智能理解失效現象,根據歷史經驗分析機理和原因并給出解決方法和改善措施
輸入失效或故障的描述信息,系統會自動理解并抽取出關鍵信息,并從知識圖譜中提取出與失效現象相匹配的子圖,實現失效原因的定位,
給出相應的解決方法和改善措施。同時支持追溯每一個失效原因、解決方法和改善措施的知識來源,
在需要時得以獲取原始的PFMEA、DFMEA、MFMEA、SFMEA、AFMEA、FTA、失效分析報告、8D、5why、魚骨圖等各類文檔進行細節審查和可信度鑒別。整個過程采用領先的自然語言理解、知識推理、圖語義匹配和信息檢索等技術,實現了高效、全面的失效智能分析
智能構建失效模式知識圖譜,充分挖掘專業文檔和各類系統中的多維知識
在產品規劃、方案、研發、設計、生產、制造、使用、客戶服務、設備管理中有FMEA、FTA、FA、FMECA、FMEDA、產品和設備手冊、工單、品質報告等專業文檔,
有存在于MES、PLM、APS、OA、ERP、MRP、CRM、SCM等系統中大量數據。通過RPA無侵入對接各個系統,利用知識抽取和知識融合技術對這些異構、多源和多模態的數據進行解析和理解,充分挖掘“人機料法環測”等多維信息,應用知識圖譜推理和知識融合等技術構建出失效模式知識圖譜
深度挖掘潛在失效模式并顯性化,實現FMEA的輔助制作
采用前沿的知識圖譜推理、深度學習、遷移學習和主動學習等技術,從知識圖譜中深度挖掘潛在知識,
智能發現新失效模式、新機理,新原因、新應用場景、新解決方法和新的改善措施等,實現由失效和故障的事后分析到事前預防(FMEA/FMECA/FMEDA/FTA)
的閉環,提升設備、工藝的可靠性和產品質量,為數字化工廠和智慧工廠賦能,助力工業大腦具備完善的知識體系
口語化提問的語義搜索,智能理解問題識別意圖并返回精準結果
在一個搜索框中輸入任意問題,采用業內領先的自然語言理解和知識抽取技術,理解問題中的關鍵信息并識別用戶的意圖,結合知識推理、子圖匹配、信息檢索等技術精準找到問題的答案,并根據答案的特點以合適的樣式返回給用戶,同時支持追溯答案的來源,在需要的時候可以查閱FA、FMEA、FTA、品質報告、產品或設備手冊等文檔了解細節信息