分享图数据库在制造业中的一些应用

分享图数据库在制造业中的一些应用

所以，我们现在谈论TigerGraph，它不仅仅是一个图数据库的平台，而且是利用图数据库的各种优点的一个计算平台。针对这一点，在这里我只是抛出一个引子出来，如果有感兴趣的小伙伴，后续可以找TigerGraph或者我们，再一起深入探讨。

今天分享的主题是图数据库在制造业中的一些应用。具体的项目是我们为某个大型制造业做的配件保障项目。因为今天分享的内容，主要是围绕图数据库和制造业这两个部分，所以这里就假定今天的小伙伴们都是对图数据库有一定了解的人。我在这里并不会对图数据库的基础知识进行普及，感兴趣的小伙伴也可以在后面一起讨论学习。

另外，在这里也假设大家对制造业有一定的了解，如果对制造业没有接触过或者不了解的话，后面可能理解起来会有些困难，因为有很多制造业相关的一些专业知识和专业词汇在里面。比如说，什么叫BOM?BOM的结构是怎样的？什么叫设计BOM？什么叫制造BOM？它们都应用于企业的哪些业务流程？等等这些相关的知识点。如果不理解这些知识点，可能会对后面我们案例部分理解起来稍微有些困难。

在开始正题之前，我们先用这张图片来抛砖引玉，简单了解下有关图数据库和传统关系型数据库的区别。我也特别喜欢这张slide，上面有两张图片的对比，其实就是把关系型数据库和图数据库的精髓一下就呈现出来了。

首先我们看下右边这张图，它代表的是传统的关系型数据库，它把现实世界的一束花，进行了某种抽象，就是从技术角度上我们所谓的建模。就是根据我们对业务的理解，分门别类地把一些相同类型的数据放在一起，进行数据的建模组织，最后落到关系型数据库，就是我们常见的数据库的行、列、表的一些形式。

这种抽象的表达有很多好处，比方说，我们可以方便地做一些统计、排序、计数、汇总。但是，也有不好的地方，显而易见，我们对真实世界的一束花进行了抽象，这就意味着丢失了这束花很多原来的模样，比如花与花之间的关系、花与叶之间的关系、叶子与花枝之间的关系等，这些关系其实在这里都不复存在了。

虽然，在技术上，我们可以通过主键外键的方式去把它们做一些关联，但是这种主外键的方式，其实我们仅仅只能呈现一度，即一跳的连接关系，比如从花瓣到花的连接关系、花到花枝的连接关系等一度的关系，但是整个一束花的连接关系，它是没办法呈现出来的。

左边这张图，代表的是图数据库对现实世界的描述，因为它并没有对物理世界的一束花进行拆散，而是依照现实世界的一束花的真实模型，对花瓣与花的关系、花与花枝的关系、花枝与叶子的关系等等这些物理实体的关系，进行一些关系的连接。也就是我们找出现实世界中的各个实体，把这些实体之间的关系进行连接，真正地将现实世界的事物的模型原木原样地呈现在了我们的面前。

所以，综上所述，图数据库可以最大地还原现实世界各个实体之间的关系，而关系型数据库，出于对数据有效地组织，对现实世界做了很多的抽象，这种抽象其实破坏了各种实体和实体之间的关联关系。尤其是现实世界越来越多地需要对多跳、多维的连接关系进行探索、计算，在这方面，关系型数据库就不那么擅长了，而图数据库是比较擅长这方面的操作的。

今天主要是聊图数据库在制造业的一些应用，这里我简单罗列了图计算在制造业方面能解决哪些问题。

首先是这几年比较热门的知识图谱，我们了解到很多大型制造业也在构建自己的知识图谱，那知识图谱这种项目就是非常适合用图数据库做基础平台的。我们知道在企业里面，有非常多的、各种各样的专业知识，比如典型的设备运维、设备管理这种场景。企业里的设备不可避免地会发生各种各样的问题，如何尽快地解决这些问题、故障，尽量地提高设备运转率，提高生产效率，尽量地减少企业生产线的停机时间，对我们制造业来讲，是一个持续要追求的目标。

还有就是，对于同样的设备、同样的故障，比如我在苏州的生产基地，它出现了问题，然后苏州的工程师解决了这个问题。但在上海的生产基地，也是有同样的设备、同样的故障，那上海的工程师之前并没有碰到这种问题，第一次处理这个问题，时间也会非常长。

类似于这种问题，其实都是归类于我们的知识图谱解决方案。企业为了将这种业务知识，能够有效地把它们进行组织、保留、传承，这对企业来讲其实是非常有意义的事情。那如何对知识进行保留和传承呢？正如刚才讲得，利用图数据库来组织其实是非常天然的、适合的表达。

另外，针对制造业中的供应链管理、生产追溯、配件保障、产品围堵、质量追溯等业务场景，在大型制造业中，我们产品的数据其实是比较复杂的，比如我们的BOM结构比较复杂、我们的供应路线比较复杂、我们在生产过程中涉及到的流程/过程/设备参数等数据量都是比较大的，数据之间的关联关系也是比较复杂的，相对来讲，它的数据链路也是比较长的。

如果用传统的关系型数据库去解决这种问题的话，就会遇到各种各样的问题，比如实施起来非常吃力，甚至可能没有办法去做计算，它的时效性通常也不能满足我们的需求。众所周知，现在制造业一直在追求精益制造，因此对时效性的要求也越来越高。关系型数据库对于处理大量的关系计算，是无法胜任的，在这方面，图数据库就能发挥出它应有的价值。

传统的方法是，我们需要收集大量的数据，然后去做聚类、分类等算法去找出一些比较好的组合。其实我们在图数据库中，可以根据目标良率，利用相互之间的关系去倒查，就可以推导出这样一条最佳生产路径。这样就可以及时地告知生产管理人员，哪一种组合是最优的，这样做就可以提高我们的生产能力。其实这对于大型制造业来讲，我们如果提高了1个、或2个百分点，那么可能会带来百亿甚至千亿的产出增长，其实这就是非常大的经济效益提升。

以上是对图数据库在制造业中的一些场景的简单介绍。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。