王克勤，魏姣姣，李 靖，張新衛(wèi)，同淑榮

（西北工業(yè)大學(xué) 設(shè)計(jì)管理研究所，西安 710072）

0 引言

產(chǎn)品設(shè)計(jì)是知識(shí)密集型活動(dòng)[1]。為提升產(chǎn)品設(shè)計(jì)的可制造性，減少設(shè)計(jì)返工事件的發(fā)生，要求產(chǎn)品設(shè)計(jì)者在設(shè)計(jì)之初就考慮到，并能及時(shí)獲取支持產(chǎn)品設(shè)計(jì)的制造知識(shí)。相關(guān)研究表明，以查詢?yōu)橹鞯闹R(shí)獲取途徑，不僅費(fèi)時(shí)費(fèi)力，而且查詢結(jié)果冗余度高[2,3]，嚴(yán)重影響了設(shè)計(jì)者的設(shè)計(jì)質(zhì)量和效率。如何高效的為設(shè)計(jì)人員提供所需要的制造知識(shí)成為提升產(chǎn)品設(shè)計(jì)可制造性的關(guān)鍵問(wèn)題。知識(shí)推薦技術(shù)能夠在合適的時(shí)間，合適的地點(diǎn)，將合適的知識(shí)推薦給合適的人員，為解決該問(wèn)題提供了新思路。

基于知識(shí)推薦方法，國(guó)內(nèi)外學(xué)者進(jìn)行了大量的研究。Moon等提出一種基于多Agent的設(shè)計(jì)知識(shí)推送方法，為其推送合適的設(shè)計(jì)知識(shí)[4]。Yan等提出一個(gè)從工程設(shè)計(jì)過(guò)程中獲取知識(shí)的模型和方法，提取設(shè)計(jì)人員需求[5]。馮毅雄等提出基于特征語(yǔ)義分析的數(shù)控機(jī)床設(shè)計(jì)知識(shí)推送方法，獲取符合設(shè)計(jì)人員需求的設(shè)計(jì)知識(shí)推送方案[6]。

但是，現(xiàn)有面向設(shè)計(jì)人員的知識(shí)推薦研究，對(duì)設(shè)計(jì)過(guò)程下游需要的制造知識(shí)考慮較少；在推薦方法實(shí)現(xiàn)中，主要考慮設(shè)計(jì)人員興趣/日志等，很少涉及除此外的其它情境信息。同時(shí)，這些模型、方法或推薦系統(tǒng)均未從情境維度考慮設(shè)計(jì)人員當(dāng)前的實(shí)際行為，且推薦的信息存在過(guò)載現(xiàn)象。研究表明，若將情境信息考慮到推薦系統(tǒng)或算法中，能夠填補(bǔ)用戶陳述偏好與實(shí)際行為之間的差異，削減信息過(guò)載的現(xiàn)象[7]；同時(shí)，情境信息對(duì)于信息篩選和提高推薦信息的質(zhì)量有很大幫助[8]。采用情境感知技術(shù)能夠快速捕捉到設(shè)計(jì)者在進(jìn)行設(shè)計(jì)活動(dòng)時(shí)所處的情境，并根據(jù)情境信息推斷設(shè)計(jì)者的當(dāng)前知識(shí)需求，在恰當(dāng)?shù)臅r(shí)機(jī)將恰當(dāng)?shù)闹R(shí)或服務(wù)推薦給設(shè)計(jì)者[9]。

本文分析了設(shè)計(jì)情境要素及屬性，構(gòu)建設(shè)計(jì)情境要素交互模型，為全面獲取設(shè)計(jì)情境信息打下基礎(chǔ)。同時(shí)，提出一種基于設(shè)計(jì)情境的制造知識(shí)分類逐層過(guò)濾方法。該方法將設(shè)計(jì)情境信息融入各個(gè)判定模型，通過(guò)情境信息的過(guò)濾逐步確定設(shè)計(jì)人員當(dāng)前需要的制造知識(shí)。與傳統(tǒng)面向設(shè)計(jì)人員的知識(shí)推薦方法相比，基于設(shè)計(jì)情境的制造知識(shí)主動(dòng)推薦方法從設(shè)計(jì)人員當(dāng)前情境角度出發(fā)，考慮設(shè)計(jì)人員在設(shè)計(jì)過(guò)程下游需要的制造知識(shí)，提高了對(duì)設(shè)計(jì)人員制造知識(shí)需求識(shí)別的準(zhǔn)確度，為面向設(shè)計(jì)人員的制造知識(shí)精確推送提供新思路。

1 設(shè)計(jì)情境構(gòu)建

情境是可以用來(lái)描述實(shí)體狀態(tài)的任何信息，其中實(shí)體可以是人，地點(diǎn)，或者與用戶和應(yīng)用程序之間交互相關(guān)的客體，包括用戶與應(yīng)用程序本身[10]。情境要素是能夠清晰描述用戶所處情境的任何信息。DEY認(rèn)為情境包括四種類型的信息，即時(shí)間（time），地點(diǎn)（location），身份（identity），及活動(dòng)（activity）[10]。Schilit將情境要素概括為位置，周圍任何物體的標(biāo)識(shí)，以及這些物體的變化[11]。顧君忠等圍繞用戶定義了情境譜系，將其分為五大類，計(jì)算情境，用戶情境，物理情境，時(shí)間情境，及社會(huì)情境[12]。

根據(jù)現(xiàn)有分類來(lái)看，基于不同的研究?jī)?nèi)容，不同研究者給出的分類往往不同。但是，過(guò)少的情境要素類別可能造成用戶需求識(shí)別不完整。而多維度、高精度的情境要素構(gòu)成，則可能造成系統(tǒng)識(shí)別用戶情境的效率下降[13]。因此，本文將情境要素劃分為三類：用戶情境，環(huán)境情境及任務(wù)情境。

1）用戶情境：區(qū)分由用戶的個(gè)性、能力、文化程度和習(xí)慣等方面所引起的對(duì)所需服務(wù)的差異；包括：用戶基本信息、經(jīng)驗(yàn)、專業(yè)背景等。

2）環(huán)境情境：包括物理情境，社交情境。物理情境用來(lái)說(shuō)明實(shí)體所處的物理環(huán)境狀態(tài)，如所處位置、天氣、濕度等；社交情境則用來(lái)說(shuō)明實(shí)體所處的社會(huì)環(huán)境和社交關(guān)系，包括文化背景、社會(huì)道德觀及影響力等。

3）任務(wù)情境：用來(lái)描述用戶當(dāng)前正在從事的活動(dòng)，及與完成活動(dòng)相關(guān)軟硬件狀態(tài)。

結(jié)合設(shè)計(jì)人員在進(jìn)行設(shè)計(jì)時(shí)所處的情境特征，認(rèn)為設(shè)計(jì)情境是設(shè)計(jì)人員在從事與設(shè)計(jì)相關(guān)的活動(dòng)時(shí)，用來(lái)描述其當(dāng)前狀態(tài)的任何信息。

設(shè)計(jì)情境(Design Context, DContext)由兩部分構(gòu)成：當(dāng)前設(shè)計(jì)情境(DContext(C))和歷史設(shè)計(jì)情境(DCcontext(H))；包括三個(gè)維度的16個(gè)情境要素；即：

DContext=DContext(C)+ DCcontext(H)，=< DCID，Designer，Professional background，Design experience，Operation record；Time，Location， Team，Role；Design process，Design goal，Design task，Design object，Design method，Design tool，Design activity，Networkstatus>。其中，DCID為設(shè)計(jì)情境的唯一標(biāo)識(shí)，其他設(shè)計(jì)情境中各個(gè)要素的含義如表1所示。

表1 設(shè)計(jì)情境要素含義說(shuō)明

設(shè)計(jì)情境各維度要素間都存在直接或間接的聯(lián)系。綜合考慮16個(gè)情境要素，以設(shè)計(jì)人員、設(shè)計(jì)活動(dòng)要素為中心建立設(shè)計(jì)情境要素交互關(guān)系模型，如圖1所示。

圖1 設(shè)計(jì)情境要素交互關(guān)系模型

2 制造知識(shí)主動(dòng)推薦方法

2.1 基于設(shè)計(jì)情境的制造知識(shí)分層過(guò)濾框架

產(chǎn)品設(shè)計(jì)由多個(gè)設(shè)計(jì)活動(dòng)構(gòu)成。設(shè)計(jì)活動(dòng)確定了需要解決的問(wèn)題，進(jìn)而決定了需要運(yùn)用的制造知識(shí)，是產(chǎn)生制造知識(shí)需求的源頭。故以設(shè)計(jì)活動(dòng)為出發(fā)點(diǎn)，提出一種基于設(shè)計(jì)情境的制造知識(shí)分類逐層過(guò)濾框架，如圖2所示。

圖2 基于設(shè)計(jì)情境的制造知識(shí)分類逐層過(guò)濾框架

基于設(shè)計(jì)情境的制造知識(shí)分類逐層過(guò)濾框架包括四個(gè)步驟：1）確定設(shè)計(jì)活動(dòng)類別；2）確定所需要的制造知識(shí)類別；3）獲取相關(guān)制造知識(shí)；4）挑選最需要的制造知識(shí)。

2.2 確定設(shè)計(jì)活動(dòng)類別

分類逐層過(guò)濾框架的第一步以設(shè)計(jì)人員當(dāng)前設(shè)計(jì)情境信息為輸入，預(yù)測(cè)與當(dāng)前設(shè)計(jì)情境相匹配的設(shè)計(jì)活動(dòng)類別。預(yù)測(cè)過(guò)程由四個(gè)模型共同確定：活動(dòng)模型，設(shè)計(jì)人員偏好模型，流行度模型及歷史模型。四個(gè)模型分別為設(shè)計(jì)人員可能正在從事的設(shè)計(jì)活動(dòng)類別進(jìn)行打分。分值評(píng)估了在給定設(shè)計(jì)情境下，設(shè)計(jì)人員對(duì)其所從事的設(shè)計(jì)活動(dòng)類別的認(rèn)可度。

1） 活動(dòng)模型

活動(dòng)模型的本質(zhì)是基于事實(shí)的規(guī)則，適用于所有用戶。在產(chǎn)品開(kāi)發(fā)與設(shè)計(jì)過(guò)程中，每個(gè)設(shè)計(jì)活動(dòng)包含確定的關(guān)鍵子設(shè)計(jì)活動(dòng)，依次類推。

定義 1：活動(dòng)模型(Activity Model)采用四元組進(jìn)行表示Activity Model=，其中：Weight11表示權(quán)重，即活動(dòng)模型在所有識(shí)別設(shè)計(jì)活動(dòng)類別的模型中所占的權(quán)重；DContext(C)表示當(dāng)前設(shè)計(jì)情境信息，其他模型與其表示含義一致；Category表示設(shè)計(jì)活動(dòng)類別；Score11表示當(dāng)前設(shè)計(jì)情境信息屬于某類設(shè)計(jì)活動(dòng)的程度，分值越高當(dāng)前設(shè)計(jì)情境信息屬于某類設(shè)計(jì)活動(dòng)的程度越大。下述模型中各個(gè)屬性所表示的含義與活動(dòng)模型中屬性含義類似，可類推。

2）設(shè)計(jì)人員偏好模型

設(shè)計(jì)人員偏好模型可從給定情境中將用戶傾向的設(shè)計(jì)活動(dòng)類別挑選出來(lái)，例如，根據(jù)設(shè)計(jì)人員偏好的時(shí)間，地點(diǎn)，設(shè)計(jì)工具等推出設(shè)計(jì)人員當(dāng)前所從事的設(shè)計(jì)活動(dòng)。

定義 2：設(shè)計(jì)人員偏好模型(Preference Model)用五元組進(jìn)行表示 Preference Model=< Weight12，Designer，DContext(C)，Category，Score 12>，其中，Designer表示當(dāng)前設(shè)計(jì)人員。

3）流行度模型

流行度模型能夠預(yù)測(cè)設(shè)計(jì)情境信息和設(shè)計(jì)活動(dòng)類別之間的相關(guān)性程度。通過(guò)跟蹤用戶歷史行為，收集用戶反饋信息，發(fā)現(xiàn)設(shè)計(jì)情境信息與設(shè)計(jì)活動(dòng)類別之間的相關(guān)性。

定義 3：流行度模型(Popularity Model)用四元組進(jìn)行表示 Popularity Model=。

4）歷史模型

歷史模型聚合每個(gè)用戶的歷史行為，并將其形成一個(gè)文件，進(jìn)而學(xué)習(xí)每個(gè)用戶的個(gè)性化實(shí)踐經(jīng)驗(yàn)和習(xí)慣。在該文件中，用戶的反饋與用戶對(duì)某類設(shè)計(jì)活動(dòng)的感興趣程度成正比。

定義 4：歷史模型(History Model)采用五元組進(jìn)行表示 History Model=< Weight14，Designer，DContext(C)，Category，Score14>。

5）采用分類聚合器進(jìn)行加權(quán)平均

采用分類聚合器，首先，將四個(gè)模型給出的在該設(shè)計(jì)情境下用戶對(duì)設(shè)計(jì)活動(dòng)類別的感興趣程度，即分值標(biāo)準(zhǔn)化；其次，對(duì)標(biāo)準(zhǔn)化后分?jǐn)?shù)進(jìn)行加權(quán)平均，進(jìn)而為每個(gè)設(shè)計(jì)活動(dòng)類別得到一個(gè)單獨(dú)的分值。標(biāo)準(zhǔn)化公式如式(1)所示，加權(quán)平均公式如式(2)所示。

式(1)中，Score（S1i）：推薦方法第1步的第i個(gè)模型的標(biāo)準(zhǔn)分值。SDA：四個(gè)模型的加權(quán)平均值。Weight11×Score11：第1個(gè)模型——活動(dòng)模型的加權(quán)分值。Weight1i權(quán)重的設(shè)定分為兩種情況：靜態(tài)權(quán)重和動(dòng)態(tài)權(quán)重；其中，靜態(tài)權(quán)重一般由業(yè)內(nèi)專家評(píng)分確定；動(dòng)態(tài)權(quán)重可用戶主動(dòng)輸入確定，或是自適應(yīng)確定[13]。后文提及的去做那種確定方法與此類似。

2.3 確定所需要的制造知識(shí)類別

分類逐層過(guò)濾框架的第二步以得分值高的設(shè)計(jì)活動(dòng)類別，及已有制造知識(shí)類別為輸入，采用文本相似度匹配方法，確定最需要的制造知識(shí)類別。

1）設(shè)計(jì)活動(dòng)數(shù)據(jù)結(jié)構(gòu)

定義5：設(shè)計(jì)活動(dòng)（Product Design Activity，PDA）采用8元組進(jìn)行表示PDA=（PDAI，PDAN，PDAO，PDADR，PDAT，PDAL，PDAR，PDAD）；其中，PDAI為設(shè)計(jì)活動(dòng)標(biāo)識(shí)，PDAN為設(shè)計(jì)活動(dòng)名稱，PDAO為設(shè)計(jì)活動(dòng)對(duì)象，PDADR為設(shè)計(jì)活動(dòng)執(zhí)行者，PDAT為設(shè)計(jì)活動(dòng)時(shí)間，PDAL為設(shè)計(jì)活動(dòng)地點(diǎn)，PDAR為設(shè)計(jì)活動(dòng)資源，PDAD為設(shè)計(jì)活動(dòng)描述。

2）制造知識(shí)數(shù)據(jù)結(jié)構(gòu)

定義6：制造知識(shí)（Manufacturing Knowledge，MK）采用8元組進(jìn)行表示MK=（MKI，MKN，MKO，MKP，MKT，MKL，MKTP，MKD）；其中，MKI為制造知識(shí)標(biāo)識(shí)，MKN為制造知識(shí)名稱，MKO為制造知識(shí)對(duì)象，MKP為制造知識(shí)創(chuàng)建者，MKT為制造知識(shí)使用時(shí)間，MKL為制造知識(shí)使用地點(diǎn)，MKTP為制造知識(shí)類型，MKD為制造知識(shí)描述。

3）設(shè)計(jì)活動(dòng)和制造知識(shí)相似度匹配

基于設(shè)計(jì)活動(dòng)和制造知識(shí)的數(shù)據(jù)結(jié)構(gòu)，對(duì)設(shè)計(jì)活動(dòng)和制造知識(shí)進(jìn)行文本相似度匹配。首先構(gòu)建設(shè)計(jì)活動(dòng)向量ai，如式(3)所示：a表示設(shè)計(jì)活動(dòng)庫(kù)中的每條設(shè)計(jì)活動(dòng)，mij表示屬性cj在設(shè)計(jì)活動(dòng)ai中所占的權(quán)重。

整合所有設(shè)計(jì)活動(dòng)向量，即可得到設(shè)計(jì)活動(dòng)庫(kù)A，如式(4)所示：同理，構(gòu)建制造知識(shí)向量ki，wij表示屬性cj在制造知識(shí)ki中所占的權(quán)重，如式(5)所示；整合制造知識(shí)向量，構(gòu)建制造知識(shí)庫(kù)K，如式(6)所示。

計(jì)算設(shè)計(jì)活動(dòng)向量與制造知識(shí)向量之間的相似度，以此表示設(shè)計(jì)活動(dòng)與制造知識(shí)之間的相匹配程度。采用余弦相似度計(jì)算，如式(7)所示。

當(dāng)相似度值大于某閾值時(shí)認(rèn)為該設(shè)計(jì)活動(dòng)需要某項(xiàng)制造知識(shí)的支持。閾值根據(jù)不同實(shí)際情況確定。

2.4 獲取相關(guān)制造知識(shí)

分類逐層過(guò)濾框架的第三步以得分值較高的制造知識(shí)類別為輸入，獲取與該類別制造知識(shí)相關(guān)的所有制造知識(shí)項(xiàng)。由于設(shè)計(jì)人員的當(dāng)前情境狀態(tài)處于不斷變化之中，故一旦情境狀態(tài)發(fā)生變化，所獲取的相關(guān)制造知識(shí)類別項(xiàng)也隨之發(fā)生變化。相關(guān)制造知識(shí)可從制造知識(shí)庫(kù)，設(shè)計(jì)工具等相關(guān)的API接口獲取。

2.5 挑選最需要的制造知識(shí)

分類逐層過(guò)濾框架的最后一步以相關(guān)制造知識(shí)項(xiàng)或?qū)傩詾檩斎?，從中挑選設(shè)計(jì)人員當(dāng)前最需要的制造知識(shí)項(xiàng)或?qū)傩浴Ｌ暨x最需要的制造知識(shí)由四個(gè)模型共同確定：陳述熟悉度模型，協(xié)同過(guò)濾模型，當(dāng)前情境模型，以及歷史情境模型。

其中，陳述熟悉度模型，協(xié)同過(guò)濾模型為解決冷啟動(dòng)問(wèn)題提供了相應(yīng)解決方案。當(dāng)前情境模型，歷史情境模型為基于情境相似向設(shè)計(jì)人員推薦制造知識(shí)打下 基礎(chǔ)。

1）陳述熟悉度模型

陳述熟悉度模型是設(shè)計(jì)人員對(duì)制造知識(shí)項(xiàng)或制造知識(shí)屬性的顯示反饋。設(shè)計(jì)人員可以陳述自己對(duì)某個(gè)制造知識(shí)項(xiàng)或制造知識(shí)屬性的熟悉程度；在不同的情境下，設(shè)計(jì)人員對(duì)某制造知識(shí)項(xiàng)的熟悉程度可能不同，故陳述熟悉度模型不考慮情境信息。

定義7：陳述熟悉度模型（Statement familiarity Model，SF Model）以四元組的形式進(jìn)行表示SF model=；其中，Weight41表示陳述熟悉度模型在所有挑選最需要的制造知識(shí)模型中所占的權(quán)重；Kiteam/Kattribute表示某條制造知識(shí)項(xiàng)或是某條制造知識(shí)項(xiàng)的屬性；Score41表示設(shè)計(jì)人員對(duì)某條制造知識(shí)項(xiàng)或是某條制造知識(shí)項(xiàng)的屬性的熟悉程度。對(duì)Score進(jìn)行標(biāo)準(zhǔn)化處理，如式(8) 所示。

其中，Score（S41）表示推薦方法的第4個(gè)步驟中第1個(gè)模型的標(biāo)準(zhǔn)化分值，Score41表示推薦方法的第4個(gè)步驟中第1個(gè)模型的打分值，Score（S41）分值越高，將該條知識(shí)推薦給設(shè)計(jì)人員的機(jī)率越大。

2）協(xié)同過(guò)濾模型

協(xié)同過(guò)濾模型同樣不考慮情境信息，并使用標(biāo)準(zhǔn)的基于用戶的協(xié)同過(guò)濾算法為制造知識(shí)項(xiàng)進(jìn)行打分，將最高的分值分配給用戶最不熟悉的制造知識(shí)項(xiàng)。同時(shí)，通過(guò)協(xié)同過(guò)濾算法計(jì)算用戶間的相似性，選取相似性較高的那些用戶作為目標(biāo)用戶的近鄰，進(jìn)而根據(jù)相似用戶為其推薦知識(shí)。

定義 8：協(xié)同過(guò)濾模型（Collaborative Filtering Model，CF Model）用四元組進(jìn)行表示CF model=；其中，Weight42表示協(xié)同過(guò)濾模型在所有挑選最需要的制造知識(shí)模型中所占的權(quán)重；Score42表示設(shè)計(jì)人員對(duì)某條制造知識(shí)項(xiàng)或是某條制造知識(shí)項(xiàng)的屬性的熟悉程度。

3）當(dāng)前情境模型

當(dāng)前情境模型記錄設(shè)計(jì)人員當(dāng)前設(shè)計(jì)情境信息，由當(dāng)前設(shè)計(jì)情境，制造知識(shí)/屬性，及設(shè)計(jì)人員在當(dāng)前設(shè)計(jì)情境下對(duì)某制造知識(shí)或?qū)傩缘母信d趣程度，即分值構(gòu)成。

定義 9：當(dāng)前情境模型（Context（Current）， Context(C))采用四元組進(jìn)行表示Context(C)= ；其中，Weight43表示當(dāng)前情境模型在所有挑選最需要的制造知識(shí)模型中所占的權(quán)重；Score43表示在當(dāng)前情境下，設(shè)計(jì)人員對(duì)某條制造知識(shí)項(xiàng)或制造知識(shí)屬性的感興趣程度，分值越高設(shè)計(jì)人員對(duì)該條制造知識(shí)或制造知識(shí)屬性越感興趣，將該條制造知識(shí)或制造知識(shí)屬性推薦給設(shè)計(jì)人員的機(jī)率越大。

4）歷史情境模型

歷史情境模型記錄當(dāng)前情境模型之前的狀態(tài)，主要存儲(chǔ)設(shè)計(jì)人員歷史的情境信息。

定義 10：歷史情境模型（Context(History），Context(H)) 用四元表示 Context(H)=< Weight44，DContext(H)，Kiteam/Kattribute，Score 44>；其中，Weight44表示歷史情境模型在所有挑選最需要的制造知識(shí)模型中所占的權(quán)重；Score44表示在歷史情境下，設(shè)計(jì)人員對(duì)某條制造知識(shí)項(xiàng)或是某條制造知識(shí)項(xiàng)的屬性感興趣的程度。

5）項(xiàng)目聚合器

項(xiàng)目聚合器將四個(gè)模型給出的在該情境下用戶對(duì)某制造知識(shí)項(xiàng)的感興趣程度，即分值標(biāo)準(zhǔn)化后，加權(quán)平均，進(jìn)而為每個(gè)制造知識(shí)項(xiàng)或制造知識(shí)項(xiàng)屬性得到一個(gè)單獨(dú)的分值。協(xié)同過(guò)濾模型，當(dāng)前情境模型，及歷史情境模型的標(biāo)準(zhǔn)化公式如式(9)所示。最終分值計(jì)算公式如式(10)所示：

式(10)中，SKI：四個(gè)模型的加權(quán)平均值。Weight41×Score41：第一個(gè)模型——陳述熟悉度模型的加權(quán)分值。

3 案例分析

以某型號(hào)飛機(jī)垂尾的翼助設(shè)計(jì)為例，驗(yàn)證該方法的可行性。假設(shè)設(shè)計(jì)人員A（簡(jiǎn)稱A）正在使用SolidWorks對(duì)翼助進(jìn)行設(shè)計(jì)，通過(guò)相關(guān)傳感器的實(shí)時(shí)監(jiān)測(cè)，獲取當(dāng)前的設(shè)計(jì)情境如表2所示，“——”表示當(dāng)前無(wú)法監(jiān)測(cè)，或通過(guò)推理得不到當(dāng)前用戶的狀態(tài)。

根據(jù)對(duì)A以往行為的監(jiān)測(cè)，發(fā)現(xiàn)A具有對(duì)某型號(hào)飛機(jī)垂尾蒙皮方案進(jìn)行設(shè)計(jì)的經(jīng)驗(yàn)，同時(shí)具有下載“機(jī)翼翼肋實(shí)例零件庫(kù)設(shè)計(jì)”等的操作記錄。

1）確定設(shè)計(jì)活動(dòng)類別

本文將所采用的設(shè)計(jì)活動(dòng)分為五大類，每個(gè)活動(dòng)都包含關(guān)鍵的子活動(dòng)?；谠O(shè)計(jì)活動(dòng)數(shù)據(jù)結(jié)構(gòu)以樹(shù)形數(shù)據(jù)結(jié)構(gòu)表示設(shè)計(jì)活動(dòng)標(biāo)識(shí)號(hào)，如圖3所示。

圖3 設(shè)計(jì)活動(dòng)編碼

通過(guò)咨詢相關(guān)學(xué)者和業(yè)內(nèi)專家確定各個(gè)模型的權(quán)重系數(shù)；在式(1)、式(2)的指導(dǎo)計(jì)算A當(dāng)前所從事的活動(dòng)所屬的設(shè)計(jì)活動(dòng)類別，如表3所示。

表2 A在Tc時(shí)刻的情境信息

表3 A在Tc時(shí)刻所從事的設(shè)計(jì)活動(dòng)類別得分

根據(jù)式(2)，可得出設(shè)計(jì)活動(dòng)分類得分值：01：5.4；02：14.6；03：36.6；04：47.4；05：81.8，A當(dāng)前所從事的活動(dòng)屬于工藝設(shè)計(jì)活動(dòng)。

2）確定制造知識(shí)類別

通過(guò)咨詢相關(guān)學(xué)者和業(yè)內(nèi)專家確定相似度閾值，認(rèn)為當(dāng)相似度大于0.5時(shí)，該制造知識(shí)被設(shè)計(jì)人員所 需要。

經(jīng)式(3)～式(7)計(jì)算，制造對(duì)象知識(shí)MK1，制造資源知識(shí)MK2，制造過(guò)程知識(shí)MK3，和制造成本知識(shí)MK4與翼助設(shè)計(jì)工藝設(shè)計(jì)活動(dòng)的相似度分別為0.8，0.72，0.56，0.52，故認(rèn)為這四類制造知識(shí)均為所需要的制造知識(shí)。

3）獲取相關(guān)的制造知識(shí)

由前兩個(gè)步驟可知Tc時(shí)刻A最需要的制造知識(shí)為翼助設(shè)計(jì)時(shí)的相關(guān)材料、零件知識(shí)（MK1），設(shè)備工藝性知識(shí)（MK2），加工方法、順序（MK3），以及設(shè)備成本（MK4）等相關(guān)知識(shí)，結(jié)合制造知識(shí)數(shù)據(jù)結(jié)構(gòu)，截取部分制造知識(shí)，如表4所示。

4）挑選A最需要的制造知識(shí)

以6條知識(shí)為例說(shuō)明篩選過(guò)程，如表5所示。

根據(jù)式(10)計(jì)算出各個(gè)知識(shí)條目的得分值為：

0009130：19.6；0000002：34.1；0009123：67.4；0009124：75.7；0009129：33.2；0009130：27.2。故Tc時(shí)刻，A需要的制造知識(shí)排序?yàn)?009124，0009123，0000002，0009129，0009130，0009130。故將得分高的制造知識(shí)優(yōu)先推薦給A。

4 結(jié)論

針對(duì)產(chǎn)品設(shè)計(jì)活動(dòng)知識(shí)密集型的特點(diǎn)，及產(chǎn)品設(shè)計(jì)人員知識(shí)查詢效率低、結(jié)果冗余度高的問(wèn)題，結(jié)合情境感知技術(shù)，分析了設(shè)計(jì)情境要素及屬性，并構(gòu)建設(shè)計(jì)情境要素交互關(guān)系模型；該模型的建立有利于識(shí)別設(shè)計(jì)情境信息。在此基礎(chǔ)上，提出基于設(shè)計(jì)情境的制造知識(shí)分類逐層過(guò)濾方法，該方法在研究設(shè)計(jì)人員當(dāng)前知識(shí)需求，并為其及時(shí)準(zhǔn)確推薦個(gè)性化知識(shí)方面具有以下優(yōu)勢(shì)：第一，考慮設(shè)計(jì)情境信息，并根據(jù)設(shè)計(jì)情境信息首先判斷設(shè)計(jì)人員當(dāng)前所從事的設(shè)計(jì)活動(dòng)，進(jìn)而縮小設(shè)計(jì)人員所需要的制造知識(shí)范圍；第二，采用多層次，多模型，異權(quán)重分類過(guò)濾的方法，處理不同情境下用戶由于個(gè)人習(xí)慣、經(jīng)驗(yàn)、專業(yè)背景和偏好等產(chǎn)生的知識(shí)需求差異性問(wèn)題。應(yīng)用表明，方法能夠?yàn)槊嫦蛟O(shè)計(jì)人員主動(dòng)推薦個(gè)性化知識(shí)提供支持。

表5 A 在Tc時(shí)刻對(duì)某制造知識(shí)感興趣程度得分

參考文獻(xiàn)：

[1]吉祥,顧新建,代風(fēng),等.基于本體和粗糙集的產(chǎn)品設(shè)計(jì)知識(shí)推送技術(shù)[J].計(jì)算機(jī)集成制造系統(tǒng),2013,(01):7-20.

[2]Mcmahon C, Lowe A, Culley S. Knowledge management in engineering design: personalization and codification[J].Journal of Engineering Design,2004,15(15):307-325.

[3]Aurisicchio M. Understanding how the information requests of aerospace engineering designers influence information-seeking behaviour[J].Journal of Engineering Design,2010,21(6):707-730.

[4]Moon S K, Simpson T W, Kumara S R T. An agent-based recommender system for developing customized families of products[J].Journal of Intelligent Manufacturing,2009,20(6):649-659.

[5]Yanjin.Acquiring engineering knowledge from design processes[J].Artificial Intelligence for Engineering Design Analysis & Manufacturing,2002,16(2):73-91.

【】【】

[6]馮毅雄,張舜禹,高一聰,等.基于特征語(yǔ)義分析的數(shù)控機(jī)床設(shè)計(jì)知識(shí)精確智能推送方法[J].計(jì)算機(jī)集成制造系統(tǒng),2016,22(1): 189-201.

[7]Pessemier T D, Courtois C, Vanhecke K. A user-centric evaluation of context-aware recommendations for a mobile news service[J]. Multimedia Tools and Applications,2016,75(6):1-29.

[8]Pessemier T D,Dooms S, Martens L. Context-aware recommendations through context and activity recognition in a mobile environment[J].Multimedia Tools & Applications,2014, 72(3):2925-2948.

[9]Lei H, Sow D M, Davis Ii J S, et al. The design and applications of a context service[J].Acm Sigmobile Mobile Computing & Communications Review,2002,6(4):45-55.

[10]Dey A K.Understanding and Using Context[J].Personal & Ubiquitous Computing,2001,5(1):4-7.

[11]Schilit B,Adams N,Want R.Context-Aware Computing Applications[A].The Workshop on Mobile Computing Systems & Applications[C],1994:85-90.

[12]顧君忠.情景感知計(jì)算[J].華東師范大學(xué)學(xué)報(bào)(自然科學(xué)版), 2009,(05):1-20,145.

[13]潘旭偉.集成情境知識(shí)管理中幾個(gè)關(guān)鍵技術(shù)的研究[D].浙江大學(xué),2005.