CN111126706B - 基于知识驱动的功能变更传播路径和工作量预测方法 - Google Patents
基于知识驱动的功能变更传播路径和工作量预测方法 Download PDFInfo
- Publication number
- CN111126706B CN111126706B CN201911366085.4A CN201911366085A CN111126706B CN 111126706 B CN111126706 B CN 111126706B CN 201911366085 A CN201911366085 A CN 201911366085A CN 111126706 B CN111126706 B CN 111126706B
- Authority
- CN
- China
- Prior art keywords
- function
- knowledge
- change
- functions
- propagation
- 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
- 230000008859 change Effects 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000006870 function Effects 0.000 claims abstract description 390
- 238000013461 design Methods 0.000 claims abstract description 62
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 38
- 230000000644 propagated effect Effects 0.000 claims description 33
- 230000003993 interaction Effects 0.000 claims description 19
- 239000000126 substance Substances 0.000 claims description 10
- 230000004075 alteration Effects 0.000 claims description 8
- 238000012356 Product development Methods 0.000 claims description 7
- 238000007792 addition Methods 0.000 claims 1
- 238000012827 research and development Methods 0.000 abstract description 10
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 7
- 238000012938 design process Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000011089 mechanical engineering Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000005441 aurora Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 108091092878 Microsatellite Proteins 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000012407 engineering method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training Methods 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种基于知识驱动的功能变更传播路径和工作量预测方法,其步骤为:首先,从功能和知识的角度出发,建立功能变更传播预测信息模型,并确定变更传播潜在路径,找出所有潜在的受影响功能,逐条比较变更功能的变更知识和受影响功能的知识的相似性;其次,分别建立来自功能分解模型的变更传播树和来自功能接口模型的变更传播树,并计算变更传播可能性和变更传播带来的额外复杂性和工作量;最后,根据额外复杂性和工作量制定具体的设计计划,对产品研发进度进行有效管理。本发明结合BZT复杂性评价方法,帮助工程师改善现有的研发计划,保证研发进度,改善基于产品组件的工程变更传播预测方法工作量巨大、输入主观性强和通用性低的问题。
Description
技术领域
本发明涉及变更传播预测技术领域,特别是指一种基于知识驱动的功能变更传播路径和工作量预测方法。
背景技术
设计阶段的复杂性难以有效预测和管理是导致产品研发周期增加的主要原因之一。汽车、飞机和卫星等大型产品的研发是一项复杂的系统工程,需要经过多个迭代阶段,其中设计阶段至关重要,其质量高低不仅直接决定了研发时间,也影响后续制造、使用和维护的周期和成本。根据系统工程方法,在设计阶段初期,复杂产品可以自上而下地分解为具有不同抽象层级功能的功能树,设计任务的完成与否取决于子功能实现方案的确定程度,以及子功能到高层级功能的集成情况。但在现实世界中,功能之间的关联性、设计信息的不确定性和设计活动的迭代性等因素都会增加产品设计阶段的复杂性,导致设计过程难以控制,研发周期超出预期。
面对上述设计阶段的复杂性,每个企业关心的核心问题之一是如何有效评估它。为此,不同学者进行了深入研究,试图寻找评估设计复杂性的可靠指标,主要包括信息熵理论、公理化设计理论、计算复杂性、Bashir-Zhang-Thomson(BZT)复杂性指标等。但是,信息熵理论侧重用计算复杂性的混乱程度,只适用于完全不可预测的系统行为,精确显示复杂性变化的能力不足。公理化设计理论中的信息公理能够从实现功能概率的角度进行设计复杂性评估,但信息公理偏重于测量设计对功能需求的满足程度,而不是描述产品自身设计过程的复杂性。计算复杂性针对的是设计过程中基于方程的解决方案的复杂性。
目前,评估设计阶段复杂性的可靠指标之一是BZT指标。该指标的雏形最先由Bashir和Thomson建立,产品设计复杂性被简单的量化为产品功能树中各个功能及其所处层级的乘积之和。随后,文献[ZHANG X,THOMSON V.Modelling the development ofcomplex products using a knowledge perspective[J].Research in EngineeringDesign,2019,30(2):203-226.]改善了这种方法,将实现功能的知识引入复杂性计算中,正式提出BZT指标,能够评估产品设计所需知识和设计团队已有知识的匹配程度,以及产品功能拓扑、功能接口兼容性和知识获取难易程度对设计复杂性的影响。在此基础上,文献[XIAOQI Z.Measures and Mitigations of Complexity during Product Development[D].Montreal,Canada:McGill University,2017:11-16.]开发了一种基于代理的产品研发过程模型,产品和设计师被分别描述为功能代理和设计师代理,设计过程就是代理之间知识的供求过程,该模型能够对不同场景下的产品设计的工作总量和设计时长进行仿真预测。
但是,上述方法都缺乏考虑工程变更(ECs,Engineering Changes)对产品设计复杂性的影响。导致产品设计复杂性的三个主要因素,功能之间的关联性、设计信息的不确定性和设计活动的迭代性,都与工程变更及其传播有关。例如,单一功能的设计变更会引起所有相关联功能的更改,也就是变更发生了传播;变更传播的路径和概率是不确定的,一旦忽略了被影响的其他功能,或者在无需更改的功能上耗费了精力,必然导致产品研发周期的增长;另外,工程变更本身就是一种设计迭代。因此,任何一个工程变更都会增加设计师的总工作量和产品设计时长。为了有效评估产品设计复杂性,需要揭示、分析、预测工程变更是如何在产品中传播的。但是,目前的变更传播预测方法大都从产品组件的角度出发,例如最成熟的变更传播方法(CPM,Change Propagation Method)是在设计结构矩阵基础上提出的;文献[李玉鹏,李孟泽,王召同.基于有向加权网络模型的复杂产品多源设计变更传播路径优化[J].机械工程学报,2019,55(06):213-222.]和文献[郑玉洁,杨育,张娜,焦垚.复杂产品工程变更传播路径动态优化[J].计算机集成制造系统,2018,24(02):474-483.]提出的设计变更传播分析也是以零部件及其物理连接关系为基础的。这些方法存在以下缺陷:
(1)工作量巨大:设计师必须确定每个组件或者子系统具有的所有特性才能计算变更传播的可能性,但对于一个复杂的产品或系统,对每一个组件进行分析的工作量巨大,例如Hamraz等为了预测包含41个部件的柴油发动机的工程变更传播,必须明确每个组件涉及机械、电子、热能、材料、几何和控制等接口的特性,最终需要分析超过10000个关联关系。
(2)输入主观性大:组件之间关联关系的确定依靠设计师的知识和经验,不同设计师得到的结果可能不同。
(3)通用性不强:对于一种产品有效的特性不一定适用于其他的产品。
发明内容
针对现有的变更传播预测方法存在工作量主观性强、通用性弱的技术问题,本发明提出了一种基于知识驱动的功能变更传播路径和工作量预测方法,从功能和知识的角度出发,建立功能变更传播预测模型;再确定变更传播路径并计算传播可能性;在此基础上,结合BZT复杂性评价方法,计算功能变更传播带来的额外工作量,从而帮助工程师改善现有的研发计划,保证研发进度。本发明能够改善现有的基于产品组件的工程变更传播预测方法工作量巨大、输入主观性强和通用性低的问题。
本发明的技术方案是这样实现的:
一种基于知识驱动的功能变更传播路径和工作量预测方法,其步骤如下:
S1、从功能和知识的角度出发,建立功能变更传播预测信息模型;
S2、根据步骤S1中的功能变更传播预测信息模型确定变更传播潜在路径,找出所有潜在的受影响功能,并逐条比较变更功能的变更知识和受影响功能的知识的相似性;
S3、根据步骤S2中的变更传播潜在路径分别建立来自功能分解模型的变更传播树和来自功能接口模型的变更传播树;
S4、根据知识的关联关系,计算变更传播可能性;
S5、根据功能所需知识的不相似性,计算变更带来的额外复杂性和工作量;
S6、根据额外复杂性和工作量制定具体的设计计划,对产品研发进度进行有效管理。
所述功能变更包括增加/删除一个功能、增加/删除一个知识、修改功能接口。
所述功能变更传播预测信息模型包括功能、功能之间的分解关系、实现功能的知识、功能之间的接口;
所述功能是指产品/系统设计的功能需求;
所述功能之间的分解关系是指将一个功能分解为多个子功能,形成功能树;
所述实现功能的知识是指利用知识对功能进行量化,采用知识量级表示知识对功能实现的重要程度;
所述功能之间的接口是指功能之间的交互,一个接口包括两个端口、多个端口特性和一个连接器:
其中,Interface为接口,Charactert为第t个端口特性,t=1,2,…,T,T为端口特性的数量,Connector为连接器,Portl为第l个端口,l=1,2;
一个功能交互需要首先确定功能交互的两个端口,然后确定每个端口的端口特性,最后为端口特性的重要程度赋值。
所述变更传播潜在路径分别为:
(1)根据功能分解模型,功能变更传播到该功能的所有“子”功能;
(2)根据功能分解模型,功能变更传播到该功能的所有“父”功能,直到最顶层的功能;
(3)根据功能分解模型,功能变更传播到该功能的所有“平辈”功能;
(4)根据功能接口,功能变更传播到所有与其存在交互的功能,直到形成一个环路。
所述计算变更传播可能性的方法为:
S1、根据知识的关联关系,计算变更传播的直接可能性和间接可能性;
其中,表示从功能Fi传播到功能Fj的直接传播的可能性,表示从功能Fi传播到功能Fa的直接传播的可能性,表示从功能Fa传播到功能Fj的直接传播的可能性,表示从功能Fi经过功能Fa传播到功能Fj的间接传播的可能性,r表示知识或者端口特性的量级,KDij表示功能Fi所需知识与功能Fj所需知识的不相似性,i=1,2,…,n,j=1,2,…,n,n为产品包含的功能的个数;
S2、计算最终的组合变更可能性:
计算变更带来的额外复杂性和工作量:
其中,表示功能Fi变更及变更传播引起的额外复杂性,Cj表示功能Fj基于功能Fi变更的的总体复杂性,ICij表示功能Fi与功能Fj之间的复杂性,TCj表示功能Fj的复杂性,Lj表示功能Fj所处的层级,E表示功能Fi变更及变更传播引起的额外工作量,G表示设计师提交的图纸类型,P表示是否有设计师参与,i=1,2,…,n,j=1,2,…,n,n为产品包含的功能的个数。
所述功能Fi所需知识与功能Fj所需知识的不相似性KDij为:
其中,Fi表示产品第i个功能,Fj表示产品第j个功能,θij表示功能Fi和Fj的夹角,i=1,2,…,n,j=1,2,…,n,n为产品包含的功能的个数。
所述功能Fi与功能Fj之间的复杂性ICij为:
ICij=Nij*KDij,
其中,Nij表示功能Fi与功能Fj之间接口的个数,KDij表示功能Fi所需知识与功能Fj所需知识的不相似性;
所述功能Fj的复杂性TCj为:
其中,kq表示功能Fj所需的第q个知识的量级,N表示功能Fj所需知识的个数。
本技术方案能产生的有益效果:
(1)相比于基于设计参数或组件的变更传播预测方法,本发明方法对于无限极光探测任务的功能需求的数量少得多,使得预测的工作量减少;
(2)从功能分解和知识量化的角度出发,通过知识的非相似性计算一个功能的变更传播到其它功能的概率,帮助设计师在设计初期预测功能变更影响;
(3)根据预估的功能变更及其传播带来的额外工作量,可以制定具体的设计计划,对产品研发进度进行有效管理;
(4)本发明能够对不同的变更场景进行分析,并且在功能变更传播的时候识别出带来额外工作量较多的功能和接口,从而帮助管理者制定提高产品研发效率的策略。
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为无限极光探测任务系统的功能分解模型;
图2为本发明的功能到知识空间的映射;
图3为本发明的两个功能的知识不相似性计算图;
图4为本发明的功能变更传播预测信息模型;
图5为本发明使用设计结构矩阵表示的功能之间的接口;
图6为本发明的功能之间的接口信息模型;
图7为本发明的功能变更的四条传播路径图;
图8为本发明的功能变更传播工作量预测方法示意图;
图9为本发明的不同知识之间的关联关系;
图10为本发明基于功能分解模型的CubeSatellite卫星功能17变更的传播路径;
图11为本发明基于功能接口模型的CubeSatellite卫星功能17变更的传播路径;
图12为本发明基于功能分解模型的CubeSatellite卫星功能17的变更传播树;
图13为本发明基于功能接口模型的CubeSatellite卫星功能17的变更传播树。
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付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。
本发明实施例提供了一种基于知识驱动的功能变更传播路径和工作量预测方法,具体步骤如下:
S1、从功能和知识的角度出发,建立功能变更传播预测信息模型;如图4所示,通过该模型对功能变更传播的可能性进行计算,为功能变更传播预测提供一种通用方法。知识驱动的功能变更传播预测信息模型包括:功能、功能之间的分解关系、实现功能的知识、功能之间的接口。
所述功能是指产品/系统设计的功能需求;功能指的是产品中材料、能量和信号的输入输出关系,独立于产品结构,通常用“动词+名词”表示,例如“确定姿态”和“储存电能”。
所述功能之间的分解关系是指将一个功能分解为多个子功能,形成功能树;功能分解一般从最抽象的功能开始,通过回答“如何实现该功能?”,将一个功能分解为多个子功能,形成“功能树”。
目前有很多方法能够建立功能分解模型,最常用的方法之一是Bytheway提出的功能分析系统技术(FAST,Function Analysis System Technique)。无线极光探测任务(RAX,Radio Aurora Explorer)是航天领域的一个标准航天任务,图1给出了使用FAST建立的基于微小卫星CubeSatellite的RAX任务的功能分解模型,共有36个功能,不同层级的功能之间具有三种关联关系:
(1)父子关系,例如图1中的功能0和1之间;
(2)同辈关系,例如功能1和功能2之间;
(3)交互关系,描述了功能之间通过接口进行材料、能量和信号的传递或者转换。
根据功能分解准则,当某个功能足够简单,能够映射到现有的或者可以购买到的零部件或者子系统的时候,分解可以停止。例如,图1中的底层功能“F33-太阳能转化为电能”可以映射到现有的太阳翼。功能分解的优点在于独立于详细的产品设计方法,另外,功能分解能够用在产品设计任何阶段的工程变更分析中。
所述实现功能的知识是指利用知识对功能进行量化,每个功能对应实现该功能的多种知识,并采用知识量级表示不同知识对该功能实现的重要程度,这样该功能就能够用具有量级的知识向量表示;功能的实现依赖多种专业知识,如机械知识、电子知识、控制知识和软件知识。实现不同功能所需的知识不同,并且每个知识对同一个功能的重要程度也不同。
产品设计是一个知识密集型业务流程,因为产品可以看作知识的应用结果,设计过程是知识的实施步骤,设计团队是知识的载体。另外,知识也是连接产品功能和设计团队的纽带,产品分解后的功能及其集成是通过设计团队具有的专业知识实现的,设计师之间通过交流和咨询获取新知识。Zhang将知识定义为“设计活动中设计师所使用的专业技能,能够通过专业学习或者实际产品研发获得”,称为“技术知识”,分为两种类型:
(1)通用知识:针对所有产品的技术知识,可以通过系统的培训、结构化的学习和规范化的教育获得。例如,某工作要求对一个零件进行应力分析,这项任务应该由机械工程师负责而不是软件工程师。
(2)产品知识:面向特定产品的技术知识,在已有通用知识基础上,通过实践积累经验获得。例如,卫星工程师通过多年的卫星研发经验所掌握的卫星研发相关知识。
本发明使用通用知识对功能进行量化,为此使用“知识量级”表示某个知识对功能实现的重要程度。为了平等地对待每种知识,所有的知识的量级应该限制在相同的值域内,用[0,r],其中,(r∈N+)表示,通常取值是r=2。如果某个知识的量级取值为0,表示此类知识对于实现该功能不重要;如果取值为2,表示此类知识对功能的实现至关重要。表1给出了RAX系统设计过程中所需的十种类型的知识及其量级。
表1 RAX系统设计过程中所需的十种类型的知识及其量级
不同类型的知识之间应该保持独立,例如“几何”和“重量”就是相互独立的知识,而“几何”和“形状”就不是相互独立的知识。由于这种独立性,如果一个功能需要n种类型的知识,该功能就可以用一个知识向量表示,即F=(k1,k2,…,kN),其中,kq是知识q的量级的数值。图2显示了卫星探测系统设计过程中部分功能到知识空间的映射。
所述功能之间的接口是指功能之间的交互,例如能量和材料的传递。一个接口包括两个端口、多个端口特性和一个连接器。
功能之间除了分解关系之外,还存在交互,包括空间关系、能量交换、信息传递和材料交换。例如卫星电源分系统与机构分系统之间的电能传递,主控计算机和电源分系统之间的控制信号传递。这种交互通过“接口(Interface)”实现,图5使用设计结构矩阵(DSM,Design Structure Matrix)描述RAX系统设计的36个功能之间的接口,矩阵元素为1表示存在接口,0表示没有接口。
如图6所示,一个接口由两个端口(Port),多个端口特性(Characteristic)和一个连接器(Connector)组成,用公式(1)表示。其中,端口表示两个功能通过连接器相连的接点,端口特性表示功能之间交互的具体内容。根据文献[PIMMLER T U.IntegrationAnalysis of Product Decompositions.ASME Conference on Design Theory andMethodology[C]//Minneapolis,MN,1994:343-351.]对功能元素的分析,将功能接口所具有的端口特性分为以下五种类型:
(1)空间特性:两个功能之间的空间位置关系。
(2)能量特性:两个功能之间存在能量传递。
(3)材料特性:两个功能之间存在材料交互。
(4)信息特性:两个功能之间存在信息交互。
(5)控制特性:两个功能之间的控制信号交互。
其中,Interface为接口,Charactert为第t个端口特性,t=1,2,…,T,T为端口特性的数量,Connector为连接器,Portl为第l个端口,l=1,2。
端口特性的确定依据具体的设计问题。与功能所需的知识相似,根据不同端口特性对于同一个功能的重要程度不同,将其分为不同的量级,如表2所示。
表2端口特性的量级表达
一个端口可以通过一个端口特性向量表示,即l=(c1,c2,…,cL),其中,cl代表端口特性l的取值。定义一个功能交互需要首先确定功能交互的两个端口,然后确定每个端口的端口特性,最后为端口特性的重要程度赋值。表3给出了CubeSatellite卫星的功能0、功能1和功能2所具有的端口特性,其中,C1~C5代表了表2中的五种端口特性,Port-f00(f00-f01)表示该端口属于功能0,并且该端口通过连接器与属于功能1的另一个端口连接。
表3 CubeSatellite卫星的功能0、功能1和功能2所具有的端口特性
S2、根据步骤S1中的功能变更传播预测信息模型确定变更传播潜在路径,找出所有潜在的受影响功能,并逐条比较变更功能的变更知识和受影响功能的知识的相似性。
从知识的角度出发,一个功能的变更指的是增加、删除或修改了对应的知识,这种变更会在功能模型中传播,传播可以通过以下四条路径实现,其中前三种是通过功能分解模型传播,第四种是通过功能之间的接口传播。
所述变更传播潜在路径分别为:
(1)根据功能分解模型,功能变更传播到该功能的所有“子”功能;
(2)根据功能分解模型,功能变更传播到该功能的所有“父”功能,直到最顶层的功能;
(3)根据功能分解模型,功能变更传播到该功能的所有“平辈”功能;
(4)根据功能接口,功能变更传播到所有与其存在交互的功能,直到形成一个环路。
例如,在图4所示的功能变更传播预测信息模型中,如果功能2.2发生了变更,受其影响的功能包括所有的子功能,功能2.2.1和功能2.2.2;所有的父功能,功能2和功能0;所有平辈功能,功能2.2.1;以及通过接口连接的功能,功能1.1.3和功能1.1.2,如图7所示。其中,有些变更传播是直接的,例如功能2.2和功能2之间,有些是间接的,例如功能2.2和功能0之间。
在确定了功能变更的传播路径和可能性的基础上,结合BZT复杂性评估方法,计算功能变更传播带来的额外工作量,如图8所示。所述功能变更包括增加/删除一个功能、增加/删除一个知识、修改功能接口。
S3、根据步骤S2中的变更传播潜在路径分别建立来自功能分解模型的变更传播树和来自功能接口模型的变更传播树。
S4、根据知识的关联关系,计算变更传播可能性;具体方法为:
S41、根据知识的关联关系,计算变更传播的直接可能性和间接可能性;
一个功能变更传播到另一个功能,引起它变更的可能性可以根据功能之间知识的不相似性计算,如公式(2)所示:
其中,表示从功能Fi传播到功能Fj的直接传播的可能性,r=2表示知识或者端口特性的量级,KDij表示功能Fi所需知识与功能Fj所需知识的不相似性,i=1,2,…,n,j=1,2,…,n,n为产品包含的功能的个数。
除了直接传播,变更从功能Fi经过功能Fa传播到功能Fj的间接(Indirect)传播的可能性如公式(3)所示:
其中,表示从功能Fi传播到功能Fa的直接传播的可能性,表示从功能Fa传播到功能Fj的直接传播的可能性,表示从功能Fi经过功能Fa传播到功能Fj的间接传播的可能性,i=1,2,…,n,j=1,2,…,n,n为产品包含的功能的个数。
S42、计算最终的组合变更可能性,功能Fi可能通过功能分解影响功能Fj,也可能通过接口影响功能Fj,因此,计算来自不同传播路径的变更可能性如公式(4)所示:
S5、根据功能所需知识的不相似性,计算变更带来的额外复杂性和工作量;功能Fi变更及其传播引起的复杂性(CPC,Change Propagation Complexity)由公式(5)计算得到,表示的是每个受变更传播影响的功能的总体复杂性与其变更可能性乘积之和。然后,根据公式(6)计算功能变更传播引起的额外工作量(CPE,Change Propagation Effort):
其中,表示功能Fi变更及变更传播引起的额外复杂性,Cj表示功能Fj基于功能Fi变更的的总体复杂性,ICij表示功能Fi与功能Fj之间的复杂性,TCj表示功能Fj的复杂性,Lj表示功能Fj所处的层级,E表示功能Fi变更及变更传播引起的额外工作量,是使用回归刀切法(jackknife technique)建立回归模型,计算出设计复杂性Cj与工作量E(Effort)之间的关系,G表示设计师提交的图纸类型,P表示是否有设计师参与,i=1,2,…,n,j=1,2,…,n,n为产品包含的功能的个数。
所述功能Fi所需知识与功能Fj所需知识的不相似性KDij为:
其中,Fi表示产品第i个功能,Fj表示产品第j个功能,θij表示功能Fi和Fj的夹角,i=1,2,…,n,j=1,2,…,n,n为产品包含的功能的个数。KDij是通过两个功能Fi和Fj的知识向量夹角的正旋sinθij计算得到的,如图3所示。因为知识向量中元素的取值都为大于或等于0的整数,所以夹角的范围是0°~90°。当夹角为0°时,说明两个功能所需的知识相同,这时KDij=1;当夹角为90°时,说明两个功能所需的知识完全不同,这时KDij=r。
所述功能Fi与功能Fj之间的复杂性ICij为:
ICij=Nij*KDij (8),
其中,Nij表示功能Fi与功能Fj之间接口的个数,KDij表示功能Fi所需知识与功能Fj所需知识的不相似性;
所述功能Fj的复杂性TCj为:
其中,kq表示功能Fj所需的第q个知识的量级,N表示功能Fj所需知识的个数。功能Fi与功能Fj之间的复杂性ICij和功能Fj的复杂性TCj是BZT评价指标的两个方面。
S6、根据额外复杂性和工作量制定具体的设计计划,对产品研发进度进行有效管理。
以CubeSatellite卫星的功能17-收集电能为例,说明本发明的计算过程。
第一步,将功能17确定为变更功能,是因为需要采用新的电源系统,需要新的机械工程知识。另外,功能17同时涉及分解关系和接口关系,所以功能17是一个理想的研究对象。
第二步,找到所有潜在受影响的功能,如图10和图11所示。图10给出了所有来自功能分解模型的受影响功能,包括子功能、父功能和同辈功能;图11给出了来自功能接口模型的受影响功能,搜索结束的原因是形成了回路,例如功能15传播到功能14,又回到了功能15。另外,功能14和功能33的影响同时来自功能分解和功能接口。除了功能16,这些功能都具有机械工程知识,所以它们都是候选对象。
第三步,建立功能传播树,如图12和图13所示。图12描述的是通过功能分解模型传播的变更,包括直接和间接传播,例如功能17对功能1的影响是间接的通过功能14传播的;图13描述的是通过接口模型传播的变更,同样包括直接和间接传播。
第四步,计算变更可能性。表4和表5分别给出了根据功能分解和功能接口计算的变更可能性。需要考虑间接传播,例如表4中功能17到功能0的传播可能性是间接传播,路径为17->14->1->0,所以计算方式为另外,还需要考虑多条路径,例如表5中功能17到功能15的传播可能性经过了三条路径,17->15、17->15->14->15和17->15->8->15。
表4根据功能分解模型计算的变更可能性
表5根据功能接口模型计算的变更可能性
表6给出了最终受影响的功能变更的可能性,可以看出受到功能17的变更传播影响较大的是功能18-收集和控制电能(87.64%)、功能15-控制姿态(81.10%)和功能21-确定姿态(81.10%)。
表6最终计算的组合可能性
第五步,计算变更带来的额外复杂性和工作量。在已知功能变更传播路径和功能变更可能性的基础上,通过BZT方法,即公式(5)、公式(7)到公式(9)计算得到每个受变更传播影响的功能的设计复杂性。计算时,假设G=1,代表提交的是零件图而不是装配图;假设P=2,代表有设计师参与。再利用公式(5),得到最终带来的额外工作量为419小时。根据计算结果,假设有三个设计师参与变更活动,每个设计师每天工作8小时,完成该设计变更需要3个设计师工作近17天。
从功能和知识的角度预测设计变更对复杂性和工作量的影响具有以下优点:
(1)相比于基于设计参数或组件的变更传播预测方法,RAX探测任务的功能需求的数量少得多,使得预测的工作量减少。
(2)从知识的角度出发,可以识别出根据零部件的装配关系不可能识别的变更传播路径,设计师可以根据预测结果,决策是否对实现功能18、功能15、功能21的设计参数进行更改,适应变更功能17的更改。
(3)更重要的是,根据预估的功能变更及其传播带来的额外工作量,可以制定具体的设计计划,对产品研发进度进行有效管理。例如,当设计周期比较紧张的时候,可以适当增加设计师。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于知识驱动的功能变更传播路径和工作量预测方法,其特征在于,其步骤如下:
S1、从功能和知识的角度出发,建立功能变更传播预测信息模型;
S2、根据步骤S1中的功能变更传播预测信息模型确定变更传播潜在路径,找出所有潜在的受影响功能,并逐条比较变更功能的变更知识和受影响功能的知识的相似性;
S3、根据步骤S2中的变更传播潜在路径分别建立来自功能分解模型的变更传播树和来自功能接口模型的变更传播树;
S4、根据知识的关联关系,计算变更传播可能性;
所述计算变更传播可能性的方法为:
S4.1、根据知识的关联关系,计算变更传播的直接可能性和间接可能性;
其中,表示从功能Fi传播到功能Fj的直接传播的可能性,表示从功能Fi传播到功能Fa的直接传播的可能性,表示从功能Fa传播到功能Fj的直接传播的可能性,表示从功能Fi经过功能Fa传播到功能Fj的间接传播的可能性,r表示知识或者端口特性的量级,KDij表示功能Fi所需知识与功能Fj所需知识的不相似性,i=1,2,…,n,j=1,2,…,n,n为产品包含的功能的个数;
S4.2、计算最终的组合变更可能性:
S5、根据功能所需知识的不相似性,计算变更带来的额外复杂性和工作量;
S6、根据额外复杂性和工作量制定具体的设计计划,对产品研发进度进行有效管理。
2.根据权利要求1所述的基于知识驱动的功能变更传播路径和工作量预测方法,其特征在于,所述功能变更包括增加/删除一个功能、增加/删除一个知识、修改功能接口。
3.根据权利要求1所述的基于知识驱动的功能变更传播路径和工作量预测方法,其特征在于,所述功能变更传播预测信息模型包括功能、功能之间的分解关系、实现功能的知识、功能之间的接口;
所述功能是指产品/系统设计的功能需求;
所述功能之间的分解关系是指将一个功能分解为多个子功能,形成功能树;
所述实现功能的知识是指利用知识对功能进行量化,采用知识量级表示知识对功能实现的重要程度;
所述功能之间的接口是指功能之间的交互,一个接口包括两个端口、多个端口特性和一个连接器:
其中,Interface为接口,Charactert为第t个端口特性,t=1,2,…,T,T为端口特性的数量,Connector为连接器,Portl为第l个端口,l=1,2;
一个功能交互需要首先确定功能交互的两个端口,然后确定每个端口的端口特性,最后为端口特性的重要程度赋值。
4.根据权利要求1所述的基于知识驱动的功能变更传播路径和工作量预测方法,其特征在于,所述变更传播潜在路径分别为:
(1)根据功能分解模型,功能变更传播到该功能的所有“子”功能;
(2)根据功能分解模型,功能变更传播到该功能的所有“父”功能,直到最顶层的功能;
(3)根据功能分解模型,功能变更传播到该功能的所有“平辈”功能;
(4)根据功能接口,功能变更传播到所有与其存在交互的功能,直到形成一个环路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911366085.4A CN111126706B (zh) | 2019-12-26 | 2019-12-26 | 基于知识驱动的功能变更传播路径和工作量预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911366085.4A CN111126706B (zh) | 2019-12-26 | 2019-12-26 | 基于知识驱动的功能变更传播路径和工作量预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111126706A CN111126706A (zh) | 2020-05-08 |
CN111126706B true CN111126706B (zh) | 2022-07-08 |
Family
ID=70503086
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911366085.4A Active CN111126706B (zh) | 2019-12-26 | 2019-12-26 | 基于知识驱动的功能变更传播路径和工作量预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111126706B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112966971B (zh) * | 2021-03-30 | 2022-09-13 | 建信金融科技有限责任公司 | 一种项目工作量评估方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107748935A (zh) * | 2017-11-01 | 2018-03-02 | 井冈山大学 | 一种设计变更传播风险预测的方法及装置 |
CN110516808A (zh) * | 2019-07-25 | 2019-11-29 | 广东省智能制造研究所 | 一种知识表示模型的创建方法 |
-
2019
- 2019-12-26 CN CN201911366085.4A patent/CN111126706B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107748935A (zh) * | 2017-11-01 | 2018-03-02 | 井冈山大学 | 一种设计变更传播风险预测的方法及装置 |
CN110516808A (zh) * | 2019-07-25 | 2019-11-29 | 广东省智能制造研究所 | 一种知识表示模型的创建方法 |
Non-Patent Citations (1)
Title |
---|
基于知识的工程变更影响分析研究;郭盟盟;《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑 (月刊)》;20100515(第2010年05期);I140-12 * |
Also Published As
Publication number | Publication date |
---|---|
CN111126706A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jin et al. | Data-driven evolutionary optimization | |
Duraisamy et al. | Status, emerging ideas and future directions of turbulence modeling research in aeronautics | |
CN106201651A (zh) | 神经形态芯片的模拟器 | |
Ponce-Cruz et al. | A practical approach to metaheuristics using LabVIEW and MATLAB® | |
CN102780583B (zh) | 物联网业务描述、组合和服务质量评估的方法 | |
Song et al. | An adaptive failure boundary approximation method for reliability analysis and its applications | |
CN111126706B (zh) | 基于知识驱动的功能变更传播路径和工作量预测方法 | |
Jing et al. | A quantitative simulation-based conceptual design evaluation approach integrating bond graph and rough VIKOR under uncertainty | |
CN113742195B (zh) | 一种基于贝叶斯神经网络的系统健康状态预测方法 | |
Gorissen | Grid-enabled adaptive surrogate modeling for computer aided engineering | |
Scott et al. | Avoiding excess computation in asynchronous evolutionary algorithms | |
Wang | Network distance education platform control system based on big data | |
Selva et al. | A rule-based method for scalable and traceable evaluation of system architectures | |
Hao et al. | Dynamic web services composition based on linear temporal logic | |
Peng et al. | Multigranular uncertain linguistic prioritized aggregation operators and their application to multiple criteria group decision making | |
Li et al. | Towards learning behavior modeling of military logistics agent utilizing profit sharing reinforcement learning algorithm | |
Lu et al. | A review of concurrent optimisation methods | |
Liu et al. | Simulation of an electronic equipment control method based on an improved neural network algorithm | |
CN106055577A (zh) | 服务化gnss仿真平台中模型智能推荐方法 | |
Daub | Multi-output GP emulator documentation | |
Rosen et al. | A case study examining the impact of factor screening for neural network metamodels | |
Warshawsky et al. | Choosing aggregation functions for modeling system of systems performance | |
Lattner et al. | An approach to significance estimation for simulation studies | |
Gong et al. | Risk transmission evaluation for parallel construction of warships based on IFCM and the cloud model | |
Held et al. | Multiobjective Metamodel-Based Design Optimization—A Review and Classification Approach Using the Example of Engine Development |
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 |