基于模型的机床故障案例命名实体抽取方法比较研究

机床出现的故障大多都有先例，但故障案例分散，不同工厂又不数据共享且没有标准的数据库管理，以至于对于已有的相似故障，工厂仍需要按照未知故障进行停机维修。因此，急需一套标准服务平台能够集合大量故障案例，同时实现更新维护，增添新故障，以供各工厂做故障参考，尽可能降低维修成本以及时间开销。本文通过将计算机领域较为流行的知识图谱运用到机床故障诊断领域，全面运用机床故障诊断案例知识，构建以故障现象、故障发生原因以及解决方案为核心的机床故障诊断网络，实现快速确认故障发生部位，提供合理的故障解决方案，提高制造业的生产效率。使用爬虫技术获取故障案例数据，采用BIO标注法完成样本标注，分别使用Bilstrm-crf、Vgg16以及Bert模型完成实体抽取任务，并对上述模型准确率从多个角度进行对比，将知识导入Neo4J图数据库并建立针对机床故障的知识图谱，最终实现知识图谱可视化。