微信扫码
与创始人交个朋友
我要投稿
0.背景
在全球化的生产网络背景下,新产品的同步生产对跨学科团队提出了严峻的挑战,尤其是质量保证团队在生产的初期阶段遭遇的过程管控难题。故障模式与影响分析(FMEA)是一种广泛应用的风险评估手段,旨在发现并防范可能出现的故障。然而,在复杂的产品研发过程中,由于参与方众多,FMEA的应用存在方法上的不统一,文档管理复杂,以及推理能力不足等问题。
1.实际问题分析
FMEA工具的局限性:传统的FMEA工具通常是表格化的,缺乏推理能力,这限制了它们在复杂产品生产过程中识别和预防潜在失败的能力。
数据一致性和完整性问题:在多学科团队中,由于不同的FMEA方法和数据条目不一致,导致文档难以评估,完整性和一致性不明确。
信息检索和分析的复杂性:在现有的FMEA实践中,从大量数据中检索和分析具体问题是一项复杂且耗时的任务,特别是当需要进行数值数据分析和基本统计分析时。
为了应对这些挑战,大型语言模型(LLMs)与检索增强生成(RAG)技术被提出作为解决方案,尽管它们在事实知识的有效运用方面仍面临挑战。
2.解决方案-面向FMEA的知识图谱增强的检索增强生成(KG-RAG)框架
面向FMEA的知识图谱增强的检索增强生成(KG-RAG)框架旨在解决故障模式与影响分析(FMEA)中的上述实际问题。该框架使用KG的图形查询语言或矢量搜索检索信息,通过LLM来生成查询并提供结果。应用界面如下所示:
https://arxiv.org/abs/2406.18114
主要有以下几个关键步骤和特点:
①专为FMEA设计的本体建模:FMEA数据涉及复杂的因果关系和多层次的分析,这要求知识图谱(KG)能够准确地表示这些关系,所以专为FMEA设计本体。这种本体模型包括过程步骤、故障效应、故障后果、故障原因和故障措施等实体,以及它们之间的关联关系。通过这种方式,FMEA数据被转换为结构化的图形式,便于进行语义查询和分析。如下图所示:
https://arxiv.org/abs/2406.18114
②向量嵌入的生成计算:提出用于从FMEA KG中创建向量嵌入算法。这种算法通过遍历KG的树状结构,将相关的实体和关系组合成文本块,然后使用词到向量编码器生成向量表示。这些向量嵌入被用于KG中的向量搜索,以提高信息检索的准确性和效率。
https://arxiv.org/abs/2406.18114
③知识图谱(KG)与检索增强生成(RAG)的构建:KG-RAG框架结合了KG的图查询语言和向量搜索技术,以动态更新数据并进行基本数值分析。该框架通过大型语言模型(LLM)生成查询并提供结果,旨在简化非领域专家与FMEA数据的交互。通过这种方法,实现了对FMEA数据的灵活查询和分析,提高了数据的可访问性和利用效率。如下图所示:
https://arxiv.org/abs/2406.18114
④人类研究和评估:通过一项包含FMEA专家和非专家的人类评估,验证了KG-RAG框架的有效性,并测量了上下文检索的召回率和精度。研究结果表明,该框架能够有效地检索和生成与FMEA相关的信息,同时提高了用户友好性和交互效率。
3.总结
通过创建一个专门针对FMEA数据的多标签属性知识图谱本体(Ontology),并开发了一套高效的算法来生成FMEA数据的向量嵌入,能够有效地检索和解读FMEA数据的深层语义信息。构建KG-RAG框架,将FMEA数据结构化存储于KG中,并利用向量嵌入和LLM技术,将非参数数据存储整合到知识图谱(KG)中,以此强化RAG框架的问答功能。
在处理FMEA数据时,KG的符号结构不仅提供了可解释的推理路径,还增强了数据提取和结论推断的能力,使得整个分析过程更加透明和高效。该框架不仅提高了数据检索的准确性和效率,还简化了非领域专家与FMEA数据的交互,为风险评估和决策支持提供了强有力的工具。
参考文献:
Bahr L, Wehner C, Wewerka J, et al. Knowledge Graph Enhanced Retrieval-Augmented Generation for Failure Mode and Effects Analysis[J]. arXiv preprint arXiv:2406.18114, 2024.
ISO/IEC: Risk management — Risk assessment techniques. Standard, International Organization for Standardization, Geneva, CH (June 2019). Volume: 2019 tex.key: ISO/IEC 31010:201
53AI,企业落地应用大模型首选服务商
产品:大模型应用平台+智能体定制开发+落地咨询服务
承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2024-11-23
DB-GPT V0.6.2 版本更新:牵手libro社区、GraphRAG图谱构建能力增强等
2024-11-22
技术动态 | 如何使用知识图谱改进RAG?
2024-11-22
RAG前沿之RAG–知识图谱构建框架Graphusion:兼看LongRAG双视角检索增强生成范式
2024-11-21
OpenSPG/KAG 新版发布:聚焦用户反馈,大幅优化用户体验!
2024-11-15
大语言模型与图结构的融合:推荐系统中的新兴范式
2024-11-15
利用LLM构建非结构化文本的知识图谱
2024-11-13
GraphRAG:基于PolarDB+通义千问+LangChain的知识图谱+大模型最佳实践
2024-11-13
利用LLM Graph Transformer实现知识图谱的高效构建
2024-07-17
2024-07-11
2024-07-13
2024-08-13
2024-07-08
2024-07-12
2024-07-26
2024-06-10
2024-07-04
2024-06-24
2024-11-22
2024-11-04
2024-10-10
2024-10-03
2024-09-27
2024-09-08
2024-09-05
2024-08-27