摘要
非结构化技术文本是工程知识的重要来源，但在数据分析中尚未得到充分应用。以维护工单（Maintenance Work Order, MWO）为例，其记录了关于设备维修内容及原因的宝贵信息。然而，MWO中短文本字段的数据具有非结构化、简略且充满专业术语的特点，这使得人类和机器在解读时均面临挑战。本研究的核心挑战在于：如何高效地从MWO的短文本字段中提取技术信息，并将其与结构化字段（如日期、功能位置、设备品牌与型号等）中的数据进行融合。本文提出了一种基于技术语言处理的解决方案。Echidna 是一个直观的查询交互界面，能够以知识图谱的形式可视化历史资产数据。该知识图谱由 MWO2KG 自动构建，该工具利用深度学习技术，并基于标注的训练数据，将非结构化技术文本与结构化字段数据相结合，实现知识图谱的自动化生成。所提出的工具已在工业合作伙伴提供的维护工单数据和延误账目数据上进行了测试。这些工具为可靠性工程师提供了高效检索历史资产数据的手段，可用于故障模式与影响分析（FMEA）、维护策略验证以及流程优化等工作。两款工具的源代码已开源，发布于 GitHub 平台，采用 Apache 2.0 许可证，可供自由使用与二次开发。