架构
物联网、云计算、人工智能等新一代信息技术的迅猛发展，带来了制造业的新一轮突破，推动着制造系统向智能化方向发展，驱动着未来制造模式的创新。其中数据和知识是实现制造业与新一代信息技术融合的基础，是实现智能制造的保障。一方面，产品在其生命周期的各个阶段将会产生海量工业数据和知识；另一方面，工业数据和知识是制造领域的信息化进程的必备资源，其中蕴含了大量有用的模式。
然而，当前制造领域产品设计、制造、装配、服务等生命周期过程中数据以及知识的存储大多以传统关系型数据库为基础，冗余性较高、分布分散、关联性较弱且储量相对较小，强调对数据以及知识的检索却较少从语义层面研究数据以及知识的关联、认知、理解与推理。
因此，如何从冗余的数据与知识文本中抽取有用信息，如何有效表达数据之间的内在关联与知识之间的内在关联，如何有效利用数据的关联性与知识的关联性实现高效的信息检索与信息推理，是当前实现智能制造目标的核心瓶颈之一。
知识图谱(Knowledge graph，KG)来源于谷歌下一代智能语义搜索引擎技术。其本质上基于语义网络的思想，是一种有向图结构的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系，其应用服务架构如下图所示。
特点
知识图谱具有如下3种特点：
① 数据及知识的存储结构为有向图结构。有向图结构允许知识图谱有效地存储数据和知识之间的关联关系；
② 具备高效的数据和知识检索能力。知识图谱可以通过图匹配算法，实现高效的数据和知识访问；
③ 具备智能化的数据和知识推理能力。知识图谱可以自动化、智能化地从已有的知识中发现和推理多角度的隐含知识。
3. 缺点
当前知识图谱在智能制造领域应用过程还存在以下不足（以智能制造领域为例）。
(1) 缺乏对知识图谱理论的深入认识。目前知识图谱相关理论与技术在迅速发展，但是智能制造领域的专家大多对该技术缺乏深入的了解，无法有效管理和应用知识图谱中的数据及知识。
(2) 知识图谱相关技术在智能制造领域的优势不明晰。目前知识图谱在智能制造领域的应用处于起步阶段，针对产品设计、制造、装配、服务等过程所带来的优势不是很明确，且在知识图谱应用于智能制造领域过程中可能遇到的问题尚不明确。
(3) 知识图谱相关技术在智能制造领域的应用场景模糊。当前企业对知识图谱在智能制造领域的应用前景有所疑问，不确定知识图谱技术在产品设计、制造、装配和服务等过程的切入点和切入方式。
(4) 知识图谱在智能制造领域落地所需要的技术不明确。目前在通用领域上的知识图谱的研究角度十分广泛，但是针对智能制造领域各个应用场景，所需要使用的知识图谱相关技术类别却还不是很明晰。
(5) 智能制造领域相关数据缺乏。目前基于深度学习的知识图谱相关技术需要构建一定量的有标签数据集，目前通用领域的相关数据集比较多，而智能制造领域的相关数据却比较缺乏。
说明：
本文节选自《机械工程学报》2021年3月 原文标题：知识图谱在智能制造领域的研究现状及其应用前景综述 作者：张栋豪 刘振宇 郏维强 刘惠 谭建荣
只做知识分享 ，无商用，侵权请联系删除。
