CN102081648B - 一种支持复杂产品先进制造的案例库系统及方法 - Google Patents

Abstract

一种支持复杂产品先进制造的案例库系统及方法，包括案例学习模块、案例存储模块、案例匹配模块、案例筛选模块、案例重用模块和案例更新模块，其中案例学习模块、案例存储模块、案例更新模块共同实现了系统的机器学习功能，而案例匹配模块、案例筛选模块与案例重用模块实现了系统的机器智能推理功能。应用本发明，不仅避免了用户从零开始进行服务选取和参数调优，使用户工作效率大幅度提高、缩短了复杂产品设计制造周期，而且保证了设计制造质量、降低了失败或缺陷的风险，最终也降低了复杂产品制造全过程的整体成本。

Description

一种支持复杂产品先进制造的案例库系统及方法

技术领域

本发明涉及一种支持复杂产品先进制造的案例库系统及方法，用以提升面向服务的复杂产品先进集成制造系统的高效性、易用性和智能性，属于人工智能(机器智能)和全球化制造领域。

背景技术

随着企业信息化进程的推进与发展，基于“面向服务体系架构”(Service-OrientedArchitecture，SOA)的复杂产品先进集成制造已成为全面提升复杂产品设计、制造水平的重要手段。

然而，通过实践应用发现，基于SOA的复杂产品集成制造在经验积累与知识重用方面缺乏必要的支持，严重影响了设计制造效率与产品质量。这是因为经验知识的积累与重用对复杂产品设计制造过程有着特殊的重要意义：从复杂产品的单次设计制造过程来看，该过程不可能是一蹴而就的，只有在不断尝试中吸取教训、汲取经验、获得知识，才能克服问题、改进不足、提高质量、获得成功；从复杂产品多次设计制造过程来看，后期的设计制造需求往往是前期基础上有目的改进或偏重，此时若能找到一个类似的历史成功案例为参考，在继承其经验知识的基础上进行调整与改进，就能大大缩短生产周期，提高产品成熟度与质量。

目前，在基于SOA的复杂产品先进集成制造中，服务的无状态性决定了系统是“健忘”的，上述过程需要由人工来完成并完全由设计制造人员靠自己的主观来判断。由于其自动化程度低，同时严重受限于人的经验阅历、记忆能力、复杂问题处理能力、主观判断甚至直觉等，影响了复杂产品设计生产效率、降低了产品质量。

发明内容

本发明的技术解决问题是：克服现有系统的不足，提供一种支持复杂产品先进制造的案例库系统及方法，通过对复杂产品设计制造中的成功案例和经验进行自动学习和存储，从而克服了依靠人工而造成的自动化程度低、受限于人的自身能力、主观意识、感情直觉等的限制，其最终效果使得复杂产品的生产效率和产品质量得以提高。

本发明的技术解决方案：以基于SOA的复杂产品先进制造系统为基础，支持复杂产品先进制造的案例库系统由案例学习模块、案例存储模块、案例匹配模块、案例筛选模块、案例重用模块和案例更新模块组成：

案例学习模块，实现对用户在复杂产品设计制造过程中的操作信息的跟踪和记录，经整理抽取后形成案例；

案例存储模块，对案例学习所得的案例条目进行持久化存储，实现对用户操作过程中所产生经验知识的不断积累；

案例匹配模块，针对用户提出的新需求，从案例存储所得的案例积累中查找匹配出相似或相关的条目作为新需求的可能解；

案例筛选模块，根据案例的质量信息和用户需求的侧重点，对案例匹配给出的可能解集合进行筛选形成建议解，把最满足用户需求的案例优先推荐给用户；

案例重用模块，根据用户所选定的中案例筛选得到的建议解向用户推荐服务调用参数，并提供调用测试和结果对比，直至用户满意；

案例更新模块，把用户案例重用的结果反馈并扩充进案例库，并在保证案例典型性的前提下，尽可能减少案例的冗余。

支持复杂产品先进制造的案例库方法，实现步骤如下：

(1)用户A登录复杂产品先进制造系统，根据自己的产品设计或制造需求进行服务查找操作，通过不断尝试选取最能满足其需求的服务和参数，然后调用该服务以得到用户预期希望的返回结果，这是用户可以对相应的服务进行满意度评价；

(2)在用户进行上述操作的同时，本发明系统中案例库模块通过监听并利用旁视快照捕获用户的每一步操作信息，并利用案例描述框架通过对其进行抽取和结构化形成一条或多条新案例(与用户的尝试次数有关)，即完成了案例学习；

(3)之后新案例被递交给案例存储模块，该模块利用Hibernate完成ORM过程，并利用JDBC把ORM所得到的关系模式持久化如Oracle数据库，从而实现了案例的不断积累；

(4)当具有与用户A类似需求的用户B进行服务查找时，本发明系统中的案例匹配模块对B的需求与已有案例进行相似度计算，并选取相似度最高的前20％的案例作为B需求的可能解；

(5)可能解别递交给案例筛选模块，该模块利用A对服务执行情况的评价以及案例自身的一些属性进行加权计算，求出可能解中各案例对用户B需求的整体满意度评分，并选取满意度评分在规定阀值之上的案例为建议解供B参考；

(6)案例重用模块通过人机交互把可能解展现给用户B，并配合B从中选取所需案例进行参考和服务调用，以及对调用结果进行评价反馈；

(7)之后用户反馈被提交到案例更新模块，该模块利用用户B的反馈情况对已有案例进行必要的修改，并利用人机协作策略消除冗余案例。

本发明与现有技术相比的优点在于：

(1)本发明利用机器的存储能力和海量数据分析能力，克服了依靠人工而造成的自动化程度低、受限于人的自身能力、主观意识、感情直觉等的限制。

(2)由于本发明为产品设计制造人员提供决策支持，大大减少了用户服务选取和参数调优的尝试次数，特别是对于缺乏经验的新用户，避免了其完全从零开始进行整个设计制造过程，从而大幅度提高了用户工作效率、缩短了产品设计制造周期。

(3)本发明使新产品设计制造工作尽可能地基于已有成功案例和经验，保证了设计制造质量、降低了失败或缺陷的风险，最终也降低了复杂产品制造全过程的整体成本。

附图说明

图1为本发明支持复杂产品先进制造的案例库系统结构组成图；

图2为本发明中案例学习模块实现过程图；

图3为本发明中案例学习模块中监听线程实现过程图；

图4为本发明中案例描述框架实现示意图；

图5为本发明中案例存储模块实现过程图；

图6为本发明中案例索引组织方式实现过程图；

图7为本发明中案例匹配模块实现过程图；

图8为本发明中的案例筛选模块实现过程图；

图9为本发明中案例重用模块实现过程图；

图10为本发明中案例更新模块实现过程图；

图11为本发明的用户需求提交界面；

图12为本发明的服务检索结果列表；

图13为本发明的服务调用界面；

图14为本发明的服务评价界面；

图15为本发明的基于案例推理的结果列表；

图16为本发明的案例详细信息展现界面；

图17为本发明的案例调用交互界面。

具体实施方式

本发明的系统是以基于SOA的复杂产品先进集成制造系统为基础，但两系统是在目的、功能和原理上均是相互独立的，本发明中案例库系统是对原系统功能和性能的增强与扩充。

本发明的系统结构如图1所示，其主要由案例学习模块、案例存储模块、案例匹配模块、案例筛选模块、案例重用模块和案例更新模块六部分组成，其中案例学习模块、案例存储模块、案例更新模块共同实现了系统的机器学习功能，而案例匹配模块、案例筛选模块与案例重用模块实现了系统的机器智能推理功能，而在两功能间起桥梁作用的案例数据是整个系统运行过程中的中间产物，其作为机器学习的直接产物和机器智能推理的知识来源，对整个系统正常运作有着极为重要的作用。

案例学习模块：本发明的案例学习模块实现方式如图2所示，其运行流程分为三个阶段：案例捕获、信息抽取和案例表示：

(1)在案例捕获阶段，首先用户根据自身的产品设计或制造需求向系统发出服务请求，此时案例学习模块内部的监听线程被触发启动，用于感知和跟踪用户的操作，如图3所示。为了使自己的制造需求得以满足，用户需要从系统返回的列表中选取服务，并针对该服务的输入要求准备相应数据，之后通过调用该服务而得到返回结果。上述过程往往需要重复尝试多次，以获得用户满意的结果。为了支持多用户和多任务，在基于SOA的复杂产品先进集成系统中为上述的每一步用户操作都提供了一个任务队列，监听线程通过对这些任务队列进行监视而感知并跟踪用户的操作过程，同时使用旁视快照技术实时抓取任务队列的镜像，从而实现了在不影响原系统正常运行的情况下自动获取和记录外界用户操作全过程的所有信息。

(2)之后进入信息抽取阶段，其目的是要从上一步所捕获的杂乱信息中获取所需信息，其可进一步分为分解和抽取两个子过程。在分解过程中，首先对案例捕获阶段产生的信息根据事先规定的协议规则和语法说明(其中规定了不同信息之间的分割符、信息表示语法等文本特性)进行解析，分离出指令字、分隔符、关键词和终结符，初步提取出用户信息和时间信息；接着进入抽取过程，利用正则表达式根据分解过程所得到的用户名和时间点在已接收的信息流中匹配(match)出对应的用户操作数据，如用户的需求描述、服务选择、输入输出、效果反馈以及用户身份等具有语义的信息。

(3)在案例表示阶段，对上阶段抽取出的信息进行整理和结构化，形成新案例。其需要以事先制定好的案例描述框架为前提，案例描述框架规定了案例中所需要包含的信息及这些信息的组织方式，如图4所示。案例描述框架的制定要充分考虑案例匹配、案例筛选、案例重用的需要，图4中的案例描述框架包括了问题分类、用户信息、用户需求、服务信息、参数信息、输出结果、服务执行耗时、用户评价等，其确保为之后的案例匹配、筛选和重用提供了足够案例推理依据，比如“用户需求”是为了与用户B的需求进行对比，如果两者相同和相似性很高，则包含在案例中为用户A提供了满意输出的服务对B的参考价值是显而易见的。另外，案例描述框架的组织结构也很重要，图4中充分考虑了推理的方便，把其组织为<问题描述，问题求解，求解效果>三元组，推理时，由问题描述的匹配得到问题求解方法的集合，然后利用求解效果的筛选不断对集合中的问题求解方法进行求精。因此，在案例表示阶段首先对信息抽取的结果进行整理，得到案例描述框架中所需信息的各条目，即问题分类、用户信息、用户需求、服务信息、参数信息、输出结果等；然后对这些条目按照案例描述框架中的组织方式进行结构化，从而形成新案例(用对象形式表示)。

案例存储模块：本发明中的案例存储模块实现方式如图5所示，其目的是为了实现对案例的持久化以及以索引的形式对案例进行高效组织：

(1)首先案例存储模块接收案例学习模块传送过来的新案例(以对象形式表示)；

(2)然后利用Hibernate对象关系映射(Object Relation Mapping，ORM)手段把案例的对象描述转换为关系描述；Hibernate是当前最流行的高性能ORM工具之一，可方便高效地完成案例对象到关系模式的映射转换以及逆转换，比如在案例的对象描述中，一个案例对象中包含有(has a)类别对象、用户对象、服务对象等，且这些对象内部又包含了复杂的结构(比如服务对象中包含服务描述、输入、输出等)；而经过Hibernate的ORM转换后，一个案例对象对应案例关系表中的一行，其中不再直接记录类别详情、用户详情、服务详情等，而仅仅是包含一个指向类别关系表、用户关系表和服务关系表的外键。经过ORM后，案例对象被转化为关系，从而可以方便高效地存储进目前最为成熟商业关系数据库中(如Oracle等)。

(3)接着利用JDBC数据库连接和操纵工具把案例存入到Oracle关系数据库中。首先JDBC利用Oracle提供的JDBC驱动连接到配置文件所指定的Oracle数据库(配置文件中指定了数据库的位置、端口、名称、用户名和密码等)，接着把要持久化的案例关系表示成SQL语句，其语法形式类似于“insert into CASE_TABLE(ID，USER_ID…)values(356598，56…)”，然后开启事务以保证持久化后数据的一致性，最后通过执行SQL语句和事务提交实现案例存储。

(4)最后对案例进行索引组织。对案例进行索引组织的实现方式如图6所示，其过程分为索引建立和索引利用两方面。在索引建立过程中，首先以离线的方式从案例库中取出案例表示，接着案例表示中的各节点进行处理，如果是文本节点则对其进行切词，把所切得关键词放入索引列表中形成“倒排索引”，同时记录下每个关键词出现的频率及位置。在索引利用过程中，首先用户提出自己的需求，接着对用户需求表示中的各节点进行处理，找到其中的文本节点并进行切词，利用所得到的关键词在倒排索引中进行匹配计算，其结果是两者文本间的相似度。最后根据文本相似度由大到小选取前20％的案例，并取出这些案例的值节点，使其与用户需求描述中对应值节点进行比较，从而实现对所需案例的快速定位与访问。

案例匹配模块：本发明中的案例匹配模块实现方式如图7所示，其核心是匹配算法的设计，本发明在TF-IDF基础上结合案例描述框架特点设计实现了针对复杂产品领域的相似度匹配算法，具体为：

(1)依据前述的案例描述框架，把用户需求结构化为与问题描述一致的树结构。该过程分三步，首先对用户直接提交的查询条件进行收集，一般来说用户直接提交的信息包括问题分类、用户需求、指标偏重，直接对其进行整理即可；然后需要对用户自身信息进行挖掘，利用系统记录的登录用户ID直接从数据库中读取用户的详细信息；最后把前两步所获得的信息按照案例描述框架中问题描述子树的组织形式进行结构化，形成用户需求对象表示。

(2)在(1)的基础上，计算用户需求树与案例库中每条案例的问题描述子树间对应节点的相异度。假设N_i、n_i分别是用户需求描述树N与案例问题描述子树n第i个对应位置的节点值，则它们之间的差异程度(相异度)即为N_i、n_i间的差值：

由于N_i、n_i的类型可能不是数值，此时不能直接做减法运算，因此式中用符号表示。

根据N_i、n_i的不同类型，分为以下几种情况：

1.若N_i、n_i为值类型，则

2.若N_i、n_i为布尔类型，则l_i＝(n_i^N_i)＝＝true？1:0；

3.若N_i、n_i为文本类型，则l_i＝1-sim(n_i，N_i)，其中sim(n_i，N_i)为N_i、n_i间的文本相似度，可采用经典TF-IDF算法来计算，即通过统计关键词在语料元素中出现的次数(词频，TF)和在语料库中出现的频率(逆向文件频率，IDF)确定文本相似程度，且文本相似度与TF成正比，与IDF成反比(注：TF-IDF算法并非本发明之成果，其细节请参考相关资料)。

(3)然后，在计算出了每个节点N_i、n_i的相似度基础上，对树N与树n的整体相似度进行计算，其计算公式为：

$L_j=\underset{i=1}{\overset{7}{\mathrm{\&Sigma;}}}[w_i\&times;(1-l_i)]$

其中w_i为节点i在树中的重要性权重，其计算方法为：

w_i＝w_self×w_parent

w_self为该节点在兄弟节点中的重要性权重，w_parent为其父节点在树中的重要性权重，其数值应由领域专家依据经验或通过不断尝试来确定。

(4)最后，针对所有案例计算出各自的相似度后，按照从大到小的顺序对结果进行排序，选取相似度最大的前20％的案例作为案例检索的结果，即：

F({L})＝{L_j|L_j≥L_20％}

由于随着用户的不断使用和案例库的不断积累，案例的数目会逐渐庞大，为了保证排序的效率，这里的排序过程应选用快速排序算法，其时间复杂度为O(nlogn)。

案例筛选模块：本发明中的案例筛选模块通过对案例的服务质量(Quality ofServices，QoS)进行分析和计算，通过静态加权算法求出案例的整体满意度评分，并依据分值的大小进行案例筛选，具体实现如图8所示：

(1)初始化待筛选队列，从案例匹配模块接收可能解及相应的整体相似度评分；

(2)针对队列中的可能解，根据其QoS计算案例的整体满意度评分。案例匹配仅从案例问题描述与用户需求间的相似程度出发，它并未考虑案例的QoS信息。然而，从用户角度出发，用户自然希望获得质量最好的问题求解方案，因此需要对案例匹配结果进行QoS筛选并排序，把质量最好的案例已较高的优先级推荐给用户。这里的筛选依据就是案例整体满意度评分，其计算方法为：

$S=[L_j+\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}(e_i\&times;w_{e_i})]/2$

其中L_j即为上一步中计算的相似度评分，而e_i是案例QoS效果中的第i个指标项，其包括案例的所属领域、服务发布者信息、服务执行耗时、服务被执行次数、用户对服务匹配度评价、用户对服务执行结果评价、用户整体满意度评价等；而

是e_i在全部指标项中所占有的权重，由领域专家依据经验和试验来确定。

(3)计算出可能解的整体满意度评分后就可以根据评分情况进行筛选，得出建议解。其筛选策略就是对照事先制定的满意度阀值，舍弃满意度评分在阀值之下的案例，而筛选出整体满意度在阀值之上的案例作为该模块最终输出，即建议解，用数学语言描述为：

F({S})＝{S_j|S_j≥S_Threshold}

其中S_Threshold即为满意度阀值，其值由用户根据自己的习惯和偏好自行设定，并可由用户在需要时自行调整，因此上述筛选结果能够很好地满足不同用户的习题，提供较好的使用体验。

案例重用模块：本发明中的案例重用模块实现方式如图9所示：

(1)接收案例筛选模块传送来的建议解案例集合；

(2)提供人机交互界面，向用户推荐建议解及相关摘要供选择决策。该界面为用户展现一个建议解列表，列表中的推荐案例按照其整体满意度评分从大到小排列，以帮助用户快速定位整体匹配和性能最优的案例。对于列表中的每一条推荐案例给出基本信息摘要和查看详情的入口链接。基本信息摘要包括请求摘要、服务描述摘要、案例创建者、案例整体满意度评分、与需求匹配的相似度等。而通过查看详情的入口链接，用户可以获得该案例在案例描述框架中规定的全部信息；

(3)一旦用户选定了某条推荐案例后，交互则进入参数推荐页面。在参数推荐页面，向用户展现了形成该案例过程中用户所使用的历史参数、对应参数的返回结果以及对应的用户历史评价，这些信息中蕴含了丰富历史经验，当前用户可以直接利用这些宝贵的经验，也可在这些经验的基础上按照自己的需求进行改进；

(4)当用户希望对案例进行调用，则进入案例调用页面，向用户提供服务调用的人机接口和交互界面，用户通过该界面输入自己的服务参数和数据，然后通过点击“调用”按钮由后台实现服务的调用和结果返回工作。后台实现服务调用的流程如下：首先接收用户提交的输入并缓存；接着对服务的WSDL(Web Services Description Language)文件进行解析，提取出服务所规定的服务输入输出结构及类型、SOAP(Simple ObjectAccess Protocol)通信报文语法规则、服务所在地址等；接着，把缓存的用户输入按照服务输入结构和SOAP语法组装成SOAP报文；然后，根据服务所在地址向服务发送通信请求，并传送所组装的SOAP报文；最后接收服务返回的SOAP报文，并根据WSDL中的服务输出结构及类型规定和SOAP语法对报文进行拆包，提取中用户所需要的服务返回结果；

(5)在用户调用了案例后，则进入结果对比页面，根据用户的调用参数把该案例的相关历史调用结果与当前结果进行对比，对与两结果相差较大的输出项向用户发出提示信息；

(6)之后进入用户反馈处理环节，该过程分为三种情况：

a.如果用户对案例调用结果满意，则案例重用完成；

b.如果用户对案例调用结果不满意，希望通过调整输入参数重新尝试，则重复步骤c；

c.如果用户对案例本身不满意，希望选择其它案例重新尝试，则重复步骤b；

(7)把用户对案例的反馈情况发送给案例更新模块，该模块的执行流程结束。

案例更新模块：本发明中的案例更新模块实现过程分为两个相对独立但又彼此联系的流程，即反馈更新和演化更新：

(1)反馈更新是在案例重用完成时根据用户的反馈对案例进行的更新，主要通过用户的反馈来调整案例的QoS值，其基本思想是利用统计学理论对大量用户的评价进行汇总，使得案例的QoS更客观更能反映案例的质量。为了便于理解这一过程，这里举例说明：假设存在两个服务SA和SB，其功能都是为了实现流体摩擦计算，但其计算精度或执行耗时均不相同，SA的精度为百分之一而SB为十万分之一，SA执行耗时5s而SB耗时50分钟。SA、SB部署上线后，假设用户UA是第一位使用者，其需求对精度的要为十分之一，则SA完全满足UA的需求，且又因SA执行耗时短，因此在此次形成的案例中SA的QoS质量要比SB高很多。但显然这种评价是十分不全面的，所以就需要其他用户从不同的需求出发对SA、SB做出评价反馈，并利用这些反馈对之前的QoS做出修正。修正算法采用加权平均算法，其公式为：

$Q=\frac{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}(Q_i\&times;w_i)}{\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{w}_i}$

其中Q_i为第i位用户的QoS评价，w_i为该用户的权重，该权重与用户的领域、方向、经验、成绩等因素相关，由专家组评定给出。

(2)演化更新是为了消除案例库中的冗余案例而进行的。随着案例库的运行，不断有新案例添加进来以适应系统的新需求，如果无条件地对案例进行保留，将会导致案例库体积膨胀、运行效率降低，检索成本增加。因此需要在保证案例典型性的前提下，尽可能得减少案例的冗余。由于案例冗余的判断需要深厚的领域专家知识，因此这一过程完全让机器自动进行难度较大，且质量得不到有效保证。这里采取人机合作的方式进行，其过程可总结为“机器海选，专家决策”，如图10所示，即通过案例冗余自动筛选引擎(其核心是之前介绍的案例匹配算法)自动从案例库中筛选出最可能存在冗余的案例，然后由领域专家最终决定，如果确实存在冗余则选取最具有代表性的案例予以保留。同时，领域专家也可根据需要，利用自己的专家知识对保留案例进行修改，使案例质量更好、参考价值更高。这样不仅实现案例保留过程，而且还从一定程度上对案例库进行了维护和优化。

为了更好地理解本发明的工作原理与流程，同时也为了说明本发明的功效与优点，这里结合复杂产品设计制造中一则实施例，对本发明系统的工作过程和使用方法进行简要阐述。

选取导弹(如果“导弹”是敏感词的话可以换成“某复杂产品”)设计中射程估算环节作为实施例，在该环节中用户希望使用一个恰当的服务根据预期的产品质量(mass)、发动机推力、有效燃料对该产品的最大射程与发射角做出预估。我们知道在不同技术方案和不同指标侧重(对应了不同的估算算法)下，同样的输入得到的最大射程估算值是不同的，假定这里以追求最远射程为目的，因此评价一个服务的QoS是以其所估算的射程大小来进行的。

实施开始，用户U1登录进入SOA复杂产品先进制造集成系统，根据上述需求进行服务查找，其界面如图11所示。当用户点击搜索后，一方面任务提交到集成系统进行处理，另一方面本发明系统中的案例学习模块被触发启动，监听线程开始监视任务队列并记录下用户的需求信息。之后，集成系统把所检索到的服务以列表形式返回给用户，如图12所示，列表中给出了与需求相匹配的服务，但用户无法知道这些服务的优劣(即QoS)，必需通过逐一尝试调用方能比较得出最佳服务，其调用界面如图13。与此同时，监听线程实时记录下用户服务选取队列、服务调用队列、结果返回队列的快照，为稍后的新案例线程做好数据准备。在用户每次尝试调用服务完成后，可对服务的QoS信息进行评价，其界面如图14所示，评价结果同样会被监听线程捕捉用于形成新案例。至此，用户已经找到了满意的服务并得到了所需的返回结果，案例学习也随之进入信息抽取和案例表示阶段，经过对监听线程所捕获的数据进行抽取和整理形成了新案例。

新案例对象被传送到案例存储模块进行持久化，案例存储模块利用Hibernate把案例对象转换为关系模式，并利用JDBC写入Oracle DBMS，同时对文本字段进行切词建立起倒排索引。至此，已实现了新案例的机器学习过程，之后就可以通过机器案例推理利用该案例为新用户提供决策参考了。

假定新用户U2的需求与U1相同，由于之前用户U1在进行服务搜索过程中形成了大量的案例，因此当U2进行服务查找时本发明中的机器推理过程将会启动。首先案例匹配模块在案例库中进行匹配检索，用户U1所产生的案例和一些其它能够匹配的案例都将被放入可能解集合。案例筛选模块对可能解计算出每条案例的整体满意度评分，由此筛选出建议解集合，并传送给案例重用模块。

如图15所示，案例重用模块以一种友好的方式向用户展现建议解列表。通过列表用户对案例形成时的用户信息、用户需求、服务名、案例整体满意度评分等概要信息一目了然，同时用户可以通过点击“查看详情”查看案例的详细信息，如图16所示。另外，列表利用整体满意度评分从大到小排序，因此用户可以根据需要首先尝试整体QoS相对高的案例，而这样的案例满足用户需求的可能性也相对更大，所以可以有效减少用户的尝试次数和时间，大大提高用户的效率。其中尝试调用的界面如图17所示，可以看出相比于图14多了参数推荐一栏，为用户参数的选取与调节提供指导和参考。

当用户完成案例重用并得到返回数据后，系统会为用户展现一个类似于图15的案例反馈界面，用户根据案例重用的情况对重用过程和服务质量进行评价反馈。案例更新模块利用用户的反馈信息使用前文介绍的修正算法对相应案例的QoS信息进行更新。

至此已完成了本发明系统的一个工作周期，而本发明正式利用无数个这样的工作周期，在用户完成设计制造任务的同时，不仅通过案例学习、案例存储、案例更新的机器学习过程积累了大量的历史用户的成功案例和成功经验，而且通过案例匹配、案例筛选、案例重用的机器推理过程对所积累的海量案例数据进行分析，尽可能得向用户推荐满足其需求且质量优秀的成功案例，使这些成功案例中所蕴含的历史用户的经验和知识得到了充分的利用。这两个由机器自动完成的相辅相成的过程，不仅克服了仅依靠人工而造成的自动化程度低、受限于人的自身能力、主观意识、感情直觉等的限制，也也大大减少了用户服务选取和参数调优的尝试次数，特别是对于缺乏经验的新用户，避免了其完全从零开始进行整个设计制造过程，从而大幅度提高了用户工作效率、缩短了产品设计制造周期。另一方面，该过程使用户的工作尽可能地基于已有成功案例和经验，保证了设计制造质量、降低了失败或缺陷的风险，最终也降低了复杂产品制造全过程的整体成本。

本发明的系统及方法已成功应用于北京航空航天大学“基于语义SOA的复杂产品制造过程信息共享与集成平台”中，在实际运行中其效果得到了平台用户的一致好评。经定量测试评定，在引入本发明的前后，对于经验丰富的复杂产品设计用户其工作效率可以提高2～3倍，而对于缺乏经验的新用户其工作效率可以提高7倍以上，从而通过实践证明了本发明的有效性和实用性。

本发明未详细阐述部分属于本领域公知技术。

Claims (7)

1.一种支持复杂产品先进制造的案例库系统，其特征在于包括：案例学习模块、案例存储模块、案例匹配模块、案例筛选模块、案例重用模块和案例更新模块，其中：

案例学习模块，实现对用户在复杂产品设计制造过程中的操作信息的跟踪和记录，经抽取整理后形成案例；

案例存储模块，对案例学习模块中形成案例学习所得的案例条目进行持久化存储，实现对用户操作过程中所产生经验知识的不断积累，形成案例库；

案例匹配模块，针对用户提出的新需求，从案例存储模块中案例存储所得的案例库中查找匹配出相似或相关的条目作为新需求的可能解；

案例筛选模块，根据案例的质量信息和用户需求的侧重点，对案例匹配模块中案例匹配给出的可能解集合进行筛选形成建议解，把最满足用户需求的案例优先推荐给用户；

案例重用模块，根据用户所选定的案例筛选模块中案例筛选得到的建议解向用户推荐服务调用参数，并提供调用测试和结果对比，直至用户满意；

案例更新模块，把案例重用模块中用户案例重用的结果反馈并扩充进案例存储模块中的案例库，并在保证案例典型性的前提下，减少案例的冗余。

2.根据权利要求1所述的支持复杂产品先进制造的案例库系统，其特征在于：所述案例学习模块分案例捕获、信息抽取和案例表示三个部分：在案例捕获部分，模块内部的监听线程被启动，用于感知和跟踪用户的操作，同时使用旁视快照技术自动获取并记录外界用户操作全过程的所有信息；

之后进入信息抽取部分，需要对案例捕获部分所获得数据对照用户的操作过程进行分解和抽取，从而获得用户需求描述、服务选择、输入输出、效果反馈以及用户身份具有语义的信息描述；

在案例表示部分，对上阶段抽取出的信息进行整理和结构化，形成一条新案例，其中后两个部分的进行需要以事先制定好的案例描述框架为前提，案例描述框架规定了案例中所需要包含的信息及这些信息的组织方式。

3.根据权利要求1所述的支持复杂产品先进制造的案例库系统，其特征在于：所述案例存储模块的实现过程为：

(1)接受案例学习模块传送过来的新案例，该新案例以对象形式描述；

(2)利用Hibernate对象关系映射手段把案例的对象描述转换为关系描述；

(3)利用JDBC数据库连接和操纵工具把案例存入到Oracle关系数据库中；

(4)对案例进行索引组织，对案例进行索引组织实现过程分为索引建立和索引利用两方面，在索引建立过程中，首先以离线的方式从案例库中取出案例表示，然后对案例表示中的各节点进行处理，如果是文本节点则对文本节点进行切词，把所切得的关键词放入索引列表中形成“倒排索引”，同时记录下每个关键词出现的频率及位置；在索引利用过程中，首先用户提出自己的需求，接着对用户需求表示中的各节点进行处理，找到其中的文本节点并进行切词处理，利用所得到的关键词在倒排索引中进行批评计算，初步找出相似度较高的案例，最后利用值节点信息在用户需求描述和初步筛选出的案例间进行比较，从而实现对所需案例的快速定位与访问。

4.根据权利要求1所述的支持复杂产品先进制造的案例库系统，其特征在于：所述案例匹配模块实现过程为：

(1)依据案例描述框架把用户需求结构化为与案例表示中需求描述一致的树结构；

(2)对用户需求和案例表示树中的对应节点计算相异度；

(3)考虑节点自身的权重，对上述计算结果进行加权计算，得到用户需求和案例表示树间的整体相似度；

(4)根据整体相似度对案例进行排序；

(5)选取整体相似度最大的前20％的案例作为该模块的最终输出，即可能解。

5.根据权利要求1所述的支持复杂产品先进制造的案例库系统，其特征在于：所述案例筛选模块实现如下：

(1)初始化待筛选队列，从案例匹配模块接收可能解及相应的整体相似度评分；

(2)利用加权求和算法依次对案例的服务所属领域、服务发布者信息、服务执行耗时、服务被执行次数、用户对服务匹配度评价、用户对服务执行结果评价、用户整体满意度评价QoS信息迭代计算，求出案例的整体满意度评分；

(3)根据事先制定的满意度阀值，筛选出整体满意度在阀值之上的案例作为该模块的最终输出，即建议解。

6.根据权利要求1所述的支持复杂产品先进制造的案例库系统，其特征在于：所述案例重用模块实现如下：

(1)接收案例筛选模块传送来的建议解案例集合；

(2)提供人机交互界面，向用户推荐建议解及相关摘要供用户选择决策；

(3)一旦用户选择了某条案例，则进入参数推荐页面，把该案例历史最佳参数推荐给用户，供用户参考；

(4)当用户希望对案例进行调用，则进入案例调用页面，向用户提供服务调用的人机接口和交互界面；

(5)在用户调用了案例后，则进入结果对比页面，根据用户的调用参数把该案例的相关历史调用结果与当前结果进行对比，对于两结果相差较大的输出项向用户发出提示信息；

(6)之后进入用户反馈处理环节，该过程分为三种情况：

a.如果用户对案例调用结果满意，则案例重用完成；

b.如果用户对案例调用结果不满意，希望通过调整输入参数重新尝试，则重复步骤(3)；

c.如果用户对案例本身不满意，希望选择其它案例重新尝试，则重复步骤(2)；

(7)把用户对案例的反馈情况发送给案例更新模块，该模块的执行流程结束。

7.一种支持复杂产品先进制造的案例库方法，其特征在于实现步骤如下：

(1)用户A登录复杂产品先进制造系统，根据自己的产品设计或制造需求进行服务查找操作，通过不断尝试选取最能满足其需求的服务和参数，然后调用该服务以得到用户预期希望的返回结果，这是用户可以对相应的服务进行满意度评价；

(2)在用户进行上述操作的同时，本发明系统中案例库模块通过监听并利用旁视快照捕获用户的每一步操作信息，并利用案例描述框架通过对其进行抽取和结构化形成一条或多条新案例，即完成了案例学习；

(3)之后新案例被递交给案例存储模块，该模块利用Hibernate完成ORM过程，并利用JDBC把ORM所得到的关系模式持久化Oracle数据库，从而实现了案例的不断积累；

(4)当具有与用户A类似需求的用户B进行服务查找时，本发明系统中的案例匹配模块对B的需求与已有案例进行相似度计算，并选取相似度最高的前20％的案例作为B需求的可能解；

(5)可能解被递交给案例筛选模块，该模块利用A对服务执行情况的评价以及案例自身的一些属性进行加权计算，求出可能解中各案例对用户B需求的整体满意度评分，并选取满意度评分在规定阀值之上的案例为建议解供B参考；

(6)案例重用模块通过人机交互把可能解展现给用户B，并配合B从中选取所需案例进行参考和服务调用，以及对调用结果进行评价反馈；

(7)用户反馈被提交到案例更新模块，该模块利用用户B的反馈情况对已有案例进行必要的修改，并利用人机协作策略消除冗余案例。

Images