达观失效模式知识图谱平台采用前沿的自然语言处理、知识图谱、智能问答、知识推理、RPA 等技术，打造了业内首个面向智能制造质量管理领域的知识图谱构建和应用平台，为产品规划、研发设计、生产制造、客户服务、设备维护、供应链等各个环节提供失效与故障的智能归因分析、知识获取与发现、知识问答、主动推送等知识型应用，为 FTA、FMEA、FMECA、FMEDA 提供新失效 / 故障模式、新机理、新改善措施和新应用场景的自动发现。申请试用：达观数据

一、失效模式知识图谱构建

达观失效模式知识图谱平台提供知识图谱构建全流程基础功能，支持数据库、API、文档上传等形式对接数据，提供schema可视化设计工具，针对结构化数据提供映射式构建流程配置，针对非结构化数据支持实体、关系自动抽取及在线校验工具，同时提供基于多种底层算法的可视化模型训练、评估、管理平台。

针对制造业失效场景三大类重要数据FA、FMEA、FTA的不同特征，分别打造了不同的知识抽取功能模块。基于BERT+BiLSTM+CRF模型，运用组合优选算法，抽取FA文档中的现象、物料、状态、失效类型、解决措施等实体，并通过无监督方式，快速标注大量实体关系模型样本，构建pipeline关系抽取模型，实现关系精准抽取。FMEA是表格形式半结构化数据，利用表格解析方法拆分FMEA内容，结合语义理解技术和模版映射规则讲FMEA表格转化为三元组数据，同时利用实体抽取、关系抽取模型得到更细粒度的知识和关联。FTA是树形图形式半结构化数据，逻辑符号映射为关系类型，构建知识图谱形式的失效事件因果网络，同时抽取事件中更细粒度的信息加入知识图谱，和FA、FMEA的知识融合起来。

针对不同工业界的专业术语对象，综合运行人工规则与AI模型，从非结构化数据中抽取出结构化数据。以航空发动机故障报告为例，运用深度学习模型抽取故障单元、故障模式、表征信息等专业术语，结合规则解析提取检查方法与解决方法，并通过Pipeline方式抽取出实体之间的关系，从而关联起FA、FMEA、FTA，向上提供失效业务场景应用。