下载掌阅APP，畅读海量书库
立即打开
现代设计方法体系中，面向产品全生命周期设计、数据驱动设计、可适应设计等方法为产品自适应设计提供了丰富的思想和工具。
20世纪50年代末，由于设计开发经验的长期积累，DFX的原型形成了。六七十年代以后，DFX研究得到重视。其中，X可以代表产品全生命周期的某一环节，如装配、加工、使用、检验、维修、回收等，也可以代表产品竞争力或决定产品竞争力的因素，如质量、成本、时间等。这里的设计不仅仅指产品的设计，也包括产品开发过程和系统的设计。典型的DFX设计方法有DFA（Design for Assembly，面向装配的设计）、DFM（Design for Manufacture，面向制造的设计）、DFI（Design for Inspection，面向检验的设计）、DFS（Design for Service/Maintain/Repair，面向服务/维修的设计）、DFR（Design for Recycling，面向回收的设计）、DFQ（Design for Quality，面向质量的设计）、DFR（Design for Reliability，面向可靠性的设计）、DFE（Design for Environment，面向环境的设计）等。然而，传统的DFX设计方法依然遵循顺序式的开发过程，各阶段的不同设计部门之间缺乏经常性的交流。设计的相关数据、信息基本上是单一流向的，容易导致设计的后期甚至制造阶段的设计变更，因此产品的开发周期长、成本高，且质量无法保证。
20世纪80年代正式提出产品全生命周期设计的概念。全生命周期设计的概念从并行工程思想发展而来 [14] ，为实现产品的并行开发，解决DFX中设计信息交互困难的问题，做到产品开发全过程的数据共享，需要建立能够贯穿产品开发全过程的统一的、具有可扩充性的、能表达不完整信息的全生命周期产品模型，从而保证产品模型在产品开发中的一致性。该产品模型能随着产品开发进程自动扩张，并从设计模型自动映射为不同需求的模型，如制造模型、装配仿真模型、可维护性模型等，同时应能全面表达和评价与产品全生命周期相关的性能指标。产品全生命周期设计是多学科知识与技术在人类生产、社会发展、文化与精神追求等多层次上的融合，涉及的问题十分广博深远。面向产品全生命周期设计的主要研究内容如图1-4所示。
图1-4 面向产品全生命周期设计的主要研究内容
产品自适应设计继承了产品全生命周期设计中考虑产品全生命周期各个阶段的属性及特点，进而确定解决方法的设计理念。同产品全生命周期设计一样，产品自适应设计的主要目的之一便是在设计阶段尽可能预见产品全生命周期里各个环节的问题，并在设计阶段加以解决或设计好解决的途径。例如，在设计阶段对产品全生命周期的所有费用（包括维修费用、停机损失和报废处理费用）、资源消耗和环境代价进行整体分析规划；对从选材、制造、维修、零部件更换、安全保障到产品报废、回收、再利用或降解处理的全过程对自然资源和环境的影响进行分析预测和优化，以积极有效地利用和保护资源、环境，创造好的人机环境，保持人类社会生产的持续稳定发展。基于这种思想，形成了产品自适应设计中的全生命周期“自主感知—智能决策—高效执行”的多级闭环反馈的特征。
产品全生命周期中会产生大量数据，收集和利用好其中有价值的产品数据，对提高产品设计效率、质量及产品竞争力具有重要的现实意义。产品自适应设计针对多源异构的全生命周期制造大数据，采用智能工具进行高效融合，扩展了设计数据感知（采集）范围，能更好地应对用户需求的快速变化。
在新一代信息技术的支持下，通过产品全生命周期中动态的、融合的数据驱动产品设计已成为可能，数据驱动产品设计也取得了长足发展，现在已经是一种运用比较广泛且有效的产品设计方法。美国 Journal of Mechanical Design [7] 2017年出版的《数据驱动设计》专辑中，收集了包括数据驱动设计的基础和平台构建、数据驱动设计的理论和原理、数据驱动设计的工程决策、数据驱动设计的算法研究进展、在线评论大数据驱动设计、大数据驱动的设计与社会计算、众包和人机交互数据驱动设计的不确定性、数据驱动设计的人类行为分析等在内的不同主题的20篇文章，对数据驱动设计进行了较为全面的论述。综合而言，有关数据驱动设计的研究从不同的数据来源（如在线评论、专利运行数据等）、设计阶段（方案设计、参数设计、方案评估等）及研究目标（方案优化、设计流程和系统方法构建）等视角展开。
数据驱动产品设计是一个将设计需求转化为数据信息，并协助研发工程师完成设计目标的过程，一般分为数据采集及转化、数据存储及处理、数据分析及解释三个阶段。根据不同阶段数据的特点，有针对性地开展相应的提取、处理及分析工作，并融入产品设计过程中。数据驱动产品设计方法框架如图1-5所示。
1）数据采集及转化阶段。该阶段根据产品、物流、采购、售后等初步设计需求，查找并获取企业内外已有的全部数据信息。采集方面，预先获取采集权限，并确定链接、地址、域名及路径，结合多线程下载方式及选择触发模式采集数据。转化方面，针对不同格式类型的数据进行转化，例如，将纸质数据转化为电子数据，主要手段包括人工输入和图像扫描；对于图像、视频、语音等非结构化数据和半结构化数据，主要完成特征标注、文本提取及文本转换工作，最终将这些数据连同结构化数据进行统一归纳分类。
图1-5 数据驱动产品设计方法框架 [15]
2）数据存储及处理阶段。该阶段主要根据前一阶段获取的原始数据，同时结合专家经验及行业资料进行查缺和补充；进行专业特征词检索及筛选，并构建不同语种的领域专业词典数据库；根据数据量的大小及提取速度分别选择分布式文件系统HDFS、非关系型数据库NoSQL及分布式数据库DDBS进行存储；对分布式多源异构数据进行集成，以便上层设计工程师可以忽视数据的差异；对数据进行格式转化，如将txt、doc、ppt等格式的文件转化为excel或mysql格式文件，以便机器识别及统一处理；进行一致性检测，并清洗无效数据，同时对重复项进行比较及合并；针对高维空间存在的数据稀疏性高、变量关联复杂、数据量大的问题，对数据进行降维，获取关键信息，并转化为功能、原理、结构及约束等设计知识信息。
3）数据分析及解释阶段。该阶段主要针对数据向量空间进行变量频次计算及排名；根据变量之间的距离计算相似性，并对变量进行聚类及社团分析；统计变量之间的共现概率，计算变量共现置信度，并确定变量之间的相关性，以便推荐不同变量；结合时间维度，对相关变量进行趋势分析；利用图形、图像处理及计算机视觉，通过立体、表面及动画显示对分析过程进行可视化操作；通过人机操作界面，实现数据的实时处理；设计相关系统对数据进行管理；导出数据分析结果，以支持市场需求分析、产品方案生成及综合性能评价等创新设计任务的开展。
数据驱动设计作用于产品设计的各个主要阶段。在需求分析阶段，依据收集和处理后的用户需求与市场数据对关键用户偏好进行分析，采用恰当的权重算法正确地把数据转化为产品的属性和特征，如何有效收集和捕获用户偏好数据是需求分析的重点和难点。在产品概念设计阶段，以全生命周期数据为基础，以设计要求为导向，通过建立产品功能与行为的相关性，找出准确的工作原理，最终形成功能结构合理的设计方案。在产品详细设计阶段，基于产品相关的信息数据，进行设计过程建模及产品建模，构建的过程模型和产品模型能够通过一定的数据建模技术和方法，表达设计变量及过程的变化和转化，并且能够进行模拟仿真验证。此外，数据驱动产品设计需要有相关技术工具支持，如计算机辅助设计软件CAD、CAE、PDM、PLM等，还要有专门开发的集成设计知识库、数据库、案例库和产品模型库等工具。
通过产品全生命周期设计与数据驱动设计等现代设计理论的融合，产品全生命周期的多源异构数据驱动的设计体系已经有了雏形，这也为产品自适应设计中全生命周期数据驱动特点提供了坚实的理论基础。
此外，产品可适应设计也为产品自适应设计理论的产生提供了重要理论依据。“产品可适应设计”2004年由顾佩华等首次提出 [3] ，是一种全新的设计理念，目的是延长产品（物理产品）或产品设计（数字产品）的使用周期，使生产型企业能够在质量允许和成本限制下，通过调整已有产品或设计快速开发出新的面向客户需求的产品。产品可适应设计的架构如图1-6所示。
图1-6 产品可适应设计的架构 [16]
可适应设计的研究主要集中在产品可适应设计理论研究和产品设计可适应性评价研究 [17] 两个方面。在产品可适应设计理论研究方面，加拿大卡尔加里大学研究者 [3] 基于顾佩华院士的研究，进一步丰富了可适应设计的设计理论，提出根据变动信息的可预见和非预见性，将可适应性设计划分为狭义可适应性设计和广义可适应性设计。狭义可适应性设计包含多功能设计、多种类设计、升级设计和定制设计；对于广义可适应性设计，引入了设计子整体的概念，通过建立功能和结构之间一一对应的关系，使开发的产品能够更好地面向未来未知的变更需求。也有相关研究将可适应设计理念与模块设计融合，提出了可适应模块的概念 [18] 。
产品设计可适应性评价研究以产品可适应性评价为核心，产品可适应性 [19] 是指产品能够被修改，使其功能发生改变，而满足新的用户需求的能力。当用户需求发生变化，而现有的产品形态不能很好地满足用户需求的时候，用户就可以通过可适应过程增加产品功能或提升产品性能。按照设计人员是否在设计之初就考虑到产品要适应的功能需求集合，产品可适应性又可分为产品的特定可适应性和产品的一般可适应性。一方面，当产品要适应的功能需求集合及其可能性明确的时候，设计人员就能够设计出顺应这种需求的产品的特定可适应性；另一方面，为了满足一些不可预测的需求和改变，产品可以采用具有柔性架构和扩展性良好的接口，从而使产品具有一般可适应性。根据可适应性评价角度的不同，分为基于价值工程 [20] 、基于性能稳健性 [21] 等多种评价方法。
可适应设计方法经过多年的研究，取得了较为丰富的研究成果，为以满足需求为基础的产品快速设计提供了一种良好的设计方法和理论支撑。可适应设计架构中产品可适应性分析与设计可适应性分析的相关研究，为产品自适应设计中产品自适应、设计求解方法自适应、数据与知识自适应、设计过程自适应四个自适应设计要素的定义提供了重要的理论依据。
第一，产品自适应设计以数据驱动的产品自适应在线设计模式为核心框架，建立了多级闭环反馈产品自适应设计过程模型，突破了产品自适应设计迭代反馈网络构建及评价技术、设计数据知识空间构建技术，揭示了大数据涌现和多源不确定条件下的产品自适应设计动态演化机理，在设计理论和方法上进行了多项创新。自适应在线设计模式与系统架构在新理论、新技术上的创新，为解决制造业数据涌现、产品个性化和性能波动需求提供了新的设计范式，初步形成了从理念到理论、技术/方法再到工具支撑的产品自适应在线设计技术体系（详见第3～7章）。
第二，产品自适应设计模式在全生命周期设计、数据驱动设计、可适应设计理论方法基础上进一步突破、创新，实现了面向全域动态需求的产品自适应设计决策方法、全业务链多源异构数据融合与知识管理、产品自适应设计与优化方法、闭环动态的产品在线交互协同设计过程管控等核心关键技术，着眼于打通从全生命周期数据到设计全过程的路线，充分挖掘和发挥已积累的和持续增加的数据的价值，并充分应用设计创新方法和工具，不断实践数据驱动的产品研发设计模式和技术，进而推动和促进制造企业充分利用研发设计资源创造价值，提升竞争力。
第三，产品自适应设计对于企业提升研发设计能力具有重要意义。产品自适应设计首次在设计方法学层面提出四个设计要素（详见第2章），其中“数据与知识自适应”和“设计过程自适应”为企业科学管控，形成柔性、高效的设计方法奠定了理论基础。自适应设计研究成果的广泛应用，将大大改善企业的数字化研发设计环境，在产品设计效率和产品质量方面获得成效。自适应设计研究成果在制造行业和领域具有较高的推广应用价值。
第四，产品自适应设计构建了完整的技术体系，开发的产品自适应设计工具、在线交互设计工具、数据处理与知识管理平台、在线交互协同设计平台，是大数据等新一代信息技术与设计方法、业务系统融合的成果，可以帮助制造企业通过信息化、数字化、网络化、智能化手段实现转型、升级和发展。