达观数据副总裁王文广的研报探讨了制造业失效归因分析的现状与未来，重点介绍了基于知识图谱的解决方案。
制造业与质量可靠性
智能制造已深入各行业，质量与可靠性是制造业的生命线。根因分析（RCA）是解决质量问题的关键，旨在找到根本原因，实现高质量产品和高可靠性生产。传统RCA方法包括帕累托分析、鱼骨图、5Why等，而基于AI的RCA面临可解释性、可控性、数据质量等挑战。
知识图谱与认知智能
从感知智能到认知智能是时代趋势。知识图谱技术体系涵盖知识计算、知识推理等，已进入规模化产业应用阶段。达观数据的《知识图谱：认知智能理论与实战》一书提出“六韬法”建模方法论和“六韬瀑布模型”工程模型，助力产业规模化应用。
基于知识图谱的根因分析框架
知识图谱能串联失效各维度各环节（产品、设备、研发、生产等），实现高效归因。具体方法包括：
- FMEA知识图谱：自动收集失效模式信息，关联历史经验，辅助工程师分析并完善FMEA。
- FTA智能定位：通过可视化扩展和结点点选，快速定位故障原因分析逻辑。
- 贝叶斯与故障树结合：基于历史数据统计和贝叶斯理论计算根因概率，结合知识图谱要素关联进行排序。
- 演绎推理：基于知识图谱模式和规则，实现零部件层级和故障原因追溯。
- 统计关联分析：通过频次统计、帕累托图等方法分析工单中的失效模式要素关联。
- Reichenbach共因原则：识别同时发生的故障背后的共同原因。
- 人机协同分析：可视化交互协助工程师快速找到共同要素。
- R-GCN多道工序归因：构建工序依赖关系图谱，结合人机料法环测等要素进行归因。
- 问答技术：通过语义理解实现失效分析，融合用户画像和推荐技术提供个性化知识支持。
应用场景与市场前景
该技术广泛应用于供应链BOM管理、航天航空故障问答、汽车设备维修、制药工艺分析、医疗设备归因等场景。中国制造业GDP接近4.86万亿美元，高端制造业人才缺口约3000万，政策支持与市场需求推动知识图谱在制造业的规模化应用，助力认知智能制造发展。
