導(dǎo)讀：知識圖譜是認(rèn)知智能的核心技術(shù)，是企業(yè)獲得持續(xù)競爭優(yōu)勢的關(guān)鍵技術(shù)。而產(chǎn)品質(zhì)量和生成可靠性是智能制造的生命線，F(xiàn)MEA是質(zhì)量和可靠性工程的關(guān)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(jīng)驗，從半導(dǎo)體、高端醫(yī)療器械、汽車工業(yè)、新能源、雙碳等領(lǐng)域的實戰(zhàn)出發(fā)，詳細(xì)剖析 FMEA 知識圖譜。

今天的介紹會圍繞下面五點展開：

• 達(dá)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(gòu)建與應(yīng)用
• 總結(jié)

01

達(dá)觀數(shù)據(jù)簡介

達(dá)觀數(shù)據(jù)是專注于自然語言處理、知識圖譜、RPA等領(lǐng)域的國家級高新技術(shù)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(qiáng)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(wǎng)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(yù)，國內(nèi)同行業(yè)唯一通過國際軟件成熟度最高等級CMMI5認(rèn)證的企業(yè)。

擁有100多項技術(shù)發(fā)明專利和軟件著作權(quán)，2項PCT國際專利，2本技術(shù)專著和眾多科研論文，已與三所中國知名大學(xué)建立聯(lián)合實驗室。

本次分享的演講者，達(dá)觀數(shù)據(jù)副總裁王文廣所寫的書籍《知識圖譜：認(rèn)知智能理論與實戰(zhàn)》由博文視點出版，對知識圖譜和認(rèn)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(jī)與芯片制造

光刻機(jī)是芯片制造的核心裝備，采用類似照片沖印的技術(shù)，把掩膜版上的精細(xì)圖形通過光線的曝光印制到硅片上。該工程領(lǐng)域?qū)儆趪鴥?nèi)工程領(lǐng)域中被發(fā)達(dá)國家“卡脖子”的幾大領(lǐng)域之一。

上圖展示了來自于ASML公司的一種產(chǎn)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(nèi)。

而作為芯片生產(chǎn)流程中最復(fù)雜、最關(guān)鍵的步驟，光刻工藝難度最大、耗時最長，芯片在生產(chǎn)過程中一般需要進(jìn)行20~30次光刻，總工序多達(dá)3000個，耗費(fèi)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(jī)的制造工序圖，可以看出工序已經(jīng)如蜘蛛網(wǎng)般復(fù)雜（近期臺積精度光刻機(jī)的精度可達(dá)5nm，制造工序會復(fù)雜數(shù)倍）。保證所有的工序都要達(dá)到足夠高的準(zhǔn)確度，這樣才能保證最終產(chǎn)品的良率，復(fù)雜的工序會導(dǎo)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(jīng)過近3000道工序才能完工，而這其中需要利用大量的半導(dǎo)體設(shè)備，并一直維持恒溫、高壓等各種復(fù)雜環(huán)境。

而在芯片生產(chǎn)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(fèi)是巨大的、不可接受的。因此，為了實現(xiàn)合理的產(chǎn)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(jī)芯片制造

大多數(shù)的工程制造領(lǐng)域其實并沒有達(dá)到像最先進(jìn)的芯片制造這樣級別的工序復(fù)雜程度和成品精度要求；但是對于現(xiàn)代各項“高精尖”技術(shù)，每一道工序的開展，每一個產(chǎn)品的制造，仍然具備相當(dāng)程度的復(fù)雜度，以及各類產(chǎn)品獨特的要求。

以手機(jī)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(dá)到可接受的良率水平。

3. 質(zhì)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(chǎn)品質(zhì)量與生產(chǎn)可靠性是制造業(yè)的生命線。產(chǎn)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(dǎo)致產(chǎn)品質(zhì)量不過關(guān)，進(jìn)而導(dǎo)致產(chǎn)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(chǎn)品質(zhì)量部分作出了特別的強(qiáng)調(diào)，要求在2025年之前實現(xiàn)高端產(chǎn)品的研發(fā)，并打造質(zhì)量控制技術(shù)，以保證生產(chǎn)制造過程中的可靠性。

4. 知識沉淀的重要性

多項相關(guān)研究報告表明，保證產(chǎn)品質(zhì)量和生產(chǎn)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(yīng)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(yīng)鏈的問題，在整個汽車產(chǎn)業(yè)鏈里影響力巨大。

AIAG和德勤合作，對該組織內(nèi)的OEM和供應(yīng)商調(diào)研并發(fā)布了《質(zhì)量2020》的調(diào)研報告，反映了當(dāng)下汽車質(zhì)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(rèn)為他們只有適當(dāng)?shù)哪芰θヌ幚砣粘９ぷ髦杏龅降膯栴}。

② 知識沉淀、應(yīng)用和共享不足

• 68%的員工認(rèn)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(rèn)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(rèn)為數(shù)據(jù)庫可以為知識的利用過程提供幫助。

③ 知識經(jīng)驗丟失風(fēng)險大

• 95%的員工認(rèn)為專業(yè)知識、行業(yè)經(jīng)驗的丟失會給企業(yè)經(jīng)營帶來風(fēng)險。

④ 防止經(jīng)驗丟失難度高

• 92%的員工認(rèn)為很難降低因?qū)I(yè)知識、行業(yè)經(jīng)驗的丟失而給企業(yè)帶來的風(fēng)險。

以上調(diào)查結(jié)果體現(xiàn)出知識所產(chǎn)生的巨大價值，為我們利用知識圖譜解決相關(guān)問題提供了非常好的背景和契機(jī)。

（2）案例2：臺積電

作為半導(dǎo)體行業(yè)的頭部企業(yè)之一，臺積電近年來持續(xù)強(qiáng)化品質(zhì)文化，在提升產(chǎn)品品質(zhì)與可靠性方面制定了明確的目標(biāo)計劃，品質(zhì)改善帶來的效益也驗證了質(zhì)量控制管理的價值。在企業(yè)社會責(zé)任報告中特別提到質(zhì)量和可靠性方面的工作：2019年企業(yè)通過專家經(jīng)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(zhì)改善案例實際件數(shù)高達(dá)49356件。

② 改善案例效益

• 2019年因品質(zhì)改善創(chuàng)造效益高達(dá)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(chǎn)力達(dá)每人每月5258片。

從臺積電的案例可以看出，通過產(chǎn)品品質(zhì)和可靠性方面的知識應(yīng)用，僅僅一年時間就帶來質(zhì)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(dāng)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(yù)防是品質(zhì)控制的重點。建立資料信息關(guān)聯(lián)，提升資料獲取即時性，失效分析結(jié)果及時反饋設(shè)計端，能夠有效改善制程缺陷與良率，降低可靠性風(fēng)險。強(qiáng)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(zhì)風(fēng)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(zhì)管理中最重要的工作，其效率和準(zhǔn)確性直接影響制造周期、產(chǎn)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(guān)聯(lián)資料，總結(jié)相關(guān)歷史失效分析經(jīng)驗，引導(dǎo)工程師分析失效根因，推薦失效改善方法

② 失效預(yù)防FMEA

• FMEA-潛在失效模式及后果分析，在產(chǎn)品設(shè)計和過程設(shè)計階段指導(dǎo)失效預(yù)防，以提高產(chǎn)品的質(zhì)量和可靠性。
• 內(nèi)容繁雜，制作周期長，人才經(jīng)驗要求高。
• 自動收集失效模式及相關(guān)信息生成初始FMEA，關(guān)聯(lián)失效分析經(jīng)驗推送新知識，促進(jìn)FMEA完善。

由此可以看出，在實現(xiàn)失效預(yù)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(zhì)量改善帶來的200億新臺幣中，至少100億收益都和FMEA有關(guān)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(dǎo)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(guān)的原因都處理到位，可以認(rèn)為所有的失效都不會發(fā)生，進(jìn)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(yīng)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(jì)八十年代，F(xiàn)MEA在以福特汽車為核心的汽車產(chǎn)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(chǎn)品設(shè)計、過程設(shè)計等階段，對構(gòu)成產(chǎn)品的子系統(tǒng)、零部件、工藝工序逐一進(jìn)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(chǎn)生的原因，從而預(yù)先采取必要的措施，以提高產(chǎn)品的質(zhì)量和可靠性的一種系統(tǒng)性活動?？梢哉J(rèn)為，F(xiàn)MEA是保證產(chǎn)品質(zhì)量和生產(chǎn)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(guān)的模式。

2. FMEA相關(guān)標(biāo)準(zhǔn)

FMEA相關(guān)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(guān)的標(biāo)準(zhǔn)和規(guī)范。下圖粗略整理了常見行業(yè)的FMEA標(biāo)準(zhǔn)。

可以看出，大部分行業(yè)都非常重視FMEA，而且FMEA的應(yīng)用行業(yè)非常廣泛。此外，F(xiàn)MEA在整個產(chǎn)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(shè)計、生產(chǎn)制造、售后服務(wù)等各個方面。

3. FMEA與人工智能的結(jié)合

FMEA應(yīng)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(shù)。21世紀(jì)初隨著深度學(xué)習(xí)的迅速發(fā)展，認(rèn)知智能也得到了很大程度的發(fā)展，知識圖譜已經(jīng)進(jìn)入工業(yè)化大規(guī)模應(yīng)用的階段，因此將人工智能技術(shù)與FMEA方法結(jié)合，利用知識圖譜和人工智能技術(shù)、認(rèn)知智能技術(shù)來構(gòu)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(gòu)建與應(yīng)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(jī)器都能便捷使用的一種結(jié)構(gòu)。目前知識圖譜技術(shù)已經(jīng)日趨成熟，在智能問答、推薦系統(tǒng)等領(lǐng)域均得到了大規(guī)模有效的應(yīng)用。

因此，我們致力于結(jié)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(chǎn)品質(zhì)量、提升生產(chǎn)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(qiáng)國所必須要做的事情。

2. 達(dá)觀淵海知識圖譜平臺

達(dá)觀數(shù)據(jù)自主研發(fā)的淵海知識圖譜平臺，已經(jīng)在金融、地產(chǎn)等行業(yè)得到了廣泛的應(yīng)用，可用于輿情分析、軍工情報等諸多場景。該平臺具備強(qiáng)大的能力賦能各行各業(yè)智能化轉(zhuǎn)型，為FMEA知識圖譜提供了良好的基礎(chǔ)。

達(dá)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(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的管理。
• 支持MySQL、PostgreSQL、達(dá)夢、CSV、Excel等多種數(shù)據(jù)源。
• 支持通過達(dá)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(jìn)行數(shù)據(jù)源、功能、算法、模型和權(quán)限管理等。
• 多圖譜的權(quán)限管理。

③ 強(qiáng)大的圖譜構(gòu)建和編輯能力

• 支持從結(jié)構(gòu)化數(shù)據(jù)源構(gòu)建和融合知識圖譜。
• 支持從非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行標(biāo)注、訓(xùn)練、評估等完整的知識抽取與融合。
• 支持對圖譜實體和關(guān)系數(shù)據(jù)的增刪改查，實現(xiàn)可持續(xù)的運(yùn)營。

④ 強(qiáng)大的算法能力和豐富的應(yīng)用

• 支持豐富的基于深度學(xué)習(xí)、遷移學(xué)習(xí)的應(yīng)用，如智能問答、輔助決策。
• 支持基于圖算法的應(yīng)用，基于Spark GraphX等實現(xiàn)大規(guī)模的圖計算。
• 強(qiáng)大的可視化分析和友好的人機(jī)交互方式。

⑤ 完整的權(quán)限設(shè)置

• 基于RBAC的強(qiáng)大的用戶權(quán)限控制體系，支持基于組織架構(gòu)的權(quán)限。
• 支持基于功能的權(quán)限管理。
• 支持基于數(shù)據(jù)的權(quán)限管理。

⑥ 服務(wù)周到的定制化開發(fā)

• 根據(jù)需要進(jìn)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(wù)等多個行業(yè)的業(yè)務(wù)專家服務(wù)。

3. FMEA知識圖譜的構(gòu)建

“人機(jī)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(qiáng)大的淵海知識圖譜平臺作為基礎(chǔ)，結(jié)合FMEA方法論，構(gòu)建知識圖譜，深度挖掘制造業(yè)中的“人機(jī)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(zhì)量與可靠性工程的規(guī)劃、推理與決策模型開發(fā)的應(yīng)用基礎(chǔ)。

在構(gòu)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(shù)；對知識構(gòu)建連接，需要結(jié)合人工規(guī)則和專家經(jīng)驗總結(jié)等，以及關(guān)系抽取、知識融合等技術(shù)。

此外，達(dá)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(gòu)建的知識圖譜的簡化版schema，可以看出產(chǎn)品、設(shè)備、研發(fā)、生產(chǎn)、管理、售后、售前等各個環(huán)節(jié)都與失效有關(guān)。除了常見的“人機(jī)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(chǎn)生關(guān)聯(lián)；而BOM數(shù)據(jù)則與設(shè)計變更、供應(yīng)商、客戶、營銷等因素可產(chǎn)生進(jìn)一步的關(guān)聯(lián)。在研發(fā)端，研發(fā)的相關(guān)知識，包括論文、專利、輿情等，以及競品相關(guān)的說明文檔等，都可以與故障和失效進(jìn)行關(guān)聯(lián)，從而全方位地完善FMEA知識圖譜中的核心知識和基礎(chǔ)知識，實現(xiàn)失效知識的融會貫通。

4. FMEA知識圖譜的應(yīng)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(nèi)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(jìn)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(chǎn)線，或者產(chǎn)品的某一項功能，往往就需要有3-10人團(tuán)隊，經(jīng)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(fèi)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(gòu)建的知識圖譜中生成FMEA；平臺支持DFMEA（新產(chǎn)品）、PFMEA（新工藝）、MFMEA（新設(shè)備）等多種類型的FMEA；工程師可直接在收集整理好的FMEA上進(jìn)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(jīng)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(jié)果列表下方顯示最新FMEA版本文件，點擊后展示當(dāng)前FMEA文件所有歷史版本，和前序各版本進(jìn)行文檔級比對，實現(xiàn)同一個產(chǎn)品零部件FMEA在不同版本的差異化比對；在FMEA查詢結(jié)果列表中選擇待比對故障模式，點擊對應(yīng)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(chǎn)品/部件FMEA中故障模式的差異化比對；進(jìn)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(shù)，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(bǔ)充和完善，進(jìn)而補(bǔ)充現(xiàn)有FMEA中遺漏、不完善的地方，幫助企業(yè)對工藝和產(chǎn)品進(jìn)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(yùn)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(yīng)的知識圖譜平臺也應(yīng)該是一個可運(yùn)營、可管理的平臺。

如果一個知識圖譜不能持續(xù)進(jìn)行運(yùn)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(yīng)用功能外，還需要具備管理和運(yùn)營等功能，包含功能管理、權(quán)限管理、模型管理、詞表管理，以及知識圖譜的模式設(shè)計、構(gòu)建管理、內(nèi)容編輯，以及增刪改查、可視化等功能。

—

05

總結(jié)

達(dá)觀數(shù)據(jù)依托淵海知識圖譜平臺，打造出面向產(chǎn)品質(zhì)量和生產(chǎn)可靠性方面的強(qiáng)大的FMEA知識圖譜應(yīng)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(shè)備、軍工裝備、核工業(yè)等多個行業(yè)得到推廣和應(yīng)用。有關(guān)知識圖譜的歷史、構(gòu)建技術(shù)、存儲技術(shù)和應(yīng)用技術(shù)，可參閱王文廣所寫的《知識圖譜：認(rèn)知智能理論與實戰(zhàn)》一書。

達(dá)觀數(shù)據(jù)致力于為高端制造行業(yè)的產(chǎn)品質(zhì)量和生產(chǎn)可靠性賦能，為打造我國自主研發(fā)的質(zhì)量技術(shù)和質(zhì)量產(chǎn)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(shù)干貨文章、下載講師PPT，請關(guān)注微信公眾號“DataFunTalk”。

分享嘉賓：王文廣 達(dá)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(guān)于我們：

DataFun：專注于大數(shù)據(jù)、人工智能技術(shù)應(yīng)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(xué)者參與分享。其公眾號 DataFunTalk 累計生產(chǎn)原創(chuàng)文章700+，百萬+閱讀，14萬+精準(zhǔn)粉絲。

歡迎轉(zhuǎn)載分享評論，轉(zhuǎn)載請私信。