孫海斌 張曉靜 劉習

摘要：[目的/意義]旨在為船舶科研院所知識管理建設提供可落地的最佳工程實踐。[方法/過程]首先簡要分析船舶科研院所在知識管理工作中的現(xiàn)狀及特點，以此提出解決問題的出發(fā)點和思路。通過分析船舶科研院所的科研生產過程及知識管理活動過程，設計適合船舶科研單位實際情況的知識管理系統(tǒng)總體模型，包括知識資產庫模型、知識管理平臺模型和知識運營體系模型。最后通過將知識管理模型應用到某船舶科研單位進行實踐，驗證該模型的有效性和適應性。[結果/結論]通過將該模型應用到某型號領域知識進行驗證，有效提高了知識生產和使用效率，降低了研發(fā)成本。

關鍵詞：知識管理? 智慧船舶? 科研? 模型構建

分類號：F426.22

DOI：10.13266/j.issn.2095-5472.2021.012

引用格式：徐潤昌. 高效知識管理加速企業(yè)數(shù)字化轉型： 奧雅納案例研究[J/OL]. 知識管理論壇， 2021， 6（2）： 118-126[引用日期]. http：//www.kmf.ac.cn/p/246/.

現(xiàn)行市場經濟環(huán)境下，大多數(shù)企業(yè)已經逐漸意識到企業(yè)文化的積累和知識的傳承在企業(yè)發(fā)展過程的重要作用。企業(yè)在知識上的創(chuàng)新可以為技術創(chuàng)新提供重要的保障，而企業(yè)的知識管理本身也是企業(yè)管理制度的創(chuàng)新。因此，知識創(chuàng)新成為企業(yè)獲得競爭優(yōu)勢的主要來源[1]。船舶科研院所作為我國國防力量建設中重要的中堅力量，如何在保障科研生產任務的同時提高科研生產能力和產品質量，為建設世界一流軍隊提供高精尖武器裝備成為船舶行業(yè)的首要任務[2]。加快智慧型船舶科研院所的建設，通過知識創(chuàng)新帶動技術創(chuàng)新，是推動新一輪軍事變革的強大動力和軍工行業(yè)信息化建設的必由之路。

對知識管理的研究始于20世紀80年代，90年代進入實踐性研究階段，并在計算機、教育和金融領域逐漸得到了廣泛的應用。但在船舶科研領域知識管理的研究仍處于起步階段，目前大多數(shù)還處在PDM（Product Data Management）、PLM（Product Lifecycle Management）、MES（Manufacturing Execution System）等信息系統(tǒng)中數(shù)據(jù)采集和數(shù)據(jù)應用層面，尚未實現(xiàn)數(shù)據(jù)和知識的普遍性管理[3]。為了彌補這一不足，越來越多的研究機構和企業(yè)開始對船舶行業(yè)的知識管理領域進行探索。歐洲MOKA（Manufacturing Organize Knowledge Of Army ）項目組對軍事裝備領域的產品研發(fā)過程知識建模進行了研究，并將知識工程應用到具體工程實踐中，取得了一定效果[3];美國NIST（National Institute of Standards and Technology）的設計知識倉庫項目建立了基于數(shù)字模型的知識工程建?？蚣躘4];西門子、達索等國外企業(yè)利用PDM、三維協(xié)同仿真等產品生態(tài)體系，構建基于船舶、航空航天等領域研發(fā)的知識管理平臺，取得較好的應用效果。國內的藍凌、知網(wǎng)等相關企業(yè)加入對知識管理領域的實踐化研究，并將相關的知識管理理念和平臺系統(tǒng)應用到船舶制造領域，取得了一定的效果;孫朝陽等提出了一種基于PDM的工藝知識管理方法，將知識庫應用到生產制造的業(yè)務場景中，在船舶制造領域也得到了一定的使用[5]。綜上所述，知識管理的理論和實踐發(fā)展越發(fā)成熟，已步入實踐應用階段。但船舶科研院所涉及產品技術密集、專業(yè)復雜，對技術穩(wěn)定性和可靠性要求越來越高，同時要求產品研制快速、高效、靈活，因此亟需對船舶科研院所的知識工程建設進行實踐性探索，通過建立符合行業(yè)特點和管理模式的知識工程體系推動產品創(chuàng)新。

1? 船舶科研院所知識管理現(xiàn)狀

船舶科研院所的研發(fā)生產是一項技術密集型的復雜工作，以科研生產項目為核心構建知識資源池，積累了大量的工具、資料文獻、產品信息、專利等資源。但海量的知識資源數(shù)據(jù)分布在不同的項目系統(tǒng)中，造成知識復用難度高，積累的知識資源難以和科研生產過程相結合，跨部門、跨系統(tǒng)知識資源共享困難，亟需對知識資源池進行去中心化、隱性知識顯性化[6-8]?？傮w來說，船舶科研院所知識管理存在以下幾方面的問題：

（1）知識來源分散多樣。船舶科研院所所從事專業(yè)的特點決定了其知識來源非常豐富：可能來自于客戶知識、國外的輿情報告，也可能是論文或經驗。而現(xiàn)實中的知識又經常存在于各種文檔、會議和項目中，這就導致知識非常分散，知識的收集與整合都比較困難。同時，各種信息系統(tǒng)建設，諸如財務管理、人力資源管理系統(tǒng)、OA辦公平臺、PLM產品生命周期管理系統(tǒng)等，企業(yè)知識資源經常面臨數(shù)據(jù)存放多個系統(tǒng)、同一數(shù)據(jù)不同存放系統(tǒng)造成版本不統(tǒng)一的窘境。

（2）知識結構離散存儲。在科研生產業(yè)務開展過程中，會產生和應用很多知識源，但由于業(yè)務與工作的劃分，目前這些知識源分散存儲在不同部門不同員工的手中。例如在產品開發(fā)領域，合同簽訂后通常將產品研發(fā)及管理任務分派到不同的專業(yè)科室，同時又會細分合同管理、質量管理、項目經理、產品負責人、測試人員和具體工程師等角色。員工只會關心與自己相關工作內容，對整個產品的項目不甚了解，這就造成即使是工作多年的老員工調整工作崗位后由于缺乏掌握相應的知識也難以短期內勝任新的工作崗位，嚴重降低了員工的工作效率。上述情況造成對關鍵員工、有經驗員工隱性知識的挖掘不夠充分，一旦他們離職就會對知識傳承造成極大影響。同時知識結構離散造成了員工知識點局限化、員工學習知識困難[9-11]。

（3）顯性知識共享不暢。通信行業(yè)培養(yǎng)一個人員，需要5-7年時間，需要專家傳、幫、帶。而且新員工上崗后，面臨的知識龐雜，學習不知道如何下手，員工難以快速進行學習。如果能建立一個知識系統(tǒng)將有力地促進新員工的學習和進步，其最終的目的是培養(yǎng)學習者獨立思考、解決問題的能力。而且科研單位通常面臨著人員老化、知識帶斷層，人員培養(yǎng)難、人員流失率高等問題。如果能以IT技術為支撐，加快人員的傳承培養(yǎng)，將極大地提高工作效率。

（4）隱性知識亟待挖掘。由于船舶行業(yè)特點，員工經常在外地出差，奔波于各個項目點上，同時，船舶科研院所采取項目矩陣管理模式，工期緊，造成員工通常只會關注于當前工作所需內容，很難窺探到整個項目的運作全貌和知識流轉的全貌，有些工作多年的老員工調崗后也極易陷入了知識盲區(qū)。同時，項目管理制度還會導致項目設計和開發(fā)等經驗往往會存在于少數(shù)專家和核心項目成員頭腦中，組織缺乏將知識進行獲取、沉淀和積累的有效手段與方法。

2? 知識管理活動過程建模

船舶科研院所知識資產通過按照內部收集、共享、應用和創(chuàng)新的流程進行內循環(huán)，通過外部數(shù)據(jù)挖掘、積累、推送的流程進行外循環(huán)。對內外雙循環(huán)數(shù)據(jù)抓取形成知識庫后不斷地更新。同時，對業(yè)務流程和科研生產流程進行梳理形成知識地圖，有效提高員工的工作效能。在整個知識管理活動中通過采用智能抽取算法（如神經網(wǎng)絡法、決策樹法、遺傳算法等）可以從大量顯性知識中剝離出隱性知識[12-13]，配套船舶行業(yè)特有規(guī)則和專家總結出的規(guī)則經驗，提高知識挖掘和知識檢索的準確性。員工可以不斷地調用知識資源，形成知識服務平臺。根據(jù)用戶的知識需求信息反饋，形成有價值的信息庫，內部知識和外部知識的不斷吸收和整合達到知識創(chuàng)新的目的[14]。知識管理活動過程模型如圖1所示：

3? 知識工程體系模型建設

3.1? 知識資產庫模型建設

知識資產庫需要采用安全的數(shù)據(jù)架構，通過集成化的知識存儲，將知識資源集中管理，方便在使用的過程中隨時調用。知識資產庫模型需要根據(jù)各船舶科研院所產品技術特點，提供柔性化、可配置的體系建設，支持可擴展的類型劃分模式、可定制的數(shù)據(jù)標準構建模式，使知識的收集體系化、存儲標準化、搜索結構化。知識資產庫模型建設如圖2所示：

（1）知識類型維度。從知識類型維度而言，需要支持可配置化的分類體系，支撐業(yè)務的擴展要求。一般可將知識按照經營管理知識、項目成果、外部知識和經驗案例進行一級分類[15]。經營管理知識指沉淀日常業(yè)務、流程運轉產生的知識，包括企業(yè)戰(zhàn)略管理、企業(yè)文化、生產管理、供應管理、營銷管理、財務審計、人力行政等;項目成果指沉淀專項工作及咨詢項目過程中的知識，可以先梳理出不同的項目，然后按項目階段劃分為項目前期交流調研、項目立項、商務階段、項目啟動、項目過程與監(jiān)督、項目結項和項目后評價等;外部知識指為職能工作及項目工作提供支撐的知識，如技術動態(tài)、市場發(fā)展等;經驗案例指由管理和項目工作過程中提煉而得的知識，如某一項目故障案例、經驗禁忌等。

（2）知識屬性設計。知識屬性設計是梳理并沉淀組織知識的重要環(huán)節(jié)，主要用于規(guī)范知識的存儲，便于對組織知識進行查閱[16-18]。在知識屬性設計過程中，需要遵循知識結構的管控原則、具體設計的一般性原則。以知識元數(shù)據(jù)為例，定義的元數(shù)據(jù)規(guī)范和附件數(shù)據(jù)規(guī)范如表1和表2所示：

同時，為便于用戶快速定位知識信息和對知識進行高效的管理，知識的名稱需要規(guī)范、科學的命名方式，知識命名過程中主要遵循統(tǒng)一性原則、穩(wěn)定性原則和適用性原則。

以元知識名稱要素為例，主要包括知識來源、知識內容概述、日期、版本、密級等主要內容，例如“知識管理辦法V1.0_信息管理部_非密_20180201”，具體內容元素要求如表3所示：

（3）知識權限設計。知識文檔有顯示、創(chuàng)建、編輯、查看、下載等操作環(huán)節(jié)，對應操作主要受職級權限和范圍權限兩大權限類型約束，受限于員工是否達到知識要求的職級、所屬的部門是否符合知識要求的使用范圍[19]。在創(chuàng)建知識時，創(chuàng)建者根據(jù)共享與保密要求而設置知識權限。知識權限的控制程度可細化至具體組織、具體崗位、具體職級。除此之外，當員工因工作需要而需獲取知識的使用權限時，可執(zhí)行知識授權流程。在具體的權限劃分以及設置方面，可遵循表4。

3.2? 知識管理平臺模型建設

船舶科研院所知識管理平臺功能從結構上分為5個層次：數(shù)據(jù)層、后臺管理層、通用服務層、功能應用層、顯示層。功能結構如圖3所示。

從應用層面上，知識管理功能模型可分為顯性知識資產化、隱性知識顯性化和知識資產場景化3個模塊。顯性知識資產化通過對知識實現(xiàn)集中統(tǒng)一管理，將顯性知識進行結構化、網(wǎng)狀化管理，在此基礎上組織形成各類型專題知識庫[20]。同時引入“層次化”的管理理念，如參考檔案管理的模型和思路，將各種知識分門別類進行層次化的目錄管理，以及使用關鍵字或全文索引，方便員工檢索和查閱文檔。另外，需要實現(xiàn)對文檔處理周期的管理，包括知識的撰寫、審閱、發(fā)布、存檔等各個環(huán)節(jié)。對知識進行版本控制，保證員工訪問的都是最新和有效的知識。

隱性知識顯性化主要通過知識社區(qū)、知識百科、個人空間、知識問答等多種方式，同時配合知識積分和相應的政策激勵，最大程度激發(fā)員工參與知識共享的積極性。員工可以通過相應的功能模塊發(fā)起問題，系統(tǒng)應該能夠根據(jù)員工發(fā)起的問題類型和內容，在平臺數(shù)據(jù)中進行挖掘和分析，推送相應的知識。同時，其他員工也可對問題進行解答，實現(xiàn)知識內容的積淀。

知識場景化主要通過將知識管理平臺與相應的業(yè)務過程進行結合，利用知識地圖和其他業(yè)務系統(tǒng)集成的方式，將知識內容在特定的場景下，精準地推送給員工[21]。例如，員工在設計過程中可以快速檢索到所需的參考設計經驗和設計案例等，甚至平臺可以主動地向員工推送可能需要的知識，實現(xiàn)知識利用和日常業(yè)務工作的緊密結合，提高知識復用的效率和頻率。

3.3? 知識運營體系模型建設

知識運營體系建設是知識流動的加速器，可以提升知識從產生到應用整個循環(huán)的速度和質量，是知識工程體系不可分割的一部分[22-23]。知識運營體系的建設主要包括內容運營、活動運營和數(shù)據(jù)運營3個方面的內容，可根據(jù)單位的具體情況分階段進行推進。知識的運營可通過內外部的線上、線下活動予以落實，如表5所示：

4? 應用實踐效果分析

知識應用實踐效果具有復雜性、多樣性和抽象性的特點，與企業(yè)規(guī)模、文化、制度等多方面因素具有一定的關聯(lián)性，因而很難運用統(tǒng)一的模型進行效果評價。例如，某船舶科研單位中型號A的設計實驗案例在不同的場景中會體現(xiàn)出不同的結果，難以統(tǒng)一評價該設計方案的有效性。因此，在實踐性效果分析時針對某一型號領域知識工程體系實施后的效果進行分析和評價。主要從實施后的經濟效益，以及代表知識系統(tǒng)推薦質量的命中率HR（Hits Ratio）和歸一化折損累計增益（Normalized Discounted Cumulative Gain，NDCG） [24]指標進行效果分析評價。

某船舶科研單位經濟效益分析見表6，主要從效率提升、人力和資源成本節(jié)約、研發(fā)成本和知識產權數(shù)量上進行統(tǒng)計。

代表知識系統(tǒng)推薦質量的命中率HR主要通過對比系統(tǒng)向用戶推薦的知識列表與用戶真實訪問需求的知識來評價推薦質量，強調推薦的準確性。HR的計算公式如下所示：

式中，N代表用戶的總數(shù);hits（i）代表第i個用戶訪問的值是否在推薦列表中，是則為1，否則為0。

歸一化折損累計增益NDCG強調用戶關心的項目是否在容易查找的位置，強調順序性。NDCG的計算公式如下所示：

在公式（2）中，N代表用戶的總數(shù);pi代表第i個用戶的真實訪問值在推薦列表的位置，若推薦列表不存在該值，則pi→∞。

在實施效果評價時，選取10個用戶數(shù)量為樣本進行統(tǒng)計分析。同時，為便于對指標進行計算和描述，以數(shù)字1，2，3……代表用戶需求知識和系統(tǒng)推薦知識的標識，即數(shù)字1代表知識1。知識推薦統(tǒng)計分析實例如表7所示：

通過計算，HR最終值為0.9，NDCG值為0.609。通過統(tǒng)計分析，該知識系統(tǒng)知識命中率較高，達到90%，但推薦的順序性有較大的優(yōu)化空間，下一步也將從算法和系統(tǒng)架構設計上進行優(yōu)化和提升。

4? 結語

本文立足于對船舶科研院所知識管理的現(xiàn)狀和需求進行分析，提出具有船舶科研院所管理模式特點及知識結構特征的知識工程體系模型，建立收集、共享、應用和創(chuàng)新的內外部知識雙循環(huán)的實踐環(huán)境。同時，提出了知識管理活動、知識工程體系模型的具體建設思路，為船舶科研院所知識管理工作的開展實施提供了理論基礎和實踐經驗。

參考文獻：

[1] 陳作， 趙心， 戴鈺杰. 船舶系統(tǒng)研制知識工程信息化平臺建設[J]. 科技導報， 2020， 38（21）： 75-82.

[2] 田鋒. 知識工程2.0[M]. 北京： 機械工業(yè)出版社， 2016： 5-18.

[3] SAINTER P， OLDHAM K， LARKIN A. Product knowledge management within knowledge-based engineering systems[C]// Proceedings of DETC00 ASME 2000 design engineering technical conference. New York： Baltimore， 2000：1-8.

[4] SZYKMAN S， RAM D S， CHRISTOPHE B. Design repositories： next-generation engineering design databases[J]. IEEE intelligent systems， 2000， 15（3）： 48-55.

[5] 孫朝陽， 王剛， 呂民， 等. 基于 PDM 的工藝知識庫管理方法研究[J]. 計算機集成制造系統(tǒng)， 2004（9）： 1090-1094.

[6] 安蓉， 陳作. 基于系統(tǒng)工程的軍工研發(fā)企業(yè)精益研發(fā)體系實踐[C]//第二屆中國系統(tǒng)科學大會. 北京： 上海系統(tǒng)科學研究院， 2018： 11-12.

[7] 鄭田田. 加強軍工科研院所科技成果管理工作的研究[J]. 科技經濟市場， 2020（5）： 131-133.

[8] MCKIBBON K A， LOKKER C， KEEPANASSERIL A， et al. WhatisKT wiki： a case study of a platform for knowledge translation terms and definitions.descriptive analysis[J]. Implementation science， 2013， 8（1）： 15-17.

[9] GEBERT H， GEIB M， KOLBE L， et al. Knowledge-enabled customer relationship management： integrating customer relationship management and knowledge management concepts [J]. Journal of knowledge management， 2003 ， 6（5）： 23-26.

[10] 李格. 基于軍工科研院所項目知識萃取的流程方法研究. 項目管理技術[J]. 2019， 10（1）： 92-96.

[11] 賈倩， 王彥靜， 楊玉堃.基于本體的統(tǒng)一知識模型表達及應用[J].情報理論與實踐， 2017， 40（9）： 125-128， 89.

[12] LIAO S H. Knowledge management technologies and applications—literature review from 1995 to 2002[J]. Expert systems with applications， 2003， 3（2）： 15-19.

[13] ZHUGE H. A knowledge flow model for peer-to-peer team knowledge sharing and management[J]. Expert systems with applications， 2002（1）： 5-8.

[14] 朱紅， 賈倩， 楊玉堃， 等. 面向型號的關鍵知識萃取及表達方法研究[J]. 航天工業(yè)管理， 2017（4）： 45-49.

[15] ZHUGE H. Knowledge flow management for distributed team software development[J]. Knowledge-based systems， 2002 ， 7（8）： 13-17.

[16] GU X J， QI G N， YANG Z X， et al. Research of the optimization methods for mass customization（MC）[J].Journal of materials processing technology， 2002， 2（1）： 7-10.

[17] FUJITA K. Product variety optimization under modular architecture[J]. Computer-aided design， 2002， 8（12）： 23-28.

[18] 孫桂才， 李江， 王鏡瑞， 等.當前科研院所軍工管理工作的探索[J].船舶工程， 2017， 39（S1）： 282-285.

[19] SVENSSON C， BARFOD A. Limits and opportunities in mass customization for “build to order” SMEs[J] . Computers in industry， 2002， 4（1）： 17-21.

[20] 陸佳穎， 方靜.基于知識管理的工程船舶設計進度管理優(yōu)化[J].船舶工程， 2018， 40（4）： 95-99.

[21] LI C L， ZHAO R Y. A rough set based knowledge discovery model and its application in virtual assembly. 2011， 6（5）： 2132-2139.

[22] 管官， 林焰， 紀卓尚.基于知識的船體結構快速設計及優(yōu)化[J]. 船舶力學， 2017， 21（4）： 472-483.

[23] 張藝萌， 張艷， 平林娜. 航天復合材料知識管理系統(tǒng)應用實踐[J]. 航天工業(yè)管理， 2019， 4（1）： 79-81.

[24] KISWANTO D， NURJANAH D， RISMALA R. Fairness aware regularization on a learning-to-rank recommender system for controlling popularity bias in e-commerce domain[C]//2018 International conference on information technology systems and innovation （ICITSI）. Piscataway： Intelligent Transport Systems and Infrastructures， 2018：56-58.

作者貢獻說明：

孫海斌：負責整個系統(tǒng)框架的設計，文獻資料的收集，撰寫和修改論文;

張曉靜：負責提供文章思路、檢查文章內容邏輯;

劉? 習：負責文獻資料的收集和文字的審核校對。