一、 工业知识图谱的基本含义

（一）工业知识图谱的基本概念

知识图谱由是由节点和关系构成的结构化网络，是与大数据、深度学习并列的三大人工智能技术之一。谷歌、微软、百度、搜狗、美团、中国知网等国内外公司都在该领域投入了大量资源进行深度研究，并在搜索、社交、金融、消费和商业等领域取得了较好的应用。

工业知识图谱是基于工业产品研发、生产、运行、保障、营销和企业管理等运行规律建立的关系网络，用于更好地组织、管理和理解工业体系的内部联系，是知识图谱的重点发展方向之一。知识图谱相对深度学习等方法，无需海量数据训练，能更加广泛地应用到不同具体任务，正符合了工业知识总量多、细分专业知识量少、对知识应用可靠性要求高的要求，可作为工业人工智能领域优先发展对象。

（二）工业知识图谱的内在含义

工业知识图谱本质是对工业知识和工业知识关系的管理。

工业知识管理是对各种工业资源的统一管理。随着工业数字化、网络化和智能化进程的不断推进，人们需要以知识的方式对工业实体（含工业机器、工业产品等）、工业环境（含自然环境、社会环境等）、工业组织（含企业、政府等）和人进行统筹管理。工业知识可以分为三种形态，即经验、图文知识、工业模型和工业APP（图中以软件二字代替）。经验是认识工业资源的直接结果；图文知识是经验知识显性化的结果；工业模型和工业APP是图文知识模型化和软件化的结果。工业模型和工业APP是极具有工业特征的知识形态，是工业知识图谱重点管理对象。

工业知识图谱是对各种工业关系的统一管理。工业知识图谱记录了各种工业实体、工业环境、工业组织和人之间的各种动态关系。具体来说，工业知识图谱记录着各种产品与环境的关系、设计与生产的关系、生产设备与产品的关系、产品与零部件的关系、零部件与材料的关系、供应商与采购商的关系、上游产业与下游产业的关系等。

（三）工业知识图谱的应用价值

工业体系庞大，工业产品类型多、定制化程度高，导致工业知识关系极其复杂，远远超过人的思维逻辑、分类体系、目录体系等一般管理手段的能力范畴。通过建立工业知识图谱，可以有效表达、管理和分析工业知识体系，并为不同个性化工业场景提供精准知识服务。

工业知识图谱具有一般知识图谱的通用价值，包括知识融合、语义搜索、知识推荐、知识问答、大数据分析与决策等。同时借助工业知识图谱，可以协助人们更好认识、管理、优化、控制和和改进各种工业互联网内的庞大资源和流程。

二、工业知识图谱的应用领域

工业知识图谱在产品全生命周期均能发挥重要作用，并能为工业相关的金融征信、产业分析、经济研究和教育培训等提供多样化支持。

（一） 在研发领域中的应用

工业知识图谱是提高研发效率的重要工具。知识图谱可以围绕工业产品汇集各种相关产品的发展趋势，为新产品市场定位提供决策支持；可以识别新产品在不同的使用场景下的使用方法和使用要求，推送其他产品的应用案例；可以提供已有的相似产品、相关产品、相关技术、领域专家和信息化工具软件等信息；可以在研发设计、仿真和试验流程中，主动推送与当前工作紧密相关的知识信息。工业知识图谱有利于破除封闭式重复研发，实现开创性的创新。

（二）在生产过程中的应用

工业知识图谱是提高生产效率的重要工具。现代智能化生产车间是一个极其复杂的系统，工业知识图谱可以将车间布局、生产设备、生产工艺、生产物料、物流仓储、质量检测、生产计划、能耗管理和安全防护等各种知识结构化管理，为研发高效高可靠的生产系统设计提供信息支撑；也可以为生产现场人员提供快速精准的工艺工序、设备操作、质量分析和突发情况应对等知识，实现及时专业的现场指导。

（三）在运行保障中的应用

工业知识图谱是提高保障能力的重要工具。现代工业产品大量采用了机械、电子和软件等多学科先进知识，只有掌握各种知识才能高效使用和全面维护好工业产品。工业知识图谱可以将工业产品的原理、结构、使用手册、拆装方法、维护手段、故障诊断和相关资深技术专家等进行结构化管理，以信息搜索、知识推送、知识查阅等多样化的方式，提高运行保障教学培训效率与效果，提高工作人员的熟练程度，提高故障定位的效率，降低产品故障停机次数，减少产品维修维护成本，减轻各种废弃物对环境和操作人员的影响。

（四）在营销采购中的应用

工业知识图谱是提高营销效率的重要工具。随着产品定制化需求越来越多，面向各种细分领域的产品和技术不断涌现，产品种类越来越多，性能差异越来越大。依赖人工手段的市场宣传和会议交流难以实现精准对接。工业知识图谱可以对工业产品的结构、功能、性能和工艺等技术性信息，以及价格、物流和口碑等商业信息进行综合管理，依托各种电商平台、设计数据库和产品知识库等提供服  务，从而为供应链中设计师提供精准技术选型服务，为采购和销售人员提供全面可靠的商业和财务信息。

三、工业知识图谱的建设方法

工业知识图谱已经迎来了良好的建设时机。过去上百年人类积累的工业知识，提供了大量工业知识图谱建设的原始素材；新一轮工业革命的到来，促使大量工业企业急需提升自身制造能力，催生了工业知识图谱建设的产业需求；新一代信息技术，为工业知识图谱建设提供了设计建模、大数据、云计算和区块链等先进手段。对于中国而言，过去几十年的经济快速发展，众多企业具备了较好的经济积累，也为本轮知识图谱建设提供了资金保障。建立具有工业特色的知识图谱，具备了天时、地利和人和优势。

（一）工业知识图谱的技术基础

工业知识图谱的技术需要在现有基础上进行继承和创新，也就是在已有数据获取、图谱绘制、可视化展现等通用知识图谱技术基础上，针对工业领域的特点，适量研发新方法、新手段。

工业知识图谱需要适应工业数字化要求。工业知识节点的管理，需要支持系统模型、结构模型、仿真模型、工艺模型、交互式电子手册（IETM）等知识类型；工业知识关系的管理，需要支持基于系统工程、系统层级、物料清单（BOM）、生命周期、供应链和CPS等典型关系；此外，还需要支持解析常见工业数据标准中包含的相关节点或关系，如系统建模语言（SysML）、产品模型数据交互规范（STEP）和开放式生命周期协作服务（OSLC）等，实现图文知识与模型知识的互联互通。

工业知识图谱需要适用于人与机器等不同场景。当前其他领域的知识图谱常常是用于人和计算机的环境。但是对于工业而言，未来大量智能机器的出现也同样需要形成和应用知识图谱。一方面它们需要利用知识进行自主学习、自主分析和自主决策；另一方面，各种不同工业智能体可以产生大量的数据，甚至会形成高质量的工业知识。因此工业知识图谱的建设，需要考虑不同的使用情况，满足不同的要求。

（二）工业知识图谱的软件实现

工业知识图谱平台是工业互联网平台中用于知识图谱管理的子平台。该平台遵循工业互联网平台的物理层、平台层、应用层和业务层的架构，其功能主要体现在平台层和应用层。

平台层主要用于构建、管理和使用跨行业跨领域的底层知识图谱，包括知识建模、关系抽取、图存储、关系推理、实体融合、语义搜索、智能问答、语言理解和决策分析等功能。平台层尽量充分利用现有通用知识图谱技术，快速具备强大的图谱建模工具，如自然语言处理、本体库管理、机器学习、图数据库和区块链等。

在应用层，需要面向不同产业、领域、地区、企业、产品、项目、制造阶段和个人等开发个性化工业APP，视情况建立个性化应用门户，充分利用大数据等手段，做好与已有知识管理系统、设计平台、生产平台、保障平台的集成接入，实现知识的互联互通。

平台一方面采用工业互联网平台的安全机制，另一方面加强内部安全管理，并需建立自身的设计、接入、应用和评估标准。