CN109559033B - 一种面向云设计制造模式的社交化团队成员优选方法 - Google Patents

一种面向云设计制造模式的社交化团队成员优选方法 Download PDF

Info

Publication number
CN109559033B
CN109559033B CN201811428712.8A CN201811428712A CN109559033B CN 109559033 B CN109559033 B CN 109559033B CN 201811428712 A CN201811428712 A CN 201811428712A CN 109559033 B CN109559033 B CN 109559033B
Authority
CN
China
Prior art keywords
team
members
candidate
index
cms
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.)
Expired - Fee Related
Application number
CN201811428712.8A
Other languages
English (en)
Other versions
CN109559033A (zh
Inventor
许占民
陈健
裴学胜
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.)
Henan University of Science and Technology
Original Assignee
Henan University of Science and Technology
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 Henan University of Science and Technology filed Critical Henan University of Science and Technology
Priority to CN201811428712.8A priority Critical patent/CN109559033B/zh
Publication of CN109559033A publication Critical patent/CN109559033A/zh
Application granted granted Critical
Publication of CN109559033B publication Critical patent/CN109559033B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G06Q10/063112—Skill-based matching of a person or a group to a task
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q10/06398—Performance of employee with respect to a job function
    • 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
    • G06Q50/01—Social networking

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种面向云设计制造模式的社交化团队成员优选方法，涉及网络化协同合作团队成员优选决策技术领域，通过对团队成员优化指标中的目标变量进行量化分析，建立了一种面向成员能力与服务质量的多目标优选指标体系。同时，构建了一种社交化团队成员优选模型，对优化模型求解，可得到最优的社交化团队成员选择方案。本发明有益效果：实现云环境中对网络化虚拟合作团队成员的优化选择，提高成员之间的合作满意度，减少合作冲突与合作过程中存在的不确定性。

Description

一种面向云设计制造模式的社交化团队成员优选方法
技术领域
本发明涉及网络化协同合作团队成员优选决策技术领域，具体地说是一种面向云设计制造模式的社交化团队成员优选方法。
背景技术
文献“设计云服务平台下的网络团队成员优选决策，计算机集成制造系统，2017，Vol23(06)，p1205-1215”公开了设计云服务平台下的网络团队成员优选决策方法。该方法以网络化协同合作工作模式为基础，分析了设计云服务平台中网络化虚拟协同合作团队的特点，以及团队成员的优选选择问题。提出了基于成员综合表现信息的成员优选方法，综合考虑成员的个人能力与协作能力，构建了成员信息指标体系与多目标优化模型。同时，以第二代加强Pareto进化算法得到的最优解来解决网络化协同合作团队成员的优选问题。文献所述方法综合考虑了网络化协同合作成员的个人与协作能力指标，但是这两种指标并不能反映团队成员的综合能力。同时，该方法总体采用的是局部优化，局部优化方法在单项指标性能方面，优于其他方法，但是在成员存在多种评价目标时，在全局优化方面存在缺陷，不能做出正确的最优化选择。
云设计制造模式为企业与社交化协作团队成员提供虚拟聚集的云服务平台，企业向平台提出具体需求，平台根据需求集中发布设计制造任务。同时，平台将各提供服务的成员按照需求任务组建成为社交化协作团队，随着任务的发布与结束，社交化协作团队也随之构建与解散。在整个过程中，云平台对团队成员进行统一集中管理与经营。根据其服务流程，其特点为：
(1)众包性。云服务平台将子任务分布式交给提供服务的成员，参与的成员在云服务平台中临时组成协作团队。这种特性可以为企业在云平台中吸引更多的外部资源，使他们参与到产品的研发中。
(2)线上线下结合性。该服务是采用线上线下结合形式，成员线上完成子任务的信息输入输出，线下执行子任务。同时，云服务平台在线上完成对任务的管理与控制，并对用户与成员的线上行为进行监控，对线下服务质量进行评估。
在云设计制造服务模式中，社交化团队成员特点主要有以下几点：
(1)不确定性。云服务平台将分散在不同地理位置的服务成员虚拟集中，为分布在各地的企业提供服务。然而，不同的团队成员在成本、质量、时间、可靠性、协作性与共享性等方面存在较大的差异，这给团队构建带来许多不确定因素。同时，产品的设计制造过程涉及到设计学、心理学、机械学等多学科知识，团队成员在构成上往往存在跨专业、跨领域的现象。同时，由于不受地理位置的限制，在同领域中，又聚集了大量能力各异的团队成员，增加了团队构建方案的复杂性。
(2)社交化协作性。由于云设计制造可以给企业提供灵活的按需使用服务，而服务过程是线上线下相结合。子任务在具体的执行过程中，团队成员借助平台中社交化的交互工具，或者其他智能终端进行任务信息交流。所以，在协同合作过程中，团队成员交流会因任务的推进情况自行组织，交流的次数与内容也更灵活，交流过程中网络化的社交性特征体现更为明显。
在产品研发过程中，云服务平台会为企业寻找合适的团队成员。企业希望花费较低的成本、较短的时间，获得优质的设计制造服务。而团队成员则希望在合理的时间中通过付出专业的服务，获得丰厚的报酬。这种供需双方之存在的矛盾将影响到社交化协作团队的构建。因此，基于云设计制造模式的服务体系与团队成员特点，结合云服务中协同设计任务的可用性、可组合性、动态性与协作性的特点。云服务平台需要建立一种基于多目标的团队成员优选指标体系。
发明内容
本发明所要解决的技术问题是提供一种面向云设计制造模式的社交化团队成员优选方法，解决云设计制造模式下社交化团队成员选择过程中存在的不确定性、差异性与多样性等问题。
本发明为解决上述技术问题所采用的技术方案是：一种面向云设计制造模式的社交化团队成员优选方法，当企业提出任务Z后，由云平台将任务Z分解为若干个子任务，子任务集合表示为Z＝{ST1，ST2，…，STn}，其中STn表示任务Z的第n个子任务，云服务平台再根据成员检索与匹配技术，寻找合适的候选成员集合CMS，每个子任务对应的候选成员集合表示为CMS＝{CMS1,CMS2,…,CMSn}，其中CMSn表示候选成员集合CMS中第n个子任务对应的候选成员集，每个候选成员集中的成员表示为CM，每个成员对应的集合表示为
Figure BDA0001882218550000021
其中
Figure BDA0001882218550000022
表示为子任务STn对应的候选成员集CMSn中第i个候选成员，如果i＝1，
Figure BDA0001882218550000023
为子任务STn唯一的成员，即i>1时，将从候选成员集合CMSn成员中选择1名成员，组成社交化协作团队的构建方案CS，其中
Figure BDA0001882218550000031
其中
Figure BDA0001882218550000032
代表在候选成员集合CMSn中选择的执行子任务STn的成员；因此，社交化协作团队构建共有
Figure BDA0001882218550000033
种可能的方案，其中m代表候选成员集的数量，Kj代表每个候选成员集中成员的数量，在
Figure BDA0001882218550000034
种构建方案中进行社交化团队成员优选的方法包括以下步骤：
步骤一、构建成员优选指标体系：选取时间、成本、质量这3项作为成员优选的定量指标，选取可靠性、协作性与共享性作为成员优选的定性指标；
步骤二、团队成员优化选择的总体目标是短周期、低成本、低共享性、高质量、高可靠性与协作性，根据各指标的特点及子任务存在的串联、并联、选择与循环四种关系，对各优选指标进行数学描述；
步骤三、构建社交化协作团队优化模型：
Figure BDA0001882218550000035
其中，T表示时间，C表示成本，Q表示质量，Re表示成员可靠性，Co表示成员协作性，S表示成员共享性，Tmax最大时间值，Cmax表示最大成本值，Qmin表示最差质量值，Remin表示最低可靠性值，Comin表示最小合作性值，Smin表示最小共享性值；
步骤四、对步骤二中的模型进行求解，得到
Figure BDA0001882218550000036
种方案中的最优解即社交化团队成员的优选方法。
本发明所述步骤二中对时间指标进行数学描述的方法为：总服务时间T＝Te+Tw+Tl，其中Te为成员以前处理相似任务的时间数据平均值，Tw为云服务平台统计得到的等待成员执行子任务的时间数据，Tl为云服务平台通过计算地理位置距离得到的物流时间数据，子任务4种关系下时间指标的计算公式为：
Figure BDA0001882218550000041
其中，n代表候选团队成员的个数，i代表n个候选团队成员中的第i个成员，Pi为团队成员被选中的概率，Pi≤1，Li为团队成员循环使用的次数，Li≥0。
本发明所述步骤二中对成本指标进行数学描述的方法为：服务成本C＝Cs+Cl，其中Cs为成员向云服务平台提交的预计服务费用数据，Cl为云服务平台通过计算地理位置距离得到的物流成本数据，子任务4种关系下成本指标的计算公式为：
Figure BDA0001882218550000042
其中，n代表候选团队成员的个数，i代表n个候选团队成员中的第i个成员，Pi为团队成员被选中的概率，Pi≤1。
本发明所述步骤二中对质量指标进行数学描述的方法为：服务质量Q＝(Qp+Qe+Qs)/N，其中Qp为成员以前处理相似任务的质量数据平均值，Qe为成员在云服务平台中参与过任务的累计时间数据平均值，Qs为成员在云服务平台中参与过任务的综合评价数据平均值，N为成员参与子任务的次数，子任务4种关系下质量指标的计算如公式：
Figure BDA0001882218550000051
其中，n代表候选团队成员的个数，i代表n个候选团队成员中的第i个成员，Pi为团队成员被选中的概率，Pi≤1。
本发明所述步骤二中对可靠性指标进行数学描述的方法为：成员可靠性Re＝(Ret+Res+Rec)/N，其中Ret为成员以前处理相似任务的可靠性数据平均值，Res为成员在云服务平台中参与过任务的保密性数据平均值，Rec为成员在云服务平台中参与过任务的信用度评价数据平均值，NRe为成员参与子任务的次数，子任务4种关系下可靠性指标的计算如下式所示：
Figure BDA0001882218550000052
其中，n代表候选团队成员的个数，i代表n个候选团队成员中的第i个成员，Pi为团队成员被选中的概率，Pi≤1。
本发明所述步骤二中对协作性指标进行数学描述的方法为：成员协作性Co＝n(Cot+Cos+Con)/NCo，其中Cot为成员间交流沟通能力评价数据，Cos为成员在云服务平台中通过专业知识帮助其他成员解决问题的能力评价数据，Con为成员在云服务平台中参与过任务的次数，n为成员在单独一项任务中被选择的次数，NCo为成员在云服务平台中被选择的次数，子任务4种关系下时间的计算如公式(6)：
Figure BDA0001882218550000061
其中，n代表候选团队成员的个数，i代表n个候选团队成员中的第i个成员，Pi为团队成员被选中的概率，Pi≤1。
本发明所述步骤二中对共享性指标进行数学描述的方法为：成员共享性S＝Tn(Si)/Ts，其中Ts表示最近固定的时间，Si表示团队成员在Ts时间内被共享使用的次数，Tn表示团队成员在Ts时间内完成Si次服务所用的总时间。当S取值较大时表示无法预知团队成员在某个特定时间内是否可用，当取值较小时表示团体成员一直可供使用；子任务4种关系下共享性指标的计算如下式：
Figure BDA0001882218550000062
其中，n代表候选团队成员的个数，i代表n个候选团队成员中的第i个成员，Pi为团队成员被选中的概率，Pi≤1。
本发明的有益效果是：本发明通过分析云设计制造模式服务流程、体系与协作团队成员特点，提出一种云服务平台环境下社交化团队成员优选方法。通过对团队成员优化指标中的目标变量进行量化分析，建立了一种面向成员能力与服务质量的多目标优选指标体系，同时，构建了一种社交化团队成员优选模型，对优化模型求解，可得到最优的社交化团队成员选择方案，最终实现云环境中对网络化虚拟合作团队成员的优化选择，提高成员之间的合作满意度，少合作冲突与合作过程中存在的不确定性。
附图说明
图1为本发明优选方法的流程示意图；
图2为云设计制造模式服务体系图；
图3为本发明优选方法中团队成员指标优化方向图；
图4为本发明优选方法中子任务间相对关系图；
图5为本发明优选方法中社交化团队成员优选模型图；
图6为本发明实施例中子任务间关系及工作流顺序图；
图7为本发明实施例中团队成员选择方案示意图。
具体实施方式
下面结合说明书附图对本发明具体实施方式进行详细的阐述。
一种面向云设计制造模式的社交化团队成员优选方法，包括以下内容：
一、优选指标确定
本发明选取时间、成本、质量这3项作为成员优选的定量指标。
(1)时间T
时间是云服务平台快速响应企业需求的重要指标之一，T代表成员完成子任务所消耗的总时间。T的目标变量主要包括：子任务执行时间Te、等待成员执行子任务时间Tw与物流时间Tl。其中，Te代表成员在接到子任务信息输入后，执行子任务并完成信息输出花费的时间；Tw代表成员如果被其他任务共享使用，则需要执行完成其他任务所需要的时间；Tl代表如果某子任务完成后需要物流运输(如，样机模型)花费的时间。
(2)成本C
成本是企业需要支付的所有服务费用，C的目标变量主要包括：团队成员服务费用Cs与物流费用Cl。其中，Cs代表企业需要向各个成员支付的费用，Cl代表如果产生物流运输需要支付的费用。
(3)质量Q
质量是衡量团队成员综合能力的重要指标，该指标可以直接反应出成员是否有能力执行相应的子任务，也是评判设计制造服务品质的依据。Q的目标变量包括：专业能力Qp、工作经验Qe、满意度Qs。其中Qp代表成员在产品设计制造中某领域解决问题的能力；Qe代表成员在某领域工作的时间；Qs代表成员以往完成的任务得到用户的认可度。
除了以上3项基本的成员优选指标外，本发明根据团队成员社交化特点，还选取可靠性、协作性与共享性作为成员优选的定性指标：
(4)可靠性Re
在网络环境的服务交易中，用户高度注重团队成员是否安全可信。同时，在设计与制造环节涉及了诸多的知识产权归属与技术保密问题。因此，可靠性是判断团队成员安全性与信誉的重要指标。Re的目标变量主要包括：任务执行可靠性Ret、任务信息保密性Res与成员信用度Rec。其中Ret代表团队成员在执行子任务过程中，是否能按照规定时间完成高质量的工作；Res代表成员在以往的执行子任务过程中是否有技术泄密或知识产权纠纷记录；Rec代表成员是否能按照用户要求完成相关任务。
(5)协作性Co
协作性是衡量团队成员在网络化环境中的协同合作能力，该指标综合反应出成员在团队中的沟通能力，也是团体中各成员间知识共享与补充的重要环节。Co的目标变量包括：交流沟通能力Cot、协同合作能力Cos与协同合作次数Con。其中Cot代表成员在协同合作过程中社交化的沟通能力；Cos代表成员团队合作能力；Con代表成员在以往工作中与其他成员的合作次数。
(6)共享性S
在云设计制造环境中，由于存在大量的任务需求，部分团队成员可能会被不同的任务共享选择并使用。共享性一方面可以反映出团队成员在云设计制造环境中的综合服务能力，另一方面也反映出团队成员是否准备就绪可以立即使用。如果团队成员被多个不同的任务共享使用，则由时间指标中的Tw表示完成在执行中的共享任务需要的时间。共享性指标的目标变量为S，S代表了团队成员被多个任务共享使用的情况。
由于云设计制造模式中团队成员具有多项优选指标，各指标也存在若干项目标变量。团队成员优选指标需要在若干目标变量取值范围内尽可能取得最优值。因此，团队成员优选模型是由优选指标、目标变量与约束条件组成，由n个优选指标，k个目标变量和c个约束条件组成的团队成员优选模型，其数学描述如下：
Figure BDA0001882218550000081
式中f(x)为成员优选的多目标函数，x表示需要优化的目标变量，h(x)与g(x)表示各个目标变量的优选方向与约束条件，m与k表示不同情况下约束条件的数量。在云设计制造模式下，云服务平台需要对成员各个优选指标及其目标变量进行综合全面的权衡，使各项目标变量最大程度上达到均衡的最优。
二、团队成员优选指标计算方法；
在云设计制造模式下的云服务平台中，参与任务的团队成员优选指标数据由平台来进行处理与存储。根据各指标的特点，其中一部分目标变量的数据通过成员已完成的任务评价情况进行累计获得，另一部分目标变量的数据由团队成员自主向云服务平台提交。根据子任务存在的串联、并联、选择与循环四种关系，各优选指标的数学描述如下：
(1)时间
总服务时间T＝Te+Tw+Tl，其中Te为成员以前处理相似任务的时间数据平均值，Tw为云服务平台统计得到的等待成员执行子任务的时间数据，Tl为云服务平台通过计算地理位置距离得到的物流时间数据，子任务4种关系下时间指标的计算如公式(2)：
Figure BDA0001882218550000091
(2)成本
服务成本C＝Cs+Cl，其中Cs为成员向云服务平台提交的预计服务费用数据，Cl为云服务平台通过计算地理位置距离得到的物流成本数据，子任务4种关系下成本指标的计算如公式(3)：
Figure BDA0001882218550000092
(3)质量
服务质量Q＝(Qp+Qe+Qs)/N，其中Qp为成员以前处理相似任务的质量数据平均值，Qe为成员在云服务平台中参与过任务的累计时间数据平均值，Qs为成员在云服务平台中参与过任务的综合评价数据平均值，N为成员参与子任务的次数，子任务4种关系下质量指标的计算如公式(4)：
Figure BDA0001882218550000101
(4)可靠性
成员可靠性Re＝(Ret+Res+Rec)/N，其中Ret为成员以前处理相似任务的可靠性数据平均值，Res为成员在云服务平台中参与过任务的保密性数据平均值，Rec为成员在云服务平台中参与过任务的信用度评价数据平均值，N为成员参与子任务的次数，子任务4种关系下可靠性指标的计算如公式(5)：
Figure BDA0001882218550000102
(5)协作性
成员协作性Co＝n(Cot+Cos+Con)/NCo，其中Cot为成员间交流沟通能力评价数据，Cos为成员在云服务平台中通过专业知识帮助其他成员解决问题的能力评价数据，Con为成员在云服务平台中参与过任务的次数，n为成员在单独一项任务中被选择的次数，NCo为成员在云服务平台中被选择的次数，子任务4种关系下时间的计算如公式(6)：
Figure BDA0001882218550000111
(6)共享性
成员共享性S＝Tn(Si)/Ts，其中Ts表示最近固定的时间(如两周内)，Si表示团队成员在Ts时间内被共享使用的次数，Tn表示团队成员在Ts时间内完成Si次服务所用的总时间。当S取值较大时表示无法预知团队成员在某个特定时间内是否可用，当取值较小时表示团体成员一直可供使用。子任务4种关系下共享性指标的计算如公式(7)：
Figure BDA0001882218550000112
公式(2)至(7)中n代表候选团队成员的个数，i代表n个候选团队成员中的第i个成员，Pi为团队成员被选中的概率(Pi≤1)，Kj为团队成员循环使用的次数(Kj≥0)。
因此，团队成员优选模型是由6项优选指标、15项目标变量与6项约束条件组成，即Opt[T,C,Q,Re,Co,S]，团队成员优化选择的总体目标是短周期、低成本、低共享性、高质量、高可靠性与协作性，优选指标体系的数学模型如(8)所示。
Figure BDA0001882218550000121
三、社交化团队成员优选模型；
在云设计制造模式下的社交化协作团队构建过程中，团队构建的优化过程可以看作是由团队成员优选指标组成，其中多项目标变量可以看作是优化决策的方向，团队构建优化模型由优选目标下不同的目标变量复合组成。其数学描述如下：
当企业提出任务Z后，由云平台将任务Z分解为若干个子任务，子任务集合表示为Z＝{ST1，ST2，…，STn}，其中STn表示任务Z的第n个子任务，云服务平台再根据成员检索与匹配技术，寻找合适的候选成员集合CMS，每个子任务对应的候选成员集合表示为CMS＝{CMS1,CMS2,…,CMSn}，其中CMSn表示候选成员集合CMS中第n个子任务对应的候选成员集，每个候选成员集中的成员表示为CM，每个成员对应的集合表示为
Figure BDA0001882218550000122
其中
Figure BDA0001882218550000123
表示为子任务STn对应的候选成员集CMSn中第i个候选成员，如果i＝1，
Figure BDA0001882218550000124
为子任务STn唯一的成员，即i>1时，将从候选成员集合CMSn中每个
Figure BDA0001882218550000125
成员中选择1名成员，组成社交化协作团队的构建方案CS，其中
Figure BDA0001882218550000126
Figure BDA0001882218550000127
其中
Figure BDA0001882218550000128
代表在候选成员集合CMSn中选择的执行子任务STn的成员；因此，社交化协作团队构建共有
Figure BDA0001882218550000129
种可能的方案，其中m代表候选成员集的数量，Kj代表每个候选成员集中成员的数量，在
Figure BDA00018822185500001210
种构建方案中进行社交化团队成员优选的方法包括以下步骤：随后，根据成员优选指标体系与社交化协作团队优化模型，并采用灰色关联度的方法对模型进行求解，得到
Figure BDA00018822185500001211
种方案中的最优解。
四、社交化团队成员优选算法；
在产品研发过程中，两个子任务之间具有串行、并联、选择与循环的关系，多个子任务间的关系更加复杂化，团队成员优选的方案也随之复杂化。因此，在模型求解过程中，需要先明确所有子任务间的工作流顺序。根据工作流顺序、子任务与团队成员数量，得到
Figure BDA0001882218550000131
种社交化成员优选方案，所有方案都来自于团队成员优选模型。同时，由于各方案之间目标变量之间具有一定联系，并难于量化直接求解。因此，采用基于灰色关联度分析法求解。该方法是一种描述各指标之间影响程度的分析法，利用一部分已知数据去量化研究新的系统，根据团队成员优选指标之间优化方向与目标变量来衡量彼此的关联程度。其求解大致思路是：先求团队成员优选的所有方案与最佳指标组成的理想方案关联系数，再由关联系数推导得出关联度，最终依据关联度的取值大小得到最终团队成员优选方案。由于在云设计制造环境中团队成员的优选指标包含定性与定量两种，同时，各优选指标之间不是相互独立，而是存在一定的关联性，所以采用灰色关联度分析法适用于云设计制造环境中社交化团队成员优选问题。具体求解的步骤如下：
(1)目标变量数据归一化。
由于6项优选目标之间度量单位的差异性，在求解前需要进行归一化处理，以消除单位对计算过程的影响。构建团队成员对应的目标变量信息矩阵Y＝[yij]m×n，其中yij表示社交化协作团队CMSi对应目标变量j的权值，m为团队成员的数量，n为目标变量的个数。
(2)对矩阵Y的数据进行规范化处理。
团队成员优选指标包括定性与定量两种类型，根据指标的性质可以分为效益型指标与成本性指标。其中，效益型指标值越大越接近理想方案，成本型指标值越小越接近理想方案。将Y＝[yij]m×n矩阵中的元素进行规范化处理，得到矩阵Y‵＝[y‵ij]m×n，其数学描述如下：
效益型指标(值越大目标越优)：
Figure BDA0001882218550000132
成本型指标(值越小目标越优)：
Figure BDA0001882218550000141
式中，i＝1，2，…，n；j＝1，2，…，m；
Figure BDA0001882218550000142
与
Figure BDA0001882218550000143
表示社交化协作团队在第j个目标变量的最大值与最小值。
(3)计算相对最优灰色关联度系数。
相对最优灰色关联度系数代表了所有团队成员选择方案与最优指标组成理想方案的关联性。根据公式(10)计算得到社交化协作团队成员选择CMSi第i个目标与第j个目标的关联系数ξij，
Figure BDA0001882218550000144
式中ρ为分辨系数，ρ∈[0,1]，一般取值为0.5。
(4)确定目标变量权值。
目标变量之间的相对重要度具有差异性，权重值可由专家打分评价或直接赋权获得。假设目标变量的权值为w＝[w1，w2，w3，w4，…，wn]T，本文采用直接赋权获得，其数据可以通过云服务平台直接赋权得到，其中，w∈[0，1]，1对应最优，0对应最差。
(5)计算灰色关联度：
Figure BDA0001882218550000145
关联度代表了所有团队成员选择方案与理想方案的接近程度，式中ri表示第i个社交化团队成员选择方案的关联度。
(6)团队成员优化选择方案关联度排序优选：
OptCS＝max{r1,r2,r3,...,ri}. (13)
由灰色关联度ri可以得到社交化团队成员选择方案在成员优选目标体系下的评价结果，并根据ri大小进行优选，ri值越大，社交化团队成员优选方案越接近最优理想化方案。
实施例
本发明以医疗镇痛泵在云服务平台设计制造中，社交化团队成员优选过程为应用案例。该案例由医疗设备制造企业提出设计制造需求，由云服务平台对任务与团队成员进行集中管理，通过任务分解、成员检索匹配，以及本发明优化方法，完成社交化团队成员优选。
1、任务分解与成员检索匹配
由企业向云服务平台提交新型医疗镇痛泵的设计制造需求，根据需求云服务平台将总任务具体分解为6个子任，分别为概念设计、造型设计、结构设计、人机工效设计、样机试制、模具设计，对各子任务进行编号如表1所示。
表1医疗镇痛泵设计制造子任务编号
子任务编号 成员集合编号 名称
ST<sup>1</sup> CMS<sup>1</sup> 概念设计
ST<sup>2</sup> CMS<sup>2</sup> 造型设计
ST<sup>3</sup> CMS<sup>3</sup> 结构设计
ST<sup>4</sup> CMS<sup>4</sup> 人机工效设计
ST<sup>5</sup> CMS<sup>5</sup> 样机试制
ST<sup>6</sup> CMS<sup>6</sup> 模具设计
通过对子任务间关系分析，结合产品全生命周期研发活动过程，分析6项子任务间的信息输入输出关系与工作流顺序。
由子任务间的信息输入输出关系与工作流顺序可知子任务间的关系主要为串行与并行关系，其中子任务ST2与ST3为并行关系。图中有向箭头代表了各个子任务之间信息的输入输出方向，以及子任务的工作流顺序。
根据表2可知子任务对应的候选团队成员集合CMS＝{CMS1，CMS2，CMS3，CMS4，CMS5，CMS6}。云服务平台通过匹配检索技术寻找符合子任务要求的候选团队成员，候选成员共检索到有15个，如表2所示。
表2子任务候选成员
Figure BDA0001882218550000151
Figure BDA0001882218550000161
由社交化协作团队优化构建模型可以得到社交化协作团队构建的方案数量为
Figure BDA0001882218550000162
种，即144种方案。
2、建立社交化团队成员优选指标体系
在医疗镇痛泵的设计制造子任务集下，云服务平台聚集了可提供服务的15名团队候选成员。根据表1中指标体系以及公式(1)至(8)，云服务平台建立面向医疗镇痛泵产品研发的社交化协作团队成员优选指标体系，其中目标变量的数据通过云服务平台数据库获得。由于各优选目标的数据计量单位不统一，目标变量中时间、成本的计量单位为元与小时，其他3项目标的计量为5分打分制。所以，需要对原始目标变量的数据进行归一化处理。医疗镇痛泵任务的社交化协作团队成员优选指标体系与归一化参数如表3所示。
Figure BDA0001882218550000163
Figure BDA0001882218550000171
Figure BDA0001882218550000172
Figure BDA0001882218550000173
Figure BDA0001882218550000174
Figure BDA0001882218550000175
Figure BDA0001882218550000181
Figure BDA0001882218550000182
表3团队候选成员的指标体系与归一化参数
Figure BDA0001882218550000183
3、社交化团队成员优选方案求解
根据144种团队成员选择方案，将归一化后的目标变量参数采用公式(9)与(10)进行规范化处理，再应用公式(11)计算得到相对最优灰色关联度系数，公式(11)中的分辨系数ρ取值为0.5。
Figure BDA0001882218550000191
Figure BDA0001882218550000192
Figure BDA0001882218550000193
通过云服务平台直接赋权得到目标变量的权值，w＝[0.113，0.045，0.01，0.165，0.065，0.102，0.015，0.102，0.101，0.023，0.036，0.023，0.103，0.054，0.049]。由公式(12)计算得到144种方案与理想最优的团队成员优选方案接近程度值，如表4所示。
Figure BDA0001882218550000194
表4 144种团队成员优选方案与理想最优方案接近程度值
Figure BDA0001882218550000195
Figure BDA0001882218550000201
表4中方案1代表的团队成员优选方案为
Figure BDA0001882218550000202
Figure BDA0001882218550000203
即由{设计公司A，设计公司B，设计研究所A，CNC公司}组成社交化成员优选方案，144种方案都以此类推进行排序。
由表4可知所有方案与理想最优方案的关联度值，通过公式(13)可得出最优的医疗镇痛泵任务社交化团队成员优选方案为90。
OptCS＝max{r1,r2,r3,...,ri}. (13)
根据上述可知，第90号的团队成员优选方案为
Figure BDA0001882218550000204
Figure BDA0001882218550000205
即医疗镇痛泵的子任务概念设计、造型设计、结构设计、人机工效设计、样机试制、模具设计，分别由设计公司A、设计研究所A、设计公司C、设计研究所A、3D打印公司与制造企业B组成社交化团队协同完成。

Claims (6)

1.一种面向云设计制造模式的社交化团队成员优选方法，其特征在于：当企业提出任务Z后，由云平台将任务Z分解为若干个子任务，子任务集合表示为Z＝{ST1，ST2，…，STn}，其中STn表示任务Z的第n个子任务，云服务平台再根据成员检索与匹配技术，寻找合适的候选成员集合CMS，每个子任务对应的候选成员集合表示为CMS＝{CMS1,CMS2,…,CMSn}，其中CMSn表示候选成员集合CMS中第n个子任务对应的候选成员集，每个候选成员集中的成员表示为CM，每个成员对应的集合表示为
Figure FDA0002970370010000011
其中
Figure FDA0002970370010000012
表示为子任务STn对应的候选成员集CMSn中第i个候选成员，如果i＝1，
Figure FDA0002970370010000013
为子任务STn唯一的成员，即i>1时，将从候选成员集合CMSn成员中选择1名成员，组成社交化协作团队的构建方案CS，其中
Figure FDA0002970370010000014
其中
Figure FDA0002970370010000015
代表在候选成员集合CMSn中选择的执行子任务STn的成员；因此，社交化协作团队构建共有
Figure FDA0002970370010000016
种可能的方案，其中m代表候选成员集的数量，Kj代表每个候选成员集中成员的数量，在
Figure FDA0002970370010000017
种构建方案中进行社交化团队成员优选的方法包括以下步骤：
步骤一、构建成员优选指标体系：选取时间、成本、质量这3项作为成员优选的定量指标，选取可靠性、协作性与共享性作为成员优选的定性指标；
步骤二、团队成员优化选择的总体目标是短周期、低成本、低共享性、高质量、高可靠性与协作性，根据各指标的特点及子任务存在的串联、并联、选择与循环四种关系，对各优选指标进行数学描述；
所述步骤二中对共享性指标进行数学描述的方法为：成员共享性S＝Tn(Si)/Ts，其中Ts表示最近固定的时间，Si表示团队成员在Ts时间内被共享使用的次数，Tn表示团队成员在Ts时间内完成Si次服务所用的总时间，当S取值较大时，表示无法预知团队成员在某个特定时间内是否可用，当取值较小时，表示团体成员一直可供使用；子任务4种关系下共享性指标的计算如下式：
Figure FDA0002970370010000021
其中，n代表候选团队成员的个数，i代表n个候选团队成员中的第i个成员，Pi为团队成员被选中的概率，Pi≤1；
步骤三、构建社交化协作团队优化模型：
Figure FDA0002970370010000022
其中，T表示总服务时间，C表示服务成本，Q表示服务质量，Re表示成员可靠性，Co表示成员协作性，S表示成员共享性，Tmax最大时间值，Cmax表示最大成本值，Qmin表示最差质量值，Remin表示最低可靠性值，Comin表示最小合作性值，Smin表示最小共享性值；
步骤四、对步骤三中的模型进行求解，得到
Figure FDA0002970370010000023
种方案中的最优解即社交化团队成员的优选方法。
2.根据权利要求1所述的一种面向云设计制造模式的社交化团队成员优选方法，其特征在于：所述步骤二中对时间指标进行数学描述的方法为：总服务时间T＝Te+Tw+Tl，其中Te为成员以前处理相似任务的时间数据平均值，Tw为云服务平台统计得到的等待成员执行子任务的时间数据，Tl为云服务平台通过计算地理位置距离得到的物流时间数据，子任务4种关系下时间指标的计算公式为：
Figure FDA0002970370010000031
其中，n代表候选团队成员的个数，i代表n个候选团队成员中的第i个成员，Pi为团队成员被选中的概率，Pi≤1，Li为团队成员循环使用的次数，Li≥0。
3.根据权利要求1所述的一种面向云设计制造模式的社交化团队成员优选方法，其特征在于：所述步骤二中对成本指标进行数学描述的方法为：服务成本C＝Cs+Cl，其中Cs为成员向云服务平台提交的预计服务费用数据，Cl为云服务平台通过计算地理位置距离得到的物流成本数据，子任务4种关系下成本指标的计算公式为：
Figure FDA0002970370010000032
其中，n代表候选团队成员的个数，i代表n个候选团队成员中的第i个成员，Pi为团队成员被选中的概率，Pi≤1。
4.根据权利要求1所述的一种面向云设计制造模式的社交化团队成员优选方法，其特征在于：所述步骤二中对质量指标进行数学描述的方法为：服务质量Q＝(Qp+Qe+Qs)/N，其中Qp为成员以前处理相似任务的质量数据平均值，Qe为成员在云服务平台中参与过任务的累计时间数据平均值，Qs为成员在云服务平台中参与过任务的综合评价数据平均值，N为成员参与子任务的次数，子任务4种关系下质量指标的计算如公式：
Figure FDA0002970370010000041
其中，n代表候选团队成员的个数，i代表n个候选团队成员中的第i个成员，Pi为团队成员被选中的概率，Pi≤1。
5.根据权利要求1所述的一种面向云设计制造模式的社交化团队成员优选方法，其特征在于：所述步骤二中对可靠性指标进行数学描述的方法为：成员可靠性Re＝(Ret+Res+Rec)/NRe，其中Ret为成员以前处理相似任务的可靠性数据平均值，Res为成员在云服务平台中参与过任务的保密性数据平均值，Rec为成员在云服务平台中参与过任务的信用度评价数据平均值，NRe为成员参与子任务的次数，子任务4种关系下可靠性指标的计算如下式所示：
Figure FDA0002970370010000042
其中，n代表候选团队成员的个数，i代表n个候选团队成员中的第i个成员，Pi为团队成员被选中的概率，Pi≤1。
6.根据权利要求1所述的一种面向云设计制造模式的社交化团队成员优选方法，其特征在于：所述步骤二中对协作性指标进行数学描述的方法为：成员协作性Co＝n(Cot+Cos+Con)/NCo，其中Cot为成员间交流沟通能力评价数据，Cos为成员在云服务平台中通过专业知识帮助其他成员解决问题的能力评价数据，Cox为成员在云服务平台中参与过任务的次数，x为成员在单独一项任务中被选择的次数，NCo为成员在云服务平台中被选择的次数，子任务4种关系下协作性的计算如公式：
Figure FDA0002970370010000051
其中，n代表候选团队成员的个数，i代表n个候选团队成员中的第i个成员，Pi为团队成员被选中的概率，Pi≤1。
CN201811428712.8A 2018-11-27 2018-11-27 一种面向云设计制造模式的社交化团队成员优选方法 Expired - Fee Related CN109559033B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811428712.8A CN109559033B (zh) 2018-11-27 2018-11-27 一种面向云设计制造模式的社交化团队成员优选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811428712.8A CN109559033B (zh) 2018-11-27 2018-11-27 一种面向云设计制造模式的社交化团队成员优选方法

Publications (2)

Publication Number Publication Date
CN109559033A CN109559033A (zh) 2019-04-02
CN109559033B true CN109559033B (zh) 2021-04-27

Family

ID=65867667

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811428712.8A Expired - Fee Related CN109559033B (zh) 2018-11-27 2018-11-27 一种面向云设计制造模式的社交化团队成员优选方法

Country Status (1)

Country Link
CN (1) CN109559033B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110120888B (zh) * 2019-04-26 2022-03-18 井冈山大学 一种云众包平台海量服务资源组合优化方法与系统
CN111340332A (zh) * 2020-02-06 2020-06-26 辽宁大学 基于校园大数据平台的面向学科竞赛的学生团队组建模型方法
CN113516402B (zh) * 2021-07-28 2023-07-11 西北大学 一种多目标优选的统筹法
CN116050761B (zh) * 2022-12-29 2024-05-10 北京联合纵横管理咨询有限公司 工作协同管理的方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101916404A (zh) * 2010-08-06 2010-12-15 沈阳工业大学 一种装备制造过程多厂协同调度优化方法
CN106503895A (zh) * 2016-10-21 2017-03-15 西北工业大学 一种虚拟协同网络团队成员优选方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030182371A1 (en) * 2001-10-15 2003-09-25 Worthen William C. Asynchronous, leader-facilitated, collaborative networked communication system

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101916404A (zh) * 2010-08-06 2010-12-15 沈阳工业大学 一种装备制造过程多厂协同调度优化方法
CN106503895A (zh) * 2016-10-21 2017-03-15 西北工业大学 一种虚拟协同网络团队成员优选方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
云设计制造模式下的社交化协作团队构建方法;陈健;《浙江大学学报（工业版）》;20190331;第53卷(第3期);全文 *
面向新产品开发的云制造服务资源组合优选模型;尹超;《计算机集成制造系统》;20120731;第18卷(第7期);1368-1378 *

Also Published As

Publication number Publication date
CN109559033A (zh) 2019-04-02

Similar Documents

Publication Publication Date Title
CN109559033B (zh) 一种面向云设计制造模式的社交化团队成员优选方法
CN109784806B (zh) 供应链控制方法、系统以及存储介质
Liu et al. A multi-attribute personalized recommendation method for manufacturing service composition with combining collaborative filtering and genetic algorithm
Toptal et al. Distributed scheduling: a review of concepts and applications
Tan et al. A trust service-oriented scheduling model for workflow applications in cloud computing
Zhao et al. A hybrid particle swarm optimisation algorithm and fuzzy logic for process planning and production scheduling integration in holonic manufacturing systems
Berning et al. Integrating collaborative planning and supply chain optimization for the chemical process industry (I)—methodology
CN114169412B (zh) 面向大规模产业链隐私计算的联邦学习模型训练方法
Ning et al. An improved quantum genetic algorithm based on MAGTD for dynamic FJSP
Fu et al. Multiobjective modeling and optimization for scheduling a stochastic hybrid flow shop with maximizing processing quality and minimizing total tardiness
Wang et al. Multi-user-oriented manufacturing service scheduling with an improved NSGA-II approach in the cloud manufacturing system
Vahedi-Nouri et al. Incorporating order acceptance, pricing and equity considerations in the scheduling of cloud manufacturing systems: matheuristic methods
Tong et al. A two-layer social network model for manufacturing service composition based on synergy: A case study on an aircraft structural part
Chen et al. An effective matching algorithm with adaptive tie-breaking strategy for online food delivery problem
İç et al. An integrated fuzzy TOPSIS-knapsack problem model for order selection in a bakery
CN117436666A (zh) 一种应用于服装加工企业的云智能调度方法及系统
CN115330123A (zh) 一种基于改进粒子群算法的云平台订单分配优化方法
Xiang et al. High-end equipment: An improved two-sided based S&M matching and a novel Pareto refining method considering consistency
Yang et al. Mathematical modeling of multi-plant order allocation problem and solving by genetic algorithm with matrix representation
Neumann et al. Genetic algorithms for planning and scheduling engineer-to-order production: a systematic review
Gao et al. A multi-objective service composition method considering the interests of tri-stakeholders in cloud manufacturing based on an enhanced jellyfish search optimizer
Zhou et al. DPS: Dynamic pricing and scheduling for distributed machine learning jobs in edge-cloud networks
Tong et al. A customer-oriented method to support multi-tasks scheduling under uncertain time in cloud manufacturing
Liu et al. Application of fuzzy ordered weighted geometric averaging (FOWGA) operator for project delivery system decision-making
Kumar et al. Stochastic make-to-stock inventory deployment problem: an endosymbiotic psychoclonal algorithm based approach

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210427

Termination date: 20211127