一种面向工业决策的约束感知动态证据包构建方法及装置与流程

摘要: 本发明涉及人工智能领域,具体涉及一种面向工业决策的约束感知动态证据包构建方法及装置。背景技术:1、随着工业互联网、工业大数据、数字孪生和大模型智能体技术的发展,...
一种面向工业决策的约束感知动态证据包构建方法及装置与流程

本发明涉及人工智能领域,具体涉及一种面向工业决策的约束感知动态证据包构建方法及装置。

背景技术:

1、随着工业互联网、工业大数据、数字孪生和大模型智能体技术的发展,工业现场的知识供给方式正在由静态文档查询转向面向任务的检索增强生成(rag)。工业智能体在执行异常诊断、工艺优化、能耗调度、质量追溯和预测性维护等任务时,需要从时序数据库、dcs/scada、mes、lims、设备台账、报警日志、sop规程、维护工单、历史案例库、知识图谱、诊断模型和仿真模型等外部数据源获取证据,并基于所述证据生成面向生产运行的分析结论和建议方案。

2、通用检索增强生成能够在一定程度上缓解大模型仅依赖参数记忆的问题,但其通常以自然语言问题和文档片段相似度为核心,直接应用于工业决策时,难以满足工业现场对设备对象一致性、测点变量一致性、工况适配性、时间窗口一致性、规则版本一致性、权限范围和证据可审计性的要求。工业数据并非单纯的自然语言文档,而是由连续时序信号、离散报警事件、控制动作、工艺窗口、物料批次、质量指标、模型输出和审批规则组成的多源异构数据集合。若仍采用简单向量召回和文本拼接方式,容易将错设备、错变量、错时窗、错版本或与当前工况不匹配的材料输入生成模型。

3、现有检索增强生成方案在工业决策场景中至少存在以下技术不足:

4、(1)现有方案多以自然语言相似度为中心,缺少对设备、测点、变量、工艺段、工况、时窗、批次、规则版本和权限范围的结构化约束表达,导致检索结果与实际决策对象存在错配。

5、(2)现有方案难以将连续时序数据、报警日志、操作记录、质量检测结果和模型输出转化为可检索、可排序、可组合的工业证据单元,导致关键趋势、突变、滞后响应、控制动作前后变化和采样质量无法稳定进入生成上下文。

6、(3)现有方案通常将召回片段直接拼接给生成模型,缺少面向工业决策任务的证据包结构,无法保证证据覆盖目标状态、相关变量、报警操作、规则约束、模型依据、历史案例和复核条件等必要槽位。

7、(4)现有方案对证据的新鲜度、来源可信度、版本一致性、权限范围和多源冲突关系缺少统一计算,容易将过期sop、旧模型输出、低可信测点、错误批次数据或冲突工单作为生成依据。

8、(5)现有方案对知识库、规则库、模型版本、测点状态和工业数据索引的动态刷新支持不足,难以在sop变更、工艺窗口调整、模型版本切换、测点质量变化或权限范围变化后自动更新检索范围和证据包。

技术实现思路

1、本发明针对现有技术中的不足,提供一种面向工业决策的约束感知动态证据包构建方法及装置。将工业任务解析、工业约束画像、工业事件证据化、多通道约束召回、证据质量排序、结构化证据包构建和证据包动态刷新结合起来,使工业智能体在生成决策内容之前获得对象准确、时窗一致、版本可信、槽位完整、冲突可控且可审计的证据基础,从而提升工业决策生成的准确性、可解释性和工程可用性。

2、为实现上述目的,本发明采用以下技术方案:

3、一种面向工业决策的约束感知动态证据包构建方法,包括以下步骤:

4、s1、接收工业决策任务并生成检索约束画像,根据检索约束画像生成可执行检索计划;

5、s2、采集工业多源事件数据,将工业多源事件数据转换为事件化证据单元,并写入证据账本快照;

6、s3、基于可执行检索计划,从证据账本快照中执行权限门控、版本门控和多通道召回,得到候选事件化证据单元;对候选事件化证据单元初筛,得到候选证据集合;

7、s4、利用检索约束画像,对候选证据集合执行一致性评价、关系建模和冲突治理,得到可信证据集合;

8、s5、基于可信证据集合,按照证据槽位、覆盖率、冲突度和硬约束构建结构化动态证据包;

9、s6、基于结构化动态证据包,在证据状态允许的范围内生成带证据引用的工业决策结果,并根据证据依赖关系触发增量检索、证据包新版本构建和下游决策状态更新。

10、为优化上述技术方案,采取的具体措施还包括:

11、进一步地,s1具体包括:

12、s1.1、接收工业决策任务,解析检索意图并提取任务要素;任务要素包括任务类型、原始任务描述、决策目标、目标设备、相关工艺段、目标变量、关联变量、控制变量、时间锚点、物料批次、输出粒度、任务发起主体和风险等级;

13、s1.2、根据任务要素确定对象约束、变量约束、时间约束、工况约束、版本约束、规则约束、权限约束和证据需求约束;

14、s1.3、基于各类约束构建检索约束画像;

15、s1.4、根据检索约束画像生成可执行检索计划。

16、进一步地,s2具体包括:

17、s2.1、持续采集工业多源事件数据;

18、s2.2、按照工业多源事件数据的类型和结构特征,从工业多源事件数据中提取能够表征工业现场状态变化、操作行为、异常发生、规则适用或模型推理结果的事件特征;

19、s2.3、根据事件特征对工业多源事件数据进行实体关联、时间标注、工况标注、版本标注、规则映射、权限和质量标注,获得每个工业事件的约束属性集合;

20、s2.4、根据事件特征和约束属性集合生成事件化证据单元;

21、s2.5、组织事件化证据单元并构建版本化动态证据账本快照。

22、进一步地,s3具体包括:

23、s3.1、基于可执行检索计划,从证据账本快照中执行权限门控、版本门控和多通道召回,得到候选事件化证据单元;具体如下:

24、语义向量召回通道:将任务描述转换为语义向量,与语义向量索引中的证据向量计算相似度,召回文本证据,文本证据包括sop、维护工单和历史案例;

25、实体拓扑召回通道:根据目标对象集合和任务变量集合,利用实体拓扑索引检索同一设备、测点、工艺段及上下游对象的证据;

26、时序窗口召回通道:根据检索时间窗口和时序区间索引召回时间窗口内的趋势、报警、操作和质量事件;

27、工况与规则召回通道:根据工况约束和规则约束,利用工况索引及规则索引召回适用工况、工艺窗口、安全边界和审批规则;

28、历史案例召回通道:根据任务类型、目标对象和工况检索相似设备、相似批次和相似处置过程的历史案例;

29、模型输出召回通道:根据任务类型和决策目标调用或检索诊断、预测、优化和仿真模型输出,并记录输入快照和模型版本;

30、版本门控:对当前运行决策硬排除已失效的关键sop、规则和模型版本;对历史追溯任务允许保留历史版本,但必须标注有效时间和非当前状态;

31、权限门控:根据权限约束在查询前和输出前执行访问及引用权限校验,任何无权证据均不得进入候选集合或生成上下文;

32、s3.2、对每个候选事件化证据单元计算初筛排序得分并降序排列,得到候选证据集合。

33、进一步地,s4具体包括:

34、s4.1、根据检索约束画像,对候选证据集合中的每个候选事件化证据单元执行实体一致性评价、时间一致性评价、工况一致性评价、版本一致性评价和规则一致性评价;

35、s4.2、对各维度的一致性评价分数加权求和,得到综合一致性得分;

36、s4.3、基于候选事件化证据单元之间的同源、同对象、时序先后、规则依赖、派生、互证、候选因果和冲突关系,构建类型化有向多重证据关系图;其中,为证据节点集合,为带关系类型、方向、强度、依据和置信度的边集合;

37、关系类型包括实体关联关系、时间关联关系、规则关联关系和因果关联关系;

38、s4.4、遍历类型化有向多重证据关系图中的节点和边,根据对象、变量、有效时间、测量精度、工况、版本和规则识别任务级冲突;将识别出的任务级冲突记录为任务级冲突集合;

39、s4.5、基于综合一致性得分、初筛排序得分和任务级冲突集合执行冲突治理,形成可信证据集合。

40、进一步地,s5具体包括:

41、s5.1、依据任务类型以及检索约束画像中的决策目标和输出模式,从预定义映射表选择基础证据包槽位模板;依据任务风险等级调整各槽位的必选等级、最低质量、覆盖率阈值和冲突容忍度;依据证据类型及槽位需求对基础证据包槽位模板进行增删或参数化,得到任务实例化的证据包槽位集合;

42、s5.2、根据证据包槽位集合,将可信证据集合中的证据分配至一个或多个槽位,并记录每个证据的入包角色、引用方式和状态;经过分类组织后,得到初始的候选证据包;

43、s5.3、计算候选证据包对证据包槽位集合的质量加权覆盖率和证据包冲突度;

44、s5.4、基于质量加权覆盖率和证据包冲突度,结合候选事件化证据单元的初筛排序得分、综合一致性得分、槽位覆盖增量、冲突增量和冗余度迭代选择证据,直至结构化动态证据包的状态为ready、degraded或blocked;

45、s5.5、对结构化动态证据包生成机器可读摘要和人可读摘要,并建立证据标识至槽位、来源、有效时间、版本、账本快照和源记录的引用映射。

46、进一步地,s6具体包括:

47、s6.1、将结构化动态证据包转换为生成模型可解析的决策上下文,包括证据内容、约束属性、关系子图、包状态、缺失槽位、未决冲突、任务目标和生成规则,并明确区分已证实事实、派生证据、候选因果关系和待验证项;

48、s6.2、将决策上下文输入生成模型,获得工业决策结果,并同时建立结论片段与结构化动态证据包中证据单元之间的引用关系;

49、s6.3、基于工业决策结果、引用关系和结构化动态证据包构建决策证据链,决策证据链从工业决策结果经结论片段追溯至证据单元及其源记录、规则或模型版本,用于解释、复核和审计;

50、s6.4、检测决策证据链中每个引用证据的有效性;

51、检测决策证据链中证据单元关联的规则、sop和模型是否存在版本更新;

52、检测与检索约束画像在对象、变量、时间或工况上相关的新报警、新操作、新时序数据、设备状态变化,以及因证据失效或冲突治理导致的必选槽位缺口;

53、检测任务级冲突集合中的冲突是否因新增、更新或失效证据而产生、增强、减弱或消失,并定位相关槽位和结论片段;

54、s6.5、当步骤6.4检测到任一触发条件满足时,计算受影响证据、槽位、证据包和结论片段,形成新的证据账本快照和新版本的结构化动态证据包。

55、进一步地,s4.4具体包括:

56、任务级冲突的类型包括数值冲突、状态冲突、版本冲突、因果冲突和时序冲突;

57、遍历实体关联边,对于每条实体关联边连接的两个证据节点,比较其数值或状态信息,若数值差异超过预设阈值或状态信息矛盾,则将两个证据标记为冲突对,冲突类型记录为数值冲突或状态冲突;

58、遍历规则关联边,对于每条规则关联边连接的两个证据节点,检查各自引用的规则版本及规则结论,若版本标识不一致且结论相互矛盾,则将两个证据标记为冲突对,冲突类型记录为版本冲突;

59、遍历因果关联边,对于每条因果关联边连接的两个证据节点,验证其因果关系方向是否符合预定义的因果模型,若因果关系方向与模型相反,则将两个证据标记为冲突对,冲突类型记录为因果冲突;

60、遍历时间关联边,对于每条时间关联边连接的两个证据节点,验证其时间顺序是否符合设备状态机模型或工艺顺序模型,若时序关系与模型矛盾,则将两个证据标记为冲突对,冲突类型记录为时序冲突;

61、将识别出的任务级冲突记录为任务级冲突集合,每条记录至少包括任务标识、冲突类型、证据对、冲突程度、识别依据、适用时窗和处理状态。

62、进一步地,s5.4具体包括:

63、s5.4.1:判断当前证据包候选是否同时满足以下两项条件:

64、条件(1):且;其中,表示候选证据包中的全部必选槽位是否均已由满足最低质量、版本、一致性和权限要求的真实证据覆盖,表示是,表示否,表示由任务风险等级和模板配置确定的最低质量加权覆盖率阈值;是质量加权覆盖率,是证据包槽位集合;

65、条件(2):且且;其中,为证据包冲突度,表示由任务风险等级和槽位重要性确定的最大允许冲突度;表示候选证据包中是否存在无法自动消解的关键冲突,存在时取1;perm()表示候选证据包中的全部证据是否均通过访问权限和输出权限校验,通过时取1;

66、当两项条件均满足时,证据包状态为ready并进入s5.4.4;不满足条件(1)时进入s5.4.2;不满足条件(2)时进入s5.4.3;

67、s5.4.2:当或时,执行以下处理:遍历证据包槽位集合,定位证据为空、质量不足、依赖不满足或存在关键未决冲突的槽位;根据缺失槽位、失败原因和已用检索通道更新可执行检索计划,返回步骤3执行召回,并经过步骤4重新执行一致性评价和冲突治理;高风险任务的必选槽位不得自动降级;低风险任务仅在预设策略明确授权时允许调整槽位等级,并记录原因,证据包状态至少为degraded;经验值、默认值或模型猜测只能作为业务先验或待验证提示,不得作为证据填充槽位、提高覆盖率或支撑事实性结论;

68、s5.4.3:当或时,执行以下处理:遍历冲突关系集合,找出导致冲突度升高的关键冲突对;对于同一槽位内的冲突证据,再次执行冲突治理;对于不同槽位之间的冲突证据,根据槽位优先级和证据可信度选择保留优先级高的证据,或在不同槽位间调整证据分配;无法消解的安全、规则或关键设备状态冲突使证据包进入blocked状态或待人工复核状态,不得由生成模型自行裁决;策略允许并列保留的非关键冲突在证据包中保留双方来源、版本和冲突状态;

69、s5.4.4:经迭代处理后,生成结构化动态证据包。

70、本发明还提出一种面向工业决策的约束感知动态证据包构建装置,包括:

71、约束画像构建模块,用于接收工业决策任务并生成检索约束画像,根据检索约束画像生成可执行检索计划;

72、事件化证据单元生成模块,用于采集工业多源事件数据,将工业多源事件数据转换为事件化证据单元,并写入证据账本快照;

73、多通道约束检索模块,用于基于可执行检索计划,从证据账本快照中执行权限门控、版本门控和多通道召回,得到候选事件化证据单元;对候选事件化证据单元初筛,得到候选证据集合;

74、可信证据生成模块,用于利用检索约束画像,对候选证据集合执行一致性评价、关系建模和冲突治理,得到可信证据集合;

75、动态证据包构建模块,用于基于可信证据集合,按照证据槽位、覆盖率、冲突度和硬约束构建结构化动态证据包;

76、决策生成与证据刷新模块,用于基于结构化动态证据包,在证据状态允许的范围内生成带证据引用的工业决策结果,并根据证据依赖关系触发增量检索、证据包新版本构建和下游决策状态更新。

77、本发明的有益效果是:

78、(1)本发明将自然语言工业任务转换为同时包含对象、变量、时间、工况、版本、规则、权限、证据槽位、决策目标和风险等级的检索约束画像,并进一步生成可执行检索计划和证据包就绪策略。这一技术手段使查询条件、硬门控、排序特征、槽位要求和刷新依赖由同一约束源驱动,降低错对象、错变量、错时窗、错版本和越权证据进入生成上下文的概率。

79、(2)本发明的事件化证据单元及版本化动态证据账本快照将连续时序信号、报警、操作、检测、文本和模型输出统一转换为带内容载荷、有效时间、入账时间、版本、权限、质量向量、内容哈希和父证据关系的不可变证据版本,使非文档工业信息能够进入rag并支持重算、复现和审计。

80、(3)本发明先以权限和关键版本执行硬门控,再进行单证据相关性及质量初筛,随后通过任务级一致性评价和类型化有向多重图识别互证、派生、候选因果和冲突关系。避免以加权低分替代权限或安全硬约束,避免在冲突关系尚未形成时提前使用冲突惩罚,并通过可追溯派生证据和人工复核机制保持原始证据及冲突事实。

81、(4)综合考虑初筛得分、一致性、槽位覆盖增量、冲突增量和冗余度构建结构化证据包,并以ready、degraded和blocked状态约束生成行为。使证据包不再是简单top-k片段拼接,防止默认值和模型猜测伪装为证据,并使必选槽位缺失、权限失败、关键版本失配或关键冲突能够阻断不适当的确定性输出。

82、(5)将事实性结论和关键原因判断映射至证据标识、槽位、来源、有效时间、版本和账本快照,并将工业决策结果、结构化动态证据包和决策证据链固化为不可变审计快照,使当时的决策依据可以复核和回放。

83、(6)在证据过期、质量下降、版本变化、权限变化、新事件到达、冲突变化或槽位缺口出现时,沿源记录、证据、槽位、结论片段和决策结果计算受影响集合,仅刷新相关范围并形成新版本,在保持历史审计真实性的同时提高更新效率。