老师傅退休了，他脑子里的经验也带走了。新员工遇到同样的问题，又要从头摸索一遍。这是很多制造企业面临的困境。

知识图谱不是取代老师傅，而是把老师傅的经验结构化、系统化地沉淀下来，让新人能查、机器能用。它让知识从“在脑子里”变成“在系统里”，从“个人资产”变成“组织资产”。

一、为什么需要知识图谱

制造企业知识管理的现状是：隐性知识多、显性知识少。老师傅脑子里的经验大部分没有写下来。写下来的在文件柜里、在电脑里，分散在不同地方。搜索靠问人，找到靠运气。经验随着人员流失而流失，人走了，知识也没了。

传统知识管理的局限很明显。文档管理系统能存但找不到。搜索引擎只做关键词匹配，不懂语义。专家系统需要人工梳理规则，维护成本高。

知识图谱的不同在于：知识之间有联系，可以推理；机器能“理解”语义，不只是匹配关键词；知识可以复用和计算。

二、工业生产知识图谱长什么样

用注塑缺陷排查的例子来说明。

传统方式：产品出现银纹，老师傅凭经验判断：“可能是原料没烘干”“也可能是背压太小”“还可能是螺杆温度太高”。新人不知道从哪查起。

知识图谱的方式：银纹作为一个节点，通过“导致”关系连接到多个可能原因。每个原因再通过“检测方式”连接到验证方法。每个验证方法再通过“解决方案”连接到处理措施。操作工从银纹开始，沿着关系往下查，系统会提示最可能的原因和验证步骤。

知识图谱的构成

实体是现实中的对象，如设备、产品、缺陷、工艺参数。关系是实体之间的连接，如“导致”“发生在”“解决”“位于”。属性是实体的特征，如温度设定值、设备型号、材料牌号。

三、知识图谱的构建路径

第一步：确定范围

不要求大求全。从一个痛点切入，如“某类产品质量问题的根因分析”。一个窄但深的图谱，比一个宽但浅的图谱更有用。范围越小，成功率越高。

第二步：知识抽取

从文档中抽取：操作规程、维修手册、故障案例库、工艺文件。从老师傅脑中抽取：访谈、工作坊、跟随观察。从系统中抽取：MES、SCADA、ERP中的数据关联。

抽取的重点是实体和关系。比如从故障案例中抽取出“缺陷—原因—解决方案”的三元组。

第三步：知识融合

不同来源的知识可能有冲突，需要去重、消歧、冲突检测与解决。甲师傅说“银纹主要是原料问题”，乙师傅说“银纹主要是工艺问题”——不能两个都放进去，要验证或注明不同观点。

第四步：知识存储与表示

图数据库是常用的存储方式，如Neo4j、JanusGraph。实体是节点，关系是边。

第五步：知识应用

检索：输入问题，找到相关知识。推荐：输入当前现象，推荐可能的原因。推理：基于已有知识推导出新结论。