基于本體知識的產(chǎn)品配置求解技術(shù)研究.pdf

1、大規(guī)模定制(Mass Customization，MC)的目標(biāo)是以接近大批量生產(chǎn)(Mass Production，MP)的成本和速度，提供個(gè)性化的產(chǎn)品和服務(wù)。由于能夠根據(jù)預(yù)先定義的零部件集合及其相互約束關(guān)系，快速形成滿足客戶個(gè)性化需求的特定產(chǎn)品，產(chǎn)品配置管理成為實(shí)現(xiàn)MC的關(guān)鍵使能技術(shù)，并在產(chǎn)品數(shù)據(jù)管(Product Data Management，PDM)系統(tǒng)中得到初步實(shí)現(xiàn)。然而現(xiàn)有的PDM主要支持文檔管理和設(shè)計(jì)過程管理，而產(chǎn)品結(jié)構(gòu)建模

2、與配置的管理功能相對較弱，致使設(shè)計(jì)、生產(chǎn)和售后等環(huán)節(jié)不能高效的獲取所需要的產(chǎn)品信息。因此建立企業(yè)統(tǒng)一的產(chǎn)品信息模型，實(shí)現(xiàn)企業(yè)的產(chǎn)品配置信息集成，對于加快企業(yè)的發(fā)展、提高企業(yè)的經(jīng)濟(jì)效益以及適應(yīng)市場的快速變化都具有深遠(yuǎn)的意義。針對以上問題對產(chǎn)品配置技術(shù)進(jìn)行研究，提出了產(chǎn)品配置三層求解方案，并對產(chǎn)品配置知識建模、部件層模糊配置求解、產(chǎn)品配置多目標(biāo)優(yōu)化這三部分具體內(nèi)容進(jìn)行了詳細(xì)研究。
　　 設(shè)計(jì)了從產(chǎn)品配置建模到優(yōu)化求解的產(chǎn)品配置三層求

3、解方案。結(jié)合可配置產(chǎn)品實(shí)例研究了產(chǎn)品配置三層求解方案，分析了整個(gè)配置過程中解空間的變化情況，并對產(chǎn)品配置三層求解方案中各部分內(nèi)容的相互關(guān)系及輸入輸出內(nèi)容進(jìn)行了詳細(xì)的探討。分析了產(chǎn)品配置三層求解方案分別在配置業(yè)務(wù)流程和物料清單(Bill of Material，BOM)轉(zhuǎn)換視圖下所擔(dān)當(dāng)?shù)慕巧约皩?shí)現(xiàn)的功能。提出了產(chǎn)品配置三層求解方案的核心架構(gòu)，研究了產(chǎn)品配置系統(tǒng)與企業(yè)其它信息系統(tǒng)間的集成方案。該方案為將來產(chǎn)品配置領(lǐng)域的進(jìn)一步研究奠定了基礎(chǔ)

4、。
　　 對基于本體知識的產(chǎn)品配置模型進(jìn)行了研究，實(shí)現(xiàn)了對可配置產(chǎn)品結(jié)構(gòu)組成信息、約束關(guān)系信息，及客戶化定制的需求信息建模。設(shè)計(jì)了配置本體建立方法，并分析了構(gòu)建配置本體的目的與定位。對配置本體中涉及的概念進(jìn)行了劃分，并設(shè)計(jì)了配置本體的語義規(guī)則表達(dá)。分析了基于本體的產(chǎn)品配置知識表達(dá)的優(yōu)越性，研究了配置本體與外部關(guān)系數(shù)據(jù)庫之間的信息傳遞方法，及獲得配置本體的輸入輸出內(nèi)容的手段。通過實(shí)例驗(yàn)證表明，該配置本體具有一定的通用性，針對具體領(lǐng)

5、域的知識表達(dá)，只需簡單擴(kuò)展或繼承即可實(shí)現(xiàn)。
　　 提出了基于實(shí)例重用技術(shù)的產(chǎn)品模糊配置方法，實(shí)現(xiàn)了產(chǎn)品中間部件層的模糊配置。該方法以預(yù)先定義好的產(chǎn)品結(jié)構(gòu)信息為先決條件，采用條件概率理論作為算法的核心公式。提出了產(chǎn)品中間部件層模糊配置的定義，并分析了其求解過程中存在的難點(diǎn)。將設(shè)計(jì)的新算法同傳統(tǒng)的基于實(shí)例的推理(Case-Based Reasonning，CBR)算法做比較，分析了其在求解方面的優(yōu)越性。詳細(xì)研究了基于實(shí)例重用的模糊配

6、置算法(CaseReuse based Fuzzy Configuration，CRFC)的原理，提出了CRFC的應(yīng)用前提條件，論述了向上一致性規(guī)則的原理及原因，詳細(xì)設(shè)計(jì)了條件概率理論在CRFC中的應(yīng)用方法，及決策判斷閾值的估算方法，并設(shè)計(jì)和分析了具體的算法流程。將CRFC算法應(yīng)用于配置實(shí)例中，實(shí)現(xiàn)了產(chǎn)品配置中間部件層的模糊配置，并通過與CBR算法計(jì)算結(jié)果比較，驗(yàn)證了CRFC算法的有效性和優(yōu)越性。
　　 設(shè)計(jì)了基于多目標(biāo)遺傳算法

7、(Multi-Objective Genetic Algorithm，MOGA)的產(chǎn)品配置優(yōu)化方法，對可選實(shí)例零件進(jìn)行選配。選取最小成本、最短交貨期和最均衡庫存為優(yōu)化目標(biāo)，提出了產(chǎn)品配置多目標(biāo)問題的描述定義和數(shù)學(xué)公式化定義，設(shè)計(jì)了優(yōu)化目標(biāo)函數(shù)和約束矩陣，并對庫存平衡優(yōu)化目標(biāo)進(jìn)行了更為詳細(xì)的研究。分析了基于MOGA的產(chǎn)品配置優(yōu)化技術(shù)的原理，設(shè)計(jì)了以非支配排序遺傳算法(NondominatedSorting Genetic Algorith

8、m-Ⅱ，NSGA-Ⅱ)為基礎(chǔ)的算法求解步驟。選擇了三個(gè)優(yōu)化目標(biāo)函數(shù)作為適應(yīng)度函數(shù)，針對違反約束的配置方案設(shè)計(jì)了適應(yīng)度懲罰措施，并對種群初始化編碼方式進(jìn)行了設(shè)計(jì)。對非支配解的定義進(jìn)行了論述，并研究了非支配前沿等級劃分的算法步驟。采用小生境排序的方式保證種群的多樣性，并設(shè)計(jì)了小生境計(jì)算的公式。在非支配前沿等級劃分和小生境計(jì)算的基礎(chǔ)上應(yīng)用了二元聯(lián)賽選擇機(jī)制，對種群進(jìn)行優(yōu)劣排序，并采用了雙重精英策略避免了進(jìn)化過程中優(yōu)良個(gè)體的丟失。在種群繁殖機(jī)制