西门子能源使用 metaphactory 知识图谱加速应用程序开发

西门子能源监管着在全球多个国家/地区运营的数千台大型气轮机组。在不同的环境和背景中管理如此庞大的设备机组是一项重大的后勤挑战。管理每台涡轮机的备件目录和特定的客户配置，会产生大量人工作业，需要大量人力。但这也给客户留下了改进空间，让他们可以更好地优化库存，并更精确地推荐备件。该公司需要通过一种可靠的方式在其 Amazon Web Services（AWS）Cloud 中对上下文数据和复杂层次结构进行建模，提升其大型气轮机组的可见性并增强其相关决策能力。

西门子能源发现知识图谱技术是一种理想的解决方案，能够帮助组织、管理和查询其整个机组的机器数据结构。这些机器的层次结构适用于知识图谱建模。知识图谱是一种结构化和非结构化数据的建模方法，由主题专家构建并借助智能机器学习算法进行增强。西门子能源决定选择由德国技术公司 metaphacts 开发的 metaphactory 知识图谱。metaphactory 提供知识图谱管理、快速应用开发和面向最终用户的交互。它支持客户进行数据采集和整合、内容创作、交互式可视化和数据探索以及外部知识来源链接和重用。metaphactory 基于 Amazon Neptune 的知识图谱服务而构建。

西门子能源有意利用知识图谱技术，设计和构建自有应用程序，来实现定制查询和表单功能。由于 metaphactory 是一种用于快速开发知识图谱应用程序的低代码平台，因此它完全符合西门子能源的需求。西门子能源的 IT 解决方案架构师 Lutz Lukas 表示：“Siemens Corporate Technology 已与 metaphactory 合作多年，实施了多项计划。在之前的项目中，我们发现可以利用 metaphactory 快速大规模地构建自定义应用程序。此外，metaphacts 提供的可视化和查询选项帮助我们快速高效地验证数据、制作用户界面原型和浏览图表。”

西门子能源利用 metaphactory 的低代码功能，构建了涡轮机知识图谱应用程序的核心部分。这样，可以以可视化的方式展示相关机组内部的复杂关系和联系。metaphacts 首席运营官 Daniel Herzig-Sommer 这样解释：“低代码开发就像建造一座模块化房屋：不需要一砖一瓦地垒起来，而是可以直接使用现成元素，比如预置门窗的墙板。metaphactory 也是如此。您可以使用我们现成的组件，对图谱数据进行可视化、搜索、编辑或进行数据管理任务所需的任何操作。然后，您可以随心所欲地配置和组合这些组件，很快就能开发出一款应用程序。”为实现这一点，metaphactory 提供了可定制的模板和一组精心设计的现成网络组件，这些组件可以根据客户的观感进行参数化设置。这些组件可用于数据管理任务，以及更直观地以可视化的方式展示大量结构化和非结构化数据及关系。平台还提供了一个数据质量工作台，用于监控数据并检查其是否与现有模型一致。

通过在 Amazon Neptune 的图形数据库服务上叠加 metaphactory 平台，西门子能源能够构建智能工具，更高效地管理备件。将此知识图谱应用程序部署到生产环境的过程非常简单。西门子能源与 metaphacts 只开了几次周电话会议，就迅速展开行动，为其全球涡轮机组开发了具备上下文感知功能的可视化套件。由于用户界面设计直观，西门子能源的涡轮机工程师每天都愿意利用这些可视化套件工作。如果没有 metaphactory，构建应用程序将需要更长的时间。现在，西门子能源可以使用资源描述框架（RDF）数据、SPARQL 协议和 RDF 查询语言（SPARQL）查询，以及在 Amazon Neptune 上无缝构建的本体。最终，公司通过跟踪和监控其全球涡轮机库，发现了其中蕴含的以前未被发现的关系，从而提高了早期运营效率。

西门子能源 Post Documentation 部门担任 Section Lead 的 Paul Zolnowski 指出：“metaphactory 的主要优势在于，我们可以在开发过程中轻松实现数据的可视化，获得早期业务反馈，从而提升数据质量，并以目标为导向快速开发数据模型和应用程序。”

借助从 AWS Marketplace 购买的 metaphactory 平台，西门子能源仅用六个月就构建和部署了以最终用户为导向的定制知识图谱应用程序，用于管理其大型气轮机组。从运营视角来看，这一点着实令人瞩目：尤其是既能在业务线内部迅速给予反馈和获得认可，又能同时保持快节奏的开发、测试和部署周期。Zolnowski 表示：“得益于 metaphactory 的协助，我们成功开发出了一款功能强大的应用程序。这款程序不仅使我们的涡轮机工程师能够基于数据做出更加精准的决策，还可以减少人工工作量。”

第一年，西门子能源还节省了 1,500 个小时的人工处理时间。此前，为数据添加注释需要比较整个机组内不同机器配置之间的信息。借助 metaphactory，西门子能源引入了一种更高效的流程，用于整理和创建备件目录以及管理其大型气轮机组的配置。Lutz Lukas 表示：“这最终帮助我们提高了客户建议的整体质量。我们的涡轮机工程师也能够借此提高效率。”

基于 Amazon Neptune 的高性能、低延迟图形数据库服务，西门子能源还可以与其他 AWS Marketplace 服务（如存储、负载均衡器、网关和联网）实现连接。由于 metaphactory 是一款 Docker 化的应用程序，因此还需要与 AMI AWS CloudFormation 模板集成才能进行部署。西门子能源采用 AWS 服务后，无需降低其高安全标准，便能够以所需的性能和敏捷性，快速且经济高效地进入市场。

从 AWS Marketplace 购买 metaphactory 进一步增强了 DevOps 团队的灵活性，让他们能够立即测试新功能并按需运行 metaphactory。Lutz Lukas 指出：“我们也非常中意 AWS 和 metachfacts 提供的灵活定价和许可。这样，我们就能够建立一个双层系统，分别用于开发和生产。非生产许可证用于开发、测试新功能和获取用户反馈，而生产许可证则供涡轮机工程师使用，让他们可以部署应用程序的新版本。此外，AWS 还可以根据我们的使用需求和日常工作计划灵活地启动和停止实例，这种灵活性也给我们带来很多好处。”

通过机器学习和知识图谱技术，西门子能源得以快速启动应用程序来实现业务增值，并取得令人满意的成效。西门子能源计划继续构建和改进其涡轮机知识图谱应用程序，也看到了将知识图谱应用于其他业务领域的潜力。