从智能制造的本质谈知识结构化的必要性

郭朝晖

智能制造的本质特征是将信息的感知、处理和执行统一起来，以迅速应对外部的变化。在这个体系中，相关工作可以是人参与的，也可以是机器直接执行。机器直接执行的好处是规范、迅速，是未来的发展方向。

计算机的执行过程本质上是程序处理数据的过程。这个过程看似计算机在处理，其实是计算机按照人指定的办法去做。计算机其实是非常笨的，人怎么教它，它就怎么做。人交给计算机的做法就是所谓的“算法”。数据和算法中包含的其实是人类自己的知识。

计算机程序有个很大的问题，就是容易出“BUG”。在工业生产中，严重的“BUG”是难以容忍的。我们知道，工业系统是特别强调可靠性的，如果程序中的“BUG”太多，对生产就可能会是利大于弊，智能制造就走不通。

怎样才能减少“BUG”？解决这个问题的办法之一，是让数据本身结构化并采用尽可能通用的算法。过去的ERP、MES、OA系统就是这么做的。

但是，到了智能制造的时代，这种做法可能会受到挑战：需要特殊处理的问题太多、太琐碎。很多问题需要用单独的算法来完成，进而小的程序会很多并不断被完善、补充。这使得软件的复杂性大大增加。我们知道，复杂是可靠性的天敌，而可靠性永远是工业的底线。这就会给管理带来很多的麻烦。

面对复杂问题，唯一的办法是老老实实地把复杂问题简单化。把复杂问题转化成若干简单的流程，把登天的问题变成登山的问题。这即所谓大智若愚、Stay Foolish。为此，首先就要把知识有效地管理起来：至少要明确什么知识用在什么地方，要保证不同的知识之间不要相互打架。这就要求对知识进行结构化管理。当然，还必须有配套的制度、工具和组织。

有些企业，问题复杂之后就片面强调“加强管理”：加强对人的考核，让人把复杂的事情做好。这样，随着用户的需求越来复杂、要求越来越高，人会疲于奔命，问题却越来越多。其实，要解决这个问题，还是应该想到那句老话：“磨刀不误砍柴工”。人们应该逐步花更多的时间从事知识管理，推进智能制造，让机器去做这些复杂的事情，让人类从复杂琐碎的问题中解脱出来——如果你不愿意这么做，而你的竞争对手愿意这么做，你迟早会被淘汰。

管理知识要耗费大量的人力物力。这其实是预料之中的事情。因为智能制造正在引发一场重大的变革。这需要观念的转变：“干活”这个词对于工人来说，过去是干体力活，现在是操作计算机，未来则是管理知识；现在的企业不能容忍物资和时间的浪费，未来的企业更不能容忍知识和重要信息的浪费。如果这么想，变革就不奇怪了。