我相信絕大多數(shù)讀者并不從事裝備設計領域，因此沒必要深入了解“多信號流圖”，但這種圖形化模式的提出對知識圖譜建設非常有借鑒價值。對應到傳統(tǒng)信息化軟件的設計你會發(fā)現(xiàn)，UML就是一種圖形化的建模方式，類圖屬于軟件靜態(tài)關系的圖形化描述，時序圖、狀態(tài)圖、序列圖等等是軟件動態(tài)關系的圖形化描述，部署圖是軟件物理結構的圖形化描述，因此在知識建模過程中，可以考慮建立自有的圖形化描述，提高知識抽取的工程化能力。

下圖總結了采用知識圖譜建設方法論，進行裝備故障診斷時各個階段的主要工作，包括：

1、知識建模階段，對裝備、功能（控制、分離、引導、連接……）、輸入輸出（能量、物質、信號）等基本概念的抽象，以及利用“多信號流圖”進行圖形化描述（類似面向對象的 UML 方式）；

2、知識抽取階段，可以在研發(fā)過程中設計裝備的“多信號流圖”，對于研發(fā)階段沒有進行這方面設計的可以從維修手冊中抽取。用多信號流圖可以產(chǎn)生故障樹與故障相關矩陣。

3、知識驗證階段，可以利用相關矩陣推斷新增加的知識是否有效，也可以驗證測試是否完備，例如兩個故障模式在故障矩陣中故障特征是一致的，就可能需要增加測試點；

4、利用故障知識圖譜，可以在開發(fā)實時診斷的應用，利用推理機實時確定故障發(fā)生的部件，產(chǎn)生故障應急的預案等等。

感謝胡政博士為本文提供的案例，他曾是國防科技大學裝備綜合保障技術重點實驗室的核心成員，我國裝備保障領域的知名專家。他創(chuàng)辦的湖南擎新公司，專注于大型裝備的實時故障診斷、檢測技術的研究與實踐，完成了多項重大武器裝備的故障診斷知識圖譜的建設。

3總 結

企業(yè)軟件從流程化開始起步，逐步實現(xiàn)數(shù)據(jù)化，今天我們希望它能夠更加智能化。而目前智能化還主要體現(xiàn)在圖像識別、語音識別的應用，究其原因是目前以機器學習為核心的技術并不能滿足很多場景，諸如缺少大量數(shù)據(jù)、結果不夠明確、需要明晰推理過程。而建立專業(yè)領域知識圖譜，正是將人工智能應用從簡單應用轉向知識密集但數(shù)據(jù)缺少的復雜應用。

《老焦專欄 ｜ 解開知識圖譜神秘的面紗》、《老焦專欄 ｜ 知識圖譜建設方法論》，在這一系列的三篇文章醞釀了很長時間，借鑒了企業(yè)軟件流行的面向對象方法，提出了一個工程化實施知識圖譜建設的方法論，包括知識建模中的領域劃分、概念與關系建模，知識抽取的自動化、非自動化方法，最后列舉了知識圖譜的四種應用形式，并通過一個裝備故障監(jiān)測的示例，講解了如何基于知識圖譜進行推理、如何在知識圖譜建模時類似 UML 的方式建立知識模型。

后面我們還會針對知識圖譜這一話題，進行持續(xù)的探討，敬請期待。