论文标题：An Intelligent Quality Control Method for Manufacturing Processes Based on a Human–Cyber–Physical Knowledge Graph

期刊：Engineering

DOI：https://doi.org/10.1016/j.eng.2024.03.022

微信链接：点击此处阅读微信文章

在当今快速发展的智能制造领域，质量控制一直是企业提升竞争力和保障产品品质的关键环节。随着第四次工业革命的推进，新一代人工智能技术的兴起为制造业带来了新的机遇和挑战。近日，重庆大学王时龙教授团队在中国工程院院刊《Engineering》上发表了一篇题为“An Intelligent Quality Control Method for Manufacturing Processes Based on a Human–Cyber–Physical Knowledge Graph”（基于人机物知识图谱的制造过程智能质量控制方法）的研究论文，提出了一种创新的制造过程智能质量控制方法，为制造业的智能化转型提供了新的思路和技术支持。

该研究提出了一种基于人机物（Human–Cyber–Physical, HCP）知识图谱的制造过程智能质量控制方法。该方法通过整合人、机、物三元数据，构建了一个系统化的质量控制框架，涵盖了数据管理、本体构建、知识抽取和知识图谱构建等多个环节。这种方法不仅能够实现案例检索、自动分析和辅助决策，还能为质量监控、检查、诊断和维护策略提供全面支持。在实际应用中，该方法已成功应用于汽车生产线和齿轮工程案例，并通过部署的应用系统验证了其有效性。

论文指出，随着客户对高质量产品需求的不断增加，质量管理已成为企业生存与发展的关键因素。传统的质量控制方法，如检验质量控制（IQC）、统计质量控制（SQC）和全面质量管理（TQM），虽然在一定程度上能够保障产品质量，但在智能化和自动化方面仍存在不足。新一代人工智能技术的出现，为制造业带来了深度信息感知、智能优化、自主决策和精确控制的可能性。然而，如何将这些技术有效地应用于质量控制，仍然是一个亟待解决的问题。

为了解决这一问题，研究团队提出了“HCP 三元数据”的新概念，将人类知识、计算机算法和模型以及物理设备数据深度整合。其中，人的数据主要指专家在解决实际制造问题时积累的经验知识；机的数据包括用于分析和诊断问题的算法、模型及其特征数据；物的数据则是生产过程中产生的设备运行参数和生产数据。通过这种分类方式，研究团队构建了一个统一的描述模型，能够有效地管理和利用海量、异构和独立的制造过程质量数据。

在知识图谱的构建过程中，研究团队采用了分层和模块化的描述框架，将人、机、物的知识进行统一描述。通过复杂的自然语言处理、数据分析和处理技术，从 HCP 三元数据中提取知识，并将其映射到 HCP 本体中，最终形成 HCP 知识图谱。该知识图谱不仅能够清晰地描述知识，还能支持推理机器进行知识推导，为质量控制提供了强大的知识支持。

图1 基于HCP知识图谱的方法的框架。HCPKG：人机物知识图谱。

为了验证该方法的有效性，研究团队在汽车生产线和齿轮制造场景中进行了应用测试。在汽车生产线案例中，系统从历史数据中提取了 500 多个实体和 10 个算法模型，并将其存储在图数据库中。通过智能推理引擎，系统能够自动采用适当的分析方法对质量问题数据进行处理和诊断，最终得出诊断结果和决策方案。例如，在焊点外观质量检测功能中，系统通过知识图谱获取合适的特征提取算法，结合焊缝外观缺陷位置和类型的概率依赖关系，最终实现了焊缝外观缺陷的分类和诊断。在齿轮制造质量控制案例中，该方法也表现出色，能够有效地分析和诊断质量问题，并提供决策解决方案。

该研究的创新之处在于将人、机、物三元数据深度整合到知识图谱中，实现了知识的共享和重用。与传统的质量控制方法相比，基于 HCP 知识图谱的方法不仅能够处理复杂的制造过程数据，还能通过智能推理引擎实现自动化的质量控制决策。此外，该方法还具有良好的可扩展性和可移植性，能够适应不同的制造场景和行业需求。

图2 基于HCP知识图谱驱动方法的质量问题决策过程。

图3 基于HCP知识图谱的质量控制系统架构。URL：统一资源定位器。

图4 基于HCP知识图谱的质量控制系统的用户界面。KG：知识图谱；SD：服务文档。

研究团队指出，尽管该方法在实际应用中表现出色，但仍存在一些挑战。例如，多模态数据和知识的交叉融合对知识提取方法提出了更高的要求，现有的方法在自动化和准确性方面仍有待提高。未来的研究将致力于开发更先进的知识提取算法和模型，以实现更高水平的智能辅助决策。此外，研究团队还计划将该方法扩展到其他制造过程质量控制任务中，以进一步验证其通用性和有效性。

基于人机物知识图谱的制造过程智能质量控制方法为制造业的智能化转型提供了一种新的解决方案。通过深度整合人、机、物数据，该方法能够有效提升质量控制的智能化水平，为制造业的高质量发展提供有力支持。

论文信息：

Shilong Wang, Jinhan Yang, Bo Yang, Dong Li, Ling Kang. An Intelligent Quality Control Method for Manufacturing Processes Based on a Human-Cyber-Physical Knowledge Graph. Engineering, 2024, 41(10): 256-274 DOI:10.1016/j.eng.2024.03.022

更多内容

大语言模型+知识图谱：数控系统实现智能故障诊断

聂祚仁团队：生命周期工程评价方法助力流程制造业低碳发展

华中科技大学团队提出人机协作新框架，解锁机器人装配新技能

大语言模型智能聊天机器人的能耗与碳足迹问题亟待关注

《Engineering》发布“2025全球十大工程成就”