## 1 数据采集预处理与知识建设总体安排
我方围绕供需计划、产品工艺设计、制造过程和产品质量四个业务域，完成数据汇聚、分域批次组织、多模态预处理、领域知识本体、知识库及知识图谱建设，形成可供预训练、指令微调、强化学习偏好和基准测试四个用途子集使用的数据基础。来源、许可、业务对象、处理过程和质量结论随数据全过程保存，规范化样本与原始资产保持可核验的对应关系。
数据治理贯穿数据生产全过程，知识本体与知识库为标注、合成、检索及验证提供共同业务口径。原始数据经过采集、预处理形成规范化样本；知识建设依据已核验资料及企业标准并行开展，并以版本化成果服务生产任务。各用途的样本仍须完成后续标注、质检和验证，采集完成量、预处理产出量及知识条目数量不替代最终合格数据集规模。
### 1.1 建设范围与交付目标
我方按业务域建立来源清单和用途清单，覆盖企业业务系统、设备系统、离线文档与图纸、影像及时序、外部行业语料。供需计划域贯通客户需求、合同订单、采购履约、库存和销售预测；产品工艺设计域贯通产品、BOM、零部件、图纸、工艺卡和变更；制造过程域贯通工单、设备、焊接、热处理、能源及维修诊断；产品质量域贯通检验对象、检验记录、缺陷影像、硬度及质量判定。
通用管理资料按其内容和用途服务四个业务域，保持独立来源和授权记录。OA制度与合同、久其经营指标、组织人员及物料主数据、行业标准、学术文献、厂商资料和公开数据集分别登记，不能因统一归集而失去所属业务域、使用限制和时间属性。经营决策知识同时覆盖人力资源、研发设计、生产制造、仓储物流、财务、设备、采购、营销和质量九个业务域。
本阶段为分域合格规模提供可持续的数据供给。按预训练、指令微调、偏好和基准四个用途，供需计划域分别落实276亿Token、40万条、3.2万组和0.4万条；产品工艺设计域分别落实70亿Token、10万条、0.8万组和0.1万条；制造过程域分别落实105亿Token、15万条、1万组和0.2万条；产品质量域分别落实164亿Token、24万条、1.6万组和0.25万条。四域合计615亿Token、89万条、6.6万组和0.95万条。采集和预处理计划另行考虑清洗、去重及验证损耗，按合格产出倒排来源与处理能力。
交付数据覆盖文本、图像、时序和视频模态，落实多模态数据条数占比不低于40%、近3年内时效性数据条数占比不低于40%的要求。各批次登记实际模态、关联完整性、业务发生时间、资料形成时间和采集时间，区别可核实业务时效与文件复制、上传时间。分域、分用途及汇总统计沿用统一计量规则，避免相同资料反复切片导致虚增。
### 1.2 作业分工与成果衔接
数据接入、加工、知识建设、质量和运营按照共同标识衔接。我方在采集接入成果基础上组织数据受理，同时对接入范围不足、传输不完整和源信息变更提出明确补充任务。数据治理提供正式术语、编码、数据元、参考数据、指标及质量安全规则；生产中发现的新概念和冲突按变更流程提交，未确认内容保留候选状态。
表1-1 作业分工与成果衔接
| 作业协同 | 交接内容 | 接收核验与处理 |
|---|---|---|
| 源系统与接入作业 | 来源授权、模式版本、原始记录及文件、传输清单、调度与异常记录 | 核验范围、完整性、时间窗和重复情况，生成受理批次及问题记录 |
| 数据治理与知识建设 | 术语、主数据、数据元、参考数据、指标标准及变更记录 | 核查适用版本，建立本体和知识映射，反馈新增或冲突项 |
| 预处理与后续标注 | 规范化样本、原始对照、质量标记、对象关系和可用用途 | 核对样本结构、来源、可判读性及版本，缺项退回定向修复 |
| 知识建设与合成检索 | 已终审知识、本体约束、索引版本、引用证据及授权 | 服务端过滤未审和越权内容，输出稳定的事实及约束 |
| 质检验证与上游生产 | 错样、失败规则、影响范围及归因结论 | 定位来源、算子、本体或知识错误，形成后继修复任务 |
| 加工成果与运营管理 | 冻结版本、数据卡、血缘、质量及许可记录 | 校验接收结果、目录与访问范围，继续履行更新、运营及接入服务责任 |
加工生产平台和运营服务管理平台按招标要求分别安装适配。奔牛数据智能平台 的加工生产能力承载本阶段批次、算子、本体、知识和审核作业；运营服务管理能力承接通过质量与验证的数据成果，管理目录、使用授权、服务和反馈。两者共用统一的身份、元数据、血缘和审计约定，移交记录持续关联加工版本。
### 1.3 数据分区与访问控制
数据按原始受理、贴源、规范、知识候选、知识发布和供样等状态组织。分区可以由受控存储位置和元数据状态共同实现，权限校验在服务端执行，不以目录名称或前端隐藏代替访问控制。含敏感原始信息的数据仅在批准的本地环境中处理，原始数据不上传云端。
原始受理区保存接收资产、传输清单和校验指纹，受理失败记录也具有唯一标识。贴源区保持源数据结构和含义，入口脱敏形成可处理派生视图，原始值与脱敏值分别受控。规范区保存解析、转换、时间对齐和对象关联成果，明确哪些字段为原始观测、确定转换、人工校订或模型候选。
知识候选区接收抽取结果、术语候选、图谱关系和待确认指标，只有审核人员及相应任务可访问。知识发布区仅包含经过业务专家终审的内容，并保留适用范围与版本。供样区按照用途、权限和数据切分要求提供经过阶段校验的样本，后续训练和正式交付仍执行完整质检与验证。
跨区流转通过发布清单和状态校验完成。复制文件或修改目录不会自动改变内容的终审状态、许可范围和质量结论。批量导出、接口查询、工具调用及离线任务均核验相同限制；缓存、索引和派生文件纳入撤回与更新范围。
图 1-1 数据采集预处理与知识建设
### 1.4 质量控制与异常处置
我方设置入口校验、预处理校验、本体发布评审和知识终审四类控制，并与后续标注、合成、质检及验证保持统一规则。来源许可、关键标识、敏感信息处理和专家终审属于放行前置条件，不能以首批质量水平较低为由降低要求。识别置信度、相似度和时间对齐等技术参数依据代表性标定数据确定，评审后版本化使用。
表1-2 质量控制与异常处置
| 控制环节 | 放行条件 | 异常处理 |
|---|---|---|
| 入口校验 | 来源登记及许可有效，清单可对账，格式和安全检查通过 | 已编号批次挂起或隔离，补齐来源与数据后复核 |
| 预处理校验 | 源位置可追溯，转换正确，图文或时序关联可靠，质量标记齐全 | 按受影响文件、记录、算子或时间窗创建修复任务 |
| 本体发布评审 | 类目、关系、编码和标签一致，影响分析及专家评审完成 | 保留草案，不替换正式版本；关键错误立即停用受影响内容 |
| 知识终审 | 条目及图谱事实来源可核验，适用条件清楚，专家终审通过 | 候选留在审核区，修订后重新提交，不进入标注与合成 |
异常处理区分数据缺陷、来源配置、算子缺陷、规则歧义和知识错误。受理岗登记对象及影响范围，专业人员确认原因，修复责任人提交新结果，质量人员复核后关闭。涉及多个批次的共同问题沿血缘扩大检查范围，不只修复被抽中的单条数据。
一般质量问题在独立批次或对象范围内隔离，其他经确认未受影响的数据可继续生产。来源授权失效、规则适用错误或敏感信息残留可能影响整个版本时，停止对应数据的供样和调用，完成影响评估、处置与回归验证后再恢复。任何风险分级都不得绕过高危缺陷清零、中低风险缺陷整改率100%、各维度合格及综合得分不低于85分的项目质量要求。
### 1.5 标识版本与生产血缘
受理时生成数据源登记编号、受理编号和批次号；文件与记录分别具有资产标识、内容指纹及源内定位。文件指纹只证明字节内容一致，不能证明授权、版本适用性或业务归属一致；同一内容在不同许可或用途范围出现时，保留各自来源关系。
规范化样本关联源文件、源记录、页码坐标、图元句柄或测点时间窗，同时保存算子、参数、模型、词表和环境版本。知识条目关联抽取素材、证据位置、本体版本、审核记录和有效时段。图谱关系保存起止实体、语义类型及证据，检索增强样本保存查询、证据、回答和事实对应关系。
源批次、加工任务、候选版本和冻结版本使用独立标识。失败重试保留任务尝试记录，修复生成后继任务和后继版本，不能将新输出回写为旧版本。数据集生产血缘以输入版本指向输出版本，确保无环；对历史内容的反馈作为新任务的来源，不形成对已冻结节点的逆向覆盖。
删除、撤权和生命周期到期按批准规则处理。处置同时评估原始资产、贴源视图、样本、知识、索引、缓存和导出包，保留必要的处置凭证与不可逆标识记录。历史留存与数据安全要求协调执行，不能用“永久保存”替代生命周期管理。
### 1.6 岗位职责与审核组织
我方设置数据受理、预处理、知识本体、知识抽取、质量、安全和业务专家审核岗位，按业务域与数据形态组织作业。数据受理岗位维护来源清单和批次记录；预处理岗位配置及执行算子；知识本体岗位维护概念、关系和版本；知识抽取岗位组织条目、图谱与索引；质量岗位复核结果并管理问题；安全岗位核验许可、分级和脱敏；业务专家确认专业内容及适用条件。
审核任务按专业分配，数据加工人员不能以自己的处理结果代替独立质量复核，模型预抽和规则校验不能代替业务专家终审。专家审核保存条目清单、意见、证据和结论；批量审签仍应覆盖清单内每一条实际内容，不能由少量抽样推定所有条目已终审。
岗位交接使用任务记录和状态结论。离岗、轮换和分工调整同步更新权限及待办，保存历史执行人记录。对有争议的术语、工艺参数、诊断结论或指标计算，由对应业务专家及甲方责任部门确认，形成可引用的正式结论后发布。
### 1.7 标准与业务口径管理
我方以招标要求、项目适用的现行标准、甲方批准的企业制度与工艺文件为依据建立规则清单。每条规则登记来源名称、编号及版本、具体条款、适用对象、生效时间、审核结论和转换方式。专业标准的条文与企业业务表达分别保存，保持来源可核验。
不同依据存在差异时核对适用层级、时间、对象和强制性要求，提交专业评审并由甲方确认项目执行口径。企业内部文件不能自动覆盖适用的强制性要求；历史数据按其当时有效规则保留判定，同时标注当前适用状态。未澄清的冲突进入受控问题清单，相关确定性标签及知识暂缓发布。
规则清单与治理标准库、本体、知识库及加工算子保持关联。规则修订先评估受影响的字段、标签、样本、知识及查询，再确定新版本和回归范围。技术配置变化与业务口径变化分别记录，避免把参数调整误写成专业规则已经改变。
## 2 数据采集
### 2.1 分域汇聚与受理组织
我方按业务域组织源系统、设备系统和外部来源的数据汇聚。采集接入作业提供经过授权的传输通道、落地文件、原始记录和传输清单；数据受理作业核对来源、范围、业务时点、版本和完整性，完成入口脱敏及格式校验，形成供需计划、产品工艺设计、制造过程和产品质量原始数据批次。通道异常与内容异常分别登记处理，跨环节问题以同一受理编号关联，直至数据完整接收和问题关闭。
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，负责本域的来源清单、授权状态与批次台账。
### 2.2 受理作业流程
数据到达时先生成受理编号和批次号，登记来源、时间、接收对象及状态。许可、格式或对账检查未通过的批次保留编号并处于隔离或挂起状态；检查通过后发布可处理清单。各步骤的输入、执行结果、问题和复核记录均关联该批次，不因拒收、重传或修复而丢失历史。
表2-1 受理作业流程
| 步骤 | 输入 | 动作 | 留痕 | 不通过的处置 |
|---|---|---|---|---|
| 1 受理申请 | 业务域的取数需求 | 核对数据源登记编号是否存在、授权范围是否覆盖本次取数 | 受理单（含登记编号、取数范围、业务时点） | 生成受理记录，补齐登记前不开放加工 |
| 2 许可核验 | 授权文件、外部语料许可协议 | 核验许可类型、使用边界与有效期 | 许可核验台账条目 | 记录拒收或隔离状态，许可核实前不开放加工 |
| 3 落地清点 | 落地区的文件与记录 | 清点文件数与记录数，计算文件指纹，识别重复入库 | 落地清点单 | 清点数与通道侧交付数不一致的，回通道侧核对 |
| 4 入口脱敏 | 数据分级结论、脱敏规则版本 | 按字段类型执行替换、遮蔽、泛化或一致性假名化 | 脱敏执行记录、假名映射表条目 | 规则未覆盖的字段先定规则，不放行 |
| 5 格式合规校验 | 格式校验规则库 | 校验可解析性、编码、必填完整性、主键唯一性、时间戳与量纲 | 校验报告、隔离区记录、问题清单 | 不通过记录入隔离区，按清单回退或人工修正 |
| 6 对象锚定登记 | 工单、报工、炉次记录 | 为时序与图像数据登记所属工件、焊道或炉次 | 对象锚定登记表 | 锚定不成功的标记为未锚定，单列存放 |
| 7 批次成形 | 以上各步结果 | 沿用受理时生成的批次号，核对清单后形成贴源区可处理版本和采集记录 | 批次台账、采集记录 | 入口校验不通过的批次保留编号并挂起，隔离不合格数据 |
图 2-1 数据受理与异常处理
### 2.3 供需计划域
本域对应供需计划数据集的原始数据底座。受理内容按源系统归集。
#### 2.3.1 客户关系管理系统（CRM）
表2-2 客户关系管理系统（CRM）
| 数据对象 | 字段组 | 形态 | 受理方式 | 校验重点 |
|---|---|---|---|---|
| 客户 | 客户编号、名称、所属区域、客户类型、信用等级 | 结构化 | 整表初始化 ＋ 按变更时间增量 | 客户编号唯一性；与主数据客户编码可映射 |
| 商机 | 商机编号、关联客户、矿井名称、工作面类型、预计规模、阶段状态 | 结构化 | 增量 | 阶段状态值域合规；工作面类型取本体值域 |
| 报价 | 报价单号、关联商机、产品配置、报价金额、版本 | 结构化 | 增量 | 同一商机多版本报价按版本号保留，不覆盖 |
| 合同 | 合同编号、关联客户、签订日期、金额、交付期、产品清单 | 结构化 | 增量 | 合同编号与 ERP 侧一致性比对 |
| 订单 | 订单号、关联合同、物料、数量、交付节点 | 结构化 | 增量 | 与 ERP 销售订单的勾稽关系 |
| 回款 | 回款单号、关联合同、金额、日期 | 结构化 | 增量 | 与应收数据的勾稽关系 |
| 招标与投标文件 | 文件本体、项目名称、客户、投标日期、结果状态 | 非结构化 | 按项目号或合同号批量归集 | 文件可解析性；版本与结果状态完整 |
| 资质文件 | 文件本体、资质类型、编号、有效期 | 非结构化 | 按资质类型归集 | 有效期按原件适用性登记；失效件标注状态 |
| 业绩合同 | 文件本体、项目、金额、验收状态 | 非结构化 | 按项目归集 | 与业绩类知识归集目录对齐 |
#### 2.3.2 企业资源计划系统（ERP）
表2-3 企业资源计划系统（ERP）
| 数据对象 | 字段组 | 受理方式 | 校验重点 |
|---|---|---|---|
| 销售订单 | 订单号、客户、物料编码、数量、单价、交付日期 | 增量 | 物料编码取主数据值域；金额保留原始精度 |
| 采购 | 采购单号、供应商、物料、数量、价格、到货日期 | 增量 | 供应商编码与 SCM 侧一致 |
| 成本核算 | 核算期间、成本中心、成本要素、金额 | 按期间 | 期间闭合状态；未闭合期间标注 |
| 应收应付 | 凭证号、对象、金额、账龄、状态 | 增量 | 与回款数据勾稽 |
| 物料主数据与价格 | 物料编码、名称、材料牌号、规格、单位、单价 | 整表初始化 ＋ 增量 | 作为本体物料类目的编码基准之一 |
#### 2.3.3 供应链管理系统（SCM）
表2-4 供应链管理系统（SCM）
| 数据对象 | 字段组 | 受理方式 | 校验重点 |
|---|---|---|---|
| 供应商档案与评估 | 供应商编号、名称、资质、评估等级、评估日期 | 整表初始化 ＋ 增量 | 评估等级值域；评估口径登记来源 |
| 采购计划与订单 | 计划号、物料、计划量、下单量、计划期 | 增量 | 计划与订单的对应关系 |
| 供货履约 | 订单号、约定到货日、实际到货日、数量差异 | 增量 | 日期逻辑（实际不早于下单） |
| 付款计划 | 合同号、付款节点、金额、状态 | 增量 | 节点金额合计与合同金额勾稽 |
| 物料采购周期 | 物料编码、采购周期、统计期间、样本量 | 按期间 | 派生指标，登记计算口径来源，本环节不重算 |
| 到货时效与供应商履约率 | 供应商、统计期间、时效指标、履约率 | 按期间 | 同上；口径与指标知识库登记一致 |
#### 2.3.4 仓储管理系统（WMS）
表2-5 仓储管理系统（WMS）
| 数据对象 | 字段组 | 受理方式 | 校验重点 |
|---|---|---|---|
| 仓库与货位 | 仓库编码、货位编码、库区、容量 | 整表初始化 | 编码唯一性与层级关系 |
| 物料与库存批次 | 物料编码、批次号、入库日期、供应商、数量 | 增量 | 批次号与质量域检验批次的对应关系 |
| 库位信息 | 库位编码、物料、占用状态 | 整表初始化 ＋ 增量 | 与货位的层级一致 |
| 实时库存存量 | 物料、仓库、可用量、占用量、快照时刻 | 按时点快照 | 快照时刻必填；与业务时点的偏差登记 |
| 出入库记录 | 单据号、类型、物料、批次、数量、时间 | 流水增量 | 收发存平衡校验 |
#### 2.3.5 历史销量、订单量与销售预测
表2-6 历史销量、订单量与销售预测
| 数据对象 | 字段组 | 受理方式 | 校验重点 |
|---|---|---|---|
| 历史销量 | 年月、物料或产品层级、数量、金额 | 按年月整表 | 层级口径统一到物料清单层级 |
| 历史订单量 | 年月、客户、物料、数量 | 按年月整表 | 与 CRM 订单勾稽 |
| 销售预测 | 预测版本、预测期间、物料、预测量、编制部门 | 按版本 | 预测值与实际值分列保存，不做覆盖 |
#### 2.3.6 本域的时点口径
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，偏差超出批次计划约定范围时提示下游环节。
### 2.4 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。
#### 2.4.1 PLM 结构化数据
表2-7 PLM 结构化数据
| 数据对象 | 字段组 | 受理方式 | 校验重点 |
|---|---|---|---|
| 物料清单（BOM） | 物料清单编号、层级、父子项、用量、版本 | 按产品或项目整表 ＋ 版本增量 | 层级完整且无自引用或循环；版本有效性 |
| 工序数据 | 工序号、工序名称、所属零件、设备资源、工时定额 | 增量 | 工序名称取备料工序字典值域 |
| 变更记录 | 变更单号、对象、变更前后、生效日期、原因 | 增量 | 生效日期与版本对应 |
| 零部件信息 | 零件号、名称、材料牌号、规格、重量 | 整表初始化 ＋ 增量 | 零件号与物料编码的映射 |
#### 2.4.2 设计文件与规范资料
表2-8 设计文件与规范资料
| 文件类型 | 格式 | 受理方式 | 校验重点 |
|---|---|---|---|
| 选型方案 | PDF／Word | 按项目号归集 | 可解析性；项目号可回指合同 |
| 工艺图纸 | PDF | 按图号批量 | 图号可识别；页数与清册一致 |
| CAD 图纸 | DWG／DXF | 按图号或项目号分批读取 | 原生可解析；图层与图元完整 |
| 工艺卡片 | PDF | 按卡片号批量 | 卡片号与图号的配对关系 |
| 机械制图标准 | 文档 | 按标准号归集 | 标准号、版本状态 |
| 工艺编制准则 | 文档 | 按文件编号归集 | 发布部门、生效日期 |
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。
#### 2.4.3 图纸与工艺卡片的配对登记
我方将历史图纸和对应工艺卡片作为工艺设计数据的重要来源，按实际提供的资产清册核验可读取数量、文件版本、审批状态和图纸卡片配对关系。历史存量与最终可用样本量分别统计，未完成授权、解析、版本匹配或质量审核的数据不计入合格交付规模。
表2-9 图纸与工艺卡片的配对登记
| 配对登记字段 | 说明 | 取值来源 |
|---|---|---|
| 图号 | 主键之一 | 图纸标题栏或文件名解析 |
| 工艺卡片号 | 主键之一 | 卡片抬头或文件名解析 |
| 物料清单行号 | 关联零件在物料清单中的位置 | PLM 物料清单 |
| 零件名称与材料牌号 | 核对配对正确性的辅助字段 | 图纸标题栏、PLM 零部件信息 |
| 配对判定依据 | 自动匹配、人工确认、待核对 | 受理作业结果 |
| 配对置信标记 | 高（图号与卡片号完全对应）、中（经零件名称与材料牌号交叉核对）、低（仅目录位置相邻） | 受理作业结果 |
我方综合图号、版本、零件编码、材料牌号、项目及生效时间构建配对候选，保留候选来源和匹配依据。文件目录位置和名称相似度仅用于缩小核查范围，不直接确立对应关系。高置信候选经过规则与抽样复核，中低置信候选逐项人工核对；未确认的配对保留在候选区，不作为监督标签或检索返回的事实关联。
### 2.5 制造过程域
制造过程域受理生产工单、过程参数、设备状态、能源数据和维修诊断资料，保持工件、工序、设备、测点、事件与结果之间的关联。
#### 2.5.1 受理内容总表
表2-10 受理内容总表
| 来源 | 受理内容 | 形态 | 受理方式 |
|---|---|---|---|
| 制造执行系统（MES） | 生产工单、生产进度、焊丝牌号与直径 | 结构化 | 增量 |
| 数据采集与监控系统（SCADA）设备侧 | 设备电流、电压、温度、湿度、运行状态 | 时序 | 按测点与时间窗 |
| SCADA 焊接侧 | 实时电流、实时电压、预设电流、预设电压、焊接速度、焊枪摆动振幅、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 | 时序 ＋ 事件 | 按焊接作业时间窗 |
| 焊接过程补充采集 | 层间温度、熔池图像、焊后焊道表面图像 | 时序 ＋ 图像 | 按焊道 |
| 热处理群控系统与加装传感器 | 工件淬火前后表面温度、加热功率、频率、淬火液温度、浓度与流量、感应器间隙、加热与冷却时间、返热温度 | 时序 | 按炉次或工件 |
| 热处理设备状态 | 设备运行状态、启停状态、运行时长、设备报警代码 | 时序 ＋ 事件 | 按设备与时间窗 |
| 能源管理系统（EMS） | 能耗时序数据 | 时序 | 按测点与时间窗 |
| 设备资产管理系统（EAM） | 设备基础信息、设备台账、点检、维修工单 | 结构化 | 整表初始化 ＋ 增量 |
| 售后服务系统（SOS） | 报警规则、报警数据、报警确认信息、诊断结论与处置建议 | 结构化 ＋ 事件 | 增量 |
| 设备类文档 | 设备档案、维修记录、诊断报告、故障案例 | 非结构化 | 按设备号归集 |
#### 2.5.2 时序数据的受理参数
表2-11 时序数据的受理参数
| 数据组 | 测点数量级 | 原始采样 | 受理时间窗 | 受理后保留 |
|---|---|---|---|---|
| 焊接参数流 | 按工位与焊枪计 | 按设备实际采样配置登记 | 按焊接作业起止 ＋ 前后各一段余量 | 原始密度一份 ＋ 统一步长一份 |
| 热处理炉次参数 | 按炉台计 | 按设备实际采样配置登记 | 按开炉至完工 | 原始密度一份 ＋ 统一步长一份 |
| 设备状态与报警 | 按设备计 | 事件触发 | 按事件时刻 ＋ 前后窗 | 事件原样保留 |
| 能耗 | 按计量点计 | 按计量点实际配置登记 | 按自然日及业务班次 | 原始密度与派生统一步长 |
| 在役装备测点 | 按设备与测点计 | 按远程运维平台既有配置 | 按事件与定期取样 | 统一步长 ＋ 事件窗原始密度 |
#### 2.5.3 焊接实时参数与预设参数的配对受理
焊接参数按测量值、实际预设值、批准工艺值和参考值分别组织，参数名称、单位、来源、有效时间及程序版本随记录保存。电流、电压、速度、摆幅、摆频和送丝参数按实际可获取的测点与配置建立对应。数据汇聚阶段保留原始参数，不将不同语义的同名字段合并；时间配对及差值计算作为受控派生作业登记算子和参数。
实时参数、设备实际下发参数和批准工艺要求分别保存。实时与实际下发参数的差值反映设备执行情况，实际下发参数与批准工艺要求的差值反映工艺执行一致性，两类比较分别计算。缺少实际下发记录时，不将工艺卡或型号默认参数当作设备实际预设值；相关曲线进入资料补全和用途评估流程，经审核确定可用范围后再供样。
表2-12 焊接实时参数与预设参数的配对受理
| 参数对 | 实时值来源与采样 | 给定值来源与变更粒度 | 配对产出 |
|---|---|---|---|
| 电流（实时电流／预设电流） | SCADA 焊接侧，保留实际采样周期 | 焊机程序参数表的预设电流，按程序号变更 | 逐点绝对偏差、相对偏差、偏离持续时长 |
| 电压（实时电压／预设电压） | SCADA 焊接侧，保留实际采样周期 | 焊机程序参数表的预设电压，按程序号变更 | 逐点绝对偏差、相对偏差、偏离持续时长 |
| 焊接速度（实测／给定） | 焊接小车或机械手反馈，保留实际采样周期 | 工艺卡与焊机程序参数表的给定速度，按焊道变更 | 逐点偏差、焊道均值偏差 |
| 焊枪摆动振幅（实测／给定） | 摆动机构反馈，保留实际采样周期 | 程序参数表的摆幅设定，按程序号变更 | 逐点偏差、单周期峰值偏差 |
| 摆动频率（实测／给定） | 摆动机构反馈，按周期计 | 程序参数表的摆频设定，按程序号变更 | 周期均值偏差、周期抖动量 |
送丝速度与保护气体流量若在焊机程序中同样带设定值，按上表同一口径成对受理；焊枪停留时间按持续时间量登记，变位机状态按状态量登记，起弧与收弧按事件登记；分别采用与其语义一致的计算和分段方法。
给定值来源按设备程序参数、工单关联工艺卡和产品工艺规程分别登记。只有可确认在相应设备和时段实际生效的设备参数，才写入实际预设值字段。工艺卡及规程参数分别写入批准工艺值和参考值字段，并保存版本、适用材料、工件和焊道条件。不同来源存在差异时并列保留并提交工艺核查，不采用来源替换掩盖真实差异。
参数配对前核验时钟偏差、程序切换和人工调参记录。在有效程序记录覆盖的时间内，将设定值按实际生效区间展开为阶梯序列；不得跨停机、配置未知或参数失效区间前向填充。按起弧、稳定焊接、收弧和层间等待分别统计参数，瞬态段保留独立的判定规则和原始数据。各阶段的偏差是否异常由相应工艺规则判断，不统一排除起弧及收弧阶段。
表2-13 焊接实时参数与预设参数的配对受理
| 配对失败情形 | 判定依据 | 处置 |
|---|---|---|
| 实时段不带程序号 | 程序号字段为空或设备未上传 | 标记实际预设值缺失，进入资料补全和用途评估，不直接进入训练或偏差判定样本 |
| 程序号有、程序参数表无该版本 | 程序号在参数表中查不到 | 该段挂起并生成程序版本补全任务，核实后重新配对 |
| 受理时窗内多次程序切换 | 切换事件在同一受理窗内出现两次以上 | 按切换点拆分为多段，分别配对 |
| 工艺卡与程序参数表给定值不一致 | 同参数两来源数值超登记容差 | 两值并存，标注来源等级与差异量 |
| 疑似面板临时改参未回写 | 稳态段实时值中心与给定值长时间系统性偏离 | 保留最后可核实的下发值及有效区间，登记未确认变更，停止将疑似变更段用于确定性偏差判定 |
配对结果保存参数名、实际值、实际预设值、批准工艺值、参考值、差值、有效区间、阶段标记和来源版本。相对偏差仅在分母非零且具有明确物理意义时计算；其余情况保留绝对偏差并标记相对值不适用。配对覆盖率按设备、工位、焊道和参数分别统计，缺项形成补采或补充配置任务；用于参数偏差判定的样本必须具有经过核验的比较基准。
#### 2.5.4 对象锚定登记
我方核验焊接参数、图像、炉次记录、工件和材料批次之间的实际关联。源数据已有对象标识时以明确标识为主，并以设备、工位和时间条件交叉验证；标识不足时建立候选匹配并由业务人员确认。并行作业、多工件同炉和同设备连续换件分别建模，不仅凭时间邻近自动确定对象。
表2-14 对象锚定登记
| 锚定类型 | 锚定依据 | 判定规则 | 锚定失败的处置 |
|---|---|---|---|
| 焊接参数流 → 工件与焊道 | 设备号 ＋ 时间区间 ＋ MES 工单与报工 | 时间区间落在同一工单的同一工序报工区间内，且设备号与工单派工设备一致 | 标记为未锚定，单独存放 |
| 焊接图像 → 焊道 | 采集时点 ＋ 相机位号 ＋ 焊道标识 | 采集时点落在该焊道的焊接时间窗内 | 标记为未锚定 |
| 热处理参数 → 工件与炉次 | 炉台号 ＋ 炉次工单 ＋ 装炉清单 | 炉次工单的开完工时刻覆盖该段参数，装炉清单给出工件列表 | 保留炉次级锚定，工件级标记为未锚定 |
| 热处理参数 → 材料批次 | 装炉清单 ＋ WMS 库存批次 | 工件所用物料批次可在库存批次中查到 | 材料批次字段留空并标记 |
| 在役装备时序 → 设备与测点 | 设备号 ＋ 测点配置 | 测点配置在该时间窗内有效 | 测点配置变更期的数据单列 |
| 报警事件 → 维修事实 | 设备号 ＋ 时间邻近 ＋ 维修工单 | 维修工单的报修时刻在报警后约定时窗内，且部位一致 | 保留报警，故障标签留空 |
未锚定时序段保留原始记录和失败原因，进入对象补全队列。经许可、质量与用途审核后，才可在不依赖缺失对象标识的特定任务中使用；需要工件、焊缝或炉次归属的样本须完成对应标识核验。对象锚定统计分为确定关联、候选关联和未关联，候选不得计为确定关联。
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；本环节承接的是其产出数据的受理与批次成形。
### 2.6 产品质量域
本域对应产品质量数据集的原始数据底座。
表2-15 产品质量域
| 数据对象 | 字段组 | 形态 | 校验重点 |
|---|---|---|---|
| 进厂检验 | 检验单号、物料、批次、供应商、检验项、结果 | 结构化 | 物料批次与 WMS 库存批次对应 |
| 制程检验 | 检验单号、工单、工序、检验项、结果 | 结构化 | 工单与 MES 工单对应 |
| 出厂检验与成品检验 | 检验单号、产品、检验项、结果、检验日期 | 结构化 | 产品与合同、订单对应 |
| 质量台账 | 期间、产品、不合格类型、数量、处置 | 结构化 | 与检验记录勾稽 |
| 淬火硬度 | 工件号、测点位置、硬度值、检测方法 | 结构化 | 测点位置取本体值域 |
| 淬火区域位置及均匀性 | 工件号、区域标识、位置偏差、均匀性指标 | 结构化 | 指标口径登记来源 |
| 外观缺陷与质检结果 | 工件号、缺陷类型、位置、严重程度、判定 | 结构化 | 缺陷类型取本体缺陷值域 |
| 质量报告与产品质量档案 | 文件本体、产品、期间 | 非结构化 | 按产品归集 |
| 质量知识 | 文件本体、主题、来源 | 非结构化 | 进知识库抽取通道 |
| 质量影像 | 熔池图像、焊后焊道表面图像、工件外观缺陷图像 | 图像 | 与检验记录的引用关系 |
质量影像与制造过程影像存在共用来源时，按文件指纹确认是否为同一资产。物理文件可在权限允许范围内复用，各业务域分别维护用途、对象关系与访问许可。图像挂接同时核验工件、焊缝焊道、工序、采集时间和检验轮次，避免把熔池过程影像与焊后检验结果误作同一时点的直接观测。
我方按产品、年度、报告类型和保存位置清点纸质检测报告，形成数字化资产清册和分批处理计划。扫描时记录原件编号、页序、附件及签章位置，复核缺页、重页、模糊、倒置和遮挡后进入文档解析通道。扫描影像、识别文本和人工校订结果分别保存，原件状态与数字化状态同步登记。
### 2.7 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。
表2-16 通用语料与外部语料
| 来源 | 受理内容 | 形态 | 校验重点 |
|---|---|---|---|
| 协同办公系统（OA） | 管理制度、合同文档 | 非结构化 | 文件版本状态、发布部门、生效日期 |
| 久其系统 | 营业收入、利润、成本、资产负债等经营指标 | 结构化 | 期间闭合状态；口径与指标知识库一致 |
| 主数据管理平台 | 组织机构、人员、物料编码 | 结构化 | 作为本体编码对齐的基准；人员字段入口脱敏 |
| 外部行业标准 | 标准文本、标准号、版本状态 | 非结构化 | 许可类型；版本状态 |
| 学术文献 | 文献全文或摘要、出版信息 | 非结构化 | 许可类型；可否用于训练 |
| 厂商资料 | 产品手册、技术白皮书 | 非结构化 | 许可类型；是否含第三方保密内容 |
| 公开数据集 | 数据文件、许可协议 | 结构化／图像／文本 | 许可协议条款；可否二次分发 |
外部语料按各业务域预训练规模、知识覆盖、时效性和许可条件分解采购及汇聚任务。候选量、获准使用量、去重清洗量和最终合格量分别统计；不以重复下载、切片重叠或扩大通用语料比例补足专业数据缺口。
### 2.8 数据源登记
每一个数据源登记为一条记录，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。
表2-17 数据源登记
| 字段 | 类型 | 必填 | 说明 |
|---|---|---|---|
| 登记编号 | 字符 | 是 | 业务域码 ＋ 源系统码 ＋ 顺序号 |
| 源系统名称 | 字符 | 是 | 与采集接入章节的系统清单一致 |
| 所属业务域 | 枚举 | 是 | 供需计划／产品工艺设计／制造过程／产品质量；通用来源另以来源类型登记并关联使用域 |
| 数据集归属 | 枚举 | 是 | 对应四类数据集之一或多个 |
| 责任部门 | 字符 | 是 | 甲方侧数据责任部门 |
| 取数方式 | 枚举 | 是 | 接口、数据库只读视图、文件导出、实时订阅 |
| 数据内容范围 | 文本 | 是 | 表、字段或文件目录范围 |
| 更新频次 | 枚举 | 是 | 实时、日、周、月、按期间、一次性 |
| 授权文件编号 | 字符 | 是 | 甲方出具的授权依据 |
| 授权有效期 | 日期 | 是 | 到期前按约定提前复核 |
| 敏感等级 | 枚举 | 是 | 取安全方案的分级结论 |
| 脱敏规则版本 | 字符 | 是 | 关联脱敏规则表 |
| 登记状态 | 枚举 | 是 | 生效、暂停、作废 |
### 2.9 许可核验
表2-18 许可核验
| 来源类别 | 核验内容 | 判定规则 | 不通过的处置 |
|---|---|---|---|
| 内部业务系统 | 授权范围与取数范围是否匹配、授权是否在有效期内 | 取数范围须被授权范围覆盖，不作扩大解释 | 缩小取数范围或补授权 |
| 内部文档资料 | 文件密级、可用范围、可否进入训练语料 | 按安全方案分级结论执行 | 高密级文件不进入训练语料，仅保留目录信息 |
| 含个人信息的数据 | 是否已按分级结论去标识化 | 直接标识字段须已处理 | 退回脱敏步骤 |
| 外部行业标准与文献 | 许可类型、是否允许全文入库、是否允许用于模型训练 | 许可条款未明确允许的按不允许处理 | 仅登记元数据，不入全文 |
| 公开数据集 | 许可协议、署名要求、二次分发限制 | 按协议条款逐项登记 | 协议不允许的用途不使用 |
| 厂商资料 | 是否含第三方保密内容、是否有使用授权 | 无授权的不入库 | 退回来源方补授权 |
核验结论随批次保存，作为数据集来源合法性承诺的支撑材料。
### 2.10 入口脱敏
脱敏在数据写入贴源区之前完成，按字段类型分类处理。
表2-19 入口脱敏
| 字段类型 | 典型字段 | 处理方式 | 技术口径 | 可逆性 |
|---|---|---|---|---|
| 直接标识 | 人员姓名、身份证号、联系方式 | 替换或遮蔽 | 按用途执行整字段替换或适度遮蔽，并复核间接识别风险 | 不可逆 |
| 准标识 | 岗位、所属班组、工号 | 泛化 | 归并到上一层级（如班组归并到车间） | 不可逆 |
| 需保留关联性的标识 | 客户编号、供应商编号 | 一致性假名化 | 在同一获准关联范围内将同一原值映射为同一假名，不保留原值大小次序；映射表单独存放 | 受控可逆 |
| 金额与价格 | 合同金额、物料单价 | 按分级结论决定 | 高敏感的按区间化处理，低敏感的保留原值 | 区间化不可逆 |
| 地理与位置 | 矿井名称、工作面位置 | 按分级结论决定 | 敏感地理信息按区域层级泛化 | 不可逆 |
| 自由文本中的标识 | 工单备注、维修记录中的人名与电话 | 识别后替换 | 先命名实体识别，再按直接标识处理 | 不可逆 |
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%，复核发现的残留标识按条整改并重跑该批次脱敏。假名映射表按最小权限管理，访问留痕，存放与密钥管理口径见安全方案。
### 2.11 格式合规校验
表2-20 格式合规校验
| 校验项 | 校验内容 | 判定口径 | 不通过的处置 |
|---|---|---|---|
| 文件可解析性 | 文件能否被对应解析器打开 | 打不开即判不通过 | 入隔离区，回源侧重新导出 |
| 字符编码 | 编码是否为约定编码、是否有乱码 | 乱码率超过批次计划约定值判不通过 | 尝试编码转换，失败则回源侧 |
| 必填字段完整性 | 登记为必填的字段是否有值 | 按字段逐项统计缺失率，缺失率门限按字段重要度分档 | 关键字段缺失的记录入隔离区 |
| 主键唯一性 | 主键是否重复 | 存在重复即判不通过 | 按去重规则处理或回源侧确认 |
| 外键可解析 | 关联字段能否在对应主表查到 | 悬挂外键按比例统计 | 超门限的回源侧核对 |
| 时间戳格式与时区 | 格式是否统一、时区是否标注 | 无时区标注时核验源系统时区配置，确认后补齐并登记依据 | 无法确定时区的记录标记 |
| 时间逻辑 | 开始不晚于结束、订单、执行和补录时点符合对应业务规则 | 逻辑冲突即标记 | 标记后交业务侧确认 |
| 数值量程 | 是否落在物理量程内 | 超量程即标记 | 标记为疑似异常，交预处理环节判定 |
| 量纲与单位 | 单位是否与数据元标准一致 | 不一致的做单位换算并登记 | 单位缺失的回源侧确认 |
| 枚举值域 | 取值是否在参考数据标准的值域内 | 越界值登记为新值候选 | 候选提交数据治理环节确认 |
| 图像可读性 | 图像能否解码、分辨率是否达到约定下限 | 不可解码或低于下限即判不通过 | 回源侧重新采集或标记为仅存档 |
| 文件指纹重复 | 是否与已入库文件重复 | 指纹相同即判重复 | 不重复入库，登记引用关系 |
校验不通过的记录进入隔离区并生成问题清单，按清单由源侧确认修正，或经审批形成派生修订版本，修正动作留痕。隔离区的记录不删除，保留至批次关闭后约定期限，便于回溯。
### 2.12 批次成形与采集记录
按业务域产出原始数据批次与采集记录。采集记录字段如下。
表2-21 批次成形与采集记录
| 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、各校验项通过率、隔离记录数、问题清单编号 |
| 锚定 | 对象锚定类型、锚定成功数、未锚定数 |
| 状态 | 入口门判定结论、判定岗位、判定时间、批次状态 |
批次状态分六种：受理中、挂起、已成形、已进入预处理、已关闭、废弃。状态流转在数据集加工生产平台上记录，不另建台账。
### 2.13 采集环节的质量控制点
表2-22 采集环节的质量控制点
| 控制点 | 方法 | 判定口径 | 责任岗位 |
|---|---|---|---|
| 来源可追溯 | 数据源登记表与批次台账双向核对 | 每一批次均可反查登记编号、来源范围与授权依据；不能追溯的批次不得放行 | 数据受理岗 |
| 授权完备 | 受理前核验授权范围、许可类型与有效期 | 授权缺失或过期的批次登记后隔离，不进入加工或供样范围 | 数据受理岗、安全管理岗 |
| 脱敏有效 | 规则校验 ＋ 抽样人工复核，比例不低于 5% | 复核发现残留标识即整改并重跑该批次脱敏 | 安全管理岗 |
| 格式合规 | 规则库自动校验 | 按已审批规则逐项判定；涉及来源、许可、关键标识及安全的必检项全部通过，隔离记录形成处置结论 | 数据受理岗 |
| 对象锚定 | 时序与图像数据同工单、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 | 数据受理岗 |
| 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 | 数据受理岗 |
| 重复入库 | 文件指纹比对 | 指纹相同的文件不重复入库，登记引用关系 | 数据受理岗 |
| 清点一致 | 落地清点单与通道侧交付单核对 | 数量不一致时保留受理记录并挂起可用发布，核对或补传后重新校验 | 数据受理岗 |
### 2.14 采集环节产出物
表2-23 采集环节产出物
| 产出物 | 形式 | 交付对象 |
|---|---|---|
| 各业务域原始数据批次 | 贴源区数据 | 预处理环节 |
| 采集记录 | 结构化表 | 预处理环节、数据卡回填 |
| 数据源登记表 | 结构化表 | 甲方信息化部门、数据治理环节 |
| 许可核验台账 | 结构化表 | 合规与安全环节 |
| 脱敏规则与复核记录 | 文档 ＋ 结构化表 | 安全环节 |
| 格式校验问题清单 | 结构化表 | 源侧与受理岗 |
| 图纸与工艺卡片配对登记表 | 结构化表 | 预处理图像通道、标注环节 |
| 时序对象锚定登记表 | 结构化表 | 预处理时序通道、标注环节 |
| 落地清点单 | 结构化表 | 采集接入环节对账 |
### 2.15 与采集接入环节的对账机制
我方逐批核对传输清单与接收结果，使用相同的调度标识、时间窗和对象范围定位差异，登记缺失、重复、损坏和范围变更情况。
表2-24 与采集接入环节的对账机制
| 对账项 | 通道侧依据 | 受理侧依据 | 不一致的处置 |
|---|---|---|---|
| 交付数量 | 调度日志的记录数或文件数 | 落地清点单 | 差额按时间窗逐段核对，定位到具体调度批 |
| 时间窗完整性 | 取数时间窗 | 批次取数时间窗 | 时间窗有空洞的补调度 |
| 字段范围 | 接口返回字段清单 | 字段清单版本 | 字段缺失的核对授权范围与接口版本 |
| 链路异常 | 链路告警与重试记录 | 采集中断标记 | 中断时段登记并安排补采 |
| 格式变更 | 源系统接口版本变更通知 | 格式校验失败突增 | 暂停该源受理，待字段清单更新后恢复 |
对账结论记入批次记录。首次出现数量、时间窗或字段差异即登记异常任务并定位受影响数据；源系统接口、授权范围或模式变更引发系统性差异时暂停相关批次发布。恢复后核验补传范围、去重结果和累计数量，不以重试成功代替数据完整性确认。
## 3 数据预处理
### 3.1 四条通道与算子框架
预处理按四条通道并行推进：文档类、图纸与图像、设备时序、结构化与时序的文本化。四条通道的产出在规范区汇合，统一登记算子与版本，统一过预处理门。
通道划分的依据是数据形态而不是业务域，原因是同一业务域内往往同时存在文档、图像与时序三种形态，按形态分工比按域分工更能复用算子。业务域的归属信息随批次号带入，不因通道划分而丢失。
每条通道由若干算子串联。算子是预处理的最小可调度与可复算单位，定义如下表。
表3-1 四条通道与算子框架
| 算子属性 | 说明 |
|---|---|
| 算子编号 | 通道码 ＋ 序号，全局唯一 |
| 算子版本 | 主版本.次版本，参数结构变化进主版本 |
| 输入契约 | 输入数据的形态、字段与前置算子 |
| 输出契约 | 输出数据的形态、字段与下游算子 |
| 参数集 | 可配置参数及其默认值、取值范围 |
| 失败判定 | 判定为失败的条件与门限 |
| 失败处置 | 重试、跳过并标记、整批回退三种之一 |
| 指纹 | 算子编号、版本与参数取值的哈希 |
失败处置的三种取向有明确分工：可恢复的临时性失败（如解析器超时）用重试；个别样本的内容性失败用跳过并标记，不影响整批；契约性失败（输入字段缺失、前置算子未执行）用整批回退。
图 3-1 多形态预处理通道
### 3.2 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、质量报告等文档类资料。
#### 3.2.1 版式判定与解析路径选择
版面解析先判版式，再分路处理。判定规则如下表。
表3-2 版式判定与解析路径选择
| 版式判定结果 | 判定依据 | 解析路径 | 失败判定 |
|---|---|---|---|
| 原生电子文档 | 文件内含可提取文本层，且文本层字符数与页面面积比例落在正常区间 | 结构树解析：读取样式、层级、表格对象 | 可提取字符数低于每页约定下限时改判为扫描件 |
| 扫描件 | 无文本层，或文本层为乱码 | 版面分析 ＋ 文字识别 | 识别置信度低于门限的页进人工复核队列 |
| 混合版式 | 部分页有文本层、部分页无 | 按页分路，结果按页序合并 | 合并后页序不连续即判失败 |
| 表单类文档 | 版面以表格为主、正文占比低 | 表格优先解析，正文按残余文本处理 | 表格结构识别失败即整文件回退 |
| 图纸化文档 | 页面以矢量图元或图像为主 | 转入图纸与图像通道 | — |
#### 3.2.2 章节结构还原
章节结构还原综合标题样式、编号序列、目录和版面位置判定。编号缺失、历史文件排版异常或识别结果冲突时，不机械指定单一线索优先；系统输出候选结构和冲突位置，人工依据原文确认层级。保留章节树、条款编号、附录关系和来源坐标，使下游能够复核切分依据。
表3-3 章节结构还原
| 还原项 | 方法 | 保留字段 | 失败判定与处置 |
|---|---|---|---|
| 标题层级 | 样式聚类 ＋ 编号序列解析 | 层级号、层级路径、标题文本 | 编号序列出现断号且无法用样式补齐时，该文件标记为结构不完整，进人工复核 |
| 来源页码 | 解析时记录每一节的起止页 | 起始页、结束页 | 页码缺失的文件不进入条款级索引 |
| 正文位置偏移 | 记录每一节在全文字符流中的起止偏移 | 起始偏移、结束偏移 | 偏移与重解析结果不一致即判失败 |
| 目录校验 | 将还原结果与目录页比对 | 校验结论、差异条目 | 差异条目数超门限的进人工复核 |
| 附件与附录 | 按标识识别并单列 | 附件标识、所属主文件 | 无法判定归属的单独成件 |
#### 3.2.3 表格与公式重建
表3-4 表格与公式重建
| 对象 | 处理方法 | 保留信息 | 失败处置 |
|---|---|---|---|
| 有线表 | 按线框检测切分单元格 | 行列索引、单元格合并关系、表头 | 线框残缺的转无线表路径 |
| 无线表 | 按文本对齐与列投影切分 | 同上 | 列数判定不唯一的进人工复核 |
| 跨页表格 | 按表头重复与续表标记合并 | 合并前各页范围 | 表头不重复且无续表标记的不合并，分别成表 |
| 嵌套表格 | 按层级分别重建 | 父子表关系 | 保留嵌套结构和原图，解析不足时人工重建，未经核验不作结构化事实 |
| 行内公式 | 保留结构化表达 | 公式文本、变量符号 | 识别失败的保留图像、原文与异常标记，审核前不作为可计算表达式 |
| 独立公式块 | 保留结构化表达 | 公式编号、所在章节 | 识别失败的保留原图和定位引用，经人工复核后确定可用范围 |
| 图片化公式 | 回退为图像 | 图像引用、所在位置 | — |
#### 3.2.4 正文切分
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。
表3-5 正文切分
| 切分参数 | 口径 | 说明 |
|---|---|---|
| 一级切分依据 | 章节层级边界 | 不跨章节切分 |
| 二级切分依据 | 段落边界，其次句子边界 | 不在句子内部切断 |
| 切片长度目标区间 | 按用途分档：预训练子集用长切片，检索增强用中等切片，条款级索引用条款自然长度 | 具体取值写入算子参数，随批次登记 |
| 重叠窗口 | 相邻切片保留一段重叠 | 重叠长度按用途分档配置 |
| 最小切片长度 | 低于下限的切片与相邻切片合并 | 避免产生无信息量的碎片 |
| 保留字段 | 层级路径、来源页码、位置偏移、切片序号 | 回查原文的依据 |
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 5.3。
#### 3.2.5 去重与去噪
去重分三层，各层方法与参数如下。
表3-6 去重与去噪
| 层级 | 方法 | 判定口径 | 处置 |
|---|---|---|---|
| 文件级 | 内容哈希比对 | 哈希相同即判重复 | 不重复入库，登记引用关系 |
| 段落级 | 最小哈希相似度过滤 | 相似度超过门限判近重复，门限按文档类型分档 | 核对有效时段、适用范围、关键数值和否定词；仅合并语义等价的重复内容，保留历史版本及引用关系 |
| 句子级 | 模板化套话的频次统计 | 全库出现频次超过门限且不携带业务信息的句式 | 批量剔除并记录剔除规则 |
去噪处理下表所列噪声类型。
表3-7 去重与去噪
| 噪声类型 | 识别方法 | 处置 |
|---|---|---|
| 页眉页脚 | 跨页重复位置与重复文本 | 剔除，保留一份作为文件元数据 |
| 水印 | 固定位置的重复文本或图层 | 提取版权、密级和状态信息；仅在派生解析文本中去除无业务含义的重复噪声，原件保留 |
| 修订痕迹 | 修订标记与批注对象 | 按版本状态决定：先核对有效文本和修订接受状态，派生正文与修订证据分别保存 |
| 目录残留 | 页码点线串与目录样式 | 剔除正文中的目录副本，保留目录结构 |
| 扫描噪点与倾斜 | 图像预处理检测 | 去噪、纠偏后再识别 |
| 乱码片段 | 字符分布异常检测 | 标记并剔除，超门限的整页进人工复核 |
| 空白页与分隔页 | 内容密度检测 | 剔除，保留页序记录 |
去重与去噪均登记原内容位置、命中规则、保留项、排除项和复核结论。发现误处理时，依据原始资产创建修复任务和后继样本版本；冻结版本不直接回写。保留记录支持对错误规则影响范围的批量追踪。
#### 3.2.6 文档类通道的产出字段
表3-8 文档类通道的产出字段
| 字段 | 说明 |
|---|---|
| 样本编号 | 批次号 ＋ 通道码 ＋ 顺序号 |
| 源文件编号 | 关联采集环节的文件登记 |
| 文件名称与版本 | 原文件标识 |
| 层级路径 | 如「第三章＞第二节＞第五条」 |
| 来源页码 | 起始页、结束页 |
| 位置偏移 | 起始偏移、结束偏移 |
| 正文文本 | 切片内容 |
| 表格对象 | 结构化表格数据（若有） |
| 公式对象 | 结构化公式或图像引用（若有） |
| 处置标记 | 去重、去噪、人工复核的处置记录 |
| 算子指纹链 | 本样本所经各算子的指纹序列 |
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。
### 3.3 图纸与图像通道
处理对象为工艺图纸（PDF）、CAD 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。
#### 3.3.1 矢量化程度判定
我方按可解析对象、文本、图层、尺寸关联、外部参照和视图信息分别评估图纸，不以单一“可打开”状态判定全部字段有效。缺少某类结构时采取局部补充解析，保留其他可信结果；用于尺寸、工艺或质量判断的字段单独通过核验。
表3-9 矢量化程度判定
| 判定项 | 可进原生解析路径的条件 | 不满足时的降级路径 |
|---|---|---|
| 图元可读 | 文件能被原生解析器打开，图元对象可枚举 | 转栅格路径 |
| 图层结构 | 图层名可读，且与企业制图标准的图层约定可对应 | 原生解析但图层信息留空，图层相关字段标记为缺失 |
| 尺寸标注对象 | 标注以标注对象存在，而非散落的文字与线段 | 原生解析 ＋ 标注重建，标注置信标记为中 |
| 文字对象 | 文字以文本对象存在，非图形化描边 | 对文字区域做识别补齐，置信标记为中 |
| 视图投影关系 | 视图边界可识别，视图间对应关系可按投影规则推断 | 仅做单视图解析，投影关系字段留空 |
| 外部引用 | 外部参照与块定义完整，无缺失引用 | 缺失引用的部分标记为不完整 |
栅格化或局部补充解析的结果按字段记录精度与可用范围。通过图面清晰度和关联检查的材料可进入相应检索或人工标注任务；未经尺寸核验的字段不进入精确尺寸计算及标准答案。原生文件与派生图像保持一一对应。
#### 3.3.2 原生图元解析
表3-10 原生图元解析
| 解析对象 | 抽取内容 | 用途 |
|---|---|---|
| 几何图元 | 线、圆弧、圆、样条、多段线的坐标与属性 | 轮廓还原、特征识别 |
| 图层 | 图层名、线型、颜色、可见性 | 按制图标准区分轮廓、中心线、剖面线、标注 |
| 尺寸标注 | 标注类型、测量值、公差、关联几何 | 尺寸提取、材料定额核算的输入 |
| 符号标注 | 粗糙度、坡口、倒角、形位公差、焊接符号 | 加工要求识别，作用表面范围判定 |
| 文字与属性 | 标题栏属性、技术要求文本、零件序号 | 元数据抽取 |
| 块与外部参照 | 块名、插入点、属性值 | 标准件识别 |
| 视图与边界 | 视图框、比例、投影方向 | 多视图投影关系推断 |
#### 3.3.3 图面区域切分
图面区域切分按图纸的固有分区进行，切分后分别抽取。
表3-11 图面区域切分
| 区域 | 识别依据 | 抽取内容 |
|---|---|---|
| 标题栏 | 图框右下角固定位置 ＋ 字段标签 | 图号、名称、材料牌号、比例、版本、设计与审核标识（标识字段按入口脱敏规则处理） |
| 明细表区 | 表格结构 ＋ 序号列 | 零件序号、名称、数量、材料、备注 |
| 视图区 | 图框内除上述区域的几何密集区 | 视图边界、视图类型、所含图元 |
| 技术要求区 | 文本块 ＋ 关键词（如「技术要求」） | 文字条款逐条切分 |
| 修改记录区 | 图框内的修改表 | 修改单号、日期、内容 |
#### 3.3.4 图文关联
建立三类对照，字段如下。
表3-12 图文关联
| 对照类型 | 关联键 | 字段 | 用途 |
|---|---|---|---|
| 图号与工艺卡片号 | 图号 | 图号、卡片号、物料清单行号、配对置信标记 | 工艺设计监督样本构建 |
| 图元与标注 | 标注关联几何的句柄 | 标注编号、关联图元标识、测量值、作用表面范围 | 尺寸与加工要求的结构化 |
| 图像与检验记录 | 工件号 ＋ 焊道号 ＋ 采集时点 | 图像编号、检验单号、检验项、结论 | 质量影像的标签来源 |
工艺过程图像另按工件号、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。挂接依据是采集环节的对象锚定登记。
#### 3.3.5 图像样本的规范化
表3-13 图像样本的规范化
| 处理项 | 口径 |
|---|---|
| 格式统一 | 统一为约定的无损或低损格式，原始文件保留 |
| 分辨率 | 低于约定下限的标记为仅存档，不进入标注样本 |
| 色彩与曝光 | 熔池图像保留原始亮度信息，不做自动增强，避免改变可判读特征 |
| 区域切分 | 依据点位标定和对象位置切出有效区域，保存原图、裁剪坐标及变换关系，复核目标是否完整 |
| 元数据 | 采集时点、相机位号、工件号、焊道号、工序、关联参数窗 |
| 脱敏 | 画面中出现的人员与铭牌信息按入口脱敏规则处理 |
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。
### 3.4 设备时序通道
处理对象为 SCADA、热处理群控、EMS、SOS 等来源的设备时序数据。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。
#### 3.4.1 时间基准与多测点对齐
表3-14 时间基准与多测点对齐
| 处理项 | 方法 | 参数 | 失败处置 |
|---|---|---|---|
| 时间基准统一 | 以企业统一时间基准为准，各源系统时钟偏差按源登记并在对齐时补偿 | 偏差值、补偿方向 | 偏差未知的源，该时间窗数据标记为时基不确定 |
| 时区归一 | 统一到约定时区并显式标注 | 目标时区 | 无时区信息时核验源配置，确认后补齐；无法确认则隔离相关时间关联用途 |
| 采样相位对齐 | 以主测点时标为参照，其余测点按最近邻或插值对齐 | 对齐容差 | 超容差的测点在该窗内标记为未对齐 |
| 跨系统对齐 | 以事件时刻（开炉、起弧）为锚点做二次校正 | 锚点类型、允许平移量 | 校正后残差超门限的整段标记 |
| 对齐校验 | 跨测点时标一致性校验 ＋ 同期事件比对 | 一致性门限 | 发现跨测点错位的，该设备该时间窗整段回退重对齐 |
#### 3.4.2 重采样
重采样按物理量性质选择方法，不用一种方法处理所有量。
表3-15 重采样
| 物理量类别 | 典型测点 | 重采样方法 | 说明 |
|---|---|---|---|
| 温度类 | 淬火前后表面温度、层间温度、返热温度 | 窗内均值 | 保留窗内极值作为附加字段 |
| 电气连续量 | 实时电流、实时电压、加热功率 | 窗内均值 ＋ 均方根 | 焊接侧另保留原始密度版本 |
| 频率与速度 | 频率、焊接速度、送丝速度 | 窗内均值 | 变化率作为附加字段 |
| 流量与浓度 | 淬火液流量、浓度、保护气体流量 | 窗内均值 | 零值与停机状态区分标记 |
| 几何量 | 感应器间隙、焊枪摆动振幅 | 窗内均值 | 设定值与实际值分列 |
| 状态类 | 设备运行状态、启停状态、变位机状态 | 保存状态生效区间及转换事件，另生成窗口摘要 | 摘要附状态占比与翻转次数，不覆盖瞬时停机或报警 |
| 累计量 | 能耗、运行时长 | 相邻有效读数差分并按区间归属累计 | 分别核验清零、回绕、仪表更换和倍率变更；未确认跳变不作为真实消耗 |
| 事件类 | 报警代码、起弧与收弧 | 不重采样 | 事件原样保留并带时标 |
统一步长按数据组分档设定，写入算子参数并随批次登记；焊接参数在统一步长版本之外另保留原始密度版本，供需要细节的样本构建使用。
#### 3.4.3 缺失补齐
表3-16 缺失补齐
| 缺口长度 | 判定 | 处置 | 标记 |
|---|---|---|---|
| 单点缺失 | 同一连续工况中相邻点有效且允许插值 | 经审批的连续量插值，状态和事件按专属规则处理 | 标记为插值值 |
| 短缺口 | 缺口长度不超过约定上限 | 连续量按规则插值；状态仅在有效状态记录支持且未跨事件边界时有限前向填充 | 标记为插值值并记录缺口长度 |
| 长缺口 | 缺口长度超过约定上限 | 不补，整段标记缺失 | 标记为缺失段 |
| 整测点缺失 | 该窗内测点无任何数据 | 不补，字段留空 | 标记为测点无数据 |
| 采集中断 | 多测点同时缺失且时长相近 | 判为链路中断，整窗标记 | 标记为采集中断并提示采集接入环节 |
补齐规则同时约束物理量性质、最大缺口、工况连续性和使用任务。报警、停机、程序切换、工件更换与断链边界不跨越插值；事件时间不补造。补齐值保留方法、位置、前后依据和误差标记，原始观测与派生估计分列。实时预测类样本仅使用预测时点之前可获取的信息，离线插值结果不得造成未来信息泄漏。
#### 3.4.4 异常值处理
异常判定按三道判据顺序执行，任一道命中即标记，并记录命中的判据。
表3-17 异常值处理
| 判据 | 方法 | 参数 | 说明 |
|---|---|---|---|
| 物理量程校验 | 与测点量程、物理可行区间比对 | 量程上下限 | 量程取自测点配置，配置缺失时登记量程缺口，不以工艺正常区间替代传感器物理量程 |
| 变化率校验 | 相邻点变化率与该物理量的可行变化率比对 | 变化率上限 | 温度、流量类设上限；电气量按工艺特性单独设定 |
| 同工况统计离群 | 同设备同工况历史分布的离群判定 | 离群判定方法与门限 | 需先有工况分段，首批次以试点设备标定 |
异常点保留原始值、命中规则和原因类别，区分设备真实异常、工艺偏离、传感器故障和链路问题。统计离群仅作为复核线索，不能据此删除故障前兆或稀有缺陷。传感器可信度核查形成新的配置版本与适用时段，不改变历史原始观测；派生样本按确认结果重新生成。
#### 3.4.5 事件锚定切窗
按报警、停机、开炉、焊接作业四类事件锚定切分时间窗。窗长按事件类型分别设定并写入算子参数。
表3-18 事件锚定切窗
| 事件类型 | 事件时刻定义 | 前置窗 | 事件窗 | 后置窗 | 关联测点 |
|---|---|---|---|---|---|
| 报警 | 报警产生时刻 | 覆盖报警前的工况演变 | 报警持续期 | 覆盖报警确认与处置 | 该设备同期相关通道 |
| 停机 | 运行状态转为停止的时刻 | 覆盖停机前运行段 | 停机持续期 | 覆盖重启与恢复 | 状态、电气量、温度 |
| 开炉 | 炉次工单开工时刻 | 覆盖装炉准备 | 开炉至完工 | 覆盖出炉与返热 | 热处理全部参数 |
| 焊接作业 | 起弧时刻 | 覆盖引弧前准备 | 起弧至收弧 | 覆盖收弧后冷却与层间等待 | 焊接全部参数 ＋ 层间温度 |
切窗结果形成「时序片段—事件」样本对，字段如下。
表3-19 事件锚定切窗
| 字段 | 说明 |
|---|---|
| 样本编号 | 批次号 ＋ 通道码 ＋ 顺序号 |
| 事件类型与事件时刻 | 四类之一 ＋ 时标 |
| 窗口定义 | 前置窗、事件窗、后置窗的起止时刻 |
| 所属设备与测点清单 | 设备号、测点编号列表 |
| 所属对象 | 工件号、焊道号或炉次号（来自对象锚定登记） |
| 时序数据 | 各测点的对齐重采样序列 |
| 质量标记 | 插值点位置、缺失段、异常点与命中判据 |
| 工况标记 | 工况分段结论（若已具备） |
| 算子指纹链 | 本样本所经各算子的指纹序列 |
同一时间窗内相关通道的多条报警，经设备、部位、报警语义和时间条件核验后形成关联事件组，原始报警逐条保留。事件组不替代原始报警记录，归并规则与在役装备健康诊断场景的事件口径一致，详见场景验证章节。
图 3-2 时序处理与用途控制
### 3.5 结构化与时序的文本化通道
处理对象为 CRM、ERP、SCM、WMS、MES、QMS、EAM 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。
#### 3.5.1 模板体系
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。
表3-20 模板体系
| 业务对象 | 模板组 | 字段槽 | 文本样本用途 |
|---|---|---|---|
| 销售订单与合同 | 订单叙述、交付节点叙述 | 客户、产品配置、数量、金额区间、交付期 | 预训练子集、供需计划指令样本 |
| 采购与供应商履约 | 采购叙述、履约评价叙述 | 供应商、物料、周期、到货时效、履约率 | 预训练子集、供需计划指令样本 |
| 库存与出入库 | 库存状态叙述、流转叙述 | 物料、仓库、批次、可用量、占用量 | 供需计划指令样本 |
| 生产工单与报工 | 工单叙述、工序流转叙述 | 工单号、产品、工序、进度、设备 | 制造过程指令样本 |
| 检验记录 | 检验结论叙述、不合格处置叙述 | 工件、检验项、测值、判定、处置 | 产品质量指令样本 |
| 设备台账与点检 | 设备档案叙述、点检叙述 | 设备、部位、点检项、结论 | 制造过程指令样本 |
| 维修工单与诊断 | 故障处置叙述 | 设备、现象、原因、措施、备件 | 制造过程指令样本、故障链图谱素材 |
| 设备运行曲线 | 曲线形态叙述 | 见 3.5.2 | 制造过程与产品质量指令样本 |
| 物料清单与工序 | 结构叙述、工艺路线叙述 | 零件、层级、用量、工序序列 | 产品工艺设计指令样本 |
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。模板本身版本化，模板版本进入算子指纹。
#### 3.5.2 设备运行曲线的文本化口径
曲线文本化不逐点叙述，而是按形态特征描述。特征口径如下表，取值由时序通道计算后带入模板。
表3-21 设备运行曲线的文本化口径
| 特征 | 定义 | 适用物理量 |
|---|---|---|
| 升温段斜率 | 升温区间内的平均变化率 | 温度类 |
| 保温段波动范围 | 保温区间内的极差与标准差 | 温度类 |
| 峰值与出现时刻 | 窗内最大值及其时标 | 温度、电流、功率 |
| 谷值与出现时刻 | 窗内最小值及其时标 | 温度、流量 |
| 与设定值的偏离区间 | 实际值与设定值之差超出允差的时间区间 | 有设定值的参数 |
| 偏离方向与幅度 | 偏高或偏低、最大偏离量 | 同上 |
| 稳定段时长占比 | 变化率低于门限的时长占窗长比例 | 连续量 |
| 状态翻转次数 | 状态类测点在窗内的翻转计数 | 状态类 |
| 事件序列 | 窗内事件按时序排列 | 事件类 |
#### 3.5.3 模型改写的使用边界
模型改写只用于句式多样化，不用于生成事实。改写后逐条回查：数值、术语、单位、对象标识是否被改动，任一项被改动即废弃该条，不做修补。废弃率按批次统计，升高时回退模板或调整改写参数。
每条文本样本关联源记录主键、业务时点、模板及算子版本。数值、单位、对象、条件和结论均能回查来源；核对不一致的样本隔离，修订后重新校验。
#### 3.5.4 文本化通道的产出字段
表3-22 文本化通道的产出字段
| 字段 | 说明 |
|---|---|
| 样本编号 | 批次号 ＋ 通道码 ＋ 顺序号 |
| 源记录主键 | 源系统主键 ＋ 批次号 |
| 业务对象类型 | 对应模板组 |
| 模板编号与版本 | 所用模板标识 |
| 文本内容 | 生成的自然语言文本 |
| 字段取值清单 | 填入模板的各字段原值 |
| 术语归一记录 | 原始表述与归一后术语的对照 |
| 回查结论 | 数值与术语一致性回查结果 |
| 算子指纹链 | 本样本所经各算子的指纹序列 |
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。
### 3.6 分域保存与对照关系
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。
表3-23 分域保存与对照关系
| 分区与分层 | 内容 | 保留期与版本 |
|---|---|---|
| 贴源层（按业务域） | 原始数据批次、采集记录、隔离区记录 | 按批准生命周期保留，原内容和修订版本分别管理 |
| 规范层（按业务域 ＋ 通道） | 结构化长文本、图像样本、时序样本对、文本化样本 | 按批次与算子指纹保留，重跑产出为新版本 |
| 对照层 | 规范化样本与原始记录、原始文件、原始测点的对照关系 | 与规范层同生命周期 |
| 废弃层 | 过门失败的批次与被剔除内容 | 保留至批次关闭后约定期限 |
对照关系表的字段为：样本编号、批次号、业务域、数据集归属、源文件编号或源记录主键、源内位置（页码与偏移、图元句柄、测点与时间窗）、算子指纹链、产出版本。
### 3.7 算子登记与可复算
每个批次登记所用算子及其版本与参数取值。
表3-24 算子登记与可复算
| 字段 | 说明 |
|---|---|
| 批次号 | 输入批次 |
| 处理通道 | 文档／图像／时序／文本化 |
| 算子编号与名称 | 算子标识 |
| 算子版本 | 主版本.次版本 |
| 参数取值 | 本次执行的全部参数 |
| 算子指纹 | 编号、版本与参数的哈希 |
| 执行时间与时长 | 调度记录 |
| 输入与输出批次号 | 血缘链 |
| 执行结果 | 成功、部分成功（含跳过计数）、失败 |
| 失败原因与处置 | 对应失败判定项 |
算子指纹用于识别执行配置，同时冻结输入资产、模型及词表版本、随机种子、依赖环境和输出校验值。确定性算子按同一输入配置验证逐项一致；存在非确定性的模型推理，保存原始候选及选择记录，并按规定的容差和质量规则验证复现结果。复跑差异形成问题记录，不仅凭指纹相同宣称结果一致。
### 3.8 预处理环节的质量控制点
表3-25 预处理环节的质量控制点
| 控制点 | 方法 | 判定口径 | 责任岗位 |
|---|---|---|---|
| 章节结构还原 | 按文档类型抽样人工复核 | 关键章节、条款及来源定位完整正确；抽样发现结构错误时扩大检查并修复相关文件 | 预处理工程岗、质检岗 |
| 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 | 质检岗 |
| 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 | 质检岗 |
| 矢量化分级正确 | 按判定项抽样复核 | 分级错判的重新判定并转对应路径 | 预处理工程岗 |
| 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 | 预处理工程岗 |
| 插值与异常标记完备 | 标记字段完整性校验 | 标记缺失的样本不进入供样区 | 质检岗 |
| 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 | 预处理工程岗 |
| 去重有效 | 相似度分布统计 ＋ 抽样人工判读 | 有效样本按批准的去重规则核验，重复记录剔除且保留来源关系，异常重复批次重新处理 | 质检岗 |
| 可复算 | 算子指纹复算 | 按确定性或受控非确定性规则复跑，超出许可差异时暂停相关算子版本并排查 | 预处理工程岗 |
| 术语一致 | 与本体术语表比对 | 出现表外术语的，提交本体回流流程 | 本体维护岗 |
### 3.9 预处理环节产出物
表3-26 预处理环节产出物
| 产出物 | 形式 | 交付对象 |
|---|---|---|
| 结构化长文本 | 样本集 | 预训练子集、知识库抽取、条款级索引 |
| 图像样本与图文对照记录 | 样本集 ＋ 结构化表 | 多模态标注、图谱 B、图纸索引 |
| 时序片段—事件样本对 | 样本集 | 制造过程数据集标注、图谱 A |
| 文本化样本与源记录对照表 | 样本集 ＋ 结构化表 | 预训练与指令微调子集 |
| 各业务域贴源数据与规范化样本 | 分域存储 | 全部下游环节 |
| 对照关系表 | 结构化表 | 质检、验证、数据卡回填 |
| 算子登记表 | 结构化表 | 质检复算、血缘追溯 |
| 去重去噪处置记录 | 结构化表 | 质检、误剔除恢复 |
| 人工复核队列与结论 | 结构化表 | 质检、整改任务单 |
### 3.10 预处理算子清单
下表列出四条通道的算子及其关键参数与失败判定，是 3.7 节算子登记表的登记对象。参数的具体取值随批次登记，首批取值在标定批确定。
表3-27 预处理算子清单
| 算子编号 | 名称 | 通道 | 关键参数 | 失败判定 | 失败处置 |
|---|---|---|---|---|---|
| D-01 | 版式判定 | 文档 | 文本层字符密度下限、乱码率上限 | 判定结果与人工复核不一致率超门限 | 跳过并标记 |
| D-02 | 文字识别 | 文档 | 识别模型版本、置信度门限、纠偏开关 | 页级平均置信度低于门限 | 进人工复核队列 |
| D-03 | 章节层级还原 | 文档 | 线索优先级、编号格式集、断号容忍数 | 编号断号且样式无法补齐 | 标记结构不完整 |
| D-04 | 页码与偏移登记 | 文档 | 无 | 页码缺失或偏移回查不一致 | 整文件回退 |
| D-05 | 有线表重建 | 文档 | 线框检测灵敏度、合并单元格判定 | 行列数判定不唯一 | 转 D-06 |
| D-06 | 无线表重建 | 文档 | 列投影阈值、对齐容差 | 列数判定不唯一 | 进人工复核队列 |
| D-07 | 跨页表合并 | 文档 | 表头相似度门限、续表标记集 | 表头不重复且无续表标记 | 不合并，分别成表 |
| D-08 | 公式重建 | 文档 | 公式识别开关、回退为图像开关 | 识别失败 | 保留原图与定位引用，进入人工复核 |
| D-09 | 正文切分 | 文档 | 一级与二级边界、长度区间、重叠长度、最小长度 | 切片越过章节边界 | 整文件回退 |
| D-10 | 文件级去重 | 文档 | 哈希算法 | — | 登记引用关系 |
| D-11 | 段落级近重复过滤 | 文档 | 相似度门限（按文档类型分档） | 过滤比例异常升高 | 暂停并复核门限 |
| D-12 | 句子级套话剔除 | 文档 | 频次门限、白名单 | 剔除后文件信息量低于下限 | 回退该文件 |
| D-13 | 去噪 | 文档 | 页眉页脚判定、水印判定、噪点阈值 | 去噪后字符损失率超门限 | 回退并降低阈值 |
| G-01 | 矢量化分级 | 图纸 | 六项判定条件 | 判定项无法执行 | 降级为栅格路径 |
| G-02 | 原生图元解析 | 图纸 | 图元类型集、图层映射表 | 图元枚举失败 | 转 G-03 |
| G-03 | 栅格图纸处理 | 图纸 | 分辨率下限、二值化参数 | 低于分辨率下限 | 标记为仅存档 |
| G-04 | 标注重建 | 图纸 | 标注关联容差 | 标注与几何关联失败率超门限 | 置信标记降级 |
| G-05 | 图面区域切分 | 图纸 | 图框模板、区域关键词集 | 标题栏未识别 | 进人工复核队列 |
| G-06 | 标题栏与明细表抽取 | 图纸 | 字段标签集 | 必填字段（图号）缺失 | 整文件回退 |
| G-07 | 视图投影关系推断 | 图纸 | 视图边界判定、投影规则集 | 视图边界不可识别 | 投影关系字段留空 |
| G-08 | 图文对照挂接 | 图纸与图像 | 关联键优先级、置信分级规则 | 关联键缺失 | 置信标记为低 |
| G-09 | 图像规范化 | 图像 | 目标格式、分辨率下限、取景框 | 解码失败 | 入隔离区 |
| G-10 | 图像脱敏 | 图像 | 人员与铭牌检测门限 | 检测失败 | 整图标记为限制使用 |
| T-01 | 时间基准统一 | 时序 | 源时钟偏差表、目标时区 | 源偏差未知 | 标记时基不确定 |
| T-02 | 多测点相位对齐 | 时序 | 主测点、对齐容差、对齐方法 | 超容差测点比例超门限 | 整段回退重对齐 |
| T-03 | 重采样 | 时序 | 统一步长（按数据组）、按物理量的方法表 | 方法表未覆盖该物理量 | 跳过并标记 |
| T-04 | 缺失补齐 | 时序 | 短缺口上限、插值方法（按物理量） | 缺口判定失败 | 整段标记缺失 |
| T-05 | 异常值判定 | 时序 | 量程表、变化率上限、离群判定门限 | 物理量程配置缺失且无法核验 | 保留量程未知标记，按可核验规则辅助筛查，不据此确认数值有效 |
| T-06 | 工况分段 | 时序 | 分段规则集、最小段长 | 规则集未覆盖该设备 | 工况字段留空 |
| T-07 | 事件锚定切窗 | 时序 | 四类事件的前置窗、事件窗、后置窗 | 事件时刻缺失 | 不切窗，整段保留 |
| T-08 | 报警归并 | 时序 | 时间邻近窗、部位一致判定 | 归并后原始报警丢失 | 回退并保留原始 |
| N-01 | 对象与模板匹配 | 文本化 | 对象类型映射表、模板选择规则 | 对象类型无对应模板 | 跳过并标记 |
| N-02 | 术语与量纲归一 | 文本化 | 术语表版本、单位换算表 | 出现表外术语 | 提交本体回流，该条暂挂 |
| N-03 | 曲线特征计算 | 文本化 | 九项特征的计算参数 | 窗内有效点不足 | 特征字段留空 |
| N-04 | 模板渲染 | 文本化 | 模板编号与版本 | 必填字段槽为空 | 跳过并标记 |
| N-05 | 句式多样化改写 | 文本化 | 改写强度、候选条数 | 回查发现数值或术语被改动 | 废弃该条 |
| N-06 | 源记录回查 | 文本化 | 回查字段集 | 回查不一致 | 废弃该条 |
### 3.11 通用语料与外部语料的预处理口径
通用语料与外部语料不构成独立通道，按形态分流到上述四条通道，但有三项专项口径。
表3-28 通用语料与外部语料的预处理口径
| 语料 | 分流通道 | 专项口径 |
|---|---|---|
| OA 管理制度与合同 | 文档类 | 除常规处理外，另按 5.3 的条款级切分口径处理，一份文件同时产出长文本切片与条款级索引记录 |
| 久其经营指标 | 文本化 | 按期间与指标维度展开为文本样本；指标名称与计量单位取指标知识库的已确认口径，未确认指标不生成样本 |
| 主数据组织机构、人员与物料编码 | 结构化（不文本化） | 作为本体编码对齐的基准数据直接入知识区；人员字段按入口脱敏规则处理后仅保留组织层级 |
| 外部行业标准 | 文档类 | 按技术标准元数据抽取口径处理（见 5.3.4）；许可不允许全文入库的仅保留元数据 |
| 学术文献 | 文档类 | 按文献结构（摘要、方法、结论）切分；与本企业工艺无关的主题在配比阶段降权 |
| 厂商资料 | 文档类 ＋ 图纸 | 技术参数表按表格重建；含第三方保密内容的不入库 |
| 公开数据集 | 按形态分流 | 按许可协议登记可用范围；与企业数据合并前先做口径对照，单位与术语不一致的先归一 |
外部语料的一个处理原则是不让它冲淡领域特征：外部语料在预训练子集中的占比与主题分布按配比计划控制，配比口径见四大数据集规模与数据卡章节。
## 4 知识本体
### 4.1 本体的定位与数据标准的关系
我方建立统一的概念、属性、关系与约束体系，将矿山装备制造业务对象与企业编码、标签定义和知识规则对应。概念定义与具体设备实例分开管理，标注、合成及检索任务显式引用经发布的本体版本，保持跨业务域和跨批次口径一致。
本体引用数据治理发布的业务术语、主数据、参考数据、数据元和指标标准，相关对应关系如下。
表4-1 本体的定位与数据标准的关系
| 数据治理成果 | 本体中的对应物 | 引用方向 |
|---|---|---|
| 业务术语标准 | 术语表的名词、定义与业务含义 | 本体引用标准；标准未覆盖的领域概念由本体先行定义并回流为标准草案 |
| 主数据 | 实体编码的对齐基准 | 本体引用主数据编码 |
| 参考数据标准与代码值域字典 | 类目属性的枚举值域 | 本体引用值域；本体新增的值候选提交标准侧确认 |
| 数据元标准 | 属性的名称、类型、格式与值域 | 本体属性定义引用数据元；冲突时以经核验的适用数据元标准为准 |
| 指标标准 | 指标知识库的指标口径 | 知识库引用指标标准 |
| 标准映射对照表 | 本体实体与企业编码的映射条目 | 本体向对照表写入映射条目 |
两者的版本号互相引用。本体发布说明中写明所引用的各标准版本；标准修订时反向评估受影响的本体条目。
### 4.2 类目总览
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。
表4-2 类目总览
| 类目 | 层次关系 | 实例来源 | 对外关联 | 对应验证场景的业务对象 |
|---|---|---|---|---|
| 设备与部件 | 主机产品—部件—零件—测点 | PLM 物料清单、EAM 台账、测点配置 | 故障模式、工艺与工序、能耗与工况 | 装备健康智能诊断、热处理与焊接过程监控 |
| 工艺与工序 | 工艺路线—工序—工步—工艺参数项 | PLM 工序数据、备料工序字典、工艺编制准则 | 设备与部件、物料、质量特性 | 板材备料工艺智能设计、热处理与焊接过程监控 |
| 故障模式 | 系统—部件—故障模式—现象 | 故障案例、维修记录、诊断报告、报警规则 | 设备与部件、检验项、备件物料 | 装备健康智能诊断 |
| 质量特性与检验项 | 质量特性—检验项—判定规则 | QMS 检验项目、技术标准、质量知识 | 工艺参数项、故障模式、物料 | 热处理与焊接过程监控、质量数据集建设 |
| 物料与物料清单 | 产品—部件—零件—原材料 | 主数据物料编码、PLM 物料清单、ERP 物料主数据 | 供应商、工序、库存 | 产品智能选型、库存控制智能化 |
| 供应商与合同 | 供应商—合同—条款 | SCM 供应商档案、CRM 与 OA 合同 | 物料、采购订单、制度条款 | 库存控制智能化、合同合规智能审查 |
| 能耗与工况 | 设备—测点—工况分段 | EMS 计量点、SCADA 测点配置 | 设备与部件、工序、时序样本 | 装备健康智能诊断、过程监控 |
### 4.3 七类目的属性集
属性集登记名称、类型、取值来源、必填条件和对齐基准。类型与格式引用数据元标准，枚举引用参考数据标准。设备、部件、测点、供应商和合同等子类型分别应用必填规则：只对相应对象及业务用途要求相关编码与属性，不为无关字段填入虚假值；未知、不适用和缺失分别记录。
#### 4.3.1 设备与部件
表4-3 设备与部件
| 属性 | 类型 | 值域或取值来源 | 必填 | 对齐基准 |
|---|---|---|---|---|
| 设备编码 | 字符 | EAM 台账编码 | 是 | EAM |
| 部件编码 | 字符 | PLM 物料清单零部件号 | 是 | PLM |
| 名称 | 字符 | 业务术语标准 | 是 | 术语标准 |
| 类型 | 枚举 | 主机产品／部件／零件／测点 | 是 | 本体 |
| 型号与规格档位 | 字符 | PLM、产品技术文件 | 否 | PLM |
| 安装位置 | 字符 | 装配结构或矿井工作面位置 | 否 | PLM、CRM |
| 投运时间 | 日期 | EAM 台账 | 否 | EAM |
| 所属主机产品 | 引用 | 本类目上层实例 | 是（非顶层） | 本体 |
| 关联测点 | 引用（多） | 测点配置 | 否 | SCADA、远程运维平台 |
| 常见故障模式 | 引用（多） | 故障模式类目 | 否 | 本体 |
| 备件物料 | 引用（多） | 物料类目 | 否 | 主数据 |
#### 4.3.2 工艺与工序
表4-4 工艺与工序
| 属性 | 类型 | 值域或取值来源 | 必填 | 对齐基准 |
|---|---|---|---|---|
| 工序编码 | 字符 | 备料工序字典、PLM 工序数据 | 是 | 甲方工艺部门工序字典 |
| 工序名称 | 字符 | 工序字典 | 是 | 工序字典 |
| 所属工艺路线 | 引用 | 本类目上层实例 | 是 | PLM |
| 所属车间或分厂 | 枚举 | 组织机构主数据 | 是 | 主数据 |
| 设备资源 | 引用（多） | 设备与部件类目 | 否 | EAM |
| 工装与样板 | 字符 | 工装压模号、样板号 | 否 | PLM、工艺资料 |
| 工时定额 | 数值 | 工时定额系统 | 否 | 工时定额口径 |
| 前置工序 | 引用（多） | 本类目同层实例 | 否 | 工艺编制准则 |
| 禁止组合 | 引用（多） | 本类目同层实例 | 否 | 工艺编制准则 |
| 工艺参数项 | 引用（多） | 工艺参数项子类 | 否 | 本体 |
| 适用材料牌号 | 引用（多） | 物料类目 | 否 | 主数据 |
#### 4.3.3 故障模式
表4-5 故障模式
| 属性 | 类型 | 值域或取值来源 | 必填 | 对齐基准 |
|---|---|---|---|---|
| 故障编码 | 字符 | 本体自建 ＋ 报警规则映射 | 是 | 本体 |
| 故障名称 | 字符 | 业务术语标准、故障案例 | 是 | 术语标准 |
| 所属部件 | 引用 | 设备与部件类目 | 是 | PLM、EAM |
| 征兆（现象） | 引用（多） | 现象子类 | 是 | 本体 |
| 发生条件 | 文本 | 故障案例、诊断报告 | 否 | 专家确认 |
| 可能原因 | 引用（多） | 原因子类 | 否 | 本体 |
| 处置措施 | 文本 | 维修记录、诊断报告 | 否 | 专家确认 |
| 相关备件 | 引用（多） | 物料类目 | 否 | 主数据 |
| 关联报警代码 | 字符（多） | 报警规则、设备报警代码 | 否 | SOS、热处理群控 |
| 关联测点 | 引用（多） | 能耗与工况类目 | 否 | 测点配置 |
| 严重度分级 | 枚举 | 本体自建值域 | 否 | 专家确认 |
#### 4.3.4 质量特性与检验项
表4-6 质量特性与检验项
| 属性 | 类型 | 值域或取值来源 | 必填 | 对齐基准 |
|---|---|---|---|---|
| 质量特性编码 | 字符 | 本体自建 | 是 | 本体 |
| 特性名称 | 字符 | QMS 检验项目、技术标准 | 是 | 术语标准 |
| 检验项编码 | 字符 | QMS 检验项目 | 是 | QMS |
| 检验方法 | 枚举 | 技术标准 | 是 | 技术标准 |
| 判定限值 | 数值或区间 | 技术标准、工艺编制准则 | 是 | 技术标准 |
| 计量单位 | 枚举 | 数据元标准 | 是 | 数据元标准 |
| 检验阶段 | 枚举 | 进厂／制程／出厂／成品 | 是 | QMS |
| 适用工件品类 | 引用（多） | 物料类目 | 否 | 主数据 |
| 关联工艺参数项 | 引用（多） | 工艺与工序类目 | 否 | 本体 |
| 缺陷类型 | 引用（多） | 缺陷类型子类 | 否 | 本体 |
| 数据来源测点 | 引用（多） | 能耗与工况类目 | 否 | 测点配置 |
#### 4.3.5 物料与物料清单
表4-7 物料与物料清单
| 属性 | 类型 | 值域或取值来源 | 必填 | 对齐基准 |
|---|---|---|---|---|
| 物料编码 | 字符 | 主数据物料编码 | 是 | 主数据 |
| 名称 | 字符 | 主数据 | 是 | 术语标准 |
| 材料牌号 | 字符 | 主数据、图纸标题栏 | 否 | 主数据 |
| 规格 | 字符 | 主数据、PLM | 否 | 主数据 |
| 计量单位 | 枚举 | 数据元标准 | 是 | 数据元标准 |
| 物料类型 | 枚举 | 原材料／自制件／外购件／标准件／备件 | 是 | 主数据 |
| 所属物料清单层级 | 引用 | PLM 物料清单 | 否 | PLM |
| 采购周期 | 数值 | SCM 物料采购周期 | 否 | 指标口径 |
| 主供应商 | 引用（多） | 供应商类目 | 否 | SCM |
| 适用工序 | 引用（多） | 工艺与工序类目 | 否 | PLM |
| 工件品类 | 枚举 | 本体工件品类值域 | 否 | 本体 |
#### 4.3.6 供应商与合同
表4-8 供应商与合同
| 属性 | 类型 | 值域或取值来源 | 必填 | 对齐基准 |
|---|---|---|---|---|
| 供应商编码 | 字符 | SCM 供应商档案 | 是 | SCM |
| 名称 | 字符 | SCM（按入口脱敏规则处理） | 是 | SCM |
| 资质类型与编号 | 字符（多） | 资质文件 | 否 | 资质归集目录 |
| 评估等级 | 枚举 | SCM 供应商评估 | 否 | SCM |
| 履约率 | 数值 | SCM 派生指标 | 否 | 指标知识库口径 |
| 合同编号 | 字符 | CRM、ERP、OA | 是（合同实例） | 合同台账 |
| 合同类型 | 枚举 | 销售／采购／项目／技术协议 | 是 | 本体 |
| 条款编号 | 字符 | 合同条款切分结果 | 否 | 知识库 |
| 关联物料 | 引用（多） | 物料类目 | 否 | 主数据 |
| 关联制度条款 | 引用（多） | 制度条款索引 | 否 | 知识库 |
#### 4.3.7 能耗与工况
表4-9 能耗与工况
| 属性 | 类型 | 值域或取值来源 | 必填 | 对齐基准 |
|---|---|---|---|---|
| 测点编码 | 字符 | SCADA、EMS、远程运维平台测点配置 | 是 | 测点配置 |
| 测点名称 | 字符 | 测点配置、术语标准 | 是 | 术语标准 |
| 物理量 | 枚举 | 温度／电流／电压／功率／频率／流量／浓度／速度／间隙／能耗／状态 | 是 | 本体 |
| 量纲与单位 | 枚举 | 数据元标准 | 是 | 数据元标准 |
| 采样周期 | 数值 | 测点配置 | 否 | 测点配置 |
| 量程上下限 | 数值 | 测点配置、设备技术文件 | 否 | 设备文件 |
| 正常区间 | 数值区间 | 工艺编制准则、同工况统计 | 否 | 专家确认 |
| 所属设备或部件 | 引用 | 设备与部件类目 | 是 | EAM |
| 关联工序 | 引用（多） | 工艺与工序类目 | 否 | PLM |
| 工况分段定义 | 文本 ＋ 规则 | 本体自建 | 否 | 专家确认 |
| 是否设定值可比 | 布尔 | 测点配置 | 否 | 本体 |
图 4-1 本体标准引用与版本发布
### 4.4 关系类型与约束
我方按照真实业务语义定义关系。每条关系登记起点和终点类型、方向、适用条件、有效时段、来源、证据及审核状态。类目之间可存在业务关联，设备实例、产品型号、物料种类和具体工件不能因名称相同合并。
表4-10 关系类型与约束
| 关系类型 | 连接对象 | 约束与核查内容 |
|---|---|---|
| 结构组成 | 主机与部件、部件与零件 | 按产品配置和BOM版本建立，指定层级禁止自引用与环路 |
| 类型归属 | 设备实例与型号、工件与物料种类 | 区分类型与实例，不以物料编码替代实物设备编号 |
| 安装归属 | 实物设备与已安装部件 | 保存安装及拆卸时间，历史维修按当时配置回查 |
| 工艺前后依赖 | 工序与工序、工步与工步 | 按批准工艺路线建立，返工作业记录为新的作业实例 |
| 加工经历 | 工件与作业、作业与炉次或焊道 | 核验工件清单、设备和时间，不能以工艺依赖关系代替对象归属 |
| 参数配置与观测 | 作业与参数项、测点与测量记录 | 区分预设、实测、参考及批准值，保存单位和时段 |
| 诊断关联 | 部件与故障模式、故障模式与现象 | 表达适用故障及可观测现象，不直接宣称因果已证实 |
| 因果判断 | 经确认的原因与故障结果 | 记录论证依据及成立条件，相关性或时间相邻不能单独确立因果 |
| 处置适用 | 故障或原因与处置措施 | 保存适用条件、禁用条件、审核人及措施依据 |
| 备件使用 | 维修作业或处置措施与备件 | 区分建议备件和实际使用备件，实际使用关联领料或维修记录 |
| 检验对应 | 工件、作业参数、检测记录与判定 | 记录同件同批和检验轮次；试验结果与推断结论分别管理 |
| 批次来源 | 工件与材料批次、物料与供应记录 | 按生产领料及追溯记录建立，多批次混用保存各自范围 |
| 条款引用与替代 | 制度、标准、合同及其条款 | 保存引用类型、生效时间、替代范围和来源位置 |
| 编码映射 | 同一对象在不同系统的标识 | 仅在对象一致和时段匹配时确认，支持多系统双向查询 |
| 同义词与别名 | 标准术语与其他表述 | 明确业务语境、语言和有效时间，不跨语境自动传递等价 |
关系校验分别检查结构和语义。结构组成及工艺依赖按其约束执行环检测；一般引用与业务关联可能形成合法回路，不对整个知识图谱施加无环要求。生产任务的版本血缘保持有向无环，与业务知识图谱的关系结构分别管理。
### 4.5 领域实例的沉淀
#### 4.5.1 主机产品部件层级
以刮板输送装备为主线沉淀部件层级与安装关系。层级取自 PLM 物料清单，层级深度按物料清单实际结构确定，不另设虚层。在役监测的测点按部件挂接，使报警与部件可对应。同类装备的部件层级差异按型号分支维护，不合并为一棵通用树——合并会让诊断场景的部件定位失真。
#### 4.5.2 工件品类
本体覆盖链轮、齿轨、刮板、压板、哑铃销等工件品类。各品类按产品型号、材料、规格、图纸版本和实际工艺路线登记，不预设所有同名工件采用相同焊接、热处理或机加工过程。
表4-11 工件品类
| 工件品类 | 主要登记对象 | 与工艺质量记录的关联 |
|---|---|---|
| 链轮 | 型号、图号、齿部及轮体对象、材料和实物标识 | 按适用工艺关联淬火区域、测点位置、硬度与检验结果 |
| 齿轨 | 型号、图号、齿形区域、材料和工件批次 | 关联工艺卡、过程记录和质量特性，保留具体位置与方向 |
| 刮板 | 规格、图号、组成部位和材料 | 关联实际下料、成形、焊接及检验记录，工序由批准路线确定 |
| 压板 | 规格、图号、加工部位及材料 | 关联尺寸要求、实际工序和检验结果，不以品类名称推断工艺 |
| 哑铃销 | 规格、图号、材料批次及实物标识 | 关联适用热处理或机加工记录、检验位置及判定依据 |
工件品类与缺陷类型之间以实际检验和专业终审结果建立关系，不把“常见倾向”写为某工件必然具有的缺陷。新增型号及变体沿本体变更流程纳入，历史对象保持原有版本。
#### 4.5.3 热处理工艺参数项
热处理参数按物理量、单位、来源、测点位置、过程阶段和工件归属登记。所有参数均保留源单位及源值，规范单位经审核换算形成派生字段；工艺限值以适用的批准工艺文件和有效标准为依据，不用样本分布或传感器量程代替。
表4-12 热处理工艺参数项
| 参数组 | 登记参数 | 专项核查内容 |
|---|---|---|
| 工件温度 | 淬火前表面温度、淬火后表面温度、返热温度 | 测温位置、测温方式、阶段、单位、仪表配置和采样时间 |
| 加热过程 | 加热功率、频率、加热时间 | 实测与设定属性、设备通道、有效程序和阶段边界 |
| 淬火介质 | 淬火液温度、浓度、流量 | 介质类型、浓度定义、测量或配制来源、管路和通道归属 |
| 几何与运动 | 感应器间隙及相关工件位置 | 间隙测量方向、适用表面、工件定位与设备配置 |
| 冷却过程 | 冷却时间及对应温度变化 | 起止事件、实际过程记录和插值标记 |
| 设备与批次 | 运行状态、启停、运行时长、报警代码、炉次及装炉清单 | 炉次与工件对应、状态变更、计时方式和报警来源 |
同一参数在不同材料、规格和工艺阶段的适用范围分别登记。参数与硬度、淬火区域位置、均匀性及切片结果的联系依照实际同件同批记录建立，并保留关系的证据和适用条件，不将相关性直接转换为工艺因果结论。
#### 4.5.4 焊接工艺参数项
焊接本体完整登记预设电流、预设电压、实时电流、实时电压、焊接速度、焊枪摆动振幅、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、收弧、层间温度、焊丝牌号与直径。参数按设备、焊枪、工件、焊缝、焊道及工艺版本关联。
表4-13 焊接工艺参数项
| 参数组 | 类型与记录要求 | 校验重点 |
|---|---|---|
| 电流与电压 | 实时值和预设值分列，保存源单位、程序和生效区间 | 核对对应通道与时段，禁止用默认工艺值冒充实际预设值 |
| 速度与摆动 | 焊接速度、送丝速度、摆幅、摆频分别定义 | 核对单位换算、设定或实测属性及适用焊道 |
| 停留与位置 | 停留时间作为持续时间量，变位机状态作为状态或位置量 | 不将持续时间误作瞬时事件；保留状态转换及程序条件 |
| 气体与温度 | 保护气体流量、层间温度及测量来源 | 核查测点、时间、工艺阶段和有效量程 |
| 工艺事件 | 起弧、收弧及相关作业事件 | 保存事件来源、发生时间、序号及缺失标记 |
| 材料与焊道 | 焊丝牌号、直径，打底、填充、盖面等焊道属性 | 与工单、材料批次及工艺卡核对，直径作为带单位的数值登记 |
对缺少可核实设定值的参数，不设置实际偏差结论。工艺参数与缺陷的联系由经过终审的知识条目提供，记录材料、接头、位置、工艺方法和检验依据；参数异常只形成核查线索，不自动生成缺陷标签。
#### 4.5.5 缺陷类型
焊接缺陷标签覆盖热裂纹、冷裂纹、偏焊、咬边、夹渣、烧穿、未熔合、未焊透、气孔、焊瘤十类；热处理外观缺陷标签覆盖烧伤、裂纹。各类标签关联适用工艺、检测方法、证据要求及易混淆情况。图像能够显示的表面征象与检测报告确认的内部缺陷分别标注，不凭单幅表面图像推断不可见的内部状态。
表4-14 缺陷类型
| 缺陷类别 | 证据登记重点 | 标注与知识使用控制 |
|---|---|---|
| 热裂纹与冷裂纹 | 裂纹位置、观察或检测时点、专业判定及材料工艺条件 | 原始记录未区分类型时保留上位裂纹标签并提请专业核查 |
| 偏焊与咬边 | 焊缝和接头位置、区域标记、检测记录及判定依据 | 分别保存定位偏差和边缘缺欠证据，不以图像相似度直接合并 |
| 夹渣与气孔 | 检测方法、报告原文、缺陷位置和确认结论 | 内部缺陷以有效检测证据为依据，图像仅作可观测范围内的辅助 |
| 烧穿 | 缺陷区域、对应工件与焊道、检测结论 | 保留原图、裁剪坐标及原始判断，原因需另行核实 |
| 未熔合与未焊透 | 接头、层间或根部位置、检测证据和标准标签 | 区分检测对象和专业定义，存在歧义时进入仲裁 |
| 焊瘤 | 缺陷区域、形貌记录及检测依据 | 复核与其他表面缺欠的区别，登记实际检验结论 |
| 热处理烧伤 | 工件表面观察记录、检测或复核结果及适用标准 | 表面颜色变化不直接等同于烧伤，保留专业确认依据 |
| 热处理裂纹 | 工件、位置、检验方法、检测时点及结论 | 区分热处理后检出事实与成因判断，不由单一参数推断成因 |
缺陷标签附父类、定义、允许证据类型、排除条件、来源及版本。未确认的缺陷候选不能作为标准答案；专业审核新增或合并类目时，同步核查受影响的标注、合成约束、知识条目和检索索引。
#### 4.5.6 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。首批沉淀范围以远程运维平台已覆盖的部件与已有故障案例为准，字段结构见 4.3.3。故障事实依据实际诊断与维修证据确认；仅有现象的记录先建立观测关系，原因判断按证据强度和终审结论分别管理。
#### 4.5.7 备料工序集合
我方依据甲方正式工序字典建立备料工序集合、工序编码和适用条件，核验现有28道工序口径及其有效版本。工序分组用于组织候选和检索，实际先后关系、重复加工和返工作业均以批准工艺路线及执行记录为依据，不以分组直接替代工艺排序规则。
表4-15 备料工序集合
| 工序分组 | 登记内容 | 约束依据 |
|---|---|---|
| 下料 | 原材料、轮廓对象、设备与工艺条件 | 批准工艺路线及材料利用要求 |
| 成形 | 成形对象、工装与几何要求 | 图纸、工艺卡及变形控制条件 |
| 制孔 | 孔类特征、定位、设备与公差 | 图纸及工序间定位要求 |
| 边缘处理 | 坡口、倒角、去毛刺对象 | 适用图纸及后续工序要求 |
| 矫正 | 矫平、矫直及复验对象 | 实际变形、工艺规定和检验结果 |
| 表面处理 | 打磨、清理及处理范围 | 工艺卡和质量要求 |
| 检验与标识 | 检验项目、标识对象与作业记录 | 质量计划、检验规程与追溯要求 |
工序字典记录正式名称、别名、资源条件和允许组合。生产发生返工时，关联原工序实例和新的返工作业实例，保持实际执行顺序和历史检验结果，不回写原工艺执行事实。
#### 4.5.8 现象与原因子类的值域
故障模式类目下的「现象」与「原因」作为独立子类维护，原因是同一现象可对应多个故障模式，同一原因也可导致多个现象，作为属性无法表达这种多对多关系。两个子类的值域按来源分层登记。
表4-16 现象与原因子类的值域
| 子类 | 值域分层 | 候选概念范围 | 取值来源 | 证据要求 |
|---|---|---|---|---|
| 现象·可观测量异常 | 按测点物理量分组 | 温度偏高、振动增大、电流波动、流量下降 | 测点配置 ＋ 报警规则 | 按实际证据与专业终审确认 |
| 现象·状态与事件 | 按设备状态分组 | 非计划停机、报警频发、启停异常 | 设备状态记录、报警数据 | 按实际证据与专业终审确认 |
| 现象·外观与感官 | 按部位分组 | 异响、渗漏、磨损痕迹、变形 | 点检记录、维修记录 | 按实际证据与专业终审确认 |
| 现象·质量结果异常 | 按检验项分组 | 硬度不达标、硬化层偏浅、缺陷检出 | QMS 检验记录 | 按实际证据与专业终审确认 |
| 原因·工况与载荷 | 按工况分段 | 超载运行、工况突变、三机联动耦合干扰 | 诊断报告、专家确认 | 按实际证据与专业终审确认 |
| 原因·工艺执行偏差 | 按工艺参数项 | 参数偏离设定、装炉方式差异、冷却不足 | 时序数据 ＋ 工艺准则 | 按实际证据与专业终审确认 |
| 原因·物料与来源 | 按材料批次 | 材料批次差异、来料不合格 | 库存批次 ＋ 进厂检验 | 按实际证据与专业终审确认 |
| 原因·装配与维护 | 按部件 | 装配间隙超差、紧固失效、润滑不足 | 维修记录 | 按实际证据与专业终审确认 |
| 原因·测量链路 | 按测点 | 传感器漂移、断链、测点失效 | 测点可信度核查结论 | 按实际证据与专业终审确认 |
测量链路异常作为独立类别管理，与设备实体故障分别标注。传感器漂移、断链、量程配置错误和测点失效均关联可信度核查记录；未经确认不将测量异常推断为设备故障。
### 4.6 与企业既有编码体系的对齐
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 PLM 的物料清单与零部件信息为基准对齐。
#### 4.6.1 对齐三步
表4-17 对齐三步
| 步骤 | 动作 | 产出 | 判定 |
|---|---|---|---|
| 建映射 | 本体实体与企业编码建立一对一或一对多映射 | 标准映射对照表的本体侧条目 | 映射须可双向查询 |
| 清冲突 | 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为别名 | 基准编码清单、别名登记 | 一个物理对象只有一个基准编码 |
| 登缺口 | 企业编码体系未覆盖的本体概念单独列表 | 编码缺口清单 | 提交数据治理环节纳入主数据扩充计划 |
#### 4.6.2 各类目的对齐基准与冲突处置
表4-18 各类目的对齐基准与冲突处置
| 类目 | 基准编码来源 | 常见冲突情形 | 处置口径 |
|---|---|---|---|
| 设备与部件 | EAM 设备编码 ＋ PLM 零部件号 | 同一部件在 EAM 与 PLM 编码不同 | 设备实例采用经确认的设备编码，产品及部件类型采用 PLM 编码，通过安装或类型关系关联；仅对确属同一对象的编码建立映射 |
| 工艺与工序 | 工艺部门工序字典 | PLM 工序名称与字典用词不一致 | 取字典为基准，PLM 用词入别名表 |
| 故障模式 | 本体自建编码 | 报警代码与故障模式非一对一 | 报警代码作为关联属性，不作为基准编码 |
| 质量特性与检验项 | QMS 检验项目编码 | 同一特性在不同检验阶段编码不同 | 特性取本体编码，检验项按阶段分别登记 |
| 物料与物料清单 | 主数据物料编码 | ERP 与 PLM 物料编码不一致 | 取主数据为基准，其余入别名表 |
| 供应商与合同 | SCM 供应商编码 | 同一供应商多编码或主体变更 | 核验主体身份及生效时间；同主体建立历史映射，不同主体保留继承或交易关系 |
| 能耗与工况 | 测点配置编码 | 测点改造后编码变更 | 保留历史编码并登记变更时点，时序数据按时点归属 |
映射按类目、业务对象与有效时间统计，区分已确认、候选、冲突和不适用。正式供样范围内需要企业编码的对象均应完成确认，缺少企业编码的概念使用受控的本体标识并登记原因，不虚构企业编码。一个产品型号、一个物料编码和一台实物设备的层级关系分别保存，不把类型编码与实例编码直接视为同义。
### 4.7 产出物与统一引用
产出三件主件与两件辅件。
表4-19 产出物与统一引用
| 产出物 | 内容 | 格式 | 使用方 |
|---|---|---|---|
| 本体文件 | 类目、属性、关系、实例 | 机器可读的本体交换格式 | 标注工具、合成工具、检索索引 |
| 术语表 | 名词、定义、业务含义、所属类目、引用标准、生效版本 | 结构化表 ＋ 文档 | 预处理术语归一、标注、知识库 |
| 同义词别名表 | 标准词、别名、别名来源、适用场景、生效版本 | 结构化表 | 检索同义扩展、术语归一 |
| 编码缺口清单 | 未被企业编码覆盖的本体概念 | 结构化表 | 数据治理环节 |
| 版本发布说明 | 变更内容、影响评估、所引标准版本 | 文档 | 全部下游环节 |
统一引用通过本体服务、任务配置和版本校验共同执行。
表4-20 产出物与统一引用
| 引用点 | 引用内容 | 落实方式 |
|---|---|---|
| 标注标签体系 | 本体类目与值域 | 标注工具加载已发布标签，新增标签只能提交受控变更申请，审核发布前不得作为正式标签 |
| 合成知识约束 | 本体关系类型与值域 | 合成工具以本体关系作为校验规则，越界关系的样本不生成 |
| 检索业务口径 | 术语表与同义词别名表 | 索引的同义词扩展词表取自别名表 |
| 预处理术语归一 | 术语表 | 文本化模板的术语槽取自术语表 |
| 知识库建库口径 | 类目、关系、编码映射 | 知识条目类型取自类目，图谱节点与边取自类目与关系 |
各引用点使用任务冻结的同一本体发布版本；与任务配置不一致时停止该任务加载并核对。不同历史批次可保留不同版本，跨版本比较必须使用经过评审的映射规则。
### 4.8 版本管理与术语回流
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。
#### 4.8.1 回流来源与节奏
表4-21 回流来源与节奏
| 回流来源 | 回流内容 | 发现环节 |
|---|---|---|
| 预处理术语归一 | 表外术语、单位不一致项 | 文本化通道 |
| 标注作业 | 歧义标签、缺失标签、易混淆类型补充 | 标注环节 |
| 质检与验证 | 口径冲突、值域越界 | 质检与验证环节 |
| 知识抽取 | 新故障模式、新工艺参数项、新缺陷表述 | 知识库环节 |
| 场景验证 | 业务对象对应不上的情形 | 场景验证环节 |
| 数据治理 | 标准修订带来的术语变更 | 数据治理环节 |
回流按双周一次集中处理：各环节的变更申请汇总后，经业务专家评审合并入下一版本。集中处理而非随到随改，是为了避免同一批次内出现两种口径。
#### 4.8.2 版本规则与影响评估
表4-22 版本规则与影响评估
| 变更类型 | 版本位 | 影响评估 | 已标注样本处置 |
|---|---|---|---|
| 新增实例（术语、故障模式、参数项） | 次版本 | 评估是否与现有实例重叠 | 不受影响 |
| 修订实例属性 | 按语义兼容性确定主次版本 | 评估引用样本、知识条目和规则 | 非语义调整可审核映射，事实或含义变化重新标注与复核 |
| 新增类目或关系类型 | 主版本 | 评估工具适配及历史分类是否失真 | 按影响评估处理，新任务完成适配后启用 |
| 调整类目层级 | 主版本 | 评估层级路径变化的样本范围 | 自动映射或需重标，按层级变化幅度定 |
| 废弃实例 | 主版本 | 评估引用该实例的样本与知识条目 | 需重标；知识条目转入待审 |
| 值域收紧 | 主版本 | 评估越界取值的样本 | 越界样本需重标 |
受影响样本按三档处理：不受影响、自动映射、需重标。评估结论随版本发布说明一并给出。
#### 4.8.3 版本与下游作业的衔接
已发布版本冻结。一般新增内容在新批次起用；发现原版本存在安全风险、错误限值或关键语义错误时，立即停用受影响条目和任务，沿血缘定位样本并撤回可用状态。修订后重新终审、质检和验证，形成后继版本；不要求有错误的在用批次继续运行至结束。
### 4.9 本体环节的输入、产出、验收与退回
表4-23 本体环节的输入、产出、验收与退回
| 项 | 内容 |
|---|---|
| 输入 | 预处理产出的结构化长文本与术语候选；主数据、PLM、EAM、QMS 的编码；数据治理发布的相关标准；企业机械制图标准与工艺编制准则；各环节的回流变更申请 |
| 产出 | 本体文件、术语表、同义词别名表、编码缺口清单、版本发布说明 |
| 验收方 | 甲方业务部门（按类目分别确认）＋ 数据治理环节 |
| 验收方式 | 类目与关系完整性自检 ＋ 编码映射覆盖统计 ＋ 业务专家分类目评审 |
| 退回路径 | 口径门不通过则版本不予发布，本体维护岗按评审意见修订后重新提交；受影响的标注与合成口径暂不变更 |
### 4.10 本体环节的质量控制点
表4-24 本体环节的质量控制点
| 控制点 | 方法 | 判定口径 |
|---|---|---|
| 类目完整 | 对照 的七类目逐项核对 | 七类目及项目要求对象齐备，属性、关系和适用场景经过核验；以真实来源构建实例 |
| 指定层级关系无环 | 层次包含与工艺前后依赖的环检测 | 发现环即判不通过 |
| 值域合规 | 属性取值与参考数据标准比对 | 越界取值登记为新值候选，不直接写入 |
| 术语唯一 | 同一概念是否存在多个标准词 | 一概念一标准词，其余入别名表 |
| 编码可映射 | 映射双向查询测试 | 正式供样范围内应映射对象全部完成核验，其他缺口单列并落实补全任务 |
| 场景对象对应 | 与各验证场景的业务对象清单逐项核对 | 对应不上的登记为缺口并补充实例 |
| 版本可追溯 | 版本发布说明与变更申请核对 | 每一变更可追到申请来源与评审结论 |
## 5 知识库
### 5.1 知识库的构成与本体的关系
知识库由五部分构成：结构化知识条目、文档类知识资产、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。五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。
### 5.2 结构化知识条目的抽取与出处登记
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，共八类资料。
#### 5.2.1 按资料类型的抽取重点
表5-1 按资料类型的抽取重点
| 资料类型 | 抽取实体 | 抽取属性 | 抽取关系 | 终审分档 |
|---|---|---|---|---|
| 设备档案与说明书 | 设备、部件、测点、备件 | 型号、规格、参数范围、维护周期 | 层次包含、编码映射 | 逐条终审 |
| 维修记录 | 设备、部件、现象、处置措施、备件 | 发生时间、停机时长、更换件 | 因果、层次包含 | 逐条终审 |
| 诊断报告 | 设备、故障模式、原因、处置建议 | 证据描述、判定依据 | 因果 | 逐条终审并重点核验处置条件 |
| 故障案例 | 故障模式、现象、原因、措施 | 工况条件、复现条件 | 因果 | 全审 |
| 技术标准 | 质量特性、检验项、判定限值 | 标准号、条款号、适用范围 | 检验对应 | 逐条终审并重点核验限值与适用条件 |
| 工艺编制准则 | 工序、工艺参数项、禁止组合 | 适用材料、参数区间 | 工艺前后依赖、检验对应 | 全审 |
| 质量知识 | 缺陷类型、成因、预防措施 | 判别要点、检验方法 | 因果、检验对应 | 全审 |
| 管理制度 | 制度、条款、职责主体、业务对象 | 制度元数据（见 5.3.1） | 条款引用、层次包含 | 逐条终审并重点核验安全与合规条款 |
所有用于标注、合成和正式检索增强样本的知识条目及图谱事实均取得业务专家终审结论。自动校验和抽样质量复核用于发现批量错误、优化终审工作，不替代条目终审。涉及工艺限值、处置措施、安全和合规判断的条目，由对应专业专家重点核对适用条件、来源和例外；意见不一致时仲裁后方可发布。
#### 5.2.2 抽取三道流程
表5-2 抽取三道流程
| 流程 | 动作 | 工具支撑 | 不通过的处置 |
|---|---|---|---|
| 模型预抽 | 按本体类目逐类抽取，输出候选条目 | 工具链的文档结构解析与智能标注类工具 | 低置信候选转入人工核查，确认价值后继续处理 |
| 规则校验 | 用本体的关系类型与属性值域作约束 | 本体驱动规则校验 | 不符合值域的候选退回，记录退回原因 |
| 人工终审 | 按资料专业分工逐条确认内容、出处和适用范围 | 平台的条目评审界面 | 退回重抽或标记为不采纳 |
模型预抽结果先执行结构、类型、值域和来源规则校验，再提交业务专家终审。低置信但具备业务价值的候选进入人工核查，不能因模型评分偏低而直接删除稀有知识；确认不采纳的候选保存原因。
#### 5.2.3 条目记录字段
表5-3 条目记录字段
| 字段 | 类型 | 必填 | 说明 |
|---|---|---|---|
| 条目编号 | 字符 | 是 | 类目码 ＋ 顺序号 ＋ 版本 |
| 条目类型 | 枚举 | 是 | 取自本体七类目 |
| 实体标识 | 引用 | 是 | 本体实体或新实例候选 |
| 属性名与属性值 | 字符／数值 | 是 | 引用数据元标准的类型与格式 |
| 关系类型与关系对象 | 枚举 ＋ 引用 | 否 | 取自本体关系定义 |
| 证据强度 | 枚举 | 是 | 强／中／弱，定义见 5.4.1 |
| 本体版本号 | 字符 | 是 | 抽取时所用本体版本 |
| 终审状态 | 枚举 | 是 | 通过／修订后通过／退回重抽／不采纳／待审 |
| 适用范围 | 文本 | 否 | 适用的产品、设备或工序范围 |
#### 5.2.4 出处登记字段
知识条目逐条登记来源及定位信息，无可核验出处的候选不进入正式知识库。来源文档、具体片段和解释性结论分别保存，保证检索增强回答能够回查事实依据。
表5-4 出处登记字段
| 字段 | 必填 | 说明 |
|---|---|---|
| 源文件编号 | 是 | 关联采集环节的文件登记 |
| 文件名称与版本 | 是 | 原文件标识 |
| 文件类型 | 是 | 对应 5.2.1 的八类资料 |
| 章节号与层级路径 | 是（文档类） | 条款级定位 |
| 页码 | 是（文档类） | 起始页、结束页 |
| 段落位置偏移 | 是 | 全文字符流中的起止偏移 |
| 抽取时间 | 是 | 作业时点 |
| 抽取算子与版本 | 是 | 可复算依据 |
| 审核岗位与审核时间 | 是 | 终审留痕 |
| 出处回查测试结论 | 是 | 按出处字段能否定位回原文的测试结果 |
### 5.3 文档类知识资产的元数据抽取与条款级切分
三类文档资料的处理口径分述如下。
#### 5.3.1 管理制度
以「制度条款」为最小知识单元建立索引。六项元数据与扩展字段如下。
表5-5 管理制度
| 字段 | 必填 | 取值来源 | 说明 |
|---|---|---|---|
| 制度名称 | 是 | 文件标题 | 与 OA 文档目录核对 |
| 制度编号 | 是 | 文件编号栏 | 编号缺失的按发布文号补 |
| 发布部门 | 是 | 发文机关或签发栏 | 归并到组织机构主数据 |
| 生效日期 | 是 | 文件生效条款 | 未明确生效日时核查正式发布依据；未经确认不以发布日期替代生效日 |
| 适用范围 | 是 | 适用范围条款 | 按组织层级与业务范围两个维度登记 |
| 制度层级 | 是 | 文件类型与发布层级 | 集团级／公司级／部门级／车间级 |
| 制度类别 | 是 | 按业务域与管理主题识别 | 取参考数据标准的类别值域 |
| 版本状态 | 是 | 文件状态标识 | 现行／已修订／已废止 |
| 废止替代关系 | 否 | 文件中的废止条款 | 指向被废止的制度或条款 |
| 条款层级路径 | 是 | 条款级切分结果 | 如「第三章＞第二节＞第五条」 |
| 条款文本 | 是 | 切分结果 | 条款原文 |
| 条款引用关系 | 否 | 引用识别结果 | 见 5.3.3 |
#### 5.3.2 条款级切分的粒度判据
条款级切分的难点是粒度：切得太粗则一条索引里混多个要求，切得太细则一个要求被拆散。判据按顺序执行。
表5-6 条款级切分的粒度判据
| 判据 | 内容 | 粒度结论 |
|---|---|---|
| 1 显式编号 | 文本有「第 X 条」「X.Y」等条款编号 | 以编号单元为一条 |
| 2 款项下挂 | 条下有「（一）」「1．」等款项 | 款项不单独成条，作为该条的子单元保留层级 |
| 3 单一要求判定 | 该编号单元内是否只表达一个可执行要求 | 保留完整条款作为基本索引单元，独立要求另建子片段并关联母条款，引用返回完整适用条件 |
| 4 跨条引用 | 该条是否必须结合被引条款才完整 | 不合并，保留引用关系，由检索时联带召回 |
| 5 定义性条款 | 该条是否为术语定义 | 单独成条并标记为定义型，同时回流本体术语表 |
| 6 附则与附件 | 是否为附则、附表或附件 | 单独成条并标记类型，附表按表处理 |
| 7 最小长度 | 切分结果是否短于约定下限且无独立语义 | 保留原条款标识和独立索引，与上下文建立关联；检索组装时补足语义 |
切分结果逐条成为独立索引记录，记录中保留层级路径、来源页码与位置偏移。切分正确性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。
#### 5.3.3 条款引用关系的三类识别
表5-7 条款引用关系的三类识别
| 引用类型 | 识别线索 | 登记内容 | 用途 |
|---|---|---|---|
| 显式条内引用 | 「依据第 X 条」「按本办法第 X 条」 | 源条款、目标条款、引用措辞 | 检索时联带召回被引条款 |
| 文件间引用 | 「按《某办法》执行」「依据《某标准》」 | 源条款、目标文件、目标条款（若指明） | 跨文件证据链 |
| 废止替代关系 | 「本办法自生效之日起废止《某办法》」 | 新文件、被废止文件或条款、生效日期 | 版本状态判定，避免引用失效条款 |
引用关系入图谱，支撑按条款追溯适用依据。识别不确定的标记为待确认，不直接建边。
#### 5.3.4 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，并扩展版本状态与代替关系。
表5-8 技术标准
| 字段 | 必填 | 说明 |
|---|---|---|
| 标准名称 | 是 | 标准封面名称 |
| 标准号 | 是 | 含年份号 |
| 标准类别 | 是 | 国家标准／行业标准／团体标准／企业标准 |
| 发布部门 | 是 | 发布机构 |
| 生效日期 | 是 | 实施日期 |
| 版本状态 | 是 | 现行／即将实施／已废止／被代替 |
| 代替与被代替关系 | 否 | 指向相关标准号 |
| 适用范围 | 否 | 标准范围条款 |
| 引用标准清单 | 否 | 规范性引用文件章节 |
| 关键条款索引 | 否 | 判定限值、检验方法所在条款 |
标准入库、用于批次生产和正式版本发布前均核验版本状态，并持续接收标准更新信息。发现修订、废止或替代时登记生效时间、影响条款和处置范围。历史标准保留受控历史查询入口，按查询业务时点匹配适用版本；当前用途不引用失效内容作为现行要求。
#### 5.3.5 投标相关资料
按四类归集。
表5-9 投标相关资料
| 归集类别 | 包含内容 | 登记字段 | 有效期与敏感度 |
|---|---|---|---|
| 投标文件模板库 | 历史投标文件、章节模板 | 项目、客户、产品范围、年份、章节结构 | 按敏感度分级，限定可见范围 |
| 设备材料 | 设备与材料的技术资料 | 设备或物料编码、型号、参数、来源 | 一般无有效期，按版本管理 |
| 资质 | 安标证书、防爆证书、检验检测报告、产品合格证 | 资质类型、编号、发证机构、有效期、覆盖产品 | 设有有效期的按原件登记；无固定到期日的按适用条件管理，状态可追溯 |
| 业绩 | 业绩合同、发票、验收单、中标通知书、技术协议 | 项目、客户、金额、签订与验收日期、产品范围 | 按敏感度分级，金额字段按入口脱敏规则处理 |
资质资料逐件登记证照主体、覆盖产品、编号、发证日期、有效期适用性和证据文件。证书、检验检测报告和产品合格证分别核验其有效性及适用范围，不将报告日期简单换算为证书到期日。已失效资料保留历史凭证属性，正式投标适用判断依据具体项目要求和经核实的现行资料。
表5-10 投标相关资料
| 字段 | 必填 | 取值与来源 | 用途 |
|---|---|---|---|
| 证照类型 | 是 | 枚举：安标证书／防爆证书／检验检测报告／产品合格证 | 按资格要求条目检索的首要筛选键 |
| 证照编号 | 是 | 证照载明编号 | 条目唯一标识，与扫描件一一对应 |
| 发证机构 | 是 | 证照载明机构全称 | 判断证照效力范围与认可资格 |
| 发证日期 | 是 | 证照载明日期 | 时效计算起点 |
| 有效期至 | 是（设有效期者） | 证照载明到期日 | 状态计算与到期提示的唯一依据 |
| 覆盖范围 | 是 | 产品名称、型号与规格档位 | 判断某型号投标是否被该证照覆盖 |
| 关联设备或物料编码 | 是 | 引用本体设备与部件、物料与物料清单类目 | 由设备或材料反查其应备证照 |
| 依据标准 | 否 | 引用技术标准知识条目 | 与技术标准问答互为证据 |
| 结论或等级 | 否 | 证照载明结论、等级或准用范围 | 应答中需引述的实质结论 |
| 换证关系 | 否 | 前序与后继证照编号 | 支撑同一资格的连续性查询 |
| 状态 | 是 | 枚举：有效／临近到期／已失效／已换证／待核验／无固定到期日 | 检索默认过滤项 |
| 扫描件标识与页码 | 是 | 采集环节的文件登记编号 ＋ 页码 | 证据回查定位 |
四类证照共用上表，各自另有特有字段与关联对象。
表5-11 投标相关资料
| 证照类型 | 登记主体 | 有效期口径 | 特有字段 | 主要关联对象 |
|---|---|---|---|---|
| 安标证书 | 按产品型号与规格档位 | 证书载明到期日 | 安全标志编号、准用范围 | 设备与部件类目的主机产品或部件实例 |
| 防爆证书 | 按产品型号 | 证书载明到期日 | 防爆型式与标志全文、适用环境类别 | 设备与部件类目实例 |
| 检验检测报告 | 按样品与检测批次 | 原件未设到期日时不虚构有效期；具体项目的采信条件单独登记并关联依据 | 检测机构、检测依据标准、检测项与结果、样品批次 | 物料与物料清单、质量特性与检验项类目 |
| 产品合格证 | 按出厂批次或序列号 | 不设有效期 | 出厂编号或序列号、出厂日期、执行标准 | 设备与部件实例、物料批次 |
一张证照常覆盖多个型号，一台设备或一种材料也可能同时需要数张证照，关联关系因此不压进证照条目的单一字段，而另立证照—对象关联表，逐条登记证照编号、关联对象类型、对象编码与覆盖方式（整体覆盖／按规格档位覆盖／按批次覆盖）。对象编码取本体的设备编码、部件编码与物料编码，与 4.6 的编码对齐口径一致。
证照状态依据原件、核验记录及有效时点计算。到期提醒阈值纳入可配置规则，状态计算处理无固定到期日、提前撤销、范围缩减和换证等情形；新证入库不自动推断旧证立即失效，按正式生效依据登记替代关系。当前用途按有效性和适用范围过滤，历史查询同时显示当时状态与现时状态。
首批入库按产品型号和证照类别逐项清点，形成已核验资产、缺失资料和更新任务清单。我方跟踪补充资料的来源、核验和入库结果，保证用于知识问答和样本构建的证据与目标产品、项目及时间条件相符。
管理制度、技术标准和投标资料知识共同支撑相应智能问答场景的数据验证。我方完成知识内容、索引、证据和检索增强样本建设，按场景验证安排提供可追溯数据和测试结果。
#### 5.3.6 合同与招投标文件的条款切分
合同在本环节有两重身份：既是供需计划域的业务文件，也是条款级知识单元的来源。切分口径与管理制度同源，但条款类型另按下表登记，以支撑合同合规智能审查场景的知识供给。
表5-12 合同与招投标文件的条款切分
| 条款类型 | 识别线索 | 登记字段 | 关联对象 |
|---|---|---|---|
| 标的与规格条款 | 产品名称、型号、技术参数 | 产品范围、技术要求、引用标准 | 物料、技术标准 |
| 价格与结算条款 | 金额、单价、税率、结算方式 | 金额（按敏感度处理）、结算节点 | 付款计划 |
| 交付与验收条款 | 交付期、交付地点、验收标准 | 交付节点、验收依据 | 订单、检验项 |
| 质量与质保条款 | 质保期、质量责任、索赔 | 质保期限、责任范围 | 质量特性、检验项 |
| 违约与争议条款 | 违约金、解除条件、争议解决 | 违约情形、责任比例 | 制度条款 |
| 知识产权与保密条款 | 知识产权归属、保密期限 | 归属约定、保密范围 | 制度条款 |
| 变更与不可抗力条款 | 变更程序、不可抗力情形 | 变更条件、通知义务 | 制度条款 |
| 其他约定 | 附件、特别约定 | 约定内容 | — |
招投标文件按 5.3.5 的投标资料四类归集处理，其中技术协议按合同条款类型切分，招标文件按要求条目切分并登记要求编号，便于与投标应答逐条对照。合同与招投标文件的敏感度一般高于制度文件，条款入库后按敏感等级限定可见范围；金额与客户标识字段按入口脱敏及用途权限规则处理后再进入检索索引。
图 5-1 知识抽取终审与供给
### 5.4 两类核心知识图谱
#### 5.4.1 故障知识图谱
链路为「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。
表5-13 故障知识图谱
| 节点类型 | 来源本体类目 | 关键属性 | 实例来源 |
|---|---|---|---|
| 设备 | 设备与部件 | 设备编码、型号、投运时间 | EAM 台账 |
| 部件 | 设备与部件 | 部件编码、所属设备、安装位置 | PLM、EAM |
| 故障模式 | 故障模式 | 故障编码、名称、严重度 | 故障案例、诊断报告 |
| 现象 | 故障模式（现象子类） | 现象描述、关联测点、可观测方式 | 维修记录、报警规则 |
| 原因 | 故障模式（原因子类） | 原因描述、发生条件 | 诊断报告、专家确认 |
| 处置措施 | 故障模式（属性升格为节点） | 措施描述、所需工时、所需资质 | 维修记录、诊断报告 |
| 备件 | 物料与物料清单 | 物料编码、名称、库存状态引用 | 主数据、WMS |
表5-14 故障知识图谱
| 业务联系 | 本体关系 | 建边依据与使用约束 |
|---|---|---|
| 设备与部件 | 结构组成或安装归属 | 核对BOM、安装记录和有效时间 |
| 部件与故障模式 | 诊断关联 | 由适用故障案例或专业知识确定，不能称为结构包含 |
| 故障模式与现象 | 诊断关联或经确认因果 | 区分常见征象、诊断线索与已证实结果 |
| 现象与原因 | 诊断关联 | 记录候选原因和确认依据，不能以反向因果表达 |
| 原因与处置措施 | 处置适用 | 核验措施条件、限制及专业终审 |
| 处置措施与备件 | 备件使用或备件需求 | 区分推荐用件和实际领用记录，保存物料及适配关系 |
| 现象与测点 | 参数配置与观测 | 核对测点归属、观测时间和有效配置 |
证据强度按条目实际内容核验，并与专家终审状态分别管理。
表5-15 故障知识图谱
| 证据强度 | 判断依据 | 可用范围 |
|---|---|---|
| 强 | 对象、时段、原始记录、诊断及处置结论能够相互核验，业务专家确认适用条件 | 在确认范围内用于事实标签和受控合成 |
| 中 | 有可定位记录和专业结论，但仍缺少部分确认条件或实际闭环 | 经终审后作为带条件的候选与检索证据，不扩大确定性 |
| 弱 | 依据不足、仅有未验证关联或待补充的经验判断 | 保留在研究或审核候选范围，不作为正式标注与合成的事实依据 |
证据级别随边保存，下游合成样本时按级别决定可否引用。级别可随维修事实回填而升级，升级动作记入边的版本历史。
#### 5.4.2 工艺质量知识图谱
链路为「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。
表5-16 工艺质量知识图谱
| 节点类型 | 来源本体类目 | 关键属性 | 实例来源 |
|---|---|---|---|
| 工件 | 物料与物料清单 | 工件号、物料编码、工件品类、材料批次 | MES、WMS、PLM |
| 工艺参数（参数项实例） | 工艺与工序 | 参数项、设定值、实际值统计特征 | 时序通道的样本对 |
| 切片结果 | 质量特性与检验项 | 切片位置、金相或硬化层观测结果 | QMS 检验记录 |
| 硬度指标 | 质量特性与检验项 | 测点位置、硬度值、检测方法、判定限值 | QMS 检验记录 |
| 质检结论 | 质量特性与检验项 | 判定结果、缺陷类型、处置 | QMS 检验记录 |
| 工序与炉次 | 工艺与工序 | 工序号、炉次号、作业时间窗 | MES、热处理群控 |
表5-17 工艺质量知识图谱
| 业务联系 | 本体关系 | 建边依据 |
|---|---|---|
| 工件与工序或炉次 | 加工经历 | 对象锚定、工单与装炉清单 |
| 作业与工艺参数 | 参数配置与观测 | 作业窗口、实际配置和对应时序 |
| 工艺参数与硬度指标 | 检验对应 | 同件同批及检验轮次，不将关联直接写成因果 |
| 工艺参数与切片结果 | 检验对应 | 试样来源、切片位置、对应工件和有效作业 |
| 硬度指标与质检结论 | 检验对应 | 原始测量值、检测方法和适用判定规则 |
| 工艺参数与缺陷 | 检验对应或经确认因果 | 实际检测关系或独立论证结果及专家终审 |
| 工件与材料批次 | 批次来源 | 领料、投料或可核验追溯记录 |
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。串接依据是采集环节的对象锚定登记；锚定失败的工件进不了图谱 B 的工件级链路，只保留炉次级链路。
#### 5.4.3 图谱构建流程与一致性校验
表5-18 图谱构建流程与一致性校验
| 步骤 | 动作 | 校验 |
|---|---|---|
| 节点抽取 | 按节点类型从知识条目与结构化数据生成节点 | 节点唯一性（同一实体不重复建点） |
| 边生成 | 按建边依据生成边并带证据强度 | 定义域与值域合规 |
| 冲突检测 | 同一适用条件、时点和对象存在互斥事实或结论 | 冲突对提交专家裁决 |
| 环检测 | 层次包含与工艺前后依赖的环 | 指定无环关系出现非法环时阻断发布 |
| 孤点检测 | 无任何边的节点 | 孤点登记原因（数据缺口或锚定失败） |
| 覆盖统计 | 按部件、工件品类、工序统计节点与边覆盖 | 覆盖缺口进下一批次计划 |
| 专家确认 | 按 5.8 的终审规则确认 | 未确认的边不进入标注与合成 |
两类图谱按确认的产品、设备、工艺和检验范围分批建设。首批建立对象与证据完整的贯通链路，后续覆盖全部项目要求对象；覆盖缺口形成来源补充、对象核验或专家审核任务。验收同时核对节点、边、出处、适用条件、版本和审核状态，不能仅以节点或边的数量证明完成。
#### 5.4.4 图谱向标注与合成的交付接口
两类图谱通过受控接口和版本化导出包向下游供给，按对象查询、知识约束和证据检索分别定义输入输出。服务接口与数据包采用相同的终审、权限及版本规则，记录请求身份、范围、返回内容和使用任务。
表5-19 图谱向标注与合成的交付接口
| 接口形式 | 内容 | 使用方 | 口径约定 |
|---|---|---|---|
| 标签候选接口 | 按对象给出可选标签集合（故障模式、缺陷类型、检验结论） | 标注工具 | 仅返回终审通过的节点；候选按证据强度排序 |
| 知识约束接口 | 按对象给出允许的关系与值域 | 合成工具 | 越界关系的样本不生成；弱证据边不作事实性断言 |
| 证据链接口 | 按查询返回节点、边与其出处 | 检索增强样本构建、场景验证 | 每一条边返回证据强度与出处字段 |
三种接口共用同一套版本号。图谱版本变更时，发布说明中列明受影响的标签候选与关系约束，下游按 4.8.3 的衔接规则在新批次起用。
### 5.5 九个业务域的四类知识库
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。
#### 5.5.1 九个业务域与数据来源
表5-20 九个业务域与数据来源
| 业务域 | 主要数据来源 | 指标主题范围 | 口径确认部门 |
|---|---|---|---|
| 人力资源 | 主数据人员信息、工时定额 | 人员结构、工时利用 | 甲方人力部门 |
| 研发设计 | PLM 物料清单与变更记录、图纸与工艺卡片 | 图纸与工艺复用、变更频次 | 甲方设计与工艺部门 |
| 生产制造 | MES 工单与报工、SCADA、热处理群控 | 工序周期、在制、设备利用 | 甲方生产管理部门 |
| 仓储物流 | WMS 库存与流水、ERP 需求计划 | 库存周转、呆滞、齐套 | 甲方仓储部门 |
| 财务 | 久其经营指标、ERP 成本与应收应付 | 收入、利润、成本、资产负债 | 甲方财务部门 |
| 设备 | EAM 台账与点检、SOS 工单、EMS | 设备完好、故障停机、能耗 | 甲方设备部门 |
| 采购 | SCM 采购与履约、ERP 采购 | 采购周期、到货时效、履约率 | 甲方采购部门 |
| 营销 | CRM 客户商机合同订单回款 | 商机转化、订单、回款 | 甲方营销部门 |
| 质量 | QMS 检验与台账 | 一次合格、不合格分布、返修 | 甲方质量部门 |
#### 5.5.2 指标知识库
逐项登记指标。
表5-21 指标知识库
| 字段 | 必填 | 说明 |
|---|---|---|
| 指标编号 | 是 | 业务域码 ＋ 顺序号 |
| 指标名称 | 是 | 取业务术语标准用词 |
| 指标描述 | 是 | 业务含义的完整表述 |
| 业务限定 | 是 | 适用的业务范围与前提条件 |
| 维度 | 是 | 可下钻维度清单（如组织、产品、客户、期间） |
| 统计周期 | 是 | 日／月／季／年 |
| 统计范围 | 是 | 组织范围、业务范围、数据范围 |
| 计量单位 | 是 | 引用数据元标准 |
| 计算逻辑 | 是 | 公式表达 ＋ 文字说明 |
| 关联指标 | 否 | 上下级或构成关系 |
| 数据来源 | 是 | 源系统与字段 |
| 口径确认人岗位与日期 | 是 | 甲方确认留痕 |
| 口径状态 | 是 | 已确认／待确认／已变更 |
| 口径版本 | 是 | 变更历史可追溯 |
#### 5.5.3 业务概念知识库
登记决策分析相关的业务术语与行业、财务专业名词。
表5-22 业务概念知识库
| 字段 | 必填 | 说明 |
|---|---|---|
| 概念编号 | 是 | 顺序号 |
| 术语 | 是 | 标准词 |
| 定义 | 是 | 完整定义 |
| 所属业务域 | 是 | 九域之一或跨域 |
| 术语类别 | 是 | 行业术语／财务术语／管理术语／本企业专用 |
| 同义词与别名 | 否 | 与本体同义词别名表同源 |
| 引用标准或制度 | 否 | 定义依据 |
| 常见误用说明 | 否 | 易混淆概念与区分要点 |
| 关联指标 | 否 | 该概念涉及的指标 |
易混淆概念登记其业务边界、适用范围和常见误用，检索时结合对象及上下文消歧。相同词语在不同业务域含义不同时保留独立定义及关系，不以字符串一致强行合并。
#### 5.5.4 规则知识库
登记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。
表5-23 规则知识库
| 字段 | 必填 | 说明 |
|---|---|---|
| 规则编号 | 是 | 业务域码 ＋ 顺序号 |
| 关联指标 | 是 | 指向指标知识库条目 |
| 业务管理逻辑 | 是 | 该指标在管理上如何使用 |
| 管控要求 | 是 | 目标值、阈值或管控方向 |
| 业务边界 | 是 | 不适用的情形与例外 |
| 数据来源 | 是 | 源系统、表、字段 |
| 过滤条件 | 是 | 取数时的过滤逻辑 |
| 加工逻辑 | 是 | 聚合、换算、分摊规则 |
| 异常判定 | 否 | 指标异常的判定方式 |
| 规则状态与版本 | 是 | 现行／已变更 |
#### 5.5.5 分析报告知识库
归集月度、季度、年度经营分析报告、专题分析报告与常态化业务台账。
表5-24 分析报告知识库
| 字段 | 必填 | 说明 |
|---|---|---|
| 报告编号 | 是 | 顺序号 |
| 报告名称 | 是 | 原文件名称 |
| 报告类型 | 是 | 月度／季度／年度经营分析／专题分析／常态化台账 |
| 期间 | 是 | 覆盖期间 |
| 编制部门 | 是 | 归并到组织机构主数据 |
| 涉及指标 | 否 | 指向指标知识库条目 |
| 结论要点 | 否 | 条款级切分后的结论句 |
| 原文定位 | 是 | 源文件编号、章节、页码 |
| 敏感等级 | 是 | 按安全方案分级，限定可见范围 |
指标知识库定义统计对象与口径，规则知识库保存来源、过滤和计算过程，业务概念知识库统一术语含义，分析报告知识库关联历史期间和解读依据。四类知识通过指标及概念标识连接，报告中的历史解释不自动转换为未来期间的事实结论。
#### 5.5.6 指标口径的确认流程
指标口径与计算逻辑须由甲方提供。本方案的承接方式分五步。
表5-25 指标口径的确认流程
| 步骤 | 动作 | 产出 |
|---|---|---|
| 1 清单初拟 | 按九域与现有报表、台账反向整理指标候选清单 | 指标候选清单 |
| 2 口径访谈 | 按业务域与甲方业务部门逐项确认名称、维度、周期、范围与计算逻辑 | 访谈记录、口径草案 |
| 3 可计算校验 | 按数据来源与过滤条件试算，核对能否取到数 | 试算报告、数据缺口清单 |
| 4 口径确认 | 由业务部门书面确认，登记确认人岗位与日期 | 已确认指标清单 |
| 5 入库与发布 | 写入指标知识库与规则知识库，发布可用范围 | 指标知识库版本 |
未经甲方确认的指标保留候选状态，不发布为正式计算口径或问答依据。我方组织口径访谈、来源核对和试算，将存在分歧的业务限定、维度、范围、过滤条件及计算逻辑逐项提交确认；确认后形成版本化指标和规则，并完成知识条目的业务专家终审。
### 5.6 统一检索索引
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。
#### 5.6.1 三类索引的检索键与字段
表5-26 三类索引的检索键与字段
| 索引 | 索引对象 | 检索键 | 返回字段 |
|---|---|---|---|
| 文本索引 | 结构化长文本切片、制度条款、技术标准条款、知识条目、报告结论句 | 全文、实体编码、元数据字段（制度编号、标准号、发布部门、生效日期、版本状态）、术语与别名 | 条目或切片内容、层级路径、来源页码、位置偏移、版本状态 |
| 图纸索引 | 工艺图纸、CAD 图纸、工艺卡片 | 图号、零件名称、材料牌号、工艺特征、所属项目、物料清单行 | 图纸标识、标题栏字段、明细表行、配对卡片号、矢量化分级 |
| 图像索引 | 熔池图像、焊后焊道表面图像、工件外观缺陷图像 | 工件号、焊道号、采集时点、图像类型、关联检验结论、缺陷类型 | 图像标识、采集元数据、关联时序窗、关联检验记录 |
图纸索引支持按图号、产品和工艺特征组合检索，返回历史图纸及工艺卡片的适用材料、版本和审核状态，防止仅凭相似外形复用不适用的工艺。
#### 5.6.2 召回方式与核对顺序
表5-27 召回方式与核对顺序
| 召回通道 | 适用情形 | 权重取向 |
|---|---|---|
| 结构化检索 | 按实体、编码、元数据字段过滤 | 首选，结果确定可解释 |
| 全文检索 | 按条款与切片粒度命中关键词 | 主通道 |
| 同义扩展检索 | 提问用词与文件用语不一致 | 扩展词表取自本体别名表 |
| 向量检索 | 措辞差异大、需跨表述召回 | 补充通道，不单独作为证据来源 |
各路召回结果在权限、版本和用途范围内合并，核对原文、适用对象和引用位置。检索分数表示相关程度，不作为事实正确性的依据；无法回查原文或不满足用途条件的结果不作为证据输出。
#### 5.6.3 索引更新与状态过滤
表5-28 索引更新与状态过滤
| 更新触发 | 处理 |
|---|---|
| 知识条目新增或修订 | 增量更新对应索引项 |
| 终审状态变更 | 同步更新状态字段，过滤规则随之生效 |
| 本体版本发布 | 重建同义扩展词表 |
| 标准版本状态变更 | 更新版本状态字段，检索结果标注失效 |
| 文档版本替换 | 旧版本保留并标注，新版本置为现行 |
正式索引强制执行终审状态、权限、用途和业务时间过滤。待审或退回条目仅能由获准的审核人员在审核区查看，生产调用不能通过修改查询参数绕过终审。已废止标准和失效资质仅在获准历史查询中按当时适用范围返回，始终附带状态与版本，不能混入当前有效证据。
### 5.7 检索增强样本的构建
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。
#### 5.7.1 构建四步
表5-29 构建四步
| 步骤 | 动作 | 口径 |
|---|---|---|
| 1 生成查询 | 三类来源：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 | 三类来源按配比组合，配比随批次登记；真实提问优先 |
| 2 检索证据 | 在统一索引中检索，保留出处字段 | 证据条数上限与去重规则写入算子参数 |
| 3 组织回答 | 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 | 不允许引入证据之外的事实 |
| 4 校验 | 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 | 任一项不通过即处置（见 5.7.3） |
#### 5.7.2 三元组字段定义
表5-30 三元组字段定义
| 字段 | 必填 | 说明 |
|---|---|---|
| 三元组编号 | 是 | 批次号 ＋ 场景码 ＋ 顺序号 |
| 查询文本 | 是 | 自然语言问题 |
| 查询来源 | 是 | 真实提问／条目反向生成／报告与工单抽取 |
| 场景归属 | 是 | 对应的验证场景 |
| 任务类型 | 是 | 事实问答／条款定位／口径解释／比对分析 |
| 难度等级 | 是 | 按证据跨度与推理步数分级 |
| 证据清单 | 是 | 证据编号、条目或切片标识、出处字段 |
| 证据跨度 | 是 | 单条证据／多条同源／多条跨源 |
| 回答文本 | 是 | 组织后的回答 |
| 事实—证据对应表 | 是 | 回答中每一处事实指向的证据编号 |
| 本体版本号与知识库版本号 | 是 | 构建时所用版本 |
| 校验结论 | 是 | 各项校验的逐项结果 |
| 人工复核结论 | 是（基准评测子集） | 复核岗位与结论 |
#### 5.7.3 校验项与处置
表5-31 校验项与处置
| 校验项 | 判定 | 处置 |
|---|---|---|
| 证据支持性 | 回答中的事实能否在证据中找到依据 | 无证据支持的片段按条剔除 |
| 范围一致性 | 回答是否超出证据所述范围 | 超范围的回答改写或整条废弃 |
| 出处可回查 | 按出处字段能否定位回原文 | 回查失败的三元组废弃 |
| 证据内部一致 | 多条证据之间是否矛盾 | 矛盾的交专家裁决，裁决前不入库 |
| 版本有效 | 所引证据是否为现行版本 | 引用已废止条款的标注状态或替换证据 |
| 敏感度合规 | 证据的敏感等级是否允许进入该用途 | 超出允许范围的替换证据或废弃 |
检索增强样本执行统一的数据质检和质量评测规则。基准评测样本逐条人工复核问题、证据、标准答案和判分依据，并按来源文档、业务对象、事件及近重复关系与训练数据隔离。由模型生成的候选不能直接作为基准标准答案，必须以独立事实和业务专家确认结果为依据。
### 5.8 专家终审与数据字典
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。
#### 5.8.1 终审组织与状态管理
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。
表5-32 终审组织与状态管理
| 条目状态 | 含义 | 可否用于标注与合成 | 可否进入检索默认范围 |
|---|---|---|---|
| 通过 | 内容与出处均确认无误 | 可 | 可 |
| 修订后通过 | 经评审意见修订后确认 | 可 | 可 |
| 待审 | 已入库但未终审 | 不可 | 不可 |
| 退回重抽 | 内容有误或出处不实 | 不可 | 不可 |
| 不采纳 | 不属于本项目范围或无业务价值 | 不可 | 不可 |
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。服务端校验终审状态和授权，界面、批量导出、接口调用及离线任务执行相同规则。
#### 5.8.2 数据字典
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。
表5-33 数据字典
| 字典项 | 内容 |
|---|---|
| 字段名称与中文名 | 字段标识与业务名称 |
| 定义 | 字段的业务含义 |
| 类型与长度 | 引用数据元标准 |
| 格式 | 日期、数值、编码格式 |
| 值域 | 枚举值或取值范围，引用参考数据标准 |
| 是否必填 | 必填规则 |
| 来源 | 源系统与字段，或本体、算子产出 |
| 示例 | 一条合规取值示例 |
| 版本与变更记录 | 字段定义的变更历史 |
数据字典与数据治理章节输出的数据元标准互相引用，字段定义冲突时以经核验的适用数据元标准为准。
### 5.9 知识库环节的输入、产出、验收与退回
表5-34 知识库环节的输入、产出、验收与退回
| 项 | 内容 |
|---|---|
| 输入 | 过预处理门的规范化样本（结构化长文本、图像样本、时序样本对、文本化样本）；已发布的本体版本；甲方提供的指标口径与计算逻辑；对象锚定登记表 |
| 产出 | 见 5.11 |
| 验收方 | 业务专家评审组（按业务域）＋ 甲方相关业务部门 |
| 验收方式 | 抽查出处可回查、条款切分正确性、图谱证据级别与冲突处置、指标口径确认留痕、终审覆盖情况 |
| 退回路径 | 终审门不通过的条目标记为「退回重抽」或「待审」，由知识抽取岗重抽或人工补录；口径未定的转入待确认列表，不进入可用范围 |
### 5.10 知识库环节的质量控制点
表5-35 知识库环节的质量控制点
| 控制点 | 方法 | 判定口径 | 责任岗位 |
|---|---|---|---|
| 条目有出处 | 入库校验出处字段完整性 ＋ 出处回查测试 | 出处字段缺失或回查失败的条目不入库 | 知识抽取岗 |
| 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 | 知识抽取岗、质检岗 |
| 引用关系可靠 | 抽样核对引用识别结果 | 识别不确定的标记为待确认，不建边 | 知识抽取岗 |
| 标准版本有效 | 入库、生产使用和版本发布前核验，变更通知触发复核 | 已废止或被代替的标准在检索结果中标注状态 | 知识抽取岗 |
| 图谱边可信 | 证据强度分级登记 ＋ 冲突检测 | 未终审或证据不足的边不用于确定性事实；相互冲突的关系提交专家裁决并记录适用条件 | 知识抽取岗、业务专家评审组 |
| 图谱结构合规 | 环检测、孤点检测、定义域值域校验 | 层次包含和工艺前后依赖中的非法环阻断入库；一般关联环按业务语义检查；孤点登记原因 | 知识抽取岗 |
| 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 | 知识抽取岗 |
| 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 | 知识抽取岗、质检岗 |
| 索引状态过滤生效 | 按状态字段抽样检索测试 | 待审与失效内容不出现在默认召回范围 | 知识抽取岗 |
| 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 | 业务专家评审组 |
### 5.11 知识库环节产出物
表5-36 知识库环节产出物
| 产出物 | 形式 | 交付对象 |
|---|---|---|
| 结构化知识条目库 | 结构化表 ＋ 出处登记 | 标注、合成、检索 |
| 制度条款级索引 | 结构化表 | 管理制度智能问答场景的数据供给 |
| 技术标准元数据表 | 结构化表 | 技术标准智能问答场景的数据供给 |
| 投标资料四类归集目录 | 结构化表 | 标书智能问答场景的数据供给 |
| 核心知识图谱 A | 图数据 ＋ 节点边字典 | 制造过程数据集标注与合成 |
| 核心知识图谱 B | 图数据 ＋ 节点边字典 | 产品质量数据集标注与合成 |
| 九业务域四类知识库 | 结构化表 | 决策数据智能问答场景的数据供给 |
| 统一检索索引 | 索引服务 | 标注、合成、场景验证 |
| 检索增强三元组 | 样本集 | 指令微调子集、基准评测子集 |
| 终审意见与条目状态清单 | 文档 ＋ 结构化表 | 质检、验证、验收 |
| 知识库与知识图谱数据字典 | 文档 ＋ 结构化表 | 全部下游环节、数据治理 |
## 6 专项数据处理与知识供给控制
### 6.1 多源对象匹配与时间一致性
我方建立源标识、企业主数据标识、本体标识和实物对象标识之间的映射记录。映射同时保存来源系统、对象类型、有效时段、确认依据和状态，不以名称或文本相似度作为唯一依据。主数据物料编码可标识物料种类，工件、序列号和库存批次标识具体对象，两类标识保持层级关联而不互相替换。
客户、供应商、合同、订单、工单和检验单存在一对多关系时，采用关系记录保存对应范围。一个合同包含多张订单、一张订单分批发货、一个工件经历多次检验，均保留各自实例及时间。退货、撤单、冲销、返工和复验登记为业务事件，不能在加工阶段直接删除前序记录或把最新状态投射到历史期间。
匹配任务按确定性规则、候选匹配、人工核验分级组织。确定性规则使用已经确认的编码和对应表，核验类型及有效时间；候选匹配综合材料、规格、图号、版本、项目和时间范围；人工核验保存选择依据及被排除候选。存在多个合理候选时保持未确认状态，不按最高相似度强制归属。
跨系统关联同时记录业务发生时间、记录更新时间、采集时间和平台处理时间。销售预测保留预测生成时点与目标期间，库存保留快照时点和流水生效时点，质量记录保留检验与报告签发时点。形成训练样本时按任务的可观测时点选择字段，防止未来回款、实际销量、最终质检或后续故障结论泄漏到当时的输入条件。
工序、设备和图纸配置随时间变化时，映射采用有效区间。历史设备更换部件后，早期报警仍指向当时安装的部件；图纸换版后，旧工单使用的工艺保持原版本。有效区间重叠或出现空档时登记冲突，处理结论经专业审核后更新映射版本，并重新核验受影响样本。
### 6.2 文档长上下文与复杂结构保真
文档处理保持原始文件、页面影像、结构树、规范文本和样本切片之间的对应。对于可重排版的Word文档，保存原生段落位置，并固定用于页码定位的渲染版本及环境；网页和Markdown资料使用标题路径、块编号和源内容偏移定位。需要统一页码时形成固定渲染副本，页码明确对应该副本，不能伪称原始来源自带页码。
表格重建保留行列、表头层级、合并关系、单位、注释和空值类型。跨页表格先核对续表关系及列定义，不能仅凭相同列数合并；跨页重复表头在结构层复用，同时保留各页来源。空白、零、无此项、未检测和未记录分别编码，不把空格统一填为零。
金额、尺寸、温度、公差、比例和上下限保持数值精度及比较符号。识别过程中重点核对负号、小数点、千分位、范围连接符、上下标、直径符号和单位。存在小数点模糊、手写改动或盖章遮挡的关键字段进入人工核验，不能由语言模型根据上下文补成确定数值。
公式对象保存原图、变量、单位、计算关系和适用条件。结构化表达通过语法检查后，还应核对变量定义及源文本含义；可以执行的公式使用经过批准的测试输入验证计算结果。识别成功率和公式可计算率分别统计，不能把保留图片的公式计入已完成结构化计算的范围。
长上下文样本按完整业务任务组织，保存章节树及跨段依赖。标题、定义、前置条件、例外、表格注释和引用条款与正文关联，切片长度按模型窗口及任务配置确定。超长文档分片时记录顺序、重叠区域和上下文来源，重叠内容不重复计入有效规模；跨文档拼接必须有明确业务主题和授权范围，不随机拼接造成实体或时序冲突。
OCR与版面解析质量分别评价。字符识别正确但阅读顺序错误、表头错配或条款归属错误，仍属于结构质量缺陷。复核样本覆盖扫描件、混合版式、多栏、图文混排、跨页表、手写批注和低清页面；发现系统性错误时，按文档类型和解析器版本定位全部关联文件。
### 6.3 图纸图像与视频的联合处理
图纸处理同时维护原生CAD、PDF或扫描图、规范化视图和结构化字段。DWG、DXF文件记录解析器版本、字体及外部参照状态、模型空间和布局空间信息。图纸缺少字体、参照或图层定义时，保留错误清单并补充依赖，不能以成功输出缩略图作为完整解析的证明。
尺寸识别优先读取明确尺寸对象和标注文本，保留尺寸值、公差、单位、比例及关联几何。图面比例不能直接替代标注值；出现非比例绘制或局部详图时，按区域保存比例及投影关系。由像素计算的估计尺寸必须有校准依据并标记估计属性，未经核验不作为材料定额、工序选择或检验标准答案。
图面区域切分保存坐标系和变换链。整图坐标、局部裁剪坐标、旋转纠偏和缩放关系能够双向还原，使标注框、关键点与源图精确对应。裁剪不得去掉决定标签含义的上下文，如工件边界、焊缝基准或缺陷周边特征；多个切片来源于同一对象时保持组标识，后续数据切分以组为单位隔离。
过程图像记录相机、点位、曝光、采集时间、对象和阶段，原始画面与归一化图像分别保存。亮度、对比度和颜色变化可能影响表面及熔池特征，默认不对用于事实判读的原图进行不可追溯增强。确有必要的预处理保存参数及前后对照，由专业人员验证关键特征未被破坏。
视频保留原始容器、编码、帧时间戳、帧率特征、分辨率和采集端信息。抽帧按实际时间戳执行，变帧率视频不得用帧序号乘以固定间隔替代真实时间。帧索引关联视频标识、时间位置、对象和事件，关键事件前后保留足够过程上下文，重复或近重复帧按统一规则处理。
视频与时序对齐综合设备时间、采集端时间和事件标记，保存时钟偏差及剩余误差。丢帧、暂停、拼接和重新编码产生的时间不连续分别登记。确认未对齐的片段不能作为同步多模态样本；同一视频的相邻帧和同一事件的不同裁剪保持组级隔离，防止训练和基准之间出现近重复泄漏。
多模态条目以经过核验的业务关联构成。图像和任意说明文字同处一个目录不构成有效图文对，时序和视频长度相近也不能证明同步。条目保存各模态资产、关联对象、时间范围、关联依据及复核结论，缺失模态或关联失效时重新判断用途及统计资格。
### 6.4 时序数据质量与特征计算
时序质量检查覆盖时间单调性、重复时间戳、采样间隔、时钟漂移、单位、量程和状态一致性。重复时间戳先判断重复上传、多个通道还是实际多次记录，按测点和序号处理；不能仅按时间戳全局去重。乱序记录排序后保留原接收顺序，迟到数据按规定窗口补入新版本。
时间对齐区分测量同步误差与设备过程的真实响应延迟。事件发生后不同物理量具有不同响应过程，不能为了曲线形态相似任意平移而消除真实物理延迟。补偿依据统一时钟、设备配置和可核实同步事件确定，使用相关分析提出的候选偏移需经专业确认后生效。
降采样根据最高关注变化频率和业务事件持续时间配置聚合规则，保留均值、极值、有效点数和覆盖时长。需要保留瞬态信息的焊接及报警数据保留原始高密度版本；窗口摘要附聚合方式和信息损失提示字段。积分、累计和变化率分别核对单位及真实时间间隔，非均匀采样不能直接套用固定步长公式。
累计能耗和运行时长出现跳变时，核对仪表清零、计数回绕、倍率变更及设备更换。计数回绕只有在量程和规则可确认时修正；无法确认的区间标记异常，不将负差分绝对值化为真实消耗。计算得到的消耗量同时保留起止读数和覆盖时间，便于与业务账和设备事件复核。
事件窗按作业含义确定，保存事件检测方法和版本。工单开工时间与设备实际起弧或加热时间不一致时，两者分别记录，并根据目标任务选择有效锚点；不能默认工单时间等于实际设备过程。检验结论发生在作业结束之后时作为标签或后验信息保存，不能进入预测输入。
缺失率按有效观测区间和期望采样配置计算，同时报告缺失点、缺失时长和最长连续缺口。全窗口没有观测与设备停机期间不应采样分别处理；采集配置变更后更新分母。插值点数不能计入真实采集点数，恢复数据与估计数据使用不同状态。
特征计算记录输入测点、对象、窗口、单位、算法和有效性条件。峰值、波动、稳定时长及偏离区间均受缺失和异常标记约束；有效覆盖不足时保留不可计算状态，不填入零或总体平均值。特征文本化时传递这些限制，避免把不可靠特征写成确定业务事实。
### 6.5 结构化数据文本化与事实校验
文本化先确定业务对象及其时点，再将经过确认的字段填入版本化模板。订单、库存、工单、检验和维修分别使用独立模板，保持字段名称、单位及条件完整。模板的可选段落由明确字段条件控制，缺少原因、措施或判定时不生成相应结论句。
模板填值使用经过授权的可用字段。金额区间化后，不再生成精确金额计算题；人员和客户假名化后，关联限定在批准范围内；组织层级泛化后，不再返回个体或下级单位的推断结果。精确计算需求使用单独授权的受控数据集，不能为计算方便绕过脱敏规则。
字段到文本建立逐句映射，记录源字段、转换规则、输入值、输出片段和精度。数值转写核对正负号、百分数、千分位及单位，日期转写保留统计期间和时区。多个源字段合成一句描述时保留全部依赖及组合条件；聚合值记录过滤和计算过程。
模型参与改写时，只能在已核验事实和术语范围内调整表达。否定、条件、例外、范围和不确定性与数值同样作为保真校验对象，不能把“可能原因”改成“故障原因”，也不能把“未检出”改成“不存在”。改写不通过的候选隔离，按原因修订规则或重新生成并复核。
文本化样本和由其派生的问答共享源组标识。不同措辞、不同模板或不同粒度的样本作为同源派生记录管理，在重复计量和训练基准隔离时一并检查。样本是否计入最终规模由用途质量、去重和验证结论决定，不能按模板变化数量直接累加。
### 6.6 本体编码与标签发布
本体分别管理类、属性、关系、约束和实例。类定义概念范围，实例对应具体对象，属性描述特征，关系连接对象。设备型号、设备实例、部件类型、在用部件和测点分别声明类型及身份规则，防止在图谱查询和训练标签中混淆。
术语记录标准名称、定义、适用业务域、来源、同义词、简称、排除含义和生效版本。相同简称对应多个含义时，检索根据业务域、对象类型和上下文选择候选，不能自动全局替换。新增专业缩写先核对已有术语及原始资料，确认后纳入别名表。
标签体系从已发布本体生成，保存标签编号、层级、定义、允许证据、互斥及共现规则。多标签情形明确是否允许同一对象存在多个缺陷或故障候选，不能因单标签工具限制丢失实际情况。缺陷类别未确定时使用批准的不确定或上位分类状态，并进入复核，不自行创造临时正式标签。
本体发布同时输出机器可读文件、术语表、同义词别名表、编码映射、标签定义、关系约束和变更清单。文件及接口返回相同版本号和校验值，接收工具在任务启动时验证兼容性。版本不匹配时返回明确错误，不默默加载最新版本覆盖任务冻结口径。
变更影响分析沿术语、标签、知识条目、图谱边、模板、检索词表和样本逐级展开。新增别名不一定改变事实标签，调整概念边界或判定规则则可能触发重标和重审；变更等级依实际语义影响确定。迁移脚本及映射规则经过回归验证后使用，原版本和迁移记录均保留。
### 6.7 知识事实证据与专业终审
知识抽取保持原文陈述、解释性判断和可执行规则的区别。原文中的推测、限定、例外及适用范围原样保留，不通过语言润色提升确定性。设备说明书中的通用要求、特定工单的执行事实、单次诊断的判断和行业案例的经验分别标记，不互相替代。
每条知识保存一个或多个证据片段，片段关联文件版本、原始页码或块位置、摘取范围及校验指纹。多个证据支持同一结论时核对其是否真正独立，转引同一来源不能计为多份独立证据。证据之间存在冲突时按对象、时间和适用条件区分，无法解释的冲突提交业务专家处理。
图谱建设将事实边与推断边分开。事实边对应直接记录和已确认事实；推断边保存方法、输入和限制，不能未经终审转为事实标签。图谱推理产生的新候选继续经过来源核查及专业评审，不因多个关系可连接就自动认定结论成立。
终审按条目形成可复核记录，包含提交版本、审核专家、来源核查、专业意见、适用条件、修改内容和结论。修订后通过的条目必须对应修订内容的实际复核，不能仅因提交人关闭意见就自动通过。审核结论与条目内容校验值绑定，审后任何实质内容变化均触发重新终审。
专业终审重点覆盖工艺限值、故障归因、措施适用、检测判定、资质效力和指标口径。相关专家能够查看必要原始证据，受敏感权限限制的审核在授权环境内完成。无法取得充分证据的条目维持候选或不采纳状态，不以专家签字补足不存在的事实。
知识发布清单逐条核验终审状态、有效时间和用途许可，生成可用版本。历史审核结论不自动赋予新版本资格；知识撤回时同时暂停图谱关系、索引、缓存及派生样本的相应使用范围。下游任务记录其引用内容，支持发现错误后的定向修复。
### 6.8 指标知识与经营报告一致性
指标定义使用甲方提供并确认的口径及计算逻辑。指标编号保持稳定，名称、维度、周期、单位、业务限定、统计范围、来源、过滤与聚合逻辑分别版本化。相同名称在不同组织或报表中口径不同时保留独立标识及对照关系，不能仅按名称合并。
人力资源指标核对人员范围、在岗状态及期间；研发设计指标核对项目、图纸和变更对象；生产制造指标核对工单、工序、报工和状态；仓储物流指标核对库存时点、物料范围与出入库口径；财务指标核对核算期间和确认口径；设备指标核对设备范围、计划运行与实际运行；采购指标核对订单、交付、到货和履约口径；营销指标核对商机、订单、收入与回款；质量指标核对检验阶段、检验批、计数对象和复验处理。
指标试算保留来源快照、取数范围、过滤条件、计算规则和结果，并与甲方认可的报表核对。差异分析区分时点差异、统计范围、状态过滤、单位换算、重复关联和计算逻辑，不能仅通过调整结果使总数一致。修订规则必须由业务责任方确认，再更新知识及测试样本。
分析报告中的数值、结论和归因分别提取。数值关联指标和期间，结论关联原文上下文，归因保留报告作者当时的判断属性。报告引述未经确认的口径或临时统计时保留状态，不自动纳入正式指标规则。历史报告与现行指标版本不同的，建立版本对照并在检索结果中显示差异。
经营问答样本保留问题、指标口径、取数逻辑与答案之间的对应。动态取数任务记录数据快照和业务时点，基准答案在相同快照上计算，防止数据持续变化导致评测结果不可复现。无权获取的指标、未确认口径和缺少必要维度的提问，构建相应澄清或拒答样本，而不生成猜测性答案。
图 6-1 检索增强样本构建
### 6.9 统一检索与检索增强样本
统一检索服务对文本、图纸和图像使用共同资产标识、权限和版本字段，保留各模态专属索引。检索请求先确定身份、用途、业务时点、对象范围和可用知识版本，再执行结构化、全文、同义扩展及向量召回。权限过滤同时作用于候选和返回内容，不能先返回敏感片段再在界面遮蔽。
检索配置保存Top-K、召回阈值、重排模型、元数据过滤、上下文长度、证据去重和引用裁剪规则。参数及嵌入模型变更形成索引新版本，核验检索效果和权限一致性后切换。向量、全文和结构化索引发布不完整时不对外开放混合版本，切换前后保存可回退指向。
证据组装保持事实的完整适用条件。截取条款时带出必要的标题、定义、单位、限制和例外；引用表格时返回相应表头及注释；引用图纸时返回区域位置与关联技术要求。多证据回答逐项核对对象、版本及时间条件，不能混合不同型号或不同时期的参数组成虚假结论。
查询来源包括经授权的真实业务提问、历史资料提炼及受控生成候选，分别登记来源类型。训练样本可按任务需要扩展表述，基准样本依据独立业务问题和可核验事实设计，人工确定答案和判分条件。相同问题的改写、同源文档片段和同一事件派生内容保持组级切分。
检索增强样本同时覆盖直接事实查询、多条款关联、跨资料比较、版本适用判断、条件不足澄清和无充分证据回答。无证据场景保存检索范围与结果，不强行补充外部常识作为项目事实。答案中的数字、范围、对象和结论逐项与证据绑定，处理与输入中的非业务指令相关的文本时，始终将其作为待分析资料，不改变执行权限或作业规则。
正式供样前检查证据覆盖、引用准确、回答一致、权限适用和训练基准隔离。检索错误与回答错误分别归因，区分索引遗漏、分段不当、版本过滤、排序、知识错误和模型生成问题。修复定位到原始资产、知识、索引或生成配置，形成后继版本并回归相关问题集。
## 7 工具支撑与批次实施
### 7.1 专项工具的调用与配置
我方依托九类二十五项专项智能工具链实施数据加工，按作业需要调用文档结构解析、切分拼接、RAG数据构建、图纸结构化抽取、视频文本对齐、时序事件对齐、智能标注、去重及分布分析、模板化生成、数据切分和版本血缘能力。工具注册、任务调度和运行记录统一纳入加工生产平台，工具输出必须经过对应阶段校验。
表7-1 专项工具的调用与配置
| 作业位置 | 调用能力 | 输入与配置 | 受控产出 |
|---|---|---|---|
| 文件受理与文档预处理 | 文档结构解析及切分拼接 | 源文件、版式、解析器、分段和上下文参数 | 页面结构、章节树、表格公式、长文本及定位关系 |
| 图纸与工艺资料处理 | 设备图纸与工艺图结构化抽取 | 图纸、字体与参照、图层映射、工艺资料 | 图元、标题栏、尺寸及图文对照候选 |
| 过程视频处理 | 视频文本对齐 | 视频、实际时间戳、对象与事件描述 | 帧与片段、文本对照及时间关系 |
| 设备时序处理 | 传感器时序与运维事件对齐 | 测点、事件、时钟和窗口配置 | 时序片段与事件对应及质量标记 |
| 术语和知识候选抽取 | 大模型预标注、本体驱动规则标注及主动学习 | 原始证据、本体、词表、置信与审核配置 | 候选条目、规则结果和人工复核任务 |
| 口径一致性核查 | 一致性校验标注 | 标签、本体版本、专家结论 | 分歧清单、冲突对象及仲裁记录 |
| 文本化与表达整理 | 模板化数据生成、文本重写与多样化 | 核验事实、模板、字段及禁止变更项 | 可回查自然语言样本及保真校验结果 |
| 重复与分布控制 | 数据去重与相似度过滤、分布分析与均衡 | 规范样本、同源组、阈值及分层规则 | 重复关系、分布报告及补采需求 |
| 检索增强构建 | RAG数据构建 | 已终审知识、索引、查询及检索参数 | 查询证据回答三元组及事实对应 |
| 用途划分与基准隔离 | 数据集切分与基准构建 | 来源、对象、时间和派生关系 | 切分清单、污染检查和冻结版本 |
| 问题追踪与修复 | 数据贡献度归因与错题溯源、数据集模型版本血缘追溯 | 错样、规则、算子、知识和数据版本 | 影响范围、修复任务及回归记录 |
工具配置由任务负责人提交，经过业务适用和质量校验后发布。生产人员通过配置版本调用，不在界面上临时修改规则而不留记录。对同一工具在不同业务域的适用差异，分别管理材料、对象、术语、时间及权限参数，不复制形成相互冲突的独立规则库。
模型预抽结果保存模型版本、提示模板、参数、输入摘要和原始输出。商业或开源模型的使用服从本地部署、数据许可及安全要求，调用过程不将原始数据上传云端。模型无法稳定解析的材料转入规则或人工处理通道，最终成果质量不依赖某一模型单次输出。
### 7.2 算子注册与执行契约
每个算子登记输入结构、字段类型、必填条件、输出结构、前置状态和后置校验。契约检查在任务启动前完成，发现字段缺失、版本不兼容或许可不满足时明确返回原因，不让任务进入静默降级。可选字段缺失时按已批准规则处理，并记录对用途的影响。
参数定义包含类型、单位、允许范围、默认值和是否必须显式指定。时间窗、坐标、单位换算和阈值的参数名称统一，配置变更保存变更人、原因、旧值、新值及适用批次。敏感配置与凭据通过安全配置管理，不写入普通任务日志和交付样本。
执行记录包含任务标识、尝试序号、输入版本、配置指纹、运行环境、开始结束时间、处理计数、跳过及失败计数、输出指纹和质量结果。部分成功任务生成明确的成功清单与失败清单，不能只以任务状态“成功”表示所有记录处理完成。失败对象通过稳定标识重新处理，避免整批重跑后重复计数。
确定性处理保存可复算的依赖和输入；模型处理保存随机种子、模型及推理配置，并记录环境相关的非确定性。质量复核按已定义的比较方式判断结果，字节一致、结构一致、数值容差和语义一致分别使用。不能将所有差异一概视为可接受，也不能以格式一致代替事实正确。
### 7.3 并发调度与任务恢复
批次按业务域、数据形态、敏感等级和依赖关系分配处理队列。文档解析、图像处理及时序计算分别设置资源配额，知识终审任务按专家专业与处理能力安排。大文件、长视频和高密度时序采用分块处理，块级清单记录顺序、边界和拼接校验。
任务开始前锁定输入版本和配置，执行中产生的临时文件不进入正式索引或供样区。任务完成后先校验文件、清单、记录数及引用关系，再以受控发布动作形成可用版本。发布失败保留临时输出和错误记录，重新发布时复核幂等性，不重新生成不必要的数据副本。
临时网络或资源故障按规则重试，重试次数、间隔和超时条件纳入配置。内容损坏、授权缺失、结构不兼容和专业规则冲突不自动无限重试，而是转入对应问题队列。恢复时核对已经提交和未提交的分块，输出按对象标识合并并检查重复及缺口。
跨环节任务依赖明确到版本和状态。知识抽取可与部分预处理并行，但引用资料必须通过相应入口和预处理校验；标注与合成只能加载已发布本体及终审知识。某一知识版本撤回后，调度系统阻止新任务使用，运行任务按影响范围中止或转入重新校验。
### 7.4 标定与规模化加工
首批标定覆盖四个业务域和主要数据形态，包含正常、缺失、重复、冲突及困难资料。标定对象兼顾原生电子文件、扫描件、复杂表格、CAD、过程图像、视频、设备时序和结构化记录，不能只选择容易处理的样本来设定参数。
标定阶段先建立人工核验依据，再比较解析、去重、对齐、抽取和文本化结果。OCR置信度、相似度阈值和自动匹配评分通过实际错误分析校准，记录误接受与误拒绝情况。批次参数经质量和专业人员评审，保持对关键事实、来源许可和终审要求的刚性约束。
规模化阶段使用经过发布的算子配置，按设备、文档类型、业务域和时间分层监测产出。新的文件版式、接口版本、设备配置或业务规则进入时，先运行针对性验证再扩大使用。已有配置发生质量漂移时暂停相关范围，并沿血缘检查已处理成果。
资源计划同时计算原始接收量、处理吞吐、人工核验量、知识终审量和返工量，避免机器处理完成而专家审核长期积压。按批次统计各状态停留时间、失败原因和可用产出，优先处理影响多个下游任务的共同来源或规则问题。
### 7.5 分阶段计划与任务清单
项目计划与总体实施进度衔接，确保2028年5月前完成终验收。采集、预处理和知识建设按准备、标定、规模化、补齐、冻结验收及持续维护推进，各业务域在满足依赖条件时并行开展。阶段完成以成果和核验记录为依据，不仅以处理天数或文件数量作为进度。
表7-2 分阶段计划与任务清单
| 阶段 | 核心工作 | 阶段成果与退出条件 |
|---|---|---|
| 准备 | 来源盘点、授权核验、对象和标准梳理、样本需求分解 | 来源目录、权限及规则清单齐备，代表性资料能够受控接收 |
| 标定 | 多形态样本试处理、算子参数验证、本体与知识首版建设 | 输入输出可追溯，关键错误得到处理，配置及审核流程通过评审 |
| 规模化 | 分域批次加工、对象核验、知识抽取与专家终审 | 主要来源和业务对象持续形成合格产出，问题及返工受控 |
| 补齐 | 低覆盖对象、长尾情况、多模态及近期数据补充 | 分域来源、对象、模态和时效性缺口关闭，正式供样范围明确 |
| 冻结验收 | 版本封装、全量规则核验、抽样复核和交付演练 | 数据、知识、字典、索引、许可、质量及血缘记录相互一致 |
| 持续维护 | 增量数据、知识更新、问题修复及运营反馈 | 新版本经过审核发布，历史版本可追溯，运营需求持续衔接 |
来源资料准备按清单组织。我方对接口字典、授权范围、图纸卡片、工序字典、主数据、测点配置、焊机程序、标准制度、指标口径和检验报告分别落实资料责任、接收方式、核验结果及缺口处理。已具备条件的范围先行推进，缺少资料的范围保持具体补全任务，最终交付要求不因阶段性缺口而降低。
### 7.6 日常质量分析与问题升级
我方按批次分析接收完整性、有效来源比例、结构解析情况、对象确认情况、脱敏复核、重复分布、知识审核和供样结果。统计同时保留分母、过滤条件、数据版本和时间范围，过程指标与最终质量指标分别展示。不同批次输入难度变化时分层比较，不仅比较总平均值。
问题分为单对象、同来源、同配置和跨域影响。单对象问题安排定向修复；同来源或同算子反复出现的问题核对共同根因；跨域编码、本体或指标冲突提交技术和业务联合处理。发现权限越界、来源许可失效或错误关键知识，立即控制使用范围并组织专项核查。
缺陷清单记录问题编号、样本或条目标识、规则及版本、发现方法、风险级别、责任岗位、修复结果和复核结论。重复问题可以关联同一根因，但仍保留受影响对象范围；不通过删除或改名改变应整改分母。关闭问题前核验本次修复及同类回归，确认未引入新的质量或权限缺陷。
## 8 成果交付验收与持续更新
### 8.1 数据采集成果交付
我方按四个业务域交付原始数据批次及采集记录，配套数据源登记、许可核验、清点对账、入口脱敏、格式检查、对象锚定和异常处置记录。通用及外部语料保留来源分类及各业务域的引用关系；相同物理资产复用时不重复交付虚增文件，而以资产清单和用途关系明确归属。
批次清单登记文件及记录数量、大小、内容校验值、业务时间范围、源模式版本、敏感等级和状态。原始文件不可读取、清单数量不一致或许可不满足时，相关对象保持隔离，不在可用交付清单中混入。过程失败记录及整改凭证按约定一并移交，能够解释候选量到可用量之间的变化。
接收方按资产标识核对清单及文件，检查完整性、可解析性和访问权限。数据库导出保留字段定义、数据类型、编码、时区及空值规则；文件集合保留目录映射和依赖关系；流式数据批次保留时间边界、连续性与迟到数据处理记录。对账结果形成双方可回查的接收记录。
### 8.2 数据预处理成果交付
预处理交付包括结构化长文本、章节树、表格与公式对象、图纸及图像样本、图文对照、视频片段与帧索引、时序片段事件对、自然语言文本化样本和分域贴源及规范数据。每类成果附数据结构、字段字典、原始对照、处理配置、质量标记和可用用途。
表8-1 数据预处理成果交付
| 成果类别 | 必备内容 | 验收核查 |
|---|---|---|
| 文档结构与长文本 | 文件版本、章节、来源定位、正文、表格公式及切片关系 | 原文回查、阅读顺序、条款条件、数字单位和跨页结构 |
| 图纸及图像 | 原始标识、区域坐标、图元或字段、图文对应和质量标记 | 版本、精度、对象匹配、裁剪完整性和坐标回溯 |
| 视频与帧片段 | 原视频、时间戳、片段范围、帧索引和事件对象 | 时间连续性、抽帧规则、丢帧标记及多模态同步 |
| 时序与事件 | 测点、单位、原始与派生序列、窗口及事件、缺失异常标记 | 时间对齐、重采样、插值边界、对象归属和可计算条件 |
| 文本化样本 | 模板、源字段、取值、文本及事实映射 | 数值术语保真、条件和否定保留、业务时点和源记录回查 |
| 算子及血缘记录 | 输入输出、算子参数、模型及依赖、运行和复核记录 | 配置完整、处理计数可对账、影响可定位、复算可执行 |
交付样本按照具体用途声明允许范围。可用于一般检索的资料，不当然满足精确尺寸、故障归因或基准标准答案要求；未完成必要核验的用途保持关闭状态。后续完成补全和复核后通过新版本扩展用途，不直接改变已交付历史版本的含义。
### 8.3 知识本体成果交付
本体交付机器可读文件、术语表、同义词别名表、属性及关系定义、标签体系、编码映射、版本变更和评审记录。七类对象及项目明确要求的部件、工件、参数、缺陷和故障模式逐项核对，保存与验证场景业务对象的对应，不用空类目和少量示意实例代替实际建设范围。
本体文件在约定环境中导入验证，核对实体及关系数量、标识唯一性、类型和值域、定义域及值域、指定层级无环和版本引用。术语表与机器文件交叉核验，避免文档定义与工具加载内容不一致。标签加载、同义词扩展、编码双向查询及变更迁移分别执行验证。
编码映射验收区分已确认和候选关系，核对实际对象、有效时段及来源。正式供样必须依赖的对象映射完成确认，未纳入本次用途的候选单独留存。企业编码规则发生调整时，按影响评估维护映射，不由本体自行修改源系统主数据。
### 8.4 知识库与知识图谱成果交付
我方交付经业务专家终审的知识库、两类核心知识图谱及其数据字典。知识成果包括结构化条目、管理制度条款级索引、技术标准元数据和条款、投标资料分类目录、九业务域四类知识库、文本图纸图像统一索引以及检索增强样本。每项内容关联来源、适用条件、许可、版本和审核结论。
表8-2 知识库与知识图谱成果交付
| 知识成果 | 覆盖内容 | 验收依据 |
|---|---|---|
| 结构化知识条目 | 设备档案说明书、维修记录、诊断报告、故障案例、标准、工艺准则、质量知识和制度 | 实体属性关系正确，来源可回查，专业终审及字典完整 |
| 文档类知识 | 制度条款、标准、模板、设备材料、资质及业绩资料 | 元数据、条款边界、引用关系、有效时间及适用范围正确 |
| 故障知识图谱 | 设备、部件、故障模式、现象、原因、处置措施和备件 | 关系语义正确，观测与推断区分，证据及终审可追溯 |
| 工艺质量知识图谱 | 工件、工艺参数、切片结果、硬度指标和质检结论 | 同件同批及检验轮次一致，测量、规则与结论分开保存 |
| 九域四类知识库 | 指标、业务概念、规则及分析报告 | 口径由甲方确认，来源计算与报告期间一致，试算及终审齐备 |
| 检索索引与增强样本 | 文本图纸图像检索、查询证据回答关系 | 权限状态过滤正确，引用充分，答案可靠，训练基准隔离 |
数据字典覆盖字段名称、业务定义、类型、长度、格式、单位、枚举、必填条件、来源、权限、质量规则、关联关系和变更历史。机器可读结构与文档字典同步检查，字段名称一致但含义变化时提升版本并完成影响分析，不通过静默替换保持表面兼容。
终审记录与交付内容逐条关联，检查未审、退回和撤回条目均不能出现在正式可用清单。验收抽查是对终审质量的再验证，不能以验收抽查替代建设过程中应完成的终审。发现遗漏或错误时修复相应范围，并核查同来源、同抽取配置及同审核批次的内容。
### 8.5 验收组织与核验方法
阶段验收核对范围、数据、文档、工具配置、质量和安全记录，采用全量自动检查、分层人工复核、原始证据回查和任务复算相结合的方式。全量检查覆盖标识、必填、结构、类型、引用、权限状态及文件校验；人工复核覆盖专业含义、复杂结构、关联正确性和证据支持程度。
抽样按业务域、来源、数据形态、时间、设备及难度分层，纳入低置信、长尾、边界和异常修复对象。样本清单、抽样方法、随机种子及排除规则在检查前固定，不能因发现问题更换抽中对象。关键事实、专业终审和授权条件执行各自规定的逐项核验，不以总体平均通过率替代。
文档验收从样本回查原件，核验标题、条款、页码、表头、单位及例外条件；图像验收回查原图和对象，核验裁剪坐标及标签证据；时序验收回查原测点和事件，核验采样、对齐、缺失及窗口；知识验收回查原文、关系和专家结论；指标验收在同一快照上复算并核对甲方认可口径。
多模态验收检查对象关联和时间同步，分别统计文本可用、图像可用、时序可用及联合可用情况。只有联合关系通过核验的条目才计为有效多模态样本。时效性依据真实业务或资料形成时间判定，导入、重编码、再生成和修订时间不自动使历史事实成为近期数据。
验收问题形成整改任务和复核记录。修复后既检查错误对象，也检查共享规则、算子、本体或索引的其他受影响范围；涉及标签或事实变化时进一步衔接后续训练验证和质量评测。阶段验收通过不免除后续发现的来源、质量或适用问题的修复责任。
图 8-1 成果交付与持续更新
### 8.6 交付包封装与接收确认
交付包按业务域、成果类别和版本组织，附目录清单、文件校验值、数据结构、引用关系、许可及安全属性、质量报告和接收核验方法。文件名称及目录不包含不必要的个人信息或敏感业务内容，访问密钥与数据包分别传递和管理。
数据包发布前检查数量、引用及完整性。知识条目引用的源位置可定位，本体版本能够加载，图谱节点和边无悬空必需引用，样本引用的图片、视频及时间序列实际存在；数据字典、数据卡与机器内容一致。缺少依赖的包不能仅因主文件完整而视为交付完成。
接收时按批准环境导入并校验文件、记录和权限，执行代表性查询、回查及复算。问题登记明确到对象及清单条目，补交形成新版本或增量包，并与原接收记录关联。接收确认同时记录成果版本、范围、核验结论及保管责任，保证后续合并、运营和增量更新有明确依据。
### 8.7 持续更新与运营反馈
我方建立来源变更、增量采集、知识更新、指标口径修订、标准替代及运营问题的处理流程。新数据经过同样的入口、预处理、本体及知识审核规则，不因来源曾经通过而免检。来源授权变化即时影响相关用途，历史数据使用范围随确认结论调整。
运营反馈关联数据版本、对象、场景、复现条件和问题证据。数据错误回到对应源或算子修复，术语或规则问题回到本体和治理流程，知识错误回到证据与终审，检索问题回到索引及配置。修复后的成果完成复核、版本发布和接收确认，保留原问题与新版本对应关系。
更新影响评估覆盖数据卡、目录、知识、索引、缓存和下游样本，必要时通知相关使用任务停止旧版本并迁移。撤回处理核验实际调用范围及导出包记录，避免仅修改中心库状态而下游继续使用错误知识。历史版本在许可及生命周期允许范围内保留，支持训练、评测和运营使用过程追溯。
我方将本阶段成果纳入项目整体数据运营、持续汇聚、专业服务和国家数据基础设施接入工作，保持标识、元数据、权限及版本接口一致。交付后的维护和问题处理按项目总体约定持续执行，数据移交登记不作为终止项目履约责任的条件。