CN110807241B - 工业产品设计过程建模优化方法及系统 - Google Patents
工业产品设计过程建模优化方法及系统 Download PDFInfo
- Publication number
- CN110807241B CN110807241B CN201910898257.6A CN201910898257A CN110807241B CN 110807241 B CN110807241 B CN 110807241B CN 201910898257 A CN201910898257 A CN 201910898257A CN 110807241 B CN110807241 B CN 110807241B
- Authority
- CN
- China
- Prior art keywords
- activity
- design process
- industrial product
- design
- rate
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种工业产品设计过程建模优化方法及系统,应用内生变量、外生变量和外部因素描述工业产品设计过程系统动力学模型的边界;设置工业产品系统动力学模型的水准变量、速率变量、辅助变量和初始变量参数,并各变量系统动力学方程;依据实际的产品设计过程相关数据,设置变量并定义变量方程,建立流图,对工业产品设计过程系统动力学模型进行调试,进行仿真模拟;根据仿真结果分析工业产品设计过程的动态特征,调整相应的参数,形成最终的工业产品设计过程方案。
Description
技术领域
本公开属于工业产品设计优化技术领域,涉及一种工业产品设计过程建模优化方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
产品设计过程包含着大量具有紧密关联关系的设计活动,这些活动按照一定的原则分配给不同的设计人员或设计团队,并消耗相应的设计资源,在不同的时刻具有不同的状态。设计过程具有复杂的动态特征,面临的外界因素也复杂多变,难以按照预先设定的目标或者计划执行。设计过程仿真是通过仿真模型对现实的设计过程系统内部及外部表现进行的模拟与预测,能够较好地展现设计过程的动态特征,分析不确定环境对设计过程动态特征造成的影响,预测不确定环境下设计过程工期、成本和风险,为过程优化、管理与决策提供支持。
常见的过程仿真技术有基于Petri网技术的过程仿真、基于蒙特卡洛方法的过程仿真、基于工作流的仿真等。但是据发明人了解,这些方法都是通过模拟系统的输入-输出来进行仿真分析,是对设计过程输出结果的分析,构建的仿真模型本身是一个相对封闭的系统,无法模拟设计过程进展动态规律和设计过程中遇到的各种不确定或随机因素的影响。
发明内容
本公开为了解决上述问题,提出了一种工业产品设计过程建模优化方法及系统,本公开能够分析产品设计过程中的动态特征变化,以及需求变更、资源约束等不确定因素和环境对设计过程造成的影响,为过程管理、优化和决策提供支持。
根据一些实施例,本公开采用如下技术方案:
一种工业产品设计过程建模优化方法,包括以下步骤:
应用内生变量、外生变量和外部因素描述工业产品设计过程系统动力学模型的边界;
设置工业产品设计过程系统动力学模型的水准变量、速率变量、辅助变量和初始变量参数,并各种变量的系统动力学方程;
依据实际的产品设计过程相关数据,设置变量并定义变量方程,建立流图,对工业产品设计过程系统动力学模型进行调试,进行仿真模拟;
根据仿真结果分析工业产品设计过程的动态特征,调整相应的参数,形成最终的工业产品设计过程方案。
作为进一步的限定,描述工业产品设计过程系统动力学模型的边界过程中,包括:随时间不断变化的变量、描述设计过程状态的内生变量,保持不变的外生变量,外部因素和不考虑因素。
作为进一步的限定,水准变量包括:活动有效性、活动累积工作量、活动实际作业时间;
速率变量包括:活动有效性速率、活动工作量速率、活动实际作业时间速率;
辅助变量包括:活动期望返工率、活动按照下一时刻的有效性进化函数一致性的有效时间。
作为更进一步的限定,所述活动有效性在活动进行过程中是随时间和资源投入不断变化的,表示为活动基本作业时间d、活动信息进化系数α、活动实际有效执行时间t和活动期望返工率的函数rexpected,具体为:
作为进一步的限定,所述初始变量参数根据历史数据或调查资料确定,具体包括基本作业时间、活动资源分配数量、活动初始返工率和资源单位时间成本。
作为进一步的限定,当产品设计需求发生变更后,需求在设计过程中发生变更的概率服从指数分布,通过对系统动力学模型中的相关参数进行重新设置,再次进行仿真模拟。
作为进一步的限定,分析每一个工业产品设计活动在每一天有效性速率,根据有效性速率的大小来分配设计资源,即优先将设计资源分配给有效性速率大的设计活动。
作为进一步的限定,在产品设计项目实施过程中,通过不断调整相关仿真参数,实时进行过程仿真,依据仿真结果挑选出最优的设计方案。
一种工业产品设计过程建模优化系统,包括:
边界设置模块,被配置为应用内生变量、外生变量和外部因素描述工业产品设计过程系统动力学模型的边界;
参数设置模块,被配置为设置工业产品系统动力学模型的水准变量、速率变量、辅助变量和初始变量参数,并工业产品系统的各变量方程;
仿真模拟模块,被配置为依据实际的产品设计过程相关数据,设置变量并定义变量方程,建立流图,对工业产品系统模型进行调试,进行仿真模拟;
参数调整模块,被配置为根据仿真结果分析工业产品设计过程的动态特征,调整相应的参数,形成最终的工业产品设计过程方案。
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行所述的一种工业产品设计过程建模优化方法。
一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行所述的一种工业产品设计过程建模优化方法。
与现有技术相比,本公开的有益效果为:
本公开能够深入工业产品开发设计过程内部,分析设计过程动态特征以及需求变更、资源约束等不确定因素和环境对设计过程造成的影响,为过程管理、优化和决策提供支持。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为设计活动流图示例图;
图2为活动有效性进展规律;
图3为活动有效性进展速度;
图4(a)-(c)为不同条件下单活动仿真结果;
图5为实施例返工发生概率矩阵;
图6为实施例返工影响概率矩阵
图7为实施例活动间学习系数;
图8为不考虑环境不确定的情况下实施例仿真结果;
图9为考虑客户需求变更时实施例仿真结果;
图10为资源约束下实施例仿真结果;
图11为实施例各活动有效性速率仿真结果;
图12为根据仿真结果构建的设计过程甘特图示例图。
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
首先进行参数定义,活动有效性,在产品设计中,设计过程由不同的设计活动构成,设计过程实现程度由每一个设计活动实现程度构成,设计过程有效性由设计活动有效性构成。
设计过程是信息进化的过程,符合信息进化的规律。设计活动实现程度应用信息进化程度评价,评价指标称为设计活动有效性。
活动有效性的值介于0和1之间;当活动有效性值为0时,表示活动还没有进行,活动的实现程度为0;当活动有效性值为1时,表示活动完全实现,活动结束。
活动有效性在活动执行过程中是随时间和资源投入不断变化的,表示为活动基本作业时间、活动信息进化系数、活动实际执行时间和活动期望返工率的函数:
e(t)=f(t,α,d,rexpected)0≤t≤d
活动实际有效执行时间t是活动执行的绝对时间,由过程执行时活动所处状态确定。活动状态分为未执行、暂停执行、执行和完工四种状态。
活动信息进化系数α是表示活动进化规律的参数,当0<α<1时,表示进化快速,在活动执行的前半阶段即可完成活动大部分工作;当α>1时,表示进化缓慢,在活动执行的后半阶段才能完成活动大部分工作。活动进化系数由设计人员根据经验设置。
活动基本作业时间d,是在活动所需信息完整的情况下,活动完工所需要的时间。活动基本作业时间由设计人员根据经验设置。
一种可行的具体化的有效性函数为:
活动期望返工率rexpected是活动在输入信息不完整情况下进行时,预计返工发生的概率和返工发生时预计返工量占基本工作量比例的乘积。
以下以活动i为例阐述活动期望返工率的计算。
活动期望返工率由活动输入信息的完整程度(称为外部信息有效性)和上游活动的有效性决定,计算公式为:
外部信息有效性eo受设计过程所处的环境、客户需求稳定性等因素的影响,由设计人员确定。
外部信息导致的设计活动初始返工概率r0i,o是指活动其他信息完整,而仅缺少外部信息时,可能的返工率,由设计人员根据经验设置。
上游活动j有效性ej由活动j的完成程度造成的活动确定;
上游活动j导致的设计活动初始返工率RR(i,j)是指活动其他信息完整,而仅缺少由活动j提供的信息时,可能的返工率,由相应的返工发生概率和返工影响概率确定,如下:
RR(i,j)=RP(i,j)×RI(i,j)
上游活动j导致的设计活动可能返工的概率RP(i,j)表示当活动j有效性发生更改或缺少时,活动i发生返工的可能性;
上游活动j导致的设计活动可能的返工影响概率RI(i,j)表示当活动j引起活动i发生返工时,活动i发生返工的工作量占不发生任何返工时正常工作量的比例。
设计人员对设计活动输入信息的感知能力应用学习系数β表示,一般取β>0。
基于上述参数定义,提供一种基于系统动力学的设计过程建模方法,包括如下步骤:
步骤1:界定模型边界。
应用内生变量、外生变量和外部因素描述设计过程系统动力学模型的边界。
内生变量是随时间不断变化的变量,描述设计过程状态。一些可能的内生变量有活动有效性、活动有效性变化速度、活动当前成本、活动当前工期、活动当前时刻期望返工率。
外生变量是仿真过程中保持不变的变量,是根据设计活动基本特性、设计过程中优化与控制策略,由经验丰富的设计人员确定。一些可能的外生变量有设计活动基本作业时间、设计活动基本资源需求、设计活动间依赖关系、资源调整延迟时间、活动基本期望返工率、设计人员(设计资源)学习系数、设计活动进化系数、单位资源成本。
外部因素是一些可能对设计过程的执行、资源分配、工期设定等造成影响的因素。一些可能的外部因素有客户需求变更、资源短缺。
模型进行仿真时还需要设置不考虑因素。一些可能的不考虑因素有企业缺勤情况、现场工作条件、市场环境、人员招聘情况、资金情况、安全与环境目标。
步骤2:设置模型主要变量。
水准变量包括:活动有效性、活动累积工作量、活动实际作业时间。
速率变量包括:活动有效性速率、活动工作量速率、活动实际作业时间速率。
辅助变量包括:活动期望返工率、活动按照下一时刻的有效性进化函数已执行的有效时间。
初始变量包括:活动基本作业时间、活动信息进化系数、活动初始返工率((包括活动受其他活动影响的返工发生概率、活动受其他活动影响的返工影响概率、活动受过程外信息影响的返工率))、活动初始开始时间、仿真初始时间、活动初始资源分配数量、资源单位时间成本、设计活动学习系数初始变量、外部信息有效性、设计活动初始有效性、判断活动是否完成的足够小的数、仿真时间步长等。
步骤3:建立系统动力学方程,以活动i的方程式为例,包括水准变量方程式、速率变量方程式、辅助变量方程式、常量变量方程式和初始变量方程式。
水准变量方程式包括以下公式:
L e[i].K=e[i].J+DT×(RINe[i].JK-ROUTe[i].JK);
L work[i].K=work[i].J+DT×Rwork[i].JK;
L time[i].K=time[i].J+DT×Rtime[i].JK;
式中:
DT——仿真时间步长,DT>0;
e[i].K——活动i有效性K时刻的值;
e[i].J——活动i有效性J时刻的值;
RINe[i].JK——活动i在J时刻到K时刻时段有效性增加量;
ROUTe[i].JK——活动i在J到K时刻时段内有效性减少量;
work[i].K——活动i工作量在K时刻的值;
work[i].J——活动i工作量在J时刻的值;
Rwork.JK——活动i在J时刻到K时刻时段内工作量增加量;
time[i].K——活动i在K时刻实际作业时间值;
time[i].J——活动i在J时刻实际作业时间值;
Rtime[i].JK——活动i在J时刻到K时刻时段内实际作业时间增加值。
活动是否开始由活动初始开始时间来判断,速率变量方程式包括以下公式:
当T0+t≥ST[i]时,认为活动已经开始;
当T0+t<ST[i]时,认为活动尚未开始。
其中
T0——仿真初始时间;
t——仿真时间;
ST[i]——活动开始时间。
当活动开始后或活动期望返工率大于某一个足够小的数(σ)时,认为活动尚未执行结束。
令在当前时刻,活动有效性为e[i].K时,相当于按照下一时刻的有效性进化函数已执行的有效时间为t′[i].K。
在过去的一个时间步长内,活动执行情况分以下几种情况:
(2)当t′[i].K+DT>d[i]且(1-r[i].K)-e[i].K>σ时,认为活动可以正常执行,有效性增加量速率为:
RINe[i].KL=0
(4)当t′[i].K+DT>d[i]且(1-r[i].K)-e[i].K≤σ时,认为活动在未来时间步长内没有执行的必要,活动暂停,有效性增加量速率为:
RINe[i].KL=0
当活动期望返工率小于某一个足够小的数(σ)时,活动在未来时间停止执行,认为活动结束,有效性速率为:
RINe[i].KL=1-e[i].K
式中:
d[i]——活动i的基本作业时间;
r[i].K——活动i的在K时刻的期望返工率;
α[i]——活动i的有效性进化系数。
当活动尚未开始或者已经结束时:
RINe[i].KL=0
当在时刻K,客户需求发生更改时,认为会影响到活动有效性,导致活动有效性减少,有效性减少量速率为:
ROUTe[i].KL=e[i].K·Ir[i].K
其中:
Ir[i].K——K时刻活动i受客户需求变更影响时,有效性下降率。
对于活动工作量的增加来说:
Rwork[i].KL=Rsum[i]*DT
其中:
Rsum[i]——安排给设计活动的资源数量。
Rwork[i].KL=0
当活动尚未开始或者活动停止时:
Rwork[i].KL=0
对于活动实际作业时间增加量来说:
Rtime[i].KL=DT
Rtime[i].KL=0
当活动尚未开始或者活动停止时:
Rtime[i].KL=0
辅助变量方程式包括以下公式:
r[i,j].K=(1-e[j].K)β[i,j]·RR[i,j]
RR[i,j]=RP[i,j]·RI[i,j]
r[i,o].K=(1-e[o])β[i,o]·r0[i,o]
C[i].K=work[i].K·c[i]
其中:
r[i,j].K——K时刻,活动i受活动j影响的返工率;
RR[i,j]——活动i受活动j影响的基本返工率;
r[i,o].K——K时刻,活动i受活动外信息影响发生返工的概率;
RP[i,j]——活动i受活动j影响的返工发生概率;
RI[i,j]——活动i受活动j影响的返工影响概率;
r0[i,o]——活动i受外部信息影响的基本返工概率;
β[i,j]——活动i设计人员对来自活动j的输入信息的学习系数;
β[i,o]——活动i设计人员对来自活动外部的输入信息的学习系数;
e[j].K——K时刻,活动j的有效性;
e[o]——过程外信息的有效性。
当在时刻K,客户需求发生更改时,认为会影响到活动有效性,导致活动有效性减少,有效性减少量速率为:
ROUTe[i].KL=e[i].K·Ir[i]
其中:
Ir[i]——活动i受客户需求变更影响时,有效性下降率;
K时刻,若所有活动都完成,则过程总工期:
T=T0+t
过程总成本:
C=C.K
赋初值方程:
N e[i]=e0[i]
e0[i]与所研究的设计过程阶段有关,当所研究对象为整个设计过程时,e0[i]=0;当只研究当前时刻以后的设计过程时,根据实际情况设置e0[i]的值。
N work[i]=work0[i]
work0[i]与所研究的设计过程阶段有关,当所研究对象为整个设计过程时,work0[i]=0;当只研究当前时刻以后的设计过程时,根据实际情况设置work0[i]的值。
N time[i]=time0[i]
time0[i]与所研究的设计过程阶段有关,当所研究对象为整个设计过程时,time0[i]=0;当只研究当前时刻以后的设计过程时,根据实际情况设置time0[i]的值。
初始变量包括:活动基本作业时间(d[i])、活动信息进化系数(α[i])、活动初始返工率(RP[i,j]、RI[i,j]、r0[i,o])、活动初始开始时间(ST[i])、仿真初始时间(T0)、活动初始资源分配数量(Rsum[i])、资源单位时间成本(c[i])、设计活动学习系数初始变量(β[i,j]、β[i,o])、外部信息有效性(e[o])、设计活动初始有效性(e0[i])、判断活动是否完成的足够小的数(σ)、仿真时间步长(DT)等。初始变量的设置由企业设计人员根据历史数据、设计经验、资源情况、客户需求等条件进行设置。
步骤4:依据实际的产品设计过程相关数据,在Vensim PLE仿真平台中设置变量并定义变量方程,建立流图,对系统模型进行调试,进行仿真模拟。
步骤5:根据仿真结果分析设计过程和设计活动的动态特征,为设计过程决策提供参考。
实施例一
本实施方式只针对一个通用的设计活动(所有量没有单位),构建系统动力学模型,对设计活动的动态特性及性能进行评价。
本实施例以一个通用的设计活动为例展开实例验证,包括以下步骤:
(1)选取水准变量和辅助变量。水准变量有活动有效性、活动累积工作量、活动实际作业时间;辅助变量有活动期望返工率、活动按照下一时刻的有效性进化函数一致性的有效时间。
(2)建立系统动力学方程。所有与该活动相关的标示用[1]表示。
建立水准变量方程:
L e[1].K=e[1].J+DT×(RINe[1].JK-ROUTe[1].JK);
L work[1].K=work[1].J+DT×Rwork[1].JK;
L time[1].K=time[1].J+DT×Rtime[1].JK;
建立速率变量方程:
在过去的一个时间步长内,活动执行情况分以下几种情况:
当t′[1].K+DT>d[1]且(1-r[1].K)-e[1].K>σ时,认为活动可以正常执行,有效性增加量速率为:
当活动执行时:
Rwork[1].KL=Rsum[1]*DT
Rtime[1].KL=DT
当活动不执行时:
Rwork[1].KL=0
Rtime[1].KL=0
建立辅助变量方程:
r[1].K=1-(1-r[1,o].K)·(1-r[1,1].K)
r[1,o].K=(1-e[o])β[1,o]·r0[1,o]
r[1,1].K=(1-e[1].K)β[1,1]·RR[1,1]
RR[1,1]=RP[1,1]·RI[1,1]
C[1].K=work[1].K·c[1]
(3)设置初始变量和外部环境。
初始变量有活动基本作业时间(d[1]=100)、活动初始返工率(RP[1,1]=0.5、RI[1,1]=0.5、r0[1,o]=0.5)、活动信息进化系数(α[1]=2)、活动学习系数(β[1,1]=1、β[1,o]=1)、活动初始资源分配数量(Rsum[1]=1)、资源单位时间成本(c[1]=1)、外部信息有效性(e[o]=0.8)、设计活动初始有效性(e0[1]=0)、活动开始时间(ST[1]=0)、仿真时间步长(DT=1)、判断活动是否完成的足够小的数(σ=0.005).
外部环境主要与需求的不确定性有关。需求变更引起活动返工的概率由其发生的概率以及造成的影响大小两方面决定。假设需求在整个设计过程的任何时间发生变更的概率服从其中Rro=0.3表示,需求发生变更而导致的活动i返工量占比为Ir[1]=0.2(即活动有效性降低占当前活动有效性大小的比例)。仿真时,设计过程中需求发生变更的总次数不超过Rnum=3,将其作为约束条件设置到系统动力学模型中,通过有效性减少速率来体现。在仿真过程中,设置(0,1)之间的随机数Random,某时刻若Random≤RPo则认为需求发生变更,活动有效性减少。
(4)如图1所示,在Vensim PLE仿真平台中设置变量并定义变量方程,建立流图,对系统模型进行调试,进行仿真模拟。
(5)如图2所示为单个设计活动有效性进展规律的仿真结果,根据图可以判断该活动的工期为127。
如图3所示为单个设计活动有效性速率的仿真结果。根据图可知,该活动在时间为28时,由于发生需求变更而发生了返工。
(6)改变活动的基本返工概率、学习系数、进化系数、基本作业时间、需求发生变更的概率等参数,可以进行大量的仿真,如图4(a)-(c)所示,可根据仿真结果分析活动动态特性分析和设计活动的敏感性分析,得到结论如下:
产品有效性的进化规律受活动信息进化系数的影响最大,而受返工率和学习系数的影响不大。当活动信息进化系数小于1时,活动开始阶段进化迅速,作为上游活动时,可与其下游活动进行适当的重叠,以缩短设计周期。在返工率一定的情况下,可以通过提高设计人员的水平,即提升学习系数来改变信息进化系数,从而使得重叠过程更加高效合理。
当活动返工概率为0时,学习系数和进化系数对工期没有任何影响。当返工率大于0时,活动工期的大小受返工率的影响最大。同时学习系数和信息进化系数对这种影响具有放大作用。当返工率不变时,信息进化系数越小,活动在尚未完全获取输入功能的情况下进化越快,导致需要返工的工作量越大。相反,信息进化系数越大,需要返工的工作量越小。因此,在初始返工率一定的情况下,信息进化系数的加大会减少由于返工而导致的活动工期的增加。当信息进化系数和初始返工率都固定时,学习系数的增加能够减少返工带来的工期的增加,说明设计人员素质越高,对信息的把握程度越好。
活动有效性速率的变化也具有一定的规律。活动有效性速率的大小反映了当前时间段在设计活动整个周期中的重要性。在某一时间段内活动有效性速率越大,越应该得到重视,活动有效性速率的变化趋势受到进化系数的影响最大,跟学习系数关系不大。对于某一时间段内进化速度很小的活动,可以采用暂停的方式对其进行适当控制,以减少资源消耗,降低过程成本。
实施例二:
本实施方式针对某压缩机机组产品设计过程,构建系统动力学模型,详细阐述本公开在设计过程仿真与动态优化中的实施应用。包括以下步骤:
(1)基础数据分析。本实施例所涉及某压缩机机组产品设计过程包括A1到A14共14个设计活动。
(2)选取水准变量和辅助变量。水准变量有活动A1到A14的有效性、A1到A14的活动累积工作量、A1到A14的活动实际作业时间;辅助变量有A1到A14的活动期望返工率、A1到A14的活动按照下一时刻的有效性进化函数一致性的有效时间。
(3)建立系统动力学方程。分别建立14个活动的系统动力学方程,每一个活动的系统动力学方程建立与单活动系统动力学方程建立相同,仅需按照活动间信息依赖关系,将活动进行关联,具体关联方式为:在系统动力学模型中,关联上游活动的有效性变量和下游活动的期望返工概率变量。
(4)设置初始变量。本模型中初始参数的估计采用如下方法:
应用历史统计数据、调查资料等来确定活动A1到A14的基本作业时间(d[1]到d[14])、活动资源分配数量((Rsum[1]到Rsum[14])、活动初始返工率(RP[i,j]=0.5、RI[i,j]=0.5、r0[i,o]=0.5,其中i、j=1,2,…,14)、资源单位时间成本(c[1]到c[14])。
应用调度优化方法来设置活动A1到A14的开始时间。
不考虑外部信息有效性对设计过程的影响。
由设计人员和相关专家根据活动的进化规律、设计人员素质等情况,设置活动A1到A14的信息进化系数、活动学习系数;
由设计人员、市场人员,通过市场调研、客户访谈等方式确定设计过程所处的外部环境情况。所有活动初始有效性都为0,仿真时间步长为1天,判断活动是否完成的足够小的数σ=0.005。
各活动间的学习系数矩阵如图5所示。
各活动间的返工率矩阵(返工发生概率矩阵和返工影响矩阵)如图6和图7所示。
主要初始参数列表:
(5)在Vesim PLE仿真平台中设置各设计活动的变量并定义变量方程,关联活动及其变量,对系统模型进行调试,并进行仿真。该步骤所建模型为初始模型,在进行应用时,根据具体的要求可以修改模型中的参数,对模型进行修订。
(6)在不考虑环境不确定的情况下,根据活动开始时间,进行设计过程仿真,仿真结果如图8所示。
设计过程根据给定的设计活动开始时间执行模型,从图中可以分析每一个设计活动在每一天的状态,图中各活动有效性曲线中,曲线为上升时,表示活动在当天执行,水平时表示活动在当天尚未执行、已经结束或者没有执行的必要性(暂停)。活动的这些状态为设计资源的分配提供了参考依据。通过仿真还能获取设计过程期望的工期为93天,过程成本为17.5万元,为过程风险管理和过程控制提供参考。
图9中用椭圆圈出的折弯表示活动A1、A2、A3、A4和A8的有效性由于受到需求变更的影响而降低的情况。从需求发生的时间来看,需求变更发生的时间越晚,对过程造成的影响越大。仿真结果还显示由于需求变更而导致设计过程的期望工期由93天增加为101天,过程期望成本增加到23.03万元。通过改变客户需求发生变更的概率,可以研究设计过程对客户需求的依赖程度。本实施例中,随着需求变更概率的增大,对设计过程带来的影响也会越来越大,但是当客户需求变更概率达到一定程度以后,这种影响基本固定。这与压缩机产品本身的市场特点有关。由于该产品完全是订单生产,一旦发生需求变更,都会引起较大的影响,因此,在进行设计前需要与客户进行大量的沟通,明确客户需求。
(8)在具有资源约束的情况下,应用本公开所建系统动力学模型,能够辅助进行资源分配,以达到较优的过程效果。图10所示为一种在资源约束下的仿真结果。其中用椭圆标注的水平部分是仿真出来的由于资源短缺而导致设计活动暂停的情况。
为了合理分配设计资源,可以分析每一个活动在每一天有效性速率,根据有效性速率的大小来分配设计资源,即优先将设计资源分配给有效性速率大的设计活动。有效性速率仿真结果如图11所示,由图可分析进化速率大小。
(9)应用本公开所提系统动力学模型,在产品设计项目实施过程中,通过调整相关仿真参数,实时进行过程仿真,为设计过程中的决策提供依据。图12所示为根据仿真结果转换的活动甘特图。图中黑粗线所对应的时间为仿真时间,该粗线将甘特图分成了两部分,左边的部分表示已经结束的部分,右边的是应用系统动力学模型仿真的结果。为设计过程中资源的调整、风险的控制等决策提供了直观的参考。
综上,根据设计过程中活动信息进化规律,应用设计活动有效性描述设计活动实现程度,据此建立设计过程系统动力学模型进行仿真分析。首先界定模型边界,根据所要研究的设计过程,设置相应的水准变量、速率变量、辅助变量,进而构建各变量的系统动力学方程;然后在Vesim PLE仿真平台中构建仿真模型,进行模型调试;再次,在所构建的模型中,调整变量参数,研究设计过程动特特征,分析客户需求变更、设计资源约束等不确定性对设计过程性能的影响。本公开的方法能够深入设计过程内部,从系统角度,综合分析设计过程动态特征,揭示设计过程中的反馈机制和内在结构,构建与现实产品设计过程比较吻合的设计过程系统流图,为设计过程的管理、优化和决策提供支持。
本公开是参照根据本公开实施例的方法、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。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (7)
1.一种工业产品设计过程建模优化方法,其特征是:包括以下步骤:
应用内生变量、外生变量和外部因素描述工业产品设计过程系统动力学模型的边界,描述工业产品设计过程系统动力学模型的边界过程中,包括:随时间不断变化的变量、描述设计过程状态的内生变量,保持不变的外生变量,外部因素和不考虑因素;
设置工业产品设计过程系统动力学模型的水准变量、速率变量、辅助变量和初始变量参数,并定义工业产品系统的各种变量的系统动力学各变量方程,其中水准变量包括:活动有效性、活动累积工作量、活动实际作业时间;速率变量包括:活动有效性速率、活动工作量速率、活动实际作业时间速率;辅助变量包括:活动期望返工率、活动按照下一时刻的有效性进化函数一致性的有效时间;所述活动有效性在活动进行过程中是随时间和资源投入不断变化的,表示为活动基本作业时间d、活动信息进化系数α、活动实际有效执行时间t和活动期望返工率的函数rexpected,具体为:
依据实际的产品设计过程相关数据,设置变量并定义变量方程,建立流图,对工业产品设计过程系统动力学模型进行调试,进行仿真模拟;
根据仿真结果分析工业产品设计过程的动态特征,调整相应的参数,形成最终的工业产品设计过程方案。
2.如权利要求1所述的一种工业产品设计过程建模优化方法,其特征是:
当产品设计需求发生变更后,需求在设计过程中发生变更的概率服从指数分布,通过对系统动力学模型中的相关参数进行重新设置,再次进行仿真模拟。
3.如权利要求1所述的一种工业产品设计过程建模优化方法,其特征是:分析每一个工业产品设计活动在每一天有效性速率,根据有效性速率的大小来分配设计资源,即优先将设计资源分配给有效性速率大的设计活动。
4.如权利要求1所述的一种工业产品设计过程建模优化方法,其特征是:在产品设计项目实施过程中,通过不断调整相关仿真参数,实时进行过程仿真,依据仿真结果挑选出最优的设计方案。
5.一种工业产品设计过程建模优化系统,其特征是:包括:
边界设置模块,被配置为应用内生变量、外生变量和外部因素描述工业产品设计过程系统动力学模型的边界,描述工业产品设计过程系统动力学模型的边界过程中,包括:随时间不断变化的变量、描述设计过程状态的内生变量,保持不变的外生变量,外部因素和不考虑因素;
参数设置模块,被配置为设置工业产品设计过程系统动力学模型的水准变量、速率变量、辅助变量和初始变量参数,并定义工业产品系统的各种变量的系统动力学各变量方程,其中水准变量包括:活动有效性、活动累积工作量、活动实际作业时间;速率变量包括:活动有效性速率、活动工作量速率、活动实际作业时间速率;辅助变量包括:活动期望返工率、活动按照下一时刻的有效性进化函数一致性的有效时间;所述活动有效性在活动进行过程中是随时间和资源投入不断变化的,表示为活动基本作业时间d、活动信息进化系数α、活动实际有效执行时间t和活动期望返工率的函数rexpected,具体为:
仿真模拟模块,被配置为依据实际的产品设计过程相关数据,设置变量并定义变量方程,建立流图,对工业产品系统模型进行调试,进行仿真模拟;
参数调整模块,被配置为根据仿真结果分析工业产品设计过程的动态特征,调整相应的参数,形成最终的工业产品设计过程方案。
6.一种计算机可读存储介质,其特征是:其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行权利要求1-4中任一项所述的一种工业产品设计过程建模优化方法。
7.一种终端设备,其特征是:包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行权利要求1-4中任一项所述的一种工业产品设计过程建模优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910898257.6A CN110807241B (zh) | 2019-09-23 | 2019-09-23 | 工业产品设计过程建模优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910898257.6A CN110807241B (zh) | 2019-09-23 | 2019-09-23 | 工业产品设计过程建模优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110807241A CN110807241A (zh) | 2020-02-18 |
CN110807241B true CN110807241B (zh) | 2023-05-05 |
Family
ID=69487640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910898257.6A Active CN110807241B (zh) | 2019-09-23 | 2019-09-23 | 工业产品设计过程建模优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110807241B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012098170A1 (de) * | 2011-01-18 | 2012-07-26 | Suzlon Energy Gmbh | Simulationsmodell für eine Windenergieanlage sowie Erzeugung und Verwendung desselben |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060229753A1 (en) * | 2005-04-08 | 2006-10-12 | Caterpillar Inc. | Probabilistic modeling system for product design |
US8209156B2 (en) * | 2005-04-08 | 2012-06-26 | Caterpillar Inc. | Asymmetric random scatter process for probabilistic modeling system for product design |
US9052703B2 (en) * | 2012-02-02 | 2015-06-09 | Emerson Process Management Power & Water Solutions, Inc. | Enhanced sequential method for solving pressure/flow network parameters in a real-time distributed industrial process simulation system |
US20130304571A1 (en) * | 2012-05-11 | 2013-11-14 | Truecar, Inc. | System, method and computer program for varying affiliate position displayed by intermediary |
US10949753B2 (en) * | 2014-04-03 | 2021-03-16 | Adobe Inc. | Causal modeling and attribution |
-
2019
- 2019-09-23 CN CN201910898257.6A patent/CN110807241B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012098170A1 (de) * | 2011-01-18 | 2012-07-26 | Suzlon Energy Gmbh | Simulationsmodell für eine Windenergieanlage sowie Erzeugung und Verwendung desselben |
Non-Patent Citations (1)
Title |
---|
孙伟等.面向机械产品可视优化设计的参数化建模.《东北大学学报(自然科学版)》.2009,第第30卷卷(第第30卷期),第1632-1635页. * |
Also Published As
Publication number | Publication date |
---|---|
CN110807241A (zh) | 2020-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | Dynamic production scheduling model under due date uncertainty in precast concrete construction | |
Pena-Mora et al. | Dynamic planning for fast-tracking building construction projects | |
Cocco et al. | Simulating kanban and scrum vs. waterfall with system dynamics | |
US20080300705A1 (en) | Integration of job shop scheduling with discrete event simulation for manufacturing facilities | |
Suri et al. | Comparative analysis of software effort estimation techniques | |
Klusáček et al. | Complex job scheduling simulations with Alea 4 | |
Biswasa et al. | Time-cost trade-off analysis in a construction project problem: Case study | |
CN114675975B (zh) | 一种基于强化学习的作业调度方法、装置及设备 | |
El-Sayegh | Resource levelling optimization model considering float loss impact | |
Markina‐Khusid et al. | Agile Dynamics at Scale | |
Lin et al. | Computer-aided software development process design | |
Ganesan et al. | Predicting return-on-investment for product line generations | |
White | A control system project development model derived from System Dynamics | |
CN110807241B (zh) | 工业产品设计过程建模优化方法及系统 | |
Nyhuis et al. | Modelling the influence of setup optimized sequencing on lateness and productivity behaviour of workstations | |
CN116629433A (zh) | 一种流程驱动的导弹装备保障资源配置优化方法 | |
US8812341B2 (en) | Method and system for optimizing process models | |
Zhang et al. | Qualitative simulation model for software engineering process | |
Herroelen | A risk integrated methodology for project planning under uncertainty | |
EP1355245A1 (en) | Method for simulating project duration and costs | |
US20120131586A1 (en) | Apparatus and method for controlling response time of application program | |
Lisse | Applying system dynamics for outsourcing services in design-build projects | |
Salhab et al. | Schedule compression and emerging waste in construction: an assessment of overlapping activities | |
EP1355246A1 (en) | Method for simulating project task risk impact | |
Mercier-Aubin et al. | The confidence constraint: A step towards stochastic cp solvers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230419 Address after: 250061, No. ten, No. 17923, Lixia District, Ji'nan City, Shandong Province Applicant after: SHANDONG University Address before: 518057 A301, Virtual University Park, No.19, South 4th Road, Gaoxin, Nanshan District, Shenzhen City, Guangdong Province Applicant before: SHENZHEN RESEARCH INSTITUTE OF SHANDONG University |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |