GE也想在工业领域使用谷歌的这种数据结构。GE认为要实现数字孪生的数据模型，类似于谷歌知识图谱的数据结构是必需的。比如，使用数据模型预测工业机械故障时，为了把握工业机械上一个部件发生故障情况对其他部件造成的影响，需要收集与这个情况相关的所有数据。

工业机械由数万种零件组成，零件与零件的连接存在层级结构和网格结构等“图形构造”。如果将这些零件之间的相关数据用图形数据库进行管理的话，“收集与某个零件相关的所有零件的数据”“收集某个零件与相关零件发生所有情况的数据”等数据处理需求可以快速实现。

GE数字CTO科迪什说：“Predix的基本数据库是图形数据库。传统的企业信息系统SoR一般使用关系数据库，而Predix想要实现的工业机械系统SoA有必要使用图形数据库。”

关系数据库适用于记录金钱交易记录的事务（Transac-tion）处理。但是像上文提到的“收集与某个零件相关的所有零件的数据”等检索处理使用关系数据库时，与图形数据库相比，会花费更长的时间。关系数据库对数据进行“正规化”处理。为了更新数据的方便，关系数据库将数据根据类别保存在各个“表（Table）”^[2]上。但是，使用关系数据库保存处理图形构造的数据时，因为横跨了多个“表”进行数据处理，会相当耗时。(www.daowen.com)

图形数据库也有其他的使用方法。比如，工业机械发生的多个故障数据以及修复这些故障的作业数据，可以按照时间顺序，作为“时间系列数据”保存在图形数据库里。这样的话，故障和故障的相关性，故障和修理作业的类型等信息就能进行分析。根据这些数据分析结果，可以在发生新故障时，迅速查找过去有无与此相类似的故障类型，以及排除故障所必需的修理作业流程等信息。

GE数字的舒米特在解释图形数据库的用途时说：“对于多数在一线负责工业机械维修的工程师而言，当他们发现新问题时，可以通过打电话等方式将问题反映到运行中心。接到问题的运行中心的负责人从过去的修理记录中进行调查，然后给一线工程师下达指令。如果能实现将故障数据和修理数据通过图形数据库进行存储，并再分析它们相关性的话，这种电话的问询则可以省略。一线的工程师只需观看应用程序的画面，就会得到下一步操作的指令。”