基于结构方程模型的功能疲劳对客户资产的影响研究

研究了功能疲劳对企业客户资产的影响.针对研究中诸多变量无法直接准确测得且变量间存在重要影响关系的问题,提出了基于结构方程模型研究功能疲劳对客户资产影响的方法.首先,根据模型假设建立合理的结构方程模型;然后设计问卷,获取模型的可测变量数值并进行计算,评估模型,通过输出参数方程建立功能疲劳与客户资产的联系;最后,提供一个使用该方法的案例.     

基于客户需求的产品平台设计研究

现今市场,客户的个性化定制需求日益增长,采用产品平台进行产品开发是满足大批量定制需求的重要方法。从分析产品客户需求出发,首先确定核心客户需求,然后应用质量功能展开(QFD)方法将核心客户需求映射为产品物理结构部件。依据物理结构部件特征的相似性分析,确定通用部件,构建出通用化对象的特征矩阵,运用自组织神经网络(SOM)算法对特征矩阵进行计算,可以得到满足不同产品的产品平台通用部件,并以此为基础构建了产品平台。最后以自行车为例,验证了该方法的有效性。     

基于客户特征的产品环境需求预测方法研究

针对产品绿色设计中客户需求的模糊性和不确定性,提出了一种基于客户特征的产品环境需求预测方法。通过建立客户环境需求采集模版获取客户信息,采用感性工学及语义差异方法对客户环境需求进行规范化表达,构建了人工神经网络模型挖掘客户特征与客户环境需求之间的关系,帮助企业预测具有不同特征客户的环境需求,采用信息增益量化了各个客户特征对客户环境需求的影响程度。最后以某冰箱企业的客户环境需求分析为例,应用MATLAB进行仿真研究,验证了方法的可行性与有效性。     

基于客户满意的产品定制模型研究

为了给定制客户提供最满意的定制产品,依据定制产品的属性指标对定制客户满意度的影响,将定制产品的属性指标分为正相关指标、负相关指标及点指标三类,采用统计分析及曲线拟合方法得到了三类指标的客户满意度,并建立了一种基于客户满意的企业产品定制模型。用矩阵法和相似性原理法对产品定制模型进行了求解,以客户定制摩托车为例对以上两种求解算法进行了验证。计算结果表明,两种算法得到的产品定制模型解完全一致,从而得到了基于客户满意的定制产品最优方案。     

基于产品功能参数的灰色成本估计

首次提出了灰色线性回归模型，并应用该模型建立了产品成本与功能参数之间的函数关系，然后根据产品的功能参数估计产品成本。通过实际计算，取得了满意结果，该模型可用于系列产品生产中新产品的成本估计。     

基于功能蚁树的定制客户动态聚类

在分析定制客户需求特点和产品族模型构成的基础上,提出了一种根据功能结构模型进行定制客户动态聚类划分的新方法。采用面向对象的技术,将功能作为产品族的特征属性与产品族结构封装,建立了产品族功能结构模型;应用蚂蚁聚集行为的聚类方法,以产品族功能结构模型为分类模式,设计了基于功能蚁树的客户动态聚类算法。并以多功能沥青混凝土摊铺机产品的定制客户聚类划分为例,进行聚类分析,聚类结果能直观地反映各功能结构模块动态需求变化。     

一种基于参数影响的数据驱动下的疲劳寿命预测方法

金属构件的主要失效方式是在循环载荷作用下的疲劳破坏,因此金属构件的疲劳寿命预测对于保证结构安全性和可靠性十分必要。能量法是一种既能用于低周疲劳寿命预测,也能用于高周疲劳寿命预测的方法,其以寻找有效的显式能量损伤参量为手段,结合适当的损伤积累方式进行寿命评估。针对材料疲劳寿命预测问题,提出一个基于能量法和人工神经网络算法的疲劳寿命预测方法。为了达到反映不同加载路径影响的目的,从转动惯量的角度引入两个路径相关参量。使用基于应变控制的九种材料的疲劳试验数据对提出的神经网络模型进行训练、测试。结果显示模型对训练数据和测试数据均有良好的预测精度,并可对单轴加载、多轴加载、高周疲劳和低周疲劳寿命进行有效预测,表明本模型在多轴疲劳寿命预测方面具有较广泛的适用性。     

基于客户／服务器模式的产品数据管理系统

介绍了产品数据管理（ＰＤＭ）的概念、应用的必要性和国内外的发展现状,构造了一种基于客户／服务顺模式的ＰＤＭ框架,并对实施中的关键技术进行了阐述。     

基于神经网络的金属材料疲劳裂纹扩展规律的预测

人工神经网络是新型的复杂系统预测方法。本文针对金属疲劳裂纹扩展速率建立了 BP 神经网络,并以部分应力比 LD2锻造铝合金疲劳裂纹试验数据作为训练样本,训练建立好的 BP 神经网络;以另一部分应力比条件下的试验数据作为预测样本,验证训练好的 BP 神经网络的预测能力。仿真结果表明,BP 神经网络能够方便地获得不同应力比下的疲劳裂纹扩展速率,对训练样本和测试样本都具有良好的泛化能力。该方法充分利用了已有数据,减少了疲劳试验次数,具有工程应用价值。     

基于客户定制的汽车产品配置方法研究

生活质量的不断提高,人们对汽车产品的需求越发多样化。基于客户定制的需求,阐述了产品配置技术理论,设计了一种产品配置方案;以汽车产品为例,建立了汽车产品配置流程,为汽车产品实现客户个性化定制提供技术支持。     

基于特征面向客户的层次型产品配置模型

产品配置设计的核心问题是从客户的个性化需求解析出规范化的具体产品特性。在基于产品族配置模型理论的基础上，引入了客户需求域和特征表达域的概念，为实现从客户的定制条件映射和转化到产品具体结构特征这一过程提供了理论和方法，并建立了客户需求域→功能域→行为域→结构域→特征表达域的层次型产品配置模型。对客户需求类型进行了分类，分析了各种类型下的产品配置过程的映射关系，并建立了统一的配置模型表达。最后以薄板矫正机为例，对提出的产品配置模型进行了说明。     

面向个性化车身产品客户动态需求获取与预测的扩展QFD研究

提出基于成分数据时间序列与向量自回归模型的扩展质量功能展开方法,在车身产品开发的初期,捕捉并预测客户的个性化需求。基于层次分析方法,建立传统的质量功能展开模型;根据客户需求重要度取样所形成的时间序列特点,将单纯形空间内的成分数据转换为实域内的时间序列,并对其应用向量自回归模型进行预测;将有效的样本外预测序列转换为客户需求重要度预测时间序列,计算出设计属性的预测优先度,以指导个性化车身产品开发过程中的资源分配。     

基于Internet的产品客户化定制平台

客户化定制平台是客户化定制实现的信息技术基础和关键，提出了基于Internet的产品客户化定制平台框架模型，并通过某一企业客户化定制平台的建设工作，对客户化定制平台系统设计与实现的关键技术进行了研究和探讨。     

基于断裂力学的DAS组合密封圈疲劳寿命预测

基于断裂力学理论,推导撕裂能与疲劳裂纹扩展速率间的函数关系式,将复杂的多方向应力转化为单轴等效应力,建立丁腈橡胶疲劳寿命预测模型。选用Mooney-Rivlin本构模型来表征丁腈橡胶超弹性力学行为,在简化DAS组合密封圈结构后建立有限元模型,并通过计算应力分布确定危险单元位置。通过拟合拉伸试验数据得出应力应变关系,采用数值分析方法计算撕裂能变化量,并预测裂纹萌生位置与疲劳寿命。结果表明,DAS组合密封圈的危险单元位置在密封圈接近右侧密封槽倒角处。仿真软件预测的危险单元位置和疲劳寿命与理论计算结果一致,验证理论计算结果的正确性。     

面向客户需求分析的产品模块化配置方法

针对面向客户需求分析的产品配置问题,结合质量功能配置方法和基于规则推理的方法,提出了一种客户需求映射方法.该方法基于质量功能配置的质量屋进行客户需求参数到模块属性参数的映射,同时基于规则推理确定映射过程中的技术特征目标值和选取模块实例,从而得到满足客户需求的产品模块化配置方案集.通过实例分析,验证了文中所提方法的有效性.     

产品评论数据驱动的质量功能展开客户需求挖掘

针对现有质量功能展开(QFD)客户需求及其权重研究所含主观因素较多,从而造成QFD分析结果客观性较差的问题,提出一种产品评论数据驱动的QFD客户需求挖掘方法.首先提出了基于关注度隐含狄利克雷分布模型完成主题提取,利用Word2Vec相似度匹配形成客户需求集合.然后基于发明问题的解决理论(TRIZ)的需求映射模型,形成了...     

基于产品性能词典的评论数据驱动客户需求模型研究

利用数据驱动手段快速准确地从客户行为数据中获取客户需求信息是产品开发中亟待解决的问题,为此对客户需求模型进行研究,提出了评论数据驱动下客户需求建模的方法。首先,针对基于主题聚类的评论分析中主题数目不易确定的问题,提出了产品性能词典,用以确定聚类主题,对TF-IDF方法进行了改进,用于词典创建,并基于产品性能词典完成了客户需求挖掘。其次,针对现有产品评论研究缺乏需求分析过程的问题,提出基于产品评论数据的Kano分析方法,在此基础上引入物元表示法对客户需求模型进行量化表达。最后通过实例研究验证了所提方法的可行性与有效性。     

基于单层进化的产品客户化设计

为了满足客户的个性需求进行产品设计,提出了基于单层进化的产品客户化设计方法。在产品平台的基础上,利用进化技术中的遗传、变异和交叉等方法进行产品设计,产生更多的变型产品设计方案。产品的结构和参数在一个个体中得到表达,在个体结构部分存储其节点号码列,在参数部分存储所选择模块相应的参数,在进化过程中产品的结构和参数同时得以确定。通过适应度函数的评价,使进化后的设计方案满足客户的定制需求。通过蜗轮蜗杆减速器的进化设计来说明以上方法。     

基于TRIZ理论研究工业设计对产品成熟度预测的影响

产品成熟度预测,既包括与工程设计相关的技术因素的影响,又包括与工业设计相关的附加设计的影响.通过对产品成熟度的研究,提出产品处于技术的成熟后期或退出期时,企业可通过改进或增加附加设计以获得更多的附加功能,从而获得额外收益.为产品处于技术成熟后期或退出期时采取决策提供了方向.     

基于相对误差平方和的神经网络预测镁合金多轴疲劳寿命

提出一种以相对误差平方和(Surm squared relative error,SSRE)作为误差性能函数的反向传播(Back propagation,BP)神经网络算法(SSRE-BP),针对3种不同镁合金AZ31B、ZK60和AZ61A在单轴拉压、纯扭、45°比例和90°圆形非比例等4种不同加载路径下的疲劳寿命进行预测。并与以均方误差(Mean squared error,MSE)作为误差性能函数的传统BP神经网络(MSE-BP)以及基于临界平面法的SWT疲劳损伤模型预测的结果进行比较。结果表明,在3种镁合金材料总共138组疲劳数据中,神经网络只有一组预测值在3倍偏差界限外,而用SWT预测结果分别有16组、13组、10组数据在3倍偏差界限外。两种BP神经网络能够较好地预测镁合金不同加载路径下的疲劳寿命,相比于SWT疲劳模型预测的寿命在精度上有较大幅度的提升。其中,SSRE-BP算法的精度略高于传统的MSE-BP算法。