基于病毒吸附機制的制造知識與設計需求匹配研究

王克勤，劉天航，同淑榮，張新衛

WANG Ke-qin, LIU Tian-hang, TONG Shu-rong, ZHANG Xin-wei

（西北工業大學 設計管理研究所，西安 710072）

0 引言

可制造性是產品設計需要考慮的重要因素之一[1]。產品設計作為知識密集型活動，在考慮產品的可制造性問題時，需要制造知識的支持，以確保產品的可制造性。研究發現，設計人員依賴與人的接觸獲取知識的比例呈下降趨勢，對知識系統的依賴則逐漸遞增[2]。但目前存在的制造知識系統普遍存在著知識供需匹配程度不高的問題：當設計人員進行某一設計活動時，查詢制造知識往往存在查全率有余、查準率不足的現象，需要花費大量時間來甄別其真正需要的知識，增加了設計人員的工作量。

實踐證明，設計活動需要制造知識時卻找不到知識的主要原因是知識定位不明確，未將知識與具體的設計活動精確掛鉤。不同背景設計人員開展不同設計活動時需要不同的知識，只有充分了解設計人員的知識需求，將制造知識與詳細的設計活動精確匹配，才能最大程度的發揮知識效力。

目前國內知識匹配相關領域的研究，主要先根據特定原則建立信息模型或者語義模型，從而建立相應的數據結構，通過文本或語義相似度的計算，實現供需雙邊的匹配。茅健等人提出了一種產品設計過程中基于語義距離的設計質量知識的表示及匹配方法，以任務元、對象元、信息元來構建三者的形式化描述體系，并建立其數據結構。利用HNC(概念層次網絡)知識庫，基于語境框架文本相似度計算，實現設計質量信息的實時有效匹配[3]。浙江大學的王生發等人根據知識主動匹配算法分析了設計任務、設計子任務、設計人員、設計知識及其數據結構，提出了基于設計對象的文本相似度計算方法[4]。蔣翠清等人基于概念語義擴展的設計知識檢索方法，給出了面向產品設計人員的知識服務層次模型和需求驅動的產品設計知識服務運行模式[5]。王士凱等人采用本體描述語言，建立領域知識與情境知識本體模型、情境－知識關系模型，以及情境相似度算法設計，構建出仿真過程知識領域本體模型[6]。

病毒感染宿主細胞是通過精確吸附達到目的，制造知識與設計活動之間的供需關系與病毒和宿主細胞之間的特異性吸附機制非常類似。若借鑒此原理，將制造知識對應為病毒，將設計需求對應為宿主細胞，找出制造知識在支持設計方面的病毒性特征，以及設計活動的制造知識需求意圖所具有的病毒受體蛋白質特征，建立基于二者蛋白質關鍵位點契合原理的制造知識匹配方法，能夠明確地表達設計需求，則可向設計人員匹配所需知識。

1 病毒吸附原理

病毒由基因組和包容它的蛋白質以及若干功能性蛋白質共同組成的顆粒狀物。如圖1所示為HIV病毒的形態模式圖。

圖1 HIV病毒形態模式圖

病毒結構簡單，一個簡單病毒僅由核酸（DNA或RNA）和蛋白質外殼——衣殼組成[7]。病毒表面上能夠識別特異宿主細胞受體的結構蛋白，稱為病毒吸附蛋白。

宿主細胞即為病毒攻擊的對象。存在于宿主細胞表面上能被病毒吸附蛋白特異性地識別并與之結合，使病毒侵入細胞和啟動感染發生的細胞表面組分稱為病毒的細胞受體。病毒受體是引發病毒感染宿主細胞的主要決定因素，也是影響病毒宿主特異性的決定因素之一[7]。通常來講，細胞受體即為宿主細胞膜表面的蛋白質。

病毒基因若要進入細胞內環境，首先要與細胞表面的特異性受體結合，即病毒吸附。病毒吸附蛋白與宿主細胞表面結合后，能夠啟動病毒粒子或病毒核酸進入宿主細胞的過程。完成吸附過程的關鍵即病毒利用其表面病毒配體蛋白質結構上的特異性位點，主動、精確識別和吸附敏感宿主細胞表面的病毒受體蛋白質位點，并通過成功逃避宿主細胞的免疫防御反應，使宿主細胞受到感染。病毒吸附宿主細胞機制如圖2所示。

圖2 病毒吸附宿主細胞機制

2 制造知識仿病毒模型和設計需求仿宿主細胞模型構建

將病毒吸附宿主細胞機制映射至制造知識與設計人員之間的供需關系，描述如下：

病毒是一個高度致密的顆粒（對應制造知識），表面有特定的蛋白質關鍵位點（對應制造知識的特征），宿主細胞（對應設計需求）表面的蛋白質關鍵位點（對應知識需求的特征）能與其特異性的吸附（制造知識與設計需求的準確匹配）。當病毒完成吸附過程中后，會將其遺傳物質DNA或RNA注入到宿主細胞中（制造知識本身的詳細內容到達設計人員）。在一系列過程之中，兩者結構與內容上的共性是完成相互識別的關鍵之處。

根據制造知識和設計需求之間的病毒配體和受體的特異識別性，建立兩者之間的特征匹配模型，準確表述兩者之間的共同特性，為實現知識匹配提供基礎。

基于病毒吸附機制和制造知識與設計需求兩者之間關系的分析，以及領域內已有知識匹配模型的優缺點比較，從支持設計的角度分析制造知識的類別、表現形式及特征等，將制造知識按照病毒的形式表示，構建制造知識的仿病毒模型。模型表示如下：

其中，KVM代表制造知識的仿病毒模型，KH，KS，KT，KO，KW即為仿病毒模型中的各蛋白質關鍵位點。其中：KH代表制造知識文檔的標題；KT代表制造知識的類別；KS代表制造知識的應用階段；KO代表該制造知識所適用具體設計對象；KW代表制造知識的關鍵詞。而仿病毒模型中的“DNA”即為制造知識的具體內容描述。模型映射過程和制造知識的仿病毒模型的結構示意如圖3所示。

圖3 制造知識的仿病毒模型表示

針對上述知識的不同類別、表現形式及特征等，結合知識的病毒化模型，為了與其匹配，設計相應的設計需求宿主細胞模型DHM=（DH，DT，DS，DO，DW）。構建的設計需求仿宿主細胞模型結構如圖4所示。

以“鋁合金嚴格熱處理工藝的制造知識”為例，將制造知識按照仿病毒模型進行封裝，以體現制造知識特異性，如表1所示。若按此模型將已有全部制造知識進行封裝，則可形成制造知識病毒庫。

圖4 設計需求的仿宿主細胞模型

表1 制造知識的仿病毒模型封裝示例

此條制造知識的具體描述是：加熱溫度精確控制，要求熱處理加熱爐爐溫均勻性≤±5℃；限制淬火轉移時間，我國航空標準規定，鋁合金淬火轉移時間≤15秒；限制包鋁鋁合金熱處理加熱速率和固溶處理次數；淬火后時效前的冷變形和冷凍，鋁合金冷凍處理溫度一般≤-18℃。

以飛機翼梁在進行翼梁的方案設計時，需要了解翼梁所用材料的一些特性為例，可以提出一個具體的設計需求，按照設計需求的仿宿主細胞模型進行封裝，以體現設計需求的特異性，如表2所示。若按照此模型將所有的設計需求進行封裝，則可形成設計需求的宿主細胞庫。

表2 設計需求的仿宿主細胞模型封裝示例

此條設計需求的具體描述為：在進行翼梁設計時，需要了解其鋁合金材料在熱處理工藝過程中需要注意的問題，如溫度控制，淬火轉移時間等。

3 知識匹配算法與實現

向量空間模型（VSM）是近年來使用較多且效果較好的一種信息檢索模型，其核心思想是用向量表示文檔，將一個文檔映射至n維向量空間。

基于上述概念，向量空間模型對文本進行數學建模的思路為：忽略各個特征項在文本中出現的先后順序，并假設所有的特征項之間是互不相干的，將文本視為若干相互獨立的特征項的組合。以不同的特征項構造一個高維空間，每個特征項為該空間的一個維，文本則被看作這個空間中的一個向量。

向量空間模型是把文檔中的每個關鍵詞看成一個維度，把詞對于文檔的重要程度作為其值，一般做法是一個概念相對于一個文檔的重要程度[8]：

1）與它在該文檔中出現的次數成正比；

2）與該概念在所有文檔中出現過的文檔數成反比。

由此每篇文章的詞及詞的頻率就構成了一個多維向量空間，兩個文檔的相似度就是兩個向量的接近度。

將制造知識表示為：

并把設計需求表示為：

制造知識文檔中的概念詞可能出現在文檔中的不同描述區間中，如知識標題、關鍵詞等。在不同的描述區間中，概念詞相對于知識文檔的重要程度可能不一樣，因此，需要對每個描述區間的重要程度進行設定，以提高查準率，從而提出知識匹配的模型：

其中，ΔM 代表制造知識與設計需求的匹配結果最終值，Wi表示匹配特征項和描述區間的綜合權重，vk,vd分別代表制造知識和設計需求的對應的特征向量，fi(vk,vd)是計算兩個特征向量的匹配程度的函數。

設Wki為概念詞在制造知識源文檔中的特征權重，n為Ki在這個文本中出現的個數，m為其他所有文本中含有Ki的文檔的個數，M為文檔的總數。概念相對于設計知識源文檔的特征權重計算方法：

相似度計算公式如下：

其中，Wki為制造知識文檔中概念詞Ki的特征權重；Wxi為概念詞Ki的描述區間權重，Wdi代表設計需求概念詞Di的特征權重，Wxi和Wdi一般由經驗確定。

經過計算，從而得出制造知識和設計人員知識需求之間的相似度ΔM，若ΔM(vk,vd)大于閾值，則匹配成功。此時，輸出所有大于閾值的制造知識，即為滿足設計人員需求的知識。

4 實例應用

假設，某型號飛機在進行機翼蒙皮方案設計的過程中，設計人員需要了解7xxx系鋁合金熱處理工藝過程中涉及到的一般知識。結合上文中建立的知識匹配模型，首先將設計人員的設計需求模型化，DHM=（7xxx系鋁合金工藝熱處理；工藝知識；方案設計；機翼蒙皮；7xxx系鋁合金）

在某制造知識系統中，列舉部分有關7xxx系鋁合金熱處理工藝的制造知識如下：

在本例中，為了計算簡便，均將設計需求及各制造知識的模型向量空間封裝為5維向量空間。

根據向量空間模型的表示方法來表示設計需求時，各向量值（即Wdi）的含義即為概念詞在設計需求中的特征權重，一般由經驗確定。本例中，DHM=（7xxx系鋁合金工藝熱處理；材料知識；方案設計；機翼蒙皮；7xxx系鋁合金），設計需求的向量模型為：vd=（1，2，2，1，2），即標題和設計對象的概念特征權重較低，其余則較高。

下面進行制造知識的向量表示，因為制造知識的向量模型表示為：

為制造知識各概念描述空間的權重值，一般由經驗確定。為計算簡便，設本例中各制造知識的Wxi值均為：

根據以上數據，可以計算出匹配值ΔM 的大小，如表3所示。

設在此類情況下，知識匹配結果的閾值為1.25，大于匹配閾值的制造知識按照匹配結果值的降序排列是，從整體上看，匹配結果較為合理。

表3 ΔM 值

5 結論

針對目前制造知識與設計需求匹配程度低的問題，借鑒病毒吸附宿主細胞機制，構建了制造知識的仿病毒模型和設計需求的仿宿主細胞模型，提出算法實現了知識匹配過程，以某型號飛機在進行機翼蒙皮方案設計的過程中，設計人員需要了解7xxx系鋁合金熱處理工藝過程中涉及到的一般知識為例，完成了某制造知識系統內制造知識與該設計需求的匹配過程的實現。

研究借鑒病毒吸附機制為設計過程中設計人員精確獲取所需制造知識提供了一種參考方法，需要進一步研究的工作包括：1）匹配后知識的主動推送；2）知識匹配算法改進；3）知識匹配閾值的合理確定。

[1]Boothroyd G.,Dewhurst P.Product Design for Manufacture and Assembly(Third Edition)[M].Florida:CRC Press,2010.

[2]Aurisicchio M.,Bracewell R.,Wallace K.Understanding how the information requests of aerospace engineering designers influence information-seeking behaviour[J].Journal of Engineering Design,2011,21(6):707-730.

[3]茅健,曹乃亮,曹衍龍,等.產品設計過程中質量知識的匹配方法[J].農業機械學報,2012,43(1):197-201.

[4]王生發,顧新建,郭劍鋒,等.面向產品設計的知識主動推送研究[J].計算機集成制造系統,2007,13(2):234-239.

[5]蔣翠清,高家飛,李斌生.面向產品設計人員的知識推送服務研究[J].合肥工業大學學報(自然科學版),2012,35(3):392-397.

[6]王士凱,王力,江平,等.基于情境的知識推送技術研究[J].計算機技術與發展,2013,23(2):131-134.

[7]王小純.病毒學(第1版)[M].北京:中國農業出版社,2007.

[8]劉宏哲.文本語義相似度計算方法研究[D].北京交通大學,2012.