制造业知识工程

知识工程是知识管理、智慧研制进而创新研发的基础。 

本书颠覆了知识管理理念，重新定义了“知识”。无论是知识对象的范围、知识分类模式、知识加工方法还是知识与业务的融合模式，都不同于以往的知识管理体系。从精益研发的实践要求出发，反推出知识工程的新理念、新方法和新技术，将知识加工增值作为知识工程的核心。本书提出知识工程的三层架构：上层结构是知识与研发流程融合层，中间层是业界共有的知识管理层，下层结构是知识与设计环境融合层。

田锋，安世亚太公司高级副总裁，国家工业软件与先进设计研究院常务副院长，北京市综合仿真工程试验室主任，“智能制造推进联盟”专家委员，“生态设计与绿色制造促进会”首席技术专家，科技部科技支撑计划课题专家组副组长，机械工程学会设计分会委员，设计方法分会委员。
精益研发体系创始人，《精益研发2.0》（2016年出版）著作者，《精益研发》（2009年出版）著作总编，《精益研发》杂志（2008首刊）主编。曾发表精益研发、正向设计、综合设计、设计方法、复合材料等相关论文20余篇。
知识工程2.0体系创始人，《知识工程2.0》著作者，曾发表知识工程相关的论文10余篇。
综合仿真体系创始人，曾发表CAE技术、多学科优化、协同仿真、企业仿真体系建设等相关论文20余篇。
二十年研发、技术与咨询经历，为百余家企业提供研发体系建设和研发信息化咨询，对研发信息化技术与制造业需求的最佳结合方案具有深入研究。中国航空三大主机所、航天某设计研究所、船舶某研究院、中车集团等企业的精益研发、综合设计、协同仿真、仿真体系建设、知识工程、科技资源整合等项目的总设计师。

目录
第1篇
第 1章.知识工程的发展背景
知识工程框架
1.1

与蓝图
1.2
1.3
1.4
1.5
知识工程对中国企业的重要性 003 国外知识工程发展日趋成熟 004 国内精益研发体系日渐成熟 011 面向流程的知识工程实践 012 知识工程的下一步发展方向 014
第 2章.知识工程蓝图与框架
2.1
2.2
2.3
2.4
2.5
2.6
企业知识的本质  016  
知识资源增值是核心  018  
知识工程体系蓝图  021  
知识工程体系框架  023  
知识工程体系成熟度  027  
知识工程集成平台  032

第 3章.知识工程规划与建设
3.1
3.2
3.3
3.4
3.5
3.6
知识工程规划步骤  036  
知识工程蓝图设计  038  
知识工程路线规划  039  
知识工程建设方法论  041  
知识工程建设成果  043  
知识工程的特点与价值  043

第 4章.知识泛在的智慧研制
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
4.10
智慧研制的时代背景  047  
智慧研制需求背景  052  
智慧研制三维架构  055  
智慧研制理想模型  057  
智慧研制集成平台  061  
智慧研制体系模型  066  
智慧研制成熟度模型  068  
开放式智慧研制模式  074  
智慧研制路线规划  079  
智慧研制中知识泛在  083

第 5章.隐性知识的显性化
第2篇

知识增值加工
5.1

技术
5.2
5.3
5.4
5.5
5.6
知识螺旋与显性化 089 利用社区实现显性化 092 知识的显性化表达 095 知识体系的显性化 096 知识关系与知识地图 099 知识显性化以人为本 102
第 6章.数据知识的标准化 104
6.
1仿真数据的标准化 105

6.
2试验数据的标准化 106

6.
3标准化数据管理框架 107

6.
4基于标准化数据的业务协同 109

6.5基于数据标准化的科研驾驶舱 113
第 7章.信息知识的结构化 115
7.1利用自动摘要进行结构化 116
7.2利用分类进行信息的结构化 117
7.3利用聚类进行信息的结构化 118
7.4信息知识的组合检索 121
第 8章.模式知识的范式化 123
8.1模式知识的主要形式 124
8.2研制管控模式范式化 126
8.3设计协同模式范式化 131
8.4仿真集成模式范式化 132
8.5质量管理模式范式化 135
8.6智慧项目模式范式化 138
第 9章.技术知识的模型化 142
9.1基于模型的产品平台 143
9.2基于模型的系统工程 151
9.3基于模型的快速论证 159
9.4基于仿真模型的虚拟试验 164
9.5基于模型的定义 168
9.6基于模型的企业 175
第 10章.知识资源的全息化
10.1
10.2
10.3
10.4
10.5
10.6
大数据的通用定义 182 工业大数据的特点 183 工业大数据的分类 184 工业大数据的常规应用 185 工业大数据的知识应用 186 工业大数据分析技术 189
第 11章.企业知识工程规划
第3篇

知识工程实践
11.1

与案例
11.2
11.3
11.4
11.5
背景、意义及目标 195 知识工程体系成熟度评估 196 知识体系规划 201 知识平台规划 209 制度规划 218
第 12章.面向流程的知识工程
12.1
12.2
12.3
12.4
12.5
12.6
12.7
12.8
体系建设背景 220 体系建设目标 222 定义基于知识融合的科研活动模型 222 构建新一代产品数字化研制流程 228 建设面向产品设计的本体体系 229 建设多领域知识融合的知识库 235 开发产品多领域知识工程平台 242 体系先进性与创新性 249
第 13章.基于知识的精益研发
13.1
13.2
13.3
13.4
13.5
13.6
建设背景及目标 250 业务蓝图及建设方案 252 精益研发规范制定 256 精益研发业务梳理 258 精益研发平台建设 264 体系的价值及特色 284
附录 A.    常见问题及答复（摘录） 289
附.录
287
附录 B.    知识工程相关模型及技术 304
B.1
B.2
B.3
B.4
B.5
B.6
B.7
DIKW知识管理模型简介 304 社会技术学模型简介 305 物理 -事理 -人理（WSR）模型简介 306 霍尔（Hall）模型简介 307 V模型（Paul模型）简介 308 现代智能科技简介 310 创新方法论 TRIZ简介 314
附录 C.    文中部分英文名词缩写全称及中文释义 320
参考文献
322
后.记
325

前言
研究发现，中国企业存在较为严重的“人才断层”现象。我国企业在用一批非常年轻的队伍进行越来越复杂系统的研制，其中潜藏着巨大的风险甚至威胁。人才断层已成为企业不得不解决的问题。解决人才断层问题不能寄希望于返老还童灵丹和长生不老药。人才的核心价值是经验与知识。当我们把人才断层定义为知识和经验的断层时，发现灵丹妙药真的存在，那就是“知识工程”。企业的强大之处，往往不在于引进了多少先进技术，而在于真实积累了多少现有成果。通过知识工程手段，让新一代技术人员快速拥有老一代专家的做事方法和处事经验，可以在很大程度上解决人才断层的问题。知识和经验的传承本来是一件自然的事情，但是中国企业的人才断层现状，要求我们必须通过特殊手段来强制完成这一使命，这个特殊手段就是知识工程。
知识工程体系认为，技术研发和产品研制企业是知识最密集的企业，是知识工程最重要的阵地。研制过程就是利用现有知识创造新知识的过程，凡是对研制工作有帮助的资源都是知识。我们不对知识和资源这两个概念作严格区分，知识工程就是对研制资源的智慧化增值加工过程。即使知识和资源有区别，也是相对而言、互相转化的。
知识体系的建立是知识工程的核心工作。本书从企业实践出发，研究制造业企业的资源特征，形成对知识体系的独特分类模式： 实物、数据、信息、模式和技术，同时这五类知识也具有层次递进的特征。针对这递进的五类知识，提出五种知识层级提升方法，即增值加工，分别是数字化、标准化、结构化、范式化和模型化。在智能制造时代，大数据分析方法的出现为知识层级的提升开辟了一种新方法—智慧分析法，使得我们可以获得全息化的知识。因此，全息化是第六种知识加工方法。围绕知识的智慧化加工及其工程化应用，形成相应的技术、工具、流程、标准、规范、人才、组织以及这些要素的载体 —知识工程平台，共同构成知识工程体系。
研制体系的三维模型中，知识是一个重要维度。依据本书所提出的知识工程分层模型，该维度由 5个层次构成：1 —有序级、2 —共享级、3 —自动级、4 —智能级和 5 —智慧级，外加一个基本级 0 —显性级，形成“显序共自能慧”模型。普通企业研制知识工程层次通常在显性级、有序级和共享级层面。先进企业开始使用自动化和智能化知识。未来工业 4.0时代，基于大数据的智慧级知识将普遍采用，那时我们将步入智慧研制时代。
基于知识工程，结合智能制造时代的新兴科技，本书提出了一个知识泛在的智慧研制理想模型，并映射而成相对应的信息化理想模型 —智慧研制平台。将这两个模型推荐给中国制造业企业，协助其规划建设与智能制造时代相匹配的研制体系。在中国军工行业，正在进行智慧院所的体系设计，这两个模型也适合于进行智慧院所的规划和建设。
研制体系中知识积累和应用的层次决定了研制的智慧程度。知识层次越高，研制智慧程度越高。知识层级的提升，意味着企业智慧程度的提升。基于知识工程的层次模型，本书提出智慧研制体系的进化路线（成熟度模型）：自发级、意识级、稳序级、协同级、智能级、智慧级。
本书的讨论对象和举例多以研发企业或研发过程为背景，这是因为研发过程是知识密集度最高、知识产出最丰富、知识应用最深入的过程，并不代表本书所提的方法不适用于非研发型企业。非研发型企业或非研发过程的知识工程方法是本书所提方法的子集，大部分方法进行适应性改造，即可适用于这些企业或过程。
作者
2019年 3月

第1章
知识工程的发展背景
1.1 知识工程对中国企业的重要性
知识管理和知识工程对企业的重要性不言而喻，对中国企业尤为重要。经调查，当前中国科技人才结构呈现过于年轻化趋势。20世纪 80年代毕业的大学生比例是 13%，90年代毕业的大学生比例是 17%，2000年以后毕业的大学生占 70%。八九十年代的大学生多数已经进入领导和管理岗位，一线的技术人员绝大多数是 30岁上下的年轻人。
知识缺乏有效管理，老同志离岗回家，经验和知识流失严重。“有样子的活会干，没样子的活不会干。”年轻人无法顺利进行顶尖产品的研制，无法有效应用知识来解决问题，这对中国企业来说是个严峻问题。老专家和骨干的知识高效重用是解决问题的唯一办法。所以从“十三五”开始，知识工程成为一项国家战略。
中国企业一直在寻求转型升级之道，希望在短时间内进入发展快车道。产品通过引进消化可以跨越年代，但企业的技术积累无法跨越。企业的技术发展模式主要是“持续进化”，而不是“突变式创新”。企业的生产力和竞争力由两个能力构成：创新能力①和仿复能力（知识共享），如图 1-1所示。创新能力决定企业能做多强，仿复能力决定企业能做多大，两者缺一不可。它们的乘积决定企业的发展能力。因此，创新和知识具有明显的共生关系。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。
①创新能力建设不是本书的主体内容，相关内容可以参考本书 B.7节“创新方法论 TRIZ简介”。
中国企业与国际一流企业的差距，不仅在于对创新和知识的驾驭能力，更在于对“知识与创新共生关系”的认知。

图 1-1 知识与创新的共生关系

1.2 国外知识工程发展日趋成熟
技术进步和需求升级，导致内外部环境加速变化，企业成果和知识也以前所未有的速度源源产生。随着企业内部各领域的专业性越来越强，企业成员快速获取知识和使用知识的能力成为其核心技能，管理与应用知识的能力也成为企业的核心竞争力，国内外各大企业纷纷在知识管理和应用方面进行积极实践。
1.2.1 NASA知识工程体系
美国国家航空航天局（National Aeronautics and Space Administration，NASA）把“将正确的信息在正确的时间传递给正确的人，促使其创造新知识，分享经验，提高 NASA及其合作伙伴的执行力”作为其知识管理的目标。具体来说，知识管理能够使设计人员获取已完成项目的经验，使管理人员能够掌握规避风险的有效方法，使新人快速成长。同时，NASA认识到知识管理是系统性工作，其效果的发挥需要文化的支撑，知识管理需倡导学习型文化，鼓励知识共享。因此，NASA知识工程体系包括知识架构、知识管理、支持服务和文化。
1．NASA知识管理技术基础
（1）知识管理框架：NASA知识管理团队根据知识管理三大要素（人员、流程和技术）的应用，提出知识管理框架，即在知识管理活动的支持下，通过技术和工具，提供一个知识共享和应用的环境，如表 1-1所示。
（2）
企业架构：NASA企业架构（enterprise architecture，EA）用于创建其知识工程平台，分为业务框架、流程框架、数据框架和技术框架，各个层次之间用检测框架分隔开来。应用 EA框架的主要作用为：以“发展知识管理，培训、传递知识和促进协同”为战略；自上而下逐层分解需求，将知识管理需求具体化到 EA框架中；用迭代和递归来保证各个层次之间的回溯，形成统一参考模型。

表 1-1 NASA知识管理框架

（3）
虚拟企业：NASA专门建立了NISE（NASA immersive synthetic enviro -nments）项目，实现任务支持（建模、仿真、协同等）、扩展（公众的参与和激励）、学习（K-12学习系统）和内部培训。该组织还拥有一个具有 800万注册用户（以每年 20%的速度增长）的实时交流平台—第二生活（second life，SL）。

2．NASA的知识管理体系
NASA将知识管理融入工程和项目管理生命周期的每一个环节，如图 1-2所示。针对 NASA职员、承包商、学术研究机构、全球合作伙伴等群体， NASA形成了一个完整的知识管理体系结构，提供包括NASA Portal（NASA入门）、Inside NASA（进入NASA）、NEN（NASA Engineering Network，NASA工程学网络）、Lessons Learned（课程学习）、Strategic Committee（战略委员会）、Practice Community（实践团体）等不同的解决方案，通过业务流程的交互将领域专家与各类知识紧密联系到一起。
除通过 NASA Portal和 Inside NASA实现系统集成和创建协同工作环境外，NEN通过语义网、元数据和面向服务的架构等技术建立人与人、人与知识、人与流程（项目生命周期）之间的关系。利用 NEN的主动集成能力使资源的可访问性和实用性更强，并关联工程师和专家以获取隐性知识。Lessons Learned两个主要目标为：①扩展 NASA的学术范围，使老一代专家的知识能传递给新生代；②发展 NASA的“虚拟学院”。

图 1-2 NASA知识管理体系
3．NASA知识管理进程
NASA的知识管理进程如表 1-2所示。
表 1-2 NASA的知识管理进程—主题、目标和内容
2003年 主题：共享知识目标：实现关键知识的共享，完成组织的研制任务内容： 建立知识管理框架 识别和共享知识资源 及时提供知识给恰当的人以便决策 提供从知识创建到归档的辅助智能工具 在 NASA及其客户、合作伙伴间综合利用知识
2007年 主题：集成知识目标：实现分布在地面和轨道飞船上各类信息系统的无缝集成内容： 基于知识库的半自动化产品设计 基于独立型号参数的软件示例自动生成 知识管理准则纳入商用轨道运输服务和 NASA文化中 允许飞船实施自控制的远程数据管理
2010年 主题：获取知识目标：实现人工或自动化地从任意源头获取知识内容： 通过手持设备即可在星际网络间获取标准格式的知识 在飞船分析和数据上传方面采用专家系统 在现有的传感器和遥感勘测设备间使用具备自治能力的代理 工业界和学术界可基于知识管理系统进行飞船零件的协同设计

续表
2025年主题：知识应用目标：实现地面和外空间基地的专家隐性知识的获取、建模与应用内容：
系统模拟专家的思考与行为模式，获取隐性知识

与自动化的探测器进行无缝知识交换

利用星际探险的反馈支持继任设计师开展分析与综合设计

面向新研究项目，建立专家参与的网络化知识共享系统

4．NASA知识管理的发展趋势
NASA经过知识管理体系的实施，在知识获取、维护、交流与应用等方面都取得了显著的进步。在知识管理理论的思考以及各种技术的发展方面，确定了后续研究方向，包括：①交叉搜索技术，在不同的信息系统之间进行交叉搜索以实现知识的获取和应用；②行为趋势（behavior over time，BOT），分析和把握知识行为随时间变化的趋势；③建立通用原型，采用一个通用的模式，方便知识从业者在此基础上扩展成为各种复杂的应用系统；④表达图形化，简明清晰地表达复杂流程的结构，为后续数字化的推行奠定基础。