一种面向维修性设计的复杂产品可供性特性识别方法
【专利摘要】本发明公开了一种面向维修性设计的复杂产品可供性特性识别方法，包括以下步骤：(1)分析提取可供性特性集和维修性特性集；(2)构建可供性模糊偏好关联图，确定可供性特性偏好相对重要度；(3)可供性与维修性设计需求相关关系分析，确定面向维修性设计的可供性特性初始重要度；(4)利用基于人工神经网络的可供性特性识别方法，识别可供性特性最终重要度。本发明设计合理，克服基于功能的设计方法难以涉及面向维修性的产品设计要求的困难，更加精确识别可供性特性，以便于更好地支持可供性特性之间关联关系分析及满足产品维修性设计要求，对减少复杂产品设计冲突具有重要意义。
【专利说明】
一种面向维修性设计的复杂产品可供性特性识别方法
技术领域
[0001] 本发明属于复杂产品可供性特性识别方法，具体涉及一种面向维修性设计的复杂 产品可供性特性识别方法。
【背景技术】
[0002] 随着技术进步和应用环境的变化，用户对复杂产品的需求，特别是对使用或维修 性等生命周期的需求在不断发展。这就要求复杂产品要随着客户需求的发展而不断改进设 计。与此同时，随着复杂产品的改进，有用功能不断增加，产品复杂度越来越高，会出现增加 有用功能而不能提高使用或维修性能。然而，复杂产品设计是多学科交叉领域的系统工程， 已有的基于功能的设计方法难以涉及面向维修性的产品设计要求。基于可供性的设计以人 机环境之间的关系作为设计综合考虑的目标，能够帮助设计者发现复杂产品对人以及环境 的影响。
[0003] 基于可供性的产品维修性设计需考虑产品使用过程中产品固有属性关系，包括人 (用户或维修工作人员）与产品之间关系、组件与组件之间的关系。可供性特性之间存在关 联关系，当以某一可供性为改进目标时，会引起与之关联的可供性特性的变化，这可能导致 复杂产品改进设计冲突。目前基于可供性的设计涉及可供性建模，可供性分类，缺乏更加精 确的可供性特性识别方法，以便于更好地支持可供性特性之间关联关系分析及满足产品维 修性设计要求。
【发明内容】
[0004] 本发明要解决的技术问题是克服上述缺陷，提供一种面向维修性设计的复杂产品 可供性特性识别方法，设计合理，克服基于功能的设计方法难以涉及面向维修性的产品设 计要求的困难，更加精确识别可供性特性，以便于更好地支持可供性特性之间关联关系分 析及满足产品维修性设计要求，对减少复杂产品设计冲突具有重要意义。
[0005] 为解决上述问题，本发明所采用的技术方案是：
[0006] -种面向维修性设计的复杂产品可供性特性识别方法，其特征在于:包括以下步 骤：
[0007] (1)分析提取可供性特性集和维修性特性集；
[0008] (2)构建可供性模糊偏好关联图，确定可供性特性偏好相对重要度；
[0009] (3)可供性与维修性设计需求相关关系分析，确定面向维修性设计的可供性特性 初始重要度；
[0010] (4)利用基于人工神经网络的可供性特性识别方法，识别可供性特性最终重要度。
[0011] 作为一种优化的技术方案，所述步骤（1)的分析提取可供性特性集和维修性特性 集，包括目的可供性，非目的可供性，可进化性，宜人性，易操作性，可加工性，可维修性，可 退役性，可持续性。
[0012] 作为一种优化的技术方案，所述步骤(2)的可供性偏好关联图，具体为：
[0013] 1)、可供性模糊偏好关联图是基于相对优先度描述可供性特性之间优先关系；
[0014] 可供性模糊偏好关联图定义为G= {V，E，W}，其中节点V= {vi，V2,…，vn}表示可供 性特性，E= {ei，e2，···，ek}为有向边，代表两个可供性特性之间优先关系，W= {wi，W2，···，wm} 为有向边模糊权重，表示两个可供性特性之间优先程度；
[0015] 模糊权重由语言变量描述，模糊权重对应的语言变量及模糊数如表1。
[0016] 表1模糊权重对应的语言变量及模糊数
[0018] 2)、可供性模糊偏好关联图邻接矩阵；
[0019] 假设可供性模糊偏好关联图GWGlGs，···^}由产品设计专家组S={S1，s2，···， sm}给出，则叫为设计专家％给出的第i可供性特性模糊偏好邻接矩阵，且i = l，2,…，η;
[0020] 3)、优势矩阵Dk;
[0021 ]假设〃?Μ?'2,…，〃 1为八？中的可供性特性i向j的第v阶优势度，则优势矩阵 Dk定义为：
[0022] Dk =P(}\ +rGl^...+ PG；,k = \,2，…，m
[0023] PG\. =(^；,,)ηχη
[0024] 4)、可供性偏好相对重要度；
[0025] 当可供性特性与其他可供性特性之间不存在优势关系时，该可供性特性优势度为 〇;在实际计算中，对优势度增加1，给出相对优势度;则每个可供性特性的相对偏好度计算 公式如下：
[0028] 作为一种优化的技术方案，所述步骤(3)的可供性特性与维修性需求相关关系分 析，确定可供性特性初始重要度;具体为：
[0029] 1)、可供性维修性矩阵表示产品维修需求对可供性特性的有害或有益作用关系； 由设计专家利用语言变量评价维修性需求对可供性特性的相关作用关系。语言变量包括有 益，较有益，最有益，有害，较有害，最有害；
[0030] 2)、语言变量模糊处理；
[0031 ]假设语言变量以三角模糊数(la，lb，1。)表示，其模糊化公式为
[0033]可供性特性与维修性需求之间有害或有益作用关系的相关度评价语言、符号、模 糊数及去模糊化如表2。
[0034]表2可供性特性与维修性需求相关度、符号、模糊数及其去模糊化
[0035]
[0036] 3)、计算可供性特性重要度；
[0037] 针对每个可供性特性，计算维修性需求有益和有害相关度的相对百分率，度量维 修性需求对该可供性特性的有害性与有益性的相对程度;针对整机产品而言，有益性和有 害性相对百分率的总值，表示改进程度;故取该相对百分度为面向维修性设计的可供性特 性重要度；
[0038] 4)、集结专家组给出的可供性特性与维修性特性之间相关度评价值；
[0039] 由专家组S={Sl，s2，. . .，sm}，m个专家给出评价值，将每个专家给出的评价值，集 结为一个评价值;公式如下
[0041] 其中Wl为第i个专家权重，h为第i个专家给出的去模糊化处理之后的评价值。
[0042] 作为一种优化的技术方案，所述步骤(4)的基于人工神经网络的可供性特性识别 方法，具体为：
[0043] 由所述步骤(3)中的计算可供性特性初始重要度看作输入数据，将所述步骤(2)可 供性特性偏好相对重要度为输出数据，训练人工神经网络；
[0044] 以所述步骤(3)中集结设计专家组评价值为监测数据，学习所述步骤(4)训练所得 人工神经网络；
[0045] 获得可供性特性最终重要度识别结果；
[0046] 由所述步骤(4)学习获得可供性特性最终重要度，以此为依据实现面向维修性设 计的复杂产品可供性特性识别。
[0047]由于采用了上述技术方案，与现有技术相比，本发明设计合理，克服基于功能的设 计方法难以涉及面向维修性的产品设计要求的困难，更加精确识别可供性特性，以便于更 好地支持可供性特性之间关联关系分析及满足产品维修性设计要求，对减少复杂产品设计 冲突具有重要意义。
[0048] 同时下面结合附图和【具体实施方式】对本发明作进一步说明。
【附图说明】
[0049] 图1为本发明一种实施例中面向维修性设计的复杂产品可供性特性识别方法的流 程图；
[0050] 图2为本发明一种实施例中可供性模糊偏好关联图。
【具体实施方式】
[0051] 实施例：
[0052]如图1所示，一种面向维修性设计的复杂产品可供性特性识别方法主要包括可供 性特性分析，提取、可供性偏好关联性分析、可供性与维修性关系分析和基于人工神经网络 的可供性识别方法等步骤。
[0053] (1)可供性特性集提取
[0054] 数控加工中心的可供性特性集如下A可更新性、A2可定制性，A3可装配性，A4零件 总数少，心零件结构简单，A6易润滑，A7易换损件，As易清洗，A9可拆卸性，A1Q可清理性，An可 回收性，Al2可重用，Al3低耗能，Al4振动，Al5减少废物产生，Al6噪声，Al7油雾，Al8污染，Al9热变 形。维修性特性集如下A防止泄漏，11 2减少垃圾问题，M3可降解润滑油和清洗剂，M4在维护 期间可升级性，M5垃圾易处理，M 6长寿命材料，M7易维修，Ms合成润滑油，M9节能轴承和润滑 油，M1Q无纸化的维护管理系统，Μη容易运输，M 12执行规章制度，M13适当的照明和通风，M14易 实施安全维护措施，M 15使用无毒的润滑剂。
[0055] (2)构建可供性偏好关联图，确定可供性特性相对重要度
[0056] 由专家组给出可供性特性之间模糊关联关系，并给出可供性偏好模糊图，如图2所 不。
[0057]由专家组给出的19个可供性特性偏好重要度可计算得到。比如专家1给出的可供 性偏好邻接矩阵为
[0058]
[0059] 优势矩阵为
[0062] 得出，Αχ的关联因子为14.88 因此，设计专家出的可 〇 供性特性偏好重要度为
[0063]
[0064] 同理，计算得出所有专家给出的可供性特性偏好相对重要度见表3 [0065]表3可供性特性偏好相对重要度
[0066]
[0067] (3)可供性与维修性关系分析
[0068] 可供性与维修性特性相关性评价见表4，面向维修性的可供性特性初始重要度见 表5，专家组可供性与维修性相关性评价值集结值见表6。
[0069] 表4可供性与维修性特性相关性评价
[0070]
[0071]
[0072] 表5面向维修性的可供性特性初始重要度
[0073]
[0074] 表6专家组可供性与维修性相关性评价值集结值
[0075]
[0076]
[0077] (4)基于人工神经网络的可供性识别方法
[0078] 将面向维修性设计要求的可供性初始重要度看作GRNN输入数据，可供性特性偏好 相对重要度看作GRNN输出数据，训练GRNN。将集结后的专家评价值看作监测数据。得到可供 性特性归一化后的最终重要度为0 · 127，0 · 051，0 · 029，0 · 023，0 · 022，0 · 012，0 · 074，0 · 05， 0·042,0·084,0·034,0·036,0·058,0·034,0·070,0·107,0·095,0·026,0·012。最后以最终 重要度排序为依据进行可供性识别。
【主权项】
1. 一种面向维修性设计的复杂产品可供性特性识别方法，其特征在于： 包括以下步骤： (1) 分析提取可供性特性集和维修性特性集； (2) 构建可供性模糊偏好关联图，确定可供性特性偏好相对重要度； (3) 可供性与维修性设计需求相关关系分析，确定面向维修性设计的可供性特性初始 重要度； (4) 利用基于人工神经网络的可供性特性识别方法，识别可供性特性最终重要度。2. 根据权利要求1所述的面向维修性设计的复杂产品可供性特性识别方法，其特征在 于： 所述步骤（1)的分析提取可供性特性集和维修性特性集，包括目的可供性，非目的可供 性，可进化性，宜人性，易操作性，可加工性，可维修性，可退役性，可持续性。3. 根据权利要求1所述的面向维修性设计的复杂产品可供性特性识别方法，其特征在 于： 所述步骤(2)的可供性偏好关联图，具体为： 1 )、可供性模糊偏好关联图是基于相对优先度描述可供性特性之间优先关系； 可供性模糊偏好关联图定义为G= {V，E，W}，其中节点V= {vi，V2，···，Vn}表示可供性特 性，E= {ei，e2,…，ek}为有向边，代表两个可供性特性之间优先关系，W= {wi，W2，···，Wm}为有 向边模糊权重，表示两个可供性特性之间优先程度； 2 )、可供性模糊偏好关联图邻接矩阵； 假设可供性模糊偏好关联图由产品设计专家组S={S1，S2，···，％}给 出，则/??为设计专家sk给出的第i可供性特性模糊偏好邻接矩阵，且i = 1，2，…，η; 3) 、优势矩阵01{; 假设g,', / (i，j，ν = 1，2，…，η)为中的可供性特性i向j的第ν阶优势度，则优势矩阵Dk 定义为：4) 、可供性偏好相对重要度； 当可供性特性与其他可供性特性之间不存在优势关系时，该可供性特性优势度为〇;在 实际计算中，对优势度增加1，给出相对优势度;则每个可供性特性的相对偏好度计算公式 如下： ,· \, - .1 - I ~ ^ } ~4. 根据权利要求1所述的面向维修性设计的复杂产品可供性特性识别方法，其特征在 于： 所述步骤(3)的可供性特性与维修性需求相关关系分析，确定可供性特性初始重要度； 具体为： 1) 、可供性维修性矩阵表示产品维修需求对可供性特性的有害或有益作用关系；由设 计专家利用语言变量评价维修性需求对可供性特性的相关作用关系;语言变量包括有益， 较有益，最有益，有害，较有害，最有害； 2) 、语言变量模糊处理； 假设语言变量以三角模糊数(la，lb，1。)表示，其模糊化公式为 3) 、计算可供性特性重要度；针对每个可供性特性，计算维修性需求有益和有害相关度的相对百分率，度量维修性 需求对该可供性特性的有害性与有益性的相对程度;针对整机产品而言，有益性和有害性 相对百分率的总值，表示改进程度;故取该相对百分度为面向维修性设计的可供性特性重 要度； 4 )、集结专家组给出的可供性特性与维修性特性之间相关度评价值； 由专家组s= {si, S2, ...，Sm}，m个专家给出评价值，将每个专家给出的评价值，集结为 一个评价值;公式如下其中Wi为第i个专家权重，li为第i个专家给出的去模糊化处理之后的评价值。5.根据权利要求1所述的面向维修性设计的复杂产品可供性特性识别方法，其特征在 于： 所述步骤(4)的基于人工神经网络的可供性特性识别方法，具体为： 由所述步骤(3)中的计算可供性特性初始重要度看作输入数据，将所述步骤(2)可供性 特性偏好相对重要度为输出数据，训练人工神经网络； 以所述步骤(3)中集结设计专家组评价值为监测数据，学习所述步骤(4)训练所得人工 神经网络； 获得可供性特性最终重要度识别结果； 由所述步骤(4)学习获得可供性特性最终重要度，以此为依据实现面向维修性设计的 复杂产品可供性特性识别。
【文档编号】G06N3/04GK105868917SQ201610229100
【公开日】2016年8月17日
【申请日】2016年4月13日
【发明人】萨日娜, 孙鹏文, 乌日娜, 布图格奇
【申请人】内蒙古工业大学