CN108876116B - 一种面向制造技术优化的制造效应知识推荐方法 - Google Patents
一种面向制造技术优化的制造效应知识推荐方法 Download PDFInfo
- Publication number
- CN108876116B CN108876116B CN201810538241.XA CN201810538241A CN108876116B CN 108876116 B CN108876116 B CN 108876116B CN 201810538241 A CN201810538241 A CN 201810538241A CN 108876116 B CN108876116 B CN 108876116B
- Authority
- CN
- China
- Prior art keywords
- manufacturing technology
- manufacturing
- optimization
- effect
- elements
- 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
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 172
- 238000005516 engineering process Methods 0.000 title claims abstract description 115
- 230000000694 effects Effects 0.000 title claims abstract description 99
- 238000005457 optimization Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 35
- 230000001364 causal effect Effects 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 9
- 230000003247 decreasing effect Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 2
- 238000005520 cutting process Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000010008 shearing Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000005299 abrasion Methods 0.000 description 4
- 238000004080 punching Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Manufacturing & Machinery (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向制造技术优化的制造效应知识推荐方法,涉及数字化制造技术领域,通过对制造技术问题的形式化根因分析和对多学科制造效应知识的语义相似性计算,为技术人员量化、精准推荐适用于制造技术优化的多学科制造效应知识。其目的在于降低技术人员工作经验、知识结构、思维定式等因素对制造技术优化活动的影响,提高制造技术问题影响因素分析的准确度,拓展受制于个人知识容量和范围的多学科制造效应知识库,降低多学科制造效应知识人工搜索时的模糊性和随机性,从而达到提升制造技术优化活动效率、提高制造技术优化活动质量的目的。
Description
技术领域
本发明涉及数字化制造技术领域,特别是涉及一种面向制造技术优化的制造效应知识推荐方法。
背景技术
制造业,尤其是先进制造业是关系国家经济命脉和安全的高技术、高集成产业,是一个国家工业、科技水平和综合实力的集中体现。制造技术是制造业得以生存和发展的技术,是将原材料转变为最终产品所需的技术手段的总和。制造技术优化是技术创新的重要组成部分,制造企业通过制造技术优化,能够提高生产效率、降低能源消耗、提升产品质量、降低生产成本,促进新产品制造或产品重大改进。因此,制造技术优化是制造行业和制造企业持续发展的重要推动力。
制造技术优化是指采用现代科学知识,创造新的工艺原理、方法、手段,提高制造能力和效益的创造性实践活动。但是,从目前工艺创新的实践过程来看,其难度较大,实施情况效果不佳、成功率低。其主要原因有两个方面。一是现代制造技术已成为集新材料技术、信息技术、自动化技术等高新技术和电、光、热、磁等不同学科的综合性工程技术,因而制造技术优化活动是一个跨行业、跨学科的十分复杂的系统工程。制造技术优化的实现必须综合应用多学科知识、行业知识以及企业特有知识,要求知识容量大、知识面广、专业知识精深,对技术人员的综合素质要求非常高。二是缺乏对制造技术优化过程的系统化认识,缺乏制造技术优化的结构化方法,致使制造技术优化仍然依赖于少数技术人员的经验和能力,制造技术优化问题的解决很大程度上依赖于一些随机性的方法(如“头脑风暴法”),因此制造技术优化能否成功不仅取决于少数技术人员的个人经验、知识以及思维方式,还往往会浪费大量的人力、物力。因此,制造技术优化迫切需要一种形式化的方法,突破技术人员工作经验、知识结构、思维定式等因素的限制,为技术人员进行多学科制造技术优化知识的快速、精准推荐。
发明内容
本发明实施例提供了一种面向制造技术优化的制造效应知识推荐方法,可以解决现有技术中存在的问题。
本发明提供了一种面向制造技术优化的制造效应知识推荐方法,该方法包括以下步骤:
步骤一,对于确定的制造技术优化目标,将优化目标中的制造技术优化元素及优化方向进行形式化定义;
步骤二,对于制造技术优化元素和优化方向,应用根因分析法分析制造技术形成机制要素及其因果关系和权重,构建制造技术影响因素因果邻接矩阵;
步骤三,将制造技术影响因素因果邻接矩阵转换为制造技术影响因素因果可达矩阵;
步骤四,基于制造技术影响因素因果可达矩阵,确定制造技术问题关键影响因素;
步骤五,基于获得的关键影响因素及其优化方向,将其与多学科效应知识库中的知识采用余弦相似度的方式进行相似性计算;
步骤六,将相似性计算结果进行排序,优选出相似度最高的多学科制造效应知识;
步骤七,将优选出的符合制造技术优化需求的多学科制造效应知识推荐给技术人员。
本发明实施例中的一种面向制造技术优化的制造效应知识推荐方法,通过对制造技术问题的形式化根因分析和对多学科制造效应知识的语义相似性计算,为技术人员量化、精准推荐适用于制造技术优化的多学科制造效应知识。其目的在于降低技术人员工作经验、知识结构、思维定式等因素对制造技术优化活动的影响,提高制造技术问题影响因素分析的准确度,拓展受制于个人知识容量和范围的多学科制造效应知识库,降低多学科制造效应知识人工搜索时的模糊性和随机性,从而达到提升制造技术优化活动效率、提高制造技术优化活动质量的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例面向制造技术优化的制造效应知识推荐方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1,本发明实施例提供了一种面向制造技术优化的制造效应知识推荐方法,该方法包括以下步骤:
步骤一,对于确定的制造技术优化目标,将优化目标中的制造技术优化元素及优化方向进行形式化定义,采用+/-O的形式将制造技术中待优化的制造技术元素和优化方向进行形式化定义。
O:表示制造技术优化元素;+/-表示制造技术优化元素的优化方向,+表示优化元素的优化方向为增加或变好,-表示优化元素的优化方向为减少或变坏。
定义制造技术中的设备参数、工装参数、工具参数、资源参数、切削参数等参数信息为元素。定义制造技术中未达到期望或希望在现有基础上有所改善的元素为制造技术优化元素,期望或改善的方向为优化方向。
具体实施案例如下:
对于一个具体的磨具冲压问题,材料的剪切强度Rm=370KPa,切削应力ka=400KPa,厚度s=5mm,落料的冲裁周边长度ls=600mm。在磨具冲压过程中,通常希望得到的冲压产品的剪切面尽可能光滑,但是冲压产品剪切面越光滑,刀具磨损越快,加工成本也越高;反之,减小冲压产品剪切面的光滑部分,刀具寿命提高,加工成本降低,但产品质量得不到保证。因此磨具冲压过程中存在着剪切面光滑部分高度与刀具磨损之间的技术问题。因此优化元素为切面光滑部分高度和刀具磨损,优化方向为提高切面光滑部分高度、减少刀具磨损,其形式化定义如下表1所示。
表1形式化描述优化目标和优化方向
+/- | O |
+ | 剪切面光滑部分高度 |
- | 刀具磨损 |
步骤二,对于制造技术优化元素和优化方向,应用根因分析法分析制造技术形成机制要素及其因果关系和权重,构建制造技术影响因素因果邻接矩阵。
借助根因分析方法,由制造技术问题的制造技术优化元素得到影响它的上层制造技术元素,进一步分析得到的上层制造技术元素得到影响它的上层制造技术元素,由此层层递推,形成由制造技术优化元素开始的各元间的因果关系和权重。采用OSW形式对其形式化描述,并按照一定的规则进行调整得到调整后的OSW形式的各元素间的因果关系和权重,及各元素对应的附加属性,辅助构建制造技术影响因素因果邻接矩阵。制造技术影响因果邻接矩阵表示制造过程中每列的元素直接对该行每列元素的影响及影响权重。
OSW方式中,O表示具有结果属性的元素(制造技术结果元素);S表示具有原因属性的元素(制造技术原因元素),W表示具有结果属性的元素与具有原因属性的元素之间的影响关系,用权重+/-w表示,具体关系意义为具有原因属性的元素每增加一个单位,具有结果属性的元素增加或减少w个单位。
在OSW形式的因果关系描述中,两元素之间的影响关系用权重+/-w表示:
“+w”:表示具有因果关系的两元素间,具有原因属性的元素每增加一个单位,具有结果属性的元素增加w个单位;
“-w”:表示具有因果关系的两元素间,具有原因属性的元素每增加一个单位,具有结果属性的元素减少w个单位。
将OSW形式的因果关系描述按照一定规则进行调整,得到调整后的OSW形式的形式化描述,具体处理方法如下:
(1)统计OSW形式的因果关系描述中结果列和原因列各有几个不同的元素及其个数,统计结果排序方式为:将只出现在结果列的元素所在的行调整为因果关系描述的第一行,并将该元素附加属性Y1,该元素即为待优化元素,将该元素所在行的原因元素附加属性X1;若待优化元素有p个,则将其所在行从第一行依次向下调整,元素附加属性从Y1依次向下增加至Yp,所在行的原因元素从Xi(i=1)依次向下排列。
(2)将上步操作中的原因元素与OSW形式的因果关系描述中结果列的元素进行匹配,若存在匹配到的元素,则将同样存在于结果列的该元素所在行调整到上步操作中的原因元素所在行的下方;若该元素在结果列中存在多个,则结果列的元素所在行依次调整到上步操作中的原因元素所在行的方。每个元素元素依次进行上述操作。若上步操作中的元素在原始矩阵结果列中匹配不到元素,则进行下一个优化元素匹配。
判断上步操作中进行匹配的原因元素是否已有附加属性,若存在附加属性,进行下步操作;若不存在,将上步操作中进行匹配的原因元素附加属性,只有一个原因元素时,属性为Xp+1,有q个原因因素时,属性分别为Xp+q(q=1,2…,t);
(3)若第2步中存在匹配到的元素,则重复第2步;若第2步中所有的元素在原始矩阵结果列中都匹配不到元素,则结束,并得到调整后的OSW形式的因果关系描述和每个元素对应的附加属性。
本发明中元素间的匹配采用余弦相似度的方式:
两个词语的相似度越高,结果值越接近1。
制造技术影响因素因果邻接矩阵:
其中ai=Yi(i=1,…,p),ai=Xi(i=p+1,…,p+q)。
具体实施案例如下:
根据专家知识、生活经验、历史书籍等,磨具冲压过程间的因果关系有:Fs,max=s·ls·ks、τB≈0.8·Rm、ka≈0.6…0.9Rm,切削应力ka随着剪切间隙宽度u的增加逐渐减小(经验)、最大冲载力Fs,max的增加导致刀具磨损加剧(经验)和剪切间隙宽度u增加会使冲压产品光滑部分减小(经验)。
元素间的权重基于数据公式和经验为:剪切间隙宽度u每增加1mm,冲压产品光滑部分高度减小0.1mm;最大冲载力Fs,max每增加1N,刀具磨损增加0.01mm;剪切间隙宽度u每增加1mm,切削应力ka减小30KPa;剪切强度Rm每增加1KPa,切削应力ka增加0.8KPa;切削应力ka每增加1KPa,最大冲载力Fs,max增加3000N;冲裁周边长度ls每增加1mm,最大冲载力Fs,max增加2000N;材料厚度s每增加1mm,最大冲载力Fs,max增加240000N。
上述制造技术元素间因果关系的OSW形式化描述如下表2所示,按照特定规则进行调整得到调整后的OSW形式化描述,及各元素对应的附加属性分别如下表3和表4所示。
表2 OSW形式化的制造技术因果关系
O | S | W |
冲压产品光滑部分高度 | 剪切间隙宽度u | -0.1 |
刀具磨损 | 最大冲载力F<sub>s,max</sub> | +0.01 |
切削应力k<sub>a</sub> | 剪切间隙宽度u | -30 |
切削应力k<sub>a</sub> | 剪切强度R<sub>m</sub> | +0.8 |
最大冲载力F<sub>s,max</sub> | 切削应力k<sub>a</sub> | +3000 |
最大冲载力Fs,axF<sub>s,max</sub> | 冲裁周边长度l<sub>s</sub> | +2000 |
最大冲载力F<sub>s,max</sub> | 材料厚度s | +240000 |
表3调整后的OSW形式化的制造技术因果关系
表4各元素对应的附加属性
属性 | 元素 | 属性 | 元素 |
Y<sub>1</sub> | 剪切面光滑部分高度 | Y<sub>2</sub> | 刀具磨损 |
X<sub>1</sub> | 切缝间隙宽度u | X<sub>2</sub> | 最大冲载力F<sub>s,max</sub> |
X<sub>3</sub> | 切削应力k<sub>a</sub> | X<sub>4</sub> | 冲裁周边长度l<sub>s</sub> |
X<sub>5</sub> | 材料厚度s | X<sub>6</sub> | 剪切强度R<sub>m</sub> |
调整后的OSW形式化的制造技术因果关系和各元素附件属性辅助构建制造技术影响因素因果邻接矩阵,如表5所示。
表5制造技术影响因素因果邻接矩阵
Y<sub>1</sub> | Y<sub>2</sub> | X<sub>1</sub> | X<sub>2</sub> | X<sub>3</sub> | X<sub>4</sub> | X<sub>5</sub> | X<sub>6</sub> | |
Y<sub>1</sub> | 0 | 0 | -0.1 | 0 | 0 | 0 | 0 | 0 |
Y<sub>2</sub> | 0 | 0 | 0 | +0.01 | 0 | 0 | 0 | 0 |
X<sub>1</sub> | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
X<sub>2</sub> | 0 | 0 | 0 | 0 | +3000 | +2000 | +240000 | 0 |
X<sub>3</sub> | 0 | 0 | -30 | 0 | 0 | o | 0 | +0.8 |
X<sub>4</sub> | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
X<sub>5</sub> | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
X<sub>6</sub> | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
步骤三,通过计算将因果邻接矩阵转换为制造技术影响因素因果可达矩阵。
因果可达矩阵表示制造过程中每行的元素经过一定的元素对该行每列元素的影响及影响权重。制造技术影响因素因果可达矩阵的格式为:
其中bi=Yi(i=1,…,p),bi=Xi(i=p+1,…,p+q)。
将因果邻接矩阵转化为制造技术影响因素可达矩阵根据公式B=AT+(AT)2+…(AT)n。
具体实施案例如下:
根据因果邻接矩阵转化的制造技术影响因素可达矩阵B,如表6所示。
表6制造技术影响因素可达矩阵
Y<sub>1</sub> | Y<sub>2</sub> | X<sub>1</sub> | X<sub>2</sub> | X<sub>3</sub> | X<sub>4</sub> | X<sub>5</sub> | X<sub>6</sub> | |
Y<sub>1</sub> | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
Y<sub>2</sub> | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
X<sub>1</sub> | -0.1 | -900 | 0 | -90000 | -30 | 0 | 0 | 0 |
X<sub>2</sub> | 0 | +0.01 | 0 | 0 | 0 | 0 | 0 | 0 |
X<sub>3</sub> | 0 | +30 | 0 | +3000 | 0 | 0 | 0 | 0 |
X<sub>4</sub> | 0 | +20 | 0 | +2000 | 0 | 0 | 0 | 0 |
X<sub>5</sub> | 0 | +2400 | 0 | +240000 | 0 | 0 | 0 | 0 |
X<sub>6</sub> | 0 | +24 | 0 | +2400 | +0.8 | 0 | 0 | 0 |
步骤四,基于制造技术影响因素因果可达矩阵,计算并发现制造技术问题关键影响因素。
定义关键影响因素为当调整关键影响因素时,制造过程中可同时存在的一个物理量、一对矛盾物理量或多个物理量朝着期望的变化趋势变化(一个(多个)物理量的变化趋势为增大,另一个(多个)物理量的变化趋势为减小),或仅仅使其中一个(多个)物理量朝着期望的变化趋势变化(增大或减小)。
具体实施案例如下:
由步骤三获得的制造技术影响因素可达矩阵根据关键影响因素的定义即可以找出具有显著影响的关键因素为:X1、X2、X3、X4、X5、X6,由于切缝间隙宽度X1、冲裁周边长度X4、厚度X5不能改变,改变X3和改变X6都会使X2发生改变,因此X3为关键影响因素。
步骤五,基于获得的关键影响因素及其优化方向,将其与多学科效应知识库中的知识采用余弦相似度的方式进行相似性计算。
基于获得的关键影响因素及其应优化方向,将其与多学科效应知识库中的知识采用基于Lin算法的相似性计算。将效应知识根据ODP形式组织形成多学科效应知识库,关键影响因素用SW形式定义。本发明中的相似度算法基于WordNet中收录的词语及其词语组织规则进行计算。
ODP中,O表示具有结果属性的元素(制造技术结果元素),即该条效应知识的功能。制造技术结果因素一般可分割为两个词组,用O1、O2表示;D表示该条效应知识所用到的效应;P表示该条效应知识的原理。
SW中,S表示具有原因属性的元素(制造技术原因元素),此处表示关键影响因素。制造技术原因因素一般可分割为两个词组,用S1、S2表示。“+w”:表示具有因果关系的两元素间,具有原因属性的元素每增加一个单位,具有结果属性的元素增加w个单位;“-w”:表示具有因果关系的两元素间,具有原因属性的元素每增加一个单位,具有结果属性的元素减少w个单位。
关键影响因素与效应知识匹配计算为:
基于Lin算法的相似度计算为:
其中,
SA、SB分别为关键影响因素、科学效应中具有原因属性的元素(制造技术原因元素),c为WordNet中某个概念节点,hypo(c)为概念节点c在WordNet中的下位词的总数99600,node_max为WordNet中概念节点的总数,IC(c)为某个概念节点c的IC值,CFMAX为距离概念节点ci和cj最近的公共节点,Sim(ci,cj)为两个概念节点ci和cj的语义相似度,Sim(SA,SB)为关键影响因素和科学效应中具有结果属性的元素之间的相似度。
具体实施案例如下:
关键影响因素为切削应力,在科学效应库中进行匹配,只示例与切削应力和磨削应力进行相似度匹配的过程。关键影响因素SW形式表示如下表7所示,效应知识ODP形式表示如下表8所示。
表7关键影响因素的SW形式表
表8效应知识的ODP形式表
以c11、c12分别代替关键影响因素中的切削、应力,c21、c22、c31、c32分别代替效应知识功能中的切削、应力和磨削、应力;CFMAX11、CFMAX12分别表示c11和c21、c12和c22最近的公共节点,CFMAX21、CFMAX22分别表示c11和c31、c12和c32最近的公共节点;IC(CFMAX11)、IC(CFMAX12)分别表示概念CFMAX11和CFMAX12的IC值,IC(CFMAX21)、IC(CFMAX22)分别表示概念CFMAX21和CFMAX22的IC值;Sim(c11、c21)表示概念c11和c21的相似度,Sim(c12、c22)表示概念c12和c22的相似度,Sim(c11、c31)表示概念c11和c31的相似度,Sim(c12、c32)表示概念c12和c32的相似度。
则Sim(切削应力、切削应力)=1/2[Sim(c11、c21)+Sim(c12、c22)],Sim(切削应力、磨削应力)=1/2[Sim(c11、c31)+Sim(c12、c32)]。
计算得到hypo(c11)=25,hypo(c12)=10,hypo(c21)=25,hypo(c22)=10,hypo(c31)=0,hypo(c32)=10;
hypo(CFMAX11)=25,hypo(CFMAX12)=10,hypo(CFMAX21)=6,hypo(CFMAX22)=10;
IC(CFMAX11)=0.717,IC(CFMAX12)=1,IC(CFMAX21)=0.830,IC(CFMAX22)=1;
Sim(c11、c21)=1,Sim(c12、c22)=1,Sim(c11、c31)=0.967,Sim(c12、c32)=1;
Sim(切削应力、切削应力)=1,Sim(切削应力、磨削应力)=0.9835
即关键影响因素—切削应力与效应知识功能—切削应力的相似度为1(完全相似)、关键影响因素—切削应力与效应知识功能—磨削应力的相似度为0.967。
步骤六,将相似性计算结果进行排序,优选出相似度最高的多学科制造效应知识。
根据相似性计算结果,将结果按照降序方式进行排序,将排序最高的若干项制造效应知识优选出来,这些效应知识可能来自于不同的学科领域,然后将其放入已选中制造效应知识列表。
具体实施案例如下:
基于上述案例,可以得到功能与切削应力有关的效应知识为优选出的相似度最高的多学科制造效应知识,如下表9所示:
表9优选出的多学科制造效应知识
步骤七,将优选出的符合制造技术优化需求的多学科制造效应知识推荐给技术人员。
将已经获得的排序最高的多学科制造效应知识列表通过可视化的界面推荐给技术人员,技术人员依据这些效应知识进行优化方案的详细设计。
具体实施案例如下:
将最终得到的激光辅热、静电放电和超声波振动三项效应知识推荐给技术人员,技术人员根据效应知识的不同领域以及特点,结合本企业所具备的条件或者要求进行判断,选择出最适合于本企业的效应知识进行应用。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种面向制造技术优化的制造效应知识推荐方法,其特征在于,该方法包括以下步骤:
步骤一,对于确定的制造技术优化目标,将优化目标中的制造技术优化元素及优化方向进行形式化定义;
步骤二,对于制造技术优化元素和优化方向,应用根因分析法分析制造技术形成机制要素及其因果关系和权重,构建制造技术影响因素因果邻接矩阵;
步骤三,将制造技术影响因素因果邻接矩阵转换为制造技术影响因素因果可达矩阵;
步骤四,基于制造技术影响因素因果可达矩阵,确定制造技术问题关键影响因素;
步骤五,基于获得的关键影响因素及其优化方向,将其与多学科效应知识库中的知识采用余弦相似度的方式进行相似性计算;
步骤六,将相似性计算结果进行排序,优选出相似度最高的多学科制造效应知识;
步骤七,将优选出的符合制造技术优化需求的多学科制造效应知识推荐给技术人员。
2.如权利要求1所述的面向制造技术优化的制造效应知识推荐方法,其特征在于,步骤一中采用+/-O的形式将制造技术中待优化的制造技术元素和优化方向进行形式化定义,O表示制造技术优化元素,+/-表示制造技术优化元素的优化方向,其中+表示优化元素的优化方向为增加或变好,-表示优化元素的优化方向为减少或变坏。
3.如权利要求1所述的面向制造技术优化的制造效应知识推荐方法,其特征在于,步骤二中借助根因分析方法,由制造技术问题的制造技术优化元素得到影响它的上层制造技术元素,进一步分析上层制造技术元素得到影响它的上层制造技术元素,由此层层递推,形成由制造技术优化元素开始的各元间的因果关系和权重,采用OSW形式对得到的因果关系和权重进行形式化描述,并按照一定的规则进行调整得到调整后的OSW形式的各元素间的因果关系和权重,构建制造技术影响因素因果邻接矩阵。
4.如权利要求3所述的面向制造技术优化的制造效应知识推荐方法,其特征在于,将OSW形式的因果关系描述按照一定规则进行调整,得到调整后的OSW形式的形式化描述,具体处理方法如下:
(1)统计OSW形式的因果关系描述中结果列和原因列各有几个不同的元素及其个数,统计结果排序方式为:将只出现在结果列的元素所在的行调整为因果关系描述的第一行,并将该元素附加属性Y1,该元素即为待优化元素,将该元素所在行的原因元素附加属性X1;若待优化元素有p个,则将其所在行从第一行依次向下调整,元素附加属性从Y1依次向下增加至Yp,所在行的原因元素从Xi依次向下排列;
(2)将上步操作中的原因元素与OSW形式的因果关系描述中结果列的元素进行匹配,若存在匹配到的元素,则将同样存在于结果列的该元素所在行调整到上步操作中的原因元素所在行的下方;若该元素在结果列中存在多个,则结果列的元素所在行依次调整到上步操作中的原因元素所在行的下方,每个元素元素依次进行上述操作;若上步操作中的元素在原始矩阵结果列中匹配不到元素,则进行下一个优化元素匹配;
判断上面操作中进行匹配的原因元素是否已有附加属性,若存在附加属性,进行下步操作;若不存在,将上步操作中进行匹配的原因因素附加属性,只有一个原因元素时,属性为Xp+1,有q个原因元素时,属性分别为Xp+q;
(3)若第2步中存在匹配到的元素,则重复第2步;若第2步中所有的元素在原始矩阵结果列中都匹配不到元素,则结束,并得到调整后的OSW形式的因果关系描述和每个元素对应的附加属性。
5.如权利要求1所述的面向制造技术优化的制造效应知识推荐方法,其特征在于,步骤三中因果可达矩阵表示制造过程中每行的元素经过一定的元素对该行每列元素的影响及影响权重,将因果邻接矩阵转化为制造技术影响因素可达矩阵根据公式B=AT+(AT)2+…(AT)n,其中B为制造技术影响因素可达矩阵,A为因果邻接矩阵。
6.如权利要求1所述的面向制造技术优化的制造效应知识推荐方法,其特征在于,步骤五中将效应知识根据ODP形式组织形成多学科效应知识库,关键影响因素用SW形式定义,然后基于获得的关键影响因素及其应优化方向,将其与多学科效应知识库中的知识采用基于Lin算法的相似性计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810538241.XA CN108876116B (zh) | 2018-05-30 | 2018-05-30 | 一种面向制造技术优化的制造效应知识推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810538241.XA CN108876116B (zh) | 2018-05-30 | 2018-05-30 | 一种面向制造技术优化的制造效应知识推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108876116A CN108876116A (zh) | 2018-11-23 |
CN108876116B true CN108876116B (zh) | 2021-08-24 |
Family
ID=64335572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810538241.XA Active CN108876116B (zh) | 2018-05-30 | 2018-05-30 | 一种面向制造技术优化的制造效应知识推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108876116B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112904239B (zh) * | 2019-11-19 | 2023-02-17 | 中国商用飞机有限责任公司 | 电缆导通网络确定方法、装置、存储介质及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632244A (zh) * | 2013-04-27 | 2014-03-12 | 张家港诺信自动化设备有限公司 | 一种工业型柔性制造自动化物流系统 |
CN107169871A (zh) * | 2017-04-20 | 2017-09-15 | 西安电子科技大学 | 一种基于关系组合优化和种子扩张的多关系社区发现方法 |
CN107392424A (zh) * | 2017-06-14 | 2017-11-24 | 中国航空综合技术研究所 | 一种建立产品制造过程中质量波动源解释结构模型的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7853577B2 (en) * | 2006-06-09 | 2010-12-14 | Ebay Inc. | Shopping context engine |
-
2018
- 2018-05-30 CN CN201810538241.XA patent/CN108876116B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632244A (zh) * | 2013-04-27 | 2014-03-12 | 张家港诺信自动化设备有限公司 | 一种工业型柔性制造自动化物流系统 |
CN107169871A (zh) * | 2017-04-20 | 2017-09-15 | 西安电子科技大学 | 一种基于关系组合优化和种子扩张的多关系社区发现方法 |
CN107392424A (zh) * | 2017-06-14 | 2017-11-24 | 中国航空综合技术研究所 | 一种建立产品制造过程中质量波动源解释结构模型的方法 |
Non-Patent Citations (1)
Title |
---|
基于多学科优化设计方法的白车身轻量化研究;卢放;《中国博士学位论文全文数据库工程科技Ⅱ辑》;20140915;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108876116A (zh) | 2018-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nguyen et al. | An integrated approach of fuzzy linguistic preference based AHP and fuzzy COPRAS for machine tool evaluation | |
KR102229859B1 (ko) | 기계 학습 및 전이 학습을 이용한 공정 관리 방법, 장치 및 시스템 | |
Haghighi et al. | A new analytical methodology to handle time-cost trade-off problem with considering quality loss cost under interval-valued fuzzy uncertainty | |
Yılmaz et al. | Lot streaming in hybrid flowshop scheduling problem by considering equal and consistent sublots under machine capability and limited waiting time constraint | |
Li et al. | Linear programming-based scenario reduction using transportation distance | |
Wang et al. | A hybrid particle swarm based method for process planning optimisation | |
Sorooshian et al. | Modified weighted sum method for decisions with altered sources of information | |
CN108876116B (zh) | 一种面向制造技术优化的制造效应知识推荐方法 | |
CN115668266A (zh) | 生产订单的分解方法和装置 | |
Kalandarov | Development of Mathematical Models of Problems of Management the Production Division with a Discrete Unit Type Production | |
Dolgui et al. | Balancing large-scale machining lines with multi-spindle heads using decomposition | |
Manupati et al. | Intelligent search techniques for network-based manufacturing systems: multi-objective formulation and solutions | |
Delgoshaei et al. | A new method for decreasing cell-load variation in dynamic cellular manufacturing systems | |
Paul et al. | A multi-objective decision-making framework using preference selection index for assembly job shop scheduling problem | |
Olabanji | Fuzzified synthetic extent weighted average for appraisal of design concepts | |
Jeang et al. | A computational simulation approach for optimising process parameters in cutting operations | |
JP2002132327A (ja) | 生産計画作成方法およびそのシステム | |
Venkatadri et al. | A multi-commodity network flow-based formulation for the multi-period cell formation problem | |
Haleh et al. | Scheduling single machine with random breakdown and preemptive jobs | |
Sapkal et al. | Application of multi-attribute decision making methods for fused deposition modelling | |
Egilmez et al. | Group scheduling in a cellular manufacturing shop to minimise total tardiness and nT: a comparative genetic algorithm and mathematical modelling approach | |
KR101609292B1 (ko) | 연구 개발 프로젝트 관리 장치 및 방법 | |
Mohamad et al. | Development of genetic algorithm toolbox using MATLAB in cutting tool path optimization | |
KR101649913B1 (ko) | 연구 개발 프로젝트 관리 장치 및 방법 | |
Prakash et al. | Modelling manufacturing system effectiveness: an integration of analytical hierarchy process and linear programming |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |