從研發(fā)、設計、制造到生產(chǎn)、銷售、維護，汽車企業(yè)包含大量數(shù)據(jù)和知識。2023年9月18日，在2023第二屆汽車數(shù)字化轉型大會上，國雙科技資深產(chǎn)品總監(jiān)徐瑛表示，知識作為對信息的總結和提煉，當把知識引入數(shù)字化、智能化轉型過程中時，一方面可以沉淀我們的經(jīng)驗，另一方面不論是在知識的獲取還是在知識的創(chuàng)作分析以及業(yè)務創(chuàng)新過程中，都會有比較多的用途。

聚焦知識的搜索、問答、分析所能取得的效果以及存在的短板，徐瑛認為，通過知識的構建，可以形成統(tǒng)一的知識層。在知識層的基礎上，可以把相關的數(shù)據(jù)、經(jīng)驗經(jīng)過一系列沉淀，真正實現(xiàn)知識的復用、共享、分發(fā)、傳承，賦能更多場景。具體建設只要三步，第一步“建”；第二步“知”；第三步“用”。

徐瑛 | 國雙科技資深產(chǎn)品總監(jiān)

以下為演講內(nèi)容整理：

將知識放在核心位置的案例研究

支撐汽車企業(yè)數(shù)字化智能化轉型的過程有很多因素，其中有軟件還有硬件。那么如何能把知識放在核心力量的位置？先看幾個例子。

第一個案例來自汽車研究設計環(huán)節(jié)。汽車產(chǎn)品設計的時候需要用到大量知識。為了便于高效管理、查找、使用這些知識，我們把需要用到的行業(yè)規(guī)范、標準以及相關的數(shù)據(jù)文檔等，通過業(yè)務邏輯梳理去構建相應的知識庫、知識中心和知識圖譜。在它的基礎之上，再去供相應的產(chǎn)品設計人員進行檢索和知識的獲取，這樣一來，在產(chǎn)品設計的各個階段，我們能夠依據(jù)設計人員的需求提供更加準確的信息。

 圖源：國雙科技

第二個案例來自工程車的售后環(huán)節(jié)。當工程車出現(xiàn)了故障后會撥打400電話，呼叫中心服務人員會依照信息留下相應的記錄，再把記錄給到相應的維修工程師，維修工程師會到現(xiàn)場進行設備的檢修。

在這個過程中，無論是對于呼叫中心的工作人員來說，還是對于檢維修的工程師來說，都需要比較高的專業(yè)門檻。不同的呼叫中心工作人員、工程師水準有高有低，針對同樣的問題，在處理時辦法參差不齊。隨著人員流動，好的案例經(jīng)驗會被流失掉，這個過程中怎么把好的案例、企業(yè)的經(jīng)驗沉淀下去并且傳承下去，需要構建知識中心和知識庫。

圖源：國雙科技

在這里我們把設備、故障現(xiàn)象、原因以及處理措施，從業(yè)務上的邏輯構建了知識體系，通過知識體系，車輛出現(xiàn)問題時，簡單問題可以依據(jù)提示進行自排查。電話打到400時，400呼叫中心人員也能夠依據(jù)相應的提示去引導出更多的問題，留下更多的線索。當他把問題和線索再傳遞給后續(xù)的維修工程師時，就能夠大致了解車是什么狀況，然后再去想維修措施，通過這種方式提升經(jīng)驗和效率。

第三個案例來自汽車流程審計的工作。汽車制造業(yè)是典型的流程性企業(yè)，對于流程性企業(yè)來說，有相關的制度要求建設、生產(chǎn)需要采取的流程，同樣也會有各種各樣的軟件系統(tǒng)，來支撐流程走通。但無論是軟件系統(tǒng)還是相應的規(guī)章制度，都是在不同時期前后建設的。

圖源：國雙科技

這樣一來，經(jīng)常會導致有些流程規(guī)章制度要求在線上進行，但其實在線下進行了，依據(jù)制度需要走新的流程，但在系統(tǒng)里走的依然是老流程，當進行流程審計時就會不合規(guī)，而且有風險。因此就把規(guī)章制度里依據(jù)流程相應的規(guī)定構建了相應的知識庫，同時把流程系統(tǒng)里實際走的流程構建了相應的圖譜。通過對比，能夠清晰地看到二者之間存在的差異或者缺失的狀況，再進行流程審計合規(guī)上的智能化升級。

知識在汽車企業(yè)智能化轉型中的應用

可以發(fā)現(xiàn)，不管是研發(fā)環(huán)節(jié)還是生產(chǎn)環(huán)節(jié)等各個環(huán)節(jié)中，對汽車企業(yè)來說包含了大量知識。這些知識可能是文件、規(guī)章制度、數(shù)據(jù)，也可能是經(jīng)驗。在汽車企業(yè)內(nèi)部，特別是知識密集型部門，大家對于各類知識文件的獲取和分析的時間會占到工作時間的40%-70%，這是非常大的體量。

一方面我們需要用到大量的知識，另一方面有很多知識并沒有被沉淀下來。比如，實際操作經(jīng)驗、典型案例都遺失了。這樣一來，需要用到很多知識，但是很多知識又沒有被沉淀下來，那么知識的有效利用和沉淀率會非常低。

圖源：國雙科技

知識和數(shù)據(jù)的區(qū)別是什么？可以把數(shù)據(jù)進行業(yè)務邏輯的抽象后所形成的稱之為知識。這里舉簡單的例子，當去檢索故障現(xiàn)象時，如果是基于數(shù)據(jù)層面檢索，經(jīng)常得到的答案是左邊這張圖，能看到和故障現(xiàn)象相關的各類各樣維修的文檔。但很多時候這對于維修人員來說并不好用，因為他需要的只是某篇文檔中的一小段文字，而這一小段文字可能分布在幾篇文檔里，非常零散。當他去檢索內(nèi)容時，其實想得到的信息是直接查找原因，并且獲得維修措施和建議。當檢索現(xiàn)象時，直接返回出原因和措施，就是把數(shù)據(jù)進行了知識化的抽象后的結果。

把知識引入到數(shù)字化智能化轉型過程中，一方面可以沉淀經(jīng)驗，另一方面不論是在知識的獲取還是在知識的創(chuàng)作分析以及業(yè)務創(chuàng)新過程中，都會有比較多的用途。首先是搜索，當引入知識之后，帶來的是兩種不同的搜索效果。第二是問答，它的優(yōu)點在于答案精準，但不足是不夠靈活。大語言模型出來以后，問答帶來了大的飛躍，優(yōu)勢在于靈活，但不足在于不可解釋。

把知識圖譜引入到問答的環(huán)節(jié)中來時，用它去規(guī)范大語言模型提問答案的返回，可以增加大語言模型的可信性。在知識圖譜構建過程中，難點是在于不可避免要進行人工標注，工作量比較大。但最近通過和大語言模型相結合，在過程中可以通過大語言模型的推理和一系列的解釋能力，幫助我們更加智能地構建知識圖譜，讓其一部分人工標注的工作交給大語言自動實現(xiàn)，提升了問答效果和構建效率。

圖源：國雙科技

第三，分析。對于分析，比較傳統(tǒng)的方式是通過機理模型或者機器學習的模型實現(xiàn)。過程中有時候會發(fā)現(xiàn)它會有不足之處，精準度不夠，準確率比較低。這時可以把業(yè)務上的知識引入到機器學習或者機理建模的過程當中，從業(yè)務的角度提出規(guī)范性的約束條件，通過這種方式增加做預測的準確性。

圖本身是特殊的結構，節(jié)點和節(jié)點的關系?；诖耍梢灾苯佑盟龇治?。在進行車輛維修時，會有多故障、多現(xiàn)象的情況。在這個過程中怎么樣找到核心問題，通過最短的維修路徑把問題解決，就可以通過圖做組合，再用最短路徑的算法找到解決問題的方法。找到最短路徑后，就可以把它固定成為針對這種多現(xiàn)象、多問題故障的解決辦法，將它沉淀到后續(xù)的知識庫。這樣一來，針對復雜維修現(xiàn)象和維修問題的解決能力也能得到長效的提升。

知識構建的重點要素

通過知識構建可以形成統(tǒng)一的知識層。在知識層的基礎上，可以把相關數(shù)據(jù)、經(jīng)驗經(jīng)過沉淀再供上層分發(fā)和應用。除了可以服務于汽車制造領域的全流程，也可以把供應鏈領域的相關知識進行供應鏈系統(tǒng)的智能化應用，例如客服、營銷，針對更加細分的人群類別賦予不同的知識，服務于全鏈條。

具體怎么樣建設？整體來說有三步，第一步，建。建包括知識圖譜構建、知識庫構建以及相應算法構建。第二步，知識的獲取。第三步，用，對于知識進行深度的分析。建在最開始的過程并不是難點，因為發(fā)現(xiàn)通過一系列軟件能夠幫助我們進行圖譜的構建和知識庫的構建，但是難點在于后續(xù)運營、運維、更新，包括怎樣保證知識庫里是最新的內(nèi)容。

圖源：國雙科技

在此過程中非常重要的一點是必須讓業(yè)務人員參與，業(yè)務人員會賦予相應的需求和邏輯，同時算法會承接他們的需求和邏輯。只有兩者進行緊密結合，才能把需求用算法以及相應的模型呈現(xiàn)，最終再去支撐上層的應用。對于業(yè)務人員的需求來說不單單是需要一線的工作人員，也需要領導，因為要保障知識體系的構建需要對流程做相應的沉淀和建設。

當有了知識體系、數(shù)據(jù)后，要對它做采集和治理，最后再通過知識體系賦予它新的知識和業(yè)務上的邏輯，去支撐前端業(yè)務側系統(tǒng)的應用，整體上用這樣的方式支撐所有業(yè)務。

（以上內(nèi)容來自國雙科技資深產(chǎn)品總監(jiān)徐瑛于2023年9月18日在2023第二屆汽車數(shù)字化轉型大會發(fā)表的《“知識”是汽車企業(yè)數(shù)字化智能化轉型的核心力量》主題演講。）

返回第一電動網(wǎng)首頁 >