李 穎,應保勝,容芷君,但斌斌,胡從林
(1.武漢科技大學機械傳動與制造工程湖北省重點實驗室,湖北 武漢,430081;2.武漢科技大學汽車與交通工程學院,湖北 武漢,430065;3.武漢科技大學機械自動化學院,湖北 武漢,430081)
在產品設計過程中,復雜產品常常會被拆分為若干個功能獨立的模塊,通過并行工程來提高設計效率,縮短產品設計周期。模塊劃分是產品模塊化設計的一個重要環節,對產品設計結構矩陣(design structure matrix,DSM)進行聚類計算得到產品模塊化方案是目前較為通用的方法[1-2]。
基于DSM的產品模塊化方法主要區別于聚類目標和聚類算法。例如,Thebeau[3]利用組織間類比得到零件-模塊的總協調成本,所采用的聚類目標就是總協調成本最小;Yu等[4]提出基于遺傳算法和最小描述長度(minimal description length,MDL)的產品模塊聚類方法,但存在的問題是計算量巨大,如一個規模為60×60的DSM聚類,其計算時間約為24 h;Pandremenos等[5]利用神經網絡算法針對布爾型DSM進行聚類,得到產品模塊劃分方案;AlGeddawy等[6]根據產品進化樹結構提出最優模塊數及最優模塊粒度劃分方法;Guo等[7]針對模塊內部各個零件之間的相互關系,在一致性分析和靈敏度分析的基礎上提出模塊化測度指數;Gershenson等[8]根據模塊化評價矩陣計算模塊內各個零件之間的依存性之和與產品整體依存性的比率,以此作為產品模塊化程度的度量指標。目前來看,有關產品模塊劃分及其方案評價方面的研究有如下不足:①缺乏更為有效的聚類算法,其不僅要能適用于布爾型DSM,也要能針對數值型DSM進行聚類;……