编者按：近年来，《“十四五”智能制造发展规划》深入实施，我国智能制造发展取得显著成效。国家智能制造专家委员会特设“走进智能制造，助力产业升级”专栏，带您深入了解我国智能制造的优秀成果。在行业场景篇中，您将看到各类智能制造优秀场景的实际案例，包括它们的项目背景、技术路线和实施效果等。这些行业场景的成功经验将为其他企业提供宝贵的借鉴，推动整个行业的发展。

近年来，在党中央、国务院的坚强领导下，汽车行业以场景应用为牵引，以模式变革为探索方向，以质量效益提升为目标，加速形成新质生产力，推动智能制造取得长足进步，有效促进了行业高质量发展。为进一步助力汽车智能制造发展，中国汽车工程学会数字化与智能制造工作委员会联合汽车行业国家智能制造示范工厂，总结行业共性需求、技术路线和发展成效，提炼形成汽车行业智能制造典型场景指南,本期典型场景为知识积累与沉淀。

一、场景概述

1.业务背景

知识积累与沉淀场景是指针对汽车企业研产供销服全过程的核心知识内容，提炼形成各类可重用的知识货架、知识库、知识模型，基于业务活动实现与周边知识的打通，并嵌入到开发流程中，实现知识找人、业务智能防错、数据洞察、一站式协同的高效研发模式。

2.痛点需求

当前汽车企业在知识积累与沉淀方面普遍存在以下问题：
（1）知识分散、缺失、未权限内共享；
（2）不易查找、颗粒度粗、缺乏沉淀积累、与员工实际工作场景未能很好融合；
（3）知识利用率低、效率差、耗时长、上市后若有质量问题不易追溯。
亟需通过数字化手段实施科学化的知识积累与沉淀，全面促进企业隐性和显性知识的智能重用，赋能企业快速创建可持续发展的智慧生态知识体系。

3.建设内容

汽车知识积累与沉淀场景应用大数据、图谱、AI、OCR、RPA等数字技术,将汽车全生命周期过程中所积累的知识、经验、技术等有价值的信息沉淀为结构化、一元化、系统化的数据和机理模型，建设知识库和模型库，进行有效管理和传承，并在后续整车开发制造过程中智能重用，助力企业降本、增效、提质、创新，驱动企业可持续发展并增强企业核心竞争力。

4.实施步骤

由于不同企业的实施基础、项目规模、问题现状、数据来源等因素不同，实施步骤和实施周期存在差异，一般项目的首次开发需要约8个月时间，采用敏捷迭代开发模式持续建设。具体实施步骤如下：
（1）业务内容梳理：打通各业务系统，将知识精准推送至应用场景，实现知识找人。
（2）制订流程和标准：明确知识积累与沉淀的流程和标准，包括知识收集、整理、归纳和总结的方法和规范，以确保知识的质量和可重复性。
（3）推进数字技术应用：推进人工智能AI、大数据、云计算、OCR文字图像识别技术、NLP自然语言处理及图谱等技术的应用。
（4）推进数据一元化治理：针对企业内外部数据，建立数据仓库、订阅数据库，建立数据采集机制，利用数据挖掘技术进行获取、整理和分析，提升数据质量。
（5）建立知识管理平台：建立适合企业需求的知识管理平台，包括知识库、文档管理、协同工具等，以便于知识的收集、整理、存储和分享及应用。
（6）构建知识运营能力：推进知识智能重用及迭代更新，构建可持续发展的智慧生态体系。

5.实施基础

汽车企业进行知识积累与沉淀，需将原有的人工整理、档案式存储、口口相传、授课、师带徒等传统模式转变为智能化、结构化、一元化、数字化的新模式，具体实施基础如下：
（1）企业应需具备一定的知识基础，已通过传统方式进行了大量的知识积累与沉淀，并形成较为完整的知识体系。
（2）需成立虚拟或实体的知识流程、IT一体化管理组织。挖掘既懂业务又懂IT的专业人员，组织各领域专家对隐性知识显性化，显性知识结构化、体系化、一元化、数智化，推动知识体系的创新及高效运营。
（3）需具备计算资源（服务器）、存储资源（存储器）、网络设备（交换机）、备份设备等硬件资源，以及AI、图谱、大数据等数字技术的应用能力。
（4）企业高层领导应具备数字化转型的决心、毅力及创新开拓精神，能够敢于变革、敢于决策，能够形成激励机制，鼓励知识积累与沉淀、推广知识智能重用，并能给予资金和人力方面的支持。

二、典型建设路径：长城汽车实践案例

长城汽车是一家全球化智能科技公司,业务包括汽车及零部件设计、研发、生产、销售和服务,旗下拥有哈弗、魏牌、欧拉、坦克、长城皮卡。

1.场景建设总体框架

如图1所示，沉淀整车开发过程中的核心知识内容，提炼形成各类可重用的知识货架，基于任务实现与周边知识的打通，并嵌入到开发流程中，实现知识找人、一站式工作台、日程闭环等高效的研发模式。通过碎片知识系统化，隐性知识显性化，系统知识结构化、资产化，结构化知识智能化（建立数字化知识管理系统），构筑研发软实力，打造全数字化的智慧知识生态体系。

图1  知识积累与沉淀场景总体框架

沉淀长城内外部知识，通过VSDA(整车标准数据一元化架构)进行数据治理，并建立知识门户进行知识沉淀和加工，按照员工实际工作场景进行精准推送、知识查询、写文档、数模设计等，实现知识找人逻辑，如图2所示。

图2  知识积累与沉淀场景实现逻辑

2.软硬件解决方案

软件方面：长城汽车采用核心业务自研、部分数字化技术外采模式，实现知识积累与沉淀，如图3所示。

图3  智慧研发生态知识体系规划蓝图

通过数据治理、数据一元化及多种数据连接技术，构建研发数据底座，夯实研发基础。沉淀长城商品车多年开发经验，通过AI及大数据等7项核心数字技术，构建设计及检查、仿真、知识、数据5000+自动化模型并融入460+个业务流程。通过业务中台构建设计、建模、仿真及验证一体化高效设计仿真自动化平台，通过数据中台构建面向主题的联接，实现数据洞察。构建研发、生产、供应链、销售、服务等业务模块针对同一数据开展并行设计的GCP一站式协同工作台，实现多业务高效协同。通过云技术实现任何人、设备、时间、地点做授权内的所有业务。

硬件方面：知识积累与沉淀场景应用到服务器计算资源，存储器、交换机存储资源，核心交换机、接入交换机、带外接入交换机等网络设备以及备份设备。

3.业务流程

用户通过术语在线和VSDA实现长城标准化结构化术语沉淀（数据底座），其它系统调用此数据且“只选不填”，通过研发知识门户实现知识沉淀及查阅“知识找人”，通过研发项目管理系统实现“日程闭环”，通过一站式研发工作台实现所有工作“一个页面全部搞定”。

图4  研发知识积累与沉淀业务流程示意

4.实施成效

通过GCP-长城一站式协同工作台实现了知识流程任务角色集成、多系统功能整合、知识找人、千人千面的功能设置、数据洞察、数字办公等多场景一站式协同；通过云化数字平台实现全球研发资源的共享，全球办公一张桌的全球研发协同体系。根据目前平台推广应用情况，2023年可节约研发过程直接成本800万/年，间接工时成本1200万/年。
通过商品车开发主价值链端到端的拉通，预期整车产品投入市场时间缩短10％、产品开发浪费减少20％、产品开发生产力提高15％，知识智能重用率可达60%，业务智能防错准确率可达80%，切实提升研发设计效率，提高了企业核心竞争力，创造显著的经济价值。