基于聚類分析與遺傳算法的產(chǎn)品多樣性優(yōu)化研究.pdf

1、大規(guī)模定制是能夠以接近大規(guī)模生產(chǎn)的效率和成本為客戶提供個(gè)性化定制產(chǎn)品的新型生產(chǎn)模式，其實(shí)施成敗的關(guān)鍵在于能否有效解決同時(shí)滿足客戶個(gè)性化的特定需求且保持批量生產(chǎn)的規(guī)模效益之間的矛盾，其中產(chǎn)品設(shè)計(jì)與生產(chǎn)管理過(guò)程中有效的多樣性決策至關(guān)重要，合理的多樣性能夠提供客戶所需要的特定產(chǎn)品與服務(wù)，同時(shí)盡量提高產(chǎn)品之間的共性。目前的事實(shí)是企業(yè)缺乏有效的方法和工具支持科學(xué)的產(chǎn)品多樣性決策，以期既要展現(xiàn)盡可能豐富的產(chǎn)品外部多樣性，又要減少產(chǎn)品內(nèi)部多樣性以降低

2、額外成本和時(shí)間。本文的研究目標(biāo)是研究、開發(fā)或應(yīng)用合適的計(jì)算方法，識(shí)別客戶及產(chǎn)品間的共性與差異化知識(shí)，優(yōu)化產(chǎn)品功能(外部)多樣性與產(chǎn)品設(shè)計(jì)(內(nèi)部)多樣性，為大規(guī)模定制生產(chǎn)模式的實(shí)現(xiàn)提供方法支持。 首先，為提高客戶滿意度，需要對(duì)產(chǎn)品外部多樣性作合理決策，客戶需求分析勢(shì)在必行，實(shí)際上這也是實(shí)現(xiàn)大規(guī)模定制的首要環(huán)節(jié)，本研究側(cè)重于對(duì)歷史交易記錄進(jìn)行分析、挖掘，從客戶需求和產(chǎn)品特征兩個(gè)角度分別劃分客戶群與產(chǎn)品類，從大量歷史客戶需求和產(chǎn)品信息

3、中準(zhǔn)確分析出客戶的真實(shí)偏好及水平，在此基礎(chǔ)上分析并預(yù)測(cè)具有動(dòng)態(tài)特性的客戶/功能需求的發(fā)展趨勢(shì)，為產(chǎn)品外部多樣性決策提供支持。同時(shí)，通過(guò)對(duì)產(chǎn)品的歷史數(shù)據(jù)分析獲取功能需求模式，優(yōu)化產(chǎn)品功能多樣性，并可利用現(xiàn)有產(chǎn)品中積聚的信息與知識(shí)幫助定義新產(chǎn)品，從而更有效的處理客戶訂單。本文結(jié)合聚類分析與信息熵理論提出一種新的功能多樣性優(yōu)化方法，用于分析歷史數(shù)據(jù)以提取具有共性特征的功能需求模式。通過(guò)實(shí)例分析更加細(xì)致的闡述了該方法的整個(gè)實(shí)施過(guò)程，并將所獲取的

4、功能需求模式與其他方法得到的結(jié)果相比較，證明該方法的可行性及有效性。 在產(chǎn)品內(nèi)部多樣性優(yōu)化方面，本文深入探討了定量化的產(chǎn)品平臺(tái)規(guī)劃以及基于平臺(tái)的產(chǎn)品族優(yōu)化方法。目前多數(shù)產(chǎn)品族設(shè)計(jì)方法在平臺(tái)已構(gòu)造基礎(chǔ)上進(jìn)行，或者由設(shè)計(jì)者預(yù)先確定平臺(tái)變量，然而，選擇合理的平臺(tái)與差異化變量組合對(duì)整個(gè)平臺(tái)與最終的產(chǎn)品族設(shè)計(jì)至關(guān)重要；此外，大部分方法采用單平臺(tái)策略，即全部產(chǎn)品在設(shè)計(jì)變量上取公共或完全不同的值，而多平臺(tái)方法中，平臺(tái)變量可依產(chǎn)品相似性取幾個(gè)公

5、共值，可獲得更優(yōu)的產(chǎn)品族全局設(shè)計(jì)方案。本文結(jié)合聚類分析、信息熵理論以及模糊理論中的有效性分析提出一種定量的平臺(tái)規(guī)劃方法。產(chǎn)品族設(shè)計(jì)的目標(biāo)與面臨的最大難題在于合理平衡產(chǎn)品間的共性與各自性能，成功的設(shè)計(jì)方法應(yīng)能在滿足客戶個(gè)性化性能需求的前提下獲取產(chǎn)品族內(nèi)的最大共性。本文將研究參數(shù)化的多平臺(tái)產(chǎn)品族優(yōu)化問(wèn)題及具體方法，特別是單階段優(yōu)化方法。兩部分都結(jié)合通用電動(dòng)機(jī)設(shè)計(jì)實(shí)例詳細(xì)闡述了方法的具體實(shí)現(xiàn)步驟，并對(duì)設(shè)計(jì)方案與其它方法得到的結(jié)果作了比較分析，

6、驗(yàn)證了本文方法的優(yōu)勢(shì)。 為克服傳統(tǒng)方法工具的不足，本文還著重研究開發(fā)相應(yīng)的計(jì)算方法，應(yīng)用于解決產(chǎn)品多樣性決策的相關(guān)核心主題。結(jié)合粗集模型與熵改進(jìn)現(xiàn)有的聚類算法，以克服傳統(tǒng)算法不能處理數(shù)值/語(yǔ)義屬性空間與不完整數(shù)據(jù)、需要指定類數(shù)、聚類結(jié)果對(duì)數(shù)據(jù)輸入順序敏感等問(wèn)題，并應(yīng)用于產(chǎn)品功能多樣性優(yōu)化與平臺(tái)規(guī)劃中的共性知識(shí)識(shí)別。同時(shí)，提出并開發(fā)了具有兩層染色體結(jié)構(gòu)的遺傳算法，用于解決多平臺(tái)產(chǎn)品族設(shè)計(jì)優(yōu)化問(wèn)題，該算法在運(yùn)行過(guò)程中可自動(dòng)改變平臺(tái)共