走进济南二机床，探讨企业知识工程如何落地

山东CIO联盟AIHUB专题交流活动回顾

10月16日下午，山东CIO联盟AIHUB组织企业CIO和信息化负责人走进济南二机床，围绕“企业知识工程：如何让AI真正懂业务”开展专题交流。数智化实践分享、智能车间参观和制造业质量管理案例讨论，让一个看似抽象的话题有了具体的业务参照。

企业已经积累了大量业务数据，也尝试用RAG建设知识库和问答助手。当AI进一步参与工艺、质量、生产等任务时，怎样让它理解资料的适用条件、数据背后的业务含义，以及专家判断问题的依据？这是本次活动持续讨论的问题。

从济南二机床的实践理解业务知识

济南二机床集团信息化中心科室主任刘佃凯分享了企业多年数智化建设的经验。面对大型装备制造的定制化需求，图纸、物料清单、工艺与生产组织紧密相连，历史设计和制造经验也需要在新任务中不断复用。

分享围绕PLM、MES等系统的建设与应用展开，介绍了设计和工艺数据管理、生产执行与现场协同的实践。业务流程如何适应数字化运行，内部团队如何持续掌握业务与技术，也是其中的重要内容。

随后的智能车间参观，让参会者有机会把系统建设与真实生产现场联系起来。回到知识工程的话题，企业可以进一步追问：图纸和工艺采用哪个版本，生产数据对应哪道工序，历史经验适用于什么条件？这些已经融入业务管理的知识，也是AI应用需要理解和正确使用的内容。

为AI应用提供数据支撑和安全运行条件

技术交流环节，三家合作伙伴从不同角度分享了企业AI应用所需的支撑能力。

OceanBase政企事业部解决方案专家何振岩，以“从数据库到AI数据平台，助力核心系统现代化和AI应用落地”为题，介绍了业务数据与文档等信息的管理、检索和关联使用思路，讨论数据库如何为AI应用提供数据支撑。

邦彦技术股份有限公司解决方案架构师沈海军，围绕“让AI安全上岗”，分享邦彦磐石CPC和DPC人机协同实践，介绍业务环境与AI环境的隔离、受控协同，以及人员审核在应用中的作用。

深信服济南商企负责人严琳，分享企业数字化转型关键场景及最佳实践，涉及研发数据保护、云基础设施和AI应用部署等内容，为企业讨论知识使用与数据安全提供了参考。

这些分享也带出了知识工程落地时需要面对的具体条件：数据能否获得和关联，敏感知识如何保护，AI在什么权限范围内运行，以及结果如何进入业务流程。

从质量异常调查走进企业本体

互动环节，悦点科技联合创始人、产研负责人吴赢时以“AI驱动制造业质量管理新范式”为题，结合质量异常调查案例，介绍了将业务知识用于AI任务规划和证据分析的思路。

发现质量异常后，调查往往需要跨越多个环节：先确定产品、批次、工序和时间范围，再结合设备、原材料及工艺条件查找证据，形成可能原因，交由工程师进一步验证。AI能否参与其中，取决于它能否正确理解这些对象及其关系，并按照业务条件使用数据和经验。

“企业本体”由此成为现场深入讨论的话题。用这一案例来理解，本体涉及对业务对象、概念及其关系的明确描述，例如一批产品经过哪些工序、使用哪些设备和材料，以及不同系统中的记录如何对应到同一对象。这种描述有助于将分散的信息放回共同的业务语境。

围绕实际应用，还需要进一步处理经验和规则的适用条件、证据来源，以及人工复核等问题。案例中的调查思路为讨论提供了参照，候选原因仍需结合现场证据验证。

把建设起点放回具体业务问题

参会者的提问很具体：已有QMS和追溯系统，增加AI能力是否需要改造原有系统？老产线数据不完整，能从哪里开始？企业本体与已有的数据中台、知识库、知识图谱怎样衔接？究竟有什么可以着手推进的方法？

对企业而言，一个很自然的追问是：对象定义、数据映射、指标口径和关系梳理，过去做BI、数据中台时已经开展过，今天应该怎样复用这些积累？

这些追问提示我们，知识工程的建设起点应当回到具体任务。企业可以先选定一项希望改善的业务工作，盘点已有系统和知识资产，找出其中尚未说清的对象关系、业务含义和经验条件，再通过小范围验证判断补充这些内容是否改善了任务效果。

已有的知识库、业务系统和数据治理成果，都可以成为后续工作的基础。选择何种表达方式和技术方案，需要结合任务需求、数据条件与维护能力来判断。

本次交流的收获，体现在讨论逐步进入了“具体做什么”的层面：从哪个业务问题切入，需要谁参与，先利用哪些已有成果，又怎样验证AI提供的帮助。

后续，山东CIO联盟AIHUB将结合本次交流，继续梳理企业本体与既有数字化建设的关系、知识工程的场景切入方法，以及知识维护与效果评价等问题。也欢迎同行在留言区分享：在您的企业，最希望AI先理解哪一项业务？