基于产品族的产品定义中智能技术的应用研究

论文摘要

大规模定制是企业在日趋激烈的市场竞争中获胜的有效途径之一。通过这种生产模式,企业可以以较低成本满足多样化的客户需求,提升利润空间。在大规模定制的设计过程中,能否正确进行产品定义是企业能否赢得市场的关键。要实现此阶段的设计任务,关键是要合理、有效地实现需求的分析和转化。围绕这些关键问题,本论文的主要内容如下:(1)对大规模定制的经济效益,研究现状和趋势进行了回顾,分析和讨论了其中的关键技术,在此基础上提出了全文的研究思路。(2)对产品定义的研究现状进行了总结,包括客户需求的获取、表达和预处理方法,功能需求的表达和分析方法,以及实现两者转化的方法和技术。(3)提出了基于两种知识的产品族定义模型,使用基于知识的神经网络(KBANN)从两类知识源中学习,实现客户需求向产品族的映射。KBANN是一种结合了演绎和归纳两种学习方式的智能方法,它可以同时从数据库和规则库中获取知识。在此基础上,使用决策树算法(DT)将网络中隐含的知识转化为易于理解的规则,帮助工程师了解客户对产品族的偏好。(4)提出了面向产品定义阶段的设计检索模型。此模型同时考虑客户需求和产品功能需求的相似性,使用模糊ARTMAP神经网络(FAM)实现历史设计案例的智能检索。在新的客户需求到来时,此方法可以迅速有效地找到合适数量的相似设计案例,作为设计的起点。(5)以数据挖掘为工具,挖掘客户需求属性和产品功能需求属性之间复杂的映射关系。对于挖掘得到的关联规则,采用四个指标来衡量其有效性:支持度、置信度、有趣度和可理解度。为实现对复杂、高维的设计空间的搜索,本研究使用基于帕累托的遗传算法来完成多目标关联规则挖掘任务。本文以客户需求为出发点研究大规模定制中的产品定义,丰富了大规模定制的设计方法,降低了设计所需成本和时间,进而提高了企业的经济效益。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景及意义
• 1.1.1 课题研究背景
• 1.1.2 课题研究意义
• 1.2 国内外研究现状和趋势
• 1.2.1 大规模定制的基本概念和研究领域
• 1.2.2 大规模定制中的关键技术
• 1.3 论文主要研究内容及组织结构
• 1.4 本章小结
• 第二章 产品定义研究现状
• 2.1 引言
• 2.2 大规模定制中的产品定义
• 2.3 客户需求建模和分析方法
• 2.3.1 客户需求的获取、表达模型
• 2.3.2 客户需求的分析方法
• 2.4 功能需求的表达和分析方法
• 2.5 需求转化的研究现状和趋势
• 2.5.1 需求转化的研究现状
• 2.5.2 QFD 在需求转化中的运用
• 2.5.3 需求转化研究的发展趋势
• 2.6 产品定义研究现状总结
• 2.7 本章小结
• 第三章 客户需求和功能需求的表达和预处理
• 3.1 引言
• 3.2 大规模定制中的客户需求
• 3.3 客户需求的个性化分析与表达
• 3.3.1 客户需求的个性分析
• 3.3.2 客户需求的表达
• 3.3.3 案例分析
• 3.4 功能需求的表达
• 3.4.1 产品功能需求
• 3.4.2 产品族设计中的功能需求
• 3.5 本章小结
• 第四章 基于混合式智能学习的产品族定义模型
• 4.1 引言
• 4.2 基于KBANN-DT 的产品族定义模型
• 4.2.1 产品族定义
• 4.2.2 设计过程中的两类知识
• 4.2.3 基于两类知识的产品族定义方法
• 4.3 基于KBANN-DT 的产品族识别方法
• 4.3.1 基于KBANN-DT 的产品族识别方法
• 4.3.2 KBANN 方法
• 4.3.3 KBANN 模型的构建
• 4.3.4 基于决策树的规则抽取
• 4.4 实例分析
• 4.4.1 电梯的客户需求、功能需求及相关产品族
• 4.4.2 电梯设计历史数据和领域知识
• 4.4.3 KBANN-DT 方法应用和性能分析
• 4.5 本章小结
• 第五章 面向产品定义的设计检索
• 5.1 引言
• 5.2 产品定义与设计检索
• 5.2.1 需求转化中的设计检索
• 5.2.2 面向产品定义的设计检索
• 5.3 基于FAM 的设计检索方法
• 5.3.1 模糊客户需求的预处理
• 5.3.2 设计数据的归一化处理
• 5.3.3 基于模糊ARTMAP 神经网络的设计检索
• 5.4 实例分析
• 5.4.1 电动自行车的客户需求和功能需求
• 5.4.2 Fuzzy ARTMAP 应用
• 5.5 本章小结
• 第六章 基于关联规则挖掘的功能参数定义
• 6.1 引言
• 6.2 基于关联规则挖掘的功能参数定义
• 6.2.1 功能参数定义
• 6.2.2 关联规则挖掘方法及其应用
• 6.2.3 基于关联规则挖掘的功能参数定义模型
• 6.2.4 关联规则评价准则
• 6.3 基于GA 的多目标关联规则挖掘
• 6.3.1 数据挖掘与遗传算法
• 6.3.2 用于数据挖掘的设计数据
• 6.3.3 设计规则的遗传编码
• 6.3.4 适应度函数
• 6.3.5 遗传算子
• 6.3.6 遗传算法流程
• 6.4 实例分析
• 6.4.1 电动自行车的客户需求和功能需求
• 6.4.2 关联规则抽取
• 6.4.3 不同目标函数的比较
• 6.5 本章小结
• 第七章 全文总结
• 7.1 论文研究总结
• 7.2 研究展望
• 参考文献
• 攻读博士学位期间已发表或录用的论文
• 攻读博士学位期间参与的科研项目
• 致谢