将上下文感知和知识图谱相结合，以提升制造过程规划中的知识推荐效果

复杂过程规划中基于知识图谱的上下文感知推荐系统研究，提出通过知识图谱整合异构制造知识，结合生成对抗网络构建动态适配的推荐框架，实现工程知识的高效检索与复用。案例验证显示该系统F1-score达0.519，知识检索效率提升超50%。

吴振勇|吴汉清|谭建新|钱颖|何琳娜|郭马克

中国江苏省南京市南京信息科技大学管理科学与工程学院风险治理与应急决策研究所以及

摘要

复杂过程规划是一项知识密集型任务，需要分布式团队和工程师之间有效地重用知识。由于高效的知识获取和相关知识的快速检索仍然是制造过程规划中的关键挑战，本文提出了一种基于知识图的表示模型，旨在促进整个过程规划生命周期中的知识更有效利用。该研究开发了一个基于生成对抗网络的上下文感知推荐系统，通过提供针对工程师特定过程需求的定制化推荐来支持有效的知识获取和重用。所提出的框架全面捕获并整合了上下文信息，简化了知识检索过程。通过案例研究验证了该方法的实用性和性能，实现了0.519的F1分数，并将知识检索时间减少了50%以上。

引言

新一代信息技术的出现标志着制造业的一个重大转折点，推动了向智能化转型和创新制造模式的转变[1]、[2]。在这种转型中，数据和知识已成为基础资产，使得信息技术能够无缝融入制造过程，并成为智能制造系统的关键推动因素[3]。在过程设备的背景下，跨组织、跨学科和跨区域的合作日益增多，导致概念、方法和操作经验的前所未有的融合。因此，过程知识正在迅速发展，新的见解和实践不断被开发和迭代。这类知识通常以非结构化和个性化的文本格式表达，具有高度的上下文依赖性、丰富的语义内容，并且会随时间动态更新[4]。这类知识在支持特定制造场景中的问题解决中发挥着至关重要的作用，对于知识密集型企业来说是一种战略资产。

有效管理过程知识的快速增长和持续演变对于智能制造至关重要，然而传统的知识流程——生成、交换、传播、反馈和修订——越来越不适应这些需求。因此，工业界领导者开始探索知识图（KGs）来表示领域实体和关系（例如，西门子的基于KG的规划框架；博世的底盘控制KG）。以过程设备为中心的KG应用仍需进一步探索：将文本工程资产转化为操作知识服务的具体、可重用的方法非常少，而且当前的研究在面对企业日志稀疏和噪声较大的情况下很少能够提供上下文感知的Top-N推荐。需要的是能够（1）从非结构化文本中挖掘上下文感知信号，（2）表示异构知识元素（设备-操作-材料-安全）之间的内在关系，以及（3）利用动态关联来支持条件变化时的推理和重用（Ji, [5]; Huang, Fu等人，2021年）的机制。这种实际需求——即KG构建/分析与可用于过程规划的上下文条件知识服务之间的差距——激发了本研究的工作。

本研究开发了一个基于KG的、上下文感知的推荐框架，适用于动态制造环境中的复杂过程设备（Wu, He等人，2022年）。（1）从非结构化技术文档中构建了一个过程设备KG，将分散的文本知识转化为下游服务可读的框架。（2）对时间演化和变化的操作需求进行建模，以实现自适应配置和及时更新，捕捉过程、参数和约束在任务和环境中的变化。（3）通过明确编码用户背景和任务/查询上下文，并通过KG传播语义来整合上下文感知推荐，从而缓解稀疏性和冷启动问题。最终得到的流程为过程规划提供了精确、相关且响应迅速的Top-5知识服务，既符合工程师的阅读习惯，又提高了知识重用效率。这些元素为在过程设备领域实施KGs提供了一种实用的方法，并将静态资产转化为实际工业场景中的可操作、上下文感知的推荐，从而增强了制造知识管理的技术严谨性（通过结构化表示和上下文建模）和操作实用性（通过及时、自适应的用户级交付）。

本文的其余部分安排如下：第2节介绍相关工作。第3节介绍基于知识图的过程规划推荐。第4节介绍基于上下文感知的过程知识推荐方法。第5节包含一个案例研究。第6节进行总结。

部分摘录

知识支持的过程规划

随着智能技术的进步，过程规划在制造业中得到了显著发展。Afacan和Demirkan[6]引入了一个基于本体的通用设计工具，支持早期概念设计，而Liu等人[7]提出了应对动态生产不确定性的智能软件代理。Denkena等人[8]利用数据挖掘来促进从工具条件和表面质量中重用知识。Wang[9]开发了自适应规划来处理

基于知识图的过程规划推荐

知识推荐是本研究的关键点，因为它在制造过程规划中起着支持作用。制造环境本质上包含各种不确定性，如动态变化的任务要求和个体用户偏好。本文提出了一种基于知识图的推荐框架，如图1所示。

该框架

基于上下文的GAN的过程和设备规划知识推荐框架

在所提出的框架中，过程设备作为过程知识的核心载体，连接材料、方法、人员和上下文。这部分特别关注与该过程相关的设备部分——即所提出的基于上下文的GAN知识推荐（CGKR）模型如何在制造过程规划框架中识别、表示和推荐特定于设备的知识。有效支持制造任务需要

案例研究

通过一个涉及制造企业的实际案例来说明所提出的CGKR模型的应用。该公司管理着大约700份复杂的设备文档，并且经常在紧张的生产计划下运行。其任务（如激光电子束焊接）需要跨工程技术、设备管理和安全程序的专业知识。这些复杂任务可以分解为多个子任务，每个子任务分配给不同的

结论

本文提出了一种利用知识图（KGs）的上下文感知过程知识推荐方法，以促进复杂过程规划。本研究的主要发现总结如下：

基于KG的知识表示使得过程相关信息的管理更加结构化和高效。建议用户根据四个维度——过程阶段、过程对象、专业领域和知识类型——系统地对知识进行分类，遵循MECE原则、服务导向和便利性

CRediT作者贡献声明

吴振勇：撰写——审阅与编辑，撰写——初稿，监督，项目管理，方法论，调查，资金获取，形式分析，数据整理，概念化。吴汉清：撰写——初稿，验证，软件，方法论，调查，形式分析，数据整理。谭建新：验证，监督，资源管理，方法论，调查，概念化。钱颖：验证，方法论，调查，数据整理。何琳娜：

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

致谢

本项工作得到了江苏省社会科学基金会（资助编号：24TQB002）、中国航空科学基金会（ASFC-2024Z066109001）、江苏省高等教育机构哲学与社会科学基金会（资助编号：2022SJYB0183）、江苏省高层次创新与创业人才引进计划（JSSCB20210481）以及南京信息科技大学的种子研究基金的资助。