[发明专利]一种基于PLM数据库面向DPIPP工艺信息的挖掘算法

说明书

本发明公开了一种基于PLM数据库面向DPIPP工艺信息的挖掘算法，该算法提出了一种新的模块间距离计算的公式，从而可以对不同模块之间的相似性进行挖掘，随后将该公式计算出来的距离转化为模块间的相似度，在聚类时将模块间的相似度μ控制在选定的范围内，实现了聚类结果的可调可控。可以找出不同产品模块在功能、结构、工艺、制造和维护等方面的相似性关系，然后利用这些相似性关系进行产品的非精确配置。让设计人员快速完成产品的变型设计，能快速设计出新的产品结构。利用该方法可以对不同的产品模块进行聚类分析，挖掘出不同模块间的相似性，扩大了产品模块的覆盖范围。利用这些相似关系可以实现面向功能、结构及工艺的产品非精确配置。

技术领域

本发明属于模块化设计技术领域，特别是涉及一种基于PLM(产品生命周期管理)数据库面向DPIPP(分布式参数化智能产品平台)工艺信息的挖掘算法。

背景技术

产品模块作为产品平台的基本单元，对实施大批量定制生产模式具有重要的作用。在PLM技术已经在越来越多的企业中实施的背景下，基于企业现有的PLM数据库建立产品模块，是一种企业快速实施大批量定制策略的有效的方式。当前已有很多产品模块的划分方法，这些方法大多是依据产品零部件之间的关联性来划分产品模块的。传统模块化设计方法强调模块的通用化、标准化和系列化，一般适用于系列分级特征明显的产品，而对于产品结构复杂、无明显系列化分级特性的定制化产品，已经难以适用。而本发明中的算法是通过离散数据分类、模糊聚类和关联规则等挖掘方法，将各种智能体作为产品平台的基本模型，并引入主特征向量，通过插值排序和建立参数方程，揭示变异条件下产品结构和尺度变化规律，形成的新型产品平台。

发明内容

针对以上问题，本发明的目的是提供一种基于PLM数据库面向DPIPP工艺信息的挖掘算法，挖掘出产品模块工艺之间的相似性，得出产品模块工艺等价模型。

本发明所采用的技术方案是：基于PLM数据库面向DPIPP工艺信息的挖掘算法，所述的算法是先对数据进行预处理，在准备好聚类数据后接下来需要对选出的样本用基于欧式距离公式改进算法进行局部聚类，用聚类算法挖掘出产品模块工艺之间的相似性，得出产品模块工艺等价模型。其特征在于：对于建立起来的不同维度的产品模块矩阵，仍然可以用改进的欧氏距离公式对其进行局部聚类，解决了只能聚类相同维度矩阵的难点。

PLM数据库是产品周期管理数据库，它实施一整套的业务解决方案，把人、过程和信息有效地集成在一起，作用于整个企业，遍历产品从概念到报废的全生命周期，支持与产品相关的协作研发、管理、分发和使用产品定义信息。产品模块化设计具有一致的几何连接接口和一致的输入、输出接口的单元，相同种类的模块在产品族中可以重用和互换，相关模块的排列组合就可以形成最终的产品。通过模块的组合配置，就可以创建不同需求的产品，满足客户的定制需求；相似性的重用，可以使整个产品生命周期中的采购、物流、制造和服务资源简化。大批量定制生产就是以近似大批量生产的效率生产商品和提供服务以满足客户的个性化需求。DPIPP就是分布式参数化智能产品平台。欧氏距离公式它是一个通常采用的距离定义，它是在m维空间中两个点之间的真实距离。聚类算法它是研究(样品或指标)分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。

本发明主要是采用以下技术方案：

一种基于PLM数据库面向DPIPP工艺信息的挖掘算法，其特征在于，包括：

步骤1，数据进行预处理的步骤：对数据进行规范化处理；数据规范化是将原始数据的格式进行统一，并将源数据转化到同一个度量单位上，这样做可以消除原始数据对计算结果的影响；本发明采取的规范化方法如下：对于结构属性，它表示产品或零件的结构参数，为数值型数据且大小不一；因此需要将这些数据转换到同一个度量单位上，然后将这些数据映射到同一区间，最后将所有数据保留相同的有效位；为便于后续的计算将结构参数映射到[0.00,1.00]之间，并统一保留小数点后两位有效数字；经过转化之后，每个结构参数将变为取值范围统一的无度量值；结构参数转化公式如下：