王涌泉，高 琦

(山東大學(xué) 高效清潔機(jī)械制造教育部重點(diǎn)實(shí)驗(yàn)室，濟(jì)南 250061)

0 引言

計(jì)算機(jī)輔助工藝過程設(shè)計(jì)(Computer Aided Process Planning，CAPP)技術(shù)的發(fā)展和應(yīng)用，使工藝設(shè)計(jì)人員擺脫了大量繁瑣的重復(fù)勞動(dòng)，提高了工藝設(shè)計(jì)的效率[1]。同時(shí)，隨著CAPP系統(tǒng)在制造企業(yè)的廣泛應(yīng)用，制造企業(yè)積累了大量的工藝數(shù)據(jù)，這些數(shù)據(jù)蘊(yùn)涵著豐富的工藝知識(shí)，如何高效重用這些工藝數(shù)據(jù)資源是CAPP系統(tǒng)智能化急需解決的問題。

為了解決上述問題，羅年猛等提出了一種工藝數(shù)據(jù)的可定制性表達(dá)模型[2]。王正遠(yuǎn)等以工藝數(shù)據(jù)為核心，提出了一種面向產(chǎn)品數(shù)據(jù)的智能化集成CAPP系統(tǒng)實(shí)現(xiàn)方案[3]。王啟富等建立了基于模板機(jī)制的工藝制定方法，實(shí)現(xiàn)了工藝知識(shí)的智能感知[4]。孫璞等針對知識(shí)檢索效率低下、知識(shí)獲取準(zhǔn)確度低等問題，提出了面向三維工藝設(shè)計(jì)的知識(shí)推送方法[5]。他們在一定程度上解決了工藝數(shù)據(jù)的表達(dá)及管理使用等問題，但是以上工藝數(shù)據(jù)的應(yīng)用方法大多過度依靠人機(jī)交互查找工藝知識(shí)，在如何更高程度的展現(xiàn)計(jì)算機(jī)優(yōu)勢，依據(jù)工藝人員正在進(jìn)行或已經(jīng)做出的操作，預(yù)測出下一步的操作內(nèi)容和期待結(jié)果等方面，需要進(jìn)一步提高。

以用戶為中心的設(shè)計(jì)是一種將產(chǎn)品、應(yīng)用以及用戶體驗(yàn)置于設(shè)計(jì)中心位置的設(shè)計(jì)哲學(xué)。在以用戶為中心的設(shè)計(jì)中，設(shè)計(jì)者需要努力對那些將要使用設(shè)計(jì)產(chǎn)品的人們需求和局限的細(xì)節(jié)進(jìn)行理解，并做出正確的設(shè)計(jì)決策，使其設(shè)計(jì)的產(chǎn)品體現(xiàn)出對用戶的理解[6]。用戶并不關(guān)心CAPP系統(tǒng)本身，用戶需要的是能夠滿足他們需求的CAPP系統(tǒng)，未來的CAPP系統(tǒng)應(yīng)該以一種更為巧妙和順暢的方式服務(wù)用戶。CAPP系統(tǒng)的服務(wù)應(yīng)該是隨手可得的，可以通過智能的服務(wù)“向?qū)А眮硪龑?dǎo)用戶。目前工藝數(shù)據(jù)信息爆炸和過量常常被用戶所抱怨，但在未來不應(yīng)該成為一個(gè)障礙。在未來的CAPP系統(tǒng)中，應(yīng)該是以系統(tǒng)用戶為中心的。因此，本文提出了一種CAPP系統(tǒng)中工藝知識(shí)推送方案，該方案基于以用戶為中心的設(shè)計(jì)理論，綜合應(yīng)用上下文感知、知識(shí)推送技術(shù)，以期實(shí)現(xiàn)CAPP系統(tǒng)的工藝知識(shí)的精準(zhǔn)高效的重用，提高工藝設(shè)計(jì)的效率。

1 知識(shí)推送模型

基于以上分析，本文基于以用戶為中心的設(shè)計(jì)理論，充分考慮CAPP系統(tǒng)用戶的實(shí)際需求，提出了基于上下文感知技術(shù)，感知用戶意圖，搜索工藝知識(shí)，提供智能指引的知識(shí)推送結(jié)構(gòu)，主要包括：上下文感知模塊、知識(shí)搜索模塊、知識(shí)推送模塊等。首先，上下文感知模塊從CAPP系統(tǒng)用戶獲取用戶的操作信息及實(shí)時(shí)位置信息，同時(shí)結(jié)合工藝人員制定工藝的流程，推理出工藝人員目前所需要的目標(biāo)工藝知識(shí)；然后，知識(shí)搜索模塊根據(jù)獲取的目標(biāo)工藝知識(shí)從工藝數(shù)據(jù)庫中提取工藝人員所需要的工藝知識(shí)；最后，由知識(shí)推送模塊將目標(biāo)工藝知識(shí)有序推送給CAPP系統(tǒng)用戶。知識(shí)推送模型結(jié)構(gòu)原理如圖1所示。

圖1 知識(shí)推送模型

1.1 上下文感知模塊

上下文感知模塊主要功能是獲取工藝人員的設(shè)計(jì)意圖，上下文感知最初定義由Schilit和Theimer給出，其定義上下文為：上下文根據(jù)使用地點(diǎn)，附近人和物的集合，隨著時(shí)間的變化而進(jìn)行改變[7]。此后，有很多學(xué)者嘗試對上下文給出自己的定義。直到1999年，Dey和Abowd總結(jié)了前人的研究，提出了一個(gè)被廣泛接受的上下文感知的定義：一個(gè)系統(tǒng)是否上下文感知取決于它是否依據(jù)上下文信息為用戶提供相關(guān)的信息和服務(wù)，其中的相關(guān)性取決于用戶的任務(wù)[8]。為了獲取工藝人員的設(shè)計(jì)意圖，本文在CAPP系統(tǒng)中，構(gòu)建了如圖2所示的上下文感知結(jié)構(gòu)，上下文感知模塊主要由：上下文傳感層、上下文聚合器、上下文推理及上下文知識(shí)庫組成。

圖2 上下文感知模塊結(jié)構(gòu)

上下文傳感層主要是指廣義的傳感器，它既可以是物理設(shè)備也可以是軟件，收集上下文的傳感器包括三種主要的類型：物理傳感器、虛擬傳感器及表格填寫[9]。上下文傳感層的作用是從CAPP系統(tǒng)中獲取上下文信息。CAPP系統(tǒng)的上下文信息主要包括：用戶信息、約束條件及實(shí)時(shí)位置信息。

上下文聚合器是連接低層和高層的橋梁，由于上下文信息具有異質(zhì)性，上下文聚合器的主要任務(wù)之一就是處理上下文傳感層收集的基本上下文信息。上下文聚合器的另一個(gè)主要的任務(wù)是將從上下文傳感層提取的原始上下文信息轉(zhuǎn)換成OWL格式的信息，并更新到上下文知識(shí)庫中。

上下文推理是上下文感知模型中最重要的部分，它的角色就像大腦一樣，上下文推理主要任務(wù)是推理出CAPP系統(tǒng)的用戶意圖。目前主要應(yīng)用兩種推理方法：規(guī)則和機(jī)器學(xué)習(xí)算法。規(guī)則可以根據(jù)一組一階邏輯規(guī)則集來推斷用戶的意圖，根據(jù)對CAPP系統(tǒng)用戶已輸入字段內(nèi)容及實(shí)時(shí)位置的分析，為用戶提供訂制的推薦。機(jī)器學(xué)習(xí)算法通過學(xué)習(xí)CAPP系統(tǒng)用戶活動(dòng)的歷史上下文數(shù)據(jù)模式參數(shù)，并且使用這個(gè)模式來識(shí)別CAPP系統(tǒng)用戶的活動(dòng)。

上下文知識(shí)庫為上下文提供了永久存儲(chǔ)。整個(gè)上下文被存儲(chǔ)成一個(gè)三重模式，包括主語、謂語和賓語。它指的不是數(shù)據(jù)而是關(guān)系，這些關(guān)系可以描述實(shí)體的特征，為上下文推理奠定基礎(chǔ)。

1.2 知識(shí)搜索模塊

推送的工藝知識(shí)是否及時(shí)和有效，依賴于知識(shí)搜索模塊的查全率、準(zhǔn)確率及檢索效率等。知識(shí)搜索模塊如圖3所示。

圖3 知識(shí)搜索模塊結(jié)構(gòu)

知識(shí)檢索模塊的核心主要包括檢索器及索引器。索引器主要作用是從工藝數(shù)據(jù)庫中，生成從關(guān)鍵詞到工藝知識(shí)的關(guān)系索引表，索引表一般使用某種形式的倒排表。索引表也要記錄索引項(xiàng)在工藝數(shù)據(jù)庫中出現(xiàn)的位置，以便檢索器計(jì)算索引項(xiàng)之間的相鄰關(guān)系或接近關(guān)系，并以特定的數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)在硬盤上。檢索器的主要功能是根據(jù)從上下文感知模塊獲取的目標(biāo)知識(shí)的關(guān)鍵詞在索引器形成的倒排表中進(jìn)行檢索，獲取相關(guān)的工藝知識(shí)數(shù)據(jù)。

1.3 知識(shí)推送模塊

知識(shí)推送的本質(zhì)是在正確的時(shí)間，以正確的形式，把正確的知識(shí)推送給正確的人[10]。但是由于工藝知識(shí)的多樣性，知識(shí)搜索的模塊獲取的工藝知識(shí)比較多，因此，如何從眾多工藝知識(shí)中獲取最準(zhǔn)確的知識(shí)，并將準(zhǔn)確的工藝知識(shí)有序推送給用戶，是知識(shí)推送模塊解決的主要問題。知識(shí)推送模塊綜合考慮知識(shí)的相關(guān)性及重用率等指標(biāo)，對檢索結(jié)果進(jìn)行排序并推送。相關(guān)性主要是指與目標(biāo)知識(shí)關(guān)鍵屬性的匹配程度，重用率主要是指知識(shí)被使用的頻率，在相關(guān)性一樣的情況下，工藝知識(shí)使用頻率越高，推送排序越靠前。

因?yàn)楣に囍R(shí)與零件特征的材料、尺寸、公差等級(jí)、表面粗糙度等屬性有關(guān)，這些屬性決定了工藝知識(shí)之間的差異，因此，根據(jù)工藝知識(shí)與屬性之間的特殊關(guān)系，同時(shí)考慮到了各個(gè)屬性的特點(diǎn)，本文設(shè)計(jì)了區(qū)間標(biāo)度型屬性相似度算法，工藝知識(shí)的屬性值可能是一個(gè)連續(xù)的區(qū)間，如特征尺寸，也可能是一個(gè)集合，如材料種類，當(dāng)屬性值是一個(gè)連續(xù)區(qū)間時(shí)，屬性的相似度按如下公式計(jì)算。

其中，f(x)表示某一屬性的相似度，[X1，X2]表示屬性值的取值范圍，X1、X2分別表示某一屬性值的最小取值及最大取值。

當(dāng)目標(biāo)知識(shí)的某個(gè)屬性在某個(gè)工藝知識(shí)屬性值的范圍之內(nèi)，該屬性的相似度為1，當(dāng)不在屬性值的范圍之內(nèi)，則該屬性相似度為0。

當(dāng)屬性值是一個(gè)集合時(shí)，屬性的相似度按如下公式計(jì)算。

其中，f(x)表示某一屬性的相似度，X1、X2…Xn分別表示某一屬性值的包含元素。

當(dāng)目標(biāo)知識(shí)的某個(gè)屬性屬于某個(gè)工藝知識(shí)屬性值的集合，該屬性的相似度為1，當(dāng)不屬于某個(gè)屬性值的集合，則該屬性相似度為0。

最終某條工藝知識(shí)的與目標(biāo)知識(shí)的相關(guān)性按如下公式計(jì)算。

F(X)=f(x1)+f(x3)+…+f(xn)

其中，F(xiàn)(X)表示某條知識(shí)與目標(biāo)知識(shí)的相關(guān)性，f(xn)表示某條知識(shí)的單個(gè)屬性與目標(biāo)知識(shí)中對應(yīng)屬性的相似度。

采用相似度公式逐條計(jì)算檢索出來的工藝知識(shí)，按照相關(guān)性F(X)的數(shù)值大小對工藝知識(shí)進(jìn)行排序，當(dāng)相關(guān)性F(X)的數(shù)值相等時(shí)，將按照知識(shí)的重用率進(jìn)行排序，重用率的高低根據(jù)某條知識(shí)的引用量的大小確定，某條知識(shí)引用量越高，則代表這條知識(shí)的重用率越高。為了避免推送較多的知識(shí)，影響知識(shí)的重用效率，根據(jù)知識(shí)的相關(guān)性及重用率的計(jì)算，每次將會(huì)推送五條工藝知識(shí)輔助設(shè)計(jì)人員進(jìn)行工藝方案的制定。

同時(shí)為了衡量推送知識(shí)的準(zhǔn)確性，引入了知識(shí)的可信度評(píng)價(jià)指標(biāo)，某條知識(shí)的可信度按如下公式計(jì)算。

其中，K(X)表示某條知識(shí)的可信度，F(xiàn)(X)為這條知識(shí)的與目標(biāo)知識(shí)的相關(guān)度，n表示目標(biāo)知識(shí)的屬性值的總數(shù)。

當(dāng)K(X)=1時(shí)，表示該條知識(shí)完全可信，可以直接引用；當(dāng)K(X)<1時(shí)，表示該知識(shí)可信度較低，不具備直接引用的條件，該知識(shí)只具有參考價(jià)值。

2 知識(shí)推送實(shí)現(xiàn)方案

工藝知識(shí)推送方案在CAPP系統(tǒng)中的具體實(shí)現(xiàn)主要包括，運(yùn)用上下文感知技術(shù)實(shí)現(xiàn)人機(jī)交互接口，按照具體的交互上下文，為工藝人員推送不同的工藝知識(shí)，在獲取推送目標(biāo)后，由工藝知識(shí)搜索模塊快速檢索對應(yīng)的工藝知識(shí)，最后知識(shí)推送模塊根據(jù)相關(guān)性及重用率等指標(biāo)對檢索的工藝知識(shí)進(jìn)行有序推送。具體實(shí)現(xiàn)流程如下：①依照工藝知識(shí)的組織形式，從工藝知識(shí)庫提取工藝索引項(xiàng)，建立本地工藝索引數(shù)據(jù)庫；②上下文感知模塊中的上下文傳感層根據(jù)CAPP系統(tǒng)用戶的前期操作獲取目標(biāo)知識(shí)的屬性約束條件、已輸入字段內(nèi)容及當(dāng)前實(shí)時(shí)輸入的位置，獲取上下文信息，經(jīng)過上下文聚合器的處理及上下文推理，獲取用戶設(shè)計(jì)意圖并確定推送目標(biāo)知識(shí)的關(guān)鍵詞；③知識(shí)搜索模塊根據(jù)獲取的關(guān)鍵詞檢索出相關(guān)的工藝知識(shí)；④根據(jù)相關(guān)性及重用率等指標(biāo)對檢索出來的工藝知識(shí)進(jìn)行排序，由知識(shí)推送模塊將排名前五的工藝知識(shí)推送給工藝人員，供工藝人員參考使用。

3 實(shí)例分析

綜上所述，在某公司自主開發(fā)的產(chǎn)品三維機(jī)械加工工藝設(shè)計(jì)系統(tǒng)SVMAN-M基礎(chǔ)上增加動(dòng)態(tài)庫，實(shí)現(xiàn)了工藝知識(shí)的推送功能。將知識(shí)推送模塊主要集中在一個(gè)動(dòng)態(tài)庫中，在程序運(yùn)行過程中動(dòng)態(tài)加載，從而保證功能上的獨(dú)立。為了驗(yàn)證上文設(shè)計(jì)的方案推送工藝知識(shí)精準(zhǔn)高效的特性，本節(jié)以某柴油機(jī)廠箱體類零件上特征孔工藝設(shè)計(jì)過程中的工藝知識(shí)應(yīng)用為例，介紹了柴油機(jī)箱體上某孔加工工藝知識(shí)的推送的過程。

為了實(shí)現(xiàn)工藝知識(shí)的主動(dòng)推送，首先通過上下文感知模塊從系統(tǒng)中獲取工藝設(shè)計(jì)意圖，即所需目標(biāo)工藝知識(shí)的屬性參數(shù)及知識(shí)類型，如表1所示。

通過知識(shí)搜索模塊對“加工方法鏈”“孔”等關(guān)鍵詞的檢索匹配，從工藝知識(shí)庫初步篩選出符合基本條件的含有15條工藝知識(shí)的工藝知識(shí)集，其具體信息如表2所示。

首先利用算法公式對每條知識(shí)與所需目標(biāo)知識(shí)的相關(guān)性進(jìn)行計(jì)算，最終得出序號(hào)為10、11、12的三條知識(shí)相關(guān)性最大為4，序號(hào)為2、4、5的知識(shí)相關(guān)性為3，其余知識(shí)相關(guān)性過小，直接舍去。

然后根據(jù)工藝知識(shí)的相關(guān)性及知識(shí)引用量的大小對將要推送的知識(shí)進(jìn)行排序，最終推送順序如表3所示。

最后，將排列有序的工藝知識(shí)推送給工藝設(shè)計(jì)人員，輔助工藝人員進(jìn)行工藝設(shè)計(jì)。由每條知識(shí)的可信度可知，10、12、11三條知識(shí)可信度為1，可以直接引用，2、4兩條知識(shí)可信度小于1，不具備直接引用的條件，只具備參考價(jià)值，突出了可用知識(shí)與參考知識(shí)之間的區(qū)別，防止相似知識(shí)之間的誤用。

表1 工藝設(shè)計(jì)意圖信息

表2 待推送工藝知識(shí)集

表3 推送的工藝知識(shí)

4 結(jié)束語

為了提高CAPP系統(tǒng)人機(jī)交互的智能性，改善工藝人員與CAPP系統(tǒng)的交互方式，提高工藝數(shù)據(jù)知識(shí)的重用效率，本文通過運(yùn)用上下文感知、知識(shí)推送等技術(shù)，設(shè)計(jì)了工藝知識(shí)的推送方案，實(shí)現(xiàn)了工藝知識(shí)的主動(dòng)推送。在CAPP系統(tǒng)中實(shí)現(xiàn)局部智能化，在工藝設(shè)計(jì)的過程中，根據(jù)具體的上下文環(huán)境，感知工藝人員的設(shè)計(jì)意圖，為工藝人員制定和編輯工藝提供指導(dǎo)和幫助。最后通過實(shí)例驗(yàn)證了上述方法推送工藝知識(shí)的精準(zhǔn)高效性，提高了CAPP系統(tǒng)的操作性、智能性，在一定程度上提高了工藝人員的工作效率。