從研發(fā)、設(shè)計(jì)、制造到生產(chǎn)、銷售、維護(hù)，汽車企業(yè)包含大量數(shù)據(jù)和知識(shí)。2023年9月18日，在2023第二屆汽車數(shù)字化轉(zhuǎn)型大會(huì)上，國(guó)雙科技資深產(chǎn)品總監(jiān)徐瑛表示，知識(shí)作為對(duì)信息的總結(jié)和提煉，當(dāng)把知識(shí)引入數(shù)字化、智能化轉(zhuǎn)型過(guò)程中時(shí)，一方面可以沉淀我們的經(jīng)驗(yàn)，另一方面不論是在知識(shí)的獲取還是在知識(shí)的創(chuàng)作分析以及業(yè)務(wù)創(chuàng)新過(guò)程中，都會(huì)有比較多的用途。

聚焦知識(shí)的搜索、問(wèn)答、分析所能取得的效果以及存在的短板，徐瑛認(rèn)為，通過(guò)知識(shí)的構(gòu)建，可以形成統(tǒng)一的知識(shí)層。在知識(shí)層的基礎(chǔ)上，可以把相關(guān)的數(shù)據(jù)、經(jīng)驗(yàn)經(jīng)過(guò)一系列沉淀，真正實(shí)現(xiàn)知識(shí)的復(fù)用、共享、分發(fā)、傳承，賦能更多場(chǎng)景。具體建設(shè)只要三步，第一步“建”；第二步“知”；第三步“用”。

徐瑛 | 國(guó)雙科技資深產(chǎn)品總監(jiān)

以下為演講內(nèi)容整理：

將知識(shí)放在核心位置的案例研究

支撐汽車企業(yè)數(shù)字化智能化轉(zhuǎn)型的過(guò)程有很多因素，其中有軟件還有硬件。那么如何能把知識(shí)放在核心力量的位置？先看幾個(gè)例子。

第一個(gè)案例來(lái)自汽車研究設(shè)計(jì)環(huán)節(jié)。汽車產(chǎn)品設(shè)計(jì)的時(shí)候需要用到大量知識(shí)。為了便于高效管理、查找、使用這些知識(shí)，我們把需要用到的行業(yè)規(guī)范、標(biāo)準(zhǔn)以及相關(guān)的數(shù)據(jù)文檔等，通過(guò)業(yè)務(wù)邏輯梳理去構(gòu)建相應(yīng)的知識(shí)庫(kù)、知識(shí)中心和知識(shí)圖譜。在它的基礎(chǔ)之上，再去供相應(yīng)的產(chǎn)品設(shè)計(jì)人員進(jìn)行檢索和知識(shí)的獲取，這樣一來(lái)，在產(chǎn)品設(shè)計(jì)的各個(gè)階段，我們能夠依據(jù)設(shè)計(jì)人員的需求提供更加準(zhǔn)確的信息。

 圖源：國(guó)雙科技

第二個(gè)案例來(lái)自工程車的售后環(huán)節(jié)。當(dāng)工程車出現(xiàn)了故障后會(huì)撥打400電話，呼叫中心服務(wù)人員會(huì)依照信息留下相應(yīng)的記錄，再把記錄給到相應(yīng)的維修工程師，維修工程師會(huì)到現(xiàn)場(chǎng)進(jìn)行設(shè)備的檢修。

在這個(gè)過(guò)程中，無(wú)論是對(duì)于呼叫中心的工作人員來(lái)說(shuō)，還是對(duì)于檢維修的工程師來(lái)說(shuō)，都需要比較高的專業(yè)門檻。不同的呼叫中心工作人員、工程師水準(zhǔn)有高有低，針對(duì)同樣的問(wèn)題，在處理時(shí)辦法參差不齊。隨著人員流動(dòng)，好的案例經(jīng)驗(yàn)會(huì)被流失掉，這個(gè)過(guò)程中怎么把好的案例、企業(yè)的經(jīng)驗(yàn)沉淀下去并且傳承下去，需要構(gòu)建知識(shí)中心和知識(shí)庫(kù)。

圖源：國(guó)雙科技

在這里我們把設(shè)備、故障現(xiàn)象、原因以及處理措施，從業(yè)務(wù)上的邏輯構(gòu)建了知識(shí)體系，通過(guò)知識(shí)體系，車輛出現(xiàn)問(wèn)題時(shí)，簡(jiǎn)單問(wèn)題可以依據(jù)提示進(jìn)行自排查。電話打到400時(shí)，400呼叫中心人員也能夠依據(jù)相應(yīng)的提示去引導(dǎo)出更多的問(wèn)題，留下更多的線索。當(dāng)他把問(wèn)題和線索再傳遞給后續(xù)的維修工程師時(shí)，就能夠大致了解車是什么狀況，然后再去想維修措施，通過(guò)這種方式提升經(jīng)驗(yàn)和效率。

第三個(gè)案例來(lái)自汽車流程審計(jì)的工作。汽車制造業(yè)是典型的流程性企業(yè)，對(duì)于流程性企業(yè)來(lái)說(shuō)，有相關(guān)的制度要求建設(shè)、生產(chǎn)需要采取的流程，同樣也會(huì)有各種各樣的軟件系統(tǒng)，來(lái)支撐流程走通。但無(wú)論是軟件系統(tǒng)還是相應(yīng)的規(guī)章制度，都是在不同時(shí)期前后建設(shè)的。

圖源：國(guó)雙科技

這樣一來(lái)，經(jīng)常會(huì)導(dǎo)致有些流程規(guī)章制度要求在線上進(jìn)行，但其實(shí)在線下進(jìn)行了，依據(jù)制度需要走新的流程，但在系統(tǒng)里走的依然是老流程，當(dāng)進(jìn)行流程審計(jì)時(shí)就會(huì)不合規(guī)，而且有風(fēng)險(xiǎn)。因此就把規(guī)章制度里依據(jù)流程相應(yīng)的規(guī)定構(gòu)建了相應(yīng)的知識(shí)庫(kù)，同時(shí)把流程系統(tǒng)里實(shí)際走的流程構(gòu)建了相應(yīng)的圖譜。通過(guò)對(duì)比，能夠清晰地看到二者之間存在的差異或者缺失的狀況，再進(jìn)行流程審計(jì)合規(guī)上的智能化升級(jí)。

知識(shí)在汽車企業(yè)智能化轉(zhuǎn)型中的應(yīng)用

可以發(fā)現(xiàn)，不管是研發(fā)環(huán)節(jié)還是生產(chǎn)環(huán)節(jié)等各個(gè)環(huán)節(jié)中，對(duì)汽車企業(yè)來(lái)說(shuō)包含了大量知識(shí)。這些知識(shí)可能是文件、規(guī)章制度、數(shù)據(jù)，也可能是經(jīng)驗(yàn)。在汽車企業(yè)內(nèi)部，特別是知識(shí)密集型部門，大家對(duì)于各類知識(shí)文件的獲取和分析的時(shí)間會(huì)占到工作時(shí)間的40%-70%，這是非常大的體量。

一方面我們需要用到大量的知識(shí)，另一方面有很多知識(shí)并沒(méi)有被沉淀下來(lái)。比如，實(shí)際操作經(jīng)驗(yàn)、典型案例都遺失了。這樣一來(lái)，需要用到很多知識(shí)，但是很多知識(shí)又沒(méi)有被沉淀下來(lái)，那么知識(shí)的有效利用和沉淀率會(huì)非常低。

圖源：國(guó)雙科技

知識(shí)和數(shù)據(jù)的區(qū)別是什么？可以把數(shù)據(jù)進(jìn)行業(yè)務(wù)邏輯的抽象后所形成的稱之為知識(shí)。這里舉簡(jiǎn)單的例子，當(dāng)去檢索故障現(xiàn)象時(shí)，如果是基于數(shù)據(jù)層面檢索，經(jīng)常得到的答案是左邊這張圖，能看到和故障現(xiàn)象相關(guān)的各類各樣維修的文檔。但很多時(shí)候這對(duì)于維修人員來(lái)說(shuō)并不好用，因?yàn)樗枰闹皇悄称臋n中的一小段文字，而這一小段文字可能分布在幾篇文檔里，非常零散。當(dāng)他去檢索內(nèi)容時(shí)，其實(shí)想得到的信息是直接查找原因，并且獲得維修措施和建議。當(dāng)檢索現(xiàn)象時(shí)，直接返回出原因和措施，就是把數(shù)據(jù)進(jìn)行了知識(shí)化的抽象后的結(jié)果。

把知識(shí)引入到數(shù)字化智能化轉(zhuǎn)型過(guò)程中，一方面可以沉淀經(jīng)驗(yàn)，另一方面不論是在知識(shí)的獲取還是在知識(shí)的創(chuàng)作分析以及業(yè)務(wù)創(chuàng)新過(guò)程中，都會(huì)有比較多的用途。首先是搜索，當(dāng)引入知識(shí)之后，帶來(lái)的是兩種不同的搜索效果。第二是問(wèn)答，它的優(yōu)點(diǎn)在于答案精準(zhǔn)，但不足是不夠靈活。大語(yǔ)言模型出來(lái)以后，問(wèn)答帶來(lái)了大的飛躍，優(yōu)勢(shì)在于靈活，但不足在于不可解釋。

把知識(shí)圖譜引入到問(wèn)答的環(huán)節(jié)中來(lái)時(shí)，用它去規(guī)范大語(yǔ)言模型提問(wèn)答案的返回，可以增加大語(yǔ)言模型的可信性。在知識(shí)圖譜構(gòu)建過(guò)程中，難點(diǎn)是在于不可避免要進(jìn)行人工標(biāo)注，工作量比較大。但最近通過(guò)和大語(yǔ)言模型相結(jié)合，在過(guò)程中可以通過(guò)大語(yǔ)言模型的推理和一系列的解釋能力，幫助我們更加智能地構(gòu)建知識(shí)圖譜，讓其一部分人工標(biāo)注的工作交給大語(yǔ)言自動(dòng)實(shí)現(xiàn)，提升了問(wèn)答效果和構(gòu)建效率。

圖源：國(guó)雙科技

第三，分析。對(duì)于分析，比較傳統(tǒng)的方式是通過(guò)機(jī)理模型或者機(jī)器學(xué)習(xí)的模型實(shí)現(xiàn)。過(guò)程中有時(shí)候會(huì)發(fā)現(xiàn)它會(huì)有不足之處，精準(zhǔn)度不夠，準(zhǔn)確率比較低。這時(shí)可以把業(yè)務(wù)上的知識(shí)引入到機(jī)器學(xué)習(xí)或者機(jī)理建模的過(guò)程當(dāng)中，從業(yè)務(wù)的角度提出規(guī)范性的約束條件，通過(guò)這種方式增加做預(yù)測(cè)的準(zhǔn)確性。

圖本身是特殊的結(jié)構(gòu)，節(jié)點(diǎn)和節(jié)點(diǎn)的關(guān)系?；诖?，可以直接用它做分析。在進(jìn)行車輛維修時(shí)，會(huì)有多故障、多現(xiàn)象的情況。在這個(gè)過(guò)程中怎么樣找到核心問(wèn)題，通過(guò)最短的維修路徑把問(wèn)題解決，就可以通過(guò)圖做組合，再用最短路徑的算法找到解決問(wèn)題的方法。找到最短路徑后，就可以把它固定成為針對(duì)這種多現(xiàn)象、多問(wèn)題故障的解決辦法，將它沉淀到后續(xù)的知識(shí)庫(kù)。這樣一來(lái)，針對(duì)復(fù)雜維修現(xiàn)象和維修問(wèn)題的解決能力也能得到長(zhǎng)效的提升。

知識(shí)構(gòu)建的重點(diǎn)要素

通過(guò)知識(shí)構(gòu)建可以形成統(tǒng)一的知識(shí)層。在知識(shí)層的基礎(chǔ)上，可以把相關(guān)數(shù)據(jù)、經(jīng)驗(yàn)經(jīng)過(guò)沉淀再供上層分發(fā)和應(yīng)用。除了可以服務(wù)于汽車制造領(lǐng)域的全流程，也可以把供應(yīng)鏈領(lǐng)域的相關(guān)知識(shí)進(jìn)行供應(yīng)鏈系統(tǒng)的智能化應(yīng)用，例如客服、營(yíng)銷，針對(duì)更加細(xì)分的人群類別賦予不同的知識(shí)，服務(wù)于全鏈條。

具體怎么樣建設(shè)？整體來(lái)說(shuō)有三步，第一步，建。建包括知識(shí)圖譜構(gòu)建、知識(shí)庫(kù)構(gòu)建以及相應(yīng)算法構(gòu)建。第二步，知識(shí)的獲取。第三步，用，對(duì)于知識(shí)進(jìn)行深度的分析。建在最開(kāi)始的過(guò)程并不是難點(diǎn)，因?yàn)榘l(fā)現(xiàn)通過(guò)一系列軟件能夠幫助我們進(jìn)行圖譜的構(gòu)建和知識(shí)庫(kù)的構(gòu)建，但是難點(diǎn)在于后續(xù)運(yùn)營(yíng)、運(yùn)維、更新，包括怎樣保證知識(shí)庫(kù)里是最新的內(nèi)容。

圖源：國(guó)雙科技

在此過(guò)程中非常重要的一點(diǎn)是必須讓業(yè)務(wù)人員參與，業(yè)務(wù)人員會(huì)賦予相應(yīng)的需求和邏輯，同時(shí)算法會(huì)承接他們的需求和邏輯。只有兩者進(jìn)行緊密結(jié)合，才能把需求用算法以及相應(yīng)的模型呈現(xiàn)，最終再去支撐上層的應(yīng)用。對(duì)于業(yè)務(wù)人員的需求來(lái)說(shuō)不單單是需要一線的工作人員，也需要領(lǐng)導(dǎo)，因?yàn)橐Ｕ现R(shí)體系的構(gòu)建需要對(duì)流程做相應(yīng)的沉淀和建設(shè)。

當(dāng)有了知識(shí)體系、數(shù)據(jù)后，要對(duì)它做采集和治理，最后再通過(guò)知識(shí)體系賦予它新的知識(shí)和業(yè)務(wù)上的邏輯，去支撐前端業(yè)務(wù)側(cè)系統(tǒng)的應(yīng)用，整體上用這樣的方式支撐所有業(yè)務(wù)。

（以上內(nèi)容來(lái)自國(guó)雙科技資深產(chǎn)品總監(jiān)徐瑛于2023年9月18日在2023第二屆汽車數(shù)字化轉(zhuǎn)型大會(huì)發(fā)表的《“知識(shí)”是汽車企業(yè)數(shù)字化智能化轉(zhuǎn)型的核心力量》主題演講。）

返回第一電動(dòng)網(wǎng)首頁(yè) >