基于误差逆传播的产品协同设计任务数据分解分配方法组成比例

本发明专利技术公开了一种基于误差逆传播的产品协同设计任务数据分解分配方法。对设计任务按功能与结构进行初步分解为各个子任务；对分解后的子任务通过任务粒度进行控制和判断处理；将子任务分解或者重新分解，将分解后的任务作为子任务再回去处理；分解后通过耦合度控制设计任务中子任务之间的信息交互关系：处理获得各个子任务的任务均衡度，以通过任务均衡度控制子任务的数据规模大小：使用误差逆传播算法对子任务进行匹配冗余度分析与控制，将设计任务的分解结果进行分配发送到各个任务工作数据端。本发明专利技术对产品协同设计任务数据进行处理，利用多方面的技术手段，对产品协同设计任务数据实现了准确有效的分解分配。

【技术实现步骤摘要】
基于误差逆传播的产品协同设计任务数据分解分配方法
本专利技术涉及了一种任务数据分解分配处理方法，尤其是涉及了一种基于误差逆传播的产品协同设计任务数据分解分配方法。
技术介绍
随着产品个性化定制趋势的加深，企业与企业间、企业与供应商、多类型服务商及客户之间的协作范围和协作程度也在不断深化，为了更高效的产出更富含创新创意的产品设计方案，越来越多的设计智能主体被允许参与到核心企业的产品设计过程中，以基于互联网的产品协同设计平台(如第三方众包服务平台)为依托，充分利用各种产品协同设计技术和工具，对客户需求进行分析映射，对产品设计任务进行科学分解与合理分配，对协同设计过程进行跟踪管控，最终共同完成产品的设计。基于互联网的产品协同设计作为一种新型并具发展潜力的设计模式，综合了传统设计模式和先进设计技术的优势，以低成本、高效率和高创新创意价值为特点，使企业更加柔性化地适应市场和客户的个性化需求。其中，设计任务的分解是产品协同设计过程的重要组成部分，合理地对设计任务进行分解，可以降低设计协同过程中设计智能主体之间的交互复杂度，对实现产品协同设计过程进度的稳定性和设计成果集成的质量可靠性具有重要影响。当前设计任务分解技术和工具主要针对传统产品协同设计模式，面向的是具有稳定专业设计团队和成熟便捷交互条件的设计环境，不再适应于基于互联网的以产品协同设计平台(如第三方众包服务平台)为依托的产品协同设计模式。针对互联网环境下面向高动态不确定性设计智能体资源的产品协同设计模式，设计任务分解分配时需要同时考虑任务和设计智能体资源状态，开展多维评价，同时也要考虑任务分解技术的平台集成性，目前，该问题仍然缺乏行之有效的通用解决方案。
技术实现思路
为了解决产品协同设计过程中需求、功能和结构繁多复杂且与资源密切相关的任务数据分解分配问题，针对目前产品协同设计任务分解分配缺乏综合定量处理的问题，本专利技术提供了一种基于误差逆传播算法的产品协同设计任务数据分解分配方法，综合考虑了任务粒度、任务耦合度、任务均衡度和匹配冗余度进行处理，对产品协同设计任务数据实现了准确有效的分解分配。如图5所示，本专利技术是通过以下技术方案实现的：(1)对设计任务按功能与结构进行初步分解为各个子任务，如图1所示，子任务的类型会分为独立型、依赖型和耦合型，在设计任务的分解过程中，实时判断每个子任务是否为独立型：若子任务为独立型，则跳到进行步骤(5)；否则跳到进行步骤(2)；(2)对分解后的子任务通过任务粒度进行控制：由任务关联内聚系数与任务重用内聚系数处理获得子任务的任务粒度，然后根据任务粒度进行判断处理：若任务粒度小于预设的粒度阈值，则跳到进行步骤(4)；否则跳到进行步骤(3)；(3)将子任务进行进一步分解或者重新分解，将分解后的任务作为子任务再回到步骤(2)进行处理；(4)分解后通过耦合度控制反映设计任务中子任务之间的信息交互关系：对于设计任务，通过信息关联矩阵分析子任务之间信息交互关联，然后对子任务之间的交互影响进行量化处理获得设计任务的任务耦合度，然后根据设计任务进行判断处理：若任务耦合度小于预设的耦合度阈值，则进行下一步骤；否则设计任务中的子任务进行任务合并处理，然后回到步骤(2)；(5)处理获得各个子任务的任务均衡度，以通过任务均衡度控制子任务的数据规模大小，以保证子任务在规模上大小均衡、所需时间基本相同，进而设计任务总体执行时间也相对稳定，设计任务执行效率得以提升：若任务均衡度小于预设的均衡度阈值，则进行下一步骤；否则再根据所有子任务的执行时间的平均值和所有子任务的执行时间中的最大值和最大值之间的关系进行判断：若所有子任务的执行时间的平均值和所有子任务的执行时间中的最大值之差大于等于所有子任务的执行时间的平均值和所有子任务的执行时间中的最小值之差，则将所有子任务进行重新分解，将分解后的任务作为子任务再回到步骤(2)进行处理；若所有子任务的执行时间的平均值和所有子任务的执行时间中的最大值之差小于所有子任务的执行时间的平均值和所有子任务的执行时间中的最小值之差，则设计任务中的子任务进行任务合并处理，然后回到步骤(2)；(6)最后使用误差逆传播算法对子任务进行匹配冗余度分析与控制，具体如下判断：若匹配冗余度未达到预设阈值，则回到步骤(3)；若匹配冗余度达到预设阈值，则认为完成分解，进行下一步骤；(7)将设计任务的分解结果进行分配发送到各个任务工作数据端。任务工作数据端可以为各个用于完成设计任务的电脑、手机或者平板等。所述(2)中的任务粒度处理为：设计任务分解子任务后，各个子任务间存在父子拓扑关系，子任务包含多个活动单元，活动单元是指最小或者最基本的任务操作，子任务内的多个活动单元存在父子拓扑关系，子活动单元输入到父活动单元；同归属于一个父活动单元的多个子活动单元结合该父活动单元共同组合体对应构建一个约束控制元，一个子任务对应构建一个有效约束子集e，有效约束子集e中包含了多个父子拓扑关系下的约束控制元；约束控制元中的父活动单元作为输出活动单元，约束控制元中的多个子活动单元组成输入活动单元集；然后，按照以下公式根据任务关联内聚系数、任务重用内聚系数与子任务的数量得到子任务的任务粒度：其中，λ(e)表示任务关联内聚系数，μ(e)表示任务重用内聚系数；任务关联内聚系数λ(e)计算为：任务重用内聚系数μ(e)计算为：其中，g为子任务的粒度，n为设计任务中子任务的数量，|e|为有效约束子集e内的约束控制元数量，p和q为两个约束控制元中的输出活动单元，cs和ds为两个约束控制元中的输入活动单元集；表示该有效约束子集e内某一约束控制元中的所有输入、输出活动单元与其他约束控制元中的输入、输出活动单元不存在交集，表示存在关系，{p}∪cs表示p所构成的输出集合与cs输入集合的并集，^表示且关系。构成了任务粒度系数，任务粒度系数的取值与子任务内有效约束子集的任务关联内聚、任务重用内聚相关，本专利技术分析子任务内的关联与重用程度，将产品协同设计任务数据中的单个子任务运用模块粒度分析子任务的的紧密程度，以此确定任务粒度系数。表示该有效约束子集e内某一约束控制元中的所有输入、输出活动单元与其他约束控制元中的输入、输出活动单元存在交集，关联内聚系数反映的是约束控制元间活动单元的关联水平，一个约束控制元的输入和输出活动单元在其他约束控制元中出现的次数越多，信息交互就越多，关联内聚系数也就越大。通过上述设置，在对设计任务分解时，往往首先设定一个任务粒度阈值，然后再对设计任务进行逐层分解，直至达到所设定的任务粒度阈值为止。如果分解后某子任务的任务粒度仍然大于所设定的任务粒度阈值，则表明分解后的任务内聚性能仍相对较弱，则将其进一步分解以达到适宜粒度；如果某任务分解后的任务粒度小于所设定的任务粒度阈值，则表明任务内聚性能相对较强，可保持当前分解后的任务约束结构，不必再继续逐层分解。...

【技术保护点】
1.一种基于误差逆传播的产品协同设计任务数据分解分配方法，其特征在于：该方法包括以下步骤：/n(1)对设计任务按功能与结构进行初步分解为各个子任务，在设计任务的分解过程中，实时判断每个子任务是否为独立型：若子任务为独立型，则跳到进行步骤(5)；否则跳到进行步骤(2)；/n(2)对分解后的子任务通过任务粒度进行控制：由任务关联内聚系数与任务重用内聚系数处理获得子任务的任务粒度，然后根据任务粒度进行判断处理：/n若任务粒度小于预设的粒度阈值，则跳到进行步骤(4)；/n否则跳到进行步骤(3)；/n(3)将子任务进行进一步分解或者重新分解，将分解后的任务作为子任务再回到步骤(2)进行处理；/n(4)分解后通过耦合度控制反映设计任务中子任务之间的信息交互关系：/n对于设计任务，通过信息关联矩阵分析子任务之间信息交互关联，然后对子任务之间的交互影响进行量化处理获得设计任务的任务耦合度，然后根据设计任务进行判断处理：/n若任务耦合度小于预设的耦合度阈值，则进行下一步骤；/n否则设计任务中的子任务进行任务合并处理，然后回到步骤(2)；/n(5)处理获得各个子任务的任务均衡度，以通过任务均衡度控制子任务的数据规模大小：/n若任务均衡度小于预设的均衡度阈值，则进行下一步骤；/n否则再根据所有子任务的执行时间的平均值和所有子任务的执行时间中的最大值和最大值之间的关系进行判断：/n若所有子任务的执行时间的平均值和所有子任务的执行时间中的最大值之差大于等于所有子任务的执行时间的平均值和所有子任务的执行时间中的最小值之差，则将所有子任务进行重新分解，将分解后的任务作为子任务再回到步骤(2)进行处理；/n若所有子任务的执行时间的平均值和所有子任务的执行时间中的最大值之差小于所有子任务的执行时间的平均值和所有子任务的执行时间中的最小值之差，则设计任务中的子任务进行任务合并处理，然后回到步骤(2)；/n(6)最后使用误差逆传播算法对子任务进行匹配冗余度分析与控制，具体如下判断：/n若匹配冗余度未达到预设阈值，则回到步骤(3)；/n若匹配冗余度达到预设阈值，则认为完成分解，进行下一步骤；/n(7)将设计任务的分解结果进行分配发送到各个任务工作数据端。/n...

【技术特征摘要】
1.一种基于误差逆传播的产品协同设计任务数据分解分配方法，其特征在于：该方法包括以下步骤：
(1)对设计任务按功能与结构进行初步分解为各个子任务，在设计任务的分解过程中，实时判断每个子任务是否为独立型：若子任务为独立型，则跳到进行步骤(5)；否则跳到进行步骤(2)；
(2)对分解后的子任务通过任务粒度进行控制：由任务关联内聚系数与任务重用内聚系数处理获得子任务的任务粒度，然后根据任务粒度进行判断处理：
若任务粒度小于预设的粒度阈值，则跳到进行步骤(4)；
否则跳到进行步骤(3)；
(3)将子任务进行进一步分解或者重新分解，将分解后的任务作为子任务再回到步骤(2)进行处理；
(4)分解后通过耦合度控制反映设计任务中子任务之间的信息交互关系：
对于设计任务，通过信息关联矩阵分析子任务之间信息交互关联，然后对子任务之间的交互影响进行量化处理获得设计任务的任务耦合度，然后根据设计任务进行判断处理：
若任务耦合度小于预设的耦合度阈值，则进行下一步骤；
否则设计任务中的子任务进行任务合并处理，然后回到步骤(2)；
(5)处理获得各个子任务的任务均衡度，以通过任务均衡度控制子任务的数据规模大小：
若任务均衡度小于预设的均衡度阈值，则进行下一步骤；
否则再根据所有子任务的执行时间的平均值和所有子任务的执行时间中的最大值和最大值之间的关系进行判断：
若所有子任务的执行时间的平均值和所有子任务的执行时间中的最大值之差大于等于所有子任务的执行时间的平均值和所有子任务的执行时间中的最小值之差，则将所有子任务进行重新分解，将分解后的任务作为子任务再回到步骤(2)进行处理；
若所有子任务的执行时间的平均值和所有子任务的执行时间中的最大值之差小于所有子任务的执行时间的平均值和所有子任务的执行时间中的最小值之差，则设计任务中的子任务进行任务合并处理，然后回到步骤(2)；
(6)最后使用误差逆传播算法对子任务进行匹配冗余度分析与控制，具体如下判断：
若匹配冗余度未达到预设阈值，则回到步骤(3)；
若匹配冗余度达到预设阈值，则认为完成分解，进行下一步骤；
(7)将设计任务的分解结果进行分配发送到各个任务工作数据端。


2.根据权利要求1所述的一种基于误差逆传播的产品协同设计任务数据分解分配方法，其特征在于：所述(2)中的任务粒度处理为：
设计任务分解子任务后，各个子任务间存在父子拓扑关系，子任务包含多个活动单元，活动单元是指最小或者最基本的任务操作，子任务内的多个活动单元存在父子拓扑关系；同归属于一个父活动单元的多个子活动单元结合该父活动单元共同组合体对应构建一个约束控制元，一个子任务对应构建一个有效约束子集e，有效约束子集e中包含了多个父子拓扑关系下的约束控制元；约束控制元中的父活动单元作为输出活动单元，约束控制元中的多个子活动单元组成输入活动单元集；
然后，按照以下公式根据任务关联内聚系数、任务重用内聚系数与子任务的数量得到子任务的任务粒度：



其中，λ(e)表示任务关联内聚系数，μ(e)表示任务重用内聚系数；
任务关联内聚系数λ(e)计算为：

【专利技术属性】
技术研发人员：冯毅雄，高晓勰，密尚华，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33