陳凱榮 戰(zhàn)洪飛 余軍合 王 瑞

(寧波大學(xué)機(jī)械工程與力學(xué)學(xué)院 浙江 寧波 315211)

0 引 言

目前,制造業(yè)公司面臨著日益嚴(yán)峻的市場(chǎng)挑戰(zhàn),企業(yè)必須提高效率以縮短產(chǎn)品開發(fā)周期和交付時(shí)間。因此,知識(shí)資源作為企業(yè)獲取超額收益和競(jìng)爭(zhēng)活力的重要戰(zhàn)略資源日益受到管理部門的重視。隨著企業(yè)知識(shí)管理系統(tǒng)的普及,通過(guò)有效收集、整合和管理這些知識(shí)資源,實(shí)現(xiàn)在新的業(yè)務(wù)執(zhí)行時(shí)的重用和優(yōu)化配置成為企業(yè)未來(lái)提效賦能的關(guān)鍵。尤其在產(chǎn)品設(shè)計(jì)階段,存在著知識(shí)的高度密聚集與重復(fù)現(xiàn)象[1],如何利用企業(yè)的信息化系統(tǒng)幫助設(shè)計(jì)人員快速準(zhǔn)確地獲得知識(shí),實(shí)現(xiàn)知識(shí)重用,成為提升產(chǎn)品設(shè)計(jì)質(zhì)量、加快產(chǎn)品設(shè)計(jì)進(jìn)度的關(guān)鍵因素。因此,知識(shí)輔助的產(chǎn)品設(shè)計(jì)模式越來(lái)越受到國(guó)內(nèi)外眾多企業(yè)和研究學(xué)者的關(guān)注。

知識(shí)管理是知識(shí)經(jīng)濟(jì)時(shí)代衍生的一種新的管理思想與方法,并逐步成為工程管理領(lǐng)域的研究熱點(diǎn)之一[2]。文獻(xiàn)[3]提出一種基于適用概率匹配和多維上下文驅(qū)動(dòng)的知識(shí)推送技術(shù),向設(shè)計(jì)人員推送個(gè)性化知識(shí),幫助提高智能產(chǎn)品設(shè)計(jì)的效率和質(zhì)量。文獻(xiàn)[4]為了促進(jìn)制造業(yè)中設(shè)計(jì)和制造流程產(chǎn)生的知識(shí)的重用,提出了一種以行業(yè)標(biāo)準(zhǔn)為基礎(chǔ)的本體開發(fā)方法,用以連接產(chǎn)品設(shè)計(jì)和制造過(guò)程中的知識(shí),并通過(guò)實(shí)際案例研究證明了支持本體的知識(shí)重用框架的可行性。文獻(xiàn)[5]為了解決產(chǎn)品生命周期中知識(shí)的提取和利用問(wèn)題,提出了面向產(chǎn)品生命周期的知識(shí)服務(wù)框架,包括知識(shí)服務(wù)識(shí)別機(jī)制、產(chǎn)品知識(shí)服務(wù)轉(zhuǎn)移機(jī)制、產(chǎn)品知識(shí)服務(wù)交付過(guò)程和產(chǎn)品知識(shí)服務(wù)績(jī)效評(píng)估,為產(chǎn)品開發(fā)提供有效的生命周期知識(shí)支持。文獻(xiàn)[6]提出一種基于圖的知識(shí)重用方法,通過(guò)個(gè)性化PageRank算法用于執(zhí)行知識(shí)導(dǎo)航,在知識(shí)圖中找到針對(duì)新產(chǎn)品開發(fā)中給定問(wèn)題的最相關(guān)知識(shí),以支持新產(chǎn)品開發(fā)中知識(shí)驅(qū)動(dòng)的決策。文獻(xiàn)[7]提出了一個(gè)推薦系統(tǒng),基于企業(yè)網(wǎng)絡(luò)文件服務(wù)器上的文件活動(dòng)構(gòu)建個(gè)性化的用戶模型幫助知識(shí)工作者發(fā)現(xiàn)有用的新內(nèi)容。文獻(xiàn)[8]提出了一種基于知識(shí)模式挖掘的流程知識(shí)推薦系統(tǒng),系統(tǒng)通過(guò)對(duì)參與者的知識(shí)主題需求挖掘,使用基于案例推理的方法主動(dòng)推送符合其學(xué)習(xí)習(xí)慣的流程知識(shí),幫助參與者解決流程問(wèn)題。文獻(xiàn)[9]為了構(gòu)建更加專業(yè)化的智能制造知識(shí)問(wèn)答系統(tǒng),建立了該領(lǐng)域的專業(yè)知識(shí)庫(kù),并通過(guò)深度學(xué)習(xí)算法進(jìn)行問(wèn)答的語(yǔ)義分析,提升了系統(tǒng)的魯棒性和自適應(yīng)性。文獻(xiàn)[10]針對(duì)設(shè)計(jì)中檢索語(yǔ)義表示不清問(wèn)題,提出了一種基于OWL表示模型語(yǔ)義的相似度計(jì)算方法,將對(duì)象本身轉(zhuǎn)化為特征語(yǔ)義的方式進(jìn)行相似度對(duì)比,并通過(guò)CAD模型驗(yàn)證了其有效性和可行性。

回顧分析學(xué)者們對(duì)產(chǎn)品設(shè)計(jì)領(lǐng)域的研究工作,主要集中在知識(shí)表示和重用上,其中也有專注于知識(shí)推薦領(lǐng)域,以及在產(chǎn)品設(shè)計(jì)過(guò)程中的知識(shí)組織和轉(zhuǎn)移。然而知識(shí)本身就是抽象的,沒有統(tǒng)一而明確的界定;即使是相同的知識(shí),不同的主體在表達(dá)上也會(huì)存在著差異。其次,在知識(shí)重用中,如何將已表達(dá)的知識(shí)與知識(shí)需求進(jìn)行匹配也仍有較大改善空間?；谌缟蠁?wèn)題,本文從企業(yè)人員的知識(shí)需求入手,通過(guò)對(duì)不同需求主體的調(diào)研,利用因子分析對(duì)其知識(shí)需求進(jìn)行歸類與劃分,并在此基礎(chǔ)上利用可擴(kuò)展標(biāo)記語(yǔ)言對(duì)企業(yè)資源進(jìn)行統(tǒng)一表示,建立多維度知識(shí)分類體系,便于從多個(gè)角度和方向定位到庫(kù)中所需知識(shí)。在傳統(tǒng)語(yǔ)義檢索的基礎(chǔ)之上,引入注意力機(jī)制的相似度計(jì)算方法提高檢索效率和準(zhǔn)確性,最后設(shè)計(jì)了產(chǎn)品設(shè)計(jì)知識(shí)服務(wù)系統(tǒng)為工程師推送個(gè)性化知識(shí)資源。

1 產(chǎn)品設(shè)計(jì)知識(shí)需求分析

知識(shí)服務(wù)是一個(gè)面向知識(shí)需求的管理系統(tǒng)[11],企業(yè)應(yīng)該充分利用信息化系統(tǒng)功能,構(gòu)建起知識(shí)資源、設(shè)計(jì)人員和知識(shí)需求之間的映射關(guān)系,以提供適合和科學(xué)的知識(shí)服務(wù),提升企業(yè)業(yè)務(wù)執(zhí)行績(jī)效和創(chuàng)新能力。根據(jù)調(diào)查顯示,在產(chǎn)品設(shè)計(jì)中僅有30%不到的業(yè)務(wù)需要新的設(shè)計(jì)解決方案[12],換句話說(shuō),超過(guò)70%的活動(dòng)只需要對(duì)現(xiàn)有知識(shí)的重用就能完成。而且傳統(tǒng)知識(shí)獲取往往來(lái)自企業(yè)中產(chǎn)品的數(shù)據(jù)系統(tǒng),不僅在查詢階段會(huì)消耗大量的時(shí)間,而且獲取的知識(shí)利用率低下,由此可知,企業(yè)運(yùn)作中業(yè)務(wù)執(zhí)行與知識(shí)管理的脫節(jié)較為嚴(yán)重,業(yè)務(wù)執(zhí)行效果有較大的提升空間。

1.1 產(chǎn)品設(shè)計(jì)知識(shí)需求的調(diào)研分析

為了進(jìn)一步了解企業(yè)中不同部門、不同職位在產(chǎn)品設(shè)計(jì)生命周期中的知識(shí)需求,本文對(duì)本地具有代表性的制造企業(yè)進(jìn)行了深入的調(diào)研和詳細(xì)訪談。受不同需求主體認(rèn)知的影響,對(duì)需求內(nèi)容的描述涉及產(chǎn)品設(shè)計(jì)全生命周期中各個(gè)類型的知識(shí)且表現(xiàn)出多維度特征。因而,對(duì)維度特征的把握是知識(shí)表達(dá)與重用的基礎(chǔ),所以本文基于問(wèn)卷調(diào)查的方法進(jìn)行產(chǎn)品設(shè)計(jì)知識(shí)需求的維度的確定。問(wèn)卷的內(nèi)容主體包含樣本背景、知識(shí)需求形式和知識(shí)管理績(jī)效,然后結(jié)合企業(yè)的現(xiàn)狀與特點(diǎn),并征求專家意見對(duì)問(wèn)卷的內(nèi)容進(jìn)行適當(dāng)?shù)恼{(diào)整和補(bǔ)充,最后形成本次的調(diào)研問(wèn)卷。第一部分具體內(nèi)容包括公司性質(zhì)、部門、職位、工齡、學(xué)歷等;第二部分是從之前的訪談?dòng)涗浐烷_放式問(wèn)項(xiàng)中歸納總結(jié)的知識(shí)需求形式,并采用李克特(Likert)5點(diǎn)計(jì)分法讓被測(cè)員工對(duì)需求度做出模糊的綜合評(píng)價(jià)。第三部分是知識(shí)管理績(jī)效,同樣采用5點(diǎn)法讓被測(cè)員工根據(jù)實(shí)際企業(yè)中知識(shí)運(yùn)用情況對(duì)業(yè)務(wù)執(zhí)行績(jī)效影響進(jìn)行打分。

本次調(diào)研過(guò)程對(duì)象主要針對(duì)產(chǎn)品設(shè)計(jì)和其他相關(guān)部門,共發(fā)放了300份問(wèn)卷,其中收回163份,然后再通過(guò)人工篩選,最終對(duì)128份有效問(wèn)卷進(jìn)行分析。為了歸納總結(jié)企業(yè)產(chǎn)品設(shè)計(jì)中的知識(shí)需求,驗(yàn)證知識(shí)輔助業(yè)務(wù)執(zhí)行的有效性,采用SPSSAU和SPSS23軟件對(duì)收集的問(wèn)卷數(shù)據(jù)進(jìn)行信度檢驗(yàn)和因子分析。

1) 信度檢驗(yàn)。

本文首先采用SPSSAU對(duì)此次的問(wèn)卷量表進(jìn)行信度的檢驗(yàn),從表1可知信度系數(shù)值為0.984,因而說(shuō)明研究數(shù)據(jù)信度質(zhì)量很高,即問(wèn)卷的測(cè)驗(yàn)結(jié)果一致、穩(wěn)定及可靠,可用于進(jìn)一步分析。

表1 Cronbach信度分析-簡(jiǎn)化格式

2) 因子分析。

根據(jù)問(wèn)卷第二部分內(nèi)容,從開放式訪談提煉出的產(chǎn)品設(shè)計(jì)中的12個(gè)知識(shí)需求要素進(jìn)行探索性因子分析,從表2可以看到檢測(cè)的KMO值為0.953(大于0.9),Bartlett球性檢驗(yàn)的顯著性系數(shù)為0.000(小于0.01),意味著變量間有較強(qiáng)的相關(guān)性,適合做因子分析。

表2 KMO和巴特利特檢驗(yàn)

在確定該問(wèn)卷適合進(jìn)行因子分析之后,采用主成分分析方法對(duì)問(wèn)卷數(shù)據(jù)進(jìn)行相關(guān)性矩陣分析,并以特征值大于1為標(biāo)準(zhǔn)提取數(shù)據(jù),要提取的因子數(shù)為4,采用Kaiser標(biāo)準(zhǔn)化的方差最大(Varimax)旋轉(zhuǎn)方法在旋轉(zhuǎn)9次迭代中收斂,知識(shí)需求要素的分析結(jié)果如表3所示。

表3 旋轉(zhuǎn)后的成分矩陣

可以看出,通過(guò)探索性因子分析得到了4類因子。因此,本文根據(jù)經(jīng)濟(jì)合作與發(fā)展組織(OECD)提出的知識(shí)分類方法,也將產(chǎn)品設(shè)計(jì)中的知識(shí)需求分為四種類型：

(1) 知事類知識(shí)(know-what),指關(guān)于事實(shí)的知識(shí),如企業(yè)中的文檔、規(guī)格和數(shù)據(jù)庫(kù)。

(2) 知因類知識(shí)(know-why),指原理和規(guī)律方面的理論,包括產(chǎn)品概念、設(shè)計(jì)規(guī)范、客戶要求和專業(yè)知識(shí)等。

(3) 知能類知識(shí)(know-how),是人類通過(guò)學(xué)習(xí)或?qū)嵺`所獲得的知識(shí),通常有設(shè)計(jì)、制圖、仿真等的個(gè)人技能知識(shí)。

(4) 知人類知識(shí)(know-who),指誰(shuí)知道或誰(shuí)知道如何做某些事的信息,它包含了特定社會(huì)關(guān)系的形成,涉及領(lǐng)域?qū)＜?、客戶、企業(yè)文化等。

其中：(1)、(2)類知識(shí)(顯性知識(shí))可以通過(guò)學(xué)習(xí)資料、查看數(shù)據(jù)庫(kù)而獲得;而(3)、(4)類知識(shí)(隱性知識(shí))依靠實(shí)踐、總結(jié)和交流獲得。

1.2 知識(shí)需求維度劃分

為了構(gòu)建完整的產(chǎn)品設(shè)計(jì)知識(shí)庫(kù),實(shí)現(xiàn)知識(shí)管理與業(yè)務(wù)執(zhí)行全生命周期的融合,企業(yè)需要提供一套可滿足產(chǎn)品設(shè)計(jì)生命周期具體需求的功能[13]。而歸結(jié)企業(yè)人員對(duì)產(chǎn)品設(shè)計(jì)中知識(shí)需求的調(diào)研陳述發(fā)現(xiàn),受不同需求主體影響,對(duì)知識(shí)類型也有著不同的需求。同時(shí),為了更好地促進(jìn)知識(shí)的傳遞和轉(zhuǎn)換,本文還對(duì)企業(yè)中常見的知識(shí)資源載體“案例”進(jìn)行了研究。結(jié)合以上產(chǎn)品生命周期管理、知識(shí)需求主體和企業(yè)案例三個(gè)因素分析,本文將產(chǎn)品設(shè)計(jì)知識(shí)由以下三個(gè)維度來(lái)描述：知識(shí)源、知識(shí)對(duì)象和知識(shí)形式。

1) 知識(shí)源維度獲取產(chǎn)品生命周期階段定義的知識(shí),設(shè)計(jì)人員可以根據(jù)產(chǎn)品設(shè)計(jì)不同階段來(lái)使用這種知識(shí)。

2) 知識(shí)對(duì)象是知識(shí)模型的實(shí)例,是從學(xué)習(xí)的需求出發(fā),依據(jù)知識(shí)管理規(guī)定的結(jié)構(gòu)和形式形成的知識(shí)集合。

3) 知識(shí)形式可以理解為知識(shí)的分類,包含事實(shí)知識(shí)、原理知識(shí)、技能知識(shí)和人際知識(shí)。

2 多維度知識(shí)分類體系模型

本文研究的知識(shí)表示方法是為了便于業(yè)務(wù)與知識(shí)結(jié)合,輔助知識(shí)服務(wù)系統(tǒng)的實(shí)現(xiàn),便于實(shí)施知識(shí)的重用與傳播。而知識(shí)本身是一種形式化的、概念化的信息,是人們的總結(jié)與歸納,知識(shí)表示則需要以一種顯式化、情境化的方式表達(dá),來(lái)指導(dǎo)實(shí)踐、行動(dòng)的作用。因此,如何將抽象的知識(shí)表達(dá)出來(lái),讓接收者更好地理解,減少過(guò)程中的信息損耗,是提高異構(gòu)知識(shí)間的互操作性、促進(jìn)知識(shí)共享[14]的關(guān)鍵。因而,本文將多維特征表達(dá)引入到知識(shí)建模中來(lái),基于知識(shí)需求的維度劃分,本文將產(chǎn)品設(shè)計(jì)的知識(shí)也分為三個(gè)維度：知識(shí)對(duì)象、知識(shí)源和知識(shí)形式,并通過(guò)語(yǔ)義進(jìn)行組織、關(guān)聯(lián)與推理,從而提高檢索的查全率和查準(zhǔn)率,提高知識(shí)的重用率。

為了構(gòu)建完整的產(chǎn)品設(shè)計(jì)知識(shí)庫(kù),以有效提升企業(yè)中的知識(shí)重用效率,本文采用了可擴(kuò)展標(biāo)記語(yǔ)言(XML)和基于多維度知識(shí)表示方法來(lái)描述產(chǎn)品開發(fā)中每個(gè)設(shè)計(jì)階段和具體活動(dòng)所需知識(shí),實(shí)現(xiàn)產(chǎn)品設(shè)計(jì)全生命周期的知識(shí)共享。如圖1所示該模型分為資源表示層和知識(shí)集成層。

圖1 多維知識(shí)表示模型

資源表示層是底層設(shè)計(jì),根據(jù)可擴(kuò)展標(biāo)記語(yǔ)言設(shè)計(jì)模型創(chuàng)建和映射知識(shí)資源,是知識(shí)表示和交換的標(biāo)準(zhǔn),也是信息發(fā)現(xiàn)的重要方法。

知識(shí)集成層包含一個(gè)集成的領(lǐng)域本體和三維屬性體系,一條知識(shí)可以歸屬于多個(gè)維度,而對(duì)那些起到參考、約束作用的分類方法定義為屬性。維度和方法從本質(zhì)上看其實(shí)是分類的標(biāo)準(zhǔn),也是知識(shí)檢索中基于類推理能力的基礎(chǔ)。同時(shí)在2個(gè)類的子屬關(guān)系中,給出1個(gè)或多個(gè)關(guān)于“一類是另一類的子類”的表示來(lái)創(chuàng)建類層次關(guān)系。

知識(shí)對(duì)象維度定義用于描述設(shè)計(jì)產(chǎn)品對(duì)象的知識(shí),包含設(shè)計(jì)對(duì)象和設(shè)計(jì)過(guò)程兩大類。設(shè)計(jì)對(duì)象知識(shí)中又包括產(chǎn)品ID、零件ID、對(duì)象特征、設(shè)計(jì)團(tuán)隊(duì)等;設(shè)計(jì)過(guò)程知識(shí)包括設(shè)計(jì)活動(dòng)、設(shè)計(jì)步驟、設(shè)計(jì)任務(wù)等。

知識(shí)形式是描述知識(shí)資源的模型,其中包括事實(shí)知識(shí)、原理知識(shí)、技能知識(shí)和人際知識(shí),每個(gè)子類中還可以繼續(xù)分為子類。例如,技能知識(shí)中有結(jié)構(gòu)設(shè)計(jì)、模塊設(shè)計(jì)等,而結(jié)構(gòu)設(shè)計(jì)又包含草圖、CAD、CAE和有限元分析等。

知識(shí)源維度獲取從產(chǎn)品生命周期階段定義的知識(shí),包括分析、設(shè)計(jì)、制造和銷售等過(guò)程中相關(guān)的知識(shí)資源。

服務(wù)系統(tǒng)通過(guò)對(duì)知識(shí)資源進(jìn)行動(dòng)態(tài)集成,為產(chǎn)品設(shè)計(jì)生命周期的各個(gè)階段提供系統(tǒng)化的支持。

3 基于案例的產(chǎn)品設(shè)計(jì)知識(shí)庫(kù)的構(gòu)建

為了實(shí)現(xiàn)企業(yè)產(chǎn)品設(shè)計(jì)知識(shí)的有序化,以便在知識(shí)服務(wù)系統(tǒng)中作為知識(shí)資源進(jìn)行查詢與重用,本文通過(guò)對(duì)企業(yè)的案例進(jìn)行分析整理,以案例的業(yè)務(wù)流程為主線,對(duì)業(yè)務(wù)活動(dòng)進(jìn)一步細(xì)化,確定其基本要素,采用基于業(yè)務(wù)流程的知識(shí)建模方法,對(duì)案例中的知識(shí)信息進(jìn)行分析挖掘,并整合保存于知識(shí)庫(kù)中,如圖2所示。

1) 知識(shí)庫(kù)使用關(guān)系型數(shù)據(jù)庫(kù)來(lái)存放知識(shí),包括各類知識(shí)形式、規(guī)則和案例等,實(shí)現(xiàn)對(duì)知識(shí)的插入、刪除及修改,并需要在知識(shí)發(fā)生變動(dòng)時(shí)及時(shí)對(duì)庫(kù)中知識(shí)進(jìn)行一致性、完整性檢查。

2) 查詢模塊實(shí)現(xiàn)知識(shí)庫(kù)和推理機(jī)之間的知識(shí)搜索、傳遞和知識(shí)查詢。

3) 多維度的知識(shí)集成不僅將各類分散的知識(shí)元素依據(jù)一定的邏輯規(guī)則有序化、層次化,方便人們利用計(jì)算機(jī)進(jìn)行檢索,還解決了信息超載導(dǎo)致的知識(shí)匱乏,加強(qiáng)了顯性知識(shí)與隱性知識(shí)的交互,實(shí)現(xiàn)知識(shí)間的共享與創(chuàng)新。

4 引入注意力機(jī)制的相似度計(jì)算方法

深度學(xué)習(xí)中,注意力機(jī)制從本質(zhì)上與人類的選擇性視覺注意力機(jī)制類似,希望從眾多的信息中篩選出對(duì)當(dāng)前任務(wù)目標(biāo)更關(guān)鍵的信息。為設(shè)計(jì)實(shí)現(xiàn)知識(shí)重用與傳播的知識(shí)服務(wù)系統(tǒng)支撐,知識(shí)與產(chǎn)品設(shè)計(jì)需求的匹配方法是核心與關(guān)鍵,所以本節(jié)研究在產(chǎn)品設(shè)計(jì)過(guò)程中,設(shè)計(jì)人員如何獲取相關(guān)知識(shí)以支持其設(shè)計(jì)工作。根據(jù)設(shè)計(jì)流程中不同設(shè)計(jì)階段的任務(wù),會(huì)產(chǎn)生相應(yīng)的知識(shí)需求,就需要基于知識(shí)庫(kù)檢索并學(xué)習(xí)和重用知識(shí)。傳統(tǒng)的語(yǔ)義檢索由句子中的每個(gè)單詞產(chǎn)生,這意味著無(wú)論是哪個(gè)單詞,在檢索某個(gè)目標(biāo)任務(wù)時(shí)影響力都是相同的,就如同人類觀察眼前的事物時(shí)眼中沒有注意的焦點(diǎn)。本文引入注意力機(jī)制[15]匹配知識(shí)資源,并將結(jié)合語(yǔ)義相似度的計(jì)算來(lái)確定排名提供給知識(shí)需求者。Encoder-Decoder框架是一種深度學(xué)習(xí)領(lǐng)域的研究模式,應(yīng)用場(chǎng)景十分廣泛,結(jié)合注意力機(jī)制的結(jié)構(gòu)如圖3所示。

圖3 引入注意力模型的Encoder-Decoder框架

把知識(shí)庫(kù)中的信息向量X=[x1,x2,…,xn]看作是一個(gè)信息存儲(chǔ)器,現(xiàn)在輸入一個(gè)查詢向量q,用來(lái)查找和選擇X中與任務(wù)相關(guān)的信息。注意力機(jī)制在選擇信息的時(shí)候,不是從知識(shí)庫(kù)中挑選出一條信息來(lái),而是根據(jù)注意力分布遍歷信息整體來(lái)計(jì)算它們的加權(quán)平均。

因此定義一個(gè)注意力變量z∈[1,N]表示知識(shí)庫(kù)中信息的索引位置,當(dāng)z=i時(shí),說(shuō)明選擇了第i個(gè)信息,然后計(jì)算在給定了q和X的情況下,z=i的信息概率αi,并用Softmax函數(shù)對(duì)注意力得分進(jìn)行歸一化,得到權(quán)重系數(shù)之和為1的概率分布：

αi=p(z=i|X,q)=

softmax(s(xi,q))=

(1)

式中：αi構(gòu)成的概率向量就稱為注意力分布(Attention Distribution)。S(xi,q)注意力權(quán)重分配函數(shù)點(diǎn)積模型如式(2)所示。

(2)

注意力分布αi表示在給定查詢q時(shí),資源信息向量X中第i個(gè)信息與查詢q的相關(guān)程度。最后用加權(quán)平均的方式對(duì)知識(shí)庫(kù)中的信息進(jìn)行匯總,給出相似度大小排名和查詢所得結(jié)果：

(3)

計(jì)算Attention值的過(guò)程如圖4所示。

圖4 注意力分布加權(quán)平均

5 知識(shí)服務(wù)原型系統(tǒng)的設(shè)計(jì)

5.1 知識(shí)服務(wù)系統(tǒng)框架

設(shè)計(jì)理念中,可以用產(chǎn)品設(shè)計(jì)的全生命周期為牽引,通過(guò)業(yè)務(wù)需求層次性分析,細(xì)分業(yè)務(wù)需求,基于本文的產(chǎn)品設(shè)計(jì)知識(shí)需求及多維度知識(shí)的表示方法,在企業(yè)知識(shí)庫(kù)的支撐下,為產(chǎn)品設(shè)計(jì)創(chuàng)新提供面向業(yè)務(wù)的知識(shí)重用推薦服務(wù)。系統(tǒng)的總體結(jié)構(gòu)框架主要包含資源層、映射層和應(yīng)用層,每個(gè)模塊的詳細(xì)信息以及彼此之間的聯(lián)系如圖5所示。應(yīng)用層包含從知識(shí)請(qǐng)求到系統(tǒng)響應(yīng)設(shè)計(jì)人員需求的知識(shí)資源輸出的知識(shí)共享過(guò)程。映射層構(gòu)建了知識(shí)需求與知識(shí)資源之間的映射關(guān)系,包含基于protege軟件進(jìn)行產(chǎn)品設(shè)計(jì)知識(shí)體系表示和基于注意力機(jī)制的相似度計(jì)算。資源層包含各類知識(shí)資源,例如文檔、案例,專家等利用可擴(kuò)展標(biāo)記語(yǔ)言進(jìn)行知識(shí)資源的統(tǒng)一表示。

圖5 知識(shí)服務(wù)系統(tǒng)框架

5.2 系統(tǒng)的實(shí)現(xiàn)

系統(tǒng)遵循MVC模式架構(gòu)的SSH框架實(shí)現(xiàn)產(chǎn)品設(shè)計(jì)領(lǐng)域多維度知識(shí)體系的服務(wù)系統(tǒng)。首先利用Protege軟件,從產(chǎn)品生命周期、業(yè)務(wù)案例和知識(shí)形式三個(gè)維度構(gòu)建減速箱設(shè)計(jì)知識(shí)分類體系如圖6所示。為了實(shí)現(xiàn)對(duì)產(chǎn)品設(shè)計(jì)知識(shí)語(yǔ)義描述和關(guān)聯(lián)的功能,還需對(duì)其進(jìn)行語(yǔ)義標(biāo)注,之后將其存儲(chǔ)到安裝好的MySQL數(shù)據(jù)庫(kù)中,利用JDBC驅(qū)動(dòng)程序?qū)⑵渑c數(shù)據(jù)庫(kù)連接起來(lái),實(shí)現(xiàn)兩者之間的交互。

圖6 多維度知識(shí)表示

所開發(fā)的產(chǎn)品設(shè)計(jì)知識(shí)服務(wù)系統(tǒng)具有一定的應(yīng)用性。基于語(yǔ)義分析模型和多維分類體系,它具有知識(shí)標(biāo)識(shí)、知識(shí)分類、知識(shí)組織和知識(shí)檢索等功能。同時(shí),知識(shí)編輯器將復(fù)雜的領(lǐng)域知識(shí)建立起多維屬性體系,并通過(guò)各知識(shí)節(jié)點(diǎn)形成網(wǎng)狀的知識(shí)組織形式,集成為可視化的知識(shí)地圖,可以使用戶快速地找到所需的知識(shí)點(diǎn)。該系統(tǒng)的知識(shí)導(dǎo)航也有利于企業(yè)發(fā)掘潛在智力資源,發(fā)揮知識(shí)資產(chǎn)的杠桿作用,進(jìn)一步提升企業(yè)的創(chuàng)新能力。

OWL本體語(yǔ)言代碼如下：

xmlns="http：//www.semanticweb.org/administrator/

ontologies/2020/5/untitled-ontology-7#"

xml：base=""

xmlns：rdf="rdf-syntax-ns#"

xmlns：owl="owl#"

xmlns：xml="XML/namespace"

……

圖7、圖8所示為在減速箱設(shè)計(jì)過(guò)程中,工程師根據(jù)設(shè)計(jì)任務(wù)來(lái)檢索、獲取相關(guān)知識(shí)。根據(jù)業(yè)務(wù)流程的不同階段會(huì)有不同的設(shè)計(jì)任務(wù),工程師在進(jìn)就會(huì)產(chǎn)生“齒輪的潤(rùn)滑方式選擇”的知識(shí)需求,工程師就可以根據(jù)設(shè)計(jì)任務(wù)和設(shè)計(jì)需求從知識(shí)庫(kù)中查詢或下載知識(shí)資源進(jìn)行學(xué)習(xí)。在知識(shí)服務(wù)系統(tǒng)方面,用戶輸入的信息進(jìn)行分詞與權(quán)重量化之后生成的特征向量與數(shù)據(jù)庫(kù)的向量空間進(jìn)行匹配,推薦的內(nèi)容不僅包含有相關(guān)字眼的內(nèi)容,搜索引擎還會(huì)呈現(xiàn)出與此內(nèi)容相關(guān)的實(shí)例部分、專家信息等,提高了知識(shí)檢索的查全率和查準(zhǔn)率,最后由相似度算法計(jì)算加權(quán)平均的排序方式提供給工程師相關(guān)知識(shí)資源。

圖7 知識(shí)資源檢索

圖8 文檔信息

當(dāng)前,知識(shí)服務(wù)在企業(yè)管理中有著舉足輕重的作用。本文所提出的框架具有在產(chǎn)品設(shè)計(jì)全生命周期中支持產(chǎn)品設(shè)計(jì)的功能,利用知識(shí)資源的統(tǒng)一表示構(gòu)建了多維度知識(shí)分類體系,并整合了知識(shí)需求和知識(shí)資源的映射關(guān)系,提出的知識(shí)檢索方法能有效減少產(chǎn)品設(shè)計(jì)中資源瀏覽的時(shí)間成本。與傳統(tǒng)的知識(shí)獲取過(guò)程相比較,此知識(shí)服務(wù)系統(tǒng)大大減少了設(shè)計(jì)人員獲取知識(shí)的時(shí)間,提高了知識(shí)的利用率。

6 結(jié) 語(yǔ)

隨著知識(shí)經(jīng)濟(jì)的興起,知識(shí)資源作為提升企業(yè)業(yè)務(wù)執(zhí)行績(jī)效的重要戰(zhàn)略資源日益受到人們的關(guān)注。針對(duì)目前企業(yè)業(yè)務(wù)執(zhí)行中知識(shí)管理脫節(jié)嚴(yán)重、缺失等情況,本文在企業(yè)調(diào)研的基礎(chǔ)上確定企業(yè)人員知識(shí)需求,并通過(guò)因子分析對(duì)其進(jìn)行歸類與劃分;提出一個(gè)面向產(chǎn)品設(shè)計(jì)知識(shí)的集成框架,包含基于XML的知識(shí)表示、多維度的知識(shí)分類體系;研究了基于注意力機(jī)制的相似度計(jì)算的知識(shí)檢索方法以及知識(shí)服務(wù)系統(tǒng)的設(shè)計(jì)與開發(fā)。未來(lái)隨著信息技術(shù)的發(fā)展,機(jī)器學(xué)習(xí)已成為解決知識(shí)獲取和個(gè)性化推薦更優(yōu)的解決方案,系統(tǒng)可以更多采用這些新的信息技術(shù)。目前,沒有廣泛使用的專業(yè)標(biāo)準(zhǔn)的產(chǎn)品設(shè)計(jì)知識(shí)存儲(chǔ)庫(kù),需要對(duì)各類產(chǎn)品進(jìn)行分別研究以進(jìn)一步拓展企業(yè)自己的知識(shí)庫(kù)。