【TigerGraph】图在复杂制造业中的应用

一、制造业与图

（一）复杂制造业的特点

常见的复杂制造业包括汽车制造业、芯片制造业、化工行业等等。
　　复杂制造业之所以复杂，有如下几个原因：
　　1. 物料变化复杂
　　以汽车制造业为例，一辆汽车有上万零件，而每个零件的产商、型号、版本都很多样，所以组合变种就极其多。制造业常用物料清单（Bill of Material，简称BOM）来表示最终产品由子件构成，而子件又拆分为更小的子件，最终形成母件和子件组成的关系树。越是复杂的产品，其BOM也越大。
　　
　　2. 流程工序复杂
　　生产一个复杂的产品，往往需要成百上千步，而每一个步骤又可以用相同类型的不同机器生产，如何变种可能性很多的流程中挖掘出有价值的信息，优化流程，提高生产率，是一个不小的挑战。
　　
　　3. 供应链路复杂
每件产品的生命周期中，都涉及与多方（如供应商、合作伙伴和零售商等）的交互数据，随着公司规模的扩大，如何基于大量结构错综复杂的数据，实时掌握库存信息和零售需求，及时调配库存，对于重资产的制造业来说尤为重要。

（二）复杂制造业的数据建设

对一家制造企业来说，各种企业活动中都会产生出大量的数据，比如产品数据、制造数据、销售数据、售后数据、物流数据和供应链数据等等。很多企业已经做到相当程度的数字化，将相关数据收集和存储到各大业务系统中，比如ERP、CRM、APS、SCM、MES、WMS和DRP等系统中。这些业务系统往往是使用传统的关系型数据库存储的，比如Oracle、MySQL等等。

还有些企业走得更远些，对业务系统的数据进行二次加工，放到数据集市中、数据仓库。

关系型数据库的特点是很擅长处理事务型任务，但对于分析型任务其能力相当有限，并且只能处理单机的数据。随着近年来大数据的蓬勃发展，以Hadoop为代表的大数据平台利用其分布式存储和计算的优势，大大增强了企业数据整合、数据加工的能力。

然而，无