一种基于知识的复杂产品研发过程协同方法

摘要

一种基于知识的复杂产品研制过程协同方法，该方法有五大步骤：步骤一：建立项目任务模型、研发人员模型和知识模型；步骤二：建立关键词库；步骤三：基于知识的协同任务与研发人员的匹配；步骤四：活动情景感知及分析；步骤五：协同环境情景与相关知识的多维度可视化。本发明以知识作为协同研发过程的核心，以任务作为协同研发的驱动，通过协同任务与研发人员的匹配程度完成任务的分配，通过协同情景的分析获取对协同过程起到支撑作用的知识主体和知识单元，通过多维度可视化方法呈现协同环境与相关知识单元。它在知识管理、计算机、协同技术领域里具有广阔地应用前景。

说明书

技术领域

本发明涉及一种基于知识的复杂产品研制过程协同方法，属于知识管理、计算机、协同 技术领域。

背景技术

随着全球经济一体化进程不断加快，市场竞争日趋激烈，数字化、网络化、信息化技术 飞速发展，企业产品研发中信息化应用水平的高低已成为产品竞争力的一个核心因素。由于 复杂产品的客户需求复杂，产品结构复杂，功能原理复杂，影响因素复杂，它的零部件众多， 规模庞大，涉及广泛的知识、人员、资源以及多个学科领域，是一个多领域知识的综合体， 需要多领域，多学科人员的参与，为了降低成本，缩短产品研发时间，不断改进服务和提高 产品质量，建立协同环境，使协同贯穿于企业内部和企业间的各种研发活动是企业的必然选 择。

数据协同，比如单一产品数据源和协同感知，实现了不同阶段、多领域的各种类型数据 的集成和共享；过程协同，比如成熟度策略和协同工作流方案，通过业务过程进行双方或多 方之间的一次或多次交互和协同，用以完成这些参与方特定的目的，保证了研发过程的连贯 性；实时协同，比如视频会议，提供了协同双方或多方进行实时交流的工具。

上述三种协同方式保证了数据的集成与共享，过程的并行与连续，消息的实时与同步， 但仍存在以下问题：

1）缺少对协同过程的合理优化。每个研发人员掌握的知识领域、知识熟练程度以及解决 问题的能力是不同的，每个研发任务对知识的需求，对研发人员应用知识的能力要求 也是不同的，因此，合理的匹配研发任务与研发人员是提高复杂产品协同研发效率与 质量的重要手段。

2）对协同过程缺乏有效的知识支持。协同的目的有两个：一是协同双方或多方针对某一 问题进行讨论，快速得到问题的解决方案；二是协同双方或多方并行的解决问题，缩 短研发周期。由于复杂产品的研发是一个知识继承与重用的过程，快速获取需要解决 问题的参考知识能够使产品研发人员加快研发效率，提高并行协同效率，同时在针对 某一问题进行多方协商过程中，能够作为有价值的参考，快速得到解决方案，达成共 识。

3）缺少对协同资源的有效展示。复杂产品的研发工作需要参考具体的情景信息，全面了 解研发任务相关资源、约束、人员等能提高协同效率，减少重复工作。

发明内容

本发明的目的是提供一种基于知识的复杂产品研制过程协同方法，它克服了现有技术的 不足，能改善当前产品研发过程中的协同环境和效率。其目标有：

(1)提供协同研发过程中基于知识的任务分配，通过研发任务与研发人员的匹配关系，将 合适的任务分配给合理的人员。

(2)提供一种基于知识需求的知识获取方法，通过对协同情景的分析，获取协同过程中的 知识需求，根据知识需求将知识主体或者知识单元推送给协同环境中的各个研发人 员，作为他们讨论的基础或者参考，提高协同的效率和效果。

(3)对协同环境下的各种情景信息及通过情景分析得到的相关知识以多维度的可视化方 法进行展示，使研发人员全面了解与当前研发活动相关的情景，从而快速发现与当前 活动相关的资源。

本发明一种基于知识的复杂产品研制过程协同方法，该方法以知识作为协同研发过程的 核心，以任务作为协同研发的驱动，通过协同任务与研发人员的匹配程度完成任务的分配， 通过协同情景的分析获取对协同过程起到支撑作用的知识主体和知识单元，通过多维度可视 化方法呈现协同环境与相关知识单元。

本发明一种基于知识的复杂产品研制过程协同方法，该方法具体步骤如下：

步骤一：建立项目任务模型、研发人员模型和知识模型。协同研发是以项目任务为驱动， 以知识为核心，以研发人员作为活动主体的，因此，任务模型主要由任务内容、任务目标、 任务约束等构成，用以描述任务的目标和需求；知识模型包括知识领域，知识类型，知识来 源和知识存储位置等，用以规范知识描述的方式和格式；研发人员模型主要包括人员的基本 信息，当前任务信息以及经验和知识信息等，用以描述研发人员当前状态以及工作能力。

步骤二：建立关键词库。关键词库是为了规范问题以及问题解决方案描述的方法，通过 统一的表述方法解决协同对象之间在表述与理解方面存在的差异性，通过关键词的共现分析 及相似度计算，得到研发任务与研发人员的匹配关系。

步骤三：基于知识的协同任务与研发人员的匹配。通过任务与研发人员的匹配程度，任 务之间的约束关系，采用遗传算法对不同的任务分配方案的效果进行计算，实现协同任务的 自动优化配置。

步骤四：活动情景感知及分析。感知是协作者对周围所处的环境状态和行为的认识，在 协同工作中，群体情景感知是协同工作的基本前提条件，是提高协作效率、降低协作成本和 减少协作之间的冲突的重要手段。通过情景的感知，获取当前活动的知识需求，进而通过情 景的相似性评估，得到对当前活动起支撑作用的知识点。

步骤五：协同环境情景与相关知识的多维度可视化。将与协同环境相关的情景信息，知 识点利用三维可视化技术在同一个平面上分层进行展示，并且建立情景之间的关联，知识点 与情景之间的关联，知识点之间的关联。

其中，步骤一中所述的“建立项目任务模型”，其具体实现过程如下：1）针对项目领域， 收集该领域相关任务，对项目任务进行分析，得到该领域项目任务的类型；2）针对不同的项 目任务类型，对其属性信息及需求信息进行分析，从任务目标、任务内容、任务描述等方面 进行考虑；3）对任务属性信息进行细化和改进；4）建立任务模型模板，作为后续任务创建 的基础。步骤一中所述的“知识模型”，其具体实现过程如下：1）确定知识领域，对该领域 相关概念进行分析，基于本体建立该领域的本体模型；2）对知识的来源及知识载体进行分析； 3）确定知识的相关属性；4）以前面的属性分析为基础，建立知识模板。步骤一中所述的“研 发人员模型”，其具体实现过程如下：1）分析复杂产品研发系统中涉及的研发人员角色和职 能等；2）建立研发人员的技能、专长知识库；3）定义研发人员在知识协同过程中需要的属 性信息；4）以研发人员的静态职能和动态工作为基础建立研发人员模型。

其中，步骤二中所述的“建立关键词库”，其具体实现过程如下：1）确定复杂产品协同 研发过程涉及的领域；2）查询相关标准规范，从这些规范中获取该领域常用术语；3）对研 发人员的工作历史信息进行分析，得到研发人员常用术语；4）对规范术语进行分析，建立它 们之间的同义、反义等关系；5）将这些术语及它们之间的关系存入数据库，建立关键词库。

其中，步骤三中所述的“采用遗传算法对任务进行分配、评估，获取优化调度方案”，其 具体实现过程如下：1）根据任务的约束要求构建任务时序图；2）对任务的知识需求进行分 析，得到任务知识需求树；3）选择进行任务分配的人员；4）计算知识相似度计算每个人员 对任务的求解能力；5）对种群个体进行编码，生成初始种群，进行种群个体适应度计算，然 后进行遗传操作；6）对进行遗传操作后的群体进行适应度计算，评估种群是否满足需求，若 不满足，则进行迭代至满足要求。

其中，步骤四中所述的“活动情景感知及分析”，其具体实现过程如下：1）针对当前任 务，根据任务模型，获取该任务的知识需求；2）根据任务，获取该任务的承担者，对用户进 行分析，得到该用户的知识结构；3）根据任务的内容和目标，得到与该任务相关的产品结构。

本发明的优点在于：

1）按照任务的知识需求，研发人员的知识结构及当前工作状态进行任务分配，一是加快 研发人员完成任务的速度，提高协同工作的效率，二是在任务分配工作中，充分考虑 协同人员的意愿，工作量等，满足将合适的任务分配给合适的人，每个人员分配均衡 的相对工作量。

2）以知识为基础，进行协同工作中人员和知识点的自动获取。通过对协同过程提供知识 的支持，进而对协同过程提供一个辅助的作用，解决当用户需要帮助时不知道从哪获 取帮助或者花费大量时间去寻找帮助的问题。

3）提供了一个多维度的情景及相关知识可视化展示的界面。它的多维度特性使研发人员 可以从不同角度获取协同信息，它的可视化特性可以使研发人员更加直观的认知当前 的研发活动及各种情景，知识之间的关联关系，有助于快速获取问题解决方案和提高 研发人员的创新能力。

附图说明

图1为基于知识的复杂产品研制流程示意图；

图2为任务模型示意图；

图3为知识模型示意图；

图4为研发人员模型示意图；

图5为任务分配过程图；

图6为遗传算法框架图；

图7为情景关系图；

图8为任务知识需求示意图；

图9为产品结构知识需求示意图；

图10为协同环境情景与相关知识的多维度可视化模型；

图11为协同环境情景与飞机起落架相关知识点的多维度可视化。

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。

本发明一种基于知识的复杂产品研制过程协同方法，该方法以协同任务的快速高效高质 执行为出发点，以知识的需求为协同过程的核心，以知识和人员的自动推荐，知识的多维度 可视化为协同方法，实现了复杂产品协同研制过程中基于知识的协同。

本发明一种基于知识的复杂产品研制过程协同方法，基于知识的复杂产品协同研制流程 如图1所示，它包括以下几个步骤：

步骤一：建立项目任务模型、研发人员模型和知识模型。项目任务模型，如图2所示， 知识模型，如图3所示，研发人员模型，如图4所示。

步骤二：建立关键词库。关键词库的建立采用两种方法，一种是根据《中国术语规范》， 建立相关领域的标准词汇，二是对研发人员常用的术语进行收集和整理。通过前面两种方法 获取复杂产品研发领域的关键词以及关键词之间的关系，最后将这些关键词及其关系存储到 关键词库中。

步骤三：基于知识的协同任务与研发人员（设计单元）的匹配。图5为任务分配过程图， 任务分配过程为：1）项目经理对项目任务进行规划，创建任务树；2）定义任务工作量，工 作难度，知识需求等属性；3）挑选任务的设计单元；4）设计单元根据意愿和喜好选择任务 偏好等级；5）对任务知识需求与设计单元知识结构进行匹配；6）对任务进行分配、评估， 获取优化调度方案，该步骤采用遗传算法，基于遗传算法的任务分配过程如图6所示；7） 项目经理指定任务执行单元；8）设计单元执行任务。

步骤四：活动情景感知及相关知识点的获取。复杂产品研发过程中情景之间关系如图7 所示，根据任务模型、产品结构模型、知识模型和人员信息模型，定义当前活动情景的感知 为：

KContent={Task,PD,Person}

1）Task指当前任务信息，Task={Code,name,PD,Member,PT,Description},Code 指任务的编号,name指任务的名称，PD指任务针对的具体设计对象，Member指执行人， PT指任务相关的目标，参数，约束条件等，Description指任务的描述信息；

2）PD指当前产品的结构信息，PD={Node,name,father,children,description}, node指与当前设计活动相关的产品节点的编号，name指节点的名称，father指该节点的 父节点，children指该节点的子节点，description指节点的描述信息；

3）Person指当前成员信息，Person={Name，Member，Post，Status，Experience}， Name指成员名称，Member指成员编号，Post指成员角色，Status指成员状态，Experience 指成员工作经历和知识结构。

对活动情景进行分析，从不同情景得到不同的知识需求，得到任务的知识需求：

TR_m={W_T1  W_T2...  W_Ti...  W_Tm}，如图8所示，以及产品结构的知识需求： SR_n={W_S1  W_S2  ...  W_Si  ...  W_Sn}，如图9所示，最终得到知识需求特性表，构建知识检索 表达式：L=(W_Tl∪W_T2...∪W_Tr)∩(W_S1∪W_S2...∪W_Sr)。

从不同情景维度对知识需求进行分析，得到了不同情景维度下知识需求的关键词，构建 了知识获取表达式，由于需求与知识之间的关联关系是通过主题词来建立的，因此可以通过 比较知识需求关键词与知识单元关键词之间的相似性来进行知识获取，同时由于知识需求的 多维度性，所以采用基于任务、产品结构两个维度的综合情景相似性的知识获取方法。然后 将检索结果根据产品研制人员的知识结构进行排序，推送给研发人员。

为了进行相似度的计算，将一个知识点的相关关键词词表达为：

$U_r=\begin{array}{c}\left(\begin{array}{ccccc}{W\text{'}}_{\mathrm{Ti}}& {W\text{'}}_{T2}& ...& ...& {W\text{'}}_{\mathrm{Tr}}\\ {W\text{'}}_{S1}& {W\text{'}}_{S1}& ...& ...& {W\text{'}}_{\mathrm{Sr}}\end{array}\right)\end{array}$

式中：W'_Ti=(w_Ti，f'_Ti)，W’_Si=(w_si，f'_si)，f'_Ti和f'_si为知识单元关键词w_Ti和为w_si在 知识单元中的权重，则知识单元与知识需求的相似度的计算公式如下：

$\mathrm{Sim}(U_n,L)-\mathrm{\alpha Sim}(U_n,{\mathrm{TR}}_m)+\mathrm{\beta Sim}(U_n,{\mathrm{TR}}_m)=\alpha \frac{{\Sigma }_{i=1}^r{f}_{\mathrm{Ti}*}{f^{\prime }}_{\mathrm{Ti}}}{\sqrt{{\Sigma }_{i=1}^r{f}_{\mathrm{Ti}}^2}\sqrt{{\Sigma }_{i=1}^r{f^{\prime }}_{\mathrm{Ti}}^2}}+\beta \frac{{\Sigma }_{i=1}^r{f}_{\mathrm{Si}*}{f^{\prime }}_{\mathrm{Si}}}{\sqrt{{\Sigma }_{i=1}^r{f}_{\mathrm{Si}}^2}\sqrt{{\Sigma }_{i=1}^r{f^{\prime }}_{\mathrm{Si}}^2}}$

其中，α和β为在计算相似度过程中任务知识需求和产品结构知识需求所占的权重， Sim(U_n,L)越大，表示该知识点越符合当前知识需求。得到计算结果后，通过知识点与人员知 识结构的相似度进行排序，计算方法同知识点与知识需求的计算方法类似。

表一是针对飞机起落架的协同研制需求，通过相似度计算得到的与起落架研制过程相关 的知识点。

表一

步骤五：协同环境情景与相关知识的多维度可视化。协同环境情景与相关知识的多维度 可视化分为四层：表现层，需求分析层，元知识层和资源层，如图10所示，资源层存储的 为各种知识文档，模型，标准以及组织中用户的信息；元知识层为对资源层中有重用价值的 数据资源的描述，通过元数据对数据资源进行标注，提供对知识资源的背景，属性和内容等 的管理；需求分析层是通过感知用户承担的任务，与任务相关的产品结构等情景信息，通过 需求分析构建检索表达式，得到需要的知识点，然后通过关联分析，返回知识点及它们之间 的关系；表现层利用可视化技术对知识点及其之间的关系从不同维度进行展示。表现层由知 识节点、知识关联、知识链接三部分组成。

（1）知识节点。代表从各种资源中提取出来的知识对象，以及与该对象相关的情景元素 或者属性信息，比如关键词，产品结构节点或者任务节点等。

（2）知识关联。知识关联是指知识节点之间存在着的各种关系，用户可以从一个知识节 点找到另一个知识节点或者发现和揭示知识节点之间隐含的联系。

（3）知识链接。知识链接提供知识节点与节点详细信息、知识载体之间的映射，通过知 识链接可以找到知识的详细信息、知识源以及知识的提供者。

图11为飞机起落架相关知识点及情景信息的多维度可视化展示。