基于病毒吸附機制的制造知識與設(shè)計需求匹配研究

王克勤，劉天航，同淑榮，張新衛(wèi)

WANG Ke-qin, LIU Tian-hang, TONG Shu-rong, ZHANG Xin-wei

（西北工業(yè)大學(xué) 設(shè)計管理研究所，西安 710072）

0 引言

可制造性是產(chǎn)品設(shè)計需要考慮的重要因素之一[1]。產(chǎn)品設(shè)計作為知識密集型活動，在考慮產(chǎn)品的可制造性問題時，需要制造知識的支持，以確保產(chǎn)品的可制造性。研究發(fā)現(xiàn)，設(shè)計人員依賴與人的接觸獲取知識的比例呈下降趨勢，對知識系統(tǒng)的依賴則逐漸遞增[2]。但目前存在的制造知識系統(tǒng)普遍存在著知識供需匹配程度不高的問題：當設(shè)計人員進行某一設(shè)計活動時，查詢制造知識往往存在查全率有余、查準率不足的現(xiàn)象，需要花費大量時間來甄別其真正需要的知識，增加了設(shè)計人員的工作量。

實踐證明，設(shè)計活動需要制造知識時卻找不到知識的主要原因是知識定位不明確，未將知識與具體的設(shè)計活動精確掛鉤。不同背景設(shè)計人員開展不同設(shè)計活動時需要不同的知識，只有充分了解設(shè)計人員的知識需求，將制造知識與詳細的設(shè)計活動精確匹配，才能最大程度的發(fā)揮知識效力。

目前國內(nèi)知識匹配相關(guān)領(lǐng)域的研究，主要先根據(jù)特定原則建立信息模型或者語義模型，從而建立相應(yīng)的數(shù)據(jù)結(jié)構(gòu)，通過文本或語義相似度的計算，實現(xiàn)供需雙邊的匹配。茅健等人提出了一種產(chǎn)品設(shè)計過程中基于語義距離的設(shè)計質(zhì)量知識的表示及匹配方法，以任務(wù)元、對象元、信息元來構(gòu)建三者的形式化描述體系，并建立其數(shù)據(jù)結(jié)構(gòu)。利用HNC(概念層次網(wǎng)絡(luò))知識庫，基于語境框架文本相似度計算，實現(xiàn)設(shè)計質(zhì)量信息的實時有效匹配[3]。浙江大學(xué)的王生發(fā)等人根據(jù)知識主動匹配算法分析了設(shè)計任務(wù)、設(shè)計子任務(wù)、設(shè)計人員、設(shè)計知識及其數(shù)據(jù)結(jié)構(gòu)，提出了基于設(shè)計對象的文本相似度計算方法[4]。蔣翠清等人基于概念語義擴展的設(shè)計知識檢索方法，給出了面向產(chǎn)品設(shè)計人員的知識服務(wù)層次模型和需求驅(qū)動的產(chǎn)品設(shè)計知識服務(wù)運行模式[5]。王士凱等人采用本體描述語言，建立領(lǐng)域知識與情境知識本體模型、情境－知識關(guān)系模型，以及情境相似度算法設(shè)計，構(gòu)建出仿真過程知識領(lǐng)域本體模型[6]。

病毒感染宿主細胞是通過精確吸附達到目的，制造知識與設(shè)計活動之間的供需關(guān)系與病毒和宿主細胞之間的特異性吸附機制非常類似。若借鑒此原理，將制造知識對應(yīng)為病毒，將設(shè)計需求對應(yīng)為宿主細胞，找出制造知識在支持設(shè)計方面的病毒性特征，以及設(shè)計活動的制造知識需求意圖所具有的病毒受體蛋白質(zhì)特征，建立基于二者蛋白質(zhì)關(guān)鍵位點契合原理的制造知識匹配方法，能夠明確地表達設(shè)計需求，則可向設(shè)計人員匹配所需知識。

1 病毒吸附原理

病毒由基因組和包容它的蛋白質(zhì)以及若干功能性蛋白質(zhì)共同組成的顆粒狀物。如圖1所示為HIV病毒的形態(tài)模式圖。

圖1 HIV病毒形態(tài)模式圖

病毒結(jié)構(gòu)簡單，一個簡單病毒僅由核酸（DNA或RNA）和蛋白質(zhì)外殼——衣殼組成[7]。病毒表面上能夠識別特異宿主細胞受體的結(jié)構(gòu)蛋白，稱為病毒吸附蛋白。

宿主細胞即為病毒攻擊的對象。存在于宿主細胞表面上能被病毒吸附蛋白特異性地識別并與之結(jié)合，使病毒侵入細胞和啟動感染發(fā)生的細胞表面組分稱為病毒的細胞受體。病毒受體是引發(fā)病毒感染宿主細胞的主要決定因素，也是影響病毒宿主特異性的決定因素之一[7]。通常來講，細胞受體即為宿主細胞膜表面的蛋白質(zhì)。

病毒基因若要進入細胞內(nèi)環(huán)境，首先要與細胞表面的特異性受體結(jié)合，即病毒吸附。病毒吸附蛋白與宿主細胞表面結(jié)合后，能夠啟動病毒粒子或病毒核酸進入宿主細胞的過程。完成吸附過程的關(guān)鍵即病毒利用其表面病毒配體蛋白質(zhì)結(jié)構(gòu)上的特異性位點，主動、精確識別和吸附敏感宿主細胞表面的病毒受體蛋白質(zhì)位點，并通過成功逃避宿主細胞的免疫防御反應(yīng)，使宿主細胞受到感染。病毒吸附宿主細胞機制如圖2所示。

圖2 病毒吸附宿主細胞機制

2 制造知識仿病毒模型和設(shè)計需求仿宿主細胞模型構(gòu)建

將病毒吸附宿主細胞機制映射至制造知識與設(shè)計人員之間的供需關(guān)系，描述如下：

病毒是一個高度致密的顆粒（對應(yīng)制造知識），表面有特定的蛋白質(zhì)關(guān)鍵位點（對應(yīng)制造知識的特征），宿主細胞（對應(yīng)設(shè)計需求）表面的蛋白質(zhì)關(guān)鍵位點（對應(yīng)知識需求的特征）能與其特異性的吸附（制造知識與設(shè)計需求的準確匹配）。當病毒完成吸附過程中后，會將其遺傳物質(zhì)DNA或RNA注入到宿主細胞中（制造知識本身的詳細內(nèi)容到達設(shè)計人員）。在一系列過程之中，兩者結(jié)構(gòu)與內(nèi)容上的共性是完成相互識別的關(guān)鍵之處。

根據(jù)制造知識和設(shè)計需求之間的病毒配體和受體的特異識別性，建立兩者之間的特征匹配模型，準確表述兩者之間的共同特性，為實現(xiàn)知識匹配提供基礎(chǔ)。

基于病毒吸附機制和制造知識與設(shè)計需求兩者之間關(guān)系的分析，以及領(lǐng)域內(nèi)已有知識匹配模型的優(yōu)缺點比較，從支持設(shè)計的角度分析制造知識的類別、表現(xiàn)形式及特征等，將制造知識按照病毒的形式表示，構(gòu)建制造知識的仿病毒模型。模型表示如下：

其中，KVM代表制造知識的仿病毒模型，KH，KS，KT，KO，KW即為仿病毒模型中的各蛋白質(zhì)關(guān)鍵位點。其中：KH代表制造知識文檔的標題；KT代表制造知識的類別；KS代表制造知識的應(yīng)用階段；KO代表該制造知識所適用具體設(shè)計對象；KW代表制造知識的關(guān)鍵詞。而仿病毒模型中的“DNA”即為制造知識的具體內(nèi)容描述。模型映射過程和制造知識的仿病毒模型的結(jié)構(gòu)示意如圖3所示。

圖3 制造知識的仿病毒模型表示

針對上述知識的不同類別、表現(xiàn)形式及特征等，結(jié)合知識的病毒化模型，為了與其匹配，設(shè)計相應(yīng)的設(shè)計需求宿主細胞模型DHM=（DH，DT，DS，DO，DW）。構(gòu)建的設(shè)計需求仿宿主細胞模型結(jié)構(gòu)如圖4所示。

以“鋁合金嚴格熱處理工藝的制造知識”為例，將制造知識按照仿病毒模型進行封裝，以體現(xiàn)制造知識特異性，如表1所示。若按此模型將已有全部制造知識進行封裝，則可形成制造知識病毒庫。

圖4 設(shè)計需求的仿宿主細胞模型

表1 制造知識的仿病毒模型封裝示例

此條制造知識的具體描述是：加熱溫度精確控制，要求熱處理加熱爐爐溫均勻性≤±5℃；限制淬火轉(zhuǎn)移時間，我國航空標準規(guī)定，鋁合金淬火轉(zhuǎn)移時間≤15秒；限制包鋁鋁合金熱處理加熱速率和固溶處理次數(shù)；淬火后時效前的冷變形和冷凍，鋁合金冷凍處理溫度一般≤-18℃。

以飛機翼梁在進行翼梁的方案設(shè)計時，需要了解翼梁所用材料的一些特性為例，可以提出一個具體的設(shè)計需求，按照設(shè)計需求的仿宿主細胞模型進行封裝，以體現(xiàn)設(shè)計需求的特異性，如表2所示。若按照此模型將所有的設(shè)計需求進行封裝，則可形成設(shè)計需求的宿主細胞庫。

表2 設(shè)計需求的仿宿主細胞模型封裝示例

此條設(shè)計需求的具體描述為：在進行翼梁設(shè)計時，需要了解其鋁合金材料在熱處理工藝過程中需要注意的問題，如溫度控制，淬火轉(zhuǎn)移時間等。

3 知識匹配算法與實現(xiàn)

向量空間模型（VSM）是近年來使用較多且效果較好的一種信息檢索模型，其核心思想是用向量表示文檔，將一個文檔映射至n維向量空間。

基于上述概念，向量空間模型對文本進行數(shù)學(xué)建模的思路為：忽略各個特征項在文本中出現(xiàn)的先后順序，并假設(shè)所有的特征項之間是互不相干的，將文本視為若干相互獨立的特征項的組合。以不同的特征項構(gòu)造一個高維空間，每個特征項為該空間的一個維，文本則被看作這個空間中的一個向量。

向量空間模型是把文檔中的每個關(guān)鍵詞看成一個維度，把詞對于文檔的重要程度作為其值，一般做法是一個概念相對于一個文檔的重要程度[8]：

1）與它在該文檔中出現(xiàn)的次數(shù)成正比；

2）與該概念在所有文檔中出現(xiàn)過的文檔數(shù)成反比。

由此每篇文章的詞及詞的頻率就構(gòu)成了一個多維向量空間，兩個文檔的相似度就是兩個向量的接近度。

將制造知識表示為：

并把設(shè)計需求表示為：

制造知識文檔中的概念詞可能出現(xiàn)在文檔中的不同描述區(qū)間中，如知識標題、關(guān)鍵詞等。在不同的描述區(qū)間中，概念詞相對于知識文檔的重要程度可能不一樣，因此，需要對每個描述區(qū)間的重要程度進行設(shè)定，以提高查準率，從而提出知識匹配的模型：

其中，ΔM 代表制造知識與設(shè)計需求的匹配結(jié)果最終值，Wi表示匹配特征項和描述區(qū)間的綜合權(quán)重，vk,vd分別代表制造知識和設(shè)計需求的對應(yīng)的特征向量，fi(vk,vd)是計算兩個特征向量的匹配程度的函數(shù)。

設(shè)Wki為概念詞在制造知識源文檔中的特征權(quán)重，n為Ki在這個文本中出現(xiàn)的個數(shù)，m為其他所有文本中含有Ki的文檔的個數(shù)，M為文檔的總數(shù)。概念相對于設(shè)計知識源文檔的特征權(quán)重計算方法：

相似度計算公式如下：

其中，Wki為制造知識文檔中概念詞Ki的特征權(quán)重；Wxi為概念詞Ki的描述區(qū)間權(quán)重，Wdi代表設(shè)計需求概念詞Di的特征權(quán)重，Wxi和Wdi一般由經(jīng)驗確定。

經(jīng)過計算，從而得出制造知識和設(shè)計人員知識需求之間的相似度ΔM，若ΔM(vk,vd)大于閾值，則匹配成功。此時，輸出所有大于閾值的制造知識，即為滿足設(shè)計人員需求的知識。

4 實例應(yīng)用

假設(shè)，某型號飛機在進行機翼蒙皮方案設(shè)計的過程中，設(shè)計人員需要了解7xxx系鋁合金熱處理工藝過程中涉及到的一般知識。結(jié)合上文中建立的知識匹配模型，首先將設(shè)計人員的設(shè)計需求模型化，DHM=（7xxx系鋁合金工藝熱處理；工藝知識；方案設(shè)計；機翼蒙皮；7xxx系鋁合金）

在某制造知識系統(tǒng)中，列舉部分有關(guān)7xxx系鋁合金熱處理工藝的制造知識如下：

在本例中，為了計算簡便，均將設(shè)計需求及各制造知識的模型向量空間封裝為5維向量空間。

根據(jù)向量空間模型的表示方法來表示設(shè)計需求時，各向量值（即Wdi）的含義即為概念詞在設(shè)計需求中的特征權(quán)重，一般由經(jīng)驗確定。本例中，DHM=（7xxx系鋁合金工藝熱處理；材料知識；方案設(shè)計；機翼蒙皮；7xxx系鋁合金），設(shè)計需求的向量模型為：vd=（1，2，2，1，2），即標題和設(shè)計對象的概念特征權(quán)重較低，其余則較高。

下面進行制造知識的向量表示，因為制造知識的向量模型表示為：

為制造知識各概念描述空間的權(quán)重值，一般由經(jīng)驗確定。為計算簡便，設(shè)本例中各制造知識的Wxi值均為：

根據(jù)以上數(shù)據(jù)，可以計算出匹配值ΔM 的大小，如表3所示。

設(shè)在此類情況下，知識匹配結(jié)果的閾值為1.25，大于匹配閾值的制造知識按照匹配結(jié)果值的降序排列是，從整體上看，匹配結(jié)果較為合理。

表3 ΔM 值

5 結(jié)論

針對目前制造知識與設(shè)計需求匹配程度低的問題，借鑒病毒吸附宿主細胞機制，構(gòu)建了制造知識的仿病毒模型和設(shè)計需求的仿宿主細胞模型，提出算法實現(xiàn)了知識匹配過程，以某型號飛機在進行機翼蒙皮方案設(shè)計的過程中，設(shè)計人員需要了解7xxx系鋁合金熱處理工藝過程中涉及到的一般知識為例，完成了某制造知識系統(tǒng)內(nèi)制造知識與該設(shè)計需求的匹配過程的實現(xiàn)。

研究借鑒病毒吸附機制為設(shè)計過程中設(shè)計人員精確獲取所需制造知識提供了一種參考方法，需要進一步研究的工作包括：1）匹配后知識的主動推送；2）知識匹配算法改進；3）知識匹配閾值的合理確定。

[1]Boothroyd G.,Dewhurst P.Product Design for Manufacture and Assembly(Third Edition)[M].Florida:CRC Press,2010.

[2]Aurisicchio M.,Bracewell R.,Wallace K.Understanding how the information requests of aerospace engineering designers influence information-seeking behaviour[J].Journal of Engineering Design,2011,21(6):707-730.

[3]茅健,曹乃亮,曹衍龍,等.產(chǎn)品設(shè)計過程中質(zhì)量知識的匹配方法[J].農(nóng)業(yè)機械學(xué)報,2012,43(1):197-201.

[4]王生發(fā),顧新建,郭劍鋒,等.面向產(chǎn)品設(shè)計的知識主動推送研究[J].計算機集成制造系統(tǒng),2007,13(2):234-239.

[5]蔣翠清,高家飛,李斌生.面向產(chǎn)品設(shè)計人員的知識推送服務(wù)研究[J].合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版),2012,35(3):392-397.

[6]王士凱,王力,江平,等.基于情境的知識推送技術(shù)研究[J].計算機技術(shù)與發(fā)展,2013,23(2):131-134.

[7]王小純.病毒學(xué)(第1版)[M].北京:中國農(nóng)業(yè)出版社,2007.

[8]劉宏哲.文本語義相似度計算方法研究[D].北京交通大學(xué),2012.