一種面向維修性設計的復雜產品可供性特性識別方法
【專利摘要】本發明公開了一種面向維修性設計的復雜產品可供性特性識別方法，包括以下步驟：(1)分析提取可供性特性集和維修性特性集；(2)構建可供性模糊偏好關聯圖，確定可供性特性偏好相對重要度；(3)可供性與維修性設計需求相關關系分析，確定面向維修性設計的可供性特性初始重要度；(4)利用基于人工神經網絡的可供性特性識別方法，識別可供性特性最終重要度。本發明設計合理，克服基于功能的設計方法難以涉及面向維修性的產品設計要求的困難，更加精確識別可供性特性，以便于更好地支持可供性特性之間關聯關系分析及滿足產品維修性設計要求，對減少復雜產品設計沖突具有重要意義。
【專利說明】
一種面向維修性設計的復雜產品可供性特性識別方法
技術領域
[0001] 本發明屬于復雜產品可供性特性識別方法，具體涉及一種面向維修性設計的復雜 產品可供性特性識別方法。
【背景技術】
[0002] 隨著技術進步和應用環境的變化，用戶對復雜產品的需求，特別是對使用或維修 性等生命周期的需求在不斷發展。這就要求復雜產品要隨著客戶需求的發展而不斷改進設 計。與此同時，隨著復雜產品的改進，有用功能不斷增加，產品復雜度越來越高，會出現增加 有用功能而不能提高使用或維修性能。然而，復雜產品設計是多學科交叉領域的系統工程， 已有的基于功能的設計方法難以涉及面向維修性的產品設計要求。基于可供性的設計以人 機環境之間的關系作為設計綜合考慮的目標，能夠幫助設計者發現復雜產品對人以及環境 的影響。
[0003] 基于可供性的產品維修性設計需考慮產品使用過程中產品固有屬性關系，包括人 (用戶或維修工作人員）與產品之間關系、組件與組件之間的關系。可供性特性之間存在關 聯關系，當以某一可供性為改進目標時，會引起與之關聯的可供性特性的變化，這可能導致 復雜產品改進設計沖突。目前基于可供性的設計涉及可供性建模，可供性分類，缺乏更加精 確的可供性特性識別方法，以便于更好地支持可供性特性之間關聯關系分析及滿足產品維 修性設計要求。
【發明內容】
[0004] 本發明要解決的技術問題是克服上述缺陷，提供一種面向維修性設計的復雜產品 可供性特性識別方法，設計合理，克服基于功能的設計方法難以涉及面向維修性的產品設 計要求的困難，更加精確識別可供性特性，以便于更好地支持可供性特性之間關聯關系分 析及滿足產品維修性設計要求，對減少復雜產品設計沖突具有重要意義。
[0005] 為解決上述問題，本發明所采用的技術方案是：
[0006] -種面向維修性設計的復雜產品可供性特性識別方法，其特征在于:包括以下步 驟：
[0007] (1)分析提取可供性特性集和維修性特性集；
[0008] (2)構建可供性模糊偏好關聯圖，確定可供性特性偏好相對重要度；
[0009] (3)可供性與維修性設計需求相關關系分析，確定面向維修性設計的可供性特性 初始重要度；
[0010] (4)利用基于人工神經網絡的可供性特性識別方法，識別可供性特性最終重要度。
[0011] 作為一種優化的技術方案，所述步驟（1)的分析提取可供性特性集和維修性特性 集，包括目的可供性，非目的可供性，可進化性，宜人性，易操作性，可加工性，可維修性，可 退役性，可持續性。
[0012] 作為一種優化的技術方案，所述步驟(2)的可供性偏好關聯圖，具體為：
[0013] 1)、可供性模糊偏好關聯圖是基于相對優先度描述可供性特性之間優先關系；
[0014] 可供性模糊偏好關聯圖定義為G= {V，E，W}，其中節點V= {vi，V2,…，vn}表示可供 性特性，E= {ei，e2，···，ek}為有向邊，代表兩個可供性特性之間優先關系，W= {wi，W2，···，wm} 為有向邊模糊權重，表示兩個可供性特性之間優先程度；
[0015] 模糊權重由語言變量描述，模糊權重對應的語言變量及模糊數如表1。
[0016] 表1模糊權重對應的語言變量及模糊數
[0018] 2)、可供性模糊偏好關聯圖鄰接矩陣；
[0019] 假設可供性模糊偏好關聯圖GWGlGs，···^}由產品設計專家組S={S1，s2，···， sm}給出，則叫為設計專家％給出的第i可供性特性模糊偏好鄰接矩陣，且i = l，2,…，η;
[0020] 3)、優勢矩陣Dk;
[0021 ]假設〃?Μ?'2,…，〃 1為八？中的可供性特性i向j的第v階優勢度，則優勢矩陣 Dk定義為：
[0022] Dk =P(}\ +rGl^...+ PG；,k = \,2，…，m
[0023] PG\. =(^；,,)ηχη
[0024] 4)、可供性偏好相對重要度；
[0025] 當可供性特性與其他可供性特性之間不存在優勢關系時，該可供性特性優勢度為 〇;在實際計算中，對優勢度增加1，給出相對優勢度;則每個可供性特性的相對偏好度計算 公式如下：
[0028] 作為一種優化的技術方案，所述步驟(3)的可供性特性與維修性需求相關關系分 析，確定可供性特性初始重要度;具體為：
[0029] 1)、可供性維修性矩陣表示產品維修需求對可供性特性的有害或有益作用關系； 由設計專家利用語言變量評價維修性需求對可供性特性的相關作用關系。語言變量包括有 益，較有益，最有益，有害，較有害，最有害；
[0030] 2)、語言變量模糊處理；
[0031 ]假設語言變量以三角模糊數(la，lb，1。)表示，其模糊化公式為
[0033]可供性特性與維修性需求之間有害或有益作用關系的相關度評價語言、符號、模 糊數及去模糊化如表2。
[0034]表2可供性特性與維修性需求相關度、符號、模糊數及其去模糊化
[0035]
[0036] 3)、計算可供性特性重要度；
[0037] 針對每個可供性特性，計算維修性需求有益和有害相關度的相對百分率，度量維 修性需求對該可供性特性的有害性與有益性的相對程度;針對整機產品而言，有益性和有 害性相對百分率的總值，表示改進程度;故取該相對百分度為面向維修性設計的可供性特 性重要度；
[0038] 4)、集結專家組給出的可供性特性與維修性特性之間相關度評價值；
[0039] 由專家組S={Sl，s2，. . .，sm}，m個專家給出評價值，將每個專家給出的評價值，集 結為一個評價值;公式如下
[0041] 其中Wl為第i個專家權重，h為第i個專家給出的去模糊化處理之后的評價值。
[0042] 作為一種優化的技術方案，所述步驟(4)的基于人工神經網絡的可供性特性識別 方法，具體為：
[0043] 由所述步驟(3)中的計算可供性特性初始重要度看作輸入數據，將所述步驟(2)可 供性特性偏好相對重要度為輸出數據，訓練人工神經網絡；
[0044] 以所述步驟(3)中集結設計專家組評價值為監測數據，學習所述步驟(4)訓練所得 人工神經網絡；
[0045] 獲得可供性特性最終重要度識別結果；
[0046] 由所述步驟(4)學習獲得可供性特性最終重要度，以此為依據實現面向維修性設 計的復雜產品可供性特性識別。
[0047]由于采用了上述技術方案，與現有技術相比，本發明設計合理，克服基于功能的設 計方法難以涉及面向維修性的產品設計要求的困難，更加精確識別可供性特性，以便于更 好地支持可供性特性之間關聯關系分析及滿足產品維修性設計要求，對減少復雜產品設計 沖突具有重要意義。
[0048] 同時下面結合附圖和【具體實施方式】對本發明作進一步說明。
【附圖說明】
[0049] 圖1為本發明一種實施例中面向維修性設計的復雜產品可供性特性識別方法的流 程圖；
[0050] 圖2為本發明一種實施例中可供性模糊偏好關聯圖。
【具體實施方式】
[0051] 實施例：
[0052]如圖1所示，一種面向維修性設計的復雜產品可供性特性識別方法主要包括可供 性特性分析，提取、可供性偏好關聯性分析、可供性與維修性關系分析和基于人工神經網絡 的可供性識別方法等步驟。
[0053] (1)可供性特性集提取
[0054] 數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可裝配性，A4零件 總數少，心零件結構簡單，A6易潤滑，A7易換損件，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振動，Al5減少廢物產生，Al6噪聲，Al7油霧，Al8污染，Al9熱變 形。維修性特性集如下A防止泄漏，11 2減少垃圾問題，M3可降解潤滑油和清洗劑，M4在維護 期間可升級性，M5垃圾易處理，M 6長壽命材料，M7易維修，Ms合成潤滑油，M9節能軸承和潤滑 油，M1Q無紙化的維護管理系統，Μη容易運輸，M 12執行規章制度，M13適當的照明和通風，M14易 實施安全維護措施，M 15使用無毒的潤滑劑。
[0055] (2)構建可供性偏好關聯圖，確定可供性特性相對重要度
[0056] 由專家組給出可供性特性之間模糊關聯關系，并給出可供性偏好模糊圖，如圖2所 不。
[0057]由專家組給出的19個可供性特性偏好重要度可計算得到。比如專家1給出的可供 性偏好鄰接矩陣為
[0058]
[0059] 優勢矩陣為
[0062] 得出，Αχ的關聯因子為14.88 因此，設計專家出的可 〇 供性特性偏好重要度為
[0063]
[0064] 同理，計算得出所有專家給出的可供性特性偏好相對重要度見表3 [0065]表3可供性特性偏好相對重要度
[0066]
[0067] (3)可供性與維修性關系分析
[0068] 可供性與維修性特性相關性評價見表4，面向維修性的可供性特性初始重要度見 表5，專家組可供性與維修性相關性評價值集結值見表6。
[0069] 表4可供性與維修性特性相關性評價
[0070]
[0071]
[0072] 表5面向維修性的可供性特性初始重要度
[0073]
[0074] 表6專家組可供性與維修性相關性評價值集結值
[0075]
[0076]
[0077] (4)基于人工神經網絡的可供性識別方法
[0078] 將面向維修性設計要求的可供性初始重要度看作GRNN輸入數據，可供性特性偏好 相對重要度看作GRNN輸出數據，訓練GRNN。將集結后的專家評價值看作監測數據。得到可供 性特性歸一化后的最終重要度為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。最后以最終 重要度排序為依據進行可供性識別。
【主權項】
1. 一種面向維修性設計的復雜產品可供性特性識別方法，其特征在于： 包括以下步驟： (1) 分析提取可供性特性集和維修性特性集； (2) 構建可供性模糊偏好關聯圖，確定可供性特性偏好相對重要度； (3) 可供性與維修性設計需求相關關系分析，確定面向維修性設計的可供性特性初始 重要度； (4) 利用基于人工神經網絡的可供性特性識別方法，識別可供性特性最終重要度。2. 根據權利要求1所述的面向維修性設計的復雜產品可供性特性識別方法，其特征在 于： 所述步驟（1)的分析提取可供性特性集和維修性特性集，包括目的可供性，非目的可供 性，可進化性，宜人性，易操作性，可加工性，可維修性，可退役性，可持續性。3. 根據權利要求1所述的面向維修性設計的復雜產品可供性特性識別方法，其特征在 于： 所述步驟(2)的可供性偏好關聯圖，具體為： 1 )、可供性模糊偏好關聯圖是基于相對優先度描述可供性特性之間優先關系； 可供性模糊偏好關聯圖定義為G= {V，E，W}，其中節點V= {vi，V2，···，Vn}表示可供性特 性，E= {ei，e2,…，ek}為有向邊，代表兩個可供性特性之間優先關系，W= {wi，W2，···，Wm}為有 向邊模糊權重，表示兩個可供性特性之間優先程度； 2 )、可供性模糊偏好關聯圖鄰接矩陣； 假設可供性模糊偏好關聯圖由產品設計專家組S={S1，S2，···，％}給 出，則/??為設計專家sk給出的第i可供性特性模糊偏好鄰接矩陣，且i = 1，2，…，η; 3) 、優勢矩陣01{; 假設g,', / (i，j，ν = 1，2，…，η)為中的可供性特性i向j的第ν階優勢度，則優勢矩陣Dk 定義為：4) 、可供性偏好相對重要度； 當可供性特性與其他可供性特性之間不存在優勢關系時，該可供性特性優勢度為〇;在 實際計算中，對優勢度增加1，給出相對優勢度;則每個可供性特性的相對偏好度計算公式 如下： ,· \, - .1 - I ~ ^ } ~4. 根據權利要求1所述的面向維修性設計的復雜產品可供性特性識別方法，其特征在 于： 所述步驟(3)的可供性特性與維修性需求相關關系分析，確定可供性特性初始重要度； 具體為： 1) 、可供性維修性矩陣表示產品維修需求對可供性特性的有害或有益作用關系；由設 計專家利用語言變量評價維修性需求對可供性特性的相關作用關系;語言變量包括有益， 較有益，最有益，有害，較有害，最有害； 2) 、語言變量模糊處理； 假設語言變量以三角模糊數(la，lb，1。)表示，其模糊化公式為 3) 、計算可供性特性重要度；針對每個可供性特性，計算維修性需求有益和有害相關度的相對百分率，度量維修性 需求對該可供性特性的有害性與有益性的相對程度;針對整機產品而言，有益性和有害性 相對百分率的總值，表示改進程度;故取該相對百分度為面向維修性設計的可供性特性重 要度； 4 )、集結專家組給出的可供性特性與維修性特性之間相關度評價值； 由專家組s= {si, S2, ...，Sm}，m個專家給出評價值，將每個專家給出的評價值，集結為 一個評價值;公式如下其中Wi為第i個專家權重，li為第i個專家給出的去模糊化處理之后的評價值。5.根據權利要求1所述的面向維修性設計的復雜產品可供性特性識別方法，其特征在 于： 所述步驟(4)的基于人工神經網絡的可供性特性識別方法，具體為： 由所述步驟(3)中的計算可供性特性初始重要度看作輸入數據，將所述步驟(2)可供性 特性偏好相對重要度為輸出數據，訓練人工神經網絡； 以所述步驟(3)中集結設計專家組評價值為監測數據，學習所述步驟(4)訓練所得人工 神經網絡； 獲得可供性特性最終重要度識別結果； 由所述步驟(4)學習獲得可供性特性最終重要度，以此為依據實現面向維修性設計的 復雜產品可供性特性識別。
【文檔編號】G06N3/04GK105868917SQ201610229100
【公開日】2016年8月17日
【申請日】2016年4月13日
【發明人】薩日娜, 孫鵬文, 烏日娜, 布圖格奇
【申請人】內蒙古工業大學