管接头、流道组成。下一步是将泵、油管、管接头、流道的功能细分，并对细分的功能选择 合适的结构以满足各自的性能需求和约束条件。其他模块的做法类推。 这里和下面的所谓“联想”，是一个广义的理解，并不排斥各种有关的理论、方法和计 算机辅助手段，例如模块化方法，公理设计)，TIZ方法，机能质量展开，田口方法 切，等等，它们都是帮助人联想但又不能脱离人的联想，所以可以用“联想”来代表这一切。 联想所根据的素材，一部分是已有知识，另一部分是在形成概念时，发生疑问、请求服务而 获取的知识。 在设计的这个阶段，可以同时产生若干个不同的解决方案以资比较。 3、已经有了若干个解决方案，为确认其满足性能需求、全部约束条件、整个生命周期 中的质量要求和在比较中得到最好的解决方案，要做一系列的测试、评估和优化工作。这就 是图2-2的第三个阶段。实际上，评估、测试和优化是在每一个粒度的设计中都要进行的， 当存在不能满足需求或约束条件的问题而在本步骤中无法解决时，就回溯到上个步骤进行再 设计，包括对原有方案做重大修改甚至完全放弃这个方案。放弃并不等于丢掉，要把从提出 这个方案、做过的所有测试、评估、优化过程和结果，包括放弃的理由都详细记录下来，因 为也许在另一个情况下又会重新采用这个方案。 这个阶段很费资金、时间和人力，只能有很少数经过筛选的可能解决方案进入这个阶 段四。这是一个完整意义上的知识获取阶段，当在第二阶段提出若干个可能解决方案时，人 们并不知道它们是不是在全生命周期中能够满足设计任务书中所规定的全部要求，也不知道 哪一个比较好或者最好。在第3阶段，就要回答这些问题，从不知到知，并做出抉择。 这一系列测试、评估和优化工作，在三个层面上进行。 首先是数字仿真，很多物理现象和技术过程，都已经有了精确的或者粗略的数学模型， 把这些模型离散以后运用数值计算法重现这些物理现象和技术过程是设计中常用的测试、评 估和优化方法。一个更广泛的名称叫做虚拟现实。虚拟现实和数字仿真从字面上讲差不多是 一回事，前者强调效果，后者强调方法。不过从事虚拟现实研究的人更重视人的感知，即所 谓的沉浸感。但是满足产品性能和约束条件的很多物理、化学、生物学和技术方面的表现， 是人不能感知的，只能依靠结果的数学表达描述，这一点在任何时侯都不应当忘记。 数字仿真和虚拟现实在知识获取方面具有巨大的潜力，但绝不是万能的。如果真正要 把数字仿真和虚拟现实当作设计知识获取的一个全面有力的工具，而不是仅仅作为某些狭 窄目标知识获取的工具，那就必需面对如下事实：随着对产品性能要求不断提高和对自然 规律认识不断深化，人们总是处在没有数学模型和有数学模型，旧数学模型和新数学模型 的不断交替的过程之中。所有新发现的现象或新构想从一开始都没有数学模型或没有准确的 数学模型。这里可以说一说“摩擦学设计”。由于一个机械系统的摩擦学性态及行为有强烈 的系统依赖性和时间依赖性，同时它们又是分属于许多不同学科研究的过程综合影响的结 果，所以摩擦学问题的数学建模十分复杂。例如即使是一副简单的试样，在一种系统条件 (例如Timken机)下获得的结果，往往不同于另一系统条件（例如SRV机）下的结果，当然 也不同于待设计的目标系统系统条件下的结果；另外，对于新系统、跑合系统、磨损系统的 结果也不一样。这样为了仿真的需要，我们不仅要有系统行为本身的数学模型（这个模型涉 及到许多不同学科研究的问题)，还要有系统条件转化的模型和时变规律（为全寿命周期设 计服务)的模型。否则仿真所做的预测就不准确。各种特定对象和特定条件下如何确定使用 模型时的边界条件，可以认为是模型的一部分，它们也会影响计算的精度。这个事实一方面 告诉我们，在讨论建立一个无所不包的模型，也包括讨论建立在数学模型基础上的各种优 化研究时，要持慎重态度；另一方面也为我们提供了现代设计研究几乎是无限的领域，因 为产品设计总是要求提供的设计知识越来越逼近真知，给出的预测越来越精确。 优化问题，首先是模型问题，其后才是算法问题。而模型则是人们对所优化的问题的已
管接头、流道组成。下一步是将泵、油管、管接头、流道的功能细分，并对细分的功能选择 合适的结构以满足各自的性能需求和约束条件。其他模块的做法类推。 这里和下面的所谓“联想”，是一个广义的理解，并不排斥各种有关的理论、方法和计 算机辅助手段，例如模块化方法[4]，公理设计[3]，TRIZ 方法[5]，机能质量展开[6]，田口方法 [7]，等等，它们都是帮助人联想但又不能脱离人的联想，所以可以用“联想”来代表这一切。 联想所根据的素材，一部分是已有知识，另一部分是在形成概念时，发生疑问、请求服务而 获取的知识。 在设计的这个阶段，可以同时产生若干个不同的解决方案以资比较。 3、已经有了若干个解决方案，为确认其满足性能需求、全部约束条件、整个生命周期 中的质量要求和在比较中得到最好的解决方案，要做一系列的测试、评估和优化工作。这就 是图 2-2 的第三个阶段。实际上，评估、测试和优化是在每一个粒度的设计中都要进行的， 当存在不能满足需求或约束条件的问题而在本步骤中无法解决时，就回溯到上个步骤进行再 设计，包括对原有方案做重大修改甚至完全放弃这个方案。放弃并不等于丢掉，要把从提出 这个方案、做过的所有测试、评估、优化过程和结果，包括放弃的理由都详细记录下来，因 为也许在另一个情况下又会重新采用这个方案。 这个阶段很费资金、时间和人力，只能有很少数经过筛选的可能解决方案进入这个阶 段[2]。这是一个完整意义上的知识获取阶段，当在第二阶段提出若干个可能解决方案时，人 们并不知道它们是不是在全生命周期中能够满足设计任务书中所规定的全部要求，也不知道 哪一个比较好或者最好。在第 3 阶段，就要回答这些问题，从不知到知，并做出抉择。 这一系列测试、评估和优化工作，在三个层面上进行。 首先是数字仿真，很多物理现象和技术过程，都已经有了精确的或者粗略的数学模型， 把这些模型离散以后运用数值计算法重现这些物理现象和技术过程是设计中常用的测试、评 估和优化方法。一个更广泛的名称叫做虚拟现实。虚拟现实和数字仿真从字面上讲差不多是 一回事，前者强调效果，后者强调方法。不过从事虚拟现实研究的人更重视人的感知，即所 谓的沉浸感。但是满足产品性能和约束条件的很多物理、化学、生物学和技术方面的表现， 是人不能感知的，只能依靠结果的数学表达描述，这一点在任何时候都不应当忘记。 数字仿真和虚拟现实在知识获取方面具有巨大的潜力, 但绝不是万能的。 如果真正要 把数字仿真和虚拟现实当作设计知识获取的一个全面有力的工具, 而不是仅仅作为某些狭 窄目标知识获取的工具, 那就必需面对如下事实: 随着对产品性能要求不断提高和对自然 规律认识不断深化, 人们总是处在没有数学模型和有数学模型, 旧数学模型和新数学模型 的不断交替的过程之中。所有新发现的现象或新构想从一开始都没有数学模型或没有准确的 数学模型。这里可以说一说“摩擦学设计”。由于一个机械系统的摩擦学性态及行为有强烈 的系统依赖性和时间依赖性, 同时它们又是分属于许多不同学科研究的过程综合影响的结 果, 所以摩擦学问题的数学建模十分复杂[8]。例如即使是一副简单的试样, 在一种系统条件 (例如 Timken机) 下获得的结果, 往往不同于另一系统条件 (例如 SRV机) 下的结果, 当然 也不同于待设计的目标系统系统条件下的结果; 另外, 对于新系统、跑合系统、磨损系统的 结果也不一样。这样为了仿真的需要, 我们不仅要有系统行为本身的数学模型 (这个模型涉 及到许多不同学科研究的问题), 还要有系统条件转化的模型和时变规律 (为全寿命周期设 计服务)的模型。否则仿真所做的预测就不准确。各种特定对象和特定条件下如何确定使用 模型时的边界条件，可以认为是模型的一部分，它们也会影响计算的精度。这个事实一方面 告诉我们, 在讨论建立一个无所不包的模型, 也包括讨论建立在数学模型基础上的各种优 化研究时, 要持慎重态度; 另一方面也为我们提供了现代设计研究几乎是无限的领域, 因 为产品设计总是要求提供的设计知识越来越逼近真知, 给出的预测越来越精确。 优化问题, 首先是模型问题, 其后才是算法问题。而模型则是人们对所优化的问题的已 6
有知识的集中表现。知识不断更新，模型也不断发展，没有一成不变的模型。所以优化研究 归根结底也离不开对所研究问题的各种来源的知识获取。采用简单的算例讨论算法，是研究 数学，不是研究设计。如果认为离开知识获取就能够优化设计问题，就是一种误解。 数字仿真不仅仅虚拟对象在某个时刻的功能，还要仿真它在整个生命周期中由于各种原 因而发生的变化。首先是加工制造的过程，选用什 么材料，如何进行成形加工，如何进行热处理，如 何进行切削加工，如何进行装配，等等，都可能影 响全生命周期中功能的稳定性。例如核电站在高 温、高压、强辐射中的结构，选择一种材料、一种 焊接工艺、一种特性的焊条，经过一年以后，材料 的厚度腐蚀掉了多少，焊缝的强度降低了多少，剩 余寿命还有多少？这在设计中就要有预测。又如一 个转子轴承系统，当把滑动轴承或滚动轴承改成主 图2-6、轴承底座的可铸造性仿真。 动电磁轴承，因为增加了许多传感器和导线，铸造的壳体形状和装配过程都变得十分复杂。 设计的壳体在铸造过程中是否会发生裂纹、疵病，以及装配中会发生什么冲突和困难？都要 在设计中有充分的估计。对于前一个问题，可以通过铸造时金属凝固过程的数字仿真进行预 测（图2-6），后一个问题则由仿真装配过程的数字样机（图2-7）来加以优化。常常听到一 种说法：“设计不难，难在做不出来。加工才是当前最大的问题。”这是把设计理解为就是画 图的结果。在纸上画一个形状，当然不难。但是如果设计一个加工不了的东西，或者加工成 本太高，这不是别人的问题，恰恰正是设计工程师的错误。对于持上面这种观点的人来说， 设计就是很困难的工作了。 不仅是加工过程，加工以后的储存、运输、使用条件和人员的素质都会影响设计对象对 性能和约束条件满足程度的变化。全生命周期设计要求设计工程师对设计对象在整个生命周 期中的风险负责。 不管怎样，数字仿真由于它的便捷、省钱， 越来越在工程设计中受到青睐，尤其是作为设计 的先期评估、测试和优化手段。但是，由于上面 0自e 所提到的问题，对于比较重要的零、部件，则需 要进行物理模型试验解决。 第二个层面是物理模型试验，物理模型试验 是在试验台上对实物试件行为的考察，和数字仿 图2-7、虚拟装配评估. 真相比需要更多的时间、人力和物力。试验台有 通用和专用的不同，通用试验台绝大多数已经商品化，例如材料疲劳试验机；专业试验台应 用较多的也已经商品化，例如发动机性能试验台、轴承试验台等等，其他则需要为特定的试 验目的专门设计制造，特别是被试验的试件，总是需要按试验目的专门设计和制造。人通常 在试骏台范围以外操纵试验，有时为了获得人的感受，人也参与其中，成为试验装置的一部 分。所以物理模型试验，即使已经有了试验台，仅仅准备试件，也比数字仿真模型复杂，而 且试验的进程，根据不同目的，可能要花费很长时间和很多资金，一般总是在某个设计解决 方案已经经过数字仿真的初步筛选，只对极少数重要的零件、部件或整机进行。 在数字仿真中，有时很难建立一些行为的数学模型，这时可以用物理模型试验和数字模 型仿真联合工作，称为混合仿真。例如模拟宇宙载人舱，它的运动、载荷和环境可以由数字 仿真实现，而加载、载人仓、仓中的设施和人员则由物理上和生理上真实的仓和人参加试验。 这与发射一个真的载人舱到空间去相比，花费的时间和资金已小得多了，更重要的是风险特 别是关于人的生命的风险降低了很多
有知识的集中表现。知识不断更新, 模型也不断发展, 没有一成不变的模型。所以优化研究 归根结底也离不开对所研究问题的各种来源的知识获取。采用简单的算例讨论算法，是研究 数学，不是研究设计。如果认为离开知识获取就能够优化设计问题，就是一种误解。 数字仿真不仅仅虚拟对象在某个时刻的功能，还要仿真它在整个生命周期中由于各种原 因而发生的变化。首先是加工制造的过程，选用什 么材料，如何进行成形加工，如何进行热处理，如 何进行切削加工，如何进行装配，等等，都可能影 响全生命周期中功能的稳定性。例如核电站在高 温、高压、强辐射中的结构，选择一种材料、一种 焊接工艺、一种特性的焊条，经过一年以后，材料 的厚度腐蚀掉了多少，焊缝的强度降低了多少，剩 余寿命还有多少？这在设计中就要有预测。又如一 个转子轴承系统，当把滑动轴承或滚动轴承改成主 动电磁轴承，因为增加了许多传感器和导线，铸造的壳体形状和装配过程都变得十分复杂。 设计的壳体在铸造过程中是否会发生裂纹、疵病，以及装配中会发生什么冲突和困难？都要 在设计中有充分的估计。对于前一个问题，可以通过铸造时金属凝固过程的数字仿真进行预 测（图 2-6），后一个问题则由仿真装配过程的数字样机（图 2-7）来加以优化。常常听到一 种说法：“设计不难，难在做不出来。加工才是当前最大的问题。”这是把设计理解为就是画 图的结果。在纸上画一个形状，当然不难。但是如果设计一个加工不了的东西，或者加工成 本太高，这不是别人的问题，恰恰正是设计工程师的错误。对于持上面这种观点的人来说， 设计就是很困难的工作了。 图 2-6、轴承底座的可铸造性仿真。 底座优化铸造工艺分析 不仅是加工过程，加工以后的储存、运输、使用条件和人员的素质都会影响设计对象对 性能和约束条件满足程度的变化。全生命周期设计要求设计工程师对设计对象在整个生命周 期中的风险负责。 不管怎样，数字仿真由于它的便捷、省钱， 越来越在工程设计中受到青睐，尤其是作为设计 的先期评估、测试和优化手段。但是，由于上面 所提到的问题，对于比较重要的零、部件，则需 要进行物理模型试验解决。 第二个层面是物理模型试验，物理模型试验 是在试验台上对实物试件行为的考察，和数字仿 真相比需要更多的时间、人力和物力。试验台有 通用和专用的不同，通用试验台绝大多数已经商品化，例如材料疲劳试验机；专业试验台应 用较多的也已经商品化，例如发动机性能试验台、轴承试验台等等，其他则需要为特定的试 验目的专门设计制造，特别是被试验的试件，总是需要按试验目的专门设计和制造。人通常 在试验台范围以外操纵试验，有时为了获得人的感受，人也参与其中，成为试验装置的一部 分。所以物理模型试验，即使已经有了试验台，仅仅准备试件，也比数字仿真模型复杂，而 且试验的进程，根据不同目的，可能要花费很长时间和很多资金，一般总是在某个设计解决 方案已经经过数字仿真的初步筛选，只对极少数重要的零件、部件或整机进行。 图 2-7、虚拟装配评估。 在数字仿真中，有时很难建立一些行为的数学模型，这时可以用物理模型试验和数字模 型仿真联合工作，称为混合仿真。例如模拟宇宙载人舱，它的运动、载荷和环境可以由数字 仿真实现，而加载、载人仓、仓中的设施和人员则由物理上和生理上真实的仓和人参加试验。 这与发射一个真的载人舱到空间去相比,花费的时间和资金已小得多了，更重要的是风险特 别是关于人的生命的风险降低了很多。 7
前面讲过，试件可以是一个单件，是一个部件，也可以是一个整机，但是都是在试验条 件而不是在实际运行条件下进行评估。因为试验条件不同于运行条件，所以说它仍旧是一种 模拟，但是一般比数字仿真更接近实际。 还是用前面的A380客机例子，不算各个单件和小规模部件的试验，A380客机总装完毕 后，在总装配线上要停留将近3个月时间，对飞机所有的基础系统进行全面测试，其中包括 液压系统、起落架系统和电子系统、飞行控制系统以及座舱的压力测试，测试压力超过正常 情况下最大允许压力的33%。为期四周的地面震动测试，大约有900个“加速度传感器”分 别安放于飞机的升力面、舱面、发动机、各种系统和起落架上。超过20个“激振器”迫使 飞机进行震动。首架已经组装好的A380机身和装配同时进行静态测试，该机身将不再用于 飞行。在德国德累斯顿，另一个机身也在进行疲劳试验。这些测试将持续26个月，相当于 经过47,500小时飞行后得出的结果，目的就是为了模拟整个飞行周期，例如飞机在整个服 役期内经过增压和减压后的结果，只不过是在更短的时间内完成而已。 第三个层面是样机试验。对于重要的设计对象，还需要把完全做好的样机放在实际工 作条件下进行评估。首架用于试飞的A380客机在已经基本完成地面测试后，就将移交给空 中客车公司的飞行测试部门，由该部门开始进行1,000小时的飞行测试，以便最终取得飞行 认证。如果是汽车，一般是在专门的试车场中进行。试车场里有各种可能遇到的路面，样车 在这些路面上行驶，设计师可以通过安装在车上的测试仪器了解设计对象的性能和是否满足 各种约束条件。如果没有试车场，就在公路上跑车，例如从中国的哈尔滨跑到海南岛。 在这三个层面上得到的所有信息，经过适当处理，变成评估设计所需要的知识，这些 过程都是对一个可能的设计解决方案，其满足性能需求和约束条件从无知到有知的知识获取 过程，所以说，设计活动是以知识获取为中心。在它们的基础上，可以对方案进行回溯、修 改、优化和再设计，然后确定哪一个解决方案是最终可以接受的。 从以上的描述，可以看到，知识获取需要各种各样的资源，所以知识获取是资源依赖 的。数字仿真需要专门的软件、可以运行这些软件的硬件、安置这些硬件的建筑、环境和辅 助设施。物理模型试验需要试验台、试验件、建筑、环境和辅助设施。样机试验需要试验场 地和性能参数采集、处理仪器，等等。但是资源里面最重要是受过相应教育和训练而能够做 这些工作的人。这些人都是设计不可或缺的组成部分，那种认为设计只不过是画图，只要有 CAD软件把图画出来，就是把设计做成功了的观点，是完全不正确的。 总结起来，如果将设计的一般过程大致分成三个阶段，那么第一阶段是解决设计什么 的问题，第二阶段则要回答如何解决，而第三阶段任务是确认某一个或某几个解决方案可以 提交实施。 实际上，设计知识还有一个重要的来源，那就是同类对象的上一代产品和竞争对手的 产品，对它们进行同样的分析、仿真和试验，知己知彼才能百战不殆。这将在后面详细讨论。 二、设计中的知识获取和知识流 现代设计是以知识为基础，以获取新知识为中心。从某个视角看，设计过程可以看成是 知识在设计的各个节点和各个有关方面之间流动的过程，设计中的知识流动最终服务于设计 知识获取。设计知识是一个复杂的领域，传统的设计理论和方法很少研究这个问题，总是以 一种似乎设计知识对于设计工程师已经存在的姿态来讨论如何设计。如果承认竞争是设计的 一个属性，就会接受设计要通过引入最新知识或技术使设计对象具备现有产品所不能满足的 性能以竞争取胜。往往在开始设计的时侯，设计工程师并不知道这种知识或还没有人掌握这 种知识。如果是众所周知的知识或者技术，那在已有产品上就不会没有得到应用，或者即使 尚未应用，也会有不能应用的原因或者许多人正在想方设法来应用它。现在产品设计竞争的
前面讲过，试件可以是一个单件，是一个部件，也可以是一个整机，但是都是在试验条 件而不是在实际运行条件下进行评估。因为试验条件不同于运行条件，所以说它仍旧是一种 模拟，但是一般比数字仿真更接近实际。 还是用前面的 A380 客机例子，不算各个单件和小规模部件的试验，A380 客机总装完毕 后，在总装配线上要停留将近 3 个月时间，对飞机所有的基础系统进行全面测试，其中包括 液压系统、起落架系统和电子系统、飞行控制系统以及座舱的压力测试，测试压力超过正常 情况下最大允许压力的 33%。为期四周的地面震动测试，大约有 900 个“加速度传感器”分 别安放于飞机的升力面、舱面、发动机、各种系统和起落架上。超过 20 个“激振器”迫使 飞机进行震动。首架已经组装好的 A380 机身和装配同时进行静态测试，该机身将不再用于 飞行。在德国德累斯顿，另一个机身也在进行疲劳试验。这些测试将持续 26 个月，相当于 经过 47,500 小时飞行后得出的结果，目的就是为了模拟整个飞行周期，例如飞机在整个服 役期内经过增压和减压后的结果，只不过是在更短的时间内完成而已。 第三个层面是样机试验。对于重要的设计对象，还需要把完全做好的样机放在实际工 作条件下进行评估。首架用于试飞的 A380 客机在已经基本完成地面测试后，就将移交给空 中客车公司的飞行测试部门，由该部门开始进行 1,000 小时的飞行测试，以便最终取得飞行 认证。如果是汽车，一般是在专门的试车场中进行。试车场里有各种可能遇到的路面，样车 在这些路面上行驶，设计师可以通过安装在车上的测试仪器了解设计对象的性能和是否满足 各种约束条件。如果没有试车场，就在公路上跑车，例如从中国的哈尔滨跑到海南岛。 在这三个层面上得到的所有信息，经过适当处理，变成评估设计所需要的知识，这些 过程都是对一个可能的设计解决方案，其满足性能需求和约束条件从无知到有知的知识获取 过程，所以说，设计活动是以知识获取为中心。在它们的基础上，可以对方案进行回溯、修 改、优化和再设计，然后确定哪一个解决方案是最终可以接受的。 从以上的描述，可以看到，知识获取需要各种各样的资源，所以知识获取是资源依赖 的。数字仿真需要专门的软件、可以运行这些软件的硬件、安置这些硬件的建筑、环境和辅 助设施。物理模型试验需要试验台、试验件、建筑、环境和辅助设施。样机试验需要试验场 地和性能参数采集、处理仪器，等等。但是资源里面最重要是受过相应教育和训练而能够做 这些工作的人。这些人都是设计不可或缺的组成部分，那种认为设计只不过是画图，只要有 CAD 软件把图画出来，就是把设计做成功了的观点，是完全不正确的。 总结起来，如果将设计的一般过程大致分成三个阶段，那么第一阶段是解决设计什么 的问题，第二阶段则要回答如何解决，而第三阶段任务是确认某一个或某几个解决方案可以 提交实施。 实际上，设计知识还有一个重要的来源，那就是同类对象的上一代产品和竞争对手的 产品，对它们进行同样的分析、仿真和试验，知己知彼才能百战不殆。这将在后面详细讨论。 二、设计中的知识获取和知识流 现代设计是以知识为基础，以获取新知识为中心。从某个视角看，设计过程可以看成是 知识在设计的各个节点和各个有关方面之间流动的过程，设计中的知识流动最终服务于设计 知识获取。设计知识是一个复杂的领域，传统的设计理论和方法很少研究这个问题，总是以 一种似乎设计知识对于设计工程师已经存在的姿态来讨论如何设计。如果承认竞争是设计的 一个属性，就会接受设计要通过引入最新知识或技术使设计对象具备现有产品所不能满足的 性能以竞争取胜。往往在开始设计的时候，设计工程师并不知道这种知识或还没有人掌握这 种知识。如果是众所周知的知识或者技术，那在已有产品上就不会没有得到应用，或者即使 尚未应用，也会有不能应用的原因或者许多人正在想方设法来应用它。现在产品设计竞争的 8
焦点就是如何尽快和以最小成本将最新知识或者技术成功地引入到设计中，在分布式智力资 源环境下，企业要进行产品开发，就不能不直接面对如何从知识流获取知识的问题。我国的 制造企业，因为企业内资源相对匮乏而尤其如此。研究知识流实际上也是研究动态的知识， 包括知识分类、知识获取、与设计任务之间的关系、运动机制、流动控制和为以知识获取为 中心的设计活动在知识域上的行为做出清晰描述。不同类型知识用于不同的设计阶段，完成 不同的知识获取任务，在不同的区间上流动，涉及不同类型的知识服务的请求方和提供方， 基于不同的获取机制，运用不同的工具，依赖不同的硬件和软件资源，由不同领域专家操作， 属于同一利益方和不同利益方，在局域网上流动或在互联网上流动，等等。 这里不准备严格地定义和研究“知识”，而仅仅从设计应用知识的角度对知识进行讨论， 以正确处理设计和知识获取的关系。 在知识流理论的讨论中，经常遇到一个问题就是什么是“数据”，什么是“信息”和什 么是“知识”的问题？“数据”通常被认为是符号的集合，而当这个集合被以某种方式（例 如事先约定)赋予特定的意义，说明特定的事实，它就变成为一个信息。当然这里讲的“数 据”是广义的，可以是数字、图形、符号（含文字）等。文献[9]曾经引用过如下的说法： “信息通常是单纯的事实，描述的是对象的某个状态，如红灯亮。知识则是一组事实及其相 互间的关系（因果关系，所属关系，顺序关系等）。而‘红灯亮不允许行人过马路’就是一 条知识。‘红灯亮’和‘行人过马路’都可以被理解为单独的事实，当它们通过‘不允许’ 关系联系起来时，就成了知识。因此，知识是比信息更复杂的概念。”将知识和信息之间做 如上界定，当然只限于在与设计有关的范围使用。根据以上理解，从在分布式资源环境中规 范设计知识服务的考虑，知识应当是对某一个设计问题可以据以做出决定（也可能是暂时的 决定)的事实之间关系的表述。因为信息是关于某一事实的表述，这个事实连同其他事实， 就是获得待求关系的前提，所以知识获取包括信息获取和使信息变成知识两个方面。设计知 识获取还包括例如关于待求关系本身的表述、初始条件、对答案的约束、获得答案的途径等 等信息，所以知识流理论更关心的是未知关系，要研究从未知到已知的过程，而不是研究一 般的信息。 知识有不同的类型，它们是由不同的方法获取。有一类知识是独立于人的意愿的自然规 律或社会规律，在具备适当的数学模型时，可以通过某种算法（含融合或挖掘算法）直接获 取；当还没有数学模型时，则需要通过调查和采集信息，或者设计专门的试验去得到信息， 经过整理、计算和思考，找出事实之间的关系成为知识（含暂时被接受的知识），称为非意 愿知识。但是设计中还需要获取另外一类被称为“共识”的知识，这是需要经过交互过程才 能获取的知识。一种情况是例如甲方给出了A,乙方由A给出B,甲方才由B给出C,等等； 另一种情况是需要多方同时在一起进行多对多讨论得到共识后才能产生的知识。共识知识的 流动总是双向或多向的，包括提出问题和给出答案，都是知识的流动，与第一类反映自然规 律的知识不同，里面往往含有或多或少各个利益方的意愿，这表明设计是一个兼有技术性和 社会性特征的过程。共识知识绝对不仅仅是意愿的产物，每一方无论是提出问题或是给出答 案，都需要得到非意愿知识的支持。这两种知识的获取，在图2-2中的三个阶段里，都有发 生 与需要采取行动去获取的知识不同，还有一类经过前人工作已经存在的知识，称为已有 知识。已有知识通常公开发表在未经整理的书刊、报告、专利资料、互联网上，有不需要经 过授权就可以使用和经过授权才可以使用两类；已有知识还存在于经过整理得到授权就可以 访问和使用的报告集、专利库、数据库、知识库等等中，这类知识称为显性知识。与此不同 还有一类称为隐性知识的，存在于个人的记忆中，只有提出问题，经过思考，才能够给出答 案。如果掌握某种隐性知识的人不是设计工程师本人，要得到这些知识，也需要经过相应的 知识获取过程。 9
焦点就是如何尽快和以最小成本将最新知识或者技术成功地引入到设计中。在分布式智力资 源环境下，企业要进行产品开发，就不能不直接面对如何从知识流获取知识的问题。我国的 制造企业，因为企业内资源相对匮乏而尤其如此。研究知识流实际上也是研究动态的知识， 包括知识分类、知识获取、与设计任务之间的关系、运动机制、流动控制和为以知识获取为 中心的设计活动在知识域上的行为做出清晰描述。不同类型知识用于不同的设计阶段，完成 不同的知识获取任务，在不同的区间上流动，涉及不同类型的知识服务的请求方和提供方， 基于不同的获取机制，运用不同的工具，依赖不同的硬件和软件资源，由不同领域专家操作， 属于同一利益方和不同利益方，在局域网上流动或在互联网上流动，等等。 这里不准备严格地定义和研究“知识”，而仅仅从设计应用知识的角度对知识进行讨论， 以正确处理设计和知识获取的关系。 在知识流理论的讨论中，经常遇到一个问题就是什么是“数据”，什么是“信息”和什 么是“知识”的问题？“数据”通常被认为是符号的集合，而当这个集合被以某种方式（例 如事先约定）赋予特定的意义，说明特定的事实，它就变成为一个信息。当然这里讲的“数 据”是广义的，可以是数字、图形、符号（含文字）等。文献[9]曾经引用过如下的说法： “信息通常是单纯的事实，描述的是对象的某个状态，如红灯亮。知识则是一组事实及其相 互间的关系（因果关系，所属关系，顺序关系等）。而‘红灯亮不允许行人过马路’就是一 条知识。‘红灯亮’和‘行人过马路’都可以被理解为单独的事实，当它们通过‘不允许’ 关系联系起来时，就成了知识。因此，知识是比信息更复杂的概念。”将知识和信息之间做 如上界定，当然只限于在与设计有关的范围使用。根据以上理解，从在分布式资源环境中规 范设计知识服务的考虑，知识应当是对某一个设计问题可以据以做出决定（也可能是暂时的 决定）的事实之间关系的表述。因为信息是关于某一事实的表述，这个事实连同其他事实， 就是获得待求关系的前提，所以知识获取包括信息获取和使信息变成知识两个方面。设计知 识获取还包括例如关于待求关系本身的表述、初始条件、对答案的约束、获得答案的途径等 等信息，所以知识流理论更关心的是未知关系，要研究从未知到已知的过程，而不是研究一 般的信息。 知识有不同的类型，它们是由不同的方法获取。有一类知识是独立于人的意愿的自然规 律或社会规律，在具备适当的数学模型时，可以通过某种算法（含融合或挖掘算法）直接获 取；当还没有数学模型时，则需要通过调查和采集信息，或者设计专门的试验去得到信息， 经过整理、计算和思考，找出事实之间的关系成为知识（含暂时被接受的知识），称为非意 愿知识。但是设计中还需要获取另外一类被称为“共识”的知识，这是需要经过交互过程才 能获取的知识。一种情况是例如甲方给出了 A，乙方由 A 给出 B，甲方才由 B 给出 C，等等； 另一种情况是需要多方同时在一起进行多对多讨论得到共识后才能产生的知识。共识知识的 流动总是双向或多向的，包括提出问题和给出答案，都是知识的流动，与第一类反映自然规 律的知识不同，里面往往含有或多或少各个利益方的意愿，这表明设计是一个兼有技术性和 社会性特征的过程。共识知识绝对不仅仅是意愿的产物，每一方无论是提出问题或是给出答 案，都需要得到非意愿知识的支持。这两种知识的获取，在图 2-2 中的三个阶段里，都有发 生。 与需要采取行动去获取的知识不同，还有一类经过前人工作已经存在的知识，称为已有 知识。已有知识通常公开发表在未经整理的书刊、报告、专利资料、互联网上，有不需要经 过授权就可以使用和经过授权才可以使用两类；已有知识还存在于经过整理得到授权就可以 访问和使用的报告集、专利库、数据库、知识库等等中，这类知识称为显性知识。与此不同 还有一类称为隐性知识的，存在于个人的记忆中，只有提出问题，经过思考，才能够给出答 案。如果掌握某种隐性知识的人不是设计工程师本人，要得到这些知识，也需要经过相应的 知识获取过程。 9