设计理性模型一致性维护方法与流程

本发明涉及一种设计理性模型一致性维护方法，属于计算机应用技术领域知识资源管理与应用方法的研究内容。

背景技术：

实际的产品设计过程中，随着设计的深入以及设计情境的变化，设计者需要不断对已完成的设计进行修正，难免会对先前设计中错误的或造成矛盾的过程进行修改，这一特点体现了设计不断迭代和反复的认知特性。然而，详细的设计过程往往十分复杂繁琐，加之人们在认知和记忆方面的局限性，很多情况下设计者不可能清楚地回忆先前的设计细节，也不可能牢记设计元素之间的相互关系，因而无法及时准确定位需要进行修改的过程，影响了设计的效率。鉴于此，需要计算机系统对设计者加以辅助，通过推理定位可能需要修改的过程，以提高设计效率。

通常设计过程以设计说明书或产品结构树等形式记录，由于记录的过程以设计结果为主，缺乏对设计选项的提出以及最终选项的确定等具体的过程，因此难以作为计算机辅助一致性维护的对象。而设计理性模型由于记录了设计的详细过程，为一致性维护提供了可能，相应的成为本方法进行一致性维护的操作对象。

技术实现要素：

本专利针对设计过程中设计过程一致性维护的需求，通过对记录和表达设计过程的设计理性模型进行一致性维护操作，提高设计的效率和设计质量。

预先定义设计理性模型是为了尽可能详尽的刻画设计过程中的全部认知要素，虽然能够准确而详实的表达设计过程，但却无法支持计算机的可计算。因此通过对其进行重构形成可计算的模型结构。在此基础上，当用户给定必要的可信度初始值后，系统通过计算与传递确定模型结点的可信度，从而构建可信设计理性网络。当设计中遇到矛盾后，通过结点的可信度即可推理可能的矛盾产生原因，或提示设计者是否需要进行设计修改。方法的总体概述如 下图1所示。

设计理性模型一致性维护方法步骤如下：

步骤一：设计决策片段提取。

步骤二：设计决策网络构建。

步骤三：可信度赋值与计算。

步骤四：识别未满足设计意图。

附图说明

图1设计理性模型一致性维护过程

图2设计决策片段提取流程

图3设计理性模型向设计决策网络的映射

图4设计决策网络模型典型结构

图中标号、代号说明如下：

evolve-to为版本进化关系，achieved-by为满足关系，decided-by为决策关系，realized-by为实现关系，refer-to为依据关系。

eI为元意图，O为设计选项集合，d为设计决策，Op为设计操作集合，E为设计依据集合。I为设计意图，sI为子意图，eI为元意图，D为设计决策，C为设计标准，O为设计方案，E为设计依据，AN和DN为ATMS模型中的结构。

“I+数字”为设计理性模型中的设计意图节点，“sI+数字”为设计理性模型中的子意图节点，“eI+数字”为设计理性模型中的元意图节点，“D+数字”为设计理性模型中的谁决策节点，“C+数字”为设计理性模型中的设计标准节点，“O+数字”为设计理性模型中的设计方案节点，“E+数字”为设计理性模型中的设计依据节点。

具体实施方式

一、设计决策片段提取

为使设计思考过程模型可以被计算机理解和推理，实现计算辅助的设计思考过程建模，本文采用基于OWL的表达方法来阐释设计意图树提取方法的具体过程。

定义推理方向：<C,PT>，其中：

——C是设计思考过程模型中一个构成元素，是推宽理的起点；

——PT<p,n>是一组关宽系方向的集合，P是设计理性模型中定义的一类语义关系；n是一个非负整数或∞，指对P的推宽理深宽度，当n为∞时，推理包含从C开始的P关系的传递闭包。提取算法流程如图2所示。

二、设计决策网络构建

设计理性记录的是设计者的决策过程，在此过程中设计者通过建模工具完成设计理性建模过程。为了构建可计算的设计决策网络，本方法借鉴了ATMS模型的基本结构，则设计决策网络构建的关键是建立设计理性模型与ATMS模型的映射关系。映射分为两部分，一是将设计理性的结点映射为ATMS网络的结点；二是将设计理性模型中已有的逻辑关系映射为ATMS网络的依赖关系。如图3所示。

对于逻辑关系的转化，主要有以下三种情况：

(1)设计意图分解。图3所示模型中，元意图(eI211,eI212,eI213)的实现可以推出比它高一层次的子意图(sI21)的实现，子意图(sI21,sI22)又可以推出更高层次意图(sI2)的实现。因此设计意图的分解结构(设计意图树)本身就可以组成ATMS网络，意图树中同层意图之间的逻辑关系也可对应ATMS的合取关系。

(2)设计决策确定。当设计意图分解到元意图，设计者此时已经能够提出设计解决方案来实现元意图。通常设计者总会提出多个能够实现元意图的设计选项，并通过针对标准的评价选出一个最优的设计选项作为实现意图的设计决策。而决策的确定主要是基于选项是否能够满足或更好的满足评价标准，即选项推得评价标准。而只有所有的评价标准都满足，决策才能够被视为是满足的，因此评价标准又可以推得决策。如此可将设计选项作为假设结点，而评价标准和设计决策作为导出结点。设计选项之间是析取的关系，评价标准之间是合取的关系。

(3)设计选项提出。设计选项的提出主要是基于其所依赖的设计依据，即设计依据能够推出设计选项。因此将设计依据作为假设结点，而设计选项作为导出结点。设计依据之间为析取关系。

通过映射形成的设计决策网络模型结构如图4所示

三、可信度赋值与计算

概率学中定义的概率计算可以看作是客观概率，它是关于频率的。而在实际的设计环境中，设计者总是将自身的经验和判断加入到对概率的判断，形成主观概率，即推出结论的知识和最终的结论都可能具有某种程度的不确定性。因此，从不确定性的初始证据出发，通过运用不确定性知识，可推出具有一定不确定性的合理的或近乎合理的结论。本方法利用可信度来表达这种不确定性。每条规则的证据和规则本身都具有可信度，分别称为证据可信度和知识可信度，同样推理出的结论也具有可信度，称为结论可信度。

1、初始证据可信度

设计选项都是基于一定的设计依据得出的。作为初始证据，设计依据的可信度值是根据 其不同的类型来决定的。如表1所示，随着设计选项的类型从主观到客观，可信度的值逐步增加。

表1 设计依据分类及可信度设置

2、可信度计算与传递

不确定推理的根本目的是根据用户提供的初始证据，通过运用不确定性知识，最终推出不确定性的结论，并推算出结论可信的程度。所以不精确推理需要考虑知识不确定性的动态积累和传递。本文的不确定性传递算法如下：

(1)已知规则前提即证据E的可信度C(E)和规则强度f(H,E)，其中H为由证据和规则所推出的结论，则H的不确定性C(H)为：

C(H)＝g1[C(E),f(H,E)]＝C(E)f(H,E) (1)

(2)证据合取的不确定性算法。根据两个证据E1和E2的不确定性值C(E1)和C(E2)，求证据E1和E2合取的可信度算法g2为：

C(E1 AND E2)＝g2[C(E1),C(E2)]＝C(E1)C(E2) (2)

(3)证据析取的不确定性算法。根据两个证E1和E2的不确定性值C(E1)和C(E2)，求证据E1和E2析取的可信度算法g3为：

C(E1 OR E2)＝g3[C(E1),C(E2)]＝C(E1)+C(E2)-C(E1)C(E2) (3)

证据合取和证据析取的可信度算法统称为组合证据的可信度算法。实际上，规则的前提可以是用AND和OR把多个条件连接起来构成的复合条件。采用的是贝叶斯方法实现组合证据的不确定性算法。

四、识别未满足设计意图

利用基于可信度的设计决策网络，可以计算设计选项、设计决策以及设计意图等认知元素的可信度，从而实现以下功能：

(1)识别未满足的设计意图。为设计意图可信度设定一定的阈值，对于可信度低于此阈值的设计意图判断为设计意图未满足。可利用决策网络，计算该设计意图所依赖的所有假设结点，从而找出造成设计意图未满足的原因。可信度的优势在于，如果没有找到更合适的设计依据和选项，并不需要一定将该设计意图删除，可以做一个警告提示，等有了更好的选择之后再修改。这也符合人类的思维方式，在没有找到更好的决策之前，往往会选择一个不是 最优的方案。

(2)判断设计意图未满足的原因。由于为每种认知元素都分配可信度，并用统一的度量单位来表示，则很容易判断究竟是什么原因造成设计意图未满足，从而加以改进。如选项的可信度较低，则可能是设计者产生选项的设计依据不够严格和充分等。