论文部分内容阅读
“知识”和“智慧”
关于“知识”的解释和分类非常繁杂，没有必要咬文嚼字。流行的一种解释是：“知识”主要指对事物认识所获得的符号体系。我们在工业领域研究知识，知识就是经验的固化和概念之间的连结。
“智慧”的定义与本质就更加复杂了，按照质点运动系统的描述很费解，按照圣经或佛法的解释和工业不搭边。我们不妨把工业领域的智慧理解为：效率和效益。一个企业系统或者工业系统，结构合理，内耗最小，功效最大，系统的智慧就越高。
理论上，智慧和知识之间没有必然的联系。一个文化（知识）水平不高的人可能会创办一个高成长性企业。一个博士生也许会做很多蠢事。这不具有普遍意义。当今成功的企业家几乎个个都是有知识的人。通过学习，人或者企业可能会获得大量的知识，这个条件使它运用智慧创造了更好的基础。但是有知识不等于有智慧。知识是静态的，智慧是动态的。如何应用知识就是智慧。若没有智慧加以应用，知识就失掉了价值。所以，通常我们说一个高度自动化的无人工厂一定汇集了巨大的知识，但是不能保证三年后工厂不倒闭。反之，一个硬件资源条件并不是很好的企业，若充分利用其内部外部的环境资源，充分利用信息化工具，加上具有智慧的决策，很可能会健康发展壮大。
知识可以学习获得，学习可以掌握很多技能，这都不等于智慧。智慧也分大智慧、小智慧。大智慧无法学习、无法复制、无法传播，很难获得，只能存在于少数智者头脑。唯有一种智慧学习的方法，就是张三丰临阵向张无忌授意，忘掉所有的技能和常识，剩下的就是智慧。这是常人无法企及的。
让我们欣慰的是，现代技术的发展已经让知识工程、知识管理、知识自动化具备了总结、积累、分析、运用人类以往所有的知识。现代计算机和软件技术也可以学会人类的小智慧了。由此，我们才能接着讨论工业中的知识和智慧都在哪里？
工业中的“知识”和“智慧”
中文博大精深，同时也让一个词的内涵和外延无法界定。至少“智能”一词已经被“工业4.0”带坏了。最典型的是，一块物料贴上一个RFID就称之为智能物料。想一想1952年日本就有了“无人工厂”，1961年人类就进入太空，我们就能够理解当今把一个自动化车间当成“智能工厂”是多么“低级”的一件事情了。现在以“智能”面世的很多东西，其实都还是处于知识的阶段，远没有达到“智”的程度。比如，智能材料、智能设备、智能工装、智能设计、智能生产线、机器人。所有这些都是知识固化和物化的成果，就如同一块合金钢，一个机器人聚集了人类科学技术和工业很多很多的知识。如何应用这些汇集知识的物化成果来达到既定的目标才是智慧。用了一堆机器人，可能成事，也可能坏事。因为它们都属于产能范畴。所以，我们需要分清楚哪些是知识，哪些属于智慧，它们都在哪里？
物化知识。狭义讲，就是工厂里的生产设备、资源、工具、物料，以及企业产品本身体现出的知识属性，这些都属于隐性知识。比如，在70年代我们就在越战缴获了美式步话机上通过解剖分析学到很多知识。工厂里的物化知识比比皆是，不一定需要学，需要用好这些资源。
显性知识。显性知识即固化知识，也是编码知识，主要指用概念、文档、图表、公式、语言文字表达的知识。在传统企业中，显性知识是企业知识中最重要的内容和形式，也是可以转化为信息的知识。
隐性知识。企业还有很多“只可意会，不可言传”的知识以及涉及到文化方面的知识，这一类知识都是“隐性知识”或者说“意会知识”。跟着谈判高手学习实践慢慢就学会了商务谈判；有些活儿和徒弟说不明白，需要师傅手把手教徒弟；这个人能办好，换个人就办不好等等。这类知识（Know-how）就是意会知识。意会知识写出来就变味了。意会知识与智慧的距离最近。
知识和软件。软件是知识的载体，软件承载的知识是“封装知识”。企业的管理流程、规定、制度、组织架构、人力资源配置、业务管理需求、工资、分配制度、供应链设计、市场策略以及行业标准、企业标准等等，都是企业重要的知识。管理软件就是将这些知识解构、综合、设计成为各种不同的模型。这些模型依赖于采集或输入的数据能够展现出信息的属性。一个、一组、一个数据阵列所包含的信息必须通过数据模型的解读来获取，否则就仅仅是数据而已。一个企业流程管理软件就是企业知识的综合体。软件的运行就是知识的应用过程。
一个工人、管理人员，其实日复一日干的工作90%以上都是重复的、单调的、简单的。工具软件或者管理系统软件，其实它们最大的功效就是两件事：一是让我们少做重复事情；二是让我们少犯低级错误。在企业生产一线没有多少工作是创造性的，包括产品设计或工艺设计，实际上90%以上也是标准化的重复性劳动。所以采用CAX软件可能将设计的周期大幅度地缩短。提高效率和减少错误本身就体现出知识的价值。
增量知识。企业的知识是有生命的。知识会不断新增，也有很多在逐渐衰退。企业可以从外部和内部学习导入很多新的知识，同时企业在日常的生产实践中也会产生大量的新知识。在企业市场、资源、环境变化时，很多老的陈旧的知识、用不上和不能用的知识逐渐退出企业的知识库。过去企业实施有计划的大规模批量化的生产模式，MRP、丰田生产等管理工具挺管用。当生产模式从规模化批量生产转为定制化生产模式时，这些知识可能不好用了，所以才产生了柔性制造、按单生产、快速反映等管理方法。
知识管理。知识需要管理。CKO（首席知识官）已经在一些企业应运而生。但是大部分企业缺乏一个能够量化的实质性的知识管理系统。除了专利、软件著作权以及技术文档管理，很少有企业能够把知识当成企业的重要“资本“来管理。当前“大数据“火热。企业的确每时每刻都在制造大量的数据。存在数据库的数据仅仅就是数据而已。如果不能透过整合、统计、分析、挖掘等过程让知识进入到知识系统内，就不能成为企业管理与应用的知识资本，无助于企业的决策支持。另一方面，企业知识的重要载体是人。知识管理不仅管“知识”，更要管人。知识管理要着眼于人的隐性知识显性化，这可能涉及人员经验、习惯、制度、行为模式等方面。实施知识管理应将人的管理思想、理念、方法与企业现有的组织、制度、行为标准融合，實现知识管理能够落实在具体的管理框架中。 知识的流失。从知识管理的角度观察，绝大多数企业都存在着一个巨大的漏洞，这就是知识的流失。企业各级各个业务领域有很多管理人员，这些白领都具有很丰富的管理经验。在生产实践中，他们都是以口述或简单的文本表格来管理生产现场。这些管理经验本来大多是可以量化、显性化，可是目前基本没有相适应的机制和系统来存储、记录、采集和总结他们的知识。宝贵的知识随用随丢。即使企业拥有让白领使用的软件工具，这些软件的终端界面都是输入管理人员的决策指令，而不是一个管理知识、管理经验的入口。系统的输出必然因人而异。离开人的干预，系统就是死的。毫无疑问，这不符合知识自动化的趋势和要求。
数据，信息，知识与智慧
数据，信息，知识与智慧四者之间有着密切的相关性，它们常被混淆使用。数据就是数据，除此什么都不是。而信息是确定性的增加。如果采集到某个人体温37度，说明不了什么。第二次采集到体温36度，不确定性增加了。如果反复多次采集，就得到一个信息，正常人体温度一般为36～37摄氏度左右。如果有更多的数据，我们会得到很多知识。信息是数据经过分析和解释后所产生的，信息是具有实质内容的。有价值的信息可以转变成知识，而知识之一定是在数据与信息基础获得的。知识往往与决策相关。信息给出了数据中一些有一定意义的东西，但它不一定有价值。只有通过人们的参与对信息进行归纳，演绎，比较等手段进行挖掘，使其有价值的部分沉淀下来，并且与人或系统的知识体系相结合才体现出可用的知识。
国际经济合作与发展组织将知识分为四种类型：Know-what、Know-why、Know-how、Know-who。从知识的层级来说，后者比前者高。前两者大致属于显性知识，后两个属于隐性知识或者叫做意会知识。通常所说的工业大数据关注的是相关性，不关心因果，在知识层次上属于最低的Know-what。实际上并不是它不想关心因果，而是工业大数据（尤其是工业物联网采集的数据）主要是从纵向采集的数据，数据本身缺乏横向的联系，能知道是什么就不错了，很难探索因果关系。举一个简单的例子。假设已经万物相连、假设能采集任何资源的数据，工厂接到一个订单，你依然不能给出—个靠谱的交期。
距离智慧最近的知识是Know-how、Know-who，论是云计算、大数据、物联网、区块链、人工智能等新技术，都无法进入这两个领域的知识管理。所以，我们现在的知识管理还停留在浅层，距离智慧更是遥不可及。“智能”一词真的被用烂了。
工厂的知识在哪里？
左侧这个表格列举了一个工厂的知识都在什么地方。当然，这个表格肯定不会很全面。
从现场执行领域再往上走一小步，就进入不确定性领域，进入复杂系统。在这些领域的知识管理和知识自动化就显得异常艰难。很多情况下，人的经验（隐性知识）在发挥主要作用。我们看到在现场执行层面，3D设计、机器人、AV/AR、人工智能、机器学习发展得如火如荼此起彼伏。反观工厂的生产现场管理领域技术和方法，现在和100年前没有本质的区别，还是利用人的经验，依靠一张表格在管理。工厂的知识可能90%以上都在现场执行领域。从系统科学的角度，因为这个领域系统的边界有限，多属确定性问题，知识的显性化程度很高，所以科学技术所有成果都可以在此充分发挥利用。知识管理、知识自动化已经在这个领域取得很大进展。可以预计大数据、人工智能、物联网等技术在此也将不断产生令人瞩目的成果。
在最上面的企业战略管理层面，显性知识的作用已经不那么重要了。这个领域专家系统也不会发生太大的作用，而更多的是依靠智慧。但是，智慧是实在是不好描述。对一个企业家来说，智慧似乎就是一种态度、一个境界和观察事物的洞察力。而对于一个企业来说，企業文化就是智慧的体现。
关于“知识”的解释和分类非常繁杂，没有必要咬文嚼字。流行的一种解释是：“知识”主要指对事物认识所获得的符号体系。我们在工业领域研究知识，知识就是经验的固化和概念之间的连结。
“智慧”的定义与本质就更加复杂了，按照质点运动系统的描述很费解，按照圣经或佛法的解释和工业不搭边。我们不妨把工业领域的智慧理解为：效率和效益。一个企业系统或者工业系统，结构合理，内耗最小，功效最大，系统的智慧就越高。
理论上，智慧和知识之间没有必然的联系。一个文化（知识）水平不高的人可能会创办一个高成长性企业。一个博士生也许会做很多蠢事。这不具有普遍意义。当今成功的企业家几乎个个都是有知识的人。通过学习，人或者企业可能会获得大量的知识，这个条件使它运用智慧创造了更好的基础。但是有知识不等于有智慧。知识是静态的，智慧是动态的。如何应用知识就是智慧。若没有智慧加以应用，知识就失掉了价值。所以，通常我们说一个高度自动化的无人工厂一定汇集了巨大的知识，但是不能保证三年后工厂不倒闭。反之，一个硬件资源条件并不是很好的企业，若充分利用其内部外部的环境资源，充分利用信息化工具，加上具有智慧的决策，很可能会健康发展壮大。
知识可以学习获得，学习可以掌握很多技能，这都不等于智慧。智慧也分大智慧、小智慧。大智慧无法学习、无法复制、无法传播，很难获得，只能存在于少数智者头脑。唯有一种智慧学习的方法，就是张三丰临阵向张无忌授意，忘掉所有的技能和常识，剩下的就是智慧。这是常人无法企及的。
让我们欣慰的是，现代技术的发展已经让知识工程、知识管理、知识自动化具备了总结、积累、分析、运用人类以往所有的知识。现代计算机和软件技术也可以学会人类的小智慧了。由此，我们才能接着讨论工业中的知识和智慧都在哪里？
工业中的“知识”和“智慧”
中文博大精深，同时也让一个词的内涵和外延无法界定。至少“智能”一词已经被“工业4.0”带坏了。最典型的是，一块物料贴上一个RFID就称之为智能物料。想一想1952年日本就有了“无人工厂”，1961年人类就进入太空，我们就能够理解当今把一个自动化车间当成“智能工厂”是多么“低级”的一件事情了。现在以“智能”面世的很多东西，其实都还是处于知识的阶段，远没有达到“智”的程度。比如，智能材料、智能设备、智能工装、智能设计、智能生产线、机器人。所有这些都是知识固化和物化的成果，就如同一块合金钢，一个机器人聚集了人类科学技术和工业很多很多的知识。如何应用这些汇集知识的物化成果来达到既定的目标才是智慧。用了一堆机器人，可能成事，也可能坏事。因为它们都属于产能范畴。所以，我们需要分清楚哪些是知识，哪些属于智慧，它们都在哪里？
物化知识。狭义讲，就是工厂里的生产设备、资源、工具、物料，以及企业产品本身体现出的知识属性，这些都属于隐性知识。比如，在70年代我们就在越战缴获了美式步话机上通过解剖分析学到很多知识。工厂里的物化知识比比皆是，不一定需要学，需要用好这些资源。
显性知识。显性知识即固化知识，也是编码知识，主要指用概念、文档、图表、公式、语言文字表达的知识。在传统企业中，显性知识是企业知识中最重要的内容和形式，也是可以转化为信息的知识。
隐性知识。企业还有很多“只可意会，不可言传”的知识以及涉及到文化方面的知识，这一类知识都是“隐性知识”或者说“意会知识”。跟着谈判高手学习实践慢慢就学会了商务谈判；有些活儿和徒弟说不明白，需要师傅手把手教徒弟；这个人能办好，换个人就办不好等等。这类知识（Know-how）就是意会知识。意会知识写出来就变味了。意会知识与智慧的距离最近。
知识和软件。软件是知识的载体，软件承载的知识是“封装知识”。企业的管理流程、规定、制度、组织架构、人力资源配置、业务管理需求、工资、分配制度、供应链设计、市场策略以及行业标准、企业标准等等，都是企业重要的知识。管理软件就是将这些知识解构、综合、设计成为各种不同的模型。这些模型依赖于采集或输入的数据能够展现出信息的属性。一个、一组、一个数据阵列所包含的信息必须通过数据模型的解读来获取，否则就仅仅是数据而已。一个企业流程管理软件就是企业知识的综合体。软件的运行就是知识的应用过程。
一个工人、管理人员，其实日复一日干的工作90%以上都是重复的、单调的、简单的。工具软件或者管理系统软件，其实它们最大的功效就是两件事：一是让我们少做重复事情；二是让我们少犯低级错误。在企业生产一线没有多少工作是创造性的，包括产品设计或工艺设计，实际上90%以上也是标准化的重复性劳动。所以采用CAX软件可能将设计的周期大幅度地缩短。提高效率和减少错误本身就体现出知识的价值。
增量知识。企业的知识是有生命的。知识会不断新增，也有很多在逐渐衰退。企业可以从外部和内部学习导入很多新的知识，同时企业在日常的生产实践中也会产生大量的新知识。在企业市场、资源、环境变化时，很多老的陈旧的知识、用不上和不能用的知识逐渐退出企业的知识库。过去企业实施有计划的大规模批量化的生产模式，MRP、丰田生产等管理工具挺管用。当生产模式从规模化批量生产转为定制化生产模式时，这些知识可能不好用了，所以才产生了柔性制造、按单生产、快速反映等管理方法。
知识管理。知识需要管理。CKO（首席知识官）已经在一些企业应运而生。但是大部分企业缺乏一个能够量化的实质性的知识管理系统。除了专利、软件著作权以及技术文档管理，很少有企业能够把知识当成企业的重要“资本“来管理。当前“大数据“火热。企业的确每时每刻都在制造大量的数据。存在数据库的数据仅仅就是数据而已。如果不能透过整合、统计、分析、挖掘等过程让知识进入到知识系统内，就不能成为企业管理与应用的知识资本，无助于企业的决策支持。另一方面，企业知识的重要载体是人。知识管理不仅管“知识”，更要管人。知识管理要着眼于人的隐性知识显性化，这可能涉及人员经验、习惯、制度、行为模式等方面。实施知识管理应将人的管理思想、理念、方法与企业现有的组织、制度、行为标准融合，實现知识管理能够落实在具体的管理框架中。 知识的流失。从知识管理的角度观察，绝大多数企业都存在着一个巨大的漏洞，这就是知识的流失。企业各级各个业务领域有很多管理人员，这些白领都具有很丰富的管理经验。在生产实践中，他们都是以口述或简单的文本表格来管理生产现场。这些管理经验本来大多是可以量化、显性化，可是目前基本没有相适应的机制和系统来存储、记录、采集和总结他们的知识。宝贵的知识随用随丢。即使企业拥有让白领使用的软件工具，这些软件的终端界面都是输入管理人员的决策指令，而不是一个管理知识、管理经验的入口。系统的输出必然因人而异。离开人的干预，系统就是死的。毫无疑问，这不符合知识自动化的趋势和要求。
数据，信息，知识与智慧
数据，信息，知识与智慧四者之间有着密切的相关性，它们常被混淆使用。数据就是数据，除此什么都不是。而信息是确定性的增加。如果采集到某个人体温37度，说明不了什么。第二次采集到体温36度，不确定性增加了。如果反复多次采集，就得到一个信息，正常人体温度一般为36～37摄氏度左右。如果有更多的数据，我们会得到很多知识。信息是数据经过分析和解释后所产生的，信息是具有实质内容的。有价值的信息可以转变成知识，而知识之一定是在数据与信息基础获得的。知识往往与决策相关。信息给出了数据中一些有一定意义的东西，但它不一定有价值。只有通过人们的参与对信息进行归纳，演绎，比较等手段进行挖掘，使其有价值的部分沉淀下来，并且与人或系统的知识体系相结合才体现出可用的知识。
国际经济合作与发展组织将知识分为四种类型：Know-what、Know-why、Know-how、Know-who。从知识的层级来说，后者比前者高。前两者大致属于显性知识，后两个属于隐性知识或者叫做意会知识。通常所说的工业大数据关注的是相关性，不关心因果，在知识层次上属于最低的Know-what。实际上并不是它不想关心因果，而是工业大数据（尤其是工业物联网采集的数据）主要是从纵向采集的数据，数据本身缺乏横向的联系，能知道是什么就不错了，很难探索因果关系。举一个简单的例子。假设已经万物相连、假设能采集任何资源的数据，工厂接到一个订单，你依然不能给出—个靠谱的交期。
距离智慧最近的知识是Know-how、Know-who，论是云计算、大数据、物联网、区块链、人工智能等新技术，都无法进入这两个领域的知识管理。所以，我们现在的知识管理还停留在浅层，距离智慧更是遥不可及。“智能”一词真的被用烂了。
工厂的知识在哪里？
左侧这个表格列举了一个工厂的知识都在什么地方。当然，这个表格肯定不会很全面。
从现场执行领域再往上走一小步，就进入不确定性领域，进入复杂系统。在这些领域的知识管理和知识自动化就显得异常艰难。很多情况下，人的经验（隐性知识）在发挥主要作用。我们看到在现场执行层面，3D设计、机器人、AV/AR、人工智能、机器学习发展得如火如荼此起彼伏。反观工厂的生产现场管理领域技术和方法，现在和100年前没有本质的区别，还是利用人的经验，依靠一张表格在管理。工厂的知识可能90%以上都在现场执行领域。从系统科学的角度，因为这个领域系统的边界有限，多属确定性问题，知识的显性化程度很高，所以科学技术所有成果都可以在此充分发挥利用。知识管理、知识自动化已经在这个领域取得很大进展。可以预计大数据、人工智能、物联网等技术在此也将不断产生令人瞩目的成果。
在最上面的企业战略管理层面，显性知识的作用已经不那么重要了。这个领域专家系统也不会发生太大的作用，而更多的是依靠智慧。但是，智慧是实在是不好描述。对一个企业家来说，智慧似乎就是一种态度、一个境界和观察事物的洞察力。而对于一个企业来说，企業文化就是智慧的体现。