负责人 欧阳未　·　状态 初稿　·　覆盖 99 个标书单元　·　 批注 856

数据接入与采集作业使用一致的数据源登记信息、授权范围、业务对象标识和任务编号。接口联调时验证身份认证、字段映射、字符编码、时间格式、增量标识、分页规则、异常返回和重试机制。每次取数记录请求范围、返回数量、传输结果及落地校验结果，并与源端可核对的记录数、文件清单或校验值进行核对。出现漏数、重复、格式异常或中断时，依据源端响应、传输日志与落地检查记录确定受影响范围，完成补采或重传后重新核对；未通过检查的批次保持隔离。

数据加工调用已部署并完成测试的工具实例，登记输入数据版本、处理规则、参数配置、算子及软件版本、输出位置、处理数量和异常记录。涉及模型推理的作业同时登记实际使用的模型、提示词及相关配置版本。调整处理规则或工具版本后，对受影响样本实施回归检查，确认结果满足作业要求后再投入相应批次生产。

本体建设采用经确认的业务术语、数据元、参考数据、指标定义及其版本，与主数据管理平台的组织机构、人员、物料编码和 PLM 的 BOM、零部件信息建立映射。发现同名异义、异名同义、编码冲突或标准尚未覆盖的概念时，记录原始定义、来源依据、适用业务和拟调整内容，提交相关业务专家及标准管理责任人审查。审定后发布有效版本，保留旧版定义和映射记录，并同步检查受影响的标注标签、合成约束、检索索引及已有知识条目。未审定的概念及存在争议的映射不投入正式生产。

数据接收、成果交付与检查要求

加工平台按处理状态分别管理接收数据、贴源数据、规范化样本、知识成果和供样候选成果。接收区仅保存已获准采集的数据及传输校验记录，实施隔离存储和最小权限控制。完成数据源登记、使用许可、入口脱敏、文件完整性与格式检查后，形成可进入预处理的原始数据批次；检查不通过的数据记录任务标识、来源和问题，保持隔离并启动核实、补采或格式修复。

预处理作业保留原件，生成版本化处理结果，检查结构还原、图文对应、对象标识、时间对齐、去重和来源追溯信息。检查通过后，按实际用途进入样本加工或知识抽取。知识本体经定义、关系、编码映射和版本一致性检查及业务专家审查后发布；知识条目及图谱关系完成业务专家逐条终审，并具备来源证据和数据字典后，方可交付标注与合成作业使用。

供样区按业务领域、用途子集和版本管理候选成果，记录输入来源、加工记录、权限及检查状态。完成预处理不等于完成数据集交付；各类候选样本继续接受相应用途的加工、质量检查和验证，满足规定的质量、安全和成果交付条件后方可正式发布。基准评测数据及其衍生成果实行独立访问和使用控制，禁止进入训练或合成流程。检查不通过时，隔离受影响成果，定位原因，修复后复检并检查关联结果；未经复检通过，不得恢复下游使用。

图 1　数据采集与预处理流程

图 2　知识构建及样本质量控制流程

生产前建立质量检查规则及其版本，明确检查对象、判定条件、检查方法、执行岗位、复核岗位、异常处置和放行记录。数据来源、使用许可、安全控制、专家终审以及各项交付质量指标均作为必须满足的条件，不因首批数据分布、生产数量或进度压力而降低。

对需要结合实际设备和数据特征配置的处理参数，使用具有代表性的样本开展验证，记录样本来源、参数取值、测试过程、异常识别结果、误差及业务专家意见。确认参数适用的设备、材料、工艺、业务对象和时间范围后，发布经批准的参数版本。参数验证结果不得替代强制质量指标，也不得将尚未通过检查的数据计入合格成果。

生产过程中监测输入特征、处理结果及异常变化。发现参数不适用、结果漂移或规则缺陷时，隔离受影响成果，开展原因分析和参数复核；调整后验证当前结果并追查受影响的历史批次。保留调整前后的配置、适用范围、批准记录及复检结果，完成检查并确认满足放行条件后恢复相应作业。

发现不合格数据或处理结果后，登记问题对象、来源、批次、处理配置、发现方式和影响范围，暂停受影响成果的下游使用。核查问题由源数据、授权、传输、解析、对象关联、时间同步、处理参数还是知识引用引起，并追踪同一原因可能影响的其他样本和批次。源数据缺失或错误由采集作业补采、核实后重新处理；处理规则或参数错误修复后，重新执行受影响的作业及其后续检查。保留原始数据、问题版本、修复记录和复检结果，不以覆盖文件或删除失败记录替代整改。数据增强批次未通过规定检查时执行整批回滚，完成原因分析、修正和重新验证后再按要求生产。

各加工环节按实际输入、作业记录、输出清单和质量结果办理交接。生产前明确检查对象、检查范围、方法、指标、判定条件和异常处置要求，对需要抽样检查的项目确定抽样总体、分层方式、样本量依据和复核方法；须全量检查或逐条专家终审的项目按相应范围执行。未满足放行条件的成果保持隔离，修复后重新检查，合格结果及签认记录与对应数据版本一并归档。内部作业交接与正式项目验收分别留存记录，正式验收按规定程序、完整交付成果和实际运行效果组织实施。

项目经理根据数据来源、业务领域、数据模态、生产任务量和人员能力安排采集受理、安全管理、预处理、质量检查、本体维护、知识抽取及业务专家审查职责，形成具名责任清单和替补安排。数据处理人员记录作业结果、问题及交接事项，质量复核人员核对输入输出、适用规则、版本和检查证据；本人完成的作业不得仅以本人自检结果替代独立质量复核。

交接双方核对数据清单、质量状态、使用权限和未解决问题，记录接收时间、交接版本及责任人。涉及跨专业问题时组织采集、加工、安全、质量及相关业务专家共同核查，形成明确的处理结论和后续责任；沟通形成的决定及时纳入作业记录和配置版本。人员调整时完成任务、资料、权限及未结问题移交，避免因岗位变化中断数据追溯和问题整改。

数据追溯从数据源及实际取得的文件、记录和事件开始建立。数据源登记后生成稳定标识；每次采集、接收及加工任务分别生成任务标识和批次标识，记录输入对象、输出对象、执行时间、处理配置及状态。源系统原有主键、记录版本、文件校验值和业务发生时间按实际情况保存；未提供原生主键的数据通过受控生成的记录标识定位，并记录其来源位置及生成规则。

采集批次、预处理批次、知识构建批次及后续样本加工批次分别管理。批次分拆、合并、增量补采、重跑或跨来源组合时，显式登记输入与输出之间的一对多、多对一或多对多关系，保留关联对象的版本及处理记录。样本和知识条目使用稳定标识，内容变更形成新版本；来源或用途归属变化记录为属性及关联变化，不通过覆盖旧标识丢失历史。失败、隔离和撤回成果保留必要标识、状态及审计记录，按权限和保留规则管理。

对样本、知识条目和评测记录提供受控追溯查询，展示其来源对象与版本、采集和处理任务、所用规则与工具、引用知识及相应审查结果。处理错误或质量问题按实际来源、处理配置和引用关系查找关联成果，生成受影响对象清单，并记录暂停使用、修复、重新检查和恢复使用的结果。

数据存储位置变化时更新位置索引，保留对象标识及历史位置记录；文件迁移前后核对完整性和校验值，验证访问权限及关联查询。人员变更通过责任清单和账号权限交接管理，追溯记录不依赖个人目录、个人账号或口头说明。源记录、文件、处理任务、样本和知识成果的标识在各对象创建时生成，并与已有来源及输入对象建立明确关联。

对象标识在其管理范围内保持唯一且稳定，由平台按统一规则生成并校验冲突。业务领域、来源系统、对象类型、用途、采集日期、生产状态和访问等级作为可查询属性保存；业务归属或用途调整时保留对象标识，记录属性变更及批准依据。确需便于人工查找的展示编号可采用受控业务代码，但不得将人员姓名、合同内容等敏感信息直接写入编号，也不得仅凭编号判断使用权限。

文件内容校验值用于检查传输、存储及复制前后的完整性，并辅助识别内容相同的文件。登记校验算法、计算对象、对象长度及计算结果；文件内容相同不代表来源授权、业务含义、有效版本或用途完全相同，是否去重须结合这些信息判断。

处理配置摘要采用规范化序列化后的算子标识、版本、参数及必要依赖生成，同时保存完整配置。每次任务还记录输入对象与版本、软件依赖和运行环境、输出对象及状态；涉及模型时记录实际模型、提示词、推理配置和适用的随机控制信息。对确定性处理核对重跑结果的一致性；对包含随机性或运行环境差异的作业，按已确认的评价方法检查结果有效性及允许差异。不得仅凭配置摘要相同就认定输出内容必然相同或免除结果检查。

建立标准及企业技术文件登记清单，记录标准编号、完整名称、版本、实施日期、适用对象及受控获取方式。数据字段、质量规则、图纸符号、检验方法和知识定义分别关联实际采用的标准条目与企业有效技术文件，保存规则配置、适用条件和版本。标准用于确定相应技术内容和实施方法，项目规模、质量、安全及交付指标仍按约定要求执行，不因通用标准中的较低要求降低交付条件。

处理历史图纸、工艺卡和检验记录时，保留原文件采用的标准版本、技术状态和业务发生时间。发现版本不明、符号含义冲突、旧新版本定义不一致或企业规则缺失时，登记问题并由相应专业人员核实，不以当前标准直接覆盖历史原文，不根据通用惯例生成未经确认的质量结论。核实后的解释和映射与原始记录分开保存，记录依据、适用范围、审查结论及生效状态。

企业机械制图要求、工艺编制准则和工序字典以实际取得并确认有效的文件为依据，核对文件编号、批准状态、修订记录和适用产品。缺失资料列入调查和补充清单，涉及未确认规则的加工结果保持待核实状态；规则确认后验证解析、分类和关联结果，再投入相应生产作业。

数据加工采用的标准与技术文件

发现企业技术文件与所适用的国家、行业标准或项目技术要求不一致时，分别记录原文、版本、生效时间、适用对象和具体差异，组织标准管理及相关业务专业人员核实。核查历史资料所处的技术状态、现行生产规则以及本次加工用途，形成有依据的处理结论和适用范围；不得以企业现行版本为由直接覆盖其他适用要求。涉及项目约定要求的差异按项目规定程序确认，不由加工人员自行降低指标或修改验收条件。

差异未解决前，暂停依赖该差异规则的自动归一、标签赋值及知识发布，对不受影响且满足授权和质量条件的数据继续按有效规则处理。审定后分别保存原始内容、确认后的解释或映射、处理依据及审查记录，完成受影响规则、知识和样本的检查与修订；历史记录保留原采用版本，不将后续版本反写为原始依据。

1、数据采集（3.2.6.3.1）

采集企业业务系统、设备系统及具有合法使用授权的外部来源数据，按供需计划、产品工艺设计、制造过程、产品质量四个业务领域建立原始数据批次。每个数据源登记来源系统或资料提供方、业务对象、采集范围、采集方式、更新频率、数据责任人、使用授权及其有效期。实施取数前核验允许采集、加工、训练、验证和交付的用途及范围，完成访问授权、字段范围与传输保护配置。对个人信息、企业敏感数据等按分类分级结果执行入口脱敏和访问控制，保留受控的来源定位及处理记录。

完成文件完整性、格式、编码、字段结构、对象标识和时间信息检查后，按业务领域形成原始数据批次及采集记录。记录数据源、采集任务、采集时间、业务发生时间、记录或文件数量、校验结果和异常处置情况；来源不明、授权不足、文件损坏或必要字段缺失的数据进入隔离区，核实补采后重新检查。通过检查的数据进入预处理作业，保留原始数据与后续样本、知识条目及其版本的对应关系。

采集任务按供需计划、产品工艺设计、制造过程、产品质量四个业务领域登记，分别维护数据对象、来源系统、取数范围、业务时间、授权条件和质量要求。制度、合同、经营指标、主数据及外部行业资料按实际来源和内容单独登记，并建立与适用业务领域的关联；同一资料支撑多个领域时保留统一来源及多重关联，不通过重复复制增加有效数据规模。

原始数据接收时记录已确认的用途限制和业务属性，后续按实际加工及质量结果分别形成预训练、指令微调、强化学习偏好和基准评测用途的数据。涉及基准评测的数据在划分时落实独立来源、内容及衍生关系隔离，禁止通过改变域标签或样本编号转入训练和合成作业。

为各领域明确具名的采集受理责任人、复核人员和替补安排，根据任务量、专业能力及生产计划配置实际人力。责任人维护来源、许可、任务、批次和问题台账，跨域共用数据由相关责任人核对适用范围、权限和版本，交接记录与实际成果一致。

1.1 受理作业流程

采集任务执行前完成数据源登记及本次取数授权核验，确认允许采集的对象、字段、时间范围、后续用途和存储环境，配置访问权限、传输保护及适用脱敏规则。未经许可的数据不发起采集；需在源端脱敏的数据先完成源端处理，再按批准范围传输。获准在受控环境处理原始敏感数据的，按授权范围限制原始数据访问和保留时间，并在进入相应后续加工前完成规定脱敏及检查。

每次受理建立任务和接收记录，按实际过程记录清点、校验、脱敏、对象关联、问题处理和准入判定结果。发现授权、完整性、格式或关联异常时保存问题与状态，隔离受影响数据并启动核实或补采。各项准入条件满足后，形成可进入预处理的分域原始数据批次和采集记录；任务编号及异常记录不因未获准放行而省略。

接收数据时核对源端交付清单、对象数量、传输结果及可获得的校验值。源端已执行脱敏或其他转换的，以实际获准交付的输出清单和校验记录进行核对，不要求接收未经许可的原始敏感文件。平台内对获准处理的原件生成脱敏或规范化副本时，分别登记原始对象和派生对象的标识、版本、校验值及转换任务，保留受控关联，避免用转换后的校验值直接与转换前原件比较。

格式、编码、字段映射或解析规则发生错误时，检查使用相同来源和配置的其他批次，按实际影响范围隔离、修正并复检。人工修正必须有原始依据、修改记录和复核结论，无法确认的数据保持待核实状态，不按猜测补齐必填项或业务关联。

时序、图像和视频数据的工件、工序、焊道、设备及炉次关联以实际生产记录为依据，记录关联来源、时间范围和确认状态。后续取得新的有效证据需要修订关联时，保留修订前后内容、依据、处理人及复核记录，更新受影响样本和统计结果；不得覆盖历史记录，也不得把未确认关联计入已完成准确关联的成果。

1.2 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）。受理内容按源系统归集。 本域的受理难点不在数据量，而在同一笔业务在三个系统里各有一条记录。一个客户从商机到回款，CRM 记商机与报价、ERP 记订单与开票、财务系统记回款，三处的主键各不相同：CRM 用商机编号、ERP 用销售订单号、财务用合同号。单看任一系统的数据都是完整的，合起来却对不上——同一份合同在 ERP 里拆成了三张订单，在财务侧只有一条回款。

处置办法是在受理阶段即建立业务链主键，以合同编号为轴，把三侧记录挂到同一条业务链上，挂不上的进差异台账逐条处理。差异的常见成因有三类：合同在 ERP 侧补录时编号写法不一致（带前缀、带年份、全角半角混用）；一份合同对应多张订单而订单侧未回填合同号；历史合同在系统上线前签订，ERP 里只有订单没有合同。第一类按归一化规则自动处理，第二类按金额与客户组合匹配后人工确认，第三类在数据卡中声明其业务链不完整并限定可用于哪些任务。

第二处难点是非结构化件与结构化记录的挂接。招标与投标文件、资质文件、业绩合同三类属文件本体，其价值在于与具体项目的对应关系；若只把文件收进来而不挂到项目号上，它在数据集中就只是一堆文档。受理时按项目号或合同号批量归集，无法确定归属的单独成组并登记原因，不强行挂接——错挂比不挂的代价更高，错挂会把一个项目的资质证明算到另一个项目名下，而这类错误在后续加工中几乎无法被自动发现。

第三处是增量边界。本域大部分对象按变更时间增量受理，这依赖源系统的变更时间戳可信。实际情况是部分表的更新时间字段由应用层维护，批量修数据时不会刷新。因此首轮采集后执行一次全量对账：按主键比对源系统与采集侧的记录数与关键字段校验和，对不上的表改为整表快照方式受理，并在数据源登记表中标明该表不支持增量。

1.2.1 客户关系管理系统（CRM）

CRM 侧受理的九类对象分两组性质：客户、商机、报价、合同、订单、回款六类是结构化的事务记录，招标与投标文件、资质文件、业绩合同三类是文件本体。两组的受理方式与校验重点都不同，放在一张表里是因为它们在业务上属同一条链路——一个商机从接触到回款的完整过程，结构化记录给出了时点与金额，文件本体给出了当时的技术方案与承诺内容，两者合起来才构成供需计划类任务可用的样本。

校验重点一列中，「同一商机多版本报价按版本号保留，不覆盖」这一条需要特别说明。业务系统中报价常以最新版本覆盖历史版本，而对数据集而言，报价的修订过程本身是有价值的信息：一个项目的报价从初版到终版的调整幅度与调整方向，反映了技术方案与商务条件的权衡过程，这正是产品智能选型与投标类场景需要学习的内容。因此受理时按版本全留，并在同一商机下按版本号排序。

「工作面类型取本体值域」一条指向的是本节与知识本体环节的衔接。工作面类型是矿山装备选型的关键参数，CRM 中的填写常不规范（同一类型有多种写法、也有直接填写文字描述的）。受理阶段不强行归一，而是保留原值并标记是否落在本体值域内；归一在预处理环节由术语表执行，使归一规则集中维护、可追溯、可随本体版本更新重算。

1.2.2 企业资源计划系统（ERP）

ERP 是四个业务域中与其他系统交叉最多的一个：销售订单与 CRM 对应、采购与 SCM 对应、库存与 WMS 对应、成本核算与质量域的返工损失对应。因此本系统的校验重点多数是跨系统一致性校验而非本系统内的完整性校验——物料编码取主数据值域、供应商编码与 SCM 侧一致、金额与合同勾稽，这三项都要同时取到两侧数据才能校验。

受理顺序上因此有一个约定：ERP 的受理排在 CRM 与 SCM 之后，使跨系统校验在受理当时即可执行，而不必等到预处理阶段再回头比对。若按系统逐个独立受理再统一比对，发现不一致时相关批次都已成形，返工代价更大。

「金额保留原始精度」与「期间闭合状态」两项是财务数据受理的常规要求，但在数据集建设中有额外含义。金额若按业务习惯取整，成本核算类任务的计算结果就无法与财务账核对，数据集的可信度随之下降。未闭合期间的数据是可变的，后续还会调整；标注闭合状态使使用方知道哪些期间的数字是终值、哪些仍可能变动，避免把未闭合期间的数据当作事实学习。

1.2.3 供应链管理系统（SCM）

供应链侧的受理有一处与其他系统不同：它的数据价值主要在时间差上。供应商评估等级、采购计划量、约定到货日这些字段单独看都是静态属性，真正能支撑供需计划类任务的是「计划量与实际下单量的差」「约定到货日与实际到货日的差」这两组差值。因此本节的受理口径不是取某个时点的快照，而是把计划与执行两侧成对取回，并校验它们的对应关系——一条采购计划可能对应多张订单，一张订单也可能跨多个计划期，对应关系断了，差值就算不出来。

供应商评估等级这一字段需要额外登记其评估口径的来源。企业的供应商评估标准在多年中调整过，等级的含义前后不完全一致；只取等级值而不记口径，后续模型学到的就是一个随时间漂移的标签。受理时按评估日期关联到当期的评估办法版本，办法版本由采购部门提供，暂未提供的在数据源登记表中标明待确认。

1.2.4 仓储管理系统（WMS）

仓储数据在本项目中的作用不止于库存控制场景。批次号是连接仓储与质量两个域的唯一纽带：一批物料从入库到投产，其检验记录、使用去向、最终产品的质量结论，全靠批次号串起来。因此本节把「批次号与质量域检验批次的对应关系」列为校验重点之首——这一对应断了，库存控制智能化与质量类场景之间就无法做联合分析。

实际情况是两个系统的批次编号规则可能不同：WMS 按入库批次编号，质量系统按检验批次编号，一个入库批次可能分几次检验，一次检验也可能覆盖多个入库批次。受理时不试图把两套编号统一成一套，而是建立批次对应表，记录多对多关系及其产生原因。统一编号属业务流程调整，不在本项目范围内；建立对应表则是数据加工侧可以完成的工作。

仓库、货位、库位三级的编码唯一性与层级一致性是基础校验，看似简单，实践中问题不少：历史停用的货位仍在编码表中、货位编码被重复使用、库位挂在已撤销的货位下。这类问题在受理阶段按层级闭环校验逐条检出，检出的进差异台账，由仓储部门确认处置方式后再决定是否纳入。

1.2.5 历史销量、订单量与销售预测

这三类数据是供需计划域中唯一直接构成预测类任务标签的部分，它们的受理口径因此格外要紧。表中「层级口径统一到物料清单层级」一条是关键：历史销量在不同报表中可能按产品型号、按产品系列、按客户行业分别汇总，三种口径的数字互不可加。若受理时不统一层级，后续建模会把不同粒度的数字混在一起，得到的预测模型在任何粒度上都不准。统一到物料清单层级是因为这一层级可以向上聚合成任何更粗的口径，反之不行。

「预测值与实际值分列保存，不做覆盖」这一条针对的是一个常见的数据陷阱。业务系统中销售预测常在期末被实际值替换，于是历史数据里只剩实际值，预测的准确程度无从回溯。而对本项目而言，历史预测与历史实际的差，正是预测类场景需要学习的对象——它包含了预测偏差的系统性规律（哪类产品常被高估、哪个季度常被低估）。因此两列并存，并保留预测版本与编制部门，使偏差可按版本与部门分解。

与 CRM 订单的勾稽校验在此处的作用是交叉验证：同一笔订单在 CRM 与销售统计中的数量应一致，不一致说明其中一侧有口径问题（常见成因是退货与变更的处理方式不同）。差异逐条登记并由业务部门确认以哪一侧为准，确认结果写入数据源登记表。

1.2.6 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。

1.3 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）。 本域的核心受理对象是历史工艺样本，前期调研掌握的规模约 63 万张。这个量级本身不构成困难，困难在于它们的形态跨度极大：近几年的图纸在 PLM 中有结构化的属性与版本记录，更早的只有扫描件，再往前还有一部分是纸质件的翻拍，图面有折痕、有手写批注、有盖章遮挡。同一套工艺规程，可能同时存在系统内的受控版本、车间现场的打印件扫描、以及工艺员个人整理的汇总表三个来源，三者的内容不完全一致。

对此，受理阶段做两件事。第一是按资料品质分档登记：电子原生件、清晰扫描件、低质扫描件与翻拍件三档分别统计数量，并各自记录可提取的要素范围。分档不是为了把低质资料排除——低质件往往是年代较早、工艺信息最独特的那部分——而是为了让后续各环节对它们有不同的处理预期与不同的质量判据。

第二是同一对象多来源时的取舍规则：以 PLM 受控版本为准，车间打印件与个人汇总表作为补充，三者不一致时在差异台账中登记并由工艺工程师判定，判定结果回写 PLM 的做法由招标方决定，本项目侧只保留判定记录。

按企业实际有效的工艺路线、工序目录和生产记录建立备料相关工序清单，登记工序标识、名称、适用零件或产品、设备及工装条件、技术文件版本和有效时间。设计规定值、设备或作业设定值、过程实际测量值及检验结果分别采集和标识，保留单位、精度、适用范围、来源位置和记录时间，不将不同性质的数值合并为同一参数。

工艺规程、生产执行记录及获准取得的其他有效资料按实际清点结果登记来源和覆盖范围。手工记录采集时核对原件、形成日期、业务对象、填写及确认信息，数字化结果与原件关联；无法辨认、缺少签认或对象不明的内容单列核实，不以经验补写工艺参数。

比较设计与实际参数时，先核对产品配置、工序版本、设备、工况、测量位置和时间等适用条件，并依据有效工艺及检验要求解释差异。差异不能直接作为错误、原因或新的工艺规律。资料缺失时登记受影响对象、补采来源、责任人和计划，补齐并验证后更新成果；无法补齐的内容保持明确限制，不计入依赖该内容的合格成果，也不以数据卡披露代替应完成的交付要求。

1.3.1 PLM 结构化数据采集

采集PLM中的BOM、工序数据、变更记录和零部件信息，核对各对象的实际标识、版本机制、批准与发布状态、适用产品配置以及生效和失效条件。保留对象原始内容、关联文件及来源位置，建立产品、零部件、BOM、工艺路线和工序之间的有效关系。

对可取得的历史版本分别保存形成时间、业务有效时间、适用范围和变更依据，区分草稿、已审定、已发布、已失效等实际状态，不将版本号大小或导出时间作为唯一有效性依据。不同配置、型号、项目或工况下的并存版本分别管理，不能误合并为单一全局最新版本。

变更记录采集实际涉及的对象、前后内容、批准及实施条件、原因和关联证据。变更原因缺失时登记待核实，不仅凭参数增减或工序数量变化推断原因；变更效果需结合对应生产和质量证据核查，不能将未经验证的推断写成工艺知识或监督标签。

对BOM、工序、变更和零部件对象分别调查接口、可取得历史范围、版本及删除或失效机制、字段映射和权限条件，验证初始提取、增量识别、断点续取、重试和补采方式。按实际产品配置及有效版本取得相互一致的数据，记录提取条件、任务、对象清单、数量和校验结果，避免跨版本拼接父子项或工序。

BOM按完整适用结构或经确认的分段范围采集，核对根对象、父子引用、数量单位和结构完整性；工序和零部件按可靠变化依据跟踪，变更记录保留实际可得的完整内容及其关联。源端不具备可靠增量或历史查询能力时，按获准并经验证的其他方式补充采集，不把接口不支持的历史数据列为已取得。

历史技术状态查询依据已保存的对象版本、有效时间、配置条件和变更记录进行。证据覆盖完整的范围内给出可复核状态；版本缺失、时间冲突或引用不完整时标记缺口和影响对象，安排补证并限制相应使用，不推断或虚构任意历史时点的工艺状态。

对用于物料展开的BOM结构，先确定根对象、产品配置、有效版本、生效条件和实际父子装配关系，再检查直接自引用、间接环路、缺失子项、重复关系、数量单位及引用版本一致性。以对象标识、版本和适用配置区分节点，不把历史版本、替代关系或其他非装配关系混入同一层级；结构展开设置访问记录和循环检测，异常时停止受影响展开，保存问题路径及关联对象。

发现结构问题后，隔离依赖该结构的展开结果和样本，核对源端资料、引用关系及提取完整性，由PLM管理及相关设计人员按职责核实。保留原始数据和差异记录，修订或补采后重新执行结构与结果检查；不能删除异常边后自行拼成未经确认的BOM，也不能仅因发现问题而丢失原始追溯记录。

工序标识和名称保留源值，按经确认的有效工序目录、本体定义及适用产品建立映射。检查同名异义、异名同义、复合工序、重复执行和返工情况，不能仅按名称合并工序或强制匹配固定数量的目录。未覆盖或含义不明的工序提交业务专家审查，确认后更新目录及映射版本，并复核受影响的设计、制造关联和样本。

1.3.2 设计文件与规范资料采集

设计文件采集前登记实际资料来源、访问权限、目录结构、文件类型和可用元数据，核实PLM附件及其他获准档案中可取得的对象范围。保留源系统文件标识、附件关系、原始文件名、存放位置和已有属性，同时为接收对象建立稳定标识和内容校验记录，不能因属于文件而丢弃其已有结构化信息。

以设计主体、对象或图号、适用产品配置、版本、批准状态和有效时间等实际信息识别设计对象，分别管理业务对象与物理文件。一份图纸的不同格式、副本或扫描件通过经确认的关系归集；图号相同但版本、适用配置或主体不同的资料分别保留，不仅凭图号或文件名自动合并。

重复检查结合内容校验、页面及图幅、元数据和业务语义进行。确认内容等同的副本保留来源及复制关系，统计时区分物理文件数、去重后的有效对象数和版本数，避免重复计入合格规模。内容不一致、版本不明或对象身份冲突的资料登记具体差异和证据位置，审查确认后更新关系及加工结果，未确认前不合并为同一有效设计。

按文件实际格式和内部内容识别解析方式，检查文件能否打开、页数或图幅是否完整、所需字体及引用资源是否可用。PDF分别核查文字层、矢量对象、嵌入图像和页面结构，不能仅按扩展名认定为扫描件；DWG、DXF核查实际图层、图元、块、尺寸标注、单位、坐标及外部参照，Word等文档保留正文、表格、图像、页眉页脚及附件关联。

解析结果与原始文件逐项对应，记录文字、尺寸、符号、表格、图形和关键技术条件的位置及提取状态。内容提取不完整、资源缺失或格式不受支持时，按实际问题补齐依赖、采用获准转换或人工复核方式，保留转换配置、前后文件和差异；不能把转换成功或文件可打开直接视为内容完整准确。

接收清单按实际文件类型核验对象标识、版本、页数或图幅、附件范围及业务关联。选型方案核对对应项目和适用配置，存在合同关联时再核对合同；图纸与卡片根据有效引用和技术状态建立关系，不预设一一对应。清点数量、内容检查和业务关联分别记录，任何一项缺失均不得被单纯文件计数替代。

采集适用于企业设计和工艺业务的机械制图标准、工艺编制准则及相关有效技术规定，登记编号、名称、版本、发布和批准信息、生效时间、适用产品及使用许可。核对图纸实际采用的标准和技术状态，将符号、尺寸、图面表达、工序命名和参数等解析规则关联到具体有效依据；企业图层及模板约定按实际取得的文件或经确认规则登记，不假定通用标准已包含所有企业要求。

依赖专业定义的解析、规范化和知识抽取在规则核实后执行。依据暂缺时可在获准范围内保留文件原件并完成格式、完整性和基础结构检查，但涉及含义不明的图层、符号、参数和工序不得自动赋予确定性业务结论。补齐依据或完成专业确认后，更新规则版本，验证受影响的解析与抽取结果。

标准和准则作为知识来源或训练资料使用时，另行核验允许的取得、复制、加工和使用范围，保留来源、版本及引用位置。历史文件解释依据与当前生产规则分别管理，未经确认不把当前版本定义覆盖到旧图纸，也不将许可不允许的标准全文投入模型训练或对外交付。

原生图纸在批准的内网环境内读取和解析，按数据授权范围配置专用访问账号、目录或接口权限、处理资源及审计记录，原始文件不上传公共网络或未获准的外部服务。批量导出能力不足时，采用源系统实际支持且经批准的分批接口、受控导出或其他获取方式，不绕过访问限制或修改源系统安全配置。

分批任务按设计对象、适用版本和实际来源定位生成清单，记录计划文件、已取得文件、失败项、数量及校验值。根据源系统负荷和允许作业窗口控制批量、并发及重试，重试核对对象版本和已接收结果，避免重复入库；采集中发生版本变化时记录并重新核对受影响对象，不将多个时点的不一致内容拼成同一版本。

解析在受控工作区保存原件、必要依赖、工具及配置版本和输出，核查图纸及外部参照完整性。失败、缺失和不支持的文件保留问题清单，补齐资源或采用获准转换后复检；交付加工结果前核验内容准确性、追溯关系及权限，任务完成后按批准的保留规则管理临时副本和账号权限。

1.3.3 图纸与工艺卡片关联登记

清点实际取得的图纸和工艺卡片，分别核实对象标识、版本、适用零件或产品、工艺路线、批准与发布状态、生效时间及来源。按有效文件中的明确引用、PLM关联及实际变更记录建立图纸与卡片关系，核对适用配置和技术状态，登记一对一、一对多、多对一或不同版本之间的实际关联。

图号相同、名称近似、材料相同或文件目录相邻仅能形成待核实线索，不能直接证明有效关联。缺少卡片、缺少图纸、版本不匹配、审批状态不明或多份文件冲突时，记录缺口和候选依据，取得有效补充资料并完成专业确认后再使用。缺失资料不通过模型生成后冒充历史原件，也不以关联置信分数替代业务证据。

构建图纸与工艺卡监督样本前，核验文件内容、实际关联、版本适用性、使用许可和质量结果，保留来源位置、确认记录及加工过程。未经确认的关联不得作为正确标签交付；合格样本数量按实际通过检查的有效对象统计，不按假定图纸总量或文件副本数推算。

图纸与卡片的候选关联由有效引用、系统关系和经确认的业务属性产生，记录候选依据及规则版本。来源仅为文件目录、相近名称或口头线索的，登记为待核实线索，补充有效文件或形成可追溯的业务确认记录后再判断，不以人员记忆直接形成确定性关系。

候选对象进入受控核查工作区，由具备相应专业能力的人员检查技术状态、适用配置、原文引用和冲突项。通过核查的关系发布有效版本，未通过或证据不足的保持待核实、退回或否定状态，并保留原因和处理记录。

正式样本和知识检索仅使用满足相应用途条件的有效关系。待核实候选可供获准的审核人员检索核对，但须与正式知识索引分开管理并明确状态，不向生产或模型应用输出为已确认工艺事实，也不作为训练标签或合成知识依据。关系纠正或撤回后，更新受影响的索引、样本及使用状态并复核处理结果。

1.4 制造过程域数据采集

制造过程域采集MES生产工单、生产进度及焊丝牌号、直径等业务记录；采集SCADA设备电流、电压、温度、湿度和运行状态，以及焊接实时与预设电流、电压、焊接速度、焊枪摆动振幅与频率、停留时间、变位机状态、送丝速度、保护气体流量、起弧与收弧等过程数据，并取得层间温度、熔池图像及焊后焊道表面图像。对设定值、实时测量值、设备状态和事件分别标识，保存原始单位、精度、采集配置和来源。

从热处理群控系统及加装传感器采集工件淬火前后表面温度、加热功率和频率、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，以及设备运行和启停状态、运行时长、报警代码；从EMS采集能耗时序；从EAM、SOS采集设备基础信息与台账、点检、维修工单、报警规则与数据、报警确认信息、诊断结论、处置建议及设备档案、维修记录、诊断报告和故障案例。记录各对象实际来源、业务时间、版本、适用设备及使用权限。

对事务、时序、图像、视频及文档分别核实实际生成机制、采集频率、时间戳、时钟来源和业务对象关联。连续采集、事件触发、抽检和人工记录按真实机制登记，核查设备、工件、工序、焊道或炉次的有效关系，再按具体任务开展时间和对象对齐。不存在或未确认的测点、关联和字段列入调查与补采计划，不将拟采集内容写成已经存在的现场数据。

按实际测点和设备登记采集机制、预期频率或触发条件、允许作业状态及应采集时间范围，检查时间戳、记录序列、重复、乱序和缺失。区分有效零值、未触发采样、设备停机、通信异常、传感器故障、数据未到达和来源不明等状态，结合设备日志、采集任务、运行状态和业务记录核实原因；不能只按缺失持续时间判定故障类型。

连续缺失和间断缺失分别记录起止时间、对象、影响样本和已核实原因。优先核查源端缓存、合法可用的历史记录或其他同等有效来源能否补采，记录补采依据、范围、结果及复核。需要设备或接口修复时，按实际责任安排处理并验证恢复结果，历史缺失不因采集恢复而视为已补齐。

数据完整性按已确认的应采集对象、运行条件和时间范围计算。经证据确认本不应采样的时段按有效规则处理，实际应采而缺失的部分如实计入问题；调整统计范围须保留依据及版本，不能为提高指标排除故障或缺失时段。数据卡披露缺失范围和限制，不代替必需的质量条件及规模要求。

仅在数据类型、工艺状态、变化特征和任务用途允许且经过验证时生成插补派生数据，记录方法、参数、使用的前后文、缺失掩码及插补比例。停机、报警、起收弧、快速变化或跨工况边界等不得未经验证平滑跨越；原始测量与插补值分别保存，不能将插补标成实测。不能可靠修复的片段隔离或限制用途，补齐合格数据后完成相关交付。

登记各时序通道的实际采样或触发机制、名义周期、实际时间间隔、时间戳来源、精度、单位和设备配置版本。原始数据按实际取得顺序和时间信息保存，分别记录重复、乱序、迟到、缺失及质量标志，不把接收时间直接当作测量时间。

根据具体任务确定时间窗口、比较对象和对齐要求，核对设备时钟、同步记录及可验证的偏差。只有具备依据时才修正时间，保存原始与修正时间及方法；对齐依据不足时标记状态和影响范围，不通过随意移动曲线追求表面一致。

需要降采样、窗口聚合或重采样时，按信号性质和业务目的验证方法及参数，明确窗口边界、统计量、滤波、缺失处理和事件保留要求。连续测量、离散状态、累计量和事件记录分别处理，避免用平均值代替状态或跨起弧、停机等工况边界混合；提高采样密度生成的派生值不得标成新增实测点。

派生视图保存来源范围、输入版本、处理配置、时间映射和质量结果，与原始序列保持对应。通过代表性工况和异常片段检查信息损失及任务影响，满足相应用途要求后使用；不同任务可以采用不同合法、有效的时间表示，不为统一粒度而强制丢弃必要信息。

图像和视频按实际采集来源、设备、时间、工件或焊道、工序、图像类型及使用许可登记，保存原始文件、分辨率、实际帧率或触发方式、必要采集参数及可得的质量标志。检查内容完整性、清晰度、遮挡、过曝、重复、时间和对象关联，区分熔池图像、焊后表面图像、热成像及其他实际类型，不将普通视觉图像的像素直接解释为测温结果。

已有检验或诊断结论的资料，核对结论实际对应对象、位置、时间、方法、覆盖范围、版本和审查状态，保留报告证据及标签来源。报告中存在合格结论不代表所有图像区域均可标为无缺陷，批次或抽样结果也不能直接作为每张图片的逐点真值；不适用或关系不明的结论不得用于确定性标注。

尚无适用标签的资料在完成许可和基础质量检查后，按实际用途进入受控待标注或其他合格加工流程。由具备相应专业能力的人员依据有效规范、原始证据及标注规则开展标注和复核，记录分歧、裁决及质量结果；无法从图像或有效资料中判断的缺陷类型、等级或原因保留未知，不根据视觉相似性编造检验事实。

监督样本在对象关联、标签依据、专家或质量复核及用途条件全部满足后方可放行。标注计划根据清点结果落实人员、任务量、规则和补采安排，资料不足时补充合格来源或重新采集；不能以历史标签不足为由降低已约定的成果规模或质量要求。

调查生产执行系统实际工单、派工、报工、工序执行、完工、返工及取消等对象和状态，明确各业务路径适用的必要记录与关系。保留源系统、组织、工单及明细标识、工序或路线、工件或批次、设备、执行次数、状态和时间，按有效规则建立关联，不仅凭工单号字符串聚合不同业务。

核查应发生事件是否具备实际记录，区分尚未执行、不适用、已取消、正常跳转、数据迟到和实际缺失。返工、并行工序、拆分合并、委外及跨班次等实际流程按各自关系和时间保留，不能为满足线性顺序补造事件，原始记录与后续修订分别保存。

按工单、工序、对象和时段登记缺失或冲突及其影响，结合完整性、关联准确性、时间一致性、权限和任务所需证据确定可用范围。需要完整执行链的分析或样本不使用缺少必要环节的数据；不依赖缺失环节的其他用途须经对应质量检查，不能仅凭总体缺环比例判断所有数据可用或不可用。补采和核实后重新检查关联成果，保留整改与放行记录。

1.4.1 制造过程数据采集与检查

按MES、SCADA、热处理群控及加装传感器、EMS、EAM和SOS等实际来源建立制造过程数据清单，分别登记结构化记录、连续测量、状态与事件、图像视频和文档的对象、字段、生成机制、时间信息、版本及使用权限。一个来源包含多种形态时分别配置采集和检查，不以系统名称推定只有一种数据。

结构化对象根据核实后的接口、主键、版本和变更机制取得初始及后续记录；时序按测点、设备、业务状态和时间范围接收，保留实际采样与质量标志；图像及视频按连续、事件触发或实际拍摄机制采集，记录帧或文件与设备、作业和对象的关系；文档保存原件、版本、附件及来源位置。

各采集方式分别验证完整性、时间、重复、对象关联、权限及失败恢复。任务创建、执行、重试和补采均登记输入范围、实际结果与异常，未满足准入条件的数据保持隔离。跨模态关联在各自检查通过且有可靠业务和时间依据后建立，不因同批接收就推定属于同一工件或事件。

焊接过程分别采集实际与预设电流、电压，以及速度、摆动振幅和频率、停留时间、送丝速度、保护气体流量、变位机状态、起弧和收弧等数据，登记测点定义、单位、采样或事件机制、设备及程序配置版本。预设值、测量值和状态事件保留各自属性，缺失参数列明来源与补采安排，不以相近通道代替未采集的参数。

依据有效生产记录关联焊接工位、设备、工件、接头、焊缝、焊道或实际层次、作业次数和返修状态。起弧与收弧作为过程分段依据之一，与任务、程序及对象记录共同核验；中断、分段施焊、重复起弧及返修均单独记录，不能默认每段电流数据对应一条完整且唯一的焊缝。

在原始序列保留基础上，按具体任务形成作业或事件窗口，登记实际起止、前后背景区间、缺失情况和与原始文件的定位关系。源端按固定文件分段提供数据时保留顺序与边界，核验后可组合为有依据的业务窗口；不能通过拼接补造连续性，也不能将尚未验证完整性的窗口直接作为合格样本。

进场调查逐项核实制造过程数据源、测点覆盖、接口或导出方式、历史保留范围、访问授权、资源限制及相关厂商配合条件，形成可追踪的数据源清单和缺口记录。每个缺口注明对象、时间范围、必要字段、受影响用途、确认依据、责任人及处理计划，不将待核实来源列为已取得数据。

对接口未开放、历史记录缺失、测点不完整或格式受限等情况，核查合法可用的缓存、档案和同等有效来源，落实授权取数、厂商接口配合、获准分批导出、补充采集或必要设备联调等措施。实施前核实权限、工作量、源系统负荷及质量要求，完成后检查实际覆盖、完整性和可用性。

持续核算各业务域、用途子集和场景验证所需的有效数据，跟踪补齐进度及质量结果。未取得或未通过检查的数据不计入合格规模，缺口和限制如实登记并按项目程序协调解决；数据卡披露和风险记录不代替应完成的规模、质量、功能及场景验证要求，不擅自缩减交付范围。

1.4.2 时序数据采集参数与时间窗口

核实时序信号的测量对象、传感器及设备配置、采样或触发机制、时间精度、原始单位、量程和质量标志。记录实际取得的数据分辨率及缺失范围，不能将源系统已经聚合或降采样的结果视为更高频原始测量，也不能通过插值生成不存在的真实采样信息。

跨设备或产线比较前，确认信号含义、单位、测量位置、设备状态、产品和工艺条件及时间基准。不同采样配置的记录保留原始时间信息，按实际用途选择可验证的事件对齐、窗口统计、适当重采样或其他处理方式；不要求所有数据强制变成同一步长，也不因采样不同就直接否定全部比较用途。

处理方案通过实际可得的代表性信号、工况和异常片段验证，检查峰值、持续时间、状态转换、事件顺序及任务相关特征是否被改变。与缺陷、故障或工艺质量有关的判断须有相应业务和检验依据，不能仅凭采样频率或曲线波动推定因果关系。验证结果、配置、限制和质量检查记录与派生数据一并保存。

保存获准取得的原始时序、源端元数据、采集配置及完整性检查记录，按设备、测点、时间范围和对象版本组织受控存储。原始序列与后续清洗、时间修正、重采样或窗口统计结果分别管理，保留原始值、异常和缺失标志，不用派生结果覆盖原记录。

依据实际任务生成所需的派生数据，登记输入范围、处理任务、规则及算子版本、参数、时间映射、输出和质量结果。多个任务复用同一有效派生结果时通过版本及权限控制，任务条件或规则变化后重新验证；不以统一步长作为所有训练及验证用途的默认输入。

调查源系统保留策略和可恢复范围，在批准的计划内落实必要历史数据采集、备份、容量核算、访问控制及恢复检查。已采集数据若频率、精度、时段或测点覆盖不能满足用途要求，仍须评估补采或新增有效数据来源；不能以现有原始副本替代缺失信息，后续用途对频率、精度、时段或测点覆盖提出更高要求时，按补采流程重新取数。

依据具体任务、设备和工艺记录定义业务窗口，分别确定起止事件、适用对象、前后背景区间、最短必要覆盖及中断处理规则。焊接窗口核对实际作业、起收弧、焊道和返修关系；热处理窗口按对应设备与工件的加热、淬火、冷却、返热等实际阶段及有效记录确定，不将所有过程固定视为同一种炉次。

原始数据按源端实际文件或记录分段接收，保存顺序、时间和来源关系。形成业务窗口时核查段间连续性、重复、缺失和事件完整性，需要组合的记录按可靠对象及时间证据关联；缺少必要阶段或存在无法确认的中断时标记影响范围，不把不完整过程自动登记为完整样本。

设备状态和报警窗口按实际事件及用途确定，记录触发、持续、恢复和确认等可得状态。故障分析可按明确目的使用事件前后资料；用于预测或在线识别的历史样本只能使用其判定时点可获得的信息，不能把后续处置或恢复结果放入过去输入。

能耗数据保留原始计量范围和粒度，按实际分析对象生成设备、工序、作业、班次、日或其他经确认的统计窗口，核对累计量变化、状态和时间覆盖。各窗口均经内容、对象、时间和用途检查后再进入样本加工，不能以窗口已划定代替质量判定。

1.4.3 焊接实时参数与预设参数关联采集

焊接参数按工艺要求、设备实际设定和过程实际测量分别登记。工艺要求记录有效工艺规程或卡片中的目标、范围、适用材料与接头、工序及版本；设备设定记录实际程序、配置、下发和生效证据及操作变更；测量记录实际传感器或反馈通道、单位、采样机制、质量状态和时间。

实时电流、实时电压与预设电流、预设电压按各自真实来源采集，核对字段定义及适用设备。焊接速度、摆动振幅和频率等其他参数同样核实实际可得的设计、设定或测量属性，不能把工艺文件中的推荐值当作当时已经生效的设备设定，也不能将设备计算值冒充独立实测反馈。

各类数据分别保存原值、来源对象、版本和适用时间，通过经核实的设备、程序、任务及工件焊道关系建立关联。缺少实际设定或反馈证据的参数记录缺口并安排核实补采，不以另一类数值替代后标为已取得。

参数接收时保留工艺规定值、设备设定值和实际测量值的独立字段及属性，登记字段来源、单位、含义、更新时间和实际变化机制。设备设定可能随程序、工艺阶段、操作或控制方式变化，按实际生效记录保存，不预设在整个焊缝内恒定；实时波动记录其客观状态，不从曲线形态直接推断物理原因。

关联前核实同一设备、通道、参数定义、工艺阶段、任务及时间范围，检查时钟、延迟、版本和单位可比性。仅对具有可靠生效区间和时间依据的设定与测量建立相应关系，记录匹配方式、有效范围和无法匹配的点或片段。

需要逐点配对的作业按经验证的时间规则和信号特征执行，保留原始时间、校正依据、插值或保持规则及质量标志。不能可靠配对的片段保持未确认状态，不通过任意前向填充、移动时间轴或以工艺默认值替代设定来生成完整偏差序列；后续补证后形成新版本并复核关联结果。

对已确认可比的实时值与实际生效设定，按相同单位、工艺阶段及时间范围计算差值、适用的相对差异、超出有效阈值的持续时间等派生信息。保留原始测量、设定来源、匹配关系、计算规则和结果；设定为零、接近零或定义不适合比例比较时，不直接计算或传播无意义的相对偏差。

工艺参数评价同时核对实际绝对值、设定及工艺允许范围、材料和接头、设备状态、作业阶段、相关过程记录和检验依据。缺陷归因及优化建议须有相应证据和业务专家审查，不能因偏差较大就直接标定缺陷原因，也不能把偏差较小视为质量合格证明。

缺少可信设定值的序列不用于依赖实时与设定差异的确定性标签或评价；其用于其他训练、检索、状态分析或验证任务时，分别核查授权、来源、对象关联、标签证据、质量及独立性条件。数据用途按实际满足的条件确定，不以是否有设定值一项条件替代全部质量判断。

送丝速度、保护气体流量等参数分别核实实际测量、设备设定和工艺要求的来源及定义。具备可信的实际生效设定和可比测量时，按设备、单位、工艺阶段和时间建立关联并生成经验证的差异信息；只有工艺文件目标、只有设定或只有测量时分别保留其真实属性，不复制为另一类数据。

焊枪停留时间核对其表示设定时长、实际持续时间还是事件推导结果，保存单位、起止定义、来源及生效条件。变位机数据按实际提供的离散状态、位置、角度或其他对象分别登记，不能仅按字段名称统一归为事件；只采集获准且实际存在的信息，未提供的对象记录核实或补采需求。

起弧、收弧及其他有效事件用于核对工艺阶段和窗口，保留事件时间、设备、作业、状态及实际处理记录。时长比较、状态一致性或其他评价按真实定义和证据分别设置规则，不在缺少适用依据时强行计算数值偏差，也不一概免除必要的质量检查。

设备实际设定依据真实程序或配置版本及其下发、生效、执行或操作记录核验，记录设备、作业、适用阶段和有效时间。程序参数表仅作为配置资料时，应另行确认其是否在对应时段实际使用；不能因表中存在某参数就推定其已经下发或生效。

MES关联的工艺卡、PLM工艺规程和其他有效文件中的目标或范围作为工艺要求独立保存，记录版本、适用产品和生效条件。设备实际设定缺失时，登记缺口并核查合法可取得的控制日志、历史配置、作业记录或其他有效证据，不以工艺默认值填充为真实设定。

不同来源不一致时，保存各自原值、定义、版本、时间和适用范围，核实是文件变更、配置未生效、操作调整、时序错配还是其他实际原因。争议未解决前，不使用该关系生成确定性的执行偏差或违规标签；完成专业确认后发布相应关联版本，复核受影响的样本和统计。用于工艺要求比较的结果须明确比较对象，不与设备设定跟踪结果混为一类。

设定值时间关联依据源设备实际提供的配置、阶段、下发、生效、执行和操作变更记录建立，分别保存事件发生时间、记录时间及适用对象。核对设备与采集平台的时间基准、时钟偏差和延迟证据后，确定可验证的生效区间；存在时间不确定性时记录其范围和影响，不将软件接收时刻直接作为物理生效时刻。

只有在设定于所述区间内保持有效且变更记录完整的条件下，才按已验证规则生成对应保持序列。程序切换、手动调整、阶段变更、停机、重启、通信中断或记录缺失时重新核验有效性；无法确认的区间保留未知状态，不向后无限填充，不将上一次已知设定覆盖到整个缺失期。实际设定为连续变化或采用其他机制时，按真实形式处理，不强制转换为阶梯常数。

根据实际工艺与设备记录识别起弧、过程阶段、稳态及收弧等适用区间，保留阶段识别依据和版本。各阶段按其有效设定、控制定义及技术要求分别检查，不能一概豁免瞬态；若某项统计仅适用于稳态，明确其覆盖范围和未覆盖区间，不将该统计代替整个作业的质量结论。

保存原始序列、时间映射、设定生效关系、阶段标记及计算结果。配对后抽查事件边界、变更前后和异常区间，核对实际来源证据，未通过的关系隔离并修复复检后使用。

偏差结果与原始参数流及实际设定记录关联保存，登记参数名称、定义、单位、设备与作业对象、原始和匹配时间、测量值、设定值、设定证据及版本、有效区间、工艺阶段、匹配状态、计算规则及输出质量。未确认设定或不适用比较的记录保留原因，不填入虚假的偏差值。

计算时明确有符号差值为实时值减去可比设定值，绝对差为该差值的绝对值；相对差异须明确所采用的公式、分母含义和适用条件。设定为零、接近零、参数含义不适合比值或输入无效时，不输出无意义比例；缺失及未确认状态与零偏差分别表示。汇总统计记录时间范围、有效样本覆盖和权重，不能跨缺失区间默认连续。

超出允许条件的判断依据实际适用且经确认的工艺规程、设备条件、材料、厚度、接头或位置、焊丝、工艺阶段及有效技术要求，关联具体规则版本和审查记录。知识本体用于统一参数定义和适用关系，不能仅凭通用值域替代专业工艺限值。无有效判定依据时保留客观测量和差异，不编造超差结论；相关结论及标签经规定复核后方可用于正式成果。

按设备、产线、产品、工艺阶段、参数和时间范围统计关联检查结果，分别登记应完成关联的对象数、已取得两侧数据的对象数、证据与时间检查通过的对象数，以及缺设定、缺测量、版本不明、时间冲突和其他失败情况。统计规则明确对象或有效时长的计量基础，同一结果中分子分母保持一致；不适用项单独列明技术依据及审查记录，不随意排除失败对象。

对需实际取得的实时电流、电压与预设电流、电压等数据，按具体来源落实接口、字段、版本及生效证据核实，登记缺口、补采任务、责任人和计划。首批结果用于发现问题和调整实施安排，不能替代规定的采集、质量及交付要求；未满足条件的关联不作为有效成果统计。

后续批次持续复核新增数据和修复结果，检查规则变更对已生产样本的影响。补齐后重新计算统计并保留前后版本，确认各项必要数据、关联证据、质量结果和使用条件满足要求后放行，不以「逐步接近」或附加说明作为未完成事项的验收依据。

1.4.4 生产对象关联登记

调查制造过程数据中实际保存的设备、工位、工件、工序、焊缝或焊道、炉次及其他生产批次标识，核对来源系统、编码范围、有效时间和实际业务关系。接收参数、图像、视频和检验资料时保留已有对象信息，不以设备号与时间戳取代源端已经提供的有效标识。

依据真实生产任务、执行记录、装载或领用记录、采集配置及有效检验凭据建立对象关联，登记输入对象与版本、关系类型、证据位置、适用时间及确认状态。对于缺失、冲突或一对多关系，分别保存实际情况并组织核查，不强行合并为唯一工件或唯一焊道。

关联结果经对象、时间、数量范围和业务适用性检查后发布，未确认关系进入待核实清单并限制相应使用。源记录及其关联变化保留历史版本，修订后追查受影响样本、知识和统计结果，完成复检后恢复使用。

对拟用于特定工件或工序任务的数据，逐项核对设备过程记录、生产对象、材料批次、工艺要求、实际设定和检验结果之间的真实关系。每条关系保留适用对象、版本、时间、数量或检测覆盖范围及证据，不能仅因标识已填充或时间接近就认定关系有效。

监督样本须进一步核验标签来源、专业含义、检验方法和结论适用范围，完成规定的标注及质量复核。偏好数据还须具备实际可审查的候选回答、比较条件、偏好依据和审查记录，不能把过程参数与质量结果直接转换为偏好对；因果或归因标签须有相应证据，不由关联关系自动推出。

缺少某项对象关系的数据，按实际用途检查其来源、许可、内容、质量和必要证据。需要该关系的任务不使用未确认记录，其他用途另行审查，不能自动归入预训练。关联完成情况作为过程质量记录保存，与各用途的其他质量检查共同判定可用性，不将单一关联率换算为数据集的全部能力或合格程度。

未完成必要对象关联的数据保留原始记录、已知元数据、待核实关系和限制状态，按权限及保留要求管理。对不依赖缺失关系的用途，另行核验来源、许可、内容质量及相应用途条件；未经检查不能直接加入预训练、检索或其他正式成果。

按业务领域、设备、工序、对象类型及用途统计关联完整性，分别列出应关联范围、已确认关系、待核实项和失败原因。采用明确且一致的对象数或有效时长计量基础，保留不适用项的依据，不能删除失败对象以提高成功率，也不能将批次级关联计成已经完成单件追溯。

逐项落实补证、补采和修复任务，记录责任人、计划、实际结果及复核结论。首批调查和试运行结果用于安排后续工作，不能替代规定的质量及交付条件；相关成果只有在所需对象关系和其他质量要求均满足后放行，未完成事项不能以「逐步接近」或数据卡披露作为完成依据。

层间温度与熔池图像采集分别采用满足相应用途的测温和图像采集设备，核对实际采购设备参数、安装位置、接口、采集范围及有效调试状态。建立设备、测点、相机和生产工位的标识关系，记录安装及位置变化、配置版本、时间同步和实际适用的校准或检查资料。

测温数据保存测量位置、单位、量程、必要测量条件及质量状态，核对温度对应的工件和工艺阶段；图像保存原始文件、分辨率、实际帧率或触发信息、曝光等可取得的有效配置和采集时间。普通熔池视觉图像不能因具有亮度或颜色变化直接生成温度真值，热成像测温结果需关联对应测温配置和有效原始数据。

联调时检查数据传输、时钟与业务事件对应、对象关联、连续性、丢帧或缺失、视场和清晰度、文件完整性及权限审计。异常数据保持问题记录，修复配置、补采或重新校验后复检；通过检查的资料形成可追溯批次和交接清单，不以接口连通代替采集质量验收。

1.4.5 焊接设备程序与参数来源调查

按实际焊接工位、设备及控制器开展程序和参数来源调查，核实设备身份、型号及软件版本、程序或配置管理方式、历史保存范围、参数定义、变更机制和获准获取方式。清点可取得的配置文件、实际下发与生效记录、执行日志、操作变更及相关工单，分别记录已有资料、缺失内容、访问条件和证据位置。

调查程序标识是否唯一、是否重复使用、版本及适用设备如何确定，核对程序与实际任务、工艺阶段、工件或焊道之间的关系。工艺卡和规程中的目标与范围独立登记，不能作为设备实际生效设定缺失时的自动替代。

对每类来源验证字段含义、时间基准、格式、权限、导出完整性、版本一致性和异常恢复方式，形成经相关业务与技术人员确认的来源及关联规则。未确认事项列明责任人、补证措施和完成计划，涉及实际设定或对象关系的样本在条件满足并复检通过后生产；调查结论变化时更新规则版本并检查受影响成果。

分别登记设备、程序或配置版本、参数项和实际执行记录，使用稳定标识及明确关系保存实际业务结构。设备记录关联工位、控制器和软件版本；程序或配置记录关联适用设备、版本、工艺条件和有效状态；参数项记录实际定义、单位、值、范围和变更条件；执行记录关联任务、对象、阶段、实际生效配置及时间。

一台设备具有多个程序、同一程序存在多版本或不同适用配置时，分别保存各对象和有效关系，不以程序号字符串作为跨设备、跨时间的唯一身份。没有独立程序号的来源，依据实际控制机制登记能够可靠定位的配置与执行标识，不虚构程序号补齐字段。

调查统计分别给出应覆盖与已核实设备、配置版本、参数项及执行记录范围，列明缺失和无法关联对象。每条参数的实际适用范围由证据确定，不能以行数多或字段齐全代替设备覆盖和历史生效完整性；资料补齐或版本变化后重新核对关联并保留历史。

调查设备允许的参数调整方式，包括程序配置、面板操作及其他实际控制路径，核实各类调整是否记录操作时间、参数前后值、适用阶段和生效结果。分别登记程序文件回写、控制器日志、上位系统记录及其他有效审计来源，不因单一参数表未更新就认定所有操作无记录。

针对实际采集时段检查参数调整证据与执行配置的对应关系。允许修改但没有证据表明当时发生修改的，保持事实状态，不直接标注人工干预；已知发生修改但缺少完整值或生效时间的，明确受影响区间和缺口，不继续把旧设定作为确定基准。

设备功能调查结果作为制定采集及核实方案的依据，具体偏差样本仍须有相应时段真实生效设定、可比测量及质量检查记录。不能仅以「可改／不可改」「回写／不回写」的设备属性给全部历史数据统一判为可信或不可信。

核对设备台账、工艺资料和程序配置的对象、版本、内容及适用范围，保存原始文件位置和核验记录。资料能够证明的配置、工艺要求或历史状态分别登记，不能仅按资料形式划定统一可信等级，也不能用资料存在替代实际执行证明。

通过源系统实际支持且经批准的读取或导出方式核实设备配置，记录设备身份、读取时间、软件和配置版本、获取范围、操作人员及结果。根据现场条件协调作业窗口，采用只读获取及相应访问控制，不未经授权更改生产设定；无法直接读取的对象通过其他有效记录补证，不能仅因读取受限就降低必要证据要求。

验证历史作业设定时，核对对应配置版本与下发、生效、执行及操作变更记录，检查其设备、任务、工艺阶段和时间是否一致。当前控制器状态不能反推全部历史，缺失历史链条时明确可证明范围和待补事项，不将当前读取值复制为过去实际设定。

实时参数用于检查时间、量纲、测量质量及关联结果是否存在异常，与设定的接近或偏离仅作为核查线索，不作为证明设定身份的独立依据。发现差异时核实配置、执行、测量和时间证据，原因未明保持待核实状态；未经确认不生成确定性工艺偏差、人工改参或故障原因标签。

按拟用任务逐项核验设备身份、参数定义、配置版本、实际生效时段、执行对象、测量及时间质量和使用许可。证据内容必须覆盖其支撑的具体结论，来源可定位且相互一致；单条当前读取、配置表或曲线比对结果不得代替其他必要条件。

事实尚未确认的资料保存在受控调查及审核区域，可供获准人员核查，但不作为正式知识、监督标签或合成依据发布。能够确认的工艺要求、配置资料和真实执行事实分别管理，不能把其中一种事实扩展为另一种事实。

满足相应用途全部条件后，由规定的业务和质量责任人复核并记录结论，关联具体资料及样本版本。证据不足、冲突或适用范围变化时限制相关使用，补证及复检通过后再更新状态；不以笼统「强证据」标记替代完整准入检查。

将焊接设备程序、参数和实际执行证据调查纳入经确认的项目实施计划，按实际设备范围、数据用途、接口与权限条件、作业窗口和资料获取依赖落实任务、责任人及完成时间。需要招标方相关人员或设备厂商协同的事项提前明确资料、授权和验证安排，记录未落实条件及对进度的影响。

涉及实际设定的样本生产前，完成相应设备、配置版本、生效记录、对象关联和时间质量的核实；涉及专业工艺限值的判断，取得有效技术要求并完成业务审查。不得先生成无依据的偏差标签，再以首批结果反向认定设定或人为干预。

调查、读取和试用验证按实际条件衔接，范围或版本变化后补充核验，保留计划调整、问题整改和复检记录。首批覆盖不能代替后续应覆盖对象，必要证据未齐备的作业不放行，同时按计划推进不受影响且已满足条件的其他工作。

设备程序、配置、适用工艺或参数记录发生经确认的新增、修改、停用或替换时，登记变更对象、前后版本、批准和实际生效信息及影响范围。同步核查采集接口、字段、时间、程序与任务关系和参数定义，更新有效配置及关联规则，保留旧版本和其适用历史。

通过实际可用的变更通知、系统记录和核对机制跟踪状态，明确对接责任、更新计划及未同步事项的处理。新版本相关数据在必要证据和检查完成后按其真实有效区间处理，不用新配置回填旧时段，也不把最后一次已知配置延用到未经核实的变更期。

发现配置更新滞后或记录冲突时，定位受影响数据、样本和统计，限制相关确定性结论，补证后修复复检并记录结果。程序资料维护与样本关联检查持续覆盖实施及约定服务范围，不以首次调查完成替代后续版本管理。

对无法取得或无法确认的数据逐项登记来源、对象、时间、原因、所缺证据、影响用途和需要完成的补采或核实工作，落实责任人和计划，保存实际处理及复核结果。原始记录、已确认事实和未知部分分别管理，不以估计值、邻近设备参数、当前版本或理论默认值补成历史实际记录。

结合各业务域、用途子集和场景验证要求核对实际合格数据覆盖，及时落实合法历史资料补采、必要接口协同、重新采集及其他具备真实证据的补齐措施。未通过质量或证据检查的对象不计入合格成果，数据卡如实反映来源和使用限制，但不能代替规模、质量、功能或验证要求。

涉及实际实施条件变化的事项按项目约定程序提出并处理，保留影响分析、批准结论和落实记录，不能由加工人员自行修改交付范围或验收条件。缺口处理完成后重新核算有效覆盖并复检受影响成果，形成可核验的处理闭环。

按实际设备、工位、配置版本、参数和时间范围维护调查及证据覆盖台账，向获准的项目管理、质量和相关业务人员提供核查结果。分别记录应覆盖范围、已完成核实、部分完成、待补和不适用项，附依据与责任；设备数量覆盖与历史时段、版本覆盖分别统计，不能用一份现行表代替全部必要历史证据。

发现任何影响必需成果的缺口时及时登记、分析和落实补采，不等待连续两个批次后才处理。未完成事项持续跟踪任务、计划、协同条件及实际结果，必要时按项目程序协调资源和调整实施安排；不能因重复失败自动降低证据要求、改用途计数或缩减约定验证范围。

后续数据及配置变更重新核查适用范围和质量，补齐后更新台账并保留历史状态。依赖具体实际设定或对象关系的成果，在必要证据、数据质量和使用条件全部满足后放行；未满足条件的数据如实标识和受控管理，不以「逐步接近」作为完成结论。

1.5 产品质量域数据采集

从QMS采集进厂、制程、出厂及成品检验记录、质量台账，以及淬火硬度、淬火区域位置与均匀性、外观缺陷和质检结果等数据；采集质量报告、产品质量档案、质量知识及熔池图像、焊后焊道表面图像、工件外观缺陷图像等资料。各类记录保留实际来源、对象、版本、时间、权限和使用范围。

检验记录同时保存原始测量或观察结果、单位或标尺、检验对象及范围、方法与设备信息、实际适用的标准或规程版本、判定条件、结论和审查状态。区分原始结果、计算结果、人工标注、检验判定及后续处置，不用合格或不合格结论替代可取得的测量依据，也不根据测量值自行重写原报告结论。

对不同人员、方法、设备、时期或规则下的结果，核对业务条件与证据后判断其可比性。发现结论冲突、依据缺失或版本不明时，保留各自原值和出处，登记问题并由相关质量专业人员核实；未经确认不把差异认定为质量变化、人员偏差或规则漂移。

采集判定信息时登记实际执行与复核岗位、判定时间、检验方法、适用标准和规程版本、对象及抽检范围、必要设备及校准或核查信息，并关联原始结果和证据。对批次、单件和测点结论分别标识适用范围，不能将抽样结果作为全部单件的直接测量事实。

质量指标发生变化时，先核对统计对象、数量基础、检验覆盖、产品和材料构成、工艺与设备状态、检验方法、规则版本、数据完整性及更正记录，记录检查结果和待核实因素。必要时由质量专业人员对照原始报告、有效规程和可取得实物或复检资料开展复核，不仅凭时间趋势或人员字段推断变化原因。

经证据确认存在定义或判据差异的，分别管理适用时期、对象及版本，按实际用途确定可比范围与分组方式。原始判定与复核结论分开保存，记录依据和批准状态；原因未明的数据保持明确限制，不能自动校正标签、调整比例或将未经证实的原因写入知识和训练样本。

另一项是缺陷分类体系的历史版本问题。企业的缺陷分类目录在多年中修订过，早期记录用的是旧分类，与现行目录不是一对一关系：有的旧类别被拆成两类，有的两个旧类别被合并。受理时按原始分类如实入库，同时建立旧版到现行目录的映射表，映射关系为一对多或多对一的，在映射表中标明并说明处理方式。映射表由质量部门确认后生效，不由项目组单方面确定——分类口径属业务定义，确认权在业务部门。

还有一项是不合格品处理记录的闭环性。一条不合格判定之后，应有返工、让步接收或报废的处置记录与之对应；实际数据中存在判定有记录而处置无记录的情况。受理后按判定单号核查处置记录的匹配率，未匹配的单独统计。这个匹配率决定质量数据集能否支撑「缺陷到处置」的因果类任务；匹配率不足时，该类任务的数据基础在数据卡中如实说明，相关场景验证的判据随之调整。

1.5.1 质量影像与检验记录关联

采集质量检验使用的熔池图像、焊后焊道表面图像、工件外观缺陷图像及其关联记录，登记来源系统或采集设备、原始文件标识、文件版本、采集时间、产品或工件标识、工序、焊道或检验部位、检验单号、检验项目和使用权限。原始文件、图像元数据与检验记录分别保存，并通过关联记录建立对应关系。未取得明确对应依据的影像登记为待核实对象，保留来源信息，不自动赋予检验结论。

对制造过程与质量检验共同使用的影像，核实文件内容、版本、来源及授权条件后实施存储去重，保留各来源的业务标识、原始引用和访问限制。内容相同但业务来源不同的文件不合并其业务记录；不同时间、不同版本或不同处理结果的影像分别登记。共享存储对象的访问仍逐项校验使用者对相应业务资料的权限，引用关系不扩大原始资料的授权范围。

检验记录与影像按实际对应关系建立多对多关联。关联记录包括检验记录及版本、影像标识及版本、工件标识、焊道或部位、图像区域、采集阶段、检验时间、关联依据、确认状态和确认时间。区域信息采用原图坐标或可复核的部位标识记录；裁剪、缩放后的图像保留与原图区域的转换关系。关联核验同时检查对象身份、工序阶段、检验覆盖范围与时间关系，不以时间邻近代替业务对应依据。检验结论仅适用于实际检验覆盖的对象和范围，不自动扩展至整幅图像、同批全部工件或其他工序。更正关联关系时保留原记录、变更原因和核验结果。

1.5.2 纸质检测报告调查与数字化

进场后调查纸质检测报告、检验原始记录及质量证明附件的保管情况，核对现有档案目录、移交记录和实物，编制资料清册。清册记录存放位置、资料类别、产品与检验对象、形成时间、报告版本、实际份数和页数、完整程度、装订状态、可读性、调阅条件及授权使用范围。实物清点数量与估算数量分别标识，数字化计划依据核实结果安排作业批次、人员、设备、场地及质量检查。

数字化作业保留报告封面、正文、附页、签章及更正记录之间的关系，检查扫描文件的页面完整性、顺序、清晰度和与原件的一致性。识别形成的文字、表格和检验字段与原始页图逐项关联，对无法辨读、缺页、版本不明或对象不明的资料登记问题并核实，不推测补齐原始检验结果。数字化成果与QMS检验记录及其他质量资料共同纳入采集覆盖检查，按实际可用数量制定补采措施，保证产品质量域数据规模、质量和业务覆盖要求落实。

资料清册按存放点、报告类别、产品或工件、形成年度和资料状态登记，记录报告份数、实际页数或页数估算依据、附件数量、装订形式、可读性、对应业务记录及授权条件。扫描批次综合考虑业务覆盖、资料保存风险、检验对象、作业条件和资料可用程度安排，明确每批原件范围、预计工作量、负责人、作业地点和检查要求；试作业后依据实测作业效率校正排期，保留调整原因及对后续批次的影响记录。

逐批检查装订、折痕、破损、褪色、油污及文字遮挡情况，按原件状态选择非破坏性扫描方式。未经资料保管责任方许可不拆订、不裁切、不清洗原件；确需拆装订或采取特殊处理的，先办理许可，记录原始装订、页序和缺损情况，由具备相应操作能力的人员处理，完成后按批准要求恢复并核对。对无法安全展开或文字仍不可辨读的原件，保留现状图像及问题位置，另行核实可用副本或对应业务记录。

扫描地点、设备、人员和作业时间执行资料调阅及安全管理要求。仅限现场处理的资料在指定场所作业，扫描设备和存储介质按授权配置，禁止通过个人设备或外部网络传输。每次交接核对原件编号、册数、页数及状态，登记领用和归还人员、时间及差异。外带或委托第三方处理须履行适用审批程序，明确资料范围、保管责任、访问限制和成果交接要求，未经批准不实施。

对已有结构化检验记录的纸质报告，核对报告编号、版本、检验对象、检验项目、检验时间、结果及附件，建立经核实的对应关系。相同报告号下存在更正报告或复检记录的，分别登记版本与检验轮次，保留原始结果和更正依据。报告与业务记录存在数值、单位、对象或结论差异的，记录差异并交由相应业务责任人员核实，未经确认不合并为同一检验事实。

对尚未建立对应关系的报告，实施页面解析、表格识别和字段抽取，保存字段到原始页码及区域的定位信息，并按业务标识核实对象与记录。图文候选样本须经过对象与版本一致性、内容完整性、授权范围、字段准确性及任务适用性检查，再进入相应标注、质检和验证流程。重复扫描件、更正前后报告以及由同一原始报告派生的文件保留共同来源关系，参与数据集划分时防止跨训练集与评测集泄漏，不以多份派生文件重复累计独立样本数量。扫描优先级同时满足产品、年代和检验类别覆盖要求，不仅依据是否已有结构化记录确定。

资料数量以可追溯的清点记录和档案核验结果登记。先核对目录、移交及借阅记录，确认资料保管位置和当前状态，再按实际保管单元清点报告及附件。访谈获取的数量作为待核实线索单独记录，不直接计入已核实存量；目录数量、实物数量和业务系统记录数量分别列示，标明各自统计对象、范围和截止时间。对移交、借出、缺失、重复归档及目录未更新等差异逐项核查，形成差异原因、处理责任和复核结果。

按资料目录走访实际存放点，核实在库、移交、借出及其他保管状态。能够逐册或逐份清点的资料，登记实际册数、报告份数及可核实的页数，记录清点范围、日期、人员和复核结果。对暂不具备全面逐页清点条件的资料，可为作业排期开展分层抽样估算，记录分层依据、总体范围、样本选取方式、实测数量、计算方法及估算的不确定性；估算结果与实际清点值分开列示，后续随逐批作业以实测结果更新，不将估算值作为最终交付数量。

与结构化检验记录对账时，先确认同一报告是否包含多项检验、同一检验是否形成多份报告，以及更正、复检和附件的统计关系，再按报告编号、检验对象、检验时间和版本建立可核实的对应关系。对仅有纸质报告、仅有系统记录、关联冲突或重复登记的情况分别登记和核查，不以两侧数量不等直接认定数据遗漏。对账结果保留匹配依据、未匹配对象、差异原因及处理状态。

清册及进度统计分别列示估算量、已清点量、已扫描量、已核验合格量和待整改量，注明各项统计单位、范围及截止时间。引用估算结果时保留估算标识和计算依据，不改记为实测数量。批次完成后按实际原件、扫描页图及检查记录更新数量，保留估算与实测差异；最终交付数量以核验合格的实际成果及其明细为依据，重复副本、无效文件和未完成整改的资料不计入合格交付量。

纸质资料调查、清点、试扫描、批量数字化、复核及缺口补采纳入合同签订后三日内提交并加盖公章的《项目管理计划》，明确任务负责人、前置条件、起止日期、阶段成果及与预处理、标注、质检和验证的衔接。进场后及时核实调阅和作业条件，具备条件的资料分批开展调查与试作业；现场核实结果用于细化批次安排和资源投入。出现资料调阅、保存状态或工作量变化时，分析关键路径影响并采取补救措施，按项目变更程序处理，确保2028年5月前完成终验收。

批量扫描前选取具有代表性的原件开展试扫描，覆盖主要报告版式、表格结构、装订方式以及实际存在的褪色、污损和手写情况。分别验证扫描分辨率、色彩模式、曝光和图像处理参数，检查细小文字、小数点、正负号、单位、上下标、表格线、签章及批注的可辨识性。原始扫描文件保持原件内容和颜色信息；去底色、去噪、纠偏等处理形成独立派生版本，记录处理参数并检查是否造成内容损失。

试扫描文件依次完成页面完整性检查、版面解析、表格识别和关键字段抽取，核对检验单号、检验对象、检验项目、测量值、单位、判定依据和结论与原件是否一致。字段可被抽取不等于抽取正确，须检查数值、符号、单位、行列对应关系和原页定位。对识别失败或结果不一致的页面查明原因，调整参数或转人工核验，并复查受影响的同类资料；试作业检查通过后再按对应参数开展批量作业。批量作业中发现新的版式或保存状态时重新验证适用参数，保留试作业和复查记录。

按产品、检验类别、年度、检验部位及资料来源核实可用数据覆盖，区分数量不足、内容缺失、识别质量不足、关联不明和使用授权受限等问题，分别制定补采及整改任务。优先核查已有业务系统、合法留存副本、关联检验资料和实际可获得的补充来源，明确责任人员、完成时间及复核要求。纸质报告不足不直接等同于质量域全部数据不足；补充来源须满足相应内容、模态、真实性和授权要求，不以重复文件或同一记录的多种导出格式虚增成果数量。合成数据单独标识来源及生成过程，不登记为真实历史检验记录，不纳入禁止使用合成数据的评测基准集。

真实检验资料与合成样本分别登记数据类型、来源和生成方式。真实资料保留业务记录标识、检验对象、检验时间、结果及原始证据；合成样本保留生成任务、使用的模型或规则版本、输入资料标识、生成时间、质量检查和审核状态，不生成虚假的历史检验编号、签章、审批记录或设备测量证据。由真实资料派生的样本同时保留原始来源和加工过程，不能仅以新的样本编号替代来源追溯。

用于稀疏类别或边界条件补充的合成样本，按相应生产流程完成业务合理性、安全性和质量检查后，再用于获准的训练任务；合成标签不作为真实缺陷或现场检验事实。评测基准集不使用任何形式的合成数据，并检查其原始来源及派生关系，防止评测内容、答案或其改写进入训练材料。发现来源标识错误或合成样本误入真实资料集合时，隔离受影响数据，沿加工关系排查派生成果和已发布版本，完成更正、复核及必要的重新验证后处理相应版本。

同一批资料存在保存状态、数量、关联和授权等多项问题时，分别登记问题并组合执行相应措施，不以单一批次结论覆盖其他未解决问题。每项整改明确影响的数据范围、拟采取措施、责任人员、计划日期及复核方法，处理后重新核验数量、质量和业务覆盖。无法立即补齐的资料列入持续跟踪清单，评估对加工和验证任务的影响并落实补救安排；在数据说明中披露缺口不替代实际补采与整改，不自行缩小约定验证范围、降低判定标准或以其他领域数据抵补本领域要求。涉及实施范围或验收要求的调整，履行正式变更程序，不由加工环节自行决定。

按批次更新资料清册和扫描进度，分别统计已核实资料、已完成扫描、已通过质量检查、待复核及待补采的数量，并在项目授权范围内向相关责任人员提供进度记录。每批核对计划范围、实际完成量、页面完整性、内容可读性、解析准确性、原件对应关系和问题整改结果，确保计划范围内的资料完成数字化并符合交付要求。

发现进度偏差、重复返工、关键字段无法辨读或调阅受限时，及时登记影响范围和原因，安排责任人员采取参数调整、原件核查、资源调配或补采措施，不等待连续两个批次或固定月度会议后再处理。进度调整同时检查对预处理、标注、质检、验证及总交付期限的影响，保留处理过程和复核结果；需要变更计划的按项目管理程序执行。

1.6 通用语料与外部语料采集

采集协同办公系统中的管理制度与合同文档、久其系统中的营业收入、利润、成本及资产负债等经营指标，以及主数据管理平台中的组织机构、人员和物料编码。保留来源系统、业务标识、版本、生效或所属期间、采集时间及使用权限，建立通用资料与四个业务领域数据的关联。资料同时涉及多个业务领域时保留实际关联，不因复制到多个目录而重复统计独立内容。

按预训练子集的Token规模目标补充行业标准、学术文献、厂商资料和公开数据集等外部语料。外部语料选择结合矿山装备制造相关专业内容、语言质量、版本适用性、来源可靠性和授权范围开展，登记原始出处、内容版本、获取时间、许可条件及适用业务主题。采集后的内部与外部资料均经过内容完整性、重复性、质量及安全检查，再进入相应加工流程；与项目业务无关、来源不明或不满足使用条件的内容不计入合格成果。

对内部和外部来源分别核实资料提供主体、实际权利与授权范围，明确是否允许采集、存储、加工、模型训练、检索展示、验证及对外交付。保留适用于当前内容版本的授权文件或许可条款、有效期限、署名要求、传播限制及其他使用条件，并将这些条件关联至原始资料和派生成果。公开可访问、已购买或已在企业系统保存，不直接等同于允许用于全部加工和交付用途。

授权不明、条款不一致或包含第三方限制的资料，登记待核实事项并提交相应责任人员确认；未确认前不投入受限用途。许可核验按具体内容和使用方式开展，不以资料类型统一推定能否训练或再分发。交付前再次检查拟交付内容及派生成果是否满足约定使用权限，并提供必要的授权及限制记录，不将供应方尚未解决的许可问题视为已随交付自动转移。内容质量、完整性、业务适用性和许可条件分别检查，任一项不满足要求均须整改或采用符合条件的替代来源。

组织机构、人员和物料主数据按实际标识、版本及生效期间采集，保留新增、变更、停用、合并和拆分等可获取的状态记录。核对主数据编码与各来源系统业务标识之间的关系，记录映射依据、适用时间、确认状态及冲突信息；同名不同对象、旧编码复用和多编码对应同一对象的情况分别核查，不仅依据名称相同合并实体。历史业务记录保留其发生时的原始编码，关联到主数据的转换关系单独记录，不以当前编码覆盖历史事实。

人员数据按项目必要用途和授权范围确定采集字段，对不必要的身份及联系信息不予采集。需脱敏的字段在进入相应加工环境前处理；确需跨记录关联的，在授权范围内采用受控映射标识，限制原始身份映射的访问权限，并检查脱敏后关联关系的正确性。组织、人员和物料之间的业务关系依据可核实记录建立，主数据映射经核验后用于本体实体对齐及业务关联。

按各预训练子集分别核算可用语料量和补充需求，使用确定版本的分词器及计数规则，对完成解析、清洗、去重、权限核验和质量检查的有效文本计算Token数量，记录处理版本、计数范围和排除项。原始下载体积、文件页数、未清洗文本和重复内容不直接折算为最终合格Token量。多领域共用来源保留共同出处及实际分配记录，按确定的去重和统计规则核算，不通过重复复制抵补规模缺口。

补充计划同时检查行业主题、产品工艺知识、资料时效性、语言质量和业务覆盖，根据合格语料缺口确定来源、采集任务和加工批次。补采后重新执行质量检查和数量核验，分别满足各数据集及各子集的规模要求，不以总量达到目标代替分项达标，也不以增加无关通用文本或重复材料填补行业语料缺口。

1.7 四领域多模态数据采集与登记

对供需计划、产品工艺设计、制造过程和产品质量领域的数据，分别登记文本、图像、时序和视频的采集对象、来源、格式、编码、记录粒度、时间信息及关联标识。采集规则同时考虑业务对象、来源系统、模态特点和实际设备条件，明确完整性检查、时间校准、版本识别及授权核验要求。同名文件或相同版式资料仍按来源、内容、版本和业务对象核实身份，不直接视为同一资料。

每条原始记录、文件和影像段保留来源标识、采集批次及适用业务领域；跨领域使用的数据登记多个经核实的关联关系，不以批次归属替代逐对象登记。原始数据与转换、裁剪、抽帧及重采样等派生成果建立可追溯关系，保留处理版本和参数。格式转换或模态派生不改变原始事实来源，不将同一内容的多种保存形式当作新增独立来源。

原始数据登记实际模态、来源形成时间、采集时间及其判定依据，并保留到加工样本、子集和发布版本的对应关系。对配对图文、同步图像与时序、视频及关联文本等样本，核验各组成内容的对象、时间和语义关联，记录样本所含模态及组合方式；文件后缀、压缩包数量或不同格式的重复副本不作为新增模态的依据。抽帧、转写、重采样和合成处理分别登记，不以派生文件数量重复累计独立样本。

按完成质检和验证的实际成果核算模态构成及数据时效，覆盖文本、图像、时序、视频四种模态，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%。统计记录明确样本计数单位、适用范围、分子分母、去重规则、统计基准日和计算结果，并与实际发布清单一致。近3年数据根据能够核实的原始业务发生或内容形成时间判定，不以重新上传、扫描、复制或生成日期替代原始时间；时间缺失或无法核实的资料不得直接计入近3年数据。各加工阶段持续检查覆盖变化，发现缺口及时补采并重新核验。

1.7.1 采集对象与登记要求

采集对象按来源系统、业务标识及版本建立唯一登记记录。结构化数据保留原始主键、行项目和变更信息；文件保留原始文件标识、版本、附件关系及页码；图纸和工艺卡同时记录所属产品或零部件、图号或卡片号、版本及适用配置。原始业务标识在不同系统中重复时，增加来源标识区分；同一业务对象存在多个版本时分别登记，不以图号、名称或文件名直接覆盖旧版本。

图像、时序和视频分别记录采集设备、时间基准和采集序列，与工件、工序、焊道、炉次或检验对象的关联须有可复核依据。关联信息不完整的保留原始数据并登记待核实项，不根据时间邻近或名称相似自动确认业务身份。新增采集登记标识仅用于追溯，不能替代或伪造原始业务编号。

按业务领域和模态开展来源调查，逐项核对业务系统、文件档案及采集设备中的相关数据，登记调查对象、时间、方法、证据、资料范围、权限和质量状态。已取得且通过核验的来源列入可用清单；来源线索存在但尚未确认的，记录核实责任、所需资料和完成计划；需要新增采集的，明确业务用途、采集对象、设备或系统条件及实施任务。

调查期间未取得视频或其他模态资料时，记录本次实际调查范围与结果，继续按业务需求核查其他有效来源或落实补采。来源状态随核实结果更新并保留历史，采集成功后复核内容、对象关联、授权和质量条件，满足要求的数据再纳入对应生产任务。

根据各业务领域的生产任务及整体模态要求制定采集与补采计划，明确对象、数据内容、来源、设备或系统条件、授权、标识规则、质量检查和交付批次。任务执行后核对实际取得的内容、数量、时间和业务关联，登记完成结果及待解决问题。

跨领域使用的同源资料保留原始来源和经核实的业务关系，按实际用途分别授权；对重复副本和派生结果建立关联，按有效样本统计规则核算数量。影像与文本、时序的组合须通过对象、时间和语义关联检查，缺乏真实业务关系的内容不得组成多模态样本。来源缺口逐项落实补采、整改和复核，完成后重新核验分项规模、模态比例及业务覆盖，不以其他领域或其他模态的超额数量抵补必需内容。

模态来源按已确认可用、待核实、需补采及不适用分别登记，保存调查范围、证据、判断依据、责任人员和更新时间。不适用项须具备对应业务条件和核验记录；暂未取得资料的来源明确后续核实、补采或整改任务，并记录计划与实际结果。来源状态变化后更新清单，保留原状态和变更依据。

最终模态统计以经质量检查和验证的实际发布样本为依据，核对样本组成、来源、业务对象及跨模态关系，并按有效计数规则计算总体和分项覆盖。缺口处理完成后重新检查数据规模、模态比例、时效性及用途条件；必需内容未满足要求的，不认定相应成果完成。统计结果与样本明细、处理版本和发布清单关联保存，支持复核和追溯。

1.7.2 文本及结构化记录采集

结构化业务记录与文档资料分别保留原始形态及可追溯标识。结构化记录采集字段名称、数据类型、精度、单位、主键、关联关系和可获取的时间信息；文档采集原始文件、既有业务编号、版本、附件、来源目录及使用权限。原始标识缺失或不足以唯一定位时，另设采集登记标识并保留来源位置，不伪造源系统编号。

结构化记录按实际业务任务用于数据分析、时序构建、知识抽取或文本样本制作，文档按内容和用途开展版面解析、图文关联、条款抽取及知识加工。各类转换均保留原始内容、处理规则和派生关系，不以单一文本化形式替代仍需保存的结构、图形、数值精度及文档证据。

金额、测量值、比例和计数等字段保留原始数值语义，记录数据类型、有效精度、小数位数、单位、允许空值及必要的计算规则。对金额等精度敏感字段采用能够准确保存原值的表示方式，避免不必要的浮点转换、截断或舍入；需要字符串序列化时保存明确的类型描述及格式规则，并验证反序列化后数值、精度和单位一致。编号、前导零编码和带字母的业务标识保持其标识属性，不自动转为数值。

采集校验覆盖空值与零值、负值、小数点、千位分隔符、科学计数法和超出目标字段范围等实际可能出现的情况，记录转换失败及处理结果。原始值、标准化值和派生计算值分别保存；单位换算或精度调整须有明确规则、版本和适用条件，不覆盖原始测量或账务值。发现精度、单位或字段解析差异时隔离受影响记录，核对原始数据并修正转换过程，复查同规则处理的其他记录后再进入后续加工。

1.7.3 图像采集与质量检查

采集图纸与工艺卡片扫描图像、熔池及焊后焊道表面图像、热处理和焊接相关热成像、工件外观缺陷图像及其他经确认的业务图像，分别保留原始文件、对象、版本、采集条件和使用权限。同一图像用于工艺分析、质量检查或知识加工时，登记各用途对应的业务关系，不因用途不同重复创建独立事实。图纸与卡片中的几何形状、尺寸、符号和版面关系与文字内容共同保留，解析文本不能代替原始图像。

熔池相机保存带时间戳的原始帧及采集参数，核验电弧、熔池、焊丝和坡口边缘的可辨识性。高温热成像及在线热成像设备保存全辐射数据流、逐像素温度数据及发射率、反射温度、大气透过率等测温参数，并记录与显示图像的对应关系。普通CMOS图像的亮度、色彩及伪彩显示不直接作为温度测量结果。

质量图像按实际检验对象、部位、检验轮次及覆盖范围关联，检查清晰度、曝光、遮挡、视场、拍摄角度及必要尺度信息。图像显示的现象、人工标注和正式检验结论分别登记，结论须有相应检验方法和业务记录支持，不仅凭分辨率或取景一致就认定质量结论有效。

热成像数据分别保存全辐射原始数据、逐像素温度数据和用于显示的图像，记录各数据文件、帧及像素区域之间的对应关系。温度数据同时登记单位、量程、无效像素或超量程状态、发射率、反射温度、大气透过率及实际采用的其他补偿参数；参数变更记录生效时间和适用帧范围。设备校准记录、测温配置及采集对象关联到相应数据，便于核验测量条件。

温度标注、区域统计及质量检查使用经核实的测温数据和适用参数，区分原始测量、校正结果及派生统计值，保留算法、参数和输入版本。检查图像与温度数据的尺寸、像素位置及时间对应关系，防止裁剪、缩放或错帧造成温度错配。显示图像保留调色和显示范围等参数，不通过颜色反推替代原始测温值；测温条件或数据有效性无法确认时，记录问题并限制进入要求温度真值的任务，完成核实、修复或补采后重新检查。

按采集任务所需的时间分辨率、设备能力和业务事件间隔确定允许时间偏差及检查方法，在采集前核验设备时间基准、同步方式和校时状态，并在运行中按计划及异常触发条件复核。首批试采用于验证配置和检查方法，正式采集数据从首批起执行相应要求，不以逐步改善替代应达到的同步条件。发现时钟跳变、记录缺失、偏差超限或配置改变时，及时确定影响时段，标识并隔离不满足时间关联要求的数据。

时间修正须有对应时段的同步日志、设备记录或经独立核实的共同事件等依据，记录原始时标、偏差方向、计算方法、适用区间及修正后不确定性。采用共同事件比对时核实其确为同一事件，并区分采集、传输和处理延迟，不以相似曲线或最近时间点直接认定钟差。缺乏可靠依据的时段保留时间不确定状态，不补造精确时标；修正后复查对象关联及受影响样本，必要时重新采集。测温校准异常另行评估和处理，不能用时间校正替代温度校准。

1.7.4 时序数据采集与时间校验

时序数据按来源系统、设备、测点及有效配置建立采集清单，登记采样或事件触发机制、字段类型、单位、量程、质量状态、时间基准及业务关联。采集前核对测点在目标时间范围内的启用、停用、替换和配置变更情况，采集过程中保留原始时标及记录顺序，并分别记录接收时间和加工时间。不同来源数据需要关联时，先完成时间与对象一致性核验，再按任务要求形成关联数据或派生序列，不直接将各系统时间字段视为同一含义。

焊接参数、温度、能耗、设备状态及报警等数据分别核实时间字段的产生位置和含义，区分设备测量时间、控制器事件时间、平台接收时间与数据库写入时间。结合实际同步日志、采集链路及试采记录检查时钟偏差、传输延迟、缓存补发、乱序、重复和时间跳变，记录各问题的影响时段及范围。跨来源关联须满足目标任务的时间精度及对象对应要求，不仅根据数值平滑或时间接近认定对齐正确。

对数据空缺和连续不变值，综合测点状态、设备运行记录、采集日志、通信情况及维护记录核查原因。设备停机、测点停用、通信中断、传感器故障和数据未提供分别登记；证据不足时保留原因未明状态，不将缺失值填成零值，也不把长期恒定值直接判为设备停机。需要修复或新增采集的形成处理任务，保留实际恢复时间和补采范围，不凭后续运行数据补造历史测量记录。

质量状态与时间校验记录按实际发生过程保存历史版本，记录检查时间、适用数据范围、依据、规则版本、结果及处理人员或任务。源系统提供的质量标志保持原值，并登记其定义和有效配置；采集侧生成的完整性、通信或格式检查结果单独记录，不冒充设备原生质量标志。状态更正保留原结果、修改依据及影响范围。

时钟偏差及修正参数按经核实的有效时段管理，保留同步前后记录、设备重启、时钟调整和配置变更等信息。历史数据修正使用其对应时段的可靠依据，当前测得的钟差不直接用于过去时段。不能确认历史偏差或变化规律的数据保持时间不确定标志，受影响的跨来源关联及样本须重新核验。

源侧提供质量码时保留原始值、含义及版本，核查质量码对应的测点和时间范围。源侧未提供时明确登记未提供，不推定为正常，也不生成与源质量码混同的替代字段。采集侧依据实际检查结果分别记录接收成功、通信异常、格式错误、时标异常、重复记录和按预期机制识别的缺样等状态，保留检查规则、输入证据及生成时间。

缺样判断结合测点是否启用、实际采样机制、事件触发条件及可核实日志开展；对仅在变化时上传的测点，不按固定周期无数据直接认定通信中断。设备停机、测点故障和正常无事件等业务状态须有相应设备或业务证据支持，无法判明时标为原因待核实。采集侧状态用于质量分析和问题处置，不直接替代设备测量状态或作为故障标签。

1.7.5 视频采集与分段管理

视频采集保存设备实际输出的原始文件或原始帧序列，登记采集任务、设备、视场、起止时间、实际帧率、分辨率、编码及文件完整性。原始录像与业务片段分别管理，保留原片连续关系和缺失区间，不因业务切段覆盖或丢弃原始内容。

依据可核实的工单、设备事件和采集记录建立片段索引，记录每个片段在原始视频中的起止位置、对应对象、业务阶段、分段依据及确认状态。焊接起弧、收弧及相邻阶段按实际任务需要确定覆盖范围，前后保留时长具有明确依据；热处理或检验录像按真实存在的采集范围及业务事件关联，不预设每段必然只含一个工件或炉次。一个片段涉及多个对象时分别登记时间和区域关系，不能确认边界的标为待核实。

供标注、检索或训练使用的切段文件按经确认的索引生成，保存分段规则、输入版本、处理参数及输出位置映射。后续修订边界或关联对象时形成新版本并追踪受影响样本，不重复人工裁切而丢失原片对应关系。

依据相机数量、实际分辨率、位深、帧率或编码码率、采集时长及保存要求测算视频存储容量，同时计入索引、元数据、派生副本、冗余保护和容量余量。采用试采实测文件量校核估算，按设备、任务和保存层级形成容量及吞吐需求，检查采集写入、转码、检索、恢复和交付过程的资源条件。容量不足时调整资源配置和经确认的存储方案，不自行降低应保存的数据完整性或设备采集要求。

原始数据按用途、追溯和交付要求确定保存范围、期限及访问方式，并在数据管理计划中明确。用于训练、标注、质检、验证和验收的资料保留所需原始证据及全部派生关系；其他采集资料按经确认的保存策略管理，不能仅因已生成可播放副本就认定原始信息可以舍弃。可采用分层存储安排访问频率不同的数据，迁移前后核验文件完整性、索引及恢复能力，保留迁移和恢复检查记录。保存策略变更须评估对样本追溯、质量复查和交付的影响，履行批准及记录程序。

按经确认的视频采集范围建立业务事件清单，核对每个应采事件的对象、起止时间、相关相机及实际录像位置。分别检查事件是否有有效影像、目标对象是否在视场内、关键过程是否完整、帧序列是否连续及画面是否可判读。一事件多段或一段多事件的按实际关联记录统计，不以录像段数与业务事件数的简单比值代替覆盖率。覆盖指标明确应采事件总数、合格覆盖事件数、排除项及依据，并保留逐事件明细。

首批试采验证触发、分段、时间关联和存储配置，正式批次从开始即执行质量要求，不以逐步接近代替完整交付。发现漏录、错录、缺帧、存储异常或目标未覆盖时及时登记并核查触发条件、设备状态、网络、容量及索引逻辑，明确影响时段和补救措施。对不合格资料隔离并禁止进入正式成果，设备排障期间按实际条件继续受控保存可获得的原始数据，避免无依据停止接收扩大缺口。修复后检查配置、试采结果及受影响关联，新增补采据实记录发生时间，不能冒充已错过的历史事件录像。

1.7.6 数据版本与使用授权管理

数据采集和加工按对象保存来源版本、采集实例、处理版本及授权状态，分别记录标识、生效时间、变更依据和适用范围。业务内容修订、设备或测点配置改变、重新采集、格式转换及授权调整分别登记，不将所有变化统一视为文件版本变化。相同名称或编号的对象发生内容、配置或适用范围变化时，核实其身份和历史关系，保留变更前后记录。

每个采集批次核对适用版本和授权条件，进入标注、训练、验证、共享或交付前再次检查相应用途是否获准。授权具有期限、对象、字段、地域或接收方限制的，保存具体条件并在访问和任务执行时落实。变更后沿来源与派生关系识别受影响数据、样本及已发布成果，执行相应限制、整改和复核，不仅修改当前登记表而忽略既有派生成果。

授权核验逐项确认允许的资料对象、字段、内容范围和使用方式。发现许可缺失、含义不清、版本不适用或条款冲突时，记录具体疑点、涉及对象、拟使用目的及所需确认事项，提交相应责任人员核实。未经确认不执行尚未获准的采集、存储、加工或对外提供操作；已经接收的资料按适用管理程序隔离并限制访问，保留必要的接收及处置记录，不能仅加限制标签后继续使用。

可独立使用的部分须有明确授权和可分离依据，核实与受限内容分开后不会泄露相关信息，且仍满足目标业务任务的完整性与质量要求。元数据、原始字段、结论摘录、脱敏副本和派生成果分别核验，删除部分字段或去除标识不自动产生使用权。不能确认可用范围的，继续补充授权或获取符合要求的其他真实来源；来源缺口列入补采任务，不能通过缩减应交付内容代替解决。

授权核验记录关联具体来源、资料对象、内容版本、字段或区域、使用目的及有效期间，保存授权依据、核验结果和确认记录。同一来源适用多项授权或限制时逐项登记，并明确各项条件的适用对象；不同用途分别检查，不以整批同一许可标签覆盖差异。

授权到期、撤回、范围调整或条件变更时，记录生效时间及适用依据，识别相关原始资料、派生样本、任务和已发布版本，按实际条件调整访问与使用范围，并跟踪整改结果。采集批次可根据管理需要分组，但对象级授权记录持续保留；历史资料和既有成果如何处理依据具体授权条件核实，不机械按采集时间切批后认定问题已解决。对尚未明确的影响范围保持受控状态，完成核验后更新记录并复查执行结果。

1.8 数据源登记

采集前建立数据源主记录，并按实际对象、接口、目录、授权范围及配置版本登记明细。来源登记关联原系统或文件提供方、责任主体、取数范围、授权凭证、采集配置和变更记录，形成可核查的来源证据链。登记记录与原始文件、接口响应、业务标识及交接记录相互关联，不以登记表填写完整替代真实性和授权核验。

新增或变化的数据来源先完成登记及必要核验，再纳入获准采集任务。尚未登记或来源不明的资料不直接进入正式加工批次；对已收到的文件按适用程序受控隔离，记录接收情况并补充来源和授权核实，核实通过后方可进入相应流程。

对业务部门临时补交、重新导出或通过其他通道提供的资料，登记提交主体、接收时间、文件清单、原始系统及业务范围，核实其与既有来源登记和授权记录的关系。文件名称、内容可读或提供人员属于企业内部，不作为来源和使用权限已确认的依据。已有登记未覆盖新增对象、字段、时段或用途的，先补充相应登记与核验。

资料进入加工批次后，保留原始文件或记录标识、采集任务、处理规则及派生样本的关系。发现来源缺失、授权超范围或关联错误时，及时识别同来源及其派生成果，暂停未获准用途，核实影响范围并执行整改。更正后的来源关系、处置结果和重新核验记录随版本保存，确保已加工样本能够回溯至实际原始资料。

数据源登记内容覆盖来源身份、责任主体、业务归属、采集对象、技术接入、授权条件、分类分级、脱敏规则及运行状态。登记项关联实际凭证和配置，不适用事项明确记录原因，尚待核实事项保留待核实状态，不用默认值填充缺失证据。

授权依据登记文件或记录标识、提供主体、允许用途、对象范围及生效条件，按实际条款记录终止日期、终止事件或其他有效性限制。未约定终止日期的如实登记，不能填造期限，也不直接推定为永久授权。对有期限或条件变化风险的授权设置复核安排，在到期、范围变更、对象新增或用途改变时重新核验；确认不再有效的授权及时停止相应操作，并检查已采集及派生成果的处置要求。

1.9 许可核验

每次采集任务执行前，将实际配置的来源、对象、字段、行级范围、时间范围、接入方式及用途与有效授权逐项核对，保存任务配置版本、授权依据和核验结果。接口查询、导出模板或脚本修改涉及新增对象、字段、关联查询或用途时，先评估授权是否覆盖变化，未覆盖部分完成补充核验后再执行。

跨表关联或文件附件中包含其他主体资料的，核验关联结果及附件本身的使用范围，不能由主表或正文授权自动推定全部关联内容获准。采集完成后检查实际落地内容与已核验任务范围是否一致，发现超范围、错误路由或权限条件变化时，及时限制相关数据使用并处理受影响批次及派生记录，保留整改和复核结果。

许可核验采用共性检查与来源专项检查结合的方式。共性检查覆盖资料来源及权利主体、有效授权、拟处理目的、对象与字段范围、允许接收方、保存期限或条件、商业用途限制和交付要求，保留实际依据及核验结论。授权内容不清或与任务范围不一致的，先核实差异并补充必要条件，不扩大解释。

内部业务系统核查实际查询和关联范围；内部文档核查正文、附件、版本及可用于训练或交付的条件；含个人信息的数据同时检查处理必要性、授权条件、直接及间接识别风险、脱敏效果和后续使用限制；行业标准、学术文献和公开数据集核查具体内容版本及许可条款；厂商资料核查提供方的授权范围及其中第三方内容的限制。查阅许可、获取许可、训练许可与对外交付许可分别核实，不因已经脱敏或来自内部系统而省略其他检查。

不通过项按原因分别安排授权补充、范围更正、脱敏整改、来源核实或替代数据采集，明确责任和复核条件。完成单项整改后重新检查任务所需全部条件，未解决的受限内容不得进入对应加工或交付用途，不能仅因一次规则处理完成就判定整体可用。

逐批保存许可核验记录，包含来源及对象标识、任务与配置版本、核验用途、适用授权依据、检查范围、结果、异常项、处置及复核记录。核验结论关联实际授权文件、来源证明和采集交接资料，保证记录与真实数据及派生成果能够对应。

项目检查和质量评测所需材料按授权范围提供，核验台账、原始依据及问题处置记录相互一致；敏感凭证采用受控查阅或经确认的处理方式，不因提供证明而扩大资料访问范围。实际来源和使用条件发生变化时同步更新记录并检查相关成果，不用历史通过结论替代当前有效性核验。

许可核验结论与来源、数据对象、内容版本、采集任务及实际使用目的关联保存，注明核验日期、依据、有效条件和未解决事项。每次新增用途、变更范围或交付版本时复核相关结论，发现依据失效或条件不再满足时及时限制对应使用并处理受影响成果。历史记录保留原结论和变更过程，不以更新后的状态覆盖既有核验记录。

1.10 入口脱敏

在采集环节实施入口脱敏，对涉及个人信息、敏感地理信息、重要行业数据和企业秘密的数据，依据已确认的分类分级、授权用途及处理规则完成去标识化或脱敏。普通加工区、共享数据区及后续训练流程仅接收通过相应检查的数据，未完成必要处理的资料不得绕过入口直接进入正式加工批次。

优先在授权的源侧接口、导出步骤或受控采集处理环节完成敏感内容识别和处理。确需在处理过程中接触原始敏感数据的，仅限获准人员及任务，在隔离并受控的处理环境中按最小必要范围操作，明确临时文件、缓存、日志、备份和中间结果的保存与清理规则，不将原始敏感内容输出到普通运行日志或通用共享目录。必要原始证据的留存范围、期限和访问权限另行核验并按批准策略执行。

处理完成后校验文件及记录的完整性、脱敏效果和业务可用性，保存规则版本、任务、处理范围、检查结果及异常处置记录。发现遗漏、错误替换或任务绕过时，限制受影响数据的流转，排查原始及派生副本，整改并复核通过后再进入相应用途。

敏感字段按实际识别能力、业务必要性及授权用途确定处理方式，不只依据字段名称分类。姓名、证件号码、联系方式以及能够直接定位人员的工号等，按任务需要删除、替换或采取经验证的保护措施；确需保留跨记录关联时使用受控映射标识，原始身份信息与普通加工数据分开管理。岗位、班组、时间、位置等组合后可能识别个人的字段，结合实际数据分布检查组合风险，采用适当泛化、抑制或其他处理，不以归并一个层级就认定风险消除。

客户、供应商等业务标识的处理兼顾授权限制和任务所需关联。在明确的项目、用途及数据版本范围内保持必要的一致映射，区分不同来源的同值编码，记录映射范围及版本，防止错误合并对象。不要求假名保留原编号的大小顺序，也不默认允许跨用途关联；需要可逆映射的，仅在获准条件下受控保存映射关系和访问记录，普通样本使用者不能通过样本获得原始标识。

处理后同时检查敏感信息残留、对象关联准确性及业务可用性。用于统计或模型任务的字段经过泛化、区间化等变换时，记录变换规则及对精度、分布和结果解释的影响，不将变换后的值作为原始真实测量或交易值。

对工单备注、维修记录、报告正文及其他自由文本，结合格式规则、词典、上下文识别和适用模型检测人名、联系方式、证件号码、人员编号、地址及其他受限内容。核对文本中的别名、错写、分隔符变化和跨字段组合，检查附件、表格、页眉页脚、OCR 结果及文件元数据等可能保留敏感内容的位置。识别和处理任务在获准环境中执行，未经许可不将原始文本提交外部服务。

按数据类型、来源、识别规则和风险分层安排复核，重点核查规则未覆盖、识别冲突、异常格式及高风险对象，同时检查误删是否破坏故障描述、技术参数和业务关联。发现残留后追查相同来源、规则及处理配置影响的全部相关数据，修正规则并重处理，执行全量适用检测及必要人工核验。高风险缺陷完成整改并有复核证据后方可放行，不以抽检未发现问题替代高风险清零要求。

脱敏规则与字段、资料类型、授权用途及处理配置同步版本化，记录适用范围、变更依据和验证结果。每批对全部处理数据执行适用的自动检测，核查必处理字段、敏感模式、文件及附件范围、任务执行完整性和异常结果；人工复核根据数据来源、敏感程度、规则变化、识别风险及总体分布确定分层方式和样本量，保留选取依据和复核明细，不以固定比例覆盖所有场景。规定须全量检查的项目按全量执行，不能用 5% 抽检替代。

发现敏感信息残留、映射错误或系统性漏处理时，立即限制受影响批次及派生成果的使用，分析同来源、同规则和同配置的全部影响范围，修正规则并重处理，复查残留和业务可用性。需要整批重新处理的不得仅修补抽中的条目；高风险缺陷 100% 清零并有整改复核证据后方可放行。发布和交付前再次核对安全状态与实际数据版本，不能沿用整改前的通过结论。

必要的假名映射和密钥按职责分离及最小权限管理，映射信息与普通数据集分开保存，访问、查询、导出和变更均保留审计记录。明确映射版本、授权用途、保存期限及密钥更换后的关联处理办法，检查备份、恢复和注销等环节的控制效果；未经授权不向普通加工或交付使用者提供恢复原始身份所需的信息。

1.11 格式合规校验

采集数据进入预处理前，执行文件解析、字符编码、记录结构、字段类型、必填项、标识唯一性、关联关系、时间格式、单位与值域检查。校验结果关联数据源、采集批次、文件或记录标识、校验规则版本和执行时间；文件级失败记录定位到文件，字段级失败记录定位到记录与字段。保留接收原件和原始字段值，转换结果独立存储，建立原值、转换规则和结果之间的对应关系。

发现工单起止时间倒置等业务逻辑异常时，核对源系统记录、字段映射、时间精度、时区依据、记录版本和补录情况，由数据加工人员与对应业务人员共同确认原因。存在有效业务例外的，记录证据和适用条件；无法确认的，隔离相关记录并暂停依赖该记录的关联、统计和样本生成。时间字段的时区可由字段值或经核实的数据源配置确定；缺少可靠依据时，保留原始时间表示并登记待核实事项，不擅自按服务器本地时区补齐。异常修复及复核通过后，重新执行受影响的校验和关联处理。

校验任务按文件、记录、字段和取值之间的依赖关系执行。文件接收后先核对传输完整性、格式标识、压缩或加密状态及解析器适配情况；可解析文件继续检查记录边界、字段结构和数据类型，再执行关联、时间、数值、单位、枚举及模态质量检查。每个校验项分别记录通过、不通过、不适用或因前置失败未执行的状态；不适用项必须具备明确的对象类型和适用条件，未执行项不得计为通过。

异常处理根据原因和影响范围确定。传输不完整的重新传输，解析配置错误的修正配置并重新运行，格式损坏或源导出内容缺失的回源核实后重新导出。涉及关键标识、授权、脱敏、时间关联或业务含义的不确定记录暂停用于下游生产；对同批次其他记录，核实其未受同一故障影响并完成全部适用检查后，按独立子批次记录处理结果。任何位置发现的异常均需形成问题记录、修复证据和复核结论，不以检查顺序作为放行依据。

采集前建立适用于各数据对象的格式校验规则，记录检查字段、规则表达式、适用条件、问题等级、处理方式和复核要求。必填字段根据对象定义及后续使用要求逐项确定，分别识别实际缺失、合法空值、条件不适用、解析失败和源记录不存在等情形，保留原始状态，禁止用占位文本或虚构数值补齐。对来源、授权、对象身份和必要业务关联等影响可用性的关键字段，存在未核实缺失时，相关数据不得进入依赖该字段的生产任务。

乱码、缺失及关联失败分别按文件、记录和字段统计，保存检查总量、失败数量、适用对象范围和去重方式，使统计结果能够复算。比例统计用于定位问题分布，不能代替对异常记录的处理。历史扫描件通过原件核对、图像处理、人工校读及来源补充等措施修复；无法可靠辨认的内容保留不确定标记并隔离相应加工结果，不按推测生成正文、数值或关联关系。

规则在投入执行前完成验证并形成受控版本，质量目标不因首批样本情况、资料年代或生产进度而降低。发现异常即开展定位和处置；调整规则时记录变更依据、影响范围和验证结果，对受影响数据重新检查，并保留旧版执行结果与新版复核结果。

校验不通过的数据进入受控隔离区，问题记录载明来源、批次、对象标识、失败规则、异常位置、影响范围、责任岗位和处理状态。隔离数据限制访问和流转，禁止直接用于训练、评测或成果交付。需要源侧修复的，回传问题定位信息并核对重新提供的数据；能够在加工侧修复的，依据可核验原件、字段定义或已确认的转换规则生成修正版，记录修复前后值、证据、操作人、时间和工具版本，不覆盖接收原件。

人工修正由具备相应权限的人员执行，并由独立复核人员核验依据及结果；不得凭经验补造业务事实。修复完成后重新执行失败项及受影响的关联检查，确认通过后解除对应隔离状态。对已生成的下游结果记录影响范围，按需撤回、重算或重新生成。原件、隔离副本和处置记录分别按授权期限、保密要求及项目档案管理规定保存；到期处置履行审批和核验，保留处置记录，不因批次关闭自动删除全部追溯依据。

1.12 原始数据批次与采集记录

分别按供需计划、产品工艺设计、制造过程和产品质量业务域组织原始数据批次，并同步形成采集记录。每个批次设置唯一标识，关联数据源登记记录、采集任务、实际采集范围、时间范围、原始文件或记录清单、授权凭据及入口检查结果。对同一业务对象涉及多个源系统、文件或采集时点的情形，分别保存来源及版本，通过经核实的对象关系建立关联。

批次进入预处理时，同时移交数据清单、采集记录和异常处置记录。拆分、合并、重采和重新处理均生成可追溯的关联记录，使后续文件、记录、片段及样本能够反查原始来源。采集数量、文件数量、存储数据量、有效记录数量及后续各类数据集规模分别统计，不以批次数量替代样本条数或 Token 规模。质检按规定覆盖全部适用数据和指标，批次作为组织检查与追溯的管理单位，不改变全量检查要求。

授权记录关联可核验的许可文件及有效版本，明确数据范围、使用目的、允许操作、使用主体、期限和限制条件。脱敏记录关联实际执行的规则、处理对象、运行结果、复核证据及问题处置结论。格式校验记录保存适用规则、检查总量、失败对象、未执行项目、隔离数据和复核结果；授权、脱敏及格式校验分别形成结论，不以单一通过率替代综合判断。

每次采集与处理均保存当次执行记录，原始结论不得被后续结果覆盖。授权到期或变更、脱敏规则更新、发现新增风险或历史处理缺陷时，定位受影响数据及其派生结果，核验当前使用条件并执行必要的重新检查、限制使用、修复或撤回。复核记录关联原执行版本、变更原因、影响范围和新结论，同时保留历史过程与当前有效状态。数据再次用于加工、训练、评测或发布前，检查其当前授权和质量状态。

数据集加工生产平台记录采集批次的受理、挂起、形成、移交预处理、采集任务关闭和作废状态。接收数据时建立受理记录与唯一标识；授权、脱敏、格式或必要关联存在未解决问题的，进入挂起状态并记录隔离对象和解除条件。入口检查通过、清单及采集记录完整后，形成可移交的原始数据批次；预处理任务确认接收后，记录移交时间、接收清单和任务标识。

采集任务关闭须完成数量核对、问题处置或有明确后续责任的受控移交、记录归档及交接确认。采集任务关闭仅表示本次采集作业已结清，不代表后续加工、质量测评或数据集验收完成。因撤销、重复任务或来源失效而作废的，记录原因、授权审批及下游影响，停止相关任务继续使用；数据和记录的保存或删除按批准的处置要求执行。已移交数据发现问题时，根据影响范围暂停或撤回下游任务，修复后生成新版本并重新履行检查和交接。

每次状态变化保存原状态、新状态、原因、操作者、审批记录、时间和关联证据。平台支持按批次、来源、问题和下游任务查询与导出，保留完整历史，不以当前状态覆盖既往处置过程。

1.13 数据采集质量检查

采集任务启动前完成数据源登记、许可核验及接入条件检查，确认来源、范围、用途、期限和允许的采集方式。数据接收时即建立任务、批次和对象标识，记录提供方、接收时间、清单、原始位置及检查状态；异常接收数据同样保留可追溯记录，并按权限限制存储和处理。授权缺失、过期或不涵盖拟定用途的，不启动相应采集；对已接收后发现授权问题的数据，立即暂停使用，核查影响对象和派生结果，按核实结论执行补充核验、限制、撤回或处置。

数据源登记、许可核验、入口脱敏和格式合规校验在采集环节完成。检查结果逐项关联证据，未通过的数据保持受控隔离，不直接进入后续生产。对象关联、业务时点、重复采集和清点一致性同步检查，分别形成明确结论；任一问题影响授权、安全、对象身份或内容可信度时，暂停相关数据及依赖任务，修复并复核通过后恢复处理。

对采集数据执行全量自动化脱敏检查，覆盖直接标识、组合识别信息、敏感字段、文档正文、图像文字及其他适用载体；按数据敏感程度、识别难度、规则变更和历史问题确定人工复核对象与方法。自动检查不能可靠识别的内容、存在冲突的结果和高风险问题进入专项人工核查，记录定位信息、判断依据和处理结果。人工抽样仅作为补充验证，不以固定抽样比例认定整个批次不存在泄露。

发现敏感信息残留时，隔离受影响数据及其派生结果，定位规则遗漏或执行缺陷，修正规则并对受影响范围重新处理和检查。高风险问题实现 100% 清除，中低风险问题完成 100% 整改；未达到相应要求的，不予放行。复核证据与处理对象、规则版本、执行任务及复核人员关联保存。

格式合规检查使用经验证的受控规则，按照对象适用条件逐项执行，分别记录全部检查对象、失败对象、未执行项目和原因。资料来源、年代和模态差异通过解析适配、原件核验、人工校读及数据修复处理，不降低质量目标，不采用按批次逐步提高门槛的方式替代达标。新发现的异常立即处置，规则变更后对受影响对象重新检查。

时序、图像和视频数据按实际业务关系关联设备、产品、工单、工序、炉次及相应时间区间。关联记录保存源标识、目标对象及版本、匹配依据、适用时间、处理方法和复核证据，区分已确认、待核实、冲突和不适用状态。按业务域、对象类型和批次分别统计应关联数量、已确认数量、待核实数量及冲突数量；多对多关联分别保存关系，不通过重复计数提高关联完成比例。

关联失败时核查标识映射、业务记录、采集时间、设备时钟和版本范围，依据可靠资料补充或修复。未确认关系的数据隔离于需要该关系的工序归因、缺陷定位和样本构建任务；存在其他合法且适用用途的，独立审核并明确记录使用限制。关联不足影响约定的业务覆盖或数据规模时，通过源侧补充、重新采集和关系修复满足要求，不能仅修改数据卡用途即视作完成。人工确认关系须保留可核验证据，不以经验推测替代真实关联。

1.14 数据采集成果与交付

数据采集形成按业务域组织的原始数据批次及配套记录。交付内容包括数据文件或记录、采集记录、数据源登记、许可核验及授权凭据、脱敏规则与执行复核记录、格式校验规则与结果、问题处置清单、对象关联记录和接收清点资料。每项成果标明唯一编号、适用范围、版本、形成时间、责任人员、存储位置及访问权限，并与对应批次和对象建立关联。

交付前核对数据清单、数量、校验值、文件可读性、记录完整性和引用关系，明确已通过检查的数据、受控隔离数据及未结事项。移交预处理的副本须满足授权、脱敏和格式要求；未经脱敏的受控原件不随普通加工包分发。接收人员根据清单核验并记录接收结果，对缺失、损坏、权限不符或关系不明的资料登记问题，补齐并复核后完成相应交接。

采集资料随对应数据版本同步维护并纳入项目成果档案。数据集发布时，数据卡中的来源、采集方式、形成时间、模态构成、许可条件和处理过程引用已核验的采集资料，确保登记内容能够追溯至具体证据。资料缺失、引用失效或结论不一致时，先完成补充核验及修正，再履行发布审批。

质量测评需要查验采集证据时，按授权提供可定位、可复核的资料及相应数据范围，保留资料提供和查验记录；涉及敏感内容的，采用受控访问或经审核的脱敏副本。项目交付提供采集记录结构、规则版本、运行和复核记录、查询导出方法及维护说明，保证后续增量采集能够沿用受控流程，并按实际变化更新来源、许可和质量记录。新增数据重新履行采集检查，不沿用历史批次的通过结论代替本次核验。

数据源登记资料按项目确定的职责和权限移交至指定接收人员，并与数据治理目录保持关联。登记内容包括系统和业务对象、接口方式、字段范围、增量机制、时间含义、调用限制、维护责任及验证记录。接口依赖、时间异常和增量能力等事项以实际检查结果填写，未核实事项单独标识并记录核实责任、所需证据和处理状态。

交接双方核对资料版本、数据范围、访问权限及未结事项，形成交接记录。后续源系统接口、字段、字典、权限或时间配置发生变化时，更新对应登记版本，通知受影响的采集和治理任务，完成适配验证后恢复或继续运行。敏感配置和访问凭据通过受控机制管理，不写入普通交付清单或公开资料。

数据源登记记录使用唯一资源标识关联数据资源目录，保存系统、业务对象、数据范围、责任人员和版本信息。新增或变更来源时，先核验登记内容及接口范围，再更新相应目录条目，记录变更原因、执行人员和生效时间。批次采集记录引用当次有效的资源版本，目录更新不覆盖历史批次的来源依据。

入口格式校验规则纳入数据质量规则管理，分别保存规则标识、版本、适用对象、表达式、执行参数、验证结果和生效状态。采集任务引用明确的规则版本并记录运行结果；规则修改完成验证后发布，定位受影响的历史批次及下游任务，按变更影响重新检查或处理，保留前后结果。

脱敏规则关联数据分类分级、授权范围、使用目的和安全控制要求。分类分级或使用条件变化时，开展影响评估，确定需要调整的规则、访问限制及受影响对象；规则变更经验证后实施，对相关数据及派生结果重新核查。移交现行规则、历史版本、验证资料及运行复核记录，确保目录、规则、任务和具体数据之间可双向追溯。

1.15 数据采集对账

每次采集任务执行后，核对源侧导出或接口返回记录、传输任务记录和实际接收清单。对账使用同一任务标识关联采集范围、业务时间、增量位置、文件或记录标识、数量、校验值及执行状态。确认接收完整且入口检查通过后，形成相应交接结论；存在差异时登记具体对象和原因，完成重传、补采或更正后重新核对，不以任务显示发送成功代替实际接收确认。

对账覆盖数量、对象清单、业务时间范围、增量位置、字段结构、接口版本和内容完整性。增量采集核对前后任务的起止位置、检查点及实际返回记录，区分无新增数据、任务未执行、接口返回不完整和传输中断；无记录时核验源侧状态，不仅凭时间窗口连续即判定完整。

字段及格式对账比较本次返回结构与适用版本，检查字段增删、类型、长度、单位、枚举及可空条件变化。数量相同仍需核对对象标识和关键内容，防止重复记录抵消遗漏。发现差异后关联源侧与接收侧证据，定位到具体任务、文件或记录，确定补采、重传、映射修正或接口适配措施；修复后执行清点、结构及内容复核，并更新受影响批次的状态和追溯关系。

检测到未适配的接口或数据结构变化时，暂停受影响任务向生产区移交，保存最后确认的采集检查点、已接收数据、差异结构和错误记录。根据数据源的缓存、历史查询和补采能力制定恢复措施；对无法事后重取的数据，事先配置经批准的受控缓存或持续原始留存机制，避免适配期间出现不可恢复缺口。

核实变更涉及的字段、类型、单位、编码、枚举及授权范围，更新接口适配与校验规则，在隔离环境验证解析、对象关系、增量接续及下游影响。不同结构版本分别标识和处理，经映射验证后形成一致的加工结果，不无标识混入同一处理任务。恢复运行后从确认的检查点补采或重放，采用唯一标识和版本关系控制重复接收，核对暂停期间的完整性并完成复核后解除限制。

每次对账形成结构化记录，关联采集任务、批次、源侧和接收侧清单、差异对象、影响范围、证据位置及判定结果。发现不一致即登记问题并指定处理责任，涉及接口版本、授权范围、源记录或业务含义的，由对应责任人员及时联合核查；影响数据完整性、来源可信度或安全性的，立即暂停相关数据流转。

处理完成后保存重传、补采、修正或版本适配记录，重新执行对账及受影响检查，由复核人员确认结果后关闭问题。相同原因重复出现时，分析配置、调度、接口和操作流程，采取防复发措施并验证；存在未结事项的批次明确限制用途和后续责任，不以备注代替修复。

1.16 采集交接检查与异常退回

采集交接由采集实施人员提交数据及配套证据，接收人员检查数据清单、来源、授权、脱敏、格式、对象关联和问题处置结果，质量及安全人员按职责复核；涉及业务含义、历史记录或对象关系的，由对应业务责任人员协同核实。具体接收和批准人员按项目确认的职责安排执行，实施方对采集、检查和交付记录的完整性及真实性负责。

异常退回根据核实原因确定处理责任和路径。传输缺漏或链路故障由采集人员组织重传、补采并复核；授权不足由相关责任人员补充核验，未解决前停止受限使用；源记录缺失或业务含义不明的回源核实；解析、编码和映射问题在受控副本上依据有效规则修复，原件损坏或无法确认的回源补充。每次退回保存对象清单、原因、证据、责任人员和处理状态，重新提交时核对新旧版本及修复结果，再执行入口检查和交接确认。

2、数据预处理（3.2.6.3.2）

2.1 多模态数据预处理流程

对入口检查通过的数据，按文档、图纸与图像、设备时序、视频、结构化与时序文本化分别配置预处理任务。文档处理形成保留章节层级和来源页码的结构化长文本；图纸与图像处理形成图像样本及图文对照记录；设备时序处理完成多测点时间对齐、重采样、缺失补齐与异常值处理，按报警、停机、开炉、焊接作业等事件形成时序片段与事件样本对；视频处理形成保留原始时间和事件关系的片段及代表帧；结构化与时序文本化形成可回查原始表单、工单、检验数据和运行曲线的自然语言样本。

预处理结果按供需计划、产品工艺设计、制造过程和产品质量业务域保存，并按预训练、指令微调、偏好对齐和基准测试用途进行受控组织。每个结果关联原始数据、处理任务、算子版本、参数、运行记录和检查结论。基准测试数据及其派生内容与训练用途隔离，保持真实来源和独立性，不引入任何形式的合成内容。预处理检查通过形成后续加工输入，后续质量检查、测评和发布条件分别执行，不以预处理通过直接认定数据集交付合格。

任务受理时识别文件格式、模态、业务对象、所属业务域、来源版本和允许用途，将数据分配至相应处理流程。同一业务对象涉及文档、图纸、图像、时序或视频时，分别执行适用处理，并通过可核实的对象标识、版本及时间关系建立关联。结构化与时序文本化任务引用相应的源记录或经检查的处理结果，按照实际依赖顺序调度，不将全部流程无条件串行或并行运行。

处理结果保存业务域、用途、原始对象与片段位置、处理版本及父子关系。拆分、合并和重新处理均生成可追溯记录，不能仅依靠批次号推定单个样本的来源与用途。复用算子时核验其适用格式、参数、单位和业务条件，对不适用对象设置明确的分支或异常处理，禁止以同一配置覆盖未经验证的数据类型。

视频处理先核对文件完整性、容器及编码、轨道信息、帧时间戳和时基，记录可变帧率、丢帧、重复帧、解码失败及时间不连续情况。保留原始文件及其版本，建立视频时间与业务事件时间的可核验映射；缺少可靠时间或对象依据的片段登记为待核实，不直接关联至具体工单或事件。

结合报警、启停和作业记录确定事件区间，在保留必要前后背景的条件下生成片段索引或处理副本，记录原始文件、轨道、起止时间、帧位置及分段规则版本。提取能够表达事件过程的代表帧，保存帧与片段、原视频及关联时序记录的对应关系。检查分段完整性、事件边界、画面质量和跨模态时间一致性；不以抽帧结果替代完整视频，也不将插值生成帧作为真实采集帧。预处理结果按业务域和允许用途保存，异常对象经核实修复并复核后再进入后续加工。

图 3　多模态数据预处理与异常处置流程

预处理任务按实际依赖组织解析、转换、切分、关联和检查操作，配置输入范围、输出结构、适用条件、运行参数及异常处理方式。每项操作登记唯一标识、程序或模型版本、依赖环境和规则版本，执行时核验前置条件并保存输入输出及运行记录。存在条件分支的，记录分支判断及实际执行路径；存在多源输入的，核对各输入的版本、对象范围和授权条件，条件未满足时暂停相关任务。

重新处理使用明确的输入版本和受控配置，保存运行环境、参数及适用的随机条件，并按对应质量规则核对结果。确定性操作检查应一致的内容；涉及随机或模型推理的操作按规定的质量指标和业务事实复核，重算结果的一致性以相应质量指标与业务事实判定。

任务失败后，先确认故障原因、输入版本、已有输出及受影响依赖。网络波动或服务暂时不可用等可恢复故障，按已配置的重试次数、间隔和停止条件重新执行；解析器超时同时检查文件规模、资源、配置和程序状态，未确认可恢复前不重复提交同一故障任务。恢复执行前核对是否已形成部分结果，防止重复写入或重复计量。

内容、结构或业务关系异常的对象进入隔离处理，保留原件、失败位置和处理记录。检查同源文件、同一模板、同一规则及关联对象是否受到影响，确认影响范围后分别处置；共享依赖或批次完整性受损时暂停相关批次，局部问题在证明其他对象独立且合格后按受控子批次继续处理。修复后重新执行失败操作及受影响的下游检查，完整记录未完成、受限和已通过对象，不能通过跳过异常对象使原批次显示全部合格。

2.2 文档数据预处理

对合同、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、故障案例和质量报告等资料开展文档预处理。接收时核验文件版本、页数、目录、附件及授权用途，保留原始文件和对应采集记录；根据原生文本、扫描图像及混合页面的实际结构选择解析方式。

完成版面解析、章节结构还原、表格与公式重建、正文切分和去重去噪，形成保留章节层级、来源页码、区域位置及原始对照的结构化长文本。对文档中的表格、图像、印章、签名和批注分别保留对象及关联关系，确保正文、附表、图注和结论之间能够回查。识别不清、结构冲突或原件缺失的内容记录异常并核实修复，不凭推测补全业务事实。经检查的结果按业务域和允许用途保存，供预训练及检索增强样本构建使用，其他用途依相应授权和质量要求执行。

2.2.1 文档版式识别与解析

解析前检查文件格式、文本层可提取性、字符映射、页面图像、图形对象、页数及加密状态，按页和区域确定处理路径。对可用文本层提取文字、样式和位置，对扫描或文本层损坏区域采用图像处理及文字识别；同一页面同时存在可用文本和扫描内容时分别处理，合并时保留来源区域，避免遗漏或重复识别。

原生电子文档、扫描文档和混合文档按其内容载体识别；表单和图纸按页面内容特征进一步分类，两类属性可同时存在。文本数量、内容密度和模型置信度用于发现异常，不单独作为页面真实性、完整性或解析正确性的判定依据。处理路径及切换原因关联到具体文件、页码和区域。

完成版式识别后，按文件、页面和内容区域执行版面抽取及文字识别。任务记录关联原始文件版本、物理页序、页面尺寸、区域位置、处理路径及工具配置，保留原页图和处理副本。解析结果同时保存文本、表格、图形、批注及其关系，对内容遗漏、错序、识别差异和不可辨读区域形成问题记录。

处理过程按实际内容选择自动解析、文字识别和人工核验方式，对标题、正文、表格、公式、签章、页眉页脚及手写信息分别检查，确认结果与原始证据一致后进入章节还原和后续加工。共用规则或配置出现问题时，检查同类资料的受影响范围并重新处理，保存修复和复核记录。

接收解析任务后核对原文件、页数和页面尺寸，保存原始页图，建立物理页序与印刷页码、附件编号之间的关系。对疑似空白页、封面、分隔页及签章页检查实际内容并记录页面类型，原件及页序持续保留；经核验不含任务所需内容的页面可在特定文本输出中排除，但记录排除原因和原页位置，不直接删除原始页面。

图像预处理在副本上执行，按原件状况选择去噪、方向校正、纠偏和必要的图像增强，记录参数、工具版本及坐标变换。处理后对照原图检查小数点、正负号、上下标、细线、印章和浅色文字，发现细节损失时回退到原图并调整方法，不能以画面变干净代替内容完整性。

版面分析识别标题、正文、表格、公式、图形、图注、页眉页脚、签章和批注等区域，保存类型、坐标及包含、重叠和引用关系。跨栏标题、跨页表格、脚注和图文混排按实际阅读逻辑关联，结合段落连续性、编号、版面及上下文确定顺序；存在歧义时保留候选关系并人工核对，不强制按单栏或固定栏序合并。

可用原生文本优先按其实际结构提取；扫描或无效文本区域采用文字识别。表格恢复行列、表头和单元格关系，公式保存原始表示与结构，图形进入适用的图纸及图像处理流程并保留正文引用。印章、签名和手写内容单独识别、定位并与相关正文关联，识别不清时保留原图及待核实状态。

每个结果记录文件及页面标识、区域坐标、原始文本或图像位置、识别结果、工具或模型版本、实际参数及可用的置信提示。输出检查覆盖内容遗漏、重复识别、顺序、数字符号、表格结构和跨区域关系，关键字段与原件对照核验；置信分数、字符数和内容密度作为辅助信号，不能单独判定结果正确。异常定位到相应区域及依赖内容，修复后重新检查并保留版本。

文字抽取按区域保留结构和关联。表格内容与行列、表头、单位及合并关系共同输出，图形内文字与图元、标注或图像区域关联，正文引用与对应表格、公式、图像保持连接。对同一内容的原生文本和识别结果进行比对与去重，保留采用依据及原始位置，不能将二维关系压平成无法回查的字符串。

页眉页脚中的页码、版本、文件标识及重复版式信息分别登记；涉及实际条款、技术要求、变更或适用范围的内容经核验后纳入相应正文或结构字段。重复信息从特定正文输出中排除时保留原位置及排除规则。印章、签名与正文分别标识，并保存其对应对象和重叠区域；印章遮挡内容保持不确定状态，核实有效副本后再补充。

竖排、手写批注和更正内容采用适用识别及人工核查方法，记录原文、位置、关联段落、确认依据及有效状态。经确认有效的更正与原内容建立版本或更正关系，来源不明或无法辨认的批注保留为待核实资料，不直接写入确定性条款或训练标签。

折痕、污损、装订孔和遮挡区域单独登记质量问题，定位受影响的字符、单元格或技术要素；根据原件或其他有效副本核实，不由整页平均置信度掩盖局部错误。修复结果记录依据并重新检查相关内容的完整性和一致性。

纸质检验报告按实际页面内容识别报告名称、编号、检验对象、项目、结果、结论、签章、附注及页码等要素。报告包含多页、续表、附件、更正或复检资料时，核对各部分的文件关系、版本和检验轮次，保留物理页序及原始证据。

检验项目表按表头、项目、测量值、单位或标尺、技术要求和判定字段恢复结构，逐项核对数值及对应关系；检验结论关联适用对象、范围、依据和审核状态。签章与正文分别保存并记录对应位置，不凭印章文字自动认定报告真伪、授权范围或检验有效性。识别不清或关系冲突的内容登记核查任务，补证或人工复核后形成可用结果。

页级检查将解析结果与原始页面对照，核验全部有效内容是否被识别或明确记录为待核实对象，检查遗漏、重复、错序、错误切分及跨页关系。区域重叠根据实际版面区分签章遮挡、图文覆盖、容器包含和重复检测，保留真实关系，修正错误区域，不统一要求所有区域互不重叠。

表格检查覆盖表头、行列、合并单元格、跨页连接和数据对应，公式与图形检查关键符号、位置及引用关系。对编号、日期、金额、测量值、单位、正负号、小数点和结论等关键内容开展适用规则检查及原件核验，发现不一致时定位具体区域并复核受影响内容。

识别置信度、字符数量及内容密度用于选择核查对象和定位异常，不能单独作为合格结论。低置信但经原件核实的结果保留人工确认依据；高置信结果仍执行内容及结构检查。未经确认的关键内容及其依赖结果保持隔离，修复后重新检查并保存通过条件和复核记录。

文档解析异常处置与复核要求

部分页面进入人工复核时，核查其与目录、跨页段落、续表、附件和其他页面的依赖关系。已确认不受影响的页面可继续受控处理，文件整体记录为部分待复核；依赖未确认内容的章节、索引、知识条目和样本暂停放行，防止局部结果被误当作完整文件。

复核完成后按原文件版本和物理页序合并处理结果，分别核对印刷页码、附件编号、跨页引用和结构关系。页面缺失、重复或版本不一致时定位受影响范围，补齐或修复后重新检查；仅因印刷页码跳号不直接判定缺页，不对已核实无影响的内容进行无依据的整体回退。

合并记录保存各页处理版本、复核结论、合并时间和输出版本，确认文件清单、必要内容和跨页关系完整后再形成可发布的整体结果。此前形成的局部结果保留来源与状态，后续替换或撤回时追踪已生成的索引及样本并复核。

2.2.2 章节结构还原

章节结构还原综合核对原文标题、编号、段落样式、版面位置、目录、正文连接关系及文档可用结构信息。先识别章节标题、正文段落、列表项目、表图标题和公式编号，避免把正文中的数字序号或业务编号误判为章节层级。保留每个候选标题的原文、页码、区域位置和识别依据，结合上下文建立父子关系及阅读顺序。

编号、样式和目录一致时，按实际结构生成章节树并核对正文范围；出现冲突时，检查文字识别错误、跨页续接、目录版本、编号重启、附件独立编号及模板差异。目录、标签或样式的可靠性按具体文件核验，不采用固定的单项优先规则。无法确认的关系保存候选及冲突原因，交人工对照原件核实后再确定。

还原结果保留源标题及源编号，系统内部章节标识与原文编号分别保存，不能为了连续性改写原始编号或补造缺失章节。检查层级完整性、章节起止、父子关系、目录对应及表图引用，修复后重新验证受影响的文本切片和索引；未确认结构不作为确定性条款关系进入知识或样本。

2.2.3 表格与公式重建

表格重建是版式解析中最容易出错的一步，原因是表格的视觉结构与逻辑结构不一致。人看一张有线表，线框就是单元格边界；而扫描件的线框可能残缺、可能被折痕打断，按线框切分就会把一个单元格切成两个。无线表没有线框，只能靠文本对齐推断列边界，而工艺文档里常有跨列的说明文字，它会让列投影出现多个候选切分位置。

因此本节对每类表格都明确了失败处置，而不是只给处理方法。线框残缺的转无线表路径，是因为两条路径的失败模式不同，一条失败另一条可能成功；列数判定不唯一的进人工复核，是因为这种情形下自动选择必然有一半概率选错，而选错的表格会把整行数据错位，这类错误在后续加工中极难被发现。跨页表格不合并的条件写得很具体——表头不重复且无续表标记——因为误合并两张不相关的表，比把一张表拆成两张的后果严重得多。

公式处理上保留结构化表达而非转成图片，是为了让公式中的变量与数值可被检索与核算。材料定额、工艺参数窗口这类信息常以公式形式出现在工艺规程中，若只保留图片，这部分知识在数据集中就是不可用的。识别失败时保留原文字符串，至少使人工后续补录有据可依。

2.2.4 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。

一份管理制度或技术标准动辄数十页，整篇既喂不进模型的上下文，检索时命中一整篇也等于没有定位。切分要解决的就是「一条内容多大算一条」：切点落在句子中间，语义被腰斩；切片跨了章节，不相干的内容被并进同一条；切完不留坐标，检索到了也回不去原文核对。

这张表定的是切分的六项参数口径，六项分三组。一级与二级切分依据两项回答按什么边界切，二者是次序关系而非并列；切片长度目标区间、重叠窗口、最小切片长度三项回答切多大，分别管上限、管衔接、管下限；保留字段一项回答切完之后能不能找回原文。

怎么读：口径一栏是判据，说明一栏给出该项要防的情形。切片长度按用途分档而不设统一值——预训练子集要长切片以保留上下文，检索增强要中等切片以提高命中精度，条款级索引取条款的自然长度。读完可得的判断是：切片既不跨章节混入无关内容，也不在句子内部断开，且每一片都带层级路径、页码与位置偏移，可回原文逐字核对。

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 4.3。

2.2.5 去重与去噪

去重分三层，各层方法与参数如下。

去噪处理下表所列噪声类型。

去重与去噪都保留处置记录，被剔除的内容可按批次回查。这一条是刻意保留的：下游若发现某类内容被误剔除，可按规则批量恢复，不必重新解析。

去重与去噪的作业步骤、规则与失败去向如下。

作业步骤。一、文件级：对入库文件逐件计算内容哈希，与已入库指纹库比对，命中即登记引用关系并跳过后续处理。二、切片级预分桶：对通过文件级的切片按长度与首部特征分桶，减少两两比对的范围。三、段落级近重复判定：桶内按最小哈希计算相似度，超过门限的成对标记。四、择一保留：成对的切片按来源权威度与版本新旧择一保留，其余登记为重复并指向被保留的那一条。五、句子级套话剔除：统计全库句式频次，超过频次门限且不携带业务信息的句式按规则批量剔除。六、去噪：按噪声类型逐项处理页眉页脚、水印、修订痕迹、目录残留、噪点与倾斜、乱码片段、空白页。七、处置登记：被剔除与被判重复的内容逐条登记，记录命中规则与所属批次。

判定规则。相似度门限按文档类型分档：制度与标准类文档的条款表述高度规范，门限设得严；维修记录与故障案例的表述自由，门限设得松。择一保留的次序是先看来源权威度（受控版本优先于打印件扫描、现行版本优先于历史版本），权威度相同再看版本新旧，两者皆同则保留先入库的一条。套话剔除设白名单：含有数值、术语表内词条、条款编号或对象标识的句子不剔除，即使频次很高——「按本标准第 X 条执行」这类句式频次高但携带引用关系，剔掉之后条款引用识别就失去线索。修订痕迹按版本状态处理：定稿件的修订标记剔除，草稿件保留并标记，理由是草稿中的修订过程本身是工艺与制度演变的素材。

输入输出实例。下例按本节的分层与判定规则推演，用于说明三层去重各自命中什么、处置记录怎么填；相似度数值与批次计数在首批标定后按实测回填，不代表现场实测结果。

输入：同一份工艺规程的三个来源件，以及一批维修记录切片。

失败隔离路径。

去重去噪的全部处置记录保留在废弃层，不随批次关闭删除。下游若发现某类内容被误剔除，按规则编号批量恢复即可，不必回到原始文件重新解析。

2.2.6 文档类通道的产出字段

一份制度被切成上百条切片之后，每条单独看都只是一段文字：它出自哪份文件的哪一章哪一页、中间被删过什么、经过哪几道算子，都不在文字本身里。这张表定的是每条切片随身带哪些字段，才能脱离原件仍可核对。

十一个字段分四组。样本编号、源文件编号、文件名称与版本三项是身份，回答这条切片属于哪一批、出自哪一件的哪个版本。层级路径、来源页码、位置偏移三项是坐标，三者并列而非择一：层级路径供人按条款查，页码供翻阅原件，字符偏移供程序精确定位。正文文本、表格对象、公式对象三项是内容本体，表格与公式单列而不并入正文，是因为它们一旦被拉平成文字行，行列对应与符号结构就不可恢复。处置标记与算子指纹链两项是加工痕迹，前者记下这条切片在去重、去噪与人工复核中被怎么处置，后者使产出可按同一参数复算。

读完十一行可得的判断是：文档通道的每一条产出都能沿源文件编号与页码偏移回到原文的具体位置，沿算子指纹链回到生成它的处理过程。

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）。

2.3 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（b1404、b1405）。

2.3.1 矢量化程度判定

分路径的理由在于同为电子图纸，内里并不是一回事：有的文件保存着几何图元的坐标、图层名与文字对象，读它是取值；有的只是把图面印成了一张图片，读它只能靠算法推断轮廓与文字。两者的产出可信度相差一截，混在一条路径上处理，下游拿到一组尺寸就无从判断它是读出来的还是认出来的。

这张表就是把这道分界写成可逐项核对的条件。六项按从整体到局部排布：图元可读是前提，文件打不开则其余五项无从谈起；图层结构、尺寸标注对象、文字对象三项分别对应下游最依赖的三类信息——轮廓归类靠图层，精确尺寸靠标注对象，图面文字靠文本对象；视图投影关系与外部引用两项管的是图纸自身是否完整。

怎么读：中栏是达标条件，右栏不是一句「不合格」，而是该项不达标时改走的做法。六项的降级各不相同，多数只影响某一类字段，并不作废整张图。读完可得的判断是：同一批图纸交给谁判，路径归属都一致，且凡走降级路径的，其缺失字段与置信标记都随产出一并带到下游。

「什么程度算可进原生解析路径」需要一个明确口径，否则同一批图纸会被不同作业人员分到不同路径。判定规则如下表，按顺序逐项判定，任一项不满足即降级。

降级不等于废弃：降级路径的产出仍可用于检索与图像标注，只是不进入需要精确尺寸的样本构建。这一分级口径与下游标注环节共用。

2.3.2 原生图元解析

原生图元解析与图像识别是两条完全不同的路径，必须分开讲清。电子图纸中保存的是几何图元的精确坐标与属性，解析它是读取而不是识别，结果是确定的；扫描件只有像素，必须靠算法推断轮廓，结果带置信度。本节的五类解析对象都属前者，因此它们的抽取准确性不以识别率衡量，而以解析覆盖率衡量——即图纸中有多少图元被成功读出并归类。

五类对象中，图层信息的价值最容易被低估。按制图标准，轮廓线、中心线、剖面线、标注分别位于不同图层，图层名与线型本身就携带了语义；不读图层而只读几何，则所有线条都是等价的线段，轮廓还原要靠几何推断，准确性大幅下降。实际情况是企业的图层命名并不完全规范，存在自定义图层与混放情形，因此解析时按图层名与线型双重判据归类，两者冲突的进待确认列表，由工艺人员确认后形成本企业的图层映射表。

符号标注一类（粗糙度、坡口、倒角、形位公差、焊接符号）是备料与焊接工艺设计的直接输入。它们在图纸中既可能是块引用，也可能由线段与文字拼成；后一种情形无法按块读取，需按符号的几何特征与相对位置组合判定。这部分的实测覆盖率在预处理环节的质量报告中单列，因为它直接决定板材备料工艺智能设计场景的数据基础是否成立。

2.3.3 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。

这样做的理由在图纸自身：工程图纸不是一幅画，而是有固定版式的文件——图框右下角是标题栏，上方或侧边是明细表，中间是视图，角落是技术要求与修改记录。这几块承载的信息性质不同，混在一起抽取，标题栏里的图号会和视图里的尺寸数字一样被当成普通文字，明细表的行列结构也会丢失。

表的三列对应三个问题：切哪一块、凭什么认出、认出来之后取什么。识别依据一列可见各区认法并不相同——标题栏靠固定位置加字段标签，明细表靠表格结构加序号列，技术要求区靠文本块加关键词，视图区则是排除法，图框内除去前几块之后的几何密集区。混用三类线索是刻意的：三者各有失效的场合，单靠一类在非标准图框上会失手。

横向读一行即知该区域的认定方式与产出字段。读完五行可得的判断是：一张图纸被拆成五块互不重叠的信息，标题栏与明细表供元数据与物料对应，视图区供几何与投影关系，技术要求区与修改记录区供文本条款与版本线索，图文配对与标注都从这五块取料。

2.3.4 图文关联

建立三类对照，字段如下。

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。

图文配对是本通道中唯一产出监督关系而非产出内容的一步，配错的代价因此与别处不同：内容错了下游能看出来，配对错了下游看不出来，它只会在模型里变成一条错误的对应关系。本小节给出配对的步骤、判定规则、实例与失败去向。

作业步骤。一、取键：从图纸标题栏抽出图号、零件名称与材料牌号，从工艺卡片抬头抽出卡片号与所属图号，从图像元数据取工件号、焊道号与采集时点。二、一级匹配：按主键直接匹配——图号对图号、工件号加焊道号加时点对检验记录。三、二级交叉核对：一级匹配成功的，再用辅助字段交叉核对一次，零件名称与材料牌号两项同时对上才判高置信。四、三级兜底：一级匹配不成功的，按目录位置相邻、文件名相似度与物料清单行号三项线索给出候选，候选进人工核对队列。五、置信分级与登记：按前三步结果打高、中、低三档，逐条登记配对判定依据。六、反向校验：抽取已配对条目，从卡片号反查图号，核对是否回到同一条。

判定规则。一对一是常态但不是前提：一张图可能对应多个版本的工艺卡，一张卡也可能覆盖同族的几个图号。配对表按多对多登记，不强行压成一对一。主键对上而辅助字段对不上的，不判高置信而判中置信并进核对队列——图号相同而零件名称不同，多半是图号被重复使用或标题栏抽取出错，两种情形都不能直接采信。置信标记为低的配对不进入监督样本，只作为检索候选，这一口径与 2.3.1 的矢量化分级口径并列，都是「降级不废弃」。图像与检验记录的配对另有一条时间规则：采集时点须落在该焊道的焊接时间窗内或检验时点的约定邻域内，落在区间外的即使工件号焊道号都对也不配对，因为那多半是另一次返修或复检的图像。

输入输出实例。下例按本节定义的三级匹配与置信分级规则推演，用于说明配对表怎么填、三档分别对应什么情形；条数与比例在首批标定后按实测回填，不代表现场实测结果。

输入：四组待配对对象。

输出的配对登记条目字段为：图号、卡片号、物料清单行号、零件名称、材料牌号、配对判定依据（自动匹配／人工确认／待核对）、置信标记、核对岗位与时间、反向校验结论。

失败隔离路径。

配对率按批次统计并公示。首批以试点产品型号的图纸与卡片标定基线，后续批次逐步接近每一张有卡片的图纸都带高置信配对的状态；连续两个批次高置信占比低于下限，暂停该来源的自动配对，转全量人工核对并排查标题栏抽取算子。

2.3.5 图像样本的规范化

规范化要在两个相反的要求间取平衡：下游标注与训练需要样本格式一致，而工业图像的判读价值恰恰藏在原始细节里。常规图像预处理习惯做自动增强与压缩，放在熔池图像上会出问题——亮度一经自动调整，熔池形态与温度线索就被改写了。这张表回答的是：哪些可以统一，哪些必须原样留着。

六个处理项分两类。格式统一、分辨率、区域切分三项为统一服务，各带一个保底条款：原始文件保留、不达下限的只标记为仅存档不删除、切分按采集点位固定取景框而非画面内容。色彩与曝光一项为保真服务，不做自动增强。元数据与脱敏两项解决另一问题——一张图像脱离采集时点、相机位号、工件号与焊道号，就无法与参数和检验结论对上，画面里出现的人员与铭牌则须按入口规则处理。

横向读一行即知该项的处理口径与例外。读完六行可得的判断是：规范化只动承载形式，不动可判读内容；凡可能改变判读结论的操作一律取「保留原始、另行标记」，与矢量化分级的「降级不废弃」同理。

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（b1406）。

2.4 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（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）。

2.4.1 时间基准与多测点对齐

时间对齐是制造过程数据加工里最不显眼也最容易塌方的一步。它不显眼，因为对齐做对了看不出来；它容易塌方，因为一旦错位，后续所有基于时序的分析都会得出看似合理却完全错误的结论——焊接电流的峰值被对到了上一道工序的时间窗里，模型学到的就是一个凭空的关联。

本节把对齐拆成五个处理项，核心是先解决基准、再解决相位、最后用事件锚点做二次校正。源系统时钟偏差先按源登记并补偿，这是基准层；各测点按主测点时标做最近邻或插值对齐，这是相位层；在此之上再以开炉、起弧这类物理事件为锚点校正一次，因为前两层只能消除系统性偏差，消除不了设备启停的记录延迟。三层做完仍有残差超门限的，整段标记而不是强行使用。

失败处置一列全部指向「标记」而不是「丢弃」。时基不确定的数据仍有价值——它可以用于不依赖精确时序的任务（如工况分布统计），只是不能用于需要时序因果的任务（如参数到缺陷的归因）。把它标记出来而不是删掉，使数据集的可用范围由使用方按任务判断，而不是在加工阶段替使用方作决定。这一原则贯穿本节各环节：不可用的信息要被标出，不要被抹去。

2.4.2 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。

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。

作业步骤。一、取物理量类别：按测点配置查出该测点的物理量类别，据此选定重采样方法，类别缺失的按本体能耗与工况类目的属性回查。二、定窗：按统一步长划分重采样窗，窗边界对齐到整步长时刻，不按数据起点随机对齐，否则不同测点的窗边界错开，后续横向比较仍对不上。三、窗内聚合：按方法表计算窗内值，同时计算附加字段（极值、均方根、变化率、翻转次数）。四、有效性判定：统计窗内有效点数，低于下限的窗不产出聚合值，标记为有效点不足。五、双份落地：焊接侧与热处理侧在统一步长版本之外另落原始密度版本，两份互相指向。六、登记：写入算子指纹，含统一步长取值、方法表版本与各测点的方法选择结果。

聚合规则。连续量取窗内均值，电气量另取均方根——焊接电流的有效值与算术均值在波形不对称时差别明显，而缺陷相关的是有效值。状态类取窗内众数而非首值或末值，并把翻转次数作为附加字段保留，因为一个窗内状态翻转三次与稳定不变，众数可能相同而工况完全不同。累计量取窗内差分，计数器回绕按量程上限修正，修正动作逐次登记。事件类不重采样，原样保留带时标——事件一旦被归并到窗里，它的发生时刻精度就降到了步长量级，而事件锚定切窗正是靠这个时刻定边界的。有设定值的参数，实际值与设定值分列重采样，不先作差再重采样，理由是差值的重采样会把符号相反的偏离互相抵消。

输入输出实例。下例按本节的方法表与窗口规则推演，用于说明同一个窗内不同物理量各自产出什么字段；数值在首批标定后按实测回填，不代表现场实测结果。

输入：一个统一步长窗内的五类测点原始采样。

同一窗的输出另带三项公共字段：窗起止时刻、窗内有效点数与总点数、本窗所用算子指纹。焊接侧的原始密度版本与本窗在血缘中互相指向，指向关系写入对照关系表。

失败隔离路径。

2.4.3 缺失补齐

补齐与否的边界由下游用途决定，因此预处理只做两件事：按规则补短缺口，并把所有补齐动作标记清楚。插值值在样本中可被下游按需过滤。

作业步骤。一、缺口识别：按测点逐段扫描时标序列，识别缺口位置与长度；多测点同时缺失且时长相近的先判为采集中断，不按单测点缺失处理。二、缺口定级：按单点、短缺口、长缺口、整测点缺失、采集中断五档定级，分级门限按物理量类别分档写入算子参数。三、方法选择：连续量用线性插值，状态类用前向填充，累计量不插值只标记——累计量插值会凭空造出一段并不存在的用量。四、执行与标记：按方法补齐，逐点写入插值标记、缺口长度与所用方法。五、比例统计：按测点统计插值点占比与缺失段占比，写入批次质量字段。六、超限处置：占比超出批次计划约定上限的测点，整段不补并标记，交质检岗判定该测点在本批次的可用范围。

补齐规则。补短不补长，是本节最硬的一条：缺口越长，插值出来的值与实际偏离越远，而下游无从知道这一段是造出来的还是测出来的。因此长缺口一律不补，整段标记缺失。状态类即使是单点缺失也不用插值而用前向填充，因为状态是离散的，两个状态之间的线性中间值没有物理含义。跨工况分段边界不插值：边界两侧属于不同工况，用一侧的值去补另一侧会把工况切换抹平。事件类不补，事件没有发生就是没有发生。采集中断判定成立的整窗不补，并回提采集接入环节核对链路告警与重试记录，与 1.15 的对账口径一致。

输入输出实例。下例按本节的定级与方法规则推演，用于说明五档缺口各自怎么处置、标记字段怎么填；缺口长度门限在首批标定后按实测回填，不代表现场实测结果。

输入：一个事件窗内五处缺口。

输出另带三项统计字段随批次保存：本测点插值点占比、缺失段总时长占窗长比例、采集中断窗数。

失败隔离路径。

2.4.4 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。

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。这是本方案的刻意选择：预处理不替下游做取舍，只提供标记。异常点占比按测点统计，占比异常升高时触发传感器可信度核查，核查结论回写测点配置。

作业步骤。一、取判据参数：从测点配置取量程上下限与可行变化率，配置缺失的取本体能耗与工况类目的正常区间字段，两者皆缺的只做变化率判定并标记。二、量程判定：逐点与物理可行区间比对，越界即标记并记录越界幅度。三、变化率判定：计算相邻点变化率，超出该物理量可行变化率上限的标记。四、同工况离群判定：在已有工况分段的前提下，与同设备同工况的历史分布比对，离群点标记并记录所用判定方法与门限。五、命中登记：每个被标记的点记录命中了哪一道判据，三道都命中的记三条，不合并。六、占比统计与回查：按测点统计异常点占比，占比异常升高时触发传感器可信度核查，核查结论回写测点配置并回流本体。

判定规则。三道判据顺序执行而非择一：量程判据抓的是明显不可能的值，变化率判据抓的是物理上来不及的跳变，离群判据抓的是看起来正常但与同工况历史不符的值，三者抓的是不同的东西。标记不删除是本节的原则——被判为异常的点中，一部分确实是测量故障，另一部分恰恰是真实发生的工艺异常，而区分这两者需要结合工单与检验结论，那是标注与质检环节的工作，不是预处理能定的。首批次之前没有本企业的同工况分布，离群判据暂不启用，先以试点设备标定分布后再按批次开启；未启用期间的批次在质量标记中注明离群判据未参与，使下游知道这批数据的异常标记只覆盖前两道。

输入输出实例。下例按本节的三道判据与标记规则推演，用于说明同一段数据里不同成因的异常各自命中什么、下游如何区别对待；门限取值在首批标定后按实测回填，不代表现场实测结果。

输入：一段焊接稳态段的实时电流序列与同期的层间温度序列。

输出字段：异常标记、命中判据清单、越界幅度或离群程度、判定时所用参数版本、是否曾被人工解除及解除依据。

失败隔离路径。

异常点的处置到标记为止，删与留交下游按用途决定。这一分工的理由与缺失补齐一致：预处理不替下游判断哪些信息该丢。

2.4.5 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（b1408）。窗长按事件类型分别设定并写入算子参数。

连续采集的时序数据本身没有边界，一天的曲线摊开来都是数。训练与标注消费的不是整条曲线，而是「某一次报警前后发生了什么」这样一段有头有尾、围着一件事的数据。从连续流里截出这一段，截多长、以哪个时刻为中心、带哪些通道，就是这张表要定死的事；定不死，同一次报警两人截出两段数据，模型学到的因果也跟着飘。

四类事件分开设窗，因为它们在时间上的尺度与形态本就不同：报警是突发的，要看发生前的征兆与发生后的处置；停机要看停之前的运行段与重启恢复；开炉与焊接作业则有明确起止，窗长由作业本身决定而非事先设定。前置、事件、后置三段分列，因为三段各有用处——前置窗供归因，事件窗供识别，后置窗供处置与效果核验。

怎么读：中栏的事件时刻定义是锚点，两侧的窗由它推出；末栏的关联测点决定这一段带几个通道，取多了掺进无关设备，取少了切断因果链。读完可得的判断是：窗口口径按事件类型写定并随算子参数登记，同一事件重复切窗结果一致。

切窗结果形成「时序片段—事件」样本对，字段如下（b1409）。

同一时间窗内相关通道的多条报警按设备与时间邻近归并为一次事件，原始报警逐条保留。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。

2.5 视频通道

处理对象为熔池影像、焊接过程录像、热处理装出炉过程录像与按检验规程留存的检测过程录像。受理口径见 1.7.5，本节处理的是受理成段之后的解码、分段、抽帧、规范化与三方对齐。

视频与图像在加工上不是同一件事。图像通道处理的是单帧的内容，视频通道处理的是帧与帧之间的变化：熔池的形态怎样随电流波动改变、焊道表面在收弧后如何冷却、工件入炉后多久开始发亮。这些信息只存在于时间维度上，抽成单帧就没有了。另一方面，训练与标注并不消费整段视频，消费的是被切成业务单元的片段与被选出的代表帧。本通道的工作因此集中在三件事：把段切到业务单元上、把代表帧选准、把片段与同期时序和文本挂上。

2.5.1 解码与时基核对

视频进入加工链的第一件事不是看画面，而是确认这段画面的时间是否可信。熔池相机与热成像记录的是焊接与热处理过程，只有挂到正确的时刻上，才能与同期的电流电压曲线、与起弧收弧装炉出炉这些事件对上；时间错出几秒，切出来的片段就会挂到相邻的那一条焊道上，而这种错误在画面上看不出来。

这张表列出五道处理项。解码解出像素与帧序；帧时标还原与丢帧检测两项回答「每一帧是什么时候」，前者给出时刻、后者判断时刻序列有没有断；时基核对回答这段视频与生产记录是不是同一个时间基准；位姿与取景核对回答镜头有没有动过——相机位移之后，同一区域切分参数便不再适用。

怎么读：参数一栏是可调之处，取值随批次登记而不写死；失败处置一栏给出不合格段的去向，四类去向分轻重。读完可得的判断是：本环节不修补画面质量，只判定并标注时间可信度，凡标注为不确定的段都带标记进入下游，不被当作已对齐的数据使用。

时基核对放在分段之前，次序不能颠倒。分段依据的是时序侧的事件时刻，而事件时刻与帧时标若不在同一基准上，切出来的段边界会整体偏移；边界偏移之后再去挂工件与焊道，挂到的就是相邻的那一条。

2.5.2 视频分段

受理阶段已按一次业务事件切出粗段（1.7.5），本节在粗段之内按工艺阶段做二次分段，使每一个片段对应一个可判读的工艺阶段，而不是一段笼统的过程录像。

分段按四步执行。

第一步，取同期事件序列。从设备时序通道的事件锚定切窗结果中取出该段覆盖时间范围内的事件：焊接取起弧、收弧、程序切换、停弧，热处理取装炉、升温起点、保温起点、保温终点、出炉，检验取开始与结束。事件来自时序侧而非视频内容，这是本方案的选择——事件时刻在时序数据中是明确的记录，在视频里只能靠画面推断，推断的边界不稳定。

第二步，按事件时刻切分。以事件时刻为边界切出阶段片段，边界两侧各留一段余量，余量长度按事件类型写入算子参数。相邻事件间隔短于最小片段长度的，两个阶段合并为一段并保留两个阶段标记。

第三步，内容校验。对切出的片段做一次画面一致性校验：焊接片段的稳态段内应持续存在高亮区域，装炉片段内应出现工件进入取景框的画面变化。校验不通过的片段不直接丢弃，标记为与事件不符并单列，由人工判读该段究竟是事件记录有误还是相机未拍到。

第四步，登记与编号。每个片段登记片段编号、所属粗段、阶段标记、起止帧序号与起止时标、所属对象、校验结论。

分段的输入输出实例如下。例中的字段结构与取值按本节已定义的规则推演，用于说明一段录像被切成什么、每个字段怎么填；具体的时刻、帧号与段数在首批标定后按实测回填，不代表现场实测结果。

输入：一段焊接过程录像的粗段。

输出：四个阶段片段。

第四个片段的处置说明了失败隔离的做法：它既没有被丢弃，也没有被当作正常片段流向下游，而是带着校验结论单列。人工判读之后，若判定为相机在收弧后被遮挡，该片段回到预训练语料；若判定为事件时刻记录有误，则该粗段的四个片段一并回退重切。

2.5.3 视频分段的失败隔离路径

视频分段依赖两样外部条件：解码出的帧序列要有可信时标，同期事件记录要能取到。两样都不由本通道控制，缺一样，分段结果就不能直接采信。麻烦在于分段失败往往不报错——时标不准照样切得出片段，只是每段边界都偏了。失败情形因此事先枚举，每种指定明确去向。

六种情形的隔离去向刻意不同，这是读表要点。解码失败与片段数异常是硬错，整段或整粗段退回重来；时基不确定与无同期事件是部分可用，数据本身没问题，只是不能支撑需要精确时序或阶段标签的用途，因此不进隔离区，带标记流向仍用得上的预训练语料；内容校验不通过与对象未锚定是判不了，单列等人工判读或上游补登记。

恢复条件一列是本表与一般异常清单的分别：每行写明补齐什么才能重新进通道，而不只说明哪里出错。横向读一行即是一条完整处置路径：怎么判、暂放哪、补什么之后能回来。读完六行可得的判断是：一段视频不合格不会连带丢掉可用的部分，不可信的边界也不会混进需要精确时序的样本。

隔离区的片段不删除，保留至批次关闭后约定期限，与文档通道的隔离口径一致。

2.5.4 关键帧抽取与帧级样本规范化

标注与训练消费的是帧，因此每个阶段片段要选出代表帧。选帧不是均匀抽样——均匀抽样在稳态段会取到大量近乎相同的帧，而在变化剧烈处又取不够。

抽出的帧按图像通道的规范化口径处理（2.3.5），另加视频特有的四个字段：所属片段编号、帧序号、帧时标、抽帧策略。熔池帧与焊道帧保留原始亮度信息，不做自动增强，理由与 2.3.5 一致。

近重复帧的剔除按有效区域的相似度判定，门限按阶段分档：稳态阶段门限较松，瞬态阶段门限较严，避免把形态变化剧烈处的相邻帧误判为重复。剔除记录保留，可按片段回查。

2.5.5 视频与时序、文本的三方对齐

视频片段单独使用价值有限，它的价值在于与同期的参数曲线和文本记录形成对照。三方对齐按统一的对象与时间基准执行。

三方对齐的产出是本通道交给下游的主要形态：一个片段、它同期的参数曲线、它对应的工单与检验结论，三者带着同一组对象标识与时间区间。多模态数据对齐类工具链在本步调用，调用参数与版本随批次登记。

对齐成功率按片段统计。首批以试点产线的一个月采集量标定基线，统计「有同期时序对照的片段占比」与「有检验结论的片段占比」两个数；后续批次逐步接近每个稳态片段都带同期参数曲线的状态。某一相机连续两个批次前一个比值低于批次计划约定的下限，暂停该相机片段进入多模态标注，转查时基核对与对象锚定两处。

2.5.6 视频通道的产出字段

视频片段从产线上截下来，画面本身不说明它是谁、来自哪道工序、能不能和同期参数曲线对上。下游的多模态标注、指令样本与评测题构建都不回看原始录像，只认片段随行的这一组字段；少一项就少一种用法。这张表定的是片段交付时必带的信息。

十项字段分五组。片段编号、所属粗段与相机位号、所属对象三项回答这是谁的片段；阶段标记、起止帧序号与起止时标两项把它钉在工艺时间轴上；代表帧清单是可直接取用的内容；同期时序对照与同期文本对照写明它能与哪段参数曲线、哪张工单或检验记录并置；质量标记与算子指纹链交代可信程度与加工来路。

自上而下读一遍，依次得到「这是谁的片段、落在工艺的哪一段、能取出什么、能跟谁对上、信不信得过」的答案。读完可得的判断是：片段可用于什么用途由它自己声明，不靠下游试过才知道——时基不确定、丢帧、未锚定都写在质量标记上；指纹链使任一片段可回推到产生它的算子与参数，出疑问时按片段追查，不必整批重跑。

产出：按工艺阶段切分并与参数曲线、文本记录对照的视频片段与代表帧样本，供多模态标注、多模态指令样本与多模态评测题构建使用。

2.6 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（b1410、b1411、b1412）。

2.6.1 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。

业务系统里的记录是一行行字段与取值，读它要先知道表结构与编码含义，直接作语料没有多少可学的语义。文本化就是把这些记录改写成完整的中文叙述。改写若交给模型自由生成，同一类记录会得到措辞各异、要素时有时无的句子，量一大便无从核对。模板法把哪些字段必须出现、按什么次序叙述、单位怎么写固定下来，模型只作有限的语句润色。

这张表回答三个问题：九类业务对象各配哪一组模板、每组要填哪些字段槽、产出的文本供哪一类子集使用。九类沿订单、采购、库存、工单、检验、设备、维修、曲线、物料清单一线排开，覆盖四类数据集各自需要的业务对象，一类对象一组模板，不用一套通用模板去套所有记录。

怎么读：横向一行是一类对象的完整约定；纵向读末栏，可知每类记录流向哪个子集，其中设备运行曲线一类的字段槽另有口径，见 2.6.2。读完可得的判断是：每一条文本化样本都能回答自己由哪类对象、哪一版模板、哪些字段生成。

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。

2.6.2 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。

一段炉温曲线有上万个采样点，逐点念成文字既占篇幅又没有信息——从「第三千六百秒八百四十二摄氏度」这样的句子里学不到工艺含义。工艺人员看曲线时真正在看的是几件事：升得快不快、稳不稳、峰在哪、偏没偏。这张表把这几件事固化成九项可计算的特征。

九项特征分四组。升温段斜率、保温段波动范围、稳定段时长占比三项描述过程的平稳程度；峰值与谷值及其出现时刻两项定位极端点，数值与时刻同记，才能与工序步骤对上；与设定值的偏离区间、偏离方向与幅度两项针对有设定值的参数，衡量实际执行与工艺要求的差距；状态翻转次数与事件序列两项处理非连续量，状态类与事件类测点无斜率可言，只能计次与排序。

适用物理量一列是防误用的约束：温度类才算升温段斜率，没有设定值的参数不生成偏离描述。横向读一行即知该特征的算法与适用范围。读完九行可得的判断是：每一句曲线叙述都对应一个有定义、可复算的数值，叙述与源数据之间没有无法回查的中间环节。

2.6.3 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。

每条文本样本挂回其源记录主键与批次号，可逆回查。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。这一条是防幻觉的关键。

2.6.4 文本化通道的产出字段

文本化把表格和曲线改写成自然语言，风险与别的通道不同：产出读起来总是通顺的，一个被改错的数值、一个被换掉的术语，成文之后看不出异样。防住这一点靠的不是改写更小心，而是让每条文本样本带齐足以回到源记录的字段，使每句话都能被逐项核对。

九个字段分三组。样本编号、源记录主键、业务对象类型三项解决「这条文本从哪来」，源记录主键加批次号是回查入口。模板编号与版本、字段取值清单、术语归一记录三项解决「它是怎么生成的」——填进模板的字段原值单独留存，是数值核对的基准；术语归一记录保留原始表述与归一术语的对照，使替换可被还原。回查结论与算子指纹链两项解决「核对过没有、能不能复算」，文本内容一项是产出本身。

横向读一行即知该字段的构成与职责。读完九行可得的判断是：文本化产出不是无源之水，每一条都能沿源记录主键回到原始记录，沿算子指纹链回到生成它的模板与参数取值；回查核对不上的样本按本通道口径废弃，不进供样区。

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）。

2.7 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。

预处理把原始数据改写成可供训练的样本，改写之后两份都得留着：样本供下游取用，原件供将来核对。只留原件，下游无数据可用；只留样本，一旦有人问「这个数字是从哪张图纸、哪个测点来的」，便答不上来。质量评测要抽样回溯原件，场景验证要给出结论依据，数据治理要查血缘，三件事都落在这一层保存结构上。

四层按「从原样到可用再到可回溯」排。贴源层按批次原样存放、不覆盖，是回溯的终点；规范层是真正被下游取用的那一层，按批次与算子指纹分版本，重跑不改旧版而是新增一版，任何一版样本都能对上产生它的那套参数；对照层单独成层而不附在样本里，是因为它要被独立检索——要查的往往不是样本，而是「这条原始记录被用到了哪些样本里」；废弃层留的是未通过质检的批次，留它是为使剔除动作本身可被复核。

怎么读：右栏的保留期与版本决定各层能支撑多久的追溯。读完可得的判断是：规范层的每一条样本都能经对照层回到贴源层的一个具体位置。

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、视频片段编号与帧区间）、算子指纹链、产出版本。

2.8 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，登记对象为 2.11 所列各算子。

预处理是一连串算子对数据的连续改写，改写完成之后再看产出，已看不出它是怎么来的。质检与验证环节若对某一批中间件存疑，真正有用的不是一段解释，而是把那一批按原样重跑一遍，看结果是否逐字一致；重跑的前提，是当时用的算子版本与参数取值被完整记了下来。

这张表定的就是每批次要记哪些项。十个字段分三组：批次号、处理通道、算子编号与名称三项交代谁对哪一批做了什么；算子版本、参数取值、算子指纹三项交代用的是哪一套设置，指纹是前两者的摘要，比对一个字符串即可判断两次执行是否同一配置，不必逐项核参数；执行时间与时长、输入与输出批次号、执行结果、失败原因与处置四项交代这一次跑得怎么样、数据从哪来到哪去。

怎么读：横向一行是一个字段的口径，纵向看输入与输出批次号一项，它把逐批的登记串成一条血缘链。读完可得的判断是：任一批中间件都能回溯到产生它的那一套算子配置，并据此复算。

算子版本与参数取值合并计算指纹，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。同一算子连续两批次未通过预处理检查节点，暂停该算子版本并排查。

2.9 预处理环节的质量控制点

预处理环节的控制点与采集环节有一个根本区别：采集管的是「数据对不对」，预处理管的是「加工有没有把数据改坏」。原始数据再差也是事实，而预处理的每一步都在改变数据形态——解析、切分、归一、对齐——每一步都可能引入原数据中不存在的错误。因此本环节的控制点全部指向可逆性与可追溯性，而非指向数据质量本身。

「来源页码可追溯」与「切片回指页码核对不一致的整文件回退重解析」这一对，是本环节最硬的一道。切片回指出错意味着一段文本被挂到了错误的原文位置，这类错误在后续加工中不会暴露，但会在场景验证时表现为「引用了依据但依据与结论不符」——而那时已无法判断是检索错了还是切片错了。因此判定口径定为整文件回退，不做局部修补：局部修补无法保证同一文件内其他切片没有同类问题。

章节结构还原的判定不设固定数值，而以首批抽样复核结果为基线按批次上调。原因在于不同类型文档的结构规整程度差别极大，制度文件有明确的章条款层级，而工艺卡片与会议记录往往没有；对两类文档用同一个还原率要求，要么前者过松，要么后者永远不过。以文档类型分别标定基线，再按批次改进，才是可执行的控制方式。

2.10 预处理环节产出物

本环节的产出物清单有一个值得注意的结构：每一类样本都配一份对照记录。结构化长文本配切片与原文位置的对应，图像样本配图文对照记录，时序样本配事件样本对，文本化样本配源记录对照表。这些对照记录的体量不小，但它们是整条加工链可追溯性的实际承载——没有它们，加工后的样本就是无源之水，任何一处疑问都无法回溯核验。

交付对象一列显示出本环节在整条链路中的枢纽位置：产出同时流向预训练子集、知识库抽取、多模态标注、图谱构建与条款级索引五个下游。这意味着本环节的任一缺陷都会向五个方向扩散，这也是为什么前述控制点把判定口径定得偏严——在这个位置上，宽一分，下游要多担十分。

算子登记表作为产出物之一，记录了每一个加工算子的版本、参数与指纹。它的作用在于使加工过程可复算：给定同一份原始数据与同一份算子登记表，应当得到相同的产出。这一性质在三个场合被用到：质检岗复核时按指纹复算、数据集发布时填写加工过程说明、以及后续发现某个算子有缺陷时按指纹定位受影响的全部批次。

2.11 预处理算子清单

下表列出五条通道的算子及其关键参数与失败判定，是 2.8 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。

前面各节分通道讲了每一步怎么做，散开看不出全貌：五条通道一共多少道算子、某一道失灵时数据往哪去。预处理真正的风险不在算子本身，而在失败时无人声明——识别不准的算子通常不报错，只产出一批看着正常的样本，到训练或评测阶段才显出问题。本表把算子集中登记，每道都写明判为失败的条件与去向。

编号前缀即通道：D 为文档、G 为图纸与图像、T 为时序、V 为视频、N 为文本化。关键参数一列是每道算子可调之处，也是复现依据，取值随批次登记而不写死；失败判定一列给的是客观可执行的条件而非原则；失败处置一列只落在四类去向上——跳过并标记、进人工复核队列、整文件或整段回退、入隔离区。

按前缀分段纵向读，是一条通道从进料到产出的加工链；横向读一行，是一道算子的全部约定。读完可得的判断是：没有一道算子允许失败之后继续往下走；处置分轻重，分界在错得能否局部隔离——只影响单条的标记后继续，影响整篇结构或整段时序的一律回退重做。

2.12 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，按形态分流到上述五条通道，但有三项专项口径。

前面五条通道处理的是企业自有数据。预训练子集还需要通用语料与外部语料作补充——管理制度与合同、经营指标、主数据编码、行业标准、学术文献、厂商资料、公开数据集。这些资料形态上与企业数据并无本质差别，文档仍是文档，再单设一套通道属于重复建设；但它们在许可条件、口径一致性与主题相关性三件事上与企业数据不同，不加处理直接并入又会出问题。

这张表回答的是每一类外部资料走哪条已有通道、在常规处理之外还要加哪一道专项口径。专项口径一栏只写与常规处理不同的那一点，所以它短，但每一条都是不加就会出错的地方。

怎么读：横向一行是一类资料的完整处置。把专项口径一栏纵向读下来，七条落在三件事上——许可边界、口径归一、主题配比。读完可得的判断是：外部语料不另起产线，差别只在入库前的许可核验与入库后的配比控制。

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。

2.13 预处理环节的输入、产出、验收与退回

预处理环节的缺陷绝大多数可定位到单个算子，因此退回以算子单项重跑为主，不整批退回：原批次保留并标记为废弃版本，重跑结果以新的算子指纹登记，两版之间的差异可复算比对。只有当缺陷来自源数据本身时才退回采集环节。同一算子连续两个批次未通过的，暂停该算子版本并排查参数基线，避免同一问题在后续批次重复出现。

3、知识本体（3.2.6.3.3）

3.1 本体的定位与数据标准的关系

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。对应关系如下表。

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。

3.2 类目总览、实体标识与约束规则

3.2.1 七类对象类目

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）。

类目划分不按学科分类，而是按这批数据集要回答的业务问题倒推：矿山装备从选型、备料、工艺设计、制造、检验到运维与采购，链条上反复出现的对象就这么几类，把它们立住，四类数据集的标注对象与知识条目才有共同的挂靠点。七类之外的对象以属性或关系表示，不另立类目，以免重叠。

表的五列各答一个问题。层次关系一列定的是每类对象的颗粒从粗到细怎么分，直接决定标注时标到哪一层、检索时返回哪一级。实例来源一列写明该类实例从哪个系统取，这是本体不凭空定义、可被核对的前提。对外关联一列是关键：七类对象不是七张孤立的表，设备连着故障模式与工况，工艺连着质量特性，物料连着供应商与合同，本体的价值正在这些跨类目的边上。末列把每一类挂回验证场景的业务对象。

横向读一行即知该类目的颗粒、来源、邻居与用途。读完七行可得的判断是：每一类都有确定的系统来源，也都有至少一个验证场景在消费它，没有一类是为体系完整而设、下游却无人使用的。

3.2.2 实体标识

为本体概念、实体、属性、关系及术语记录设置可持续引用的标识，并建立统一的登记、发放、校验、变更和停用管理。登记内容包括标识、对象类型、创建时间、责任人、当前状态、所属版本及来源依据。标识在所属管理范围内唯一，同一标识不得重新分配给另一对象；失效、停用或被替代的标识保留历史记录及适用期间。

标识与可变的名称、类别、层级、材料牌号、产品型号及组织归属分别存储。对象名称或属性变更时，先核查对象身份及语义是否发生变化，再确定是否调整标识或建立新对象。对外提供引用时同时保留对象标识与实际采用的版本，历史样本、知识条目和索引能够定位到当时有效的对象定义。

分别管理本体对象标识、企业编码及其映射。本体对象标识由本体管理流程统一登记；企业编码以主数据平台和相应业务系统的有效记录为准，本体不擅自修改源系统编码。映射记录包括来源系统、编码体系、组织或业务范围、实体类型、原始编码、目标本体对象、有效起止时间、映射依据、确认人和状态。

对同一对象在多个系统中的编码，核实其实际指向和有效期间后建立关联；对同一码值在不同组织、时间或编码体系中表示不同对象的，分别建立受适用条件约束的记录。系统升级、编码替换或组织调整发生时，保留旧映射及变更依据，不将新编码覆盖写入历史记录。仅编码变化而对象身份不变时保持本体对象标识；对象身份、概念含义或样本标签含义发生变化时，按影响分析确定新建对象、重新映射或重新标注的范围，并复核结果。

标识发放后持续保留唯一归属，停用标识不得重新分配，历史引用不得改指其他对象。材料牌号、产品型号、组织、类目和装配层级等可变信息作为属性或关系管理，不作为稳定标识的组成条件。对同一对象在不同业务场景中的名称、角色和来源编码，经核实后建立映射，避免因展示层级不同重复创建实体。

装配件、组成零件、物料品类、批次和单件实物按照实际业务对象分别建模。装配件只包含一个零件时，仍依据装配定义、物料编码及实物身份判断二者是否为独立对象，不仅按数量决定合并；同一零件参与不同产品或BOM版本时，以组成关系记录其位置、数量和有效条件，不因装配位置改变而另建同一物料的身份。所有合并、拆分或重新归类均保留证据与审定记录。

接收对象合并、拆分、停用或分类调整申请时，核对对象类型、定义、实际身份、企业编码、业务资料、有效期间及已有引用。分别判断概念调整、重复实体清理、实际业务对象变化和关系修订，形成变更依据及影响清单。由相应业务人员与本体管理人员确认处理方案后，更新对象状态和映射，并检查知识条目、图谱关系、标签、合成约束、检索配置及样本中的引用。不能确认对象身份或语义等价的，不执行自动合并或自动迁移。

根据变更对含义、身份、结构、约束、接口和既有引用的实际影响确定发布版本及兼容性。仅名称文字修订、补充不改变含义的别名等变更，应验证既有任务继续使用的条件；概念含义、标签判定、关系约束或身份映射发生变化时，明确兼容范围、迁移方案和切换条件。

版本发布记录列明新增、修订、合并、拆分、停用及关系调整事项，给出对应对象、变更依据、有效时间、受影响任务和修复结果。存在自动映射的，记录适用条件、规则、执行清单和核验结果；不满足条件的转入人工复核。完成受影响引用、样本及查询检查后发布，保留旧版本的适用范围和历史追溯能力。

3.2.3 本体约束规则

为本体属性、关系和业务条件配置可核查的约束规则，逐项登记规则标识、适用对象、输入字段、判断条件、依据、有效期间及违反规则后的处理方法。约束覆盖必填、值域、类型格式、关系数量、关系端点类别、互斥和依赖等事项，结合实际对象及用途设置条件，不把缺乏依据的通用规则直接用于全部业务域。

规则发布前使用符合条件、不符合条件、边界、缺失及不适用等实际类型的验证用例检查判断结果，保存输入、预期处理、实际结果和修订记录。入库、标注、合成和检索配置调用已确认的规则版本，输出被检查对象、命中条件、证据位置和处理状态。

区分原始记录错误、信息暂缺、合法但罕见的取值、真实工况异常及规则自身问题。违反工艺正常范围的真实记录保留原值并标记业务异常，不仅因异常就删除或改写为正常值；结构或关联不符合发布条件的结果暂缓进入正式产物，原始记录及问题证据保留，完成核查和修复后重新检查。

从已确认的属性、关系、字典和业务要求提取约束后，逐条补齐判断条件、适用范围、输入来源、缺失处理和异常处置，形成可执行配置。对能够自动检查的规则，将表达式、依赖字段和版本纳入配置管理；对需要业务判断的规则，规定复核材料、判定步骤和记录要求，检查结果保持待确认状态直至取得实际结论。

规则配置经过业务含义复核和执行验证后启用。验证覆盖常规记录、合法边界、罕见合法值、真实异常、缺失输入以及不适用场景，检查是否误拒收、漏报或改变原始事实。规则变化时重新检查受影响的数据与任务，保存旧规则、变更原因和验证结果；未经验证的候选规则不直接用于正式标注、合成或批次放行。

本体约束在对象或关系新增、修改、批次入库、任务配置和版本发布时执行检查，记录所用规则版本、被检查对象、输入来源、判定结果及问题位置。检查结果与本体产物和实际调用任务关联保存；不通过或待确认的项目形成处理任务，完成核查、修复及复检后再按批准状态使用。

约束新增、修改或停用前，分析其对既有实例、标签、合成条件、检索结果及历史样本的影响。范围放宽可能改变可接受对象或标签含义，范围收紧可能使原先可接受的记录不再适用，均须明确业务依据、适用时间和迁移办法。根据实际兼容性确定发布版本，不机械地把所有新增或放宽归为次版本、所有收紧归为主版本。

变更验证同时使用正常、边界、异常、缺失和不适用记录，核查误判及遗漏，保留预期与实际结果。对受影响的正式产物逐项确定保留原版本、重新映射、重新标注或重新加工的处理方式；历史事实按当时适用条件追溯，不以现行规则回写或抹除历史原值。

3.3 对象属性定义

逐类定义对象属性，登记属性标识、规范名称、业务含义、对象层级、数据类型、格式、单位、精度、允许取值、来源位置及有效版本。类别、型号、批次和单件实物分别配置适用属性，属性值与其来源记录、业务发生时间及采集时间关联保存。引用其他对象的属性同时明确关系类型、允许端点、数量和适用期间。

对正式任务所需属性设置必填或条件必填规则，说明触发条件和实际核查方式；不适用、未知、暂缺和无效分别登记，不以空字符串、零值或默认对象代替真实状态。数据元、字典、工艺文件及设备资料中的定义经核对适用范围和版本后使用，单位转换保留原值及转换依据。

属性发布前核查源系统字段、文档内容及业务解释的一致性，处理同名异义、不同量纲、版本变化及多来源冲突。对引用来源尚未落实的属性建立核验任务，不编造已存在的系统、字段或数值；对要求交付的属性持续补齐来源、映射及检查结果，未完成事项不记为已完成产物。

3.3.1 设备与部件

对设备与部件分别识别设计对象、物料对象和实际实物。设计对象记录产品型号、零部件定义、设计或图纸版本及结构关系；物料对象引用企业物料编码、规格和计量单位；实物对象记录实际设备或部件的身份、台账记录、安装使用情况及生命周期信息。设备台账、产品型号、图号、物料编码和序列标识按各自含义分别保存。

以主数据管理平台的物料编码以及PLM的BOM与零部件信息为基准建立设计和物料映射；从EAM设备台账及档案核验实际设备身份、使用状态和维护记录，并结合SOS设备档案与远程运维记录补充实际对象关联。首先核实各系统编码的对象粒度、唯一范围、版本和有效时间，再建立可追溯的对应关系，不预设所有系统均为一台设备一个编码或同型号对象共用一个编码。

为每个经确认的本体对象分配稳定标识，并保留其全部有效源编码引用。设计型号与实物设备通过经核实的型号、配置、生产或装配资料建立关系；物料与设计零部件通过主数据编码、PLM零部件信息及BOM行项目建立关系。映射记录保存源对象、目标对象、关系类型、适用版本、有效期间、依据和确认结果，不将两套系统编码直接拼成同一主键。

实物部件的安装、拆卸、更换和调拨记录关联具体设备、位置与时间。相同型号可对应多台实物设备，同一实物设备的配置可随维护或改造变化；实际关联数量按资料核实，不强制设成一对一。运行时序、故障和维修记录关联当时实际设备及配置；图纸、工艺和BOM资料关联对应的设计或产品版本。

发布映射前检查编码重复、历史复用、对象粒度不一致、版本冲突和失效关系，按问题记录完成核查。无法确认的关联保留待核验状态，不通过名称相似或型号相同自动合并对象；修复后重新检查关联到样本、知识条目及检索索引的结果。

保留EAM、PLM、SOS、主数据及原始文档中的对象名称，记录来源、上下文、编码、版本和适用范围；另设经确认的规范名称，源名称不被覆盖删除。名称核对同时检查对象类型、功能、结构、型号、位置及企业编码，区分同义名称、上位名称、下位名称和不同对象。

仅在含义及适用对象经核实一致时建立同义词或别名关系，并保存依据；属于类别与子类、部件与装配位置或不同产品配置的名称分别建模。检索时使用规范名称、已确认别名及对象条件进行匹配，存在歧义时返回候选及其型号、位置、版本等区分信息，不将所有相似叫法合并到一个对象。

3.3.2 工艺与工序

采集PLM工序数据、BOM及变更记录、工艺卡片、工艺图纸和相关工艺文件，整理工序编码、名称、含义、所属路线、工步、适用产品或工件、材料、设备、工装、参数及前后置条件。对甲方已有且经确认有效的工序字典，核验其版本、管理范围和实际使用情况后作为规范定义来源；同时保留源系统原始编码、名称及历史版本。

对不同来源逐项核查业务含义和适用条件，建立原始工序记录与规范工序定义的映射。相同名称但作业内容、材料条件、设备或质量要求不同的记录分别识别；不同名称但作业含义经确认一致的，建立受适用范围约束的对应关系。工序字典、工艺文件与实际记录存在差异时，提交工艺责任人员核查，不能仅按文件名称或来源系统确定优先级。

对尚未完成映射的工序建立核验清单，记录源编码、原名称、作业内容、所属路线及版本、材料和设备条件、来源文件位置、当前匹配结果及不能匹配的原因。分别排查同义名称、同名异义、编码变更、不同工步粒度、历史工艺版本、录入错误和真实新增作业。

工艺责任人员根据原始资料及实际业务确认处理方式。确认同义的，补充别名及映射；确认新工序或新条件的，建立相应定义、属性和适用范围，经审核后纳入字典及本体；确认错误的，修复来源或映射并保留记录；确认已停用的，登记适用期间及替代关系，不删除历史工序事实。

核验结论同步更新工艺字典、本体对象、路线关系和相关样本。尚不能确认的项目保留待审状态及补证任务，不直接归入最相近的已有工序，也不以「已废止」消除未解决差异。完成修订后复核工艺检索、路线组合、标注及生成任务是否正确引用新版本。

板材备料工艺对象按照实际有效的工序资料建立完整清单，覆盖图纸识别、特征提取、工序设计、工艺卡片生成、审查校核和排料优化所需的产品、零件、材料、工序、工装、设备及质量要求。工序数量以核验后的实际清单为准，逐项登记来源、版本、适用范围及确认结果，不能预设固定数量代替完整性核查。

每条工艺路线保存产品或工件、设计图纸及版本、路线版本、工序序列、工步、前置条件、分支条件和相应参数。共享的工序定义可被不同路线引用，各次引用分别记录顺序、设备、工装、工时、参数及适用条件，不将通用工序与路线中的具体位置合并为一个对象。工艺变更保留前后差异、原因及生效时间，关联受影响的工艺卡片和工序附图。

以真实任务及图纸、工艺卡片和工序附图核对对象与关系，检查形状、尺寸、材料、公差、技术要求和工序条件的对应。异常任务、替代路线和应急工艺按经确认的处理流程记录适用条件与审核结果，不自动套用正常路线或删去不符合常规顺序的真实记录。

3.3.3 故障模式

汇集EAM设备点检与维修工单、SOS报警处置、售后工单、设备档案、维修记录、诊断报告和故障案例，以及与对象相关的监测、检验和工艺资料，整理故障模式、异常现象、报警、原因、影响和处置记录。首先核查现有分类、编码、名称及对应关系，保存资料来源、版本、有效时间和确认状态。

故障模式表示经定义的失效或功能异常类别；故障事件记录具体对象在特定时间发生的实际情况。报警表示监测规则或设备产生的信号，质量不合格表示依据相应检验条件得到的结果，二者与故障模式分别建模并按证据建立关联。维修记录中的初步判断、复检结论、确认原因及已执行措施分别保存，不将自由文本中提到的可能故障直接记为确诊事实。

在核实企业已有故障分类及编码的基础上，建立本体故障模式标识与原有编码、名称和适用对象的对应关系。已有定义明确且适用的条目予以引用；缺少规范定义或存在冲突的，依据真实案例、设备资料、诊断证据和业务复核结论形成候选条目，明确名称、定义、适用范围、现象、判定条件及来源，经确认后发布。

报警关联保存系统、设备、代码、规则版本、触发与恢复条件及适用期间；一条报警可能关联多个排查方向，一个故障也可能对应多种报警或没有报警，实际关系按证据确认。维修工单中的描述保留原文和定位，经核查后分别关联现象、故障、原因及措施；质量不合格与故障之间保存具体关联依据，不仅凭名称接近建立因果关系。

候选定义与正式定义分别管理，候选内容仅用于受控核验和试验，不能直接成为正式交付样本的标签、合成知识约束或现行检索判定依据。确认发布后更新标签、映射和相关任务，复核受影响数据，保存草案、审定意见、正式版本及差异记录。

故障现象采用可重复关联的结构化记录，分别保存现象名称、所属对象或部位、出现时间、持续情况、观测方式及原始证据。每项现象引用经确认的定义，同一事件出现多个现象时分别记录其时间及部位关系；不同事件、不同设备或不同阶段的现象不得无依据拼成一个组合。

区分故障模式资料中描述的典型现象和具体故障事件实际观察到的现象，典型现象不自动补入事件记录。对主现象、伴随现象和未确认描述保留相应状态及依据，不能仅因表中支持多值就把工单中所有词语写成已确认现象。人工判断保留人员、时间、证据及复核结论，更新后能够追溯前后差异。

3.3.4 质量特性与检验项

分别建立质量特性、检验项目、检验方法、检验记录和判定规则，明确各对象的定义、适用范围及关联。质量特性记录产品、工件、材料或过程需要控制的属性；检验项目记录需要检查的具体内容及对象、部位和阶段；检验方法记录实施检查所采用的程序、条件与依据；检验记录保存实际观测或测量结果；判定规则保存适用的限值、等级、定性条件和接受要求。

对热处理硬度、硬度均匀性、外观缺陷及焊接质量相关特性，依据有效图纸、工艺和检验文件建立项目与方法的对应。明确工件、材料、规格、检验部位、设备或方法条件及适用标准版本，不能仅凭方法名称相近替换实际检验方法。定量结果保留数值、单位或标尺、测量位置和条件；定性结果保留缺陷类别、部位、范围、证据及判定依据，未测量或未确认的项目分别记录状态。

将每条检验记录关联到实际工件或批次、生产工单、工序或作业、检验项目、方法、时间及来源文件，核对其与设备、参数和图像的对应。检验对象为批次或抽样件时，保存抽样对象、批次范围和结论适用条件，不将抽样结果无条件赋给全部单件；存在复验、返修后检验或争议结果时，分别保存原结果、后续结果及相互关系。

用于标注或模型验证的质量标签按实际检验结论及证据建立，区分测量结果、合格性结论、专家判断和模型输出。缺少对象定位、方法依据或有效结论的记录进入核验任务，不通过填充默认合格或复制相邻工件结果补齐。涉及过程预测的样本明确预测时点及当时可获得的信息，后续检验结果可作为目标标签，不能混入用于预测的输入。

质量结论调整后，按来源及版本追溯受影响的样本、知识条目和统计结果，完成修订及复核。检验数据、图像证据与标签之间保留可逐条定位的关系，确保对不一致结果能够回查原始记录并完成纠正。

为每项检验方法和判定规则登记依据文件名称、标识、版本、具体条款或图纸位置、生效期间及适用对象。核对产品技术要求、图纸、有效标准、工艺文件和检验规程之间的引用关系，分别保存检验方法条件与接受判定条件；同一方法可有不同的适用材料、部位、规格和判定等级，应逐项记录。

历史检验结果按当时实际采用且适用的文件及版本保存，当前规则修订不得直接覆盖历史判定依据。需要按新要求重新评估的，生成独立的复核记录，保留原结论、新结论、所用规则、差异和审核结果，不将重新评估写成当时已执行的检验。

依据存在冲突、版本不明或超出适用范围时，登记具体问题并由相应技术和质量责任人员确认处理方法。完成确认后更新规则及关联记录，并核查受影响的标签和质量统计；未经核实的限值、等级或默认单位不得进入正式判定配置。

3.3.5 物料与BOM

分别建立物料、BOM定义、BOM版本、BOM行项目及实际领用消耗记录，保存各自标识和对应关系。物料对象引用主数据编码及实际属性；BOM版本记录适用产品、设计或制造用途、配置、来源系统、组织范围、有效条件和批准状态；行项目记录父子物料、位置、数量、单位及替代或可选条件。

将生产工单或实际作业采用的BOM及配置与领料、退料、补料和消耗记录关联，分别保留计划需求与实际执行。出现数量差异、版本变化、返工或替代用料时，保存原计划、变更依据、实际记录和处置结论，不将实际消耗强制改成计划数量。

历史BOM、行项目和业务记录按照实际版本及有效范围保留，当前版本与历史版本分别使用。建立变更前后对象和行项目的对应，检查物料、工艺、订单及库存记录之间的引用，避免以现行结构覆盖历史工单。

物料实体和BOM版本分别设置稳定标识。BOM版本的来源引用保存系统、组织、BOM编号、版本、用途及适用产品或配置，核查其在实际管理范围内的唯一性；不能仅凭跨系统相同编号和版本判定为同一结构。有效条件按源记录保存，包含适用时间、批次、工单或其他已经确认的业务条件。

历史工单优先依据工单实际引用的BOM版本、配置和已批准变更确认用料结构，再核对其有效期间及适用范围。缺少直接引用时，结合工单发布、变更、领用记录及产品配置核实；仅有日期但存在多个候选版本或条件冲突的，列入人工核查，不自动选择当前版本或最近版本。

对回溯补录、追认变更、撤销或修订的记录，同时保存业务生效时间、登记时间和批准依据。确认结果记录所用证据及责任人，并检查其与实际物料数量、单位、替代关系和生产记录的一致性；无法确认的关联不得作为已核实的定额或用量计算依据。

替代料关系分别保存原物料、替代物料、替代方向、适用产品或工件、BOM版本、工序、规格、数量换算、有效期间及批准依据。等效替代、条件替代、临时替代和返工用料按实际业务记录管理，未明确的关系不推定为双向适用，也不通过连续替代自动生成新的替代结论。

核验实际用料时，对照工单、领退料、变更及批准记录检查替代对象、数量、单位和适用条件。满足已批准条件的记录保留相应替代关系；缺少批准、超范围或与实际记录不符的，作为待核查差异处理，不因登记了一条替代关系就自动判为合规。

替代关系变更或失效时，保留历史有效范围和已经执行的业务事实，检查受影响的工艺、库存、质量与样本记录。对替代效果只记录实际检验或业务确认结果，不将尚未验证的技术等效性写成已成立事实。

3.3.6 供应商与合同

分别建立供应商主体、供货关系、评估记录、资质或证明材料、合同、合同版本、条款、附件及履约记录。供应商主体以SCM档案及经核实的企业编码为来源，保存名称、身份标识、组织范围和历史变更；合同按照实际签约方和角色建立关联，不把所有合同对方都强制归为供应商。

对资质、评估等级、合作状态和履约事项分别保存业务生效时间、失效或终止时间、登记时间及来源依据。评估记录保存适用物料或业务范围、评估方法、结果和确认状态；合同记录保存签订、生效、变更、终止等实际事项及其依据，区分文本版本、业务状态和履约事实。

主体更名、合并、替换或编码变更时，核查身份及法律主体是否发生变化，保留旧新对应和证明材料，不仅根据名称或地址相似合并档案。历史采购、合同和履约记录继续关联当时实际主体及适用版本，用于数据加工的各项事实保持可追溯。

对评估等级、合作状态、资质状态和合同履约状态等属性保存完整变更记录，每条记录包括主体、属性、值、适用范围、业务有效期间、登记时间、来源版本和确认依据。后补或修正的记录保留原值及更正关系，不覆盖已经使用过的历史状态。

按业务时点查询时核对当时适用的有效记录；用于历史预测或模型验证时，同时限定该时点实际已经取得的信息，避免把事后补录的结论作为当时已知输入。重叠有效期、冲突值或缺少起止时间的记录进入核查，不以最后导入值直接代替历史真值。

比较不同时期的评估结果前，核对评估方法、等级定义、物料范围及计算依据是否一致。尺度或规则改变时分别呈现，只有具备明确转换依据才进行可比处理；不根据等级字符变化直接生成供应商能力或风险趋势结论。

根据实际合同、订单及其行项目建立关联，保存来源标识、版本、双方主体、物料或服务项目、数量、单位、金额条件和适用期间。框架合同、具体订单、补充协议及变更记录按实际业务关系分别管理，关系结构能够表达经核实的一对一、一对多或多对多情形，不为了统一模型而生成不存在的关联。

订单行与合同条款或行项目的对应以真实引用、批准资料和履约证据核实，记录分配的数量或金额及其计算依据。没有明确分配依据的，不按订单数量平均分摊合同金额；不含固定总额的框架约定也不补造总额。核对币种、含税状态、折扣、计价单位和调整条件，避免重复累计或跨版本混算。

合同、单价、折扣和履约资料按数据分类、授权及实际用途实施访问、加工、导出和交付控制，敏感字段的原值与脱敏值分别管理。分级或授权尚未确认的内容先完成核查，不进入未获准的使用范围；来源证据和必要关联在受控环境中保留，脱敏后复核条款含义、金额关系和对象定位。

3.3.7 能耗与工况

建立能源介质、计量指标、计量点、仪表或通道、设备、工况阶段、作业及事件之间的关联，保存实际能耗记录及其业务条件。分别定义瞬时测量值、累计表计、区间用量和派生指标，记录单位、时间范围、来源、有效性及计算方法，不将不同含义的数值混作同一指标。

工况记录关联实际设备、工单或作业、工件或产品、工序、运行状态和已有环境信息，保存各条件的来源及有效期间。按照已确认的判据形成工况片段，记录开始结束时间、边界依据和关联事件；停机、空载、负载变化、工序切换及故障状态分别保存其实际含义。

对比不同片段前，核对计量范围、设备配置、作业对象、阶段、统计时间和单位的一致性。对真实异常、缺失或无效测量分别标记，保留原始曲线和计量记录；不能仅以曲线不同认定故障，也不能为了形成相同工况而改写实际状态。

按设备、工艺和业务任务核查工况判定所需数据，登记运行状态、工单或作业、产品或工件、相关测点及环境信息的来源、时间精度、更新方式和覆盖情况。数据是否可用以接口、文件和实际记录核验为准；缺少必要输入时安排补取、映射修复或业务核查，不能假定全部条件已存在，也不以季节或相邻记录替代缺失的实际环境观测。

分段规则明确适用设备、工艺版本、输入字段、判定条件、边界、状态优先级及异常处理。需要数值阈值、稳定持续时间或状态切换条件时，依据有效工艺、设备配置和代表性实际数据完成确认及验证，记录具体取值和依据，不给所有设备套用统一阈值。

跨工单、跨工序、连续运行、停复机和返工作业按照实际身份与事件确定分段，保留规则冲突和边界不确定记录。输入缺失或证据不足时标记工况未确认，不默认归为空载、停机或正常。抽查片段与原始时序、工单及事件的一致性，修复错误规则后重新检查受影响片段及下游关联。

核查EMS计量点、实际仪表或通道、供能范围、设备及生产区域的对应，保存计量架构、来源记录、有效期间和变更信息。根据真实配置建立单点单设备、共享计量或多点共同覆盖等关系，不预设所有计量点均按配电回路设置，也不强制所有关系为多对多。

总表、分表及区间统计按明确边界组织，核对时间区间、单位、表计倍率、累计读数变化及有效状态，防止重复汇总。累计表计换表、复位、回绕、缺失和时间错位分别核查，原始读数与经过确认的计算结果同时保存，不把异常差值直接改为零或作为真实用量。

共享计量的分配仅在具有可核验的计量、作业或其他业务依据并完成方法验证后执行，记录输入、公式、适用范围、误差或不确定性检查及确认结果。计算分配值与直接测量值分别标识；无依据时保留实际测量范围，不平均分给各设备。对任务要求的设备或作业粒度仍有缺口的，列明缺口、补取及修复安排，核实所需记录与方法后完成相应验证，不以缩小分析粒度代替原任务要求。

3.4 关系定义与约束

按实际业务语义分别定义分类、组成、安装、工艺依赖、因果、故障表现、检验、编码映射、术语别名、组织或主体角色、合同条款、订单履约、物料替代及计量等关系。每种关系登记标识、名称、含义、允许的起点和终点、方向、数量约束、适用条件、有效期间及证据要求；新增关系经业务核验和一致性检查后纳入版本管理。

概念之间、实体之间以及实体与业务记录之间的关系分别管理，不能将类别归属、实物装配和合同组成统一成一种无条件包含关系。关系实例保留实际对象、来源及业务发生时间，允许的关联数量按具体业务范围确定，不把表中概括的基数作为所有版本和场景的统一硬约束。

查询扩展或推断使用明确配置并经过验证的规则，区分直接记录与推导结果。只有语义、对象和适用条件支持的关系才允许相应推导，结果保留完整路径、规则版本和依据；名称相似、时间接近或关系可连通均不能直接证明实体相同或因果成立。

每条关系实例记录关系标识、类型、起点、终点、方向、业务条件、有效期间、来源文档或记录位置、原始证据、建立方式及所用规则或模型版本。来源定位至少能够回到实际文件页码、表格行项、系统记录或时序区间；抽取程序和专家确认记录分别保存，程序执行成功不等于业务关系已经成立。

明确关系的候选、待核验、已确认、修订或失效状态。需要描述证据程度时，保存具体评价规则及理由，区分证据完整性、专家确认和模型置信度，不能用强、中、弱标签代替来源核查。存在相互矛盾的证据时保留各项来源与适用条件，核实后记录处理结论，不静默覆盖。

由规则推导的关系另记推导标识、全部前提关系、执行规则版本、适用条件和核验结果，查询显示及数据导出能够区分直接事实与推导结果。任一前提关系修订或失效时，追溯并重新检查相关推导及下游样本、知识条目和索引，保留变更前后的版本和处理记录。

3.5 领域实例构建

3.5.1 主机产品部件层级与安装关系

建立刮板输送装备等主机产品的产品、总成、组件和零部件对象，按PLM中实际有效的BOM及零部件资料登记组成关系。每项关系保存父对象、子对象、BOM版本、行项目、数量、单位、安装位置、适用型号及配置条件，层级深度与实际结构一致。对不同BOM重复引用的物料分别保存引用位置，不复制为相互无关的物料身份。

分别登记设计结构、制造采用结构与在役安装结构。设计结构关联有效BOM及变更记录；制造采用结构关联生产工单、实际采用版本和经批准的替代记录；在役结构关联设备台账、安装记录及维修更换记录。同型号装备存在配置差异时，按实际产品配置和设备实例保存结构，不以型号相同合并其安装状态。

安装和拆换关系记录主机实例、部件实例或可追溯批次、安装部位、安装与拆除时间、业务记录及确认状态。源资料只能识别物料类型而不能识别单件时，保留可用粒度并登记识别缺口，不自行生成已核实的单件履历。历史报警、运行数据和检修结论按事件发生时的安装关系关联，后续换件不改写此前所属部件。

逐项核对测点的物理量、测量位置、测量对象、设备通道及有效时间。直接反映部件状态的测点关联对应部件；反映整机、系统或共享管路状态的测点保存实际测量对象及关联范围，不强行归入一个部件。报警事件同时保留原始报警对象、触发规则及时间，再通过已确认的结构和测点关系定位相关对象。发布前检查父子引用、循环关系、数量单位、配置有效性和时间冲突，异常记录经核验修正后纳入正式本体。

3.5.2 工件品类

建立链轮、齿轨、刮板、压板、哑铃销等工件品类及其实际物料、零部件和生产实例。品类记录包含规范名称、原始名称、别名、定义、分类依据、适用产品、关联物料编码和资料来源；具体零部件记录进一步关联图号、图纸版本、材料要求、结构规格及适用配置。品类与具体物料、设计零部件及实际生产工件分别建模，保留所属关系和各自标识。

结合产品资料、工艺文件及验证场景对象清单逐项核对品类覆盖情况，登记每类工件已具备的数据、需补充的资料和责任岗位。按经确认的生产计划组织资料核验、实例构建和样本加工，分批交付不改变整体覆盖要求。对新增品类沿用相同登记和审核程序，补充对应的工艺、质量、缺陷及场景关联，不以现有样本多少直接排除业务对象。

按具体工件及其有效图纸、工艺文件登记实际工艺路线，保留工序标识、执行顺序、适用条件、设备资源及版本。生产数据通过工单、工件、工序执行记录和采集对象关联到相应系统与产线；存在返工、重复加工或不同工艺路线时分别记录，不根据工件品类名称直接指定唯一加工过程。

质量特性引用图纸技术要求、适用标准、工艺检验要求和检验文件中的具体位置，保存名称、测量对象、方法、单位、允许范围及适用条件。缺陷类别与实际缺陷实例分别登记，实例关联原始图像、检测报告、工件位置和确认结论。仅有工艺要求而无实际缺陷证据时，不据此填报该品类的缺陷发生情况。

标注标签按照本体中的已发布概念定义和样本证据设置，评价项目按照具体任务及经确认的判定规则配置。图纸标题栏仅用于提取其实际载明的图号、名称、材料等信息；技术条件、检验方法和缺陷结论分别引用承载对应内容的文件或业务记录，并保留版本及页码、区域或记录标识。

逐品类检查对象登记、工艺关联、质量特性、缺陷标签、样本证据和验证场景的覆盖情况。覆盖检查以实际工件、有效工艺路线和场景业务对象为依据，分别记录已核实内容、资料缺失和关系待确认项；不以表格行数代替对象覆盖率，不以多个工件重复使用同类数据代替不同工序的数据覆盖。

工件品类或其关联内容发生变化时，登记新增、修订、停用及合并拆分事项，核对对术语表、标注标签、合成约束、检索条件和历史样本的影响。保留原版本与变更依据，修订受影响的对象和关系并复核下游引用。历史样本保留加工时采用的版本，新版发布后按已确认的变更范围安排重映射、复标或重新生成。

对各品类逐项登记材料牌号、材料标准及版本、供货或加工状态、实际适用的热处理要求和检验项目。材料牌号按有效文件中的标识保存；数值参数分别登记单位、范围及条件。不同标准、不同材料状态或不同图纸版本下的要求分别记录，经核验建立对应关系，不仅依据名称相似合并。

每项要求关联实际承载该内容的图纸区域、工艺卡片、技术条件、检验文件或业务记录。来源存在冲突时保留各来源及冲突项，由相应业务岗位确认适用文件和生效范围后发布；历史要求及已生产工件的适用版本继续保留。

3.5.3 热处理工艺参数项

热处理参数按设定值、实测值、计算值和事件记录分别定义。每个参数保存名称、物理量、单位、数据类型、来源字段或通道、测量对象与位置、采样或记录方式、有效时间及质量状态。设定值关联工艺文件或控制配方的实际版本与生效时间；实测值保留原始时间戳、设备及通道标识；计算值保存输入记录、计算方法、参数和版本。

参数比较和统计按材料牌号及状态、工件结构与规格、设备及加热方式、工艺阶段、装载条件、测量位置和方法等实际条件建立分组。先检查物理量和定义一致性，再核验单位换算、测量条件及时间对应关系。相同炉型或牌号不直接等同于条件一致；跨设备比较须验证测量及工艺条件的适用性，不能仅依据设备名称作肯定或否定判断。

对经确认可比较的记录保存比较分组、采用规则、依据和有效范围，对条件不全或不一致的记录保留原值及差异项，安排补充核验。温度、功率、频率等参数的设定值与实测值分别关联，同名参数也不因名称相同自动合并。

参数与质量结果通过实际工件、批次、炉次、工序执行记录及检验位置建立关联。质量结果保留检验项目、方法、单位、要求来源、检测时间和确认状态；工艺参数保留对应过程阶段及原始记录。跨记录匹配须检查标识、时间区间和加工履历，关联失败或存在多种候选时记录待核验事项，不强行配对。

分别登记工艺文件规定的控制要求、历史样本中的统计关系和经业务审核确认的原因分析结论。每条关系保存适用材料、设备、工件、工艺条件、证据来源、分析方法和审核状态。统计相关关系不直接转为因果关系；质量结果和原因结论不相互替代。

将审核通过的知识关系用于对应范围的标注、检索和合成约束。新增实测记录或工艺文件修订后，检查已有关系的适用性，保留原结论、复核记录和生效版本。无法验证的关系留在待核验清单，不作为确定事实生成训练样本。

逐台核验热处理设备的可用参数、接口、记录方式、历史时间范围、采样频率、时间同步和质量标志，建立设备与参数覆盖清单。对每个参数区分业务不适用、尚未接入、接口未开放、历史记录缺失、采集异常和字段含义待确认等状态，保留核验依据、影响对象、处理责任和完成计划。

对适用但缺失的参数核查已有控制系统、生产记录、设备接口及可用采集手段，按项目实施安排完成接入或补充采集并验证数据质量。缺失值不填为零，不以其他工件或其他炉次的数据冒充实测记录。涉及采集条件和实施安排调整的事项履行项目变更程序，不自行降低数据和场景交付要求。

按设备、工艺阶段、参数和时间区间统计覆盖情况，逐项列明可用记录、缺失记录及修复结果。进入训练或验证前检查实际输入条件，对缺失字段按经过验证的处理规则执行并保留处理标识；不能满足任务输入要求的样本暂不作为合格样本交付。

3.5.4 焊接工艺参数项

焊接参数分别保存工艺规定值、设备设定值、实时采集值及经计算得到的统计值。每条记录关联焊接工艺文件或配方版本、设备、工件、焊缝、焊道或实际可识别的执行单元，登记单位、来源字段、记录时间和有效状态。工艺要求与设备设定不一致时保留两者及差异，不用设定值覆盖工艺文件要求。

按焊接执行过程建立设定值的生效区间，记录参数调整、起弧、收弧、暂停和续焊等实际事件。实时数据与当时生效的设定记录关联，发生时间不同步、设定记录缺失或无法识别执行对象时，保留原始数据并登记关联问题。

偏差计算明确目标参数、原始值、参考值、时间窗口和公式，分别输出适用的绝对偏差及相对偏差。参考值为零、单位不一致、缺失或过程阶段不匹配时不计算无意义的偏差率，记录原因并采用经确认的适用处理规则。加工数据保留原始值、参考来源和计算结果，能够追溯到具体执行记录。

焊接参数的比较条件包括实际焊接方法、母材及焊材、厚度、接头和坡口、焊接位置、设备控制方式、焊道层次及过程阶段。按参数物理含义、设定机制、测量方式和单位检查记录的一致性，再确定可用于统计、训练与验证的分组。

绝对偏差与相对偏差均保留所属工艺条件，不将相同偏差率直接视为相同工艺状态或质量风险。跨组使用前检查参考值定义、适用范围、数据分布和实际验证结果，记录分组或归一化方法及有效条件；未通过验证的记录按原工艺条件分别处理。

参数异常判定引用对应对象和过程阶段实际适用的规则及版本，保留限值来源、持续时间要求和例外条件。工艺文件尚未给出明确限值的项目列入规则确认，不自行用统一偏差比例代替工艺要求。

将焊接方法、焊材、母材、接头、工件厚度、焊道及过程阶段登记为参数和样本的关联条件。对每个工艺参数保存有效工艺文件中的控制要求、实际设定与采集记录；对焊缝质量保存检测方法、检测部位、结果和审核结论，按同一焊接对象与过程建立可追溯关联。

参数与缺陷的知识关系按实际证据登记适用条件、可能影响因素、分析过程及确认状态。缺陷原因分析同时核对材料、装配、焊接执行、保护条件及检验资料等相关证据，不仅依据单一电流、电压或速度的高低确定原因。一般工艺知识与具体事件原因结论分别保存，未验证的关系不转写为确定性标签或自动处置指令。

将已确认的关系及证据用于对应任务的检索和分析，输出时保留对象、条件和来源。新样本或工艺版本变化后复核相关关系，更新受影响的标签、知识约束和检索内容，保留原版本及修改依据。

3.5.5 缺陷类型

焊接缺陷类型包括热裂纹、冷裂纹、偏焊、咬边、夹渣、烧穿、未熔合、未焊透、气孔和焊瘤。逐类建立规范名称、定义、别名、适用对象、判别依据、易混淆情况及证据要求，关联经确认的术语与标注规则版本。

缺陷实例保存工件、焊缝、部位、检测时间、检测方法、原始图像或检测记录、判定结论和审核状态。图像可见表征、检测指示、缺陷类型及原因结论分别登记；单一图像无法支持的结论不据外观推定。多类缺陷同时存在时分别记录其位置和证据，无法明确区分的样本提交专业复核，确认后更新标签及相关样本。

建立烧伤、裂纹两类热处理外观缺陷及其判别依据，保存规范名称、别名、适用工艺、表面表征和检测证据要求。缺陷实例关联具体工件、加工过程、表面部位、原始图像与检验记录，分别保存可见表征、确认的缺陷类型和原因分析结论。

对疑似色差、线状痕迹、反光或表面污染等无法直接确认的情况，保留原图、采集条件和疑点位置，结合适用检验资料进行复核。确认后形成标签，不能仅凭图像颜色或单一温度参数生成烧伤、裂纹结论。

工艺参数、质量检验结果、缺陷实例与原因分析分别建立关系类型。检验关系记录被检对象、项目、方法、结果及判定依据；统计关联记录分析样本、方法、条件和结果；原因分析关系记录具体事件、支持与反驳证据、适用条件及审核结论，不混用关系类型。

每条拟发布关系进行来源、对象、时间、条件和结论一致性核验。专家审核记录保留审核意见及所依据的文件、检测或分析资料；只有一般经验或未经验证推测的关系保留待核验状态，不作为已确认因果事实用于合成或标注。发布与修订均记录版本，并同步检查受影响的检索内容、标签和合成约束。

3.5.6 典型故障模式

按在役装备的整机、系统和部件组织典型故障模式，核验远程运维记录、设备台账、点检维修资料、故障分析报告及相关技术文件。逐条登记故障模式名称、适用设备与部件、发生条件、可观测现象、检测依据、确认原因、处置措施和相关备件，并保留各项来源及适用范围。不同来源尚未一致时分别保存原始记录，经过复核后形成规范定义和实例关联。

将故障模式定义与具体故障事件分别维护。事件记录保存设备实例、发生和发现时间、当时工况、相关测点、报警、检修过程、原因确认及恢复情况；报警触发、现象出现和故障确认分别登记，不以报警代码或停机事件直接替代故障模式结论。

对故障、原因或处置资料不足的对象列明缺失信息、补充来源、核验岗位和处理计划，按场景验证需求补充并复核。一般处置知识与本次事件实际处置分开保存，备件关联核对型号、配置和适用条件。经确认的实例进入正式本体及对应知识内容，未经确认的原因保留待核验状态，不形成确定性诊断标签或自动维修指令。

3.5.7 备料工序

依据备料分厂实际有效的工艺文件、工序字典和生产执行资料，建立覆盖完整备料流程的工序对象。逐项登记工序标识、规范名称、原始名称、加工内容、适用工件和材料条件、输入与输出状态、设备资源、工艺文件版本及来源位置，工序数量按核验后的实际清单记录。

工序分组按实际加工内容及已确认分类规则维护，分组与具体工序分别建立对象。工艺路线保存具体工序执行的先后关系、重复或返工安排、并行或等待条件及适用产品配置；同一工序可在不同路线或不同位置出现，不由分组名称直接推定固定排序或排除候选。

工序字典新增或修订时，核验其对工艺路线、参数、资源、质量检验和训练样本的影响。保留原编码映射、版本和变更依据，对受影响关系进行更新并复核，不将初始字典视为永久封闭的取值集合。

在需求确认和数据准备阶段获取实际有效的备料工序字典、工艺路线、设备资源及工时资料，记录提供部门、文件版本、有效时间和来源。逐项核对工序编码及唯一范围、规范名称、别名、加工内容、适用条件、输入输出、设备资源、路线关系和工时定义；工时同时保存单位、计量范围及实际适用条件。

将字典记录与PLM、生产执行资料及工艺卡片中的引用逐项比对，登记同名异义、同义异码、停用仍引用、编码缺失和版本冲突等问题。业务岗位确认规范定义、映射和生效范围，项目组据此更新本体并检查相关路线、参数和样本引用。首版本体发布前完成其适用对象的来源和关系核验，未完成项列明责任、影响及处理计划。

核验期间保留原始工序名称、源编码、所属文件及实际记录粒度。已确认映射的记录按发布规则处理，未确认记录保留原值和候选映射并进入待核验清单；分组映射与具体工序映射分别保存，不用分组名称覆盖原始工序。未确认内容不作为正式标签或确定性合成约束发布，完成确认后补齐映射并复核受影响样本。

3.5.8 故障现象与原因

分别建立故障现象、原因概念及其具体观测和分析记录。现象记录关联设备或部件、发生时间、工况、原始测量或业务记录和实际观察内容；原因记录区分待核验假设与已确认结论，关联具体事件、分析方法、证据及审核状态。

同一现象可关联多个待核验原因，同一原因也可关联多个事件，分别保存关系的对象、条件和证据，不将多对多关系压缩为单一原因字段。现象与原因概念通过已确认关系关联故障模式，不因被用于故障诊断就将其直接定义为故障模式的下位类型。

规范术语与实际实例分别审核。新增现象或原因先核对已有定义、别名和来源，再确认新增、合并或修订方式；待核验记录与已发布内容分开管理，结论变化时保留历史及受影响标签的处理记录。

对预处理发现的缺失、突变、漂移疑点、异常时间戳和通信中断建立数据质量问题记录，保存原始片段、测点与通道、发生时间、发现规则及处理过程。将数据异常线索与设备运行故障分别登记，未完成核验时不填报确定的传感器或设备故障原因。

结合配置、校验记录、对照测量、通信日志及现场检查结果核验测量链路。确认具体原因后登记受影响的对象、时间区间、数据及修复措施；核验未能确认原因的继续保留未知或待核验状态。恢复采集后复查数据质量和时间一致性，再更新相关记录状态。

测量链路结论变更时复核受影响的故障标签、统计结果、训练样本及验证输入，必要时重新加工并保留版本。修复后的数据与原始数据关联保存，不能以修复值覆盖原始证据或把插补值当作实际测量结果。

3.6 企业编码映射

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。

3.6.1 编码映射与冲突处理

按对象识别、映射核验、冲突处理和结果发布组织企业编码对齐。获取主数据管理平台的组织机构、人员和物料编码，以及PLM的BOM与零部件资料，记录来源系统、组织范围、编码规则、有效时间、状态及版本。关联其他业务系统记录时，先核对其业务含义和对象粒度，再确定身份映射或业务关联关系。

建立本体标识与企业编码的映射记录，保存双方标识、对象类型、来源范围、关系类型、适用条件、有效期间、证据位置和确认状态。候选关系与已确认关系分别管理，审核通过后随本体版本发布。对齐过程保留原始记录、处理日志和差异清单，查询结果能够定位映射依据及生效范围。

分别登记概念分类关系、设计对象关系和实体身份映射。工件品类与具体物料或零部件通过分类及实例归属关系关联；设计零部件与实际制造或在役对象通过制造、安装等业务关系关联，不将类型相同或设计来源相同的多个对象合并为一个实体。

跨系统身份映射核对企业编码、编码适用范围、对象属性、版本和业务记录。仅在证据能够确认同一对象时建立同一身份的映射；一条源记录表示批次、组合或汇总对象时，保留原对象粒度，通过组成或覆盖关系关联明细，不直接视为明细对象的别名。

提供按本体标识查询企业编码、按企业编码及所属范围查询本体对象的能力，返回关系类型、生效期间和来源依据。存在多种候选时展示各候选及待确认原因，不把多条查询结果自动合并或随机选择为唯一身份。

对跨系统编码冲突先核验对象类型、识别粒度、编码命名空间、组织范围和有效期间。区分同一对象多编码、同名不同对象、设计对象与实物实例、批次与单件、历史编码与当前编码等情况，按实际关系分别处理。身份不能确定的保留冲突和候选关系，不强行指定为同一实体。

以主数据组织机构、人员及物料编码和PLM的BOM、零部件资料为相应对象的对齐基准，结合实际业务记录确认其他系统编码的对应关系。跨系统编码保存在编码映射记录中；名称、简称和现场叫法另行核验后进入术语及别名记录，不以不同代码互为同义词。

需要修正源数据或企业编码时，登记问题、依据、影响范围、责任岗位和处理进度，按项目数据治理及变更流程办理。映射修订保留旧关系、变更原因和生效时间；涉及历史合并、拆分或替换时，依据实际业务事实记录前后关系，不以删除旧编码消除冲突。

对未能建立映射的记录分别登记资料缺失、身份待核验、编码范围不明、历史编码待确认、确需企业编码补充及仅适用本体概念标识等原因。缺口记录包括对象类型、原始名称或编码、来源、已核查资料、影响任务、处理责任、计划和状态，不能将所有未匹配记录统一判为主数据缺码。

对确需新增或修正企业编码的事项，提交相应主数据和业务管理流程确认，保存批准结果与生效信息，不由本体加工过程自行冒充企业正式编码。对企业编码体系本来不承担标识的概念，建立稳定本体标识并明确其性质，关联适用企业对象，不将本体标识伪装为源系统编码。

缺口处理完成后更新映射并验证双向查询、历史记录和下游引用，保留原申请及处理证据。尚未完成但影响任务使用的事项列入质量与交付问题清单，落实补充核验和修正，不以移交清单代替实际闭环。

3.6.2 对象编码基准与冲突处理

按组织机构、人员、物料、BOM、零部件及其他实际业务对象分别维护编码基准和映射规则。每类对象登记编码维护来源、编码唯一范围、状态含义、有效时间和适用粒度，关联已确认的字段定义和实际样例。

名称相同、型号相同或指向同一设计的记录不自动认定为同一实物对象。对编码冲突先完成对象识别，再确定同一身份、历史继承、组成或其他业务关系。保留源系统原始编码和名称，映射结果能够解释各记录实际表示的对象及适用范围。

组织机构、人员和物料分别采用主数据管理平台的对应编码作为对齐基准，BOM及设计零部件以PLM资料核验身份、版本和结构关系。其他业务对象依据实际有效的管理资料核实其编码来源和适用范围，已有企业编码的保留映射，无对应企业编码的明确登记本体标识及其性质。

设备资产、在役部件、设计件、物料、测点和传感器分别识别，不因属于相同设备层级而共用身份。供应商组织、联系人、合同、订单和合同条款分别关联其实际业务标识；质量特性、检验项目、方法和结果分别登记，不能用其中一种编码替代全部对象。

编码或对象状态变化时核验是否为单纯换码、对象更换、合并拆分、功能调整或名称修订，按实际情况维护关系及生效时间。历史数据按当时有效的对象关系定位，新编码发布不改写历史事实。

编码映射用于定位对象身份及其跨系统关系，术语别名用于已确认范围内的名称表达转换，两类记录分别维护。别名登记规范概念、原始表述、业务语境、来源及有效条件；同名异义或非等价表述保留歧义和关系类型，不作无条件归一。

报警代码保存所属系统、设备或规则范围、版本及实际含义，通过报警事件与相关对象和故障记录建立关联。一个代码对应多种业务情形时保留触发条件和确认结论，不将报警代码直接当作故障模式身份。

对检索、标注和知识关联分别验证编码映射与名称转换结果，查询时使用对象范围和有效时间消除歧义。不能确认的关系返回待核验状态，不能仅依靠同义词扩展将不同实体合并。

按组织机构、人员、物料、BOM、零部件及其他实际涉及对象建立映射核验清单，范围覆盖本体及项目加工、标注、合成、检索和场景验证所引用的企业对象。分别统计已确认映射、待核验关系、资料缺失、不适用及确需补充编码的记录，登记统计时点、对象范围和计算依据，不用删除未匹配记录缩小统计范围。

分批核验与发布时同步登记剩余问题、责任和完成计划。交付前检查映射完整性、对象一致性、有效时间及双向查询结果，解决影响正式使用的错误和缺口。对仅适用本体标识的概念明确其属性及与企业对象的关联依据，不将其虚填为已有企业编码，也不将未核验关系计为已完成映射。

3.7 本体成果交付与引用

交付本体文件、术语表和同义词别名表，随附企业编码映射、变更记录、发布记录及质量验证结果。各文件采用统一的发布标识，记录本体版本、术语与映射版本、文件名称、格式、生成时间、校验值及适用范围，能够从交付清单定位到实际文件及其依赖。

本体文件包含类目、属性、关系、实例和相应约束，结构化表保存规范定义、来源、状态及有效条件。发布前检查文件可解析性、必填信息、标识唯一性、引用完整性及关系一致性，形成检查结果和问题处理记录。交付内容提供可编辑源文件及经确认的机器读取格式，保留生成配置和版本对应关系。

本体文件、术语表、同义词别名表和编码映射保持对象标识与版本一致。术语定义引用实际标准、制度或业务资料的具体位置；同义词记录等价关系、适用场景及歧义条件；编码映射记录源系统、编码范围、对象关系和有效期间，三类内容分别维护并相互引用。

对交付包中的缺口和变更事项登记责任岗位、处理计划、影响范围及状态。发布记录列明新增、修订、停用内容、兼容性结论、下游调整和历史数据处理要求，关联对应检查结果。接收方完成文件完整性、解析、引用及适用任务验证后记录接收结果；未通过项修正后复验，不能仅以文件已发送认定交付完成。

在标注、合成、检索、预处理和知识库的实际使用链路中验证本体成果。分别检查文件解析、字段与标识映射、版本识别、术语查询、适用条件处理及错误返回，保留输入版本、用例、输出结果和问题修复记录。

采用文件导入或服务接口接入时，明确字段、格式、调用方式和更新规则，并核对导入后对象数量、关系及版本。试运行验证通过后发布使用配置，任务记录引用实际生效的版本，避免工具保留未登记的本地词表或过期映射。

标注、合成、检索、预处理和知识库作业均引用已发布本体及其配套术语、别名和编码映射。每项任务保存使用的版本组合、加载时间、配置及校验结果，输出数据保留相应版本关联；本地缓存和导入副本记录来源及更新时间，更新后验证内容一致性。

发布时记录本体、术语表、别名表、编码映射及相关工具配置的版本对应关系，形成经验证的使用组合。任务启动和更新时检查依赖文件、标识及配置是否符合该组合，不以不同组件版本号是否相同作为唯一判断条件。

发现缺失、内容不一致或不兼容引用时，阻止受影响任务使用错误配置，记录涉及对象、作业和批次，并完成修正与复验。已产生的相关成果隔离核查，依据影响结论重新加工；经验证不受影响的任务保留原有效配置和运行记录。

核对本体概念、属性、术语、参考值与有效的数据治理标准之间的对应关系，记录双方标识、版本、适用范围和依据。定义、单位、取值或编码发生冲突时保留差异及来源，交由相应业务和数据治理岗位确认，形成修订或映射结果。

经确认的变更分别发布到相关标准、本体及使用配置，核验受影响的标注、合成、检索和知识条目。不同成果保留各自版本及对应关系，发布记录明确实际生效范围与时间，不能以修改一份文件代替各使用环节完成同步。

3.8 本体更新与版本管理

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。

3.8.1 变更发现与提报

在预处理、标注、知识抽取、合成、质检、验证和数据治理作业中登记新增或修订的术语、故障模式、工艺参数、对象关系及适用规则。每项变更申请关联发现任务、数据批次、当前本体版本、对象标识、原始记录位置、问题描述、拟调整内容和影响范围。

保留发现时的原文、原值、样本和相关证据，对同一问题的重复提报进行关联汇总。初步区分新业务概念、源数据错误、引用版本不一致、定义歧义和规则缺失，不能把所有异常都归为需要新增本体内容。

项目组登记责任岗位和处理状态，业务专家核验概念及关系，数据与工具人员检查样本和配置影响。受影响作业按问题性质采取隔离、纠正或补充核验措施，未经审核的变更不直接改写已发布本体。

各作业环节均可提报发现的本体问题，不限定只能报告本环节常见的某一类差异。提报时记录具体岗位、发现时间、原始证据和关联对象；不能确认问题类别的先保留原始发现，再由受理岗位分类。

本体维护岗位核对申请完整性、重复项和当前有效版本，关联相同对象的已有问题，确定业务审核、数据核验和工具调整责任。涉及多个业务域时同时核查相关定义及使用条件，不由单一环节自行改变跨域概念。处理进度与结论回传提报方，并保存确认和复核记录。

对变更申请完成来源核验、语义审查、影响分析、审批、发布及验证后，记录处理结论和关闭依据。未采纳的申请保留原因及适用条件；需补充资料的明确资料项、责任岗位和计划；采纳的变更关联发布版本及受影响任务。

按对象和批次跟踪变更处理结果，核查相关标签、合成约束、知识条目和检索配置是否完成调整。申请关闭以实际修改与验证记录为依据，不能仅以转交其他岗位或计划纳入下一版本作为完成。

变更申请发现后及时登记和分类。对影响对象身份、事实正确性、关键业务判定或正在执行批次质量的问题，及时组织核验，隔离受影响成果并确定修复措施；经批准的紧急变更通过受控版本发布，不能等待常规汇总周期后再处理。

一般完善事项按项目进度和发布计划汇总评审，明确完成时间及验证安排。每次发布固定对应的文件、规则和依赖版本，保留审核及发布记录；批次中的任务按批准的变更决定继续、暂停或重新加工，不能在无记录情况下更换定义。

3.8.2 版本变更与影响评估

本体变更发布前检查类目、属性、关系、实例、术语、别名、编码映射和约束的具体差异，识别直接引用及间接受影响的样本、知识条目、索引、模型输入和工具配置。影响分析保留变更前后内容、适用范围、依赖清单及验证依据。

分别判断对象身份、业务含义、单位和值域、关系条件、判定规则及来源事实是否变化，检查历史记录和在用任务能否按原条件继续使用。不能仅按变更名称推定影响大小，也不能因文件结构未变就认定业务兼容。

根据实际影响确定保留原版本、经验证迁移、重新标注、重新合成、知识修订、索引更新或重新验证等处理措施。每项措施登记对象范围、责任、执行结果和复核依据，发布审批采用已验证的影响结论。

版本标识按经确认的发布规则生成，每个发布版本唯一对应固定内容和依赖清单。主次版本的调整依据实际兼容性评估和发布规则确定，发布记录另行列明变更性质、影响对象及必要操作，不只用版本数字表达处理要求。

新增内容检查是否引入定义重叠、标签竞争、关系歧义和规则变化；属性修订检查单位、来源事实、有效范围及历史样本；类目和层级调整检查身份及标签含义是否变化。停止使用的对象保留历史身份和引用，值域变化检查受影响记录及规则适用性。

只有在映射关系明确、语义等价且验证通过的范围内执行自动迁移，保存迁移规则、输入输出、异常及复核结果。无法证明等价、证据不足或业务含义变化的记录进入人工复核或相应重新加工流程，不以批量脚本执行成功代替迁移正确。

发布前选取覆盖变更对象、适用条件、历史引用和边界情况的实际用例，验证工具加载、映射、标注、合成及检索结果。保存预期结果、实际输出、差异和处理记录，检查迁移后的对象数、标签、关系及来源信息是否符合批准的变更要求。

明确发布顺序、使用配置、生效范围、回退条件和恢复步骤，保留上一有效版本及其依赖文件。验证未通过的变更不进入正式作业；发布后出现未识别影响时隔离相关成果，按审批结果修复或回退，并补充影响分析与复验记录。

按影响评估分别确定原记录保留、经验证映射、人工复核、重新标注、重新合成、知识修订、索引更新和重新验证等处理措施。同一变更涉及多个环节时分别列出对象、批次、版本和执行责任，不能以完成其中一项代替其他处理。

记录每项处理的输入版本、规则、实际输出、异常及复核结果，核对对象和数量，保留可追溯的处理清单。自动处理未覆盖或未通过的记录转入人工核验；处理完成后再次检查下游引用，发布记录列明已完成项和尚未关闭的问题。

3.8.3 版本发布与作业衔接

已发布版本及其配套文件保持内容固定，修订通过新版本发布，保留旧版本和变更记录。任务保存本体、术语、别名、编码映射及相关规则配置的实际版本组合，样本和知识成果关联到对应加工记录。

对一般完善且经核验不影响当前任务正确性的变更，在用任务可按批准安排完成原批次，新任务采用验证通过的配置。对已确认影响事实、身份、标签或约束正确性的变更，及时阻止受影响错误继续产生，核查在途作业和已有成果，按批准方案修正、重做或切换版本，不一律等待批次结束。

版本切换前完成依赖、加载、映射及业务用例验证，记录生效对象、时间和操作结果。需要保留不同版本的数据时明确各自适用范围及差异，联合使用前检查语义兼容性；无法证明兼容的不得通过统一改写版本号混为同一口径。

3.8.4 专业术语同义词的来源、分类与歧义处置

建立专业术语及别名登记记录，为每个规范术语分配稳定标识，记录规范名称、定义、所属业务域、对象类型、来源、有效版本和适用范围。别名记录关联规范术语标识，分别登记表述、语言、来源位置、语境、关系类型、审核状态、确认人及有效期间。原始记录保留原文，不以规范词覆盖来源证据。

对新增表述先形成候选，由业务岗位核实对象身份和语义，再确认其属于等价称谓、上下位关系、相关概念或歧义表达。同一表述可在不同语境下关联不同义项，使用时同时核验对象、字段、业务域及有效时间。不能唯一确定义项的记录保留候选及歧义状态，进入复核队列。

检索配置、文本归一和标注标签分别引用经审核的术语记录，保存使用版本和适用条件。发布前通过典型用例、易混淆词和边界条件检查实际输出，核对误扩展、错误替换及细粒度信息丢失情况，修正后再用于正式生产。

别名按五类登记，分类的作用是让检索与标注分别取用：检索取全部类型做同义扩展，标注归一只取前三类，后两类不参与自动归一。

「近义但不等价」单列一类，是本表最要紧的一处。实际语料中大量的所谓同义其实是上下位关系：把下位词当同义词归一到上位词，标签就粗了一级，而这种粗化在样本里看不出来。因此这一类只参与检索扩展并在结果中带范围提示，不参与标注归一。

歧义的处置按三种情形分别给出，共同的原则是歧义不在别名表里解决，而是回到本体里拆开。

别名表的维护与术语回流同节奏，双周一次集中处理。新增别名在评审通过前进待确认列表，参与检索扩展但带待确认标记，不参与标注归一——检索多召回一些的代价远小于标注归一错一批的代价。

3.9 跨域概念冲突的识别与裁决

七类目并不各自独立：同一个对象常被四个业务域从各自的角度描述，描述一旦不一致，本体就会出现两处口径。一个零件在工艺侧叫工件、在仓储侧叫物料、在质量侧叫受检件；一个「批次」在仓储是入库批次、在质量是检验批次、在生产是投产批次；一道工序在工艺字典、生产执行系统与工时定额表里可能是三个粒度。这类冲突不属于编码对齐（3.6）要解决的「同一对象多个编码」，而是「同一个词在不同域指不同的东西」或「同一个东西在不同域被切成不同粒度」。编码对齐能把编码接上，接不上含义。

本节因此单设一道跨域冲突的识别与裁决流程。它的产出不是一个结论列表，而是让每一处冲突都有一个明确的归属：要么合并为一个实体，要么拆成带限定语的两个实体，要么保留两个实体并建立映射关系。

3.9.1 冲突的四种类型

跨域冲突不止一种，而是四种。四者的识别线索、裁决规则与代价各不相同，混在一起处置必然顾此失彼：把异名同义当同名异义处理，会把本该合并的两个实体拆开；把粒度不一致当异名同义处理，会把本可共存的两层压成一层，细粒度一侧的信息随之丢失。故先分型、后裁决，使每一处冲突走到与之匹配的规则上。

分型依据是「名」与「义」的错配方式：名同义异、名异义同，是指称层面两种相反的错配；切分深度不同、计算方式不同，则是同一指称之下结构与口径两层面的分歧。四类合起来即覆盖两域描述同一现实时的全部不一致形态。

下表分冲突类型、表现、典型发生处、不处理的后果四栏。横向读一行即可判型：先看表现是否对得上，再用典型发生处核对本域有无这些词；末栏是不裁决要付的代价，决定该类冲突在台账中的处置优先级。四类后果轻重有别：同名异义与口径不一致直接污染下游标注与取值，须优先裁决；异名同义与粒度不一致多表现为口径对不上，可随批次排期处理。

3.9.2 识别来源

冲突不靠人工通读本体发现，而是从五个日常作业环节的产出里自动捞出来。

跨域冲突不会自己声明。九个业务域各自沿用多年的叫法，单看一域都自洽，并到一套本体里才显出同名异义、异名同义与粒度不一致。本体规模一大，靠人逐条通读既费时又易漏，而漏掉的冲突不会停在本体里，它会顺着标注标签与检索索引带进数据集。可行的办法是让冲突在日常作业里自己暴露：凡作业环节上出现「对不上」的地方，背后多半就有一处冲突。

这张表回答的是从哪些环节捞、按什么信号捞、捞出来的是哪一类疑似冲突。五个来源中前四个机器可判：编码对齐看一个实体是否映射到分属不同对象类型的多个编码，术语归一看标准词是否被适用范围不重叠的别名同时命中，属性值域看取值分布是否分裂，关系基数看连接数是否远超定义。第五个来自人：标注与质检人员最早碰上口径打架。

怎么读：中栏是触发条件，右栏是初判类型，初判只作立案依据不作结论。读完可得的判断是：五个来源的产出并入同一本台账统一编号与定型，之后按 3.9.3 的流程取证、分域确认与裁决。

五个来源的产出合并进跨域冲突台账，台账字段为：冲突编号、冲突类型、涉及类目与实体标识、涉及业务域、识别来源、证据（样本编号或条目编号）、提出时间、当前状态。

3.9.3 裁决流程与裁决规则

裁决按四步执行，前两步由本体维护岗完成，后两步须业务专家参与。

一、取证。为每一处冲突取不少于约定条数的实例证据，证据须指向具体样本或知识条目，不以印象描述立案。二、定型。按上表四种类型定型，定型不明的先按证据最充分的一类立案，裁决时可改判。三、分域确认。请涉及的各业务域分别确认本域的用法与依据，确认结果书面留痕。四、裁决与落地。按下表规则裁决，裁决结论写入本体并随版本发布。

四条规则有一条共同取向：不替业务做合并。合并会让一方的历史数据按另一方的口径被重新解释，而这种解释在样本里不留痕迹。保留差异并把差异显式登记下来，下游至少知道有两个口径，可以按任务选取。

裁决权的归属按冲突所涉的对象定：对象的权威维护方所在业务域有主裁决权，其余相关域有陈述权；两域对同一对象都主张权威的，提交业务专家评审组裁决，评审结论书面留痕。裁决不成的冲突不悬着——按「保留两个实体并建立映射关系」的保守处置先行落地，台账状态置为待裁决，在下一次集中评审时重议。

3.9.4 跨域冲突台账的状态与闭环

一处冲突从立案到裁决发布之间有一段时间差，取证、分域确认与随版本发布都需要时间。这段时间里标注与合成作业不会停下来等，于是必须先回答一个问题：一处尚未裁决的冲突，下游能不能用、按什么口径用。答不上这个问题，作业方要么擅自按自己的理解处置，要么整批停工。

这张表把台账条目的生命周期固定为五个状态，并为每个状态写明它对下游作业的效力。效力单列一栏是本表的要点：状态只说明进展，决定作业怎么做的是效力。三个状态标为否——已立案、分域确认中、已裁决待发布都不改变下游用法，一律按现行发布版本使用；已发布为是，受影响样本按版本规则处理；待裁决为部分，指两域相持时先按保守处置落地，映射关系可用而合并不生效。

怎么读：纵向读第三栏，可知裁决结论不提前生效这一条贯穿全表。读完可得的判断是：本体口径变更只有一个生效入口，就是随版本发布，台账的中间状态不构成口径变更。

台账按批次统计未闭环条目数。首批以参与场景验证的类目范围标定基线，后续批次逐步接近台账无长期挂起条目的状态；同一冲突连续两次集中评审未裁决，提请在月度例会上明确裁决方，并在前提条件与风险应对一节中按未落实项跟踪。

3.10 本体环节的输入、产出、验收与退回

本体环节的输入最杂：既要预处理产出的术语候选，又要主数据、PLM、EAM、QMS 四套企业编码，还要数据治理发布的四套标准，以及企业的制图标准与工艺编制准则。输入多意味着依赖多，本环节因此是四个环节中最容易被上游进度牵制的一环。

处置办法是把本体建设分两期：第一期以预处理产出的术语候选与已有的企业编码为基础，建立七类目的骨架与首批实例，不等四套标准全部发布；第二期在治理标准发布后做一次对齐与补全，并按标准调整类目划分与属性定义。两期之间的差异在版本发布说明中记录，使使用方知道手上的本体版本处于哪个阶段、哪些部分还会变。

产出中的编码缺口清单需要强调一下。它不是本环节的副产品，而是治理规划环节的正式输入——它指出的是企业主数据体系未覆盖的概念，这些缺口不补，后续数据加工中相应对象只能用临时编码，而临时编码会在数据集中留下无法与企业系统对接的部分。因此本清单作为正式交付物提交，并在治理实施的主数据扩充计划中跟踪闭环。

退回路径上，本环节的缺陷由本体维护岗修订后重新提交口径检查节点，而不退回预处理——本体的问题多在类目设计与映射关系上，与上游样本质量无关。

3.11 本体环节的质量控制点

本体环节的控制点与前两个环节不同：前两环节管的是数据，本环节管的是结构的正确性，判定方式因此多为逻辑校验而非抽样复核。

「关系无环」一项是硬性的。层次包含关系中出现环（A 包含 B、B 又包含 A）或工艺前后依赖中出现环（工序甲在乙之前、乙又在甲之前），都是逻辑上不可能的情形，出现即为建模错误。这类错误不能靠抽样发现——环可能跨越很多层，人工核对看不出来——必须靠图论方法做全量环检测。发现环即判不通过，不设容许量。

「类目完整」一项按招标文件要求的七类目逐项核对，每类目须有属性集与至少一条实例。要求有实例而非只有定义，是因为一个只有定义没有实例的类目无法验证其属性设计是否可用；实际建模中，属性设计的问题往往在录入第一条实例时才暴露。

控制点的判定在本环节全部由自动校验执行，这与其他环节以抽样人工复核为主不同。原因是本体的规模虽不大，但关系数量多、交叉引用密，人工核对的遗漏率高于自动校验；而本体一旦带错发布，下游所有依赖它的加工都要重做。

4、知识库（3.2.6.3.4）

4.1 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。

图 4　知识本体与知识库的层次关系、终审检查节点与向下游的交付面（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—b1460）

4.2 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。

4.2.1 按资料类型的抽取重点

设备说明书里抽不出故障因果，故障案例里又找不到完整参数规格。知识抽取若对所有资料用同一套规则，产出必然两头落空：该抽的没抽到，不该抽的抽了一堆待审条目压在终审。不同资料承载不同种类的知识，这张表把每类资料该抽什么预先约定，使抽取有靶可循。

前三列对应本体的三类构件：抽取实体、抽取属性、抽取关系逐类写明值得抽的是哪几种，未列入的不在本轮范围；终审分档一列把审核力度与出错后果挂钩——涉及判定限值、处置措施、安全与合规要求的全审，其余抽样审，分界线是错了会不会影响现场作业与合规判断。

横向读一行，即一类资料的抽取任务书：抽哪些对象、抽什么属性、抽哪种关系、按什么力度审。纵向看抽取关系一列可得一条判断：因果关系集中在维修记录、诊断报告、故障案例与质量知识，检验对应集中在技术标准、工艺编制准则与质量知识，层次包含与编码映射来自设备档案与管理制度——知识的种类与资料来源是对应的，缺哪类资料就会缺哪类关系。

全审与抽样审的分界线是后果：涉及判定限值、处置措施、安全与合规要求的条目全审，其余抽样审。抽样比例按资料类型设定，首批不低于每类 10%，按终审发现的问题率调整。

4.2.2 抽取三道流程

从几千份设备档案、维修记录与技术标准里抽取知识条目，表面上只有两条路：全部人工读，或全部交给模型。前者做不完，后者的产出不能直接入库——模型会把相近的说法当成同一实体，也会把表格里的数字抽串行。这张表给的是第三条路：让模型、规则与人各做擅长的一段。

三道流程按单位成本从低到高排列。模型预抽按本体类目逐类扫一遍，产出的是候选而不是条目，置信度低于门限的当场拦下。规则校验用本体已定好的关系类型与属性值域作约束，把越界的候选退回并记下原因——这一道不判断内容对不对，只判断它合不合体系。人工终审按 4.2.1 的全审与抽样分档，判定的是业务上成不成立。

不通过的处置一列三种去向各不相同：拦截、退回重抽、不采纳，分别对应证据不足、口径不符与业务上不成立。读完三行可得的判断是：进入知识库的每一条，都已先后经过置信门限、体系约束与业务判断三重过滤，每一次被拦下的原因都有记录可查。

三道流程的次序不可调换，理由是规则校验成本远低于人工终审，先用规则过滤可以把人工时间留给真正需要判断的条目。

4.2.3 条目记录字段

知识条目的字段设计有一条贯穿的原则：每一条知识都必须能回答「你从哪里来」。条目编号中含类目码与版本，条目类型取自本体七类目，再加上出处字段——三者合起来使任一条目可以定位到它所属的类目体系、它的版本、以及它在原始文档中的来源位置。

这一原则的实际意义在场景验证时才完全体现。管理制度智能问答、技术标准智能问答这类场景，回答的可信度不取决于语言是否流畅，而取决于能否给出依据并且依据确实支持结论。若知识条目没有可回查的出处，模型给出的回答无法被核验，场景验证也就无从判定。因此出处字段在入库校验中是强制项，缺失即不入库——这是本环节唯一不设缓冲的硬性条件。

条目编号带版本号，是因为知识本身会变。制度修订、标准换版、工艺调整，都会使原有条目失效而非消失；历史数据中引用了旧条目的样本，仍需能查到当时的条目内容。按版本保留而不覆盖，使知识库同时具备「当前有效知识」与「历史知识」两种查询能力。

4.2.4 出处登记字段

出处登记是硬要求：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。

「有出处」三个字可松可紧。写上一份文件名算有出处，写到某章某条某页也算有出处，两者在问答场景里的差别是：前者让使用者自己去几十页里翻，后者能直接把原文调出来对。这张表要定的就是出处登记到什么颗粒才算数，以及这个颗粒是否被实测验证过。

十个字段分三组。源文件编号、文件名称与版本、文件类型三项回答出自哪份文件。章节号与层级路径、页码、段落位置偏移三项回答在文件的什么位置，三项并列而非择一，缺任何一项都会在某一种核对方式上失效。抽取时间、抽取算子与版本、审核岗位与审核时间三项是加工与审核留痕，使这条出处可复算、可问责。

末行是其余九项的检验：按登记的字段实际回查一次，看能否定位回原文，结论随条目保存。必填一列标出两项条件必填，章节与页码只对文档类资料成立，时序与图像类另有其定位方式。读完十行可得的判断是：出处不是一句声明，而是一组可被逐项执行的定位指令，且已经被执行过一次。

4.3 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。

4.3.1 管理制度

以「制度条款」为最小知识单元建立索引（b1437）。六项元数据与扩展字段如下。

以条款而非文件为最小单元，是因为制度进知识库的难点不在存文件，而在让问答结果落到「哪一份制度的哪一条、是不是还在生效」。按整篇建索引做不到——一份制度几十条，命中整篇等于没定位；条款脱离所属文件的身份与时效，又会援引已废止的条款。

十二个字段分三组。制度名称、编号、发布部门、生效日期、适用范围、制度层级六项是文件身份，回答「谁发的、何时起、管到哪」；制度类别、版本状态、废止替代关系三项是归类与时效，其中版本状态决定该条款能否作为现行依据援引；条款层级路径、条款文本、条款引用关系三项是条款本体，回答「这一条在文件里的位置、说了什么、连带看哪一条」。

必填一列是读表要点：标为必填的项缺失即不入库，不以空值进索引。取值来源一列说明每一项从原文何处取，字段值因此可逐项回查。横向读一行即知该字段取自何处、能否缺、按什么口径归并。读完可得的判断是：一条条款入库后，既能定位回原文位置，也能判断是否仍然有效。

4.3.2 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。

判据之所以排成有先后的七条而不是并列打分，是因为同一段文字常常同时命中好几条：它既带编号，内部又含两三项并列要求，末尾还跟着一句很短的说明。没有先后次序，切出来的结果就随人而异，同一份制度两个人切出两套索引。

七条的次序循着从确定到推断。第一、二条先认文件自带的编号结构，这是最可靠也最省事的依据，款项下挂保留层级而不单独成条；第三、四条处理编号单元与「一个要求」不等长的两种情形——一条里含多个各有主体与动作的要求，拆开并标同源条款号；一条须结合被引条款才完整，则不合并而留引用关系，由检索联带召回；第五、六条挑出定义型与附则附件两类特殊条款，前者还要回流本体术语表；第七条兜底，防止切出无独立语义的碎片。

怎么读：粒度结论一栏给的是执行动作，不只是一个判断结果。读完可得的判断是：切分口径可被复核，边界切错的处置是整文件回退重切。

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。

4.3.3 条款引用关系的三类识别

制度条款很少能单独成立。一条规定常写着「依据第十二条执行」或「按《某某管理办法》办理」，把这一条单独取出来回答问题，结论就是残缺的；更麻烦的是文件之间的废止关系——援引一条已被废止的规定，答案看上去有出处，实则已失效。

三类的分法依据引用指向哪里、带来什么后果。显式条内引用指向同一文件的另一条，后果是检索时须把被引条款一并召回，否则答案不完整；文件间引用指向另一份文件乃至其中的具体条款，证据链因此跨文件延伸；废止替代关系表面也是引用，作用却完全不同，它不补充内容而让一批条款整体失效，因此单列一类，直接供版本状态判定。

识别线索一列给出每类的判别依据，登记内容一列说明建边要记下哪几项。横向读一行即知该类引用怎么认、记什么、下游拿它做什么。读完三行可得的判断是：条款之间的关系被显式登记为图谱的边，检索可沿边联带召回，版本判定可沿废止边推断条款是否现行；识别不确定的一律标记为待确认，不直接建边。

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。

4.3.4 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（b1439、b1440），并扩展版本状态与代替关系。

技术标准与管理制度的区别在于换版。同一个标准号隔几年发一新版，判定限值、检验方法、适用范围都可能随之变动，旧版并不因此消失——历史样本当年依据的就是旧版。一条标准条目若只记下名称与编号，回答问题时便无从判断自己引的是不是现行版本，而这类错误在答案的字面上看不出来。

这张表定的是每份标准要登记哪些项、哪些项缺了不予入库。必填六项构成「这是哪一份标准、现在还算不算数」的最低条件，其中版本状态一项把现行、即将实施、已废止、被代替四种情形分开。选填四项补的是用起来才需要的内容：代替与被代替关系连成版本链，适用范围防止把标准套到不适用的对象上，引用标准清单展开它自身的外部依赖，关键条款索引直接指向判定限值与检验方法所在之处。

怎么读：必填一栏即入库门槛，说明一栏给出各项的取值口径。读完可得的判断是：标准条目既可被引用，也可被判断是否仍然有效。

版本状态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。已废止或被代替的标准在检索结果中标注状态，不从库中删除——历史样本的判定依据需要可回查。

4.3.5 投标相关资料

按四类归集（b1440—b1442）。

资质一类的条目结构与其他文档资产差别最大：它的知识价值不在正文叙述，而在证照本身的几个关键字段及其时效状态。一张已过期的安标证书，正文与有效期内的那张完全相同，拿它去应答投标资格要求却是错的。四类证照因此按统一字段结构逐张登记，有效期与状态为必填项（b1441）。

四类证照共用上表，各自另有特有字段与关联对象。

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 3.6 的编码对齐口径一致。

状态字段不手工维护，按日重算：以有效期至与当日的差值分三档打标，距到期九十日内标为临近到期并进入待换证清单，三十日内升一档，过期后标为已失效。换证件入库时按覆盖范围与型号匹配前序证照，建立换证关系，并把前序件置为已换证。

已失效与已换证的条目不从库中删除，检索结果带状态标注返回——历史样本与历史投标应答的依据需要可回查，这与技术标准废止件的处理一致（4.3.4）。检索默认只返回有效件，查历史需显式放开状态过滤，口径见 4.6.5。待换证清单的推送与提醒由平台承载，本节交付的是字段定义、状态口径与清单的生成规则。

资质条目是否齐备，直接决定标书智能问答能否正确回答「某型号投标需要哪些证照、哪些证照将在投标有效期内到期」这类问题。在册证照的盘点按现场调查办理：调查对象为质量管理部门与市场部门留存的安标证书、防爆证书、检验检测报告与产品合格证原件及扫描件；采集字段取上表的十二项登记字段，另加存放形态与可否获取扫描件两项；核实方法为按产品型号逐一清点原件并与已有扫描件比对编号，编号不一致的以原件为准；完成时点为进场后第 4 周内完成参与首批场景验证型号的清点、补齐批内完成其余型号。

清点结果不足时按三档处置：有原件无扫描件的，由项目组在质量管理部门现场扫描后登记，原件当场归还；有扫描件无原件的，按扫描件登记并标注原件未见，该条目在应答类场景中带来源提示返回；两者皆无而型号确需该证照的，按证照—对象关联表的覆盖要求列为缺口，在待换证与待补清单中逐型号列出，场景验证中涉及该型号资格问题的用例相应标注数据基础不完整。

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。

4.3.6 合同与招投标文件的条款切分

合同在本节有两重身份：既是供需计划域的业务文件，也是条款级知识单元的来源（b1400、b1434）。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。

招投标文件按 4.3.5 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规则处理后再进入检索索引。

4.4 两类核心知识图谱

4.4.1 图谱 A：故障链图谱

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（b1444）。

图谱 A 的构建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「现象—原因」边按证据强度分三级。

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。

4.4.2 图谱 B：工艺质量链图谱

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（b1445）。

热处理与焊接这类工艺，参数与结果之间隔着一段时间与若干工序：今天调了淬火温度，硬度要等切片检验才知道。车间里这两头的数据分躺在不同系统：参数在群控与时序采集，硬度在检验记录，工件在物料台账。问一句「这一件为什么硬度不达标」，人要翻几个系统凭经验对上；要让模型学会这件事，先得把这条链在数据里接上。

这张表定的是链上有哪几类节点。六类不按系统划分，而按链条环节划分：工件是被追踪的实体，工序与炉次是它经历的时间段，工艺参数是这段时间里的输入，切片结果、硬度指标、质检结论是三种粒度的输出：切片看组织，硬度看数值，质检看判定。来源本体类目一栏表明这六类节点不是为图谱另造的名目，而是落在既有类目上，与标注标签、检索字段同出一源。

怎么读：关键属性一栏是建边与查询用到的字段，实例来源一栏说明各类节点取自哪个系统。读完可得的判断是：同一工件的参数与检验结果可按件串起来查，串不上的只保留炉次级链路。