基于設計情境的制造知識主動推薦方法

王克勤，魏姣姣，李 靖，張新衛(wèi)，同淑榮

（西北工業(yè)大學 設計管理研究所，西安 710072）

0 引言

產品設計是知識密集型活動[1]。為提升產品設計的可制造性，減少設計返工事件的發(fā)生，要求產品設計者在設計之初就考慮到，并能及時獲取支持產品設計的制造知識。相關研究表明，以查詢?yōu)橹鞯闹R獲取途徑，不僅費時費力，而且查詢結果冗余度高[2,3]，嚴重影響了設計者的設計質量和效率。如何高效的為設計人員提供所需要的制造知識成為提升產品設計可制造性的關鍵問題。知識推薦技術能夠在合適的時間，合適的地點，將合適的知識推薦給合適的人員，為解決該問題提供了新思路。

基于知識推薦方法，國內外學者進行了大量的研究。Moon等提出一種基于多Agent的設計知識推送方法，為其推送合適的設計知識[4]。Yan等提出一個從工程設計過程中獲取知識的模型和方法，提取設計人員需求[5]。馮毅雄等提出基于特征語義分析的數控機床設計知識推送方法，獲取符合設計人員需求的設計知識推送方案[6]。

但是，現有面向設計人員的知識推薦研究，對設計過程下游需要的制造知識考慮較少；在推薦方法實現中，主要考慮設計人員興趣/日志等，很少涉及除此外的其它情境信息。同時，這些模型、方法或推薦系統均未從情境維度考慮設計人員當前的實際行為，且推薦的信息存在過載現象。研究表明，若將情境信息考慮到推薦系統或算法中，能夠填補用戶陳述偏好與實際行為之間的差異，削減信息過載的現象[7]；同時，情境信息對于信息篩選和提高推薦信息的質量有很大幫助[8]。采用情境感知技術能夠快速捕捉到設計者在進行設計活動時所處的情境，并根據情境信息推斷設計者的當前知識需求，在恰當的時機將恰當的知識或服務推薦給設計者[9]。

本文分析了設計情境要素及屬性，構建設計情境要素交互模型，為全面獲取設計情境信息打下基礎。同時，提出一種基于設計情境的制造知識分類逐層過濾方法。該方法將設計情境信息融入各個判定模型，通過情境信息的過濾逐步確定設計人員當前需要的制造知識。與傳統面向設計人員的知識推薦方法相比，基于設計情境的制造知識主動推薦方法從設計人員當前情境角度出發(fā)，考慮設計人員在設計過程下游需要的制造知識，提高了對設計人員制造知識需求識別的準確度，為面向設計人員的制造知識精確推送提供新思路。

1 設計情境構建

情境是可以用來描述實體狀態(tài)的任何信息，其中實體可以是人，地點，或者與用戶和應用程序之間交互相關的客體，包括用戶與應用程序本身[10]。情境要素是能夠清晰描述用戶所處情境的任何信息。DEY認為情境包括四種類型的信息，即時間（time），地點（location），身份（identity），及活動（activity）[10]。Schilit將情境要素概括為位置，周圍任何物體的標識，以及這些物體的變化[11]。顧君忠等圍繞用戶定義了情境譜系，將其分為五大類，計算情境，用戶情境，物理情境，時間情境，及社會情境[12]。

根據現有分類來看，基于不同的研究內容，不同研究者給出的分類往往不同。但是，過少的情境要素類別可能造成用戶需求識別不完整。而多維度、高精度的情境要素構成，則可能造成系統識別用戶情境的效率下降[13]。因此，本文將情境要素劃分為三類：用戶情境，環(huán)境情境及任務情境。

1）用戶情境：區(qū)分由用戶的個性、能力、文化程度和習慣等方面所引起的對所需服務的差異；包括：用戶基本信息、經驗、專業(yè)背景等。

2）環(huán)境情境：包括物理情境，社交情境。物理情境用來說明實體所處的物理環(huán)境狀態(tài)，如所處位置、天氣、濕度等；社交情境則用來說明實體所處的社會環(huán)境和社交關系，包括文化背景、社會道德觀及影響力等。

3）任務情境：用來描述用戶當前正在從事的活動，及與完成活動相關軟硬件狀態(tài)。

結合設計人員在進行設計時所處的情境特征，認為設計情境是設計人員在從事與設計相關的活動時，用來描述其當前狀態(tài)的任何信息。

設計情境(Design Context, DContext)由兩部分構成：當前設計情境(DContext(C))和歷史設計情境(DCcontext(H))；包括三個維度的16個情境要素；即：

DContext=DContext(C)+ DCcontext(H)，=< DCID，Designer，Professional background，Design experience，Operation record；Time，Location， Team，Role；Design process，Design goal，Design task，Design object，Design method，Design tool，Design activity，Networkstatus>。其中，DCID為設計情境的唯一標識，其他設計情境中各個要素的含義如表1所示。

表1 設計情境要素含義說明

設計情境各維度要素間都存在直接或間接的聯系。綜合考慮16個情境要素，以設計人員、設計活動要素為中心建立設計情境要素交互關系模型，如圖1所示。

圖1 設計情境要素交互關系模型

2 制造知識主動推薦方法

2.1 基于設計情境的制造知識分層過濾框架

產品設計由多個設計活動構成。設計活動確定了需要解決的問題，進而決定了需要運用的制造知識，是產生制造知識需求的源頭。故以設計活動為出發(fā)點，提出一種基于設計情境的制造知識分類逐層過濾框架，如圖2所示。

圖2 基于設計情境的制造知識分類逐層過濾框架

基于設計情境的制造知識分類逐層過濾框架包括四個步驟：1）確定設計活動類別；2）確定所需要的制造知識類別；3）獲取相關制造知識；4）挑選最需要的制造知識。

2.2 確定設計活動類別

分類逐層過濾框架的第一步以設計人員當前設計情境信息為輸入，預測與當前設計情境相匹配的設計活動類別。預測過程由四個模型共同確定：活動模型，設計人員偏好模型，流行度模型及歷史模型。四個模型分別為設計人員可能正在從事的設計活動類別進行打分。分值評估了在給定設計情境下，設計人員對其所從事的設計活動類別的認可度。

1） 活動模型

活動模型的本質是基于事實的規(guī)則，適用于所有用戶。在產品開發(fā)與設計過程中，每個設計活動包含確定的關鍵子設計活動，依次類推。

定義 1：活動模型(Activity Model)采用四元組進行表示Activity Model=，其中：Weight11表示權重，即活動模型在所有識別設計活動類別的模型中所占的權重；DContext(C)表示當前設計情境信息，其他模型與其表示含義一致；Category表示設計活動類別；Score11表示當前設計情境信息屬于某類設計活動的程度，分值越高當前設計情境信息屬于某類設計活動的程度越大。下述模型中各個屬性所表示的含義與活動模型中屬性含義類似，可類推。

2）設計人員偏好模型

設計人員偏好模型可從給定情境中將用戶傾向的設計活動類別挑選出來，例如，根據設計人員偏好的時間，地點，設計工具等推出設計人員當前所從事的設計活動。

定義 2：設計人員偏好模型(Preference Model)用五元組進行表示 Preference Model=< Weight12，Designer，DContext(C)，Category，Score 12>，其中，Designer表示當前設計人員。

3）流行度模型

流行度模型能夠預測設計情境信息和設計活動類別之間的相關性程度。通過跟蹤用戶歷史行為，收集用戶反饋信息，發(fā)現設計情境信息與設計活動類別之間的相關性。

定義 3：流行度模型(Popularity Model)用四元組進行表示 Popularity Model=。

4）歷史模型

歷史模型聚合每個用戶的歷史行為，并將其形成一個文件，進而學習每個用戶的個性化實踐經驗和習慣。在該文件中，用戶的反饋與用戶對某類設計活動的感興趣程度成正比。

定義 4：歷史模型(History Model)采用五元組進行表示 History Model=< Weight14，Designer，DContext(C)，Category，Score14>。

5）采用分類聚合器進行加權平均

采用分類聚合器，首先，將四個模型給出的在該設計情境下用戶對設計活動類別的感興趣程度，即分值標準化；其次，對標準化后分數進行加權平均，進而為每個設計活動類別得到一個單獨的分值。標準化公式如式(1)所示，加權平均公式如式(2)所示。

式(1)中，Score（S1i）：推薦方法第1步的第i個模型的標準分值。SDA：四個模型的加權平均值。Weight11×Score11：第1個模型——活動模型的加權分值。Weight1i權重的設定分為兩種情況：靜態(tài)權重和動態(tài)權重；其中，靜態(tài)權重一般由業(yè)內專家評分確定；動態(tài)權重可用戶主動輸入確定，或是自適應確定[13]。后文提及的去做那種確定方法與此類似。

2.3 確定所需要的制造知識類別

分類逐層過濾框架的第二步以得分值高的設計活動類別，及已有制造知識類別為輸入，采用文本相似度匹配方法，確定最需要的制造知識類別。

1）設計活動數據結構

定義5：設計活動（Product Design Activity，PDA）采用8元組進行表示PDA=（PDAI，PDAN，PDAO，PDADR，PDAT，PDAL，PDAR，PDAD）；其中，PDAI為設計活動標識，PDAN為設計活動名稱，PDAO為設計活動對象，PDADR為設計活動執(zhí)行者，PDAT為設計活動時間，PDAL為設計活動地點，PDAR為設計活動資源，PDAD為設計活動描述。

2）制造知識數據結構

定義6：制造知識（Manufacturing Knowledge，MK）采用8元組進行表示MK=（MKI，MKN，MKO，MKP，MKT，MKL，MKTP，MKD）；其中，MKI為制造知識標識，MKN為制造知識名稱，MKO為制造知識對象，MKP為制造知識創(chuàng)建者，MKT為制造知識使用時間，MKL為制造知識使用地點，MKTP為制造知識類型，MKD為制造知識描述。

3）設計活動和制造知識相似度匹配

基于設計活動和制造知識的數據結構，對設計活動和制造知識進行文本相似度匹配。首先構建設計活動向量ai，如式(3)所示：a表示設計活動庫中的每條設計活動，mij表示屬性cj在設計活動ai中所占的權重。

整合所有設計活動向量，即可得到設計活動庫A，如式(4)所示：同理，構建制造知識向量ki，wij表示屬性cj在制造知識ki中所占的權重，如式(5)所示；整合制造知識向量，構建制造知識庫K，如式(6)所示。

計算設計活動向量與制造知識向量之間的相似度，以此表示設計活動與制造知識之間的相匹配程度。采用余弦相似度計算，如式(7)所示。

當相似度值大于某閾值時認為該設計活動需要某項制造知識的支持。閾值根據不同實際情況確定。

2.4 獲取相關制造知識

分類逐層過濾框架的第三步以得分值較高的制造知識類別為輸入，獲取與該類別制造知識相關的所有制造知識項。由于設計人員的當前情境狀態(tài)處于不斷變化之中，故一旦情境狀態(tài)發(fā)生變化，所獲取的相關制造知識類別項也隨之發(fā)生變化。相關制造知識可從制造知識庫，設計工具等相關的API接口獲取。

2.5 挑選最需要的制造知識

分類逐層過濾框架的最后一步以相關制造知識項或屬性為輸入，從中挑選設計人員當前最需要的制造知識項或屬性。挑選最需要的制造知識由四個模型共同確定：陳述熟悉度模型，協同過濾模型，當前情境模型，以及歷史情境模型。

其中，陳述熟悉度模型，協同過濾模型為解決冷啟動問題提供了相應解決方案。當前情境模型，歷史情境模型為基于情境相似向設計人員推薦制造知識打下 基礎。

1）陳述熟悉度模型

陳述熟悉度模型是設計人員對制造知識項或制造知識屬性的顯示反饋。設計人員可以陳述自己對某個制造知識項或制造知識屬性的熟悉程度；在不同的情境下，設計人員對某制造知識項的熟悉程度可能不同，故陳述熟悉度模型不考慮情境信息。

定義7：陳述熟悉度模型（Statement familiarity Model，SF Model）以四元組的形式進行表示SF model=；其中，Weight41表示陳述熟悉度模型在所有挑選最需要的制造知識模型中所占的權重；Kiteam/Kattribute表示某條制造知識項或是某條制造知識項的屬性；Score41表示設計人員對某條制造知識項或是某條制造知識項的屬性的熟悉程度。對Score進行標準化處理，如式(8) 所示。

其中，Score（S41）表示推薦方法的第4個步驟中第1個模型的標準化分值，Score41表示推薦方法的第4個步驟中第1個模型的打分值，Score（S41）分值越高，將該條知識推薦給設計人員的機率越大。

2）協同過濾模型

協同過濾模型同樣不考慮情境信息，并使用標準的基于用戶的協同過濾算法為制造知識項進行打分，將最高的分值分配給用戶最不熟悉的制造知識項。同時，通過協同過濾算法計算用戶間的相似性，選取相似性較高的那些用戶作為目標用戶的近鄰，進而根據相似用戶為其推薦知識。

定義 8：協同過濾模型（Collaborative Filtering Model，CF Model）用四元組進行表示CF model=；其中，Weight42表示協同過濾模型在所有挑選最需要的制造知識模型中所占的權重；Score42表示設計人員對某條制造知識項或是某條制造知識項的屬性的熟悉程度。

3）當前情境模型

當前情境模型記錄設計人員當前設計情境信息，由當前設計情境，制造知識/屬性，及設計人員在當前設計情境下對某制造知識或屬性的感興趣程度，即分值構成。

定義 9：當前情境模型（Context（Current）， Context(C))采用四元組進行表示Context(C)= ；其中，Weight43表示當前情境模型在所有挑選最需要的制造知識模型中所占的權重；Score43表示在當前情境下，設計人員對某條制造知識項或制造知識屬性的感興趣程度，分值越高設計人員對該條制造知識或制造知識屬性越感興趣，將該條制造知識或制造知識屬性推薦給設計人員的機率越大。

4）歷史情境模型

歷史情境模型記錄當前情境模型之前的狀態(tài)，主要存儲設計人員歷史的情境信息。

定義 10：歷史情境模型（Context(History），Context(H)) 用四元表示 Context(H)=< Weight44，DContext(H)，Kiteam/Kattribute，Score 44>；其中，Weight44表示歷史情境模型在所有挑選最需要的制造知識模型中所占的權重；Score44表示在歷史情境下，設計人員對某條制造知識項或是某條制造知識項的屬性感興趣的程度。

5）項目聚合器

項目聚合器將四個模型給出的在該情境下用戶對某制造知識項的感興趣程度，即分值標準化后，加權平均，進而為每個制造知識項或制造知識項屬性得到一個單獨的分值。協同過濾模型，當前情境模型，及歷史情境模型的標準化公式如式(9)所示。最終分值計算公式如式(10)所示：

式(10)中，SKI：四個模型的加權平均值。Weight41×Score41：第一個模型——陳述熟悉度模型的加權分值。

3 案例分析

以某型號飛機垂尾的翼助設計為例，驗證該方法的可行性。假設設計人員A（簡稱A）正在使用SolidWorks對翼助進行設計，通過相關傳感器的實時監(jiān)測，獲取當前的設計情境如表2所示，“——”表示當前無法監(jiān)測，或通過推理得不到當前用戶的狀態(tài)。

根據對A以往行為的監(jiān)測，發(fā)現A具有對某型號飛機垂尾蒙皮方案進行設計的經驗，同時具有下載“機翼翼肋實例零件庫設計”等的操作記錄。

1）確定設計活動類別

本文將所采用的設計活動分為五大類，每個活動都包含關鍵的子活動。基于設計活動數據結構以樹形數據結構表示設計活動標識號，如圖3所示。

圖3 設計活動編碼

通過咨詢相關學者和業(yè)內專家確定各個模型的權重系數；在式(1)、式(2)的指導計算A當前所從事的活動所屬的設計活動類別，如表3所示。

表2 A在Tc時刻的情境信息

表3 A在Tc時刻所從事的設計活動類別得分

根據式(2)，可得出設計活動分類得分值：01：5.4；02：14.6；03：36.6；04：47.4；05：81.8，A當前所從事的活動屬于工藝設計活動。

2）確定制造知識類別

通過咨詢相關學者和業(yè)內專家確定相似度閾值，認為當相似度大于0.5時，該制造知識被設計人員所 需要。

經式(3)～式(7)計算，制造對象知識MK1，制造資源知識MK2，制造過程知識MK3，和制造成本知識MK4與翼助設計工藝設計活動的相似度分別為0.8，0.72，0.56，0.52，故認為這四類制造知識均為所需要的制造知識。

3）獲取相關的制造知識

由前兩個步驟可知Tc時刻A最需要的制造知識為翼助設計時的相關材料、零件知識（MK1），設備工藝性知識（MK2），加工方法、順序（MK3），以及設備成本（MK4）等相關知識，結合制造知識數據結構，截取部分制造知識，如表4所示。

4）挑選A最需要的制造知識

以6條知識為例說明篩選過程，如表5所示。

根據式(10)計算出各個知識條目的得分值為：

0009130：19.6；0000002：34.1；0009123：67.4；0009124：75.7；0009129：33.2；0009130：27.2。故Tc時刻，A需要的制造知識排序為0009124，0009123，0000002，0009129，0009130，0009130。故將得分高的制造知識優(yōu)先推薦給A。

4 結論

針對產品設計活動知識密集型的特點，及產品設計人員知識查詢效率低、結果冗余度高的問題，結合情境感知技術，分析了設計情境要素及屬性，并構建設計情境要素交互關系模型；該模型的建立有利于識別設計情境信息。在此基礎上，提出基于設計情境的制造知識分類逐層過濾方法，該方法在研究設計人員當前知識需求，并為其及時準確推薦個性化知識方面具有以下優(yōu)勢：第一，考慮設計情境信息，并根據設計情境信息首先判斷設計人員當前所從事的設計活動，進而縮小設計人員所需要的制造知識范圍；第二，采用多層次，多模型，異權重分類過濾的方法，處理不同情境下用戶由于個人習慣、經驗、專業(yè)背景和偏好等產生的知識需求差異性問題。應用表明，方法能夠為面向設計人員主動推薦個性化知識提供支持。

表5 A 在Tc時刻對某制造知識感興趣程度得分

參考文獻：

[1]吉祥,顧新建,代風,等.基于本體和粗糙集的產品設計知識推送技術[J].計算機集成制造系統,2013,(01):7-20.

[2]Mcmahon C, Lowe A, Culley S. Knowledge management in engineering design: personalization and codification[J].Journal of Engineering Design,2004,15(15):307-325.

[3]Aurisicchio M. Understanding how the information requests of aerospace engineering designers influence information-seeking behaviour[J].Journal of Engineering Design,2010,21(6):707-730.

[4]Moon S K, Simpson T W, Kumara S R T. An agent-based recommender system for developing customized families of products[J].Journal of Intelligent Manufacturing,2009,20(6):649-659.

[5]Yanjin.Acquiring engineering knowledge from design processes[J].Artificial Intelligence for Engineering Design Analysis & Manufacturing,2002,16(2):73-91.

【】【】

[6]馮毅雄,張舜禹,高一聰,等.基于特征語義分析的數控機床設計知識精確智能推送方法[J].計算機集成制造系統,2016,22(1): 189-201.

[7]Pessemier T D, Courtois C, Vanhecke K. A user-centric evaluation of context-aware recommendations for a mobile news service[J]. Multimedia Tools and Applications,2016,75(6):1-29.

[8]Pessemier T D,Dooms S, Martens L. Context-aware recommendations through context and activity recognition in a mobile environment[J].Multimedia Tools & Applications,2014, 72(3):2925-2948.

[9]Lei H, Sow D M, Davis Ii J S, et al. The design and applications of a context service[J].Acm Sigmobile Mobile Computing & Communications Review,2002,6(4):45-55.

[10]Dey A K.Understanding and Using Context[J].Personal & Ubiquitous Computing,2001,5(1):4-7.

[11]Schilit B,Adams N,Want R.Context-Aware Computing Applications[A].The Workshop on Mobile Computing Systems & Applications[C],1994:85-90.

[12]顧君忠.情景感知計算[J].華東師范大學學報(自然科學版), 2009,(05):1-20,145.

[13]潘旭偉.集成情境知識管理中幾個關鍵技術的研究[D].浙江大學,2005.