田祥龍，竇潤亮

（天津大學管理與經(jīng)濟學部，天津 300072）

大規(guī)模定制既有大規(guī)模生產(chǎn)的低成本優(yōu)勢，又可以在一定程度上滿足客戶的需求，因此受到越來越多的公司的關注［1－3］。產(chǎn)品配置設計作為能夠滿足個性化客戶需求并有效支持產(chǎn)品快速定制設計手段，已經(jīng)成為大規(guī)模定制的核心設計方法［4］。目前，對于解決大規(guī)模定制產(chǎn)品配置的研究內(nèi)容主要有產(chǎn)品配置成本評估［5］，產(chǎn)品配置知識獲?。?］，產(chǎn)品配置動態(tài)驅(qū)動［7］，產(chǎn)品配置性能預測［8］，并取得了一定的成果。但是上述研究多集中在產(chǎn)品配置規(guī)劃方面，對產(chǎn)品微觀配置過程涉及不多。對于產(chǎn)品配置知識的表示，近年來的研究熱點有基于約束滿足的知識表示［9］，基于資源的知識表示［10］和基于描述邏輯的知識表示［11］，并取得了一定進展，解決了一些實際問題。但是對于像汽車這樣復雜的產(chǎn)品，這些方法都有一定的不足:①產(chǎn)品知識獲取困難；②忽略了過去已有的很有價值的設計知識和經(jīng)驗；③利用配置模板對產(chǎn)品從頭開始配置設計，既耗時又易出錯。基于實例推理（case－based reasoning，CBR）的產(chǎn)品配置方法能夠充分考慮過去已有的有價值的設計知識和經(jīng)驗，已成為產(chǎn)品設計開發(fā)的一種有效實現(xiàn)方式［12］。據(jù)調(diào)查，產(chǎn)品設計活動中有大約75%的設計是基于實例的產(chǎn)品設計［13］。對于基于實例推理的產(chǎn)品配置技術(shù)，有學者從不同方面進行了研究。AHN等［14］將CBR與基于知識的技術(shù)相結(jié)合來實現(xiàn)定制過程中多種類型過程知識的共享與重用；王新等［15］提出了產(chǎn)品組需求類和需求匹配模板的概念，通過二級實例匹配求解實現(xiàn)產(chǎn)品配置；CHENG等［16］提出將CBR與產(chǎn)品生命周期建模技術(shù)結(jié)合，應用于綠色產(chǎn)品配置開發(fā)。這些配置設計方法在解決產(chǎn)品的快速響應設計問題時具有一定優(yōu)勢，但是對于大規(guī)模定制下汽車的設計還存在以下不足:產(chǎn)品配置模型并沒有全面表達像汽車這樣復雜產(chǎn)品配置模塊之間多層次的復雜約束信息和三維信息等，由于缺少這些重要的設計信息，可能導致最終得出的BOM無法或很難造型、布局或裝配；對于客戶的需求，多是對其進行分解和分析，然后轉(zhuǎn)化為各種設計參數(shù)，作為產(chǎn)品配置的輸入，而客戶并沒有實際參與到產(chǎn)品的設計中，像汽車這種很難量化的產(chǎn)品，如果客戶沒有實際參與到產(chǎn)品的設計過程中，很難得到令其滿意的結(jié)果。

因此，針對以上問題，筆者提出一種基于實例的PIC模型，將汽車的部件、三維和約束信息整合為一個整體，然后利用交互式遺傳算法進行產(chǎn)品配置的求解，并建立基于PIC模型的汽車操控臺定制設計系統(tǒng)進行驗證。

1 基于實例推理的PIC模型

產(chǎn)品配置知識的表示是解決產(chǎn)品配置問題的基礎，其實質(zhì)是對企業(yè)擁有的設計實例資源的整合，使其結(jié)構(gòu)化、規(guī)范化，便于產(chǎn)品的快速定制。筆者提出了一種基于實例的PIC 3層模型，將企業(yè)擁有的設計實例資源整合為一個整體，以滿足產(chǎn)品配置求解的要求，如圖1所示。

圖1 基于實例推理的PIC模型

（1）P（parts）層為部件層，是PIC 3層模型的基礎層，實質(zhì)為產(chǎn)品的各個組成部分的模塊化樹狀模型。其可以表示為P=（NUM，NAME，F(xiàn)，PA）。NUM為各部件模塊的標識；NAME為各部件模塊的名稱；F={f1，f2，…，fq}（q ＞0）為各部件模塊的功能屬性；PA={pa1，pa2，…，pau}（u ＞0）為各部件模塊的特征參數(shù)。

（2）I（information）層為信息層，是P層的實例化，包含有P層各個部件的不同實例的三維信息、裝配信息和拓撲信息，可以表示為I=（NUM，PNUM，3Dinfo，Tinfo，Ainfo）。其中:NUM 為該實例信息模塊的標識；PNUM為該實例信息模塊對應的P層部件模塊的標識；3Dinfo為該實例的3D信息，能夠描述出該實例模塊的基本空間位置和幾何形狀，并不涉及具體的尺寸與設計細節(jié)；Tinfo為該實例模塊的拓撲信息，即在產(chǎn)品組裝時與該實例模塊相鄰的上級、下級和同級的模塊位置信息；Ainfo為該實例的裝配信息，能夠描述該實例模塊在產(chǎn)品組裝時自身的特征參數(shù)以及對相鄰各模塊的參數(shù)要求。

（3）C（constrains）層為約束層，是對于P層和I層約束信息的提取和整合，包括來自P層的非結(jié)構(gòu)性約束和來自I層的結(jié)構(gòu)性約束，可以表示為C=（NUM，NAME，TYPE，IF，THEN）。其中:NUM為該約束的標識；NAME為該約束的名稱；TYPE為該約束的類型，TYPE=0，則該約束為結(jié)構(gòu)性約束；TYPE=1，該約束為非結(jié)構(gòu)性約束；IF為該約束的條件輸入項；THEN為該約束的結(jié)論輸出項。

2 基于交互式遺傳算法的產(chǎn)品配置求解

對于產(chǎn)品配置問題的求解，充分考慮用戶的個性需求，對于汽車的評價，不同的人有不同的看法，主觀性很強，難以量化，因此筆者應用交互式遺傳算法來解決產(chǎn)品配置問題。交互式遺傳算法是將傳統(tǒng)進化計算與人的智能評價有機結(jié)合，是一種解決隱式性能指標優(yōu)化問題的有效方法。交互式遺傳算法需要用戶的評價來實現(xiàn)進化，因此能使用戶積極地參與到產(chǎn)品定制設計中，最大限度地滿足其要求。傳統(tǒng)的交互式遺傳算法流程如圖2所示。

圖2 交互式遺傳算法的流程

欲使用IGA進行產(chǎn)品配置求解，還需要對汽車的各個模塊實例進行編碼，使之成為IGA能夠識別的“基因”。筆者根據(jù)PIC模型用二進制來對汽車操控臺進行編碼。如圖3所示，一條染色體代表一個設計產(chǎn)品，以汽車操控臺為例，總體分為6個部分，分別對應操控臺的5大模塊和顏色模塊，每一部分又進一步根據(jù)PIC模型中P層分為若干基因，每一個基因的二進制代碼均代表一個具體的實例。圖3中中控臺的編碼001001001即代表“第一類GPS導航、DVD音響系統(tǒng)、液晶顯示屏”的實例。

將汽車的各個模塊轉(zhuǎn)變?yōu)镮GA能夠識別的“基因”之后，就可以按照IGA的算法流程對其進行遺傳操作，經(jīng)過進化最終得到用戶滿意的個體。

圖3 基于PIC模型的編碼模式

3 基于PIC模型的操縱臺定制設計系統(tǒng)

3.1 系統(tǒng)的設計原理與結(jié)構(gòu)

筆者提出的基于改進的交互式遺傳算法的汽車操控臺定制設計系統(tǒng)采用3層體系結(jié)構(gòu)，分別為資源層、應用層和用戶層，如圖4所示。

（1）資源層是系統(tǒng)的基礎層，為應用層以及用戶層的各個功能的實現(xiàn)提供基礎的數(shù)據(jù)和參考。資源層建立在包括硬件平臺、數(shù)據(jù)庫、PDM和網(wǎng)絡等基礎設施上，通過數(shù)據(jù)庫服務器與應用層的各個客戶端連接。資源層的數(shù)據(jù)涵蓋了基于改進的交互式遺傳算法的汽車操控臺定制設計系統(tǒng)所需要的所有數(shù)據(jù)，包括產(chǎn)品實例庫、三維信息庫、拓撲信息庫和配置約束庫等。

圖4 基于PIC模型的汽車操縱臺定制設計系統(tǒng)

（2）應用層是系統(tǒng)的核心層，由配置知識表示單元、配置知識管理單元，以及產(chǎn)品配置求解單元組成。來自資源層的數(shù)據(jù)首先通過配置知識表示單元轉(zhuǎn)化為基于PIC模型的配置知識，進入到PIC模型數(shù)據(jù)庫，再由配置知識管理單元進行維護。然后產(chǎn)品配置求解單元根據(jù)配置知識，通過與用戶層交互，最終得出配置結(jié)果。每次的配置結(jié)果都會由配置知識管理單元自動添加到PIC模型數(shù)據(jù)庫中，實現(xiàn)數(shù)據(jù)的實時更新。

（3）用戶層是整個系統(tǒng)的關鍵，由客戶、設計人員、系統(tǒng)維護人員和其他人員構(gòu)成。用戶層通過人機交互界面與應用層的應用服務器連接，使得客戶對IGA算法產(chǎn)生的個體進行評價，促使種群進化，最終得出滿意個體。設計人員、系統(tǒng)維護人員和其他人員負責系統(tǒng)的正常運行和對客戶提出的問題進行解答。

3.2 系統(tǒng)的實現(xiàn)

將資源層中的各種數(shù)據(jù)轉(zhuǎn)換為能夠用來配置求解的知識，其過程通過PIC模型來實現(xiàn)。下面針對汽車操控臺，說明PIC模型的實施過程。

（1）汽車操控臺的P層模型。P層實質(zhì)為產(chǎn)品的各個組成部分的模塊化樹狀模型，因此，將汽車操控臺分為5大模塊:方向盤、中控臺、儀表盤、變速桿和空調(diào)出口。然后，每一模塊又進一步向下細分，從而得出模塊化樹狀模型，如圖5所示。每一層級的模塊均有不同的實例與其對應，而每一個實例均有三維信息、裝配信息和拓撲信息，從而引出I層模型。

（2）汽車操控臺的I層模型。I層是P層的實例化，包含P層各個部件的不同實例的三維信息、裝配信息和拓撲信息。以方向盤為例，它的某一個具體實例的三維信息（3Dinfo）如圖6所示，由若干曲線、曲面和基準特征幾何結(jié)構(gòu)組成，能夠描述出該實例模塊的基本空間位置和幾何形狀；拓撲信息（Tinfo）以二維表的形式表示出該實例與上級（操控臺整體）、下級（喇叭按鈕、音量調(diào)節(jié)鍵等）和同級（操控臺）的位置信息；裝配信息（Ainfo）描述該方向盤實例在產(chǎn)品組裝時自身的特征參數(shù)以及對相鄰各模塊（儀表盤）的參數(shù)要求。

圖5 操控臺的P層模型

圖6 I層模型中方向盤的三維信息（3Dinfo）

（3）汽車操控臺的C層模型。C層是對于P層和I層約束信息的提取和整合。操控臺的C層部分約束如表1所示。

表1 操控臺的C層部分約束

圖7為系統(tǒng)的交互界面，左側(cè)可以顯示這一代的個體（每代9個個體），右側(cè)顯示目前最優(yōu)個體和上代最優(yōu)個體以供參考，用戶可以通過該界面來對系統(tǒng)產(chǎn)生的個體進行評價，促使種群進化，最終產(chǎn)生滿意的個體。初始界面上顯示的個體均為2D模式，如果對某一個體感興趣，可以點擊“3D”來查看該個體的3D圖像。在用戶發(fā)現(xiàn)自己滿意的個體時，可以點擊“best”來結(jié)束進化，系統(tǒng)則會自動輸出最優(yōu)個體對應的BOM。

4 結(jié)論

圖7 操控臺定制設計系統(tǒng)交互界面

針對現(xiàn)有的汽車產(chǎn)品大規(guī)模定制中的產(chǎn)品配置方法存在的一些不足，提出一種基于實例推理的PIC模型來進行產(chǎn)品知識的表示，成功地解決了傳統(tǒng)知識表示方法不能很好地表達三維和約束信息的問題，然后采用交互式遺傳算法進行產(chǎn)品配置的求解，使得用戶能夠充分參與到汽車產(chǎn)品的定制設計中，最大限度地滿足其個性需求。最后建立了基于PIC模型的汽車操控臺定制設計系統(tǒng)來對該方法進行驗證。結(jié)果證明該方法能夠較好地實現(xiàn)汽車產(chǎn)品的大規(guī)模定制設計，充分考慮了其三維信息和約束信息，并能夠滿足用戶的個性化需求。

［1］CHIN S，KIM K Y.Facial configuration and BMI based personalized face and upper body modeling for customer－ oriented wearable product design［J］.Computers in Industry，2010，61（6）:559 －575.

［2］RAJI S，LILIEN G L.The total product design concept and an application to the auto market［J］.JournalofProduct Innovation Management， 2012，29（S1）:3－20.

［3］周曉東，鄒國勝，謝潔飛，等.大規(guī)模定制研究綜述［J］.計算機集成制造系統(tǒng)，2003，9（12）:1046－1056.

［4］TSENG H E，CHANG C C，CHANG S H.Applying case－based reasoning for product configuration in mass customization environments［J］.Expert Systems with Applications，2005，29（4）:913 －925.

［5］HONG G，HU L，XUE D，et al.Identification of the optimal product configuration and parameters based on individual customer requirements on performance and costs in one－of－a－kind production［J］.International Journal of Production Research，2008，46（12）:3297－3326.

［6］CHEN Z X，WANG L Y.Adaptable product configuration system based on neural network［J］.International Journal of Production Research，2009，47（18）:5037－5066.

［7］JIANG Z L，SI X Y，LI L，et al.Inventory－shortage driven optimization for product configuration variation［J］.International Journal of Production Research，2011，49（4）:1045 －1060.

［8］ZHU H P，LIU F M，SHAO X Y，et al.Integration of rough set and neural network ensemble to predict the configuration performance of a modular product family［J］.International Journal of Production Research，2010，48（24）:7371 －7393.

［9］YUNES T，ARON I D，HOOKER J N.An integrated solver for optimization problems［J］.Operations Research，2010，58（2）:342 －356.

［10］OSTROSI E，F(xiàn)OUGèRES A J.Optimization of product configuration assisted by fuzzy agents［J］.International Journal on Interactive Design and Manufacturing，2011，5（1）:29 －44.

［11］COLACE F，DE SANTO M，NAPOLETANO P.Product configurator:an ontological approach［C］∥ISDA 2009 －9th International Conference on Intelligent Systems Design and Applications.［S.l.］:［s.n.］，2009:908－912.

［12］LIU C H ，CHEN H C.A novel CBR system for numeric prediction［J］.Information Sciences，2012（185）:178－190.

［13］王生發(fā)，顧新建，郭劍鋒.面向?qū)嵗评淼漠a(chǎn)品設計本體建模研究及應用［J］.機械工程學報，2007，43（3）:112－117.

［14］AHN Y W，AHN H J，PARK S J.Knowledge and case－based reasoning for customization of software processes － a hybrid approach［J］.International Journal of Software Engineering and Knowledge Engineering，2003，13（3）:293 －312.

［15］王新，譚建榮，孫衛(wèi)紅.基于實例的需求產(chǎn)品配置技術(shù)研究［J］.中國機械工程，2006，17（2）:146 －151.

［16］CHENG J Y，CHEN J L.Forecasting the design of eco－products by integrating TRIZ evolution patterns with CBR and simple LCA methods［J］.Expert Systems with Applications，2012，36（9）:2884 －2892.