[发明专利]基于大数据的图谱分析修正系统

权利要求书

1.基于大数据的图谱分析修正系统，包括图谱构建模块、图谱分析模块和处理修正模块，其特征在于：所述图谱构建模块用于将设备故障维修信息收集，用以构建知识图谱，所述图谱数据分析模块用于对图谱数据进行分析，所述处理修正模块用于对分析后的数据进行处理修正，所述图谱分析模块与图谱构建模块网络连接，所述处理修正模块与图谱分析模块网络连接。

2.根据权利要求1所述的基于大数据的图谱分析修正系统，其特征在于：所述图谱构建模块包括图数据库子模块、数据获取子模块、实体识别单元和实体关系抽取单元，所述图数据库子模块用于对获取到的数据信息进行存储，所述数据获取子模块用于获取存储制造车间内设备的故障维修数据信息，所述实体识别单元用于识别数据信息中具有特定意义的实体，对设备故障文本信息进行分类，所述实体关系抽取单元用于提取数据信息中包含的实体间的关系以及关系对应的实体辨别，所述数据获取子模块、实体识别单元和实体关系抽取单元均与图数据库子模块网络连接。

3.根据权利要求2所述的基于大数据的图谱分析修正系统，其特征在于：所述图谱分析模块包括数据分析子模块和人员评价子模块，所述数据分析子模块用于对构建完成的知识图谱中的数据信息进行分析，所述人员评价子模块用于对设备故障维修人员维修工作进行评分，所述数据分析子模块包括重要度等级划分单元，所述重要度等级划分单元用于对制造车间内设备故障问题进行重要度等级划分，所述人员评价子模块与数据分析子模块网络连接。

4.根据权利要求3所述的基于大数据的图谱分析修正系统，其特征在于：所述处理修正模块包括智能推荐子模块、异常预警子模块和预测维护子模块，所述智能推荐子模块用于根据评分后的人员信息为出现故障的设备自动推荐匹配人员，所述异常预警子模块用于在设备出现故障发出预警提示，所述预测维护子模块用于对设备的日常运作进行前瞻预测维护，所述智能推荐子模块与人员评价子模块网络连接，所述异常预警子模块和预测维护子模块均与数据分析子模块网络连接。

5.根据权利要求4所述的基于大数据的图谱分析修正系统，其特征在于：所述图谱构建模块的运行方法主要包括以下步骤：

步骤S1：建立图数据库，将获取处理后的制造车间内设备的故障维修数据信息存储至图数据库中；

步骤S2：从车间历史故障维修记录设备故障相关数据，以及利用网络爬虫技术从互联网中获取大量与设备故障相关数据，所述相关数据包括故障现象、原因、维修方法、维修人员、维修次数和维修时间；

步骤S3：对获取到的数据信息进行实体识别，将得到的实体存储在图数据库中；

步骤S4：抽取设备故障实体间的结构关系，形成以维修人员与设备、故障关系的三元组形式，在获得三元组后进行人工复查、校验，最后将准确信息存储至图数据库中；

步骤S5：构建好数据层后，将抽取到的实体与实体关系三元组存入图数据库中，完成整个知识图谱的构建。

6.根据权利要求5所述的基于大数据的图谱分析修正系统，其特征在于：所述图谱分析模块的运行方法主要包括以下步骤：

步骤A1：对知识图谱中的数据进行实时更新，通过数据分析对设备运行状态进行判断；

步骤A2：根据历史数据对维修人员的工作状态进行评价分析。

7.根据权利要求6所述的基于大数据的图谱分析修正系统，其特征在于：所述步骤A1进一步包括以下步骤：

步骤A11：数据分析子模块提取历史设备状态评分，根据预设公式将上述评分整合计算，对设备故障进行重要度等级划分；

步骤A12：根据综合计算出的结果将制造车间设备故障重要度等级进行划分，具体划分为轻度、中度和重度三个等级；

步骤A13：设置重要度等级划分单元满分为Q，根据预设公式计算分析得出的分数值为W，则设备故障重要度等级划分为

所述轻度为设备正常运行不受影响，设备局部或辅助零部件丧失部分功能，不影响任务的完成，所述中度为设备出现报警信息，经过简单处理后，在短时间内可恢复正常工作状态，所述重度为设备或其零部件在运行过程中出现损伤，性能下降，物品的加工精度降低或导致设备停止运行、停产。