《智能制造时代的研发智慧：知识工程2.0》一导读

研究发现，中国企业存在较为严重的“人才断层”现象。我国企业在用一批非常年轻的队伍进行越来越复杂系统的研制，其中潜藏着巨大的风险甚至威胁。人才断层已成为企业不得不解决的问题，而解决人才断层问题不能寄希望于返老还童丹和长生不老药。人才的核心价值是经验与知识。

研究发现，中国企业存在较为严重的“人才断层”现象。我国企业在用一批非常年轻的队伍进行越来越复杂系统的研制，其中潜藏着巨大的风险甚至威胁。人才断层已成为企业不得不解决的问题，而解决人才断层问题不能寄希望于返老还童丹和长生不老药。人才的核心价值是经验与知识。当我们把人才断层定义为知识和经验的断层时，发现灵丹妙药真的存在，那就是“知识工程”。企业强大之处往往不在于引进了多少先进技术，而在于真实积累了多少现有成果。通过知识工程手段，让新一代技术人员快速拥有老一代专家的做事方法和处事经验，可以在很大程度上解决这个问题。知识和经验的传承本来是一件自然的事情，但是中国企业的人才断层现状要求我们必须通过特殊手段来强制完成这一使命，这个特殊手段就是知识工程。
知识工程2.0体系认为，研发型企业是知识最密集的企业，是知识工程最重要的阵地。研发过程就是利用现有知识创造新知识的过程，凡是对研发工作有帮助的资源都是知识。我们不对知识和资源这两个概念进行严格区分，知识工程就是对研发资源的智慧化增值加工过程。即使知识和资源有区别，也是相对而言、互相转化的。
知识体系的建立是知识工程的核心工作。本书从企业实践出发，研究制造业企业的资源特征，形成对知识体系的独特分类模式，即实物、数据、信息、模式和技术，同时这五类知识也具有层次递进的特征。针对这五类知识，提出五种知识层级的提升方法，即增值加工，分别是数字化、标准化、结构化、范式化和模型化。在智能制造时代，大数据分析方法的出现为知识层级的提升开辟了一种新方法——智慧分析法，使得我们可以获得全息化的知识。因此，全息化是第六种知识加工方法。围绕知识的智慧化加工及其工程化应用，形成相应的技术、工具、流程、标准、规范、人才、组织以及这些要素的载体——知识工程平台，共同构成知识工程体系。
研发体系的三维模型中，知识是一个重要维度。依据本书所提出的知识工程分层模型，该维度由五个层次构成：1—有序级，2—共享级，3—自动级，4—智能级，5—智慧级。外加一个基本级，即0—显性级，形成“显序共自能慧”模型。普通企业研发知识工程层次通常在显性级、有序级和共享级层面。先进企业开始使用自动化和智能化知识。未来工业4.0时代，基于大数据的智慧级知识将普遍采用，那时我们将步入智慧研发时代。
在知识工程2.0提出之前，精益研发2.0日趋成熟。精益研发提出了面向中国制造2025的研发体系框架和蓝图。知识工程是该蓝图的实现途径，是精益研发体系的要素建设，其建设成果将形成企业精益研发的基础。因此，我们将本书定义为《精益研发2.0》的姊妹篇。阅读过《精益研发2.0》的读者会发现，本书与之是相互呼应的。有些章节内容相似，观点相同，但讨论视角不同。
基于知识工程2.0的思想，结合智能制造时代的新兴科技，本书提出一个知识泛在的智慧研发理想模型，并映射而成相对应的信息化理想模型——智慧研发平台。将这两个模型推荐给中国制造业企业，协助其规划和建设与智能制造时代相匹配的研发体系。中国军工行业正在进行智慧院所的体系设计，这两个模型也适用于智慧院所的规划和建设。
研发体系中知识积累和应用的层次决定了研发的智慧程度。知识层次越高，研发智慧程度越高，知识层级的提升意味着企业智慧程度的提升。基于知识工程的层次模型，本书提出智慧研发体系的进化路线——成熟度模型，即自发级、意识级、稳序级、协同级、智能级、智慧级。此进化模型表明了一个观点：智慧研发在路上。研发在制造业产业链中的特殊地位，以及研发信息化的先发优势，决定了智慧研发探索者将是智慧工业的引路人。
本书的副书名指出知识工程2.0是智能制造时代的研发智慧，书中的讨论对象和举例均以研发企业或研发过程为背景。但这只是因为研发过程是知识最密集、产出最丰富和应用最深入的过程，并不代表本书所提的方法不适用于非研发型企业。非研发型企业或非研发过程的知识工程方法是本书所提方法的子集，大部分方法进行适应性改造，即可适用于这些企业或过程。

推荐序
自序
前言
致谢
第1章 知识工程2.0的产生背景
一、知识工程对中国企业的重要性
二、国外知识工程发展日趋成熟
三、国内精益研发体系日渐成熟
四、知识工程1.0的成功实践
五、知识工程2.0的发展方向
第2章 知识工程2.0的蓝图与框架
一、企业知识的本质
二、知识资源增值是核心
三、知识工程体系蓝图
四、知识工程体系框架
五、知识工程体系成熟度
六、知识工程集成平台
第3章 隐性知识的显性化
一、知识螺旋与显性化
二、利用社区实现显性化
三、知识的显性化表达
四、知识体系的显性化
五、知识关系与知识地图
六、知识显性化以人为本
第4章 数据资源的标准化
一、仿真数据的标准化
二、试验数据的标准化
三、标准化数据管理框架
四、基于标准化数据的业务协同
五、基于数据标准化的科研“驾驶舱”
第5章 信息资源的结构化
一、信息资源结构化概述
二、利用自动摘要进行信息的结构化
三、利用分类进行信息的结构化
四、利用聚类进行信息的结构化
五、利用流程进行信息的结构化
六、信息知识的组合检索
第6章 模式资源的范式化
一、模式知识的主要形式
二、研发管控模式范式化
三、设计协同模式范式化
四、仿真集成模式范式化
五、质量管理模式范式化
六、精益项目模式范式化
第7章 技术资源的模型化
一、基于模型的产品技术平台
二、基于模型的系统工程
三、基于模型的快速论证
四、基于仿真模型的虚拟试验
五、基于模型的定义
六、基于模型的企业
第8章 知识资源的全息化
一、大数据的通用定义
二、工业大数据的特点
三、工业大数据的分类
四、工业大数据的常规应用
五、工业大数据的知识应用
六、工业大数据分析技术
第9章 知识工程2.0的规划与建设
一、知识工程规划步骤
二、知识工程蓝图设计
三、知识工程路线规划
四、知识工程体系建设方法论
五、知识工程建设成果
六、知识工程2.0的特点与价值
第10章 知识泛在的智慧研发体系
一、智慧研发时代背景
二、智慧研发需求背景
三、智慧研发三维架构
四、研发体系理想模型
五、智慧研发模型及平台
六、智慧研发体系模型
七、智慧研发成熟度模型
八、开放式智慧研发模式
九、智慧研发路线规划
十、智慧研发中的知识泛在
后记 众筹研讨会问答摘要
附录
缩略词
参考文献

人工智能加持 安检行业迈进智能化新时代 经过多年的发展，特别是随着各种国际活动在中国的召开，国内基础设施的建设和轨道交通的快速发展，中国对安检设备的应用需求不断增加，其销售增长率远远高于国际平均水平。
智能制造的全流程产线与阿里云数智大脑支撑工业互联网的人才培养（一） 当今世界，新一轮科技革命和产业变革蓬勃兴起，工业互联网作为制造业与互联网深度融合的产物，已经成为新工业革命的关键支撑和智能制造的重要基石。本文主要探讨智能制造技术与阿里云数智平台整合为工业互联网领域提供人才培养的解决方案。
智能制造的全流程产线与阿里云数智大脑支撑工业互联网人才培养的思考（二） 当今世界，新一轮科技革命和产业变革蓬勃兴起，工业互联网作为制造业与互联网深度融合的产物，已经成为新工业革命的关键支撑和智能制造的重要基石。本文主要探讨智能制造技术与阿里云数智平台整合为工业互联网领域提供人才培养的解决方案。
一种应用于工业4.0新制造的室内定位解决方案 本文介绍基于UWB技术和AliOS-Things uLocation组件工厂室内定位系统。该系统打通了定位、数据汇聚和基于定位的应用云端部署等一系列过程，为数字化工厂进一步感知设备定位数据提供解决方案。