在基于矩阵结构的制造系统中，通过大模型与小模型的协同方法实现知识驱动的单元生成

《Expert Systems with Applications》：Knowledge-aware cell formation in matrix-structured manufacturing systems via large and small model synergistic methods

　　本研究提出面向高精度电子设备制造（HEEM）的矩阵型制造系统（MMS）知识驱动细胞形成框架，通过混合知识提取构建过程知识图谱（PKG），结合约束聚类与元启发式优化实现资源高效配置与物流成本降低，验证了该方法在复杂制造环境中的实用性与经济性优势。

　　
高端电子制造中的矩阵型制造系统知识驱动型细胞形成方法研究

制造业正面临全球供应链波动、市场需求多变等多重挑战，特别是高精度电子设备制造（HEEM）领域，传统生产模式难以应对复杂工艺流程、频繁的定制化需求和人力与机器协同的挑战。南京科技大学机械工程学院Miao Wang、Yifei Tong、Cunbo Zhuang团队针对矩阵型制造系统（MMS）的细胞形成难题，提出了一套融合知识工程与优化算法的解决方案，为复杂制造环境下的柔性生产转型提供了创新路径。

传统MMS研究多聚焦于系统建模、仿真优化和调度策略，而基础性难题——如何动态构建适应性强、资源利用率高的制造单元——长期存在理论瓶颈。现有知识辅助聚类方法存在三大局限：首先，过度依赖语义相似性而忽视物理约束条件，导致聚类结果难以落地；其次，知识图谱构建成本高昂，依赖大量标注数据与计算资源；再次，缺乏从知识提取到物理布局优化的闭环系统，难以形成完整的决策链条。

该团队突破传统技术路径，构建了"知识图谱构建-过程聚类优化-物理布局优化"的三阶段闭环框架。在知识工程层面，创新性地采用轻量化标签器与本地化大型语言模型（LLM）的协同工作模式。针对HEEM领域特有的多语言（中英文）、符号化（工艺卡/PBOM表）和异构文档（结构图/质量报告）特征，研发了混合解析算法：先通过预训练标签器快速提取文档结构特征，再用本地部署的LLM进行语义理解，最终生成包含工艺流程、资源约束、人力配置等多维知识的统一图谱。这种分层处理机制在保证知识完整性的同时，将计算成本降低约60%，使企业能在有限IT资源条件下实施知识驱动型制造。

在细胞形成机制方面，提出知识感知的过程聚类方法（KPC）。不同于传统基于统计特征或嵌入相似性的聚类，KPC框架将知识图谱中的工艺时序、资源拓扑、人力技能等结构化知识编码为可计算的约束矩阵。通过动态权重分配机制，在保证工艺连续性的同时，优先满足HMC（人机协作）效率要求。该方法成功解决了传统聚类忽视物理空间约束（如设备布局距离）、忽略人力技能差异（如调试人员与操作工的协同效率）等关键问题。

为验证理论成果，研究团队在一家航空电子部件制造企业开展实证研究。该企业现有36个制造单元，采用模块化设计支持多品种小批量生产。通过对比实验发现：传统方法平均细胞利用率仅为72.3%，物流成本占比达35%；而引入知识驱动型系统后，细胞利用率提升至89.6%，物流成本下降至18.7%。特别在应对突发订单（如某型号航电部件需求量增加300%）时，系统能在4小时内完成细胞重组与资源调配，而传统方法需72小时以上。

研究还揭示了三个关键突破点：首先，构建的工艺知识图谱包含4.2万条实体关系，其中85%为动态约束条件（如设备维护周期、关键人才排班），这使系统能够实时响应生产环境变化；其次，开发的多目标优化算法将物流频率降低42%，同时保障了每个细胞的人机协作效率不低于85%；最后，提出的轻量化知识提取框架仅需3%的标注数据，较传统方法减少90%的标注成本。

在实施层面，研究团队设计了模块化部署方案。知识图谱构建模块支持API接入企业现有MES系统，处理效率达1200张/分钟；聚类优化引擎可在普通工业计算机上实现秒级响应；物理布局优化算法通过动态调整单元间距和通道宽度，使空间利用率提升27%。特别值得关注的是，系统在部署过程中仅消耗约5GB本地存储，且通过增量学习机制，每处理1000个生产周期后模型迭代效率提升40%。

该研究成果在航空电子制造领域展现出显著优势。以某型航电设备生产为例，传统细胞布局导致23%的设备处于闲置状态，而新系统通过知识图谱挖掘出设备共享潜力，将利用率提升至91%。在质量控制方面，系统自动识别关键工艺节点的知识依赖关系，使质量异常追溯时间从平均8.2小时缩短至1.5小时。更值得关注的是，通过构建技能图谱与生产任务的匹配模型，系统实现了85%的工人类别自动识别与任务匹配，显著降低人工调度错误率。

未来研究方向聚焦于知识图谱的持续进化机制。团队正在开发基于在线学习的技术知识增强系统，通过实时采集设备运行数据、人员操作日志和质检记录，自动更新知识图谱中的工艺时序、设备状态和人员技能模型。这种闭环优化机制有望将系统适应新工艺的迭代周期从目前的3-6个月缩短至72小时以内。

研究验证了知识工程与智能制造深度融合的可行性，为《中国制造2025》中提出的"智能+"转型提供了可复用的技术框架。其核心价值在于：通过结构化知识管理打破"数据孤岛"，将隐性工艺经验转化为可计算的约束条件，使柔性制造系统具备真正的认知决策能力。这种模式不仅适用于航空电子领域，更为生物医药、精密仪器等知识密集型制造业提供了转型范式。