跳到主要内容
版本:Next

UNS 统一语义底座

一、为什么 Agent 需要统一语义底座

制造现场的问题通常不是一句自然语言本身难理解,而是同一句话在不同工厂、不同产线、不同系统里可能对应完全不同的业务对象和统计口径。

例如“昨天产量”“上个夜班良率”“3 号线瓶颈工位”这类问题,背后都涉及:

  • 对象是谁
  • 时间范围怎么界定
  • 统计口径按什么规则计算
  • 结果该落到哪一层级

因此,产线军师的 Agent 需要先建立一层统一语义底座,再进入分析和诊断。

二、什么是 UNS

在产线军师语境下,UNS 更适合理解为 统一语义空间(Unified Namespace / Unified Semantic Space)

它不是单一数据库,也不是一张术语表,而是一套用于统一解释工厂对象和业务上下文的语义体系,通常包含:

语义维度说明
对象语义订单、产品、工单、产线、工段、工序、工位、设备、人员等对象如何命名与识别
状态语义运行、停机、报警、换型、待机、异常等状态如何统一表达
关系语义设备属于哪条线、工位属于哪个工序、报警关联哪类对象
时间语义自然日、班次日、白班、夜班、绝对时间窗如何对应
指标语义产量、OEE、良率、节拍、MTBF 等指标如何定义与归属
层级语义整线、工段、工序、工位、设备之间如何上下钻取

三、UNS 不是一张平面的命名表

在工业场景里,UNS 的价值不只是把对象整理成一棵树,更重要的是把工厂组织成一个多维语义空间。

可以从三个维度理解:

维度说明典型内容
层级维度对象位于工厂的哪一层企业、工厂、车间、产线、工位、设备、产品
生命周期 / 价值流维度对象处于哪个业务阶段开发、生产、维护、交付、运维使用
层次维度信息位于哪类抽象层资产、集成、通信、信息、功能、业务

这意味着 UNS 并不是“名字统一一下”这么简单,而是要让同一个对象在不同角色、不同系统和不同业务阶段下都能被一致理解。

不同视角为什么重要

同一个工厂对象,在不同视角下关注重点并不相同:

  • 生产控制视角 更关注设备状态、节拍、报警和执行过程
  • 业务流程视角 更关注订单、质量、交付、协同和责任归属
  • 集成视角 更关注数据来源、消息流、接口和系统边界

UNS 的作用,就是让这些视角看到的不是彼此割裂的对象,而是同一个统一语义世界中的不同切面。

四、UNS 解决的核心问题

1. 解决“同词异义”

不同客户对“工序”“工段”“工位”“站点”“机台”可能使用不同叫法。UNS 让这些对象先被映射到一致的业务语义中。

2. 解决“同问不同口径”

“昨天产量”可能是自然日,也可能是班次归属日;“效率”可能是稼动率、性能率,也可能是 OEE。UNS 用统一口径约束后续分析。

3. 解决“跨系统不一致”

同一个设备、产品或工单,可能同时出现在 CMS、LMES、MES 和设备侧系统中。UNS 负责把这些分散标识收敛到同一业务上下文。

五、UNS 在 Agent 执行链路中的作用

在这条链路中,UNS 主要承担四类职责:

  1. 对象解析:识别用户说的是哪条线、哪个设备、哪个工序
  2. 时间解析:把“昨天”“上个夜班”“本周”转换为明确时间窗
  3. 关系补全:识别对象之间的上下级、从属和关联关系
  4. 口径对齐:在进入工具调用前统一指标、维度和粒度

六、为什么可以说 UNS 让工厂第一次“说同一种语言”

很多工厂并不是真的“没有数据”,而是:

  • 数据分散在不同系统中
  • 各系统对同一对象命名不同
  • 状态表达和业务语言不一致
  • IT 语义和 OT 语义之间存在断层

UNS 的意义,就是把订单、设备、工位、产线、报警、质量、人员、项目等对象收敛到同一个语义空间里,让后续分析、诊断和协同都建立在一致语言之上。

七、UNS 对结果稳定性的意义

UNS 的价值不只是“理解词汇”,而是让后续所有能力都运行在同一业务语义上。

没有统一语义时建立统一语义后
同一问题可能走向不同统计口径相同问题在相同场景下更容易得到一致结果
多系统对象难以对应对象、层级和关系更容易贯通
用户需要重复解释背景上下文识别与连续分析更稳定
工具返回结果难以统一汇总结构化结果更容易组合、解释和下钻

八、UNS 与术语表、主数据的关系

UNS 并不等于术语表,也不等于主数据,但会复用这两类基础资产:

  • 术语表 用于解释名词、缩写和指标定义
  • 主数据 用于识别真实对象、编码和层级关系
  • UNS 则负责把这些资产组织成 Agent 可持续使用的语义上下文

因此,从产品角度看,UNS 是连接“对象事实”和“对话理解”的中间层。

九、UNS 最直观的意义

从使用者视角看,UNS 的价值最终体现在三个结果上:

  • Agent 更容易听懂现场常用表达
  • 相同问题在不同会话中更容易保持口径一致
  • 对象识别、分析钻取和跨系统解释更稳定

这也是产线军师的 Agent 能够从“会聊天”进一步走向“会分析”的前提之一。