CN113393084B - 作业票流程管理*** - Google Patents
作业票流程管理*** Download PDFInfo
- Publication number
- CN113393084B CN113393084B CN202110525140.0A CN202110525140A CN113393084B CN 113393084 B CN113393084 B CN 113393084B CN 202110525140 A CN202110525140 A CN 202110525140A CN 113393084 B CN113393084 B CN 113393084B
- Authority
- CN
- China
- Prior art keywords
- flow
- job
- job ticket
- knowledge graph
- electronic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000010801 machine learning Methods 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 22
- 238000000605 extraction Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 42
- 230000008569 process Effects 0.000 claims description 26
- 238000013135 deep learning Methods 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 abstract description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了作业票流程管理***，包括自动化行业知识提取模块从行业文件的电子文本中自动提取实体和实体间的关系，自动化构建结构化行业知识图谱；基于知识图谱的作业流程和安全风险提议模块利用知识图谱，对于给定的文本描述，给出包含该作业标准化作业流程建议和安全风险提示的电子作业票模板；电子作业票管理模块完成电子作业票签发，审批，统计报表等功能；自动化流程规范和安全风险监控模块自动对***中现有的机器学习算法进行查找、编排和部署，实现对作业流程和安全风险的自动化监控和报警。本发明提高了作业监管的效率和质量。
Description
技术领域
本发明涉及作业票管理***，尤其是作业票流程管理***。
背景技术
作业票制度是保证工业安全生产的根本制度，是生产运行管理过程中一项防止误操作和危险发生的有效安全措施。一般的作业票通常包含生产作业的内容，步骤，安全风险，涉及人员和审批部分。传统的纸质作业票在签发、检查落实和归档上存在较大问题，现在正逐渐被电子作业票替代。
电子作业票相比纸质作业票天然具备易于备份和归档的优点。除此以外，通过提前为常见临时作业的具体内容、步骤和安全风险建立数据库。电子作业票***可以保证作业票签发时内容的准确可靠。现有的电子作业票***通常会与流程管理***整合，一定程度实现了作业中的各项审批的流程自动化，避免了代签、改签和补签现象。通过与报表***的整合，现有的电子作业票***还可以对历史的电子作业票做出分析报表，从而帮助管理者更好地掌握历史的作业实施情况。但是，面向工业生产安全自动化全流程管理的最终目标，现有电子作业票***还存在着一系列问题。
现有的电子作业票***在对特定作业签发作业票时，作业票中的作业内容、步骤、安全风险等信息是从人工建立的数据库检索得到的。而数据库中的内容则由管理***的开发人员从专家或规范文件中取得、结构化并导入。由于已有的数据库是固定的，因此每当需要对新的作业生成作业票时就需要对其重新建立数据条目。此外，当行业规范发生更新时，也需要手工更新数据库内容。这增加了***的使用难度，同时也造成了传统电子作业票***会始终滞后于行业规范和作业种类的更新。
在引入电子作业票和流程管理***以后，虽然可以解决作业票代签、改签和补签的问题，但落实、监管和风险识别的效果依然取决于责任人是否尽职验证作业票中的各项流程要求和规范。因此，电子作业票***本身实际并不具备预防或监督由于人员失职或操作违反作业票内容引发的安全风险，即使这些风险信息已经在作业票中体现。
现实作业中的实际情况复杂，即使是同一种作业，在不同场景、天气、周边设备分布等现实条件下，安全规范和要求也不尽相同。因此，传统的电子作业票中很难完整罗列出当前场景下作业的安全风险信息，也不能自动对特定的现实条件调整作业票内容。即使对于某些作业可以做到列出尽可能多的安全风险，由于需要照顾到过多现实情况，安全风险的条目数量也会十分庞大，这无疑会提高监管人员的负担。
为了解决现有电子作业票***中存在数据库跟新困难、安全风险高、监管人员负担重的一系列问题，需发明一种包含作业流程安全规范的自动获取作业票内容自动生成和作业流程安全规范自动化检查的智能化作业票全流程管理***，从而实现电子作业票从签发、审批到自动化安全检查的全流程安全管理。
发明内容
本发明旨在针对现有现有电子作业票***中存在数据库更新困难、安全风险高、监管人员负担重的一系列问题，提供一种包含作业流程安全规范的自动获取作业票内容并自动生成作业流程安全规范自动化检查的作业票流程管理***，从而实现电子作业票从签发、审批到自动化安全检查的全流程安全管理。
为了实现这一目的本发明提供了作业票流程管理***，包括自动化行业知识提取模块、基于知识图谱的作业流程和安全风险提议模块、电子作业票管理模块和自动化流程规范和安全风险监控模块。
自动化行业知识提取模块从作业规范、安全规范等行业文件的电子文本中自动提取实体和实体间的关系，从而自动化构建包含行业知识的结构化行业知识图谱；知识图谱由隐式知识图谱和显式知识图谱共同构成；预训练的深度学习语言模型本身构成隐式知识图谱，从语言模型中自动化提取的实体和关系构造的传统图结构知识图谱构成显式知识图谱；自动提取实体和实体间的关系是利用基于Transformer的深度学习语言模型完成的，如Bert和GPT。
基于知识图谱的作业流程和安全风险提议模块利用隐式知识图谱和显式知识图谱，对于给定的工业作业的文本描述，给出包含该作业标准化作业流程建议和安全风险提示的电子作业票模板。
电子作业票管理模块，完成电子作业票签发，审批，统计报表等功能。
自动化流程规范和安全风险监控模块，根据电子作业票中的作业流程规范和安全风险的自然语言文本描述自动对***中现有的机器学习算法进行查找、编排和部署，从而实现对作业流程和安全风险的自动化监控和报警。
自动化行业知识提取模块的训练流程为：首先利用在大量行业文件的中文电子文本数据通过“缺失文本预测”和“利用前文进行下文预测”两种预训练任务对深度学习语言模型进行预训练，从而得到包含行业知识的预训练模型；取得预训练模型后，隐式知识图谱即为该深度学习语言模型的编码器部分；随后，利用预训练模型中的注意力模块及特定的过滤规则自动化构建结构化的显式知识图谱；当新的行业文件出台后，所述的自动化行业知识提取模块会自动利用新的行业文件对现有模型进行微调，并重新构建显式知识图谱，从而实现行业知识图谱的全自动化构建和更新。
基于知识图谱的作业流程和安全风险提议模块的构建流程为：建立一个由大量作业描述、作业流程和潜在的安全风险的三元组文本数据构成的电子作业票数据库；从由显式知识图谱和隐式知识图谱共同构成的知识图谱中查询作业流程和安全风险信息；对作业流程和安全风险信息用自然语言文本描述；在分别得到从显式和隐式知识图谱中推理的作业流程和安全风险信息自然语言文本描述后，计算所述作业流程和安全风险信息两两间相似度，去除重复的信息，从而得到最终的作业流程和安全风险建议。
显式知识图谱作业流程和安全风险信息的查询方法为传统的基于NLP的方法，该方法首先对作业的文本描述进行分词和词性标注，根据预定义的关键词和规则匹配生成查询语句。显式知识图谱的作业流程和安全风险信息的查询方法为基于预训练的深度学习语言模型实现从作业文本描述到知识图谱查询语句的过程。预训练过程使用由作业文本描述和对应的查询语句构成的二元组数据集。显式知识图谱的作业流程和安全风险信息是通过传统的基于NLP的方法和基于预训练的深度学习语言模型的方法共同产生的，并且通过固定的文本模板生成对应的自然语言文本描述。隐式知识图谱的作业流程和安全风险信息的自然语言文本描述是通过一个解码器直接从作业文本描述生成的。解码器采用作业描述，作业流程和潜在的安全风险的三元组文本数据进行训练，训练过程中，隐式知识图谱的参数固定不变，仅解码器部分参与训练优化过程。
基于知识图谱的作业流程和安全风险提议模块会在用户提交新的作业及其文本描述后，自动生成对应作业的流程和安全风险信息自然语言文本描述，以供传统电子作业票管理模块生成电子作业票使用。
电子作业票管理模块利用传感器获取传感信息和机器学习算法对作业进行自动监管，并可以对监管结果进行报警。传感器包括相机、温度计、气体检测装置；传感信息类型包括照片和数值。电子作业票的内容来自于基于知识图谱的作业流程和安全风险提议模块。
作业票流程管理***可由自动化流程规范和安全风险监控模块根据电子作业票中的流程和安全风险信息利用机器学习算法自动或半自动完成作业的监管。
自动化流程规范和安全风险监控模块根据电子作业票中的作业流程规范和安全风险的自然语言文本描述自动对***中现有的机器学习算法进行查找、编排和部署，并对作业流程和安全风险的自动化监控和报警；过程如下：首先对机器学习算法按功能、使用条件和性能指标建立了一个查找表；在构建完成算法信息的查找表后，采集和标注了一个包含作业流程规范和安全风险的自然语言文本描述、对应的算法查找表查询语句、算法的开始条件、算法的输入要求、算法的输出运算、算法的结束条件构成的六元组的数据集；随后，使用这些数据，对深度学习语言模型进行微调，从而得到了一个基于深度学习语言模型的自动算法查找和编排模型；最后，建立了一个机器学习算法执行引擎，该执行引擎利用自动算法查找和编排模型的输出结果，对算法执行的先后顺序进行编排，按开始和结束条件调用对应的算法，并对算法直接输出的结果应用所需的逻辑和数值运算，所有算法的执行结果会被存储在一个全局缓存中，以供其他算法或电子作业票管理模块读取。
对于给定的一份电子作业票，会自动对其中的作业流程规范和安全风险逐条进行分析，查找为实现对其进行监管所需的所有机器学习算法、每个算法的开始条件、依赖算法、输出运算和结束条件，对所有算法进行编排和执行，最终输出所有算法的执行结果，并得到对应的作业流程规范和安全风险条目是否与实际算法检测相符的计算结果。这些结果会被电子作业票管理模块调用并根据用户自定义的设置进行记录、报警等操作。
本发明的有益效果是，提供一种作业票流程管理***，可以实现全流程闭环作业管控，降低部署和后续维护的人力和物力成本，***操作难度低，提高了作业监管的效率和质量。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的工作流程示意图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面对本发明做进一步的详细说明，以令本领域技术人员参照说明文字能够据以实施。
首先请参照图1，图1为本发明的一个实施例的工作流程示意图。如图1所示，本实施例的作业票流程管理***包括自动化行业知识提取模块、基于知识图谱的作业流程和安全风险提议模块、电子作业票管理模块和自动化流程规范和安全风险监控模块。
在本实施例中，自动化行业知识提取模块从作业规范、安全规范等行业文件的电子文本中自动提取实体和实体间的关系，从而自动化构建包含行业知识的结构化行业知识图谱。基于知识图谱的作业流程和安全风险提议模块利用上述知识图谱，对于给定的工业作业的文本描述，建立电子作业票数据库，并给出包含该作业标准化作业流程建议和安全风险提示的电子作业票模板。自动化流程规范和安全风险监控模块根据电子作业票中的作业流程规范和安全风险的自然语言文本描述自动对***中现有的机器学习算法进行查找、编排和部署，从而实现对作业流程和安全风险的自动化监控和报警。电子作业票管理模块从传感器得到传感信息，根据电子作业票模板的自认语言文本描述和自动化流程规范和安全风险监控模块的计算结果，来完成电子作业票签发，审批，统计报表等功能，并根据用户自定义的设置进行记录、报警等操作。
在某些实施例中，自动化行业知识提取模块是从作业规范、安全规范等行业文件的电子文本中自动提取实体和实体间的关系，从而自动化构建包含行业知识的结构化行业知识图谱。本模块利用一组无监督和监督学习的基于Transformer的深度学习语言模型(如Bert和GPT)完成自动化实体和关系抽取，知识图谱则由预训练的深度学习语言模型本身和从语言模型中自动化提取的实体和关系构造的传统图结构知识图谱共同构成，在下文中分别以隐式知识图谱和显式知识图谱指代。以使用Bert作为本模块中的深度学习语言模型为例，我们利用在大量行业文件的中文电子文本数据通过“缺失文本预测”和“利用前文进行下文预测”两种预训练任务对Bert进行预训练，从而得到包含行业知识的Bert预训练模型。取得预训练模型后，隐式知识图谱即为该模型的编码器部分。随后，我们利用预训练模型中的注意力模块及特定的过滤规则自动化构建结构化的显式知识图谱。在实际应用过程中，当新的行业文件出台后，本模块会自动利用这些文本对现有模型进行微调，并重新构建显式知识图谱，从而实现行业知识图谱的全自动化构建和更新。
某些实施例的基于知识图谱的作业流程和安全风险提议模块是利用自动化行业知识提取模块构造的隐式和显式知识图谱，对于给定的工业作业的文本描述，给出包含该作业标准化作业流程建议和安全风险提示的电子作业票模板。为了构建这个模块，首先，我们建立了一个电子作业票数据库，由大量作业描述，作业流程和潜在的安全风险的三元组文本数据构成。对于显式知识图谱，两种方法同时被用于从中查询作业流程和安全风险信息。第一种方法利用传统的基于NLP的方法，该方法首先对作业的文本描述进行分词和词性标注，根据预定义的关键词和规则匹配生成查询语句。第二种方法则基于预训练的深度学习语言模型(如Bert和GPT)实现从作业文本描述到知识图谱查询语句的过程，预训练过程使用了我们收集的由作业文本描述和对应的查询语句构成的二元组数据集。两种方法产生的查询语句共同被用于从现实知识图谱中查询作业的流程和安全风险信息，这些信息通过固定的文本模板生成对应的自然语言文本描述。对于隐式知识图谱，我们在其后连接一个解码器，负责直接从作业文本描述生成作业流程和安全风险信息的自然语言文本描述。解码器采用我们收集的作业描述，作业流程和潜在的安全风险的三元组文本数据进行训练，训练过程中，隐式知识图谱(即模块一中的深度语言模型的编码器部分)的参数固定不变，仅解码器部分参与训练优化过程。在分别得到从现实和隐式知识图谱中推理的作业流程和安全风险信息自然语言文本描述后，我们进一步对这些信息计算两两间相似度，去除重复的信息，从而得到最终的作业流程和安全风险建议。在实际应用过程中，用户在电子作业票管理模块中提交新的作业及其文本描述后，本模块就会自动生成对应作业的流程和安全风险信息自然语言文本描述，以供传统电子作业票管理模块生成电子作业票使用。
某些实施例的电子作业票管理模块与传统电子作业票管理***的功能大致相同，主要完成电子作业票签发，审批，统计报表等功能，他们之间的主要区别在于：
(1)新增传感器组件和监管报警功能。由于本***主要利用传感信息和机器学习算法对作业进行自动监管，因此新增了传感器(各类相机、温度、气体等)的接入和传感内容(照片、数值)查看功能以及监管结果的报警功能。
(2)作业票内容的来源。在传统电子作业票管理***中，作业票的内容来自预定义的内容模板；而在本***中，这些内容则来自于基于知识图谱的作业流程和安全风险提议模块。
(3)监管方式和逻辑。在传统电子作业票管理***中，作业的实施和监管过程并不在***的管控范围内；而在本***中，作业的监管可由自动化流程规范和安全风险监控模块根据电子作业票中的流程和安全风险信息利用机器学习算法自动/半自动完成。
某些实施例的自动化流程规范和安全风险监控模块的作用是根据电子作业票中的作业流程规范和安全风险的自然语言文本描述自动对***中现有的机器学习算法进行查找、编排和部署，从而实现对作业流程和安全风险的自动化监控和报警。为了实现这个模块，首先我们对机器学习算法按功能、使用条件和性能指标建立了一个查找表。功能方面，查找表内容包括算法的目标对象(如人，设备，安全装备，人物关系，物-物关系等)、功能定义(如位置信息、存在性、类别判断、数值回归、预测等)；使用条件方面，查找表内容包括算法的使用天气、场景、光照、相机类型、相机位姿、算力要求等限制性条件；性能指标方面，查找表内容包括算法的预期精度、误报率、运行速度等性能参数。在构建完成算法信息的查找表后，我们采集和标注了一个包含作业流程规范和安全风险的自然语言文本描述、对应的算法查找表查询语句、算法的开始条件、算法的输入要求、算法的输出运算、算法的结束条件构成的六元组的数据集。随后，我们使用这些数据，对深度学习语言模型(如Bert和GPT，已经在大量行业文件的中文电子文本数据按模块一中描述的预训练方法进行过预训练)进行微调，从而得到了一个基于深度学习语言模型的自动算法查找和编排模型。最后，我们还在本模块中建立了一个机器学习算法执行引擎，这个执行引擎利用自动算法查找和编排模型的输出结果，对算法执行的先后顺序进行编排，按开始和结束条件调用对应的算法，并对算法直接输出的结果应用所需的逻辑和数值运算，所有算法的执行结果会被存储在一个全局缓存中，以供其他算法或电子作业票管理模块读取。使用过程中，对于给定的一份电子作业票，本模块会自动对其中的作业流程规范和安全风险逐条进行分析，查找为实现对其进行监管所需的所有机器学习算法、每个算法的开始条件、依赖算法、输出运算和结束条件，对所有算法进行编排和执行，最终输出所有算法的执行结果，并得到对应的作业流程规范和安全风险条目是否与实际算法检测相符的计算结果。这些结果会被电子作业票管理模块调用并根据用户自定义的设置进行记录、报警等操作。
本发明的作业票流程管理***可以实现全流程闭环作业管控，降低部署和后续维护的人力和物力成本，***操作难度低，提高了作业监管的效率和质量。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言可以容易实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里展示和描述的图例。
Claims (18)
1.作业票流程管理***，包括：
自动化行业知识提取模块，从行业文件的电子文本中自动提取实体和实体间的关系，从而自动化构建包含行业知识的结构化行业知识图谱；所述的知识图谱由隐式知识图谱和显式知识图谱共同构成；预训练的深度学习语言模型本身构成隐式知识图谱，从语言模型中自动化提取的实体和关系构造的传统图结构知识图谱构成显式知识图谱，所述的自动提取实体和实体间的关系是利用深度学习语言模型完成的；
基于知识图谱的作业流程和安全风险提议模块，利用所述的隐式知识图谱和显式知识图谱，对于给定的工业作业的文本描述，给出包含该作业标准化作业流程建议和安全风险提示的电子作业票模板；
电子作业票管理模块，完成电子作业票签发，审批，统计报表等功能；
自动化流程规范和安全风险监控模块，根据电子作业票中的作业流程规范和安全风险的自然语言文本描述自动对***中现有的机器学习算法进行查找、编排和部署，自动对其中的作业流程规范和安全风险逐条进行分析，查找为实现对其进行监管所需的所有机器学习算法、每个算法的开始条件、依赖算法、输出运算和结束条件，对所有算法进行编排和执行，最终输出所有算法的执行结果，并得到对应的作业流程规范和安全风险条目是否与实际算法检测相符的计算结果，从而实现对作业流程和安全风险的自动化监控和报警。
2.如权利要求1所述的作业票流程管理***，其特征在于所述的自动化行业知识提取模块的深度学习语言模型是基于Transformer的。
3.如权利要求1所述的作业票流程管理***，其特征在于所述的深度学习语言模型为Bert模型。
4.如权利要求1所述的作业票流程管理***，其特征在于所述的深度学习语言模型为GPT模型。
5.如权利要求1所述的作业票流程管理***，其特征在于所述的自动化行业知识提取模块的训练流程为：首先利用电子文本数据通过“缺失文本预测”和“利用前文进行下文预测”两种预训练任务对深度学习语言模型进行预训练，从而得到包含行业知识的预训练模型；取得预训练模型后，隐式知识图谱即为该深度学习语言模型的编码器部分；随后，利用预训练模型中的注意力模块及特定的过滤规则自动化构建结构化的显式知识图谱；当新的行业文件出台后，所述的自动化行业知识提取模块会自动利用新的行业文件对现有模型进行微调，并重新构建显式知识图谱，从而实现行业知识图谱的全自动化构建和更新。
6.如权利要求1所述的作业票流程管理***，其特征在于所述的基于知识图谱的作业流程和安全风险提议模块的构建流程为：建立一个由大量作业描述、作业流程和潜在的安全风险的三元组文本数据构成的电子作业票数据库；从由显式知识图谱和隐式知识图谱共同构成的知识图谱中查询作业流程和安全风险信息；对作业流程和安全风险信息用自然语言文本描述；在分别得到从显式和隐式知识图谱中推理的作业流程和安全风险信息自然语言文本描述后，计算所述作业流程和安全风险信息两两间相似度，去除重复的信息，从而得到最终的作业流程和安全风险建议。
7.如权利要求6所述的作业票流程管理***，其特征在于所述的显式知识图谱作业流程和安全风险信息的查询方法为传统的基于NLP的方法，该方法首先对作业的文本描述进行分词和词性标注，根据预定义的关键词和规则匹配生成查询语句。
8.如权利要求6所述的作业票流程管理***，其特征在于所述的显式知识图谱的作业流程和安全风险信息的查询方法为基于预训练的深度学习语言模型实现从作业文本描述到知识图谱查询语句的过程；预训练过程使用由作业文本描述和对应的查询语句构成的二元组数据集。
9.如权利要求7或8任一项所述的作业票流程管理***，其特征在于所述的显式知识图谱的作业流程和安全风险信息是通过传统的基于NLP的方法和基于预训练的深度学习语言模型的方法共同产生的，并且通过固定的文本模板生成对应的自然语言文本描述。
10.如权利要求6所述的作业票流程管理***，其特征在于所述的隐式知识图谱的作业流程和安全风险信息的自然语言文本描述是通过一个解码器直接从作业文本描述生成的。
11.如权利要求10所述的作业票流程管理***，其特征在于所述的解码器采用作业描述，作业流程和潜在的安全风险的三元组文本数据进行训练，训练过程中，隐式知识图谱的参数固定不变，仅解码器部分参与训练优化过程。
12.如权利要求1所述的作业票流程管理***，其特征在于所述的基于知识图谱的作业流程和安全风险提议模块会在用户提交新的作业及其文本描述后，自动生成对应作业的流程和安全风险信息自然语言文本描述，以供传统电子作业票管理模块生成电子作业票使用。
13.如权利要求1所述的作业票流程管理***，其特征在于所述的电子作业票管理模块利用传感器获取传感信息和机器学习算法对作业进行自动监管，并可以对监管结果进行报警。
14.如权利要求13所述的作业票流程管理***，其特征在于所述的传感器包括相机、温度计、气体检测装置；传感信息类型包括照片和数值。
15.如权利要求1所述的作业票流程管理***，其特征在于所述的电子作业票的内容来自于基于知识图谱的作业流程和安全风险提议模块。
16.如权利要求1所述的作业票流程管理***，其特征在于所述的作业票流程管理***可由自动化流程规范和安全风险监控模块根据电子作业票中的流程和安全风险信息利用机器学习算法自动或半自动完成作业的监管。
17.如权利要求1所述的作业票流程管理***，其特征在于所述的自动化流程规范和安全风险监控模块，根据电子作业票中的作业流程规范和安全风险的自然语言文本描述自动对***中现有的机器学习算法进行查找、编排和部署，并对作业流程和安全风险自动化监控和报警，过程包括；
首先对机器学习算法按功能、使用条件和性能指标建立一个查找表；
在构建完成算法信息的查找表后，采集和标注一个包含作业流程规范和安全风险的自然语言文本描述、对应的算法查找表查询语句、算法的开始条件、算法的输入要求、算法的输出运算、算法的结束条件构成的六元组的数据集；
随后，使用这些数据，对深度学习语言模型进行微调，从而得到一个基于深度学习语言模型的自动算法查找和编排模型；
最后，建立一个机器学习算法执行引擎，该执行引擎利用自动算法查找和编排模型的输出结果，对算法执行的先后顺序进行编排，按开始和结束条件调用对应的算法，并对算法直接输出的结果应用所需的逻辑和数值运算，所有算法的执行结果会被存储在一个全局缓存中，以供其他算法或电子作业票管理模块读取。
18.如权利要求1所述的作业票流程管理***，其特征在于所述的自动化流程规范和安全风险监控模块，对于给定的一份电子作业票，会自动对其中的作业流程规范和安全风险逐条进行分析，查找为实现对其进行监管所需的所有机器学习算法、每个算法的开始条件、依赖算法、输出运算和结束条件，对所有算法进行编排和执行，最终输出所有算法的执行结果，并得到对应的作业流程规范和安全风险条目是否与实际算法检测相符的计算结果；这些结果会被电子作业票管理模块调用并根据用户自定义的设置进行记录、报警操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110525140.0A CN113393084B (zh) | 2021-05-13 | 2021-05-13 | 作业票流程管理*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110525140.0A CN113393084B (zh) | 2021-05-13 | 2021-05-13 | 作业票流程管理*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113393084A CN113393084A (zh) | 2021-09-14 |
| CN113393084B true CN113393084B (zh) | 2024-06-11 |
Family
ID=77617888
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110525140.0A Active CN113393084B (zh) | 2021-05-13 | 2021-05-13 | 作业票流程管理*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113393084B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11811626B1 (en) | 2022-06-06 | 2023-11-07 | International Business Machines Corporation | Ticket knowledge graph enhancement |
| CN114970564B (zh) * | 2022-06-16 | 2023-02-03 | 北京汉端科技有限公司 | 基于云平台微服务化民航安全管理sop*** |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108460136A (zh) * | 2018-03-08 | 2018-08-28 | 国网福建省电力有限公司 | 电力运维信息知识图谱构建方法 |
| CN108875051A (zh) * | 2018-06-28 | 2018-11-23 | 中译语通科技股份有限公司 | 面向海量非结构化文本的知识图谱自动构建方法及*** |
| CN108920587A (zh) * | 2018-06-26 | 2018-11-30 | 清华大学 | 融合外部知识的开放域视觉问答方法及装置 |
| WO2019057190A1 (zh) * | 2017-09-25 | 2019-03-28 | 腾讯科技（深圳）有限公司 | 知识图谱的展示方法、装置、终端设备及可读存储介质 |
| CN110275960A (zh) * | 2019-06-11 | 2019-09-24 | 中国电子科技集团公司电子科学研究院 | 基于指称句的知识图谱和文本信息的表示方法及*** |
| CN110825884A (zh) * | 2019-11-05 | 2020-02-21 | 腾讯科技（深圳）有限公司 | 基于人工智能的嵌入表示处理方法、装置及电子设备 |
| CN110889556A (zh) * | 2019-11-28 | 2020-03-17 | 福建亿榕信息技术有限公司 | 一种企业经营风险预测方法和*** |
| CN111177393A (zh) * | 2020-01-02 | 2020-05-19 | 广东博智林机器人有限公司 | 一种知识图谱的构建方法、装置、电子设备及存储介质 |
| CN111353013A (zh) * | 2018-12-05 | 2020-06-30 | 中兴通讯股份有限公司 | 一种智能投顾的实现方法及*** |
| WO2020237856A1 (zh) * | 2019-05-29 | 2020-12-03 | 平安科技（深圳）有限公司 | 基于知识图谱的智能问答方法、装置及计算机存储介质 |
| CN112765486A (zh) * | 2021-01-22 | 2021-05-07 | 重庆邮电大学 | 一种融合知识图谱的注意力机制的电影推荐方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA3098838A1 (en) * | 2018-05-04 | 2019-11-07 | Zestfinance, Inc. | Systems and methods for enriching modeling tools and infrastructure with semantics |
-
2021
- 2021-05-13 CN CN202110525140.0A patent/CN113393084B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019057190A1 (zh) * | 2017-09-25 | 2019-03-28 | 腾讯科技（深圳）有限公司 | 知识图谱的展示方法、装置、终端设备及可读存储介质 |
| CN108460136A (zh) * | 2018-03-08 | 2018-08-28 | 国网福建省电力有限公司 | 电力运维信息知识图谱构建方法 |
| CN108920587A (zh) * | 2018-06-26 | 2018-11-30 | 清华大学 | 融合外部知识的开放域视觉问答方法及装置 |
| CN108875051A (zh) * | 2018-06-28 | 2018-11-23 | 中译语通科技股份有限公司 | 面向海量非结构化文本的知识图谱自动构建方法及*** |
| CN111353013A (zh) * | 2018-12-05 | 2020-06-30 | 中兴通讯股份有限公司 | 一种智能投顾的实现方法及*** |
| WO2020237856A1 (zh) * | 2019-05-29 | 2020-12-03 | 平安科技（深圳）有限公司 | 基于知识图谱的智能问答方法、装置及计算机存储介质 |
| CN110275960A (zh) * | 2019-06-11 | 2019-09-24 | 中国电子科技集团公司电子科学研究院 | 基于指称句的知识图谱和文本信息的表示方法及*** |
| CN110825884A (zh) * | 2019-11-05 | 2020-02-21 | 腾讯科技（深圳）有限公司 | 基于人工智能的嵌入表示处理方法、装置及电子设备 |
| CN110889556A (zh) * | 2019-11-28 | 2020-03-17 | 福建亿榕信息技术有限公司 | 一种企业经营风险预测方法和*** |
| CN111177393A (zh) * | 2020-01-02 | 2020-05-19 | 广东博智林机器人有限公司 | 一种知识图谱的构建方法、装置、电子设备及存储介质 |
| CN112765486A (zh) * | 2021-01-22 | 2021-05-07 | 重庆邮电大学 | 一种融合知识图谱的注意力机制的电影推荐方法 |
Non-Patent Citations (2)
| Title |
|---|
| 国内外作业许可制度建立与实施的初步探讨;尚鸿志;刘玉东;;中国安全生产科学技术;20121215(第S2期);全文 * |
| 基于智能成票规则及算法的电气工作票***;曾厉;《电工技术》;20191225;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113393084A (zh) | 2021-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112612902B (zh) | 一种电网主设备的知识图谱构建方法及设备 | |
| Wu et al. | Literature review and prospect of the development and application of FMEA in manufacturing industry | |
| CN111460167A (zh) | 基于知识图谱定位排污对象的方法及相关设备 | |
| CN113723632A (zh) | 一种基于知识图谱的工业设备故障诊断方法 | |
| CN113393084B (zh) | 作业票流程管理*** | |
| CN113779272B (zh) | 基于知识图谱的数据处理方法、装置、设备及存储介质 | |
| CN106067094A (zh) | 一种动态评估方法及*** | |
| CN108985467A (zh) | 基于人工智能的二次设备精益化管控方法 | |
| CN112395424A (zh) | 一种复杂产品质量问题追溯方法及*** | |
| CN116882978B (zh) | 一种基于产品信息框架的深海潜水器运维保障*** | |
| CN108563783A (zh) | 一种基于大数据的财务分析管理***及方法 | |
| CN107103363A (zh) | 一种基于lda的软件故障专家***的构建方法 | |
| US20230281486A1 (en) | Automatic functionality clustering of design project data with compliance verification | |
| CN109344227A (zh) | 工单处理方法、***和电子设备 | |
| CN116610816A (zh) | 一种基于图卷积神经网络的人员画像知识图谱分析方法及*** | |
| CN117406689A (zh) | 一种数据驱动与知识引导的故障诊断方法及*** | |
| CN117319452A (zh) | 应用于硫酸钡制备下的安全巡检方法及*** | |
| CN117077631A (zh) | 一种基于知识图谱的工程应急预案生成方法 | |
| CN113837554B (zh) | 基于多模态关键信息匹配的食品安全风险识别方法及*** | |
| CN115619090A (zh) | 一种基于模型和数据驱动的安全评估方法 | |
| Althar et al. | Software Source Code: Statistical Modeling | |
| JP3655501B2 (ja) | 情報検索方法、情報検索装置及び記録媒体 | |
| Teng et al. | Adaptive rule update method in complex event process | |
| CN112147974A (zh) | 基于化工过程知识自动化的报警根原因诊断方法 | |
| CN117390139B (zh) | 基于知识图谱的变电工作票工作内容准确性评估的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |