楊梅，郭皓月，侯幸剛，李雪瑞

協(xié)同創(chuàng)新團(tuán)隊(duì)設(shè)計(jì)資源優(yōu)選匹配策略研究

楊梅，郭皓月，侯幸剛，李雪瑞

（山東科技大學(xué)藝術(shù)學(xué)院 工業(yè)設(shè)計(jì)系，山東 青島 266590）

針對(duì)面向服務(wù)的虛擬協(xié)同創(chuàng)新環(huán)境下團(tuán)隊(duì)成員的優(yōu)選決策問題，提出一種能力驅(qū)動(dòng)的基于設(shè)計(jì)資源綜合表現(xiàn)信息的優(yōu)選方法。從設(shè)計(jì)任務(wù)工作流程入手，分析了基于設(shè)計(jì)能力及任務(wù)粒度的設(shè)計(jì)任務(wù)的優(yōu)化與重組。綜合考慮設(shè)計(jì)資源的個(gè)人信息、協(xié)同合作能力、利益追求等信息，構(gòu)建了基于綜合表現(xiàn)信息的優(yōu)選指標(biāo)體系及資源與任務(wù)的匹配模型，采用綜合線性計(jì)算的方式進(jìn)行最優(yōu)解的求解。將該方法應(yīng)用于某拖拉機(jī)的CMF設(shè)計(jì)開發(fā)任務(wù)的資源優(yōu)選中，驗(yàn)證了所提方法的可行性和有效性。能力驅(qū)動(dòng)的基于資源綜合表現(xiàn)信息的優(yōu)選與匹配策略，可有效地發(fā)揮資源的優(yōu)勢(shì)，并提高匹配的科學(xué)性。

資源優(yōu)選；協(xié)同創(chuàng)新；虛擬團(tuán)隊(duì)；任務(wù)分解；匹配策略

隨著網(wǎng)絡(luò)理論和創(chuàng)新集群理論的發(fā)展，商界和學(xué)術(shù)界都對(duì)各類創(chuàng)新網(wǎng)絡(luò)產(chǎn)生了濃厚的興趣。經(jīng)歷此次疫情的洗禮，全球已進(jìn)入?yún)f(xié)同創(chuàng)新時(shí)代，在設(shè)計(jì)過程中如何實(shí)現(xiàn)設(shè)計(jì)資源的最優(yōu)化分配直接關(guān)系到企業(yè)協(xié)同創(chuàng)新的效率性及成功性，如何選擇最佳的制造資源來完成特定的制造任務(wù)一直是協(xié)同創(chuàng)新過程中的一個(gè)關(guān)鍵問題[1]。當(dāng)前，已有不少學(xué)者針對(duì)設(shè)計(jì)資源的分配活動(dòng)進(jìn)行了研究。李雪瑞[2]提出了應(yīng)用貪心算法的匹配策略，對(duì)設(shè)計(jì)任務(wù)與設(shè)計(jì)資源相關(guān)度二分圖進(jìn)行了優(yōu)化匹配，得到了最優(yōu)化的匹配結(jié)果；陳友玲等[3]針對(duì)云制造環(huán)境下資源服務(wù)組合優(yōu)選問題，提出一種具有繼承性和跳躍基因的帶精英策略的快速非支配排序遺傳算法；Zheng等[4]提出了一種基于設(shè)計(jì)偏好的服務(wù)質(zhì)量描述模型和基于模糊理論的QoS計(jì)算模型，該模型能夠幫助需求方獲得最優(yōu)的制造服務(wù)?，F(xiàn)有學(xué)者的研究多以設(shè)計(jì)任務(wù)為驅(qū)動(dòng)，從而實(shí)現(xiàn)任務(wù)與資源的單一匹配，但是在實(shí)際操作過程中單個(gè)任務(wù)可能需要多個(gè)資源完成，單個(gè)資源也可應(yīng)用于多任務(wù)中。在多個(gè)設(shè)計(jì)資源重要度不同的任務(wù)中，如何實(shí)現(xiàn)最優(yōu)的資源匹配也值得學(xué)者進(jìn)一步研究。筆者提出一種以設(shè)計(jì)資源所具備的能力作為設(shè)計(jì)任務(wù)驅(qū)動(dòng)，進(jìn)行多個(gè)設(shè)計(jì)資源與任務(wù)的優(yōu)選匹配的方法，以實(shí)現(xiàn)1+1>2的團(tuán)隊(duì)效果。

1 設(shè)計(jì)資源與任務(wù)優(yōu)選匹配策略

任務(wù)分解優(yōu)化是產(chǎn)品協(xié)同創(chuàng)意設(shè)計(jì)過程中的重要環(huán)節(jié)。任務(wù)粒度指任務(wù)單元的相對(duì)大小或粗糙程度，各粒度之間有清晰的邊界，彼此之間具有明確的信息交互或者介質(zhì)傳遞[5]。如何通過合理的任務(wù)分解和優(yōu)化重組來降低任務(wù)的繁雜程度和粒度，把設(shè)計(jì)任務(wù)合理分解成粒度適宜、便于協(xié)同完成的設(shè)計(jì)子任務(wù)是企業(yè)提高協(xié)同創(chuàng)新效率的關(guān)鍵。筆者將設(shè)計(jì)資源的能力評(píng)價(jià)作為設(shè)計(jì)資源優(yōu)選的前提，按照設(shè)計(jì)任務(wù)所需要的設(shè)計(jì)能力進(jìn)行任務(wù)的分解與重組，利用資源匹配方法來實(shí)現(xiàn)設(shè)計(jì)資源與設(shè)計(jì)任務(wù)的優(yōu)選匹配，提出的匹配策略見圖1。

圖1 任務(wù)—資源優(yōu)選匹配策略

首先將設(shè)計(jì)任務(wù)按照標(biāo)準(zhǔn)的企業(yè)產(chǎn)品設(shè)計(jì)流程進(jìn)行任務(wù)的初步分解，在任務(wù)初步分解完成后對(duì)每個(gè)設(shè)計(jì)任務(wù)按照所需要的設(shè)計(jì)能力進(jìn)行分析，并將需要相同設(shè)計(jì)能力的任務(wù)進(jìn)行二次合并組成粒度最小的設(shè)計(jì)子任務(wù)組。其次，需要對(duì)設(shè)計(jì)資源所具備的能力進(jìn)行匯總，將具備相同設(shè)計(jì)能力的資源組成臨時(shí)的資源組。最后，將代表相同設(shè)計(jì)能力的資源組與任務(wù)組進(jìn)行匹配，并在考慮組內(nèi)成員能力、協(xié)同創(chuàng)新能力等方面的情況下，獲取任務(wù)與資源匹配的最優(yōu)解。

2 設(shè)計(jì)資源優(yōu)選匹配模型

2.1 虛擬團(tuán)隊(duì)介紹

文章中所提到的設(shè)計(jì)資源主要指用于構(gòu)建協(xié)同創(chuàng)新虛擬團(tuán)隊(duì)的備選成員。團(tuán)隊(duì)成員需要擁有設(shè)計(jì)所需的設(shè)計(jì)知識(shí)與能力，能夠?qū)崿F(xiàn)自我組織與管理，共同實(shí)現(xiàn)虛擬團(tuán)隊(duì)協(xié)同創(chuàng)新設(shè)計(jì)任務(wù)[6]。其中設(shè)計(jì)資源主體包括個(gè)人設(shè)計(jì)師、設(shè)計(jì)團(tuán)隊(duì)、設(shè)計(jì)公司、企業(yè)設(shè)計(jì)部門以及其他設(shè)計(jì)主體。

企業(yè)產(chǎn)品創(chuàng)意協(xié)同創(chuàng)新虛擬團(tuán)隊(duì)，在本質(zhì)上是一個(gè)擁有有限資源、知識(shí)與行為并發(fā)的社會(huì)組織[7]。團(tuán)隊(duì)的組成成員之間在明確自身角色的前提下進(jìn)行協(xié)作。在企業(yè)產(chǎn)品創(chuàng)新設(shè)計(jì)、協(xié)同創(chuàng)新過程中，要求單個(gè)成員獨(dú)自完成復(fù)雜性高、子任務(wù)繁多的設(shè)計(jì)任務(wù)是不現(xiàn)實(shí)的，往往需要多個(gè)成員協(xié)作完成，團(tuán)隊(duì)成員由于共同的利益驅(qū)使組建聯(lián)盟，形成團(tuán)隊(duì)[8]。協(xié)同創(chuàng)新團(tuán)隊(duì)中每個(gè)設(shè)計(jì)資源具備不同的設(shè)計(jì)能力，需要不同資源能力的子任務(wù)對(duì)應(yīng)的團(tuán)隊(duì)稱為子團(tuán)隊(duì)，子團(tuán)隊(duì)之間可以相互交叉聯(lián)系，一個(gè)成員也可同時(shí)屬于多個(gè)子團(tuán)隊(duì)。

2.2 設(shè)計(jì)資源優(yōu)選指標(biāo)

定義設(shè)計(jì)資源并構(gòu)建設(shè)計(jì)資源評(píng)價(jià)指標(biāo)，是實(shí)現(xiàn)設(shè)計(jì)資源優(yōu)選與高效匹配的基礎(chǔ)[9]。對(duì)于特定的設(shè)計(jì)任務(wù)，選擇合適的設(shè)計(jì)資源才能最大化地發(fā)揮設(shè)計(jì)資源的潛力，避免資源的浪費(fèi)。在產(chǎn)品創(chuàng)意設(shè)計(jì)協(xié)同創(chuàng)新過程中，為實(shí)現(xiàn)資源與任務(wù)的最優(yōu)匹配，設(shè)計(jì)資源的能力評(píng)估是十分重要的[10]。文章以設(shè)計(jì)任務(wù)與資源的能力為匹配原則，從定性與定量2個(gè)方面綜合考慮，在考慮設(shè)計(jì)資源的個(gè)人能力及協(xié)同合作能力的基礎(chǔ)上，對(duì)資源自身的利益追求、任務(wù)權(quán)重、資源的質(zhì)量閾值等方面進(jìn)行思考研究。根據(jù)以上需求制定協(xié)同創(chuàng)新虛擬團(tuán)隊(duì)的資源優(yōu)選體系，見表1。

表1 協(xié)同創(chuàng)新虛擬團(tuán)隊(duì)的資源優(yōu)選指標(biāo)體系

Tab.1 Resource preference index system of collaborative innovation virtual team

在上述需要進(jìn)行打分獲取數(shù)值的操作中，讓專家或成員自身根據(jù)他們對(duì)各種能力的了解來判斷其各種價(jià)值的大小。同時(shí)為了避免打分過程中存在的主觀性較強(qiáng)的問題，引入直覺模糊集，在考慮決策專家重要度和評(píng)定過程猶豫度的基礎(chǔ)上，對(duì)決策專家打分的語(yǔ)言模糊程度進(jìn)行準(zhǔn)確量化。直覺模糊集是對(duì)模糊集理論的一種擴(kuò)展，其最大特點(diǎn)是同時(shí)考慮了隸屬度、非隸屬度和猶豫度的信息，可以更加精確描述客觀世界的模糊性本質(zhì)，在處理模糊性與不確定性問題時(shí)更加靈活實(shí)用[11]。決策專家對(duì)設(shè)計(jì)團(tuán)隊(duì)成員的優(yōu)選評(píng)定以打分的形式進(jìn)行，并將決策專家的語(yǔ)言變量轉(zhuǎn)化為直覺模糊數(shù)，見表2。

表2 語(yǔ)言變量對(duì)應(yīng)的直覺模糊數(shù)

Tab.2 Intuitionistic fuzzy numbers corresponding to linguistic variables

(1)

(2)

2.3 設(shè)計(jì)任務(wù)分解

2.4 設(shè)計(jì)資源優(yōu)選模型

2.4.1 基于個(gè)人能力的資源選擇模型

假設(shè)此次的設(shè)計(jì)團(tuán)隊(duì)共有個(gè)備用設(shè)計(jì)成員組成設(shè)計(jì)資源庫(kù)，定義資源組為，其中0為設(shè)計(jì)資源的編號(hào)。根據(jù)表1所分析的個(gè)人能力指標(biāo)集，采用專家打分及數(shù)據(jù)統(tǒng)計(jì)的方法，得到任務(wù)組所需設(shè)計(jì)資源組內(nèi)成員的評(píng)價(jià)矩陣：

式中：為該設(shè)計(jì)資源內(nèi)部包含的設(shè)計(jì)資源的數(shù)量；列數(shù)為表1中個(gè)人能力的二級(jí)指標(biāo)數(shù)目。

2.4.2 基于個(gè)人利益的權(quán)重分配

虛擬團(tuán)隊(duì)成員會(huì)擁有不同的設(shè)計(jì)偏愛[12]，由每個(gè)成員針對(duì)自己的設(shè)計(jì)能力提供不同的符合自己利益的權(quán)重，以此來表達(dá)成員對(duì)業(yè)務(wù)的偏向，并發(fā)揮設(shè)計(jì)資源自身最大的設(shè)計(jì)效率。依據(jù)不同的業(yè)務(wù)，設(shè)計(jì)資源給出自己利益追求的權(quán)向量：

(3)

(4)

式（3）與式（4）中為設(shè)計(jì)資源的編號(hào)；為單個(gè)設(shè)計(jì)資源的個(gè)人能力數(shù)量。

每個(gè)設(shè)計(jì)成員在綜合考慮自身利益評(píng)價(jià)后給出自身的權(quán)重，當(dāng)出現(xiàn)某一任務(wù)會(huì)給自己帶來巨大利益時(shí)會(huì)故意加大自身權(quán)重，但是同時(shí)又會(huì)受到式（4）條件的限制，那么成員又會(huì)重新均衡自己每項(xiàng)設(shè)計(jì)能力的權(quán)重，調(diào)整出最符合自身利益的權(quán)重分配，最終的權(quán)重分配也會(huì)回歸理性，這也符合激勵(lì)相容的原則[13]。另外，在選擇設(shè)計(jì)資源時(shí)，需要考慮每個(gè)設(shè)計(jì)資源單獨(dú)提供的向量，還要考慮其他成員的協(xié)同績(jī)效，由該資源組內(nèi)所有設(shè)計(jì)資源來決定最終的權(quán)重分布。首先形成每個(gè)資源組內(nèi)的權(quán)重分布矩陣：

團(tuán)隊(duì)內(nèi)成員共同決定最終的權(quán)重分布，筆者取其平均值進(jìn)行計(jì)算:

(5)

(6)

最終通過線性加權(quán)矩陣計(jì)算得到虛擬團(tuán)隊(duì)設(shè)計(jì)成員基于個(gè)人能力與自身利益追求的綜合表現(xiàn)結(jié)果：

(7)

2.4.3 設(shè)計(jì)資源分配閾值問題

閾值是一個(gè)領(lǐng)域或一個(gè)系統(tǒng)規(guī)定的界限[14]。設(shè)計(jì)資源分配閾值指在產(chǎn)品創(chuàng)意設(shè)計(jì)多任務(wù)分配過程中，設(shè)計(jì)資源能否對(duì)所分配任務(wù)實(shí)現(xiàn)較高程度的完成度。在矩陣中，為設(shè)計(jì)資源對(duì)設(shè)計(jì)子任務(wù)的完成程度。閾值的最大值為1、最小值為0，只有符合在閾值一定范圍內(nèi)的設(shè)計(jì)資源才能成為此項(xiàng)設(shè)計(jì)任務(wù)的備選資源之一，具體是否被選中則由設(shè)計(jì)資源的協(xié)同合作能力來決定。設(shè)計(jì)資源分配閾值用符號(hào)表示，其大小由設(shè)計(jì)任務(wù)相關(guān)專家共同分析決定。

2.4.4 基于協(xié)同能力的資源選擇模型

在已經(jīng)通過個(gè)人設(shè)計(jì)能力及設(shè)計(jì)閾值的設(shè)計(jì)資源，必須對(duì)其協(xié)同合作能力進(jìn)行考察，必須考慮各個(gè)設(shè)計(jì)資源在以往的工作或者合作過程中是否擁有良好的溝通協(xié)作關(guān)系[15]。幾個(gè)富有合作經(jīng)驗(yàn)并有著完美默契的成員在一起，可以使工作更加輕松、高效。團(tuán)隊(duì)成員之間只有保持良好的協(xié)同創(chuàng)新，才能確保產(chǎn)品創(chuàng)意設(shè)計(jì)過程中各部門的流暢合作，確保整個(gè)團(tuán)隊(duì)順利運(yùn)行，從而提高設(shè)計(jì)效率。

(8)

其中為經(jīng)過個(gè)人能力與設(shè)計(jì)閾值篩選的可用于此設(shè)計(jì)子任務(wù)的設(shè)計(jì)資源人數(shù)。

按照擇優(yōu)原則，優(yōu)先選擇協(xié)同合作能力排名靠前的設(shè)計(jì)資源進(jìn)行此子任務(wù)的設(shè)計(jì)。至于需要的設(shè)計(jì)資源的數(shù)目，則由任務(wù)的權(quán)重大小決定。

2.4.5 任務(wù)權(quán)重問題

在虛擬團(tuán)隊(duì)進(jìn)行產(chǎn)品創(chuàng)意設(shè)計(jì)任務(wù)過程中，難免會(huì)出現(xiàn)因?yàn)槊總€(gè)任務(wù)組資源分配不均而引起的不必要的內(nèi)部矛盾等問題[16]。同時(shí)同一個(gè)設(shè)計(jì)資源會(huì)擁有不同的設(shè)計(jì)能力，在上述的資源與任務(wù)的匹配模型下，可能會(huì)出現(xiàn)被多個(gè)任務(wù)組同時(shí)選擇的問題，此時(shí)就需要對(duì)設(shè)計(jì)任務(wù)進(jìn)行權(quán)重分析，給不同權(quán)重的設(shè)計(jì)子任務(wù)分配不同的設(shè)計(jì)資源。按任務(wù)權(quán)重比例分配資源，實(shí)現(xiàn)設(shè)計(jì)資源的無冗余、無閑置，從而充分發(fā)揮每個(gè)設(shè)計(jì)資源的最大潛力。當(dāng)出現(xiàn)同時(shí)選中問題時(shí)，也按照權(quán)重大優(yōu)先分配的原則進(jìn)行資源分配。

采用層次分析法[17]對(duì)所有設(shè)計(jì)任務(wù)進(jìn)行權(quán)重計(jì)算，邀請(qǐng)數(shù)名專家按照Santy提出的九級(jí)指標(biāo)（見表3）對(duì)所有的設(shè)計(jì)任務(wù)進(jìn)行打分，其中一致性指標(biāo)的取值見表4，形成初始對(duì)比矩陣，并計(jì)算權(quán)重，具體操作流程見圖2。

圖2 層次分析法確定權(quán)重步驟

表3 Santy重要性等級(jí)及賦值

Tab.3 Santy importance level and assigned value

表4 平均隨機(jī)一致性指標(biāo)標(biāo)準(zhǔn)值

Tab.4 Average random consistency index RI standard values

2.5 資源-任務(wù)匹配研究

在完成上述按照設(shè)計(jì)能力作為設(shè)計(jì)任務(wù)驅(qū)動(dòng)的資源優(yōu)選與任務(wù)分解后，按任務(wù)所需設(shè)計(jì)能力及權(quán)重大小進(jìn)行資源對(duì)應(yīng)分配，形成資源與任務(wù)的一對(duì)一或者多對(duì)一關(guān)系，并將得分最高者作為此次設(shè)計(jì)方案的領(lǐng)導(dǎo)管理者，起到統(tǒng)領(lǐng)全局的作用。

3 實(shí)例說明

3.1 任務(wù)分解與重組

以一個(gè)拖拉機(jī)產(chǎn)品的設(shè)計(jì)過程為例，在接到設(shè)計(jì)任務(wù)之后，進(jìn)行網(wǎng)絡(luò)虛擬團(tuán)隊(duì)的組建工作。首先進(jìn)行設(shè)計(jì)任務(wù)的分解與重組，由此類項(xiàng)目經(jīng)驗(yàn)豐富的設(shè)計(jì)管理者或行業(yè)專家對(duì)任務(wù)進(jìn)行分解，見表5。其次，按照任務(wù)所需技能進(jìn)行任務(wù)組的重新組合，可將完全分解的20個(gè)一級(jí)設(shè)計(jì)任務(wù)劃分成10個(gè)任務(wù)子模塊，見圖3。

表5 設(shè)計(jì)任務(wù)分解

Tab.5 Design task breakdown

3.2 設(shè)計(jì)資源的分解重組

在進(jìn)行任務(wù)的分解重組形成新的任務(wù)組之后，需要進(jìn)行設(shè)計(jì)資源優(yōu)選與任務(wù)匹配工作。經(jīng)過初步篩選后，共有20個(gè)備選設(shè)計(jì)資源進(jìn)入虛擬設(shè)計(jì)團(tuán)隊(duì)內(nèi)部。對(duì)20個(gè)設(shè)計(jì)資源按所具備的能力進(jìn)行統(tǒng)計(jì)（見表6），形成新的資源組，并進(jìn)行命名，見表7。

圖3 設(shè)計(jì)任務(wù)重組結(jié)果

表6 設(shè)計(jì)資源能力統(tǒng)計(jì)

Tab.6 Design resource capacity statistics

表7 設(shè)計(jì)資源分組

Tab.7 Grouping of design resources

3.3 個(gè)人能力數(shù)據(jù)

根據(jù)表1中的數(shù)據(jù)獲取方式，統(tǒng)計(jì)成員影響力數(shù)據(jù)，并邀請(qǐng)5位專家組成決策團(tuán)隊(duì)，利用式（1）—（2）對(duì)設(shè)計(jì)資源設(shè)計(jì)能力評(píng)價(jià)指標(biāo)進(jìn)行評(píng)估，以獲取每個(gè)評(píng)價(jià)指標(biāo)的單項(xiàng)評(píng)價(jià)值，建立評(píng)價(jià)矩陣，為后續(xù)對(duì)設(shè)計(jì)資源的優(yōu)選提供數(shù)據(jù)基礎(chǔ)。

虛擬團(tuán)隊(duì)內(nèi)部備選設(shè)計(jì)資源，根據(jù)自身的設(shè)計(jì)能力強(qiáng)項(xiàng)及自身的利益追求，按式（3）—（4）給出個(gè)人能力的評(píng)價(jià)矩陣：

根據(jù)式（3）得到虛擬團(tuán)隊(duì)設(shè)計(jì)資源基于自身利益的能力權(quán)重矩陣：

3.4 任務(wù)權(quán)重確定

依據(jù)任務(wù)權(quán)重確定的方法步驟，對(duì)圖3的數(shù)據(jù)依據(jù)層次分析法求出各任務(wù)組的權(quán)重，見表8。

3.5 協(xié)作能力數(shù)據(jù)

依據(jù)表1的協(xié)作能力指標(biāo)，按照設(shè)計(jì)資源之間合作次數(shù)及任務(wù)完成質(zhì)量進(jìn)行打分，0—9分別代表合作質(zhì)量由差到優(yōu)秀的10個(gè)等級(jí)。綜合得到設(shè)計(jì)資源協(xié)同權(quán)重?cái)?shù)據(jù)，見表9。其中0表示兩者之間并無合作關(guān)系，數(shù)字越大代表兩者協(xié)同合作效率越高。

3.6 資源優(yōu)選

根據(jù)項(xiàng)目組得到的調(diào)研與分析結(jié)果，目前該委托單位的拖拉機(jī)產(chǎn)品在CMF方面存在較大的問題，嚴(yán)重地影響了產(chǎn)品本身的美學(xué)性及市場(chǎng)銷售，因此，以產(chǎn)品CMF設(shè)計(jì)為例，通過市場(chǎng)調(diào)研與分析、資源組優(yōu)化與整合，對(duì)設(shè)計(jì)任務(wù)組6所需要的具備產(chǎn)品設(shè)計(jì)CMF能力的資源進(jìn)行優(yōu)選分配。提取具備建模能力的資源組6，對(duì)資源組內(nèi)部設(shè)計(jì)資源{3,6,9,10,12,13,15,16,18,20}進(jìn)行優(yōu)選匹配。

表8 設(shè)計(jì)任務(wù)組的權(quán)重

Tab.8 Weights of the design task group

表9 設(shè)計(jì)資源協(xié)同權(quán)重?cái)?shù)據(jù)

Tab.9 Design resource synergy weighting data

由設(shè)計(jì)資源依據(jù)個(gè)人利益追求得到的矩陣及能力權(quán)重矩陣可知，CMF設(shè)計(jì)能力的利益權(quán)重為0.11，假設(shè)個(gè)人影響力與任務(wù)知識(shí)權(quán)重比為1.5:1，可得到資源組6的能力評(píng)價(jià)矩陣：

由表7可得T6任務(wù)組的權(quán)重為0.157 7，對(duì)20個(gè)設(shè)計(jì)資源進(jìn)行分配，此任務(wù)組需分配3人用于進(jìn)行10和15任務(wù)的設(shè)計(jì)工作。依據(jù)個(gè)人能力建立評(píng)價(jià)矩陣，得到資源組6中設(shè)計(jì)資源的CMF能力矩陣，按照式（5）通過線性加權(quán)矩陣計(jì)算得到虛擬團(tuán)隊(duì)設(shè)計(jì)成員基于個(gè)人能力與自身利益追求的綜合表現(xiàn)結(jié)果，最終對(duì)進(jìn)行歸一化處理得到：

經(jīng)相關(guān)設(shè)計(jì)任務(wù)經(jīng)驗(yàn)豐富的設(shè)計(jì)師或?qū)＜覅f(xié)同商榷后，將資源閾值設(shè)置為0.1，即淘汰設(shè)計(jì)資源中的313161820等5個(gè)備選資源，并考慮69101215等5個(gè)設(shè)計(jì)資源的協(xié)同關(guān)系，見圖4。

借用Matlab軟件按式（8）計(jì)算設(shè)計(jì)資源基于個(gè)人能力與協(xié)同合作能力的綜合排名：

圖4 設(shè)計(jì)資源協(xié)同關(guān)系

當(dāng)出現(xiàn)資源重復(fù)使用的情況時(shí)，按照任務(wù)組權(quán)重大小關(guān)系進(jìn)行優(yōu)選分配，低權(quán)重任務(wù)組內(nèi)成員可重復(fù)用于其他任務(wù)組的設(shè)計(jì)工作。重復(fù)上述步驟可得到所有任務(wù)與設(shè)計(jì)資源的匹配關(guān)系，見圖5。

3.7 產(chǎn)品展示與評(píng)價(jià)

經(jīng)過所有任務(wù)組內(nèi)設(shè)計(jì)資源的協(xié)同合作，通過對(duì)產(chǎn)品的建模，并利用Keyshot渲染軟件，最終得到的拖拉機(jī)產(chǎn)品的設(shè)計(jì)效果，見圖6。

為證明此次項(xiàng)目結(jié)果是否達(dá)到設(shè)計(jì)目標(biāo)，設(shè)計(jì)了一個(gè)感性實(shí)驗(yàn)進(jìn)行測(cè)試。實(shí)驗(yàn)共邀請(qǐng)了30名參與人員，其中產(chǎn)品設(shè)計(jì)專業(yè)大學(xué)教授5名、企業(yè)內(nèi)部專業(yè)設(shè)計(jì)師5名、市場(chǎng)銷售人員10名、普通產(chǎn)品用戶10名。課題組從產(chǎn)品的美學(xué)性、市場(chǎng)性、結(jié)構(gòu)合理性等多個(gè)角度進(jìn)行調(diào)查問卷的設(shè)置，并對(duì)收集到的調(diào)查問卷進(jìn)行效度與信度的檢驗(yàn)，最終收獲有效調(diào)查問卷30份。課題組利用數(shù)據(jù)分析軟件并基于模糊評(píng)價(jià)算法及最大隸屬原則，最終結(jié)果顯示此次設(shè)計(jì)的產(chǎn)品屬于非常符合的范疇，基本達(dá)到設(shè)計(jì)需求。

圖5 任務(wù)—資源匹配結(jié)果

圖6 拖拉機(jī)產(chǎn)品設(shè)計(jì)結(jié)果

通過對(duì)比文中的方法及以往的資源優(yōu)選匹配策略，筆者改變了原先線性設(shè)計(jì)任務(wù)的劃分，提出了粒度更小的環(huán)形劃分方法，可以有效提高設(shè)計(jì)過程的效率。同時(shí)，多方面考慮設(shè)計(jì)資源與設(shè)計(jì)任務(wù)的契合度，實(shí)現(xiàn)資源與任務(wù)的合理匹配，可以高效發(fā)揮設(shè)計(jì)資源的自身優(yōu)勢(shì)，進(jìn)一步提高設(shè)計(jì)產(chǎn)品的質(zhì)量。

4 結(jié)語(yǔ)

筆者對(duì)虛擬團(tuán)隊(duì)成員優(yōu)選與任務(wù)匹配策略進(jìn)行了研究，提出了以設(shè)計(jì)資源所具備的能力作為設(shè)計(jì)驅(qū)動(dòng)，對(duì)資源組與任務(wù)組進(jìn)行一一對(duì)應(yīng)，提高了設(shè)計(jì)效率。綜合考慮設(shè)計(jì)資源的個(gè)人能力與協(xié)同合作能力，將設(shè)計(jì)師的個(gè)人利益引入資源與任務(wù)的匹配工作中，綜合權(quán)衡全局權(quán)重來分配閾值，提高了設(shè)計(jì)任務(wù)分配的科學(xué)性。

文中以一款拖拉機(jī)產(chǎn)品的設(shè)計(jì)為例，首先，對(duì)該產(chǎn)品的設(shè)計(jì)任務(wù)進(jìn)行了詳細(xì)的分解與分析，確定了產(chǎn)品的設(shè)計(jì)思路及設(shè)計(jì)痛點(diǎn)，完成了基于任務(wù)所需技能的任務(wù)組的最小粒度的劃分。其次，對(duì)數(shù)據(jù)庫(kù)中具備該產(chǎn)品設(shè)計(jì)所需技能的設(shè)計(jì)資源進(jìn)行優(yōu)選，以完成項(xiàng)目資源組的組建工作。最后，通過資源組與任務(wù)組的相互匹配，詳細(xì)展示了產(chǎn)品CMF設(shè)計(jì)任務(wù)的資源優(yōu)選與決策過程，驗(yàn)證了所提決策方法的可行性、有效性與實(shí)際可操作性。文中所提的方法克服了僅考慮成員個(gè)體優(yōu)劣所帶來的局限性，充分考慮成員之間的協(xié)同合作能力，可以有效地促進(jìn)成員之間的交流，提高成員之間的滿意度，減少合作的沖突和不確定性，對(duì)虛擬協(xié)同創(chuàng)新工作的順利開展及效率的提高具有重要的意義。該方法可擴(kuò)展到任何背景的虛擬團(tuán)隊(duì)設(shè)計(jì)資源優(yōu)選與匹配過程中，具有一定的應(yīng)用價(jià)值。

目前文中的研究仍處在初級(jí)階段，在今后的研究中還需要繼續(xù)完善團(tuán)隊(duì)資源優(yōu)選指標(biāo)，采用更加科學(xué)的權(quán)重確定方法，考慮借助數(shù)據(jù)處理平臺(tái)，如云服務(wù)平臺(tái)、數(shù)字孿生系統(tǒng)等來實(shí)現(xiàn)數(shù)據(jù)的快速儲(chǔ)存與運(yùn)算，從而提高設(shè)計(jì)效率，促進(jìn)相關(guān)數(shù)據(jù)和應(yīng)用的低成本、高效率、開放式創(chuàng)新。

[1] 時(shí)迪. 協(xié)同設(shè)計(jì)溝通方法的多元式視角研[J]. 包裝工程, 2019, 40(16): 201-204.

SHI Di. Research on Communication Methods of Coll-aborative Design from Multiple Perspectives[J]. Packaging Engineering, 2019(16): 201-204.

[2] 李雪瑞. 協(xié)同創(chuàng)新模式下的產(chǎn)品創(chuàng)意設(shè)計(jì)網(wǎng)絡(luò)構(gòu)建方法研究[D]. 西安: 西北工業(yè)大學(xué), 2018.

LI Xue-rui. Research on Product Creative Design Net-work under Synergy Innovation Pattern[D]. Xi'an: Nor-th-western Polytechnical University, 2018.

[3] 陳友玲, 王龍, 劉艦, 等. 基于i-NSGA-Ⅱ-JG算法的云制造資源服務(wù)組合優(yōu)選[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2019, 25(11): 2892-2904.

CHEN You-ling, WANG long, LIU Jian, et al, Resource Service Composition Optimization Based on i-NSGA- II-JG Algorithm for Cloud Manufacturing[J]. Computer Integrated Manufacturing Systems, 2019, 25(11): 2895- 2904.

[4] ZHENG H, FENG Y, TAN J. A Fuzzy QoS-aware Re-source Service Selection Considering Design Preference in Cloud Manufacturing System[J]. The International Journal of Advanced Manufacturing Technology, 2016, 84(1): 371-379.

[5] 劉明周, 王強(qiáng), 凌琳. 基于分層任務(wù)網(wǎng)絡(luò)的云制造任務(wù)分解方法[J]. 中國(guó)機(jī)械工程, 2017, 28(8): 924-930.

LIU Ming-yang, WANG Qiang, LING Lin. Cloud Ma-nu-facturing Task Decomposition Method Based on HTN [J]. China Mechanical Engineering, 2017, 28(8): 924- 930.

[6] 陳麗. 基于共同價(jià)值的多維度組織協(xié)同機(jī)理與方法研究[D]. 天津: 天津大學(xué), 2010.

CHEN Li. Study on the Mechanism and the Method of Synergy for the Multi-dimensional Organization Based on the Common Value[D]. Tianjin: Tianjin University, 2010

[7] 蔣勛, 顧小林, 丁一, 等. 協(xié)同合作視角下的VGA-gent團(tuán)隊(duì)成員優(yōu)選模型[J]. 武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版), 2013, 35(1): 144-148.

JIANG Xun, GU Xiao-lin, DING Yi, et al. Selection Model of VGAgent from Angle of Collaboration[J]. Journal of Wuhan University of Technology(Information & Management Engineering), 2013, 35(1): 144-148.

[8] 曾廣周, 楊公平, 王曉琳. 基于Agent能力自信度的任務(wù)分配問題研究 [J]. 計(jì)算機(jī)學(xué)報(bào), 2007(11): 1922- 1929.

ZENG Gaung-zhou, YANG Gong-ping, WANG Xiao- lin. Study of Task Allocation Problem Based on Agent Ability Confidence[J]. Chinese Journal of Computers, 2007(11): 1992-1929.

[9] 周向紅, 李丹萍, 成鵬飛, 等. 面向云制造協(xié)同創(chuàng)新伙伴選擇的多源異構(gòu)VIKOR群決策方法[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2020(12): 1203-1218.

ZHOU Xiang-hong, LI Dan-ping, CHENG Peng-fei, et al. Multi-source Heterogeneous VIKOR Group Deci-sion-making Method for Cloud Manufacturing Colla-bo-rative Innovation Partner Selection[J]. Computer Inte-grated Manufacturing System, 2020(12): 1203-1218.

[10] 劉敬, 余隋懷, 初建杰, 等. 設(shè)計(jì)云服務(wù)平臺(tái)下的網(wǎng)絡(luò)團(tuán)隊(duì)成員優(yōu)選決策[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2017, 23(6): 1205-1215.

LI Jing, YU Sui-huai, CHU Jian-jie, et al. Member opti-mal selection of network team[J]. Computer Integrated Manufacturing Systems, 2017, 23(6): 1205-1215.

[11] 萬樹平. 直覺模糊多屬性決策方法綜述[J]. 控制與決策, 2010, 25(11): 1601-1606.

WAN Shu-ping. Survey on Intuitionistic Fuzzy Multi- attribute decision making approach[J]. Control and Deci-sion, 2010, 25(11): 1601-1606.

[12] 樊佳爽, 余隋懷, 初建杰, 等. 工業(yè)設(shè)計(jì)云服務(wù)平臺(tái)下基于用戶偏好的設(shè)計(jì)團(tuán)隊(duì)成員優(yōu)選決策[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2019, 25(11): 2863-2873.

FAN Jia-shuang, YU Sui-huai, CHU Jian-jie, et al. Opti-mization Decision of Design Team Members Based on User Preference under Industrial Design Cloud Service Platform[J]. Computer Integrated Manufacturing Sy-s-tems, 2019, 25(11): 2863-2873.

[13] 朱閣, 呂廷杰, 付瑞雪, 等. 基于多Agent的在線多屬性采購(gòu)拍賣的機(jī)制設(shè)計(jì)[J]. 管理科學(xué), 2009, 22(1): 78-85.

ZHU Ge, LYU Yan-jie, FU Rui-xue, et al. Online Multi- attribute Procurement Auction Mechanism Design and Multi-agent System Implementation[J]. Journal of Ma-na-gement Science, 2009, 22(1): 78-85.

[14] 陳振, 朱海濱, 盛寅, 等. GRMTAP算法中的任務(wù)權(quán)重與質(zhì)量閾值分配問題[J]. 計(jì)算機(jī)應(yīng)用研究, 2017, 34(3): 718-722.

CHEN Zhen, ZHU Hai, SHENG Yan, et al. Assignment Problem with Task Weight and Qualification Threshold in GRMTAP[J]. Application Research of Computers, 2017, 34(3): 718-722.

[15] 陳健, 莫蓉, 初建杰, 等. 云設(shè)計(jì)制造模式下的社交化協(xié)作團(tuán)隊(duì)構(gòu)建方法[J]. 浙江大學(xué)學(xué)報(bào)(工學(xué)版), 2019, 53(3): 444-454.

CHEN Rong, MO Rong, CHU Jian-jie, et al. Constru-ction of Social Collaboration Team in Cloud Design and Manufacturing Mode[J]. Journal of Zhejiang University(Engineering Science), 2019, 53(3): 444-454.

[16] 徐麗, 撒建欣, 徐雷, 等. 快遞末端配送體系的問題分析及優(yōu)化研究[J]. 包裝工程, 2020, 41(23): 141-153.

XU Li, SA Jian-xin, XU Lei, et al. Problem Analysis and Optimization of Express Terminal Delivery System [J]. Packaging Engineering, 2020, 41(23): 141-153.

[17] 侯建軍, 張玉春, 吳麗. 基于AHP層次分析法的智能嬰兒手推車設(shè)計(jì)研究[J]. 包裝工程, 2022, 43(2): 50- 55.

HOU Jian-jun, ZHANG Yu-chun, WU Li. The Research and Design of Smart Baby Stroller Based on Analytic Hierarchy Process[J]. Packaging Engineering, 2022, 43(2): 50-55.

Optimal Matching Strategy of Design Resources of Collaborative Innovation Team

YANG Mei, GUO Hao-yue, HOU Xing-gang, LI Xue-rui

(Department of Industrial Design, College of Arts, Shandong University of Science and Technology, Shandong Qingdao 266590, China)

The paper aims to propose a competency-driven preference method based on comprehensive performance information of design resourcesto solve the problem of the preference decision of team members in a service-oriented virtual collaborative innovation environment. Starting from the design task workflow, the optimization and reorganization of design tasks based on design capabilities and task granularity are analyzed. Taking into account the personal information of design resources, collaborative ability and interest pursuit, the optimization index system based on comprehensive performance information and the matching model of resources and tasks are constructed, and the optimal solution is gained by means of comprehensive linear calculation. The method is applied to the resource selection of a tractor’s CMF design and development task, and the feasibility and effectiveness of the proposed method are verified. The capability-driven optimization and matching strategy based on the comprehensive performance information of resources can effectively exploit the advantages of resources and improve the scientific of matching.

resource optimization; collaborative innovation; virtual team; task decomposition; matching strategy

TB472

A

1001-3563(2022)10-0265-11

10.19554/j.cnki.1001-3563.2022.10.032

2022-01-04

設(shè)計(jì)學(xué)專業(yè)群專業(yè)主干課程教學(xué)團(tuán)隊(duì)項(xiàng)目（JXTD20170509）；2021年山東省研究生教育質(zhì)量提升計(jì)劃專業(yè)學(xué)位研究生教學(xué)案例庫(kù)建設(shè)項(xiàng)目（2021MFA1355）

楊梅（1973—），女，碩士，教授，主要研究方向?yàn)楫a(chǎn)品設(shè)計(jì)理論及其實(shí)踐。

責(zé)任編輯：馬夢(mèng)遙