基于語義網的協同供應鏈知識表示研究

摘要：在協同供應鏈環境下，跨部門、跨企業的知識共享十分頻繁，也更加復雜。文章首先對協同供應鏈中知識共享特征進行分析，提出基于語義網的知識表示機制，并結合實例介紹了供應鏈中三類知識——描述、規則、案例知識及其表示結構，提高知識共享的效率，實現協同供應鏈的聚合作用。

關鍵詞：協同供應鏈；知識共享；知識表示；語義網；供應鏈管理

中圖分類號：TP391文獻標識碼：A

文章編號：1002-3100(2008)08-0099-04

Abstract: With the environment of supply chain collaboration， knowledge sharing between different departments and companies happens more and more frequently and complicatedly. This paper analyzes the features of knowledge sharing in supply chain collaboration and brings a method of knowledge representation based on semantic web. With several instances， it explains the representation of three main kinds of knowledge in supply chain.

Key words: supply chain collaboration; knowledge sharing; knowledge representation; semantic web; supply chain management

協同是供應鏈管理的核心內容，強調供應鏈上合作伙伴帶著共同的商業目標進行協同工作，集成各合作伙伴的競爭優勢，以快速反應多變的市場需求[1]。運用信息技術，協同供應鏈中的成員將自身全部機構融入到協同供應鏈平臺上去，實現彼此的全面合作。與供應鏈管理系統（SCM）注重信息系統集成不同，協同平臺運作的基礎是互相了解，是相關知識的共享。只有通過有效的知識共享，實現供應鏈成員在業務知識層面的一致性，協同供應鏈才能迅速地產生有效的聚合作用[2]。借助語義網技術，協同供應鏈平臺可以在語義層面表達出多樣的知識，使供應鏈成員信息系統之間的信息流轉化為知識流。

1語義網在協同供應鏈知識表示中的作用

知識表示是知識共享的關鍵環節，它直接關系到所共享知識的范圍、知識共享系統的交互能力以及知識共享的方

式[3]。在供應鏈協同管理中，共享的知識涉及到供應鏈業務流程的各個領域，也涉及到各種類型的知識，而且作為一種跨組織的知識共享，協同供應鏈中的知識共享系統對知識表示機制的要求更高。由于供應鏈成員知識管理的水平不同，在每個企業內部可能都有一種特定的知識表示和存儲機制，如果在協同供應鏈中僅僅把各種知識表示方法簡單的組合在一起而沒有適當融合或統一，必然會增加知識共享的難度。

語義網技術可以用于解決在跨組織的環境中協同伙伴由于語義不同而產生的理解歧義，提高跨組織知識共享的效

率[4]。協同供應鏈環境下跨部門、跨企業的知識共享十分復雜，而基于語義網的知識表示機制能夠有效解決以下問題：

（1）多樣性：協同供應鏈活動涉及的內容廣泛，從原材料采購、生產制造、物流分銷到客戶服務，在不同的領域擁有不同的知識。這些知識在各個企業內，以不同的形式存在、表示。語義網能夠支持多樣性知識的表示、存儲、交流和增值。

（2）開放性：由于供應鏈中協作企業的不確定，協同供應鏈環境下的知識共享必須能夠支持不同企業動態的加入與退出。語義網能夠支持不同企業以統一的方式通過協同平臺表示和獲取知識。

（3）增值性：與單個組織內的知識交流相比，協同供應鏈環境下的知識共享體制最大的特點在于其增值性?；谡Z義網的知識表示方式能夠支持知識在協同平臺上的自動推理和整合，發掘出新的知識，達到深層次的協同，為整個供應鏈帶來更大的利益。

因此，把語義網及其相關技術應用于協同供應鏈環境下的知識表示，將能夠極大地幫助協同供應鏈中各成員進行及時準確的溝通，促進協同供應鏈中的全面合作和創新，推進協同供應鏈的研究和應用。

2協同供應鏈的知識分類

在協同供應鏈中，共享的知識涉及到供應商、研發中心、制造商、經銷商和服務商等多個企業以及多個業務領域，每個企業知識管理的水平、知識的存儲方式、存儲媒介等都不盡相同。為了跨組織地共享知識，必須依據合適的標準對知識進行分類，以便采取一種統一知識表示和傳輸機制來表示和共享各種知識[5]。

知識庫系統領域按照存儲方式劃分知識的方法對從知識表示和共享的角度劃分知識有很好的借鑒意義。但是，其所涵蓋知識的范圍過于狹窄。隨著人工智能技術和基于知識的系統的發展，特別是基于案例的推理系統（CBR）技術的發展，案例作為一種特殊類型的知識在表現形式和存儲結構上與事實和規則不同[6]。本文借鑒人工智能和基于知識的系統研究領域的成果，按照知識的表現形式和存儲結構的不同，把供應鏈中共享的知識分為描述性知識、規律性知識和案例性知識。

2.1描述性知識

描述性知識是描述客觀事物屬性的知識，它通過刻畫事物的屬性或者描述事物與事物之間的關系來表示知識。最簡單的形式是通過（事物，關系，事物）組的形式出現。

在供應鏈協同流程中有大量的信息流以描述性知識的形式進行交換，例如表示“鋼材出庫量為2 300噸”就可以采用（鋼材，出庫量，2 300噸）來描述，其中鋼材是描述的對象，出庫量表示屬性，2 300噸則是該屬性的值。

2.2規則性知識

規則性知識是描述事物之間邏輯關系的知識，這種關系最常用的是因果關系。在專家系統及其他的推理系統中，規則常常被表示為：IF P Then Q的形式。P是規則的前提，Q是規則的結論。P和Q是由陳述經過邏輯組合（包括與、或、非）構成的。陳述往往是事實性的知識。

例如規則“IF A處庫存量低于2 000 THEN 重新安排生產計劃”的前提和結論都是由單條陳述構成的。規則“IF x

2.3案例性知識

案例性知識是一種特殊的知識，它可以是一次閱歷、一條經驗，也可以是一個故事或者過去的一個場景，它用特定的結構來表達特定的知識。一個典型的案例通常需要包括如下三個部分：（1）問題描述（Problem）：描述案例發生的客觀世界狀態，包括案例發生的原因、背景等信息；（2）解決方案（Solution）：從該問題引出的解決方案；（3）效果評價（Assessment）：解決方案的效果評價。除了以文字描述形式表示的案例，在事例的表示中也有圖片，聲音、影像等。

在供應鏈協同過程中，有大量案例性知識在供應鏈上下游進行傳遞，例如“消除供應商設計缺陷”、“生產效率及質量改進”等方面的案例，這些案例幫助供應鏈成員了解業務中的最佳實踐（Best Practice）。

根據上述分類方法，可以將SCOR模型所描述的供應鏈五個基本流程中需要共享和表示的知識進行劃分：

3基于OWL標準的協同供應鏈知識表示

語義網的描述語言標準OWL是互聯網中一種非常有效的數據和知識表示方式，能夠很好地解決跨組織信息和知識交流中的語義差異和跨平臺操作，滿足協同供應鏈平臺上知識表示的各種需求。OWL建立在RDF和RDF Schema的基礎上，增加了更多的詞匯，具有更強大的描述能力來描述事物之間的關系、等同關系、更豐富的屬性類型和屬性特征等等[7]。由此，知識在供應鏈協同網絡中流動時，網絡中各節點成員的信息系統能夠自動識別內容屬性，真正實現知識在語義層面的傳遞。

基于規則知識和案例知識的特點，本文對OWL描述語言作了一定的擴展，使之能夠以相對統一的格式表示協同供應鏈中共享的各種知識。設置了Rule、Case等預設類，這些預設類在OWL標準的基礎上對規則和案例的結構作了嚴格的限制，并對多元關系的描述作了適當的擴充，使協同供應鏈的知識表示具備描述多元關系、邏輯運算和規則的能力，為跨企業供應鏈管理系統自動實現知識推理和知識整合提供了可行性，從而加快供應鏈中的信息流動，提高協同工作的效率。

以下通過三個實例說明協同供應鏈中的知識表示方法：

3.1供應鏈中描述性知識的表示

描述性知識通過陳述描述（Statement）來表示。一條陳述有三部分組成：主體部分、謂詞部分及客體部分。

描述性知識::=={“＜rdf:Description rdf:about=” ＜RDF資源節點＞ “＞”

{＜屬性及屬性值＞}1-n

“＜/rdf:Description＞” }1-n

實例——鋼材訂單：“一宗鋼材訂單‘SGM001’，其接貨地點為寧波北侖港，卸貨噸位為2MT”。

其描述主體就是訂單“SGM001”，客體（屬性值）就是“寧波北侖港”和“2MT噸位”，而“接貨點”和“卸貨噸位”就是聯系主客體的謂詞（屬性）。采用OWL表示就是：

＜rdf:Description rdf:about=“SGM001”＞

＜TargetHarbor rdf:resource=“寧波北侖港”/＞

＜TonnagePort rdf:resource=“2MT噸位”/＞

＜/rdf:Description＞

3.2供應鏈中規則性知識的表示

規則性知識分為兩個部分：規則的前提部分和規則的結論部分。規則的前提和結論以陳述的形式存在，規則陳述的謂語部分都是規則的最主要部分，它決定了規則陳述的框架。

＜規則型的知識＞::= “＜ BURI:Rule rdf:ID=” ＜規則名稱＞ “＞”

“＜BURI: RulePremise rdf:resource=” ＜規則的前提＞ “＞”

“＜ BURI: RuleConclusion rdf:resource=”＜規則的結論＞ “＞”

“＜/BURI:Rule＞”

為了表示規則的陳述以及陳述之間的邏輯運算，在OWL語言的基礎上定義基本的規則類Rule、運算符類：RuleOperator類和命題類RuleStatement。其中命題類有可以分為原子命題AtomStatement和ComplexStatement。一條規則就是一個Rule的實例，前提和結論中的陳述則是RuleStatement的實例。

實例——報價規則：“大宗購買客戶購買原材料可以打9折”，采用謂詞邏輯表示方法，可以表示為：discount（Customer， product， 9 Percent）:- premium（Customer） material（product）。

應用擴展的OWL標準，該規則性知識的表示結構如圖1。

3.3供應鏈中案例性知識的表示

在供應鏈成員共享管理案例時，傳統表示方法很難支持大段文字、圖片、音頻等形式的內容的，即使支持，但是為了提高推理/查詢的效率，往往會對這些內容作精簡或結構化的抽取，會削弱案例的作用。OWL作為語義網的描述標準，適合對網絡上的所有資源進行精確的描述，本文通過定義案例類Case來解決傳統案例表示方法無法處理圖片、音頻等數據的問題。

由于案例的結構與所屬的供應鏈業務密切相關，不同工作流程的案例結構可能差異很大，在本文定義的案例知識表示方法中，不限制具體的案例屬性，只把結構化后的案例屬性分為三種類型，即案例問題描述相關屬性—超類為HasProblem、案例解決方案相關屬性—超類為HasSolution和解決方案效果描述相關屬性—超類為HasResults。案例具體結構化時所抽取的屬性必定是其中一類的子屬性。

實例——某汽車制造商的“零部件需求激增對策”案例。案例簡述如下：

案例背景和起因：某汽車制造商因為新生產線的投入，對某種激光焊板的使用量由3個升為7個，出庫量增加一倍，現有的庫存面積可能無法滿足業務的需求。

狀況分析：出庫量大增，現有的運輸車輛、人員配置無法滿足生產需求；零件數量增加，庫存量隨之上升，現有堆放面積趨于飽和，無法滿足業務需求；供應商安全庫存設施不變的前提下，零件需求的上升會使零件供應商非常被動。

解決措施：與生產車間和物流部門確認年度零件使用量和預計日出庫量；根據日出庫量制定內部運輸方案，配置新的運輸車輛和駕駛員；與供應商確認需求量，提醒供應商制訂新的供應方案。

效果驗證：2006年上半年出庫量2 231噸，較2005年同比增長194%；零件的庫存容量由原來的60個托盤增加為120個托盤；庫存周轉率有原來的一周便為1.5天；新生產線沒有因為零件缺少而無法正常生產，完全滿足生產部門的需求。

案例總結：及時獲取公司發布的生產計劃相關信息，盡早預測到新生產線信息，從而及時地對業務狀況進行調整。將掌握的信息及時提供給倉儲客戶和供應商，也能夠使得倉儲客戶和供應商有所準備，在掌握主動權的同時也提高客戶滿意度。

在結構化時就可以把上述案例的背景起因和狀況分析作為問題描述部分，通過抽取出庫量變動、運輸能力變動、存儲面積變動、供應方案變動等屬性對案例的問題描述部分進行表述。各種應對措施是案例的解決方案部分，抽取屬性制定生產計劃、制定運輸方案、制定供應方案描述采取的措施。而最終的效果和對案例的總結則作為解決方案效果相關的屬性。案例采用OWL表示如下：

＜Case rdf:ID =“激光板大幅增量對策”＞

＜StockChange rdfs:subPropertyOf=“HasProblem”＞激光板的出庫量增加一倍…＜/StockChange＞

＜SupplySolutionChange rdfs:subPropertyOf=“HasProblem”＞供應商的安全庫存沒有變動新需求，一旦新生產線開產，供應商將會十分的被動…＜/SupplySolutionChange＞

＜TransportSolution rdfs:subPropertyOf=“HasSolution”＞增加運輸車輛，配置新的運輸人員…＜/TransportSolution＞

＜SupplierSolution rdfs:subPropertyOf=“HasSolution”＞將需求變動情況通知供應商，協調運輸能力和庫存需求…

＜/SupplierSolution＞

＜StockVelocity rdfs:subPropertyOf=“HasResults”＞1.5＜/StockVelocity＞

……

＜/Case＞

對于具體的案例，屬性還可以按照不同的緯度和粒度抽取，因而可能會有些抽取的屬性還有子屬性，如上例中運輸方案部分就可以劃分為車輛變動方案和人員配備方案兩個子屬性。在此不作具體說明。

4結論

本文研究了供應鏈協同中基于語義網的知識表示方法，通過對供應鏈知識共享特性的分析，提出了利用語義網技術描述和表示供應鏈多種知識的思路?；谥R的結構，把供應鏈中用于分享的知識分為描述、規則和案例三種類型，基于對知識的分類和各類知識特點的研究，闡述了利用OWL標準對協同供應鏈知識表示的方法，OWL標準不僅能夠表達協同供應鏈中的各種知識，而且具有良好的擴展性、跨平臺性和語義性，為進一步實現協同平臺上知識的自動推理、整合奠定了基礎，從而加速協同供應鏈的知識共享。

在供應鏈協同過程中，應用語義網的技術和方法，使供應鏈中多樣化的知識能夠方便地表示，為進一步實現供應鏈信息系統中的知識推理、跨部門快速檢索提供了可行性，從而提高了供應鏈信息流的運行效果。通過高效的知識共享，共同挖掘知識與價值，可以從整體上提升供應鏈的效率和效益，從而建立超越有形資產搏弈的供應鏈競爭優勢。

參考文獻：

[1] 劉明. 協同供應鏈中知識管理研究[J]. 合作經濟與科技，2008(2):62-63.

[2] 吳冰，劉仲英，趙林度. 供應鏈協同的知識轉移研究[J]. 情報雜志，2008(1):15-17.

[3] 付蓬勃，呂永波. 供應鏈協同管理模式下的信息共享機制研究[J]. 物流技術，2007，6(26):88-90.

[4] 張成洪，嚴正，宋亮. 協同商務環境下的知識共享框架[J]. 復旦大學學報：自然科學版，2003，5(42):755-760.

[5] 杜娟，張李義. 基于協同商務的知識管理研究[J]. 科技進步與對策，2004(2):118-120.

[6] 湯文宇，李玲娟. CBR方法中的案例表示和案例庫的構造[J]. 西安郵電學院學報，2006，5(11):75-78.

[7] 甘健候，夏又明，徐天任，等. 本體描述語言OWL知識表示的擴展[J]. 云南師范大學學報：自然科學版，2005，25(4)：38-41.