楊虹

汽車制造業(yè)知識工程建設(shè)關(guān)鍵方法

楊虹

（上汽通用汽車有限公司，上海 201206）

文章通過分析知識管理與知識工程兩者概念的差異提出知識工程是企業(yè)在工程研發(fā)活動中建立的高效、精準(zhǔn)、科學(xué)的知識共享、知識應(yīng)用體系，是企業(yè)保持技術(shù)創(chuàng)新核心競爭力的關(guān)鍵。文章根據(jù)汽車制造企業(yè)工程研發(fā)活動特點和業(yè)務(wù)實踐總結(jié)出了知識利用流程化、模型分析工具化和軟件服務(wù)平臺化三大推進(jìn)知識工程建設(shè)的核心方法。文章提出了以工業(yè)大數(shù)據(jù)應(yīng)用和智能算法為技術(shù)手段的制造業(yè)未來知識工程發(fā)展趨勢。

知識管理；知識工程；企業(yè)架構(gòu)

1 引言

在制造業(yè)中，知識管理是伴隨著工業(yè)3.0以標(biāo)準(zhǔn)化為核心的質(zhì)量管理體系推進(jìn)要求而建立起來的管理方法。在生產(chǎn)制造活動中企業(yè)能夠很好地通過管理流程、技術(shù)規(guī)范、作業(yè)指導(dǎo)、參考模板、記錄表單等信息，實現(xiàn)標(biāo)準(zhǔn)化、規(guī)范化的過程管理，從而達(dá)到保證產(chǎn)品質(zhì)量的目的。

隨著工業(yè)4.0時代的到來，制造企業(yè)不僅要提高產(chǎn)品質(zhì)量，同時也要在所有價值鏈環(huán)節(jié)的運(yùn)營管理活動中提高效率、降低成本、創(chuàng)新迭代，才能不斷滿足客戶和利益相關(guān)方的需求。因此，企業(yè)在以工程技術(shù)人員的經(jīng)驗和創(chuàng)造力為主體的創(chuàng)新研發(fā)活動中，如何對工程研發(fā)人員創(chuàng)造性的思維過程和成果進(jìn)行標(biāo)準(zhǔn)化，建立一套高效、精準(zhǔn)、科學(xué)的知識共享、知識應(yīng)用體系是其保持技術(shù)創(chuàng)新核心競爭力的關(guān)鍵。以知識管理為基礎(chǔ)、信息技術(shù)為核心、借助工程化的思想建立知識工程體系，是企業(yè)解決這一領(lǐng)域問題的必經(jīng)之路。本文從知識利用流程化、模型分析工具化和軟件服務(wù)平臺化三個方面闡述了汽車制造業(yè)推進(jìn)知識工程建設(shè)的關(guān)鍵方法。

2 知識管理與知識工程

在GB/T23703.1-2009《知識管理第1部分：框架》中對知識和知識管理的定義分別是：知識是通過學(xué)習(xí)、實踐或探索所獲得的認(rèn)知、判斷或技能。知識管理是對知識、知識創(chuàng)造過程和知識的應(yīng)用進(jìn)行規(guī)劃和管理的活動[1]。知識管理概念模型中指出知識管理應(yīng)根據(jù)組織的核心業(yè)務(wù)對知識開展鑒別、創(chuàng)造、獲取、存儲、共享和使用六個步驟的管理活動，并從組織文化、技術(shù)設(shè)施和組織結(jié)構(gòu)和制度三個方面實施知識管理，具體見圖1知識管理概念模型。知識管理的實踐活動側(cè)重于專家或知識擁有者對知識本身的分類、梳理和總結(jié)，即從隱性到顯性的表達(dá)。

圖1 知識管理概念模型[1]

“知識工程”這個概念是由美國斯坦福大學(xué)計算機(jī)科學(xué)家費(fèi)根鮑姆教授（Feigenbaum，E.A.）于1977年在麻省理工學(xué)院召開的第五屆人工智能國際會議上提出的。知識工程的研究對象是以知識為基礎(chǔ)的智能軟件系統(tǒng)，是管理科學(xué)、信息技術(shù)與工程應(yīng)用的交叉融合[2]。相對于知識管理，知識工程側(cè)重于將已抽象提取的知識通過IT技術(shù)手段轉(zhuǎn)化為可供人方便使用的系統(tǒng)化工具，從而實現(xiàn)對知識工作者的賦能。它要解決的核心問題是如何將知識最大程度地共享和高效利用，即從知識到智能的轉(zhuǎn)化。知識工程與知識管理的主要區(qū)別見圖2從知識管理到知識工程的轉(zhuǎn)型升級。

圖2 從知識管理到知識工程的轉(zhuǎn)型升級

3 知識工程建設(shè)關(guān)鍵方法

上汽通用汽車有限公司作為國內(nèi)汽車研發(fā)制造頭部企業(yè)之一，多年來從企業(yè)文化、戰(zhàn)略規(guī)劃、流程制度、組織保障到信息技術(shù)等方面都非常注重知識工程實踐。整車制造工程部作為連結(jié)產(chǎn)品設(shè)計與生產(chǎn)制造的工程開發(fā)核心技術(shù)部門，自2016年開始就緊密圍繞智能制造總體戰(zhàn)略制定了以“提質(zhì)增效、智能敏捷”為目標(biāo)的數(shù)字化環(huán)境建設(shè)及數(shù)字化能力提升規(guī)劃藍(lán)圖，經(jīng)過五年的實踐，已取得了一定成果。本文即以整車制造工程部的具體實踐活動為例，說明汽車制造企業(yè)推進(jìn)知識工程建設(shè)的關(guān)鍵方法。

3.1 知識利用流程化

知識工程的基礎(chǔ)是知識管理，兩者都需要建立知識庫。知識管理的建庫方法通常是由業(yè)務(wù)專家把各類知識按照其本身的屬性來分類梳理，并以文檔的形式存儲和利用。如：體系流程、管理規(guī)范、專業(yè)技術(shù)等。其中專業(yè)技術(shù)類還可以再按照專業(yè)領(lǐng)域進(jìn)行細(xì)分，如：沖壓工藝知識、焊接工藝知識、裝配工藝知識等。工程研發(fā)人員在使用的時候需要先熟悉知識分類目錄，并按照目錄查詢才能檢索到所需要的知識。

知識工程所需要的知識庫并不需要以知識本身的屬性來搭建，而是要以分析業(yè)務(wù)流程為起點，從任務(wù)單元出發(fā)，逐步梳理每個節(jié)點的任務(wù)描述、角色分工、輸入/輸出、作業(yè)指導(dǎo)、規(guī)范準(zhǔn)則、檢驗標(biāo)準(zhǔn)、參考模板、經(jīng)驗教訓(xùn)等，建立與完成此任務(wù)關(guān)聯(lián)的任務(wù)節(jié)點知識庫，見圖3。任務(wù)單元在建立了任務(wù)描述知識庫后，進(jìn)一步從信息系統(tǒng)需求分析的角度定義每一項任務(wù)輸入、輸出的數(shù)據(jù)屬性，數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)關(guān)聯(lián)以及執(zhí)行此任務(wù)的判斷邏輯、算法模型，即可開發(fā)出對應(yīng)每一項任務(wù)所需的IT支持系統(tǒng)或自動化工具。當(dāng)各類知識以業(yè)務(wù)流程中的細(xì)化任務(wù)節(jié)點為載體并以軟件、工具進(jìn)行邏輯、算法封裝時，工程技術(shù)人員在各項業(yè)務(wù)活動中可以方便地獲取并利用所需知識，從而大大提升工作效率和交付物質(zhì)量。如圖4知識工程體系下的業(yè)務(wù)活動架構(gòu)圖。

圖3 任務(wù)描述知識庫

圖4 知識工程體系下的業(yè)務(wù)活動架構(gòu)圖

如當(dāng)工程研發(fā)人員需要啟動產(chǎn)品同步工程工作任務(wù)時，他可以在一個工作任務(wù)系統(tǒng)中得到產(chǎn)品可制造性評估相關(guān)的完整制造要求知識庫，包含裝配順序要求、尺寸定位要求、焊接可達(dá)性要求、板材成型性要求等原來分散在多個專業(yè)領(lǐng)域知識文檔中的知識內(nèi)容，而不需要去多個文檔知識庫中逐一查找。

3.2 模型分析工具化

整車制造工程的核心業(yè)務(wù)是根據(jù)產(chǎn)品設(shè)計輸入及生產(chǎn)制造需求完成新產(chǎn)品同步工程、制造工藝開發(fā)、工藝驗證、生產(chǎn)線工裝設(shè)備規(guī)劃實施和新產(chǎn)品生產(chǎn)啟動。全生命周期產(chǎn)品數(shù)字化模型及生產(chǎn)線制造資源數(shù)字化模型為產(chǎn)品和工藝開發(fā)提供了虛擬驗證的手段。經(jīng)過多輪仿真優(yōu)化的產(chǎn)品開發(fā)過程最大程度地減少了對實物驗證的依賴，大大縮短了開發(fā)周期。但產(chǎn)品本身數(shù)字化建模分析的過程中仍有需要花費(fèi)大量時間的人機(jī)交互活動，如三維數(shù)模中的特征提取，參數(shù)設(shè)定，尺寸測量、規(guī)則判斷、結(jié)果輸出等。在這些需要人機(jī)交互的建模分析過程子環(huán)節(jié)，可繼續(xù)按照過程拆解的方法，把其中可以標(biāo)準(zhǔn)化的流程步驟、邏輯判斷和運(yùn)算方法抽象提取出來，再通過特定的編程開發(fā)語言對原有三維數(shù)字化系統(tǒng)進(jìn)行二次開發(fā)，形成基于知識工程的CAX系統(tǒng)工具（KBE插件）。研發(fā)人員使用該插件即可由系統(tǒng)自動完成一系列的分析過程，直接輸出定義好的分析結(jié)果，從而進(jìn)一步提升研發(fā)工作效率。

如下圖5展示的案例是在沖壓工藝產(chǎn)品同步工程流程中需評估車身外覆蓋件（以前蓋為例）特征線上的圓角大小以判斷工藝實現(xiàn)可行性。傳統(tǒng)方法是需要靠工程師目視識別數(shù)模中的特征分界點，并使用UG軟件命令在分界點處測量弧長和夾角，手工記錄測量結(jié)果并輸入報告，根據(jù)工藝準(zhǔn)則判斷并在報告中標(biāo)識紅（特殊工藝）、黃（過渡）、綠（常規(guī)工藝）狀態(tài)。經(jīng)分析此過程的方法完全可以通過使用Visual Studio編程語言開發(fā)的棱線連接、棱線和圓弧面的匹配、曲面識別、求交線、求交點、符合性判斷、輸出報告設(shè)置等標(biāo)準(zhǔn)函數(shù)來開發(fā)出KBE插件自動實現(xiàn)。使用KBE插件后的每個零件的識別過程從原來的平均45分鐘縮短到5分鐘，使工作效率大大提升[3]。

圖5 沖壓工藝零件特征圓角分析工具

3.3 軟件服務(wù)平臺化

知識工程建設(shè)可大幅提升企業(yè)管理、研發(fā)活動的效率和質(zhì)量，但同時也需要IT系統(tǒng)的開發(fā)投入，故在企業(yè)的實踐活動中應(yīng)對支持業(yè)務(wù)活動的IT需求進(jìn)行整體策劃，分步實施，避免重復(fù)建設(shè)。TOGAF（The Open Group Architecture Frame -work，開放組織架構(gòu)框架）是目前國內(nèi)外最主流的企業(yè)架構(gòu)分析方法，可用于完成企業(yè)IT系統(tǒng)整體規(guī)劃。借助TOGAF方法，企業(yè)或組織可以從愿景/使命，目標(biāo)/價值出發(fā)，圍繞需求管理自頂向下、顆粒度由粗到細(xì)地逐層分解業(yè)務(wù)活動，建立起完整的業(yè)務(wù)架構(gòu)。以企業(yè)架構(gòu)方法梳理出來的業(yè)務(wù)全景圖[4]，不僅實現(xiàn)了對當(dāng)前復(fù)雜流程業(yè)務(wù)的清晰知識表達(dá)和知識關(guān)聯(lián)，而且在面對未來不確定性的業(yè)務(wù)變革情況下，也能敏捷應(yīng)對，快速完成新的架構(gòu)迭代。另一方面，通過面向服務(wù)的架構(gòu)方式（SOA，Service-Oriented Architecture）對IT系統(tǒng)需求進(jìn)行聚類、整合、集成，可以開發(fā)出集成化的SaaS（Software as a Service，軟件即服務(wù)）平臺或?qū)I(yè)化的SaaS應(yīng)用[5]，這樣就可以避免IT系統(tǒng)的信息孤島、功能重復(fù)、利用率低下等問題。

圖6 使用ARIS軟件開發(fā)的業(yè)務(wù)全景圖示例

圖7 數(shù)據(jù)可視化中臺應(yīng)用案例

隨著數(shù)字化和智能化的轉(zhuǎn)型升級，互聯(lián)網(wǎng)行業(yè)興起的服務(wù)中臺和數(shù)據(jù)中臺的架構(gòu)思想已經(jīng)在傳統(tǒng)制造業(yè)中越來越受到重視和應(yīng)用探索。整車制造工程部也借助公司統(tǒng)一部署的商業(yè)智能（BI）類軟件Qlik Sense完成了貫通多個系統(tǒng)的數(shù)據(jù)可視化中臺建設(shè)。在未使用中臺建設(shè)之前，原有各系統(tǒng)中都已開發(fā)獨立的數(shù)據(jù)庫和數(shù)據(jù)展示報表，但各系統(tǒng)的數(shù)據(jù)無法實現(xiàn)跨系統(tǒng)關(guān)聯(lián)展示，并且當(dāng)業(yè)務(wù)需求發(fā)生變化需要更改數(shù)據(jù)報表時，則需要對原系統(tǒng)中的數(shù)據(jù)展示界面重新編程開發(fā)，不僅每次都需要IT系統(tǒng)變更投入，而且業(yè)務(wù)部門使用起來也不方便?，F(xiàn)在借助Qlik Sense工具平臺，業(yè)務(wù)部門工程技術(shù)人員經(jīng)過適當(dāng)?shù)膶W(xué)習(xí)培訓(xùn)，即可快速、方便地連接各系統(tǒng)數(shù)據(jù)庫，形成一個數(shù)據(jù)湖，同時可以根據(jù)業(yè)務(wù)需求，靈活構(gòu)建各種形式的數(shù)據(jù)可視化報告模板，并及時發(fā)布數(shù)據(jù)，見圖7。數(shù)據(jù)可視化中臺應(yīng)用案例。

4 知識工程未來發(fā)展趨勢展望

隨著大數(shù)據(jù)與工業(yè)互聯(lián)網(wǎng)技術(shù)的日益成熟，知識工程的未來有兩大明顯發(fā)展趨勢：一是大數(shù)據(jù)為知識的積累提供了全新的手段；二是智能化將成為制造業(yè)未來發(fā)展的重點。

制造業(yè)的優(yōu)勢是在生產(chǎn)制造過程中會產(chǎn)生包含人員、設(shè)備、物料、工藝、質(zhì)量、能源/環(huán)保等類型的海量數(shù)據(jù)。通過對生產(chǎn)制造大數(shù)據(jù)的采集、存儲、分析和應(yīng)用，不僅可以對生產(chǎn)過程進(jìn)行提質(zhì)增效的優(yōu)化，還通過數(shù)據(jù)分析洞見出在早期產(chǎn)品研發(fā)過程中靠工程師的思維邏輯和經(jīng)驗尚無法總結(jié)的隱性知識。所以將工業(yè)大數(shù)據(jù)充分應(yīng)用于研發(fā)類知識工程建設(shè)，實現(xiàn)產(chǎn)品全生命周期的優(yōu)化創(chuàng)新，是制造業(yè)未來可增值的方向之一。

在知識工程概念最早提出的時候，它本身就屬于人工智能的一個分支。數(shù)據(jù)挖掘和深度學(xué)習(xí)領(lǐng)域的各種智能算法為實現(xiàn)知識從信息提取、分析建模到?jīng)Q策評價的過程提供了智能化的技術(shù)解決方案。在制造業(yè)研發(fā)活動中，利用智能算法可以通過對已知結(jié)果的標(biāo)簽處理來找到自變量和預(yù)測結(jié)果之間的規(guī)律，如仿真過程中的輸入?yún)?shù)與輸出結(jié)果之間的對應(yīng)關(guān)系；還可以在已知規(guī)律和目標(biāo)結(jié)果的情況下，在大量可能的方案中選擇最優(yōu)解，如在一定約束條件下規(guī)劃最優(yōu)的工藝方案。

5 總結(jié)

總之，制造業(yè)知識工程建設(shè)就是要把傳統(tǒng)的知識管理與企業(yè)自身工程技術(shù)優(yōu)勢相結(jié)合，同時借助信息技術(shù)與人工智能來推動各項業(yè)務(wù)不斷創(chuàng)新和發(fā)展，從而提升企業(yè)核心競爭力。

[1] 中國國家標(biāo)準(zhǔn)化管理委員會《GB/T 23703.1-2009 知識管理第1部分:框架》,2009.

[2] 化柏林.論知識管理與知識工程的差異性及其發(fā)展.[J]圖書館雜志, 2008(11).

[3] 李麗芳,王燕,陳開朗,溫媛媛,郭杰.基于UG的汽車覆蓋件小圓角識別二次開發(fā).[J]模具制造,2019(12).

[4] 金曄.企業(yè)架構(gòu)助力業(yè)務(wù)流程管理.[J]時代汽車,2019,10.

[5] 田鋒.制造業(yè)知識工程.[M]北京:清華大學(xué)出版社,2019.

Key Methods for Knowledge Engineering Development in Automobile Manufacturing Industry

Yang Hong

( SAIC General Motors Co., Ltd., Shanghai 201206 )

Based on the analysis of the differences between the concepts of knowledge management and knowledge engineering, this paper proposes that knowledge engineering is an efficient, accurate and scientific knowledge sharing and knowledge application system established by enterprises in engineering R&D activities, and is the key to maintain the core competitiveness of technological innovation. According to the characteristics of engineering R&D activities and business practice of automobile manufacturing enterprises, this paper summarizes three core methods to promote the development of knowledge engineering, which are processes based knowledge utilization, knowledge based engineering tools and services based software platform. In this paper, the future trend of knowledge engineering development in manufacturing industry are pointed out, which are industrial big data application and intelligent algorithm.

Knowledge management; Knowledge engineering; Enterprise architecture

10.16638/j.cnki.1671-7988.2021.02.062

C36

B

1671-7988(2021)02-191-04

C36

B

1671-7988(2021)02-191-04

楊虹，就職于上汽通用汽車有限公司。