复杂产品系统相关理论概述

本节从复杂产品系统的定义出发,首先阐明了复杂产品与其他产品的差异性,然后针对复杂产品系统全生命周期阶段,特别是其在设计开发阶段所具有的功能结构高度复杂耦合、设计决策不确定性的特征,以目前通行的模块化产品设计策略为指引,提出建立一套支持复杂产品系统设计开发的决策支持系统,从而解决设计开发过程中所面临的决策及优化等问题,对顺利完成复杂产品系统的关键技术研发,提高管理决策效率、降低产品开发成本和风险、提升产品质量等都具有重要作用。本节同时也介绍了复杂产品系统的模块化设计方法及相应的软计算集成方法。

10.2.1　复杂产品系统定义

复杂产品系统(Complex Product and System,CoPS)的概念最早由英国Sussex大学科技政策研究中心提出[1,2],相比于传统的低成本产品以及使用标准化零部件进行大规模生产的产品,复杂产品系统是成本较高、定制化程度高、小批量生产、技术密集、结构复杂的系统[3]。由上述定义可以看出,复杂产品系统是一类客户需求复杂、产品组成复杂、设计技术复杂、制造过程复杂、项目管理复杂的产品,例如航天器、飞机、汽车、复杂机电产品、武器系统等[4]。复杂产品系统设计过程涉及的子系统多、学科技术涵盖广泛(通常涉及机械、电子、软件及控制等多学科领域)、人员/工具多,其组成甚至呈现出分布、交互的特点[5]。

目前针对复杂产品系统开发设计支持的方法理论研究相对薄弱,因此,不但需要深化与之相适应的现代设计方法学,而且要采用协同智能决策理论进行科学管理。调查表明,大约70%的产品研发项目超出估算的时间进度,复杂产品系统的研发时间平均超出20%～50%,90%以上的研发项目开发费用超出预算,并且产品越复杂,超出项目计划的程度越高[6]。因此在提高产品开发效率、节省开发时间、降低开发费用和研发风险方面,复杂产品系统设计的重要性不言而喻。

从复杂产品系统全生命周期来看,需要解决的关键问题主要存在于设计和管理过程中[7]。由于复杂产品系统的单件或小批量制造特性、部件子系统层面的高度不连续性、开发过程中所要求的知识深度和广度、产品系统的高度定制化以及用户在系统开发过程中的参与度等,都使复杂产品系统的设计和管理与传统产品设计理论所强调的不一致[8]。据此可以得出复杂产品系统的本质特征是广域深度技术系统,涉及广阔的技术领域且技术应用的复杂度很高,在复杂产品系统的不同层次水平上,不同技术相互作用并且产品制造方式偏向标准化模块预制与客户定制相结合。除此之外,复杂产品系统的开发过程需要面对和解决诸多的不确定性和模糊性。图10.1所示的是复杂产品系统全生命周期中的各阶段活动,包括需求分析、产品设计、制造、装配、测试、使用、维护等,并在图中标明了本节研究的重点在于从需求分析开始到制造之前的概念设计阶段,并提出了所使用的方法体系,包括软计算集成、方案决策与优化、不确定理论及模块化理论与方法。

综上所述,复杂产品系统的开发设计活动通常需要面对功能结构高度复杂、设计决策不确定、多领域耦合关联等特征,因此复杂产品系统的开发设计是一个典型的复杂系统工程问题。这类问题的解决需要以现代产品设计方法学和基于模型的系统工程方法学为基础,充分利用人工智能技术、多软计算方法综合集成的决策优化策略,通过协同数字化信息融合和挖掘服务,建立一套支持复杂产品系统开发工程管理的决策支持系统,去解决知识获取、设计数据与设计知识的快速转化以及全生命周期多领域、多维度、多尺度的系统综合集成管理等问题。该决策支持系统的建立对顺利完成复杂产品系统的关键技术研发,提高管理决策效率、降低产品开发成本和风险、提升产品品质等都具有重要作用。

图10.1　复杂产品系统全生命周期活动及方法体系

在复杂产品系统过程管理的研究方面,杨善林从复杂产品工程管理方面对协同、决策、优化等问题进行了综述,并建立了一套决策支持系统用于支持复杂产品工程管理[9]。文献[10]在分析顾客需求和研制目标的基础上建立了包含产品维、过程维、组织维、目标维和工具维的多维研发过程概念模型。

10.2.2　复杂产品系统创新设计

复杂产品系统的创新设计是建立在产品整体概念基础上的以市场需求为导向的系统工程,它贯穿于产品概念设计、详细设计、样机试制、制造使用等全生命周期过程,目标是实现技术经济参数的突破与提高,因此复杂产品系统的创新设计也就成为产品设计研究领域的热点[11,12]。产品创新大致可分为三类:原创型产品创新、改良型产品创新和空缺型产品创新。由于原创型产品创新和空缺型产品创新所需的知识众多,时间费用巨大,市场适应性和反应性较弱[13,14],因此本文研究的重点放在改良型产品创新方面,即在已有产品型谱的基础上,以模型驱动的系统工程方法论为指导,通过多领域的专业知识支持以及综合决策优化策略,满足客户对产品求新和多样化的需求,提高产品的市场竞争力。

Eugenia等人提出了一个以规则为基础的模型驱动框架,为复杂产品设计提供面向服务的架构(SOA),从而实现高层次的业务决策服务[15]。Hachani从面向服务的角度实现了产品创新设计生命周期管理的灵活性需求,并设计和实施了以活动为导向的业务流程[16]。Janthong针对模块化、通用性和多样性的复杂产品创新设计要求,通过模型集成和系统集成的演化方式提高创新效率并降低成本和风险[17]。Thamhain针对复杂产品创新中的跨职能协作问题,提出了在复杂产品全生命周期内跟踪管理、组织条件与工作流程等23条注意事项[18]。在Kaddoum的工作中,基于自适应多Agent系统合作理论,实现了一种将复杂产品创新设计中涉及的多学科专业知识有效融合的方法策略[19]。Oyama从复杂产品管理创新的角度,采用考夫曼的NK模型模拟其复杂的决策过程,实现一种在风险承受能力和成本性能要求下的创新决策模式[20]。Keith针对复杂产品供应链质量管理的需求,提出了基于HSCQ网络的层次决策模型用于实现最佳的质量控制战略和适当的质量控制资源分配策略[21]。

综上所述,复杂产品系统的设计过程涵盖需求分析、概念设计、初步设计、详细设计、工艺设计等全生命阶段(多维度),涉及机械、电子、电力、热力、电力、液压、光电、电磁及控制等多门学科的交叉、渗透与融合(多领域),包括功能、结构、材料、形式和服务改进等形式,分为产品基本信息特征细化、基于知识和实例层次的改进和基于经验和思维层次的管理提升等层次(多尺度),是一个涉及多维度、多领域、多尺度的复杂问题。复杂产品系统的设计过程是多学科领域的设计人员和专家协同工作的过程,因而必须建立合理的知识分享与交互融合机制,建立个体决策之间的协调、综合模型,形成高效的知识应用平台和决策协同平台来保证产品设计过程的顺畅和产品设计实例的重用。

10.2.3　复杂产品系统模块化设计

模块化思维起源很早,中国古代四大发明之一的活字印刷就体现了模块化思维。但是把模块化思想运用于产品设计,则是在近代工业革命之后。其中,最经典的是IBM的模块型360电脑系统,其标准部件和接口模块一直影响后来的个人计算机的发展。虽然模块化思想一直都有应用,但是直到20世纪末才陆续形成三个基于模块化的理论体系:现代标准化理论、大规模定制理论和现代模块化理论[22,23]。由美国哈佛商学院的鲍德温和克拉克创建的现代模块化理论,把复杂的模块化理论和技术归结为极为简明的设计规则,成为具有普遍意义的、解决复杂系统问题的新方法,并由此引申出“模块时代”的新概念[24]。

传统的产品设计方法通常以满足用户需求为唯一目标,刚性的产品结构模式造成部件间的设计参数相互依赖的程度相当高,因此难以满足用户多样化、个性化的需求,从而造成产品设计制造周期长、成本高、灵活性小,难以适应市场竞争。复杂产品系统不是一个孤立产品而是一个大型技术系统,面对复杂产品系统所固有的结构复杂、多学科知识集成、高度集成化等特征,复杂产品系统设计开发的基本思路是将复杂系统化整为零进行处理,把高度困难的单一任务变成相对容易解决的子问题群予以解决。

模块化设计开发技术能够实现复杂产品系统的柔性制造,科学合理的模块化分解将会降低复杂产品系统开发的管理难度和制造成本。模块化设计开发技术是基于模型的系统工程方法(系统的分解和组合)和标准化产品设计方法(典型化、规范化、通用化、系列化、组合化)相结合的产物,因此模块化设计技术是有效降低系统复杂性的一种重要技术手段,通过对产品型谱进行分解和综合,运用标准化参数或要素分离,形成一系列的标准单元模块,然后用不同模块的柔性组合构成多样化的产品。

图10.2给出了复杂产品系统中模块类型划分的一种模式。常用的模块分类方式有很多,如图10.2所示的分类方式是根据复杂产品系统生命周期不同的阶段特点和模块配置需求,功能及实例模型可分为系统级模块、参数化模块、实例模块和功能模块。其中,参数化模块是复杂产品系统模块划分后获得的底层功能模块,根据模块的通用性可将其分为必选模块和选配模块,而且每个参数化模块都具有一个或多个参数,每个参数可取不同值,不同参数值组合成相应的实例模块。功能模块划分主要用于概念设计阶段,为了能用于复杂产品系统全生命周期的其他阶段,原理模型及结构模型均通过映射关系和功能模块有效对应。

图10.2　复杂产品系统模块类型示意图

目前模块化理论的研究可以分为工程模块化和管理模块化两大领域。现有产品模块化设计的主体思想是从产品系统出发,研究产品系统的构成形式,用分解和组合的方法构建产品的模块体系,并运用模块组合形成产品系统。研究热点主要集中于模块划分(识别)、模块优化与评价、接口分析和模块配置四个方向。其中,模块划分的研究是重中之重,是复杂产品模块化设计的基础,目前国内外关于模块划分的方法主要是启发式方法和聚类式方法。

启发式方法是指根据不同的复杂产品系统背景信息建立相应的数学规划模型,并采用相应的启发式算法获取最优的模块划分方案的方法,其一般求解过程如图10.3所示。该方法首先根据需求参数和产品特性,考虑复杂产品系统全生命周期内的多方面因素,然后将模块化设计抽象为多目标优化问题,并根据产品模块化的具体要求建立多层次变量指标模型,接着在参数定性定量综合的基础上,选择合适的优化算法,寻找最优或满意的模块划分方案集合。其中,可从软计算方法集合中根据具体问题特征选择适合的优化算法,包括遗传算法、神经网络等。

图10.3　启发式模块划分方法

聚类式方法是指利用设计结构矩阵、零部件物理参数连通图、元素关系网络等工具对产品元素之间的拓扑关系进行形式化表达,并开发相应的聚类方法实现零部件成组/聚类的模块划分方法。以设计结构矩阵为例说明该方法的一般求解过程如图10.4所示,该方法首先利用模块关联矩阵定量化表达零部件之间的关联关系,然后通过拓扑关系分析及关联强度分析得到部件单元间的功能和结构相似度矩阵,接着构建聚类目标函数,采用合适的聚类算法实现模块聚类方案。其中设计结构矩阵不但可广泛应用于模块划分问题中产品结构的形式化表达,也可以表达产品组件与研发组织架构之间的关联关系。另外,也可以图论为工具表达零部件间的各种物理连接关系及关联强度,从而实现复杂产品模块化的多种划分方式。

图10.4　聚类式模块划分方法

10.2.4　复杂产品系统中的软计算集成决策

根据上节所述,复杂产品系统模块划分主要是根据总体功能需求,将产品系统整体合理划分成多个功能模块的过程。但是由于复杂产品系统零部件的多维度复杂性,模块划分往往会获得包含多个模块划分方案的集合,为了寻求最优或满意的模块划分方案,需要充分考虑复杂产品系统全生命周期各环节的影响,采用基于多种软计算方法的多属性或多目标评价决策。据此,经由市场需求分析、产品模块概念划分(预划分)、产品模块详细划分以及模块划分方案决策和优化组成的循环渐进的闭环螺旋上升体系,最终可形成符合市场需求的产品。

总之,如何使复杂产品模块化设计成为有章可循、易于操作的过程,如何在设计过程中有效获取多领域设计人员和专家的经验和领域知识,如何在设计过程中有机融合评价决策的有效性和计算机的高效处理能力,这些问题可通过基于软计算综合集成的复杂产品设计决策支持系统予以解决。

传统计算(硬计算)的主要特征是严格、确定和精确,而复杂产品系统中的诸多问题无法用传统计算方法解决。软计算是随着计算智能发展而产生的能够处理现实环境中一种或多种复杂信息的方法群集合,主要包括模糊逻辑(Fuzzy Logic,FL)、人工神经网络(Artificial Neural Network,ANN)、概率计算(Probability Computing,PC)和进化计算(Evolution computing,EC)等,其中每种计算模式均具备各自优势,共同组成了软计算的核心,它们之间通过协同工作,能够保证不精确及不确定情况下的数据处理,凭借其学习及自适应能力,对未知或变化的环境进行学习,从而实现自身性能的提高。与传统的硬计算不同,软计算允许存在不确定性和不精确性,其指导原则是开发和利用不精确性、不确定性和容错性,综合运用推理和搜索方法处理海量数据与信息问题,从而达到易处理、鲁棒性强、低求解成本以及更好与实际问题融合的目的[25,26]。

Das介绍了目前在不确定环境下常用的复杂问题求解方法,包括专家系统、人工神经网络、模糊系统、进化计算、粗糙集、数据挖掘和智能Agent技术等。但是为了得到更有效的决策依据,应该将上述多种软计算方法进行综合集成,为智能决策支持系统解决复杂系统问题[27]。Saridakis对软计算在工程设计中的应用进行了综述,并提出模糊逻辑(FL)、遗传算法(GA)和人工神经网络(ANN)等软计算方法的融合是解决实际工程问题的一个有效途径[28]。文献[29]介绍了在复杂产品系统开发中,通过定性定量综合集成和协同推理优化,可以充分利用现有数据、信息和知识。其中定性和定量数据的转换和融合通过模糊集理论和云模型实现,并通过并行自适应混合算法有效集成多种软计算方法,并将其应用于以气动结构为目标的飞机模型参数优化问题。Castro-Schez提出了一种结合了知识获取技术、多属性决策技术和机器学习算法用于复杂产品设计的解决方案,该解决方案将原始复杂问题模块化为多个简单子问题,然后分而治之予以解决[30]。文献[31]建立了一种油气储层预测的动态全参数自适应BP神经网络模型。它将GA、SA与BP三种算法有机融合在一起,实现优势互补,能动态地根据样本特征对BP网络参数进行自适应优化调整。在保证精度的前提下,使网络结构相对简单,同时采用自适应交叉率、变异率与学习率,以增强网络的自适应能力与泛化能力,极大减少人为主观因素对网络设计的影响。文献[32]给出了一种计算CoPS的模块化分解程度的模型,研究形成了系统模块化与企业绩效的相关性分析模型,并以电网广域监测分析控制系统为例说明了该模型的实际应用。

决策支持系统(Deicsion Support System,DSS)是一种以支持非结构化(或半结构化)决策问题为主要目标和基本特征的计算机信息系统。随着计算机科学技术的发展和决策理论方法体系的完善,把决策支持系统引入复杂产品系统全生命周期的各个阶段,对于实现复杂产品研发现代化和决策科学化具有较强的现实意义。

复杂产品系统设计是一个多人多目标评价与决策问题,本质上也是一个协调与综合问题。对于简单产品,可以借助有限元、模态综合法等较精确地计算出产品总体特性,甚至能够通过精准模型仿真来表示产品总体特性,但是对于复杂产品系统而言,由于设计参数众多,并且与产品总体特性之间往往存在着复杂的非线性、强耦合关系,凭借上述方法基本不能建立它们之间的有机联系。软计算方法集成方法能够模拟现实系统的复杂输入输出关系,从而有效解决非线性、模糊性的问题。软计算方法集成的有效平台就是如图10.5所示的基于软计算的复杂产品决策支持系统。该决策支持系统以贯穿复杂产品研发过程的设计任务为对象,一方面从不同阶段、不同视角和不同层次分析研究个体创新决策间的协调机制、模型及实现方法;另一方面,为了消解个体间的认知冲突和多领域知识间的矛盾,运用定性与定量综合集成的系统工程方法,研究信息共享方式、软计算方法集成策略、模块化分解、群体协同决策等问题,从而有效支持复杂产品系统的设计开发。

图10.5　基于软计算的复杂产品决策支持系统结构示意图