## 一、本节范围与相邻环节的衔接
本节回应招标文件第 84—87 页「3.2.6.3 数据加工生产服务要求」的前四个环节：数据采集（3.2.6.3.1）、数据预处理（3.2.6.3.2）、知识本体（3.2.6.3.3）与知识库（3.2.6.3.4），共计 99 个单元（`b1362`—`b1460`）。四个环节合在一起解决同一件事：把分散在各业务系统、设备系统与外部来源的原始数据，变成后续标注、合成、增强可以直接消费的规范化样本，并为整个加工链提供一份统一的业务口径（`b1360`、`b1361`）。
### 1.1 与相邻任务的边界
本节与方案其他章节存在明确的交接面，建议按下表划分，避免同一事项在两处给出不同口径。
| 交接对象 | 对方负责 | 本节负责 |
|---|---|---|
| 数据资源采集接入（3.2.2） | 与 16 个以上源系统建立接入通道：接口协议、取数方式、调度频次、链路异常处理 | 通道已通之后的数据受理：数据源登记、许可核验、入口脱敏、格式合规校验、批次成形 |
| 多格式多模态数据录入（3.2.2.2） | 离线非结构化文件的批量导入与实时接入入口（`b0911`） | 导入之后的版面解析、结构还原、切分去重与图文关联 |
| 专项智能工具链（3.2.3） | 9 类 25 个工具链各自的设计、接口与样例 | 在本节各环节调用哪一类工具、调用点在哪里、输入输出是什么 |
| 数据治理规划（3.2.6.1） | 业务术语标准、参考数据标准、数据元标准、指标标准与标准映射对照表（`b1276`—`b1287`） | 知识本体与知识库引用上述标准，不另立一套术语 |
| 标注、合成、增强、质检、验证（3.2.6.3.5—3.2.6.3.9） | 样本的标注与生成，以及质检与验证判定 | 向其交付规范化样本、本体文件、知识库与检索索引 |
| 数据集规模与数据卡（3.2.6.4） | 四类数据集的规模分解与数据卡字段 | 按数据卡要求回填各批次的来源、算子与版本信息 |
一句话概括本节与采集接入的分工：采集接入把数据拿到手，本节管拿到之后怎么加工。
### 1.2 加工主流程与质量门
数据加工按「落地区—贴源区—规范区—知识区—供样区」五个分区推进，分区之间设四道质量门。质量门的作用是把问题挡在上游：未过门的批次不进入下一分区，也不被下游标注与合成引用。
```mermaid
flowchart LR
subgraph S0["源侧（由采集接入负责）"]
A1["业务系统
CRM·ERP·SCM·WMS·PLM·MES·QMS·OA·久其·主数据"]
A2["设备系统
SCADA·热处理群控·EMS·EAM·SOS"]
A3["外部来源
行业标准·学术文献·厂商资料·公开数据集"]
end
subgraph S1["落地区"]
B1["原始文件与原始记录
按业务域分批落地"]
end
G1{"质量门 G1 入口门
来源登记·许可核验·脱敏·格式合规"}
subgraph S2["贴源区"]
C1["原始数据批次
＋采集记录"]
end
subgraph S3["规范区"]
D1["结构化长文本"]
D2["图像样本＋图文对照"]
D3["时序片段—事件样本对"]
D4["结构化与时序的文本化样本"]
end
G2{"质量门 G2 预处理门
结构还原·对齐·去重去噪·算子登记"}
subgraph S4["知识区"]
E1["知识本体
类目·属性·关系·术语表"]
E2["知识库
知识条目·知识图谱·九域四库"]
E3["统一检索索引
文本·图纸·图像"]
end
G3{"质量门 G3 口径门
本体版本发布·编码对齐"}
G4{"质量门 G4 终审门
业务专家终审·数据字典"}
subgraph S5["供样区（交下游）"]
F1["预训练子集样本"]
F2["指令微调子集样本"]
F3["检索增强三元组"]
F4["基准评测子集样本"]
end
A1 --> B1
A2 --> B1
A3 --> B1
B1 --> G1 --> C1
C1 --> D1
C1 --> D2
C1 --> D3
C1 --> D4
D1 --> G2
D2 --> G2
D3 --> G2
D4 --> G2
G2 --> E1
G2 --> E2
E1 --> G3
E2 --> G4
G3 --> E2
G3 --> F1
G4 --> E3
E3 --> F3
G2 --> F1
G2 --> F2
G4 --> F3
G4 --> F4
E1 -. "口径基准" .-> S5
```
图 1 数据加工主流程与四道质量门（数据来源：招标文件 3.2.6.3.1—3.2.6.3.4 各环节输入输出要求，`b1363`、`b1396`、`b1399`、`b1413`、`b1416`、`b1433`、`b1455`、`b1459`）
四道质量门的判定口径如下表。门限取值以首批次标定结果为基线，按批次逐步上调，上调幅度在月度例会上确认后写入批次计划。
| 质量门 | 设在何处 | 判定内容 | 不通过的处置 |
|---|---|---|---|
| G1 入口门 | 落地区进贴源区 | 数据源已登记、使用许可已核验、敏感字段已脱敏、文件格式与编码通过合规校验（`b1396`） | 批次挂起，退回采集接入环节补齐来源与授权信息，不生成批次号 |
| G2 预处理门 | 规范区进知识区与供样区 | 章节层级与来源页码可追溯、图文对照可核、时序对齐无跨测点错位、重复样本已去除、所用算子与参数已登记（`b1402`、`b1406`、`b1409`、`b1414`） | 按算子单项回退重跑，原批次保留并标记为废弃版本 |
| G3 口径门 | 本体发布 | 类目与关系自检通过、实体编码与主数据及产品生命周期管理系统可映射、与数据治理的业务术语标准一致（`b1419`、`b1427`） | 本体版本不予发布，受影响的标注与合成口径暂不变更 |
| G4 终审门 | 知识库交付 | 知识条目逐条有来源出处、图谱关系经业务专家确认、数据字典齐备（`b1436`、`b1459`） | 条目标记为「待审」，不进入标注与合成作业（`b1460`） |
## 二、数据采集（3.2.6.3.1）
本节回应招标文件 `b1362`—`b1397`，即把各业务系统、设备系统与外部来源的原始数据汇入平台、形成四类数据集原始数据底座的要求（`b1363`）。
### 2.1 采集环节在本节的定位
采集通道的建立属于数据资源采集接入章节；本节所说的采集，是在通道已通的前提下，按业务域把数据受理进平台并形成可追溯的原始批次。两者的分界点是平台落地区：数据写入落地区之前的事归通道，写入之后的事归本节。这样划分的好处是责任清楚——链路不通找通道，批次不合规找受理。
受理按业务域组织，分为四个数据域加一组通用与外部语料，与四类数据集一一对应。每个域设一名数据受理责任岗（由项目组指派），负责本域的来源清单、授权状态与批次台账。
### 2.2 供需计划域
本域对应供需计划数据集的原始数据底座（`b1364`—`b1370`）。受理内容按系统归集如下。
| 来源系统 | 结构化内容 | 非结构化内容 | 受理口径 |
|---|---|---|---|
| 客户关系管理（CRM） | 客户、商机、报价、合同、订单、回款（`b1364`） | 招标文件、投标文件、资质文件、业绩合同（`b1365`） | 结构化按主键与变更时间增量受理；文件按合同号或项目号归集，保留原文件与版本状态 |
| 企业资源计划（ERP） | 销售订单、采购、成本核算、应收应付（`b1366`） | — | 以凭证号与物料编码为关联键，金额类字段保留原始精度 |
| 供应链管理（SCM） | 供应商档案与评估、采购计划与订单、供货履约、付款计划、物料采购周期、到货时效、供应商履约率（`b1366`、`b1367`、`b1368`） | — | 履约率等派生指标登记其计算口径来源，不在本环节重算 |
| 仓储管理（WMS） | 仓库、货位、物料、库存批次、库位信息、实时库存存量、出入库记录（`b1368`、`b1369`） | — | 实时库存按时点快照受理并记录快照时刻，出入库按流水受理 |
| 历史销售 | 历史销量、订单量、销售预测（`b1369`） | — | 按年月与物料层级受理，预测值与实际值分列保存，不做覆盖 |
需要在采集环节就处理好的一件事是时点口径。库存账、实物库存与项目占用分属不同系统，三者时点不一致时下游的供需样本就会自相矛盾。本方案的做法是：每个批次统一记录一个业务时点，三类数据按该时点取快照，取不到同一时点的数据在批次说明中注明实际时点与偏差。
### 2.3 产品工艺设计域
本域对应产品工艺设计数据集的原始数据底座（`b1371`—`b1375`）。从产品生命周期管理系统（PLM）受理物料清单编号、工序数据、变更记录与零部件信息；同时受理选型方案（PDF/Word）、工艺图纸（PDF）、计算机辅助设计图纸（DWG/DXF）与工艺卡片（PDF）等设计文件（`b1372`、`b1373`）。企业适用的机械制图标准与工艺编制准则配套受理，作为后续本体与知识库的规范来源（`b1374`）。
本域有一项条件值得在方案中专门说明：甲方历史图纸约 63 万张，且每张图纸历史上都配有一张已审核签发的工艺卡片，图纸与卡片天然成对。这组配对关系是工艺设计数据集中监督样本的主要来源，因此本域的受理重点不只是把文件搬进来，而是在受理时就把「图号—工艺卡片号—物料清单行」的配对关系登记下来。配对关系现存于文件目录与人员记忆中，受理阶段按图号批量比对，比对不上的进入人工核对队列。
原生图纸不支持整批导出时，按图号或项目号分批读取，解析在内网就地进行，原始文件不出内网。
### 2.4 制造过程域
本域对应制造过程数据集的原始数据底座，受理范围最广、数据形态最杂（`b1376`—`b1386`）。
| 来源 | 受理内容 | 形态 |
|---|---|---|
| 制造执行（MES） | 生产工单、生产进度、焊丝牌号与直径（`b1376`） | 结构化 |
| 数据采集与监控（SCADA） | 设备电流、电压、温度、湿度、运行状态；焊接的实时电流与实时电压、预设电流与预设电压、焊接速度、焊枪摆动振幅与摆动频率、焊枪停留时间、变位机状态、送丝速度、保护气体流量、起弧与收弧（`b1377`—`b1379`） | 时序 |
| 焊接过程补充采集 | 层间温度、熔池图像、焊后焊道表面图像（`b1380`） | 时序＋图像 |
| 热处理群控与加装传感器 | 工件淬火前后表面温度、加热功率与频率、淬火液温度与浓度与流量、感应器间隙、加热与冷却时间、返热温度；设备运行状态、启停状态、运行时长、设备报警代码（`b1380`—`b1382`） | 时序＋事件 |
| 能源管理（EMS） | 能耗时序数据（`b1383`） | 时序 |
| 设备资产管理（EAM）与售后服务（SOS） | 设备基础信息、设备台账、点检、维修工单、报警规则、报警数据与报警确认信息、诊断结论与处置建议；设备档案、维修记录、诊断报告、故障案例（`b1383`—`b1385`） | 结构化＋文档 |
本域的采集难点在对象归属。焊接参数流本身只带设备号与时间戳，不带工件与焊道信息；热处理炉次与工件、材料批次、检测结果之间也缺少稳定关联。因此本域在受理时增加一道「对象锚定登记」：按设备号与时间区间，结合制造执行系统的工单与报工、热处理群控的炉次记录，为每一段时序数据登记其所属工件、焊道或炉次。锚定不成功的时序段不丢弃，标记为「未锚定」单独存放，可用于预训练语料但不进入需要对象标签的样本构建。锚定成功率按批次统计，首批以试点产线与试点炉型标定基线，后续批次逐步接近可按件追溯的状态。
层间温度与熔池图像的采集需要加装传感器与布设工业相机。设备与点位选型见硬件选型章节，采集通道的开通见采集接入章节；本节承接的是其产出数据的受理与批次成形。
### 2.5 产品质量域
本域对应产品质量数据集的原始数据底座（`b1387`—`b1391`）。从质量管理系统（QMS）受理进厂检验、制程检验、出厂检验、成品检验记录与质量台账，以及产品淬火硬度、淬火区域位置及均匀性、外观缺陷与质检结果等检验数据；质量报告、产品质量档案与质量知识等非结构化资料同批受理（`b1387`—`b1389`）。熔池图像、焊后焊道表面图像与工件外观缺陷图像作为质量影像资料受理（`b1390`）。
质量影像与制造过程域的图像来源相同，受理时不重复存储：图像文件在制造过程域落地一次，质量域通过检验记录与图像的引用关系挂接。引用关系在受理时建立，依据是工件号、焊道号与检验时点。
纸质检测报告在甲方处数量可观但尚未数字化。本方案按「先清册、再扫描、后抽取」三步处理：先按产品与年度形成待数字化清册，再按清册分批扫描，扫描件进入预处理环节的文档类通道。清册规模与分批计划待现场勘察后确定【待填：纸质检测报告存量清册与分批计划，需甲方质量管理部门提供】。
### 2.6 通用语料与外部语料
本组对应预训练子集的通用语料补充（`b1392`—`b1395`）。从协同办公系统（OA）受理管理制度与合同文档；从久其系统受理营业收入、利润、成本、资产负债等经营指标；从主数据管理平台受理组织机构、人员与物料编码（`b1392`—`b1394`）。外部语料按预训练子集的 Token 规模目标补充行业标准、学术文献、厂商资料与公开数据集（`b1395`）。
外部语料的受理增加一道授权核验：逐项登记来源、许可类型、可用范围与有效期，许可不明的材料不入库。公开数据集按其许可协议登记可否用于模型训练、可否二次分发。这一道核验的结论随批次保存，作为数据集来源合法性承诺的支撑材料。
### 2.7 数据源登记、许可核验、入口脱敏与格式合规校验
本节回应 `b1396`、`b1397`，即采集环节须完成的四项动作与两项产出。
**数据源登记。** 每一个数据源登记为一条记录，字段包括源系统名称、数据域、责任部门、取数方式、数据内容范围、更新频次、授权文件编号与有效期。登记表是后续批次的唯一来源依据，未登记的来源不受理数据。
**许可核验。** 内部系统数据核验授权范围与数据域是否匹配；外部语料核验许可类型与使用边界。涉及个人信息、敏感地理信息、重要行业数据与企业秘密数据的，按安全方案的分级结论确定处理方式。
**入口脱敏。** 在数据写入贴源区之前完成，按字段类型分三种处理：直接标识字段（人员姓名、身份证号、联系方式）作替换或遮蔽；准标识字段（岗位、所属班组）作泛化；需要保留关联性的标识（客户编号、供应商编号）作保序假名化，假名映射表单独存放并按最小权限管理。脱敏规则随字段清单一并版本化，脱敏后抽样复核，复核比例不低于每批次 5%。
**格式合规校验。** 校验项包括文件可解析性、字符编码、必填字段完整性、主键唯一性、时间戳格式与时区、数值量纲与单位。校验不通过的记录进入隔离区并生成问题清单，按清单回退源侧或由受理岗人工修正，修正动作留痕。
**产出物。** 按业务域产出原始数据批次与采集记录（`b1397`）。批次是本节之后所有环节的基本单位，批次号贯穿预处理、标注、质检与验证，构成血缘链的起点。采集记录字段见下表。
| 字段组 | 字段 |
|---|---|
| 批次标识 | 批次号、业务域、数据集归属、批次生成时间、业务时点 |
| 来源 | 数据源登记编号、源系统、取数方式、取数时间窗 |
| 内容 | 记录数或文件数、数据量、模态构成、字段清单版本 |
| 合规 | 授权文件编号、许可类型与有效期、脱敏规则版本、脱敏复核结论 |
| 校验 | 格式校验规则版本、通过率、隔离记录数、问题清单编号 |
| 状态 | 质量门 G1 判定结论、判定人岗位、判定时间 |
### 2.8 采集环节的质量控制点与产出物
| 控制点 | 方法 | 判定口径 |
|---|---|---|
| 来源可追溯 | 数据源登记表与批次台账双向核对 | 每一批次可反查到登记编号与授权文件，逐步接近可逐批追溯的状态 |
| 授权完备 | 受理前核验授权范围、许可类型与有效期 | 授权缺失或过期的来源不生成批次 |
| 脱敏有效 | 规则校验＋抽样人工复核，抽样比例不低于 5% | 复核发现的残留标识按条整改并重跑该批次脱敏 |
| 格式合规 | 规则库自动校验 | 校验通过率以首批标定值为基线按批次上调；隔离记录须有处置结论 |
| 对象锚定 | 时序数据与工单、炉次记录比对 | 锚定成功率按批次统计并公示，未锚定数据单列存放 |
| 时点一致 | 批次统一业务时点，偏差登记 | 偏差超出批次计划约定范围时在批次说明中注明并提示下游 |
采集环节产出物：各业务域原始数据批次、采集记录、数据源登记表、许可核验台账、脱敏规则与复核记录、格式校验问题清单、图纸与工艺卡片配对登记表、时序对象锚定登记表。
## 三、数据预处理（3.2.6.3.2）
本节回应招标文件 `b1398`—`b1414`，即把原始数据加工为可被四个用途子集消费的规范化样本（`b1399`）。预处理按四条通道并行推进，各通道的产出在规范区汇合，统一登记算子与版本。
### 3.1 文档类通道
处理对象为合同、招投标文件、管理制度、技术标准、设备档案、维修记录、诊断报告、故障案例与质量报告（`b1400`）。处理动作与产出要求见 `b1401`、`b1402`、`b1403`。
版面解析先判版式，再分路处理：原生电子文档走结构树解析，扫描件走版面分析与文字识别。章节结构还原依据标题样式、编号序列与目录页三类线索交叉判定，还原结果保留每一节的来源页码与在原文中的位置偏移。表格重建按有线表与无线表分别处理，重建后保留单元格合并关系；跨页表格按表头重复与续表标记合并。公式重建保留结构化表达，图片化公式回退为图像并在正文留占位与引用。
正文切分按「章节边界优先、长度边界兜底」的次序进行：先按还原出的章节层级切分，章节过长再按段落与句子边界二次切分，切片之间保留重叠窗口以免跨切片的语义被切断。管理制度与技术标准另有条款级切分要求，在知识库环节处理，见第五节。
去重分三层：文件级按内容哈希去重，段落级按最小哈希相似度过滤，句子级对模板化套话作频次统计后批量剔除。去噪处理页眉页脚、水印、修订痕迹、目录残留与扫描噪点。去重与去噪都保留处置记录，被剔除的内容可按批次回查。
产出：保留章节层级与来源页码的结构化长文本，供预训练子集与检索增强样本构建使用（`b1402`、`b1403`）。
### 3.2 图纸与图像通道
处理对象为工艺图纸（PDF）、计算机辅助设计图纸（DWG/DXF）、工艺卡片、熔池图像、焊后焊道表面图像与工件外观缺陷图像（`b1404`、`b1405`）。
格式转换按原生优先：DWG/DXF 走原生图元解析，读取图元、图层、尺寸、标注、线型与视图投影关系，不依赖截图识别；PDF 图纸矢量内容优先解析，纯栅格内容回退为图像处理。图面区域切分按图纸的固有分区进行——标题栏、明细表区、视图区、技术要求区——切分后分别抽取：标题栏抽图号、名称、材料牌号、比例与版本；明细表抽零件行；技术要求区抽文字条款。
图文关联建立三类对照：图号与工艺卡片号的对照（依据第 2.3 节的配对登记）、图元与标注的对照、图像与其检验记录的对照。工艺过程图像按工件号、焊道号与采集时点挂接到制造过程域的时序片段上，形成图像与参数的同期对照。
产出：可用于多模态标注与训练的图像样本及其图文对照记录（`b1406`）。
### 3.3 设备时序通道
处理对象为数据采集与监控、热处理群控、能源管理、售后服务等来源的设备时序数据（`b1407`）。处理动作为多测点时间对齐、重采样、缺失补齐与异常值处理，并按事件锚定切分时间窗（`b1408`、`b1409`）。
时间对齐先统一时间基准，再处理测点间的采样相位差。各源系统时钟不一致时，以企业统一时间基准为准，偏差按源登记并在对齐时补偿。重采样按分析需要分档：焊接参数保留原始采样密度的同时另出一份统一步长版本；热处理与能耗按统一步长重采样；重采样方法按物理量性质选择，温度类取均值、状态类取众数、累计量取差分。
缺失补齐按缺失长度分级处理：短缺口按线性插值补齐并标记为插值值；长缺口不补，整段标记缺失。异常值处理分三道判据——物理量程校验、变化率校验、同工况统计离群判定；判定为异常的点标记而不直接删除，删除动作留给下游按用途决定。这一点是本方案的刻意选择：预处理不替下游做取舍，只提供标记。
事件锚定切窗按报警、停机、开炉、焊接作业四类事件进行（`b1408`）。每类事件定义其前置窗、事件窗与后置窗长度，窗长按事件类型分别设定并写入算子参数。切窗结果形成「时序片段—事件」样本对，样本对带事件类型、事件时刻、所属设备与所属对象（`b1409`）。
产出：对齐重采样后的时序数据、缺失与异常标记记录、时序片段与事件的样本对。
### 3.4 结构化与时序的文本化通道
处理对象为客户关系管理、企业资源计划、供应链管理、仓储管理、制造执行、质量管理、设备资产管理等系统的业务表单、工单记录、检验数据与设备运行曲线，要求转换为自然语言文本样本，使结构化数据与时序数据可被大模型直接消费（`b1410`、`b1411`、`b1412`）。
转换以模板法为主、模型改写为辅。模板按业务对象设计，一类对象一组模板，模板中的术语一律取自知识本体的术语表，单位与量纲按数据元标准统一。设备运行曲线的文本化不逐点叙述，而是按形态特征描述：升温段斜率、保温段波动范围、峰值与出现时刻、与设定程序的偏离区间。模型改写只用于句式多样化，改写后回查数值与术语是否被改动，改动即废弃该条。
每条文本样本挂回其源记录主键与批次号，可逆回查。这一条是防幻觉的关键：文本化产出的任何一句话都能回到它的源记录，核对不上的样本不进入供样区。
产出：供预训练子集与指令微调子集使用的自然语言文本样本及其源记录对照表（`b1412`）。
### 3.5 分域保存、对照关系与算子登记
本节回应 `b1413`、`b1414`。预处理产出按四类数据集分域保存，与原始数据的对照关系随之保存；每个业务域产出贴源数据与规范化样本两层；批次登记所用算子及其版本与参数取值。
算子登记表的字段为：批次号、处理通道、算子编号、算子名称、算子版本、参数取值、执行时间、执行结果、输入批次号、输出批次号。算子版本与参数取值合并计算一个指纹值，指纹相同即处理过程可复现。重跑某批次时沿用原指纹可得到同一结果，这是质检与验证环节做复算的前提。
### 3.6 预处理环节的质量控制点与产出物
| 控制点 | 方法 | 判定口径 |
|---|---|---|
| 章节结构还原 | 按文档类型抽样人工复核 | 以首批抽样复核结果作为基线，按批次上调并逐步接近可按条款定位的状态 |
| 来源页码可追溯 | 自动核对切片与原文位置 | 切片回指页码核对不一致的，整文件回退重解析 |
| 图文对照可核 | 按图号抽样核对图纸、卡片与明细行 | 对照错挂的按图号整批回查 |
| 时序对齐正确 | 跨测点时标一致性校验＋同期事件比对 | 发现跨测点错位的，该设备该时间窗整段回退重对齐 |
| 文本化保真 | 数值与术语回查源记录 | 回查不一致的样本废弃，不做修补 |
| 去重有效 | 相似度分布统计＋抽样人工判读 | 重复样本占比按批次统计并公示，逐步下降 |
| 可复现 | 算子指纹复算 | 同指纹重跑结果不一致时，暂停该算子版本并排查 |
预处理环节产出物：结构化长文本、图像样本与图文对照记录、时序片段与事件样本对、文本化样本与源记录对照表、各业务域贴源数据与规范化样本、算子登记表、去重去噪处置记录。
## 四、知识本体（3.2.6.3.3）
本节回应招标文件 `b1415`—`b1431`，即构建矿山装备制造领域的统一概念体系，作为标注、合成与检索的业务口径基准（`b1416`）。
### 4.1 本体的定位
本体在本方案中承担一项职能：给同一件事一个唯一名字，并说明它与别的事之间是什么关系。标注标签从哪里来、合成时允许引用哪些知识、检索时按什么词召回，三件事都回到本体。这样做的直接效果是口径不随人走——换一批标注人员，标签体系不变。
本体与数据治理的数据标准规划是同一套口径的两种表达：业务术语标准给出名词定义与同义词，参考数据标准给出代码值域，数据元标准给出字段规范，指标标准给出统计口径（`b1276`—`b1287`）。本体引用这四套标准，不另立术语；标准尚未覆盖的领域概念由本体先行定义，再回流为标准草案。两者的版本号互相引用，口径以数据治理章节发布的标准为准。
### 4.2 类目、属性与关系设计
本体覆盖七类对象类目，每一类明确属性、层次关系与关联关系（`b1417`、`b1418`、`b1419`）。
| 类目 | 层次关系 | 主要属性 | 对外关联 |
|---|---|---|---|
| 设备与部件 | 主机产品—部件—零件—测点 | 设备编码、型号、规格档位、安装位置、投运时间 | 关联故障模式、工艺与工序、能耗与工况 |
| 工艺与工序 | 工艺路线—工序—工步—工艺参数项 | 工序编码、工序名称、所属车间、设备资源、工装样板、工时定额 | 关联设备与部件、物料与物料清单、质量特性 |
| 故障模式 | 系统—部件—故障模式—现象 | 故障编码、部位、征兆、发生条件、处置措施、相关备件 | 关联设备与部件、检验项、备件物料 |
| 质量特性与检验项 | 质量特性—检验项—判定规则 | 特性名称、检验方法、判定限值、检验阶段、缺陷类型 | 关联工艺参数项、故障模式、物料 |
| 物料与物料清单（BOM） | 产品—部件—零件—原材料 | 物料编码、名称、材料牌号、规格、单位、采购周期 | 关联供应商、工序、库存 |
| 供应商与合同 | 供应商—合同—条款 | 供应商编码、资质、评估等级、履约率、合同类型 | 关联物料、采购订单、制度条款 |
| 能耗与工况 | 设备—测点—工况分段 | 测点编码、物理量、量纲、采样周期、量程、正常区间 | 关联设备与部件、工序、时序样本 |
关系类型统一为六种：层次包含、工艺前后依赖、因果（故障—现象—原因）、检验对应（工艺参数—质量特性）、编码映射（本体实体—企业编码）、同义等价（术语—别名）。关系类型受限是有意为之：类型越少，标注时判断越一致，图谱查询也越可控。
### 4.3 领域实例的沉淀
本节回应 `b1420`—`b1424`，要求本体对象与本项目各验证场景的业务对象逐一对应。沉淀内容包括：
- **主机产品部件层级。** 以刮板输送装备为主线，沉淀其部件层级与安装关系。
- **工件品类。** 链轮、齿轨、刮板、压板、哑铃销等品类，每一品类登记其材料牌号区间、热处理要求与检验项（`b1420`、`b1421`）。
- **工艺参数项。** 热处理与焊接两类工艺的参数项。热处理侧包括工件淬火前后表面温度、加热功率与频率、淬火液温度与浓度与流量、感应器间隙、加热与冷却时间、返热温度；焊接侧包括预设与实时电流电压、焊接速度、焊枪摆动振幅与频率、停留时间、送丝速度、保护气体流量、层间温度。每一参数项登记物理量、量纲、正常区间与关联工序。
- **缺陷类型。** 焊接缺陷十类：热裂纹、冷裂纹、偏焊、咬边、夹渣、烧穿、未熔合、未焊透、气孔、焊瘤；热处理外观缺陷两类：烧伤、裂纹（`b1421`、`b1422`、`b1423`）。每类登记定义、典型征兆、检验方法与易混淆类型。易混淆类型这一字段专为标注一致性设置，标注人员在判别相近缺陷时直接查本体。
- **典型故障模式。** 按在役装备的部件分组沉淀，每条登记现象、原因、处置措施与相关备件（`b1423`）。
- **备料工序集合。** 备料分厂的工序集合是封闭的，当前掌握的口径为 28 道，以甲方工艺部门确认的正式工序字典为准。本体按该字典登记工序编码、名称、设备资源与前后依赖。
### 4.4 与企业既有编码体系的对齐
本节回应 `b1425`、`b1426`、`b1427`。本体实体编码以主数据管理平台的组织机构、人员与物料编码，以及产品生命周期管理系统的物料清单与零部件信息为基准对齐。
对齐按三步做：先建映射——本体实体与企业编码建立一对一或一对多映射，映射关系登记在标准映射对照表中；再做冲突清理——同一物理对象在不同系统有不同编码的，指定基准编码并登记其余编码为别名；最后做缺口登记——企业编码体系未覆盖的本体概念单独列表，提交数据治理环节纳入主数据扩充计划。
映射的完备程度按类目统计并逐批提升，首批以参与场景验证的对象范围为准，覆盖面逐步接近企业核心编码体系可双向映射的状态。
### 4.5 产出物与统一引用
本节回应 `b1428`、`b1429`。产出三件：本体文件（机器可读格式，含类目、属性、关系与实例）、术语表（名词、定义、业务含义、所属类目、引用标准）、同义词别名表（标准词、别名、别名来源、适用场景）。
统一引用的落实方式是技术性的而非倡议性的：标注工具的标签体系从本体文件加载，不允许工具侧自定义标签；合成工具的知识约束以本体关系为校验规则；检索索引的同义词扩展词表取自别名表。三处引用同一个版本号，版本号不一致时相关作业暂停。
### 4.6 版本管理与术语回流
本节回应 `b1430`、`b1431`。加工过程中新增或修订的术语、故障模式与工艺参数项回流至本体，产出带版本记录的本体更新，并同步更新受影响的标注与合成口径。
回流按双周一次的节奏集中处理：标注与质检环节发现的新术语、歧义标签与缺失参数项汇总为变更申请，经业务专家评审后合并入下一版本。版本采用主次版本号：新增实例进次版本，类目与关系调整进主版本。主版本变更须评估受影响的已标注样本，评估结论随版本发布说明一并给出；受影响样本按影响程度分三档处理——不受影响、自动映射、需重标。
本体更新与下游作业的衔接规则是：已发布版本冻结，在用作业继续使用原版本直至批次结束；新批次从新版本起用。这样做避免同一批次内出现两种口径。
## 五、知识库（3.2.6.3.4）
本节回应招标文件 `b1432`—`b1460`，即把分散于各类资料中的行业知识沉淀为结构化知识条目与知识图谱（`b1433`）。
### 5.1 知识库的构成与与本体的关系
知识库由四部分构成：结构化知识条目、两类核心知识图谱、九个业务域的四类知识库、统一检索索引。四部分共用一套本体口径，知识条目的类型取自本体类目，图谱的节点与边取自本体实体与关系类型，检索索引的同义词扩展取自本体别名表。
```mermaid
flowchart TB
subgraph ONT["知识本体（口径基准层）"]
O1["七类对象类目
设备与部件·工艺与工序·故障模式
质量特性与检验项·物料与物料清单
供应商与合同·能耗与工况"]
O2["六类关系
层次包含·工艺前后依赖·因果
检验对应·编码映射·同义等价"]
O3["术语表＋同义词别名表"]
O4["编码映射
主数据·PLM物料清单"]
end
subgraph KB["知识库（内容层）"]
K1["结构化知识条目
实体·属性·关系＋来源出处"]
K2["文档类知识资产
制度条款级索引·技术标准元数据
投标资料四类归集"]
K3["核心知识图谱 A
设备—部件—故障模式—现象
—原因—处置措施—备件"]
K4["核心知识图谱 B
工件—工艺参数—切片结果
—硬度指标—质检结论"]
K5["九业务域四类知识库
指标·业务概念·规则·分析报告"]
end
subgraph IDX["统一检索索引（供样层）"]
I1["文本索引"]
I2["图纸索引"]
I3["图像索引"]
end
subgraph OUT["交下游"]
P1["标注：规范对齐"]
P2["合成：知识引用与约束"]
P3["检索增强样本
查询—证据—回答"]
P4["场景验证：证据检索"]
end
O1 --> K1
O1 --> K3
O1 --> K4
O2 --> K3
O2 --> K4
O3 --> I1
O3 --> K2
O4 --> K1
O4 --> K5
K1 --> I1
K2 --> I1
K3 --> I1
K4 --> I1
K5 --> I1
K2 --> I2
K4 --> I3
I1 --> P1
I1 --> P2
I1 --> P3
I2 --> P1
I3 --> P2
I1 --> P4
K1 -. "新增术语回流" .-> O3
K3 -. "新增故障模式回流" .-> O1
```
图 2 知识本体与知识库的结构关系（数据来源：招标文件 3.2.6.3.3、3.2.6.3.4 各项要求，`b1417`—`b1431`、`b1434`—`b1458`）
### 5.2 结构化知识条目的抽取与出处登记
本节回应 `b1434`、`b1435`、`b1436`。抽取来源为设备档案与说明书、维修记录、诊断报告、故障案例、技术标准、工艺编制准则、质量知识与管理制度。抽取内容为实体、属性与关系，产出结构化知识条目，并逐条登记来源文件与出处。
抽取按「模型预抽—规则校验—人工终审」三道走。模型预抽按本体类目逐类进行，输出候选条目；规则校验用本体的关系类型与属性值域作约束，不符合值域的候选退回；人工终审由业务专家按抽样与全审两档处理——涉及判定限值、处置措施与安全要求的条目全审，其余抽样审。
出处登记是硬要求，字段为：源文件编号、文件名称、版本、章节号、页码、段落位置偏移、抽取时间、抽取算子版本、审核人岗位与审核时间。没有出处的条目不入库——这条规则同时是检索增强样本能给出证据的前提。
### 5.3 文档类知识资产的元数据抽取与条款级切分
本节回应 `b1437`—`b1443`。三类文档资料的处理口径分述如下。
**管理制度。** 以「制度条款」为最小知识单元建立索引。抽取制度名称、制度编号、发布部门、生效日期、适用范围与制度层级六项元数据，并识别制度类别与条款间的引用关系（`b1437`、`b1438`、`b1439`）。条款级切分依据条、款、项的编号体系进行，切分后每一条款成为一条独立索引记录，记录中保留其在制度中的层级路径。条款间引用关系分三类识别：显式引用（「依据第 X 条」）、文件间引用（「按《某办法》执行」）、废止替代关系（新制度废止旧制度的某条）。引用关系入图谱，支撑按条款追溯适用依据。
**技术标准。** 抽取标准名称、发布部门与生效日期等核心元数据（`b1439`、`b1440`）。标准另登记标准号、版本状态（现行、即将实施、已废止、被代替）与代替关系。版本状态这一字段关系到问答结论的正确性，按季度与公开标准信息源核对一次，核对记录留档。
**投标相关资料。** 按四类归集（`b1440`—`b1442`）：投标文件模板库；设备材料；资质类，含安标证书、防爆证书、检验检测报告、产品合格证；业绩类，含业绩合同、发票、验收单、中标通知书、技术协议。资质与业绩类资料另登记有效期与敏感度等级，有效期过期的材料在检索结果中标注失效，敏感度高的材料限定可见范围。
三类文档资产分别支撑管理制度智能问答、技术标准智能问答与标书智能问答场景的数据与知识供给（`b1443`）。场景本身的建设不在本包范围，本节交付的是其所需的知识库内容、索引与证据链；场景验证口径见场景验证章节。
### 5.4 两类核心知识图谱
本节回应 `b1444`、`b1445`、`b1446`。两类图谱的链路与用途如下。
图谱 A「设备—部件—故障模式—现象—原因—处置措施—备件」，服务制造过程数据集的标注与合成。节点来自本体的设备与部件、故障模式类目；边为层次包含与因果关系。图谱 A 的构建数据来自设备档案、维修工单、诊断报告与故障案例，构建中要处理一个现实条件：甲方的报警记录数量可观但故障标签稀少，报警与真实故障之间缺少可核对的证据。因此图谱 A 的「现象—原因」边按证据强度分三级——有维修事实回填的为强证据，有诊断结论支持的为中证据，仅由专家经验给出的为弱证据。证据级别随边保存，下游合成样本时按级别决定可否引用。
图谱 B「工件—工艺参数—切片结果—硬度指标—质检结论」，服务产品质量数据集的标注与合成。节点来自本体的物料与物料清单、工艺与工序、质量特性与检验项类目；边为工艺前后依赖与检验对应关系。图谱 B 的关键是把淬火硬度、淬火区域位置及均匀性的检测结果与同炉次的工艺参数串起来，使「参数如何—结果如何」可按件查询。串接依据是第 2.4 节建立的对象锚定登记。
两类图谱的规模与覆盖范围按参与验证的产品与设备范围分批建设，首批范围以试点产线、试点炉型与在役监测覆盖设备为准【待填：首批产品型号、试点产线与试点炉型清单，需甲方确认】。
### 5.5 九个业务域的四类知识库
本节回应 `b1447`—`b1454`。按甲方提供的指标口径与计算逻辑，构建覆盖人力资源、研发设计、生产制造、仓储物流、财务、设备、采购、营销、质量九个业务域的四类知识库。业务域划分与数据治理章节的九域口径一致（`b1336`、`b1448`）。
| 知识库 | 登记内容 | 字段 |
|---|---|---|
| 指标知识库 | 逐项登记指标（`b1449`、`b1450`） | 指标名称、描述、业务限定、维度、统计周期（日/月/季/年）、统计范围、计量单位、计算逻辑 |
| 业务概念知识库 | 决策分析相关的业务术语与行业、财务专业名词（`b1451`） | 术语、定义、所属业务域、同义词、引用标准、常见误用说明 |
| 规则知识库 | 各指标的业务管理逻辑、管控要求、业务边界，以及数据来源、过滤条件与加工逻辑（`b1451`—`b1453`） | 规则编号、关联指标、管理逻辑、管控阈值、业务边界、数据来源表、过滤条件、加工逻辑 |
| 分析报告知识库 | 月度、季度、年度经营分析报告，专题分析报告，常态化业务台账（`b1453`、`b1454`） | 报告名称、报告类型、期间、编制部门、涉及指标、结论要点、原文链接 |
四类知识库的关系是：指标知识库说明「算什么」，规则知识库说明「怎么算、算的边界在哪」，业务概念知识库说明「名词是什么意思」，分析报告知识库提供「历史上怎么解读」。四者联合支撑决策数据智能问答场景的知识供给（`b1454`）。
指标口径与计算逻辑须由甲方提供（`b1447`）。本方案的承接方式是：提供指标登记模板、口径访谈提纲与校验工具，按业务域分批与甲方业务部门确认，确认后的口径入库并标注确认人岗位与确认日期；未确认的指标进入待确认列表，不出现在问答可用范围内【待填：九个业务域的指标清单与计算逻辑，需甲方相关业务部门提供】。
### 5.6 统一检索索引
本节回应 `b1455`。对文本、图纸、图像建立统一检索索引，支撑标注过程中的规范对齐、合成过程中的知识引用与验证场景中的证据检索。
召回方式以结构化检索与全文检索为主：结构化检索按本体实体、编码、元数据字段过滤；全文检索按条款与切片粒度命中。向量检索作为补充通道，用于提问措辞与文件用语不一致的情形。三类召回结果合并后统一回原文核对，核对不上的结果不作为证据输出。这一处置顺序是本方案的明确选择——先定位原文，再组织回答。
图纸索引的检索键包括图号、零件名称、材料牌号、工艺特征与所属项目；工艺特征作为检索键是为了支撑按特征找可借用历史工艺，而不是只能按文件名找。图像索引的检索键包括工件号、焊道号、采集时点、图像类型与关联检验结论。
索引随知识库内容增量更新，更新延迟与检索响应的指标口径见非功能性章节。
### 5.7 检索增强样本的构建
本节回应 `b1456`、`b1457`、`b1458`。以知识库内容为依据构建检索增强样本，产出「查询—证据—回答」三元组，供指令微调子集与基准评测子集使用。
构建按四步：第一步按本体类目与场景问题类型生成查询，查询来源分三类——业务人员真实提问的归集、按知识条目反向生成、按历史报告与工单抽取；第二步对每条查询在统一索引中检索证据，证据保留其出处字段；第三步基于证据组织回答，回答中的每一处事实对应至少一条证据；第四步校验，校验项为证据是否支持回答、回答是否超出证据范围、出处是否可回查。
三元组的质量判定口径与数据集质检、质量评测两章保持一致，本节不另立标准。无证据支持的回答片段按条剔除；证据与回答矛盾的三元组整条废弃。基准评测子集所用三元组另加一道人工复核，复核比例按评测子集规模确定。
### 5.8 专家终审与数据字典
本节回应 `b1459`、`b1460`。知识库与知识图谱成果须经业务专家终审，并产出数据字典；未经终审的知识条目不得用于标注与合成作业。
终审组织方式：按业务域组建评审小组，成员为甲方业务专家与项目组技术人员；评审按批次进行，每批次出一份终审意见与一份条目状态清单。条目状态分四种：通过、修订后通过、退回重抽、不采纳。状态写入条目记录，标注与合成工具在加载知识时按状态过滤，仅加载「通过」与「修订后通过」的条目——这是质量门 G4 的技术落点。
数据字典覆盖知识条目表、图谱节点与边、四类业务知识库与索引元数据，每一字段给出名称、定义、类型、长度、值域、是否必填、来源与示例。数据字典与数据治理章节输出的数据元标准互相引用，字段定义冲突时以数据元标准为准。
### 5.9 知识库环节的质量控制点与产出物
| 控制点 | 方法 | 判定口径 |
|---|---|---|
| 条目有出处 | 入库校验出处字段完整性 | 出处字段缺失的条目不入库 |
| 条款切分正确 | 按制度抽样核对条款边界与层级路径 | 边界错切的整文件回退重切 |
| 标准版本有效 | 季度核对标准版本状态 | 已废止或被代替的标准在检索结果中标注状态 |
| 图谱边可信 | 证据强度分级登记 | 弱证据边不用于合成样本的事实性断言 |
| 指标口径已确认 | 逐指标登记确认人岗位与日期 | 未确认指标不进入问答可用范围 |
| 三元组证据充分 | 回答与证据逐条比对 | 无证据支持的片段剔除，矛盾三元组废弃 |
| 终审完备 | 条目状态清单与终审意见核对 | 未终审条目在工具侧被过滤，不进入标注与合成 |
知识库环节产出物：结构化知识条目库、制度条款级索引、技术标准元数据表、投标资料四类归集目录、两类核心知识图谱、九业务域四类知识库、统一检索索引、检索增强三元组、终审意见与条目状态清单、知识库与知识图谱数据字典。
## 六、四环节产出物与验收口径汇总
本节汇总前四环节的交付物，便于与需求书逐条应答矩阵对照。
| 环节 | 主要产出物 | 验收口径 | 对应单元 |
|---|---|---|---|
| 数据采集 | 各业务域原始数据批次、采集记录、数据源登记表、许可核验台账、脱敏规则与复核记录、格式校验问题清单 | 按业务域清点批次与采集记录，抽查来源可追溯性与授权完备性 | `b1363`—`b1397` |
| 数据预处理 | 结构化长文本、图像样本与图文对照记录、时序片段与事件样本对、文本化样本与源记录对照表、贴源数据与规范化样本、算子登记表 | 按通道抽样复核结构还原、图文对照与时序对齐；按算子指纹做复算 | `b1399`—`b1414` |
| 知识本体 | 本体文件、术语表、同义词别名表、标准映射对照表缺口清单、版本发布说明 | 核对类目与关系的完整性、与企业编码的映射覆盖、与数据治理术语标准的一致性 | `b1416`—`b1431` |
| 知识库 | 结构化知识条目库、条款级索引、技术标准元数据、投标资料归集目录、两类知识图谱、九域四类知识库、统一检索索引、检索增强三元组、数据字典、终审意见 | 抽查出处可回查、条款切分正确性、图谱证据级别、终审覆盖情况 | `b1433`—`b1460` |
四环节的推进节奏按业务域分批：首批以参与场景验证的业务域与试点范围为准，后续批次按批次计划扩展，直至覆盖四类数据集的来源要求。批次计划随项目实施计划一并提交，见项目管理章节。
## 七、本稿待补材料清单
| 序号 | 待补项 | 需提供方 | 影响范围 |
|---|---|---|---|
| 1 | 十六个以上源系统的接口文档、数据字典与授权范围说明 | 甲方信息化部门 | 采集环节的数据源登记与字段清单 |
| 2 | 备料分厂正式工序字典（现掌握口径为 28 道） | 甲方工艺部门 | 本体的工艺与工序类目 |
| 3 | 主数据编码规则与产品生命周期管理系统物料清单编码规则 | 甲方信息化与设计部门 | 本体实体编码对齐 |
| 4 | 九个业务域的指标清单、统计口径与计算逻辑 | 甲方相关业务部门 | 指标知识库与规则知识库 |
| 5 | 纸质检测报告存量清册与分批数字化计划 | 甲方质量管理部门 | 产品质量域采集范围 |
| 6 | 首批产品型号、试点产线与试点炉型清单 | 甲方生产与设备部门 | 两类知识图谱的首批构建范围 |
| 7 | 数据分级分类结论与脱敏字段清单 | 甲方信息化与安全管理部门 | 入口脱敏规则 |
| 8 | 外部语料的采购或授权渠道确认 | 项目组与甲方共同确认 | 通用语料与外部语料的许可核验 |
| 9 | 业务专家终审小组的人员范围与评审节奏 | 甲方各业务部门 | 质量门 G4 的组织落实 |