構造化されていない技術文書は、データ解析において活用が十分でない豊富なエンジニアリング知識の源である。たとえば、保守作業指示書（Maintenance Work Order: MWO）には、資産に対して何が行われたか、その理由といった貴重な情報が記録されている。MWOの短文フィールドに記載されたデータは、構造化されておらず、簡潔かつ専門用語が多く含まれており、人間や機械の読み取りを困難にしている。本研究の課題は、こうしたMWOの短文フィールドから技術的情報を効率的に抽出し、日付、機能位置、資産のメーカー・モデルといった構造化フィールドのデータと統合することにある。本論文では、この問題に対応する技術的言語処理に基づくソリューションを提示する。Echidnaは、知識グラフの形で歴史的資産データを可視化する直感的なクエリ対応インターフェースである。この知識グラフは、MWO2KGによって自動生成される。MWO2KGは、アノテーション付き学習データを活用した深層学習技術を用いて、構造化されていない技術テキストと構造化フィールドのデータを統合し、知識グラフを自動構築する。これらのツールは、業界パートナーから提供された保守作業指示書および遅延会計データを用いて検証された。本ツール群は、信頼性エンジニアが過去の資産データから故障モード・影響分析、保守戦略の検証、プロセス改善作業に必要な情報を効率的に検索できるように支援する。両ツールのソースコードは、Apache 2.0ライセンスの下でGitHubに公開されている。