前言：寻找写作灵感？中文期刊网用心挑选的航天装备质量管理方法，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
摘要:航天装备研制过程中会产生大量的数据，目前这些数据尚未得到完全利用。基于航天装备质量管理的特点和实际需求，认真梳理了垂直领域的知识图谱特点和发展趋势，给出了未来航天装备质量管理知识图谱的建立方式和方法。同时，基于航天装备研制体系的特点，给出了在航天工业质量管理中建立知识图谱的基础等建议，为建立航天质量管理知识图谱及知识图谱在质量管理领域的应用和推广提供相关借鉴。
关键词:航天装备；知识图谱；质量管理
引言
航天型号的质量是航天事业的生命线，是永不过时的研究对象。结合新技术、新知识不断地完善质量管理技术和手段，提升质量管理能力和水平是质量管理人员持之以恒的追求。航天装备在研制过程中产生了大量的数据，如何采用数据技术和数据思维来开展航天装备的质量管理，是每一个质量人需要综合思考的问题。数据技术和数据思维既可以为航天企业在航天装备研制中进行决策、加强质量管理提供支持，为相关业务提供专业、精确的服务；同时，有助于航天型号提质增效，进而更好地为国家经济和安全提供优质保障。但是，大数据时代带来的不只是数据处理的方法、技术及数据状态，更带来一种从根本上转变的思维方式，是一场社会变革。航天装备及其技术领域要想实现与大数据的真正融合，还有很长的路需要探索。
1行业知识图谱的发展现状综述
人工智能已成为第4次工业革命的标志，人工智能产品或系统正呈现出蓬勃发展的态势[1]。如：横扫围棋界完胜人类冠军的AlphaGo；以新零售体验为代表的AmazonGo无人超市；帮助不同国家、不同地区的人进行实时的语音交流的SkypeTranslator；Siri智能个人助理等产品。无一不是突飞猛进的知识图谱研究的成果。
1.1知识图谱的架构
知识图谱包括逻辑架构和技术架构2部分，如图1所示。知识图谱的技术架构分为数据获取、知识获取、知识融合及知识推理4个部分，其中虚线框内的部分为知识图谱的构建过程，同时也是知识图谱更新的过程。从公开的文献中可查到，知识图谱可通过自顶向下和自底向上的方式构建。借助结构化数据源（如百科类网站等），从质量较高的数据中提取出本体和模式，加入知识库中，该种方式即为自顶向下的构建方式；借助相关的技术（如机器学习等），从公开的数据中提取出模式，并借助人工审核的力量，选择置信度高的新模式加入知识库中，该种方式即为自底向上的构建方式。
1.2知识图谱的应用
从当前比较成熟的应用来看，知识图谱在“知心”等智能语义搜索，GoogleNow、AppleSiri等个人助理，IBMWatson、WolframAlpha等深度问答系统中得到了广泛的应用，且相关的技术也越来越成熟。另外，在垂直领域（如公安、金融、工业及医疗等行业），知识图谱也得到了广泛的应用。
2航天装备质量管理知识图谱构建的必要性
基于知识图谱在数据处理、信息处理、知识融合及知识处理过程中的优势，结合航天装备质量管理中数据多而散、数据孤岛多、语义理解较难及数据更新快的特点，建立基于知识图谱的航天装备质量管理体系就显得尤为重要，以下从4个方面进一步详述其必要性。
2.1整合大量分散孤立质量数据的需要
当前的航天装备研制基本上采用了基于计算机系统和计算机软件的研制模式，在该过程中产生了大量的数据，大多都以文本的形式被保存，而且在航天装备研制过程中产生的质量问题也大多以文本的形式保存。利用知识图谱技术，可以将信息在语义层面上进行整合，从而支撑航天装备质量问题“三想（预想、回想、联想）”管理模式的高效运行。
2.2计算机理解质量语义的需要
将质量数据的自然属性和社会属性转化为计算机能够理解的语言是数据智能化的关键步骤，也是计算机理解质量数据语义的基本需求，从本质上来讲，就是建立质量数据的主体、场景、行为、情感等要素的模型。传统的语义分析需要质量领域的知识库作为支持，而采用知识图谱技术则可利用三元组将不同实体之间的语义关系显性化，数据中的概念与概念之间的关系可被清晰地表达出来，巧妙地避过了传统语义方法对知识库的需求，将极大提升语义查询的能力。
2.3语义层面关联质量数据的需要
将质量数据的自然属性和社会属性转化为计算机能够理解的语言之后，还需要对两者之间的复杂关系进行建模，主题、形式、属性链接相关质量数据。选择以知识图谱为基础构建数据模型，是因为在时空关联分析、逻辑关联分析、语义相似性搜索、数据世系管理与分析、数据溯源与核查等方面采用传统数据模式不能够得到很好的支持。
2.4挖掘关联质量数据中新知识的需要
航天装备质量管理，最关键的是提前发现问题，并且能够举一反三。因此，对航天装备质量数据的处理和挖掘，就需要从知识和数据中洞察真相，进行因果推理和规律探寻，并建立模型。通过证据链拟合，对事件发生和演变的过程进行反演；通过因果推理，揭示事件间的因果关系；通过模式识别、可视化分析等方法揭示潜在规律或行为模式[3]。
3航天装备质量管理知识图谱建设的方法和步骤
知识图谱是基于图、由节点和边组成的数据结构，其本质上是语义网络[4]。与现实世界对应起来看，现实中的“实体”则由知识图谱的每个节点表示，现实中实体与实体之间的“关系”则由知识图谱中的每条边表示。从“关系”的角度去分析问题是知识图谱的一大特点[5]。实体可进一步延伸为若干个属性来表示，因此实体的属性可以将不同的实体关联起来。
3.1本体构建
在建立航天装备质量管理知识图谱之前，有必要对“航天装备质量管理知识图谱是什么”进行简单的描述。航天装备质量管理知识图谱就相当于将各个型号产生的质量数据作为实体，实体与实体之间通过专业、型号、系统等关系进行连接，形成虚拟的型号总质量师的大脑。理论上可以充分地挖掘质量管理各个业务场景里的数据，并作出合理判断。如航天装备研制过程中累计产生的上亿条质量管理记录、几百万条各类标准、大量故障案例，除客观的数据之外，还应定义一定等级细粒度的情感分析等。通过质量管理知识图谱希望能够充分挖掘出这些元素之间的关联，构建出一个知识的大脑，用它来提供更加智能的服务和决策。建立覆盖各类航天装备质量问题、参研人员和航天装备研制过程的航天装备质量管理知识图谱，支撑各类质量管理业务，是本研究的主要目的。由于无法轻易改变目前航天企业按照业务系统要求设计的业务数据库，质量管理知识图谱只能立足当前业务数据库的基本状态来设计。图2所示的方式就是利用机器学习等方法，通过本体映射，从结构化、半结构化、非结构化数据库中抽取本体及本体之间的关系，进一步抽取形成本体元模型[6]。业务数据、本体知识、本体元模型按抽象层级依次提升。在业务数据库中，数据多为实体关系型，如控制系统失效故障，问题定位存储模块，问题原因存储芯片虚焊。本体映射后，本体知识为控制系统失效故障本体，存储模块、芯片虚焊等为故障的属性。原数据抽取后，本体元模型为系统故障，包含分系统、模块等属性，系统故障可分为结构系统故障、控制系统故障、发射支持系统故障、动力系统故障等。本体元模型是对客观世界存在的系统描述，包括人员、活动、资源和能力4个元模型与其之间的关系。通常来说，概念、关系、函数、公理和实例是本体的主要建模语言。图3所示为航天装备质量管理的本体元模型库构建过程，概念及属性描述可从本体知识库中提取，以保证本体元模型与本体知识的一致性为目的，明确概念之间的关系及相应的公理、规则描述，建立与本体知识库之间的实例映射。航天装备质量管理本体知识库是对涉及航天装备研制领域中实体的抽象，涉及航天装备研制中的科学技术、管理经验、实施条件及与之相关的社会体制、人员关系等，在知识库中按照一定的逻辑关系存在，在本体描述的框架范围内形成了一个整体并不断更新。本体的建立根据实际的数据状态，经过实体映射、概念抽取、属性定义、实体关联、实体消歧及本体校验等过程，从结构化、半结构化和非结构化的数据库中抽取[7]。航天装备质量管理业务数据库是实际业务活动中产生或所需的数据库，是对航天装备质量管理过程中实体和活动关系的描述。航天质量管理数据库包括内部数据库和外部数据库2种，内部数据库为航天装备研制中的质量问题数据库、航天装备研制科学技术数据库、标准数据库、供应链数据库等；外部数据库为公开的自然科学数据库、标准专利数据库等。
3.2架构设计
以提升航天装备质量管理能力为目标，围绕航天装备质量管理知识图谱的构建，开展航天装备质量管理知识图谱架构设计。
1）系统架构
系统架构由基础层、逻辑层和应用层构成，如图4所示。基础层即资源层；逻辑层为计算机底层处理程序，包括一些先进的计算算法及与之相关的知识推理过程；应用层为人机交互界面，即根据不同的需求提供由算法和推理过程得出的结果。
2）业务架构
基于知识图谱的航天装备质量管理业务模型是基于上述的质量管理业务数据库、本体知识库、本体元模型库等，通过先进计算算法和知识推理，形成支撑航天装备质量管理业务需求的业务实体、本体及其关系构建的知识图谱。在型号“两总”和技术人员对相关质量问题或疑似质量问题进行分析或决策时，基于图谱进行知识检索、推理和业务规划，推送可能的结果。
3）技术架构
航天装备质量管理技术架构主要包括知识图谱构建技术、知识服务技术、知识应用技术。知识图谱的构建是开发航天装备研制过程中产生的资源的过程，知识服务是根据开发出来的资源，为更好开展当前工作提供帮助的过程，知识应用是根据现有资源和未来需求，为型号研制和技术决策提供预测参考的过程。这3个过程通过相互协作，共同构成完整的知识图谱总体框架。
4）数据架构
按照数据层次结构，可将航天装备质量管理数据架构分为本体元模型、本体知识和业务数据3层。本体本身及本体与本体之间一般会存在一定的关系，如属性、实例、类属、因果、对等、背景、层次等。在本体知识库中，概念与实体之间可能存在指导、举一反三、评价准则、问题关联等关系。
4建立航天质量管理知识图谱的建议及措施
目前，知识图谱的架构已基本完善，特别是在部分垂直领域，知识图谱的发展已经相对比较成熟，在航天装备质量管理知识图谱的建设过程中可以借鉴使用。但是，航天工程是一个复杂的巨系统，质量管理又居于重要的位置，要在这个巨系统中引入新的事物，需要综合协调各方面的接口和条件。一方面需要在各个系统加大宣传，从思想上使管理人员和技术人员了解基于知识图谱的质量管理方法的先进性；另一方面，从技术上做好储备，包括数据的采集、人才队伍的培养、信息化基础设施建设等，为质量管理方式的转型奠定基础。
4.1从源头抓起，重视数据的采集与积累
在知识图谱的研究过程中，数据的预处理是必须要进行的一步。由于在以往的型号研制中，对数据的重视程度不一致，型号研制数据格式和采集标准不统一，导致数据可用性差。同时，大多数的数据来源于型号研制一线，在高密度、高强度发射任务的驱动下，无法抽出专门的时间来研究数据的问题。因此，在后续的工作中，建议从源头抓起，统一规划，在数据提取时对数据进行结构化，为后续数据预处理提供方便。
4.2加大复合型知识图谱人才队伍建设
在目前的模式下，一切工作都围绕型号研制开展，型号研制部门和信息化支撑部门从业人员知识结构多元化、人员种类多样化，知识图谱专业人才缺乏。知识图谱的构建是一项专业性要求较高，多专业合作的过程，不仅要对型号研制工作熟练、而且对计算机和数据处理要有较高的水平。因此，在后续工作中建议与高校等专业机构开展密切合作，培养一批复合型知识图谱人才，为航天装备研制模式的转型提前蓄能。
4.3加强信息化的基础设施建设
信息化是开展知识图谱研究的必要条件，没有健全的基础设施，就不能说是信息化，知识图谱更是无从谈起。尤其是航天信息化支撑单位，针对内外部数据的不同特点，要从顶层做好规划，统一格式、统一标准，使得数据真正变为一种资源，为知识图谱构建奠定最坚实的基础，在确保航天装备成功中发挥独特的作用。
4.4做好人才和技术准备工作
管理的问题归根到底是人的问题。基于知识图谱的质量管理方法同样也离不开人。因此，需要提前做好人才的储备工作，抓好两头，为新的质量管理方法的运行做好准备。其中一头是技术人员，航天装备质量数据追根溯源都来自于技术人员，因此首先要提升技术人员的对知识图谱的理解和掌握能力，确保数据的采集所采为所用。另一头是管理人员，数据资源的建设与管理对管理人员的管理方式提出了极大的挑战，同时也提出了新的要求。目前的管理人员大多数没有经历过大数据的专项培训，在以往的经历中也极少涉及，因此管理人员要真正地转变思路、与时俱进，及时跟进相关专业的发展动态。
5结束语
近年来，人工智能对航天领域的影响正在逐步上升，我国的航天科技经历了从军队到工业部再到国有企业的转换，管理方法相对比较僵化，特别是在质量管理方面，离智能化还有一定的距离。因此，在航天装备质量管理中，可以借助航天系统中的研制数据知识库、标准知识库、质量问题知识库等，丰富和发展质量管理知识图谱。研制数据知识库，可以全面了解并掌握型号研制过程中的一切活动，提高质量管理关键控制点的准确性；标准知识库，结合航天装备研制流程，以标准驱动型号研制、以标准保障质量放行。基于知识图谱支撑的航天装备质量管理模式，在大幅提升型号“两总”对型号质量把控能力的同时，会支撑“两总”找出更多的质量管理薄弱点，降低航天装备质量问题的发生，进一步提升航天装备的可靠性和成功率。然而，知识图谱的发展时间较短，基础理论和基础方法还不完善，本体构建、实体消歧等知识图谱构建的关键技术还需投入大量的精力进行攻关，当前知识图谱的应用领域还相当的有限，特别是作为复杂系统的航天科技工业系统，知识图谱的应用之路还很长，需要更多的研究力量共同努力探索。
参考文献
[1]袁凯琦，邓扬，陈道源，等.医学知识图谱构建技术与研究进展[J].计算机应用研究，2018，35（7）：15-22.
[2]徐增林，盛泳潘，贺丽荣，等.知识图谱技术综述[J].电子科技大学学报，2016，45（4）：589-606.
[3]刘峤，李杨，段宏，等.知识图谱构建技术综述[J].计算机研究与发展，2016，53（3）：582-600.
[4]杨萌，张云中.知识地图、科学知识图谱和谷歌知识图谱的分歧和交互[J]．情报理论与实践，2017，40（5）：122-126．
[5]李涛，王次臣，李华康.知识图谱的发展与构建[J].南京理工大学学报（自然科学版），2017，41（1）：22-34．
[6]周丽娜，马志强.基于知识图谱的网络信息体系智能参考架构设计[J].中国电子科学研究院学报，2018，13（04）：378-383.
[7]年志刚，梁式，麻芳兰，等.知识表示方法研究与应用[J].计算机应用研究，2007，24（5）：234-236.
作者:蔡亚楠 汉鹏武 韩文博 王永明 单位:中国运载火箭技术研究院 中国科学院空间应用工程与技术中心 国防科技大学系统工程学院
