王有遠(yuǎn)，周聲靈

(1.南昌航空大學(xué) 工業(yè)工程研究所，江西 南昌 330063；2.南昌航空大學(xué) 航空制造工程學(xué)院，江西 南昌 330063)

1 概 述

隨著客戶對產(chǎn)品需求的多樣化和個性化，產(chǎn)品的種類和功能與日俱增。在產(chǎn)品的設(shè)計中，涉及到的設(shè)計知識越來越多，涵蓋的領(lǐng)域極廣，同時產(chǎn)品設(shè)計的程度不斷加深，因此對于企業(yè)，加強產(chǎn)品創(chuàng)新設(shè)計至關(guān)重要。在產(chǎn)品設(shè)計過程中，每個階段都需要大量的設(shè)計知識，概念設(shè)計階段是產(chǎn)品設(shè)計最初的階段，是最能反映產(chǎn)品創(chuàng)新設(shè)計的階段，對產(chǎn)品的成本和質(zhì)量有很大影響。面對客戶需要的不同產(chǎn)品，設(shè)計人員如何在海量的設(shè)計知識中找到自己需要的，并對相關(guān)的知識進(jìn)行管理、共享和采用，提高產(chǎn)品創(chuàng)新設(shè)計的效率，已成為知識網(wǎng)絡(luò)下概念設(shè)計的研究熱點。

在產(chǎn)品創(chuàng)新設(shè)計過程中，設(shè)計的知識對產(chǎn)品的創(chuàng)新起到了關(guān)鍵作用，更是產(chǎn)品設(shè)計成功的主要依據(jù)。隨著新產(chǎn)品的開發(fā)與設(shè)計，不同的設(shè)計知識不斷積累，各知識之間的映射、調(diào)用關(guān)系也變得越來越復(fù)雜，知識節(jié)點之間形成的網(wǎng)絡(luò)結(jié)構(gòu)將對各節(jié)點產(chǎn)生影響。挖掘其中的知識網(wǎng)絡(luò)已成為有效挖掘知識資源內(nèi)在關(guān)系，實現(xiàn)產(chǎn)品創(chuàng)新設(shè)計的主要手段。

龍侃等[1]通過對概念設(shè)計進(jìn)行分析，提出一種知識網(wǎng)絡(luò)模型，將產(chǎn)品的顯性知識進(jìn)行組織，使產(chǎn)品需求轉(zhuǎn)變成產(chǎn)品功能，以得到產(chǎn)品結(jié)構(gòu)的概念設(shè)計過程，同時對產(chǎn)品設(shè)計中的隱性知識進(jìn)行挖掘，使其轉(zhuǎn)化成顯性知識；申妍等[2]從本體的知識表示出發(fā)，提出基于本體的產(chǎn)品知識F-B-S表達(dá)模型，并對功能、行為、結(jié)構(gòu)各領(lǐng)域本體進(jìn)行形式化定義，使各模塊之間的聯(lián)系更清晰；郭乾統(tǒng)等[3]給出了知識本體模型，分析了知識本體領(lǐng)域，研究了概念設(shè)計下的功能、行為、結(jié)構(gòu)，構(gòu)建多維設(shè)計知識分類體系，實現(xiàn)產(chǎn)品概念設(shè)計的創(chuàng)新；馮豪等[4]對產(chǎn)品設(shè)計中的知識進(jìn)行表示，給出面向?qū)ο蟮闹R表示方法，并對其進(jìn)行分類；劉培奇等[5]提出擴(kuò)展產(chǎn)生式規(guī)則，運用知識表示方法對其進(jìn)行表示，采取概念圖表達(dá)產(chǎn)生式規(guī)則的前提、結(jié)論和處理；陳繼文[6]等分析了產(chǎn)品設(shè)計中由新需求引起的新功能，采用分層遞進(jìn)的F-B-S本體映射，提出一種基于變型空間本體映射的F-B-S模型，得到變型功能元或者特殊功能元，通過在知識庫中搜索相似名稱的知識，實現(xiàn)產(chǎn)品創(chuàng)新設(shè)計；葉騰等[7]構(gòu)建知識傳播理論模型，對知識傳播效果在虛擬社區(qū)影響進(jìn)行了分析，提出知識分享策略和創(chuàng)新策略在虛擬社區(qū)管理中的積極作用。

文中對概念設(shè)計階段的產(chǎn)品創(chuàng)新設(shè)計進(jìn)行了研究，提出基于本體的產(chǎn)品創(chuàng)新設(shè)計知識網(wǎng)絡(luò)方法。引入用戶意圖設(shè)計概念，構(gòu)建了PFBS模型，在此基礎(chǔ)上計算和分析網(wǎng)絡(luò)關(guān)鍵特征參數(shù)，評價知識節(jié)點的重要度，給出知識網(wǎng)絡(luò)設(shè)計模型。

2 基于本體的產(chǎn)品創(chuàng)新設(shè)計知識網(wǎng)絡(luò)

在產(chǎn)品創(chuàng)新設(shè)計中，概念設(shè)計階段是最能體現(xiàn)設(shè)計內(nèi)容，完成對產(chǎn)品的功能分析，以及實現(xiàn)功能的結(jié)構(gòu)載體[8]。產(chǎn)品概念設(shè)計是指用戶提出產(chǎn)品要求到產(chǎn)品概念形成的這一階段。其包含兩個設(shè)計過程：將用戶提出的需求轉(zhuǎn)化為產(chǎn)品設(shè)計功能的分析；將產(chǎn)品設(shè)計功能轉(zhuǎn)化為產(chǎn)品設(shè)計結(jié)構(gòu)。

在設(shè)計過程中，設(shè)計者需要查詢大量的設(shè)計知識，然而在產(chǎn)品創(chuàng)新設(shè)計過程中需涉及到的知識復(fù)雜多樣，一般都是多個學(xué)科的知識交叉，給設(shè)計者帶來了困難。同時，傳統(tǒng)的知識獲取不僅準(zhǔn)確性不高，而且效率低。

本體的引入可以對產(chǎn)品的概念設(shè)計過程中的不同信息進(jìn)行語義化，通過本體語言構(gòu)造一致的上下文，完成基于知識的推理與描述，使產(chǎn)品創(chuàng)新設(shè)計得到支持。本體是知識表達(dá)的一種良好載體，對各知識進(jìn)行形式化描述，可以很好地建立上述知識之間的聯(lián)系，使設(shè)計知識之間進(jìn)行協(xié)同與共享。

在設(shè)計過程中，功能、行為和結(jié)構(gòu)是設(shè)計領(lǐng)域中的基本概念，可以作為描述設(shè)計對象知識的本體[9]。產(chǎn)品的設(shè)計必須滿足用戶的要求，因此用戶意圖也可以作為設(shè)計的基本概念，是產(chǎn)品創(chuàng)新設(shè)計的評價標(biāo)準(zhǔn)。

對于產(chǎn)品，用戶關(guān)心的是設(shè)計出的產(chǎn)品是否符合自己的需求，滿足不同用戶廣大的需求也是實現(xiàn)產(chǎn)品創(chuàng)新的核心。在產(chǎn)品設(shè)計上，若要贏得競爭就必須以市場為導(dǎo)向、以獲取用戶需求知識為核心。融合用戶需求(P)、設(shè)計約束(C)、原理空間(W)和設(shè)計描述(D)，提出一個更為全面的PFBS模型，如圖1所示。

圖1 PFBS模型

從該模型可以看出設(shè)計知識的流向和設(shè)計之間的約束關(guān)系，及應(yīng)基于何種知識通過哪些設(shè)計活動獲取新知識。

在產(chǎn)品設(shè)計中，概念設(shè)計階段知識之間彼此映射形成的網(wǎng)絡(luò)關(guān)系，可以將功能、行為、結(jié)構(gòu)和用戶需求四類知識作為網(wǎng)絡(luò)中的知識節(jié)點，各知識之間交流形成的路徑抽象為網(wǎng)絡(luò)的邊[10]。對概念設(shè)計階段的知識特點進(jìn)行分析，探尋知識與知識的內(nèi)在關(guān)聯(lián)，并組建設(shè)計知識網(wǎng)絡(luò)，挖掘知識之間表達(dá)和驅(qū)動之間的關(guān)系。概念設(shè)計知識映射關(guān)系形成的網(wǎng)絡(luò)可以投影為同類知識單頂點網(wǎng)絡(luò)，將同一類知識節(jié)點看成中心頂點集，分別得到功能類、行為類、結(jié)構(gòu)類、用戶需求類知識中心頂點集，構(gòu)成一個由知識集成的知識網(wǎng)絡(luò)結(jié)構(gòu)關(guān)系。其中知識間形成的邊的權(quán)重表示單個知識節(jié)點在其同類知識中心頂點集中占的比重，權(quán)重值的大小代表知識節(jié)點在知識網(wǎng)絡(luò)中的重要性，權(quán)重值越大，設(shè)計知識越重要。因此，在知識網(wǎng)絡(luò)中挖掘重要的知識節(jié)點，驅(qū)動知識創(chuàng)新，是產(chǎn)品創(chuàng)新設(shè)計的關(guān)鍵。

3 基于本體的產(chǎn)品創(chuàng)新設(shè)計知識網(wǎng)絡(luò)建模

知識網(wǎng)絡(luò)可以很清晰地描述設(shè)計過程，設(shè)計者能快速準(zhǔn)確地找到所需要的設(shè)計知識資源，有利于設(shè)計過程中的知識重用與共享[11]。在設(shè)計過程中，各個相關(guān)的知識節(jié)點都會關(guān)聯(lián)起來，設(shè)計者可以通過知識節(jié)點形成的知識網(wǎng)絡(luò)觀察整個設(shè)計知識的結(jié)構(gòu)和應(yīng)用背景，對整個設(shè)計過程中的設(shè)計知識進(jìn)行全面了解，而不局限于了解單個知識點的內(nèi)容、結(jié)構(gòu)、使用條件等信息。

3.1 設(shè)計知識網(wǎng)絡(luò)的特征分析

基于本體的產(chǎn)品創(chuàng)新設(shè)計知識網(wǎng)絡(luò)是在知識網(wǎng)絡(luò)特性的基礎(chǔ)上進(jìn)行研究的。文中根據(jù)概念設(shè)計過程中知識網(wǎng)絡(luò)的結(jié)構(gòu)特點，對網(wǎng)絡(luò)中知識進(jìn)行了分析，定義了知識節(jié)點度，并對知識集聚系數(shù)、知識節(jié)點效率和知識間平均路徑長度進(jìn)行了分析，通過知識節(jié)點間加權(quán)關(guān)聯(lián)系數(shù)，揭示各知識節(jié)點在知識網(wǎng)絡(luò)中起到的作用，為知識驅(qū)動產(chǎn)品創(chuàng)新設(shè)計提供了科學(xué)依據(jù)。

(1)知識節(jié)點的度及度分布。

在產(chǎn)品概念設(shè)計中，每個設(shè)計知識構(gòu)成知識節(jié)點，知識節(jié)點與知識節(jié)點之間的聯(lián)系構(gòu)成網(wǎng)絡(luò)中的邊，每兩個知識節(jié)點Vi構(gòu)成的鄰邊數(shù)ki稱為知識節(jié)點的度。知識節(jié)點的度是指該知識節(jié)點與其相關(guān)聯(lián)的知識節(jié)點之間聯(lián)系的頻率，反映該知識節(jié)點和其相連接的知識節(jié)點的程度。知識節(jié)點度是隨機抽取到度為k的節(jié)點的概率，即知識節(jié)點數(shù)量為k與整個知識網(wǎng)絡(luò)中的知識節(jié)點數(shù)量的比值，記為P(k)：

(1)

其中，nj是度為j節(jié)點的點數(shù)，j可以從1取到n；M為整個網(wǎng)絡(luò)中的節(jié)點數(shù)。顯然，P(1)一直加到P(n)的n項和為1。

(2)知識節(jié)點的集聚系數(shù)。

知識節(jié)點的集聚系數(shù)是描述一個知識節(jié)點與其相連的節(jié)點聯(lián)系的緊密程度。在知識網(wǎng)絡(luò)中，每個知識節(jié)點都會形成一個或大或小的知識集聚，可以分別反映出以知識節(jié)點Vi為中心的知識集聚程度，記為Ci:

Ci=2Mi/[Ki(Ki-1)]

(2)

其中，Vi與Ki個節(jié)點直接連接，在知識網(wǎng)絡(luò)中，Ki個節(jié)點之間存在的最大的邊數(shù)目為Ki(Ki-1)/2，但在實際的網(wǎng)絡(luò)中存在的邊數(shù)為Mi。

從知識節(jié)點的集聚系數(shù)可以看出，一個知識節(jié)點與其他知識節(jié)點凝聚的知識越多，集聚系數(shù)越高，說明該知識節(jié)點與其他知識節(jié)點互通得越多，在整個網(wǎng)絡(luò)中越重要，是輔助設(shè)計者選擇關(guān)鍵節(jié)點的重要依據(jù)。

(3)知識節(jié)點的效率。

知識節(jié)點與知識節(jié)點之間形成的邊的距離都是不一樣的，所以知識在流過的時間也不一樣。知識節(jié)點的效率(Ii)是反映某一知識節(jié)點與其相連的知識節(jié)點在知識流經(jīng)過的效率。節(jié)點之間的距離越短，效率就越高，能更快地到達(dá)目的地。

(3)

其中，n為網(wǎng)絡(luò)中的節(jié)點數(shù)目；dik為節(jié)點i與k之間的距離。Ii的值越大，表示知識節(jié)點的效率越高，該知識節(jié)點到達(dá)其相連的知識節(jié)點越快，能夠以最短途徑到達(dá)目的地，較大程度上激勵設(shè)計者產(chǎn)生新方案。

(4)知識間平均路徑長度。

每個知識節(jié)點的重要性可以用度來衡量，但是當(dāng)知識節(jié)點上的度都是一樣時，知識與知識間傳遞的速度也不一樣。知識間平均路徑長度的引入可以很好地解決度相同的問題。知識間平均路徑長度(Fi)是指兩知識間的平均最短距離，可以用來表示知識在知識網(wǎng)絡(luò)中傳遞的效率。知識間平均路徑長度越短，說明該節(jié)點對其他節(jié)點的影響越大。

(4)

其中，N為網(wǎng)絡(luò)中節(jié)點的數(shù)量；dij為知識節(jié)點i和j之間的最短距離。

(5)知識節(jié)點間加權(quán)關(guān)聯(lián)系數(shù)。

在知識網(wǎng)絡(luò)中，知識節(jié)點之間彼此關(guān)聯(lián)的大小，可以根據(jù)關(guān)聯(lián)次數(shù)的多少和具體關(guān)聯(lián)權(quán)重的大小來判斷。將知識節(jié)點之間這種加權(quán)的關(guān)系稱為知識節(jié)點間的關(guān)聯(lián)系數(shù)R(i,j)。關(guān)聯(lián)系數(shù)從F、B、S、P不同角度判斷知識節(jié)點在整個網(wǎng)絡(luò)中的關(guān)聯(lián)程度，知識節(jié)點之間關(guān)聯(lián)越緊密，關(guān)聯(lián)系數(shù)就越大。

R(i,j)=εi-j+ωi-j+βi-j+φi-j

(5)

其中，εi-j為功能關(guān)聯(lián)權(quán)重；ωi-j為行為關(guān)聯(lián)權(quán)重；βi-j為結(jié)構(gòu)關(guān)聯(lián)權(quán)重；φi-j為用戶意圖關(guān)聯(lián)權(quán)重。

3.2 知識節(jié)點重要度評價

從知識節(jié)點度ki、集聚系數(shù)Ci、節(jié)點效率Ii、知識間平均路徑長度Ii的物理意義可以看出，知識網(wǎng)絡(luò)中特征參數(shù)指數(shù)越高，代表該知識節(jié)點在該網(wǎng)絡(luò)知識里越重要，到達(dá)其他知識節(jié)點越快，即該知識更容易引起其他知識變化，更容易影響產(chǎn)品創(chuàng)新設(shè)計。

因此分析知識網(wǎng)絡(luò)中的每個節(jié)點，找到重要節(jié)點，通過對知識重要度進(jìn)行排序，使得知識變得有序，從而提高產(chǎn)品創(chuàng)新設(shè)計的效率。

在產(chǎn)品創(chuàng)新設(shè)計中，設(shè)計知識形成的知識網(wǎng)絡(luò)，僅通過其中的某一指標(biāo)去判斷知識節(jié)點在該網(wǎng)絡(luò)中的重要性是不科學(xué)的。因此采用知識節(jié)點的度、集聚系數(shù)、節(jié)點效率、知識間平均路徑長度等多種知識評價指標(biāo)，綜合判斷節(jié)點在網(wǎng)絡(luò)中發(fā)揮的作用。知識節(jié)點重要度評價用Xi表示，在知識網(wǎng)絡(luò)中，知識節(jié)點度的評價和4個特征參數(shù)都呈線性關(guān)系。

(6)

其中，i=1,2,…,n。根據(jù)公式可以對每個特征參數(shù)進(jìn)行計算和分析，得到重要度指標(biāo)的一般公式。

Xi=ω1ki+ω2Ci+ω3Ii+ω4Fi

(7)

其中，ω1,ω2,ω3,ω4分別是各自指標(biāo)的影響系數(shù)，且ω1+ω2+ω3+ω4=1。

3.3 基于本體的產(chǎn)品創(chuàng)新設(shè)計知識網(wǎng)絡(luò)模型

面對海量的設(shè)計知識，設(shè)計者需要在眾多的設(shè)計知識里快速準(zhǔn)確地找到自己需要的，而且產(chǎn)品設(shè)計中設(shè)計知識的表示也不相同，因此需要合理的方式對產(chǎn)品知識模型進(jìn)行描述，解決結(jié)構(gòu)、行為、功能和用戶意圖建模等問題。因此，構(gòu)建了基于本體的產(chǎn)品創(chuàng)新設(shè)計知識網(wǎng)絡(luò)模型，分別把結(jié)構(gòu)、行為、功能和用戶意圖設(shè)計知識作為網(wǎng)絡(luò)中的節(jié)點，將各知識之間彼此聯(lián)系映射關(guān)系抽象為網(wǎng)絡(luò)的邊[12]。由于設(shè)計知識節(jié)點之間可以相互映射和聯(lián)系，所以取網(wǎng)絡(luò)中的邊為無向邊。設(shè)計的模型如圖2所示。

將用戶意圖設(shè)計知識引入到知識網(wǎng)絡(luò)模型中，通過P-F循環(huán)映射可以得到功能，使得用戶對產(chǎn)品的意圖語義化成功能模型。如果經(jīng)過功能模塊驗證不符合要求，將重新進(jìn)行P-F映射，直到得到符合要求的功能時，才進(jìn)行下一步F-B映射。

圖2 基于本體的產(chǎn)品創(chuàng)新設(shè)計知識網(wǎng)絡(luò)模型

功能與行為之間通過功能概念本體和映射原語連接[13]。基于本體的產(chǎn)品創(chuàng)新設(shè)計知識驅(qū)動成功解決了用戶意圖與功能、功能與行為、行為與結(jié)構(gòu)之間的多對多映射關(guān)系。在產(chǎn)品創(chuàng)新設(shè)計中，根據(jù)用戶提出的需求，通過將用戶意圖知識語義化，與功能、行為、結(jié)構(gòu)知識構(gòu)成由知識節(jié)點形成的網(wǎng)絡(luò)[14]。通過對網(wǎng)絡(luò)設(shè)計知識進(jìn)行分析，挖掘驅(qū)動產(chǎn)品創(chuàng)新設(shè)計的知識，完善知識節(jié)點重要度，發(fā)現(xiàn)設(shè)計中的重要知識，最終得到求解產(chǎn)品創(chuàng)新的最優(yōu)設(shè)計方案。

4 應(yīng)用實例

為驗證基于本體的產(chǎn)品創(chuàng)新設(shè)計知識網(wǎng)絡(luò)的有效性，以預(yù)警機產(chǎn)品中的多芯線纜為例，借助本體開發(fā)軟件工具protégé對其進(jìn)行本體知識構(gòu)建。在本例中，包含線纜知識、多芯線纜、知識類別、物理屬性、分布電容等類目。

線纜是預(yù)警機中用于控制安裝、設(shè)備連接及電力輸送的重要部件，是電氣設(shè)備和電器元器件中電線、光纜的總稱。對電纜設(shè)計中知識本體的構(gòu)建如圖3所示。

圖3 預(yù)警機中電纜設(shè)計知識本體構(gòu)建

預(yù)警機產(chǎn)品中的多芯線纜的設(shè)計知識會隨著企業(yè)的發(fā)展不斷增多，使得知識與知識之間的關(guān)聯(lián)增加，構(gòu)成的知識網(wǎng)絡(luò)也將變得越來越復(fù)雜。同時，對于新增的設(shè)計知識較容易從成熟的知識基礎(chǔ)上得到，也更容易和已構(gòu)建好的設(shè)計知識進(jìn)行關(guān)聯(lián)和聯(lián)系，反映了知識網(wǎng)絡(luò)中的增長特性和擇優(yōu)特性。預(yù)警機產(chǎn)品線纜設(shè)計知識網(wǎng)絡(luò)如圖4所示。

圖4 預(yù)警機產(chǎn)品線纜設(shè)計知識網(wǎng)絡(luò)

采用Pajek生成具有40個知識節(jié)點以及102條邊的知識網(wǎng)絡(luò)，如圖4所示。隨著設(shè)計知識節(jié)點的增多，節(jié)點與節(jié)點之間的關(guān)系變得復(fù)雜，網(wǎng)絡(luò)也將變得復(fù)雜。挖掘網(wǎng)絡(luò)知識節(jié)點的重要度，為設(shè)計者提供可靠有序的設(shè)計知識，激勵處于知識網(wǎng)絡(luò)中相對重要的知識節(jié)點，利用節(jié)點與節(jié)點之間的關(guān)聯(lián)關(guān)系，以點帶面驅(qū)動整個知識網(wǎng)絡(luò)，實現(xiàn)產(chǎn)品創(chuàng)新設(shè)計，提高企業(yè)的競爭力。

5 結(jié)束語

針對產(chǎn)品創(chuàng)新設(shè)計過程中的概念設(shè)計進(jìn)行研究，提出基于本體的產(chǎn)品創(chuàng)新設(shè)計知識網(wǎng)絡(luò)方法。引入用戶意圖設(shè)計概念，構(gòu)建了設(shè)計知識網(wǎng)絡(luò)模型，利用F、B、S、P四類設(shè)計知識通過不同抽象層之間多對多映射關(guān)系，為設(shè)計知識的計算和分析網(wǎng)絡(luò)關(guān)鍵特征參數(shù)提供了一個網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)。通過實例表明，該方法有效解決了產(chǎn)品設(shè)計過程中設(shè)計效率低的問題。

[1] 龍 侃,紀(jì)楊建.面向產(chǎn)品概念設(shè)計的知識網(wǎng)絡(luò)模型[J].機械工程師,2010(12):27-29.

[2] 申 妍,魏小鵬,王建維.基于本體的產(chǎn)品知識表示方法研究[J].計算機系統(tǒng)應(yīng)用,2009,18(7):84-87.

[3] 郭乾統(tǒng),田 凌.面向機械產(chǎn)品概念設(shè)計的知識庫設(shè)計研究[J].圖學(xué)學(xué)報,2015,36(5):712-723.

[4] 馮 豪,何玉林,麻芳蘭,等.面向?qū)ο笾R表示方法在摩托車設(shè)計中的應(yīng)用[J].重慶大學(xué)學(xué)報:自然科學(xué)版,2005,28(1):1-4.

[5] 劉培奇,李增智,趙銀亮.擴(kuò)展產(chǎn)生式規(guī)則知識表示方法[J].西安交通大學(xué)學(xué)報,2004,38(6):587-590.

[6] 陳繼文,楊紅娟,張進(jìn)生,等.基于變型空間FBS本體映射的產(chǎn)品創(chuàng)新設(shè)計方法[J].計算機集成制造系統(tǒng),2013,19(11):2671-2679.

[7] 葉 騰,韓麗川,邢春曉,等.基于復(fù)雜網(wǎng)絡(luò)的虛擬社區(qū)創(chuàng)新知識傳播機制研究[J].現(xiàn)代圖書情報技術(shù),2016,32:70-77.

[8] 王玉新.復(fù)雜機械系統(tǒng)快速創(chuàng)新設(shè)計[M].北京:科學(xué)出版社,2006.

[9] 王有遠(yuǎn),王發(fā)麟,廖 杰.基于本體的協(xié)同設(shè)計產(chǎn)品信息模型研究[J].制造業(yè)自動化,2014,36(5):105-108.

[10] WANG J.A knowledge network constructed by integrating classification,thesaurus,and metadata in digital library[J].Bulletin of the American Society for Information Science & Technology,2003,29(2):24-28.

[11] 楊 琨,李 彥,熊 艷,等.基于復(fù)雜網(wǎng)絡(luò)的知識驅(qū)動產(chǎn)品創(chuàng)新設(shè)計[J].計算機集成制造系統(tǒng),2015,21(9):2257-2269.

[12] KLENK N L,HICKEY G M.Improving the social robustness of research networks for sustainable natural resource management:results of a Delphi study in Canada[J].Science & Public Policy,2012,39:357-372.

[13] CATS O,JENELIUS E.Planning for the unexpected:the value of reserve capacity for public transport network robustness[J].Transportation Research Part A Policy & Practice,2015,81:47-61.

[14] ZHANG H,WU W,ZHAO L.A study of knowledge supernetworks and network robustness in different business incubators[J].Physica A Statistical Mechanics & Its Applications,2016,447:545-560.