El moldeo por inyección, el método más común utilizado para procesar plásticos, es una técnica con un alto contenido de conocimiento; sin embargo, el conocimiento relevante no ha sido sistemáticamente organizado, y como resultado, ha habido muchos cuellos de botella en la formación de talento. Además, la mayor parte del conocimiento almacenado en libros y artículos en línea permanece en forma de datos no estructurados, mientras que algunos incluso permanecen no escritos, lo que resulta en muchas dificultades en la construcción de bases de conocimiento. Por lo tanto, cómo extraer conocimiento de datos no estructurados y declaraciones de ingenieros es un objetivo común de muchas empresas. Este estudio introdujo el concepto de un Grafo de Conocimiento, un modelo de extracción de tripletas basado en representaciones de codificadores bidireccionales de transformadores (BERT) que se utilizó para extraer entidades de conocimiento sobre moldeo por inyección de datos textuales, así como las relaciones entre dichas entidades, que luego se almacenaron en forma de grafos de conocimiento después de la alineación y clasificación de entidades con representaciones de codificadores bidireccionales de transformadores. En una prueba, el modelo de extracción de tripletas logró una puntuación F1 de 0.899, mientras que el modelo de alineación de entidades y el modelo de clasificación de entidades lograron precisiones de 0.92 y 0.93, respectivamente. Finalmente, se construyó una plataforma web para integrar las funciones que permiten a los ingenieros expandir los grafos de conocimiento ingresando declaraciones de aprendizaje.