文摘

由于激烈的市场竞争,如何提高产品质量和降低开发成本决定了企业的核心竞争力。然而,设计迭代通常会导致增加产品成本和开发时间的延迟,所以如何识别和模型之间的耦合任务在产品设计和开发已成为企业一个重要的问题来解决。本文探讨了世界模型中存在的缺陷和撕裂的方法以及内部迭代法是用于补充经典的世界模型。此外,还介绍了ABC算法找到最优解耦方案。在本文中,首先,撕裂的方法和内部迭代法分析求解耦合集。其次,这两种技术相结合的混合迭代模型建立。第三,高性能群集智能算法,采用人工蜜蜂殖民地,意识到解决问题的。最后,给出了一个化学处理系统的工程设计,以验证其合理性和有效性。

1。介绍

由于激烈的市场竞争,产品设计和开发过程面临着一个巨大的挑战。此外,在工业化的初期阶段,主要在于产品的价格竞争力。只有在产品廉价和可用的,他们会在市场上的竞争优势。这种类型的竞争被命名为基于成本的竞争。然而,随着经济的发展,质量、上市时间、和服务出现胜过,导致竞争是基于质量以及时间。成功的结果,在这种竞争中,有必要对大多数企业更快地引入一些新的有竞争力的产品,占领全球市场份额。这也意味着新产品开发已成为保持核心竞争力的关键因素。因此,许多企业采用并行工程(CE)技术来支持产品的设计和开发。然而,由于现有耦合在产品设计和开发中,很难管理这一过程。特别是当需要执行可能产生新的信息流或影响其他相互依赖的任务,更复杂的相互依赖的任务将生成之间的信息流动。 At the same time, due to the randomness of information flow, incomplete information may often be used for design decision, which usually leads to design iteration [1]。设计迭代通常会导致增加产品成本和开发时间的延迟,所以如何识别和模型之间的耦合任务在产品设计和开发已成为企业一个重要的问题来解决。

许多传统的项目管理技术(如甘特图、关键路径方法(CPM),并统筹安排(PERT))只有描述的顺序和并行关系,而不是相互依赖关系的任务。设计结构矩阵(DSM)模型提出的管家(2)可以表达的相互依赖的关系以及迭代关系引发的。它是一个有用的工具在并行工程管理和实施。此外,在实际的产品开发过程,从机设备、资源约束员工,应该考虑等等,但传统方法不能处理这个问题。因此,在本文中,我们使用DSM识别和分析设计迭代。在目前的研究中,只有有效的迭代被认为是,但一些无效的尤其是有害没有研究。然而,由于这些无效的现有的迭代,整个产品的设计和开发过程可能不收敛。因此,如何避免这些有害迭代需要进一步研究。

在本文中,我们使用撕裂方法结合内部耦合迭代技术来处理任务,撕裂的方法用于大耦合集分解成一些小的和内部迭代技术找出迭代的成本。本文组织如下。节2调查,我们前面的文献耦合关系的处理。部分3介绍了模型求解耦合任务集基于撕裂方法和内部迭代技术。节4,一个高效的人工蜂群算法(ABC)用于搜索算法模型的解决方案。节5,该模型应用于化学处理系统的工程设计和一些讨论结果。部分6提供我们的结论和本研究的潜在扩展。

2。相关的工作

DSM是一种有效的管理工具对新产品的开发。在过去的几十年中,许多研究表明其效率。目前,DSM已广泛应用于大型项目的分解和聚类(3,4),识别耦合任务和最小化项目的持续时间5,6)、项目调度(7- - - - - -10),等等。因为耦合任务是产品开发的一个关键特征,如何处理之间的耦合任务是当前一个热点问题。

燕et al。11,12)专注于优化上游和下游产品设计任务之间的并行工艺设计任务的并行工程产品开发模式。首先,一个并行产品开发过程的新模型,也就是说,设计任务组模型,建立了。在这个模型中,产品和过程设计任务进行并发与整个设计过程分为几个阶段,每两个分离的设计审查工作。设计评审的任务可能导致设计迭代以一定概率的速度。因此,提出了一种基于理论的概率方法计算设计任务组的平均持续时间和平均工作负载的设计和审查任务,考虑与设计迭代。然后,并发优化数学定义的问题,其目标是最小化总成本设计任务组的延迟完成时间和不必要的设计修改工作负载。他们的研究证明了成本函数是凸对设计任务之间的并发程度(或重叠),它必须有一个最小值在一个独特的最佳点。

黄和顾13,14)认为产品开发过程是一个动态系统,反馈反馈控制理论的基础上。动态模型及其设计结构矩阵。模型及其设计结构矩阵可以分为远来反映设计的交互和反馈信息。开发过程的模式和方向可以选择满足约束的过程数据流和过程控制。提出了一种模糊评价方法来评估性能的动态发展过程;这使得开发过程优化重组设计约束的基础上,重新设计流程,以及重组设计师的偏好。最后,应用程序显示,对产品开发过程建模作为一个动态系统,反馈是一个很有效的方法实现生命周期设计、优化整个开发过程,提高并发度,加速信息流动,减少修改频率。然而,由于复杂的产品开发,这个模型没有考虑任务之间的货币和重叠。它的效率需要进一步的研究和验证。

Zhang et al。15)建造了一个新的方法来测量耦合强度和第一个迭代计算的总工作量的不同耦合任务的序列,从而确定最佳的耦合任务序列基于存在的研究。然而,这个模型可能不符合实际的产品开发过程也是依赖于专家的经验。此外,肖et al。16)采用层次分析法(AHP)来处理耦合任务,这可能造成质量损失。

史密斯和埃平(17,18)建立了两个不同的迭代模型基于DSM。一个是连续的迭代模型,另一个是并行迭代模型。前者认为耦合任务是一个接一个地执行,返工由概率规则。重复的概率和任务的持续时间被假定常数。过程建模为马尔可夫链和分析可以用来计算交货时间为纯粹的序贯例和识别耦合任务的最优序列迭代时间降到最低。这个模型的主要限制是如何确定重复和返工概率是很困难的。后者认为耦合设计任务都是并行执行和迭代是由一个线性返工规则。这个模型使用扩展DSM叫做工作变换矩阵(世界)来确定迭代司机和的性质和过程的收敛速度。世界已广泛应用于许多领域。例如,Fontanella et al。19工作变换矩阵的)开发了一个系统的表示方法,离散状态空间描述的开发过程。这种表示方法,开发过程的动力学可以很容易地调查和预测,利用完善的离散系统分析和控制合成技术。此外,昂et al。20.)开发非均匀和齐次状态方程的概念,针对非一个监测和控制的稳定性和收敛速度的开发任务,同时预测开发迭代的数量;同质的没有考虑外部扰动和其响应只是由于初始条件。

肖et al。21)提出了一个模型求解耦合任务集基于资源水平的策略。然而,假设一旦确定资源分配的耦合任务集,然后,在迭代的过程中,他们不再改变。它并不完全符合实际产品开发过程。所以,作者(22)进一步提出了一种基于反馈控制理论的方法来分析开发迭代在动态环境中。首先,不确定的因素,如任务持续时间,输出的分支任务,资源分配,现有产品开发进行了探讨。其次,提出满足mba反馈控制方法。这种方法包括两个场景:确定满意度和迭代过程的监测和控制。最后,提供了起重机发展的一个例子来说明分析和处理过程。

不同于上面的研究,我们提出一个方法来解决耦合任务集结合撕裂方法和内部迭代技术。其明显的优势在于识别无效的迭代过程,进一步分析其对时间和成本的影响整个产品开发过程。

3所示。建模设计迭代基于撕裂方法和内部迭代技术

3.1。经典的局限性WTM模型识别设计迭代

在经典的世界模型中,在每一行或每一列的条目的WTM总和小于1,保证一个单位的工作在某些任务在迭代将创建不到一个单位在未来阶段的工作任务。这样的设计和开发过程将收敛。然而,在实际产品设计和开发过程中,可能会出现一些意想不到的情况。例如,没有给定的规范或技术上可行解决方案设计师不愿意妥协达成解决方案,代表相应的设计过程不收敛和条目在每一行或每一列的世界和不止一个。图1表示这种情况。从中我们可以看到在第一列求和的条目。这个设计和开发过程不稳定,整个过程不收敛。

撕裂的过程选择的反馈是,如果从矩阵中删除(然后重新分区矩阵)将呈现一个下三角矩阵。的标志,我们删除矩阵被称为“眼泪”(23]。根据其定义,一组原始大耦合可以通过撕裂转化成一些小的方法。在这一过程中,这些小耦合设置很容易满足世界的先决条件。耦合设置如图1作为一个例子;撕裂的方法后,两个小的(即。,(A, B) and (C, D)) are obtained as shown in Figure2。我们可以看到从图2的条目在每一行或每一列的这两个耦合的集总和小于1和世界模型可用于这种情况。

然而,因为撕裂算法忽略了任务之间的依赖关系事实上,一些可能产生质量损失。因此,如何减少这些损失需要研究质量。在图2,存在许多撕裂的结果。例如,图3显示了两个不同的结果使用撕裂方法和多元质量损失,象征””表示依赖关系中被忽视的任务。

根据上述分析,不难发现撕裂方法可以将大耦合集转换为一些小的但是可能会带来一些质量损失。因此,质量损失的一个重要指标在使用撕裂处理耦合的方法集。此外,应该考虑开发成本是另一个重要指标,当使用世界模型。摘要混合迭代模型用于解决耦合设置设置。在这个模型中,定义了两个目标包括质量损失和开发成本,提出了约束条件,满足世界模型的前提。以下部分将分析如何构建这个模型。

3.2。基于混合迭代建模设计迭代策略

对一组耦合的,其执行时间TT(总时间)包括任务传输和交互的消耗时间。定义了任务执行序列在撕裂这个问题的抽象模型 撕裂运营商的目标是寻找一个可行的任务执行顺序,使执行时间最短;然而,公式(1)是非常抽象的,需要进一步讨论。表示一个可行的任务执行顺序后撕裂一组耦合的。每一个可行的任务序列对应于一种时间消费。表达的关系是: 在哪里代表任务序列通过th撕裂操作耦合任务集和函数用于计算相应的设计和执行消耗的时间吗任务序列。

假设耦合任务集撕裂的方式;结合公式(2)、公式(1可以转换成)

公式(3)是基于任务传输和交互的综合模型。从这个模型可以看出最短任务传输和交互代表一个最优的任务执行顺序。根据这一任务序列,整个设计耦合设置持续时间最短的一个。此外,综合时间的测量来计算执行时间所有的任务。测量任务传输和交互描述如下: 在哪里是实际的传输时间。可以通过以下公式计算,在哪里是影响的数量的影响,的值是,的重量是:

根据分析,该模型可以建立基于以下假设18]。(1)所有任务都在每个阶段完成的。(2)返工执行是一个函数的工作做在前面的迭代阶段。(3)矩阵的工作转换参数不随时间变化。

我们用公式(5)上面提到的第一个目标函数用于测量分离过程的质量损失。开发成本,另一个目标函数是通过使用累积的和整个迭代过程。此外,模型的约束条件可以表示如下:,这使得条目在每一行或每一列之和小于1。基于这些分析,本文的混合模型建立了描述如下: 公式(6)和(7)目标函数,第一个代表质量损失和其他开发成本。符号在约束条件(8)表示小的撕裂方法和后套是一个元素。这个约束条件用于确保分解小耦合可以收敛。

4所示。人工蜂群算法寻找一个算法的解决方案

混合模型建立在上面的部分是困难的在等传统的方法找到最优解的分枝定界法和拉格朗日松弛法。由于其简单性和高性能的搜索能力,启发式算法已广泛应用于np难问题。作为一个新的群体智能算法,人工蜂群算法(ABC)有很强的局部和全局搜索能力和被应用到各种各样的工程优化问题。在本节中,ABC算法是用来解决耦合问题。

4.1。人工蜂群算法

ABC算法最最近推出了优化算法的启发,聪明的蜜蜂群的觅食行为。这是首先提出Karaboga [24)优化多变量数值的功能。此外,Basturk et al。25]应用ABC与约束函数优化的仿真结果表明,这种智能算法优于其他启发式算法,如蚁群优化(ACO) [26),粒子群优化(PSO) (27),和人工植物优化(APO) (282006年)。此外,ABC算法也被用于解决大规模问题和工程设计优化。介绍了一些代表应用程序如下。辛格(29日]应用ABC算法leaf-constrained最小生成树(LCMST)问题和方法与遗传算法相比,算法,禁忌搜索。在文献[29日),据报道,该算法优于其他方法的解决方案质量和计算时间。Zhang et al。30.]发达ABC聚类算法最优分区目标进集群和Deb的规则被用来直接每个候选人的搜索方向。锅等。31日)使用离散ABC算法解决lot-streaming流水车间调度问题的标准总加权早熟和空转和no-idling情况下迟到的处罚。Samanta和Chakraborty32]采用ABC算法搜索出最优的组合不同的操作参数三个广泛使用非传统加工(特种加工)过程,也就是说,电解加工、电化学放电加工和电化学微加工过程。陈和居33)使用改进的ABC算法来解决干扰场景下的供应链网络设计。计算模拟揭示了ABC方法是比别人更好的解决这个问题。白(34)开发的小波神经网络算法)结合的新型人工蜂群黄金价格预测问题。实验结果证实了新算法融合的速度比传统的ABC在一些经典基准测试函数和有效地提高建模能力将对黄金价格预测的方案。所有这些研究说明ABC算法拥有强大的能力来解决更复杂的工程问题(35,36]。

在基本ABC算法,人工蜜蜂的殖民地包含三组蜜蜂:采用蜜蜂,旁观者,童子军。采用蜜蜂确定社区内的食物来源的食物来源记忆和分享他们的信息与蜂巢内的旁观者,而旁观者选择一个食物来源根据这个信息。此外,一只蜜蜂进行随机搜索称为侦察。在ABC算法,上半年的殖民地由蜜蜂和剩下的一半包括旁观者。只有一个雇佣蜂对应一种食物来源。也就是说,利用蜜蜂的数量等于食物来源在蜂巢的数量。食物源的位置代表一个可能的解决方案的优化问题和食物来源的花蜜量对应的质量(健身)相关的解决方案。

充满了初始种群的解决方案随机生成的数维实值向量(即。食物来源)。生成每个食物来源如下: 在哪里,,和维度的上下界限吗,分别。随机分配到这些食物来源采用蜜蜂和评估他们的健康。

为了产生一个候选人从旧的食物的位置,美国广播公司使用下列方程: 在哪里和是随机选择的索引。虽然是随机决定的,它必须是不同的。是一个随机号码范围。一次,它将被评估和比较。如果健身等于或比这更好,将取代,成为一个新成员的人口;否则是保留。

毕竟采用蜜蜂完成搜索,旁观者评估花蜜信息取自食物来源的所有蜜蜂和选择一个网站与概率有关其花蜜量。基本ABC,轮盘赌选择方案,其中每一块的大小成正比的健身价值工作如下: 在哪里解决方案的健身价值吗。显然,越高是,更多的概率是选择的食物来源。

如果一个职位不能进一步改善通过预定数量的周期,那么食物来源被认为是放弃了。巡防队可以偶然发现丰富,完全未知的食物来源根据(9)。预定数量的周期的价值被称为“限制“放弃食物来源,这是一个重要的ABC算法的控制参数。

有三个控制参数中使用基本的ABC:食物来源的数目等于雇佣蜂的数量的价值,限制和最大循环数(男人)。图4总结了基本的ABC的步骤。

4.2。一种新型人工蜂群算法标识设计迭代

迭代模型构建部分3是一个典型的np难问题。因此,很难使用传统技术找出最优解。在过去的几十年中,ABC算法,作为一个典型的群体智能方法,更适合解决组合优化问题。然而,基本的ABC算法中提到的部分4.1只是为了解决连续函数优化问题和不适合离散问题。因此,在本节中,我们设计离散ABC算法解决耦合集和详细过程如下所示。

(1)解决方案表示。根据问题的特点,采用实数编码。解决方案表示如图5。因为矩阵包括三行三列,真正的数字1,2,3代表DSM的相应的行和列矩阵,分别。图5显示了三个不同的染色体代表三种不同的传播模式。

(2)种群初始化。保证一个初始人口有一定的质量和多样性,我们使用两种策略。一个是分配一个随机生成的解决方案,每一个雇佣蜂;另一个是生成的部分食物来源利用经验知识,描述了非耦合方案减少质量损失或降低开发成本。

(3)食物来源评估。在这个离散ABC算法,有两个指标用于评估食物来源:一个是质量损失当使用撕裂方法所描述的公式(6);另一种是开发成本由迭代过程被定义为公式(7)。注意,这两个目标是相互排斥的。这意味着更多的质量损失是开发成本越低,反之亦然。相对应的两个极端情况下最大质量损失和最小开发成本图所示6。从图可以看出6假设耦合组由5个任务。在第一个情况,如果撕裂的方法是不使用,不存在质量损失在开发过程和世界模型用于分析耦合设置。然而,在每一行或每一列的条目应该和不止一个,以满足世界模型的前提。否则,整个开发过程不收敛。其他情况表示任务之间的依赖关系不被认为是和大耦合集分解为五个独立的任务。开发成本等于这些五项任务的成本的总和所描述任务的执行时间。在这种情况下,由于没有现有的迭代,开发成本是最低的。ABC的目标搜索算法是一种可行的解耦方案,以减少开发成本和质量损失。本文设置权重采用将多目标问题转化成一个简略,简化解题过程。

(4)采用蜜蜂阶段。采用蜜蜂产生食物来源在附近的位置ABC算法。本文三个操作包括交换、插入、和逆是用来产生邻近的解决方案,在交换算子定义为交换两个任务在不同的位置,在插入一个定义通过删除一个任务从原来的位置并将它插入一个新的位置和最后一个,逆。生成一个邻居的反演两个任务之间的序列在不同的位置。详细的表示如图7。注意,如果邻近的解决方案不满足偏好约束,应该保留旧的。此外,为了丰富搜索区域和人口多样化,五个相关方法基于交换,插入,或逆运营商采用生产邻国解决方案,如下所示:(1)执行一个交换算子序列;(2)执行一次插入算子序列;(3)执行两个交换运营商一个序列;(4)执行两个插入操作符序列;(5)执行两个逆操作序列。

食物在附近的位置上面提到的评价过程中可能有不同的表现,所以应该选择一个可行的学习形式。此外,对于食物的选择,如果新的食物来源比当前的一个,新的一个应该被接受。这也意味着贪婪选择采用。

(5)旁观者蜜蜂阶段。在基本ABC算法,一个旁观者蜜蜂选择食物来源根据概率值相关的食物来源。换句话说,旁观者蜜蜂选择进行比较后的食物来源之一当前位置周围的食物来源,这是类似于“轮盘赌选择”。在这篇文章中,我们还保留这种方法使算法快速收敛。

(6)侦察蜂阶段。在基本ABC算法,一个侦察随机产生一种食物来源。这样可以减少搜索效果,因为最好的食物来源的人口通常比其他人更好的信息。因此,本文使用几个交换童子军产生一种食物来源,插入和逆人口运营商最好的食物来源。此外,为了避免陷阱的算法陷入局部最优,这个过程应该重复几次。

(7)处理约束条件。约束条件可能影响分离的可行性方案。因此,我们引入罚函数法处理约束条件,使该计划不满足约束条件的可能性较低在下一代中选择。

5。应用实例

在本节中,一个数值例子推导从化学处理系统的工程设计37)是利用,以便了解建议的方法。在这个例子中,一个化学处理系统的工程设计有20个任务和详细的任务信息表中列出1。首先,DSM方法用于模型之间的依赖关系的任务;然后采用层次分析法(AHP)建立了0 - 1 DSM和分区算法找出存在的耦合集DSM;随后,介绍了混合迭代模型提出了解决解耦问题;最后,仿真。

在第一步中,根据依赖关系建模技术中提到的文献[2),DSM模型设置如图8,空元素代表没有两个任务之间的关系和数字“1”表示输入或输出信息的任务之一。例如,任务1需要信息从13岁和15岁时执行任务。此外,任务1必须提供信息任务4、5、10、14、16和18;否则他们不能开始。尽管如此,图8只表示“存在”的属性之间的依赖不同的任务。为了进一步揭示它们的矩阵结构,需要量化任务之间的依赖关系。

因为量化任务之间的依赖关系有助于揭示基本特征的任务,我们引入一个双向比较方案(4)将二进制DSM转换成数值。这种方法的主要标准是进行两两比较的方法之一任务在任务的另一种方法行和列来衡量不同任务之间的依赖关系。行一点的行操作的角度来看,每个任务将作为标准来评估的相对非零元素的连接措施这一行。这意味着任务的每一对行,哪一个可以提供比其他的输入信息。同样,在列的角度来看,每个任务在列将作为标准来评估相对连接列的措施。这也意味着对于每一对任务在列相比,哪一个可以接收更多的输出信息。详细过程省略了由于本文的长度限制和作者可以引用文献[4这种方法的了解。最后的数字DSM如图9。

随后,采用分区算法和5子流程如图10。第一子流程包含3任务,比如3,7和12,它们可以执行没有别人的输入信息;第二个由任务2、9日13日和15日,他们必须接受信息从第一子流程;第三个是一套大型耦合包括任务1、4、5、8、10、11、17日和18日,所有的任务是相互依存;第四个是一个小的耦合组任务由6日14日,16日,19日和20日,所有的任务必须依靠信息从第一、第二、第四子流程。第五个16和19包括任务和任务之一是独立的。从图可以看出10块2是一个小的集和经典的世界可以用来解决这个问题。然而,1块是一个大型的耦合设置和条目在每一行或每一列的世界和不止一个,所以在这种情况下应该使用混合迭代法。

当使用混合迭代模型,撕裂的方法是应用于大型耦合设置转换成一些小国,然后改善ABC算法找到最优解耦方案根据测量两个目标包括质量损失和开发成本。ABC算法的相关参数设置如下:,,。模拟结果如图11和12。由于这两个目标的排他性,最好的撕裂的结果应该带的最小质量损失和原始的耦合不分解。然而,迭代过程不收敛和开发过程是不可行的。此外,最低开发成本对应八个独立的任务和任务之间的关系都是不考虑。开发成本可以计算如下:(元/次)。

此外,double-objectives在耦合集分解的影响进行了分析。图13描述了变化曲线包括这两个目标。从中我们可以看到,不同的方案有自己的优势。决策者可以选择不同的设计迭代过程根据实际产品开发需求。例如,表2显示开发成本和质量损失相应的不同解耦方案,设计工程师可以选择不同的策略集分解大的耦合。根据不同的策略,预期目标可能以牺牲其他的实现。总之,开发成本越高,降低质量损失,反之亦然。

6。结论

本文探讨了世界模型中存在的缺陷和撕裂的方法以及内部迭代法是用于补充经典的世界模型。此外,还介绍了ABC算法找到最优解耦方案。主要工作如下:首先,撕裂的方法和内部迭代法分析求解耦合集;其次,这两种技术相结合的混合迭代模型建立;第三,高性能群集智能算法,人工蜜蜂殖民地,采用实现解决问题;最后,给出了一个化学处理系统的工程设计,以验证其合理性和有效性。

未来的研究可能会专注于如何扩展模型其他现实世界的实践。此外,如何进一步提高ABC算法的性能是另一个问题需要研究。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究支持由中国国家自然科学基金(批准号71401156和71401156),专业研究基金会对中国高等教育的博士项目(批准号20130142110051),人类和社会学基础中国教育部(批准号11 yjc630019),以及现代商业和贸易合作创新研究中心研究中心和浙江大学Gongshang中国现代商业(批准号14 smxy05yb)。