◎北京临近空间飞行器系统工程研究所 卢康 周智力

大数据技术在航天企业知识管理系统中的应用

◎北京临近空间飞行器系统工程研究所 卢康 周智力

知识是通过归纳、演绎、比较等手段对信息进行挖掘，并与已有知识体系相结合形成的，是用于解决问题的结构化信息。知识管理是通过人与技术的充分结合，并在分享的文化下将组织内外部的知识进行系统的沉淀、共享、学习、应用和创新，从而提升组织的核心竞争力。

航天企业作为知识密集型高科技企业，科研活动所需要和产出的参考资料、技术文档等知识随着科研活动的持续开展呈几何级的增长。随着信息化建设的不断推进，航天企业纷纷建立了知识管理系统，以实现对知识的有效管理。但现有的知识管理系统大都基于传统的数据库系统，只能处理结构化等特定格式的数据信息和知识资源，无法处理急剧增长的非结构化数据信息，导致知识管理水平无法满足企业发展对知识的需求。在知识经济时代，知识是企业重要的资本和创新驱动力，所以必须将知识管理提升到企业发展的战略高度，并与企业发展同步进行，依托知识管理提高科技创新效率。

为此，笔者采用全新的信息技术手段对传统的信息系统方法进行升级改造，将大数据技术应用到航天企业的知识管理中，提出了从基础架构到知识展示各个环节的大数据技术实施途径，以期全面提升知识管理系统功能，帮助航天企业提升知识管理水平，打造以知识为核心的产品创新体系，全面提升航天产品质量，提升企业竞争力和创新能力。

一、航天企业知识管理的特点

近年来，随着我国航天事业的迅速发展，型号产品复杂度、研制难度不断增加，参与单位与技术的覆盖范围也越来越广。同时，随着航天型号研制任务的不断增多，型号研制周期进一步缩短，多型号并行研制、多批次并行生产的情况越来越多，这对航天企业数据资源管理和知识管理提出了更高要求。

1．知识创新是知识管理的主要目标

目前，国防科工局开展的“智慧军工”顶层战略规划，使传统军工企业纷纷向基于知识创新的智慧型院所转型，航天企业需要建立基于知识创新的研发能力，形成基于知识驱动的数字化研制模式。知识驱动的研发模式一方面需要深化信息技术在设计、仿真、试验、制造和服务等环节的应用；另一方面需要强化面向产品需求分析、研发设计、制造、试验、使用保障的全价值创造过程的信息集成，实现产品数据、技术状态、配置管理、装备使用等全过程的统一管理，以逐步建立具有自我学习能力、知识创新能力和自适应能力的新经济时代的“智慧型”航天企业。

2．知识共享是知识管理的核心基础

知识共享包括知识提供、传递和吸收3个过程。实现知识共享要建立有效的工具和机制，可以通过建立知识管理系统、知识获取工具、知识库、知识协作中心、信息技术平台等支持手段，将商用软件、自研软件、经验、基础数据库、标准规范等进行集成，全过程促进知识共享。除此之外，通过建立企业知识共享激励制度和培养共享企业文化等制度来提高个人知识向组织知识转化，也是促进企业知识共享的保障。

3．知识挖掘是知识管理的有力抓手

航天企业知识具有多样性，包括型号技术资料、标准规范、科技报告、计算机软件、经管文书、声像资料等。同时，航天企业知识又具有离散性，既包括以纸质档案形式存放的知识，又包括以电子信息形式存储的知识，同时还有存在于个人头脑中的经验、方法、理念等隐性知识。目前，显性知识管理手段已相对成熟和完善，而大量存在的隐性知识如何进行管理是当前众多企业共同面临的难题。因此，使用大数据技术进行知识挖掘是将企业隐性知识变为可见信息的主要方法和手段，并通过隐性知识的显性化、有序化、体系化实现航天企业知识管理水平的再提升。

4．知识保密是知识管理的重要保障

航天企业知识密集，涉及各种技术专利、商业秘密等，而部分涉及国防武器装备产品的知识还具有高度的保密性。因此，航天企业在管理内部知识时应考虑保密等相关因素，按照保密规定制定相应的防护措施和技术手段，并按保密程度进行分级管理。信息安全是网络环境下知识管理的必要保障，要在确保知识保密安全的前提下发挥知识应用的最大价值。

二、现有知识管理系统存在的问题

近年来，航天企业的信息化水平不断提升，也通过建设实施知识管理系统提高了知识管理的效率和水平，但现有的知识管理系统仍存在一些问题，无法满足航天企业快速发展的知识创新需求，主要体现在以下几个方面。

一是现有的知识管理系统只是针对某些专业或某些领域建立的知识库，缺乏知识有效的获取和共享途径，导致知识库内容无法及时更新，最终形成“知识孤岛”。

二是现有的知识管理系统中知识展示样式较为单一、用户交互力度不够，使得用户获取知识的效率较低，导致整个知识管理系统应用效果差，无法发挥系统功能。

三是现有知识管理系统的IT基础架构无法支持用户多样的知识应用需求，所以在用户需求变化时，无法根据需求快速、灵活地部署和扩展，而且与其它系统的数据集成也较为困难。

四是现有知识管理系统对隐性知识的挖掘和多样类型数据知识的支持不够，只是通过知识社区的方式将隐性知识显性化，却无法通过机器学习算法从显性数据中发现具有价值的知识信息。另外，现有的知识管理系统基于关系型数据库，无法支持非结构化的知识数据信息，使得大量极具价值的知识无法沉淀和共享。

三、大数据技术在知识管理系统中的应用

大数据需要满足数据量够大、数据的种类多样、数据的增长及处理速度快、数据价值高4个基本特征，同时大数据是基于云计算的数据处理与应用模式，通过数据的整合共享、交叉复用，形成智力资源和知识服务能力。

大数据技术，就是从各种类型的数据中快速获得有价值信息的技术，是能够突破常规软件限制，对大数据进行采集、存储和处理的新一代创新型技术的统称。大数据技术主要分为基础架构支持、数据采集、数据存储、数据计算、数据展示与交互五大类。目前，大数据技术的应用正渗透到社会的各行各业，为每个领域带来变革性影响，已成为各行各业颠覆性创新的原动力和助推器。

1．大数据的生成过程

大数据技术可以处理各种类型的海量数据，包括文档、音频、视频、模型等，实现基于多样数据的全流程、柔性智能处理，以促进知识融合。将大数据技术应用到现有知识管理系统，可以彻底实现航天企业知识管理从数据、信息、知识到智慧的跨越，实现知识管理系统的全面升级，以及知识管理的全生命周期管理，并建立柔性、一体化、安全、智慧的知识管理系统。知识生命周期采集、组织、存储、分析、利用每个环节都渗透着大数据技术，图1为知识的生成过程。

2．数据处理

应用大数据技术的知识管理系统，在以云计算技术为核心的柔性IT基础架构上对广泛的、多样的、异构的知识数据源进行抽取和整合，获取的结果数据按照一定的标准进行统一存储，再利用适当的数据分析技术对存储的数据进行分析，从中提取有价值的知识并利用合适的方式将结果自动推送展示给最有需要的终端用户。从知识数据源到最终的知识应用整个周期，知识数据处理流程可以分为数据抽取与整合、数据分析、数据可视化，如图2所示。

通过虚拟化技术将底层异构的硬件和操作系统整合成安全、高性能、高可扩展、高可靠和高伸缩性的系统运行资源，大幅降低了知识管理系统二次开发、部署、运行和维护的成本，有效满足了知识管理系统知识流程对硬件和系统资源的需求。

3．知识获取与存储

知识管理系统中，知识获取主要通过网络进行数据知识采集，如通过企业总线将业务系统数据进行采集，还可以通过用户页面直接采集多样的知识数据。知识数据采集过程中通过ETL工具将分布的、异构的数据源中不同种类和结构的知识数据进行清洗、过滤、去重等预处理后，再进行数据存储。

数据存储主要通过分布式文件系统完成，该系统可以解决传统存储系统磁盘吞吐能力不足和可扩展性差的问题，以有效支持大数据处理过程中对数据存储高扩展、高可用、高吞吐量的需求。

航天企业作为知识密集型企业，许多知识源于跨部门、跨专业的数据整合和业务创新，各部门、各专业的应用系统存储大量的业务数据，通过将数据汇聚、整合形成数据仓库，利用大数据算法和数据挖掘算法对数据仓库的业务数据进行处理、融合，可以发现新的业务逻辑并形成新的知识，并利用新知识促进技术创新、产品创新，激发航天企业研发活力。

大数据技术还提供了丰富的数据展示功能，而且展示形式逐渐从传统的表格、图形方式向3D、交互式、沉浸式转变，如通过虚拟现实和增强现实技术可以将虚拟的知识信息应用到真实的世界中，大幅提升用户体验感受。

此外，大数据时代下，知识管理安全问题也不容忽视。知识共享的安全目标是风险可控制、泄密可追踪，建立知识安全防护体系，应从软硬件系统安全防护、员工安全意识、系统建设优化、知识密级划分、人员权限划分以及定期开展对知识系统风险评估等方面入手。未来几年，大数据技术的发展将更加成熟，应用将更加广泛，届时对航天企业的模式创新、业务变革将起到更加巨大的推动作用。▲