舶设计效率提升子系统包括船舶领域规范知识图谱模块、船舶设计PDF图纸信息提取模块;船舶建造质量增强子系统包括船舶托盘数据关联性分析模块、船舶生产数据分析模块;船舶管理全流程贯通和智能管控子系统包括船舶多管理业务一体化集成模块;船舶增值服务和运营优化子系统包括专家系统模块。本发明打通船舶设计、制造、管理、维护的全生命周期集成链路,纵向打通企业人、机、物、法、环的纵向集成链路,对全面建成数字船厂至关重要。
Description
技术领域
本发明涉及船舶技术领域,特别涉及一种船舶跨业务域数据融合及应用系统。
背景技术
船舶行业多年以来一直秉持以人工为主的生产模型,发展相对落后,设计、制造、管理、服务四个阶段的业务存在割裂,导致生产效率和质量都难以提高。
对于船舶设计业务域,船舶设计处于船舶制造全生命周期的上游,大多数时候作为数据输出的关键角色。设计阶段的设计图纸、规范等非结构化数据不能被直接使用,其中包含的结构信息未得到充分利用,对设计的精准性、可用性造成一定的挑战。
对于船舶制造业务域,船舶建造是典型的离散型生产行业,船厂空间尺度大、船舶建造周期相对较长、工艺流程复杂、单件小批量、中间产品种类非标件数量多、物理尺寸差异大、作业环境相对恶劣,这些因素极大阻碍了船舶行业的发展。
对于船舶管理域,在船舶生产管理过程中,因生产与准备不协同、生产与辅助生产不协同、库存管理与生产计划不协同等问题,导致船舶生产制造过程前后道脱节、分段积压、等工现象严重。船舶管理流程数据分散、数据共享和协同困难、数据交互效率低,阻碍了船舶行业的发展。
对于船舶运维域,船舶运维企业面临船舶类型及来源繁杂、维保成本高以及经济效益等问题。运维过程中发现的设计及生产制造各类问题,目前并未形成有效闭环,反馈给设计和生产制造。船舶运维企业的船舶维保效率和质量有待进一步提升。
发明内容
本发明为了解决上述问题,本发明提出一种船舶跨业务域数据融合及应用技术,面向船舶行业,在系统化结合领域知识的基础上,提出面向设计业务的效率提升、生产制造业务的质量增强、管理业务的全流程贯通和智能管控、产品运维的数字增值服务和运营优化服务的综合技术方案。通过打通设计、制造、管理、服务各业务领域数据及知识,促进船舶行业提质增效。
本发明提供一种船舶跨业务域数据融合及应用系统,所述船舶跨业务域数据融合及应用系统包括船舶设计效率提升子系统、船舶建造质量增强子系统、船舶管理全流程贯通和智能管控子系统以及船舶增值服务和运营优化子系统;
所述船舶设计效率提升子系统包括船舶领域规范知识图谱模块和船舶设计PDF图纸信息提取模块;所述船舶领域规范知识图谱模块利用基于船舶术语的实体识别功能单元对船舶领域规范条文进行实体识别;利用关系抽取功能单元对船舶领域规范条文中实体进行关系抽取;利用图数据结构,对实体识别结果中的实体和关系抽取结果中的实体间关系进行组织和保存,形成船舶领域规范知识图谱;
所述船舶建造质量增强子系统包括船舶托盘数据关联性分析模块和船舶生产数据分析模块;所述船舶托盘数据关联性分析模块用于对船舶托盘数据形成最终的船舶托盘数据关联性分析结论;所述船舶生产数据分析模块用于对船舶生产计划表和分段制作进度看板分析,获取船舶建造流程异常数据、进行船舶建造流程规律分析以及获取船舶生产瓶颈进行原因;
所述船舶管理全流程贯通和智能管控子系统包括船舶多管理业务一体化集成模块;所述船舶多管理业务一体化集成模块用于对经营报价、计划管理、生产准备、设计管理、物资管理、生产管理、质量管理业务的一体化集成融合;
船舶增值服务和运营优化子系统包括专家系统模块;所述专家系统模块用于判断故障以及根据故障得出结果。
更近一步地,所述船舶领域规范知识图谱模块包括基于船舶术语的实体识别功能单元和关系抽取功能单元;
所述基于船舶术语的实体识别功能单元对船舶领域规范条文进行实体识别;所述关系抽取功能单元利用图数据结构,对实体识别结果中的实体和关系抽取结果中的实体间关系进行组织和保存,形成船舶领域规范知识图谱。
更近一步地,所述基于船舶术语的实体识别功能单元对输入的船舶规范文本进行条文分句,生成一系列条文分句结果;并根据船舶领域的专业术语,利用jieba分词对生成的每一个条文分句结果进行分词,生成分词结果;对分词结果利用LTP进行词性标注,并结合船舶领域的专业词典匹配得到实体词汇;根据船舶领域的同义词表对实体词汇进行同义词匹配,并进行归一化,最后生成实体识别结果。
更近一步地,所述关系抽取功能单元对于输入的船舶规范条文中的实体,根据船舶领域规则判断实体对之间是否存在唯一确定的关系;
若不存在唯一确定的关系将船舶规范条文的实体识别结果,按照实体在原文中的位置,插入到规范条文中,然后输入给RoBERTa_wwm_ext模型,生成规范条文对应的向量;将规范条文对应的向量输入给BiLSTM模型,生成规范条文对应的特征向量,然后采用全连接神经网络和Softmax函数对特征向量进行分类,生成规范条文中实体之间关系的类别预测结果;
若存在唯一确定的关系根据船舶领域不同类型实体之间的关系规则,对船舶规范文本中实体之间关系的预测结果进行矫正,生成最终的关系结果。其中关系规则包括:唯一确定的关系、可能性关系、不可能关系;通过将船舶规范文本中实体之间关系的预测结果分为上述三类关系,来进一步矫正和确定关系结果。
更近一步地,所述船舶托盘数据关联性分析模块对船舶托盘数据进行数据预处理,对托盘数据中重复的数据项进行合并,将缺失大量数据的问题数据项进行过滤和删除;使用Pearson系数分析法对经过预处理的数据进行关联性分析;使用Spearman系数分析法对经过预处理的数据进行关联性分析;使用卡方独立性检验分析法对经过预处理的数据进行关联性分析;使用Cramer V分析法对经过预处理的数据进行关联性分析;将不同分析法生成的关联性分析结论进行汇总,形成最终的船舶托盘数据关联性分析结论。
更近一步地,所述船舶生产数据分析模块对输入的船舶生产计划表和分段制作进度看板进行数据整合,整理成一张综合的数据表,并丢弃数据表中无效字段,统一数据表中有效字段的数据格式;在经过整合的综合数据表中,将“船舶生产计划表”和“分段制作进度看板”中与船舶建造流程相关的字段进行识别和配对;
针对产生的与船舶建造流程相关的字段配对结果,对比“船舶生产计划表”和“分段制作进度看板”对应的字段数值;针对产生的字段数值对比结果,识别相差较大的字段数值,将其确定为异常数据;对于产生的异常数据,进行反馈预警;
针对产生的与船舶建造流程相关的字段配对结果,进行字段特征分析,将字段分为分类变量、有序变量、数值变量三类;根据产生的字段特征分析结果,采用Spearman系数分析法进行关联分析,计算对应的Spearman系数;根据得到的各个字段对应的Spearman系数,生成规律分析结果;
针对与船舶建造流程相关的字段配对结果,计算“船舶生产计划表”和“分段制作进度看板”对应的字段数值之间的生产时间偏差;根据生产时间偏差结果,利用生产密集曲线进行数据分析,定位导致生产瓶颈的可能分段;根据船舶领域专家的经验,对生产瓶颈进行原因分析,并汇总原因分析结果。
更近一步地,所述船舶多管理业务一体化集成模块根据需求进行经营报价,并对保价相关的询报价、报价书、成本分配等信息进行集中管理;
根据需求进行生产计划管理,具体包括:主计划、先行中日程、后行中日程、工作包和派工单、部门月度/周作业计划、工作指令、劳务阶段等内容进行集中管理;
根据生产计划和需求进行设计管理,具体包括:设计计划、设计数据、设计质量、生产托盘、中间产品划分等内容进行集中管理;
根据设计管理中的内容进行生产准备,具体包括:设备/材料/舾装件计划、定额托盘材料清单、订货批次/清单、库存状态等内容进行集中管理;
根据生产准备的内容进行物资管理,具体包括:技术采购、交货控制和入库管理、物资仓储和出库管理、物资成本核算和管理、物资利库和减订管理等内容进行集中管理;
根据物资管理和生产计划管理的内容进行生产管理,包括船舶分段建造、分段制作进度看板更新等内容进行集中管理;
在船舶全生命周期的生产建造过程中进行质量管理,具体包括:成本控制和成本分析、内外检、探伤、财务业务一体化集成等内容进行集中管理。
更近一步地,所述专家系统模块包括故障诊断子模块和用户反馈优化子模块;
所述故障诊断子模块将故障信号根据周期转换成图像;对生成的图像进行灰度化处理,生成故障信号灰度图;对故障信号灰度图采用MCDANN模型进行故障检测,生成故障检测结果;根据故障检测结果生成输入的故障信号是否为故障的结论;
所述用户反馈优化子模块对于输入的反馈问题,使用Ernie 3.0预训练模型进行分类,生成反馈问题对应的类别;根据生成的问题类别在优化建议数据库中进行检索,生成检索结果;根据生成的检索结果,将优化建议进行汇总和输出。
本发明达到的有益效果是:
本发明提出一种面向船舶领域设计、建造、管理、服务全生命周期多模态、多尺度、富业务知识的数据关联融合和应用技术。基于全生命周期的关键非结构化数据的数据治理、结构化数据的统一编码和数据贯通,实现基于数据空间的船舶管理效能提升,应用于船舶设计、制造、管理和运维的各个阶段。
本发明提出基于跨业务域数据的船舶设计效率提升方案。本发明在设计业务上聚焦于非结构化数据的识别与提取,提出基于船舶领域规范文本数据和船舶设计PDF图纸的智能信息、知识提取和应用方法。基于船舶领域规范的全生命周期关联性,实现制造、管理、服务数据对设计业务的跨业务域集成应用。针对设计图纸、工艺流程图纸两类重要资源,利用深度学习技术与非结构化数据提取技术识别和提取图纸信息中的结构化信息,为精准设计、智能设计提供有效技术支撑,实现设计效率提升。
本发明提出基于跨业务域数据的船舶建造质量增强方案。本发明结合领域知识,利用数据挖掘等大数据分析技术,为船舶制造业务提出和实现质量增强、效率提升的大数据解决方案。针对船舶生产制造的结构化数据,利用关联性分析技术和数据挖掘技术分析和提取结构化数据中的重要价值点,领域专家积极沟通确认了数据分析结果的正确性和价值,发掘船舶行业的潜在知识、规律、问题来指导和优化船舶的生产制造流程,推动船舶行业的智能化。
本发明提出基于跨业务域数据的船舶管理全流程贯通和智能管控方案。本发明实现了经营报价、计划管理、生产准备、设计管理、物资管理、生产管理、质量管理等管理业务的一体化集成融合,实现所有船用物资进入一体化管理,并与设计生产托盘、材料定额托盘、生产计划实现全面贯通,全面实现业务数据的一体化贯通。
本发明提出基于跨业务域数据的船舶增值服务和运营优化方案。以大数据分析和数据挖掘为技术手段,为客户提供船舶维保的远程诊断和指导,以提升船舶维保效率和维保质量,降低客户的运维成本。本发明从故障诊断、运维保养和用户反馈优化等方面出发,结合数据挖掘和机器学习技术,将实现的功能以专家系统的形式为用户提供可靠的数字增值服务,促进船舶制造业整体运营优化及服务转型。
附图说明
图1是一种船舶跨业务域数据融合及应用系统的功能构成示意图;
图2是一种船舶跨业务域数据融合及应用系统中船舶领域规范知识图谱模块的示意图;
图3是一种船舶跨业务域数据融合及应用系统中基于船舶术语的实体识别流程示意图;
图4是一种船舶跨业务域数据融合及应用系统中关系抽取流程示意图;
图5是一种船舶跨业务域数据融合及应用系统中船舶设计PDF图纸信息提取模块的示意图;
图6是一种船舶跨业务域数据融合及应用系统中船舶托盘数据关联性分析模块的示意图;
图7是一种船舶跨业务域数据融合及应用系统中船舶生产数据分析模块的示意图;
图8是一种船舶跨业务域数据融合及应用系统中船舶多管理业务一体化集成模块的示意图;
图9是一种船舶跨业务域数据融合及应用系统中专家系统模块的示意图;
图10是一种船舶跨业务域数据融合及应用系统中故障检测流程示意图;
图11是一种船舶跨业务域数据融合及应用系统中用户反馈优化流程示意图。
具体实施方式
下面结合附图对本发明的技术方案进行更详细的说明,本发明包括但不仅限于下述实施例。
本发明提出了本发明提出一种船舶跨业务域数据融合及应用系统,面向船舶行业,在系统化结合领域知识的基础上,提出面向设计业务的效率提升、生产制造业务的质量增强、管理业务的全流程贯通和智能管控、产品运维的数字增值服务和运营优化服务的综合技术方案;通过打通设计、制造、管理、服务各业务领域数据及知识,促进船舶行业提质增效。
如附图1所示,该船舶跨业务域数据融合及应用系统包括船舶设计效率提升子系统、船舶建造质量增强子系统、船舶管理全流程贯通和智能管控子系统、船舶增值服务和运营优化子系统。
其中,船舶设计效率提升子系统包括船舶领域规范知识图谱模块和船舶设计PDF图纸信息提取模块。
如附图2所示,船舶领域规范知识图谱模块包括基于船舶术语的实体识别功能单元和关系抽取功能单元。船舶领域规范知识图谱模块利用基于船舶术语的实体识别功能单元对船舶领域规范条文进行实体识别;利用关系抽取功能单元对船舶领域规范条文中实体进行关系抽取;利用图数据结构,对实体识别结果中的实体和关系抽取结果中的实体间关系进行组织和保存,形成船舶领域规范知识图谱。
如附图3所示,基于船舶术语的实体识别功能单元对输入的船舶规范文本进行条文分句,生成一系列条文分句结果;并根据船舶领域的专业术语,利用jieba分词对生成的每一个条文分句结果进行分词,生成分词结果;对分词结果利用LTP进行词性标注,并结合船舶领域的专业词典匹配得到实体词汇;根据船舶领域的同义词表对实体词汇进行同义词匹配,并进行归一化,最后生成实体识别结果。
如附图4所示,关系抽取功能单元对于输入的船舶规范条文中的实体,根据船舶领域规则判断实体对之间是否存在唯一确定的关系。若不存在唯一确定的关系将船舶规范条文的实体识别结果,按照实体在原文中的位置,插入到规范条文中,然后输入给RoBERTa_wwm_ext模型,生成规范条文对应的向量;将规范条文对应的向量输入给BiLSTM模型,生成规范条文对应的特征向量,然后采用全连接神经网络和Softmax函数对特征向量进行分类,生成规范条文中实体之间关系的类别预测结果。若存在唯一确定的关系根据船舶领域不同类型实体之间的关系规则,对船舶规范文本中实体之间关系的预测结果进行矫正,生成最终的关系结果。其中关系规则包括:唯一确定的关系、可能性关系、不可能关系。通过将船舶规范文本中实体之间关系的预测结果分为上述三类关系,来进一步矫正和确定关系结果。
如附图5所示,船舶设计PDF图纸信息提取模块将输入的船舶设计PDF图纸进行格式转换,转换为JPG格式的图纸;使用paddleocr模型识别图纸中的文本标签;并使用posenet模型识别图纸中房间边界的隔板,使用faster r-cnn模型识别图纸中门构件,基于两类图元识别结果计算图纸中房间空间的边界包围盒;根据位置坐标信息,计算图纸中房间和文本标签的匹配关系;将房间边界包围盒数据、房间和文本标签匹配数据保存为json文件,形成船舶图纸的结构化数据。
船舶建造质量增强子系统包括船舶托盘数据关联性分析模块和船舶生产数据分析模块。
如附图6所示,船舶托盘数据关联性分析模块对船舶托盘数据进行数据预处理,对托盘数据中重复的数据项进行合并,将缺失大量数据的问题数据项进行过滤和删除;使用Pearson系数分析法对经过预处理的数据进行关联性分析;使用Spearman系数分析法对经过预处理的数据进行关联性分析;使用卡方独立性检验分析法对经过预处理的数据进行关联性分析;使用Cramer V分析法对经过预处理的数据进行关联性分析;将不同分析法生成的关联性分析结论进行汇总,形成最终的船舶托盘数据关联性分析结论。
如附图7所示,船舶生产数据分析模块对输入的船舶生产计划表和分段制作进度看板进行数据整合,整理成一张综合的数据表,并丢弃数据表中无效字段,统一数据表中有效字段的数据格式;在经过整合的综合数据表中,将“船舶生产计划表”和“分段制作进度看板”中与船舶建造流程相关的字段进行识别和配对。
针对产生的与船舶建造流程相关的字段配对结果,对比“船舶生产计划表”和“分段制作进度看板”对应的字段数值;针对产生的字段数值对比结果,识别相差较大的字段数值,将其确定为异常数据;对于产生的异常数据,进行反馈预警。
针对产生的与船舶建造流程相关的字段配对结果,进行字段特征分析,将字段分为分类变量、有序变量、数值变量三类;根据产生的字段特征分析结果,采用Spearman系数分析法进行关联分析,计算对应的Spearman系数;根据得到的各个字段对应的Spearman系数,生成规律分析结果。
针对与船舶建造流程相关的字段配对结果,计算“船舶生产计划表”和“分段制作进度看板”对应的字段数值之间的生产时间偏差;根据生产时间偏差结果,利用生产密集曲线进行数据分析,定位导致生产瓶颈的可能分段;根据船舶领域专家的经验,对生产瓶颈进行原因分析,并汇总原因分析结果。
如附图8所示,船舶管理全流程贯通和智能管控子系统包括船舶多管理业务一体化集成模块;船舶多管理业务一体化集成模块根据需求进行经营报价,并对保价相关的询报价、报价书、成本分配等信息进行集中管理;
根据需求进行生产计划管理,具体包括:主计划、先行中日程、后行中日程、工作包和派工单、部门月度/周作业计划、工作指令、劳务阶段等内容进行集中管理;
根据生产计划和需求进行设计管理,具体包括:设计计划、设计数据、设计质量、生产托盘、中间产品划分等内容进行集中管理;
根据设计管理中的内容进行生产准备,具体包括:设备/材料/舾装件计划、定额托盘材料清单、订货批次/清单、库存状态等内容进行集中管理;
根据生产准备的内容进行物资管理,具体包括:技术采购、交货控制和入库管理、物资仓储和出库管理、物资成本核算和管理、物资利库和减订管理等内容进行集中管理;
根据物资管理和生产计划管理的内容进行生产管理,包括船舶分段建造、分段制作进度看板更新等内容进行集中管理;
在船舶全生命周期的生产建造过程中进行质量管理,具体包括:成本控制和成本分析、内外检、探伤、财务业务一体化集成等内容进行集中管理。
如附图9所示,船舶增值服务和运营优化子系统包括专家系统模块;专家系统模块包括故障诊断子模块和用户反馈优化子模块。
如附图10所示,故障诊断子模块将故障信号根据周期转换成图像;对生成的图像进行灰度化处理,生成故障信号灰度图;对故障信号灰度图采用MCDANN模型进行故障检测,生成故障检测结果;根据故障检测结果生成输入的故障信号是否为故障的结论。
如附图11所示,用户反馈优化子模块对于输入的反馈问题,使用Ernie 3.0预训练模型进行分类,生成反馈问题对应的类别;根据生成的问题类别在优化建议数据库中进行检索,生成检索结果;根据生成的检索结果,将优化建议进行汇总和输出。
本发明提出基于跨业务域数据的船舶设计效率提升方案。本发明在设计业务上聚焦于非结构化数据的识别与提取,提出基于船舶领域规范文本数据和船舶设计PDF图纸的智能信息、知识提取和应用方法。基于船舶领域规范的全生命周期关联性,实现制造、管理、服务数据对设计业务的跨业务域集成应用。针对设计图纸、工艺流程图纸两类重要资源,利用深度学习技术与非结构化数据提取技术识别和提取图纸信息中的结构化信息,为精准设计、智能设计提供有效技术支撑,实现设计效率提升。
本发明提出基于跨业务域数据的船舶建造质量增强方案。本发明结合领域知识,利用数据挖掘等大数据分析技术,为船舶制造业务提出和实现质量增强、效率提升的大数据解决方案。针对船舶生产制造的结构化数据,利用关联性分析技术和数据挖掘技术分析和提取结构化数据中的重要价值点,领域专家积极沟通确认了数据分析结果的正确性和价值,发掘船舶行业的潜在知识、规律、问题来指导和优化船舶的生产制造流程,推动船舶行业的智能化。
本发明提出基于跨业务域数据的船舶管理全流程贯通和智能管控方案。本发明实现了经营报价、计划管理、生产准备、设计管理、物资管理、生产管理、质量管理等管理业务的一体化集成融合,实现所有船用物资进入一体化管理,并与设计生产托盘、材料定额托盘、生产计划实现全面贯通,全面实现业务数据的一体化贯通。
本发明提出基于跨业务域数据的船舶增值服务和运营优化方案。以大数据分析和数据挖掘为技术手段,为客户提供船舶维保的远程诊断和指导,以提升船舶维保效率和维保质量,降低客户的运维成本。本发明从故障诊断、运维保养和用户反馈优化等方面出发,结合数据挖掘和机器学习技术,将实现的功能以专家系统的形式为用户提供可靠的数字增值服务,促进船舶制造业整体运营优化及服务转型。
发明不仅局限于上述具体实施方式,本领域一般技术人员根据实施例和附图公开内容,可以采用其它多种具体实施方式实施本发明,因此,凡是采用本发明的设计结构和思路,做一些简单的变换或更改的设计,都落入本发明保护的范围。
Claims (8)
1.一种船舶跨业务域数据融合及应用系统,其特征在于,所述船舶跨业务域数据融合及应用系统包括船舶设计效率提升子系统、船舶建造质量增强子系统、船舶管理全流程贯通和智能管控子系统以及船舶增值服务和运营优化子系统;
所述船舶设计效率提升子系统包括船舶领域规范知识图谱模块和船舶设计PDF图纸信息提取模块;所述船舶领域规范知识图谱模块利用基于船舶术语的实体识别功能单元对船舶领域规范条文进行实体识别;利用关系抽取功能单元对船舶领域规范条文中实体进行关系抽取;利用图数据结构,对实体识别结果中的实体和关系抽取结果中的实体间关系进行组织和保存,形成船舶领域规范知识图谱;
所述船舶建造质量增强子系统包括船舶托盘数据关联性分析模块和船舶生产数据分析模块;所述船舶托盘数据关联性分析模块用于对船舶托盘数据形成最终的船舶托盘数据关联性分析结论;所述船舶生产数据分析模块用于对船舶生产计划表和分段制作进度看板分析,获取船舶建造流程异常数据、进行船舶建造流程规律分析以及获取船舶生产瓶颈进行原因;
所述船舶管理全流程贯通和智能管控子系统包括船舶多管理业务一体化集成模块;所述船舶多管理业务一体化集成模块用于对经营报价、计划管理、生产准备、设计管理、物资管理、生产管理、质量管理业务的一体化集成融合;
船舶增值服务和运营优化子系统包括专家系统模块;所述专家系统模块用于判断故障以及根据故障得出结果。
2.根据权利要求1所述船舶跨业务域数据融合及应用系统,其特征在于,所述船舶领域规范知识图谱模块包括基于船舶术语的实体识别功能单元和关系抽取功能单元;
所述基于船舶术语的实体识别功能单元对船舶领域规范条文进行实体识别;所述关系抽取功能单元利用图数据结构,对实体识别结果中的实体和关系抽取结果中的实体间关系进行组织和保存,形成船舶领域规范知识图谱。
3.根据权利要求2所述船舶跨业务域数据融合及应用系统,其特征在于,所述基于船舶术语的实体识别功能单元对输入的船舶规范文本进行条文分句,生成一系列条文分句结果;并根据船舶领域的专业术语,利用jieba分词对生成的每一个条文分句结果进行分词,生成分词结果;对分词结果利用LTP进行词性标注,并结合船舶领域的专业词典匹配得到实体词汇;根据船舶领域的同义词表对实体词汇进行同义词匹配,并进行归一化,最后生成实体识别结果。
4.根据权利要求3所述船舶跨业务域数据融合及应用系统,其特征在于,所述关系抽取功能单元对于输入的船舶规范条文中的实体,根据船舶领域规则判断实体对之间是否存在唯一确定的关系;
若不存在唯一确定的关系将船舶规范条文的实体识别结果,按照实体在原文中的位置,插入到规范条文中,然后输入给RoBERTa_wwm_ext模型,生成规范条文对应的向量;将规范条文对应的向量输入给BiLSTM模型,生成规范条文对应的特征向量,然后采用全连接神经网络和Softmax函数对特征向量进行分类,生成规范条文中实体之间关系的类别预测结果;
若存在唯一确定的关系根据船舶领域不同类型实体之间的关系规则,对船舶规范文本中实体之间关系的预测结果进行矫正,生成最终的关系结果。其中关系规则包括:唯一确定的关系、可能性关系、不可能关系;通过将船舶规范文本中实体之间关系的预测结果分为上述三类关系,来进一步矫正和确定关系结果。
5.根据权利要求1所述船舶跨业务域数据融合及应用系统,其特征在于,所述船舶托盘数据关联性分析模块对船舶托盘数据进行数据预处理,对托盘数据中重复的数据项进行合并,将缺失大量数据的问题数据项进行过滤和删除;使用Pearson系数分析法对经过预处理的数据进行关联性分析;使用Spearman系数分析法对经过预处理的数据进行关联性分析;使用卡方独立性检验分析法对经过预处理的数据进行关联性分析;使用Cramer V分析法对经过预处理的数据进行关联性分析;将不同分析法生成的关联性分析结论进行汇总,形成最终的船舶托盘数据关联性分析结论。
6.根据权利要求1所述船舶跨业务域数据融合及应用系统,其特征在于,所述船舶生产数据分析模块对输入的船舶生产计划表和分段制作进度看板进行数据整合,整理成一张综合的数据表,并丢弃数据表中无效字段,统一数据表中有效字段的数据格式;在经过整合的综合数据表中,将“船舶生产计划表”和“分段制作进度看板”中与船舶建造流程相关的字段进行识别和配对;
针对产生的与船舶建造流程相关的字段配对结果,对比“船舶生产计划表”和“分段制作进度看板”对应的字段数值;针对产生的字段数值对比结果,识别相差较大的字段数值,将其确定为异常数据;对于产生的异常数据,进行反馈预警;
针对产生的与船舶建造流程相关的字段配对结果,进行字段特征分析,将字段分为分类变量、有序变量、数值变量三类;根据产生的字段特征分析结果,采用Spearman系数分析法进行关联分析,计算对应的Spearman系数;根据得到的各个字段对应的Spearman系数,生成规律分析结果;
针对与船舶建造流程相关的字段配对结果,计算“船舶生产计划表”和“分段制作进度看板”对应的字段数值之间的生产时间偏差;根据生产时间偏差结果,利用生产密集曲线进行数据分析,定位导致生产瓶颈的可能分段;根据船舶领域专家的经验,对生产瓶颈进行原因分析,并汇总原因分析结果。
7.根据权利要求1所述船舶跨业务域数据融合及应用系统,其特征在于,所述船舶多管理业务一体化集成模块根据需求进行经营报价,并对保价相关的询报价、报价书、成本分配等信息进行集中管理;
根据需求进行生产计划管理,具体包括:主计划、先行中日程、后行中日程、工作包和派工单、部门月度/周作业计划、工作指令、劳务阶段等内容进行集中管理;
根据生产计划和需求进行设计管理,具体包括:设计计划、设计数据、设计质量、生产托盘、中间产品划分等内容进行集中管理;
根据设计管理中的内容进行生产准备,具体包括:设备/材料/舾装件计划、定额托盘材料清单、订货批次/清单、库存状态等内容进行集中管理;
根据生产准备的内容进行物资管理,具体包括:技术采购、交货控制和入库管理、物资仓储和出库管理、物资成本核算和管理、物资利库和减订管理等内容进行集中管理;
根据物资管理和生产计划管理的内容进行生产管理,包括船舶分段建造、分段制作进度看板更新等内容进行集中管理;
在船舶全生命周期的生产建造过程中进行质量管理,具体包括:成本控制和成本分析、内外检、探伤、财务业务一体化集成等内容进行集中管理。
8.根据权利要求1所述船舶跨业务域数据融合及应用系统,其特征在于,所述专家系统模块包括故障诊断子模块和用户反馈优化子模块;
所述故障诊断子模块将故障信号根据周期转换成图像;对生成的图像进行灰度化处理,生成故障信号灰度图;对故障信号灰度图采用MCDANN模型进行故障检测,生成故障检测结果;根据故障检测结果生成输入的故障信号是否为故障的结论;
所述用户反馈优化子模块对于输入的反馈问题,使用Ernie 3.0预训练模型进行分类,生成反馈问题对应的类别;根据生成的问题类别在优化建议数据库中进行检索,生成检索结果;根据生成的检索结果,将优化建议进行汇总和输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310482834.XA CN116502333A (zh) | 2023-05-03 | 2023-05-03 | 船舶跨业务域数据融合及应用系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310482834.XA CN116502333A (zh) | 2023-05-03 | 2023-05-03 | 船舶跨业务域数据融合及应用系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116502333A true CN116502333A (zh) | 2023-07-28 |
Family
ID=87324509
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310482834.XA Pending CN116502333A (zh) | 2023-05-03 | 2023-05-03 | 船舶跨业务域数据融合及应用系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116502333A (zh) |
-
2023
- 2023-05-03 CN CN202310482834.XA patent/CN116502333A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110825882B (zh) | 一种基于知识图谱的信息系统管理方法 | |
CN111708773B (zh) | 一种多源科创资源数据融合方法 | |
CN109685056B (zh) | 获取文档信息的方法及装置 | |
Tsui et al. | Knowledge-based extraction of intellectual capital-related information from unstructured data | |
CN106649223A (zh) | 基于自然语言处理的金融报告自动生成方法 | |
US20050182736A1 (en) | Method and apparatus for determining contract attributes based on language patterns | |
CN108153729B (zh) | 一种面向金融领域的知识抽取方法 | |
US20220237373A1 (en) | Automated categorization and summarization of documents using machine learning | |
US11367008B2 (en) | Artificial intelligence techniques for improving efficiency | |
US20230028664A1 (en) | System and method for automatically tagging documents | |
CN113254507B (zh) | 一种数据资产目录智能构建盘点方法 | |
CN114238655A (zh) | 企业关联关系识别方法、装置、设备及介质 | |
CN112308230A (zh) | 一种资产管理全生命周期知识库的构建及应用方法 | |
Ji et al. | A multitask context-aware approach for design lesson-learned knowledge recommendation in collaborative product design | |
CN111626331B (zh) | 一种自动化行业分类装置及其工作方法 | |
CN114356924A (zh) | 用于从结构化文档提取数据的方法和设备 | |
Zaqeeba et al. | The impact of using types of artificial intelligence technology in monitoring tax payments | |
CN117273400A (zh) | 企业资源计划智能合并升级预警方法和系统 | |
CN116502333A (zh) | 船舶跨业务域数据融合及应用系统 | |
Gao et al. | Mining and Visualizing Cost and Schedule Risks from News Articles with NLP and Network Analysis | |
CN113947061A (zh) | 一种基于多模组文本智能编码算法的海关进出口商品归类方法 | |
CN112380321A (zh) | 基于票据知识图谱的主次数据库分配方法及相关设备 | |
Severin et al. | Keyword-based semi-supervised text classification | |
Moon et al. | Design and verification of process discovery based on nlp approach and visualization for manufacturing industry | |
Detwal et al. | Data–Driven Techniques in Logistics & Supply Chain Management: A Literature Review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |