圖數(shù)據(jù)庫(kù)專家Neo4j的 Maya Natarajan描述了如何使用基于知識(shí)圖的數(shù)字孿生技術(shù)來(lái)更好地管理供應(yīng)鏈。

　　越來(lái)越多的首席信息官 (CIO) 看到了數(shù)字孿生的潛力。數(shù)字孿生正在真實(shí)世界資產(chǎn)的軟件中創(chuàng)建虛擬、高度詳細(xì)和忠實(shí)的復(fù)制品，例如工廠或城市的一部分。

　　然而，許多 CIO 都在努力優(yōu)化復(fù)雜的供應(yīng)鏈，尤其是目前。我們的世界已經(jīng)受到大流行的打擊，面臨地緣政治緊張局勢(shì)，這給緊密相連但脆弱的供應(yīng)鏈帶來(lái)了巨大壓力。好消息是，知識(shí)圖譜和數(shù)字孿生技術(shù)形式的技術(shù)可以提供對(duì)供應(yīng)鏈優(yōu)化的見解。

　　知識(shí)圖譜已經(jīng)存在了將近 50 年。他們主要在學(xué)術(shù)界憔悴，直到 2012 年，谷歌宣布在其搜索引擎背后使用知識(shí)圖譜。從那時(shí)起，分析、數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)和人工智能 (AI) 的融合產(chǎn)生了對(duì)知識(shí)圖譜的需求。這是因?yàn)樗麄冇心芰κ惯@些技術(shù)中的每一種都更好、更智能、更具預(yù)測(cè)性。

　　最基本的知識(shí)圖譜是一個(gè)相互關(guān)聯(lián)的數(shù)據(jù)集，富含意義或語(yǔ)義。它允許其用戶推理基礎(chǔ)數(shù)據(jù)并將其用于復(fù)雜的決策。

　　知識(shí)圖之所以有效，是因?yàn)樗鼈兊膱D數(shù)據(jù)庫(kù)模式。原因在于 SQL 和關(guān)系在支持查詢方面的固有局限性。

　　這也取決于您要在供應(yīng)鏈環(huán)境中使用的數(shù)據(jù)的特定形狀。

　　從大數(shù)據(jù)到小而廣的數(shù)據(jù)？

　　當(dāng)今世界的數(shù)據(jù)有各種形式和大小，但 CIO 發(fā)現(xiàn)擁有最深刻洞察力的數(shù)據(jù)絕非易事。包含最深刻見解的數(shù)據(jù)是復(fù)雜的、相互關(guān)聯(lián)的，并且可以是深度分層和遞歸的。事實(shí)上，100 次中有 99 次是隱藏的。在大流行之前，我們?cè)?jīng)談?wù)撨^(guò)大數(shù)據(jù)?，F(xiàn)在，轉(zhuǎn)向了 Gartner 所稱的“小型和廣泛”數(shù)據(jù)。小而寬的數(shù)據(jù)提供了更多的上下文，尤其是對(duì)于機(jī)器學(xué)習(xí)程序，這就是我們需要解決的問(wèn)題。

　　事實(shí)是 Small and Wide 無(wú)法用傳統(tǒng)技術(shù)進(jìn)行分析。當(dāng)這樣復(fù)雜的數(shù)據(jù)被攝取到屬性圖存儲(chǔ)中時(shí)，數(shù)據(jù)之間的關(guān)系被編碼。這些關(guān)系為數(shù)據(jù)提供了第一級(jí)上下文。在圖表中，這種“動(dòng)態(tài)上下文”意味著圖表會(huì)隨著新信息的動(dòng)態(tài)添加而增長(zhǎng)并變得越來(lái)越豐富。

　　對(duì)于知識(shí)圖譜，從存儲(chǔ)中讀取關(guān)系并查詢圖就像遍歷圖一樣簡(jiǎn)單。團(tuán)隊(duì)可以添加第三個(gè)元素，語(yǔ)義，以獲得完整的知識(shí)圖，以及算法和其他工具。事實(shí)是，使用圖形技術(shù)創(chuàng)建豐富的、反應(yīng)性的復(fù)雜性表示非常容易，就像供應(yīng)鏈的數(shù)字孿生一樣。

　　大流行加劇了供應(yīng)鏈缺乏可見性，但也很難獲得對(duì)供應(yīng)鏈的完全可見性，因?yàn)樗鼈兪菑?fù)雜的多維連接的數(shù)字網(wǎng)絡(luò)。因此，它們只能真正建模為知識(shí)圖譜。這是連接從材料到產(chǎn)品、工廠到配送中心和運(yùn)輸?shù)乃蟹矫娴淖罴压ぞ摺ＶR(shí)圖提供了上下文，因此可以整體地做出決策，同時(shí)考慮到許多相互關(guān)聯(lián)的依賴關(guān)系。

　　用于更好地管理供應(yīng)鏈的數(shù)字孿生知識(shí)圖將數(shù)據(jù)整合在一起并創(chuàng)建連接的虛擬供應(yīng)鏈。它使管理人員能夠更好地組織、分析和可視化他們的數(shù)據(jù)。管理人員可以對(duì)供應(yīng)鏈中的所有產(chǎn)品、供應(yīng)商和設(shè)施，以及它們之間的關(guān)系，獲得可追蹤且深入的了解。

　　電廠管理

　　Tata Consulting 的 TCS IP2 電廠管理 SaaS 服務(wù)通過(guò)采用由知識(shí)圖推動(dòng)的數(shù)字孿生服務(wù)得到了極大的增強(qiáng)，幫助其客戶減少了 9% 的排放，降低了燃料利用率，并獲得了 600 萬(wàn)美元（5.47 歐元）萬(wàn)）每年的運(yùn)營(yíng)節(jié)省。這只是一個(gè)例子。

　　還有其他一些知識(shí)圖譜的例子同樣可以明顯地提升底線。將供應(yīng)鏈或制造數(shù)字孿生放入圖表中，可以讓您在從石油和天然氣行業(yè)到全國(guó)零售分銷的所有領(lǐng)域都獲得真實(shí)世界的保真度。

　　復(fù)雜數(shù)據(jù)自然建模為知識(shí)圖譜

　　從物流和運(yùn)營(yíng)，一直到營(yíng)銷銷售和服務(wù)，復(fù)雜供應(yīng)鏈用例的數(shù)字孿生戰(zhàn)爭(zhēng)已經(jīng)在發(fā)生。

　　如果您正在構(gòu)建供應(yīng)鏈數(shù)字孿生模型，則應(yīng)將其建模為知識(shí)圖譜。這是因?yàn)槟胍东@的復(fù)雜數(shù)據(jù)供應(yīng)鏈自然而然地更容易建模為知識(shí)圖譜。為了達(dá)成交易，知識(shí)圖譜提供了構(gòu)建、管理和查詢企業(yè)級(jí)數(shù)字孿生模型所需的靈活性、性能和分析能力。