La componente di Knowledge Management di M-Skine consente di poter fare inferenza sui dati e di applicare tecniche di ragionamento automatico al fine di dedurre nuova conoscenza da quella già in possesso. La parte centrale della componente è il suo database a grafo, il quale archivia i dati attraverso nodi, che rappresentano entità, e archi, che descrivono relazioni fra essi. Questa struttura dati ha il vantaggio di essere molto veloce e diretta nella navigazione delle relazioni, e di non essere vincolata ad uno schema di dati rigido e immutabile; infatti, è possibile modellarla e modificarla in funzione dell’evoluzione dei dati presenti nel sistema. Per popolare il grafo sono stati considerati diversi scenari di interazione con la componente principale e sono stati individuati i sottoinsiemi di dati derivanti dalle applicazioni verticali (silos) dell’intero sistema di industria 4.0 denominato M-Skine, come ad esempio i processi di manutenzione, i dati di turni e riposi, il magazzino attrezzature e la formazione dei dipendenti. Ognuno degli scenari e dei data subsets individuati partecipa alla fase di ingestione dei dati effettuata dal KM e subisce un arricchimento semantico guidato da un’ontologia definita ad hoc. 

La tecnologia utilizzata per ospitare il database a grafo è Neo4j , un software open source che ormai rappresenta una soluzione consolidata anche in ambito industriale. In seguito alla costruzione del grafo e grazie all’ontologia definita e alle funzionalità di Neo4j, che permettono di fare inferenza sui dati ed applicare algoritmi di navigazione tipici di questa struttura dati, è stato possibile sperimentare come l’unione di informazioni inizialmente separate abbia portato alla scoperta di nuove relazioni ed effettuare analisi che prima non erano possibili, creando quindi nuova conoscenza. Alcuni esempi sono l’applicazione di algoritmi di centralità  (come il grado di centralità o il page rank) per individuare i ruoli più importanti nei processi di manutenzione del sistema, per consigliare i contenuti documentali più utili per le attività o quali sono gli operatori più idonei a svolgere determinati interventi, ma anche algoritmi di similarità a supporto dell’analisi dello skill gap per fornire suggerimenti sul miglioramento delle competenze del personale.