大家好，今天很高興能有機會和大家一起探討關于圖計算在制造業的一些應用案例。首先自我介紹下，我是TigerGraph的合作伙伴點春科技的王福強。之所以這里說的是圖計算，而不是圖數據庫，是因為TigerGraph相較于其它的圖數據庫，它不僅僅是一個圖數據庫，而是基于圖數據庫平臺之上，它又疊加了很多AI算法和高級的計算能力，比如這兩年很火的GNN圖神經網絡，以及前幾年比較流行的聚類、分類算法等。

所以，我們現在談論TigerGraph，它不僅僅是一個圖數據庫的平臺，而且是利用圖數據庫的各種優點的一個計算平臺。針對這一點，在這里我只是拋出一個引子出來，如果有感興趣的小伙伴，后續可以找TigerGraph或者我們，再一起深入探討。

今天分享的主題是圖數據庫在制造業中的一些應用。具體的項目是我們為某個大型制造業做的配件保障項目。因為今天分享的內容，主要是圍繞圖數據庫和制造業這兩個部分，所以這里就假定今天的小伙伴們都是對圖數據庫有一定了解的人。我在這里并不會對圖數據庫的基礎知識進行普及，感興趣的小伙伴也可以在后面一起討論學習。

另外，在這里也假設大家對制造業有一定的了解，如果對制造業沒有接觸過或者不了解的話，后面可能理解起來會有些困難，因為有很多制造業相關的一些專業知識和專業詞匯在里面。比如說，什么叫BOM?BOM的結構是怎樣的？什么叫設計BOM？什么叫制造BOM？它們都應用于企業的哪些業務流程？等等這些相關的知識點。如果不理解這些知識點，可能會對后面我們案例部分理解起來稍微有些困難。

在開始正題之前，我們先用這張圖片來拋磚引玉，簡單了解下有關圖數據庫和傳統關系型數據庫的區別。我也特別喜歡這張slide，上面有兩張圖片的對比，其實就是把關系型數據庫和圖數據庫的精髓一下就呈現出來了。

首先我們看下右邊這張圖，它代表的是傳統的關系型數據庫，它把現實世界的一束花，進行了某種抽象，就是從技術角度上我們所謂的建模。就是根據我們對業務的理解，分門別類地把一些相同類型的數據放在一起，進行數據的建模組織，最后落到關系型數據庫，就是我們常見的數據庫的行、列、表的一些形式。

這種抽象的表達有很多好處，比方說，我們可以方便地做一些統計、排序、計數、匯總。但是，也有不好的地方，顯而易見，我們對真實世界的一束花進行了抽象，這就意味著丟失了這束花很多原來的模樣，比如花與花之間的關系、花與葉之間的關系、葉子與花枝之間的關系等，這些關系其實在這里都不復存在了。

雖然，在技術上，我們可以通過主鍵外鍵的方式去把它們做一些關聯，但是這種主外鍵的方式，其實我們僅僅只能呈現一度，即一跳的連接關系，比如從花瓣到花的連接關系、花到花枝的連接關系等一度的關系，但是整個一束花的連接關系，它是沒辦法呈現出來的。

左邊這張圖，代表的是圖數據庫對現實世界的描述，因為它并沒有對物理世界的一束花進行拆散，而是依照現實世界的一束花的真實模型，對花瓣與花的關系、花與花枝的關系、花枝與葉子的關系等等這些物理實體的關系，進行一些關系的連接。也就是我們找出現實世界中的各個實體，把這些實體之間的關系進行連接，真正地將現實世界的事物的模型原木原樣地呈現在了我們的面前。

所以，綜上所述，圖數據庫可以最大地還原現實世界各個實體之間的關系，而關系型數據庫，出于對數據有效地組織，對現實世界做了很多的抽象，這種抽象其實破壞了各種實體和實體之間的關聯關系。尤其是現實世界越來越多地需要對多跳、多維的連接關系進行探索、計算，在這方面，關系型數據庫就不那么擅長了，而圖數據庫是比較擅長這方面的操作的。

今天主要是聊圖數據庫在制造業的一些應用，這里我簡單羅列了圖計算在制造業方面能解決哪些問題。

首先是這幾年比較熱門的知識圖譜，我們了解到很多大型制造業也在構建自己的知識圖譜，那知識圖譜這種項目就是非常適合用圖數據庫做基礎平臺的。我們知道在企業里面，有非常多的、各種各樣的專業知識，比如典型的設備運維、設備管理這種場景。企業里的設備不可避免地會發生各種各樣的問題，如何盡快地解決這些問題、故障，盡量地提高設備運轉率，提高生產效率，盡量地減少企業生產線的停機時間，對我們制造業來講，是一個持續要追求的目標。

但在企業中，由于各種各樣的原因，比如人員離職、調崗等，同樣的設備、同樣的問題，今天我們的工程師會修了，但是明天換了一個新的工程師，這些問題和故障又要全部從頭開始學習、摸索，那相應地，我們設備的停機時間就會相應地拉長。本來可能只需要熟練工5分鐘就可以解決問題，但如果是不熟練工的話，可能需要一個小時甚至半天時間才能解決。這種問題，其實在企業里面非常常見。

還有就是，對于同樣的設備、同樣的故障，比如我在蘇州的生產基地，它出現了問題，然后蘇州的工程師解決了這個問題。但在上海的生產基地，也是有同樣的設備、同樣的故障，那上海的工程師之前并沒有碰到這種問題，第一次處理這個問題，時間也會非常長。

類似于這種問題，其實都是歸類于我們的知識圖譜解決方案。企業為了將這種業務知識，能夠有效地把它們進行組織、保留、傳承，這對企業來講其實是非常有意義的事情。那如何對知識進行保留和傳承呢？正如剛才講得，利用圖數據庫來組織其實是非常天然的、適合的表達。

另外，針對制造業中的供應鏈管理、生產追溯、配件保障、產品圍堵、質量追溯等業務場景，在大型制造業中，我們產品的數據其實是比較復雜的，比如我們的BOM結構比較復雜、我們的供應路線比較復雜、我們在生產過程中涉及到的流程/過程/設備參數等數據量都是比較大的，數據之間的關聯關系也是比較復雜的，相對來講，它的數據鏈路也是比較長的。

如果用傳統的關系型數據庫去解決這種問題的話，就會遇到各種各樣的問題，比如實施起來非常吃力，甚至可能沒有辦法去做計算，它的時效性通常也不能滿足我們的需求。眾所周知，現在制造業一直在追求精益制造，因此對時效性的要求也越來越高。關系型數據庫對于處理大量的關系計算，是無法勝任的，在這方面，圖數據庫就能發揮出它應有的價值。

另外，比如Golden Path，即所謂的最佳生產路徑，或者最佳生產實踐，在一些大型制造業中，比如半導體行業、新能源行業，這些行業的工藝路線比較長，涉及到的設備比較多，每個設備中涉及到的參數也比較多，那在哪種情況下，產品的良率是最高的？這些參數的組合，是如何影響良率的？這也是企業提高產品良率的持續性的追求。

傳統的方法是，我們需要收集大量的數據，然后去做聚類、分類等算法去找出一些比較好的組合。其實我們在圖數據庫中，可以根據目標良率，利用相互之間的關系去倒查，就可以推導出這樣一條最佳生產路徑。這樣就可以及時地告知生產管理人員，哪一種組合是最優的，這樣做就可以提高我們的生產能力。其實這對于大型制造業來講，我們如果提高了1個、或2個百分點，那么可能會帶來百億甚至千億的產出增長，其實這就是非常大的經濟效益提升。

以上是對圖數據庫在制造業中的一些場景的簡單介紹。

審核編輯：劉清