一种基于知识图谱的复杂产品模块化配置方法

1.本发明涉及智能制造领域的一种产品模块化配置方法，特别涉及了一种基于知识图谱的复杂产品模块化配置方法。


背景技术：

2.制造业中，复杂产品模块化配置技术是实现大批量定制的重要一环。大批量定制是一种以大批量生产的成本和交货期来制造个性化定制产品的生产方式，是工业4.0所追求的目标。复杂产品通常指研发成本高、技术密集、结构复杂、定制化程度高的产品。随着用户对个性化定制产品的低成本、短交货期的需求不断提高，以及智能制造的不断发展，产品模块化配置的智能化和可解释性有助于提高制造业定制化服务的效率，缩短产品设计生产周期，减少产品和物料库存，降低产品成本，提高用户定制产品的满意度。
3.产品模块化配置是指从预定义的、或历史的产品系列和物料中，快速配制出满足用户需求的产品。复杂产品的模块化配置，是知识继承与重用的过程，而这些知识散落和隐含在大量实例产品的物料清单中。为了快速配置出用户所需要的产品，需要在产品模块化配置前，建立起产品模块化配置设计平台，其中最主要的内容是产品族主结构和配置方式的建立。在产品族主结构中用户可以根据配置生成方式选配模块，并可增加个性化定制模块，获得个性化定制产品。这种定制产品中的大多数物料是通用物料，批量大，成本低。然而，传统的制造业的定制化成本较高，同时定制化生产效率较低，无法满足人们的实际需求。这会带来很大的工作量，并且多人的分析会带来一些主观性的问题，如不同的技术人员、甚至同一个技术人员在不同时期会给出不同的配置方式和术语等，导致配置系统的建立时间长、配置方式和名称等的一致性差等问题，无法适应用户多样化的可解释性快速配置需求，也使配置系统难以形成不断优化的闭环。从已有发明来看，目前发明都涉及到专业性较强的领域知识，需要大量的专家先验知识，配置求解的复杂性降低了用户的参与度。例如cn110114769a实现了一种语义比较产品配置模型的系统和方法；cn1479904a设计了一种有向无环图配置产品的方法，通过优选实施例(虚拟制表)可以跟踪部件的内部关联性，并且智能搜索能计算部件之间的内部关联系性；cn106130305a公开了一种配置有纵向振动马达的电子产品；cn111165002a公开了参数配置方法及相关产品，用于提高pt-rs配置bwp的灵活性；cn111038419a公开了一种可配置的车辆电源插座系统。
4.有鉴于此，有必要对现有的产品配置方法进行改进，同时提出一套大数据驱动的、具有可解释性的复杂产品模块化配置方法，从而实现产品族主结构和配置方式建立和优化的智能化，提高产品模块化的效率。


技术实现要素：

5.为了解决背景技术中存在的技术问题，本发明旨在提出一种基于知识图谱的复杂产品模块化配置方法。
6.本发明法基于历史产品物料清单自动生成产品族主结构，采用知识图谱作为知识
表示方法构建配置知识图谱，根据需求和物料的映射关系自动生成需求到物料的配置生成方式，根据需求到物料的配置生成方式和配置知识图谱进行产品自动配置。
7.本发明解决的技术问题所采用的技术方案是：
8.一、一种基于知识图谱的复杂产品模块化配置方法：
9.具体过程流程图如图1所示，方法主要包括：
10.步骤一、产品族主结构生成；
11.步骤二、构建配置知识图谱；
12.步骤三、生成需求到物料的配置生成方式；
13.步骤四、根据需求到物料的配置生成方式和配置知识图谱进行产品自动配置。
14.所述s1具体为：
15.步骤1.1：根据已知的历史产品物料清单中的关键物料，建立物料分类模板，物料分类模板中包含了关键物料的类别和已知的物料的相对价值；
16.所述的产品物料清单包含关键物料和非关键物料，物料均具有类别和相对价值，相对价值衡量了物料在制造中的重要度。
17.历史产品物料清单中包含了同一类型、但不同型号的产品。模块由不同的物料根据产品的功能和结构组合而成。
18.步骤1.2：根据物料分类模板抽取历史产品物料清单中每一层级的关键物料，根据关键物料的数量和相对价值生成加权模糊矩阵；
19.步骤1.3：对于产品物料清单中每个层级获得的加权模糊矩阵，利用聚类算法对产品进行聚类，一个层级获得的聚类结果作为一种产品族划分方案，对各个层级的加权模糊矩阵分别进行聚类生成多种产品族划分方案；
20.步骤1.4：根据产品族划分方案，将产品族划分方案中的产品族主结构的物料划分为基本模块、必选模块、可选模块，用于支持基于产品族主结构的复杂产品模块化配置方式；
21.基本模块表示该模块对应的物料在选配时默认选配，必选模块表示该类别模块对应的物料在配置时至少选配一个，可选模块表示该类别模块对应的物料在配置时可选或不选。
22.步骤1.5：针对产品族划分方案中的单个产品族主结构，建立产品族主结构的通用性、复用次数、独立性参数，并结合需求类型对每一种产品族划分方案进行综合分析评价，获得各种产品族划分方案的置信度；
23.步骤1.6：根据综合分析处理选择产品族划分方案，选取置信度最高的产品族划分方案作为最优的产品族划分方案，这样使得产品族内的产品物料清单结构差异尽可能小(物料通用性和复用次数尽可能大，物料独立性尽可能小)，产品族间的产品物料清单结构差异尽可能大(物料通用性和复用次数尽可能小，物料独立性尽可能大)。
24.按照产品族划分方案将历史产品物料清单中的所有产品划分为各个产品族，每个产品族下各个产品的物料清单融合构成了产品族主结构物料清单。
25.所述的步骤1.5具体为：
26.获得步骤1.3生成的每一种产品族划分方案下的每一个产品族主结构的通用性、复用次数、独立性等评估指标参数：
27.产品族通用性mty计算如下：
[0028][0029]
其中，jms表示产品族的物料mj被所有产品用到的次数总和tms表示产品族的所有物料被所有产品用到的次数总和。
[0030]
产品族复用次数mfy计算如下：
[0031][0032]
其中，fmj表示产品族中物料j的复用次数。
[0033]
独立性根据物料的设计特性进行计算获得：
[0034]
处理获得每个物料mj在每个设计特性ts的权重值，建立物料的设计特性表；
[0035]
表(5)物料设计特性表
[0036]
产品\物料t1t2t3…
tkm1a
11a12a13
…a1k
m2a
21a22a23
…a2k
m3a
31a32a33
…a3k
………………mman1an2an3
…amk
[0037]
设计特性表中，a
js
表示物料mj在设计特性ts的权重值。
[0038]
各个权重值a
js
根据设计特性重要程度按照以下方式进行赋值：
[0039]
对于物料mj，具有k个设计特性{t1,t2,...,tk}，且若各个设计特性的重要程度排序为t1》t2》
…
》tk，则将物料mj在设计特性t1的权重值a
j1
赋值为1，再按照以下公式计算物料mj在设计特性ts的权重值a
js
：
[0040][0041]
其中，k表示物料mj拥有的设计特性数，r表示物料mj的设计特性ts重要性排序的位次，对物料mj没有的任一设计特性均赋权重0。
[0042]
再按照以下公式计算两两物料之间的独立性：
[0043][0044]
其中，d
ab
表示物料ma和物料mb之间的独立性，k为设计特性数，a
as
表示物料ma的第s个设计特性的权重值；
[0045]
最后根据两两物料之间的独立性按照以下公式处理获得产品族使用到的所有物料独立性的平均值，作为产品族的独立性：
[0046][0047]
其中，m表示产品族中的物料总数量；
[0048]
再根据每个产品族划分方案的通用性、复用次数、独立性进行加权计算获得每个产品族划分方案的置信度，具体如下公式：
[0049][0050]
其中，evaq表示产品族划分方案q的置信度，w
mty
表示通用性的权重值，表示产品族划分方案q下所有产品族的通用性平均值，w
mfy
表示复用次数的权重值，表示产品族划分方案q下所有产品族的复用次数平均值，w
mdl
表示通用性的权重值，表示产品族划分方案q下所有产品族的独立性平均值。
[0051]
所述步骤二具体为：
[0052]
步骤2.1：根据物料的编码方式对所有历史产品物料清单和所有产品族主结构物料清单下的所有物料进行类别划分；
[0053]
步骤2.4：由所有历史产品物料清单生成第一种知识图谱作为历史产品知识图谱，由所有产品族主结构物料清单生成第二种知识图谱作为产品族主结构知识图谱；
[0054]
具体地，分为以下步骤
[0055]
1)抽取物料的特性，并基于物料的编码方式获取物料类别，基于物料特性和类别构建事物特性表；
[0056]
2)抽取所有物料清单中的物料并映射为知识图谱中的各个节点，用物料编码作为节点的主特性来区分不同的物料，物料的其他特性作为配置知识图谱中节点的属性；
[0057]
3)抽取物料之间的层级关系，并映射为配置知识图谱中各节点间的关系。
[0058]
步骤2.5：将构建的历史产品知识图谱和产品族主结构知识图谱进行融合，得到配置知识图谱。
[0059]
所述步骤三具体为：
[0060]
步骤3.1：用自然语言处理工具抽取用户输入的需求中的产品功能特性关键词，将需求中的产品功能特性关键词关联到物料特性中的关键词，从而构建需求-物料语义关联表：
[0061]
表(7)需求-物料语义关联表示例
[0062][0063]
步骤3.2：
[0064]
关联概率表示在配置时两者之间具有关联关系的概率。
[0065]
1)建立以下需求-物料的配置生成方式：
[0066]
通过物料中的关键词出现的频率设置物料与需求的关联概率，如下式：
[0067][0068]
其中，示类别为a的物料和需求特性关键词rr之间的关联概率，表示包含需求特性关键词rr且物料类别为a的第j个物料，表示包含需求特性关键词rr且物料类别为b的第j个物料，表示所有包含需求特性关键词rr的物料的数量；
[0069]
2)建立以下物料-物料的配置生成方式：
[0070]
计算与需求的特性关键词rr相关的物料间的关联概率，如下式：
[0071][0072]
其中，表示物料类别为a的物料和物料类别为b的物料间的关联概率，表示第α个历史产品物料清单，表示中需求特性关键词rr出现在物料类别为a的物料中，表示在的条件下物料类别为b的物料的数量，表示对所有的历史产品物料清单进行统计求和，表示所有历史产品物料清单中包含需求特性关键词rr且物料类别为b的物料数量；
[0073]
步骤3.3：设定关联概率阈值，由大于关联概率阈值的需求-物料生成方式和物料-物料生成方式生成第三种知识图谱作为配置生成方式知识图谱，从而在配置时根据配置生成方式知识图谱自动选配出满足需求的候选物料。
[0074]
二、一种基于知识图谱的产品配置系统，所述系统包括：
[0075]
产品族主结构生成单元，用于基于产品历史物料清单自动生成产品族主结构；
[0076]
第一知识图谱生成单元，用于基于产品历史物料清单和产品族主结构物料清单创建配置知识图谱；
[0077]
第二知识图谱生成单元，用于抽取用户需求知识，基于所述需求到物料的配置生成方式得到配置生成方式知识图谱；
[0078]
产品配置单元，用于基于所述配置知识图谱和所述配置生成方式知识图谱生成对应的复杂产品模块化配置结果。
[0079]
三、一种浏览器/服务器架构的计算机程序，所述计算机程序被请求执行时实现所述的方法。
[0080]
本发明利用历史产品物料清单自动获取产品族主结构，并用结构化的知识图谱表示物料及物料间的关联关系，然后基于需求到物料的配置生成方式，对物料进行合理的配置和组合，从而快速智能地配制出满足用户的个性化需求的产品物料清单，能有效的解决产品族主结构和配置建立难的问题，减轻产品模块化的工作量。
[0081]
本发明的优势和意义：
[0082]
相对于现有技术，本发明提出的方法，是一种数据驱动的智能方法，通过知识图谱的构建，提高知识的重用性、实现配置可解释性、减少复杂产品模块化配置中的主观性，从而提升复杂产品模块化工作的效率和质量，减少开展模块化的工作量，提高了复杂产品的自动配置效率和配置准确性。
[0083]
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0084]
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施方式及其说明用于解释本发明，并不构成对本发明的不当限定。在附
[0085]
图中：
[0086]
图1为本发明配置方法总体流程图。
[0087]
图2为本发明构建的配置系统框架图。
具体实施方式
[0088]
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
[0089]
下面将参考附图并结合实施方式来详细说明本发明。
[0090]
本发明的实施例及其实施情况如下：
[0091]
步骤一、产品族主结构自动生成
[0092]
步骤1.1：将产品的自制件和外购件的研发设计、生产制造、以及采购供应过程中涉及的主要零部件作为关键物料，根据已知的历史产品物料清单中的关键物料，建立物料分类模板，物料分类模板中包含了关键物料的类别和相对价值；
[0093]
产品物料清单是由物料构成。
[0094]
自制件是指自己制造的零部件，外购件是指外部购买的零部件。
[0095]
所述物料分类模板包含了不同类别的关键物料及每个关键物料的相对价值。
[0096]
相对价值代表的物料在产品生命周期中的相对重要程度，是相对主观的已知数值
[0097]
步骤1.2：根据物料分类模板抽取历史产品物料清单中每一层级的关键物料，根据关键物料的数量和相对价值生成加权模糊矩阵；
[0098]
具体实施中，遍历每一层级的物料，将每一层级的物料建立树结构，若某物料下一存在的层级中无子节点，则在下一存在的层级复制该物料作为其子节点。
[0099]
历史产品物料清单中包含了同一类型、但不同型号的产品。例如手机p30、智能手机mate30等均在同一历史产品物料清单中，同一型号的产品在产品物料清单中仅出现一次。
[0100]
关键物料清单中的各层级和历史产品物料清单中的各层级保持一致，所述层级是根据产品的制造需求进行设置而定。
[0101]
针对物料清单中的每一层级的关键物料按照以下方式处理：
[0102]
首先建立产品-物料数量矩阵，如表(1)所示：
[0103]
表(1)产品-物料数量矩阵
[0104][0105][0106]
产品-物料数量矩阵中，c
ij
表示产品pi用到物料mj的数量；
[0107]
然后对产品-物料数量矩阵中的每一列按照以下公式进行线性函数归一化处理：
[0108][0109]
其中，n
ij
为数量c
ij
的归一化结果，θ为非零参数，具体取值为一个任意小值，使归一化区间为(0，1)；min(cj)表示针对物料mj下被单一产品pi用到的最小数量，max(cj)表示针对物料mj下被单一产品pi用到的最大数量；
[0110]
产品-物料数量矩阵中每一列归一化后得到产品-物料模糊矩阵，如表(2)所示：
[0111]
表(2)产品-物料模糊矩阵
[0112]
产品\物料m1m2m3…mm
p1n
11n12n13
…n1m
p2n
21n22n23
…n2m
p3n
31n32n33
…n3m
………………
pnn
n1nn2nn3
…nnm
[0113]
接着在利用物料的相对价值按照以下公式对归一化结果赋予权重：
[0114]wij
＝n
ij
*vj[0115]
其中，w
ij
为产品pi采用物料mj的重要度，vj表示物料mj的相对价值；
[0116]
赋予权重后得到产品-物料加权模糊矩阵，如表(3)所示：
[0117]
表(3)产品-物料加权模糊矩阵
[0118]
产品\物料m1m2m3…mm
p1w
11w12w13
…w1m
p2w
21w22w23
…w2m
p3w
31w32w33
…w3m
………………
pnw
n1wn2wn3
…wnm
[0119]
不同层级的关键物料清单对应获得了不同的产品-物料加权模糊矩阵。
[0120]
步骤1.3：利用k-means++聚类算法，步骤1.2生成的每个产品-物料加权模糊矩阵对产品进行聚类，划分产品族，获得各种产品族划分方案。
[0121]
其中，k-means++聚类算法步骤如下所示：
[0122]
①
从历史产品物料清单中随机选择一个产品作为初始的聚类中心；
[0123]
②
计算每个产品样本与最近的聚类中心之间的距离，表示为：
[0124][0125][0126]
其中，d
ic
表示产品pi与聚类中心的产品pi之间的距离，表示产品pi采用所有物料的重要度向量，表示聚类中心c的产品采用所有物料的重要度向量；
[0127]
③
计算除了当前聚类中心以外的其他每个产品被选为下一个聚类中心的概率，表示为：
[0128][0129]
由上式计算获得每一个产品的累计概率区间，再由系统生成随机数，将随机数落在累计概率区间对应的产品为下一个聚类中心。
[0130]
④
重复步骤2与步骤3，直到选择出k个聚类中心；
[0131]
⑤
计算每个产品pi分别到k个聚类中心的距离，并将划分至距离最小的聚类中心所对应的类中；
[0132]
⑥
重新计算每个类的聚类中心，表示为：
[0133][0134]
式中，new
xc
表示新的聚类中心c，s表示聚类c中包含的产品数；
[0135]
⑦
重复步骤5与步骤6直到各个聚类中心不再变化，此时聚类结束，生成k个产品族。其中，n为总的产品数量。
[0136]
步骤1.4：根据产品族划分方案，将物料划分为基本模块、必选模块、可选模块的三种模块类型，用于支持基于产品族主结构的复杂产品模块化配置方式。
[0137]
基本模块：被产品族中每一个产品都使用到的物料。
[0138]
必选模块：对产品族中除了基本模块以外的同类物料中选择至少一个来组成产品的物料。
[0139]
可选模块：对产品族中除了基本模块以外的同类物料中选择或不选择组成产品的物料。
[0140]
产品族划分方案中，将每个产品pi用到每个物料mj的数量进行二进制处理，针对产品族划分方案中每个产品族中的每个同一类物料建立产品物料0/1矩阵，如表(4)所示：
[0141]
表(4)某产品族“产品-物料0/1”矩阵
[0142]
产品\物料m1m2m3…mm
p1k
11k12k13
…k1m
p2k
21k22k23
…k2m
p3k
31k32k33
…k3m
………………
p
nkn1kn2kn3
…knm
[0143]
产品物料0/1矩阵中，k
ij
表示产品pi是否用到物料mj的状态量；k
ij
取值为0或1，k
ij
＝0时表示产品pi未用到物料mj，k
ij
＝1时表示产品pi用到物料mj。
[0144]
不同类的物料建立不同的产品物料0/1矩阵，在每个产品物料0/1矩阵中的每个物料，计算物料mj被所有产品使用的状态次数mpj：
[0145][0146]
然后进行判断：
[0147]
若物料mj的状态次数mpj等于i，则表示物料mj被每一个产品都使用到，即物料mj为基本模块；否则，物料mj不为基本模块；
[0148]
若物料mj的状态次数mpj小于i，则进一步计算产品pi使用的和物料mj类别相同的且不是基本模块的其他物料的状态次数pmi：
[0149][0150]
若产品pi的状态次数pmi大于0，则表示物料mj类别相同的且不是基本模块的其他物料对于该产品族主结构而言是必选模块；
[0151]
若产品pi的状态次数pmi为0，则表示物料mj类别相同的且不是基本模块的其他物料对于该产品族主结构而言是可选模块。
[0152]
步骤1.5：建立以下通用性、复用次数、独立性参数，获得步骤1.3生成的每一种产品族划分方案下的每一个产品族主结构的通用性、复用次数、独立性等评估指标参数：
[0153]
产品族通用性mty计算如下：
[0154][0155]
其中，jms表示产品族的物料mj被所有产品用到的次数总和，即产品-物料数量矩阵中物料mj所在一列上的所有c
ij
累加结果；tms表示产品族的所有物料被所有产品用到的次数总和，即所有物料的jms累加结果。
[0156]
产品族复用次数mfy计算如下：
[0157][0158]
其中，fmj表示产品族中物料j的复用次数，为物料j在产品族中被所有产品用到的次数总和减一。
[0159]
独立性根据物料的设计特性进行计算获得：
[0160]
处理获得每个物料mj在每个设计特性ts的权重值，建立物料的设计特性表，如下表；
[0161]
表(5)物料设计特性表
[0162][0163]
[0164]
设计特性表中，a
js
表示物料mj在设计特性ts的权重值。
[0165]
各个权重值a
js
根据设计特性重要程度按照以下方式进行赋值：
[0166]
对于物料mj，具有k个设计特性{t1,t2,...,tk}，且若各个设计特性的重要程度排序为t1》t2》
…
》tk，则将物料mj在设计特性t1的权重值a
j1
赋值为1，再按照以下公式计算物料mj在设计特性ts的权重值a
js
：
[0167][0168]
其中，k表示物料mj拥有的设计特性数，r表示物料mj的设计特性ts重要性排序的位次，对物料mj没有的任一设计特性均赋权重0。
[0169]
共m个物料，k个设计特性。对所有物料按此方式进行设计特性权重赋值，得到表(5)所示的物料设计特性表。
[0170]
再按照以下公式计算两两物料之间的独立性：
[0171][0172]
其中，d
ab
表示物料ma和物料mb之间的独立性，k为设计特性数，a
as
表示物料ma的第s个设计特性的权重值；
[0173]
最后根据两两物料之间的独立性按照以下公式处理获得产品族使用到的所有物料独立性的平均值，作为产品族的独立性：
[0174][0175]
其中，m表示产品族中的物料总数量。
[0176]
再根据每个产品族划分方案的通用性、复用次数、独立性进行加权计算获得每个产品族划分方案的置信度，根据置信度选取符合需求的划分方案，生成产品族主结构物料清单，具体如下公式：
[0177][0178]
其中，evaq表示产品族划分方案q的置信度，w
mty
表示通用性的权重值，表示产品族划分方案q下所有产品族的通用性平均值，w
mfy
表示复用次数的权重值，表示产品族划分方案q下所有产品族的复用次数平均值，w
mdl
表示通用性的权重值，表示产品族划分方案q下所有产品族的独立性平均值。
[0179]
对于每个产品族划分方案均包括多个产品族，计算产品族评价的加权平均，作为该划分方案的置信度。
[0180]
步骤1.6：选取置信度最高的产品族划分方案为最优的产品族划分方案，以按最优的产品族划分方案生成的产品族作为产品族主结构，为最优主结构；每个产品族主结构内合并其中各个产品的物料清单，作为该产品族的产品族主结构物料清单。
[0181]
步骤二、构建配置知识图谱
[0182]
步骤2.1：分析历史产品物料清单和所有产品族主结构物料清单，根据物料的编码方式对所有历史产品物料清单和所有产品族主结构物料清单下的所有物料进行类别划分；
[0183]
步骤2.2：基于模板的方式和自然语言处理的方法对物料的信息进行知识抽取，生成物料的特性，并基于物料的编码方式获取物料类别，基于物料属性和类别构建事物特性表；
[0184]
步骤2.3：抽取所有物料清单中的物料并映射为知识图谱中的各个节点，物料编码作为节点的主特性来区分不同的物料，且每个节点都包含了对应物料的所有物料特性；
[0185]
步骤2.4：由历史产品物料清单和所有产品族主结构物料清单抽取物料之间的层级关系，并映射为配置知识图谱中各节点间的关系；
[0186]
步骤2.4：基于步骤2.2、2.3和2.4获得的节点和关系，由所有历史产品物料清单生成第一种知识图谱作为历史产品知识图谱，由所有产品族主结构物料清单生成第二种知识图谱作为产品族主结构知识图谱；
[0187]
步骤2.5：将构建的历史产品知识图谱和产品族主结构知识图谱进行融合，得到配置知识图谱，用于支持复杂产品的自动配置；
[0188]
具体实施可再分析历史产品物料清单和所有产品族主结构物料清单的层级，抽取物料间的层级关系，使得知识图谱中的节点的层级关系和物料间的层级关系保持一致。
[0189]
基于模板的方式和自然语言处理的方法对物料的其他信息进行知识抽取，生成物料的属性，并基于物料的编码方式识别物料类别，基于物料属性和类别构建事物特性表；
[0190]
步骤三、自动生成需求到物料的配置生成方式
[0191]
步骤3.1：对用户的需求进行分类，并用jiagu自然语言处理工具抽取用户输入的需求中的产品功能特性关键词，将对应的需求场景对应到产品的功能特性，并将需求中的产品功能特性关键词关联到物料特性中的关键词，从而构建需求-物料语义关联表，如表(7)所示：
[0192]
表(7)需求-物料语义关联表示例
[0193][0194]
步骤3.2：
[0195]
1)建立以下需求-物料的配置生成方式：
[0196]
通过物料中的关键词出现的频率设置物料与需求的关联概率，如下式：
[0197][0198]
其中，示物料类别为a的物料和需求特性关键词rr之间的关联概率，表示包含需求特性关键词rr且物料类别为a的第j个物料，表示包含需求特性关键词rr且物料
类别为b的第j个物料，表示所有包含需求特性关键词rr的物料的数量；
[0199]
2)建立以下物料-物料的配置生成方式：
[0200]
计算与需求的特性关键词rr相关的物料间的关联概率，如下式：
[0201][0202]
其中，表示物料类别为a的物料和物料类别为b的物料间的关联概率，表示第α个历史产品物料清单，表示中需求特性关键词rr出现在物料类别为a的物料中，表示在的条件下物料类别为b的物料的数量，表示对所有的历史产品物料清单进行统计求和，表示所有历史产品物料清单中包含需求特性关键词rr且物料类别为b的物料数量；
[0203]
这样基于产品功能特性关键词和物料的关键词，遍历配置知识图谱中的所有物料节点，生成和补全配置。
[0204]
步骤3.3：设定关联概率阈值，由大于关联概率阈值的需求-物料生成方式和物料-物料生成方式生成第三种知识图谱作为配置生成方式知识图谱，从而在配置时根据配置生成方式知识图谱自动选配出满足需求的候选物料；
[0205]
步骤四、复杂产品自动配置
[0206]
步骤4.1：用自然语言处理工具抽取用户输入的需求关键词，根据需求到物料的配置生成方式，选择复杂产品的自动配置方式；
[0207]
自动配置方式包括基于历史产品的复杂产品模块化配置、基于产品族主结构的复杂产品模块化配置、和基于事物特性表的复杂产品模块化配置
[0208]
步骤4.2：选择基于历史产品的复杂产品模块化配置方式，通过配置生成方式知识图谱将用户需求与物料进行匹配，选择一个包含该物料的历史产品，对于所选历史产品物料清单中的各个物料，基于资源分配算法计算该物料与同类别且满足需求的其他物料的图结构相似性，图结构相似性高的同类物料作为该物料的候选物料，从而获得满足用户需求的历史产品物料清单，资源分配算法基于节点的共享邻居来计算节点之间的关联度，如下式：
[0209][0210]
其中n(u)表示物料节点u的近邻节点集合，当值趋近于0时，表示两物料之间关联性最小，反之关联性越大代表两物料之间的可替代性越大；
[0211]
步骤4.3：若没有历史产品符合用户需求，则选择基于产品族主结构的复杂产品模块化配置方式，通过配置生成方式知识图谱将用户需求与物料进行匹配，选择一个包含该物料的产品族主结构，对于所选产品族主结构，根据配置生成方式知识图谱中与用户需求相关的配置生成方式自动选配产品族主结构各个层级的物料，其中基本模块自动全部选
配，对于任一类别的必选模块自动根据物料的成本和交货期优选一个或多个满足用户需求的物料，对于任一类别的可选模块则需要用户根据需求自行选配，从而获得满足用户需求的产品族主结构物料清单；
[0212]
步骤4.4：若产品族主结构中的任一物料仍无法满足用户需求，则选择基于事物特性表的变型配置方式，对于候选的历史产品或产品族主结构中不满足需求的物料，根据物料的事物特性表查询相同类别的所有候选物料，用户根据需求选择一个或多个候选物料并加入候选的历史产品物料清单或产品族主结构物料清单，若事物特性表中仍没有物料满足需求，则启动新物料设计流程并向配置知识图谱中增加一个满足需求的物料作为配置知识图谱中的新增节点，然后将该物料作为专用模块加入候选的历史产品物料清单或产品族主结构物料清单，最终完成复杂产品的自动配置；
[0213]
经过上述步骤的操作，即可解决复杂产品的模块化配置问题。
[0214]
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
[0215]
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过一种浏览器/服务器架构的计算机程序来完成，该程序存储在分布式的服务器中，在客户端执行本技术各个实施例所述方法的全部或部分步骤。客户端包括：电脑、移动设备、嵌入式谁被等各种可以存储程序代码的介质。
[0216]
另外需要说明的是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。同时，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。