產品模型顯性功能信息設計重用方法

師治全

（西安工業大學機電工程學院，陜西 西安710021）

在新產品開發設計過程中，產品模型的設計占其整個開發過程的80%。且根據相關研究表明有30%～40%的產品可以通過對已有產品進行改進獲得。僅有10%的產品屬于創新設計。因此如何對已有的產品模型進行快速設計重用生成新的方案，已成為諸多學者研究的話題。國內外學者從不同角度進行了廣泛深入的研究。Shahin 和Blessing 提出在產品設計階段，利用設計方法學指導設計，且其本身就是對已有知識的一種重用過程。也有其他學者將產品標準化，然后將其快速的應用于大規模定制的思想引入設計重用過程中。但是，以上方法均沒有明確指出如何利用已有的產品模型實例進行快速的生成面向設計人員的重用方案。因此，本文提出一種對產品模型以其功能信息為出發點，提供給設計人員一種基于已有的產品實例開發新產品模型的快速設計重用方法。

1 產品模型功能聚類

1.1 產品模型功能指的是滿足用戶實現某種需求，實現產品自身價值的屬性。且每個產品模型其功能眾多，該功能因素影響著產品原始的設計思路和產品的好壞。對其進行功能分解如圖1 所示。

1.2 模型功能標準化及聚類劃分。根據模型功能滿足用戶等級，可將其標準化數據化處理，用數字1，2，3，等來代表模型實現功能的等級。其次將已有的模型實例基于模糊等價關系的模糊聚類劃分，其步驟如下所示：Step1：建立數據矩陣，設論域U={x1，x2，…，xn}為被分類對象，每個對象又有m 個指標即xi={xi1，xi2，…，xim（i=1，2，…n）}得到原始矩陣

式中xnm表示第n 個分類對象的第m 個指標的原始數據。

Step2：數據標準化，根據模糊矩陣的要求，將數據壓縮到[0，1]區間上。

Step3：根據傳統聚類方法確定相似系數，建立模糊相似矩陣。

Step4：將模糊矩陣R 改造成模糊等價矩陣R*，用二次方法求R 的傳遞包，即t（R）=R*。設定置信水平λ，即可得到分類結果。

其聚類流程圖如圖2 所示。

圖1 模型功能分解

圖2 模糊聚類流程圖

2 客戶需求分析及相似產品模型獲取

設計人員通過對客戶所提的需求進行分析，目前有基于用戶屬性聚類與項目劃分的協同過濾推薦算法來進行相似實例檢索。算法雖然對檢索準確度有重要影響的相似度計算進行了考慮，但是沒有考慮到各個影響因素的權重比不同。本文根據已獲得的模型功能類，通過利用相似度計算的方法選出相似度最大的模型功能類作為備選方案。其相似度計算公式如下所示：

3 備選方案優化

在備選方案中可能存在多個與用戶需求相近的模型實例，因此本文采用基礎反饋外延的決策方法，其思想是當全因素情況較為復雜時將其轉換為若干個單因素的外延。其計算步驟如下所示：

Step1：設定模型實例重用備選集：U=（M1，M2，L，Mn）。

Step2：令φ={Z}，Z 為模型設計重用最優實例，且它以U 為論域。

Step3：選定與U 有關的功能因素族目，用F 表示。F=（f1，f2，L，fn），f 為功能因素，n 為功能數目，同時確定狀態空間X（fi）。

Step4：使（U，φ，F）構成一個描述空間。

Step5：采用一定手段對論域X（fi）中的表現外延B（fi）。

Step6：選取適當的m 維t- 模Tm，由Tm和B（fi）構造全因素表現論域X（1）中的表現外延B（1），

Step7：每一個功能因素fj（j=1，2，Lm），確定備選集狀態：fj（Ui），i=1，2，Ln，j=1，2，Lm，得到全因素1 關于各個備選方案的狀態。

Step8：確定Z 的反饋外延1-1（B（1）），并將其作為Z 的外延值，于是對任何ui∈U 其對模糊集φ 隸屬度為：

4 結論

本文提出的產品模型顯性功能重用方法，首先利用模型子功能的不同對模型進行快速聚類，其次計算用戶需求與模型類的相似度大小得到備選方案，最后通過決策優化，得到最佳的設計重用方案。該方法可對已有的產品模型進行快速篩選，并得到滿足客戶需求的模型設計重用方案，從而提高設計人員的設計效率。