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个大类，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。

不同资源类型采用不同技术加工手段，提升其知识特征，是知识工程的核心价值所在。实物类资源数字化后具有显性化特征；数据类资源标准化后具有有序化特征；信息类资源结构化后具有共享化特征；模式类资源范式化后具有自动化特征；技术类资源模型化后具有智能化特征；利用大数据分析技术进行知识的全息化之后具有智慧特征。

第一，软硬件资源和设备资源属于实物类资源。在现代企业，知识和资源从无到有的产生过程需要通过这些实物类资源的使用来完成。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，数据类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。企业的研制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。数据的不标准化特点，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，数据类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，知识与研制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，针对模式类资源，面向研制应用，将研制流程、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，模式类资源成为一种工具化的知识，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，针对技术类资源，把企业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，在产品设计时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，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，研制体系的智慧化水平将提升明显。

图2-2给出了知识资源增值框架。针对不同的知识类别和特征，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，对企业科技资源的梳理和分析可以获得知识对象的状况。

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，对进入到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，提升智慧程度。 50Wg8L/ZQ9K/8OfU/GxU2kxnFx8zMDnvGMeQjr4LCpx5tvIo/hXz/aski08/Ahum