智能制造之知识管理与知识工程体系

智能制造之知识管理与知识工程体系
依据精益研发三维模型，知识（资源）是研发体系的重要维度，由五个层次构成：实物、数据、信息、智能和智慧[1]。

研发体系中知识积累和应用的层次决定了研发的智慧程度。

知识层次越高，研发智慧程度越高。

普通企业研发所用知识的层次通常是实物、数据和信息层面。

先进企业开始使用智能化知识，即将知识标准化和数字化改造之后，形成可自动运行、推理、判断和决策的知识。

可以预测，在未来工业4.0时代，基于大数据的智慧级知识将普遍应用，那时的研发将步入智慧研发时代。

[1]知识管理学术界提出DIKW（Data-Information-Knowledge-Wisdom，数据一信息一知识一智慧）模型。

出于工程实用考虑，并吸收知识工程的研究成果，本书将此模型进行发展，在底层增加“实物”，将“知识”更替为“智能”。

一、知识管理困局
当前，在中国科技人才结构中，20世纪80年代毕业的大学生占比是13%，90年代毕业的大学生占比是17%，2000年以后毕业的大学生占70%。

80年代、90年代的大学生多数已经进入领导和管理岗位，所以当前在一线的技术人员中绝大多数是不足30岁的年轻人，这对中国企业来说不能不说是个严峻的问题。

因此在“十三五”期间，知识工程成为一项国家战略。

中国企业很多都曾经进行过知识管理工作，但是仍然没有走出困局：①无知识，知识梳理遇到问题，知识过于泛泛，资深员工不知如何把知识共享出来，甚至意识不到自己有知识；②弱知识，由于知识的梳理和挖掘存在问题，所以软件中的知识与工作的关系往往较弱，仅为闲来消遣之用；③死知识，当遇到问题时，设计人员通过搜索方式来寻找知识，要么搜索出太多的无关知识，要么搜索出来的知识很少，难以支持研发工作。

爱因斯坦说，问题永远不会在它发生的那个层面解决。

我们将知识管理、业务流程、人工智能等学科相融合，形成了由三个层次构成的知识工程体系，如图1所示。

知识工程体系的着眼点在于产品研发能力和质量的提升。

知识工程
向上是梳理研发流程，让知识与研发流程的工作包相伴随，将知识融入流程。

知识工程向下是深挖设计过程中的知识，特别是与数字化环境相容的知识，将知识融入设计。

根据知识的类别，选择合适的工具进行数字化建模，将知识自动化，并与数字化流程的工作包挂接，形成数字化伴随知识。

在研发人员打开工作包的时候，伴随知识将自动推送到设计人员面前。

这些数字化知识天然具有与数字化工作环境互动的特点，直接支持设计活动。

当今的计算机辅助创新系统可以利用现有的知识，结合融入软件中的创新方法学，就当前设计瓶颈问题进行针对性研究，达到解决问题的目的，同时形成新知识。

图1　知识工程体系
二、知识工程建设
知识工程建设包括知识采集（也称资源分析）、知识聚集、知识加工和知识应用四个层次，同时进行知识管理标准规范和安全机制的建设，如图2所示。

图2　知识工程建设框架
1.知识采集（资源分析）
本层是知识工程建设的基础层。

知识的初级形态是科技资源，对企业科技资源的梳理和分析可以获得知识工程对象的状况。

科技资源的定义是：科研活动所利用的一切有形物质和无形要素。

科技资源按照广义可以分为科技人力资源、科技财力资源、科技物力资源、科技信息资源、科技组织资源五类。

按狭义分类目前并没有统一的标准和划分方法。

结合通用的科技资源划分法和中国企业的实际，我们将工业企业的科技资源划分为九类。

每类资源可以根据需要进一步细化，形成更小的资源类别，如表1所示。

表1　工业企业的科技资源分类
企业一经创建，总是会源源不断地建设和产生实物资源。

这些实物资源的自然利用是企业应用知识的最初级形式。

一般企业都会通过对实物资源的应用和加工获得数据资源和信息资源，这两类资源开始具有明显的知识特征。

实物资源虚拟化之后有利于共享和利用，标准化之后开始具有知识特征，自动化之后开始具有智能特征，分析化之后具有智慧特征。

因此，根据载体形式，知识分为五类：实物类（包括软硬件、设备和人员）、数据类、信息类、模式类和技术类（含产品类）。

依据智慧化程度，把知识化程度定义为五个层级：1代表实物级，2代表数据级，3代表信息级，4代表智能级，5代表智慧级。

1）人力资源、设备资源、软硬件资源属于实物资源，可以通过虚
拟化提升它们的共享程度和使用效率。

但它们的知识化特征仍然较弱，因此知识层级评级为1。

2）数据资源本身是虚拟化的，可以通过标准化强化其知识特征，但仍然属于低层次的知识形态。

“数据”自然存在的状态评级为1，经过标准化加工后形成各种工程库，以供参考查阅，知识评级为2。

如果将这些数据进行分析整理，形成具有特定结论的报告，则可以进一步强化其知识特征，评级到3。

3）信息资源本身是虚拟化的，可以通过结构化强化其知识特征，以达到较高层次的知识形态。

“信息”自然存在的状态评级为2，经过分类、聚类、摘要、标签、主题化、语义分析等手段结构化加工后形成各种分类知识库，以供参考查阅，知识评级上升为3。

4）模式资源、技术资源和产品资源本身是标准化的，因此知识评级可以为3；如果加入了自动化手段，可形成智能特征，知识评级为4。

5）在未来技术手段提升后，特别是加入大数据技术后，以上各类资源都可能再次实现1~2级的提升。

那时候，智能化（4级）和智慧化（5级）知识将无处不在，研发体系的智慧化水平将提升明显。

因此，知识工程的主要工作聚焦于三点：
1）提升资源或知识的显性化程度。

显性化程度越高，越接近业务
应用，实用性越强。

2）提升资源或知识的共享化程度。

资源共享化带来效率，知识共享带来创新。

3）提升资源和知识的智慧化程度。

智慧程度（知识层级）越高，知识的价值越大。

知识与资源的关系是相对的。

对特定层次来说，高层次的对象就是知识，低层次的对象就是资源。

因此，知识工程建设和资源建设之间没有绝对界限，在工程实践中也不需要明确这个界限。

凡是在产品研发设计中有用的资源，都建议作为知识工程的建设范围。

不同的资源类型采用不同的技术手段，提升其显性化、共享化、知识化和智慧化程度，将有助于企业能力的增长和研发智慧化程度的提升，是知识工程的核心价值所在。

2.知识聚集
知识聚集的主要作用是将来自实物档案、个人计算机和信息系统等不同来源的知识对象，通过各种手段（包括构建系统接口）进行有效收集。

根据知识形态设计知识模板（知识模型）和知识库，将模板和知识载体关联入库，最终形成各种类型和模式的知识库。

这些知识库包括：实物库、数据库、信息库、模式库、产品和技术货架等。