《面向智能决策的知识管理平台框架研究》-工学论文，计算机论文-论文范文参考-科学狗论文网

标题

面向智能决策的知识管理平台框架研究

范文

何淳真燕昊康莹王瑞王瑶

摘要：为了实现企业智能决策，依据数据信息和知识之间的密切关联，阐述和分析了基于知识的决策支持体系研究以及数据仓库在知识管理中的应用，提出一种基于数据仓库的知识管理平台框架，并介绍了平台框架建设中的关键管理技术和方法，为智慧型企业的知识管理系统建设提供新的思路。

关键词：智能决策;DIKW;数据仓库

中图分类号：TP391;TP182? ? ? ? 文献标识码：A

文章编号：1009-3044（2019）16-0239-03

开放科学（资源服务）标识码（OSID）：

1 背景

在新一轮科技革命和产业变革形势下，IBM 公司在2008年提出了“智慧地球”的理念，伴随着云计算、大数据、物联网等信息技术的高度发展和应用，继而“智慧城市”“智慧企业”等战略概念也纷纷进入人们的视野。在这样的背景下，军工企业信息化建设和发展需要抓住机遇，建设“智慧院所”“智能工厂”等实现研发制造管理过程的全面智能化，构建一个从感知-->决策-->行动-->优化自循环自完善的生态环境，提高企业的核心競争力。

管理思想学家罗素.艾可夫在1989年撰写的《从数据到智慧》一文中阐述了关于数据、信息、知识之间的层次关系及其演变转化模式，提出了经典的DIKW层次体系模型（Data-Information-Knowledge-Wisdom） [1]，该体系将数据、信息、知识、智慧自下而上纳入一种金字塔形的层次模型中，每一层比下一层都赋予特定的特质。从体系中可以看出，知识转化的过程是数据信息在联结的维度上从零散到系统，从简单到复杂的过程，在理解的维度上从外部到内部，浅显到深化的过程。由此可以认为，企业中知识加工和应用的层次越高，智慧程度越高。企业通常可直接使用的知识层次基本属于数据信息层面，当进一步对数据信息进行整合、加工和挖掘，将知识标准化、结构化以及模型化后，逐渐形成可自动运行、推理、判断的高层级知识，将最合适的知识在最合适的时间传递给最合适的人，以使他们做出最好的决策和实施[2][3]，来实现企业的智慧化转变。

同时，企业决策过程中也需要综合考虑数据和知识的关系及其对决策行为的影响，把基于数据的客观计算分析和知识驱动的预测判断结合起来，能够更好地实现企业的智能决策目标。因此，在遵循“DIKW”体系基本原理下，本文提出了一种面向企业智能决策，基于数据仓库的知识应用平台框架，为智慧型军工企业知识管理的建设与应用提供一种新的思路。

2 相关理论综述

2.1 基于知识的智能决策体系

以往的决策支持体系研究受多库系统结构影响，经常把数据、模型以及知识区分开来建库及其管理系统，先后出现了基于数据的决策支持、基于模型的决策支持和基于通信的决策支持等系统体系，到80年代初期Bonczek等人将知识处理思想引入到决策支持系统中，实际上决策者在决策过程中所能获得的事实、方法、规律或者推理判断，都是其中必不可少的知识，把这些作为知识进行统一管理和应用，有利于体系结构的简洁和处理方法的一致性，基于知识的智能决策支持体系逐渐成为智能决策支持体系研究的主流[4]。

基于知识的智能决策体系是以日常业务处理的各类数据为基础建立数据仓库，与用户驱动的知识发现结合使用，利用数据挖掘等技术实现数据的知识化应用，通过综合分析和预测，为领导层在企业经营战略、市场发展等重大问题上提供决策帮助的系统体系。目前大多的军工企业在决策时所能依据的知识判断与信息系统提供的信息之间存在“断层”，传统的知识管理系统无法有效地支持大量数据直接转换为知识内容，仍需要依靠决策人员通过经验将获得的数据信息经过人为的分析、判断、重新组织，才能转化为可理解可使用的智能决策知识，因此，要能够实现“从简单的原始数据呈现到提供具有决策质量的知识与理解”，基于知识的智能决策架构需要完成对数据、知识、模型、交互四个部分的有效集成[5]：通过一系列知识处理方法从数据资源层获取相关知识和经验，并运用合适的知识建模方法与语言将知识规范化和模型化，根据特定任务和场景需求进行智能化的推理和演绎，在人机交互层实现决策帮助。

2.2 数据仓库引入知识管理的作用

由上文可知，知识管理需要对数据信息进行深度加工和分析，提取转化为可支持管理者决策的结构化、结论性的信息及未知的、潜在有用的知识，因此知识管理的立足点在于数据管理，它是数据管理的一种延伸和发展。在数据管理技术发展过程中，数据仓库是在数据大量存在的情况下，为了进一步挖掘数据资源、为了决策需要应运而生的，数据仓库之父 Bill.Inmon定义它为“面向主题的、集成的、稳定的和随时间变化的数据集合”。为了实现决策分析，数据仓库从事务型数据中抽取分散的数据源，进一步清洗、加工、汇总和集成可得到具有特定主题、格式规范的分析型数据，而知识管理中所使用的数据挖掘和知识发现技术往往依赖于经过良好组织和预处理的数据源，数据的好坏直接影响着知识发现的效果，因此数据仓库和知识管理的结合成为一种必然。

基于数据管理与知识管理这种密切关系，本文提出将数据仓库引入面向智能决策的知识管理平台中，以集成规范化的数据主题作为数据发掘和知识发现的基础，为决策的预测分析提供高质量数据源，且使决策更具客观性。

3 面向智能决策的知识管理平台框架

通过上述理论综述和分析，本文提出将业务数据进行提取、集成和统一管理，以搭建主题数据库为出发点，设计基于数据仓库的知识管理平台框架，通过对数据与知识的深度感知与分析应用，形成数据-信息-知识-智慧的一体化架构，通过不断的自学习和创新，形成自判定-自迭代的智慧型军工企业的先进战略体系。总体框架如图1所示，主要包括以下三个层次：

3.1 知识基础层

知识基础层为知识的来源层，包括两个部分：一是直接来自研发生产过程中各业务系统、数据库、文档、个人手中等分散的业务资源;二是通过建立数据仓库整合梳理形成的业务主题资源。

1）业务源：

为数据仓库和知识库提供源数据，包括在研发活动过程中存储在业务系统（PM、PDM、ERP等）、文件系统、专业数据库中的结构化数据，以及记录形成的电子或纸质文档资料、非结构化的声音影像、设计师个人电脑或者脑里的经验等。

2）数据仓库：

数据仓库为知识提供高质量的数据基础，通过整合集成业务资源，突破信息壁垒建立结构化、规范化的业务主题库，以数据挖掘和分析等技术手段，进一步实现数据信息到企业知识的转化。

建设业务主题库的重点是数据建模，数据模型建立应基于信息资源规划的成果，结合各类数据的综合管理需求，在业务模型的基础上以企业全局的角度对各业务流程节点所需的数据、产生的数据进行梳理，对梳理出的数据按照业务进行分组、分类，依据“一事一地”的存储原则，科学地设计企业的数据存储，其数据结构和存储方式独立于各职能区域和应用。总体建模方法如图2所示，因为科研企业的核心是产品，构建主题数据库可围绕科研产品研制全生命周期为主线划分数据主题域，建立产品的设计、工艺，试验、生产、维保等主题数据库，构成产品全价值链数据仓库。

3.2 知识管理层

在知识管理层中，通过ETL、ESB等集成方式对基础层进行知识聚集，并基于面向主题的数据仓库，利用数据挖掘和知识发现等技术实现知识获取和转化，形成分类管理且相互关联的知识库，通过本体语义关系构建知识分类体系及知识图谱，实现知识体系化管理与应用，同时将知识内容与研制过程中业务活动相关的工具、数据等进行统一封装，形成可以在研发及管理环节自动关联或者直接调用的知识组件，实现知识自动化的沉淀和更新，用以支撑智能决策分析，促进企业成员自学习和技术创新。

科研企业具有三大要素，即从事科研工作的人员，由科研工作者参与的产品，及科研管理产生的文档，三者紧密结合，完成科研企业的业务活动，因此科研企业知识产生的方式按照这三个要素作为主要知识来源，将知识库内容划分为描述企业知识的本体知识、基于数据仓库的数据知识，以产品科研生产为核心的模板、向导以及模型知识，以及包括标准、规范、专利等的文档知识等。

对于显性化知识可采用典型的数据挖掘和知识发现的知识管理技术进行加工处理。数据挖掘是“从大量数据中析取有用的、前所未知的和最终可理解的知识的过程”。20世纪末期国内外学者逐渐将研究重点转移到数据驱动的知识发现方法上去，利用机器学习、人工神经网络等方法，发现已知和未知的知识，使数据挖掘成为不需人工干预的自动过程[6]。

传统的信息管理技术束手无策的丰富隐性知识则通过知识管理中的专家网络、讨论社区等方法提供统一的交流渠道实现在线协作和互助共享，将企业员工的技能与专长、经验等通过标准化的知识模板引导入库，不断迭代积累形成结构化的知识，并形成知识沉淀机制和知识型企业文化。

3.3 决策支撑层

企业的智能决策系统由划分不同主题域的数据仓库提供定量计算模型，由带有知识库的知识管理提供定性计算模型。

定量计算模型：是各种面向决策的算法组合而形成的模型，模型的各参数由数据仓库的主题数据库和分析指标库定量产生，包括预测模型、数据模型、数量经济模型、线性规划等，可从完全客观的数据层面解决单方面依靠经验知识而导致决策依据不充分或者过于主观的状况。

定性计算模型：是从知识管理系统中提取的知识，其主要来源于日常参与决策的知识积累、个人学习和创新活动的知识增加，是一个需要隐性知识显性化、显性知识智慧化的过程。假定企业高层参与决策的理论知识量是一个封闭的知识环，他只有拥有这个环节中的全部知识才能使决策达到最佳。因此，企业在知识管理系统建设中，知识管理和应用应覆盖企业研发和管理经营活动的全过程，横向贯通从方案、设计、工艺、装配、调试、试验到定型的研制流程，纵向贯穿从订单到计划、排产、采购、质量、交付和财务核算的计划管控，确保知识内容从获取、转化到传播共享形成一个完备的工作闭环。

4 结束语

随着知识经济和信息时代的高速发展，知识管理已不仅仅是辅助企业生产的一种技术手段，更是创新的管理思维和模式，企业逐渐意识到要通过利用组织的智慧来提高企业的应变和创新能力。知识管理系统与企业智能决策相互融合已成为企业可持续发展的必然要求，本文依据知识与数据信息的密切关系，以人为中心，以数据为基础，构建一种面向智能决策的知识管理平台框架，旨在通过成熟的数据仓库技术和知识管理技术获取多维度多层次的量化分析指标，为企业提供准确完整的最佳决策方案。

参考文献：

[1] Ackoff R L. From Data to Wisdom[J]. Journal of Applies Systems Analysis， 1989（16）.

[2] PAN Xuwei， GU Xinjian， CHOU Yuanfu， et al. Knowledge Modeling for Knowledge Management[J]. Computer Integrated Manufaturing System， 2003， 9（7）： 517-521.

[3] YANG Fei. rom OLAP to OLAP and Knowledge Management to Knowledge Discovery[J]. Management Information System， 2001（1）： 66-68.

[4] REN Minglun， YANG Shanlin， ZHU Weidong. Enterprise Intelligent Decision Support System：Research Status and Challenge[J]. Journal of Systems Engineering， 2002， 17（5）.

[5] 李興森，石勇，张玲玲. 从信息爆炸到智能知识管理[M]. 北京：科学出版社， 2010.

[6] Dhar V， Stein R. Intelligent decision support methods-the science of knowledge work[M]. New Jersey： Printice Hall， 1997： 171-180.

【通联编辑：谢媛媛】

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。