葉 爭(zhēng) 錢(qián)競(jìng)芳 薛文良

東華大學(xué) 紡織學(xué)院(中國(guó))

伴隨社會(huì)經(jīng)濟(jì)的發(fā)展，人們對(duì)于紡織產(chǎn)品的需求變得多樣化和個(gè)性化，紡織企業(yè)的生產(chǎn)特點(diǎn)越來(lái)越趨向于小批量多品種，這對(duì)紡織企業(yè)的生產(chǎn)能力提出了更高的要求，即要求企業(yè)具備制造工藝快速反應(yīng)和調(diào)整的能力。以紡紗工藝為例，由于其涉及工序、工藝參數(shù)多，為了提高工藝設(shè)計(jì)效率，工藝設(shè)計(jì)人員一般需在紡紗工藝設(shè)計(jì)開(kāi)始前，從歷史工藝中尋找相似工藝，并在此基礎(chǔ)上進(jìn)行修改，進(jìn)而形成新工藝[1]。但隨著時(shí)間的推移，會(huì)積累大量的紡紗工藝案例，如何從這些工藝案例中迅速準(zhǔn)確定位并推薦需要的工藝就顯得尤為重要。對(duì)此，本文將通過(guò)基于案例推理(CBR)的技術(shù)構(gòu)建毛紡工藝推薦模型，從而從案例庫(kù)中快速鎖定所需工藝。

1 毛紡工藝推薦模型的構(gòu)建

1.1 模型構(gòu)建思路

在毛紡工藝設(shè)計(jì)過(guò)程中，工藝設(shè)計(jì)人員通常利用歷史已有的案例來(lái)進(jìn)行新的紡紗工藝設(shè)計(jì)，其實(shí)質(zhì)上是一種知識(shí)繼承與重用的過(guò)程，而CBR就是可以實(shí)現(xiàn)該過(guò)程人工智能化的技術(shù)，可以采用這種技術(shù)實(shí)現(xiàn)對(duì)歷史紡紗工藝案例的快速推薦并重用。

毛紡工藝推薦模型構(gòu)建思路如圖1所示，主要可分為3個(gè)步驟：表述毛紡工藝案例具體內(nèi)容，建立案例庫(kù)；根據(jù)案例的特征屬性計(jì)算案例間的綜合相似度，并根據(jù)相似度高低推薦案例；在推薦的案例中選擇最合適的進(jìn)行修改，符合要求則作為新案例加入案例庫(kù)，反之繼續(xù)修改，直至符合新產(chǎn)品要求。

圖1 構(gòu)建毛紡工藝推薦模型的思路

1.2 案例庫(kù)的構(gòu)建

CBR是一種基于歷史問(wèn)題解決方案而對(duì)當(dāng)前問(wèn)題求解的類比推理方法，因此要進(jìn)行毛紡工藝案例推理，首先必須構(gòu)建紡紗工藝案例庫(kù)。

影響毛紡工藝參數(shù)的因素包括纖維與紗線兩方面。從纖維方面來(lái)看， 毛纖維含油率和各種混紡纖維的回潮率會(huì)對(duì)和毛過(guò)程中的工藝設(shè)計(jì)產(chǎn)生很大影響[2]，梳毛、并條、粗紗和細(xì)紗工藝受纖維線密度、長(zhǎng)度及長(zhǎng)度整齊度的影響[3-5]；從紗線方面來(lái)看， 原料、紗線結(jié)構(gòu)、混紡比、紗支、捻度、合股數(shù)和紗線用途影響毛紡工藝參數(shù)的確定[6]。因此，本文在構(gòu)建毛紡工藝案例庫(kù)時(shí)，選擇長(zhǎng)度、細(xì)度、回潮率、毛纖維短毛率、含油率和棉纖維短絨率等幾個(gè)指標(biāo)作為纖維方面的特征屬性，原料、混紡比、單紗捻度、股紗捻度、合股數(shù)、紡紗方式和紗線用途等幾個(gè)指標(biāo)作為紗線方面的特征屬性。案例庫(kù)的具體內(nèi)容如表1所示。

1.3 工藝推薦依據(jù)

先以紗線方面特征屬性的綜合相似度作為工藝推薦的依據(jù)。如推薦結(jié)果不理想，則啟用纖維方面的特征屬性綜合相似度進(jìn)行補(bǔ)充。

表1 案例庫(kù)4個(gè)方面具體內(nèi)容

針對(duì)紗線方面，新產(chǎn)品工藝與歷史工藝案例特征屬性的綜合相似度計(jì)算式為

(1)

式中，xi，yi分別為兩個(gè)工藝案例的第i個(gè)特征屬性的值；ωi表示任意工藝案例中第i個(gè)特征屬性的權(quán)重值；Sim(xi，yi)為兩個(gè)工藝案例第i個(gè)特征屬性的相似度；Si表示數(shù)字i的工藝案例；S0表示新產(chǎn)品工藝；Sim(S0，Si)紗表示紗線方面新產(chǎn)品工藝與歷史工藝案例的綜合相似度，采用最相鄰近算法(KNN)計(jì)算[7]。

針對(duì)纖維方面，新產(chǎn)品工藝與歷史工藝案例特征屬性的綜合相似度計(jì)算式為

(2)

式中：Sim(S0，Si)纖表示纖維方面新產(chǎn)品工藝與歷史工藝案例的綜合相似度。

紗線和纖維兩方面都取綜合相似度排名前5的案例推薦。案例中紗線質(zhì)量信息作為工藝選用的參考。

1.4 各特征屬性權(quán)重確定

計(jì)算紗線和纖維方面特征屬性的綜合相似度，首先要賦予每個(gè)特征值相應(yīng)的權(quán)重。紗線方面的特征屬性，本文采用層次分析法(AHP)和專家打分制來(lái)確定權(quán)重，纖維方面的特征屬性采用用戶自主賦予權(quán)重的方式。紗線方面毛紡工藝案例相似度評(píng)價(jià)體系及各特征屬性權(quán)重如表2所示。

表2 紗線方面工藝相似度評(píng)價(jià)體系及各特征屬性權(quán)重

1.5 各特征屬性相似度計(jì)算

針對(duì)特征屬性的類型本文采用了3種不同的相似度算法：精準(zhǔn)匹配類型、數(shù)值型匹配類型和字符串匹配類型。對(duì)于合股數(shù)、紗線用途和紡紗方式這些數(shù)據(jù)，采用精準(zhǔn)匹配類型計(jì)算式。

(3)

對(duì)于紗支、單捻、股捻和原料指標(biāo)等數(shù)值類數(shù)據(jù)，采用數(shù)值類匹配類型計(jì)算式。

(4)

其中混紡比中單種纖維含量的相似度也采用式(4)，但是混紡比采用如式(5)計(jì)算。

(5)

式中：x1，x2，x3表示兩個(gè)案例的混紡比中對(duì)應(yīng)第1、2、3種纖維含量；Sim(x混，y混)表示兩個(gè)工藝案例的混紡比的相似度；Max(xi， yi)表示取兩個(gè)案例中同一個(gè)特征屬性的最大值；Sim1，Sim2，Sim3分別表示兩個(gè)案例的混紡比中對(duì)應(yīng)第1、 2、 3種纖維含量的相似度，以此類推。

對(duì)于原料數(shù)據(jù)采用的字符串匹配類型計(jì)算式。

(6)

式中：Distance表示字符串xi，yi之間的編輯距離；Length(xi)表示字符串xi的長(zhǎng)度；Length(yi)表示字符串yi的長(zhǎng)度；Max[Length(xi)，Length(yi)]表示取兩個(gè)案例中同一特征屬性字符中長(zhǎng)度的最大值。

2 應(yīng)用

假設(shè)需要設(shè)計(jì)一種新型針織用紗的紡紗工藝，計(jì)算得到的新產(chǎn)品工藝與歷史工藝案例特征屬性的綜合相似度結(jié)果如表3所示。從表3中可以看出，與新產(chǎn)品紡紗方式不同的工藝案例，其與新產(chǎn)品特征屬性的綜合相似度都很低，表明此模型在區(qū)分不同紡紗工藝案例方面具有良好的效果。其中，S6與目標(biāo)工藝的相似度最高，因此，選擇此案例作為新工藝的參考模板，在此基礎(chǔ)上，工藝設(shè)計(jì)人員可以根據(jù)新產(chǎn)品實(shí)際情況對(duì)案例中不合適的工藝參數(shù)進(jìn)行調(diào)整，進(jìn)而形成新工藝。

表3 10種紡紗工藝案例及與新產(chǎn)品工藝的綜合相似度

續(xù)表

3 結(jié)論

本文首先從紗線方面和纖維方面出發(fā)探究了毛紡工藝案例之間的相似性，紗線方面選擇混紡比、原料、紗支、單捻、股捻、合股數(shù)、紗線用途和紡紗方式作為判斷紡紗工藝相似度的特征屬性；纖維方面選擇毛纖維長(zhǎng)度、細(xì)度、短毛率、含油率和回潮率、化學(xué)纖維長(zhǎng)度、細(xì)度、回潮率與棉纖維長(zhǎng)度、細(xì)度、短絨率、回潮率作為判斷紡紗工藝相似度的特征屬性；并構(gòu)建案例庫(kù)。然后，建立了基于CBR的毛紡工藝推薦模型，對(duì)不同特征屬性采用不同匹配算法計(jì)算相似度，通過(guò)AHP和專家打分制確定綜合相似度計(jì)算中紗線方面特征屬性的權(quán)重值。最后，利用企業(yè)實(shí)際生產(chǎn)數(shù)據(jù)對(duì)模型進(jìn)行了應(yīng)用，結(jié)果表明模型符合實(shí)際，能夠加快工藝設(shè)計(jì)的速度。