《智能制造时代的研发智慧:知识工程2.0》一第2章 知识工程2.0的蓝图与框架-阿里云开发者社区

开发者社区> 华章出版社> 正文
登录阅读全文

《智能制造时代的研发智慧:知识工程2.0》一第2章 知识工程2.0的蓝图与框架

简介:

本节书摘来自华章出版社《智能制造时代的研发智慧:知识工程2.0》一书中的第2章,第2.1节,作者 田锋,更多章节内容可以访问云栖社区“华章计算机”公众号查看

第2章

知识工程2.0的蓝图与框架

一、企业知识的本质
谈及知识工程,我们首先要回答的一个问题是:什么是知识?在很多人的意识中,知识是一个既普通又神秘的概念。我们每天都在说“知识”这两个字,“知识”一词在各类历史文献和书籍中频繁使用,但真要给“知识”下定义,却无从落笔。
“知识”的学术定义其实有很多,在中国文化中就有二十多种含义。《知识管理国家标准》(GB/T 23703.1)也对知识做了定义:“知识是通过学习、实践或探索所获得的认识、判断或技能。”然而,当我们进行企业知识体系梳理及建设,用这些学术定义来应对“企业到底有哪些知识?”“哪些算知识?”等问题时,仍然难以作答。其实,学术上过于严谨的定义往往给工程实践戴上枷锁。学术上关于“知识”的定义如此之多,但实践中我们却很难按照这些定义开展知识工程工作。在工程应用中,我们需要的是一个具有“实践”意义的知识定义。要回答这一问题,我们需先回到企业经营的本质,以寻找知识的本质。
一家正常经营的企业一定有三条线并行:一是主营业务,二是业务管理,三是业务资源(知识)。如图2-1所示。
“主营业务”是企业生存的主线。对于研发型企业来说,主营业务就是产品和技术研发。当然可能还有生产型、试验型、论证规划型、咨询型等类型的企业,其主营业务各不相同。主营业务有一个过程,经过这个过程,企业把原材料变成满足客户需求的产品。因此,主营业务的目标是产品。当然此处所言“原材料”和“产品”是广义原材料(包括信息、数据、标准件等)和广义产品(包括技术、服务和报告等)。主营业务的本质是“满足客户需求”。


22b9de9a36d6872640a4bb3de7dcffc67584a8bb

图2-1 企业经营的三条主线
“业务管理”保障主营业务按照既定的时间、路线和质量达成既定的目标——产出满足客户需求的产品。例如,需求管理保障的是满足用户需求;流程管理保障的是按照既定路线达成目标;质量管理保障的是业务过程和交付物的品质;项目管理的核心是计划管理,保障的主要是时间与进度。没有管理,业务仍然可以进行,但会像踩着西瓜皮一般,走到哪里算哪里,这是企业主不愿意看到的。所以,管理虽然烦琐,业务一线的人员也多有诟病,但总是不可或缺。其实,管理并不复杂,其本质是让业务单位和业务人员“有诺必践,有行必果”“说话算话,说到做到”。有人把管理说成“管理就是管人”“管理就是管钱”“管理就是管资源”等,都是有失偏颇的。这些说法看似把管理简单化,但其实并没有找到管理的核心,反而使其复杂化了。
“业务资源(知识)”保障主营业务具有可行性和高效率。在主营业务开展过程中,当然可以白手起家,从零做起,试错前行。但业务人员一定会想方设法寻找参考物,让工作一次做对,至少可以提高效率。这些参考物在企业中被称为“资源”,究其本质,这些资源虽然是“参考物”,其实起着知识的作用,这种特征在科技型企业中尤为明显。一位企业领导说:“(企业的年轻工程师)有样子的活会干,没样子的活不会干。”这里所谓的“样子”,其实就是参考物。因此,在企业中知识的本质是“参考资源”。当然,这种资源不是朴素的资源,而是经过整理加工增值之后具有参考价值的资源。对于科技型企业来说,知识就是“增值的科技资源”,知识工程的一项重要过程就是科技资源的增值过程。
科技资源的定义是:科研活动所利用的一切有形物质和无形要素。按照广义分类可以分为科技人力资源、科技财力资源、科技物力资源、科技信息资源、科技组织资源五类。按狭义分类目前并没有统一的标准和划分方法。结合通用的科技资源划分法和中国企业的实际,我们将工业企业的科技资源归纳为约60个小类、9个大类,如表2-1所示。


65438db184663f06078ac3f46ffa33093fc30add

任何企业一经创建,总是会源源不断地建设和产生资源,这些资源的自然利用是企业应用知识的最初级形式。如果我们对资源进行改造加工,提升其显性化、共享化、智能化程度,则可使资源更接近业务,就更具有知识特征。因此,知识是被增值加工后的资源。知识与资源的关系是相对的,可以相互转化。对特定层次而言,高层次的对象是知识,低层次的对象就是资源。因此,知识工程建设和资源建设之间没有绝对界限,凡是在产品研发中有用的资源都应该纳入知识工程的建设范围。
**二、知识资源增值是核心
**依据载体形式和加工手段特征的不同,我们进一步将以上9类知识(资源)归纳为5类,并依据价值差异对其划分了层级,分别是:0—实物类,1—数据类,2—信息类,3—模式类,4—技术类。如表2-2所示。


9e759f36085a8792b6a8752c79edb0ca0d0a0d9f


17637758fc4a6520f37b4ce0a111ada08a6234be

不同资源类型采用不同技术加工手段,提升其知识特征,是知识工程2.0的核心价值所在。实物资源数字化后具备显性化特征;数据资源标准化后具备有序化特征;信息资源结构化后具备共享化特征;模式资源范式化后具备自动化特征;技术资源模型化后具备智能化特征;利用大数据分析技术进行知识的全息化后具备智慧化特征。下文详细说明。
第一,软、硬件资源和设备资源属于实物资源。在现代企业中,知识和资源从无到有的产生过程需要通过实物资源的使用来完成。同时利用这些资源可以将知识和资源数字化,只有数字化的知识和资源才可显性化,使企业具备进行现代知识工程的基础。但此时知识化特征仍然较弱,因此知识层级为0。人力资源(专家)是一类特殊的实物资源,是最有价值的隐性知识的拥有者,通过数字化社交平台可实现其知识的显性化。
第二,数据资源本身是数字化的,通过标准化技术,可以使其获得有序化特征,但仍然属于低层次的知识形态。企业的研发数据在各种业务过程和具体项目中产生,并且以不同形式、不同格式无秩序地保存。数据的非标准化特点,使数据的可读性和可访问性较差。这种“数据”无秩序状态的知识层级为0。经过标准化加工后形成各种独立的参考库,如历史项目库、历届型号库、外部产品库、行业材料库等,使得数据有序化。此时,知识层级为1,数据资源升级为数据类知识。
第三,信息资源是将数据类知识进行分析整理,形成具有特定结论的文档。此类资源可以通过结构化加工强化其共享特征。经过分类、聚类、摘要、标签、主题、语义分析等手段进行结构化加工后,信息类资源可形成各种分类知识库供参考查阅。具体来说,主要依托语义技术,通过本体库的构建,利用词汇处理技术对文档类知识进行标引,并应用统计分析等算法,最终实现文档类知识的自动分类和聚类等。对于更高形式的使用要求,可以采用语义分析技术,使知识工程系统具有自动摘要和自我学习能力。采用主题、标签、领域板块、部门专业等形式组织知识,让知识通过不同的维度聚集在一起,彼此产生关联关系;利用流程进行知识关联是一种特殊的知识结构化的方法,知识与研发流程的关联可实现知识的准确推送。经过这些处理,知识层级上升为2,信息类资源升级为信息类知识。
第四,针对模式资源,面向研发应用,将研发流程、标准规范、多学科设计与仿真集成、单学科设计与仿真操作等过程归一化和标准化,使其成为具有共性和普适意义的过程,我们将这种过程称为范式化。范式化之后,模式资源就可以利用软件工具进行封装,形成即插即用、自动运行而不需要人工干预的知识。经过以上范式化手段,模式资源成为一种工具化知识,这种工具具有自动化特征,知识层级为3,模式类资源升级为模式类知识。
第五,针对技术资源,把企业已创造的技术成果进行标准化、统一化而形成产品模型或技术模型。所谓模型,就是可以根据外界输入参数进行自推理、自判断和自调整的技术单元。复杂的技术和产品可以认为是这些单元模型有序组合的产物。在未来的产品设计或技术研究中,通过对参数进行适当调整即可形成新的产品设计或技术成果。通过信息化手段形成产品技术平台,在产品设计的时候直接选择和调用其中的模块,甚至产品设计可直接在此平台上进行。经过以上模型化手段,使技术类资源形成另一种工具化知识,这种工具具有智能化特征,知识层级为4,技术类资源升级为技术类知识。
第六,在未来,技术手段提升后,特别是加入大数据全息化技术,可通过智慧化手段采集保存在科研活动和管理过程中的大量数据,将隐藏在以上各类显性知识中的隐性知识充分挖掘出来。利用大数据分析技术找到数据之间的相关性,往往能够突破基于预设模式的小样本数据分析的结论,得到预料之外的颠覆性成果。根据工作场景自动分析工作需要,从现有知识体系中自动组合当前工作需要的知识,推送或嵌入到业务系统中,使之具有自判断与自决策的特征。那时候智能化(4级)和智慧化(5级)知识将无处不在,研发体系的智慧化水平将明显提升。
图2-2给出了知识资源的增值框架。针对不同的知识类别和特征,可采用不同的采集、聚集和加工手段,实现知识增值。
图2-2中,知识采集是科技资源增值框架的基础层。知识的初级形态是科技资源,对企业科技资源进行梳理和分析可以获得知识对象的状况。


c586a22e8cc0517696b04b480dc478331a96c4a7

图2-2 知识资源的增值框架
知识聚集的作用是将来自实物档案、个人电脑和信息系统等不同来源的知识对象,通过各种手段进行有效收集。针对知识的不同形态,设计相应的知识模板(知识模型)和知识库,将模板和知识载体关联入库,最终形成各种类型的知识库。
知识加工的作用是对进入知识库中不同类型的知识,对应采用前文所述的数字化、标准化、结构化、范式化、模型化及全息化等技术进行加工处理,提升知识层级,实现知识增值,提高智慧程度。
三、知识工程体系蓝图
如图2-3所示的知识工程运转之轮展示了知识工程体系的运转逻辑。
1)知识是知识工程运转之轮的核心。在知识运转过程中,隐性知识和显性知识相互转化。
2)知识增值是知识工程体系的灵魂,是知识效益化和企业智慧化的关键。
3)知识的“采、聚、管、用”是知识工程体系的行为模式,是知识体系在企业中的运动形式。
4)知识战略是企业战略的知识化映射,是企业战略分解过程中由知识工程体系所承接的部分,也是知识工程支撑企业战略的方案。
5)知识体系是企业知识的体魄,无论知识以何种形式在企业发挥作用,知识体系是根本。


d65f3942688a83f968aa6262d28552b1114db2cd

图2-3 知识工程运转之轮
6)知识运行体系是知识工程的神经网络,通过卓越的组织和完善的流程、标准、规范,保障知识工程体系得以良好地运转。
7)知识工程平台是知识体系的载体,也是知识工程体系运转的信息化支撑。知识工程的各要素融入这个平台,才能按照预定的模式和效率运转起来。
之所以用“运转之轮”来表达知识工程体系,是为了传达知识生生不息的特性。例如,隐性知识与显性知识之间相互转化是知识运转的常态,现有知识应用过程就是新知识的产生过程等,这都是知识生生不息的体现。
基于知识工程运转之轮,我们设计了知识工程体系蓝图(如图2-4所示)。该蓝图中各要素与知识工程运转之轮各要素一一对应。如果说知识工程运转之轮是知识工程体系的文化、艺术或者哲学形式的业务化表达,知识工程体系蓝图则是其科技形式的信息化表达。
四、知识工程体系框架
知识工程体系是典型的社会技术学体系。因此,我们采用社会技术学模型设计知识工程体系模型,如图2-5所示。
1)知识工程体系建设以“知识提升企业智慧”为战略,从人才、组织、流程、标准、规范、技术、工具与方法等方面综合考虑,制定长期规划和建设方案。


5c2c6b8c769926a969e48cdad160ff957ae23f7a

图2-4 知识工程体系蓝图


6836335bf6d1bdc2f7d53b5b1f3f6c8a394c1e27

图2-5 基于社会技术学模型的知识工程体系模型
2)在技术方面,重点是知识工程加工技术、搜索引擎技术、分类聚类算法等。
3)在流程方面,重点是知识伴随、采集、聚集、加工、应用等相关的流程、规范和标准等。
4)在人才与组织方面,重点是知识工程的团队组织、任职资格体系、考核激励和人员培养等。
5)在平台方面,利用知识工程框架和企业的各类知识加工和应用系统,搭建集成信息化平台,承载整个知识工程体系。
本体系将知识工程相关的战略、组织(人)、技术、流程和信息化平台有机联系在一起,实现知识工程体系建设后知识在企业内的有效流动与运营。
将社会技术学模型展开形成知识工程完整体系框架,如图2-6所示。知识工程体系包括以下几方面:企业知识体系、知识采集与聚集、知识资源增值、知识工程标准与规范、知识工程组织、知识工程技术及知识工程平台。


2354c3fe6e6f5bd5fe0e835a7ce27f2456e90875

图2-6 知识工程体系框架
1.企业知识体系
企业知识体系是根据企业知识战略蓝图,特别是研发战略规划,以及对知识资源现状的分析,形成企业知识的完整结构图,对企业未来较长时间内的知识资源建设给予指导。企业知识体系的建立也是知识显性化的一部分,将在第3章详细讨论。
2.知识采集与聚集
知识的采集与聚集是将企业内外的知识对象通过各种手段获取(采集)到企业内部并分类管理(聚集)的过程,这些资源包括来自实物档案、专家、个人电脑和信息系统等不同来源的知识对象。根据知识形态设计知识模板(知识模型)和知识库,将模板和知识载体关联入库,最终形成各种类型和模式的知识库。这些知识库包括实物库、数据库、信息库、模式库、技术库等。
3.知识资源增值
知识资源增值是知识工程2.0的核心,用于提升知识资源的显性化、共享化、工具化和智慧化程度。知识资源增值的程度决定了知识接近业务的程度、促进创新的程度以及研发体系的智慧化程度。详细信息参见第4~8章。
4.知识工程标准与规范
知识工程标准与规范是知识工程能够成功建设、推广、应用的有效保障。通过知识工程运营流程、配套制度、激励机制的建设,可为知识全生命周期活动(包括知识的采集、聚集、加工、应用)提供完整的流程和制度保障。通过与知识应用及贡献度挂钩的绩效考核和激励措施,提高员工知识管理的参与性、知识贡献的积极性和主动性。知识工程标准与规范主要包括工作流程、制度、标准和规范建设等内容。工作流程主要是指知识工程体系运行流程;制度建设主要是指企业解决什么时间、做什么事、做正确事的问题;标准建设主要是指规定相关事项优劣评判的准则问题;规范建设主要是解决“怎么做”的问题。表2-3给出了某企业知识工程体系建设的标准和规范清单(范例)。

6bc9426eb4fb5edea1d2983bceb1e480a50b51a5


9a4fd4853f68057b6ea041a370b41d982e0f5ddf

5.知识工程组织
知识工程组织是在知识工程体系建设与运营过程中,为保障体系的有效运行而设立的组织机构,主要包括部门设置、职责设计、人员选择、任职资格、关键绩效指标(KPI)等方面的内容。
知识工程办公室是一个典型的知识工程组织(如图2-7所示),负责知识工程体系的总体规划、体系建设、技术管理、标准化体系建设、信息化平台建设等各方面工作的决策和执行。


5529e4d9b061500d41a27e381d700d36a03c61e3

图2-7 典型的知识工程组织——知识工程办公室
总体规划组:负责制定企业知识工程体系的总体规划。
体系建设组:负责企业知识工程体系的建设。
技术管理组:参与提出知识工程相关技术与软件平台应用需求。
标准化组:牵头负责企业知识工程标准化体系建设规划和实施。
信息平台组:负责知识工程平台的长期规划、实施、整合与系统管理。
实施项目组:知识工程项目实施的具体管理机构,与专家委员会协同工作。
专家委员会:对知识工程的技术状态进行评价、建议和审议。
6.知识工程技术
知识工程技术指在知识工程体系建设过程中需要采用的技术,如知识采集、搜索、分类、聚类、分析、推送等。技术的采纳和引进的主要目的是为知识工程体系及其子体系建设与运行选择合适的技术,这些技术包括知识工程工作开展所需要的技术和信息化平台建设所需要的技术。技术选择的工作路线包括技术调研、技术评估、分析决策、采纳定制等步骤。
7.知识工程平台
知识工程平台是整个知识工程体系的载体,是将以上所有知识工程相关要素进行管理和运作的信息化平台。知识工程平台包括知识采集接口、知识库系统、知识增值工具、知识管理系统和知识应用魔盒等,详细信息参见后文。
五、知识工程体系成熟度
知识工程体系的建立不能一蹴而就,需要先对企业进行成熟度评估,科学设立成熟度进化路线,长远规划,分步实施。为此,我们设计了知识工程成熟度模型及评估方法。
1.成熟度模型
我们用“知识工程成熟度”来衡量一个企业识别和显性化知识、增值和应用知识以及实现业务目标的能力。前文将知识资源分为五类,即实物、数据、信息、模式和技术。知识工程过程就是把各类资源逐步知识化的过程。我们建议按照表2-2给出的层级为顺序执行本过程,以降低工作的复杂性。这样,知识工程成熟度根据这些资源增值加工后的知识化特征定义为五个级别,分别为:1—有序级,2—共享级,3—自动级,4—智能级,5—智慧级。此外,我们增加“0—显性级”,这个级别并不是知识工程的正式级别,但又是企业知识工程的基础,所以用0级表示,如图2-8所示。知识工程成熟度每提升一级,就加入一类新知识,对其进行增值加工,而不是在每一层级对所有类别的知识进行加工。这种建设方法类似于CMMI成熟度方法中的“阶段式”,而非“连续式”。


0ed8e9ae98ab0920d768c73ca622479471b8c5b0

图2-8 知识工程成熟度模型
知识工程的成熟度级别越高,企业的智慧级别越高,驾驭知识、运用智慧的能力越强,企业的体系管理能力和业务预测能力也越强。表2-4给出了知识工程成熟度特征。
各级别的特征说明如下:
第0级:显性级。处于这个级别的企业特征是企业的实物资源具有初步的数字化形态,但资源零散和无序,缺乏共享,只在部门或者个人级别传递,没有知识管理和应用的意识。
第1级:有序级。处于这个级别的企业特征是企业具有一些数字化工具和个别较为孤立的信息化系统,积累了应用数据。企业意识到数据是企业资产,并对历史数据有意识地进行保存,大部分数据具有标准化特征,使得数据知识得以有序化管理,但未对数据进行提炼总结而形成规律性和整合性的信息。
第2级:共享级。处于这个级别的企业特征是在数据的保存和应用方面较为稳定和有序,具有利用数据形成各类规律性、有价值、整合性信息的能力。组织有比较规范的流程,流程中有比较完整的信息记录,这些信息主要以文档的形式存在,通过结构化的方式在企业中共享。企业具有较为体系化的信息化系统,部分系统之间的数据和信息可以相通。
表2-4 知识工程成熟度特征


07ca6aa54864080fdd296303845a4adf789b87d7

第3级:自动级。处于这个级别的企业特征是企业的各类规律性、有价值、整合性业务模式通过范式化手段定型。利用软件进行数字化建模,形成可以自动运行的知识,大部分情况不需要人工干预就能按照预定的规则和规律完成流程的运转和任务的操作。
第4级:智能级。处于这个级别的企业特征是多数专业技术和产品组件按照业务需求和产品逻辑正确嵌入设计过程,不需要专家值守现场给予判断和指挥就能准确无误地完成工作。
第5级:智慧级。处于这个级别的企业特征是能够采用相应的智慧分析技术,自动挖掘全产品、全流程和全组织的知识,在业务流程和工作情景中自动推送准确的知识,自动确定流程需要改进的位置和指标,并可以预测业务过程的未来效益和产品运行的未来状况。处于这个级别的企业能够与环境协调,随需而变,达到较为理想的状态。
至此,我们提出了知识层级的实践模型——“显序共自能慧”模型(如图2-9所示)。本模型是对经典的学术化的知识模型——DIKW模型进行的工程化改造。DIKW(Data-Information-Knowledge-Wisdom,数据–信息–知识–智慧)模型是知识管理界的一个常见模型,但我们认为此模型对于知识工程的实践指导性不强。本书提出知识增值加工为核心的方法与DIKW模型有相通之处,但较为工程化和实用化。
知识工程就是科技资源的知识化过程,是知识级别的提升过程,也是通过提升知识级别从而提升企业智慧级别的过程。目前,国内大部分企业的知识处理加工层级通常在第2级以下,即实物数字化、数据标准化和信息结构化层面,这些层面的知识具有显性化、有序化及共享化特征。也有小部分企业开始使用自动化和智能化知识,即采用范式化和模型化等技术,把模式资源和技术资源进行加工改造成可自动运行的知识。在未来工业4.0时代,基于大数据的智慧级知识将普遍采用,那时的研发将步入智慧研发时代,企业将拥有大量自推理和自决策的知识。知识工程建设就是为企业实现更高级别的跨越服务,从共享级迈向自动级、智能级甚至智慧级,成就企业知识的有效循环和可持续发展。
总结来说,知识工程的主要工作聚焦于四点:
1)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。

fdab09176a182957e67ab233daada60c95a01bfe

图2-9 “显序共自能慧”模型是对DIKW模型的工程化改造
2)提升知识的共享化程度。数据有序带来效率,信息共享带来创新。知识的封闭和闲置是科技型企业最大的浪费。
3)提升知识的工具化程度。知识加工也是知识的工具化过程。知识是人类进步的阶梯,工具则是知识的终极载体。将模式知识和技术知识经过加工形成工具,可以提升工作的自动化和智能化程度。
4)提升知识的智慧化程度。知识增值过程就是知识层级的提升过程。知识层级越高,知识的价值越大,企业的智慧程度就越高。
2.成熟度评估方法
在企业开展知识工程体系建设之初,对企业进行知识工程成熟度评估是知识工程体系建设与平台实施的关键。
依据社会技术学模型,成熟度的评测维度包括以下七项:人才与组织、流程与标准、技术与工具、采集与聚集、知识管理、软件与平台、知识应用。通过对企业进行知识工程成熟度各维度的评估,形成企业知识工程成熟度雷达图,以评定企业知识工程成熟度等级,如图2-10所示。


d3c2b677f8cb8655f3747a6439a718e830ea8c36

图2-10 知识工程成熟度评估实例
企业的有效能力由雷达图的最短半径决定,其余的能力称为无效能力或未来能力。因此,知识工程体系需要均衡建设,在同一个成熟度从各维度入手进行全面建设。从一个维度切入并探底不仅无效,也许还会有害。因此,知识工程的建设过程首先是均衡化过程,然后才是进化过程,所以应该优先选择雷达图的凹陷维度展开建设工作。通过补充完善和持续建设,雷达图会反映两个变化:一是走向正圆,表征体系走向均衡;二是半径扩大,表征体系成熟度逐步提升。
企业知识工程体系成熟度等级根据各维度平均得分进行评定,评级标准如表2-5所示。

7022fc74d5e7c26f6049b036a003b23f390148b1

六、知识工程集成平台
知识工程集成平台是知识工程体系的载体。通过建设知识工程集成平台(如图2-11所示),实现知识的采集、聚集、加工、管理及应用。知识工程集成平台包括知识采集接口、知识库系统、知识加工系统及知识应用系统。
知识采集接口(KnowleFetch)提供(集成)了5类知识的采集接口(工具),面对外部知识源系统(KnowleSource)的对应知识资源进行针对性采集。
知识库系统(KnowleBase)提供(集成)了5类知识的存储库,将采集的知识的原始数据进行保存。
知识加工系统或工具集(KnowleTools)通过提供(集成)多种知识加工工具,实现知识资源的增值。
知识应用系统包括知识管理(KnowleMan)、知识应用魔盒(KnowleBox)及知识嵌入接口(KnowleInsert)。
知识管理类似于常规的知识管理软件,将加工增值后的知识按照业务应用的方便性进行有序管理,供业务人员进行查找和搜索使用。
知识应用魔盒提供漂浮在用户工作桌面上的便利工具条。客户可以直接搜索知识,也可以随时与该工具条“对话”,诉说当前工作的特征。这种沟通越多,工具条越“聪明”,并将用户当前工作相关的知识按照某种合适的方式推送过来。
知识嵌入接口用于监控用户行为,这种行为可以是业务系统级的操作,也可以是操作系统级的操作。根据操作内容分析用户行为与业务需求,利用客户端推送合适的知识。


17f8cfc1228b8be8abc79e1128ec02504fc75377

图2-11 知识工程集成平台
该平台之所以称为“集成平台”,是因为平台中的工具和系统并非是一体的单套系统,而是提供了柔性的集成框架,其基于SOA(Service-Oriented Architecture,面向服务的架构)模式,按照知识工程2.0的思路,集成各类工具和系统。这些工具和系统也许是用户已经拥有的业务系统或知识系统,也许是正在或以后采用的工具和系统。只要这些工具和系统对知识工程工作有贡献,都将集成到知识工程集成平台中。
知识工程集成平台为知识工程完整体系提供支撑,是社会技术学模型各要素最终的落脚点,是知识工程体系建设成果的承载环境。平台的建设规划采用TOGAF(The Open Group Architecture Framework)方法论,建设内容包括应用架构、数据架构、技术架构、平台集成等。
知识工程集成平台的应用模式有以下四种。
第一种是基于传统知识管理系统的应用方式,即业务人员通过知识分类聚类、标签主题、查询、导航、收藏、订阅等方式获取需要的知识。
第二种是基于流程的知识推送方式,即在业务人员打开工作包的时候,伴随知识将自动推送到设计人员面前。
第三种是通过知识应用客户端(知识魔盒)使用知识的方式。用户与客户端“对话”越多,越可能获得与业务工作更紧密的知识,如图2-12所示。


37eaa3d1188045789f961725770692691a74b232

图2-12 知识魔盒应用示例(知识智能推送)
第四种是嵌入业务系统的主动方式,即通过知识推送的方式将知识在研发人员需要的时候推送到设计环境中,或者直接嵌入到这些应用环境中,在知识运行的时候可以与应用软件互动,如图2-13所示。


ef403a607f987714cdc4b04c63dc1088b15f415f

图2-13 知识工程集成平台应用示例(应用嵌入式的智能推送)


f57562dd16efbc89f86306f2492d27e069498c04

图2-13 (续)

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

分享: