自主演化的缺陷质量知识图谱构建测试数据

本数据集面向航空发动机叶片制造过程中表面缺陷演化分析与质量追溯的迫切需求，由叶片加工专家团队参与建设。针对产线实际中新实体多批次动态出现、缺陷与质量要素关联建模困难等挑战，本课题通过采集一线长期积累的加工工艺迭代数据，研发了自主演化的缺陷质量知识图谱推理技术，旨在显著增强制造过程中的质量溯因能力。数据产生过程结合了实际生产流程，利用基于语言模型的知识抽取模型及表格目标检测模型，从生产记录文档中自动提取质量知识，并运用深度学习方法将时序加工数据转化为语义知识，构建起动态演化的知识体系。数据集核心内容涵盖了叶片加工全流程工艺参数规范、常见缺陷异常类型及其根因库，并配套了包含唯一标识编码、量化描述及诊断结论的典型异常缺陷案例库。

搜集汇总

背景与挑战

背景概述

该数据集面向航空发动机叶片制造中表面缺陷演化分析与质量追溯需求，由叶片加工专家团队参与构建。通过采集实际生产流程中的加工迭代数据，利用语言模型和深度学习技术自动提取质量知识，形成动态演化的缺陷质量知识图谱。数据集包含叶片加工全流程工艺参数规范、常见缺陷类型及其根因库，并配套典型异常缺陷案例库。