本节将以从事高技术产品研制生产的某创新型企业面向产品生产制造的知识流人工神经网络模型为例进行具体实例说明。图7-11是该企业产品生产制造的主要业务环节的业务流程图，从接到设计部门的定型设计图样，结合已开展的工艺设计进行工艺审查，到工艺、工装直到最后的总装调结束。各个节点都是完成一项工程的必要步骤，它们之间进行协调和协作，共同完成每个项目。

图7-11 某创新型企业产品生产制造业务流程图

图7-11中各个节点之间存在着逻辑上的顺序关系。在业务流程流转中，伴随着信息和知识的传播。各个节点是各个工作岗位，也就是知识员工。而知识流动的载体是数据，或由各种数据综合而得到的图样或设计方案。这些知识流的客体是可以学习和借鉴的，可以通过数据库或知识库来加以存储。

从图7-11中可以看到，当研发设计部门交付已定型设计图样后，由审图员对设计图样加以审核，此时有设计人员的知识与审图员的知识交互。经过审图员审核，如果通过就交由下一步工序，否则会把图样返回到设计部门。设计通过后，图样交到生产部门，由生产部门编写生产计划，此时的知识载体由设计图样转化成具体的生产计划。在生产计划编制过程中，计划人员把他们对图样的理解和具体如何进行生产的知识结合起来。生产计划交到技术部门，由技术部门的人员对生产的具体过程进行工艺设计，确定由哪些工艺环节来完成这个项目，需要由哪些车间来分别实施。等工艺准备完毕之后，各个车间都领到了设计图样和生产计划，并进行相应的生产，最后装配和调试，完成产品生产制造任务。

根据图7-11，构建如图7-12所示的该创新型企业产品生产制造知识流人工神经网络模型图。

图7-12 某创新型企业产品生产制造知识流人工神经网络模型图

人工神经网络和专家查询系统即构成该企业知识管理交互平台，其中人工神经网络N是该交互平台的上行处理单元，为统一的知识管理人工神经网络，对于企业中不同的知识流上行过程，将调用其中不同数量和层次的神经元，也就是说，任何知识流上行过程中所利用到的神经元都是整个人工神经网络的子集，即N_i⊂N，同时不同知识流上行过程可以复用相同的神经元，即N_i∩N_j不一定为空集∅。图中设计人员p₁以设计图样作为其知识载体，将知识导入企业知识管理系统，人工神经网络N₁通过识别与学习，将图样中的知识信息进行分析与归纳，形成原子知识信息存储于企业数据库中。审图员p₂可以通过专家查询系统查询各种图样，当需要审查p₁的图样时，审图员通过专家查询系统发出请求信息，系统查询知识库中符合请求要求的原子知识，并反馈给审图员。审图员通过审核这些信息来判断设计人员设计的图样是否合格、合理。当设计图样不符合要求时，审图员将会把相应的误差信息直接反馈给设计人员p₃，设计人员则会修改一些设计指标，并将其修改意图通过人工神经网络学习，存储于企业知识库中，最终设计人员可以通过专家查询系统查询自己的设计图样是否符合要求，如果查询到的信息是修改信息时，他将按照总体设计人员的修改意图重新进行图样设计。当设计图样符合要求时，审图员会将设计图样直接发送到生产部门，并由他们编制生产计划，并按图中所示流程进行下一步工作，直到完成整个过程。

采用基于人工神经网络与专家查询系统的创新型企业知识管理模型，能在统一的知识管理架构下进行各种知识载体的处理，提高了知识的流动性和效率。另外由于人工神经网络具有很强的自适应性，对于企业业务流程中存在的一些影响知识上行的因素，可以通过变换神经元结构和数量进行调整，以满足知识的流动性需求，使得知识在企业生产经营等各个环节中的流转更加顺畅。

对图7-12中“审图员”环节进行分析，可以得到如图7-13所示的细节结构。在审图员审核图样时，如果他已有的知识足以判断图样是否正确、可行，则进行审核工作，如图7-13中由p₂到p₃或由p₂到p₅的过程，其含义如前所述；如果审图员已有知识不足，则需要从企业知识库S_m中提取PDM，从中寻找相关的知识。PDM中存储的知识包括国际标准、国家及行业标准、标准件库和以往的项目记录。如果从PDM中还是没有找到可利用的知识，则需要寻求其他的帮助，即审图员向其他审图员或者技术人员p_i，…，p_j等发出信息请求，由这些人员针对其欠缺的知识，通过人工神经网络向企业知识库中导入相关的信息，最终审图员p₂由专家查询系统重新查询获取所需的知识，并据此完成对设计图样的审核。

(www.daowen.com)

图7-13 审图员图样审核人工神经网络模型图

图7-13中“审图员知识上行过程”描述了审图员的显性或隐性知识的上行过程。通常在审图员审图过程中，特别是在解决新问题的过程中，通过学习领会与实践积累，在吸收多方面知识的基础上，审图员会将许多接触到的外部知识转化为其自身的显性或隐性知识。这些知识对解决未来可能碰到的审图问题有很好的帮助。但在传统的企业管理模式下，对这些显性或隐性知识的管理还有很大的欠缺，没有很好地对这些知识进行记录、抽象以及升华，也就更谈不上合理的开发与利用。由于这种情况的存在，使得不同的审图员无法实现知识的共享，增加了许多不必要的重复性劳动，降低了劳动效率，同时也增加了成本；不仅如此，随着审图员岗位的变动还可能会导致这些由解决新问题得到的新知识流失，对提高企业的竞争力是极其不利的。而基于人工神经网络与专家查询系统的创新型企业知识管理模型由于引入了员工知识上行渠道，使得企业知识资源能在企业运行过程中得以不断的积累，而这一过程将使企业的知识库得到不断的丰富，在当前竞争日趋激烈的市场环境下，这必将成为企业最有力的竞争力。

在具体实践中，一方面，不同的审图员之间通过Lotus Notes平台进行交互，结合电子邮件与交谈等多种方式，在对Lotus Notes进行定制的基础上，对交互的隐性知识进行提炼，并存储到PDM中，从而增加企业的知识存量；另一方面，生产部门和设计部门也可以通过Lotus Notes与审图员进行知识的交互，相互学习和借鉴。当然，实际上不仅审图员如此，设计人员、生产人员和管理人员都如此，这对不断研制生产复杂产品的创新型企业尤为必要。

企业中知识的传播方式可以分为主动获取和被动接受两种。大多数员工习惯用已有的知识来判断和处理问题。因此要使员工能够主动地去获取知识，一方面需要基于知识创新的企业文化的影响，倡导一种不断学习知识的氛围；另一方面要给员工赋予挑战性职责，驱使他们努力成为学习型人才，通过获取新的知识来解决问题。

在传统知识管理的框架下，员工主动获取知识的方式主要是通过各种形式的培训、交流来实现。随着科技的飞速发展，企业对员工的知识水平和技术素质的要求日益提高，传统的获取知识的方式已显不足。在本文知识管理模型框架下，员工主动获取知识的方式不仅可以包括传统形式下的培训与交流，同时还能通过企业集成的知识管理体系，由员工自行创造，同时又自主获取新的知识，这对知识在创新型企业中的有效积累和传递是大有益处的。不过由于大部分企业保密安全的需要，不同的员工对于涉密知识资源的获取有着不同的权限。因此，要在对企业知识资源进行梳理、分类、定级的基础上，设定知识获取的权限范围，尤其对核心知识，必须经过审批后在有限的范围内使用，做到既保守秘密，又利于共享利用。如图7-14所示，在创新型企业知识管理系统中还需要引入权限判读q₁，q₂，…，q_l，以控制不同保密级别的员工对企业知识资源的访问。

图7-14 创新型企业知识管理系统的权限判读机制

在企业研发生产经营过程中会不断有新的知识产生，这些新产生的知识可能缺乏一定的系统性，或者彼此缺乏应有的逻辑性，甚至有可能是冗余或者错误的，因此需要对这些知识进行判断，从而减少零碎知识的流动、提高流动的效率，同时也能防止残缺或错误知识的传播。在符合知识发布要求之后，按照访问的权限不同把知识传递给不同的受众。在此基础上，知识的流动能够循环往复，不断积累、更新，产生新的知识。

[1]经典的误差反向传播BP学习算法，即误差由输出层逐层反向传播到输入层，由误差修改网络权值，直至网络输出适应学习样本。

[2]单位为热力学温度，指模拟退火算法开始时所取的状态温度，退火温度要足够高，否则无法达到最优解，但是过高的退火温度也会影响退火时间，即最优解的求解速度和复杂度。