制造商通过企业知识图谱统一测试数据，缩短了上市时间
一家日本汽车 OEM 正在努力解决不同团队之间数据不一致、孤立的问题，最终减缓了他们的车辆开发流程。通过使用 Neo4j 知识图谱来实现标准化元数据，这家制造商使跨企业的數據交換变得无缝，并加快了产品验证生命周期。
这家日本跨国企业是全球十大汽车制造商之一，每年生产数百万台内燃机，用于汽车、摩托车、个人水上摩托艇、发电机、花园设备等。该公司还在机器人、人工智能和航空航天领域进行了大量投资。
挑战
车辆测试是汽车 OEM 的一个耗时但必不可少的流程。需要收集和整理测试数据，以便在全面生产开始之前解决和修复任何缺陷。
这家主要的日本汽车制造商一直在努力使其重要的测试信息对长期产品验证管理 (PVM) 有用。这家制造商的产品验证生命周期无法正常工作，因为非标准化的车辆测试数据无法有效识别问题的根本原因，更不用说修复它们了。
来自不同领域（甚至同一领域内）的工程师以不同的方式进行测试，并使用不同的工具以各种格式存储这些测试数据。因此，数据不一致且孤立，对其他团队来说毫无用处。
一个问题是，不同领域之间并不总是存在明确的界限。更常见的是，领域之间存在重叠。这意味着所有团队的信息本质上是相互关联的，必须协同工作。
例如，在道路测试期间观察到的振动问题可能是由发动机或车辆结构引起的。为了确定问题的根源，来自不同团队的工程师需要跨学科协作。在这种情况下，车辆测试组将与动力总成组共享记录的振动数据，动力总成组将检查负载条件、燃烧数据以及发动机扭矩的时间序列 ECU 数据，以寻找振动的主要来源。
这种跨学科方法需要在数据库级别对所有领域的信息进行标准化和连接，以便进行无缝的数据交换。这家汽车制造商决定与 iASYS 合作，使其测试数据与自动化和测量系统标准化协会 (ASAM) 制定的指南保持一致。
新的产品验证生命周期需要在一个灵活、连接的数据库系统中集成不同的工程领域，该系统符合 ASAM 标准。
解决方案
这家汽车制造商与 iASYS 合作，决定在 Neo4j 中构建知识图谱，并使用 BRIX PVM 解决方案集成整个产品验证生命周期。
iASYS 团队使用 Neo4j 设计了一个知识图谱，该图谱连接了所有产品验证生命周期数据，并允许在企业范围内集成领域和功能。他们还在知识图谱中创建了一个工程字典，其中定义了关键元数据，例如测试类型、测量特征和测量条件。
“借助 Neo4j 和 BRIX PVM，我们构建了一个知识图谱，可以以统一的方式包含对测试、子测试和测量的明确定义的语义。我们正在捕捉专家工程师的知识，”该项目的一位工程师说。
iASYS 将制造商的工程领域映射到一个新的标准验证流程。与此同时，BRIX PVM 为测试、子测试和测量提供了明确定义的语义，使工程师能够跨领域和平台进行沟通。
AWS 基础设施
上图：日本汽车制造商的 AWS 云架构
该公司选择在 AWS 上托管其 Neo4j 数据库的原因有很多。
- 全球可用性：作为一家在五大洲开展业务的跨国企业，制造商需要一个能够支持其全球工程团队的云基础设施。AWS 的全球覆盖范围使其能够在全球范围内部署知识图解决方案，确保其 5000 名工程师无论身处何地都能一致地访问和使用，并获得一致的性能。
- 可扩展性：AWS 的基础设施提供了必要的可扩展性，以支持不断增长的用户数量和不断增长的测试数据量。这在制造商将该系统的使用范围从最初的实施扩展到公司范围内的广泛采用时尤其重要。
- 可靠性：AWS 的云基础设施提供了车辆开发过程中每天被数千名工程师使用的关键任务系统的可靠性。
- 无缝迁移：制造商之前已经在 AWS 上使用 MongoDB。这使得从 AWS 上的 MongoDB 迁移到 Neo4j 相对容易，因为他们已经熟悉了 AWS 环境。
该系统在 AWS 上的成功实施已导致其使用范围扩大，并计划将其推广到该汽车制造商在其他地区的运营，依靠 AWS 平台的全球覆盖范围。
结果
使用构建在 Neo4j 知识图之上的新标准流程，整个产品验证生命周期都使用了一种通用的元数据语言。
所有团队和领域的测试信息都可以随时访问和重复使用。统一的元数据结构使工程师能够全面了解车辆中的问题，并迅速准确地得出结论，以便采取实际的下一步措施。
展望未来，日本汽车制造商还希望将其企业知识图与自然语言处理 (NLP) 集成在一起。
底线：产品测试和验证流程运行更加顺畅，测试数据可重复用于未来见解，制造商的上市时间缩短了。
下载案例研究