一种产品结构智能模块化方法技术

本发明专利技术公开了一种产品结构智能模块化方法，先综合考虑零部件之间的功能结构关系，得到数值化产品结构DSM模型；再应用遗传算法智能搜索最优模块化方案，在算法开始前，设置种群规模、交叉概率、变异概率、终止代数、最大聚类模块数m；采用m×n矩阵的编码方法，种群的初始化获取种群所需规模；以模块度值为适应度函数，计算所有单个个体的适应度值；执行选择操作、交叉操作、变异操作；在达到设置的终止代数后，输出适用度值最高的方案，解码到相应的模块化方案。运用该方法可更加直观和高效地进行产品模块划分，操作更加便捷、模型更加能够反映工程实际、模块划分结果更优，实现了聚类划分地计算机化。

Intelligent modular method for product structure

The invention discloses an intelligent product structure modularization method, first consider the function structure relationship between parts, numerical product structure DSM model; then the application of genetic algorithm to search the optimal intelligent modular scheme, at the beginning of the algorithm, set the population size, crossover probability and mutation probability, termination algebra, maximum clustering module the number of M; using the M encoding method by N matrix, population initialization required to obtain population size; module value as fitness function, calculate all the individual fitness value; executive selection operation crossover operation and mutation operation; in reaching the set termination algebra after the highest value of output scheme of decoding to modular corresponding scheme. The method can be used to classify product modules more intuitively and efficiently. The operation is more convenient, the model can reflect the actual situation of the project, and the result of the module division is better, and it realizes the computerization of the clustering division.

【技术实现步骤摘要】
一种产品结构智能模块化方法
本专利技术设计在机械电子产品领域产品开发的中的产品结构智能模块化。
技术介绍
产品结构是机械电子产品开发的核心，它直接影响着产品开发的过程、开发人员组织结构以及产品的市场战略定位。全球经济的高速发展，生产力的不断提升，市场竞争的焦点从过去的生产规模和质量转变为用户的个性定制；同时客户需求也不断向多样化、个性化发展，大规模定制成为主流的生产方式之一。模块化产品设计策略是实现大规模定制中最重要的技术手段之一，已广泛应用于各类产品开发与生产活动中。在机械电子产品开发中，常常根据系统工程理论把复杂产品分解成规模较小的、易于开发的、有较为独立功能的子系统，在开发完成后集成所有子系统来完成产品的总功能。产品结构的模块划分合理可以提升产品结构的合理化程度，使产品结构的模块划分更加适合开发人员组织结构的规划和产品开发过程的安排。但是，如果产品结构的模块划分不当会造成子系统间的联系过多，而难以完成各子系统的集成；会增加开发过程的迭代次数，延长产品开发周期。产品结构的模块划分在产品开发中是至关重要的。目前产品结构的模块划分主要是使用功能结构图、行列变换等方法，这些方法普遍是以创建产品的功能结构为开始，然后通过模块或者分组把子功能归入到模块中。这些方法在一定程度上实现了产品结构的模块划分，但仍存在以下不足，（1）过分依赖于产品的功能结构，离开功能结构的前提就无法进行下去；（2）只能用于开发新产品的模块化结构，不能对已经有的产品结构进行模块化分析；（3）在模型中的行元素和列元素数目较大且行元素与列元素间的联系较复杂时，行列变换的难度和聚类划分和评估的工作量大大增加，使用基于行列变换和聚类评估的划分算法很难实现模块聚类；（4）不利于将智能算法引入产品结构的模块划分中。
技术实现思路
本专利技术针对现有机械电子产品的产品结构模块划分方法的不足，提出了一种产品结构智能模块化方法。本专利技术产品结构智能模块化方法按如下步骤进行：（A）综合考虑零部件之间的功能结构关系，确定各行列元素之间的联系以及联系的方向性；确定各行列元素之间的依赖程度，得到数值化产品结构DSM模型；（B）在算法开始前，设置种群规模、交叉概率、变异概率、终止代数、最大聚类模块数m；（C）染色体编码采用矩阵编码，对于一个规模为n的模型，假设模型的最大聚类数为m，则得到的编码矩阵为m×n矩阵；矩阵中的行列元素分别代表相应的模块和零件，单元格的值表示它所对应的零件是否在它所对应的聚类模块中，1代表零件在模块中，0表示零件不在该模块中；单个零件只允许存在一个模块中，因而每一列中有且只能有一个单元格为1；（D）种群初始化，对于一条染色体（m×n矩阵），在每一个列向量中任取一个单元格，将其值取为1，剩下的取为0；反复执行以上步骤，直到获得要求的种群规模；（E）计算种群中各个个体的适应度值，模块度体现了模块与模块之间和模块内部间的关系，模块度越高模块划分的结果越好，这时模块之间的耦合性越低、模块内部的内聚性越高；以模块度值来表示适应度函数；（F）个体的选择操作，从种群中随机选取N个个体进行适应度大小的比较，保留适应度高的个体；将上述过程重复M次，得到下一代群体中的M个个体；（G）个体间的交叉操作，交换两个个体的某个或某些位，是产生新个体的主要方法；在相互配对的两个个体编码串中随机设置两个交叉点，交换两个个体在交叉点间的部分染色体。（H）个体的变异操作，改善遗传算法的局部搜素能力，提高种群的多样性，防止早熟现象的出现；随机选出一条父染色体，从染色体中随机选出一列作为变异点，将该列中的1的变为0，从剩下的单元格中任选一格值设为1；（I）重复E-H的过程，直到所设置的终止代数，输出最优的编码个体；（J）解码最优个体，输出最优模块化方案。本专利技术产品结构智能模块化评估方法采用如下步骤：（A）计算目标DSM模型中每一个模块内部间的平均聚合度；（B）计算目标DSM模型中所有模块与模块间的平均耦合度；（C）计算目标DSM模型中在该模块划分方案下的模块度值；（D）计算所有方案的模块度值，选择模块度值最大的模块划分方案作为最终的模块划分方案。本专利技术的优点及有益效果是：（1）产品开发技术和管理人员运用该方法可以更加直观和高效的进行产品结构模块划分；（2）能够更加方便地对已有产品结构进行模块化分析，大大减少了相关人员的计算搜索量，实现了模块方法划分的计算机化；（3）与现有技术相比该方法操作更加便捷、模型更加能够反映工程实际、模块化划分结果更加接近综合最优。附图说明图1是本专利技术实施例中的产品结构模型矩阵图。图2是遗传算法运行后的最优模块度值。具体实施方式本专利技术产品结构智能模块化方法按如下十步骤进行：第一步，综合考虑零部件之间的功能结构关系，确定各行列元素之间的联系以及联系的方向性；确定各行列元素之间的依赖程度，得到数值化产品结构DSM模型；第二步，在算法开始前，设置种群规模、交叉概率、变异概率、终止代数、最大聚类模块数m；第三步，染色体编码采用矩阵编码，对于一个规模为n的模型，假设模型的最大聚类数为m，则得到的编码矩阵为m×n矩阵；矩阵中的行列元素分别代表相应的模块和零件，单元格的值表示它所对应的零件是否在它所对应的聚类模块中，1代表零件在模块中，0表示零件不在该模块中；单个零件只允许存在一个模块中，因而每一列中有且只能有一个单元格为1；第四步，种群初始化，对于一条染色体（m×n矩阵），在每一个列向量中任取一个单元格，将其值取为1，剩下的取为0；反复执行以上步骤，直到获得要求的种群规模；第五步，计算种群中各个个体的适应度值，模块度体现了模块与模块之间和模块内部间的关系，模块度越高模块划分的结果越好，这时模块之间的耦合性越低、模块内部的内聚性越高；以模块度值来表示适应度函数；第六步，个体的选择操作，从种群中随机选取N个个体进行适应度大小的比较，保留适应度高的个体；将上述过程重复M次，得到下一代群体中的M个个体；第七部，个体间的交叉操作，交换两个个体的某个或某些位，是产生新个体的主要方法；在相互配对的两个个体编码串中随机设置两个交叉点，交换两个个体在交叉点间的部分染色体。第八步，个体的变异操作，改善遗传算法的局部搜素能力，提高种群的多样性，防止早熟现象的出现；随机选出一条父染色体，从染色体中随机选出一列作为变异点，将该列中的1的变为0，从剩下的单元格中任选一格值设为1；第九步，重复第五步到第八步的过程，直到所设置的终止代数，输出最优的编码个体；第十步，解码最优个体，输出最优模块化方案。本专利技术基于模块度的机械电子产品模块划分的评估与择优通过基于遗传算法的自动搜索计算得到，为了在大规模的种群方案中选出最优秀的模块划分方案，需要有效地设置适应度函数。对于目标DSM模型，规模为N，模型中第p行第q列的单元格（p,q）的值为dp,q，也就是说第p个行元素与第q个列元素之间的联系权重为dp,q（）。该模型的任意一模块划分方案：共划分为D个模块,N为零件总个数，nk为第k个模块中第一个零件在聚类后的零件序列中的序号，mk表示第k个模块中最后一个零件在聚类后的零件序列中的序号，约束条件：。基于模块度的产品结构智能模块划分的评估可以按照以下步骤来完成：第一步，计算目标DSM模型中每一个模块内部间的平均本文档来自技高网...

【技术保护点】
一种机械电子产品的产品结构模块化方法，其特征是按如下步骤进行：（A）综合考虑零部件之间的功能结构关系，确定各行列元素之间的联系以及联系的方向性；确定各行列元素之间的依赖程度，得到数值化产品结构DSM模型；（B）在算法开始前，设置种群规模、交叉概率、变异概率、终止代数、最大聚类模块数m；（C）染色体编码采用矩阵编码，对于一个规模为n的模型，假设模型的最大聚类数为m，则得到的编码矩阵为m×n矩阵；矩阵中的行列元素分别代表相应的模块和零件，单元格的值表示它所对应的零件是否在它所对应的聚类模块中，1代表零件在模块中，0表示零件不在该模块中；单个零件只允许存在一个模块中，因而每一列中有且只能有一个单元格为1；（D）种群初始化，对于一条染色体（m×n矩阵），在每一个列向量中任取一个单元格，将其值取为1，剩下的取为0；反复执行以上步骤，直到获得要求的种群规模；（E）计算种群中各个个体的适应度值，模块度体现了模块与模块之间和模块内部间的关系，模块度越高模块划分的结果越好，这时模块之间的耦合性越低、模块内部的内聚性越高；以模块度值来表示适应度函数；（F）个体的选择操作，从种群中随机选取N个个体进行适应度大小的比较，保留适应度高的个体；将上述过程重复M次，得到下一代群体中的M个个体；（G）个体间的交叉操作，交换两个个体的某个或某些位，是产生新个体的主要方法；在相互配对的两个个体编码串中随机设置两个交叉点，交换两个个体在交叉点间的部分染色体；（H）个体的变异操作，改善遗传算法的局部搜素能力，提高种群的多样性，防止早熟现象的出现；随机选出一条父染色体，从染色体中随机选出一列作为变异点，将该列中的1的变为0，从剩下的单元格中任选一格值设为1；（I）重复E‑H的过程，直到所设置的终止代数，输出最优的编码个体；（J）解码最优个体，输出最优模块化方案。...

【技术特征摘要】
1.一种机械电子产品的产品结构模块化方法，其特征是按如下步骤进行：（A）综合考虑零部件之间的功能结构关系，确定各行列元素之间的联系以及联系的方向性；确定各行列元素之间的依赖程度，得到数值化产品结构DSM模型；（B）在算法开始前，设置种群规模、交叉概率、变异概率、终止代数、最大聚类模块数m；（C）染色体编码采用矩阵编码，对于一个规模为n的模型，假设模型的最大聚类数为m，则得到的编码矩阵为m×n矩阵；矩阵中的行列元素分别代表相应的模块和零件，单元格的值表示它所对应的零件是否在它所对应的聚类模块中，1代表零件在模块中，0表示零件不在该模块中；单个零件只允许存在一个模块中，因而每一列中有且只能有一个单元格为1；（D）种群初始化，对于一条染色体（m×n矩阵），在每一个列向量中任取一个单元格，将其值取为1，剩下的取为0；反复执行以上步骤，直到获得要求的种群规模；（E）计算种群中各个个体的适应度值，模块度体现了模块与模块之间和模块内部间的关系，模块度越高模块划分的结果越好，这时模块之间的耦合性越低、模块内部的内聚性越高；以模块度值来表...

【专利技术属性】
技术研发人员：杨志伟，容芷君，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：湖北,42