利用产品-过程-资源资产知识图谱缓解柔性生产中的非期望工况

由机器人工作单元组成的当代工业信息物理生产系统（CPPS）在分析非期望工况时面临重大挑战，因为工业4.0的柔性化颠覆了传统的质量保证机制。本文提出了一种新颖的面向行业的语义模型，称为产品-过程-资源资产知识图谱（PPR-AKG），旨在分析和缓解柔性CPPS中的非期望工况。该模型建立在源自ISA-95和VDI-3682的成熟产品-过程-资源（PPR）模型之上，通过一个全面的OWL本体解决了传统模型驱动工程在CPPS中的不足，特别是对非期望工况和错误处理表示的不足。语义技术与大语言模型（LLM）的集成，为工厂操作员、生产计划员和工程师提供了直观的界面，使其能够使用自然语言与整个模型进行交互。针对电动汽车电池再制造用例的评估表明，PPR-AKG方法有效地支持了基于显式表示能力的资源分配，以及生产中非期望工况的识别与缓解。主要贡献包括：（1）一个捕获多维生产知识的整体式PPR-AKG模型，以及（2）将PPR-AKG与基于LLM的聊天机器人进行有益结合以实现人机交互。