下载掌阅APP，畅读海量书库
立即打开
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。解决人才断层问题不能寄希望于返老还童灵丹和长生不老药。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”。企业的强大之处，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人才断层的问题。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。
知识工程体系认为，技术研发和产品研制企业是知识最密集的企业，是知识工程最重要的阵地。研制过程就是利用现有知识创造新知识的过程，凡是对研制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作严格区分，知识工程就是对研制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：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。针对这递进的五类知识，提出五种知识层级提升方法，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。
研制体系的三维模型中，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5个层次构成：1——有序级、2——共享级、3——自动级、4——智能级和5—智慧级，外加一个基本级0—显性级，形成“显序共自能慧”模型。普通企业研制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制时代。
基于知识工程，结合智能制造时代的新兴科技，本书提出了一个知识泛在的智慧研制理想模型，并映射而成相对应的信息化理想模型——智慧研制平台。将这两个模型推荐给中国制造业企业，协助其规划建设与智能制造时代相匹配的研制体系。在中国军工行业，正在进行智慧院所的体系设计，这两个模型也适合于进行智慧院所的规划和建设。
研制体系中知识积累和应用的层次决定了研制的智慧程度。知识层次越高，研制智慧程度越高。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，本书提出智慧研制体系的进化路线（成熟度模型）：自发级、意识级、稳序级、协同级、智能级、智慧级。
本书的讨论对象和举例多以研发企业或研发过程为背景，这是因为研发过程是知识密集度最高、知识产出最丰富、知识应用最深入的过程，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。
作者
2019年3月