关键词 知识工程; CommonKADS; 知识模型
知识工程是设计和实现知识库系统及知识库应用系统的理论、方法和技术,是研究知识获取、知识表示、知识管理和知识利用的一门学科。随着知识经济时代的来临,许多企业也都开始体会到知识资产对于公司的重要性。今天,知识工程已经被认为是一种文档化、结构化的建模活动。
基于CommonKADS方法实现了知识工程从理论到应用的转变,强调知识的动态属性,明确提出了关键决策性知识是知识获取的对象,把知识看作是具有良好结构的函数模型,可以根据知识的稳定和通用的种类、模式和结构来进行明确的分析。在工程方法上,CommonKADS提出了知识获取的工程技术路线和一套组织与任务分析工具,从识别组织的问题和机会入手,研究其解决方案及其可行性,以任务相关的知识的获取对象获取关键决策知识,为组织应对变化提供了实用有效的知识系统需求分析模型,从而帮助组织确认知识资产在组织流程中的价值,帮助组织快速、正确地导入知识系统,以减少人力、时间、资源的浪费。
利用CommonKADS方法分析企业知识系统的过程,首先是建立三类模型,即组织模型、任务模型和主体模型。在此基础上分析关键任务,建立知识模型,明确提出主要的知识推理过程和内容。
知识资产分析的第一阶段,是建立组织模型和任务模型,这是整个知识系统建模的基础,这个阶段的建模步骤及模型作用关系如图1所示。
(1)组织模型
OM-1 是从访谈、头脑激荡和会议所洞察以及与经理人讨论的方式,简略描述企业的组织脉络、营运理念、目标、实施策略和外在因素等,并列出所察觉的问题症结与改善之机会状况并对已察觉到的问题与机会,列出可能的解决方式;
OM-2 是针对OM-1 所描述的问题与机会,进一步分析出问题症结点在企业组织内相关部门结构、程序、人员、资源、知识、文化和权力等六大方面的影响;
OM-3 是依OM-2 的工作流程,分别展开每一个流程内的工作,并分解工作所运用到的知识资产,再加以评估该知识的重要性;
OM-4是在OM-2 的知识资产下,描述出问题症结点所运用的知识资产,评断其是否正确,以作为未来改善之依据;
OM-5 是针对OM-1 提出的可能解决方式,分别对商业投资风险、成本和利益、信息科技的支持性、项目等方面进行可行性评估。
(2)任务模型
任务模型的建立,主要是明确人们意识中“任务”和组织意义上的“任务”的关系,使二者在模型中建立联系。
任务模型是商业流程的分解。主要描述了工作的目标、资源输入和输出、商业逻辑的处理方式,也是分析程序资本的重要步骤。此模型又使用工作表TM-1与工作表TM-2来进行工作模型所必需完成各项要件之分析,TM-1是针对OM-3的每一工作流程,在依照工作模型所构成要素加以细分,而TM-2则是描述TM-1所列出的知识项目。
(3)主体模型
组织模型、任务模型分别是针对企业问题症结点加以描述,而主体模型的AM-1工作表,是描述工作下的每一执行者所属部门、负责事项和信息之间的传递、会运用到的知识资产及应具备什么特殊才能来处理某种特殊工作、责任归属等项目。
一个知识模型由三个知识范畴构成。第一个范畴称为领域知识。这个范畴详细说明特定领域知识应用中需要的信息类型。一个领域知识的描述在某种程度上类似于软件工程中的“数据模型”或“对象模型”。第二个范畴包含推理知识。推理知识描述了使用领域知识的基本推理步骤—相当于推理机构件。第三个范畴是任务知识。任务知识描述一个应用所要达到的目标是什么。如何分解任务和推理来实现这些目标,知识系统内的知识结构分布在这三个范畴中,其关系见图2。
图1 任务和组织分析步骤,组织模型-任务模型-主体模型三者的关系框架
图2 知识模型(生产过程)
本文选择了农业生物工程领域中的种苗快繁生产过程为应用对象。
根据上述CommonKADS知识工程方法,在经过对某农业企业的分析之后,建立了组织模型、任务模型和主体模型。在此基础上,分析了有关知识资产情况,找到了种苗生产过程中的关键技术决策环节和有关的知识推理结构。现以其中的某些环节推理情况说明CommonKADS方法在知识模型建模方面的应用。
2.1 知识模型的建立
知识模型的核心是第二范畴的推理知识及推理过程。基于以上对于某企业组织及其任务的描述与总结,就试管苗移栽任务中所要进行的炼苗过程中的领域知识、推理知识和任务知识构造出以下知识推理模型。
图3 炼苗工艺过程决策的推理知识树(某知识片断)
炼苗失败的推理中存在着不同的知识角色。动态角色—运行时的推理输入和输出。每一个推理的调用都有不同的动态角色实例;静态角色—相对稳定,它指定了用于推理的领域知识集合。
图4 炼苗生产过程技术决策知识推理结构图
上图的推理结构模型描述了推理如何通过知识角色的中介途径绑定到领域知识类型。同时,我们也看到CommonKADS的结构化方法能够使知识推理-领域映射去耦,这为知识库和推理机软件设计提供了功能-数据去耦方法——即:知识推理也能够像软件工程的数据流图那样,用知识角色构筑知识库体系结构,用推理功能和传递函数设计推理机软件体系结构。
为了设计知识库,需要对上图4所示的知识模型进行详细描述,意图是使推理知识描述到功能分解的最低层次,分解出知识模型中的基本信息处理单元,以此设计推理执行的每一个基本的推理步骤。图4表现的推理规则如下图5所示。
KNOWLEDGE-BASE 种苗快繁技术 USE : State-dependency FROM 试管苗的移栽 Manifestation rule FROM 试管苗的移栽 EXPRESSIONS : /* State-dependencies*/ 消毒液与水.比例<1:900 CAUSES 残留菌.状态=存在 残留菌.状态=存在 CAUSES 生根.状态=不足 消毒液与水.比例>1:700 CAUSES 根.状态=受损 根.状态=受损 CAUSES 生根.状态=不足 培养基各成分.比例<1.5倍 CAUSES 生根.状态=不足 生根剂.浓度<50ppm CAUSES 生根.状态=不足 生根.状态=不足 CAUSES 炼苗.状态=失败 消毒液与水.比例>1:700 CAUSES 根.状态=受损 根.状态=受损 CAUSES 根.状态=死亡 培养基各成分.比例>2..5倍 CAUSES 根.状态=死亡 生根剂.浓度>100ppm CAUSES 根.状态=死亡 根.状态=死亡 CAUSES 炼苗.状态=失败 /* Manifestation*/ 消毒灭菌.状态=不彻底 HAS MANIFESTATION 生根.状态=不足; 培养基各成分.比例=失衡 HAS MANIFESTATION 生根.状态=不足; 生根剂浓度.状态=太小 HAS MANIFESTATION 生根.状态=不足; 消毒灭菌.状态=过量 HAS MANIFESTATION 根.状态=死亡; 培养基各成分.比例=失衡 HAS MANIFESTATION 根.状态=死亡; 生根剂浓度.状态=太大 HAS MANIFESTATION 根.状态=死亡; 生根.状态=不足 HAS MANIFESTATION 炼苗.状态=失败; 根.状态=死亡 HAS MANIFESTATION 炼苗.状态=失败; END KNOWLEDGE-BASE 种苗快繁技术 |
图5 推理规则描述(参照图4)
知识工程的发展,为企业知识管理和知识应用提供了信心。通过本文的研究,可以认为CommonKADS知识工程和管理的方法论为此做出了重要的贡献,相信知识管理可以作为企业在知识经济时代建立竞争优势的基础。
1 Guus Schreier.《知识工程和知识管理》. 机械工业出版社,2003年4月
2 陈中基,林文修. 《以CommonKADS为基础的整合式知识管理系统模式建构之研究》
3 李沿儒. 《知识管理程序在商务决策流程之应用---以华彩软件销售预测系统为例》