基于隐性知识的方案评价方法研究
第 1 章 绪论
1.1 研究背景及意义
产品设计方案产生于产品概念设计阶段，是产品进行后续研发和生产的基础性文件，决定着 60%-70%的产品生产成本，在整个产品生命周期中占有重要地位。而随着知识经济时代的到来，能够以知识为核心驱动，高效利用设计知识为产品设计服务，从而提高知识重用率，缩短设计周期的产品智能设计系统成为学界和企业界共同关注的焦点。 产品智能设计系统以相关智能设计理论为基础，针对特定应用领域，构建设计知识的表达与推理机制，实现产品设计方案的自动化与智能化生成。以枪械智能设计系统为例，其运行机制即可概括为：首先由枪械设计人员为枪械智能设计系统输入既定的技战术需求，然后设计系统经由其推理机制自动而智能地输出多项枪械备选方案以供选择，最后设计系统通过其决策机制对这些备选方案进行评价，从中选出最优秀的方案作为系统的输出结果用于后续的仿真分析与实际生产。从此运行机制可以看出，方案的评价与决策机制作为产品智能设计系统的终端环节，直接决定着系统输出结果的质量。因此，作为决策机制理论基础的方案评价方法就理所当然的成为了产品智能设计系统相关研究中的重要组成部分[1]。 这里，需要说明的是，能够用到方案评价方法的评价活动一定属于多目标决策类型，即存在多项评价指标，而非单目标决策。这是因为，在单目标决策类型的评价活动中，每个备选方案只有一个评价值，只需要对该评价值进行简单的数值大小排序就可以得到最优方案，并不需要专门的方案评价方法来对评价数据进行处理。而之所以在产品设计方案的评价活动中考虑多项评价指标，则是因为多项评价指标的参与能够让产品设计人员从多个角度综合考量各备选方案的优劣程度，避免单项评价指标的过分侧重而影响评价结果的客观性和准确性。因此，考虑多项评价指标已经成为产品设计方案评价活动中约定俗称的评价规范。例如，在枪械设计方案评价中，就需要综合考虑“全枪质量”、“100m 单发精度”、“故障率”、“结构简单性”、“可维修性”、“安全性”以及“经济成本”等多项评价指标。
.....
1.2 国内外研究现状
为了更加深入的了解和掌握当前学术领域对于方案评价与隐性知识的研究现状，从而避免重复性研究，提出更加具有创新性的研究点，本节对方案评价领域和隐性知识领域的国内外研究现状进行概述。目前国内外学者对于方案评价的研究，大体可以分为如下三个方面：方案评价方法的改进研究、方案评价方法的应用研究和方案评价指标研究。 其中，方案评价方法的改进研究是指对方案评价方法的优缺点进行分析，并对缺点进行改进以提出更加客观有效的方案评价方法。方案评价方法的应用研究则是指针对某个特定的应用领域，采用合适的方案评价方法去解决实际的方案评价问题。原本这两类文章在研究的侧重点方面并不一致，但是由于大多数方法改进类文章的出发点都是针对特定应用领域才对某种方案评价方法进行相应的改进，仍然可以算作方法应用研究一类，因此，本文并没有对方法改进研究的文章和方法应用研究的文章进行具体切分，而是统一从不同方案评价方法的角度对这两类文章进行综述。 目前在学术领域，常用的方案评价方法有：层次分析法、数据包络分析法和灰色关联分析法等。 层次分析法（Analytic Hierarchy Process，简称 AHP）是由美国运筹学家匹茨堡大学教授萨蒂于 20 世纪 70 年代初，在为美国国防部研究“根据各个工业部门对国家福利的贡献大小而进行电力分配”课题时，应用网络系统理论和多目标综合评价方法，提出的一种层次权重决策分析方法[2]。它将决策问题按总目标、各层子目标、评价准则和具体备选方案的顺序分解为不同的层次结构，然后利用求解判断矩阵特征向量的方法，求得每一层各元素对上一层某元素的优先权重，最后再用加权和的方法求得各备选方案对总目标的最终权重，最终权重最大者即为最优方案。由于层次分析法可以将定性方法与定量方法有机结合，且能把多目标、多准则又难以全部量化处理的决策问题转化为多层次单目标问题，因此得到了广泛的应用。例如，Chan 等学者将层次分析法应用于全球供应商的选择[3]，而 Muhammad 等学者则利用层次分析法进行光伏技术方案的选择[4]。
.....
第 2 章 指标影响关系问题阐述与方法选择
为了解决指标影响关系问题，本文将隐性知识的相关理论和建模方法引入到方案评价领域。为了更加深入对这一想法进行探讨，本章首先对指标影响关系问题进行分析阐述，然后从定义和特征两个方面阐述指标影响关系就是一种隐性知识，进而对隐性知识的建模方法进行选择以适用于方案评价领域，最后构建本文研究的整体思路。
实际上，从更加宽广的视角来看，无论是产品设计方案的评价，还是其他领域的方案评价，概括起来都有两个核心的要素，即方案评价指标体系和方案评价算法。 所谓方案评价指标体系，通常是由领域专家针对待评价的备选方案所属领域的实际情况而科学地挑选出的一组方案评价指标。这组评价指标就是专家在对备选方案进行评价时的多个角度，它帮助方案评价人员多维度、全面、综合性地衡量各项备选方案的优劣程度。同时，虽然评价角度可以有多个以体现考虑全面，但并不意味着所有评价指标在专家心目中具有相同的重要程度。事实上，专家在制定方案评价指标体系时，肯定会因为各种实际情况的考量而希望对某些评价指标予以侧重。因此，为了体现评价指标之间重要程度的区别，各个评价指标就会被赋予不同的权重，这些权重称之为“指标权重”。指标权重可以由专家人为的设定，也可以由方案评价算法给出。 所谓方案评价算法，就是对评价数据的处理过程。方案评价人员根据方案评价指标体系，对各项备选方案进行评价，会得到一个评价数据的矩阵。但评价的最终目的是要得到一个最优的方案，即需要将单项备选方案在多个评价指标下的一组评价数据处理为一个值，这个值可以综合的体现该项备选方案的优劣程度，从而才能根据此综合评价的得分值的高低从多项备选方案中评选出综合最优的方案。而如何合理地对评价数据进行处理，并且兼顾指标权重的影响，就需要由科学的方案评价算法来完成。
......
2.2 隐性知识的引入
通过第 2.1 节对于指标影响关系问题的阐述可以发现，如何表达评价指标之间的综合影响关系是问题的关键所在。为此，本文引入隐性知识的建模方法来对这一问题进行解决。 之所以考虑在方案评价领域引入隐性知识的建模方法，是因为指标影响关系实际上就是一种专家的隐性知识。为了更明晰的阐述这一观点，本文进行如下论述。 首先，通过对相关文献的阅读，可以发现，虽然目前在学术领域，对于“什么是隐性知识”这个问题尚没有统一而标准的答案，但大体可以将隐性知识定义为：“存在于员工个体和企业内各级组织（团队、部门、企业层次等）中难以规范化、难以言明和模仿、不易交流与共享、也不易被复制或窃取、尚未编码和显性化的各种内隐性知识，同时还包括通过流动与共享等方式从企业外部有效获取的隐性知识”。隐性知识的特征主要有：难于理解，难以用数字、公式和科学法则等来表达，也很难用文字、语言来精确表述，交流与转化速度相对较慢，成本较高，在一定程度上具有独占性和排他性等。 而将这些关于隐性知识的定义和特征与指标影响关系进行对比，就会发现，两者与许多共同之处。从定义的角度看，指标影响关系其实就是一种领域专家或评价人员关于方案评价指标之间相互影响的经验知识。从特征的角度看，它难于理解，因为它是由领域专家凭借其头脑中的知识来进行判定的，若专家不给出解释，其他人难于理解评价指标之间的复杂影响关系；它难以用数字、公式和科学法则等来表达，因为它并不是简单的线性关系，很难形成公式化的表达，但同时，定量化的表达与推理的确是追求的目标；它很难用文字、语言来精确表述，因为它虽然可以用文字和语言来形容，但通常只能简单的对影响关系进行文字描述，这种文字描述因为缺乏数值型的信息，因此并不精确.
....
第 3 章 基于模糊认知图的指标影响关系建模研究 ..... 25
3.1 模糊认知图介绍 ....... 25
3.1.1 模糊认知图概念及特性 ...... 25
3.1.2 模糊认知图的形式化描述 .... 26
3.1.3 模糊认知图的推理 .... 27
3.2 基于模糊认知图的指标影响关系建模 ....... 29
3.3 枪械设计方案评价指标影响关系建模实例 ......... 33
3.4 本章小结 ....... 37
第 4 章 基于 FDM-GRA 的方案评价方法研究 ..... 39
4.1 模糊决策机制的构建研究 ..... 39
4.2 灰色关联分析介绍 ..... 43
4.3 基于 FDM-GRA 的方案评价方法构建 ......... 46
4.4 实例验证 ....... 51
4.5 验证结果讨论 ......... 57
4.6 本章小结 ....... 61
第 5 章 基于历史数据学习的方案评价方法研究 ....... 63
5.1 引言 ..... 63
5.2 RCGA 学习算法介绍 .... 64
5.3 基于历史数据学习的方案评价方法构建 ..... 68
5.4 本章小结 ....... 77
第 5 章 基于历史数据学习的方案评价方法研究
5.1 引言
本文在第 2 章从定义和特征两个方面论证了指标影响关系就是一种隐性知识，可以采用隐性知识的相关模型与方法对其进行表达；在此基础上，第 3 章采用模糊认知图这一隐性知识的建模手段，构建了基于模糊认知图的指标影响关系建模方法，用于从专家处获取关于指标影响关系的隐性知识，实现了指标影响关系的显性化；从而，在第 4 章，通过构建模糊决策机制，将所获得的模糊认知图表达下的指标影响关系与既有的方案评价方法（选取灰色关联分析作为方案评价主体方法）相结合，建立了基于 FDM-GRA 的方案评价方法，解决了既有方案评价方法无法考量指标影响关系的问题，构建了更加客观有效的方案评价方法。该方法不仅可以为枪械设计方案的评价提供方法支撑，同时也可作为通用性的方案评价方法为其他诸多领域的方案评价问题提供技术支持。 虽然到目前为止，本文的确已经提出了一套完整的可以解决指标影响关系问题的方案评价方法，但从企业实际应用情况的角度来看，，该方法仍然存在着一些问题，主要体现在如下两个方面： （1）不同专家对同一设计问题进行评价时，必然会因为各自知识体系的不同而给出不同的影响矩阵，从而导致指标权重的赋值不同； （2）当对同一设计问题的评价数据不断累积，形成一定数量的历史数据后，如何处理和利用这些历史数据继续为评价活动服务就会成为新的问题。 以上两个问题的存在将是制约本文所提出的方案评价方法能否被得到真正应用的关键。因此，本章的核心内容就是要解决上述两个问题。
总结
一个科学的方案评价方法是产品智能设计系统中设计方案评价机制所必须的理论基础。由于设计方案的评价需要考虑多个评价指标，若不考虑评价指标之间的影响关系，而简单地假设指标之间相互独立，势必会影响评价结果的客观与准确。但是既有的方案评价方法却并没有考虑指标影响关系的问题。其原因是一方面并没有好的建模手段来表达指标之间的综合影响关系，另一方面是没有形成指标影响关系与既有方案评价方法的融合机制以致无法构建完整的方案评价方法。 因此，为了解决指标影响关系问题，本文将隐性知识的建模方法引入方案评价领域，开展了基于隐性知识的方案评价方法研究。主要完成工作如下：
（1）将隐性知识的理论引入了方案评价领域，通过定义及特点的对比分析，论证了指标影响关系即为一种隐性知识，可以利用隐性知识的相关模型方法来对其进行获取与表达。
（2）提出了基于模糊认知图的指标影响关系建模方法，该方法以模糊认知图作为主体模型，根据方案评价这一具体的领域问题，从领域变量和因果结构两个方面对专家头脑中关于指标影响关系的隐性知识进行了获取和表达。
（3）构建了模糊决策机制，该机制可以对模糊认知图进行处理，将指标影响关系转化为指标权重，使之能够与既有的方案评价方法相结合。
（4）提出了基于 FDM-GRA 的方案评价方法，该方法以模糊决策机制表达指标综合影响关系，以灰色关联分析作为评价主体方法，从而形成一套具有完整架构并能考量指标综合影响关系的方案评价方法。通过枪械设计方案评价的实例验证，证明了该方法的可行性与有效性。
.........
参考文献(略)
本文编号：133323
本文链接：https://www.wllwen.com/wenshubaike/shuzhibaogao/133323.html
