知识管理助力“专精特新”企业实现创新

研发部门往往是以高学历知识型员工为主体的部门，其主要资源是技术资源和人力资源。管理的重点不是传统的产、供、销、人、财、物，而是对技术和知识资产管理。但在人工管理过程中存在大量问题：

• 资源虽多却未充分利用

  研发部门积累了大量储存着知识的历史数据(图纸、方案等)，但员工在查找时却无法高效、准确地获得，导致资源虽多其使用率却不高。在研发过程中往往也需要查询大量的外部资源，这些资源范围广泛，涉及领域繁多，常见的领域包括行业标准资料、行业法律法规资料、专利和科技情报资料等等。
  

• 个人经验难以发挥价值

  很多企业的技术骨干拥有某个或多个领域的专业、精深知识。但较为遗憾的是，这些知识要么记录在技术骨干的脑子里，要么以文件或零散评审记录、问题记录或会议记录的形式分散在各个角落。虽然有些企业也会安排技术骨干进行分享或定期培训，但技术骨干的价值仍像冰山一样没有充分地显现出来。

• 缺乏知识共享平台

  虽然很多企业也或多或少地使用了相关IT系统，但仍缺乏知识管理的整体思路。以PDM的图文档管理系统举例，很多制造业企业虽然应用了PDM系统实现了图文档管理，但由于PDM系统所提供的只是基于文件本身的检索，而知识却隐含在文件内容中，其检索效果不能达到预期效果。

三、金蝶云·星空PLM支持的知识管理

传统PLM应用模式下，大多数知识是分散的或以文件形式进行记录，这种模式不利于知识的获取，PLM只是起到了数据管理的效果。若要实现知识管理，必须要将数据转化为结构化信息，以便能够快速查询到历史经验数据，使其成为新产品研发的知识基础，并提出管理上的变革，最终转化为新产品研发的智慧。

金蝶云·星空PLM通过对企业研发全过程相关知识和技术的整合，形成企业跨部门、跨领域的研发智力资产可持续的经验积累机制，并通过对企业最佳研发实践和知识经验的重用，提高产品性能和质量、缩短研发周期、降低研发成本。

实施知识管理是一个系统工程，一般经历显性/隐性知识有序化、构建标准化管理体系、实现高效知识化工作平台三个阶段来完成。因此首先第一步需要解决的是显性/隐性知识有序化：

（1）知识有序化存储

企业研发过程中涉及的知识范围广泛、复杂，且可能在不断变化、更新和调整，要想将原来以文件形式记录的数据转化为有序的知识，首先要确定涉及的数据范围，并将其定义在PLM系统中。

以下列举了一些常见的研发管理领域涉及的知识分类，企业需要根据实际情况对范围进行调整、优化：

• 流程模板类

  不同项目类型的标准研发流程、物料承认流程、文件审核流程、变更管理流程以及流程过程中的交付物模板等，通过定义标准化流程，确保当出现人员流动时，新员工能够快速了解企业的运作模式，避免出现不同项目打法不一，效率低下、质量参差不齐的现象发生。

• 法律法规及行业标准类
  

  法律法规类知识会因企业所处行业不同而差异巨大，例如食品行业食品安全领域的法律法规，电子行业的RoHS认证、化工行业的危化品管理、医疗器械行业的注册申报等等。而行业标准则更多的是标准化管理手册的形式体现，例如《机械设计手册》。针对这些知识有以下几个共同的特点：

  ①大多数原始数据都以文件形式进行记录，只能依靠人工识别其内容。

  ②更新变化快，企业很难实时掌握最新动态。

  针对这个领域的知识，首先应区分数据的特点，将可用来进行量化判断的数据，以结构化信息的形式存储，以便能够结合业务流程，达到自动识别和获取、自动判断与审核的效果。常见的例子有食品行业中对于食品添加剂的用量限定、化工行业中对配方中危化品使用的量化标准、消费电子行业对原材料中重金属含量的量化标准等。对于那些只能定性的标准，则将其分解成独立的条款进行存储，以便能够在业务流程中通过指定每一条款的负责人进行独立跟踪和识别来保证执行效果。企业也可以考虑与外部第三方行业数据库进行对接，以便更好地获取和更新相关知识。

• 市场与行业类

  市场与行业类知识比较广泛，常见的包括专利与科技情报、竞品信息、市场信息等知识。大多数企业对于市场信息、竞品信息的记录，都是分散在不同部门的个人电脑里，且以文件的形式进行存储。而这些数据是企业进行市场需求分析、产品规划的关键性参考信息，有效的存储并提供知识检索是企业定义新产品的重要信息来源。
  

• 设计标准类
  企业设计标准类一般涉及选材标准、DFX、物料描述标准化、编码规则等数据，而这一类数据往往是可量化的数据：

• 质量管理类

  企业质量管理类一般涉及技术评审标准、典型失效模式、检验标准等数据，大多数情况下此类知识难以实现量化。对于这个领域的知识，在PLM系统中管理的方法是将其进行条目化存储。以技术评审标准为例，在典型IPD研发管理体系中，对于研发质量控制的重要手段就是TR评审（技术评审）。

  传统手工模式下，企业要么没有评审标准、全评个人经验；要么做个EXCEL、罗列下评审条款。无法做到评审标准化、规范化，且难以针对每条评审标准进行逐条跟踪、逐条关闭。更为可怕的是，假如评审标准完全是依靠个人经验来执行，那么会随着人员的流动导致知识难以传承和流失。而在PLM系统中，技术评审标准则以条目化的形式记录在知识库中，供业务执行时进行调用。

• 经验教训类

  经验/教训类知识一般表现为研发过程中发现的问题及解决方案、评审记录、变更原因分析等数据，对于这个领域的知识，应搭建专门的知识库分类进行存储，且为了将来的知识输出，需要考虑与其他业务对象的多维度关联关系。

  以研发过程中发现的问题为例，研发过程中碰到各种技术问题是不可避免的，但传统手工模式，问题的记录、跟踪、解决、积累和统计分析往往没有一个有效的管理方式和管理模型，导致研发过程中问题很难被合理地解决，在以后的研发过程中也难以避免犯同样的问题，不利于知识的积累和再利用。而在PLM系统中，对问题的记录则采用了结构化形式进行描述。常见的结构化方法可考虑以下维度：

  ①问题的专业领域分类

  ②问题的重要度等级

  ③问题关联的项目任务

  ④问题关联的产品/物料

  ⑤问题相关的解决方案

  通过对问题的结构化描述，确保将来与业务流程关联时能够快速输出知识。

  
  

综上所述，研发过程中涉及到的知识，从数据管理角度上分析，大致可分为定性、定量两大类，若要通过PLM系统辅助企业实现结构化的知识存储，可利用金蝶云·星空PLM系统的自定义对象及对象关联形式搭建架构化的知识数据库：

①对于可定量表示的知识，则定义数据比对规则，实现知识的自动识别及判断。

②对于只能定性类的知识，则根据企业产品专业特点，定义足够多的分类维度，针对每条知识，以结构化单据形式进行存储，并创建与其他对象之间的关联关系，以便能够快速定位知识。

（2）知识的输出与利用

当知识被存储在PLM系统中后，只有能够快速的输出知识，才能起到真正的价值，因此，我们希望通过知识与业务流程的结合，帮助企业达到管理规范可复制、业务管理规范化的效果。

知识的输出可分成主动推送与被动查询两种形式，从知识的获取效率来看，我们更倾向于知识的主动推送，以节省知识获取的时间成本，并通过系统约束来保证工作质量。下面介绍几个典型的知识主动输出的典型案例：

①通过研发流程规范化实现情景化知识推送

针对不同类型的产品或不同类型的项目定义多种模版，以明确研发过程的详细步骤，让研发人员能够直接获取流程及执行顺序。

● 提供交付物模版，以方便技术人员按照模版编制相关技术文件。

● 按照项目任务分类，推送历史上此类任务的提供的相关标准方案、曾经发生过的问题、问题的解决方案、需要遵守的设计规范等知识。

②通过结构化评审要素保证技术评审质量

企业若想做好TR评审，首先应该整理本专业的技术评审要素，并将评审要素以结构化知识库的形式记录在系统中，每一条评审要素均以结构化单据的形式进行登记，并指定当前评审要素的负责人。

采用这种机制，能够实现在评审时的逐条跟踪，且因每一条都有负责人，能够避免出现议而不决的情况发生。

在设置了TR评审点之后，在项目执行过程中，一旦WBS执行到TR评审点，系统将自动发起TR评审。在评审过程中，可利用实现设定的规则，根据当前项目的种类、当前研发所处阶段，自动从评审要素知识库中获取针对本次评审的评审要素，并发起流程。相关的专家针对自己负责的领域进行逐条审核，这个过程的知识获取是由系统实现的主动推送来完成的。

③通过危化品审查规则实现合规审查