Preface｜前言

研究發現，中國企業存在較為嚴重的“人才斷層”現象。我國企業在用一批非常年輕的隊伍進行越來越復雜系統的研制，其中潛藏著巨大的風險甚至威脅。人才斷層已成為企業不得不解決的問題。解決人才斷層問題不能寄希望于返老還童靈丹和長生不老藥。人才的核心價值是經驗與知識。當我們把人才斷層定義為知識和經驗的斷層時，發現靈丹妙藥真的存在，那就是“知識工程”。企業的強大之處，往往不在于引進了多少先進技術，而在于真實積累了多少現有成果。通過知識工程手段，讓新一代技術人員快速擁有老一代專家的做事方法和處事經驗，可以在很大程度上解決人才斷層的問題。知識和經驗的傳承本來是一件自然的事情，但是中國企業的人才斷層現狀，要求我們必須通過特殊手段來強制完成這一使命，這個特殊手段就是知識工程。

知識工程體系認為，技術研發和產品研制企業是知識最密集的企業，是知識工程最重要的陣地。研制過程就是利用現有知識創造新知識的過程，凡是對研制工作有幫助的資源都是知識。我們不對知識和資源這兩個概念作嚴格區分，知識工程就是對研制資源的智慧化增值加工過程。即使知識和資源有區別，也是相對而言、互相轉化的。

知識體系的建立是知識工程的核心工作。本書從企業實踐出發，研究制造業企業的資源特征，形成對知識體系的獨特分類模式：實物、數據、信息、模式和技術，同時這五類知識也具有層次遞進的特征。針對這遞進的五類知識，提出五種知識層級提升方法，即增值加工，分別是數字化、標準化、結構化、范式化和模型化。在智能制造時代，大數據分析方法的出現為知識層級的提升開辟了一種新方法——智慧分析法，使得我們可以獲得全息化的知識。因此，全息化是第六種知識加工方法。圍繞知識的智慧化加工及其工程化應用，形成相應的技術、工具、流程、標準、規范、人才、組織以及這些要素的載體—知識工程平臺，共同構成知識工程體系。

研制體系的三維模型中，知識是一個重要維度。依據本書所提出的知識工程分層模型，該維度由5個層次構成：1——有序級、2——共享級、3——自動級、4——智能級和5—智慧級，外加一個基本級0—顯性級，形成“顯序共自能慧”模型。普通企業研制知識工程層次通常在顯性級、有序級和共享級層面。先進企業開始使用自動化和智能化知識。未來工業4.0時代，基于大數據的智慧級知識將普遍采用，那時我們將步入智慧研制時代。

基于知識工程，結合智能制造時代的新興科技，本書提出了一個知識泛在的智慧研制理想模型，并映射而成相對應的信息化理想模型——智慧研制平臺。將這兩個模型推薦給中國制造業企業，協助其規劃建設與智能制造時代相匹配的研制體系。在中國軍工行業，正在進行智慧院所的體系設計，這兩個模型也適合于進行智慧院所的規劃和建設。

研制體系中知識積累和應用的層次決定了研制的智慧程度。知識層次越高，研制智慧程度越高。知識層級的提升，意味著企業智慧程度的提升。基于知識工程的層次模型，本書提出智慧研制體系的進化路線（成熟度模型）：自發級、意識級、穩序級、協同級、智能級、智慧級。

本書的討論對象和舉例多以研發企業或研發過程為背景，這是因為研發過程是知識密集度最高、知識產出最豐富、知識應用最深入的過程，并不代表本書所提的方法不適用于非研發型企業。非研發型企業或非研發過程的知識工程方法是本書所提方法的子集，大部分方法進行適應性改造，即可適用于這些企業或過程。

作者

2019年3月