目录 |
知识工作自动化可以应用在航空、航天等行业复杂产品的研制过程。已经用于航天、航空、船舶、导弹、发动机、电子、核工业等多个领域、多个型号研制中得到应用。
所谓知识工作，泛指那些需要专门知识、复杂分析、细致判断及创造性解决问题技巧才能完成的任务，简单说，知识工作就是白领的工作。工业时代的大规模生产对人类的体力提出了很高的要求，迫使人们必须依靠工业自动化的手段来弥补体能上的不足；现在数字化时代和知识时代瞬息万变的快节奏对人类的智力也提出了更高的要求，人们需要借助知识工作自动化来弥补智力上的不足，进而去更好地完成复杂而多变的任务。
麦肯锡把人类的职业活动分为7大类，对每一类活动所占用的时间以及自动化潜力做了研究，得出研究结果，可预测的体力工作、数据处理、数据收集等三类活动具有很高的自动化潜力，其中可预测的体力工作，如制造·环境下的装配生产线，这类工作主要是低成本或低技能的一线工人的工作。另外两类活动是数据收集和数据处理，这两类活动不是低技能的员工所做的，而往往是高薪和高技能的白领职业人士所做的工作。数据收集和数据处理占用总工作时间的比例高达33%。
根据麦肯锡的报告，目前各领域有2.3亿余知识工作者，占据了全球雇员的9%，但雇佣成本却是相应全球成本的27%。然而，在知识工作中，有80%是较为初级的体力与脑力劳动，只有20%是创新工作。麦肯锡预测，到2025年知识工作自动化每年可直接产生5.2万亿～6.7万亿美元的经济价值，不计自动化所带来的效率间接提高，相当于额外1.1亿～1.4 亿个全职雇员的产出。对所有企业都具有极高的经济价值。 知识工作自动化的目的不是把白领职业人士替换掉，而是对他们的技能水平、知识水平和体能水平的有效补充，由软件替白领人士自动化完成80%的初级体力与脑力工作，让职业人士把更多精力地投入到更有创造性的工作上。知识工作自动化是智能化、人机化、自动化的有机融合，是虚拟空间的自动化，而不是物理空间的自动化。实现知识工作自动化的主要技术有大数据、人工智能、机器学习、人机接口等，其核心是信息处理的自动化。
行为感知与行为大数据。设计人员的行为是可以被系统自动进行感知和记录的（Sensing Behavior of Human），研发的行为可以被捕获。通过系统对设计人员行为的感知，可以形成关于设计人员的行为大数据，这也是大数据分析，提供知识型工作自动化的基础。
基于大数据分析的设计行为的智能化引导。系统基于感知到的关于设计人员的行为大数据（Big Data of Designing Behavior），对其进行大数据分析和数据挖掘，进而系统可以实现智能化的引导设计人员的行为，并向设计人员提供5 K-X知识（即：Know-What、Know-How、Know-Who、Know-When、Know-Why），引导设计人员更快、更好的完成设计工作。在智能系统的辅助下，设计人员可以不断地获得新知识，并在完成设计任务的过程中实现边干边学（Learning-by-Doing）；
实现技术包括：人工智能技术、数据挖掘技术、语义分析与计算技术、知识推送与引导技术等。
知识型工作自动化。当系统具备上述有智能特征的时候，很多研发设计工作可以由系统自动的完成，即：知识型工作自动化（Knowledge Task Automation）。改变以往知识工作者80%的设计工作都是体力劳动，20%的设计工作是创新性的智力活动。在智能的知识型工作自动化系统中，80%的体力劳动由系统代替人来自动地完成。
实现技术包括：知识自动化技术、工程中间件技术、智能规划技术、流程驱动技术、系统集成技术等。
云计算平台与资源虚拟化。企业原有的各种软件、硬件，以及试验设备等资源，原来相对比较孤立。在虚拟世界中，通过物联网技术（Internet of Tings, IoT），将软件、硬件以及各项试验设备进行互联互通，实现设备互联、数据互通。并统一将这些资源放在虚拟的云计算（Cloud Computing）平台上，形成虚拟的设计仿真环境。设计人员通过虚拟化的工作环境，可以实现设计人员在任何时间、任何地点通过远程操作完成设计、仿真、计算、试验等设计任务，使得资源最大程度的进行共享和使用。另外，云计算平台提供开放的接口，未来与智能制造实现对接，这是知识型工作自动化的资源基础。
实现技术包括：物联网技术、云计算技术、虚拟化技术等。
企业智力资产的持续积累。通过对每一个研发人员设计行为的记录，对每一个产品研发过程中产生的设计数据的积累，系统不断地进行智力资产的积累和沉淀，使得企业的智力资产在不断增加。相应地，知识型工作自动化系统的智慧程度也在不断增加，为处在该系统中的设计人员提供更加智能化的服务。
实现技术包括：知识管理技术、系统工程技术等。