发明内容
本发明的目的在于克服现有技术的不足,提供一种基于本体的计算机拆卸回收方法。创新性地提出一种计算机回收方法,该方法利用本体技术,建立面向计算机回收的可共同理解、相互操作的产品信息模型,并将其有效地集成到产品拆卸与回收过程中去,同时与决策系统相结合从而实现对整个计算机的回收过程。
本发明是通过以下技术方案来实现的:
一种基于本体的计算机拆卸回收方法,其特征是,包括拆卸回收的预判模型、基于案例推理的拆卸回收模型、本体语义处理模块、辅助决策模块和综合决策模块,
所述拆卸回收预判模型用来确定回收来的计算机是否具备翻新重用的可能,如是,则进入翻新再出售工序流程;如否,则正式进入回收拆卸进程;
所述基于案例推理的拆卸回收模型,利用查询历史回收方法或案例,通过对比当前具体实情,进行相似度计算,确定历史案例中与待拆卸产品相似度最大的案例作为产品的目标拆卸方案输出;如果相似度计算令设计者不满意,可经后续流程继续处理,得出方案后,将此案例更新至案例库;
所述本体语义处理模块包括:计算机信息获取模块、计算机拆卸回收的本体模型、本体实例生成模块、基于本体的智能推断决策模块;
所述辅助决策模块,包括回收技术性评估模块、回收经济性评估模块、环境评估模块;
回收的计算机通过所述拆卸回收的预判模型、所述基于案例推理的拆卸回收模型、所述本体语义处理模块、所述辅助决策模块和所述综合决策模块,形成最终拆卸回收方法与方案。
进一步,所述计算机信息获取模块是指通过RFID技术,快速便捷地把回收计算机的所有信息传输到上层信息综合处理平台,以便后续本体模型处理;
所述计算机拆卸回收本体模型,是在计算机领域运用本体技术建立起面向计算机的元件构造,组成,安装以及其各部分连接、可选回收方案等的综合模型;
所述本体实例生产模块,主要利用本体映射技术以及对分散异构的计算机信息与数据的集成,通过本体模型,生成本体实例,从而便于后续其余模块的处理;
所述基于本体的智能推断决策模块,主要包括基于本体的解析技术、查询技术、推理技术,通过上述技术,能够实现对本体实例的智能化语义化处理。
进一步,所述辅助决策模块包括技术性评估模块,所述技术性评估模块是用于评估计算机拆卸回收过程中的技术性指标,并通过此模块给出技术性评估指数作为后续综合决策的参考依据。
进一步,所述辅助决策模块包括经济性评估模块,所述经济性评估模块是用于评估计算机拆卸回收过程中的经济性指标,并通过此模块给出经济性评估指数作为后续综合决策的参考依据。
进一步,所述辅助决策模块包括环境评估模块,所述环境评估模块是用于评估计算机拆卸回收过程中的对环境性产生的影响,并通过此模块给出回收过程中环境评估指数作为后续综合决策的参考依据。
本发明“基于本体的”的描述是本体论的一种概念。“本体论”是对概念化进行精确描述的理论,用于描述事物的本质。在实现上,是概念化的详细说明,一个本体往往就是一个正式的词汇表,其核心作用就在于定义某一领域或领域内的专业词汇以及他们之间的关系。这一系列的基本概念如同一座大厦工程的基石,为交流各方提供了一个统一的认识。在这一系列概念的支持下,知识的搜索、积累和共享的效率将大大提高,真正意义上的知识重用和共享也成为可能。
本发明一种基于本体的计算机拆卸回收方法的积极效果是:
(1)利用本体论构建计算机回收模型,对计算机回收信息进行统一的定义,实现回收信息在回收过程所涉及的各个领域、各个回收部门和各个回收环节之间的相互理解、相互操作、相互共享,便于实现相关回收信息的异构集成,且基于本体的计算机回收信息模型可为产品回收提供全程的信息支持。
(2)利用本体论构建了计算机拆卸模型本体,对计算机拓扑结构、连接件间的关系、拆卸活动及拆卸算法等进行语义描述,使之更好地被机器理解,有效地提高了拆卸分析效率,为计算机的拆卸分析提供一种新的方法。
(3)将基于本体论及CBR方法引入到产品回收拆卸回收方案的检索中,通过检索案例库中同类产品而得到类似的回收拆卸方案,提高了计算机回收拆卸分析的效率,对于解决信息不确定或不完整的产品的拆卸方案非常有效,并有利于知识的共享与重用。
(4)将拆卸回收技术性、拆卸回收经济性、拆卸回收环保性等评价模块集成到产品回收方案的决策中,使计算机回收决策更加全面和科学,并使产品在回收阶段能真正地体现操作便捷、经济合理、实施环保的设计理念。
具体实施方式
以下提供本发明一种基于本体的计算机拆卸回收方法的具体实施方式。
参见附图1,通过各种回收方式得到的废旧计算机,首先经过拆卸回收的预判模型。该模型提供了一种回收的预判机制,对回收来的计算机进行首次回收的分类。具体的模型与预判机制如附图2所示。首先确定整台计算机是否能够翻新,如果能够翻新,则进入翻新流程,采用翻新工程对计算机进行翻新,翻新完成后进入市场环境再进行销售;如果不能翻新,则进入后续正式回收步骤,采用基于案例推理的回收模型对其进行处理。
基于案例推理的回收模型,包括对计算机拆卸回收信息的初步获取、拆卸回收案例库、案例推理、相似度计算、匹配判断几个部分组成。具体流程如附图3所示,首先对回收预判模型无法处理的计算机进行拆卸回收信息的初步获取,通过拆卸回收案例库,对其进行推理,从而计算出拆卸属性、回收属性的相似度。给定相似度一个阈值,如果大于这个阈值,则说明以往的方案能够在此重用,于是输出拆卸回收方案;否则就进入本体语义处理模型进行更深一步的复杂处理。
本体语义处理模块,其具体包括:计算机信息获取模块、计算机拆卸回收的本体模型、本体实例生成模块、基于本体的智能推断决策模块。
所述计算机信息获取模块,具体就是通过RFID读写器,对贴在回收计算机各个部分的RFID标签进行扫描,以获取计算机相关信息,并把其传输到上层信息处理平台,用于后续本体处理。
计算机拆卸回收的本体模型是整个方法的核心部分。就层次上,该本体分为4个层次,具体层次如附图4所示,即产品层、装配层、组件层、零件层;就内容上,该本体包括拆卸回收产品的特征,具体如附图5所示,即名称、型号、层次等级、材料、几何特性、连接方式、拆卸活动、父子关系等。综合上述两点建立的本体模型。本体模型核心体现在本体类的建立于本体属性的建立两个方面。
在本体类方面,具体模型关系如附图6所示,本体模型分为4层,顶层类为计算机,改类包括主机和外设两个大类。主机类部分包括存储器类、驱动器类、主板类、CPU类、接口卡类、电源类;其中存储器又包括内存类和硬盘类;驱动器类包括软驱类和光驱类;接口卡类包括网卡类、声卡类、电视卡类等;外设部子类分包括键盘、鼠标、显示器等类。
在本体属性方面,具体内容如下表所示,建立的属性类型为数据属性,分别为名称(Name)、型号(Type)、层次等级(Level)、材料(Material)、几何特性(Geometry)、连接方式(Fastenings)、拆卸活动(Action)、继承关系(Paternity)等。通过对属性作用范围的限定从而赋予它们至相应的类中,实现类的属性化。
继承关系 |
Paternity |
拆卸关系 |
Action |
名称 |
Name |
型号 |
Type |
层次等级 |
Level |
材料 |
Material |
几何特征 |
Geometry |
连接方式 |
Fastenings |
计算机回收本体模型的建立,只能为计算机回收提供一个框架,需要引用本体实例生成模块生成具体的本体实例,才能便于后续处理。
所述本体实例生成模块,其功能为通过计算机回收本体模型,利用本体映射以及本体对分散异构数据的集成,生成具体的本体实例,从而提供实例化的具体本体为后续本体智能推断决策模块提供支持。具体内容如附图7所示。根据所建立的本体类模型与本体属性模型,针对具体的计算机回收领域,利用本体对分散异构数据的集成性,通过URL(统一资源定位技术),赋予每个回收计算机本体的父类或其子类相应的属性值。
具体如下:在产品层,赋予计算机类相应的计算机属性,包括计算机型号、计算机名称、计算机总体尺寸、计算机总体质量;
在装配层,赋予计算机主机部分和计算机外设部分相应的主机属性和外设属性。主机属性包括主机与上层类的连结方式、主机的尺寸、主机的重量;外设属性包括外设与上层连结方式、总体总量。
在组件层,赋予存储器、驱动器、接口卡相应的属性。存储器属性包括该类与上层装配层的连结方式、存储器所处层次等级;驱动器属性包括该类与上层装配层的连结方式、驱动器所处层次等级;接口卡属性包括该类与上层装配层的连结方式、接口卡所处层次等级。
在零件层,赋予硬盘、内存、软驱、光驱、电视卡、网卡、声卡、CPU、电源、显示器、键盘、鼠标相应的属性。硬盘属性包括硬盘所处层次等级、硬盘名称、硬盘型号、硬盘重量、硬盘尺寸、硬盘材料、与组件层连结方式、硬盘拆卸方案。其余各个零件属性的具体内容与硬盘属性包含的基本一致,可以此类推,这里不再赘述。
在完成对每个类的具体属性赋予后,需要对属性进行赋值,才能形成完整的本体实例。此处利用URL(统一资源定位技术),对分散的异构的计算机回收资源,包括各种计算机回收资料数据库、文档等,进行基于本体的语义集成,从而完成对相关属性的赋值。至此,一个完整的本体实例建立完成。
所述基于本体的智能推断决策模块,是利用本体查询机制,利用外接推理机与编制的规则,以及用户的潜在需求、结合本体实例,进行推理、分析,从而得出初步推断得来的回收方案。
理论上本体得出的最终回收方案是最优方案,由于实际中还受到很多现实因素的影响,故引进辅助决策模块。
所述辅助决策模块,包括技术性评估模块、经济性评估模块、环境评估模块组成。技术性评估模块主要评估计算机回收方案在真实回收中所用到技术性方案的可行性程度,此处采用技术性评估指数对其进行评估;进行性模块主要估计计算机回收方案在实施过程中的经济实用性,此处采用经济性评估指数进行评估;环境评估模块主要评估计算机回收方案对周围环境与生态状况的影响,此处采用环境评估指数进行评估。通过对上述三个参数的权重的赋予、得到最终的辅助决策指数并以此为评判依据,从而提出最终计算机拆卸回收方法与方案。
以下以联想T168服务器为例,按照附图1流程,详细说明整个方法的运作过程。
回收的计算机:服务器是计算机中常见的种类,也是每年消耗回收量所占比重较大的,故此处以联想T168服务器为例,所述服务器架构简图如图8所示,对显示器1、主板2、CPU3、内存4、接口卡5、电源6、光驱7、硬盘8、键盘9、鼠标10分别进行标号。为了记录和追踪服务器各部件的信息,此处采用RFID技术,给每个部件上贴上RFID标签,以方便后续处理。
拆卸回收的预判模型:当接收到T168服务器时,对其外观、性能、使用时间等参数进行初步的评判与统计,以判断其是否可以进入翻新流程。
其中外观等级分为10级,从1-10,1为最低10为外观最新;性能等级分为10级,从1-10,1为最低,10为最高性能;根据时间参数确定其使用时间,并赋予折旧率相应的参数。以1年、3年、5年为分界线,划分4个区域。1年以下折旧率为9,1-3年折旧率为7、3-5年折旧率为5、5年以上为3。
在完成对参数的定量化分析后,给予外观参数赋予30%的权重,给予性能参数40%的权重,给予折旧率30%的权重。综合三者的数值,若大于预定翻新阈值6,则进入后续翻新流程,进行翻新工程,翻新后再出售;否则进入后续基于案例推理的拆卸回收模型进行处理。
案例推理的拆卸回收模型:首先要对拆卸回收信息进行初步获取,具体就是对联想T168服务器进行RFID标签扫描,以获得此服务器具体型号和各个核心部件的信息。
其次,以服务器品牌lenovo、型号T168为计算机拆卸属性的关键字,对历史案例库进行查询,寻找是否有同品牌同型号服务器的拆卸案例,如有,则直接调出拆卸回收方案;如无,则进一步按照T168服务器其余各个核心部件的信息进行查询,凡是符合某个部件信息的,相似度加1,给定相似度阈值6,累加结果大于此阈值,则说明以往类似的方案能够移植到T168的拆卸回收上,进而输出拆卸回收方案,否则就进入本体语义处理模块进行更深一步的复杂处理。
本体语义处理模块:本体模型事先已经建立完毕并且存放在上位机中。具体模型如图7所示,模型的作用与建立过程前以详述,此处主要结合T168服务器,详述本体模型是如何在本模块中运作并起作用的。
1.标签信息的获取:回收的T168,其每个组成部分都贴有RFID标签。所述RFID标签,其内部存储了所贴部分的详细信息。通过RFID读写器,实现一次扫描,所有T168信息进入含有信息处理功能的上位机。
此处以硬盘为例,说明信息获取的全过程。如图9所示,有关T168硬盘的信息,有硬盘的品牌、型号、材料、尺寸、容量、连接方式、拆卸方法、图片影像等等。其中,品牌型号等小数据量的信息,直接存储在RFID标签中,而大数据量的信息,如图像影像等,则是通过存储在RFID标签中小数据量的URL,指向其存储所在的数据库以备后续调用。
通过RFID手持终端对硬盘上的RFID标签进行扫描,实现硬盘信息由标签到上位机(信息综合处理平台)的转变,以便后续本体处理。
2.本体实例生成:从RFID信息层映射到本体层的过程,即本体实例生成的过程。本体模型由许多的类和属性构成,如图10所示。单无论类和属性的数量多少,从标签信息到本体映射的原理是一致的。此处延承上节所述,以硬盘的标签信息映射到硬盘本体为例,说明整个映射暨本体实例生成过程。
如图10所示,RFID信息层存放着由RFID读写器读取的RFID标签信息,此处存放的均是与T168硬盘相关的信息;本体层存放的是预先建立的本体模型,此处具体为硬盘的本体模型,包含硬盘类以及其相关的属性。
通过protégé owl API 技术,将硬盘各部分的信息,分别从RFID信息层映射到本体层的相关属性中去,原本空的硬盘属性,就含有了具体的内容,于是一个本体实例也就完成。映射完成后,原本分散的、异构的T168相关的信息,通过了本体有效地集成在了一起,而且因为语义映射的关系,具备了语义的属性,能够更加便于后续的推理决策。
3.本体的智能推断决策模块:如图11所示,为本体智能推断决策模块。在信息平台的环境下,含有实例的本体,暨实例化的本体,通过用户需求,结合查询机、推理规则和推理机,完成自动化的决策,得出一系列可行的解决方案。
决策模块:通过本体处理模型,可得到T168服务器的若干个拆卸回收方案,但无法自动辨别出最优方案。故引入辅助决策模块,从技术性、经济性、环境三个方面,对本体处理得到的若干个方案进行评判,以期得到最优方案。
技术性评估指数范围从1到10,主要考虑拆卸回收方法的可操作性,如所用到的工具以及掌握该工具或该拆卸方法的难度。其中1代表技术性最差,10代表技术性最优,最具备可操作性。
经济性评估指数范围从1到10,主要考虑拆卸回收方法的经济成本,如拆卸回收方法所需要设计的人力、物力等的成本问题。其中1代表经济性最差、10代表经济性最优,最具备性价比。
环境指数的范围从1到10,主要考虑拆卸回收方法对环境的影响,如拆卸回收中产生的噪音,废气等。其中1代表对环境污染最大、10代表最环境污染最小,最环保。
在完成对上述3个指数的定量化分析后,给予技术性评估指数赋予50%的权重,给予经济性评估指数30%的权重,给予环境指数20%的权重。综合三者的数值,得到最后的辅助决策指数。该指数最高的回收方法,即为最后的最优的回收方法。
上述内容是对本发明的综合说明,而不应该被理解为对本发明的限制。应当指出,对于本技术领域的普通技术人员,在不脱离本发明构思的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围内。