達觀工業知識圖譜串聯“人機料法環”，助力工業智能化再升級
工業制造研發、制造、維修等流程涉及人機料法環的方方面面。從產品規劃、設計開發、生產制造、維修反饋等各個階段，失效分析都是其中重要一環，達觀工業知識圖譜失效分析重點解決過程中對故障原因的深度探查和推理，找出根因，推薦出解決和預防措施、相關案例等，賦能企業流程。
目前企業內部對待“人機料法環”數據的智能能管理程度不一，人員、設備等數據可能已經以結構化的形式很好的管理，工藝、故障等數據更多是以非結構化的形式散落，缺少統一治理，進而無法發揮數據的價值。
1. ?缺少知識結構化：多源異構數據缺少管理，特別是對方法書冊、故障報告等高價值文檔缺少知識體系的治理；
2. ?缺少知識關聯：沒有按照業務流程，將“人機料法環”等各個維度的數據進行關聯，往往需要業務系統的互相打通，知識查詢、共享和利用的效率低下。
達觀知識圖譜平臺再升級，基于知識圖譜、語義檢索、NLP、OCR等自研人工智能技術，在企業內部已有數據和外部標準等數據的基礎上，建設失效知識圖譜，關聯人機料法環各個維度的數據，提供失效分析、FMEA等文件知識結構化和體系化、專家知識推薦等功能，持續沉淀和發揮知識價值。
數據來源企業內部數據為主，企業外部數據為輔。
國家國際標準、規范和法律法規，如國家對醫療產品的性能標準、對汽車產品的質量標準等。
達觀工業知識圖譜從“人機料法環”等角度，抽象相關概念，并對概念之間建立關聯，達到知識結構化和知識關聯。從知識圖譜底層技術的角度，需要定義概念及其關系。
知識圖譜建模
通過輸入故障現象描述、設備、系統等自然語言文本，基于知識圖譜的專家能力，從中解析失效要素，基于圖查詢從圖譜查詢到包含原因的子圖，并進行根本原因歸納。除此之外，通過推理技術，從故障或者故障原因出發，自動探查人機料法環的相關推薦結果，提升對故障的全量分析能力。
圖：失效原因分析和知識推薦
通過知識圖譜自動挖掘設備間的潛在特征和關系，挖掘設備和設備之間的業務關聯特征，在設備數量特別大的場景，輔助業務方的設備替代性分析、設備路徑分析、設備重要性分析等。
持續升級基于KBQA(基于知識圖譜的問答技術)的智能問答系統，幫助用戶更快、更智能的找到設備、人員、物料、工序、環境因素之間關聯關系，既支持概念和一度關聯信息的查詢，也可以根據業務設計復雜的推理規則，從而支持復雜的多度的問答場景。比如輸出某個產品的故障類型統計、產品之間的性能對比、產品部件結構分析等等。
達觀失效知識圖譜產品持續升級的同時，已成功應用于多家大型工業制造企業，幫客戶快速搭建失效知識圖譜。知識圖譜的構建和應用過程類似“釀酒“，通過知識的不斷沉淀，香味愈濃，進而可以不斷挖掘出更多的業務價值點。
