基于知识图谱推理及补全的流程行业工艺优化方法研究

2023-12-29苑庆波朱江

科学与信息化 2023年24期

苑庆波朱江

1. 鞍钢集团关宝山矿业有限公司辽宁鞍山 114001；2. 中国科学院沈阳自动化研究所辽宁沈阳 110016 3. 中国科学院机器人与智能制造创新研究院辽宁沈阳 110016

引言

随着我国经济与科技的快速发展，我国的制造业在世界拥有了更多的话语权。而要想把制造业做得更大更强，就离不开基础行业的发展。冶金工业、化工工业、建材工业、制药工业等流程行业的重要性越发凸显，对流程行业的产品及生产过程就提出了更多的要求[1]。因此，流程行业做了很多，例如引入或者研发性能更强的大型设备、采集精确的辅助设备等。这些设备能够获得大量的数据，因此通过这些数据，对工艺进行调优，对现代工业具有重要的意义[2]。

目前流程行业中对设备参数的优化节主要是依靠专家多年的工作经验。通过对某些设备的优化，从而得到一个相对效果较好的产品质量。这种依靠专家系统经验的优化方法每次添加一台新的设备就需要进行大规模的探索与求证，即使如此也有可能存在大量的遗漏信息。同时每培养一名流程行业的专家都需要花费大量的人力和时间，而且专家不能实时进行判断现在状况下是否应该进行优化，因为很多情况下需要参考几分钟前或者几个小时前的某些指标；同样造成了专家针对当前情况——参数优化能否及时、优化策略能否为最优策略的困境。因此建立一套智能的面向流程行业工艺的调优工具，对流程行业工艺进行调优与补全，对流程行业具有重要意义[3]。

知识图谱这一概念是由谷歌公司与2012年正式提出，用来丰富搜索引擎的功能。与传统的专家系统和知识工程进行比较，知识图谱以三元组集合表示知识，每个实体都是一个图中的节点，每个关系都是将节点连接的边，从而构成了一张巨大、具有关系的图谱。知识图谱天然就是用来表达关系，也进一步提供了去研究、联系实体中的可能。由于这些巨大的优势，知识图谱得以快速融合和应用到其他各个领域，如军事、医疗、公共交通、问答等。同时又由于这些在各行各业的渗入，专家系统、自然语言处理、模糊处理、机器学习、数据库以及信息抽取等技术又进一步丰富了知识图谱的构建与应用。而且很多社区共享了大量优质的数据源，让更多的研究人员从中分析。

由于流程行业的工艺复杂性，目前工艺优化大多是通过专家根据已有的经验进行参数优化，也会忽视很多设备的指标。在参数优化时，往往会忽略一些其他方面的因素；另一方面，流程行业工艺优化时，仅仅依靠专家多年的经验有很多优化规则未被发现或者缺少有效的实验去验证是否正确，因此会丢失很多良好的优化策略。因此通过构建面向流程行业工艺的知识图谱，并对工艺进行优化以及补全具有重要的现实意义和较高的工程实用价值。

1 方法总述

基于知识图谱推理及补全的流程行业工艺优化方法，包括以下步骤：将流程行业中工艺设计的设备、设备标签、生产产品指标、设备标签调节量作为实体，构建头实体－关系－尾实体的三元组结构；基于三元组结构，构建面向流程行业工艺的知识图谱；获取设备标签和生产产品指标的实时数据和历史数据，并基于知识图谱，对工艺参数进行调节，以实现工艺优化；所述关系为从工艺调节历史和异常处理历史中抽取的关系集，包括：设备与设备标签的关系、设备标签与设备标签调节量的关系、生产产品指标与设备标签调节量的关系、设备标签与生产产品指标的关系、设备标签调节量与设备标签的关系中的至少一种。

2 优化步骤

将流程行业中工艺设计的设备、设备标签、生产产品指标、设备标签调节量作为知识图谱的实体，从工艺调节历史和异常处理历史中抽取关系集，构建头实体－关系－尾实体的三元组结构。其中，所述实体关系包括设备与设备标签的关系、设备标签与设备标签调节量的关系、生产产品指标与设备标签调节量的关系、设备标签与生产产品指标的关系、设备标签调节量与设备标签的关系。工艺调节历史和异常处理历史中获取设备的具体型号、设备标签、设备标签的工艺安全范围和生产安全范围、生产过程中的产品指标、设备标签调节量、报警机制；获得设备和设备标签的对应关系、设备标签可以突破工艺安全范围的时机、生产中间量与设备标签触发调优的触发范围；获得不同调优策略的等待时间；获得知识推理的起始触发条件。

根据知识库中的三元组构建面向流程行业工艺的知识图谱；根据流程行业工艺中触发量的调优顺序在三元组中添加优先级，构建出具有优先级的知识图谱模型。每个三元组（h,r,t）就成为相应的（h,r,t,o），其中，o是h与l指向t的优先级。面向流程行业工艺的知识图谱是由设备、设备标签、生产产品指标与设备标签调节量以及它们之间的联系组成。给每个三元组添加触发尾实体的优先级，使得在拥有相同的头实体和尾实体的三元组，能够使头实体指向优先级更高的尾实体，进而触发工艺优化。触发调优的最终结果都是在调优工艺流程，因此推理的最终目的是将调优的设备标签当前值修改为目的值，从而调优生产过程与最终的产成品的质量与数量。知识图谱的每个环或者线段中都必须包含至少一个设备标签调节参数的标签。

如图1所示，面向流程行业工艺的知识图谱调优，需要以下步骤：

图1 知识图谱调优流程图

（1）三元组（h,r,t）其中h是设定的触发条件，根据获得采集的实时数据和历史数据，满足h和r，触发知识图谱进行推理，而且包含了优先级构成类似的四元组（h,r,t,o）；

（2）获得上一次的触发关系r’，若r’≠ r，则重置该路线扩散出上所有三元组的优先级；

（3）h和r囊括了多个三元组，其中包含三元组（h,r,t1）的优先级o1与三元组（h,r,t2）的优先级o2。当o1 < o2时，获得尾实体t1作为下一步的触发实体，执行步骤（4）；若最终未获得调优规则，选择尾实体t2继续执行，直到没有三元组可以执行；

（4）从步骤（3）获得的尾实体t1的类型为设备标签调节量，则对设备参数进行优化，执行步骤（5）；否则以t1为头实体的三元组（t1，r1，t2）执行步骤（2）。当t2与h相同时，则中止执行该线路，防止执行过程中出现环路；

（5）获得t1对应的标签，并获得该标签当前值v1，与需要调节到的值v2；将v2与该标签的上下限进行比较，如果v2调节的值在生产或者安全范围内则向设备写入该值；否则重复调节步骤（2）；

（6）降低从触发实体到执行标签调节实体，所有经过的所有三元组优先级；其目的是让同等条件下，相关的三元组都有触发的可能性，杜绝了某一个三元组一直触发，而剩余的三元组一直不触发；把补全并确认的三元组的优先级为最低优先级；同时由于流程行业生产过程具有连续性与延续性，需要在调优后有等待时间。

（7）等待反应时间，若有新的触发知识图谱事件，重复步骤（1）；流程行业的工艺每次进行工艺优化需要有一段时间的反应时间，因此每个线路最后的三元组都需要拥有反应时间。

（8）若调节的尾实体标签t仍有以其为头实体的三元组，当设备监控值和流程生产过程值持续正常一段时间时，进行回调；降低优先级的目的是让同等条件下，相关的三元组都有触发的可能性，杜绝了某一个三元组一直触发，而剩余的三元组一直不触发。当头实体和关系有着对应着多个尾实体，同时这些尾实体的优先级相同时，则表示当前工艺优化情况下，需要将这几个标签共同写入设备中，进行联合调优或者继续向下执行。触发调优的最终结果都是在进行调节工艺流程，优化标签参数。因此推理的最终目的是将调优的设备标签从当前值修改为目标值，从而调优生产过程，获得质量更高与产量数量更多的成品。知识图谱推理过程中不仅使用设备标签和生产产品指标的实时数据和历史数据，同时考虑到它们的上升变化量、下降变化量，进行动态调节等待时间与优化策略。

通过已有的三元组集合，补全知识图谱。计算出新的工艺优化规则，并通过人工进行确认，并生成三元组。并给确认的三元组添加优先级和等待时间。

补全的知识图谱三元组在专家进行审核时，认为是错误的三元组时，放入集合并给予更大的失败权重。本补全方法可以对应用在很多知识图谱方法中。例如可以应用到公式（1）中，对于正确的三元组（h,r,t）和错误三元组的距离（h,r,t’）的距离公式为：

其中：γ是边缘参数，d(h+r,t)是正确三元组的距离；d(h+r,t’)是错误三元组的距离；是正确三元组和错误三元组的集合。

由于本调节方法，有专家人工的介入，更能判断出推理出的三元组是正确还是错误。对于已经确认为错误的三元组，给予更大的距离，使得结果更加符合生产工艺调优的实际需求。修改后的距离公式为：

其中，错误三元组（h,r,t’）如果是确认的错误的三元组，则同时属于集合；c是错误三元组在被推理出是三元组的次数，m是远离距离的长度。

最终获得d（头实体+尾实体,尾实体）小于一直正确的三元组中，则认为是正确的三元组。