2017年3月16日，主题为“互联网与工业的深度融合之道”的“2017(第六届)中国信息化和工业化融合发展高峰论坛”在北京歌华开元大酒店盛大开幕。安世亚太公司高级副总裁田锋先生在论坛上发表了题为《知识工程2.0——智能制造时代的研发智慧》的演讲，本文根据演讲内容整理而成。
图1 安世亚太公司高级副总裁田锋
精益研发体系建设有很多方略，其中有一个最重要的方略是从知识工程的角度进行。企业的知识需要管理。社会制度可跨越，企业的技术积累不可跨越；技术发展中持续进化占主体，而不是突变式创新；不基于知识积累的创新，是无生命力的创新。脑筋急转弯式的创新，是给人做嫁衣的好点子。不进行复制重用的创新是无效益的创新，是科研体系中的最大浪费。目前中国企业针对知识缺乏有效管理，一方面老同志离岗回家，经验和知识流失严重；中国企业的年轻人无法顺利上手顶尖的型号研制，无法有效地应用知识来解决问题。
知识工程1.0解决的是知识到哪里去的问题。倡导知识与研发流程的融合。知识工程2.0解决的是知识从哪里来的问题。颠覆了大家过去理解的知识管理和知识工程理念。
知识的重要性不言而喻，知识工程队中国企业尤其重要。在参加国际会议的时候，我注意到一个现象：国外的设计人员、研发人员胡子都很长，都有一定年纪，而中国的设计人员、工程人员都很年轻，这是由于我国经历了一个特殊十年造成了三十年之后的人才断层。国外的桶形人才结构很容易做知识工程，通过师傅带领徒弟就可以实现；但中国是金字塔的人才结构，年轻工程师占80%，30多岁的工程师很少，师傅带徒弟都带不过来。所以建立知识工程体系对于中国而言特别有意义。通常企业通过知识库+知识管理来建立自己的知识工程体系，在企业实际运作起来发现是一个死胡同。
企业专家在对知识管理时，往往容易陷入困境，具体表现为：第一是无知识，一脸茫然，不知道从何下手；第二是死知识，知识似乎是有，但关键时刻找不到，用不上；第三是弱知识，有知识但是觉得知识似乎都和工作没直接关系；第四是远知识，知识似乎与工作有关，但使用起来不直接不方便；第五是浅知识，只关注显性知识的表面价值，看不到隐性知识的深层智慧。利用大数据可以挖掘显性知识的隐藏价值。
关于知识，有哪些呼声？第一是有知识，让大家意识到自己确实有知识，即有章可循；第二是活知识，在需要的时候，知识就出现了，即知识找人；第三是强知识，表现为知识都与工作直接强相关，即雪中送炭；第四是近知识，可以直接使用，无需二次加工，即插即用；第五是深知识，提炼归纳分析知识的隐性价值，即智慧导航。
图2 知识工程1.0
知识工程1.0解决前三个问题，即知识到那里去的问题。有流程的地方流程就有工作活动，通过工作活动找知识，那么知识与流程的融合就是知识工程1.0的重点。如何融合？第一，精确地梳理知识，第二可以精确地应用。第三是知识和业务关系非常紧密，因为工作过程中伴随着知识。知识工程1.0解决有知识、强知识、活知识的问题。使用工作包，知识会自动推送到桌面上，这个在实践中很成功，现在已成为中国知识管理界的标准做法，这是知识工程1.0对于中国知识管理界的一个贡献。
图3 知识工程2.0
知识工程2.0解决后两个问题，即知识从哪里来的问题。知识如何变为一个可用的知识？通过对研发过程的分析，我们发现了知识的一般特征。每一类知识都对应有一个加工方法，通过加工而变得好用，这是知识工程2.0要进行的一个重要工作，即解决了知识工具化的过程。知识一旦工具化之后，自动性就会提高。一个知识变成一个模块、变成一个软件，使用起来就会自动一些、智能一些。实际上是把知识做深，朝智慧化的方向靠拢。
知识工程上面为知识的上层建筑，下面是知识的地下工程。为什么称之为知识工程？因为知识工程就像盖大楼挖地基，向上融入流程，进行知识推送；向下融入设计，进行知识挖掘。企业中经常会问知识是什么？这个问题很好回答也很难回答。为什么说很好回答？我们可以查到知识的很多学术定义。为什么难回答，我们发现这些学术化的定义对我们做知识工程不但毫无用处，反而束缚了我们的手脚。我们换一种方式思考，从业务过程中寻找知识。
图4 知识工程的五个层级
精益研发建设中，资源很特殊，工程师每天都会用到，可以说资源是工程师每天工作的支撑，这个支撑是什么？实际上就是知识。典型制造业企业的研发知识或科技资源可以划分为九种，这九种类别又可以归纳为五类，即技术类、模式类、信息类、数据类、实物类。这五类又有对应的加工方式，即实物类如何数字化？数据类如何标准化？信息类如何结构化？模式类如何范式化？技术类如何模型化？这些知识类别对应的增值加工后的特征是什么？如显性特征、秩序特征、共享特征、自动特征、智能特征。这也回归到了精益研发的过程中，在这里，知识和研发的关系其实是非常天然的。
这样的加工过程其实是一个知识升级过程，每次加工知识会向上发展一级，这是知识的升级过程，这个升级过程对应的是金字塔模型，分成显性级、有序级、共享级、自动级、智能级和智慧级。我们需要清楚每一层是做什么？对象是谁？目标是什么？过程是什么？这个模型每一层的内容与我们每天工作的资源、知识是相关的，所以这个模型是知识工程2.0的一个重要内容。
知识工程2.0做什么？做知识的显性化，有序化、共享化、自动化、智能化和智慧化。提升知识的显性化程度，显性化程度越高，越接近业务应用，实用性越强；提升知识的共享化程度，知识工程化带来效率，知识共享化带来创新；提升知识的工具化程度，工具化程度越高，自动化和智能化程度越高；提升知识的智慧化程度，知识层级越高，智慧程度就越高，知识的价值越大。
图5 知识工程2.0的运转模型
知识工程2.0的运转模型是一个太极图。太极图中是隐性知识和显性知识的循环过程，是知识增值过程。外面是知识流转过程，代表知识生生不息。其中，知识增值是知识工程体系的灵魂，知识采存管用是知识工程的体魄，知识战略是企业战略的知识化映射，知识体系是企业知识的神经脉络，知识运行体系是知识工程的保障，知识工程平台是知识体系的载体。
图6 知识工程蓝图框架
这张太极图换成方方正正的科技化的图就是知识工程蓝图框架。知识增值其核心，包括知识的加工过程，如数字化、标准化、结构化、范式化和模型化，可以把刚才对应的五类知识做对应加工。此外，显性化是知识工程的基础，全息化是知识工程的未来。这些组合起来就构成了知识工程2.0的核心。
知识工程2.0如何实施？我们提出了知识工程成熟度的模型对应的提升策略，从你当前位置出发，找到下一个目标。可以在企业中绘制雷达图，分析知识的当前状态。你会发现此时的雷达图最中间非常难看，这是过去太朴素化的做法导致的结果。知识工程2.0是让雷达图中心变圆然后变大的过程，如果不够圆，其实很多东西是多余的或者无效的。
知识工程体系规划与建设的三步走战略为共享化、工具化和智慧化。当然，每一步都对应有相应的工作要做。例如共享化，包括知识数字化、分类与管理、数据标准化、信息结构化和流程化推送；工具化包括模式规范化、技术模型化、设计中推送、知识自动化和知识智能化；智慧化包括知识自提取、知识自组织、大数据分析、人行为分析和自推断决策。
图7 基于社会技术学的知识工程体系模型
我们提出了基于社会技术学的知识工程体系模型，这个模型解决工具和人的关系。过去企业老犯一个毛病，有了工具有了平台却并不能解决问题。其实企业中更多是人和流程的问题，如果不解决人的问题，信息化一定会失败。人、流程、技术是体系的基本维度，是完整的方法论，基于社会技术学的知识工程体系模型可以帮助企业解决这些问题。
我们的做法是从现状开始找到知识体系结构，然后设计知识的模式，紧接着找到相应的加工方法，最后做三个建设。首先是知识工程技术的建设，然后是知识工程组织，知识工程标准的建设。最后是平台建设，平台建设是必须要做的事情，是作为一个载体，但不是第一重要的事情。
图8 知识工程体系建设路线
知识工程集成平台的每一层都有它的价值，就是把知识采集、分享、保存、加工然后应用的，下面我举个例子。比如大家经常工作的一个平台是一个CAD或者CAE，把鼠标移最左边就会出现一个知识魔盒，通常这可以从轻量式客户端中启动知识搜索，然后打开知识详情查看页面。当然知识推送有很多种，其中一种是伴随业务流程进行推送，启动轻量式客户端后，每个人会看到分配给自己的不同的任务，在查阅工作内容和资源约束等条件时，系统会自动推送和本项任务相关的流程和知识到最前端。如果和相关工具系统软件进行了集成，还可以直接驱动相关工具软件。
图9 知识魔盒实例
从知识角度分析，研发是知识的终极归宿；从研发的角度分析，知识是研发的智慧源泉。知识泛在的精益研发体系模型推荐给中国军工产品企业用于智慧院所规划，推荐给智能制造企业进行智慧研发体系建设。知识工程2.0是精益（智慧）研发的实现途径，表现在精益（智慧）研发是体系框架和理想蓝图；知识工程是精益（智慧）研发蓝图的实现方略；精益（智慧）研发是突变式的转型升级；知识工程是基于微创新的渐进式的持续进步。我们将知识工程称之为脚踩大地，精益（智慧）研发称之为仰望星空。
图10 《精益研发2.0》和《知识工程2.0》
最后介绍两本书，一本是面向中国制造2025的工业研发，书名叫做《精益研发2.0》，这个是已经出版了；另一本是面向智能制造时代的研发智慧，书名叫做《知识工程2.0》，这个是新书，目前还在众筹中，计划今年的5、6月份发布，欢迎大家参与，谢谢各位！
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：知识工程2.0——智能制造时代的研发智慧
相关文章
