工業知識中台

在工業領域，知識管理很多采用了文檔和專家系統來進行管理。專家系統 是人類經驗知識的總結，在一定程度上解決了經驗知識的沉澱，以及知識 的傳承，但存在經驗沉澱成本較高、經驗缺乏聯系等顯著問題。過去的知 識管理形式越來越不滿足業務的需求。

工業大腦利用知識圖譜技術，基于使用者實際應用場景，面向知識圖譜的開 發人員以及營運管理人員，打造工業知識中台。接入感覺層各類資料，通 過AI實作業務與智能的深度融合，助力“上下一體、知行合一”的智能工 業發展。

架構特點

支援非結構化資料處理：面向各類知識文檔，通過NLP技術可以完成知識 的抽取和了解，支撐知識服務；

提供知識推理服務：利用深度學習、強化學期和圖推理計算等算法技術， 可以比過去知識庫的關鍵字文檔檢索可以跟精準提供故障的分析推理服 務；

具備增量知識自學習能力：利用NLP技術可以自動抽取入庫新增知識，學 習過程不需要人工幹預。

核心價值

可以将工業企業中留存業務系統中的結構化、标注、規範、案例記錄和人 的經驗等知識資料源轉化為計算機可以識别的知識圖譜資料，簡化了傳統 靠人力編寫代碼的模式，有效提升了知識圖譜的建構效率，縮短建構時 間，降低建構成本。同時提供了良好的使用者互動界面，友善營運管理人員 直覺的了解圖譜的各種結構，資料情況。完成企業資料的知識化，實作經 驗和知識傳承，支撐人工智能應用。如：合同的智能評審、智能維修等。

項目案例

浙電裝置故障知識庫項目：

國網浙江省電力有限公司是國家電網公司的全資子公司，以建設和營運浙 江省區域電網為核心業務，積極擁抱“大雲物移智”新技術和企業資料價 值發現，是國内營運效能和創新能力領先的公司之一。本項目針對省公司 運檢部輸變電重要裝置（如變壓器、雷擊故障等）的故障搶修指揮，提供 基于人工智能技術的智能維修輔助決策服務。故障搶修資訊擷取效率 50-70%縮短故障的搶修複電時間20-30%搶修知識可自主回流學習。