2.1.2 數(shù)據(jù)與知識(shí)自適應(yīng)

數(shù)據(jù)與知識(shí)自適應(yīng)是產(chǎn)品自適應(yīng)設(shè)計(jì)的基本特點(diǎn)，也是實(shí)現(xiàn)設(shè)計(jì)求解方法自適應(yīng)、設(shè)計(jì)過(guò)程自適應(yīng)的基礎(chǔ)。在數(shù)據(jù)維度方面的自適應(yīng)主要包括設(shè)計(jì)數(shù)據(jù)、驗(yàn)證數(shù)據(jù)、運(yùn)行數(shù)據(jù)、維護(hù)數(shù)據(jù)等結(jié)構(gòu)化數(shù)據(jù)的適配與融合，以及數(shù)據(jù)分析、自適應(yīng)數(shù)據(jù)權(quán)衡與決策、智能設(shè)計(jì)知識(shí)推送等內(nèi)容，詳細(xì)的邏輯關(guān)系如圖2-2所示。

圖2-2 數(shù)據(jù)維度自適應(yīng)

數(shù)據(jù)維度自適應(yīng)特征體現(xiàn)在產(chǎn)品全業(yè)務(wù)鏈生產(chǎn)制造大數(shù)據(jù)的完整性和標(biāo)準(zhǔn)化，數(shù)據(jù)處理方法對(duì)多源數(shù)據(jù)的適應(yīng)性，全生命周期的數(shù)據(jù)與設(shè)計(jì)知識(shí)更新、推送的動(dòng)態(tài)性三個(gè)方面。

1）產(chǎn)品全業(yè)務(wù)鏈生產(chǎn)制造大數(shù)據(jù)的完整性和標(biāo)準(zhǔn)化。數(shù)據(jù)的完整性是指在產(chǎn)品全生命周期數(shù)據(jù)中對(duì)關(guān)鍵信息的全面獲取，以完整的產(chǎn)品全生命周期數(shù)據(jù)作為設(shè)計(jì)的支撐，為保證數(shù)據(jù)處理結(jié)果的科學(xué)性奠定基礎(chǔ)，進(jìn)而保證基于數(shù)據(jù)的智能設(shè)計(jì)的準(zhǔn)確性；數(shù)據(jù)的標(biāo)準(zhǔn)化主要面向大數(shù)據(jù)的結(jié)構(gòu)化存儲(chǔ)及數(shù)據(jù)處理前的準(zhǔn)備，標(biāo)準(zhǔn)數(shù)據(jù)可以消除冗余數(shù)據(jù)對(duì)設(shè)計(jì)結(jié)果的干擾，是支撐智能自適應(yīng)設(shè)計(jì)方法的重要基礎(chǔ)，也是企業(yè)數(shù)字化、設(shè)計(jì)智能化的基礎(chǔ)技術(shù)。為實(shí)現(xiàn)該特征，產(chǎn)品全業(yè)務(wù)鏈需獲取各類(lèi)數(shù)據(jù)，包括設(shè)計(jì)數(shù)據(jù)、驗(yàn)證數(shù)據(jù)、質(zhì)量數(shù)據(jù)、制造數(shù)據(jù)、運(yùn)行數(shù)據(jù)，以及非結(jié)構(gòu)化數(shù)據(jù)的自動(dòng)抽取。同時(shí)，實(shí)現(xiàn)多源異構(gòu)制造大數(shù)據(jù)抽取與冗余清除、增量式真值發(fā)現(xiàn)，以及面向語(yǔ)義、結(jié)構(gòu)、數(shù)據(jù)、描述等多維度沖突消解，提高數(shù)據(jù)質(zhì)量。實(shí)現(xiàn)缺失數(shù)據(jù)填補(bǔ)和非一致業(yè)務(wù)數(shù)據(jù)的協(xié)同修復(fù)，提高數(shù)據(jù)的可用性。通過(guò)多源異構(gòu)數(shù)據(jù)的統(tǒng)一表示、高效組織方法和以實(shí)體為中心的元數(shù)據(jù)結(jié)構(gòu)化表達(dá)，實(shí)現(xiàn)數(shù)據(jù)的規(guī)范組織。

2）數(shù)據(jù)處理方法對(duì)多源數(shù)據(jù)的適應(yīng)性。面對(duì)標(biāo)準(zhǔn)化后的多源數(shù)據(jù)，一般采用的數(shù)據(jù)處理方法有數(shù)據(jù)融合、數(shù)據(jù)可視化、數(shù)據(jù)挖掘、數(shù)據(jù)聚類(lèi)、數(shù)據(jù)預(yù)測(cè)等，其中數(shù)據(jù)融合、數(shù)據(jù)可視化、數(shù)據(jù)聚類(lèi)等技術(shù)的實(shí)現(xiàn)方法有很多，要根據(jù)不同產(chǎn)品、不同數(shù)據(jù)種類(lèi)和特點(diǎn)，采取恰當(dāng)?shù)臄?shù)據(jù)處理方法，才能獲得更精準(zhǔn)、更科學(xué)的數(shù)據(jù)處理結(jié)果，進(jìn)而實(shí)現(xiàn)設(shè)計(jì)知識(shí)的科學(xué)獲取。在產(chǎn)品自適應(yīng)設(shè)計(jì)的數(shù)據(jù)分析環(huán)節(jié)，通過(guò)多決策分類(lèi)器和特征重要度排序，實(shí)現(xiàn)各類(lèi)數(shù)據(jù)樣本屬性和資源的智能關(guān)聯(lián)，以及數(shù)據(jù)層、特征層及模式層多源數(shù)據(jù)融合；通過(guò)抽樣加速可視化和多分辨率層次壓縮等多種高效數(shù)據(jù)處理算法，實(shí)現(xiàn)數(shù)據(jù)可視化展現(xiàn)。通過(guò)集成學(xué)習(xí)的特征選擇和深度置信網(wǎng)絡(luò)，構(gòu)建多模態(tài)、多應(yīng)用的數(shù)據(jù)知識(shí)維度自適應(yīng)設(shè)計(jì)主題模型，建立覆蓋產(chǎn)品質(zhì)量預(yù)測(cè)、參數(shù)優(yōu)化、風(fēng)險(xiǎn)評(píng)價(jià)等主題模型，實(shí)現(xiàn)基于數(shù)據(jù)挖掘及數(shù)據(jù)分析的設(shè)計(jì)知識(shí)獲取。

3）全生命周期的數(shù)據(jù)與設(shè)計(jì)知識(shí)更新、推送的動(dòng)態(tài)性。設(shè)計(jì)過(guò)程應(yīng)該被視為一個(gè)控制過(guò)程，不是靜態(tài)的，而是動(dòng)態(tài)的，在這個(gè)過(guò)程中，信息反饋必須迭代，直到信息內(nèi)容達(dá)到可以得到最佳解決方案的水平。因此，在學(xué)習(xí)過(guò)程中應(yīng)不斷提高信息水平，從而有助于尋找解決方案。實(shí)現(xiàn)全生命周期數(shù)據(jù)知識(shí)的動(dòng)態(tài)更新，是保證下一代產(chǎn)品汲取上一代產(chǎn)品設(shè)計(jì)經(jīng)驗(yàn)，修復(fù)產(chǎn)品缺陷，提高產(chǎn)品質(zhì)量的重要基礎(chǔ)。為實(shí)現(xiàn)產(chǎn)品數(shù)據(jù)與設(shè)計(jì)知識(shí)的動(dòng)態(tài)更新，企業(yè)要建立全面、實(shí)時(shí)的數(shù)據(jù)采集反饋機(jī)制，對(duì)于產(chǎn)品“需求分析—設(shè)計(jì)過(guò)程—生產(chǎn)制造—使用維護(hù)—回收利用”的全生命周期各環(huán)節(jié)產(chǎn)生的數(shù)據(jù)，應(yīng)通過(guò)平臺(tái)的存儲(chǔ)器及工具進(jìn)行采集存儲(chǔ)，然后在數(shù)據(jù)層上分析和驅(qū)動(dòng)設(shè)計(jì)過(guò)程。同時(shí)，要加強(qiáng)數(shù)據(jù)處理和知識(shí)提取完成后的實(shí)時(shí)推送機(jī)制，基于面向設(shè)計(jì)探索的知識(shí)推送機(jī)制，實(shí)現(xiàn)啟發(fā)式設(shè)計(jì)過(guò)程，為產(chǎn)品自適應(yīng)設(shè)計(jì)提供支持；通過(guò)設(shè)計(jì)任務(wù)情境指向的復(fù)雜設(shè)計(jì)知識(shí)網(wǎng)絡(luò)實(shí)體搜索及基于本體的設(shè)計(jì)知識(shí)網(wǎng)絡(luò)子集提取與合并，提高數(shù)據(jù)知識(shí)的獲取效率；通過(guò)產(chǎn)品方案設(shè)計(jì)的知識(shí)推送機(jī)制，實(shí)現(xiàn)最佳設(shè)計(jì)案例、功能模塊配置方案的重組與復(fù)用；通過(guò)面向設(shè)計(jì)優(yōu)化的知識(shí)推送機(jī)制，為產(chǎn)品多學(xué)科協(xié)同的設(shè)計(jì)過(guò)程提供優(yōu)化策略和迭代準(zhǔn)則；通過(guò)基于用戶(hù)情境模型的設(shè)計(jì)知識(shí)網(wǎng)絡(luò)修正，實(shí)現(xiàn)設(shè)計(jì)任務(wù)—設(shè)計(jì)知識(shí)—設(shè)計(jì)人員的多層映射。