一种由专家知识驱动、结合混合检索与增强生成技术的主动安全管理方法在机械加工车间中的应用

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：A Proactive Safety Management Method in Machining Workshops Driven by Expert Knowledge and Hybrid Retrieval-Augmented Generation

　　

Jinming Hu|Xiaofeng Hu|Hangyu Liu|Huanggang Wu|Chao Zhang

摘要

在机械加工车间中，主动安全管理面临着多种风险因素的耦合挑战，例如不安全的人为行为和设备故障。为了减少对经验决策的过度依赖，提出了一种结合语义向量检索和图检索的混合检索增强生成（RAG）决策支持框架。作为该框架的基础组件，基于11项中国国家标准构建了一个包含3,200个节点和3,000个关系的知识图谱。为了评估该方法，在实时实验环境中对提出的模型进行了测试，将Top-K参数设置为10，并与基线RAG系统和原生大语言模型（LLM）进行了对比，测试了三种任务类型（判断、简答题和案例分析）。具体而言，在判断任务中实现了0.903的准确率，在简答题任务中达到了0.939的关键词命中率，在案例分析中专家评分超过了8分（满分10分）。对十个内部设计的考试集的全面评估表明，提出的模型优于RAG模型，平均得分为92.3分（满分100分）。该框架为车间主动安全管理的标准化提供了参考，但可能面临集成复杂性等挑战。未来的工作将扩大场景覆盖范围并实现大规模应用。