CN113836727B - 用于复杂产品群智协同设计过程的设计能力优化方法 - Google Patents

Abstract

本方案提供了一种用于复杂产品群智协同设计过程的设计能力优化方法，其中，该方法包括：构建复杂产品群智协同设计过程模型，描述每个设计活动的过程组织需求、问题解决需求和知识需求；建立群智资源的动态变化模型计算社区可用群智资源，通过群智资源发布任务、提交创意、提交方案、评论等参与行为，计算其过程组织能力、问题解决能力和领域知识；根据设计活动需求和可用群智资源能力，为每个设计活动匹配群智资源组；计算群智资源组的交互度，选取其中交互度最大的N组构成可选群智资源组方案集合；根据复杂产品群智协同设计过程，删除群智资源有冲突的方案，以群智资源参加率最高为目标实现设计能力优化。

Description

用于复杂产品群智协同设计过程的设计能力优化方法

技术领域

本发明属于协同设计领域，特别涉及一种用于复杂产品群智协同设计过程的设计能力优化方法。

背景技术

我国处于新一代人工智能发展时期。群智创新社区，其是指充分挖掘群体内每个人的智慧以作出创新决策的社区，又称开放式创新社区，是有信息和通讯技术提供支撑，以终端用户为创新源的结构化集成系统，利用计算机和通讯网络支持产品问题处理或解决方法开发的分部式单位。在群智协同设计中，通过网络社区聚集企业外部大规模设计资源参与产品创新设计，利用丰富的群智资源，成为互联网环境下企业拓展设计能力、解决设计难题、实现转型设计的重要方式。而目前的群智协同设计中，因为设计过程具有复杂性，群智资源数量多且具有流动性，导致群智协同创新过程中群智资源利用率低，影响群智协同设计过程的设计能力。

基于当前的群智协同创新的研究中，对于群智协同创新下群智资源优化配置缺乏足够的研究。因此，有必要提出一种用于复杂产品群智协同设计过程的设计能力优化方法，结合群智协同创新的特点，研究群智协同创新过程中的资源优化配置问题，提高群智协同设计过程的设计能力，提升其设计效率，缩短设计周期。

发明内容

本发明的目的是提供一种用于复杂产品群智协同设计过程的设计能力优化方法，能有效地解决复杂产品在群智协同设计过程中的资源优化配置技术问题。

为实现上述发明目的，本发明技术方案如下：

一种用于复杂产品群智协同设计过程的设计能力优化方法，包括五个步骤：

①将复杂产品群智设计过程分解为多个相互关联的设计活动，建立复杂产品设计过程模型，确定设计活动之间的逻辑关系。结合设计活动的要求、形式、复杂性，以及社区中同类型设计活动的持续时间，估算其开始时间和结束时间。

②建立群智资源动态变化模型，计算当前时间社区中新加入和退出的群智资源，并确定加入和退出资源的类型、能力、知识水平，得到社区中当前群智资源数量及能力。

③根据设计活动的过程组织需求、问题解决需求和知识需求，匹配满足需求的群智资源组合。

④根据设计活动的需求可得到多个群智资源组，计算资源组的交互度，选取其中交互度最大的N组构成可选群智资源组方案集合。

⑤根据n个设计活动及其N组可选群智资源组方案集合，得到Nⁿ种群智资源聚合方案，删除群智资源有冲突的方案，得到可行方案。

作为优选方式，步骤①中，互联网创新社区中的设计活动具有过程复杂性、问题复杂性，需要设计人员具有相关领域的知识，并且知识能力达到一定水平。将群智社区中设计活动的需求描述为：

Acti_i＝{AName_i,AProc_i,AProb_i,AKnow_i}

其中，AName_i表示设计活动的名称；AProc_i表示设计活动的过程组织需求，用过程复杂性度量；AProb_i表示设计活动要解决的问题，用问题复杂性度量；AKnow_i表示设计活动所需的知识，用知识的标准关键词集表示。

作为优选方式，步骤②中，群智资源自愿自主地参与产品设计，社区的群智资源数量及能力处于动态变化中，提出群智资源的动态变化模型。

t时刻社区中的群智资源数量为RNum(t)，社区资源数量增长率为λ。假设新资源加入与现有资源退出是相互独立的随机事件，经过Δt时间之后，社区中的群智资源数量为RNum(t+Δt)，根据Logistic模型可得：

其中，表示RNum_m社区中预测的最大资源数量。

作为优选方式，步骤③中，为每个设计活动匹配满足需求的群智资源组合，资源组合的过程组织能力、问题解决能力满足设计活动的需求，同时知识水平满足设计活动知识需求，匹配规则如下：

作为优选方式，步骤④中，根据设计活动的需求可得到多个群智资源组，选取其中交互度最大的N组构成可选群智资源组方案集合。交互度表征群智资源之间的交互程度，虽然不能直接体现资源的知识能力，但是在网络社区中，群智资源之间频繁、有效的交互，可以加强信息共享、知识传递，便于产生可行的设计方案。群智资源的交互度可根据其评论、回复、讨论等参与行为计算。

作为优选方式，步骤⑤中，对于执行时间有重叠的设计活动，参与不同设计活动的群智资源组合之间有交叉重合。由于资源个体精力、能力有限，假设同一个体最多同时参加两个设计活动，根据该假设删除群智资源有冲突的方案。

根据优选方式所述的群智资源的能力模型，其特征是：从三个维度建立可用群智资源的能力模型：过程组织能力，表征个体发布设计任务、组织设计过程、掌握设计进度等的能力；问题解决能力，表征个体贡献设计知识、提出创意想法、提交设计方案等的能力；领域知识，表征个体在某领域的设计知识水平；同时，考虑个体参与度对能力释放程度的影响，参与度高的个体，其能力得到全面有效地释放，对设计活动的促进作用更为显著；在群智社区中个体设计能力描述为：

Des_j＝{DName_j,So_j,Sp_j,P_j,DKnow_j}

其中，DName_j表示个体名称，So_j表示个体过程组织能力，Sp_j表示个体问题解决能力，P_j表示个体的参与度，DKnow_j表示个体知识能力，用对应知识的标准关键词集表示。

新加入(退出)资源的能力等于该类型资源能力的平均值。新加入(退出)资源在某领域的知识与处于该领域知识水平值中位数位置的个体相同。

根据优选方式所述的互联网创新社区中的设计活动具有过程复杂性、问题复杂性；群智资源具有过程组织能力、问题解决能力，其特征是：设计活动的过程组织需求和问题解决需求分别用过程复杂性信息熵和问题复杂性信息熵度量；群智资源的过程组织能力和问题解决能力采用群智资源的行为信息熵度量。计算公式为：

其中，s表示熵值，B_i表示第i种影响因素的取值，k_i表示i第种影响因素的权重。

设计活动的知识需求和群智资源的知识能力采用知识关键词集表示：

其中，KeyW_i表示知识关键词，X_i表示该关键词的词频，

表示该关键词的权重。群智资源的知识能力关键词从资源在社区中发布的内容中提取，设计活动的知识需求关键词从标准规范、手册、工具书等基础文件中提取。

根据优选方式所述的为每个设计活动匹配满足需求的群智资源组合，其特征是：采用余弦相似度法计算设计活动知识需求与群智资源知识能力向量之间相似程度。知识关键词集的词频相似度和权重相似度计算公式如下：

其中，W_i＝(w_i1,w_i2,w_i3,…,w_in)表示知识关键词集的词频特征向量或者权重特征向量。

由词频相似度Sim_num和权重相似度Sim_wei的调和平均数，计算得到知识的相似度Sim(i,j)：

根据优选方式所述的删除群智资源有冲突的方案，其特征是：计算可行方案的群智资源参加率并降序排列，资源参加率计算方法为：

其中，Par_RNum表示参与过复杂产品设计的群智资源总数，RNum表示创新社区中的群智资源总数。

本发明的有益效果为：本发明提供了一种用于复杂产品群智协同设计过程的设计能力优化方法，该方法基于复杂产品群智协同设计过程模型和群智资源的动态变化模型之间展开。首先构建复杂产品群智协同设计过程模型，描述每个设计活动的过程组织需求、问题解决需求和知识需求；其次建立群智资源的动态变化模型计算社区可用群智资源，通过群智资源发布任务、提交创意、提交方案、评论等参与行为，计算其过程组织能力、问题解决能力和领域知识；根据设计活动需求和可用群智资源能力，为每个设计活动匹配群智资源组；计算群智资源组的交互度，选取其中交互度最大的N组构成可选群智资源组方案集合；根据复杂产品群智协同设计过程，删除群智资源有冲突的方案，以群智资源参加率最高为目标实现设计能力优化。该方法能根据群智协同创新的特点，合理地聚合和配置群智资源，解决群智协同创新过程中的资源优化配置问题，提高群智资源利用效率。

附图说明

图1为本发明的流程图；

图2为本发明的群智资源拟合和预测图，其中图2(a)为本发明的群智资源拟合图，图2(b)为本发明的群智资源预测图；

图3为加入和退出资源数量拟合图，其中图3(a)为本发明的群智资源加入拟合图，图3(b)为本发明的群智资源退出拟合图；

图4为资源配置方案的参加率示意图；

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。

实施例1

本实施例以Local Motors社区中的LM-SF01项目为例，简述本发明设计流程：

一、设计过程分解。选取LM-SF01项目中的14个典型设计活动用于资源优化配置仿真，各设计活动之间关系如下表格1：

表格1 LM-SF01项目设计活动列表

二、确定社区中的资源数量。在项目周期中任意选取连续的间隔相等的30个时间节点，统计各时间节点时群智资源数量。根据群智资源动态变化模型，在Matlab 8.5中进行数据拟合。结果如图2(a)所示：

由拟合结果可知：资源数量增长率λ＝0.059。将拟合得到的参数代入公式预测群智资源的数量，如图2(b)所示。由预测结果得到的某一时刻群智资源数量为686，实际的群智资源数量为680，二者非常接近。

确定新加入和退出的资源数量。统计30个时间节点时社区中新加入资源的数量和退出资源的数量，在Matlab 8.5进行拟合分析，结果见图3。加入和退出的资源服从正态分布，通过以下公式预测不同资源数量状态下加入和退出的资源数量：

通过数据拟合确定参数，得到加入和退出的资源预测公式：

确定每一个新加入和退出资源的能力和知识，得到社区中的可用群智资源。其中某资源能力如下：

三、计算设计活动所需资源组。以“悬架设计”为例，计算得到该设计活动的过程组织需求、问题解决需求和知识需求如下：

从社区中可用的群智资源中匹配满足需求的群智资源组。

四、计算资源组交互度，得到可选资源组。其中交互度最高的资源组所包含的群智资源编号如下所示，交互度为503.6。

{274、415、454、456、485、593、294、162、628、655 18、31、38、52、64、78、81、102、107、127、149、170、197、218、219、221、252、259、278、289、322、330、408、413、459、466、508、544、554、561、572、596、612、635、651、662}

五、形成设计能力优化方案。通过群智资源聚合，每一个设计活动选取4组可选资源组合方案，整个项目共有4¹⁴种配置方案。判断配置方案中是否存在资源冲突，删除有冲突的方案。计算每一种可行配置方案的资源参加率，按照参加率从大到小排序，前70个方案如图4所示。其中，5个方案的资源参加率最高为29.56％。

从群智资源参加率最高的配置方案中总选取一个，各设计活动的资源配置结果如表2所示：

表2 LM-SF01项目设计能力优化结果

对比项目实际的群智资源参与情况和优化结果，二者具有较高的相似度，说明本文的群智设计能力优化模型和算法基本反映真实情况，是正确有效的。案例中实际参与的群智资源数量为154，参加率为22.65％；通过本文的群智设计能力优化方法得到的结果群智资源数量为203，参加率为29.59％，群智资源参加率提高了30％左右。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (7)

1.一种用于复杂产品群智协同设计过程的设计能力优化方法，其特征在于，包括五个步骤：

①将复杂产品群智设计过程分解为n个相互关联的设计活动，建立复杂产品设计过程模型，确定设计活动之间的逻辑关系；结合设计活动的要求、形式、复杂性，以及社区中同类型设计活动的持续时间，估算其开始时间和结束时间；

②建立群智资源动态变化模型，计算当前时间社区中新加入和退出的群智资源，并确定加入和退出资源的类型、能力、知识水平，得到社区中当前群智资源数量及能力；

所述步骤②中，群智资源自愿自主地参与产品设计，社区的群智资源数量及能力处于动态变化中，提出群智资源的动态变化模型；

t时刻社区中的群智资源数量为RNum(t)，社区资源数量增长率为λ；假设新资源加入与现有资源退出是相互独立的随机事件，经过Δt时间之后，社区中的群智资源数量为RNum(t+Δt)，根据Logistic模型得：

其中，表示RNum_m社区中预测的最大资源数量；

③根据设计活动的过程组织需求、问题解决需求和知识需求，匹配满足需求的群智资源组合；

所述步骤③中，为每个设计活动匹配满足需求的群智资源组合，资源组合的过程组织能力、问题解决能力满足设计活动的需求，同时知识水平满足设计活动知识需求，匹配规则如下：

其中，r为资源组中所包含的资源数量，So_j表示资源组中个体j的过程组织能力，Sp_j表示资源组中个体j的问题解决能力，DKnow_j表示资源组中个体j的知识能力，用对应知识的标准关键词集表示；

设计活动的过程组织需求和问题解决需求分别用过程复杂性信息熵和问题复杂性信息熵度量；群智资源的过程组织能力和问题解决能力采用群智资源的行为信息熵度量的计算公式为：

其中，s表示熵值，B_i表示第i种影响因素的取值，k_i表示i第种影响因素的权重；

设计活动的知识需求和群智资源的知识能力采用知识关键词集表示：

其中，KeyW_i表示知识关键词，X_i表示该关键词的词频，

表示该关键词的权重；群智资源的知识能力关键词从资源在社区中发布的内容中提取，设计活动的知识需求关键词从相应领域基础文件中提取；

④根据设计活动的需求得到多个群智资源组，计算资源组的交互度，选取其中交互度最大的N组构成可选群智资源组方案集合；

⑤根据n个设计活动及其N组可选群智资源组方案集合，得到Nⁿ种群智资源聚合方案，删除群智资源有冲突的方案，得到可行方案。

2.根据权利要求1所述的一种用于复杂产品群智协同设计过程的设计能力优化方法，其特征在于，所述步骤①中，互联网创新社区中的设计活动具有过程复杂性、问题复杂性，需要设计人员具有相关领域的知识，并且知识能力达到一定水平，因此将群智社区中设计活动的需求描述为：

Acti_i＝{AName_i,AProc_i,AProb_i,AKnow_i}

其中，AName_i表示设计活动的名称；AProc_i表示设计活动的过程组织需求，用过程复杂性度量；AProb_i表示设计活动要解决的问题，用问题复杂性度量；AKnow_i表示设计活动所需的知识，用知识的标准关键词集表示。

3.根据权利要求1所述的一种用于复杂产品群智协同设计过程的设计能力优化方法，其特征在于，所述步骤④中，根据设计活动的需求得到多个群智资源组，选取其中交互度最大的N组构成可选群智资源组方案集合；群智资源的交互度根据其参与行为计算。

4.根据权利要求1所述的一种用于复杂产品群智协同设计过程的设计能力优化方法，其特征在于，所述步骤⑤中，对于执行时间有重叠的设计活动，参与不同设计活动的群智资源组合之间有交叉重合；由于资源个体精力、能力有限，假设同一个体最多同时参加两个设计活动，根据该假设删除群智资源有冲突的方案。

5.根据权利要求1所述的一种用于复杂产品群智协同设计过程的设计能力优化方法，其特征在于，从过程组织能力、问题解决能力、领域知识三个维度建立可用群智资源的能力模型；过程组织能力，表征个体发布设计任务、组织设计过程、掌握设计进度的能力；问题解决能力，表征个体贡献设计知识、提出创意想法、提交设计方案的能力；领域知识，表征个体在某领域的设计知识水平；同时，考虑个体参与度对能力释放程度的影响，参与度高的个体，其能力得到全面有效地释放，对设计活动的促进作用更为显著；在群智社区中个体设计能力描述为：

Des_j＝{DName_j,So_j,Sp_j,P_j,DKnow_j}

其中，DName_j表示个体名称，So_j表示个体过程组织能力，Sp_j表示个体问题解决能力，P_j表示个体的参与度，DKnow_j表示个体知识能力，用对应知识的标准关键词集表示；

新加入或退出资源的能力等于同类型资源能力的平均值；新加入或退出资源在某领域的知识与处于同领域知识水平值中位数位置的个体相同。

6.根据权利要求1所述的一种用于复杂产品群智协同设计过程的设计能力优化方法，其特征在于，采用余弦相似度法计算设计活动知识需求与群智资源知识能力向量之间的相似程度；知识关键词集的词频相似度和权重相似度计算公式如下：

其中，W_i＝(w_i1,w_i2,w_i3,…,w_in)表示知识关键词集的词频特征向量或者权重特征向量；

由词频相似度Sim_num和权重相似度Sim_wei的调和平均数，计算得到知识的相似度Sim(i,j)：

7.根据权利要求1所述的一种用于复杂产品群智协同设计过程的设计能力优化方法，其特征在于，计算可行方案的群智资源参加率并降序排列，资源参加率计算方法为：

其中，Par_RNum表示参与过复杂产品设计的群智资源总数，RNum表示创新社区中的群智资源总数。

Images