本节针对智能制造场景，描述如何以知识图谱去做顶层设计，或者如何把知识图谱的理念和方法融入现有的智能制造体系里面。

制造业数字化转型存在着一些问题，尤其是针对信息化转型的相关问题：

首先，信息孤岛的问题。信息孤岛就是因为系统和系统之间是独立的，很多系统之间没有打通，数据本身分散在各地，并且数据之间没有产生关联，所以信息是难以关联的，进而导致了知识散乱。生产、设计、维保等过程中的数据没有打通，但这些数据实际上是存在各种各样的关联，一旦把这些知识连接起来，就可以从更加宏观或更加全局的角度去考虑一些相关的问题，以前只能局部优化的问题就能做到全局优化的效果。正是因为信息的孤立和知识的散乱，对于企业来说，做决策还是比较原始的，很多情况下都是通过经验，无论是基层的一线员工，还是上层的决策者，都会面临类似的问题。比如说维修工人或检修人员，他们大部分是按照传统经验或自身经验对故障进行研判分析，进而对故障的维修方法进行推荐。但是实际上，企业面临的一个问题就是如何把这种人工经验和维修过程中的数据积累下来，并且能够从中抽取知识并转化成决策系统。因此，利用知识图谱去解决这些相关问题的出发点就是要解决制造业从设计、采购、计划、仓储、生产、销售到售后种种环节面临的信息不足、不智能等问题。

那怎么解决呢？可以把这些行业知识、数据和算法结合到一起，形成知识图谱，使知识做到互联，并且以知识图谱形式符号化，进而利用知识图谱进行预测。比如，可以把检修数据、故障数据、产品数据、质量管理数据以及零部件、账目、生产排期等所有的系统打通，构建一个全生产制造过程的知识图谱。

第一，针对生产过程的几个重要环节构建知识图谱。比如，质量管理知识图谱可以做质量流程管理、质量问题分析、隐患风险推理、预防措施的制定等。以前通过感知计算，如计算机视觉、信号处理、数据分析、机器学习等，可以解决一些相关问题，但是如果融入知识图谱，则可以把这个过程做得更加完善或优化效果更好。

第二，针对服务市场的知识图谱。知识图谱可以做产品信息的问答、产品比对、产品信息溯源、售后维修方案的推荐等。(www.daowen.com)

第三，针对生产过程的知识图谱，可以做缺料分析、工序齐套分析、生产工序的调度与分析等。

第四，针对供应链的知识图谱，利用知识图谱可以做供应商的比对、供应商风险管理、采购计划的预测与优化等。

总而言之，知识图谱在质量管理、后服务市场、生产设计、供应链等相关环节都可以发挥相关作用。举例来说，在质量知识图谱里可以构建一张知识图谱，里面包含人员、设备、材料、方法、环境等，然后利用这个图算法进行因素对产品质量的路径影响的分析，这就是利用图计算相关方法帮助还原质量问题的现状、现物和现场，实现质量问题的快速定位和更新发现；针对后服务市场的知识图谱可以去做维修方案推荐，构建的图谱就包含产品、故障、故障现象、维修方法和维修结果。

图7展现了如何把知识图谱与设备故障预测与健康管理（prognostics health management，PHM）联系，现在在工业生产制造，尤其是机械生产、轨道交通等行业，面临的一个很大问题就是如何做好PHM。而知识图谱可以与传统的PHM模型结合，形成相关的设备监控检修的闭环。从数据出发可以做数据的集中管理，如设备监控数据、振动数据、生产管理数据、工况数据等，利用PHM模型去做监控数据告警、设备故障预警和诊断，有了预警和诊断之后就可以做失效原因的分析。后面这两个环节可以引入以知识为主导的知识图谱进行相关的指导与推荐。具体来说，就是把感知计算与认知计算打通。感知计算是计算机视觉、信号处理、数据挖掘分析等相关技术。认知计算是指与行业知识图谱（如设备知识图谱、服装知识图谱等）相结合，形成从设备状态监测、故障预警识别、知识检索发现、原因定位、方案推荐、检修反馈的整个闭环。

图7　PHM＋知识图谱