En kunnskapsgraf kobler sammen det systemene dine holder atskilt
Systemene dine er fulle av substantiver. Pumper, sensorer, arbeidsordrer, fakturaer, rapporterte tall, hvert av dem lagret i sin egen tabell, i sitt eget system.
Verbene mangler: hvilken sensor som overvåker hvilken pumpe, hvilken pumpe som betjener hvilken prosess, hvilken prosess som mater tallet noen rapporterer. En kunnskapsgraf lagrer verbene som data, og lagrede verb er det som gjør data intelligente.
Hva det er
Ett sammenhengende kart, ikke enda en silo
IntelliStream kobler de strukturerte og ustrukturerte kildene dine sammen i en felles modell, tar konteksten med seg på tvers av alle avdelinger, og gjør relasjonene synlige, slik at flaskehalser, mønstre og konsekvenser på tvers av systemer kan spores i stedet for å bli borte.
I industrien har dette kartet et navn, industriell kunnskapsgraf. Det er den delen av en operasjonell dataplattform som vet hvordan driften henger sammen: hvilken pumpe som mater hvilken prosess, hvilken prosess som påvirker hvilket rapportert tall, og hvem som har ansvaret.
Et konkret eksempel
En ting, et verb, en ting til
Pumpe P-101 betjener separatortog A. Det er en setning, og det er også en kunnskapsgraf, den minste som finnes. Substantivene er utstyr. Verbet er relasjonen mellom dem, lagret som data du kan følge.
Setninger kan lenkes. Sensoren overvåker pumpen, pumpen betjener separatortoget, separatortoget mater eksporttallet. Med nok av dem blir spørsmål som før krevde et møte, til spørringer:
Slik fungerer det
To byggeklosser. Det er hele modellen.
Nodene er substantivene. Relasjonene er verbene. Alt annet er egenskaper som henger på den ene eller den andre, og det lille ordforrådet er nok til å beskrive et helt anlegg.
Noder er tingene driften består av:
- Utstyr: pumper, kompressorer, sensorer, anlegg.
- Prosesser: separasjon, måling, vedlikehold, rapportering.
- Folk: operatører, ingeniører, leverandører, den som står ansvarlig for et tall.
Hver node bærer egenskaper, detaljene som beskriver den: et taggnummer, en idriftsettelsesdato, en status.
Relasjoner er verbene som binder dem sammen, hvert av dem lagret som data:
- En sensor overvåker en pumpe.
- En pumpe betjener et separatortog.
- Et separatortog inngår i et rapportert tall.
Også relasjoner bærer egenskaper, en startdato, en strømningsretning, slik at konteksten ligger på selve koblingen.
I praksis
Driften din er allerede en graf
En trykkmåling hører til en pumpe. Pumpen betjener en prosess. Prosessen påvirker et tall noen rapporterer til en tilsynsmyndighet. Systemene dine lagrer alt dette i adskilte tabeller. Kartlegging av avhengigheter setter koblingene tilbake, slik at svarene finnes før spørsmålene haster.
Spor hvert rapportert tall
Når en revisor spør hvor et tall kommer fra, kan du følge det bakover gjennom hver beregning til råsignalene det ble bygget av, med datakvalitetsflagg intakt. Fire timer med manuell kryssjekking blir til minutter.
Undersøk feil i kontekst
Når en komponent svikter, viser grafen hva som ligger oppstrøms og nedstrøms: utstyret den betjener, prosessene som er utsatt, og menneskene som må få beskjed. Ikke fem åpne faner og hukommelsen til en senioringeniør.
Koble til nye kilder en gang
Koble en ny datakilde til modellen en gang, så arver alle rapporter og dashbord nedstrøms konteksten. Å legge til et system betyr ikke lenger å skrive om alt som ligger oppå.
Hvor grafen kommer fra
Start med tegningene du allerede har
Hvert anlegg har allerede kunnskapsgrafen sin på papir: P&ID-en, rør- og instrumenteringsdiagrammet som viser hver pumpe, ventil og sensor, og hvordan de henger sammen. IntelliStream bygger grafen ut fra det arket sammen med deg: plattformen leser, du bekrefter.
Plattformen leser arket
Last opp en P&ID, og plattformen finner taggene på den, hver med sin nøyaktige plass på arket. Tegninger produsert i CAD leses direkte; skannede arkiver kan gå gjennom OCR.
Du bekrefter koblingene
Plattformen sjekker hver tagg mot grafen, og du avgjør resten: bekreft en kobling, legg til det som mangler, og se begge hullene, tagger på arket systemene dine ikke kjenner, og utstyr i grafen arket aldri viser. Ingenting havner i grafen som en gjetning.
Tegningen blir levende
En bekreftet tagg er en node i grafen. Arket slutter å være en statisk PDF: klikk på en tagg, og sanntidsverdien står rett på tegningen, der ingeniørene dine allerede leter.
Hvorfor nå
Folkene dine kan lese grafen. Det kan AI-agentene også.
Lesbar på tvers av driften
En graf leses som diagrammene ingeniørene dine allerede tegner på tavla: ting, med merkede linjer mellom seg. Operatører, økonomer og revisorer kan følge det samme bildet, uten noe spørrespråk.
Konteksten agentene mangler
I en demo kan en AI-agent svare ut fra det den tilfeldigvis når tak i. I produksjon må den vite hvilken utstyrsliste som gjelder, hvilken enhet en måling står i, og hva som avhenger av pumpen den resonnerer om. I dag ligger den kunnskapen i hodet på folk. Grafen er der den blir skrevet ned, i en form en agent kan spørre og sitere.
Hvor den hører hjemme
Innebygd i den operasjonelle dataplattformen
En kunnskapsgraf alene er et kart uten innhold. I IntelliStream er grafen innebygd og allerede koblet til alt annet plattformen rommer: tidsserielagring som komprimerer industrisignaler rundt 100x, hendelsesstrømmer i sanntid, og sporbarhet på hver utledet verdi.
Vanlige spørsmål
Ærlige svar på vanlige spørsmål
Hva er en industriell kunnskapsgraf?
En sammenhengende modell av det fysiske utstyret ditt, prosessene det driver, og forretningskonteksten som gir dataene mening. Sensormålinger, hendelser og dokumenter knyttes til utstyret de beskriver, slik at et spørsmål om en del av driften kan følge reelle relasjoner i stedet for koblinger på tvers av fem systemer.
Hva skiller en kunnskapsgraf fra et datavarehus?
Et datavarehus lagrer tabeller og svarer på spørsmålene det ble designet for. En kunnskapsgraf lagrer relasjoner, og svarer derfor også på spørsmål ingen forutså, som hvilke rapporterte tall som avhenger av en sviktende pumpe. De fleste trenger begge. Grafen bærer konteksten; varehuset bærer historikken.
Må vi modellere alt på forhånd?
Nei. Begynn med ett anleggsområde eller ett spørsmål som stadig dukker opp, og la modellen vokse etter hvert som nye spørsmål kommer. Nytt utstyr og nye relasjoner glir inn i den eksisterende strukturen uten ombygging. Det er nettopp det en graf er til for.
Er kunnskapsgrafen et eget produkt?
Nei. I IntelliStream er den et innebygd lag i den operasjonelle dataplattformen, koblet til tidsserier, hendelser og sporbarhet fra dag en. Hele plattformen er åpen kildekode under AGPL-3.0, så teamet ditt kan lese koden før dere bestemmer dere for noe.
Hva er kartlegging av avhengigheter?
Den delen av modellen som holder orden på hva som avhenger av hva: hvilket utstyr som betjener hvilken prosess, hvilke prosesser som påvirker hvilke rapporterte tall, og hvilke team som eier dem. Slik gjør grafen en komponentfeil om til en liste over konsekvenser i stedet for gjetting.
Kan vi kjøre den på egen infrastruktur?
Ja. Kjør den selv i egen sky, på eget anlegg eller helt uten internettilgang. Eller la oss drifte den på vår egen maskinvare i Stavanger, over 50 servere med 2 PB disk, driftet av det samme norske ingeniørteamet som bygger plattformen.
Ta kontakt
Nysgjerrig på hvordan dataene dine ser ut som graf?
Opprett en Playground, last inn dine egne data, og se grafen selv. Et fungerende miljø på minutter, uten noen salgssamtale på veien.