基于前景理論的復(fù)雜產(chǎn)品設(shè)計(jì)任務(wù)變更擾動(dòng)決策優(yōu)化

邢青松，靳雷光，梁學(xué)棟

基于前景理論的復(fù)雜產(chǎn)品設(shè)計(jì)任務(wù)變更擾動(dòng)決策優(yōu)化

邢青松1,2，靳雷光1，梁學(xué)棟2

（1.重慶交通大學(xué) 經(jīng)濟(jì)與管理學(xué)院，重慶，400074；2.四川大學(xué) 商學(xué)院，四川 成都，610065)

完全理性人假設(shè)基礎(chǔ)上的復(fù)雜產(chǎn)品設(shè)計(jì)任務(wù)變更擾動(dòng)決策優(yōu)化難以反映不同主體的心理感知，且不考慮優(yōu)先級(jí)情況下基于行為主體的變更擾動(dòng)決策偏差仍較大。對(duì)此，通過構(gòu)建不同主體心理風(fēng)險(xiǎn)感知函數(shù)，并基于模糊隸屬度賦予不同決策優(yōu)先級(jí)，以深入刻畫異質(zhì)主體心理感知行為和決策請(qǐng)求；在此基礎(chǔ)上，基于行為運(yùn)籌科學(xué)的前景理論，建立考慮不同主體決策優(yōu)先級(jí)的復(fù)雜產(chǎn)品設(shè)計(jì)任務(wù)變更擾動(dòng)決策優(yōu)化模型；進(jìn)一步，采用任務(wù)設(shè)計(jì)序列和主體相融合的雙層編碼策略，提出基于周期和事件的自適應(yīng)多目標(biāo)動(dòng)態(tài)調(diào)度算法，仿真結(jié)果表明，該模型變更擾動(dòng)決策偏差比不考慮優(yōu)先級(jí)情況下基于行為主體的設(shè)計(jì)任務(wù)變更擾動(dòng)決策小，與未變更方案吻合度更高。

復(fù)雜產(chǎn)品; 任務(wù)變更; 擾動(dòng)決策; 前景理論; 決策優(yōu)化

0 引言

金融及其衍生品支撐下的虛擬經(jīng)濟(jì)在誘發(fā)全球經(jīng)濟(jì)危機(jī)，并導(dǎo)致世界經(jīng)濟(jì)增長(zhǎng)普遍乏力后，歐美各國(guó)逐漸認(rèn)識(shí)到制造業(yè)對(duì)實(shí)現(xiàn)可持續(xù)經(jīng)濟(jì)增長(zhǎng)、維持就業(yè)和穩(wěn)定社會(huì)的關(guān)鍵作用[1-2]。于是，以美、德為代表的國(guó)家制定出臺(tái)了一系列促使制造業(yè)回流，強(qiáng)化本國(guó)制造業(yè)未來發(fā)展先導(dǎo)優(yōu)勢(shì)的重要計(jì)劃和措施，如“先進(jìn)制造業(yè)國(guó)家戰(zhàn)略計(jì)劃”、“高技術(shù)戰(zhàn)略2020”、“德國(guó)工業(yè)4.0計(jì)劃”等[3-4]。與此同時(shí)，我國(guó)政府也結(jié)合自身經(jīng)濟(jì)特點(diǎn)，制定了旨在優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)、助力產(chǎn)業(yè)升級(jí)的“制造業(yè)2025計(jì)劃”，并強(qiáng)調(diào)產(chǎn)業(yè)升級(jí)的關(guān)鍵和重心為裝備制造業(yè)[2]。

然而，由于裝備制造業(yè)中絕大部分屬于復(fù)雜產(chǎn)品[4-5]，其本身結(jié)構(gòu)、工藝和功能模塊復(fù)雜，技術(shù)含量高、研發(fā)周期較長(zhǎng)，在設(shè)計(jì)過程中，由于客戶及企業(yè)所處環(huán)境的多變性（如政策法規(guī)調(diào)整、技術(shù)革新、市場(chǎng)變化等），其產(chǎn)品功能往往需要進(jìn)行調(diào)整以適應(yīng)環(huán)境的變化；此外，客戶在初始需求階段不完全清楚產(chǎn)品所有功能，隨著設(shè)計(jì)過程的展開，客戶對(duì)產(chǎn)品的功能需求認(rèn)識(shí)逐漸清晰，此時(shí)可能發(fā)現(xiàn)某些功能并非所需，而某些功能缺失，因而會(huì)提出需求變更[5-7]。對(duì)此，楊寶森等[8]在分析產(chǎn)品設(shè)計(jì)任務(wù)變更原因和目的基礎(chǔ)上，提出基于設(shè)計(jì)結(jié)構(gòu)矩陣的設(shè)計(jì)變更演化過程模型。進(jìn)一步，Tabatabaee等[9]指出由于復(fù)雜產(chǎn)品的結(jié)構(gòu)、功能復(fù)雜性，以及約束的多變性，設(shè)計(jì)任務(wù)變更導(dǎo)致的任務(wù)-資源調(diào)整主要以動(dòng)態(tài)協(xié)調(diào)優(yōu)化方式；Lapegue T等[10]提出在固定設(shè)計(jì)任務(wù)前提下，以最小化設(shè)計(jì)主體工作負(fù)荷為目標(biāo)的設(shè)計(jì)任務(wù)公平調(diào)度標(biāo)準(zhǔn)；Freuder等[11]通過對(duì)客戶提前設(shè)定的約束優(yōu)先級(jí)來衡量配置解的優(yōu)劣，當(dāng)客戶需求變更時(shí)，通過協(xié)商達(dá)到雙方滿意；Wang等[12-13]提出基于模塊參數(shù)調(diào)節(jié)的快速變形設(shè)計(jì)，Castro等[14]對(duì)大型復(fù)雜設(shè)備設(shè)計(jì)中的多目標(biāo)優(yōu)化問題進(jìn)行了研究；Khattab等[15]提出復(fù)雜產(chǎn)品設(shè)計(jì)資源受限情況下，基于比較分配優(yōu)先序列的多參數(shù)啟發(fā)式求解方法；Weiss等[16]以效益最大化為目標(biāo)，提出了產(chǎn)品再配置中的可實(shí)施方案；Abu Sharkh等[17]針對(duì)復(fù)雜產(chǎn)品設(shè)計(jì)資源調(diào)度中的大數(shù)據(jù)處理問題，提出了基于云計(jì)算的數(shù)據(jù)計(jì)算方法，該計(jì)算方法不但可以分析資源調(diào)度中出現(xiàn)的各類擾動(dòng)事件，還可根據(jù)擾動(dòng)事件的特征快速匹配相關(guān)的信息，并輔以相應(yīng)的資源調(diào)度算法，繼而完成資源的協(xié)調(diào)優(yōu)化任務(wù)。上述成果有力的推動(dòng)了復(fù)雜產(chǎn)品設(shè)計(jì)領(lǐng)域的深入研究，不過多建立在設(shè)計(jì)主體的“完全理性”的假設(shè)之上，在協(xié)調(diào)優(yōu)化過程中忽略了參與主體的行為因素[18]，而復(fù)雜產(chǎn)品設(shè)計(jì)過程是涉及多主體-多任務(wù)-多資源的交互系統(tǒng)，從設(shè)計(jì)任務(wù)分配到客戶需求變更響應(yīng)的全過程中都離不開人的參與，因此必須重視設(shè)計(jì)主體的重要作用，且設(shè)計(jì)主體在做決策時(shí)往往受到認(rèn)知水平、外界環(huán)境等的干擾做出不同的反應(yīng)，而這些決策反應(yīng)必定會(huì)對(duì)原系統(tǒng)產(chǎn)生影響，甚至造成連鎖反應(yīng)，從而導(dǎo)致基于完全理性人假設(shè)下，單純考慮客觀的任務(wù)-資源協(xié)調(diào)優(yōu)化結(jié)果與事實(shí)存在較大偏差[18-20]。鑒于此，Bendoly等[21-22]討論了運(yùn)作管理中對(duì)主體行為進(jìn)行建模時(shí)所基于的假設(shè)，并指出主體行為在運(yùn)作管理中起到關(guān)鍵作用；進(jìn)一步，Gino等[23]提出需要運(yùn)用行為運(yùn)籌相關(guān)理論探討人的認(rèn)知、行為對(duì)運(yùn)作系統(tǒng)產(chǎn)生影響的相關(guān)屬性及相互作用。國(guó)內(nèi)學(xué)者劉作儀等[24]在提出行為運(yùn)作管理的定義及研究范式的基礎(chǔ)上，以人員實(shí)驗(yàn)為方法來揭示主體行為的影響，并提出行為運(yùn)作管理的主要研究思路；王亮等[25]針對(duì)突發(fā)事件的動(dòng)態(tài)性及信息的不確定性等特征，提出基于前景理論的應(yīng)急方案動(dòng)態(tài)調(diào)整方法；王建軍等[18,20,26]針對(duì)單機(jī)流水線機(jī)加工車間生產(chǎn)過程中的干擾事件，提出基于前景理論的擾動(dòng)度量方法，構(gòu)建干擾管理模型并設(shè)計(jì)相應(yīng)的啟發(fā)式算法進(jìn)行求解。而在處理復(fù)雜產(chǎn)品設(shè)計(jì)任務(wù)變更擾動(dòng)決策問題時(shí)，現(xiàn)有研究未能有效引入行為運(yùn)籌和前景理論的相關(guān)分析思路，多建立在完全理性人的假設(shè)之上[18]，注重基于啟發(fā)式算法的無心理感知行為的設(shè)計(jì)任務(wù)-資源等客體再調(diào)度優(yōu)化，或基于項(xiàng)目管理各種技術(shù)，如計(jì)劃評(píng)審技術(shù)、網(wǎng)絡(luò)規(guī)劃等，并與設(shè)計(jì)結(jié)構(gòu)矩陣相結(jié)合對(duì)設(shè)計(jì)變更擾動(dòng)進(jìn)行協(xié)調(diào)優(yōu)化，最終導(dǎo)致在此基礎(chǔ)上建構(gòu)的理論模型及決策結(jié)果與具體實(shí)踐存在較大偏差[8-9]。因此，如何在綜合考慮多主體異質(zhì)期望收益的情況下，通過分析不同決策主體心理感知傾向性決策，并確定其決策優(yōu)先級(jí)，使得不同主體因設(shè)計(jì)任務(wù)需求變更導(dǎo)致的決策擾動(dòng)與未變更前相比盡可能小，從而在滿足客戶個(gè)性化定制需求的同時(shí)，以企業(yè)可接受成本域保證設(shè)計(jì)方案交付期成為當(dāng)前復(fù)雜產(chǎn)品設(shè)計(jì)領(lǐng)域亟待解決的問題。

鑒于此，本文在綜合運(yùn)用行為運(yùn)籌理論中重要的科學(xué)理論——前景理論的基礎(chǔ)上，通過構(gòu)建不同主體心理風(fēng)險(xiǎn)感知函數(shù)，并基于模糊隸屬度賦予不同決策優(yōu)先級(jí)，以深入刻畫異質(zhì)主體的決策請(qǐng)求；然后，建立基于前景理論的復(fù)雜產(chǎn)品設(shè)計(jì)任務(wù)變更擾動(dòng)決策優(yōu)化模型；進(jìn)一步，采用任務(wù)設(shè)計(jì)序列和主體相融合的雙層編碼策略，設(shè)計(jì)基于周期和事件的自適應(yīng)多目標(biāo)動(dòng)態(tài)調(diào)度算法進(jìn)行求解，以期為復(fù)雜產(chǎn)品設(shè)計(jì)變更領(lǐng)域的研究提供具有可參考價(jià)值的決策支持理論。

1 基于前景理論的設(shè)計(jì)任務(wù)變更傾向性決策方法

當(dāng)設(shè)計(jì)任務(wù)發(fā)生變更后，各個(gè)決策者需要對(duì)其進(jìn)行傾向性選擇決策，以至于使做出的決策期望收益最大。所以需要對(duì)各個(gè)決策者進(jìn)行決策傾向性分析，在此基礎(chǔ)上，得出本系統(tǒng)期望收益的度量方法。

1.1 各決策主體心理風(fēng)險(xiǎn)感知的分析

在定制化與個(gè)性化飛速發(fā)展的今天，復(fù)雜產(chǎn)品設(shè)計(jì)任務(wù)變更事件變得更為頻繁[7-8]，為了滿足客戶個(gè)性化需求，企業(yè)決策者在接收到客戶變更請(qǐng)求信息，并經(jīng)過技術(shù)和財(cái)務(wù)評(píng)估后[16]，對(duì)設(shè)計(jì)任務(wù)變更做出反應(yīng)，并迅速調(diào)整設(shè)計(jì)方案，設(shè)計(jì)主體按照變更后生成的調(diào)整方案進(jìn)行產(chǎn)品設(shè)計(jì)。因此，客戶、企業(yè)決策主體和設(shè)計(jì)主體是產(chǎn)品設(shè)計(jì)任務(wù)變更系統(tǒng)中主要的三方?jīng)Q策主體，其變更發(fā)生的基本程序如圖1所示。

圖1 設(shè)計(jì)變更的基本程序圖

Figure 1 Basic program diagram for design changes

（1）客戶?？蛻糇鳛楫a(chǎn)品的最終接收者。當(dāng)設(shè)計(jì)任務(wù)發(fā)生變更后，已開始的產(chǎn)品方案受到變更干擾，因技術(shù)和財(cái)務(wù)重評(píng)估使得設(shè)計(jì)暫時(shí)中斷和調(diào)整，影響產(chǎn)品設(shè)計(jì)進(jìn)度、成本及最終完成時(shí)間。導(dǎo)致客戶難以在原定成本的基礎(chǔ)上按預(yù)計(jì)時(shí)限收到變更后產(chǎn)品，從而影響其產(chǎn)品上市與推廣計(jì)劃。因此，與客戶而言，能否以原成本按期限交付變更產(chǎn)品，是影響其期望收益的主要原因，也是其決策考慮的重要目標(biāo)。

（2）企業(yè)決策主體。企業(yè)決策主體主導(dǎo)產(chǎn)品研發(fā)設(shè)計(jì)的整個(gè)協(xié)調(diào)過程。在客戶需求多樣化和定制化的今天，商業(yè)環(huán)境、政策和行業(yè)技術(shù)標(biāo)準(zhǔn)調(diào)整等方面因素的影響，使得產(chǎn)品設(shè)計(jì)變更愈加頻繁，當(dāng)設(shè)計(jì)變更發(fā)生導(dǎo)致原方案中斷后，在可接受的成本域內(nèi)依客戶變更要求重新調(diào)整方案，從而避免客戶流失是企業(yè)決策主體首要考慮的問題。

（3）設(shè)計(jì)主體。設(shè)計(jì)主體是產(chǎn)品設(shè)計(jì)的直接執(zhí)行者。在新的產(chǎn)品設(shè)計(jì)方案下，設(shè)計(jì)主體需要重新調(diào)整設(shè)計(jì)方案：不同產(chǎn)品功能模塊調(diào)整、相關(guān)設(shè)計(jì)參數(shù)的優(yōu)化、不同設(shè)計(jì)主體-任務(wù)的再分配等。變更后的產(chǎn)品設(shè)計(jì)方案將會(huì)產(chǎn)生額外重復(fù)的任務(wù)，影響設(shè)計(jì)主體的作業(yè)效率，進(jìn)而對(duì)設(shè)計(jì)主體的周期性考評(píng)，如任務(wù)量、工資、獎(jiǎng)金、福利等分配帶來直接的影響，從而在一定程度上導(dǎo)致設(shè)計(jì)主體的消極情緒，以至于最終影響變更后產(chǎn)品設(shè)計(jì)方案的交付時(shí)間。因此，變更前后的設(shè)計(jì)方案之間分配于設(shè)計(jì)主體的偏差大小，也即設(shè)計(jì)任務(wù)負(fù)荷均衡程度是設(shè)計(jì)主體需要考慮的主要目標(biāo)。

1.2 基于前景理論的設(shè)計(jì)任務(wù)變更的傾向性決策方法

前景理論[25-29]是動(dòng)態(tài)作用于決策情景中的決策者，強(qiáng)調(diào)決策者與環(huán)境的互動(dòng)性，根據(jù)決策者的認(rèn)知能力與行為偏差，影響其對(duì)信息的處理過程，進(jìn)而影響決策結(jié)果的行為決策理論。它摒棄傳統(tǒng)規(guī)范性決策中認(rèn)為人都是具有完全理性的代理人的片面觀點(diǎn)，以決策者的有限理性為基礎(chǔ)，對(duì)動(dòng)態(tài)條件下的決策行為做出更加真實(shí)的描述。其一般決策過程分為編輯階段和評(píng)價(jià)階段。編輯階段是決策的準(zhǔn)備階段：通過收集信息、整理數(shù)據(jù)，對(duì)影響決策的因素進(jìn)行分析；對(duì)分析得出的各個(gè)方案進(jìn)行比較編碼，形成決策框架。評(píng)價(jià)階段是決策的最終階段：通過對(duì)編輯階段形成的決策框架進(jìn)行分析梳理，框定優(yōu)選方案；對(duì)優(yōu)選方案進(jìn)行決策前的最后評(píng)價(jià)，并依據(jù)評(píng)價(jià)做出決策。如圖2所示。

Figure 2 Decision process diagram of prospect theory

作為對(duì)期望效用理論的一種改進(jìn)，前景理論于20世紀(jì)70年代由Kahneman和Tversky[28-29]提出以來，廣泛用于解釋決策者在面對(duì)風(fēng)險(xiǎn)和不確定條件下進(jìn)行決策的行為科學(xué)。并且，可以很好地將決策者的心理風(fēng)險(xiǎn)感知考慮到應(yīng)急決策方法的選擇問題上[24-25]，這樣可以使得決策更具有合理性和有效性。因此，本文基于前景理論，提出復(fù)雜產(chǎn)品設(shè)計(jì)任務(wù)變更的傾向性決策度量方法。

1.2.1 價(jià)值函數(shù)的表示

1.2.2 權(quán)系數(shù)的選取標(biāo)準(zhǔn)

當(dāng)不同決策主體從各自的角度進(jìn)行決策時(shí)，均希望首先實(shí)現(xiàn)自我目標(biāo)收益最大化，并使自己能處于決策的優(yōu)先地位。但是復(fù)雜產(chǎn)品協(xié)同設(shè)計(jì)作為一個(gè)由異質(zhì)主體構(gòu)成的多方?jīng)Q策系統(tǒng)還應(yīng)兼顧系統(tǒng)整體性目標(biāo)[8]，對(duì)此一般通過分別賦予各決策主體不同的權(quán)系數(shù)，以此達(dá)到兼顧各方要求的目的[20,26]。在累積前景理論的基礎(chǔ)上定義權(quán)重函數(shù)[24,28-29]，作為權(quán)系數(shù)選取的標(biāo)準(zhǔn)，避免傳統(tǒng)選取權(quán)系數(shù)方法存在較強(qiáng)主觀性和模糊性的缺點(diǎn)。具體如下：

1.2.3 設(shè)計(jì)變更不滿意隸屬函數(shù)的確定

的設(shè)計(jì)任務(wù)變更不滿意隸屬度函數(shù)圖形如下圖3所示，其中，可通過對(duì)不同主體進(jìn)行問卷調(diào)查等的實(shí)證研究方法來確定數(shù)值大小[18,20]。

2 基于前景理論的復(fù)雜產(chǎn)品設(shè)計(jì)任務(wù)變更擾動(dòng)決策優(yōu)化模型

2.1 問題描述與界定

2.2 變量及參數(shù)說明

2.3 基于優(yōu)先權(quán)的變更決策擾動(dòng)度量函數(shù)

2.3.1 客戶優(yōu)先變更決策干擾的度量

2.3.2 企業(yè)決策者變更決策干擾的度量

對(duì)于企業(yè)決策主體而言，因產(chǎn)品設(shè)計(jì)變更而導(dǎo)致交付期延遲，并由此導(dǎo)致設(shè)計(jì)成本變動(dòng)，是其心理風(fēng)險(xiǎn)感知的核心要素，其價(jià)值函數(shù)為：

2.3.3 設(shè)計(jì)主體變更決策干擾的度量

對(duì)于設(shè)計(jì)主體而言，產(chǎn)品設(shè)計(jì)方案變更前后的任務(wù)模塊的序列變化偏差度是其心理風(fēng)險(xiǎn)感知最核心的要素，其價(jià)值函數(shù)為：

2.4 復(fù)雜產(chǎn)品設(shè)計(jì)任務(wù)變更決策優(yōu)化模型

由上述可知，構(gòu)建基于字典序的復(fù)雜產(chǎn)品設(shè)計(jì)任務(wù)變更多目標(biāo)決策優(yōu)化模型：

式(12)為目標(biāo)函數(shù)，表示設(shè)計(jì)變更后方案與初始設(shè)計(jì)方案間的決策變更程度最小，即由客戶需求變更導(dǎo)致的設(shè)計(jì)周期、成本及任務(wù)模塊設(shè)計(jì)序列變化，對(duì)企業(yè)決策者、設(shè)計(jì)主體及客戶自身的決策擾動(dòng)程度最小。在該模型中，為了首先滿足客戶的要求，將客戶對(duì)產(chǎn)品交付時(shí)間的加權(quán)決策擾動(dòng)不滿意度之和為第一級(jí)目標(biāo)，企業(yè)決策主體對(duì)設(shè)計(jì)變更后方案中剩余任務(wù)模塊的完工時(shí)間的加權(quán)決策擾動(dòng)不滿意度為二級(jí)目標(biāo)，設(shè)計(jì)主體對(duì)因客戶需求變更導(dǎo)致的任務(wù)模塊序列設(shè)計(jì)偏差的加權(quán)決策不滿意度為第三級(jí)目標(biāo)。式(13)、(14)確定任務(wù)模塊的序列先后，以及各設(shè)計(jì)主體負(fù)責(zé)的任務(wù)模塊的先后。

3 產(chǎn)品設(shè)計(jì)任務(wù)變更擾動(dòng)決策優(yōu)化模型求解算法

基于前景理論的復(fù)雜產(chǎn)品設(shè)計(jì)任務(wù)變更擾動(dòng)決策優(yōu)化模型，在相關(guān)條件的約束下，涉及到大量數(shù)據(jù)的組合優(yōu)化計(jì)算。因此，有必要尋求適用的啟發(fā)式算法進(jìn)行求解，自適應(yīng)多目標(biāo)動(dòng)態(tài)調(diào)度算法(adaptive multi-objective dynamic scheduling algorithm, AMODSA)在綜合利用相關(guān)智能算法求解組合優(yōu)化問題自身優(yōu)勢(shì)的基礎(chǔ)上[32-33]，采用基于任務(wù)設(shè)計(jì)序列和主體相融合的雙層編碼策略，實(shí)現(xiàn)產(chǎn)品設(shè)計(jì)過程中的任務(wù)-主體動(dòng)態(tài)柔性分配，從而保證在客戶需求變更擾動(dòng)出現(xiàn)并造成任務(wù)執(zhí)行中斷時(shí)，通過設(shè)計(jì)主體和任務(wù)模塊再調(diào)度，以最小化最大完工時(shí)間為目標(biāo)，降低因客戶需求變更對(duì)產(chǎn)品設(shè)計(jì)周期延時(shí)的影響，提高產(chǎn)品設(shè)計(jì)效率。該算法的流程圖及具體步驟如圖4所示。

圖4 算法執(zhí)行流程圖

Figure 4 Flow chart of algorithm

（3）染色體交叉操作。為充分利用歷史信息，本文采用雙點(diǎn)交叉以增加種群多樣性，防止算法早熟、停滯的操作。如圖5所示。

在進(jìn)化的過程中，當(dāng)前代種群個(gè)體的適應(yīng)度低于平均適應(yīng)度值時(shí)，為達(dá)到較快的搜索速度，就需要提高交叉率；反之，則需要降低交叉率，這樣就需要交叉率可隨著適應(yīng)度值自動(dòng)地調(diào)整。為此，本文提出交叉概率動(dòng)態(tài)調(diào)整策略，其自適應(yīng)調(diào)整公式為：

Figure 5 Two-point intersection

（4）染色體變異操作。本文采用隨機(jī)互換變異，即隨機(jī)選擇染色體中的兩基因位，交換其值，目的在于增加種群數(shù)，維持群體多樣性，改善局部搜索能力，從而達(dá)到防止出現(xiàn)早熟的目的，如圖6所示。

圖6 隨機(jī)互換變異

Figure 6 Random interchange variation

同時(shí)，采用自適應(yīng)變異概率來提高收斂速度，且自適應(yīng)調(diào)整公式為：

Step 3：按照步驟2的任務(wù)調(diào)度執(zhí)行邏輯，實(shí)時(shí)判斷上述過程是否產(chǎn)生設(shè)計(jì)變更擾動(dòng)，再調(diào)度周期時(shí)刻是否啟動(dòng)。如需啟動(dòng)，取消設(shè)計(jì)主體該時(shí)刻在執(zhí)行任務(wù)模塊設(shè)計(jì)序列的操作，并計(jì)算該設(shè)計(jì)序列的剩余操作時(shí)間，把該設(shè)計(jì)序列及剩余操作時(shí)間保存到待執(zhí)行任務(wù)集中，等同于待執(zhí)行任務(wù)，當(dāng)設(shè)計(jì)變更后的方案確定后，把該任務(wù)從待執(zhí)行任務(wù)集轉(zhuǎn)入到在執(zhí)行任務(wù)集進(jìn)行操作，直到該任務(wù)所有的設(shè)計(jì)序列被操作完。啟動(dòng)再調(diào)度前則應(yīng)首先判斷該任務(wù)模塊是否已被操作完：若已完成，則暫不啟動(dòng)再調(diào)度；若未完成，且該任務(wù)的執(zhí)行設(shè)計(jì)主體響應(yīng)客戶需求變更，啟動(dòng)事件再調(diào)度，則在保證目標(biāo)函數(shù)公式(12)較優(yōu)的前提下，將需求變更后的任務(wù)模塊從待執(zhí)行任務(wù)集轉(zhuǎn)入到在執(zhí)行任務(wù)集進(jìn)行操作，直到該任務(wù)所有的設(shè)計(jì)序列被執(zhí)行完畢。然后，轉(zhuǎn)步驟4。

4 仿真實(shí)驗(yàn)與分析

①算法驗(yàn)證.為驗(yàn)證基于周期和事件的自適應(yīng)多目標(biāo)動(dòng)態(tài)調(diào)度算法(TS-AMODSA)在求解上述變更擾動(dòng)決策模型的有效性，仿真實(shí)驗(yàn)環(huán)境為RAM 4G、Intel Core(TM)i5 CPU，@1.70GHz 2.40GHz，64位Windows10操作系統(tǒng)下的Matlab.R2015a。在設(shè)定相同參數(shù)的基礎(chǔ)上，與單純基于周期的自適應(yīng)多目標(biāo)動(dòng)態(tài)調(diào)度算法(T-AMODSA)以及基于事件的自適應(yīng)多目標(biāo)動(dòng)態(tài)調(diào)度算法(S-AMODSA)進(jìn)行仿真對(duì)比驗(yàn)證。

表 1 設(shè)計(jì)主體負(fù)責(zé)執(zhí)行的任務(wù)模塊序列

表2 各任務(wù)模塊及其設(shè)計(jì)序列交付預(yù)期

表3 算法仿真對(duì)比驗(yàn)證表

由表3可知，1）在相同的再調(diào)度周期下，TS-AMODSA算法在運(yùn)算時(shí)間和收斂的最優(yōu)解方面均優(yōu)于T-AMODSA 和S-AMODSA算法；2）在不同在調(diào)度周期下，與單純基于周期的自適應(yīng)多目標(biāo)動(dòng)態(tài)調(diào)度算法(T-AMODSA)相比，隨著再調(diào)度周期的增大，TS-AMODSA算法在運(yùn)算時(shí)間消耗方面未顯著增加，且收斂的最優(yōu)解魯棒性也優(yōu)于前者，從而保證了該算法在求解前述擾動(dòng)決策模型的有效性。

圖7 未變更方案最優(yōu)解迭代收斂圖

Figure 7 Iterative convergence diagram of optimal solutions for unchanged scheme

②模型驗(yàn)證.以全部設(shè)計(jì)任務(wù)模塊的最大完工時(shí)間最小為目標(biāo)，得到未變更方案最優(yōu)解迭代收斂圖7、未變更方案設(shè)計(jì)任務(wù)甘特圖8，此時(shí)最大完工時(shí)間最小為57。（例：102表示任務(wù)模塊1的第2道設(shè)計(jì)序列）

圖8 未變更方案設(shè)計(jì)任務(wù)甘特圖

Figure 8 Gantt chart of unchanged project design tasks

當(dāng)原設(shè)計(jì)方案推進(jìn)10時(shí)，企業(yè)決策主體收到客戶的產(chǎn)品設(shè)計(jì)變更請(qǐng)求，在經(jīng)過技術(shù)和財(cái)務(wù)評(píng)審后，確認(rèn)該請(qǐng)求變更的相關(guān)技術(shù)和財(cái)務(wù)指標(biāo)在企業(yè)可接受域，并將指令傳達(dá)至設(shè)計(jì)主體，原設(shè)計(jì)方案未完成任務(wù)模塊暫中止，持續(xù)時(shí)間為8。變更方案確定并重啟，需要對(duì)未完成模塊及其設(shè)計(jì)序列、設(shè)計(jì)主體重調(diào)度。并且，為保證產(chǎn)品設(shè)計(jì)方案的交付預(yù)期，同時(shí)兼顧考慮變更擾動(dòng)導(dǎo)致的企業(yè)決策主體和設(shè)計(jì)主體心理風(fēng)險(xiǎn)感知，依據(jù)前述變更擾動(dòng)重啟規(guī)則，對(duì)未完成模塊及其設(shè)計(jì)序列、設(shè)計(jì)主體重調(diào)度，其運(yùn)行結(jié)果，如圖9、10所示。根據(jù)Tversky等[29]取=0.88、=2.25，可分別得出考慮不同決策主體優(yōu)先級(jí)的變更擾動(dòng)方案和不考慮決策主體優(yōu)先級(jí)的變更擾動(dòng)方案，如表4所示。

圖9 設(shè)計(jì)變更方案最優(yōu)解迭代收斂圖

Figure 9 Iterative convergence diagram of optimal solution for design change scheme

圖10 變更方案設(shè)計(jì)任務(wù)時(shí)間甘特圖

Figure 10 Gantt chart of task time for change scenario design

表4 決策擾動(dòng)的比較

由表4可知：

（1）由于初始方案未考慮決策擾動(dòng)，所以客戶、企業(yè)決策主體及設(shè)計(jì)主體決策擾動(dòng)量均為0，此時(shí)產(chǎn)品設(shè)計(jì)方案的最大完工時(shí)間最小為57（圖7、圖8）；

（2）客戶需求變更響應(yīng)并確定后，通過對(duì)未完成任務(wù)模塊以客戶滿足優(yōu)先進(jìn)行設(shè)計(jì)方案重調(diào)度，此時(shí)最大完工時(shí)間最小為52（圖9、圖10）。與初始方案相比可知，考慮不同決策主體優(yōu)先級(jí)的變更擾動(dòng)方案盡管在客戶決策擾動(dòng)量上與未考慮決策主體優(yōu)先級(jí)的變更擾動(dòng)方案并無二致，但在企業(yè)決策主體和設(shè)計(jì)主體決策擾動(dòng)量上顯著優(yōu)于未考慮決策主體優(yōu)先級(jí)的變更擾動(dòng)方案；

（3）考慮不同決策主體優(yōu)先級(jí)的變更擾動(dòng)方案對(duì)企業(yè)決策主體的決策擾動(dòng)量顯著優(yōu)于未考慮決策主體優(yōu)先級(jí)的變更擾動(dòng)方案，表明本文方法在客戶需求變更滿足優(yōu)化的情況下，對(duì)企業(yè)決策主體而言，由客戶需求變更導(dǎo)致的交付預(yù)期和研發(fā)成本擾動(dòng)并不顯著，即基于優(yōu)先權(quán)的設(shè)計(jì)變更決策擾動(dòng)度量函數(shù)能有效規(guī)避對(duì)企業(yè)決策主體的影響；

（4）考慮不同決策主體優(yōu)先級(jí)的變更擾動(dòng)方案對(duì)設(shè)計(jì)主體的決策擾動(dòng)量顯著優(yōu)于未考慮決策主體優(yōu)先級(jí)的變更擾動(dòng)方案，且與初始的未變更設(shè)計(jì)方案相比，對(duì)設(shè)計(jì)主體而言，由客戶需求變更帶來的任務(wù)模塊序列和工作量偏差，進(jìn)而導(dǎo)致的設(shè)計(jì)主體消極情緒和倦怠性等心理風(fēng)險(xiǎn)感知擾動(dòng)并不顯著，即基于優(yōu)先權(quán)的變更決策干擾度量函數(shù)能有效緩解因客戶需求變更導(dǎo)致的產(chǎn)品設(shè)計(jì)序列偏差引起的消極怠工情緒。

5 結(jié)束語

提出基于前景理論的復(fù)雜產(chǎn)品設(shè)計(jì)任務(wù)變更擾動(dòng)決策度量方法，構(gòu)建了基于字典序的復(fù)雜產(chǎn)品設(shè)計(jì)任務(wù)變更多目標(biāo)優(yōu)化模型，并設(shè)計(jì)基于事件和周期的自適應(yīng)多目標(biāo)動(dòng)態(tài)調(diào)度算法。并且，通過考慮不同主體的優(yōu)先級(jí)，賦予不同的決策權(quán)重，仿真結(jié)果顯示其與現(xiàn)實(shí)實(shí)踐問題更加吻合，從而為產(chǎn)品設(shè)計(jì)變更中涉及主體心理行為感知的擾動(dòng)決策度量提供了新思路，有利于豐富和完善產(chǎn)品設(shè)計(jì)變更管理理論。同時(shí)，該方法通過結(jié)合模糊數(shù)學(xué)與行為運(yùn)籌中經(jīng)典的前景理論，將復(fù)雜產(chǎn)品設(shè)計(jì)變更過程中多個(gè)主體的行為因素和利益追求考慮在內(nèi)，在一定程度上克服了已有研究成果“完全理性人”假設(shè)基礎(chǔ)上單純以任務(wù)-資源協(xié)調(diào)優(yōu)化與現(xiàn)實(shí)偏差較大的問題，有利于提高求解復(fù)雜管理決策問題的有效性。此外，基于任務(wù)設(shè)計(jì)序列和主體相融合的雙層編碼策略，使得所提出的算法在客戶需求變更擾動(dòng)出現(xiàn)并造成任務(wù)執(zhí)行中斷時(shí)，通過設(shè)計(jì)主體和任務(wù)模塊再調(diào)度，實(shí)現(xiàn)不同優(yōu)先級(jí)的主體-任務(wù)動(dòng)態(tài)柔性分配，為尋找擾動(dòng)最小的調(diào)整方案提供更為實(shí)用的定量分析工具。

復(fù)雜產(chǎn)品設(shè)計(jì)在現(xiàn)實(shí)中多采用并行設(shè)計(jì)，不同任務(wù)模塊間存在信息耦合關(guān)聯(lián)性，除因客戶需求變更導(dǎo)致的設(shè)計(jì)任務(wù)中斷外，任務(wù)活動(dòng)重疊、迭代和返工也較多，而本文在構(gòu)建模型時(shí)未給予考慮。此外，本文借鑒已研究成果中的、值進(jìn)行算例驗(yàn)證，如何確定上述參數(shù)的實(shí)際值，并考慮上述復(fù)雜產(chǎn)品設(shè)計(jì)過程中現(xiàn)實(shí)特點(diǎn)，從而進(jìn)一步完善考慮不同決策主體優(yōu)先級(jí)的復(fù)雜產(chǎn)品設(shè)計(jì)任務(wù)變更決策擾動(dòng)模型在應(yīng)用方面的普遍性和適用性，是值得深入探討和研究的重要方向。

[1] Ernandes J, Henriques E, Silvaa, et al. A method for imprecision management in complex product development [J]. Res Engineer Decision, 2014, 25(4): 309-24.

[2] 任曙明,張靜.補(bǔ)貼、尋租成本與加成率—基于中國(guó)裝備制造企業(yè)的實(shí)證研究[J].管理世界,2013,(10):118-129

Ren S M, Zhang J.Subsidy, rent-seeking cost and addition rate: An Empirical Study Based on Chinese equipment manufacturing enterprises[J].Management World, 2013, (10):118-129

[3] Akgun A E, Keskin H, Byrne J C. Complex adaptive systems theory and firm product innovativeness[J]. Journal of Engineering and Technology Management,2014,31:21-42.

[4] 李坤,于渤,李清均.“軀干國(guó)家”制造向“頭腦國(guó)家”制造轉(zhuǎn)型的路徑選擇—基于高端裝備制造產(chǎn)業(yè)成長(zhǎng)路徑選擇的視角[J]. 管理世界,2014,(7):1-11.

Li Q, Yu B, Li Q J. Path Selection of Transition from Trunk Country Manufacturing to Brain Country Manufacturing: Based on the Perspective of Growth Path Selection of High-end Equipment Manufacturing Industry[J]. Management World,2014,(7):1-11.

[5] La Rocca G, Van Tooren M. Knowledge based engineering to support complex product design [J].Advanced Engineering Informatics, 2012,26(2): 157-158.

[6] 劉靜,蘇敬勤.全球化中我國(guó)復(fù)雜產(chǎn)品系統(tǒng)企業(yè)市場(chǎng)控制力構(gòu)建研究[J].科研管理,2016,37(1): 28-38.

Liu J, Su J Q.A study of the market control power building of China's enterprises with complex product system[J].Science Research Management,2016,37(1): 28-38.

[7] 蘇敬勤,單國(guó)棟.復(fù)雜產(chǎn)品系統(tǒng)企業(yè)的主導(dǎo)邏輯—以大連機(jī)車為例[J].科研管理,2016,37(6): 92-102.

Su J Q, Shan J L.The dominant logic of complex products and systems manufacturers based on a case study of CNR Dalian[J].Science Research Management,2016,37(6): 92-102.

[8] 楊寶森,鄭柯君,來玲.基于設(shè)計(jì)結(jié)構(gòu)矩陣的復(fù)雜研發(fā)項(xiàng)目過程模型[J].系統(tǒng)仿真學(xué)報(bào),2015,27(9):2187-2193.

Yang B S, Zheng K J.Process Model of Complex R & D Project Based on Design Structure Matrix[J]. Journal of System Simulation,2015,27(9):2187-2193.

[9] Tabatabaee H, Akbarzadeh MR, Pariz N. Dynamic task scheduling modeling in unstructured heterogeneous multiprocessor systems [J].Journal of Zhejiang University-Science C-Computers & Electronics, 2014, 15(7): 592-598.

[10] Lapegue T, Bellenguez-Morineau O, Port D. A constraint-based approach for the shift design personnel task scheduling problem with equity [J].Computer Operation Res,2013,40(10):2450-65.

[11] Freuder ECLC, Moret-Ti M. Computing explanations and implications in preference based configuration [M].Lecture notes in computer science. Berlin; Springer.2003: 315-36.

[12] Wang A, Koc B, Nagi R. Complex assembly variant design in agile manufacturing. Part 1: System architecture and assembly modeling methodology [J].Iie Trans,2005,37(1): 1-15.

[13] Wang A, Koc B, Nagi R. Complex assembly variant design in agile manufacturing. Part II: Assembly variant design methodology [J].Iie Trans,2005,37(1): 17-33.

[14] Castro P M, Barbosa-Povoa A P, Novais. A Simultaneous design and scheduling of multipurpose plants using resource task network based continuous-time formulations [J].Industrial Engineer Chemical Res, 2005, 44(2): 343-357.

[15] Khattab M, Choobineh F. A Basis for the design of a multiattribute heuristic for single resource project scheduling [J].Computer Industrial Engineer,1992,22(2): 157-161.

[16] Weiss B A, Schmidt L C. Multi-relationship evaluation design: Formalization of an automatic test plan generator [J].Expert System Application,2013,40(9): 3764-74.

[17] Abu Sharkh M, Jammal M, Shami A, et al. Resource allocation in a network-based cloud computing environment: design challenges [J].IEEE Communications Magazine,2013,51(11):46-52.

[18] 王建軍,劉亞凈,劉鋒,等.考慮行為主體的置換流水車間干擾管理研究[J].系統(tǒng)工程理論與實(shí)踐,2015,(12):3092-3106.

Wang J J, Liu Y J, Liu F et al. Disruption management considering real-world behavioral participators in permutation flowshop[J]. Systems Engineering—Theory＆Practice,2015,(12):3092-3106.

[19] Wang X, Liu M, Ge M, et al. Research on assembly quality adaptive control system for complex mechanical products assembly processunder uncertainty [J].Computers in Industry,2015,74:43-57.

[20] 姜洋,孫偉,丁秋雷,張旭.考慮行為主體的單機(jī)調(diào)度干擾管理模型[J].機(jī)械工程學(xué)報(bào),2013,49(14):191-198.

Jiang Y, Sun W, Ding Q L, Zhang X.Model of Disruption Management with Actors in Single Machine Scheduling [J].Journal of Mechanical Engineering,2013,49(14):191-198.

[21] Bendoly E, Donohue K, Schultz KL. Behavior in operations management: Assessing recent findings and revisiting old assumptions [J].Journal of Operations Management,2006,24(6): 737– 752.

[22] Boudreau J, Hopp W, Mcclain J, et al. On the interface between operations and human resources management [J]. Manufacturing & Service Operations Management,2003,5(3): 179–202.

[23] Gino F, Pisano G. Toward a theory of behavioral operations[J]. Manufacturing & Service Operations Management,2008,10(4):676– 691.

[24] 劉作儀,查勇.行為運(yùn)作管理:一個(gè)正在顯現(xiàn)的研究領(lǐng)域[J].管理科學(xué)學(xué)報(bào),2009,04,64-74.

Liu Z Y, Cha Y.Behavioral operations management: An emerging research field[J].Journal of Management Sciences in China,2009, 04,64-74.

[25] 王亮,王應(yīng)明,胡勃興.基于前景理論的應(yīng)急方案動(dòng)態(tài)調(diào)整方法[J].控制與決策,2016,(01):99-104.

Wang L, Wang Y M, Hu B X.Dynamic adjusting method of emergency alternatives based on prospect theory[J]. Control and Decision, 2016, (01):99-104.

[26] 丁秋雷, 姜洋.基于行為運(yùn)籌的生產(chǎn)調(diào)度干擾管理模型[J].系統(tǒng)工程理論與實(shí)踐,2016,36(3):664-673.

Ding Q L, Jiang Y.A model of disruption management based on behavioral operations research in production scheduling[J]. Systems Engineering —Theory & Practice,2016,36(3):664-673.

[27] 高建偉,劉慧暉,谷云東.基于前景理論的區(qū)間直覺模糊多準(zhǔn)則決策方法[J].系統(tǒng)工程理論與實(shí)踐,2014,34(12):3175-3181.

Gao J W, Liu H H, Gu Y D. Interval-valued intuitionistic fuzzy multi-criteria decision-making method based on prospect theory[J].

Systems Engineering—Theory＆Practice,2014,34(12):3175-3181.

[28] Kahneman D, Tversky A. Prospect theory: An analysis of decision under risk[J].Econometrica,1979,47: 263-291

[29] Tversky A, Kahneman D. Advances in prospect theory: Cumulative representation of uncertainty[J].Journal of Risk and Uncertainty, 1992,5(4): 297-323.

[30] Birnbaum M H. Three new tests of independence that differentiate models of risky decision treatment[J].Management Science,2005, 57(9): 1346-1358.

[31] He X D, Zhou X Y. Portfolio choice under cumulative prospect theory:A analytical treatment[J].Management Science,2011,57(2): 315-331.

[32] 蔣增強(qiáng),劉明周,趙韓,等.基于多目標(biāo)優(yōu)化的產(chǎn)品協(xié)同開發(fā)任務(wù)調(diào)度研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2008,39(3):154-158+162.

Jiang Z Q, Liu M Z, Zhao H.Task Scheduling of Product Cooperative Development Based on Multi-objective Optimization[J]. Transactions of The Chinese Society for Agricultural Machinery, 2008, 39(3):154-158+162.

[33] Branke J, Mattfeld D. Anticipation and flexibility in dynamic scheduling [J]. International Journal of Production Research,2005,43 (15): 3103-3129.

Decision-making optimization of complex product design task change perturbation based on prospect theory

XING Qingsong1, 2, JIN Leiguang1, LIANG Xuedong2

(1.School of Economics and Management, Chongqing Jiaotong University, Chongqing 400074, China; 2. Business School, Si Chuan University,Chengdu 610065,China)

Complex products often need to change product design and adaptability because of its complex structure, process and function modules as well as the variable environment (e.g., policy regulation, technological innovation, market changes) where customers and enterprises were during its design process. To make the various losses as small as possible, which are caused by the above changes and adjustments, the existing research results demonstrate great deviation between the model and the fact. The task-resource coordination and optimization model was based on the "rational reason" assumption.

Incorporating the classical Prospect Theory of fuzzy mathematics and behavioral operations, the researchers firstly consider both factors of the psychological risk perception behavior and interest demands of multiple subjects in the process of complex product design change. Furthermore, this study considers the priority of different subjects and different decision-making weight to propose a method to change the perturbation decision of complex product design task based on the Prospect Theory. Moreover, this study constructs a multi-objective decision-making optimization model of complex product design task change based on dictionary order. Furthermore, the researchers design an adaptive multi-objective dynamic scheduling algorithm based on event and periods. The double-layer coding strategy of task design sequence and subject fusion is adopted. The simulation results reveal that the model has less deviation from the fact compared with the model based on the behavioral subject regardless of the different subject decision priority. In the event of product design task change, with this method, different subjects complete the decision-making options with smaller perturbation under the premise of respective expectations of the maximum income. Meanwhile, the proposed model and method provide new ideas for product design changes involving the main body of psychological behavior of perceived perturbation decision measure which is conducive to enriching and improving the management theory of product design change.

This research has the limitation of not considering task activity overlap, iteration, and rework in the event of customer demand change disturbance and corresponding task interruption. Also, the researchers borrowed published、for example, validation. Further investigation will be conducted to ascertain the actual value for the above parameters and to improve further the universality and applicability of complex product design task change perturbation decision-making model where researchers consider the priority of different decision-making subjects, which need deeply discussing and researching.

Complex product; Task change; Perturbation decision-making; Prospect theory; Decision-making optimization

2017 -05-18

2017-09-06

Supported by the National Natural Science Foundation of China (71401019), the Chongqing Social Science Planning Project (2014QNGL47), theScience and Technology Project of Chongqing Education Commission (KJ1600508) and the Chongqing Basic Science and Frontier Technology Research Project (cstc2017jcyjAX0170)

C934

A

1004-6062(2020)01-0186-009

10.13587/j.cnki.jieem.2020.01.020

2017 -05-18

2017-09-06

國(guó)家自然科學(xué)基金資助青年項(xiàng)目（71401019）；重慶市社會(huì)科學(xué)規(guī)劃項(xiàng)目（2014QNGL47）；重慶市教委科學(xué)技術(shù)項(xiàng)目（KJ1600508）；重慶市基礎(chǔ)科學(xué)與前沿技術(shù)研究項(xiàng)目（cstc2017jcyjAX0170）

邢青松（1983—），男，河南開封人；博士、博士后、副教授、碩士生導(dǎo)師；研究方向?yàn)椋簠f(xié)同設(shè)計(jì)、系統(tǒng)建模與仿真。

中文編輯：杜 ??；英文編輯：Charlie C. Chen