導讀：知識圖譜是認知智能的核心技術，是企業(yè)獲得持續(xù)競爭優(yōu)勢的關鍵技術。而產品質量和生成可靠性是智能制造的生命線，F(xiàn)MEA是質量和可靠性工程的關鍵方法。知識圖譜和 FMEA 的融合所爆發(fā)的能量是保障企業(yè)贏得市場的制勝法寶。本文作者以十多年人工智能從業(yè)實踐經驗，從半導體、高端醫(yī)療器械、汽車工業(yè)、新能源、雙碳等領域的實戰(zhàn)出發(fā)，詳細剖析 FMEA 知識圖譜。
今天的介紹會圍繞下面五點展開：
- 達觀數(shù)據(jù)簡介
- FMEA知識圖譜誕生背景
- FMEA簡介
- FMEA知識圖譜的構建與應用
- 總結
01
達觀數(shù)據(jù)簡介
達觀數(shù)據(jù)是專注于自然語言處理、知識圖譜、RPA等領域的國家級高新技術企業(yè)，被評選為工信部“專精特新”企業(yè)和“科技小巨人”企業(yè)，連續(xù)3年入選中國人工智能50強企業(yè)。
曾榮獲中國人工智能最高獎“吳文俊人工智能獎”，中國互聯(lián)網創(chuàng)新大賽全國總冠軍，多次摘取ACM國際算法競賽冠軍榮譽，國內同行業(yè)唯一通過國際軟件成熟度最高等級CMMI5認證的企業(yè)。
擁有100多項技術發(fā)明專利和軟件著作權，2項PCT國際專利，2本技術專著和眾多科研論文，已與三所中國知名大學建立聯(lián)合實驗室。
本次分享的演講者，達觀數(shù)據(jù)副總裁王文廣所寫的書籍《知識圖譜：認知智能理論與實戰(zhàn)》由博文視點出版，對知識圖譜和認知智能感興趣的朋友歡迎購買。
—
02
FMEA知識圖譜誕生背景
1. 光刻機與芯片制造
光刻機是芯片制造的核心裝備，采用類似照片沖印的技術，把掩膜版上的精細圖形通過光線的曝光印制到硅片上。該工程領域屬于國內工程領域中被發(fā)達國家“卡脖子”的幾大領域之一。
上圖展示了來自于ASML公司的一種產品的說明圖：光束通過多層反射，最終精確地將圖像印制到指定的硅片上，完成光刻。對于其精度要求之高，可以用一個形象的例子類比——假如從上海發(fā)射一束光到南京指定的某個點，光束的誤差要控制在1cm以內。
而作為芯片生產流程中最復雜、最關鍵的步驟，光刻工藝難度最大、耗時最長，芯片在生產過程中一般需要進行20~30次光刻，總工序多達3000個，耗費時間約占整個硅片工藝的40 60%，成本極高，約為整個硅片制造工藝的1/3。
上圖展示了1999年之前ASML精度為180μm的光刻機的制造工序圖，可以看出工序已經如蜘蛛網般復雜（近期臺積精度光刻機的精度可達5nm，制造工序會復雜數(shù)倍）。保證所有的工序都要達到足夠高的準確度，這樣才能保證最終產品的良率，復雜的工序會導致誤差的指數(shù)級增長（指數(shù)魔力或指數(shù)詛咒）。
以臺積電為例，臺積電造的每一顆芯片需要經過近3000道工序才能完工，而這其中需要利用大量的半導體設備，并一直維持恒溫、高壓等各種復雜環(huán)境。
而在芯片生產的過程中，如果這3000道工序的可靠性都只有99.99%，那么最終的良率其實只有不到75%；對于臺積電這種規(guī)模的企業(yè)來說，成本的浪費是巨大的、不可接受的。因此，為了實現(xiàn)合理的產品良率，需要保證每一道工序的可靠性都在99.999%以上。
2. 手機芯片制造
大多數(shù)的工程制造領域其實并沒有達到像最先進的芯片制造這樣級別的工序復雜程度和成品精度要求；但是對于現(xiàn)代各項“高精尖”技術，每一道工序的開展，每一個產品的制造，仍然具備相當程度的復雜度，以及各類產品獨特的要求。
以手機電芯為例，僅僅是作儲能用途的電芯，都需要超過20多道的工序才能完成制造。因此，每一道工序的可靠性要保證在99.9%以上，才能達到可接受的良率水平。
3. 質量與可靠性工程
縱觀在整個制造業(yè)，特別是高端制造業(yè)中，有一句名言：產品質量與生產可靠性是制造業(yè)的生命線。產品制造如同攀巖，在任何一個地方出現(xiàn)微小的疏忽和差池，都可能導致產品質量不過關，進而導致產品在市場上失去競爭力。
事實上，在我國中央政府發(fā)布的中國制造2025綱要中，對產品質量部分作出了特別的強調，要求在2025年之前實現(xiàn)高端產品的研發(fā)，并打造質量控制技術，以保證生產制造過程中的可靠性。
4. 知識沉淀的重要性
多項相關研究報告表明，保證產品質量和生產可靠性的核心在于知識。
（1）案例1：AIAG
以AIAG為例，AIAG（Automotive Industry Action Group，汽車工業(yè)行動小組）是由美國三大汽車公司通用、福特和克萊斯勒共同創(chuàng)建，為汽車整車制造商和零部件供應商提供了一個唯一的平臺以共同處理和解決影響全球汽車供應鏈的問題，在整個汽車產業(yè)鏈里影響力巨大。
AIAG和德勤合作，對該組織內的OEM和供應商調研并發(fā)布了《質量2020》的調研報告，反映了當下汽車質量控制管理工作中存在的困難和改善行動的方向。
① 解決問題能力參差不齊
- 64%的員工認為他們只有適當?shù)哪芰θヌ幚砣粘９ぷ髦杏龅降膯栴}。
② 知識沉淀、應用和共享不足
- 68%的員工認為FMEA是有效的將行業(yè)知識保存和傳遞的方法。
- 67%的員工認為電子文檔的存儲和檢索可以有效地利用知識。
- 54%的員工認為數(shù)據(jù)庫可以為知識的利用過程提供幫助。
③ 知識經驗丟失風險大
- 95%的員工認為專業(yè)知識、行業(yè)經驗的丟失會給企業(yè)經營帶來風險。
④ 防止經驗丟失難度高
- 92%的員工認為很難降低因專業(yè)知識、行業(yè)經驗的丟失而給企業(yè)帶來的風險。
以上調查結果體現(xiàn)出知識所產生的巨大價值，為我們利用知識圖譜解決相關問題提供了非常好的背景和契機。
（2）案例2：臺積電
作為半導體行業(yè)的頭部企業(yè)之一，臺積電近年來持續(xù)強化品質文化，在提升產品品質與可靠性方面制定了明確的目標計劃，品質改善帶來的效益也驗證了質量控制管理的價值。在企業(yè)社會責任報告中特別提到質量和可靠性方面的工作：2019年企業(yè)通過專家經驗改善了制造工藝，短短1年時間，就帶來了超過200億新臺幣（約46億人民幣）的價值。
① 改善案例數(shù)量
- 臺積電2019年品質改善案例實際件數(shù)高達49356件。
② 改善案例效益
- 2019年因品質改善創(chuàng)造效益高達150億臺幣（約人民幣34.45億）
- 12寸晶圓出貨目視檢查人員生產力達每人每月5258片。
從臺積電的案例可以看出，通過產品品質和可靠性方面的知識應用，僅僅一年時間就帶來質量的顯著提升，從而帶來可觀的收益。對于高端制造企業(yè)，知識就是競爭力，占有知識就相當于占有競爭力。
（3）FMEA工具的引入
通過AIAG和臺積電這兩個案例可以看出，高效的失效分析、預防是品質控制的重點。建立資料信息關聯(lián)，提升資料獲取即時性，失效分析結果及時反饋設計端，能夠有效改善制程缺陷與良率，降低可靠性風險。強化資料與制造環(huán)節(jié)的聯(lián)動，提示信息變更影響，能夠降低變更錯誤或不一致造成的品質風險。
特別地以臺積電案例為例，參考企業(yè)年報可以看出該企業(yè)對失效分析方面的知識沉淀所做的工作：
① 失效分析&持續(xù)改善
- 失效分析是制造和售后環(huán)節(jié)的品質管理中最重要的工作，其效率和準確性直接影響制造周期、產品良率和客戶滿意度
- 打破資料孤島現(xiàn)象，自動收集全面的關聯(lián)資料，總結相關歷史失效分析經驗，引導工程師分析失效根因，推薦失效改善方法
② 失效預防FMEA
- FMEA-潛在失效模式及后果分析，在產品設計和過程設計階段指導失效預防，以提高產品的質量和可靠性。
- 內容繁雜，制作周期長，人才經驗要求高。
- 自動收集失效模式及相關信息生成初始FMEA，關聯(lián)失效分析經驗推送新知識，促進FMEA完善。
由此可以看出，在實現(xiàn)失效預防這一過程中，F(xiàn)MEA功不可沒。實際上，在臺積電案例中，因質量改善帶來的200億新臺幣中，至少100億收益都和FMEA有關系。
—
03
FMEA簡介
1. 什么是FMEA
FMEA（Failure Mode and Effects Analysis，潛在失效模式及后果分析），起源于NASA的火箭發(fā)射，由于火箭發(fā)生失敗的成本極高，導致必須在火箭發(fā)射之前，盡可能地解決所有可能引起火箭發(fā)射失敗的問題。將所有和失效相關的原因都處理到位，可以認為所有的失效都不會發(fā)生，進而極大地提高火箭發(fā)射的成功的概率。
火箭發(fā)射畢竟還是少數(shù)，F(xiàn)MEA的大規(guī)模應用主要在汽車工業(yè)中。汽車工業(yè)是近現(xiàn)代制造業(yè)中影響范圍最廣的行業(yè)之一。大約在上世紀八十年代，F(xiàn)MEA在以福特汽車為核心的汽車產業(yè)中得以推廣；此外，日本的本田、豐田等汽車企業(yè)提出了“精益制造”這一方法，F(xiàn)MEA隨后成為精益制造的核心環(huán)節(jié)之一。
在現(xiàn)在的大型制造業(yè)，特別是智能制造、高端制造中，F(xiàn)MEA被廣泛采用，包括芯片制造、新能源、醫(yī)療器械、高端裝備、航空航天等行業(yè)。
FMEA旨在產品設計、過程設計等階段，對構成產品的子系統(tǒng)、零部件、工藝工序逐一進行分析，找出所有潛在的失效模式，并分析其可能的后果和產生的原因，從而預先采取必要的措施，以提高產品的質量和可靠性的一種系統(tǒng)性活動?？梢哉J為，F(xiàn)MEA是保證產品質量和生產過程可靠的“疫苗”。
FMEA可以通過很多工具實現(xiàn)，比如上圖使用了最原始的Excel/Word等工具實現(xiàn)。目前也存在一些基于FMEA方法論開發(fā)的系統(tǒng)，包括很多可靠性工程的軟件，都會包含F(xiàn)MEA相關的模式。
2. FMEA相關標準
FMEA相關模式和實現(xiàn)方式千千萬萬，為保證FMEA的有效實現(xiàn)，汽車、航空航天、核電、軸承制造等多個行業(yè)均制定了相關的標準和規(guī)范。下圖粗略整理了常見行業(yè)的FMEA標準。
可以看出，大部分行業(yè)都非常重視FMEA，而且FMEA的應用行業(yè)非常廣泛。此外，F(xiàn)MEA在整個產品的全生命周期中都會用到，包括需求分析、功能規(guī)劃、研究設計、生產制造、售后服務等各個方面。
3. FMEA與人工智能的結合
FMEA應用廣泛、方法完善、工具豐富，但是傳統(tǒng)的FMEA并沒有很好地利用人工智能技術。21世紀初隨著深度學習的迅速發(fā)展，認知智能也得到了很大程度的發(fā)展，知識圖譜已經進入工業(yè)化大規(guī)模應用的階段，因此將人工智能技術與FMEA方法結合，利用知識圖譜和人工智能技術、認知智能技術來構建FMEA知識圖譜，以幫助我們更好地為制造業(yè)“打疫苗”。
—
04
FMEA知識圖譜的構建與應用
1. 知識圖譜簡介
知識圖譜是知識的最佳組織形式，是人類和機器都能便捷使用的一種結構。目前知識圖譜技術已經日趨成熟，在智能問答、推薦系統(tǒng)等領域均得到了大規(guī)模有效的應用。
因此，我們致力于結合知識圖譜與FMEA來賦能制造業(yè)可靠性工程的智能化。從小的角度來說，可以為每一家制造類型的企業(yè)，在提升產品質量、提升生產制造的可靠性方面提供幫助；從大的角度來說，這是中國從制造大國走向制造強國所必須要做的事情。
2. 達觀淵海知識圖譜平臺
達觀數(shù)據(jù)自主研發(fā)的淵海知識圖譜平臺，已經在金融、地產等行業(yè)得到了廣泛的應用，可用于輿情分析、軍工情報等諸多場景。該平臺具備強大的能力賦能各行各業(yè)智能化轉型，為FMEA知識圖譜提供了良好的基礎。
達觀淵海知識圖譜平臺具備以下優(yōu)點：
① 數(shù)據(jù)管理能力
- 支持結構化數(shù)據(jù)和非結構化數(shù)據(jù)的管理。
- 支持MySQL、PostgreSQL、達夢、CSV、Excel等多種數(shù)據(jù)源。
- 支持通過達觀RPA與其他系統(tǒng)的無縫無侵入的數(shù)據(jù)對接。
② 多圖譜管理能力
- 支持創(chuàng)建、修改和刪除任意多圖譜，支持圖譜的有不同的模式。
- 支持按圖譜進行數(shù)據(jù)源、功能、算法、模型和權限管理等。
- 多圖譜的權限管理。
③ 強大的圖譜構建和編輯能力
- 支持從結構化數(shù)據(jù)源構建和融合知識圖譜。
- 支持從非結構化數(shù)據(jù)進行標注、訓練、評估等完整的知識抽取與融合。
- 支持對圖譜實體和關系數(shù)據(jù)的增刪改查，實現(xiàn)可持續(xù)的運營。
④ 強大的算法能力和豐富的應用
- 支持豐富的基于深度學習、遷移學習的應用，如智能問答、輔助決策。
- 支持基于圖算法的應用，基于Spark GraphX等實現(xiàn)大規(guī)模的圖計算。
- 強大的可視化分析和友好的人機交互方式。
⑤ 完整的權限設置
- 基于RBAC的強大的用戶權限控制體系，支持基于組織架構的權限。
- 支持基于功能的權限管理。
- 支持基于數(shù)據(jù)的權限管理。
⑥ 服務周到的定制化開發(fā)
- 根據(jù)需要進行定制化開發(fā)。
- 支持通過RPA定制流程實現(xiàn)全流程的自動化。
- 包括制造業(yè)、金融、財務等多個行業(yè)的業(yè)務專家服務。
3. FMEA知識圖譜的構建
“人機料法環(huán)測”，是制造流程中的幾大重要維度，是故障或者失效分析中的重要因素。以強大的淵海知識圖譜平臺作為基礎，結合FMEA方法論，構建知識圖譜，深度挖掘制造業(yè)中的“人機料法環(huán)測”，建立知識與知識、知識與人、知識與時空的多維連接，從而實現(xiàn)質量與可靠性工程的規(guī)劃、推理與決策模型開發(fā)的應用基礎。
在構建知識圖譜的過程中，會用到多種工具。例如，對知識的加工，以及對數(shù)字的加工處理，會用到實體抽取技術；對知識構建連接，需要結合人工規(guī)則和專家經驗總結等，以及關系抽取、知識融合等技術。
此外，達觀數(shù)據(jù)自行開發(fā)了一項新功能，實現(xiàn)知識點來源的記錄，可以實現(xiàn)對原始文檔的追溯，以實現(xiàn)知識可靠性的驗證。
上圖展示了一個已構建的知識圖譜的簡化版schema，可以看出產品、設備、研發(fā)、生產、管理、售后、售前等各個環(huán)節(jié)都與失效有關。除了常見的“人機料法環(huán)測”等主要維度，故障和失效還與人力資源、成本，以及BOM數(shù)據(jù)產生關聯(lián)；而BOM數(shù)據(jù)則與設計變更、供應商、客戶、營銷等因素可產生進一步的關聯(lián)。在研發(fā)端，研發(fā)的相關知識，包括論文、專利、輿情等，以及競品相關的說明文檔等，都可以與故障和失效進行關聯(lián)，從而全方位地完善FMEA知識圖譜中的核心知識和基礎知識，實現(xiàn)失效知識的融會貫通。
4. FMEA知識圖譜的應用
① 基于知識圖譜和語義理解的失效歸因分析
用戶通過輸入故障/失效現(xiàn)象的描述，后臺連接傳感器或日志內記錄的故障錯誤信息，通過語義理解，從知識圖譜中自動找到最匹配的失效原因，并展示出解決方法和改善措施，協(xié)助現(xiàn)場工程師進行失效歸因分析，從而更快速地處理故障。
② 基于知識圖譜的FMEA輔助制作
在傳統(tǒng)制造業(yè)中，F(xiàn)MEA的制作周期是非常長的：僅僅針對一項工藝，一個產線，或者產品的某一項功能，往往就需要有3-10人團隊，經過少則1個月多則半年的時間，才能完成一份詳盡的FMEA。因此，對于大型制造業(yè)企業(yè)，制作FMEA將會耗費大量的人力和物力資源。
因此，利用平臺中的FMEA輔助制作工具，基于知識圖譜輔助條件篩選，可自動從已構建的知識圖譜中生成FMEA；平臺支持DFMEA（新產品）、PFMEA（新工藝）、MFMEA（新設備）等多種類型的FMEA；工程師可直接在收集整理好的FMEA上進行編輯，可大大縮短FMEA的制作周期，提升了效率，同時實現(xiàn)了對歷史經驗更全面、更充分的利用。
③ FMEA 版本管理和智能比對
FMEA版本管理和智能比對，包括FMEA文檔級版本比對和FMEA條目級版本比對兩部分。在FMEA查詢結果列表下方顯示最新FMEA版本文件，點擊后展示當前FMEA文件所有歷史版本，和前序各版本進行文檔級比對，實現(xiàn)同一個產品零部件FMEA在不同版本的差異化比對；在FMEA查詢結果列表中選擇待比對故障模式，點擊對應條目版本差異化比對，按表單形式展示不同版本該比對條目的差異點并高亮顯示，實現(xiàn)同一個產品/部件FMEA中故障模式的差異化比對；進而可實現(xiàn)知識的融合，以及相同或相似的失效模式的整合和比對。
④ 基于知識推理的新失效模式發(fā)現(xiàn)
基于知識推理技術，從故障分析報告、論文、新聞事件等挖掘新失效模式、新失效原因、新改善措施等，實現(xiàn)現(xiàn)有失效模式的補充和完善，進而補充現(xiàn)有FMEA中遺漏、不完善的地方，幫助企業(yè)對工藝和產品進程持續(xù)地完善和迭代更新，也符合“精益制造”中“持續(xù)改善”這一理念。
5. 可運營可管理的智能制造知識圖譜平臺
對于制造業(yè)來說，知識是不斷更新?lián)Q代的，因此對應的知識圖譜平臺也應該是一個可運營、可管理的平臺。
如果一個知識圖譜不能持續(xù)進行運營管理的話，一段時間后知識會缺失、陳舊，變得無法使用；因此要求平臺除了具備本身的應用功能外，還需要具備管理和運營等功能，包含功能管理、權限管理、模型管理、詞表管理，以及知識圖譜的模式設計、構建管理、內容編輯，以及增刪改查、可視化等功能。
—
05
總結
達觀數(shù)據(jù)依托淵海知識圖譜平臺，打造出面向產品質量和生產可靠性方面的強大的FMEA知識圖譜應用平臺，現(xiàn)已在航空航天、汽車、芯片制造、海洋、電力、能源、醫(yī)療設備、軍工裝備、核工業(yè)等多個行業(yè)得到推廣和應用。有關知識圖譜的歷史、構建技術、存儲技術和應用技術，可參閱王文廣所寫的《知識圖譜：認知智能理論與實戰(zhàn)》一書。
達觀數(shù)據(jù)致力于為高端制造行業(yè)的產品質量和生產可靠性賦能，為打造我國自主研發(fā)的質量技術和質量產品賦能，為智能制造2025賦能！
今天的分享就到這里，謝謝大家。
閱讀更多技術干貨文章、下載講師PPT，請關注微信公眾號“DataFunTalk”。
分享嘉賓：王文廣 達觀數(shù)據(jù) 副總裁
編輯整理：王吉東 昆侖數(shù)據(jù)
出品平臺：DataFunTalk
分享嘉賓：
活動推薦：
關于我們：
DataFun：專注于大數(shù)據(jù)、人工智能技術應用的分享與交流。發(fā)起于2017年，在北京、上海、深圳、杭州等城市舉辦超過100+線下和100+線上沙龍、論壇及峰會，已邀請超過2000位專家和學者參與分享。其公眾號 DataFunTalk 累計生產原創(chuàng)文章700+，百萬+閱讀，14萬+精準粉絲。
歡迎轉載分享評論，轉載請私信。
