汽车MRO知识本体构建与应用研究（上）
3 本体实现
由美国斯坦福大学研制开发的Protege3.0是基于Java的开发工具，有Web本体语言(Web Ontology Language，OWL)和可视化插件，支持中文的输入，提供了较好的本体和知识库的开发环境。Protege3.1.1应用程序将本体结构以树形的层次目录结构显示，用户可以通过点击相应的项目来增加或编辑类、子类、属性和实例等，使用户在不需要了解具体的本体表示语言的情况下就可以在概念层次上设计领域模型。
利用Protege3.1.1构建的技能本体模型如图8所示。
图8 利用Protege3.1.1构建的技能本体模型
4 本体在汽车MRO知识管理中的应用
车辆维修保养知识根植于员工及其与企业环境互动的工作实践之中，不能与企业员工及其工作实践相分离。该类知识的核心是企业员工的行为经验，是企业员工工作实践的结果。作为结果的知识类似于信息，或者说，信息就是作为一种工作实践结果的可编码知识而存在的。
4.1 MRO知识管理Agent的结构与应用
应用本体对汽车MRO知识进行管理，需要考虑两个问题：一是本体的表示问题，二是本体与基于本体的知识描述信息分离。将本体与知识描述信息分离的原因是：本体存储的是领域内的共享知识，是领域专家对领域内各种概念及其含义的共同理解，一旦确立就很少改动，如果改动应尽量不改变本体结构，而知识库中存储的是具体化的实例，存储的是现实世界中各种具体的信息，需要随着事实的变化而进行改变与更新。本文通过MRO知识管理Agent实现对MRO知识的管理，其结构如图9所示。
图9 MRO知识管理Agent结构
根据本文的知识管理策略，MRO知识管理Agent从用户接口或其他Agent接收到技能匹配请求，对知识库中存储的技能信息进行匹配，如果知识库中存储的技能知识里不存在相关技能，推理机就根据本体中的公理对知识库进行推理，更新知识库，之后由匹配模块进行匹配，并将结果返回给用户或相关Agent。
4.2 匹配评价
在汽修行业的管理实践中，无论是人力资源的协作、专家查询还是人力资源的调度，都离不开人力资源技能匹配问题。企业中的技能分为显性技能和隐性技能，显性技能是指能够用语言和文字来表达的、明显客观的技能，而隐性技能是指难以用语言和文字来表达的、主观的技能。由于本体具有语义关联性和易于推理性，本文将本体应用于人力资源管理对技能需求的匹配，以提高其匹配效率。
定义人力资源技能向量ph为：
任务技能需求向量Pd为：
式中：qk为人力资源具有的第k项技能。k=1，2，…，K；dk为某项任务对第k项技能的要求。
同一任务各项技能的重要性不同，同样，不同任务对于同一项技能的要求也不同，因此，定义技能对任务的权重矩阵W为：
式中：Wk为第k项技能对任务的权重系数。
匹配度计算函数Mc(Ph ,Pd)为：
在匹配的过程中本文采用以下两个规则。
1)本体的显性技术等级匹配规则。如果人力资源的某一技术属性的技术等级高于任务的要求，计算时取任务所要求的值；如果人力资源的某一技术属性的技术等级低于任务的要求，计算时按人力资源技术等级的实际值进行计算。
2)本体的隐性技术等级推理规则。如果在人力资源技能信息里找不到任务所要求的技术，则通过MRO知识本体查找其工作历史纪录。如果在其参加过的项目里存在该技术，则其拥有该项技能，将其在该技术的等级设为初级；如果这样的项目纪录有两个或两个以上，则设为中级；如果找不到任务所要求的技术，则该项技能的属性值为无。
3)匹配示例。假设某汽修公司需要为某工作分配一位合适的修理人员，该工作对修理人员的各项技术属性、属性值，以及权重，如表1所示。假设人力资源部的检索结果中存在人员Joden，其技能信息如表2所示。
表1 任务技术（工作）需求参数
表2 Joden的技能信息
在本文中，每一个技术等级分别被赋予了以下分值：初级为1，中级为2，中高级为3，高级为4。由此可以得到该项任务的技能需求向量pd和技能对任务的权重矩阵W为：
Joden的技能信息里缺少一项技术：维修管理系统。从权重矩阵里可以看出，这是一项比较重要的技术。系统将会在他的工作历史信息里查找他的技术信息。Joden曾经参加过集团公司的商用车维修管理系统培训课程，培训中系统讲述了某维修管理信息系统的应用。应用本体的隐性技术等级推理规则，Joden参加过商用车维修管理系统培训课程，该企业车辆维修采用了维修管理信息系统，维修管理信息系统是一种需掌握的技术方法，而且Joden是维修工。由此可以得出结论：Joden了解维修管理信息系统。将该信息加入到Joden的技能信息库里，其在“维修管理系统”项的等级由“无”变更为“初级”。Joden的“零/部件采购选用”项的技术等级高于任务技术需求参数中的技术等级，故应用本体的显性技术等级匹配规则，在该项的技术等级值计算时换算为“初级”。这样就得到了Joden的技能向量ph为：
依据式(1)，计算匹配值Mc(ph，Pd)为：
而没有本体推导机制时，Joden的技能向量ph＇为：
由此产生的匹配值Mc＇(ph＇，pd)为：
可见，本体推理机制对人力资源技能的维护和完善起到了智能支持作用，从而比没有该支持时得到了更好的匹配结果，即0.882。
5 结语
本文研究了汽车MRO知识的本体建模问题，提出了MRO知识本体的开发方法，并据此建立了MRO知识的本体模型；进一步研究了本体在汽修行业人力资源技能知识管理中的应用，给出了MRO知识管理Agent的结构，提出了人力资源技能匹配的方法，通过实例验证了该方法的有效性。
核心关注：拓步ERP系统平台是覆盖了众多的业务领域、行业应用，蕴涵了丰富的ERP管理思想，集成了ERP软件业务管理理念，功能涉及供应链、成本、制造、CRM、HR等众多业务领域的管理，全面涵盖了企业关注ERP管理系统的核心领域，是众多中小企业信息化建设首选的ERP管理软件信赖品牌。
转载请注明出处：拓步ERP资讯网http://www.toberp.com/
本文标题：汽车MRO知识本体构建与应用研究（下）
相关文章
