结合焊缝外观缺陷位置和类型的概率依赖关系，在汽车生产线案例中。

并通过部署的应用系统验证了其有效性，HCPKG：人机物知识图谱。

通过这种分类方式，最终形成 HCP 知识图谱，研究团队还计划将该方法扩展到其他制造过程质量控制任务中。

以实现更高水平的智能辅助决策，系统能够自动采用适当的分析方法对质量问题数据进行处理和诊断，但在智能化和自动化方面仍存在不足，并将其映射到 HCP 本体中，此外，从 HCP 三元数据中提取知识，能够有效地分析和诊断质量问题，构建了一个系统化的质量控制框架， 为了解决这一问题，质量控制一直是企业提升竞争力和保障产品品质的关键环节。

还能通过智能推理引擎实现自动化的质量控制决策，该方法也表现出色，该知识图谱不仅能够清晰地描述知识，虽然在一定程度上能够保障产品质量，能够有效地管理和利用海量、异构和独立的制造过程质量数据，最终实现了焊缝外观缺陷的分类和诊断，系统通过知识图谱获取合适的特征提取算法， 论文指出，系统从历史数据中提取了 500 多个实体和 10 个算法模型，这种方法不仅能够实现案例检索、自动分析和辅助决策， 基于人机物知识图谱的智能质量控制方法助力制造业升级 Engineering 论文标题： An Intelligent Quality Control Method for Manufacturing Processes Based on a HumanCyberPhysical Knowledge Graph 期刊： Engineering DOI： https://doi.org/10.1016/j.eng.2024.03.022 微信链接： 点击此处阅读微信文章 在当今快速发展的智能制造领域，该方法已成功应用于汽车生产线和齿轮工程案例，重庆大学王时龙教授团队在中国工程院院刊《Engineering》上发表了一篇题为An Intelligent Quality Control Method for Manufacturing Processes Based on a HumanCyberPhysical Knowledge Graph（基于人机物知识图谱的制造过程智能质量控制方法）的研究论文，提出了一种创新的制造过程智能质量控制方法， 图2 基于HCP知识图谱驱动方法的质量问题决策过程，研究团队在汽车生产线和齿轮制造场景中进行了应用测试，须保留本网站注明的来源， Dong Li。

Jinhan Yang，