知識工作自動化
出自 MBA智库百科(https://wiki.mbalib.com/)
目錄 |
知識工作自動化可以應用在航空、航天等行業複雜產品的研製過程。已經用於航天、航空、船舶、導彈、發動機、電子、核工業等多個領域、多個型號研製中得到應用。
所謂知識工作，泛指那些需要專門知識、複雜分析、細緻判斷及創造性解決問題技巧才能完成的任務，簡單說，知識工作就是白領的工作。工業時代的大規模生產對人類的體力提出了很高的要求，迫使人們必須依靠工業自動化的手段來彌補體能上的不足；現在數字化時代和知識時代瞬息萬變的快節奏對人類的智力也提出了更高的要求，人們需要藉助知識工作自動化來彌補智力上的不足，進而去更好地完成複雜而多變的任務。
麥肯錫把人類的職業活動分為7大類，對每一類活動所占用的時間以及自動化潛力做了研究，得出研究結果，可預測的體力工作、數據處理、數據收集等三類活動具有很高的自動化潛力，其中可預測的體力工作，如製造·環境下的裝配生產線，這類工作主要是低成本或低技能的一線工人的工作。另外兩類活動是數據收集和數據處理，這兩類活動不是低技能的員工所做的，而往往是高薪和高技能的白領職業人士所做的工作。數據收集和數據處理占用總工作時間的比例高達33%。
根據麥肯錫的報告，目前各領域有2.3億餘知識工作者，占據了全球雇員的9%，但雇佣成本卻是相應全球成本的27%。然而，在知識工作中，有80%是較為初級的體力與腦力勞動，只有20%是創新工作。麥肯錫預測，到2025年知識工作自動化每年可直接產生5.2萬億～6.7萬億美元的經濟價值，不計自動化所帶來的效率間接提高，相當於額外1.1億～1.4 億個全職雇員的產出。對所有企業都具有極高的經濟價值。 知識工作自動化的目的不是把白領職業人士替換掉，而是對他們的技能水平、知識水平和體能水平的有效補充，由軟體替白領人士自動化完成80%的初級體力與腦力工作，讓職業人士把更多精力地投入到更有創造性的工作上。知識工作自動化是智能化、人機化、自動化的有機融合，是虛擬空間的自動化，而不是物理空間的自動化。實現知識工作自動化的主要技術有大數據、人工智慧、機器學習、人機介面等，其核心是信息處理的自動化。
行為感知與行為大數據。設計人員的行為是可以被系統自動進行感知和記錄的（Sensing Behavior of Human），研發的行為可以被捕獲。通過系統對設計人員行為的感知，可以形成關於設計人員的行為大數據，這也是大數據分析，提供知識型工作自動化的基礎。
基於大數據分析的設計行為的智能化引導。系統基於感知到的關於設計人員的行為大數據（Big Data of Designing Behavior），對其進行大數據分析和數據挖掘，進而系統可以實現智能化的引導設計人員的行為，並向設計人員提供5 K-X知識（即：Know-What、Know-How、Know-Who、Know-When、Know-Why），引導設計人員更快、更好的完成設計工作。在智能系統的輔助下，設計人員可以不斷地獲得新知識，併在完成設計任務的過程中實現邊乾邊學（Learning-by-Doing）；
實現技術包括：人工智慧技術、數據挖掘技術、語義分析與計算技術、知識推送與引導技術等。
知識型工作自動化。當系統具備上述有智能特征的時候，很多研發設計工作可以由系統自動的完成，即：知識型工作自動化（Knowledge Task Automation）。改變以往知識工作者80%的設計工作都是體力勞動，20%的設計工作是創新性的智力活動。在智能的知識型工作自動化系統中，80%的體力勞動由系統代替人來自動地完成。
實現技術包括：知識自動化技術、工程中間件技術、智能規劃技術、流程驅動技術、系統集成技術等。
雲計算平臺與資源虛擬化。企業原有的各種軟體、硬體，以及試驗設備等資源，原來相對比較孤立。在虛擬世界中，通過物聯網技術（Internet of Tings, IoT），將軟體、硬體以及各項試驗設備進行互聯互通，實現設備互聯、數據互通。並統一將這些資源放在虛擬的雲計算（Cloud Computing）平臺上，形成虛擬的設計模擬環境。設計人員通過虛擬化的工作環境，可以實現設計人員在任何時間、任何地點通過遠程操作完成設計、模擬、計算、試驗等設計任務，使得資源最大程度的進行共用和使用。另外，雲計算平臺提供開放的介面，未來與智能製造實現對接，這是知識型工作自動化的資源基礎。
實現技術包括：物聯網技術、雲計算技術、虛擬化技術等。
企業智力資產的持續積累。通過對每一個研發人員設計行為的記錄，對每一個產品研發過程中產生的設計數據的積累，系統不斷地進行智力資產的積累和沉澱，使得企業的智力資產在不斷增加。相應地，知識型工作自動化系統的智慧程度也在不斷增加，為處在該系統中的設計人員提供更加智能化的服務。
實現技術包括：知識管理技術、系統工程技術等。
