论文部分内容阅读
大规模定制(Mass Customization,MC)的目标是以接近大批量生产(Mass Production,MP)的成本和速度,提供个性化的产品和服务。由于能够根据预先定义的零部件集合及其相互约束关系,快速形成满足客户个性化需求的特定产品,产品配置管理成为实现MC的关键使能技术,并在产品数据管理(Product Data Management,PDM)系统中得到初步实现。然而现有的PDM主要支持文档管理和设计过程管理,而产品结构建模与配置的管理功能相对较弱,致使设计、生产和售后等环节不能高效的获取所需要的产品信息。因此建立企业统一的产品信息模型,实现企业的产品配置信息集成,对于加快企业的发展、提高企业的经济效益以及适应市场的快速变化都具有深远的意义。针对以上问题对产品配置技术进行研究,提出了产品配置三层求解方案,并对产品配置知识建模、部件层模糊配置求解、产品配置多目标优化这三部分具体内容进行了详细研究。设计了从产品配置建模到优化求解的产品配置三层求解方案。结合可配置产品实例研究了产品配置三层求解方案,分析了整个配置过程中解空间的变化情况,并对产品配置三层求解方案中各部分内容的相互关系及输入输出内容进行了详细的探讨。分析了产品配置三层求解方案分别在配置业务流程和物料清单(Bill of Material,BOM)转换视图下所担当的角色以及实现的功能。提出了产品配置三层求解方案的核心架构,研究了产品配置系统与企业其它信息系统间的集成方案。该方案为将来产品配置领域的进一步研究奠定了基础。对基于本体知识的产品配置模型进行了研究,实现了对可配置产品结构组成信息、约束关系信息,及客户化定制的需求信息建模。设计了配置本体建立方法,并分析了构建配置本体的目的与定位。对配置本体中涉及的概念进行了划分,并设计了配置本体的语义规则表达。分析了基于本体的产品配置知识表达的优越性,研究了配置本体与外部关系数据库之间的信息传递方法,及获得配置本体的输入输出内容的手段。通过实例验证表明,该配置本体具有一定的通用性,针对具体领域的知识表达,只需简单扩展或继承即可实现。提出了基于实例重用技术的产品模糊配置方法,实现了产品中间部件层的模糊配置。该方法以预先定义好的产品结构信息为先决条件,采用条件概率理论作为算法的核心公式。提出了产品中间部件层模糊配置的定义,并分析了其求解过程中存在的难点。将设计的新算法同传统的基于实例的推理(Case-Based Reasonning,CBR)算法做比较,分析了其在求解方面的优越性。详细研究了基于实例重用的模糊配置算法(CaseReuse based Fuzzy Configuration,CRFC)的原理,提出了CRFC的应用前提条件,论述了向上一致性规则的原理及原因,详细设计了条件概率理论在CRFC中的应用方法,及决策判断阈值的估算方法,并设计和分析了具体的算法流程。将CRFC算法应用于配置实例中,实现了产品配置中间部件层的模糊配置,并通过与CBR算法计算结果比较,验证了CRFC算法的有效性和优越性。设计了基于多目标遗传算法(Multi-Objective Genetic Algorithm,MOGA)的产品配置优化方法,对可选实例零件进行选配。选取最小成本、最短交货期和最均衡库存为优化目标,提出了产品配置多目标问题的描述定义和数学公式化定义,设计了优化目标函数和约束矩阵,并对库存平衡优化目标进行了更为详细的研究。分析了基于MOGA的产品配置优化技术的原理,设计了以非支配排序遗传算法(NondominatedSorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)为基础的算法求解步骤。选择了三个优化目标函数作为适应度函数,针对违反约束的配置方案设计了适应度惩罚措施,并对种群初始化编码方式进行了设计。对非支配解的定义进行了论述,并研究了非支配前沿等级划分的算法步骤。采用小生境排序的方式保证种群的多样性,并设计了小生境计算的公式。在非支配前沿等级划分和小生境计算的基础上应用了二元联赛选择机制,对种群进行优劣排序,并采用了双重精英策略避免了进化过程中优良个体的丢失。在种群繁殖机制中采用了复制、交叉和变异三大算子,并改进了算法的终止条件,避免了算法过早收敛于解空间的某点,解决了大量复杂配置数据的处理问题。