Bajo el telón de fondo de la fabricación inteligente, los sistemas industriales se están desarrollando en una dirección más compleja e inteligente. La gestión del mantenimiento de equipos enfrenta desafíos significativos en términos de carga de trabajo de mantenimiento, requisitos de fiabilidad y estabilidad del sistema y los requisitos generales de habilidades del personal de mantenimiento. La gestión del mantenimiento de equipos también se está desarrollando en la dirección de la intelectualización. Es importante tener un método para construir un gráfico de conocimiento del dominio y organizarlo y utilizarlo. Como es bien sabido, el mantenimiento tradicional de equipos depende principalmente de técnicos, y se requiere que estén muy familiarizados con los manuales de mantenimiento. Pero es muy difícil gestionar y explotar una gran cantidad de conocimientos para los técnicos en poco tiempo. Por lo tanto, se propone un método para construir un gráfico de conocimiento (KG) para el mantenimiento de equipos para extraer conocimientos de manuales, y se obtiene un esquema de mantenimiento efectivo con este gráfico de conocimiento. En primer lugar, se propone un modelo conjunto basado en un BERT-Bi-LSTM-CRF mejorado para extraer conocimientos automáticamente, y se presenta un método basado en similitud semántica de Coseno e Inverso de Frecuencia de Documento (IDF) para eliminar la redundancia en el proceso de fusión de conocimientos. Finalmente, se desarrolla e implementa un Sistema de Soporte a Decisiones (DSS) para el mantenimiento de equipos, en el cual el conocimiento puede ser extraído automáticamente y proporcionar un esquema de mantenimiento de equipos según los requisitos. Los resultados experimentales muestran que el modelo conjunto utilizado en este artículo tiene un buen rendimiento en el texto chino relacionado con el mantenimiento de equipos, con una puntuación F1 de 0.847. La calidad del gráfico de conocimiento construido después de eliminar la redundancia también se mejora significativamente.