面向生产现场的问题驱动知识管理方法及应用研究

盖　印　党延忠

1(大连理工大学管理科学与工程学院　辽宁 大连 116023)2(东北财经大学管理科学与工程学院　辽宁 大连 116023)



面向生产现场的问题驱动知识管理方法及应用研究

盖印1，2党延忠1

1(大连理工大学管理科学与工程学院辽宁 大连 116023)2(东北财经大学管理科学与工程学院辽宁 大连 116023)

在生产现场的问题解决中，会产生和运用大量的经验知识，对这些知识进行有效管理具有十分重要的意义。为此，以生产现场所遇的实际问题为切入点，提出面向生产现场的问题驱动知识管理方法，并结合问题解决研究中的认知机理和概念模型，构建问题驱动的知识管理方法框架及系统结构。该方法在生产现场实际问题解决中持续地学习和运用知识，从而实现知识的有效管理。最后，针对某轿车厂生产现场中存在的实际问题开发知识管理原型系统，验证所提出方法框架和系统结构的科学性和有效性。

生产现场问题驱动知识管理知识管理系统

0　引　言

生产现场是制造企业实现生产经营目标的基本要素之一，具体包括：工艺管理、质量管理、设备管理、库存管理等诸多方面。在生产现场，往往会遇到很多不同类型的问题，比如，作业流程不顺畅、发生不良品混入、设备故障、积压库存等。目前，生产部门常规的做法是由一线工人或技术人员按照一定的格式详细地记录问题及其解决过程，但由于缺乏精细化的知识结构和对思维过程的支持，导致问题解决记录中隐含的知识不能及时反馈，丧失详细记录的意义，而随着生产规模的逐步扩大和工艺技术的不断更新，问题也越来越多。

在生产现场问题解决中产生的大量经验是企业宝贵的知识资源，如果能够借助知识管理的研究方法和技术手段，通过促进知识的提取，并转化为企业可控的知识资源，使得知识跨越时空，实现知识的共享和传递，进而及时、有效地解决问题，对于提高工作效率和产品质量都具有十分重要的意义。为此，针对已有面向生产现场知识管理研究中存在的不足，在对问题解决研究趋势进行深入分析的基础上，本文提出面向生产现场的问题驱动知识管理方法，结合问题解决中隐含的认知机理和概念模型，构建问题驱动的知识管理方法框架和系统结构。最后，结合某轿车厂冲压车间的实际生产背景开发知识管理原型系统，为冲压工艺的生产线停机问题解决和知识管理等生产实践活动提供支持。

1　问题驱动的知识管理方法提出

1.1面向生产现场的知识管理方法研究概述

目前，围绕制造企业生产现场的知识管理方法研究主要从三个基本视角展开：

其一，以产品为核心，对不同类型和不同形式的知识内容进行管理。制造企业的生产经营是以产品为中心的，产品是最重要的一种知识资源，通常地，产品可以分解为部件、组件，直到最小的、独立的零件等单元，由此形成一个复杂产品的分层树状结构[1]。生产部门根据物料在生产制造阶段技术和管理等方面的要求衍生出相应的产品结构模型。生产现场的知识内容和形式虽有不同，但通常都与具体的产品、零/部件相关，这样，产品结构在不同知识内容间就起到一种粘合剂的作用，可作为知识积累的最佳平台[2]。

其二，以业务过程为导向，对错综复杂的知识过程进行管理。知识是情境相关的，情境对于知识的产生、存储、共享和应用等知识活动都有重要的影响，知识活动与知识情境分离，知识管理将很难达到预期的效果[3]。在生产现场，流程为知识管理提供了情境，通过流程活动把相关知识与流程关联起来，把流程活动及其要素作为知识管理的维度，借由某个流程活动的需求可过滤出一系列内部和外部的知识资源，避免知识查询和检索过程中的信息过载问题。流程也可以提供知识工具的概念层面的描述，为员工的日常工作提供知识工具的导航[4]。

其三，以信息技术为基础的知识管理系统的实际应用。应用于生产现场的知识管理系统大多着眼于生产现场的基本环节实现计算机技术支持。围绕生产现场以及相关的工艺规划、装配规则、故障诊断、知识可视化等环节，人们综合运用存储与检索技术、网络技术、基于计算机的培训工具及人工智能等技术手段支持生产现场的知识工作过程[5]。从系统功能的角度看，当前知识管理系统主要着眼于以下方面对生产现场的知识内容与知识过程提供信息技术支持，包括知识检索、知识展示、知识获取、知识通信与合作、基于计算机的培训与远程学习等。

上述研究均立足于制造企业生产现场的知识管理，代表了该领域研究的主要方向，取得了相当的研究进展，且成果颇丰。然而，大多数研究把知识与产品或业务流程关联起来，实质上是把产品结构等同于知识内容的分类结构，把业务过程等同于知识过程，这种管理方法忽视了知识自身的内在认知机理和运动规律，尚未对知识管理与实际工作的有效结合方式进行深入研究，致使知识管理系统缺乏指导生产实践的应用性和可操作性，更无法为企业带来真正的收益。

1.2问题及其解决过程研究的发展趋势

关于“问题”的一般概念，可以表述为：一个事物的实际状态与主体预期状态的差距。当这种差距被主体感知，并被认为有必要消除时，就意味着一个新问题的产生。而问题解决就是设法消除这种差距，促使事物由当前状态向理想状态转化的过程[6]。

在20世纪50年代，心理学发生了一场所谓的“认知革命”，认知心理学家们开始重视对行为背后内部心理过程的研究，并试图借助计算机科学的方法和技术模拟人类解决问题的过程，正是在这些研究的基础上发展起来了信息加工取向的问题解决理论。研究者们选择大量的不需要领域专门知识的问题作为实验材料，如汉诺塔问题等，从信息加工转换的角度对人类启发式搜索的问题解决过程进行了模拟研究，形成了许多通用的问题解决方法或策略，比如，“向后求解”、“爬山法”等[7]。20世纪80年代以后，有关信息加工取向的问题解决研究发生了很大的变化：开始关注知识在问题解决中的关键性作用，以及把问题解决看作是知识学习的重要途径[8]。认知心理学家们对物理、数学等学科问题解决中的认知过程展开了大量的实证研究，并结合问题解决过程来解释知识的作用和智慧的生长[9]，使用“认知层次”[10]、“认知结构”[11]、“问题表征”[12]等术语对问题解决各阶段进行更深入而细致的刻画，从而更真实地描述了人类解决问题的动态过程。

随着认知科学理论和方法研究的不断深入，计算机科学等研究领域也越来越重视为解决企业的实际问题服务，特别是，在知识密集型工作的研究和实践中专家系统和决策支持系统的应用收到了很好的成效。比如，GEBUS等运用知识管理的方法和技术为解决生产现场的实际问题提供了决策支持[13]；郭健美等为满足企业在业务问题解决方面的实际需求，提出知识供应过程中的问题空间、知识空间和流程空间的概念，并进一步给出了包括知识评价、存储和重用的供应算法[14]；PATRICIA等运用基于规则的专家系统，分步骤引导组织内的问题解决，并能有效支持组织的培训过程[15]；KUBOTA等为克服传统项目管理中的知识积累和学习问题，提出把项目管理作为复杂问题的观点，并从分布式知识管理的视角解决问题[16]；盖印等提出一种问题驱动的隐性知识获取方法，并应用于制造企业的知识管理实践之中[17]。

人们对问题解决的研究经历了这样几个趋势：在研究方法上，从计算机的模拟算法，到更加注重与企业知识管理实践的结合；在研究层次上，从对一般表面现象的描述，到内部认知过程的解释，再到知识获取与学习的认知过程。可以说，认知心理学和针对企业知识管理实践中的知识管理问题开展的相关研究，为研究面向生产现场的问题驱动知识管理方法提供了有力的理论构想和研究思路。

1.3面向生产现场的问题驱动知识管理方法提出

由以上对面向生产现场的知识管理方法和问题解决研究趋势的深入分析可知，一方面，问题解决是与生产现场实际工作密切结合的有效途径，迅速、有效地解决生产现场出现的各种问题，会大大提升企业的生产效率，为企业带来收益，同时，也使得知识管理系统落到实处，从而获得生产现场实际工作的大力支持；另一方面，问题解决是一种思维或认知活动，与概念形成、推理、决策等活动相比，其中隐含着更加完整的知识学习和运用的内在认知过程，因此，可以把问题及其解决过程作为探索面向生产现场知识管理方法的一个重要研究途径。

因此，本文针对制造业生产现场知识管理研究中存在的不足，打破已有研究以产品为核心、或以流程为导向的研究局面，提出面向生产现场的问题驱动知识管理方法研究的新思路，即从生产现场遇到的具体问题出发，基于问题解决的认知机理和概念模型，更进一步地结合生产现场的实际工作开展知识管理研究。

2　问题驱动的知识管理方法框架

本文以生产现场的实际问题为研究切入点，承认和接受知识在问题解决过程中的建构性质，也就是说，知识在问题解决中获得，也在新问题的解决中不断修正、补充和发展，以此，建立如图1所示的问题驱动知识管理方法框架。下面，对问题驱动的知识管理方法框架及相关基本概念作出解释和说明。

(1) 问题解决事实

实际调研结果表明，在生产现场问题解决过程一般可由问题描述、原因分析、方案拟定、方案执行和总结评价等五个阶段构成。通常情况下，这五个阶段并不一定是按顺序进行的，而是循环往复、错综复杂地交叠在一起。

问题解决事实是对已发生的问题及其解决过程的客观表述。问题描述包括问题发生的时间、地点和人物等基本的要素，比如在汽车冲压加工过程中，发生故障停机的发现时间、持续时段等时间要素，出现故障的自动压机生产线、工序、配套模具等地点要素，负责恢复设备运行的分析人员、技术人员等人物要素，此外，问题描述还包括可直接观测到或检验出的状况，比如在冲压件上出现裂纹、折皱等现象。原因分析就是要揭示这些现象背后隐藏的深层次原因，通常情况下，可能存在多重原因，依此拟定多个方案，并通过方案执行的结果验证原因分析和方案拟定的有效性，再对整个问题解决过程进行总结评价。总之，问题解决事实是对问题解决过程的详细记录，是在问题解决过程中获得的直接经验知识，为进一步展开知识管理提供基础性数据。

(2) 问题解决知识

问题解决事实是对已经发生的问题及其解决过程的事后记录，对于新问题不具有直接指导作用，因此需要对问题解决事实概括、提炼，获得一般性的知识，在这里，把从问题解决事实中获得的知识称为问题解决知识。问题解决知识是隐含在问题解决事实记录中的知识，是一种具有归纳特征的经验知识。较之问题解决事实，问题解决知识具有一般性、概括性和抽象性，可以用于指导新问题的分析和解决。由于经验知识并非以一种确定的方式存在，因此，对问题解决知识的描述是双重的，即做定性分析，也有定量统计，以求揭示深层规律。

① 定性分析

在认知心理学看来，问题解决依赖于问题解决者个人的内在认知结构,即问题解决者在长期工作中形成的问题域的全部知识及其组织。因此，在定性分析方面，把问题解决知识描述为一个知识网络模型，其中，知识节点表示问题解决者在生产现场问题解决中形成的对同类现象、同类原因、同类方案等的抽象和概括；关联边则表示知识节点在问题解决这一思维过程中的关联关系。

② 定量统计

在问题解决知识网络模型中，关联边的关联强度是由问题解决者在已发生问题解决中积累的经验所决定的，通常来讲，认知关系在问题解决者的思维活动中出现，并且接受问题解决的检验被证明是有效的次数越多，这一认知关系的关联强度就越高。因此，如果能对关联边及与其相关联的知识节点在问题解决中出现的有效次数进行及时汇总，那么通过统计分析所得的数值特征则可以作为对关联强度进行定量描述的重要依据。

(3) 领域知识

从已有问题解决研究中得到的一个主要启示就是对特定领域知识的重视。某一领域知识结构的精细化程度影响着像编码、提取等微观过程的效率，反过来，它又制约着思维、推理等宏观水平的行为。通常，某特定领域的知识是相当丰富的，比如，在生产管理中，现场班组长需要关注人员、设备、材料、方法和环境等五个方面的生产要素，还可能表现为数据、记录、文档、手册等不同知识形式。可见，丰富的知识内容和多样的表现形式使得领域知识的规范化和精细化工作愈加复杂。

考虑到所涉及领域知识的复杂程度，把领域知识划分为多个知识主题，一个知识主题表示特定领域知识的某一方面，以此，由多个知识主题来全面、统一地表达领域知识的体系结构。任一知识主题定义的概念、词汇等知识元，以及上下文、条件和横向联系等知识结构关系，能够帮助问题解决者准确而全面地表达问题解决过程中的内在认知结构。并且，任一知识主题包含的知识元都是客观的、标准化的，为群体所共识，它有助于经验知识在统一框架下的选择、组织和编码，以促进对领域知识的共同理解。可以说，多主题的领域知识体系结构不仅可以缩小在领域知识构建过程中可能出现的范围扩散问题，还有利于具有不同知识、技能背景的专家团队联合建模，更重要的是，为问题解决中产生和运用的知识提供元层次语义支持，进而实现对问题解决过程的更为周密的控制。

(4) 问题解决者

作为认知主体的问题解决者在问题解决过程中起着主导性的作用，他们从存在于头脑中的经验和可获得的知识出发，并进行认知加工，推导出解决问题的实际行动方案。而作为认知结果的问题解决事实是存在于主体的实践、行动中的知识，与问题解决者个人密不可分，因而具有强烈的个人性和实践性。所以说，对于问题解决者而言，问题解决是他们主导的一种个人经验知识的建构过程。

(5) 问题域专家和领域专家

个人的经验性知识是可错的、非精确的，必须经得起实践的检验和专家的推敲，问题解决知识甚至于领域知识的取得，一步步都需要专家的确认和评价。在问题域专家的引导下，问题解决事实或者被丢弃，或者被整合为超越个体的组织知识，并转化为新问题解决的辅助意识。而经过领域专家的确认，领域知识在精细化程度上也会逐步提高。可以说，对于问题域和领域专家而言，问题解决是他们间接参与的一种组织知识的再建构过程。

3　问题驱动的知识管理系统设计

3.1系统结构

基于上述问题驱动的知识管理方法框架构建问题驱动的知识管理系统结构，如图2所示，共分为4个功能模块，各个模块功能基于知识库的内容和结构关系展开。

图2　问题驱动的知识管理系统结构

(1) 描述问题模块

描述问题阶段使用的主要工具包括交流平台、问题描述工具、分析工具和模拟工具。如果在生产现场的实际工作中遇到问题，通常情况下，由一线工人用口头语言、文字或草图描述问题发生时的初始情况，其随意性很大，交流平台主要用于问题解决者和一线工人交流，清晰而准确地表述问题当前状况，并根据领域本体的概念及其关系明确问题语义；在理解当前状况的基础上，问题解决者可以通过描述工具建构一种或几种问题描述；基于确定的问题描述，问题解决者还可以通过分析工具和模拟工具估计问题复杂程度等信息，为解决问题提供参考意见。

(2) 问题解决其他阶段模块

问题解决其他阶段使用的工具包括需求描述工具、阶段分析引擎、隐性知识描述工具和显性知识传递工具。需求描述工具用来生成问题解决者对问题解决知识的需求；阶段分析引擎为问题解决者提供一个统一的工作接口，把问题解决者的需求输入知识管理系统，并输出推荐结果，以供其参考；显性知识传递工具用于从问题解决知识库中获取知识的推荐结果，以及关联强度的统计排序；隐性知识描述工具用于把问题解决中积累的经验教训存储到问题解决事实库之中，供相关人员共享和交流。

(3) 知识评审模块

知识评审的工具包括知识采集、知识评价、定性分析和定量统计。知识采集工具从形式化的问题解决事实中采集一些经常发生和需要交流的样本；知识评价按照既定的指标对知识的级别和价值进行界定；定性分析工具分析这些知识的定性特征和语义结构；定量统计工具则用于统计这些知识的定量结果。知识评价结果可作为修改问题解决知识库，乃至领域本体库的重要依据。

(4) 通用知识工具模块

通用知识工具包括知识浏览、知识检索和知识跟踪等。这些工具为相关人员提供知识地图等知识表示形式，可通过投影、切片等方式浏览、检索和跟踪相关知识，还可以关注某一项知识的内容和应用结果，以及该项知识产生和应用的相关问题，这些情况可以为生产现场的技术改进和技术革新提供一定背景信息。

3.2知识运用与学习流程

问题驱动的知识管理过程在实质上是领域知识库、问题解决事实库和问题解决知识库在新问题驱动下的知识建构过程。在问题驱动下，知识库的发展、修正或重建已经融入到生产现场的实际工作中，知识创造是由问题解决者引导的，并在问题域专家/领域专家的参与下完成，集中表现在知识运用和知识学习过程，这两个过程基于已有领域知识库和问题解决知识库的内容和结构关系交织在一起，共同实现知识在问题解决过程中的持续增长和创造，具体过程如图3所示。

(1) 知识运用

在知识运用方面，一旦遇到问题，问题解决者先对问题的当前情境和初始状态作出有效的描述，并输入用户需求，等待推荐结果。用户需求分为原因分析、结果预测和方案推荐三种方式，其已知条件均为某个(些)问题现象，三种方式对应的推荐结果分别是原因现象、结果现象和解决方案。涉及知识运用的具体流程包括：

① 先计算出已知问题现象与问题解决知识网络中知识节点之间的基于领域本体的语义相似度，并按照相似度大小推荐给问题解决者，再根据问题解决知识网络的定性特征确定关系节点；

② 根据问题解决知识网络的定量特征，计算在已知现象发生的条件下，与之关联的节点发生的可能性，并依照可能性决定的关联关系强弱排序；

③ 把与推荐关系节点关联的现象/方案推荐给问题解决者，供其参考。

图3　问题驱动的知识运用与学习流程

(2) 知识学习

在知识学习方面，知识来源于经验知识的积累和创造性应用，但不是所有的事实和信息都是知识，只有在得到问题域专家和领域专家的评估和认可之后，被吸收在问题解决知识库中方称其为知识，才能成为工作中所遇新问题时的策略和智慧。涉及知识运用的具体流程包括：

① 对于任一经先验论证的问题解决记录，基于领域本体提供的标准概念/词汇，进行半结构化预处理，得到与问题解决事实集合同构的记录描述；

② 对于问题解决知识网络中已存在的节点，仅需更新节点的定量描述结果；

③ 而对于新出现的节点，则先输出给问题域/领域专家，经问题域/领域专家确认后，对表述节点的知识作语义元切分，以更新领域本体的概念及属性，再添加问题解决知识网络的节点及其关系，还包括定性特征改变带来的定量描述的相应调整。

经过一段时间的知识持续学习，在定量方面，逐步减少问题解决知识库所固有的不确定性，在定性方面，不断增加问题解决知识库乃至领域知识的精细化程度，从而保证新问题解决的正确率和效率。

4　应用实例

在汽车的车身制造过程中，共有冲压、焊装、涂装和总装四大工艺，其中，冲压加工是车身生产四大工艺中的重要一环，主要完成车身金属覆盖件的塑性成形任务。为了提高生产效率和工艺水平，该轿车厂的冲压车间使用高效的压机自动生产线，然而，在生产过程中，经常出现生产线的故障停机问题，调研结果表明，2013年平均故障停机率已高达21.6%，这给企业带来很大的经济损失。为解决生产线故障停机问题，提高生产效率和产品质量，冲压车间的资深技术员通常会收集和整理问题解决过程记录，形成以语言文字形式自由描述的《冲压工艺生产线停机问题整改备忘单》，但由于缺乏对问题解决这一思维过程的认知层面知识结构的支持，导致备忘单中隐含的知识不能及时反馈，亦不能实现知识的交流与共享，而随着生产规模的逐步扩大，以及生产需求的不断提高，问题也就越来越多。为解决上述问题，本研究根据提出的问题驱动知识管理方法框架构建冲压工艺生产线停机问题解决事实库、领域知识库和问题解决知识库,并开发问题驱动的知识管理原型系统。

首先，调研人员按照问题解决事实的半结构化定义，对2011年—2013年的停机问题整改备忘单进行整理，同时，鼓励相关员工随时积累总结、集思广益，根据问题解决过程的阶段划分引导问题解决过程中的个人经验知识的表述和外化，形成了包含1783条问题解决事实记录的Excel格式的问题解决事实库，其中，每条记录包括停机时间、问题描述、描述人、原因分析、方案拟订、方案执行、总结评价、审核人等内容，如图4所示。

图4　冲压工艺生产线停机问题解决事实

其次，根据生产管理和问题解决的需要，结合工艺标准、操作手册、管理规范、案例库等冲压工艺相关的领域知识内容，在与领域专家和问题域专家进行多次讨论和交流的基础上，将领域本体划分为：人员、生产设备、物料、工艺方法和生产环境五个知识主题，并基于本体的知识表示和建模技术，构建相应的领域知识本体。到目前为止，本研究共提炼出冲压工艺生产线停机问题领域本体概念83个，图5列出部分本体概念及逻辑关系。

图5　冲压工艺生产线停机问题领域本体

再次，从大量的问题解决事实中概括和抽象出同类问题现象或同类方案的深层认知结构和认知过程，构建问题解决知识网络中的知识节点和关联边，再基于领域本体中的概念和语义，标准化和规范化问题解决知识网络的知识节点，并统计在问题解决事实库中的发生次数，进一步计算出关联强度，形成可在新问题解决中共享和应用的知识。本研究共抽象出描述问题现象的知识节点168个，描述解决方案的知识节点53个，概括出知识节点之间3类关系，即现象之间因果关系、现象与方案之间解决关系和方案之间先后顺序关系。图6为部分问题解决知识网络内容，表示围绕“压痕(伤)”这一问题现象可能存在的原因、方案及关联关系，对知识节点及其关联强度的部分说明见表1和表2所示。

表1　问题解决知识网络节点含义说明表

图6　冲压工艺生产线停机问题解决知识网络表2　问题解决知识网络节点关联强度表

起点终点关联强度起点终点关联强度210.0335710.0355810.04573910.04215010.04456310.0245410.05096510.02094010.02874110.02764210.02666910.03661210.04675910.02674410.02857310.0388510.02873310.03001410.3662710.0173︙︙︙︙︙︙

最后，开发知识管理原型系统，并在该冲压车间试运行。由于系统的功能与生产现场的实际工作密切结合，得到技术人员和一线工人的大力支持。比如，在生产现场，因为在线人员发现制件上出现“压痕(伤)”而报警停机，如果问题解决者的需求为引发这一问题现象的原因，那么系统推荐的前4个可能原因依次为：“凸模损坏/折断”、“拉毛”、“撕料”和“刃口损伤/断裂”，经一线工人进一步检测和确认，为“撕料”所导致，系统会根据一线工人的需求进一步推荐解决“撕料”的方案或引发“拉毛”的原因，以此类推，从而使问题得到快速诊断和解决，恢复生产线的有效运行。此外，系统还会根据这一问题解决过程更新相关知识库内容，进而实现问题驱动的知识学习。该系统运行半年后，停机率降低至14.8%，取得良好的收益。

5　结　语

本文以制造企业生产现场遇到的问题为切入点，克服以产品为核心或以流程为导向的知识管理实践中存在的不足，提出面向生产现场的问题驱动知识管理方法框架，并在此基础上，设计问题驱动的知识管理系统结构。同时，结合实例构建问题解决事实库、领域知识库和问题解决知识库，开发知识管理原型系统，为制造企业生产现场的知识管理实践提供有力支持。下一步的工作是深入研究问题解决过程中经验知识的内涵，进一步结合认知心理学的概念模型，细分和细化问题驱动的生产现场知识体系结构，以及量化方法，为评价和改善知识管理实践提供测评途径，提升生产现场的知识管理水平。

[1] Demoly F, Yan XiuTian, EYNARD B, et al. An assembly oriented design framework for product structure engineering and assembly sequence planning[J]. Robotics and Computer-Integrated Manufacturing, 2011, 27(1): 33-46.

[2] Chen Y J. Development of a method for ontology-based empirical knowledge representation and reasoning[J].Decision Support Systems, 2010, 50(1): 1-20.

[3] Raghu T S, Ajay Vinza A. A business process context for knowledge management[J]. Decision Support Systems, 2007, 43(3): 1062-1079.

[4] Kwan H H, Jun W P. Process-centered knowledge model and enterprise ontology for the development of KMS[J]. Expert Systems with Applications, 2009, 32(3): 7441-7447.

[5] 张应中, 罗晓芳, 范超. 装配设计意图的语义表示[J]. 计算机集成制造系统, 2011, 17(2): 248-255.

[6] Robertson S I. Problem Solving[M].London:Psychology Press,2001:3-4.

[7] 辛子强.问题解决与知识构建[M].北京:教育科学出版社,2004: 7-9.

[8] Joost B. A cognitive science perspective on knowledge acquisition[J]. International Journal of Human-Computer Studies, 2013, 71(2): 177-183.

[9] Jeroen J G, Van M. Perspectives on problem solving and instruction[J]. Computer & Education, 2013, 64(3)：153-160.

[10] Wang YinXu, Chiew V. On the cognitive process of human problem solving[J]. Cognitive Systems Research, 2010, 11(1): 81-92.

[11] 王日凤, 钟宁. 问题解决中启发规则选择机制及认知模型[J]. 北京工业大学学报(工学版), 2012, 38(7): 1104-1108.

[12] 田燕, 罗俊龙, 李文福, 等. 原型表征对创造性问题解决过程中的启发效应的影响[J]. 心理学报, 43(6): 619-628.

[13] Gebus S, Kauko L. Knowledge acquisition for decision support systems on an electronic assembly line[J]. Expert Systems with applications, 2009, 36(1)：93-101.

[14] 郭健美, 王英林, 张申生. 面向业务问题求解的知识供应过程模型[J]. 计算机应用与软件, 2009, 26(1): 3-5,12.

[15] Patricia A J, Henrique S, Geiseane R, et al. Rule-based expert systems to support step-by-step guidance in algebraic problem solving: the case of the tutor PAT2Math[J]. Expert Systems with Applications, 2013, 40(14)：5456-5565.

[16] Kubota F I, Rosa L C. Identification and conception of cleaner production opportunities with the theory of inventive problem solving[J]. Journal of Cleaner Production, 2013, 47(3): 199-210.

[17] 盖印, 党延忠, 田丹. 一种问题驱动的隐性知识获取方法研究[J]. 管理学报, 2014, 11(10): 1528-1535.

ON PRODUCTION FLOOR-ORIENTED PROBLEM-DRIVEN KNOWLEDGE MANAGEMENT METHOD AND ITS APPLICATION

Gai Yin1,2Dang Yanzhong1

1(SchoolofManagementScienceandEngineering,DalianUniversityofTechnology,Dalian116023,Liaoning,China)2(SchoolofManagementScienceandEngineering,DongbeiUniversityofFinanceandEconomics,Dalian116023,Liaoning,China)

In production floor, a great deal of empirical knowledge will be generated and applied during the process of problem solving, and it has very important significance to effectively manage the knowledge. Therefore, we took the practical problems encountered in production floor as the starting point and presented the production floor-oriented problem-driven knowledge management method. Moreover, combining the cognitive mechanism and concept model in problem solving research, we constructed the problem-driven knowledge management framework and system structure. The method implemented the incessant knowledge learning and application during the problems solving in production floor so that achieved the effective management of knowledge. Finally, aiming at the practical problems in a car facility production line we developed the prototype system of knowledge management to have verified the scientific nature and effectiveness of the proposed method framework and system structure.

Production floorProblem-drivenKnowledge managementKnowledge management system

2015-06-04。国家自然科学基金重点项目(710310 02)；教育部人文社科基金青年项目(14YJC630036)；辽宁省教育厅科学技术研究一般项目(L2013435)。盖印，讲师，主研领域：知识管理。党延忠，教授。

TP182

A

10.3969/j.issn.1000-386x.2016.08.018