1 引言

在制造业中，知识管理是伴随着工业 3.0 以标准化为核心的质量管理体系推进要求而建立起来的管理方法。在生产制造活动中企业能够很好地通过管理流程、技术规范、作业指导、参考模板、记录表单等信息，实现标准化、规范化的 过程管理，从而达到保证产品质量的目的。

随着工业 4.0 时代的到来，制造企业不仅要提高产品质 量，同时也要在所有价值链环节的运营管理活动中提高效率、 降低成本、创新迭代，才能不断满足客户和利益相关方的需求。因此，企业在以工程技术人员的经验和创造力为主体的 创新研发活动中，如何对工程研发人员创造性的思维过程和 成果进行标准化，建立一套高效、精准、科学的知识共享、 知识应用体系是其保持技术创新核心竞争力的关键。以知识管理为基础、信息技术为核心、借助工程化的思想建立知识工程体系，是企业解决这一领域问题的必经之路。本文从知识利用流程化、模型分析工具化和软件服务平台化三个方面 阐述了汽车制造业推进知识工程建设的关键方法。

2 知识管理与知识工程

在 GB/T23703.1-2009《知识管理 第 1 部分：框架》中 对知识和知识管理的定义分别是：知识是通过学习、实践或探索所获得的认知、判断或技能。知识管理是对知识、知识 创造过程和知识的应用进行规划和管理的活动[1]。知识管理 概念模型中指出知识管理应根据组织的核心业务对知识开展鉴别、创造、获取、存储、共享和使用六个步骤的管理活动，并从组织文化、技术设施和组织结构和制度三个方面实施知 识管理，具体见图 1 知识管理概念模型。知识管理的实践活 动侧重于专家或知识拥有者对知识本身的分类、梳理和总结， 即从隐性到显性的表达。

图 1 知识管理概念模型

“知识工程”这个概念是由美国斯坦福大学计算机科学家费根鲍姆教授（Feigenbaum，E.A.）于 1977 年在麻省理工 学院召开的第五届人工智能国际会议上提出的。知识工程的研究对象是以知识为基础的智能软件系统，是管理科学、信 息技术与工程应用的交叉融合[2]。

相对于知识管理，知识工 程侧重于将已抽象提取的知识通过 IT 技术手段转化为可供人方便使用的系统化工具，从而实现对知识工作者的赋能。它要解决的核心问题是如何将知识最大程度地共享和高效利用，即从知识到智能的转化。知识工程与知识管理的主要区别见图 2 从知识管理到知识工程的转型升级。

图 2 从知识管理到知识工程的转型升级

3 知识工程建设关键方法

上汽通用汽车有限公司作为国内汽车研发制造头部企业 之一，多年来从企业文化、战略规划、流程制度、组织保障到信息技术等方面都非常注重知识工程实践。整车制造工程部作为连结产品设计与生产制造的工程开发核心技术部门， 自 2016 年开始就紧密围绕智能制造总体战略制定了以“提质 增效、智能敏捷”为目标的数字化环境建设及数字化能力提 升规划蓝图，经过五年的实践，已取得了一定成果。本文即以整车制造工程部的具体实践活动为例，说明汽车制造企业 推进知识工程建设的关键方法。

3.1 知识利用流程化

知识工程的基础是知识管理，两者都需要建立知识库。 知识管理的建库方法通常是由业务专家把各类知识按照其本 身的属性来分类梳理，并以文档的形式存储和利用。如：体 系流程、管理规范、专业技术等。其中专业技术类还可以再按照专业领域进行细分，如：冲压工艺知识、焊接工艺知识、 装配工艺知识等。工程研发人员在使用的时候需要先熟悉知 识分类目录，并按照目录查询才能检索到所需要的知识。 

知识工程所需要的知识库并不需要以知识本身的属性来 搭建，而是要以分析业务流程为起点，从任务单元出发，逐 步梳理每个节点的任务描述、角色分工、输入/输出、作业指 导、规范准则、检验标准、参考模板、经验教训等，建立与 完成此任务关联的任务节点知识库，见图 3。

图 3 任务描述知识库

任务单元在建 立了任务描述知识库后，进一步从信息系统需求分析的角度定义每一项任务输入、输出的数据属性，数据结构、数据关 联以及执行此任务的判断逻辑、算法模型，即可开发出对应 每一项任务所需的 IT 支持系统或自动化工具。当各类知识以 业务流程中的细化任务节点为载体并以软件、工具进行逻辑、 算法封装时，工程技术人员在各项业务活动中可以方便地获 取并利用所需知识，从而大大提升工作效率和交付物质量。 如图 4 知识工程体系下的业务活动架构图。

图 4 知识工程体系下的业务活动架构图

如当工程研发人员需要启动产品同步工程工作任务时，他可以在一个工作任务系统中得到产品可制造性评估相关的完整制造要求知识库，包含装配顺序要求、尺寸定位要求、 焊接可达性要求、板材成型性要求等原来分散在多个专业领 域知识文档中的知识内容，而不需要去多个文档知识库中逐一查找。

3.2 模型分析工具化

整车制造工程的核心业务是根据产品设计输入及生产制 造需求完成新产品同步工程、制造工艺开发、工艺验证、生产线工装设备规划实施和新产品生产启动。全生命周期产品 数字化模型及生产线制造资源数字化模型为产品和工艺开发提供了虚拟验证的手段。经过多轮仿真优化的产品开发过程 最大程度地减少了对实物验证的依赖，大大缩短了开发周期。 

但产品本身数字化建模分析的过程中仍有需要花费大量时间 的人机交互活动，如三维数模中的特征提取，参数设定，尺 寸测量、规则判断、结果输出等。在这些需要人机交互的建 模分析过程子环节，可继续按照过程拆解的方法，把其中可 以标准化的流程步骤、逻辑判断和运算方法抽象提取出来， 再通过特定的编程开发语言对原有三维数字化系统进行二次 开发，形成基于知识工程的 CAX 系统工具（KBE 插件）。

研发人员使用该插件即可由系统自动完成一系列的分析过程，直接输出定义好的分析结果，从而进一步提升研发工作效率。

如下图 5 展示的案例是在冲压工艺产品同步工程流程中 需评估车身外覆盖件（以前盖为例）特征线上的圆角大小以 判断工艺实现可行性。传统方法是需要靠工程师目视识别数 模中的特征分界点，并使用 UG 软件命令在分界点处测量弧 长和夹角，手工记录测量结果并输入报告，根据工艺准则判断并在报告中标识红（特殊工艺）、黄（过渡）、绿（常规 工艺）状态。

图 5 冲压工艺零件特征圆角分析工具

经分析此过程的方法完全可以通过使用 Visual Studio 编程语言开发的棱线连接、棱线和圆弧面的匹配、曲 面识别、求交线、求交点、符合性判断、输出报告设置等标 准函数来开发出 KBE 插件自动实现。使用 KBE 插件后的每 个零件的识别过程从原来的平均 45 分钟缩短到 5 分钟，使工 作效率大大提升[3]。

3.3 软件服务平台化

知识工程建设可大幅提升企业管理、研发活动的效率和质量，但同时也需要 IT 系统的开发投入，故在企业的实践活 动中应对支持业务活动的 IT 需求进行整体策划，分步实施，避免重复建设。TOGAF（The Open Group Architecture Framework，开放组织架构框架）是目前国内外最主流的企业架构分析方法，可用于完成企业 IT 系统整体规划。借助 TOGAF方法，企业或组织可以从愿景/使命，目标/价值出发，围绕需求管理自顶向下、颗粒度由粗到细地逐层分解业务活动，建立起完整的业务架构。

以企业架构方法梳理出来的业务全 景图[4]，不仅实现了对当前复杂流程业务的清晰知识表达和 知识关联，而且在面对未来不确定性的业务变革情况下，也能敏捷应对，快速完成新的架构迭代。另一方面，通过面向服务的架构方式（SOA，Service-Oriented Architecture）对 IT系统需求进行聚类、整合、集成，可以开发出集成化的 SaaS（Software as a Service，软件即服务）平台或专业化的 SaaS应用[5]，这样就可以避免 IT 系统的信息孤岛、功能重复、利用率低下等问题。

图 6 使用 ARIS 软件开发的业务全景图示例

随着数字化和智能化的转型升级，互联网行业兴起的服 务中台和数据中台的架构思想已经在传统制造业中越来越受到重视和应用探索。整车制造工程部也借助公司统一部署的 商业智能（BI）类软件 Qlik Sense 完成了贯通多个系统的数 据可视化中台建设。在未使用中台建设之前，原有各系统中 都已开发独立的数据库和数据展示报表，但各系统的数据无 法实现跨系统关联展示，并且当业务需求发生变化需要更改数据报表时，则需要对原系统中的数据展示界面重新编程开发，不仅每次都需要 IT 系统变更投入，而且业务部门使用起 来也不方便。

图 7 数据可视化中台应用案例

现在借助 Qlik Sense 工具平台，业务部门工程技术人员经过适当的学习培训，即可快速、方便地连接各系 统数据库，形成一个数据湖，同时可以根据业务需求，灵活 构建各种形式的数据可视化报告模板，并及时发布数据，见图 7。数据可视化中台应用案例。

4 知识工程未来发展趋势展望

随着大数据与工业互联网技术的日益成熟，知识工程的未来有两大明显发展趋势：一是大数据为知识的积累提供了全新的手段；二是智能化将成为制造业未来发展的重点。

制造业的优势是在生产制造过程中会产生包含人员、设 备、物料、工艺、质量、能源/环保等类型的海量数据。通过对生产制造大数据的采集、存储、分析和应用，不仅可以对生产过程进行提质增效的优化，还通过数据分析洞见出在早 期产品研发过程中靠工程师的思维逻辑和经验尚无法总结的 隐性知识。所以将工业大数据充分应用于研发类知识工程建 设，实现产品全生命周期的优化创新，是制造业未来可增值的方向之一。 

在知识工程概念最早提出的时候，它本身就属于人工智能的一个分支。数据挖掘和深度学习领域的各种智能算法为实现知识从信息提取、分析建模到决策评价的过程提供了智 能化的技术解决方案。在制造业研发活动中，利用智能算法可以通过对已知结果的标签处理来找到自变量和预测结果之 间的规律，如仿真过程中的输入参数与输出结果之间的对应 关系；还可以在已知规律和目标结果的情况下，在大量可能的方案中选择最优解，如在一定约束条件下规划最优的工艺方案。

5 总结

总之，制造业知识工程建设就是要把传统的知识管理与 企业自身工程技术优势相结合，同时借助信息技术与人工智 能来推动各项业务不断创新和发展，从而提升企业核心竞争力。

本文刊发于《汽车实用技术》2021年第2期 作者 上汽通用汽车有限公司 杨虹

本文来源于网络，本着学习交流的目的进行转载，已标注原始作者和出处，如存在异议，请联系editor@xingongye.cn。如您对内容有疑问，请告之，以便我们及时处理。