河北鑫达集团钢铁有限公司 河北唐山 064400
摘要：现阶段，在实际的生产制造过程中，金属切削加工相关知识的运用较为常见，加强这方面的研究，对于进一步提高生产水平有帮助。针对制造型企业普遍存在无法深度利用散布在各应用系统中的金属切削加工数据资源问题，本文提出通过建立金属切削加工知识图谱的途径，实现切削加工数据全面融合，提升数据的价值密度。
关键词：金属切削加工；知识图谱；智能制造
1、金属切削加工表面缺陷生成机理概述
缺陷形成的原因复杂多样，近年来国内外学者对金属加工表面缺陷产生的原因进行大量的研究。磨削加工所产生的磨削热会使工件表面产生裂纹，这种裂纹只发生在工件表面，与淬火产生的裂纹明显不同。加工表面主要存在两种缺陷：裂纹和撕裂，通过分析得出裂纹的形成主要与ＤＡ７１８合金组织中的ＴｉＣ／ＮｂＣ碳化物有关，撕裂形成的主要原因是复合碳化物的富Ｎｂ区域与环境（来自空气的氧）相互作用，在表面上进一步形成低强度氧化层造成的[1]。而残留高度和应变大小会影响工件表面测流条纹的宽度，工件表面出现不同形态的微裂纹主要有两方面原因：其一，不同的晶体结构导致在切削时出现了不同的裂纹扩展机制；其二，受切削时产生的机械应力和热应力耦合作用。
2、金属切削加工过程知识类型
先构建TBox，再建立ABox。金属切削过程就是用刀具在机床上从工件表面切去多余的金属，形成已加工表面的过程，也是工件的切削层在刀具前面挤压下产生塑性变形，形成切屑而被切下来的过程。一方面，随着切削过程的发生和发展，形成了许多物理现象，企业和高校的研究人员已总结形成了一整套关于金属切削过程中的基本物理现象及其变化规律，本文将这些物理现象及其变化规律称为事实性知识。事实性知识对保证加工质量、提高生产率、降低成本和指导生产实践有着十分重要的意义[2]。另一方面，随着信息化的建设，ERP、CAPP、CAM、MES等各种系统在企业得到广泛的应用，企业已积累大量实际产品制造过程中的切削加工数据，这些数据是企业的宝贵资源，对指导生产和决策亦有重要的作用，本文将这些数据称为过程性知识。事实性知识和过程性知识紧密关联，且可相互转换，如图1所示。本文将用Protégé软件对这两种知识类型进行OWL本体建模。
.png)
图 1 金属切削加工知识类型
3、知识图谱数据生成和融合
金属切削知识图谱的本体模式层，即TBox构建完成后，接下来就需要构建ABox，即按照本体模式，生成三元组形式的数据。目前，同其它机械制造型企业一样，HF公司已运行多种应用系统，如ERP、CAPP和MES，与切削加工相关的数据散布在这些系统中，且彼此隔离，形成了一个个的数据孤岛。这些数据均存放在关系型数据(如Oracle和MSSQLServer)中，都是知识图谱的重要数据源。因此，将多源数据按照本体模式集成和融合是建立金属切削知识图谱的关键技术之一。
3.1数据集成架构的建立
Ontology-Based Data Access(OBDA)是在构建本体的基础之上，通过定义本体与关系数据库表模式之间的映射关系来访问多数据源的数据[3]。Ontop是目前成熟的、开源的基于OBDA架构的一个软件平台，支持W3C推荐的所有关于OBDA标准：OWL2QL，R2RML，SPARQL，SWRL以及后向推理等。本文基于Ontop建立数据集成框架，以此形成金属切削知识图谱的三元组。具体步骤包括：步骤1DataSourceManager通过JDBC与各种关系数据库连接；步骤2制定包括mappingid，source和target的一个或多个Mappingaxiom。其中，mappingid是一个字符串用于标识axiom，source是一条针对关系型数据库的SQL查询语句，target是一个三元组的模版，通过占位符与SQL语句中的列名关联；步骤3映射形成的虚拟三元组通过Ontop API接口访问，既可通过SPARQL查询语言得到虚拟的RDF图，也可以将数据实例化为具体的三元组，进而存储到图数据库中。表1列出的是oracle数据库中代表切削加工的视图中的部分示例数据，反映了“工序-刀具-机床-结构特征”之间的关系。其中，id字段代表工序号，equipmenttype表示机床，Compid表示刀具，work_type_name表示工件结构形状。
表1 部分 oracle 视图数据
.png)
生成三元组的过程如下：
(1)通过JDBC建立与Oracle的连接。下面示例连接的主机地址是192.168.1.114，oracle实例是orcl，用户名是tms，用户密码是123。jdbc.url=jdbc\:oracle\:thin\:@//192.168.1.114\:1521/orcl
jdbc.driver=oracle.
jdbc.driver.Oracle Driverjdbc.user=tms
jdbc.name=3f328f7f-f4ed-4028-a829-d8dd24d9389c
jdbc.password=123
(2)设计Mappingaxiom，这一步是关键，本例建立了4个映射关系，如表4所示。其中，“:”代表命名空间http://scu.edu.cn/tooling#，IRI“:工序-{id}”将由oracle中的数据构造，{id}代表SQL语句中字段id的值。同样地，“:{work_type_name}”、“:{equipmenttype}”和“:刀具-{compid}”分别由各自SQL语句中对应的字段值构造。
(3)编程调用Ontop API，生成三元组。目前，已将HF公司刀具、机床、工件、材料和刀具配送方面的数据转换生成大约40多万条三元组。
3.2数据融合算法的确定
前面数据集成的一个重要任务是将来自不同数据源的同一客观实体（如刀具、机床和工件）的数据融起来，以保证知识图谱数据的准确性和一致性。然而，在多源数据的集成过程中，不同应用系统大多来自不同的软件供应商，对客观实体的编码体系往往有很大的差别[4]。因此，很难通过编码来判断是否是同一个实体。基于此，本文采用计算属性相似度的方法来进行实体的对齐。由于描述刀具、机床和工件属性的字符多为短文本，而Jaccard系数和Levenshtein最小编辑距离均适合计算短文本的相似度。因此，本文采用二者相结合的方式确定实体的等价性，以提高准确性。
3.3知识存储系统确定
本文采用图数据库Neo4j作为存储系统。Neo4j是一个高性能的NOSQL图形数据库,它将结构化数据存储在图上而不是表中。其基元是节点、关系以及属性。节点可以有零到多个属性，这些属性以key-value对的形式存在，不同类型的节点通过标签来识别。Neo4j提供Cypher语言实现对图数据库的高效查询。然而，基于OWL本体模型的三元组“Subject-Predicate-Object”与Neo4j的“node-Relation-node-Property”是有差异的。例如，前者描述关系的对象属性不允许有数据属性，而后者可以。
结论：
本文提出采用建立金属切削加工知识图谱的方法解决制造业切削数据资源利用价值低的问题。通过加强这方面的研究，对于制造加工水平的进一步提升，有重要的帮助。
参考文献：
[1]吕明航,李安海,吕豪剑,葛德俊.金属切削加工本构模型研究进展[J].金刚石与磨料磨具工程,2019,39(03):75-80.
[2]张娜.论述金属切削加工精度的工艺与方法研究[J].世界有色金属,2019(08):293+295.
[3]达世亮.新能源汽车发展对金属加工行业的影响[J].汽车工艺师,2018(02):43-45.
[4]李云艳.金属切削加工表面质量的影响因素分析[J].中国新技术新产品,2016(17):80-81.