四、智能设计的关键技术

（一）知识获取的智能技术

知识有不同种类，这导致知识获取的方法也各不相同。

1．已有知识获取的智能技术

已有知识可以进一步分为显性知识和隐性知识。

（1）显性知识的获取。显性知识包括公开发布的著作、设计手册、论文、专利和标准等，还有网络中的大量短文、评论、随想等，还有分布在员工计算机和记录本中的知识。

这些知识的特点是数量很大，高度分散，形式多样。

1）著作、设计手册、论文、专利和标准等知识获取的智能技术。公开发布的著作、设计手册、论文、专利和标准等知识具有相对较高的价值，是知识获取的重点。论文、专利可以从中国知网、专利库获取，但自动获取有难度。标准可以从国家标准共享服务平台等网站获取。著作和设计手册则很少有网络版本。

这些获取知识的智能技术主要是：

·针对论文、专利等知识，采用“网络蜘蛛（又称智能代理）”自动下载。

·对扫描获得的著作和设计手册等知识，采用智能识别软件提取知识内容。

2）网络知识获取的智能技术。主要采用“网络蜘蛛”在互联网指定网站进行定期的知识搜索，当然也可以对所有网站进行搜索，但这样代价非常高，时间很长，所搜索的知识非常多。对企业而言，没有这种必要。

3）分布在员工计算机和记录本中的知识获取的智能技术。分布在员工计算机和记录本中的知识很重要，但又很零碎、分散。更难的是，员工不一定愿意将这些知识贡献出来。这类知识获取的智能技术主要是：

建立面向员工的知识管理系统，让他们分类管理好自己的知识，同时该系统与企业的知识管理系统集成在一起，当员工认为需要时，就很容易地将知识共享到企业的知识管理系统。

建立基于手机的工作记录本，利用智能语音技术，让员工能够方便地将平时的点滴经验能够迅速记录下来。

更重要的是要让员工愿意并积极共享自己的知识，这需要一个信息透明、评价准确、激励充分的环境。

4）企业信息系统中的大数据挖掘技术。制造企业在利用信息系统对产品和服务的全生命周期进行管理、对员工的知识和工作过程进行管理，同时管理深度加深、管理精度提高，由此产生大数据。企业信息系统中涉及的异构系统多，需要快速集成，使信息流畅通，便于管控；企业信息系统中涉及的非结构化的数据、信息和知识多，需要进行结构化处理，便于集成和分析；企业系统需要管控的对象多，对实时性要求高，需要进行海量数据的智能分析以及员工知识的获取技术。

（2）隐性知识的获取。在20世纪70年代的时候，计算机开始进入工厂，其巨大的计算能力、神秘的控制能力，给人们带来无穷的遐想，计算机因而被称为“电脑”。那时，科学家们对计算机在工厂中的应用寄予了很高的期望：未来20～30年的工厂是全盘自动化的“无人化工厂”“无照明车间”。车间里工作的都是机器人，按照程序自动工作，不需要灯光照明。

在1959年第一个工业机器人诞生时，工业机器人的发明者预言：20年后车间需要劳动力时，不必去人事部门，而只需到机器人仓库寻找。

但事实并非如此。“无人化工厂”和“无照明车间”凤毛麟角，工厂的主角还是人，不是机器人，尤其是机械制造企业更是如此。

计算机技术和人工智能技术确实在迅速发展。1997年5月11日，IBM的超级计算机“深蓝”在正常时限的比赛中首次击败了等级分排名世界第一的国际象棋棋手加里·卡斯帕罗夫。

2011年2月16日，IBM的另一台更强大的超级计算机“沃森”在美国智力竞猜节目《危险边缘》（Jeopardy）第3场比赛中，以3倍的巨大分数优势力压另两位参赛选手肯·詹宁斯和布拉德·鲁特，夺得这场人机大战的冠军。与之对擂的这两位选手是该竞猜节目有史以来最强的选手，詹宁斯曾经连续获胜74场，而鲁特是累计奖金额最高的参赛选手，奖金超过325万美元。

现在是否就能够认为“无人化工厂”就是40年后的未来智能工厂模式呢？为时还是太早。

目前的技术还无法研究出能综合各种能力，并像人类一样活动的智能机器人，也没有哪一个计算机能通过图灵测试，该测试是一种测试机器是不是具备人类智能的方法。

人们早已发现产品开发设计与隐性知识有关。在构造设计专家系统时，有经验的专家的深层知识只能意会而不可言传，而计算机就难以获得这方面的知识。

另一方面，今天所有计算机都不会学习，而只会推理。会学习的所谓“第五代”计算机，至今没有被研究出来。如果说“深蓝”和“沃森”有什么过人之处的话，那么就是它的不知疲倦的“蛮力”。

隐性知识对产品设计有非常重要的价值，占了有价值知识的一大半。隐性知识分散在员工的头脑中，部分隐性知识是可以转化为显性知识的，部分隐性知识是难以转化为显性知识的。对于前者需要将其转化为显性知识，使个人知识变为组织知识；对于后者需要知道何人掌握何种知识，以便在需要的时候快速找到所需要的员工。

隐性知识获取的方法主要有两种：①对于可以转化为显性知识的隐性知识，要尽可能实现转化；②对于难以转化为显性知识的隐性知识，要能够快速定位到掌握隐性知识的人。

1）隐性知识转化为显性知识的智能技术。隐性知识转化为显性知识需要提供相关的信息环境帮助启发、描述这些知识，提高知识的转化率和知识描述的完整性。

2）设计软件使用中的专家知识自动捕捉技术。对设计软件使用中的专家行为进行记录、跟踪、统计和分析，在对专家行为分析的基础上，分析出专家使用设计软件的知识，如设计软件的参数设置、有限元模型的建立等，实现专家知识的自动捕捉。

3）快速定位隐性知识的智能技术。对专家在知识库中所发布的知识、对知识的评价等信息进行统计分析，可以帮助发现专家的知识领域和水平，从而帮助实现隐性知识的快速定位，即掌握某类知识的专家的快速定位。

2．新知识获取的智能技术

新知识获取主要是通过知识的创新来实现的。就目前的人工智能技术水平而言，通过计算机实现知识的创新还十分困难，虽然人们可以通过搜索引擎大大加强搜索的效率，通过人工智能实现简单的知识推理，达到一定程度的人工智能，但实现全自动化的知识创新还非常遥远，或者只能实现辅助性的智能设计。

知识创新的基础是知识的积累和灵感的迸发，是研发人员进行创造性思维的结果。创新本身意味着不拘一格，但是通过表3.7所示的一些创新方法有利于在创新过程中诞生全新的思路和想法。

例如，名为Idea Generator和Mind Link的工具通过引导人们突破思维定式来提高创新能力。知识的创新是人类最复杂的思维活动，要求机器像人类一样思维是不可能的，但人类可以设计出一些软件模拟人类思维。但即使这样，人们还要等待很长的时间。

（二）知识整理的智能技术

1．知识整理的需求和途径

图3.19为知识整理的需求和途径。

2．知识整理的智能技术

利用信息技术可以帮助建立一种智能的知识整理自组织系统，其特征是：（1）更透彻的感知。利用基于Web 2.0的大众化评价方法，知道哪些论文、专利、科研成果有价值；知道哪些人是哪方面的专家，感知新的技术和知识，做出准确的评价和判断；利用网络数据挖掘和分析技术，感知市场的变化、用户的需求。

（2）更全面的互联互通。利用基于互联网的知识整理自组织系统，对论文、专利、科研成果等进行全生命周期的跟踪；对科研人员的科研生涯进行跟踪；实现知识供需双方的快速对接；同一学科的科技工作者协同建立本学科的知识网络；不同学科的知识网络互联互通；同行专家协同建立技术进化图和技术路线图；一些有价值的想法、方法等可以直接发布到网上得到评价和利用；知识贡献、共享和激励机制有机集成。

（3）更深入的智能化。利用基于Web 2.0的大众化评价方法，使论文、专利、科研成果等中的知识形成一个显式的有机的网络；可以快速知道自己的创新位于知识网络的哪个部分；可以快速发现新的研究方向，避免重复研究；可以方便地将不同学科的知识进行组合，集成创新；可以自动地对科技工作者的成绩做出有充分根据的客观评价。

上述思想和方法的实现需要政府有关部门的制度重建，但在企业层的应用可以先开始进行。

图3.20为智能的知识整理自组织流程。

随着知识管理的深入开展，企业知识库中的知识将越来越多，同时大量无用、过时的垃圾知识也会充斥其中，导致知识库的利益效率越来越低。因此，需要使知识价值和知识之间的关系有序化，提高知识库的使用价值。但知识库的有序化工作需要一线知识型员工的参与，只有他们最知道企业需要的知识的价值和知识间的关系。但一线员工很忙，难以抽出大量时间进行知识库的有序化。利用员工的知识库应用行为（知识发布、阅读、评价、使用等）的大数据可以帮助企业知识库的有序化，使知识库越使用越聪明，并可以了解员工的知识领域和水平、对知识库有序化的贡献度。

（三）面向智能设计的模型技术

1．背景和需求

现在，数据库、信息系统都可以买到；泛在网络广泛应用，互联互通很方便。在这一背景下，模型对于企业开展智能设计日益重要。国外在智能设计推进中深刻认识到：设计软件系统只是外壳，其核心是模型。因此，国外提出了基于模型的企业（Model-Based Enterprise, MBE）的概念（NGMTI Communities,2005; Frechette,2008; Hentges,2009）。

中国企业在智能设计软件系统方面同国外的差距也主要在模型。一方面，对于开发设计相关软件中的模型的内容和意义认识不足，没有很好地发挥开发设计软件的作用；另一方面，在建立适合自己企业和产品的独特开发设计模型方面缺乏能力和重视，不仅缺少开发设计模型所需要的知识，即使有了知识也难以将其固化为模型。国外的智能设计软件中融入了其长期积累的先进的智能设计知识模型，因此，很受企业欢迎。

图3.21描述了智能设计对模型的需求。

图3.22为智能设计软件对模型的需求。

2．面向智能设计的模型的基本概念

（1）模型的定义。对于不同学科、不同应用场景，模型有不同的定义，如：模型是一种具体事物的抽象；模型是一种标准、规范；模型是一种信息模板；模型是一种数据、信息、知识的集成模式等。

理想模型的主要特性是：

1）目的性。提供某一问题的解决方案。

2）完整性。模型包括了解决某一问题所需要的数据、信息和知识。

3）集成性。模型与其他模型和软件容易集成。

4）封装性。通过封装，模型具有使用方便的特点。在使用时，可以不必知道其内部的结构和运行情况，并且模型与环境的集成也比较方便。

5）开放性。模型中的知识容易添加、修改、关联。

6）规范性。模型描述、建立和使用都有一套标准规范。

7）透明性。模型中的数据、信息和知识的关系与变化对用户而言是清晰透明的。

8）自主性。在一定条件下，自主启动，自主运行进化，自主结束。

9）自适应性。模型随着外部环境的变化逐渐完善，与环境更加融合。

（2）智能设计模型。知识分为产品和过程知识，企业中的智能设计模型分为产品模型和过程模型两大类。这两类模型中的显性文本知识模型具有共同点。因此，也可分为3类：产品模型、过程模型和知识模型。

图3.23描述了智能设计模型的分类和作用。

图3.24为产品生命周期中的模型和系统。

（3）面向智能设计的产品模型。产品是制造企业的主要输出，产品需要不同部门和企业的协作，需要经过需求、概念、功能、结构、工艺等设计阶段，经过原材料采购、加工、测量、装配等制造阶段，现在越来越多的制造企业还需要负责产品的安装、使用、保养、维修、回收等服务阶段。数字化技术已经覆盖了整个过程，但需要有面向产品生命周期的统一模型。

面向智能设计的产品模型的形式有：

1）产品实物模型。与产品在形状等方面类似，如用快速原型机制造得到的模型。

2）产品工程图模型。产品信息的文本描述。这是机械产品的工程师语言，可以据此相互交流产品信息。

3）产品数学模型。对产品运行机理的理论描述。

4）产品虚拟模型。在计算机中模仿产品实物的模型。

5）产品几何模型。描述产品的几何信息。

6）产品模块模型。描述一类相似零部件的结构特性，包括模块主模型、事物特性表、主结构、主文档等。

7）产品知识模型。描述产品所需要的知识。

（4）面向智能设计的过程模型。将产品从概念变为实物再到使用，需要许多过程的支持。

过程模型可以按照过程的阶段性划分，如设计过程、某零件的加工工艺过程、产品的维修过程等。

过程模型包括过程功能模型、过程活动模型、过程数据模型、组织资源模型、过程知识模型等。

过程模型不仅可以描述各种智能设计过程，而且可以进行过程仿真，还可以自动生成软件。这将使得一般的管理人员也能自己开发和维护软件，直接将自己的知识转变成模型，进而转变成软件。

（5）案例。用户需要一件特别的产品，如汽车；企业提供需求模型（又称模板），让用户方便准确描述需求；需求模型自动转变为产品的虚拟结构模型，这是模块化的产品，因此，可以分解为一系列的模块，其中绝大部分模块是标准模块；产品虚拟结构模型在各种CAX系统中仿真分析，得到产品的性能、价格、交货期等信息，企业与用户多次反复协商，最终确定产品结构；标准模块按照固化在供应链管理系统中的生产管理模型，由不同专业企业制造，成本低，交货期短；极少的专用模块的结构模型转变为加工程序，由加工中心或增量加工机床加工得到；结构模型转变为测试程序模型，由三坐标测量仪进行测试；所有模块几乎同时集中到用户附近的4S店组装，用户很快得到想要的产品。在使用中，用户希望产品升级，企业通过更换模块，马上满足用户要求。这里所有的数据、信息和知识都在模型中。启动模型，一切搞定。

3．基于模型的智能设计进化

基于模型的智能设计可以看作基于软件的智能设计的另外一种表述方法。基于模型的智能设计是逐步进化的。进化的主线是知识的数量和质量，以及知识的组织形式。企业知识分为不同维度：显性知识和隐性知识、组织知识和个人知识、外部知识和内部知识、通用知识和专用知识、分散的知识和集成的知识、产品和过程知识。基于模型的智能设计的进化方向是隐性知识显性化，个人知识组织化，外部知识内部化，专用知识通用化，分散知识集成化。这些进化的载体是模型。图3.25为关于基于模型的智能设计进化的观点。

表3.8是基于模型的智能设计的分类。智能设计不仅是一种技术系统，也涉及社会系统。因为智能设计中的大量知识需要人共享、评价和整理。

4．基于模型的智能设计的实施方法

不同类型的基于模型的智能设计系统，其实施方法也各不同。

（1）基于通用模型的智能设计。购买现成的通用模型和系统即可。一般情况是：系统中嵌入了通用模型，买来即用，实施容易。

（2）基于产品和过程集成优化模型的智能设计。需要一套优化方法，需要对未来的变化有比较准确的预测，需要对企业产品和过程有比较全面的了解，可以请外部咨询公司帮助建立产品和过程集成优化模型，但成功概率不高。

（3）基于知识模型的智能设计。需要员工主动、负责地进行隐性知识显性化、个人知识组织化，信息系统可以帮助员工发布、使用知识，进一步可以帮助对员工的行为进行跟踪、统计、分析和评价。通过制度设计，可以建立一些文本知识模型，但知识共享文化的实现需要企业长期的努力。

（4）基于独特知识嵌入模型的智能设计。这里的关键是要求企业本身是行业的佼佼者，有长期的行业领先的经验知识；能够发挥员工的积极性和创造性，员工将长期积累的经验做成模型嵌入信息系统中。

（5）基于智慧模型的智能设计。这是未来企业的发展方向，使计算机的优势和人的优势得到很好的发挥和集成。

5．基于模型的智能设计的关键技术

（1）面向制造业的基于模型的智能设计的关键技术。这是制造业企业在实施基于模型的智能设计中可能遇到的一些关键技术，需要咨询公司等帮助一起解决。

1）复杂模型的建立技术。模型有难易，复杂模型需要深厚的专业知识背景，需要进行跨学科的协同。

2）模型中的知识获取技术。商业软件容易买到，但用得好需要很多知识，这往往是我国制造企业所缺乏的。更缺乏的是模型里面所隐藏的知识，会使用，却不知其所以然。

每个产品都有自己的特点，有自己的领域知识。通用的基于模型的智能设计商业软件一般只能在产品设计的后期发挥作用，不能真正解决产品创新问题。所以国外大企业都有自己的基于模型的智能设计的专用软件和模型，这是他们长期研究的成果，是他们的核心竞争能力。这种软件一般是买不到的。即使买到，也很难使用，因为需要有很好的专业背景的人才能建立适用的模型，并正确使用系统。

模型是知识的集成和重构，没有知识，模型也就是空架子。知识高度分散，并大多隐藏在员工的头脑中，并非那么容易挖掘。

3）解决未知问题的模型技术。企业环境变化越来越快，产品更新速度也在加快，模型也需要不断更新发展。这一方面需要建模时有很强的预测能力，考虑问题全面，以应对环境的变化；另一方面希望模型具有一定的自优化能力，能够较好地适应环境的变化。这种应对未知问题的模型技术，需要一定深度和广度的知识累积和能力。

4）多学科协同建模技术。复杂模型涉及多学科知识。不同学科甚至不同员工都有自己的知识体系，采用不同的知识模型。多学科协同建模需要对彼此的学科有较好的了解，需要有统一的术语和描述标准，需要有考虑全面的接口。这需要标准化部门和行业协会的支持。

5）产品模块化技术。产品模块化需要对不同产品中的相似零部件进行识别、分析和建模，使产品模块具有较宽的适用面；需要对产品的未来发展趋势进行比较准确的预测，使产品模块具有较长的生命周期。这需要产品模块化人员对各种相似产品有透彻的了解，对技术、市场和产品趋势有全面深入的分析，并愿意为企业和行业的全局和长远利益开展细琐、繁杂、艰辛、默默无名的工作。

6）面向基于模型的智能设计的管理技术。基于模型的智能设计的级别越高，越需要依靠企业员工及员工的协同，这就要求企业有好的管理模式。企业有较好的创新文化和能力，就会源源不断地创造、积累和分享知识，进而成为基于模型的智能设计。因此，企业需要更加注重引进先进的管理理念和技术来对企业进行变革，而不是把目光仅盯着产品、技术、软件。

（2）面向软件业及咨询服务业的基于模型的智能设计的关键技术。这是软件业及咨询服务业在实施基于模型的智能设计中可能遇到的一些关键技术。

1）模型集成标准建立技术。不同的软件公司所开发的系统中嵌入的模型的描述方法、形式等往往不同，这将导致所开发的系统难以集成。这需要软件公司、制造企业和咨询服务企业三方的通力合作。不同的制造企业对模型提出不同的需求。软件公司、制造企业和咨询服务企业三方协同对需求进行整合和标准化，并将需求模型转变为产品和过程的定义模型。

2）产品生命周期统一模型技术。产品研发阶段有产品概念模型，产品设计阶段有产品实体模型，产品加工阶段有产品加工模型，产品测试阶段有产品测试模型，产品仿真阶段有产品仿真模型，这些模型之间转换难，需要一种产品生命周期统一模型。当然这种模型是随着产品生命周期的进展而不断完善的。

3）基于模型的SOA（Service-Oriented Architecture，面向服务的体系结构）技术。基于模型的智能设计的子系统实施相对容易，但模型和系统的集成难，模型在不同系统中的转换有很大难度。不仅不同的软件公司所开发的系统无缝集成难，就是同一软件公司所开发的不同的系统无缝集成也难，因为这往往是两个项目团队在不同的时期开发的，不同的软件系统的发展过程不同，所采用的技术不同。因此，要满足用户使用方便的要求，需采用SOA技术进行集成。

（3）人机友好的智能设计技术。智能设计软件将具有很好的人机友好界面，真正实现人机一体化，让用户有很好的体验，充分发挥他们的创新能力。

（4）软件协同开发技术。大家都可以方便地将自己的知识模型化、模型软件化，形成越来越丰富完善的专业智能设计软件。

（四）模拟人类思维的智能设计技术

随着信息技术的发展，人工智能技术得到迅速发展，出现了一些设计专家系统，试图代替设计者进行开发设计。设计专家系统将现实的专家知识集成起来，为解决相应问题提供路径、优化方案，是很有效的方法。但现有的专家经验即使是最好的汇总，也只是渐进式的改良型创新，而不是革命性的创新。完全依靠信息技术、人工智能技术和设计专家系统进行革命性的创新，还有许多重大的困难需要克服。

1．设计专家系统缺少跳跃式思维能力和灵感

虽然设计专家系统能够记住比设计者更多的信息和知识，能够具有比人快得多的计算速度，但设计专家系统无法像设计者那样进行发散思维、跳跃式思维、快速的联想，没有设计者所具有的灵感，只能按照固定的程序进行推理和分析。在智能设计中，人类专家永远是系统中最有创造性的知识源和关键性的决策者。智能设计系统实际上是人机一体化的智能设计系统。虽然它也需要采用专家系统技术，但只是将其作为自身的技术基础之一，与设计专家系统之间存在着根本的区别。

2．确定功能原理及其结构和寻求原理方案及其结构是NP完全类问题

设计者创新所依据的信息和知识可能比不上一台计算机所存贮的信息和知识，但设计专家系统要将这些海量的信息和知识联系、组合起来，找到所需要的新创意，确定功能原理及其结构和寻求原理方案及其结构，那就计算量而言，是一个典型的NP（非多项式）完全类问题，其计算量随着所考虑的信息和知识数量的增长而指数增长，显然计算量之大是全世界所有计算机一起计算也远远不能够完成的。

下面这个大家熟悉的故事就包含了一个NP完全类问题。相传古代印度国王舍罕要奖赏他的聪明能干的宰相达依尔（国际象棋发明者），问他需要什么，达依尔回答说：“国王只要在国际象棋的棋盘第1个格子里放1粒麦子，第2个格子里放两粒，第3个格子里放4粒，按此比例以后每1格加1倍，一直放到64格（国际象棋棋盘是8×8=64格），我就感恩不尽，其他的我什么也不要了。”国王想：“这有多少，还不容易！”让人扛来一袋小麦，但不到一会儿全用没了，再来一袋很快又没有了，结果全印度的粮食全部用完还不够。这位宰相所要求的，竟是全世界在两千年内所生产的全部麦子。