3.3.2 设备知识图谱知识体系
如2.3.2节及2.4.5节所述，设备知识图谱是实现设备生产、运维等场景认知智能的重要基础。在设备运维与检修需求场景中，为了构建设备检查及修理策略，业务人员需要聚合多种来源的数据知识，才能进行有效的认知和判断。知识图谱可以将设备的实体状态数据（电压、燃气、燃油）、设备检修场景的事理知识（电气、物理、化学）进行统一、聚合，辅助检修人员对设备状态进行及时、精准地认知。在设备知识图谱上，业务专家还可以构建设备断面检索等智能应用，以此检索出引导设备向有利方向演变所需的最佳策略。
图3-18展示了企业生产管理与企业业务的关系。企业业务包括销售营销/订单获取、研发设计、供应链采购、加工制造、仓储物流/供应链、售后服务等多个环节。企业的生产管理需要以设备为核心，并达到加工制造环节的业务目标。企业生产管理通常可以划分为工厂域、产线域和设备域。
图3-18
在工业互联网中，企业设备会通过物联网传感器上报数据，数据通过数据治理后会形成设备资产、设备运行状态等相关表格。回顾知识体系建设的方法论，设备知识图谱体系建设的首要工作是梳理设备知识图谱的需求场景，以建立设备知识图谱的需求概念层。设备知识图谱的应用场景很多：
• 在设备智能运维中，需要支持状态查询、故障归因分析及策略检索；
• 在设备生命周期管理中，需要支持设备租赁、二手交易、保险和金融服务；
• 在设备生产效率优化场景中，需要支持电网配电优化、锅炉燃烧优化等设备先进控制应用；
• 在设备组织管理优化场景中，需要支持对设备与人互动状态的全面监控，辅助企业的生产组织与管理；
• 在设备资产管理、采购管理等场景中，需要支持供应链审计、财务审批、项目管理等多项业务应用。
以设备运维与检修知识图谱为例，企业首先可以对设备检修、运维业务需求进行梳理，并通过概念抽象、关联聚合形成设备知识图谱的需求概念域；然后将设备业务流程与规则、专家知识经验构建为设备知识图谱的事理知识域；接着根据专家经验，搜索数据仓库中设备表的逻辑模型，再结合应用场景检索到所需的数据表；最后将分散的设备表的数据体系，按知识体系的结构定义进行体系清洗和本体融合，就可以得到设备知识图谱的实体状态域的知识体系。比如设备实体状态域的知识体系可以来源于设备的运行状态监控指标体系。在设备知识图谱体系中存在的关系通常是设备事件关联、设备制造商关联及设备操作者关联。
设备知识图谱的事理知识域的建设工作是相当有挑战性的：
• 设备事理知识的类型众多，在领域内既有大量的专家经验，也有大量的事实经验，还有各类行业规范、标准、制度；
• 设备事理知识涉及的学科众多，包括物理、化学、流程、工艺等多领域、多学科知识。比如在对汽车的生产设备进行运维时，需要考虑汽车生产的流程制度、加工工艺、力学原理等；设备专业知识和业务常识混杂，增加了知识体系融合的难度。比如由于不同地区的温度不同，北方设备在停机维护时需要排空水箱以防止结冰，南方设备在停机维护时则不需要排水；
• 设备事理知识的来源有多种，包括设备产品手册、领域百科知识、设备规则文档、设备告警日志、设备维修手册、操作手册等。设备产品手册通常包含结构化的设备参数说明、半结构化的功能体系和非结构化的经验规则。因此，事理知识域的知识体系需要在分散的知识来源中，通过人工或者半自动的方式进行知识体系建设。
那么，具体应如何建设设备知识体系呢？
以电网的设备知识体系为例，电网的设备知识图谱是在“电网一张图”的理念下，将电网单体设备的状态信息、设备之间的关联信息及设备信息检索、设备检修策略查询、设备故障推理、电力智能调度、停电范围分析等应用场景中的事理经验构建为电网设备知识图谱。图3-19展示了电网设备物理连接转化为逻辑模型的示例。
图3-19
设备运营商可以将数据仓库的数据模型、逻辑模型通过映射转化为设备知识体系。与电网运行直接相关的设备通常被称为一类设备，包括变电站、组合电器、穿墙套管等。用于量测电网运行状态的传感器等设备通常被称为二类设备，比如压力计、油温计等。设备知识体系中的实体节点可以将多个设备数据表的属性合并，比如从变电设备资产表和变电设备表中获取设备的采购、状态数据等。因此，电网设备知识体系可以从一类设备表中获取设备生产厂商等状态数据体系、设备连接关系的拓扑关联体系；从二类设备表中可获取物联网传感器的实时量测数据体系。设备实体状态域的知识体系建设在逻辑上可以由4步完成。
（1）将每个设备表都构成一个节点。
（2）当设备表中的属性指向其他设备时，建立一种关系。
（3）结合问题的需求和效率，将部分属性抽取成实体属性。
（4）在所有设备表中都重复第2、3步，即可构建包含设备状态和设备关系的设备知识体系。