核电行业:物资供应链数字化与跨厂调配
项目以 SAP、UPM、PDMS 等既有系统为基础,将机组、系统、设备位号、备件需求、物料编码、规格型号、替代关系、供应商、采购订单、交付批次、基地、仓库、库存状态、质量文件、验收结论和调拨任务统一关联。通过语义映射与规则推理,把需求识别、库存可用性判断、采购进度跟踪、跨厂调配、质量合规校验和领用反馈串成闭环,支撑供应保障、成本控制、质量合规、供应商生态和数字化创新五类管理工作。
从真实行业问题、公开本体结构到前后效果,每一个案例都能复现。
项目以 SAP、UPM、PDMS 等既有系统为基础,将机组、系统、设备位号、备件需求、物料编码、规格型号、替代关系、供应商、采购订单、交付批次、基地、仓库、库存状态、质量文件、验收结论和调拨任务统一关联。通过语义映射与规则推理,把需求识别、库存可用性判断、采购进度跟踪、跨厂调配、质量合规校验和领用反馈串成闭环,支撑供应保障、成本控制、质量合规、供应商生态和数字化创新五类管理工作。

Kubernetes 运维智能体本体项目采用 TBox/ABox 分离和 TTL 优先的数据流:通过 kubectl 从集群采集 Node、Namespace、Deployment、ReplicaSet、Service、Pod、Event 等运行时数据,生成标准 RDF Turtle ABox,再导入 Neo4j 形成可查询图谱;TBox 侧沉淀 K8s 资源、故障分类、诊断动作、修复策略、业务影响和运维管理实体。项目 V2 资料显示,模块化本体覆盖 10 个模块、233 个类、59 个对象属性、101 个数据属性和 115 条 SWRL 规则;当前公开关联资产为 Kubernetes 运维管理本体,重点展示运维流程、团队、工具、监控告警、Runbook、Playbook、知识库和标准操作程序。

基于 OntOS 六层本体与项目 V3.0 的 3+1 模块实现设备域、状态诊断和评估决策贯通;以统一语义承接多源监测,以规则、概率、ML 与 LLM 混合推理辅助评估,并将结论映射到 ABCD 检修与设备履历。
项目直连 CRM CRM 客户数据库 数据库,结合验收资料和业务数据构建客户主数据治理本体,完成流程分析、标准发现、PostgreSQL DDL、质量规则、异常识别与清洗策略闭环。
项目由物料管理、计划管理、工单管理和库存管理四个子本体组成,通过15条SWRL规则识别欠料、补货、到料延期预警、调料超额及急件、样品工单等业务状态。它支撑生产排期、到料与调料计划、WIP及高呆库存管控,并可将规则推理结果用于计划审批与生产协同决策。

项目基于FlyOntOS本体操作系统和Neo4j知识图谱,沉淀16条业务规则,支持ROI异常识别、出价效果归因、竞品压力判断、门店分群、营收与预算预警及门店健康度评分。系统已实现归因分析与规则推理能力,并规划通过策略推荐、历史案例复用、风险校验和效果跟踪,形成“分析—出价—评估—调优”的智能投放闭环。

基于供应链管理MRP项目目录中的 OWL 本体、实体属性、运算指标、问题清单与 BOM 查询模板,形成从物料到风险预警、从产品结构到交期决策的只读案例说明。页面展示的是项目已定义的模型与计算路径,具体统计结果需以接入的业务数据核验。
以银行客户金融业务合规审查本体为语义骨架,协同 OWL/RDF、Neo4j 和四组 SWRL 规则,完成法规对标、冲突识别、客户风险分类、交易监测和审查整改的关系化表达。项目架构同时明确大模型与 Agent 的边界:理解、编排和表达交给智能层,确定性合规结论由图谱与规则给出。

面向城市运行管理中心的降水灾害综合预测与应急速报系统。项目以 OWL 本体模型为语义底座,构建"成因—灾情—预警"三大业务域知识图谱(42 张数据表、涵盖降雨、长江汉江水位、泵站、渍水点、交通拥堵、地铁客流、警情、舆情等要素),并接入 RandomForest / Prophet / XGBoost 等模型预测渍水深度、水位趋势与风险等级;再由大模型多轮推理自动生成 Ⅰ/Ⅱ 级安全速报,通过 Vue3 + FastAPI 前端实时推送暴雨、台风、洪水场景的模拟推演过程,支撑防汛决策与应急响应联动。
项目将官方目录按进口、出口两大管制方向及其大类、子类层级拆分为可检索的 Markdown 文档,覆盖两用物项出口管制清单、核出口管制清单、易制毒化学品等门类,涉及航空航天与推进、电子、材料、化工、核等军民两用技术领域。在此基础上建立领域本体(OWL)并导入 Neo4j 图数据库,通过节点上的路由关键词将用户问题精准定位到对应文档片段,再从表格化原文中抽取管制编码、物项名称与描述、参考商品名称、海关商品编号、计量单位及技术参数指标。
本项目是面向跨境电商进出口业务的政策法规智能问答助手。系统汇集 54 份权威文件,涵盖两大板块:47 份法规文件(含《海关法》《关税法》《电子商务法》等上位法,海关总署 2018 年第 194 号、2024 年第 167 号、2025 年第 79 号等系列公告,财政部与税务总局的综试区免税、零售进口限值、海外仓退税、退运税收等政策,以及配套政策解读与申报表单模板)和 7 份政策操作指引(企业备案、9810 出口海外仓、B2B 出口备案、订购人身份验核、网购保税进口化妆品等实操流程)。
项目基于 IBM Research 开源的 AssetOpsBench 框架进行增强,在原有工业资产运维 AI Agent 评估、任务编排和场景测试能力之上,引入公司自研本体建模技术,对设备层级、功能关系、故障原因、维护动作和业务规则进行统一语义建模。通过本体模型提供的结构化知识约束和关联推理能力,平台不仅能够评估 AI Agent 完成故障诊断、工单分析、维修建议和资产查询等任务的表现,还能提升智能体在复杂工业场景中的知识理解准确性、推理可解释性和跨系统复用能力。
项目严格依据《RPA发票入账申请单智能审核流程方案》、电力样本单据及audit_ontology.ttl构建。系统以发票入账申请单为主线,抽取采购名称、采购数量、采购金额、税额、单据编号和供应商等字段,再将合同、发票、验收单、入库单和成交通知书解析为统一的单据与明细对象。审核本体沉淀附件类型、审核点、校验规则、比对维度、比对字段和审核结果,支撑申请单与合同、发票与合同、验收单与发票、入库单与验收单、成交通知书与合同之间的名称、数量、金额、税额和日期核验。
项目严格依据口腔客户案例、电子病历智能体本体模型设计文档、业务关系说明、规则元数据说明和口腔医学临床本体构建。方案以口腔临床本体为底座,连接患者、牙齿、检查发现、疾病诊断、治疗操作、就诊记录、医嘱、收费项和医疗文书,并通过诊疗推理智能体、病历审单智能体和知识问答智能体协同工作。AI生成内容在进入病历前需经过概念白名单、逻辑一致性和治疗路径校验,诊断、治疗和收费编码同步保留术语映射、规则版本和标准出处。
案例基于费控审核项目构建费用报销智能审核能力,将费用类型、附件要求、发票标签、敏感词、黑名单、金额一致性和人工复核动作沉淀为可查询的本体与知识图谱。系统对脱敏样例报销单完成票据识别、规则匹配、风险归因和审核报告输出,形成“单据对象-审核规则-问题证据-复核建议”的可追溯链路。

面向股权投资投审场景,将业务尽调、财务审阅、法务审阅、访谈记录和汇报材料组织成可追溯知识图谱,辅助生成投审判断、风险提示、金额建议和带引用的会议材料。
面向煤炭科研机构的基金申请书审核场景,系统以形式审查本体、Neo4j 规则图谱和多 Agent 分章节审查流程,识别一票否决项、不予受理情形、重要问题和一般问题,并输出可复核审查报告。
面向学院招采审核场景,系统以招采规则审核本体、结构化章节数据和多 Agent 分组审核流程,识别招标文件中的违规问题、风险提示和提示信息,并输出可复核的整改建议。
面向线束组件研发绘图场景,系统以 CAD 绘图本体、标准化图块库、接线表自动导入和 PLM 物料关联为核心,支撑连接器、线束、标签、辅料、BOM 与 DWG 图纸的一致性管理和自动化绘图。
案例将海关业务中的政策咨询、管制判断和批量处理统一组织为可切换的智能体工作台:跨境电商政策法规咨询围绕 9610/9710/9810/1210 监管模式、税收政策、监管流程和企业备案输出带依据回答;进出口管制判断基于 JCKGZ_Node 本体与管制目录进行语义路由、物项查询和技术参数比对;批量判断链路围绕 Excel 商品清单、处理进度、结果表、批次统计、历史追溯和报告导出形成复核闭环。
该案例围绕消防知识图谱与智能助手建设,将火灾事件、119 警情、起火原因、场所区域、消防资源、应急预案和知识文件统一建模。方案采用轻量级图谱索引:图谱保存文件路径、关键词、摘要和语义关系,智能体按需读取原文并融合生成可追溯回答,支撑火灾态势问数、预案检索、监督检查、宣传培训和数据接入规划。
该案例围绕精密零部件 AI 报价,将产品、材料、工艺路线、OP 工序、工步、加工特征、机床、夹具、刀具、切削参数、加工时间分解、成本项目和报价单统一建模。方案支持从图纸和工艺表识别加工特征,追踪每道工步的参数与时间,再按成本构成规则生成可解释报价。
案例围绕低空经济主题域建立政策数据资源图谱与智能编目链路:从公开政策中抽取政策任务、企业、项目、航空器、基础设施、应用场景和责任部门;基于本体将业务对象转换为数据需求和标准字段概念;生成 30 个全域数据资源目录,并与 10 个模拟数据表进行语义匹配,输出已覆盖、部分覆盖、未覆盖的目录缺口清单,最后封装为可按低空企业、低空项目、无人机、起降设施等关键词检索的数据资源服务。
系统以招标文件审核本体、规则库和大模型审核流程为核心,连接采购项目、采购人、招标文件章节、法规制度、审查规则、问题批注和审核报告,支撑招标文件从解析、规则匹配、风险识别到批注整改的闭环管理。
案例围绕锂电池制造 APS 场景,以 OntOS 六层本体组织工艺路线、产线资源、物料 BOM、电芯档位、排产技能、上下文、历史经验和质量门禁,支撑多基地协同排产、档位预测齐套、三工序段联动、急单重排、动态优率调整和供应链生产交付协同。
面向出口信用保险业务的智能审核案例,通过本体规则管理、YAML 元数据校验、材料要素抽取和 Markdown 审核报告生成,帮助审核人员按场景追踪规则依据、材料缺口和一致性风险。
项目以一站式 OA 审批为目标,将多类纸面表单和会议议题填写流程抽象为统一的流程类别、表单模板、字段、审批节点和输出物,并通过本体资产支撑表单填报、审批流转、角色留痕和打印/PDF 输出。
面向企业客户经营的本体场景测试验证案例,将客户管理制度、标签字典和 OWL 本体连接起来,验证标签层级、枚举口径、治理责任、应用场景和 Neo4j 图谱导入链路,帮助业务人员从客户、线索、商机、立项、合同、项目和服务等对象追踪标签含义与规则依据。
面向运营商国内流量争议的工单智能判责案例,将工单、用户、账单记录、清单记录、短信记录、退费记录、判责结果、处理方案和诊断报告连接起来,验证费用一致性、短信提醒、退费约束与方案推荐的完整闭环。
面向车载域控制器生产采购的数字员工团队协同案例,将采购需求分析、供应商准入、产能锁定、工程变更、供应商匹配、订单创建、订单审核、订单发放、订单跟踪、仓储验收和AP付款核算连接成可追溯闭环,并用共享本体统一物料、供应商、产能、PO、ECN、IQC和结算状态。
面向SMT产线AOI误判优化的质量追溯案例,通过本体把缺陷图片、批次、条码、板位、器件、料号、AOI判定、人工复判、印刷机参数、回流焊参数、风险评分和根因报告连接起来,支撑低风险放行建议、高风险复检清单和真实不良根因追溯。
将 24h 降雨 160mm、最大小时雨强 43.1mm、预计总降雨量 370mm、汉口站水位 28.18m、117 处渍水点、8 条主干道、38 台泵车与 52 处调配缺口纳入同一套速报与处置闭环,形成滚动更新、分级预警和决策审批链路。
围绕人员不安全行为、设备状态异常、环境参数越界和高风险作业四类场景,将视频流、传感器、报警事件、工单和知识图谱统一映射到本体实例,形成可配置、可执行、可回溯的安全生产智能预警体系。
围绕电站母线功率预测、负荷预测和多步预测任务,把数据处理、ST-GCN 建模、评估分析、上下文管理和经验沉淀串成一条可复用的预测闭环,支持秒级意图路由与自动化质量验证。
将管理资产超过 500 亿元、累计投资超过 500 家、上市超过 100 家的投研经验沉淀为可执行本体规则,把行业研究效率提升 300%、项目处理效率提升 200%、估值建模时间缩短 80%、投后响应时间缩短 70%、风险预警准确率提升到 90% 以上的目标纳入同一条决策闭环。
将年营收超 500 亿元、资产总额超 1000 亿元、员工超 20000 人的集团级经营管理背景,与化工板块高安全要求相结合,把事故率降低 70% 以上、隐患识别率提升至 95%、应急响应时间缩短 50%、生产效率提升 30%、运营成本降低 15%、决策效率提升 60% 等目标纳入统一治理闭环。
将建筑工程施工总承包特级资质、年产值超 300 亿元、全球 50 多个国家项目实践与设计、施工、运维、投资四大核心场景结合起来,把设计效率提升 200%、审图漏检率降低 80%、施工返工率降低 50%、运维能效提升 30% 的目标纳入同一条智能闭环。
将包装缺陷漏检率从 3% 降至 0.5% 以下、标签错误率从 1% 降至 0.1% 以下、检测效率提升到 120 件/分、质检人员压缩至 1 人/线、追溯成功率提升到 99.5% 以上,纳入同一条视觉检测与追溯闭环。
将物料识别准确率提升到 99.9% 以上、库位利用率提升 30% 以上、盘点效率提升 80% 以上、配送及时率达到 98% 以上、库存准确率达到 99.5% 以上、追溯覆盖率达到 100%,纳入同一条仓储调度与质量闭环。
将装机总容量超 500 万 kW、机组 1000+ 台、运维成本约占 30% 的场站规模与复杂海况、有限出海窗口和高安全要求结合起来,把故障预警准确率 ≥95%、故障定位准确率 ≥90%、计划性停机时间 -30%、运维成本 -20%、备件周转率 +30%、出海窗口利用率 +25% 的目标纳入统一调度闭环。
将风电装机总容量超 500 万 kW、机组 1000+ 台、运维成本约占 30% 的场站规模与业务目标纳入同一条闭环,围绕故障预警准确率 ≥95%、故障定位准确率 ≥90%、停机时间 -30%、运维成本 -20%、备件周转率 +30%、出海窗口利用率 +25% 的目标,形成可执行、可追溯、可复用的运维体系。
针对船舶盲区感知不足、VTS 与 CCTV 信息孤岛、靠泊决策依赖人工经验和应急协同不及时等问题,接入 4 套 AIS 接收器、12 套激光测距仪、24 套高清摄像头、2 套气象站和 4 套水文传感器,支持 ≥1000 个设备并发接入、采集延迟 <100ms、端到端延迟 <500ms 与服务响应时间 <200ms,实现事故率降低 99%、靠泊时间缩短 30%、应急响应提速 80% 和系统可用性 ≥99.9%。
针对蒸发结晶能耗高、副产物利用不足、废水废渣排放压力大、人工巡检滞后和工艺参数依赖经验等问题,接入 DCS、PLC、传感器、智能仪表、质检仪器和边缘网关,形成秒级监控、AI 参数优化、24 小时能耗预测、预测维护和全链路质量追溯闭环,目标将综合能耗从 215 kgce/t 降至 ≤180 kgce/t、资源转化率提升至 ≥95%、优级品率提升至 ≥98%、自动化率提升至 ≥90%、异常响应时间压缩到 <5 分钟。
针对客户需求难以精准把握、保险产品种类复杂、建议书制作耗时和代理人专业水平不一致等问题,接入客户系统、产品库、理赔系统和代理人系统,融合知识图谱、RAG、规则引擎与 Multi-Agent 编排,形成需求分析、保障缺口量化、产品匹配、组合推荐、建议书生成和质量合规校验闭环,目标问答准确率不低于 90%、产品匹配准确率不低于 85%、建议书生成时间小于 30 秒、接口响应时间不超过 2 秒。
针对投标人咨询量大、围串标识别难、招投标文件编制审查工作量大、专家评审主观性强、数据孤岛和风险预警滞后等问题,接入 ERP、OA、财务、档案和电子招采系统,融合 NLP、大模型、知识图谱、机器学习与规则推理,形成智能问答、风险识别、文件智编智审、辅助评审和合同履约预警闭环。目标将咨询响应从 2-3 天压缩到 1 分钟内,围串标风险识别准确率提升到 90% 以上,文件编制效率提升 300%,评审评分偏差控制在 5% 以内。
针对医疗机构数据孤岛、中医术语不一、名医经验难以结构化复用、辨证过程复杂、方药安全校验依赖人工和科研分析成本高等问题,接入电子病历、处方、检验检查和术语标准系统,通过 RDF/OWL/SWRL 三层语义网、NLP、知识图谱、RAG 和混合推理,形成四诊采集、辨证分型、方剂推荐、用药安全、医案结构化、知识问答、科研分析和患者全周期健康管理闭环。
针对双预控系统与生产管控平台数据未联动、单一传感器监测覆盖不足、阈值报警误报漏报、应急指挥依赖人工和灾害超前预测能力薄弱等问题,接入安全监控、生产调度、设备运行、人员定位、应急广播以及空-天-地-孔多源监测数据,通过本体语义统一、边缘计算、多源融合、灾害机理模型、AI趋势预测、知识图谱和规则推理,形成监测异常、智能诊断、四级预警、联动处置、效果验证和反馈优化闭环。项目目标包括重大危险源监测覆盖率 100%、预警准确率 90%、应急响应提速 80%、重大事故预防目标 60% 和多系统联动效率目标 70%,具体效果以项目验收和运行评估为准。
项目资料显示,装备制造项目数据分散在 PDMS/E3D、ERP、仓储、焊接、NDT、HSES、文件服务器、MC/ITR 台账和 Excel 中,MC 包状态、尾项闭环、多材质焊口追溯、焊工资质校验、装备制造项目资料汇编和历史项目复用均依赖大量人工核对。方案通过本体建模、语义映射、规则校验、图谱查询、文档证据链和交付包模板,将项目、模块、系统、管线、管段、焊缝、设备、材料、NDT、NCR、ITR、尾项、MC 证书和竣工资料包串成一条可追溯、可签发、可复用的装备制造项目知识底座。项目指标均按方案目标表述,包括核心实体覆盖率不低于 85%、关键关系覆盖率不低于 80%、追溯查询小于 3 秒、尾项闭环率目标不低于 98%、报价估算偏差目标不超过正负 10%,实际结果以项目验收和运行评估为准。
以集团统一物料编码为唯一主键构建备件共享本体,把 OA 主数据、WMS 库存实况、EAM 业务作业整合到同一语义层;可用量计算、本地不足判定、调拨优先判定与三类领料决策、调拨定价与合规校验、呆滞识别与处置共 18 条业务规则全部形式化为 SWRL,16 项决策阈值参数集中管理并标注确认来源。项目使用 1000 行 WMS 真实备件数据完成 POC 验证(8 个工厂、911 种物料、978 条库存),14 个真实场景问答全部由规则引擎实跑复核,41 项回归测试与 20 项一致性检查全部通过。
以合作厂供应链风险预警本体为统一分析框架,把 6 类 SRM 数据按 supplier_code 关联到合作厂统一分析对象;指标计算与风险判定分离:ETL 先产出带分子分母、阈值与口径标注的指标结果,7 条 SWRL 规则完成单维阈值判定,规则引擎完成多维叠加与预警合成。POC 于 2026-10-12 取数,827 家合作厂全量计算 3,308 项指标、2,503 条风险信号,产出 126 条候选预警(高风险 63、中风险 63),证据覆盖 126/126,运行耗时 17.7 秒。每条预警可穿透到源数据行与规则版本,缺失数据显式标记为「无法判断」,不产出虚假指标。
以供应商为中枢构建 29 类 / 35 对象属性 / 116 数据属性的质量管理本体,将 101 表 / 14.8 万行业务数据抽取为 359,751 条 RDF 三元组(5,045 家供应商、16,914 张来料检验单及 16,638 条时序链、30,214 条资质证照、53 张客诉单、23 张现场审核单)。R1~R5 五类风险判定全部规则化(R1/R3/R4/R5 形式化为 SWRL),与官方验收基准逐项比对完全一致:来料连续预警 10 组 / 4 家供应商 0 漏报 0 误报,资质三档清单 1,845 / 541 / 15,121 条 1 条不差,供应商画像卡 7 项核心维度 70/70 逐行一致。配套 SQE Copilot 智能问答应用与 50 组场景问答测试集。
以投标供应商为中枢构建 47 类 / 40 对象属性 / 131 数据属性的核查本体,关联判定 19 条 + 排除 6 条 + 文件审查 21 条共 46 条规则配 9 项阈值参数集中管理(效力分法定 / 政策 / 内控三层),关联判定与司法风险分别形式化为 8 条与 14 条 SWRL 规则,并附 SHACL 形状约束。一次真实招标邀约(6 家供应商 / 15 对两两核查)完成取数 27 次、路径遍历 609 条、AI 推理 95 步,产出结论:未发现关联 10 / 无法判定 5 / 疑似关联 5(置信度 0.6 档,同址线索命中);司法事件 251 条自动分级为重要 3 / 关注 43 / 提示 205 并区分自身 / 周边主体;文件审查 21 条规则覆盖率 100%,14 项问题按高 / 中 / 低 / 提示分级。推理复核 289 项 0 不一致,96 项自动化测试全部通过。
以「意式浓缩陶瓷杯冷却」物理模型为对象构建 69 类 / 31 对象属性 / 44 数据属性的冷却模型本体,将 Dyad 模型抽取为 802 条实例三元组(4 组件、18 参数、40 连接方程、8 分析用例),配套 2 条 SWRL 规则、10 组 SHACL 形状与 16 条治理规则注册表(阈值不进公理、逐条标来源)。语义核查产出 8 条发现(ERROR 3 / WARN 4 / INFO 1):蒸发潜热缺位(显热/潜热相差约一个数量级)、手部热容无回路(热流方向反转)、7 个带单位参数仅声明 Real、勺子口径偏差 50%(容差 5%)、求解器配置漂移(Rodas5P/1e-6 对 Auto/1e-3)、零基线零断言的验证空转等,逐条附机制清单、参数表与配置记录证据及修复建议,且明确区分量级估计与仿真结果。
以「三热区办公楼建筑热模型」为对象构建 109 类 / 36 对象属性 / 48 数据属性的建筑热模型本体,将 Dyad 模型抽取为 1214 条实例三元组(11 实体、63 实例化、33 连接、4 分析用例,逐个体带源码行号),配套 2 条 SWRL 规则、16 组 SHACL 形状与 21 条治理规则注册表(六态封闭词表分档、阈值不入公理)。语义审查产出 14 条发现(ERROR 5 / WARN 8 / INFO 1):稳态定温边界与动态纯比例控制口径不一致(结构性静差 0.25–1.51 K,Z1/Z3 超 0.5 K 阈值,且先行核验动态已入准稳态)、等温假设漏计 55–100 W 分区换热、4 个太阳得热源未绑采光面、8 个回归测试全为空壳且 0 条数值基线、默认 K 与实例 K 相差 10 倍等,逐条附算式与 file:line 证据;16 形状锚点核验 0 无落点、正控 6 条全命中、负控证明数据缺口不伪装成未命中,全部数值标注解析核算。
为 FrictionBrake / BrakeThermal / SimpleVehicle / SimplePowertrain 四个 Dyad 模型构建 69 类 / 26 对象属性 / 48 数据属性、2263 条三元组的摩擦制动本体与实例图谱(34 参数、34 口径、28 状态变量、9 分析用例、7 测试场景),配套 2 条 SWRL 规则、5 个 SHACL-SPARQL 形状、11 条判据规则与 14 条代码生成约束,阈值全由本体个体供给。审查侧 11 条规则全部有结论(SHACL 5 条全执行命中 6、AI 判读 3 条、SWRL 2 条代判、空转 1 条如实披露),产出 9 条发现(ERROR 3 / WARN 6):有效半径与车轮半径同为 0.15 m 的口径碰撞、Constant 用例隐含轮径 0.3012 m 相对偏差 0.502、c_normalized_torque 标称 12.343 但自称归一化、f_partition 默认 0.6 越出适用域 [0.85, 0.95]、盘片摩擦副缺接触导热、注释与代码漂移 2 处等,逐条附源码行号与置信度并核验「命中≠缺陷」前提。风险侧在 90 km/h / 8% 长坡 / 30 min / 满载 2.2 t / 环温 20 ℃ 工况下跑 24 个全组合分支与 6 个单因素分支:峰值盘温 329.9–887.0 K(阈值 700 K)、峰值片温 406.0–1081.1 K(阈值 650 K)、μ 稳态比 0.6764–0.9588(阈值 0.75),四种失效模式全部部分越限,结论不定案、定级 fb:GradeSevere,并归因到 k_disk_speed 与 f_partition 两个必须先定死的未定参数。
为 NASA HL-20 六自由度飞行仿真模型构建 88 类 / 43 对象属性 / 55 数据属性、4177 条三元组的飞行仿真语义本体,新增坐标系与帧、接口契约与单位边界两层(10 接口契约、4 换算边界、7 换算因子、3 坐标系、4 符号约定、8 物理身份),配套 4 条 SWRL 规则、12 个 SHACL 形状与 22 条判据规则(阈值全由个体供给)。审查按六态如实报告:SHACL 命中 2(声速 m/s 与 ft/s 双口径比值 0.3048、规格五场景实现侧全缺)、未命中 1(Xcg/XRP 已评估 13 个目标确实无缺陷)、空转 4、数据缺口 9、AI 判读 6(5 条因实现对象缺失记不适用、DOC-01 直接判读发现规格 §7/§8 对 hob 的定义相差 +0.01)。产出 9 条发现(ERROR 2 / WARN 2 / INFO 5,含 1 条撤回):覆盖度落差(承诺 18 构件实现 0)、测试集为零与快照自举、声速双口径、abs_drud 使 CY/CN/CR 奇函数项丢符号、右舷相减与权威 DML 相加相反(open 如实待仲裁)、hob=100 超气动表断点 [0.2, 2.5] 等;正控样本 12 条形状全命中、干净样本 0 误报,撤回的 Xcg/XRP 误报沉淀为 coDeclaredInSpecWith 条件层修正。
为功率分流混动模型(8 个 Dyad 构件、ECMS 扭矩分配、HWFET 工况)构建 87 类 / 31 对象属性 / 59 数据属性、2626 条三元组的混动传动本体与实例图谱(37 参数、6 类机制、11 必需耦合、4 安全限、5 阈值个体),配套 2 条 SWRL 规则、8 个 SHACL-SPARQL 形状与 17 条判据规则(阈值全由个体供给)。审查按六态如实报告:命中 6(INR-01 七个惰性参数、INR-02 惰性端口 mg1_omega、EXP-01 reltol 1e-3 vs 1e-6、CNS-02 电功率正号声明相反、DRF-01 MG 文档与控制器符号相反、SCP-01 J_equiv≠m·r²)、已执行未命中 7、空转 2、引擎不可用 2(HermiT 缺 Java 如实声明、SWRL 机械计数替代);空转的 KIN-01/CNS-01 由 Julia 数值线补证——Willis 残差 2.27e-13 机器精度成立,功率守恒内部步点 0.017 W 容差内成立、输出插值 2.459 W 的伪残差被恒等式归因于代数环求解残差放大(142.3×,判为方法学而非结构错误)。产出 7 条发现(WARN 6 / INFO 1),每条附 file:line 证据与前提核验;正控样本 8/8 形状全命中、干净样本 0 误报。
以海辰储能电池工厂为对象构建 37 类 / 30 对象属性 / 28 数据属性 / 64 个实例的锂电池制造工艺质量本体(1350 条三元组,18 组 SHACL 形状):物料链、组织架构、10 道工序与三张物理表(参数 148,825 行 / 批次 149,628 行 / 追溯 1,047,574 行)全部语义化,6 个传递属性支撑 4 条相邻组织从属推出 16 条跨级关系、9 条相邻工序推出 45 条全链路径。业务规则 param_value > 0 = NG 在参数级/字段级/路由级 3 个个体分层承载,5 个 Metric 个体登记阈值口径(NG 率 0.2%、时间密度 4、设备 0.3%、工位 0.25%、膜卷 2%)并以 hyparam.json 为执行权威、规则与数值解耦;异常样本沿「全量→时间簇→设备→膜卷批次」4 个样本集经 subsetOfSampleSet 逐级收窄,归因结论强制附本体链路证明且以业务语言输出,S1-S7 本体层优先流程与 OpenMetadata FQN 溯源闸门保证结论可复算。