云服务模式下设计方案的优选决策方法
Optimal decision-making method of design scheme in cloud service mode
通讯作者:
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:
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:
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:
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.
FAN Jia-shuang, YU Sui-huai, CHU Jian-jie, WANG Hui, CHEN Chen, CUN Wen-zhe, CHEN Tian, GUO Jia-yan.
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
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
式中:
式中:
式中:E表示用户需求对评价指标的综合影响程度,
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].
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.
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.
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:
式中:
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].
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]:
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:
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:
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:
式中:
4)标准化粗糙群评价矩阵.
式中:
其中
5)计算加权标准化评价矩阵[21]:
式中:
6)计算正理想解及负理想解[21].
式中:
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
式中:
8)计算贴近度[21]:
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
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 |
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
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 |
图 4
表 3 游艇方案的用户需求与评价指标的关系矩阵
Tab.3
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 |
图 3
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
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
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] |
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
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 |
表 6 游艇设计方案的贴近度
Tab.6
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 |
图 6
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
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
基于信任和个性偏好的云服务选择模型
[J].
Cloud service selection model based on trust and personality preferences
[J].
面向服务的云制造协同设计平台
[J].
Service oriented cloud manufacturing collaborative design platform
[J].
Cloud-based design and manufacturing: a new paradigm in digital manufacturing and design innovation
[J].DOI:10.1016/j.cad.2014.07.006 [本文引用: 1]
面向工业设计全产业链的云服务平台关键技术研究
[J].
Key technologies of cloud service platform oriented to the whole chain of industrial design
[J].
设计云服务平台下的网络团队成员优选决策
[J].
Member optimal selection of network team
[J].
面向工业设计云服务平台的多目标创意设计评价方法
[J].
Multi-objective creative design evaluation method for industrial design cloud service platform
[J].
工业设计云服务平台协同任务模块化重组与分配方法
[J].
Modular restructuring and distribution method of collaborative task in industrial design cloud platform
[J].
OPTIMIS: a holistic approach to cloud service provisioning
[J].DOI:10.1016/j.future.2011.05.022 [本文引用: 1]
Towards an accurate evaluation of quality of cloud service in service-oriented cloud computing
[J].DOI:10.1007/s10845-012-0661-6 [本文引用: 1]
Evaluation of agile software development method for carrier cloud service platform development
[J].
Research on multi-objective decision-making under cloud platform based on quality function deployment and uncertain linguistic variables
[J].
灰模糊积分在多目标决策中的应用
[J].
Application of grey fuzzy integral in multi-objectivedecision making
[J].
基于改进VIKOR法的进度计划方案选择问题研究
[J].
Selection of construction project schedule alternatives based on improved method
[J].
基于多目标规划的产品延伸服务规划方法
[J].
Planning approach for product-extension service based on multi-objective optimization
[J].
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].DOI:10.1016/j.enpol.2015.10.007 [本文引用: 1]
Development of a new technology product evaluation model for assessing commercialization opportunities using Delphi method and fuzzy AHP approach
[J].DOI:10.1016/j.eswa.2013.03.038 [本文引用: 1]
Fuzzy linguistic olive oil sensory evaluation model based on unbalanced linguistic scales
[J].
Integrated fuzzy multi criteria decision making method and multi-objective programming approach for supplier selection and order allocation in a green supply chain
[J].
基于质量屋的缝纫机产品改良设计决策研究
[J].DOI:10.3969/j.issn.1009-0134.2011.3b.48 [本文引用: 2]
Study on improvement design decision of sewing product based on house of quality
[J].DOI:10.3969/j.issn.1009-0134.2011.3b.48 [本文引用: 2]
An improved approach to evaluate car sharing options
[J].
Optimal selection of manufacturing services in cloud manufacturing: a novel hybrid MCDM approach based on rough ANP and rough TOPSIS
[J].DOI:10.3233/JIFS-171379 [本文引用: 4]
/
〈 |
|
〉 |
