一種基于產(chǎn)品結(jié)構(gòu)的定制產(chǎn)品相似度判斷方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于大批量定制生產(chǎn)技術(shù)領(lǐng)域，涉及一種設(shè)計(jì)方法學(xué)，具體的說，涉及一種 大批量定制生產(chǎn)設(shè)計(jì)階段，檢索與用戶定制產(chǎn)品結(jié)構(gòu)相似的現(xiàn)有產(chǎn)品結(jié)構(gòu)的方法。
【背景技術(shù)】
[0002] 大批量定制是一種集企業(yè)、客戶、供應(yīng)商和環(huán)境于一體，在系統(tǒng)思想指導(dǎo)下，用整 體優(yōu)化的觀點(diǎn)，充分利用企業(yè)已有的各種資源，在標(biāo)準(zhǔn)化技術(shù)、現(xiàn)代設(shè)計(jì)方法學(xué)、信息技術(shù) 和先進(jìn)制造技術(shù)等的支持上，根據(jù)客戶的個(gè)性化需求，以大批量生產(chǎn)的低成本、高質(zhì)量和高 效率提供定制廣品和服務(wù)的生廣方式。
[0003] 大批量定制的基本思路是，基于相似性原理、重用性原理和全局性原理，將定制產(chǎn) 品的生產(chǎn)問題通過產(chǎn)品重組和過程重組轉(zhuǎn)化為或部分轉(zhuǎn)化為批量生產(chǎn)問題，盡可能減少產(chǎn) 品的內(nèi)部多樣化，增加產(chǎn)品的外部多樣化，實(shí)現(xiàn)以大批量生產(chǎn)的低成本、高質(zhì)量和短交貨期 向客戶提供個(gè)性化的定制產(chǎn)品。
[0004] 大批量定制的關(guān)鍵是識(shí)別和利用大量不同產(chǎn)品和過程中的相似性。通過充分識(shí)別 和挖掘存在于產(chǎn)品和過程中的幾何相似性、結(jié)構(gòu)相似性、功能相似性和過程相似性，利用標(biāo) 準(zhǔn)化、模塊化和系列化等方法減少產(chǎn)品的內(nèi)部多樣化，提高零部件和生成過程的可重用性。

【發(fā)明內(nèi)容】

[0005] 為了克服現(xiàn)有技術(shù)在實(shí)施時(shí)運(yùn)算量大、且計(jì)算結(jié)果不顯著的不足，本發(fā)明通過構(gòu) 建目標(biāo)產(chǎn)品-查詢產(chǎn)品庫矩陣，運(yùn)用非負(fù)矩陣分解技術(shù)，對產(chǎn)品結(jié)構(gòu)的映射空間進(jìn)行了降 維，提供了一種基于產(chǎn)品結(jié)構(gòu)的產(chǎn)品相似度判斷方法。
[0006] 本發(fā)明解決其計(jì)算問題所采用的技術(shù)方案如以下內(nèi)容：
[0007] -種基于產(chǎn)品結(jié)構(gòu)的定制產(chǎn)品相似度判斷方法，其特征在于：該方法包括如下步 驟：
[0008] 步驟一：構(gòu)建產(chǎn)品結(jié)構(gòu)鄰接矩陣
[0009] 用樹形表示產(chǎn)品結(jié)構(gòu)時(shí)，樹的節(jié)點(diǎn)表示部件或者零件，樹的邊表示零部件之間的 裝配或者隸屬關(guān)系，邊的權(quán)重表示單位父件使用子件的數(shù)量，產(chǎn)品結(jié)構(gòu)的層次關(guān)系和權(quán)重 用矩陣Μ表示
[0010]
[0011] 其中，mij表示零部件j作為零部件i的子件時(shí)，單位零部件j使用零部件i的個(gè) 數(shù)。
[0012] 步驟二：構(gòu)建目標(biāo)產(chǎn)品-查詢產(chǎn)品庫矩陣
[0013] 以列向量描述產(chǎn)品結(jié)構(gòu)鄰接矩陣Μ =[ α ρ α 2，…，a J，在此基礎(chǔ)上構(gòu)造鄰接向 量夕?，<，...,<]7'，再將目標(biāo)產(chǎn)品結(jié)構(gòu)的鄰接向量與查詢產(chǎn)品結(jié)構(gòu)的鄰接向量合并組成 目標(biāo)產(chǎn)品-查詢產(chǎn)品庫矩陣s= [0g，^，…，βη]。
[0014] 步驟三：目標(biāo)產(chǎn)品-查詢產(chǎn)品庫矩陣非負(fù)矩陣分解
[0015] ^xfn+l) _ ^/i2xr*^x(n+D
[0016] 其中，是目標(biāo)產(chǎn)品-查詢產(chǎn)品庫矩陣，基于MultiplicativeUpdates(MU) 算法進(jìn)行非負(fù)矩陣分解表示，itMn+1)包括了目標(biāo)產(chǎn)品和各查詢產(chǎn)品經(jīng)過非負(fù)矩陣分解后降 維后的向量表示。
[0017] 步驟四：產(chǎn)品相似度判斷
[0018] 矩陣^x(n+1)表示目標(biāo)產(chǎn)品結(jié)構(gòu)和查詢產(chǎn)品結(jié)構(gòu)通過非負(fù)矩陣分解后均可用r維 向量表示，計(jì)算目標(biāo)產(chǎn)品結(jié)構(gòu)的的向量與各查詢產(chǎn)品結(jié)構(gòu)的向量之間的歐氏距離，就可檢 索出與目標(biāo)產(chǎn)品結(jié)構(gòu)最相似的查詢產(chǎn)品結(jié)構(gòu)，當(dāng)距離越小時(shí)，越相似。
[0019] 本發(fā)明的有益效果表現(xiàn)為：1、目標(biāo)產(chǎn)品結(jié)構(gòu)和查詢產(chǎn)品結(jié)構(gòu)統(tǒng)一到相同空間中， 便于計(jì)算；2、目標(biāo)產(chǎn)品結(jié)構(gòu)和查詢產(chǎn)品結(jié)構(gòu)的高維矩陣表示利用非負(fù)矩陣分解，經(jīng)過一步 運(yùn)算就可實(shí)現(xiàn)統(tǒng)一降維，避免了分別比較、運(yùn)算的繁瑣；3、目標(biāo)產(chǎn)品結(jié)構(gòu)和查詢產(chǎn)品結(jié)構(gòu)降 到低維空間，產(chǎn)品結(jié)構(gòu)之間的相似、相異性關(guān)系更加顯著，計(jì)算更加準(zhǔn)確、方面。
【附圖說明】
[0020] 圖1是相似度判定算法原理流程。
[0021] 圖2是某系列定制電燈客戶定制廣品和實(shí)例庫現(xiàn)有廣品的廣品結(jié)構(gòu)圖。
[0022] 圖3是目標(biāo)產(chǎn)品結(jié)構(gòu)和查詢產(chǎn)品結(jié)構(gòu)降維后在三維空間中的表示。
[0023] 具體實(shí)施方法
[0024] 下面結(jié)合附圖進(jìn)一步描述本發(fā)明。
[0025] 本發(fā)明的算法原理流程如圖1所示。
[0026] 以某系列電燈的結(jié)構(gòu)數(shù)據(jù)為對象，進(jìn)行說明，如圖2所示，圖2中DpD2,D3,D4,D5， D6, 07和Ds是查詢產(chǎn)品結(jié)構(gòu)，Si是客戶定制產(chǎn)品結(jié)構(gòu)，各零部件編碼如下表1所示。在接收 到客戶的需求訂單后，設(shè)計(jì)人員需要從現(xiàn)有的產(chǎn)品（即查詢產(chǎn)品）中檢索出與客戶定制產(chǎn) 品最為相似的產(chǎn)品，在其基礎(chǔ)上進(jìn)行重用、修改，便可提高設(shè)計(jì)生產(chǎn)效率、縮短交貨時(shí)間。
[0027] 表 1
[0028]
[0029] 以目標(biāo)產(chǎn)品結(jié)構(gòu)Si為例，構(gòu)建鄰接矩陣如下表2所示：
[0030] 表 2
[0031]
[0032] 其他查詢產(chǎn)品結(jié)構(gòu)的鄰接矩陣構(gòu)建方法類似，在此基礎(chǔ)上，得到庫矩陣S4MX9。
[0033] 基于MultiplicativeUpdates(MU)算法實(shí)現(xiàn)非負(fù)矩陣分解，即將庫矩陣34。。><9表 示成§400X9-W4〇〇Xr·HrX9, 原理流程如圖1所示。
[0034] 假設(shè)將產(chǎn)品將到3維空間，計(jì)算可得矩陣：
[0035]
[0036] 分別計(jì)算矩陣Η中第1列與第2列至第9列的歐氏距離，即為目標(biāo)產(chǎn)品結(jié)構(gòu)與查 詢產(chǎn)品結(jié)構(gòu)的相似度，結(jié)果如表3所示。根據(jù)定義，距離越小表示越相似。
[0037]表 3
[0038]
[0039] 本發(fā)明不但算過程簡化、結(jié)果更為合理，而且相似度計(jì)算結(jié)果的顯著性更明顯。
[0040] 上述將目標(biāo)產(chǎn)品結(jié)構(gòu)和查詢產(chǎn)品統(tǒng)一映射到三維空間中，如圖3所示。
[0041] 實(shí)點(diǎn)表示目標(biāo)產(chǎn)品結(jié)構(gòu)Si，該點(diǎn)的坐標(biāo)（0. 1174,0. 0032,0. 1264)即上述計(jì)算所得 Η矩陣的第1列，其余查詢產(chǎn)品Di的坐標(biāo)以此類推。
[0042] 圖3中目標(biāo)產(chǎn)品結(jié)構(gòu)和查詢產(chǎn)品結(jié)構(gòu)的相似度（即歐氏距離）非常顯著，不僅可 以判斷出Di與目標(biāo)產(chǎn)品結(jié)構(gòu)最相似，D6、07和Ds與其相差較大，而且可以發(fā)現(xiàn)D3、04和D5的 產(chǎn)品結(jié)構(gòu)很相近。
【主權(quán)項(xiàng)】
1. 一種基于產(chǎn)品結(jié)構(gòu)的定制產(chǎn)品相似度判斷方法，其特征在于：該方法包括如下步 驟： 步驟一：構(gòu)建產(chǎn)品結(jié)構(gòu)鄰接矩陣 用樹形表示產(chǎn)品結(jié)構(gòu)時(shí)，樹的節(jié)點(diǎn)表示零部件，樹的邊表示零部件之間的裝配隸屬關(guān) 系，邊的權(quán)重表示單位父件使用子件的數(shù)量，產(chǎn)品結(jié)構(gòu)的層次關(guān)系和權(quán)重用矩陣Μ表示其中，1?表示零部件j作為零部件i的子件時(shí)，單位零部件j使用零部件i的個(gè)數(shù)； 步驟二：構(gòu)建目標(biāo)產(chǎn)品-查詢產(chǎn)品庫矩陣 以列向量描述產(chǎn)品結(jié)構(gòu)鄰接矩陣M= [dp α2, ...，aj，在此基礎(chǔ)上構(gòu)造鄰接向量，再將目標(biāo)產(chǎn)品結(jié)構(gòu)的鄰接向量與查詢產(chǎn)品結(jié)構(gòu)的鄰接向量合并組成目 標(biāo)產(chǎn)品-查詢產(chǎn)品庫矩陣S = [ β g，β ρ . . .，β J ; 步驟三：目標(biāo)產(chǎn)品-查詢產(chǎn)品庫矩陣非負(fù)矩陣分解其中，Ιμ,,+ιΤ是目標(biāo)產(chǎn)品-查詢產(chǎn)品庫矩陣，基于Multiplicative Updates算法進(jìn)行 非負(fù)矩陣分解表示，札>^+1)包括了目標(biāo)產(chǎn)品和各查詢產(chǎn)品經(jīng)過非負(fù)矩陣分解后降維后的向 量表示； 步驟四：產(chǎn)品相似度判斷 矩陣札>^+1)表示目標(biāo)產(chǎn)品結(jié)構(gòu)和查詢產(chǎn)品結(jié)構(gòu)通過非負(fù)矩陣分解后均用r維向量表 示，計(jì)算目標(biāo)產(chǎn)品結(jié)構(gòu)的的向量與各查詢產(chǎn)品結(jié)構(gòu)的向量之間的歐氏距離，檢索出與目標(biāo) 產(chǎn)品結(jié)構(gòu)最相似的查詢產(chǎn)品結(jié)構(gòu)，距離越小時(shí)表示相比較兩者越相似。
【專利摘要】本發(fā)明提供了一種基于產(chǎn)品結(jié)構(gòu)的定制產(chǎn)品相似度判斷方法，涉及大批量定制生產(chǎn)領(lǐng)域，首先，該方法通過鄰接矩陣表示產(chǎn)品結(jié)構(gòu)中零部件之間的隸屬關(guān)系；其次，將代表單個(gè)產(chǎn)品結(jié)構(gòu)的零件矩陣進(jìn)行列向量重組，形成單個(gè)產(chǎn)品結(jié)構(gòu)的鄰接向量，在此基礎(chǔ)上組合目標(biāo)產(chǎn)品-查詢產(chǎn)品的鄰接向量構(gòu)成庫矩陣；然后，基于非負(fù)矩陣分解算法對目標(biāo)產(chǎn)品-查詢產(chǎn)品庫矩陣進(jìn)行分解，實(shí)現(xiàn)產(chǎn)品結(jié)構(gòu)的降維；最后，通過計(jì)算降維后產(chǎn)品結(jié)構(gòu)的向量之間的距離，判斷產(chǎn)品相似度。本發(fā)明提供了一種能夠減少運(yùn)算步驟、提高準(zhǔn)確度、增強(qiáng)相似度顯著性的一種基于產(chǎn)品結(jié)構(gòu)的定制產(chǎn)品相似度判斷方法。
【IPC分類】G06F17/30
【公開號(hào)】CN105335528
【申請?zhí)枴緾N201510887519
【發(fā)明人】徐新勝, 王誠, 朱凡凡
【申請人】中國計(jì)量學(xué)院
【公開日】2016年2月17日
【申請日】2015年12月1日