面向并行工程的知识管理研究

熊光楞 王昕

  摘要：知识经济和大规模定制等概念的提出，使得企业把知识财富作为获得竞争优势的战略要素来看待。企业知识管理由此受到学术界和企业界的共同关注。知识管理方法和工具集同并行工程现有方法和工具集的结合，产生了一个新的研究和应用领域。作者在跟踪国外研究和并行工程实践经验的基础上，对这一新兴领域的基本内容、实施方法和关键技术作了初步的讨论，以期引起国内学术界和企业界对该领域的关注，促进我国企业形成自己的核心竞争能力。

关键词：并行工程，知识管理

Research of Knowledge Management for Concurrent Engineering

XiongGuangLeng WangXin

Abstract

In the era of knowledge-based economy and mass-customization, knowledge assets have been treated as stratagic factors to gain competency advantages by enterprises. Thus corporate knowledge management has attracted more and more attentions by both academy and industry. Combination of the methods and tools of knowledge management and that of Concurrent Engineering gives rise to a new research and application area. This paper discusses the fundamental topics, implementation methodology and critical techniques of this new area so as to gain attentions of domestic academy and industry. It is believed that the research and application of knowledge management for Concurrent Engineering will facilitate the formation of core competence of domestic enterprises.

 Keywords: Concurrent Engineering, Knowledge Management

1 引言：并行工程和知识管理

知识经济（knowledge-based economy）和大规模定制（mass-customization）等概念的提出，使得企业把知识财富（knowledge assets）作为获得竞争优势的战略要素来看待。企业知识管理（corporate knowledge management）由此受到学术界和企业界的共同关注。对于什么是知识以及什么是知识管理，目前还没有一个公认的定义。知识管理论坛（http://www.km-forum.org）中列举了11种对于知识管理的理解和定义。对于这些定义进行分析，我们可以归纳出知识管理定义的以下要素：

企业知识管理包含管理和技术两个方面的因素。知识管理是为企业的经营目标服务的，因此，对于企业经营活动的分析和管理是进行知识管理的基础；而知识工程以及其它信息技术只是实现知识管理的手段。

企业知识管理是面向企业特定问题的决策的。知识和信息的主要区别在于知识可以用来解释和预测，因此知识管理的主要目的是辅助决策。这也决定了知识管理系统应该以相对完整的领域知识模型为基础，具有一定的知识抽象层次。

企业知识管理关心知识识别、获取、开发、传播、使用、保存和更新的全过程。按照玻普尔的证伪理论，任何知识和理论都有其存在的生命周期，知识管理的目的就在于在知识的有效生命周期内，充分发挥其效能，从而为企业获得竞争优势。

从技术的角度来看，知识管理强调分布环境下的应用，强调非结构化信息、半结构化信息到结构化信息的过渡，因此除了传统的知识表达和推理技术外，还包括Agent、群件、WWW、数据挖掘、本体工程等新技术。

并行工程是企业为了尽可能的缩短产品上市时间（time-to-market），同时兼顾质量、成本等因素而采取的设计哲理。并行工程通过多学科团队、过程分析和改进、产品数据管理、协同工作环境、自动化的设计支持工具CAX/DFX及其信息集成等方法和工具集，来促进多学科、跨部门的信息共享和协作，使得在产品开发过程的早期，就尽可能的考虑下游的因素（可制造性、可维护性等），以减少工程更改，缩短开发周期，实现产品开发的一次成功和设计结果的优化。

我们研究面向并行工程的知识管理，是基于以下假设：如果设计师做出设计决策的早期就具有关于该设计决策的所有相关知识，那么就可以确保产品开发的一次成功和设计结果的优化。而在实际的产品开发过程中，由于产品设计本身的复杂性，单个的设计人员不可能具有与产品相关的所有知识。而他所需要的知识可能就存在于企业的某一知识源（专家、手册、软件系统、以前的设计等）中。因此，对知识进行识别、获取、保存、更新，并使它们能够被设计师方便的共享和使用，能够有效的提高设计决策的质量和效率。

除了与产品设计直接有关的知识以外，产品设计过程还涉及其它方面的知识，如组织管理、项目管理、技术管理、质量控制、成本管理、供应商选择、客户关系管理等方面的内容。一般说来，产品和产品设计知识体现了制造企业的核心能力，因此也是制造企业知识管理关注的焦点，而其它方面知识的管理，对于不同的企业来说，其侧重点不同。知识管理的实施必须以经营过程和关键决策点的分析为基础。

因此，面向并行工程的知识管理是为产品开发过程的早期决策活动（设计阶段，尤其是概念设计阶段）服务的。

2 并行工程环境下知识管理的内容

 我们可以把产品开发中的活动大致分为两类，一类是产品设计活动，如需求分析、概念设计、方案设计、详细设计等；另一类是与产品设计相关的支持活动，如市场和竞争性分析、成本分析、质量控制、项目管理/团队管理、供应商/分包商管理，我们统称为过程管理活动。知识管理的目的是对这两大类活动进行支持。

产品设计活动主要涉及需求知识、领域知识、设计知识、工具知识、与产品设计有关的其它领域知识。过程管理活动的知识主要在于实践方法和经验。

需求知识：顾客需要什么，以及顾客为什么有这样的需要。

领域知识：如导弹设计需要导弹方面的领域知识，转向架设计需要货车方面的领域知识，汽车开关设计需要汽车方面的领域知识。领域知识本身可能涉及多个学科的知识。

设计知识：对于设计问题求解过程和求解方法方面的知识，如创新方法、配置设计、参数化设计等。

工具知识：对于软件工具如何使用的知识。

与产品设计有关的其它知识：如工艺、成本、维护、使用环境等方面的知识。

过程管理方面的知识：主要体现在工作程序和实践经验方面。

就目前研究的内容和方法来看，面向并行工程的知识管理有以下方面比较突出：

基于知识的系统构造：主要包括基于知识的需求管理系统[1]和基于知识的设计支持系统[2]。相关的概念还有KBE[3]（Knowledge Based Engineering）。

系统之间的知识/模型交换：主要强调在概念设计阶段多学科之间的不完全模型的交换，以进行协同的分析和仿真[4]。其中还包括STEP同基于知识的模型交换之间的关系的研究[5]。不同过程系统之间的模型交换（如项目管理系统和工作流管理系统之间的集成），也可以采取基于知识的形式[6]。

设计历史和组织记忆：通过捕获设计意图、设计原理和协同决策过程，支持设计重用和过程改进[7][8]。

从产品数据管理到产品知识管理：知识管理技术同PDM技术的结合[9]。

面向设计过程的知识供给：知识管理技术同工作流管理技术的结合[10]。

3 知识管理环境的体系结构

从逻辑上来看，知识管理环境的体系结构可以分为三层[10]：

对象层：包括各种具体的知识，它们分别以不同的形式存在，如约束、文档、数据库、过程实例等。

描述层：为对象层的知识提供描述的框架。企业本体描述了知识的背景，包括对组织、过程、活动等的表达；信息本体描述的知识的元模型，包括知识存在的形式、地点、可靠性等方面；领域本体描述了知识的内容，包括关键字、词组等于内容相关的方面，为知识的自动提取提供可能。

应用层：为工程人员提供面向活动的自动的知识支持机制。知识支持的任务由一个智能agent来完成，并集成在工作流管理系统的任务分配工具中。

图1 知识管理的三层结构[10]

从知识管理环境的实现方法来看，采取多Agent的范式。我们之所以采取多Agent的范式，主要基于以下两方面的考虑：

Agent技术是一种较好的基于知识的系统集成技术。Agent之间通过共同的通讯语言KQML[11]、共同的内容语言KIF[12]（或其它语言，如XML、EXPRESS）以及共同承诺的本体[13]，来实现它们之间的知识和能力共享，这方面的技术基本上已经是成熟的；

Agent技术强调协作的问题求解。在问题求解模型的指导下，通过Agent之间的交互，来协作完成任务。

关于基于Agent的知识管理环境的实现，在此不做详细论述。

4 知识管理的实施方法

知识管理的实施是一个非常复杂的过程，在这里我们在并行工程实施经验的基础上，参考相关文献，提出一个初步的知识管理实施过程，该过程有待实践的检验和进一步的研究完善。我们认为知识管理的实施要包含以下五个步骤：

产品设计过程分析：对现有的产品设计过程进行分析，确定对产品的开发周期、成本、质量影响比较大，且知识需求比较迫切的活动，并对该活动的知识获取、使用、保存的需求进行分析，明确知识管理实施的目标；

知识分析：对企业现有的知识和知识源进行分类和整理，对知识存在的形式、结构化程度、获取途径、使用效率等方面进行分析和评价，明确企业现有的知识基础；

知识管理过程设计：根据知识需求和企业知识管理现状，设计一个将要实施的知识管理过程，该过程包含了知识识别、获取、开发、传播、使用、保存和更新的所有环节，对于每个环节都制定具体的管理规范，结合公司的经营目标，可以制定中长期的计划；

知识管理技术应用：知识管理技术的应用分为具体的项目进行实施，包括建立基于Agent的知识管理环境、本体库的创建或客户化、基于知识的系统构造和集成、知识捕获和数据挖掘技术的应用等方面。除了系统开发以外，员工的培训和系统的试运行也是必不可少的环节。

知识管理系统评价和改进：根据预先设定的目标，建立一个评价体系，对实施后的知识管理过程和知识技术系统进行评价，以实现持续的改进。

图2 知识管理实施的5个步骤

5 知识管理的关键技术

知识管理的核心技术（简称知识技术）包括以下四个方面：

基于知识的系统（KBS: Knowledge-Based System）构造技术：KBS构造的核心思想是知识表达和知识推理分离。常见的知识表达方式有规则、实例、约束等（一般以面向对象的方式进行组织，框架和谓词是表达的基础），对于不同的知识表达都有相应的推理机。一些人工智能程序开发工具（如LISP和Prolog）提供推理机，使得开发人员能够把精力集中在知识表达方面。针对设计问题的表达和推理，如基于实例的设计[14]和功能推理[15]等，已经形成了专门的分支。

本体工程：本体工程的基本目的是为了实现知识的共享和重用。框架和谓词只提供了知识表达的方法，而具体领域的知识表达所需的概念（词汇）和概念之间的约束关系是知识获取的瓶颈。本体工程的实现途径是通过一种中性语言（KIF），对特定领域的知识结构进行表达，再通过一组翻译器，实现中性语言到其它知识表达系统之间的知识映射。这样，不同的KBS只需要开发针对该中性语言的接口（翻译器），就可以实现彼此之间知识模型的共享和重用。目前，Stanford大学的Ontolingua[16][17]已经成为事实的本体工程标准和工具。英国爱丁堡大学[18]和加拿大多伦多大学[19]的企业本体为企业知识模型提供了基础。

 多Agent系统：多Agent系统在并行工程中主要作为一种系统封装和集成的技术。这种方法的主要优点是统一了系统之间的交互模式，尤其适合于知识和模型交换。Java Agent模板、KQML的API（http://java.stanford.edu）等都已经是可以应用的技术。

数据挖掘和知识发现：这方面的技术主要应用于对于现有文档和数据库的知识发掘。对于这方面的技术在制造企业的应用，还有待于进一步研究。

除了以上四个方面以外，还必须考虑知识技术与企业现有技术系统之间的集成问题。比较典型的问题包括：知识技术与Web的关系；知识技术与协同工作环境的关系；知识技术与STEP的关系；知识技术与MIS/ERP/PDM之间的关系；知识技术与单点工具之间的关系等等。限于篇幅，在此不做一一讨论。

6 结论

知识管理方法和工具集同并行工程现有方法和工具集的结合，产生了一个新的研究和应用领域。作者在跟踪国外研究和并行工程实践经验的基础上，对这一新兴领域的基本内容、实施方法和关键技术作了初步的讨论，以期引起国内学术界和企业对该领域的关注，促进我国企业形成自己的核心竞争能力。

参考文献
[1]    V. Dignum, and K. Heimannsfeld, “Knowledge management for requirements engineering”, http://www.cpsc.ucalgary.ca/KAW99/papers/Dignum1/index.html, 1999.

[2]    Ming Xi Tang, “A knowledge-based architecture for intelligent design support”, The Knowledge Engineering Review, Vol. 12:4, 387-406, 1997.

[3]    C.B Chapman , M. Pinfold, “Design engineering—a need to rethink the solution using knowledge based engineering”, Knowledge-Based Systems Vol 12: 257–267, 1999.

[4]    M. Ozawa, Y. Iwasaki, and M. R. Cutkosky, “Multi disciplinary early performance evaluation via description of mechanisms: DVD pick up head example”, Proceedings of DETC'98, 1998, ASME Design Engineering Technical Conferences, September 13-16, 1998, Atlanta, Georgia.

[5]    Guarino N., Borgo, S., and Masolo C., “Logical Modelling of Product Knowledge: Towards a Logical Semantics for STEP”. Product Data Technology Days 97, Sophia Antipolis, France, 1997.

[6]    J. Lee, G. Yost, and PIF Working Group. “The PIF process interchange format and framework”. Technical Report 180, MIT Center for Coordination Science, 1995.

[7]    Gruber, T.R. and Russell, D.M., “Design knowledge and design rationale: a framework for representation, capture, and use”. Stanford Knowledge Systems Laboratory, Technical report KSL 90-45, 1990.

[8]    Ullman, D. G. and R. Paasch, "Issues Critical to the Development of Design History, Design Rationale and Design Intent Systems",: DTM94, Minneapolis, Sept 1994.

[9]    T. Bilgic, and D. Rock, “Product data management systems: state-of-the-art and the future”, In Proceedings of DETC’97, 1997.

[10]A. Abecker, A. Bernardi, K. Hinkelmann, O. Kuhn, and M. Sintek, “Toward a technology for organizational memories”, IEEE Intelligent Systems May/Jun, 40-48, 1998.

[11]T. Finin, D. McKay, and R. Fritzson, “An overview of KQML: a knowledge query and manipulation language”, Technical Report, Computer Science Department, University of Maryland, 1992.

[12]Genesereth, M. R., Fikes, R. E., “Knowledge Interchange Format, Version 3.0 Reference Manual”, Technical report Logic-92-1, Stanford University Logic Group, 1992.

[13]Uschold, M and Gruninger, M, “Ontologies: Principles, methods and applications”. The Knowledge Engineering Review 11 (2). 1996.

[14]Gero, J.S. “Design prototypes: A knowledge representation schema for design.” AI Magazine 11(4): 26-36. 1990.

[15]Iwasaki, Y. and B. Chandrasekaran, “Design Verification Through Function- and Behavior-Oriented Representation: Bridging the gap between function and behavior”, in Artificial Intelligence in Design'92, J.S. Gero, Editor. 1992, Kluwer Academic Publishers. p. 597-616.

[16]T.R. Gruber, “Ontolingua: a mechanism to support portable ontologies”, Knowledge Systems Laboratory, 1992.

[17]A. Farquhar, R. Fikes, & J. Rice. “The Ontolingua Server: A Tool for Collaborative Ontology Construction”. Knowledge Systems Laboratory, 1996.

[18]M. Uschold et al., “The enterprise ontology”, Knowledge Engineering Review, Vol. 13, No. 1, 1998.

[19]M.S. Fox, J. Chionglo, and F. Fadel, “A common-sense model of the enterprise”, Proc. Industrial Eng. Research Conf., Inst. For Industrial Engineers, Norcross, Ga., pp. 425-429, 1993.