编者按：
知识工程2.0是一套全新的理论体系，其颠覆了知识管理理念，重新定义了“知识”。无论是知识对象的范围、知识分类模式、知识加工方法还是知识与业务的融合模式，都不同于以往的知识管理体系。
为了帮助大家尽快熟悉了解知识工程2.0，我们将分九次连载，介绍和展示知识工程2.0的核心要点，今天是第一期，向大家介绍知识工程2.0理论的整体框架。
企业的知识困境和需求
很多中国企业都进行过知识相关工作，但大部分都没有发挥作用。多数企业存在三大困局：第一是无知识。资深员工不知如何把知识共享出来，甚至意识不到自己有知识。第二是弱知识。常规知识管理软件中的知识过于泛泛，与工作关系较弱，或者知识与实际业务势必相去甚远。第三是死知识。研发人员遇到问题时找不到知识，难以支持研发工作。以上困局使得知识也没有融入研发过程，没有对研发活动起到支撑作用，存在知识与研发两张皮现象。
为此，我们提出一个解决方案，即知识与研发流程伴随（图1），这是一个两层结构，底层结构与普通的知识管理做法相同：知识库+知识管理系统。上层结构是业务流程（或研发流程）及业务活动（工作包），把每个关键工作包的知识梳理出来，与该工作包伴随起来。这样可以利用研发业务活动进行知识的产生、组织、管理、应用和创新。
图1 知识与研发流程的伴随
这个方案思路清晰，方法具体，很好地解决了前述问题，一经提出，便得到了企业的认可。只要企业持之以恒，知识工程便可落地。我们把这个方案称为知识工程1.0。
在多年的实践中，我们发现，虽然知识工程1.0在企业受到欢迎，但仍然有一些问题尚未得到好的解决，那就是知识本身的问题，主要有两点：第一是远知识，知识距离业务应用太远，使用起来不直接、不方便。第二是浅知识，只能关注显性知识的表面价值，看不到隐性知识的深层智慧。为此，知识工程2.0逐步浮出水面。
图2 知识工程2.0体系的三层结构
三层结构中的中间层是传统的知识管理体系，将已有知识按照业务需要进行分门别类管理，支撑业务人员的查询和搜索。
知识管理向上，梳理研发流程，将知识与研发流程的工作包伴随，将知识融入流程。知识管理向下，深挖设计过程中的知识，选择合适工具进行增值加工。生成数字化和工具化的知识，直接与相关研发工具建立关联，使这些知识天然具有与业务工作环境互动的特点，直接启动应用，使知识与设计活动紧密融合，直接支持设计工作。
企业知识的本质
任何一家正常经营的企业，一定有三条线并行：一是“主营业务”，二是“业务管理”，三是“业务资源（知识）”。
图3 企业经营的三条主线
“主营业务”是企业生存的主线。研发型企业的主营业务是产品和技术研发。主营业务是一个过程，经过这个过程，企业把原材料变成满足客户需求的产品。因此，主营业务的目标是产品，主营业务的本质是“满足客户需求”。
“业务管理”的目的是保障主营业务按照既定的时间、路线和质量达成既定的目标—产出满足客户需求的产品。管理的本质是让业务单位和业务人员“有诺必践，有行必果”，“说话算话，说到做到”。
“业务资源（知识）”的目的是保障主营业务具有可行性和高效率。业务人员一定会想方设法寻找参考物，让工作一次做对，这些参考物在企业称为“资源”，起着知识的作用。在企业中，知识的本质是“参考资源”。这种资源是经过整理加工增值之后具有参考价值的资源。知识是“增值的科技资源”，知识工程的一项重要过程就是科技资源的增值过程。
科技资源的定义是：科研活动所资利用的一切有形物质和无形要素。结合中国企业的实际，我们将工业企业的科技资源归纳为9个大类、60多种小类，如表1所示。
表1 工业企业科技资源分类
| 编号 | 资源类别 | 资源实例 |
| 1 | 产品资源 | 普通构件、公用构件、产品货架、模型库、需求库、指标库、产品平台等 |
| 2 | 技术资源 | 普通技术、标准技术、技术货架、专利库、公式算法、技术平台等 |
| 3 | 模式资源 | 研发流程、多人协同模式、工具集成模式、工具使用步骤、科研制度、行业标准、设计规范、质量文件、检查表、方法指南等 |
| 4 | 信息资源 | 规划报告、设计文档、计算报告、试验报告、经验教训总结、科技情报、文献档案、词库术语等 |
| 5 | 数据资源 | 项目数据、设计数据、仿真数据、试验数据、工艺数据、制造数据、销售数据、综保数据、历史型号库、外部产品库、材料库等 |
| 6 | 人力资源 | 资深专家、专业技术人员、普通技术人员、劳务资源 |
| 7 | 设备资源 | 试验设备、制造设备、测试设备、维修设备等 |
| 8 | 软件资源 | 工具软件、管理系统、操作系统、数据库系统等 |
| 9 | 硬件资源 | 服务器、终端、高性能计算机、网络、存储等 |
编号
资源类别
资源实例
产品资源
普通构件、公用构件、产品货架、模型库、需求库、指标库、产品平台等
技术资源
普通技术、标准技术、技术货架、专利库、公式算法、技术平台等
模式资源
研发流程、多人协同模式、工具集成模式、工具使用步骤、科研制度、行业标准、设计规范、质量文件、检查表、方法指南等
信息资源
规划报告、设计文档、计算报告、试验报告、经验教训总结、科技情报、文献档案、词库术语等
数据资源
项目数据、设计数据、仿真数据、试验数据、工艺数据、制造数据、销售数据、综保数据、历史型号库、外部产品库、材料库等
人力资源
资深专家、专业技术人员、普通技术人员、劳务资源
设备资源
试验设备、制造设备、测试设备、维修设备等
软件资源
工具软件、管理系统、操作系统、数据库系统等
硬件资源
服务器、终端、高性能计算机、网络、存储等
知识资源增值是核心
依据载体形式和加工手段特征的不同，我们将进一步将以上9类知识（资源）归纳为5类，并依据价值差异对其划分了层级。如表2所示。
表2 九类资源归类和加工后的知识化特征
| 编号 | 资源小类 | 资源大类 | 资源层级 | 加工方法 | 知识特征 |
| 1 | 产品资源 | 技术类 | 4 | 模型化 | 智能化 |
| 2 | 技术资源 | ||||
| 3 | 模式资源 | 模式类 | 3 | 范式化 | 自动化 |
| 4 | 信息资源 | 信息类 | 2 | 结构化 | 共享化 |
| 5 | 数据资源 | 数据类 | 1 | 标准化 | 有序化 |
| 6 | 人力资源 | 实物类 | 0 | 数字化 | 显性化 |
| 7 | 设备资源 | ||||
| 8 | 软件资源 | ||||
| 9 | 硬件资源 |
编号
资源小类
资源大类
资源层级
加工方法
知识特征
产品资源
技术类
模型化
智能化
技术资源
模式资源
模式类
范式化
自动化
信息资源
信息类
结构化
共享化
数据资源
数据类
标准化
有序化
人力资源
实物类
数字化
显性化
设备资源
软件资源
硬件资源
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2.0的核心价值所在。实物资源数字化后具备显性化特征；数据资源标准化之后具有有序化特征；信息资源结构化之后具备共享化特征；模式资源范式化之后具备自动化特征；技术资源模型化后具备智能特征；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。
图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4 知识资源的增值框架
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。
知识工程体系蓝图
知识之轮展示了知识工程体系的运转逻辑。
知识是知识工程运转之轮的核心。知识运转过程中，隐性知识和显性知识相互转化；
知识增值是知识工程体系的灵魂，是知识效益化和企业智慧化的关键；
知识的“采、聚、管、用”是知识工程体系的行为模式，是知识体系在企业中的运动形式；
知识战略是企业战略的知识化映射，是企业战略分解过程中，由知识工程体系所承接的部分，也是知识工程支撑企业战略的方案；
知识体系是企业知识的体魄，不论知识以何种形式在企业发挥作用，知识体系是根本；
知识运行体系是知识工程的神经网络，通过卓越的组织和完善的流程、标准、规范，保障知识工程体系得以良好地运转；
知识工程平台是知识体系的载体，也是知识工程体系运转的信息化支撑。
图5 知识工程运转之轮
基于知识工程运转之轮，我们设计了知识工程体系蓝图（图6）。蓝图中各要素与知识运转之轮各要素一一对应。
图6 知识工程体系蓝图
知识工程体系框架
知识工程体系是典型的社会技术学体系。因此，我们采用社会技术学模型设计知识工程的体系模型。
知识工程体系建设以“知识提升企业智慧”为战略，从人才、组织、流程、标准、规范、技术、工具与方法等方面综合考虑，制定长期规划和建设方案。
在技术方面，重点是知识工程加工技术、搜索引擎技术、分类聚类算法等；在流程方面，重点是知识伴随、采集、聚集、加工、应用等相关的流程、规范和标准等。
在人才组织方面，重点是知识工程的团队组织、任职资格体系、考核激励和人员培养等。
在平台方面，利用知识工程框架和企业的各类知识加工和应用系统，搭建集成信息化平台，承载整个知识工程体系。
图7 基于社会技术学模型的知识工程体系模型
将社会技术学模型展开形成知识工程完整体系框架。
图8 知识工程体系框架
知识工程体系成熟度
知识工程体系的建立不能一蹴而就，需要先对企业进行成熟度评估，科学设立成熟度进化路线，长远规划，分步实施。
我们用“知识工程成熟度”来衡量一个企业识别和显性化知识、增值和应用知识以及实现业务目标的能力。知识工程的成熟度级别越高，企业的智慧级别越高，驾驭知识、运用智慧的能力越强，企业的体系管理能力和业务预测能力也越强。
图9 知识工程成熟度模型
至此，我们提出了知识层级的实践模型——“显序共自能慧”模型（图10）。
图10 “显序共自能慧”模型
总结来说，知识工程2.0的核心工作聚焦于四点：
提升知识的显性化程度。显性化程度越高，越接近业务应用，实用性越强；
提升知识的共享化程度。知识显性化带来效率，知识共享化带来创新；
提升知识的工具化程度。工具化程度越高，自动化和智能化程度越高；
提升知识的智慧化程度。知识层级越高，智慧程度越高，知识价值越大。
