CN105335528B - 一种基于产品结构的定制产品相似度判断方法 - Google Patents

一种基于产品结构的定制产品相似度判断方法 Download PDF

Info

Publication number
CN105335528B
CN105335528B CN201510887519.0A CN201510887519A CN105335528B CN 105335528 B CN105335528 B CN 105335528B CN 201510887519 A CN201510887519 A CN 201510887519A CN 105335528 B CN105335528 B CN 105335528B
Authority
CN
China
Prior art keywords
product
product structure
matrix
query
target product
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510887519.0A
Other languages
English (en)
Other versions
CN105335528A (zh
Inventor
徐新胜
王诚
朱凡凡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Jiliang University
Original Assignee
China Jiliang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Jiliang University filed Critical China Jiliang University
Priority to CN201510887519.0A priority Critical patent/CN105335528B/zh
Publication of CN105335528A publication Critical patent/CN105335528A/zh
Application granted granted Critical
Publication of CN105335528B publication Critical patent/CN105335528B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于产品结构的定制产品相似度判断方法，涉及大批量定制生产领域，首先，该方法通过邻接矩阵表示产品结构中零部件之间的隶属关系；其次，将代表单个产品结构的零件矩阵进行列向量重组，形成单个产品结构的邻接向量，在此基础上组合目标产品‑查询产品的邻接向量构成库矩阵；然后，基于非负矩阵分解算法对目标产品‑查询产品库矩阵进行分解，实现产品结构的降维；最后，通过计算降维后产品结构的向量之间的距离，判断产品相似度。本发明提供了一种能够减少运算步骤、提高准确度、增强相似度显著性的一种基于产品结构的定制产品相似度判断方法。

Description

一种基于产品结构的定制产品相似度判断方法
技术领域
本发明属于大批量定制生产技术领域，涉及一种设计方法学，具体的说，涉及一种大批量定制生产设计阶段，检索与用户定制产品结构相似的现有产品结构的方法。
背景技术
大批量定制是一种集企业、客户、供应商和环境于一体，在系统思想指导下，用整体优化的观点，充分利用企业已有的各种资源，在标准化技术、现代设计方法学、信息技术和先进制造技术等的支持上，根据客户的个性化需求，以大批量生产的低成本、高质量和高效率提供定制产品和服务的生产方式。
大批量定制的基本思路是，基于相似性原理、重用性原理和全局性原理，将定制产品的生产问题通过产品重组和过程重组转化为或部分转化为批量生产问题，尽可能减少产品的内部多样化，增加产品的外部多样化，实现以大批量生产的低成本、高质量和短交货期向客户提供个性化的定制产品。
大批量定制的关键是识别和利用大量不同产品和过程中的相似性。通过充分识别和挖掘存在于产品和过程中的几何相似性、结构相似性、功能相似性和过程相似性，利用标准化、模块化和系列化等方法减少产品的内部多样化，提高零部件和生成过程的可重用性。
发明内容
为了克服现有技术在实施时运算量大、且计算结果不显著的不足，本发明通过构建目标产品-查询产品库矩阵，运用非负矩阵分解技术，对产品结构的映射空间进行了降维，提供了一种基于产品结构的产品相似度判断方法。
本发明解决其计算问题所采用的技术方案如以下内容：
一种基于产品结构的定制产品相似度判断方法，其特征在于：该方法包括如下步骤：
步骤一：构建产品结构邻接矩阵
用树形表示产品结构时，树的节点表示部件或者零件，树的边表示零部件之间的装配或者隶属关系，边的权重表示单位父件使用子件的数量，产品结构的层次关系和权重用矩阵M 表示
其中，mij表示零部件j作为零部件i的子件时，单位零部件j使用零部件i的个数。
步骤二：构建目标产品-查询产品库矩阵
以列向量描述产品结构邻接矩阵M＝[α1，α2，...，αh]，在此基础上构造邻接向量再将目标产品结构的邻接向量与查询产品结构的邻接向量合并组成目标产品-查询产品库矩阵S＝[βg，β1，....，βn]。
步骤三：目标产品-查询产品库矩阵非负矩阵分解
其中，是目标产品-查询产品库矩阵，基于Multiplicative Updates(MU)算法进行非负矩阵分解表示，Hr×(n+1)包括了目标产品和各查询产品经过非负矩阵分解后降维后的向量表示。
步骤四：产品相似度判断
矩阵Hr×(n+1)表示目标产品结构和查询产品结构通过非负矩阵分解后均可用r维向量表示，计算目标产品结构的向量与各查询产品结构的向量之间的欧氏距离，就可检索出与目标产品结构最相似的查询产品结构，当距离越小时，越相似。
本发明的有益效果表现为：1、目标产品结构和查询产品结构统一到相同空间中，便于计算；2、目标产品结构和查询产品结构的高维矩阵表示利用非负矩阵分解，经过一步运算就可实现统一降维，避免了分别比较、运算的繁琐；3、目标产品结构和查询产品结构降到低维空间，产品结构之间的相似、相异性关系更加显著，计算更加准确、方面。
附图说明
图1是相似度判定算法原理流程。
图2是某系列定制电灯客户定制产品和实例库现有产品的产品结构图。
图3是目标产品结构和查询产品结构降维后在三维空间中的表示。
具体实施方法
下面结合附图进一步描述本发明。
本发明的算法原理流程如图1所示。
以某系列电灯的结构数据为对象，进行说明，如图2所示，图2中D1，D2，D3，D4，D5，D6，D7和D8是查询产品结构，S1是客户定制产品结构，各零部件编码如下表1所示。在接收到客户的需求订单后，设计人员需要从现有的产品(即查询产品)中检索出与客户定制产品最为相似的产品，在其基础上进行重用、修改，便可提高设计生产效率、缩短交货时间。
表1
以目标产品结构S1为例，构建邻接矩阵如下表2所示：
表2
其他查询产品结构的邻接矩阵构建方法类似，在此基础上，得到库矩阵S400×9。
基于Multiplicative Updates(MU)算法实现非负矩阵分解，即将库矩阵S400×9表示成S400×9＝W400×r×Hr×9，原理流程如图1所示。
假设将产品将到3维空间，计算可得矩阵：
分别计算矩阵H中第1列与第2列至第9列的欧氏距离，即为目标产品结构与查询产品结构的相似度，结果如表3所示。根据定义，距离越小表示越相似。
表3
本发明不但算过程简化、结果更为合理，而且相似度计算结果的显著性更明显。
上述将目标产品结构和查询产品统一映射到三维空间中，如图3所示。
实点表示目标产品结构S1，该点的坐标(0.1174，0.0032，0.1264)即上述计算所得H矩阵的第1列，其余查询产品Di的坐标以此类推。
图3中目标产品结构和查询产品结构的相似度(即欧氏距离)非常显著，不仅可以判断出D1与目标产品结构最相似，D6、D7和D8与其相差较大，而且可以发现D3、D4和D5的产品结构很相近。

Claims (1)

1.一种基于产品结构的定制产品相似度判断方法，其特征在于：该方法包括如下步骤：
步骤一：构建产品结构邻接矩阵
用树形表示产品结构时，树的节点表示零部件，树的边表示零部件之间的装配隶属关系，边的权重表示单位父件使用子件的数量，产品结构的层次关系和权重用矩阵M表示
其中，mij表示零部件j作为零部件i的子件时，单位零部件j使用零部件i的个数；
步骤二：构建目标产品-查询产品库矩阵
以列向量描述产品结构邻接矩阵M＝[α1，α2，...，αh]，在此基础上构造邻接向量再将目标产品结构的邻接向量与查询产品结构的邻接向量合并组成目标产品-查询产品库矩阵S＝[βg，β1，....，βn]；
步骤三：目标产品-查询产品库矩阵非负矩阵分解
其中，是目标产品-查询产品库矩阵，基于Multiplicative Updates算法进行非负矩阵分解表示，Hr×(n+1)包括了目标产品和各查询产品经过非负矩阵分解后降维后的向量表示；
步骤四：产品相似度判断
矩阵Hr×(n+1)表示目标产品结构和查询产品结构通过非负矩阵分解后均用r维向量表示，计算目标产品结构的向量与各查询产品结构的向量之间的欧氏距离，检索出与目标产品结构最相似的查询产品结构，距离越小时表示相比较两者越相似。
CN201510887519.0A 2015-12-01 2015-12-01 一种基于产品结构的定制产品相似度判断方法 Active CN105335528B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510887519.0A CN105335528B (zh) 2015-12-01 2015-12-01 一种基于产品结构的定制产品相似度判断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510887519.0A CN105335528B (zh) 2015-12-01 2015-12-01 一种基于产品结构的定制产品相似度判断方法

Publications (2)

Publication Number Publication Date
CN105335528A CN105335528A (zh) 2016-02-17
CN105335528B true CN105335528B (zh) 2019-03-19

Family

ID=55286055

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510887519.0A Active CN105335528B (zh) 2015-12-01 2015-12-01 一种基于产品结构的定制产品相似度判断方法

Country Status (1)

Country Link
CN (1) CN105335528B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107145631B (zh) * 2017-04-06 2019-06-14 浙江大学 一种定制产品非标准件局部结构的分块联动设计方法
CN109242036A (zh) * 2018-09-25 2019-01-18 艾凯克斯（嘉兴）信息科技有限公司 一种基于tf-idf思想计算产品结构相似性的方法
CN111178375B (zh) * 2018-11-13 2024-04-09 北京京东尚科信息技术有限公司 用于生成信息的方法和装置
CN111898343B (zh) * 2020-08-03 2023-07-14 北京师范大学 一种基于短语结构树的相似题目识别方法和系统
CN113361630B (zh) * 2021-06-25 2022-06-14 成都飞机工业（集团）有限责任公司 一种基于曲面特征对比的零件异同自动识别方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101853239A (zh) * 2010-05-06 2010-10-06 复旦大学 一种用于聚类的基于非负矩阵分解的降维方法
CN102087679A (zh) * 2011-03-02 2011-06-08 电子科技大学 一种基于构件技术的产品建模方法
CN102270241A (zh) * 2011-08-16 2011-12-07 浙江大学 基于稀疏非负矩阵分解的图像检索方法
CN104361436A (zh) * 2014-10-30 2015-02-18 南京航空航天大学 基于立体bom结构的工程变更信息传递装置及其方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101853239A (zh) * 2010-05-06 2010-10-06 复旦大学 一种用于聚类的基于非负矩阵分解的降维方法
CN102087679A (zh) * 2011-03-02 2011-06-08 电子科技大学 一种基于构件技术的产品建模方法
CN102270241A (zh) * 2011-08-16 2011-12-07 浙江大学 基于稀疏非负矩阵分解的图像检索方法
CN104361436A (zh) * 2014-10-30 2015-02-18 南京航空航天大学 基于立体bom结构的工程变更信息传递装置及其方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Product structure (BOM)-based product similarity measures using orthogonal procrustes approach;Han M. Shih;《Computers & Industrial Engineering》;20111031;第61卷(第3期);608-628
产品结构和配置管理研究;张晓冬;《中国优秀硕士学位论文全文数据库 信息科技辑》;20071115(第05期);I138-1375
产品结构相似度量方法;丘宏俊 等;《计算机工程》;20100531;第36卷(第9期);274-276
基于数据挖掘的通用物料清单重构方法研究;朱海平 等;《计算机集成制造系统》;20080229;第14卷(第2期);315-320，385
非负矩阵分解算法的改进及应用;蒋娇娇;《中国优秀硕士学位论文全文数据库 信息科技辑》;20111015(第10期);I138-744
非负矩阵分解算法综述;李乐 等;《电子学报》;20080430;第36卷(第4期);737-743

Also Published As

Publication number Publication date
CN105335528A (zh) 2016-02-17

Similar Documents

Publication Publication Date Title
CN105335528B (zh) 一种基于产品结构的定制产品相似度判断方法
Acun et al. Understanding training efficiency of deep learning recommendation models at scale
CN103491187B (zh) 一种基于云计算的大数据统一分析处理方法
Zhao et al. Modeling MongoDB with relational model
US9600554B2 (en) Interpreting relational database statements using a virtual multidimensional data model
CN102521386B (zh) 基于集群存储的空间元数据分组方法
CN102768703B (zh) 基于树图模型的水轮发电机组虚拟装配建模方法和系统
CN104361436B (zh) 基于立体bom结构的工程变更信息传递装置及其方法
US20200125960A1 (en) Small-world nets for fast neural network training and execution
CN104199986A (zh) 基于hbase和geohash的矢量数据空间索引方法
CN104699698A (zh) 基于海量数据的图查询处理方法
CN106055652A (zh) 一种基于模式和实例的数据库匹配方法及系统
CN108491628A (zh) 产品设计需求驱动的三维cad装配模型聚类及检索方法
CN104378371A (zh) 基于MapReduce并行AP聚类的网络入侵检测方法
CN112732932A (zh) 一种基于知识图谱嵌入的用户实体群组推荐方法
CN105608228A (zh) 一种高效的分布式的rdf数据存储方法
CN102902742A (zh) 一种云环境下的空间数据划分方法
CN104951565B (zh) 一种基于内存数据库的xml配置维护方法及系统
CN107436969A (zh) 一种基于遗传算法的三维多目标定位方法
CN104239470A (zh) 一种面向分布式环境的空间数据复合处理系统和方法
CN102136007A (zh) 基于小世界特性的工程信息组织方法
CN107515863A (zh) 一种基于分布式数据库的sdn集群实现的方法及系统
CN104462705A (zh) 一种基于微粒群算法的夹具装配序列规划方法
Yue et al. Parallel k-medoids++ spatial clustering algorithm based on mapreduce
CN116796007B (zh) 目标知识图谱嵌入方法、其装置及电子设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant