中国指挥与控制学会会刊 
武器系统是由各型武器装备有机组合形成的整体,一般具有多层结构、所属分系统和设备数量众多、多种作战剖面的特点[1-2]。因此,各分系统之间、分系统与各设备之间以及各设备之间存在复杂的关系,当系统出现某一故障时,诊断过程往往比较复杂和困难。武器系统装备的使用主要在基层部队,而基层部队的使用人员管理水平和技术水平与各大专院校、科研院所的水平相比相去甚远[3],因此,基层部队的多数使用管理人员往往不具备复杂故障的排除能力,传统的故障诊断方法就是依赖经验丰富的专家或工程技术人员现场排查,需要大量的人力保障和高昂的维护成本,随着信息科技的发展,为克服现场排查带来的弊端,远程专家诊断技术被普遍应用[4⇓-6],有效地消除了时空障碍。但远程专家诊断技术首先需要搭建一个网络平台,然后,集中多人、多机、多设备进行协同诊断,由于搭建平台需要时间,因此,会耽误对故障的第一时间抢救,且远程诊断技术对操作要求较高[7-8]。根据现场人员反馈,武器系统故障的排除经常不能一次到位,需要进行多次会诊。对于交通极为不便,但武器系统需要全天候担负值班任务,例如岛礁等地方[9],远程诊断技术往往无法充分发挥其优势。
随着人工智能和大数据技术的不断发展,智能客服技术凭借其细粒度知识管理模式、良好智能交互过程以及多渠道接入方式,被普遍应用于各行业中的产品咨询、售后服务以及统计分析等[10⇓-12]。智能客服技术具有以下几种优势:1)可融入大量的专家知识和技术人员经验,构建领域知识库,当故障发生时,智能客服能从领域知识库中提取该故障的故障现象和故障排除方法,第一时间为用户提供指导,平时也可用于基层部队使用管理人员的学习和训练,提升排故能力;2)当前端机器人提供指导但故障仍然不能排除时,可以切入人工服务,专业技术人员将通过后端服务系统进行在线指导,扮演了部分远程专家诊断的角色;3)可根据用户使用数据,统计各设备故障率,便于更好地开展维修保障工作;4)智能客服技术不仅可以消除时空障碍,而且大大缩减了人力和物力成本。对于地处偏远、范围分布广且数量多的武器系统而言,智能客服将会起到更为关键的作用。
本文利用智能客服开放平台,基于知识图谱构建了行业领域知识库,根据武器系统常见故障设定多重任务场景,基于任务驱动智能客服多轮对话,实现复杂武器系统的故障诊断和排除。
1 智能客服关键技术
智能客服技术利用自然语言处理技术,可以对用户的需求进行高精度定位,通过构建集行业专家知识和技术人员丰富经验于一体的领域知识库,在多轮对话技术的驱动下,实现对各类专业问题的处理和反馈。智能客服系统共有三大关键技术:自然语言理解技术、领域知识库构建技术以及多轮对话技术。
1.1 自然语言理解技术
自然语言理解技术(NLU)属于自然语言处理的范畴,具体包括分词、词性标注、命名实体识别、句法分析、指代消解等过程[13]。分词是指将句子切分成词序列,词是承载语义的基本单元。中文自动分词被认为是中文自然语言处理中的一个最基本的环节,比如,句子“炮A出现故障”,切分为“炮A/出现/故障”;词性标注是指识别词的词性,描述一个词在上下文的作用,比如,名词、动词、形容词;命名实体识别也称为专名识别,是指识别文本中具有特定意义的实体,主要包括人名、地名、机构名、专有名词等;句法分析是指分析词与词之间的结构关系,确定句法结构,比如,主谓宾关系;指代消解是指决定哪些实体被哪些语言表述所指代的任务,比如,句子“炮A出现故障,它的时统信号丢失”,句子中的它指的是炮A。
Def NLU-rule(input-line):
for line in module-set:
line=line.split(',')
res=Fun[module-set,input-line,parameter]
if res:
print('res is:',res)
break
else:
res="no match"
End
1.2 领域知识库构建技术
影响智能客服问答能力的不仅仅是自然语言理解技术,领域知识库的构建质量也是重要因素之一。知识库由若干条知识组成。知识的定义为:一个标准问题、一个标准答案和若干个扩展问法的组合,其中,扩展问法和标准问题视为相同的意图[16]。目前,常见的领域知识库构建方法包括传统堆积方法和基于知识图谱的构建方法[17⇓-19],传统堆积方法是指构建一个庞大而精细的知识库,为每条知识设计足够的相似问法,并完成关键词重要性标注;基于知识图谱的知识库构建方法是指利用知识图谱技术将每条知识赋予对象、条件、属性和参数,然后进行实例化,一个知识图谱可以拥有多个实例,每个属性实例都拥有一个标准答案。自下而上的知识图谱构建方法如图1 所示。
武器系统中的各种故障都可以看做成一条知识,例如,第二代指挥控制台显示器黑屏,其中,“第二代”表示知识图谱中的条件,用于修饰并实例化对象的定语;“指挥控制台”就是知识图谱中的对象;“显示屏”表示知识图谱中的属性,指挥控制台的其他属性可以包括触摸键盘、计算机主板、时统板等,以上为一级属性,一级属性还可以拥有下级属性,例如,显示屏的下级属性还可以包括显示器电源模块、DVI数据线等;“黑屏”表示知识图谱中的参数,用于修饰并实例化属性的定语。故障构建的知识图谱结构图如图2 所示。
基于知识图谱构建领域知识库相比于传统堆积方法,无论是搜索能力还是知识库整理效率,都要高于传统堆积方法[17]。
1.3 多轮对话技术
基于任务驱动的多轮对话技术有两种基本技术架构,分别是基于知识库问答的智能客服体系以及基于槽位填充的智能客服体系[21]。基于知识库问答的智能客服体系使用检索或分类模型实现多轮对话驱动,其基本工作流程是:1)利用自然语言理解技术对用户的输入做处理;2)基于处理结果在知识库中做检索匹配,可利用BM25(Best Matching)、TF-IDF(Term Frequency—Inverse Document Frequency)或向量相似度等算法;3)从问题集合中挑出最相似的问题,并将该问题的答案反馈给用户;4)返回步骤1)。整个过程如图3 所示。
基于槽位填充的智能客服体系比基于知识库回答的智能客服体系的构建更复杂一些,一般要经过需求分析、平台搭建BOT、持续优化三个阶段。基于槽位填充的智能客服体系的关键在于信息的收集和决策,通常信息收集通过NER(命名实体识别)或配合调用外部的数据系统来实现,信息收集的过程被称作填槽,待收集的信息类型被称作槽位,通过收集的相关信息,决定流程的流转或部分依赖条件的确认,然后,根据预设给出答案或调用外部系统完成任务[22]。
由于武器系统故障诊断属于垂直专业领域问题,因此,本文采用基于知识库问答的智能客服体系架构,当问题超出知识库问答范围时,智能客服系统自动将其列为未知问题,并按频率统计未知问题,后续可将高频未知问题添加入知识库,不断补充和完善知识库。
2 武器系统故障诊断流程
由于武器系统种类繁多,很难构建一个适用于所有武器系统的智能客服系统,但不同武器系统可以建立适合本系统的独立智能客服系统,用于故障的诊断和排除,虽然各武器系统智能客服系统不完全相同,但故障诊断的流程都是类似的。首先,针对某一武器系统,例如岸炮武器系统,根据行业专家知识及现场技术人员经验,统计岸炮武器系统可能出现的所有故障,并整理相应故障的故障现象和排除方法;其次,利用国内开放的智能客服平台,基于以下过程构建智能客服系统:1)基于知识图谱模式构建领域知识库,并为每个知识图谱实例匹配标准答案;2)根据武器系统常见故障设定多重任务场景,为各任务场景设置故障解决流程;3)测试构建完成后的智能客服系统,修复漏洞并不断完善流程;最后,将测试完成后的智能客服系统交由现场人员进行故障的诊断和排除,根据一段时间的使用,可在后台统计分析武器系统中各设备的故障率,便于后续的维修保障工作。
岸炮武器系统故障诊断流程,如图4 所示。
3 应用实例
本文利用构建完成后的武器系统故障诊断智能客服演示某一故障的诊断过程,同样选取“第二代指挥控制台显示器黑屏”故障实例作为某一任务场景。
步骤一:在与武器系统故障诊断机器人的对话框中,用户输入“第二代指挥控制台显示器黑屏”,需要说明的是:智能客服技术采用的是词义匹配模式,即并非完全要输入“第二代指挥控制台显示器黑屏”才能触发问题,例如,输入“指挥控制台显示器黑屏”等同样能触发问题。触发问题后,智能客服自动回馈指挥控制台显示器黑屏的几种主要原因,如图5 所示。
步骤二:按照故障原因列表选择要排查的故障原因,一般从第一个故障原因开始排查,输入数字1。如果开始排故前就已知第一个原因不是导致故障的因素,则可以跳过第一个原因,输入2或3或4。为较完整地演示整个过程,此处从原因1开始,如图6 所示。
输入1后,智能客服自动回复第一种故障原因的故障现象和故障排除方法,用户可以根据提示进行故障的排查,如图6 a)所示。排查完成以后,根据智能客服的回复提示,输入故障是否排除,在图6 b)中,表明按照第一种故障排除方法故障并未消失,因此,智能客服自动回复第二种故障原因的故障现象和故障排除方法。若按照第二种故障排除方法故障仍未消失,智能客服则会依次提示按照下一种故障原因进行故障排除,如图7 a)和图7 b)所示。
步骤三:第二代指挥控制台显示器黑屏故障原因一共给出了四种,如果按照以上四种方法都无法排除故障,则智能客服会提示转入人工客服,由后场技术人员在线解答。如果在应用四种方法过程中解决了故障,智能客服则会提示:恭喜您排除此次故障,以上过程如图8 所示。
以上就是针对“第二代指挥控制台显示器黑屏”故障实例,利用武器系统故障诊断智能客服排除故障的过程。每一次故障的排查,后台都有数据记录,经过用户一段时间的使用后,便能对武器系统中各设备的故障发生率进行统计,便于对故障率较高的设备进行针对性地维护和保养。
4 结束语
本文首先分析了智能客服技术的三大关键技术,然后,通过统计岸炮武器系统各类常见故障,基于知识图谱构建了领域知识库,根据武器系统常见故障设定多重任务场景,基于任务驱动智能客服多轮对话,最终成功搭建武器系统故障诊断智能客服,用于岸炮武器系统的故障诊断和排除。实例应用表明:搭建的武器系统故障诊断智能客服能够较好地指导用户进行故障的排除,适用于武器系统故障诊断。
与此同时,我们也要意识到,虽然智能客服技术在不断发展,但智能化程度还远未达到期望的水平,对于一些复杂的问题交互,智能客服还不能很好地处理,因此,还需要更深层次地研究和提升智能客服技术。