浙江大学学报(工学版), 2020, 54(1): 143-151 doi: 10.3785/j.issn.1008-973X.2020.01.017

计算机技术、信息工程

云服务模式下设计方案的优选决策方法

樊佳爽,, 余隋怀, 初建杰,, 王卉, 陈晨, 寸文哲, 陈甜, 郭家言

Optimal decision-making method of design scheme in cloud service mode

FAN Jia-shuang,, YU Sui-huai, CHU Jian-jie,, WANG Hui, CHEN Chen, CUN Wen-zhe, CHEN Tian, GUO Jia-yan

通讯作者: 初建杰,男,副教授. orcid.org/0000-0002-0113-4030. E-mail: cjj@nwpu.edu.cn

收稿日期: 2018-11-27  

Received: 2018-11-27  

作者简介 About authors

樊佳爽(1989—),女,博士生,从事计算机辅助工业设计、云服务评价的研究.orcid.org/0000-0001-7044-8079.E-mail:1450630672@qq.com , E-mail:1450630672@qq.com

摘要

针对云服务模式下设计方案在多目标优选决策过程中未能充分考虑到用户多元化和差异性的需求问题,提出结合质量功能配置和粗糙集理论的设计方案优选决策方法. 该方法在分析云服务模式的基础上,引入用户参与的设计决策过程方式和模糊评价机制,对用户需求进行聚类分析和智能转化. 建立面向用户需求的设计方案评价指标体系,对网络化协同设计过程中的设计方案评价指标的重要度进行准确量化. 遵循科学性与系统性相结合的原则,提出云服务模式下设计方案优选决策三阶模型. 结合粗糙集理论和粗糙逼近理想解法,对该模型进行求解. 以云服务平台上的游艇设计方案为例,验证该方法的有效性和可行性.

关键词: 云服务模式 ; 设计方案 ; 多目标优选决策 ; 质量功能配置(QFD) ; 粗糙集理论

Abstract

A method of design scheme optimization decision-making based on quality function configuration and rough set theory was proposed aiming at the problem that the diversity and difference of users are not fully considered in the multi-objective optimization decision-making process of design scheme under cloud service mode. The design decision-making process mode and fuzzy evaluation mechanism participated by users were introduced based on the analysis of cloud service mode in order to meet the needs of users cluster analysis and intelligent transformation. The evaluation index system of design scheme for user needs was established to quantify the importance of evaluation index of design scheme in the process of networked collaborative design. The third-order model of design scheme optimization decision under cloud service mode was proposed according to the principle of combining science and system. The model was solved combined with rough set theory and rough approximation ideal solution. The validity and feasibility of the method were verified by taking yacht design scheme on cloud service platform as an example.

Keywords: cloud service mode ; design scheme ; multi-objective optimization decision ; quality function development (QFD) ; rough set theory

PDF (938KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

樊佳爽, 余隋怀, 初建杰, 王卉, 陈晨, 寸文哲, 陈甜, 郭家言. 云服务模式下设计方案的优选决策方法. 浙江大学学报(工学版)[J], 2020, 54(1): 143-151 doi:10.3785/j.issn.1008-973X.2020.01.017

FAN Jia-shuang, YU Sui-huai, CHU Jian-jie, WANG Hui, CHEN Chen, CUN Wen-zhe, CHEN Tian, GUO Jia-yan. Optimal decision-making method of design scheme in cloud service mode. Journal of Zhejiang University(Engineering Science)[J], 2020, 54(1): 143-151 doi:10.3785/j.issn.1008-973X.2020.01.017

随着经济全球化和信息化的快速发展,云服务、云制造、云计算、物联网、大数据、虚拟化等新技术逐渐与设计服务产业相融合,云服务已成为一种新型的创新服务模式,对于实现资源的集聚整合、制造业的转型升级有着重要的现实意义[1-3].

目前,国内外在云服务模式方面的研究成果如下. 初建杰等[4]构建面向工业设计全产业链的云服务平台,实现了云服务模式下资源的分布式异构与动态智能匹配. 刘敬等[5]提出云服务模式下团队成员综合能力的优选策略. 樊佳爽等[6]提出结合云服务、需求驱动和面向服务架构的决策支持系统. 陈健等[7]提出云服务模式下的协同任务模块化重组与分配方法. Ferrer等[8]为云服务的可持续动态协作模式提供技术支持. Wang等[9]从模糊综合评判的角度,提出云服务的质量评估方法. Yamato等[10]提出动态协作的云服务模式. Fan等[11]研究基于云服务平台的多目标评价方法.

国内外在设计方案的优选决策方面的研究成果如下. 郝楠楠等[12]结合灰色综合评价法,提出灰模糊积分决策模型. 王仁超等[13]提出基于二元语义信息的VIKOR群决策方法. 邱华清等[14]结合犹豫模糊术语集和质量功能配置(QFD),研究产品延伸服务规划方法. Suzuki等[15]基于改进的数据包络分析法,构建集成目标导向的评价系统. Choa等[16]基于模糊层次分析法,构建技术产品评估模型. Estrella等[17]提出基于模糊语言的感官评价模型,开发了相应的软件原型. Kannnan等[18]提出集成模糊多准则的决策方法,通过该方法对设计对象进行优选决策研究.

以上研究对云服务模式(构架与管理、交易模式与服务、任务优选与决策、任务重组与资源匹配)及设计方案的优选决策(评价体系、评价模式、决策方法)等方面进行分析,但部分研究未能充分考虑用户对评价指标的多元化和差异性的需求,决策过程存在主观性及不确定性,对云服务这一新兴技术领域的多目标评价的过程方式和评价机制等方面缺乏深入思考.

本文以云服务模式下基于用户需求的设计方案的优选决策为研究目标,结合质量功能配置和粗糙集理论,构建多方法集成的评价优化模型. 引入用户参与设计决策的过程方式,建立云服务模式下设计方案的评价指标优化体系,采用粗糙理想解法对该模型进行求解. 结合案例,对该评价方法的有效性和可行性进行对比验证.

1. 云服务

1.1. 云服务模式

云服务是基于知识的网络化智能设计的新模式. 它融合现有的网络化设计模式与云计算、物联网、语义Web、高性能计算等技术,将设计资源和设计能力虚拟化、服务化,通过云服务平台对这些资源和能力进行统一、集中的管理和经营,为设计用户提供泛在的、随时获取、按需付费的设计云服务,实现设计全生命周期过程的设计资源和设计能力的共享与协同.

1.2. 云服务平台

云服务平台由前端(网页页面)和后端(网站逻辑)两部分构成. 通过平台前端和后端间协作,结合相应的接入技术和虚拟化技术,形成新的面向服务的网络化设计模式. 以云服务模式为应用背景,通过建设开放共享、服务创新的交互环境,集聚信息服务、产品设计以及各类设计知识库等工业设计相关资源,为群体评价、多目标评价、动态评价、组合评价、过程评价等提供有效的资源支持.

2. 设计方案的优选决策

2.1. 优选决策方法

在优选决策中引入模糊评价机制,提出结合质量功能配置和粗糙集理论的决策方法. 质量功能配置是以用户需求为驱动、以质量屋为技术创新工具的产品设计和规划方法;粗糙集理论是研究不确定性问题的数学工具,通过对不完整信息的分析和处理,发现隐含知识并揭示潜在规律. 该方法对于实现云服务模式下设计方案的优选决策具有重要作用.

2.2. 优选决策流程

在优选决策流程中引入如图1所示的用户参与的设计决策过程方式,用户参与云服务模式下的需求发布、团队组建和设计活动的全过程. 基于优选决策方法,通过构建云服务模式下的设计方案评价指标体系、分析评价指标权重并对不完整信息进行处理,获得多属性决策问题的优选方案排序. 用户以打分或点赞等形式对优选设计方案进行评价,对于准确把握用户心理动态、提高评价结果的准确性具有重要意义.

图 1

图 1   设计方案的优选决策流程

Fig.1   Decision-making process of design scheme


3. 构建云服务模式下方案优选模型

构建云服务模式下设计方案优选决策三阶模型. 基于质量功能配置,对用户需求进行聚类分析和智能转化,建立面向用户需求的设计方案评价指标体系;结合粗糙层次分析法,确定设计方案的评价指标权重,以保证决策主体复杂决策信息的一致性与准确性;利用粗糙逼近理想解法,对云服务模式下的设计方案进行优选决策.

3.1. 第1阶:构建设计方案评价指标体系

通过质量功能配置的分析工具质量屋构建评价指标体系,分析过程如下.

1)需求获取. 在云服务模式下,获取用户显性偏好需求并挖掘用户隐性偏好需求. 基于互联网采集关于用户需求的相关数据,结合模糊需求描述方法,构建用户需求数据库.

2)需求分析. 利用层次分析法,构建用户需求的判断矩阵并分析用户需求的相关重要程度,分析过程与3.2节相似.

3)需求转化. 通过质量屋矩阵框架图,表达用户需求和技术特性间的关系程度. 质量屋主要由用户需求矩阵、技术特性矩阵、顾客需求与技术特性相关关系矩阵、技术特性相关关系矩阵、市场竞争性评估矩阵等组成. 通过上述几部分,构建如图2所示的用户需求转换质量屋,完成用户需求到设计方案评价指标的有效转化,构建云服务模式下基于用户需求的设计方案的优选决策评价指标体系.

图 2

图 2   用户需求转换质量屋

Fig.2   Demand transformation based on house of quality


$ {{A}} = \left[ {\begin{array}{*{20}{c}} {{a_{11}}}&{{a_{21}}}& \cdots &{{a_{i1}}}& \cdots &{{a_{m1}}}\\ {{a_{12}}}&{{a_{22}}}& \cdots &{{a_{i2}}}& \cdots &{{a_{m2}}}\\ \vdots & \vdots & & \vdots & & \vdots \\ {{a_{1j}}}&{{a_{2j}}}& \cdots &{{a_{ij}}}& \cdots &{{a_{mj}}}\\ \vdots & \vdots & & \vdots & & \vdots \\ {{a_{1n}}}&{{a_{2n}}}& \cdots &{{a_{in}}}& \cdots &{{a_{mn}}} \end{array}} \right]. $

式中: ${{A}} $用户需求与评价指标间的关系矩阵.

$ \bar {{A}} = \frac{1}{n}\mathop \sum \nolimits_{j = 0}^n \bar {{a}}. $

式中: $\bar {{A}} $为用户需求对评价指标的加权矩阵, $\bar {{a}}$为用户需求对评价指标进行加权的结果.

$E = \mathop \sum \nolimits_{j = 1}^n \left| {\bar {{A}}} \right|. $

式中:E表示用户需求对评价指标的综合影响程度, $\left| {\bar {{A}}} \right|$为用户需求对评价指标的加权平均值.

通过上述分析,构建云服务模式下设计方案的评价指标优选模型[19].

$ S = {\rm{max}}\left[ {\left( {\mathop \sum \limits_{{{i}} = 1}^{{m}} {{t}}_{{i}}^{{n}} + {{k}} \mathop \sum \limits_{j = 1}^{{n}} {{{E}}_{{j}}}} \right)/\left( {1 + {{k}}} \right)} \right]. $

式中:S为基于用户需求的设计方案评价指标满意水平之和的最大值,tin为第i个设计方案评价指标的重要程度,Ej为第j个用户需求对评价指标的影响程度,k为设计方案评价指标优选中用户需求与综合效益间的平衡系数.

3.2. 第2阶:确定评价指标权重

基于粗糙层次分析法,对指标权重进行分析.

1)构建评价矩阵,并检验矩阵一致性.

$ {{M}} = \left[ {\begin{array}{*{20}{c}} 1&{x_{12}^k}&{x_{13}^k}& \cdots &{x_{1m}^k}\\ {x_{21}^k}&1&{x_{23}^k}& \cdots &{x_{2m}^k}\\ {x_{31}^k}&{x_{32}^k}&1& \cdots &{x_{3m}^k}\\ \vdots & \vdots & \vdots && \vdots \\ {x_{m1}^k}&{x_{m2}^k}&{x_{m3}^k}& \cdots &1 \end{array}} \right]. $

式中:M为成对评价矩阵,xijk为决策者k对评价指标j的相对指标i的重要程度.

2)构建粗糙群评价矩阵,计算矩阵中各指标的粗糙值.

$ {{{M}}^{\rm{*}}} = \left[ {\begin{array}{*{20}{c}} 1&{x_{12}^*}&{x_{13}^*}& \cdots &{x_{1m}^*}\\ {x_{21}^*}&1&{x_{23}^*}& \cdots &{x_{2m}^*}\\ {x_{31}^*}&{x_{32}^*}&1& \cdots &{x_{3m}^*}\\ \vdots & \vdots & \vdots && \vdots \\ {x_{m1}^*}&{x_{m2}^*}&{x_{m3}^*}& \cdots &1 \end{array}} \right]. $

式中:M*为粗糙群评价矩阵,xij*为评价指标j的相对指标i的重要程度.

3)构建粗糙成对比较评价矩阵:

$ {{X}} \!=\! \left[ {\begin{array}{*{20}{c}} {[1,1]}\!\!\!\!&\!\!\!\!{\left[ {x_{12}^ - ,x_{12}^ + } \right]}\!\!\!\!&\!\!\!\!{\left[ {x_{13}^ - ,x_{13}^ + } \right]}\!\!\!\!&\!\!\!\! \cdots \!\!\!\!&\!\!\!\!{\left[ {x_{1m}^ - ,x_{1m}^ + } \right]}\\ {\left[ {x_{21}^ - ,x_{22}^ + } \right]}\!\!\!\!&\!\!\!\!{[1,1]}\!\!\!\!&\!\!\!\!{\left[ {x_{23}^ - ,x_{23}^ + } \right]}\!\!\!\!&\!\!\!\! \cdots \!\!\!\!&\!\!\!\!{\left[ {x_{2m}^ - ,x_{2m}^ + } \right]}\\ {\left[ {x_{31}^{ -},x_{31}^ + } \right]}\!\!\!\!&\!\!\!\!{\left[ {x_{32}^ - ,x_{32}^ + } \right]}\!\!\!\!&\!\!\!\!{[1,1]}\!\!\!\!&\!\!\!\! \cdots \!\!\!\!&\!\!\!\!{\left[ {x_{3m}^ - ,x_{3m}^ + } \right]}\\ \vdots \!\!\!\!&\!\!\!\! \vdots \!\!\!\!&\!\!\!\! \vdots \!\!\!\!&\!\!\!\!\!\!\!\!&\!\!\!\! \vdots \\ {\left[ {x_{m1}^ - ,x_{m1}^ + } \right]}\!\!\!\!&\!\!\!\!{\left[ {x_{m2}^ - ,x_{m2}^ + } \right]}\!\!\!\!&\!\!\!\!{\left[ {x_{m3}^ - ,x_{m3}^ + } \right]}\!\!\!\!&\!\!\!\! \cdots \!\!\!\!&\!\!\!\!{[1,1]} \end{array}} \right]. $

式中: $\left[ {x_{ij}^ - ,x_{ij}^ + } \right]$为粗糙数, ${x_{ij}^ +}$${x_{ij}^ -}$分别为粗糙评价的上限值和下限值.

4)借助Matlab软件,计算粗糙成对评价上限矩阵和下限矩阵的特征向量,对评价指标权重进行归一化处理[20].

$ f_i^ - = w_i^ - \Big/\mathop \sum \limits_{i = 1}^m w_i^ - , $

$ f_i^ + = w_i^ + \Big/\mathop \sum \limits_{i = 1}^m w_i^ + . $

式中:fi为下限矩阵的特征值,fi+为上限矩阵的特征值.

5)计算评价指标的权重[20]

$ f = \left( {\left| {f_i^ - } \right| + \left| {f_i^ + } \right|} \right)/2. $

3.3. 第3阶:设计方案优选

基于粗糙理想解排序法,对设计方案进行优选决策,过程如下.

1)构建多指标评价矩阵:

$ {{D}} = \left[ {\begin{array}{*{20}{c}} {y_{11}^k}&{y_{12}^k}&{y_{13}^k}& \cdots &{y_{1n}^k}\\ {y_{21}^k}&{y_{22}^k}&{y_{23}^k}& \cdots &{y_{2n}^k}\\ {y_{31}^k}&{y_{32}^k}&{y_{33}^k}& \cdots &{y_{3n}^k}\\ \vdots & \vdots & \vdots && \vdots \\ {y_{m1}^k}&{y_{m2}^k}&{y_{m3}^k}& \cdots &{y_{mn}^k} \end{array}} \right]. $

式中:ypqk为第k个决策者对于评价指标所给的方案q的评价分数.

2)构建粗糙群评价矩阵:

$ {{{D}}^*} = \left[ {\begin{array}{*{20}{c}} {y_{11}^*}&{y_{12}^*}&{y_{13}^*}& \cdots &{y_{1n}^*}\\ {y_{21}^*}&{y_{22}^*}&{y_{23}^*}& \cdots &{y_{2n}^*}\\ {y_{31}^*}&{y_{32}^*}&{y_{33}^*}& \cdots &{y_{3n}^*}\\ \vdots & \vdots & \vdots && \vdots \\ {y_{m1}^*}&{y_{m2}^*}&{y_{m3}^*}& \cdots &{y_{mn}^*} \end{array}} \right]. $

式中:D*为粗糙群评价矩阵,ypq*表示对于评价指标p所给的设计方案q的评价情况.

3)构建粗糙群成对评价矩阵:

$ Y = \left[\!\!\! {\begin{array}{*{20}{c}} {\left[ {y_{11}^ - ,y_{11}^ + } \right]}\!\!\!\!&\!\!\!\!{\left[ {y_{12}^ - ,y_{12}^ + } \right]}\!\!\!\!&\!\!\!\!{\left[ {y_{13}^ - ,y_{13}^ + } \right]}\!\!\!\!&\!\!\!\! \cdots \!\!\!\!&\!\!\!\!{\left[ {y_{1n}^ - ,y_{1n}^ + } \right]}\\ {\left[ {y_{21}^ - ,y_{22}^ + } \right]}\!\!\!\!&\!\!\!\!{\left[ {y_{22}^-,y_{22}^ + } \right]}\!\!\!\!&\!\!\!\!{\left[ {y_{23}^{ -},y_{33}^ + } \right]}\!\!\!\!&\!\!\!\! \cdots \!\!\!\!&\!\!\!\!{\left[ {y_{2n}^ - ,y_{2n}^ + } \right]}\\ {\left[ {y_{31}^ - ,y_{31}^ + } \right]}\!\!\!\!&\!\!\!\!{\left[ {y_{32}^-,y_{32}^ + } \right]}\!\!\!\!&\!\!\!\!{\left[ {y_{33}^-,y_{33}^ + } \right]}\!\!\!\!&\!\!\!\! \cdots \!\!\!\!&\!\!\!\!{\left[ {y_{3n}^{ -},y_{3n}^ + } \right]}\\ \vdots \!\!\!\!&\!\!\!\! \vdots \!\!\!\!&\!\!\!\! \vdots \!\!\!\!&\!\!\!\!\!\!\!\!&\!\!\!\! \vdots \\ {\left[ {y_{m1}^ - ,y_{m1}^ + } \right]}\!\!\!\!&\!\!\!\!{\left[ {y_{m2}^ - ,y_{m2}^ + } \right]}\!\!\!\!&\!\!\!\!{\left[ {y_{m3}^ - ,y_{m3}^ + } \right]}\!\!\!\!&\!\!\!\! \cdots \!\!\!\!&\!\!\!\!{\left[ {y_{mn}^ - ,y_{mn}^ + } \right]} \end{array}}\!\!\! \right]. $

式中: $\left[ {y_{pq}^ - ,y_{pq}^ + } \right]$为粗糙数, $ {y_{pq}^ +}$$ {y_{pq}^ -}$为粗糙群成对评价上限值和下限值.

4)标准化粗糙群评价矩阵.

${y'}_{pq}^ - = \frac{{y_{pq}^ - }}{{\max _{q = 1}^n(y_{pq}^ - ,y_{pq}^ + )}},\;{y'}_{pq}^ + = \frac{{y_{pq}^ + }}{{\max _{q = 1}^n(y_{pq}^ - ,y_{pq}^ + )}}.$

式中: ${y'}_{pq}^ - $${y'}_{pq}^ +$分别为针对盈利型评价指标的下限值和上限值,

${y'}_{pq}^ - = \frac{{\min _{q = 1}^n(y_{pq}^ - ,y_{pq}^ + )}}{{y_{pq}^ + }},\;{y'}_{pq}^ + = \frac{{\min _{q = 1}^n(y_{pq}^ - ,y_{pq}^ + )}}{{y_{pq}^ - }},$

其中 ${y'}_{pq}^ - $$ {y'}_{pq}^ +$分别为针对成本型评价指标的下限值和上限值.

5)计算加权标准化评价矩阵[21]

$W_{pq}^ - = {f^*}({\omega _p}) \times {y'}_{pq}^{ - };\;p = 1,2, \cdots ,m,\;q = 1,2, \cdots ,n.$

$W_{pq}^ + = {f^*}({\omega _p}) \times {y'}_{pq}^{ + };\;p = 1,2, \cdots ,m,\;q = 1,2, \cdots ,n.$

式中: $W_{pq}^ - $$W_{pq}^ +$分别为加权标准化评价矩阵的下限值和上限值.

6)计算正理想解及负理想解[21].

$ {S^ + }\left( p \right) = {\rm{max}}_{q = 1}^n\left( {W_{pq}^ + } \right), $

$ {S^ - }\left( p \right) = {\rm{min}}_{q = 1}^n\left( {W_{pq}^ - } \right). $

式中: ${S^ + }(p)$${S^ - }(p)$分别为评价指标的正理想解和负理想解.

7)计算正、负理想解的距离[21]. 设目标方案的综合指标值Si 来自于均值μ,目标方案到正、负理想解的距离表示为

$ {d^ + }({S_i},{S^{\rm{ + }}}){\rm{ = }}\sqrt {[{S_i} - {S^ + }(p)]{W_i}\sum {^{ - 1}} [{S_i} - {S^ + }(p)]} , $

$ {d^ - }({S_i},{S^ - }){\rm{ = }}\sqrt {[{S_i} - {S^ - }(p)]{W_i}\sum {^{ - 1}} [{S_i} - {S^ - }(p)]} . $

式中: $d_q^ + $$d_q^-$分别为设计方案与正、负理想解的距离,Wi为目标方案的加权评价值.

8)计算贴近度[21]

${\rm{C}}{{\rm{C}}} = \frac{{d^ - }}{{d^ - + d^ + }}.$

式中:CC为设计方案与评价指标的贴近度. 贴近度和方案优劣程度成正比.

4. 应用案例

用户在圣泓云平台中发布任务需求,以游艇为案例,验证该方法的可行性和有效性.

4.1. 第1阶:构建设计方案评价指标体系

1)需求获取. 借助云服务平台强大的数据存储和运算能力,采用SPSS、Orange等数据挖掘工具,构建如表1所示的游艇设计任务的用户需求信息.

表 1   游艇设计任务的用户需求信息

Tab.1  User demand information of yacht design task

一级 二级 需求
美观性需求R1 美学性R11 色彩搭配合理,科技与艺术结合
时代性R12 造型美观大方,具有时代精神意义
协调性R13 协调的比例和尺度、完美的造型
创新性需求R2 先导性R21 设计理念独特新颖
附加值R22 提高产品附加值和品牌价值
个性化R23 独具一格,个性化定制
功能性需求R3 可靠性R31 材料运用合理,品质精良
实用性R32 功能合理,满足用户多方面的要求
技术性R33 性能稳定,技术先进,提高产品竞争力

新窗口打开| 下载CSV


2)需求分析. 基于云服务模式下需求数据库,利用粗糙层次分析法,构建用户需求的判断矩阵并分析其重要度. 在R1的重要性排序中R11>R13>R12. 获得如表2所示的游艇设计需求重要程度.

表 2   游艇设计的用户需求重要程度

Tab.2  Importance of user requirements for yacht

一级需求 一级需求重要程度 二级需求 二级需求重要程度
美观性需求R1 0.150 6 美学性R11 0.678 5
美观性需求R1 0.150 6 时代性R12 0.417 1
美观性需求R1 0.150 6 协调性R13 0.578 1
创新性需求R2 0.916 1 先导性R21 0.436 4
创新性需求R2 0.916 1 附加值R22 0.617 2
创新性需求R2 0.916 1 个性化R23 0.218 2
功能性需求R3 0.371 5 可靠性R31 0.669 1
功能性需求R3 0.371 5 实用性R32 0.206 4
功能性需求R3 0.371 5 技术性R33 0.523 1

新窗口打开| 下载CSV


3)需求转换. 基于如图3所示的用户需求转换工具,将云服务模式下的用户需求转化为评价指标. 构建如表3所示的用户需求与评价指标的关系矩阵,分析不同用户需求对评价指标的影响程度. 利用分支定界法求解评价指标决策模型[19],构建如图4所示的游艇设计方案的评价指标体系.

图 4

图 4   游艇设计方案评价指标体系

Fig.4   Evaluation index system of yacht design


表 3   游艇方案的用户需求与评价指标的关系矩阵

Tab.3  Relationship matrix between user requirement and evaluation index for yacht

一级需求 二级需求 美观性指标I1 创新性指标I2 功能性指标I3
美学性I11 时代性I12 先导性I21 个性化I22 可靠性I31 技术性I32
R1 R11 1 0.675 2 0.528 8 0.628 8 0.716 3 0.716 3
R1 R12 0.756 5 1 0.116 9 0.116 9 0.116 9 0.083 1
R1 R13 0.804 7 0.704 7 0.117 4 0.117 4 0.068 8 0.068 8
R2 R21 0.302 2 0.365 2 1 0.567 5 0.547 6 0.547 6
R2 R22 0.217 5 0.217 5 0.701 1 0.760 2 0.134 6 0.134 6
R2 R23 0.355 6 0.201 6 0.695 8 1 0.064 8 0.064 8
R3 R31 0.454 8 0.451 2 0.514 9 0.614 9 1 0.760 8
R3 R32 0.267 6 0.267 6 0.318 5 0.218 5 0.601 2 0.701 2
R3 R33 0.395 4 0.295 4 0.444 2 0.344 2 0.844 2 1

新窗口打开| 下载CSV


图 3

图 3   游艇设计方案需求转换

Fig.3   Demand transformation of yacht design


4.2. 第2阶:确定评价指标权重

平台邀请5名决策者,确定游艇设计方案的评价指标权重.

1)基于评价指标的成对比较矩阵,构建设计方案评价指标的粗糙群评价矩阵.

2)构建设计方案评价指标的粗糙成对比较矩阵.

3)计算设计方案评价各指标权重.

将粗糙成对比较矩阵划分为上限值x+和下限值x. 利用Matlab分别计算特征向量,对指标权重进行归一化处理后,获得如图5所示的游艇设计方案评价指标权重.

图 5

图 5   游艇设计方案优选评价指标权重

Fig.5   Weight of evaluation index of yacht design


上限矩阵的特征向量表示为

下限矩阵的特征向量表示为

上限矩阵的归一化权重表示为

下限矩阵的归一化权重表示为

设计师的评价指标权重表示为

4.3. 第3阶:设计方案优选

利用粗糙逼近理想解法,对6个游艇设计方案的用户需求满意程度进行比较和排序. 具体过程如下.

1)建立基于用户需求的设计方案综合满意度的粗糙群评价矩阵. 利用式(16)、(17),对粗糙群评价矩阵进行标准化. 构建如表4所示的粗糙加权标准化评价矩阵.

表 4   游艇设计方案粗糙标准化评价矩阵

Tab.4  Rough evaluation matrix of yacht design

评价指标 二级指标 设计方案
S1 S2 S3 S4 S5 S6
I1 I11 [0.072,0.085] [0.078,0.096] [0.051,0.069] [0.036,0.053] [0.072,0.107] [0.017,0.021]
I1 I12 [0.011,0.013] [0.007,0.010] [0.003,0.006] [0.021,0.025] [0.045,0.067] [0.014,0.016]
I2 I21 [0.061,0.070] [0.046,0.058] [0.026,0.039] [0.006,0.008] [0.015,0.022] [0.004,0.005]
I2 I22 [0.004,0.005] [0.004,0.005] [0.006,0.009] [0.002,0.002] [0.004,0.005] [0.005,0.008]
I3 I31 [0.016,0.021] [0.013,0.017] [0.031,0.042] [0.011,0.015] [0.025,0.034] [0.011,0.013]
I3 I32 [0.008,0.011] [0.012,0.021] [0.003,0.004] [0.005,0.006] [0.008,0.013] [0.006,0.008]

新窗口打开| 下载CSV


2)利用式(18)~(21),求出正、负理想解. 构建如表5所示的游艇设计方案与正、负理想解的距离.

表 5   游艇设计方案的正、负理想解

Tab.5  Positive and negative ideal solutions of yacht design scheme

评价指标 二级指标 正理想解 负理想解
S1 S2 S3 S4 S5 S6 S1 S2 S3 S4 S5 S6
I1 I11 0.028 0.037 0.013 0.058 0.058 0.005 0.018 0.013 0.037 0.025 0.025 0.069
I1 I12 0.008 0.005 0.002 0.014 0.035 0.002 0.001 0.005 0.008 0.031 0.015 0.043
I2 I21 0.039 0.026 0.009 0.006 0.012 0.001 0.006 0.019 0.037 0.010 0.005 0.014
I2 I22 0.000 0.001 0.004 0.000 0.003 0.005 0.005 0.004 0.002 0.006 0.004 0.002
I3 I31 0.006 0.002 0.024 0.003 0.019 0.001 0.024 0.027 0.008 0.021 0.007 0.022
I3 I32 0.007 0.014 0.000 0.001 0.007 0.003 0.011 0.006 0.017 0.008 0.004 0.006

新窗口打开| 下载CSV


3)利用式(22),计算如表6所示的各游艇设计方案综合满意度的贴近度. 由上述分析可知所有方案与理想最优方案的贴近度,根据贴近度对游艇设计方案满意度进行排序:S4>S2>S5>S1>S3>S6. 可得如图6所示的基于用户需求的游艇设计优选方案S4.

表 6   游艇设计方案的贴近度

Tab.6  Close degree of yacht design

设计方案 正理想解 负理想解 贴近度
S1 0.333 0.302 0.525
S2 0.355 0.306 0.537
S3 0.240 0.402 0.374
S4 0.328 0.308 0.539
S5 0.337 0.305 0.526
S6 0.413 0.202 0.309

新窗口打开| 下载CSV


图 6

图 6   游艇设计优选方案(S4)

Fig.6   Yacht design optimization scheme(S4)


为了验证该方法的有效性,邀请用户对云平台所评选的设计方案进行满意度评价. 采用基于用户偏好的多维评价系统,对该方案进行评价. 该评价系统依附于云平台网页,采用HTML、CSS与JavaScript相结合的编写方式. 用户可以进行传统平台的打分评价和文字评价,为系统精确推荐提供后台数据服务. 如图7所示为云服务模式下游艇设计方案的优选决策结果.

图 7

图 7   游艇设计方案评价

Fig.7   Satisfaction evaluation for yacht design


5. 结 语

本文提出云服务模式下基于用户多目标需求的设计方案的优选决策方法. 通过结合目前已有的多目标评价方法以及云服务模式,系统构建基于质量功能配置与粗糙集理论的设计方案优选决策3阶评定模型. 建立一套系统性、层次性、合理性的基于用户需求的设计方案评价指标体系. 该方法以满足用户需求为出发点,通过利用开放共享、服务创新的工业设计云服务平台的交互环境,引入用户参与优选决策的过程方式和模糊评价机制,对丰富云服务模式下的多目标优选决策的方法体系具有一定意义,为用户个性化设计服务提供技术支撑. 在今后的研究中,侧重于把用户的个性化需求反映到设计云服务平台的创新过程中来,将云服务模式与3D打印个性化定制相结合,探索云服务模式下的多目标评价技术.

参考文献

杜瑞忠, 田俊峰, 张焕国

基于信任和个性偏好的云服务选择模型

[J]. 浙江大学学报: 工学版, 2013, 47 (1): 53- 61

[本文引用: 1]

DU Rui-zhong, TIAN Jun-feng, ZHANG Huan-guo

Cloud service selection model based on trust and personality preferences

[J]. Journal of Zhejiang University: Engineering Science, 2013, 47 (1): 53- 61

[本文引用: 1]

张倩, 齐德昱

面向服务的云制造协同设计平台

[J]. 华南理工大学学报: 自然科学版, 2011, 39 (12): 75- 81

ZHANG Qian, QI De-yu

Service oriented cloud manufacturing collaborative design platform

[J]. Journal of South China University of Technology: Natural Science Edition, 2011, 39 (12): 75- 81

WU D, ROSEN D W, WANG L, et al

Cloud-based design and manufacturing: a new paradigm in digital manufacturing and design innovation

[J]. Computer Aided Design, 2015, 59: 1- 14

DOI:10.1016/j.cad.2014.07.006      [本文引用: 1]

初建杰, 李雪瑞, 余隋怀

面向工业设计全产业链的云服务平台关键技术研究

[J]. 机械设计, 2016, 33 (11): 125- 128

[本文引用: 1]

CHU Jian-jie, LI Xue-rui, YU Sui-huai

Key technologies of cloud service platform oriented to the whole chain of industrial design

[J]. Computer Integrated Manufacturing System, 2016, 33 (11): 125- 128

[本文引用: 1]

刘敬, 余隋怀, 初建杰, 等

设计云服务平台下的网络团队成员优选决策

[J]. 计算机集成制造系统, 2017, 23 (6): 1205- 1215

[本文引用: 1]

LIU Jing, YU Sui-huai, CHU Jian-jie, et al

Member optimal selection of network team

[J]. Computer Integrated Manufacturing Systems, 2017, 23 (6): 1205- 1215

[本文引用: 1]

樊佳爽, 余隋怀, 初建杰, 等

面向工业设计云服务平台的多目标创意设计评价方法

[J]. 计算机集成制造系统, 2019, 25 (01): 173- 181

[本文引用: 1]

FAN Jia-shuang, YU Sui-huai, CHU Jian-jie, et al

Multi-objective creative design evaluation method for industrial design cloud service platform

[J]. Computer Integrated Manufacturing Systems, 2019, 25 (01): 173- 181

[本文引用: 1]

陈健, 莫蓉, 初建杰, 等

工业设计云服务平台协同任务模块化重组与分配方法

[J]. 计算机集成制造系统, 2018, 24 (03): 720- 730

[本文引用: 1]

CHEN Jian, MO Rong, CHU Jian-jie, et al

Modular restructuring and distribution method of collaborative task in industrial design cloud platform

[J]. Computer Integrated Manufacturing System, 2018, 24 (03): 720- 730

[本文引用: 1]

FERRER A, HERNANDEZ F, TORDSSON J, et al

OPTIMIS: a holistic approach to cloud service provisioning

[J]. Future Generation Computer Systems, 2012, 28 (1): 66- 77

DOI:10.1016/j.future.2011.05.022      [本文引用: 1]

WANG S, LIU Z, SUN Q, et al

Towards an accurate evaluation of quality of cloud service in service-oriented cloud computing

[J]. Journal of Intelligent Manufacturing, 2014, 25 (2): 283- 291

DOI:10.1007/s10845-012-0661-6      [本文引用: 1]

YAMATO Y, SHIGEMATSU N, MIURA N

Evaluation of agile software development method for carrier cloud service platform development

[J]. IEICE Transactions on Information and Systems, 2014, 97 (11): 2959- 2962

[本文引用: 1]

FAN J, YU S, CHU J, et al

Research on multi-objective decision-making under cloud platform based on quality function deployment and uncertain linguistic variables

[J]. Advanced Engineering Informatics, 2019, 42 (10): 100932

[本文引用: 1]

郝楠楠, 郑兵, 张超勇

灰模糊积分在多目标决策中的应用

[J]. 浙江大学学报: 工学版, 2018, 52 (4): 663- 673

[本文引用: 1]

HAO Nan-nan, ZHENG Bing, ZHANG Chao-yong

Application of grey fuzzy integral in multi-objectivedecision making

[J]. Journal of Zhejiang University: Engineering Science, 2018, 52 (4): 663- 673

[本文引用: 1]

王仁超, 邓剑, 曹婷婷

基于改进VIKOR法的进度计划方案选择问题研究

[J]. 浙江大学学报: 工学版, 2016, 50 (10): 2025- 2030

[本文引用: 1]

WANG Ren-chao, DENG Jian, CAO Ting-ting

Selection of construction project schedule alternatives based on improved method

[J]. Journal of Zhejiang University: Engineering Science, 2016, 50 (10): 2025- 2030

[本文引用: 1]

邱华清, 耿秀丽

基于多目标规划的产品延伸服务规划方法

[J]. 计算机集成制造系统, 2017, (8): 2061- 2070

[本文引用: 1]

QIU Hua-qing, GENG Xiu-li

Planning approach for product-extension service based on multi-objective optimization

[J]. Computer Integrated Manufacturing Systems, 2017, (8): 2061- 2070

[本文引用: 1]

SUZUKI S, NIJKAMP P

An evaluation of energy-environment-economic efficiency for EU, APEC and ASEAN countries: design of a target-oriented DFM model with fixed factors in data envelopment analysis

[J]. Energy Policy, 2016, 88: 100- 112

DOI:10.1016/j.enpol.2015.10.007      [本文引用: 1]

CHOA J, LEE J

Development of a new technology product evaluation model for assessing commercialization opportunities using Delphi method and fuzzy AHP approach

[J]. Expert Systems with Applications, 2013, 40 (13): 5314- 5330

DOI:10.1016/j.eswa.2013.03.038      [本文引用: 1]

ESTRELLA F J, ESPINILLA M, MARTINEZ L

Fuzzy linguistic olive oil sensory evaluation model based on unbalanced linguistic scales

[J]. Journal of Multiple-Valued Logic and Soft Computing, 2014, 22 (46): 501- 520

[本文引用: 1]

KANNNAN D, KHODAVERDI R, OLFAT L, et al

Integrated fuzzy multi criteria decision making method and multi-objective programming approach for supplier selection and order allocation in a green supply chain

[J]. Journal of Cleaner Production, 2013, 47 (05): 355- 367

[本文引用: 1]

乔现玲, 胡志刚

基于质量屋的缝纫机产品改良设计决策研究

[J]. 制造业自动化, 2011, 33 (6): 139- 142

DOI:10.3969/j.issn.1009-0134.2011.3b.48      [本文引用: 2]

QIAO Xian-ling, HU Zhi-gang

Study on improvement design decision of sewing product based on house of quality

[J]. Manufacturing Automation, 2011, 33 (6): 139- 142

DOI:10.3969/j.issn.1009-0134.2011.3b.48      [本文引用: 2]

QU M, YU S, YU M

An improved approach to evaluate car sharing options

[J]. Ecological indicators, 2017, 72 (02): 686- 702

[本文引用: 2]

LI X, YU S, CHU J

Optimal selection of manufacturing services in cloud manufacturing: a novel hybrid MCDM approach based on rough ANP and rough TOPSIS

[J]. Journal of Intelligent and Fuzzy Systems, 2018, 34 (6): 4041- 4056

DOI:10.3233/JIFS-171379      [本文引用: 4]

/