AI 成为“老师傅”，1 份图谱揭露资产故障真因

AI 的快速发展将世界推入全域竞争时代，对于 AI，国内企业不仅一直保持高度关注，也在不断加大投入并获得超预期回报。埃森哲在调研中国 250 家在上一年收入超 10 亿美金的企业后发布研究报告“预计到 2024 年，中国企业由 AI 推动的营收份额将增加至 36%。”

对外经济贸易大学严展宇主任认为，AI 对国家力量的最直接影响是改变国家的产业结构，“如果 AI 与现有产业链建立系统性对接，实现产业更新换代，届时商品和服务的成本都会大幅下降”。

设备管理作为提高企业效益及投资回报率的重要一环，也是众多企业关注的核心问题之一。但对于大多数企业来说，特别是资产密集型企业，在资产管理过程中仍面临坏了才修、成本失控、追溯困难、统计耗时、数据不准等现状，使得故障的精确诊断需要耗费大量的时间和物力，严重影响生产效率和企业成本。

用友 BIP 资产云基于 IoT、物联网、大数据等技术，构建知识库能力，有效辅助资产运维工作，并且基于故障表现形式，挖掘深层关联关系，从新的视角探索资产故障的形成原因，揭示故障发生的内在本质，从而帮助企业更好地执行预测性维护，提高资产可靠性。

场景一：知识库内容智能推荐

按照资产类型、知识主题进行分类，为资产建立智能知识库，审核通过后，文档自动发布到知识库，确保知识库内容质量。同时，知识库可根据用户需求，智能推荐文档和知识，并提供知识库更新、新文档上传的通知提醒功能，支持移动端检索、查阅和使用，方便及时了解最新知识动态。

场景二：基于数据技术的知识图谱

借助知识图谱的技术，灵活展现企业故障体系，同时识别故障分类体系的内在逻辑，对故障情况进行深入挖掘和分析，通过一份图谱，揭示故障真因，帮助用户更好地理解和掌握资产故障状况，为资产运维人员提供有价值的方法和建议。

场景三：基于 AI 技术的故障诊断

作为智能运维的核心驱动力，设备模型、算法、数据缺一不可。在故障诊断过程中，系统自动将新发现的异常与历史数据进行比对，从而对故障原因进行智能自动判断。同时，系统将作业过程中积累的故障进行沉淀，建立宝贵的设备检维修知识库和设备故障知识共享体系。

场景四：机器人在线问答

在移动端，系统可结合现场需求，实现机器人在线问答，例如：在故障上报的过程中，运维人员通过语音与机器人的交流。

全域竞争时代，AI 作为一项前沿技术，在生产、生活方面都表现出强大的适配能力，成为“老师傅”。在资产故障管理中，基于 AI 和知识图谱，用户可快速查询资产的关联信息，系统根据知识库来进行故障诊断和排除，如果知识库没有优选方案，可支持从网络上爬取相关设备故障和维修解决方式，并对知识库进行补充和优化，让资产故障管理更加智能、便捷。