知識管理和知識工程對企業的重要性不言而喻，對中國企業尤為重要。當前中國科技人才結構呈現過于年輕化趨勢。知識缺乏有效管理，經驗和知識流失嚴重。“有樣子的活會干，沒樣子的活不會干。”年輕人無法順利上手頂尖的型號研制，無法有效地應用知識來解決問題。
中國企業一直在尋求轉型升級之道，希望在短時間內進入發展快車道。但企業的技術發展中，占主體的是持續進化，而不是突變式創新。不進行復制重用的創新是無效益的創新，是科研體系的最大浪費。所以從“十三五”開始，知識工程成為一項國家戰略。
在智能制造時代，知識是研發的智慧，更是創新的基石。因此，我們非常需要用知識工程這個特殊的手段做好武裝，來達到核心能力的提升。
國外知識工程發展日趨成熟
技術的進步和需求的升級，導致外部環境的加速變化，組織成果和知識也以前所未有的速度源源產生。隨著組織內部各領域的專業性越來越強，組織成員快速獲取知識和使用知識的能力成為其核心技能，管理與應用知識的能力也成為企業的核心競爭力，國內外各大企業紛紛在知識管理和應用方面進行積極實踐。
比較著名的有NASA知識工程體系、波音公司知識工程體系、英國石油公司（BP）知識管理、歐盟基于知識的研發體系等，這些企業在實踐應用的廣度和深度上各有特色。但通過對以上幾家知名企業的知識工程建設的歷程、現狀和未來發展計劃進行對比，發現一項共性特點，那就是強調知識工程體系建設。這些企業顛覆以往“知識管理就是一個軟件平臺”的誤解，認識到知識管理是一項體系化工作。所謂“體”，是適合各種企業用途的知識工程信息化系統的開發與建設，以及知識資源本身的梳理和總結。所謂“系”，就是與知識工程相適應的體制、文化、管理制度、標準規范和實施方法論等內容的建設。
國內知識工程1.0的成功實踐
在我們進行精益研發體系研究和實踐時，知識管理是其中一項重要組成部分。但到底如何來做，在當時是一道難題，因為很多中國企業都進行過知識相關工作，但大部分都沒有發揮作用。研究發現，企業的知識管理工作明顯存在以下三個大困局：
（1）無知識，資深員工不知如何把知識共享出來，甚至意識不到自己有知識。當我們請即將離崗的專家把他們的知識梳理出來的時候，專家們往往是一臉茫然；
（2）弱知識，由于知識的梳理和挖掘存在問題，所以軟件中的知識過于泛泛，與工作關系較弱，只能做為閑來翻翻消遣之用。由于專家不能提供知識，企業的知識管理項目組只好從內外部搜羅現有材料放入到知識管理平臺中。此類知識與實際業務勢必相去甚遠；
（3）死知識，即使有一些有用的知識，但在遇到問題時卻反倒找不到這些知識。研發人員通常是通過搜索方式來尋找知識，往往發現要么搜索出來太多無關知識，要么搜索出來很少的知識，難以支持研發工作。
以上困局，使得即使是開展過知識工程工作的企業，知識也沒有融入研發過程，沒有對研發活動起到支撐作用，存在知識與研發兩張皮現象。
為此，讓知識與研發流程伴隨，把完成工作包用得上的知識都與工作包伴隨起來。這樣可以利用研發業務活動進行知識的產生、組織、管理、應用和創新。這就很好的解決了以上三個問題，從而具有以下三個特點。
（1）有知識，讓專家意識到自己確實有知識。讓專家在知識挖掘和整理的過程中有章可循。當專家明確了要梳理自己擅長的工作包相關的知識和資源時，他們都表現的駕輕就熟；
（2）活知識，在業務需要的時候，知識就出現了。變人找知識為知識找人，讓知識主動推送到研發人員的工作桌面上。工作人員領取到工作包的時候，知識就同時獲得；
（3）強知識，所有知識都與工作直接強相關。無論用何種方法獲得知識，都是雪中送炭的知識，而不是錦上添花的知識。工作包上的知識只可能是與完成本工作包相關的知識，其他知識沒有機制和機會出現于此處。
這些是知識工程1.0的目標，主要解決知識如何共享出去，被別人找到，在相應的地方用相應的知識。
知識工程1.0在我國以航天航天等為代表的高端制造企業得到了成功實踐，這些行業企業對研發創新的追求是中國企業中最為執著的那一批，因此也在國內知識工程的應用上走到了前列。
知識工程2.0的發展方向
雖然知識工程1.0在企業受到歡迎，但仍然有一些問題尚未得到好的解決,那就是知識本身的問題，包括以下兩方面：
（1）遠知識，知識似乎與工作有關，但距離業務應用太遠，使用起來不直接、不方便；
（2）淺知識，只關注顯性知識的表面價值，看不到隱性知識的深層智慧。
為此，我們提出以下兩項要求，作為知識工程2.0的重要發展方向：
（1）近知識，所有的知識可以像工具那樣直接使用，無需二次加工。無論用何種方法獲得知識，在應用系統中可以即插即用；
（2）深知識，提煉歸納分析知識的隱性價值。利用智慧分析方法，將隱性知識按照業務應用情景顯性化，在研發人員工作過程中獲得智慧導航。
知識管理向上，梳理研發流程，將知識與研發流程的工作包伴隨，將知識融入流程。
知識管理向下，深挖設計過程中的知識。根據知識的類別，選擇合適工具進行增值加工。通過計算機手段，利用知識建模手段生成數字化和工具化的知識，并直接與相關研發工具建立關聯，使這些知識天然具有與業務工作環境互動的特點，直接啟動應用，使知識與設計活動緊密融合，直接支持設計工作。另外，這種方式也也提供了隨用隨積累、隨用隨創新的知識積累與應用模式。
知識管理向上發展是知識工程1.0的重點，向下發展是知識工程2.0的重點。
知識增值加工是“知識工程2.0”核心
從工程實踐角度，對研發過程有幫助的資源都可以是知識，都是知識工程所建設的對象和范圍。知識資源增值是知識工程2.0的核心。
從企業實踐出發，依據資源的特性和價值不同，我們對其進行了類別和層級進行了區分，分別是：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。
不同資源類型采用不同技術加工手段，提升其知識特征，是知識工程2.0的核心價值所在。實物資源數字化后具備顯性化特征，數據資源標準化之后具有有序化特征，信息知識結構化之后具備共享化特征，模式資源范式化之后具備自動化特征，技術資源模型化后具備智能特征，利用大數據分析技術進行知識的全息化之后具有智慧特征。
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，將隱藏在以上各類資源中的知識挖掘出來，利用大數據分析技術找到數據之間的相關性，往往能夠突破基于預設模式的小樣本數據分析的結論，得到預料之外的顛覆性成果。根據工作場景自動分析工作需要，從現有的知識體系中自動組合當前工作需要的知識，推送或嵌入到業務系統中，使之具有自判斷與自決策的特征。研發體系的智慧化水平將提升明顯。
因此，知識資源增值的程度，決定了知識接近業務的程度、促進創新的程度以及研發體系的智慧化程度。未來工業4.0時代，基于大數據的智慧級知識普遍采用，那時我們將步入智慧研發時代。
來源：中國機械工業聯合會機經網
