理论基础：标签、分类法与本体
Theoretical Foundation: Labels, Taxonomies, and Ontologies
3.1 机器学习中的标签假设
标准企业 AI 流水线遵循四阶段：收集数据、标注、训练模型、部署。其中嵌入一个未经审视的假设：给数据贴标签就能教会系统该标签的含义。标签说"这是一个温度读数"。含义说"若该温度读数超过该产品变型的轮廓规格，则触发不合格报告，且零件进入下一工位前需经 NADCAP 认证复检"。标签是名词。含义是约束、依赖和因果关系的网络 [6]。机器学习擅长从名词学习。企业制造运营运行在关系网络上。
3.2 分类法 与 本体
分类法按分类组织知识，包括层次、类别和标签。它回答"这是哪类事物？"，优化模式识别 [30]。本体按关系组织知识，包括约束、依赖和因果链。它回答"该事物与其他一切如何关联？"，优化推理 [6,7]。多数企业构建分类法，少数构建本体 [17]。差异如同零件目录与工程规范。分类法给出三个条目（TT-4201、%IW64、ReflowZone4），归入三个独立层次。本体捕获它们是同一实体，由共享信号定义桥接。分类法告诉你事物叫什么；本体告诉你其中一个失效时会发生什么。
