面向流程行業(yè)工業(yè)知識分類方法與建模技術(shù)研究構(gòu)建＊

王佳 李媛智 續(xù)飛飛 高慧芳

（1.中國軟件評測中心，北京 100048；2.北京北科億力科技有限公司，北京 100102）

0.引言

流程工業(yè)在國民經(jīng)濟中占有基礎(chǔ)性的戰(zhàn)略地位，石油、化工、鋼鐵、建材等都是典型的流程工業(yè)。經(jīng)過幾十年的發(fā)展，我國已成為世界上門類最齊全、規(guī)模最龐大的流程工業(yè)大國，流程工業(yè)的生產(chǎn)工藝、生產(chǎn)裝備和生產(chǎn)自動化水平都達到世界領(lǐng)先水平。目前，流程工業(yè)生產(chǎn)中普遍應(yīng)用了分布式控制系統(tǒng)（Distributed Control System,DCS），該系統(tǒng)可以實時采樣流程工業(yè)生產(chǎn)過程中各個環(huán)節(jié)的生產(chǎn)狀態(tài)，特別是傳感器技術(shù)以及數(shù)據(jù)庫技術(shù)的快速發(fā)展，DCS系統(tǒng)對流程工業(yè)生產(chǎn)狀態(tài)的監(jiān)控越來越多。流程工業(yè)控制系統(tǒng)采樣得到的數(shù)據(jù)經(jīng)過長時間的積累形成規(guī)模龐大的歷史數(shù)據(jù)庫，在這些數(shù)據(jù)中包含了可用于生產(chǎn)和管理的大量有價值的信息和知識。除了隱含在直接來自生產(chǎn)現(xiàn)場具有多維度、多尺度、異構(gòu)的海量數(shù)據(jù)中的知識之外，在流程工業(yè)中的知識還包括：（1）具有隱蔽性、非量化的經(jīng)驗知識；（2）能夠反映生產(chǎn)過程的氣液固多相變化機理的機理知識[1-3]。知識資源已經(jīng)成為支撐流程行業(yè)企業(yè)生存與發(fā)展的重要力量，流程行業(yè)對知識資源的高效應(yīng)用具有非常迫切的需求。

以面向業(yè)務(wù)的工業(yè)應(yīng)用軟件的開發(fā)與應(yīng)用為實現(xiàn)路徑，工業(yè)技術(shù)、工藝經(jīng)驗、制造知識和方法等通過軟件實現(xiàn)顯性化、數(shù)字化和系統(tǒng)化。目前工業(yè)知識的研究在流程行業(yè)中應(yīng)用已經(jīng)研究很久，主要是通過貝葉斯網(wǎng)絡(luò)[4]、模糊系統(tǒng)[5]、以及專家系統(tǒng)[6]等完成在流程工業(yè)對知識的自動推理以及實現(xiàn)自主決策。但是隨著實際系統(tǒng)的復(fù)雜性不斷增加，上述方法的復(fù)雜性會大大增加，使得大多數(shù)理論應(yīng)用都是停留在研究層面，實際應(yīng)用場景非常少。知識發(fā)現(xiàn)主要是從專家人員、文件或其他系統(tǒng)等提取知識并向知識型系統(tǒng)轉(zhuǎn)移的過程。常用的方法包括事件關(guān)聯(lián)規(guī)則挖掘[7]、人工神經(jīng)網(wǎng)絡(luò)[8]、數(shù)據(jù)統(tǒng)計分析方法[9]、遺傳算法[10]、決策樹[11]等。由于工業(yè)數(shù)據(jù)數(shù)量大并且質(zhì)量難以保證，工業(yè)過程中知識的提取仍然是主要難點。

知識分類和管理是企業(yè)發(fā)展的重要的組成部分，但如何來做仍然是一道難題，目前大部分企業(yè)都進行過知識相關(guān)研究工作。但是多數(shù)企業(yè)仍然存在無知識、弱知識、死知識的問題，并且未對相應(yīng)知識進行分類，也沒有正在將知識融入產(chǎn)品研制和生產(chǎn)過程。因此，本文對流程工業(yè)企業(yè)知識自動化的相關(guān)的研究現(xiàn)狀進行了分析和介紹，詳細闡述流程行業(yè)企業(yè)知識建?？蚣芎筒煌愋偷闹R分類，并以知識發(fā)現(xiàn)為流程，構(gòu)建了根據(jù)不同知識分類的模型，擴展了知識發(fā)現(xiàn)和構(gòu)建研究的理論體系。

1.流程行業(yè)知識發(fā)現(xiàn)的研究現(xiàn)狀與問題

伴隨工業(yè)4.0、工業(yè)互聯(lián)網(wǎng)、智能制造等政策的發(fā)布，知識將成為推動企業(yè)發(fā)展的重要資源。企業(yè)制造過程包括3個重要環(huán)節(jié)：一是研制過程；二是生產(chǎn)過程；三是運營過程。知識作為重要的生產(chǎn)要素，不僅要考慮產(chǎn)品生產(chǎn)周期全過程如何智慧化，同時還要考慮產(chǎn)品運維過程對研制和生產(chǎn)的反向影響。

對于不同的生產(chǎn)過程和知識有不同的結(jié)合點，知識跟企業(yè)產(chǎn)品研制過程關(guān)系最緊密，研制是知識的歸宿。普通制造過程的知識密度比較低，但是工藝設(shè)計指南、產(chǎn)品使用手冊、作業(yè)指導書等知識如果能夠得到很好的整理，將對制造過程產(chǎn)生很大的價值。生產(chǎn)過程的知識大多來源于大數(shù)據(jù)分析結(jié)果，通過制造過程的異常數(shù)據(jù)可以判斷設(shè)備、生產(chǎn)線以及產(chǎn)品運營過程的健康程度，利用大數(shù)據(jù)技術(shù)科研對制造過程、產(chǎn)品運營進行預(yù)測、改進甚至自動決策。產(chǎn)品運維過程也會產(chǎn)生大量的數(shù)據(jù)，這些數(shù)據(jù)都可以被知識化，能夠指導企業(yè)優(yōu)化研制和生產(chǎn)過程，及時修改產(chǎn)品的設(shè)計和生產(chǎn)。

流程行業(yè)是知識技術(shù)非常集中的產(chǎn)業(yè)，對知識資源的應(yīng)用有非常迫切的需求。當前，知識分類和知識獲取是知識資源應(yīng)用的基礎(chǔ)和關(guān)鍵，對知識資源的獲取、組織和利用知識創(chuàng)造價值的速度是支撐制造企業(yè)生存與發(fā)展的核心資源。從知識發(fā)現(xiàn)的本質(zhì)來看，它集成規(guī)律、策略和技術(shù)知識生產(chǎn)過程。對于國內(nèi)知識發(fā)現(xiàn)研究而言，在大數(shù)據(jù)驅(qū)動下，國內(nèi)知識發(fā)現(xiàn)研究已經(jīng)從決策樹、遺傳算法、機器學習、文本挖掘等具體的理論方法轉(zhuǎn)變?yōu)槿绾螒?yīng)用知識發(fā)現(xiàn)的技術(shù)方法解決各行各業(yè)遇到的問題，并且逐漸面向行業(yè)領(lǐng)域和服務(wù)的綜合應(yīng)用研究轉(zhuǎn)變，存在的問題主要有以下3個方面。

1.1 將實際工業(yè)場景問題抽象成數(shù)據(jù)挖掘問題

業(yè)務(wù)場景的數(shù)據(jù)挖掘具有重要意義，在當前流程工業(yè)環(huán)境下，具備高水平業(yè)務(wù)知識和數(shù)據(jù)挖掘能力的人員非常短缺，使得將實際工業(yè)場景抽象成對應(yīng)數(shù)據(jù)挖掘問題成為工業(yè)知識提取和增值過程的一個重大門檻。

1.2 工業(yè)數(shù)據(jù)質(zhì)量差

在實際生產(chǎn)過程中，采集的數(shù)據(jù)質(zhì)量非常差強人意，企業(yè)對采集的數(shù)據(jù)并不會進行數(shù)據(jù)處理，導致數(shù)據(jù)的完整性、一致性、唯一性和有效性無法保證，嚴重影響數(shù)據(jù)挖掘的效率、準確性等方面。

1.3 工業(yè)領(lǐng)域知識沉淀不足

結(jié)合流程工業(yè)知識的特點，工業(yè)知識、經(jīng)驗、機理沉淀和應(yīng)用難，我國制造業(yè)工藝軟件化基礎(chǔ)薄弱，導致我國制造行業(yè)的機理模型缺失較為嚴重，無任何機理模型，目前只有知識型工作者才能完成工業(yè)現(xiàn)場復(fù)雜分析、精確判斷和決策等工作。

2.知識分類與建模

2.1 知識建?？蚣芙Y(jié)構(gòu)

在制造企業(yè)中，數(shù)據(jù)、信息和知識是一個彼此關(guān)聯(lián)和不斷重用、提煉的過程。數(shù)據(jù)在反復(fù)關(guān)聯(lián)與使用中提升為信息，信息在反復(fù)關(guān)聯(lián)和使用中轉(zhuǎn)化為知識。數(shù)據(jù)類資源通過標準化技術(shù)，可以使其獲得有序化特征，但仍然屬于低層次的知識形態(tài)。信息類資源對數(shù)據(jù)知識進行分析整理，通過結(jié)構(gòu)化加工強化共享特征，經(jīng)過分類、聚類、語義分析等手段結(jié)構(gòu)化后，信息類資源形成各種分類知識庫供參考查閱。

知識建?？蚣苋鐖D1所示，知識采集針對設(shè)計數(shù)據(jù)、工藝數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)等類型，是資源數(shù)據(jù)的基礎(chǔ)層；數(shù)據(jù)加工和數(shù)據(jù)治理存儲計算對采集到的數(shù)據(jù)進行分類、加工、治理、存儲和計算；知識聚集是針對不同的知識形態(tài)，設(shè)計不同的知識模型和組件庫，將知識模塊和知識載體管理入庫，最終形成各種類型的知識庫，包括通用算法組件、行業(yè)機理模型、通用管理組件等；最后通過知識加工對知識庫中不同類型的知識進行數(shù)字化、標準化、結(jié)構(gòu)化、模型化等技術(shù)進行加工處理，提升知識層級，實現(xiàn)知識增值。

圖1 知識建?？蚣?/p>

2.2 知識表現(xiàn)形式與分類

合理的知識分類是有效獲取、管理與利用知識的基礎(chǔ)。為深入了解和掌握流程行業(yè)企業(yè)復(fù)雜知識資源的特征及對知識資源的需求情況，完成對知識資源的梳理，對石油、石化、鋼鐵等典型流程行業(yè)企業(yè)進行了多次的現(xiàn)場調(diào)研。結(jié)合圖2所示的企業(yè)知識資源產(chǎn)生過程知識，為了便于制造企業(yè)知識資源有效管理與應(yīng)用的角度，從產(chǎn)生生命周期和知識表現(xiàn)形式對流程行業(yè)知識資源進行分類。將企業(yè)的知識資源劃分為數(shù)據(jù)類知識、文檔類知識、過程類知識和經(jīng)驗類知識4種類型，方便復(fù)雜知識資源的存儲管理。

（1）數(shù)據(jù)類知識：支撐研制過程、進行產(chǎn)品設(shè)計的參考數(shù)據(jù)以及生產(chǎn)過程、管理營銷過程中的數(shù)據(jù)資源，包括工程實例數(shù)據(jù)、基礎(chǔ)支撐數(shù)據(jù)、設(shè)備運行數(shù)據(jù)、操作數(shù)據(jù)以及各種參考庫等數(shù)據(jù)資源。

（2）文檔類知識：為純文檔、圖形文檔、圖像文檔或混合文檔的形式，主要包括各類技術(shù)報告，如安裝報告、工況分析報告、診斷報告、工具使用手冊、使用案例和使用方法等；工業(yè)活動過程中需要遵循的標準和約束條件，如相關(guān)國家標準、行業(yè)標準、企業(yè)標準、規(guī)范作業(yè)等。

（3）過程類知識：包括科研、生產(chǎn)管理、營銷活動外圍的流程知識及內(nèi)部的過程知識?？蒲小⑸a(chǎn)管理及營銷活動外圍的流程知識為科研、生產(chǎn)管理、營銷活動和相關(guān)科研活動的邏輯關(guān)系，以數(shù)據(jù)流圖的形式表示，還包括對科研活動的輸入輸出的選取原則、要求等進一步描述，一般以文字描述的形式表示?？蒲?、生產(chǎn)管理及營銷活動內(nèi)部的流程知識，主要描述執(zhí)行上述相關(guān)活動的設(shè)計子流程、執(zhí)行步驟的說明，以工作流圖或文字描述的形式表示。

（4）經(jīng)驗類知識：經(jīng)驗類知識主要指企業(yè)研發(fā)人員、研究人員等為工業(yè)生產(chǎn)、管理過程人員在處理同類問題時，提供成功經(jīng)驗、心得和失敗教訓。包括但不限于各種經(jīng)驗、教訓、最佳實踐、解決方法、應(yīng)用技巧、使用心得等。

2.3 知識的建模與分析

知識分類中包含顯性知識和隱形知識，通常以文字、圖表、公式、流程和模型等表述的知識稱為為顯性知識；通過自動知識挖掘工具，發(fā)現(xiàn)、收集知識庫以外以及游離于管理制度之外的知識獲取各類知識稱為把隱性知識。區(qū)別于以往的單一知識的提取流程，根據(jù)企業(yè)中存在的各類知識表現(xiàn)形式，面向工業(yè)過程決策、優(yōu)化、控制、故障診斷等實際應(yīng)用需求，系統(tǒng)性和全面的提出了不同類型的資源信息采用不同的建模手段，提升其知識特征，滿足企業(yè)的發(fā)展需求。

2.3.1 數(shù)據(jù)類知識建模

采集企業(yè)各業(yè)務(wù)環(huán)節(jié)中產(chǎn)生數(shù)據(jù)，基于工業(yè)大數(shù)據(jù)、工業(yè)區(qū)塊鏈、人工智能等技術(shù)，通過數(shù)據(jù)挖掘、數(shù)據(jù)分析、數(shù)據(jù)處理等方法建立數(shù)據(jù)與業(yè)務(wù)的關(guān)聯(lián)模型，實現(xiàn)以數(shù)據(jù)支撐業(yè)務(wù)管理的決策優(yōu)化。主要提取過程包括：數(shù)據(jù)處理、數(shù)據(jù)分析、特征提取、算法選擇、建立模型、參數(shù)調(diào)優(yōu)，模型驗證等。數(shù)據(jù)建模過程可用如圖3所示。

圖3 數(shù)據(jù)知識建模流程

（1）數(shù)據(jù)采集：收集生產(chǎn)管理運營過程中與模型相關(guān)的業(yè)務(wù)數(shù)據(jù)、操作數(shù)據(jù)、設(shè)備數(shù)據(jù)、監(jiān)測數(shù)據(jù)、管理數(shù)據(jù)等。

（2）數(shù)據(jù)處理和分析：在建立模型數(shù)據(jù)集的基礎(chǔ)上，對數(shù)據(jù)進行預(yù)處理，包括：缺省值、異常值處理，以及數(shù)據(jù)的標準化等。通過初步數(shù)據(jù)探索，發(fā)現(xiàn)數(shù)據(jù)特征和規(guī)律，常用的數(shù)據(jù)分析方法有數(shù)據(jù)特征描述、相關(guān)性分析、主成分分析等。

（3）特征提?。和ㄟ^過濾法、包裹法、嵌入法等方法選擇或者構(gòu)建與模型相關(guān)性較大的一部分特征，作為模型的輸入，以減少數(shù)據(jù)噪聲對模型結(jié)果的影響。

（4）算法選擇：根據(jù)業(yè)務(wù)的任務(wù)類型（監(jiān)督學習、非監(jiān)督學習、強化學習）以及涉及的問題（回歸、分類、聚類）進行算法選擇。

（5）建立模型：將數(shù)據(jù)集分為訓練數(shù)據(jù)集、驗證數(shù)據(jù)集及測試數(shù)據(jù)集，使用訓練數(shù)據(jù)集中的數(shù)據(jù)對模型進行訓練。

（6）參數(shù)調(diào)優(yōu)：使用驗證集對訓練集學習得到的模型進行評估和參數(shù)調(diào)優(yōu)，檢查模型是否得到有效的訓練或是否可以完成任務(wù)。并使用網(wǎng)絡(luò)搜索、隨機搜索或貝葉斯優(yōu)化等方法對為達到效果的模型進行參數(shù)調(diào)優(yōu)。

（7）模型校驗：建立初始模型后，使用測試數(shù)據(jù)集對模型預(yù)測能力進行測試驗證，同時不斷應(yīng)用特征優(yōu)化、算法改進和參數(shù)調(diào)優(yōu)等方法進行模型優(yōu)化迭代，直至滿足功能業(yè)務(wù)需求。

2.3.2 過程類知識建模

面向企業(yè)各實際業(yè)務(wù)場景，將業(yè)務(wù)管理規(guī)范、業(yè)務(wù)流程管控、業(yè)務(wù)信息流轉(zhuǎn)等業(yè)務(wù)以工業(yè)組態(tài)、圖形化建模等方式提煉為數(shù)據(jù)管理流程模型、工藝生產(chǎn)流程模型、業(yè)務(wù)管理流程模型等的過程，最終實現(xiàn)各項業(yè)務(wù)活動的信息化管理。過程類知識建模過程可用如圖4所示。

圖4 過程知識建模流程

（1）業(yè)務(wù)調(diào)研：通過業(yè)務(wù)調(diào)研發(fā)方式完全理解業(yè)務(wù)流程，明確業(yè)務(wù)流程類別（營銷流程、采購供應(yīng)流程、計劃排產(chǎn)流程、儲運流程以及企業(yè)管理流程），流程涉及的組成以及相關(guān)操作規(guī)范、管理章程、規(guī)章制度、行業(yè)標準等文件及數(shù)據(jù)。

（2）業(yè)務(wù)流程分析：針對具體業(yè)務(wù)流程，開展業(yè)務(wù)流程的開始及終止節(jié)點、過程活動節(jié)點及步驟，模型涉及的相關(guān)崗位及部門分析，以及活動流程中的控制流。

（3）繪制業(yè)務(wù)流程圖：根據(jù)業(yè)務(wù)流程分析，使用跨職能流程圖、UML活動圖等方法繪制。

（4）數(shù)據(jù)流分析：梳理完成業(yè)務(wù)流程的數(shù)據(jù)輸入項以及輸出項，進而逐漸細化為最細粒度數(shù)據(jù)，一般包含數(shù)據(jù)的輸入，加工、傳遞存儲等功能。

（5）數(shù)據(jù)流程圖：依據(jù)數(shù)據(jù)流圖的基本規(guī)則：外部實體、數(shù)據(jù)處理、數(shù)據(jù)流和數(shù)據(jù)存儲，建立描述數(shù)據(jù)流動、存儲、處理的邏輯關(guān)系圖，即：將業(yè)務(wù)流程抽象化。

（6）建立業(yè)務(wù)邏輯模型：將業(yè)務(wù)流程抽象化，建立業(yè)務(wù)邏輯模型。

（7）模型驗證：驗證模型產(chǎn)生的結(jié)果是否實現(xiàn)其業(yè)務(wù)目標。

2.3.3 經(jīng)驗文檔類知識建模

經(jīng)驗文檔類知識建模將相關(guān)領(lǐng)域的經(jīng)驗知識以顯性化的方式展現(xiàn)出來，如將經(jīng)驗知識提煉為預(yù)警報警標準、操作流程、應(yīng)急預(yù)案、安全規(guī)程等。經(jīng)驗文檔知識類建模過程可用如圖5所示。

圖5 經(jīng)驗知識建模流程

（1）信息收集：匯集與經(jīng)驗類知識（相關(guān)經(jīng)驗、教訓、應(yīng)用技巧、使用心得等）梳理相關(guān)的數(shù)據(jù)、文件、圖片等數(shù)據(jù)。

（2）知識庫匯總提煉：建立相關(guān)問題的知識庫，通過簡單的數(shù)據(jù)分析、數(shù)據(jù)對標、業(yè)務(wù)對標、流程分析的方式，提煉與目標問題相關(guān)的新的結(jié)論。

（3）應(yīng)用驗證：以顯性化的方式，如定量化的控制標準、邏輯化的控制管理流程等。將經(jīng)驗類知識在實際場景的應(yīng)用并驗證?；蜃鳛槠渌Ｐ徒５幕A(chǔ)數(shù)據(jù)。

3.模型成果評價

在流程行業(yè)企業(yè)中實施知識梳理和建模，涉及企業(yè)文化，管理和技術(shù)3個層次的內(nèi)容，從企業(yè)運轉(zhuǎn)環(huán)節(jié)看，知識運行本身有其自身的特點和規(guī)律。從知識沉淀—知識共享—知識學習—知識應(yīng)用—知識創(chuàng)新，在完成知識創(chuàng)新后又可以繼續(xù)沉淀，螺旋上升，這樣才能發(fā)揮知識的無窮作用。

（1）技術(shù)上：不同類型知識模型構(gòu)建后，首先具備了能夠使用和有效積累的知識IT系統(tǒng)，然后再到能夠有效共享、支持員工學習的更深一層IT系統(tǒng)功能，最后發(fā)展到具備獲取知識以及協(xié)同工作、支持員工創(chuàng)新的IT系統(tǒng)。

（2）管理上：不同類型知識模型構(gòu)建后，首先具備相應(yīng)的知識管理機制和模式來保障有效知識的積累，然后具備保證企業(yè)員工采用一定方式共享經(jīng)驗、建立導師、傳幫帶等機制，最后發(fā)展到具有相應(yīng)的流程和制度來保證積累的知識得到充分應(yīng)用和知識創(chuàng)新。

（3）文化上：不同類型知識模型構(gòu)建后，首先從員工養(yǎng)成及時總結(jié)工作經(jīng)驗和教訓的習慣，然后到企業(yè)員工愿意將經(jīng)驗給其他同事分析，并付諸行動，最后發(fā)展到員工在工作中具備了充分利用過去經(jīng)驗和知識的意識，并能積極提出創(chuàng)新方案解決工作中的難題。

流程行業(yè)知識的分類和模型構(gòu)建的目的在于為企業(yè)進行知識工程體系建設(shè)提供高效的路徑和方法，該研究通過描述企業(yè)知識工程體系建設(shè)規(guī)劃藍圖，從企業(yè)現(xiàn)狀出發(fā)，對知識體系的建設(shè)和計劃提供合理規(guī)劃，對人才發(fā)展、資產(chǎn)保值，創(chuàng)新能力提升和研制模式變革都有明顯的價值。

（1）驅(qū)動企業(yè)研發(fā)創(chuàng)新。實現(xiàn)企業(yè)知識的產(chǎn)生、應(yīng)用、創(chuàng)新的良性循環(huán)，幫助企業(yè)提升知識的共享程度，由此帶來產(chǎn)品和機制的創(chuàng)新。

（2）改變企業(yè)研制生產(chǎn)模式。知識體系以科學的方法論為依據(jù)，通過先進的技術(shù)手段在企業(yè)中的組織、流程和IT系統(tǒng)上進行建設(shè)，形成以業(yè)務(wù)為中心的，以知識流和信息流為支撐的研制生產(chǎn)模式。

（3）促進企業(yè)資產(chǎn)的保值和增值。企業(yè)知識屬于軟實力，知識體系能夠幫助企業(yè)管理外部知識、內(nèi)部知識、專家經(jīng)驗知識等，實現(xiàn)企業(yè)智力資產(chǎn)的持續(xù)積累和增值。

（4）加速人才培養(yǎng)、補充企業(yè)技術(shù)人員斷層。實現(xiàn)對流程企業(yè)知識的系統(tǒng)梳理和科學規(guī)劃，避免因人才流動造成的知識損失，為企業(yè)的知識傳承奠定基礎(chǔ)。

4.結(jié)語

不同的知識有不同的知識分類理論，不同的目的有不同的知識分類標準，工業(yè)知識體系是一個多維度矩陣結(jié)構(gòu)。針對流程行業(yè)企業(yè)內(nèi)容復(fù)雜、格式異構(gòu)、數(shù)量龐大的知識資源，以企業(yè)調(diào)研為基礎(chǔ)，從企業(yè)知識資源管理的實際需求出發(fā)，提出了一般性和通用性的知識分類方法。在此基礎(chǔ)上研究了知識建模技術(shù)，為制造企業(yè)復(fù)雜異構(gòu)的知識資源提供了統(tǒng)一的知識獲取方式。文中提出的知識分類方法和復(fù)雜知識資源獲取模板，通過標準化的知識資源獲取界面，結(jié)合人工獲取和半自動化獲取技術(shù)，實現(xiàn)了對制造企業(yè)復(fù)雜知識資源的高效獲取，對企業(yè)未來較長時間內(nèi)知識資源的建設(shè)給予指導。

加大對知識技術(shù)的研究和運用，優(yōu)化數(shù)字技術(shù)路線。工業(yè)知識是構(gòu)建工業(yè)APP的重要組成部分，工業(yè)APP作為工業(yè)互聯(lián)網(wǎng)平臺的業(yè)務(wù)應(yīng)用是軟件技術(shù)和工業(yè)技術(shù)深度融合的產(chǎn)物，將人的經(jīng)驗、知識提取出來，通過軟件運行。全面采集工業(yè)數(shù)據(jù)，讓生產(chǎn)線與數(shù)字孿生系統(tǒng)高度融合，不斷提升生產(chǎn)與制造流程；通過知識圖譜，將不同類別的制造業(yè)基礎(chǔ)數(shù)據(jù)進行知識分類和建模，加強知識提取、關(guān)系挖掘、多領(lǐng)域融合，搭建知識服務(wù)平臺，提高企業(yè)流程中各類問題的預(yù)見和解決能力。