上面的设备部件故障模式与故障征兆的对应关系，可以如下表所示，矩阵中的 1 代表故障模式同故障征兆具有关联关系，即某种故障发生的时候，对应的故障征兆（测试现象）会发生。例如矩阵中的第一行，表示“电源断路故障＂发生的时候，“电源电源异常”“控制计算机输出信号异常”“控制器输出信号异常”“电机转角异常”这些现象均会发生：
如果将上图用规则表述，可以用下面的方式做推理计算：
IF 控制计算机信号输出异常
IF 控制器输出信号异常
THEN 电机卡死
ELSE
THEN 控制器烧毁
ELSE
IF 电源电压异常
THEN 芯片损坏 或者 接口线路断路
（都是控制计算机故障，具体故障需要进一步分析，现有数据并不能确认）
ELSE
THEN 电源电路
这里出现了一个新问题，如果装备有上千个部件／元件，每个部件／元件有大量故障现象，按照上述的 IF／ELSE 模式进行规则推理的编写会非常复杂，因此在推理时不会使用 IF／ELSE 方式进行推理。而是将这些部件和故障按上图方式，形成一个非常大的相关矩阵，上图矩阵中每一行都对应一个具体的故障模式，这样就可以根据每一行的特征，利用二值相关性模型进行快速定位故障，目前有专业的故障推理机从事这方面工作。如果没有专业的故障推理机，对于简单一些的情况，也可以使用代码生成的方式生成上述的 IF／ELSE 推理程序。
上面介绍的推理过程可以看出，故障诊断场景下推理的关键是形成故障与部件之间的相关矩阵，而形成相关矩阵的过程，也就是故障知识图谱建设的过程。下面我们介绍一下故障知识图谱形成的过程，如何建模，如何抽取，如何验证，以便对知识图谱建设方法有个更加清晰的认识。
本文针对领域知识图谱，建设方法以“自顶向下”为主，“自下而上”为辅，对于故障诊断这样的场景，“自顶向下”的知识来自于装备设计，也就是说在装备的设计过程中，就可以确定装备内部各部件的拓扑结构、故障类型、测试方式，让故障诊断的知识图谱成为装备设计环节的一部分，也就是说知识的抽取是在设计阶段进行的。当装备投入使用后，新的故障出现在对设计阶段形成的图谱进行补充，可以认为是一个“自下而上”的方式。
既然在装备设计过程中形成知识图谱，就需要有一个描述装备、故障、测试几者之间关系的模型，这也是知识建模的重要内容：业界一般用“多信号流图”的方式描述，如下图的示例。
这个图形中，把装备的部件、每个部件的故障模式、部件之间的关系、每个部件的测试点以及输入输出情况，用图形化的方式描述了出来。在装备设计中完成相关“多信号流图”的设计，就可以通过“多信号流图”产生前面的故障诊断相关矩阵。除此之外“多信号流图”还可以完成知识验证的工作，例如装备设计中测试的完备性，推理故障之间的关联性，出现新故障知识是推理知识是否合理等等，是装备设计的一个重要手段。“多信号流图”提高了知识图谱的建设工程化水平，让设计者用更容易理解和操作的方式进行设计，同时它也是一个多方面知识融合的过程。
