浅析智慧企业建设之知识工程

一、知识工程解读

“数据→信息→知识→智慧”是信息服务形态的进化趋势，智慧企业的一项核心特征即是“组织智慧”在各业务领域的广泛组织与应用。“组织智慧”具体体现在企业在各项业务领域中通过对专家知识地充分运用，所形成的最佳决策。

图1 数据、信息、知识和智慧的关系（McCandless,2010）

因此，知识工程建设是智慧企业建设的核心内容之一，是企业提升产品研制保障及技术创新能力的重要保障。与传统知识管理更多围绕既有知识的组织、管理与监督，注重人与人之间的知识传递，并以知识库建设以及提供知识共性化服务（如：统一的知识门户、知识查询、知识地图等）为目标不同，国睿信维认为知识工程是一种借用工程化思想，利用人工智能、信息技术等先进手段，更多强调从隐性知识挖掘到知识模型化表达（机器可读），再到知识个性化服务（量身定造的情景化应用）供应这一知识链的有机形成，并最终以指导企业知识管理体系的构建与有序运行为目标导向的系统工程方法。

二、大数据背景下的知识工程

随着大数据技术的不断发展，信息的提炼更加快速、精准、丰富，因此也更有价值。通过大数据技术的广泛应用，可以将企业散落在各业务系统、智能设备终端、互联网等渠道中具有应用价值的数据进行归纳性的推理，经过挖掘提炼，形成能够指导企业经营决策、科技创新等方面的专家知识，这将显著改进以往企业通过定期组织梳理或员工自发总结的知识获取方式，加快企业知识积累的进程，并使企业沉淀的知识更能够与组织与个人的当前诉求紧密结合。

然而，我们也应当认识到随着大数据时代的到来，企业的知识工程建设虽然迎来了新的机遇，但同时亦面临着更为严峻的挑战。首先，庞杂、异构的非结构化数据源以及复杂的数据关联性，为大数据的存储与挖掘带来了挑战；其次，大数据改变了以往依赖于专家意见形成专家系统的模式，如何基于大数据实现专家系统的自学习、自成长，并支撑个性化知识的自动获取、 分析和传播亦将会是更高的挑战。

因此，结合当前大数据的发展趋势，企业需要构建一套集大数据管理及知识工程两者融合、相辅相成的应用机制和应用体系，持续开展企业的知识获取、表示与运用等知识工程活动，不断形成面向各业务领域的智能专家系统，才能够促进各业务领域逐步实现“数据→信息→知识→智慧”的进化过程，最终达到组织智慧的宏观愿景。

三、基于大数据的知识工程应用框架设想

国睿信维经过多年的实践总结认为，许多知识管理项目或举措之所以失败，往往是因为企业把更多的注意力放在了如何对技术、信息平台进行选型，而忽略了寻求知识管理潜在的业务需求和动力方面。知识管理项目的实施只有以业务为中心，符合组织的战略，并基于知识工程技术来响应具体组织问题，才能够得到组织广泛的支持与推动，并最终获得成功。

我们认为，基于大数据的知识工程是构建企业统一的知识中心，促进知识持续转化、创新，并不断形成组织智慧的有效途径。构建基于大数据的知识工程应用框架，将围绕知识获取、知识表示、知识运用的三大过程，以“数字线程（Digital Thread）”为牵引来逐步形成企业“数据→信息→知识→智慧”的形成通道，源源不断孵化以业务需求为导向的个性化的知识服务，从而指导企业的战略决策与各项业务领域的具体经营活动。其应用框架如下所示：

图2 基于大数据的知识工程应用框架

1）基于大数据的知识挖掘：聚焦全数字、全互联和全智能智慧企业建设要求，将散落在各业务系统、智能设备终端等的数据资源进行统一、高效地抽取、清洗及挖掘，构建面向核心业务领域的主题数据仓库，并在应用层实现基于企业典型业务活动场景的初级数据加工，为知识智能化专家系统深度知识运用提供基础保障。

2）知识的集成化管理：构建企业知识统一的管理环境，旨在将通过大数据或人工提炼等方式挖掘的企业各类知识，实现基于统一形式的存储、组织与管理。一方面，不断促进知识产品化进程，逐步实现知识表达的标准化、结构化、构件化与智件化，长远地促进知识关联更加紧密，知识层级不断提升；另一方面，建立价值驱动的知识激励机制，提升知识共享与创新的积极性。

3）知识的构件化服务：构建面向核心业务的知识应用服务，将企业知识进行封装，实现对各类知识资源的不断梳理和提炼，并最终以同类型活动最佳实践向导的形式进行有效固化，为知识面向各类业务场景提供智能化、精准化服务，从而逐步实现知识的工程化、共享化以及智慧化。

四、智慧企业知识工程愿景

通过基于大数据知识工程的有效推进，将有助于企业构建统一的知识中心，促进企业知识的不断沉淀与创新，体系化的产品与技术创新方法的不断形成。其主要体现在：

1） 基于数据挖掘，不断识别企业潜在的业务需求与当前的知识缺口，确保企业的知识积累更具有方向性、针对性。

2）多数据源头的知识自动聚集和融合，企业知识资产将实现统一集中归集。

3） 基于模型化的知识编码，知识关联更为紧密，知识表达更为具象。

4）基于量化的知识统计与评价，促进企业激励机制与知识文化的形成，隐性知识显性化、个人知识组织化进程将显著加快。

5） 基于语义、几何拓扑特征等的知识深度挖掘和检索，企业知识资产得到有效盘活。

6） 基于角色、工作任务等多维度的情景化知识推送，知识服务将更为个性化、智能化。

7）基于面向核心业务领域知识构件、知识智件的开发应用，知识与关键业务流程将无缝衔接，知识服务的实用性与增值性大幅提升。

图3 基于大数据的知识工程未来应用场景（示意）

导读

知识工程建设是一个复杂的系统工程，涉及到一系列知识管理制度、业务流程梳理、知识工程技术应用等核心工作的有序组织与开展。国睿信维的《智慧企业之路》将在后续围绕企业的知识沉淀、知识管理、知识应用与知识创新等领域，陆续为大家分享国睿信维基于大数据的知识工程总体解决方案、规划策略及典型案例剖析。

附录：典型的知识构件服务--快速设计系统

快速设计系统原理

快速设计系统是将设计方法、理论和经验公式、设计模板、设计引导界面集成一体的快速布局的设计支持系统。通过基于易于使用的界面定制设计方法的导引，规范设计流程，提供自动化设计的支持，使设计者可以通过界面操作就能准确、快速设计产品。不仅使得设计操作简单易行，而且大大提高设计效率。

系统是以知识熔接技术为理论基础，运用程序设计中面向对象的思想，结合产品设计特点而构建的。系统将产品中零部件抽象成一个模板，模板充分利用面向对象的思想，使模板成为封装的知识库，并可根据入口参数决定自身动作的“类”，这样用户可以将大量的系列件、相似件以知识的形式贯入模板中使非标设计自动化。

系统采用自顶向下的设计思想和面向对象的编辑语言，支持对象的分类、多类、继承、逻辑判断，是一个工程演算计算表，允许记录和重复使用。为企业提供完全开放自由的接口，使企业设计者随时将自己的新产品以三维模型的方式通用化、系列化，使产品的设计开发工作可以与标准化工作快速的融为一体。

快速设计系统架构

快速设计系统架构在国睿信维的基础平台基础之上，主要由用户端和服务端两大部分构成。服务端承接基础数据的存储、管理能力，包括模板库、文档规范库、规则库构成的知识库；用户端主要通过定制导航式的用户界面，完成自动化和智能化的设计过程。快速设计系统生成的结果包括各类模型、图纸、文档、报表、BOM等结果自动保存到PDM平台中。

图4 快速设计系统业务框架

快速设计系统典型界面

图5 关键参数定义

图6 设计方案自动生成

传统基于某一单一设计工具进行二次开发所封装的设计向导，由于可扩展性差，难以形成规模效益；而我们通过快速设计系统对设计向导进行构件化封装，一方面可以支持同时集成多种工具，并实现参数化的数据传递；另一方面，通过形成一系列相关联的知识构件，并结合流程引擎将其串联，可以更好地支撑产品协同设计过程。以某一产品模块化设计为例，快速设计系统可以提供：

1) 根据所需设计参数，推荐或快速查找现有模块，减少新零部件的设计开发与制造，提高重用率；

2)  提供模板库、特征库等，将模型参数化，实现标准化建模，使设计方式标准化、规范化；

3)  加强知识在整个设计过程中的利用，根据过程步骤推荐标准规范、设计知识及相关业务逻辑；

4)  基于初步快速设计的产品bom而进行报价，避免完全依赖个人经验，提高报价及时性和准确性；

5)  根据设计步骤，和其他产品设计工具有效集成，数据直接流转传递，提升设计效率。

图7 设计结果可视化