任务信息驱动的3D打印云服务平台知识管理模型

刘卓,余隋怀,初建杰,成方敏

(1. 西北工业大学 工业设计与人机工效工业和信息化部重点实验室,西安 710072;2. 天津理工大学 艺术学院，天津 300384)

近年来,3D打印制造技术迅速发展,成为了具有巨大应用潜力的制造技术。由于3D打印具有制造周期短、适合单件个性化需求、适合复杂零件制造等优势,在航空航天、医疗等高精尖领域有着广阔的应用空间[1],同时也受到创客们的喜爱,这为3D打印的社会化制造提供了条件。同时,3D打印技术降低了制造工艺难度,在分散的设备上可以独立制造任意形状复杂的零件[2],这一特性正适应于云制造多主体协同工作和资源快速组织的要求。在此背景下,国内外出现了越来越多的3D打印云服务平台。

3D打印云服务平台是一种云设计与云制造网络服务模式。该模式以3D打印制造技术为核心,以互联网、物联网为支撑,将大量分散的3D打印设计与制造资源虚拟化并封装为云服务,由平台进行统一管理,使用户可根据需求,随时随地、动态、敏捷地获取3D打印服务,实现3D打印资源、能力、知识的全面共享与协同[3]。

围绕3D打印的产品开发过程是一个知识密集型的过程,在包括概念设计、结构设计、计算机三维建模、模型切片处理、打印制造等步骤的产品全生命周期中,都离不开知识的应用。随着3D打印技术与互联网的快速发展,相关知识资源不断更新,增长迅速。将种类繁多、数量巨大的知识资源进行集成与管理,并向客户、设计师、制造商等不同角色的云平台用户提供有效的、个性化的知识服务,辅助3D打印创新任务的完成,对3D打印云平台的构建与运营至关重要[4]。

目前,知识管理虽然受到了广泛的重视,但对于云服务平台的知识管理模式的研究还处于初级阶段。李向前等[5]针对集团企业云制造系统,提出了静态与动态两种知识服务模式;赵楠等[6]针对云制造环境下的中小企业,提出了知识资源服务能力评估模型和知识资源序列化组合模型;王亚辉等[7]针对产品协同设计构建了一种由案例驱动的知识管理模型;阴艳超等[8]提出了一种多维多条件云映射不确定规则推理方法,构建了云制造知识服务模型;李颖新等[9]针对云制造环境,提出了一种研发设计任务与知识资源双边匹配方法。

从上述研究可看出,国内外学者在云设计与云制造方面进行了一些有益的探索,但目前的研究并不完善。大多数研究并未紧密结合云服务平台特点,忽略了云平台设计制造任务的用户多样性与过程复杂性,难以为云平台用户提供针对性的个性化知识服务。同时,由于3D打印技术的特殊性,3D打印云平台与其他云设计制造平台在商业运营模式、任务管理、资源构成等方面有着较大的差异,现有的云平台知识管理模型不能适用。如何面向3D打印云平台,结合平台任务特点,对知识进行集成管理并为各创新任务主体提供有效知识服务,仍然有待进一步研究。鉴于此,本文从3D打印云平台典型任务过程出发,构建了3D打印云平台知识管理模型,并通过基于任务属性实现个性化的知识服务,从而为依托3D打印云服务平台的产品设计制造任务提供有效的知识支撑。

1 3D打印云平台典型任务过程与信息映射模型

1.1 云平台典型任务过程定义与分析

3D打印云平台是集成众多独立、分散、异构的3D打印相关资源,以众创众包模式满足客户产品开发需求的“公有云”云服务平台[10]。该平台典型任务为围绕3D打印技术,调用平台资源,设计并制造产品以满足客户需求的产品研制开发任务。任务完成过程即为平台调用平台各类资源满足客户需求的过程。

典型任务的完成过程是相似的。在研究分析3D打印产品开发任务的基础上,平台管理人员根据大量任务信息,提取典型任务共性,并抽象出典型任务中共同的执行步骤,建立其中的逻辑关系,确定典型任务过程。

3D打印云服务平台典型任务是由客户、设计师、制造商和云平台管理人员协同完成的,其中,云平台管理人员包括一定数量的3D打印专家,负责为任务主体提供技术支持和维护平台运行。根据对3D打印产品开发过程的分析,可将3D打印云平台典型任务过程分为4个阶段:

1) 需求提出阶段。客户需求是云平台上产品开发任务的驱动。客户在云平台发布3D打印设计与制造需求,除了客户的显性需求,云平台管理团队还需深入挖掘客户的隐形需求,通过语义推理形成完整的需求信息。

2) 设计建模阶段。根据需求分析结果,匹配需求数据与设计师属性数据,优选设计师成员组成虚拟设计团队,在设计知识的支持下完成设计并向平台提交三维数字化模型。设计结果作为设计决策阶段的输入数据。

3) 设计决策阶段。设计决策阶段分为两个部分:(1) 设计结果(三维数字化模型、效果图、设计报告等)反馈客户,由客户在众多方案中选择最优方案并提出改进意见,形成新的需求反馈给设计团队驱动设计改进,如此迭代多次直到客户满意为止;(2) 云平台管理人员与云平台专家评估设计结果制造可行性,并对模型进行格式转换、切片、增加支撑结构等处理。经过客户与制造专家决策通过的设计方案作为生产输入在平台发布,包括处理后的三维模型、制造量、交付周期、生产任务书等。

4) 打印制造阶段。建立生产需求与制造资源属性的匹配关系,优选制造资源组成虚拟制造团队,智能化分配任务完成产品打印制造与后期处理。产品生产完成后通过物流公司交付客户,整个任务过程结束。

3D打印云平台典型任务过程如图1所示。

云平台上的每项任务均要包含所有或部分过程阶段,任务需包含哪些阶段由平台专家建议并由客户根据自身需求决定。各阶段任务由优选后的特定云平台资源承担。云平台管理人员根据任务完成情况不定期调整任务阶段设定。

1.2 云平台典型任务信息映射模型

1.2.1 典型任务的信息映射模型

3D打印云平台典型任务是一个包含产品全生命周期的产品研发过程,各阶段参与任务的任务主体在云平台知识服务的辅助下协同完成任务。由于产品开发过程的高耦合性,每个任务阶段与其他任务阶段都存在着复杂的信息交互关系[11]。在任务过程中,各个任务阶段要接受相关任务阶段的信息,任务结束后,要向相关任务阶段发送信息。这样,任务过程同时也是各领域信息往复映射的过程。因此,各个任务主体不仅要参考本任务领域的知识,也要参考相关任务领域的知识内容,以便更好地完成任务工作。任务过程的信息映射可看做是任务案例域TC、任务需求域TR、设计建模域DM、分析决策域AD、打印制造域PM构成的多层往复映射。其中,任务案例域TC是云平台历史任务产生的面向全周期任务的综合性信息;任务需求域TR、设计建模域DM、分析决策域AD、打印制造域PM分别对应任务过程的4个阶段,是客户需求的求解过程。

1) 任务案例域TC。云平台历史任务案例是任务信息的载体,包括了大量隐性的任务经验知识。对于新的任务,相似的历史任务信息可以作为重要的参考信息。有效地对相似任务案例知识重用与推理,是提升产品质量与缩短任务周期的关键[12]。并且,任务案例知识包括了从需求提出到任务完成整个任务过程完整的信息链,信息之间的流转过程知识也可以为新任务提供重要的经验支持[13]。任务案例域知识主要包括任务需求TC1、设计任务TC2、决策任务TC3、制造任务TC4等。

2) 任务需求域TR。在云平台任务中,客户的需求常常是模糊的、非结构化的,致使客户需求表达不充分,影响任务的开展。任务需求域知识可辅助客户与设计师细化需求描述、发掘隐形需求,从而提升客户满意度。任务需求域主要包括商业需求TR1、功能需求TR2、审美需求TR3、性能需求TR4等。

3) 设计建模域DM。设计建模是面向任务需求使用设计语言进行问题求解、并最终生成设计方案三维数字化模型的过程。设计建模域知识包括市场调研DM1、造型设计DM2、结构设计DM3等。

4) 分析决策域AD。分析决策是整个任务过程中承前启后的重要阶段,连接着设计域和制造域,通过平台专家和客户的协同工作打通设计与制造间的壁垒,保证产品开发质量。分析决策域知识主要包括可制造性分析AD1、力学分析AD2、价格分析AD3、模型处理AD4等。

5) 打印制造域PM。打印制造是依据设计方案进行零件打印、表明处理、总体装配等制造流程的方案最终实现过程。打印制造域知识主要包括工艺流程PM1、打印设备PM2、表明处理PM3等。

TR、DM、AD、PM可统称为任务过程域,与任务阶段一一对应。

3D打印云服务平台典型任务的信息映射即是通过以上5个域信息的完整映射构成的,如图2所示。

1.2.2 云平台信息映射类型

云平台典型任务的信息映射主要有以下5种:

1) 从案例域到过程域。在任务过程中,根据任务属性选取与新任务相似的历史任务,得到相似任务集。一个任务案例包含若干个任务过程的知识信息。案例域向过程域的映射,不仅可为新任务过程的某个任务阶段提供历史案例中相应阶段的经验知识,更可以基于知识链提供相关阶段的知识信息和知识关系以供参考,从而提供更为全面精确的知识服务。

2) 从过程域到案例域。在新任务完成过程中,产生新的任务知识,各阶段新的知识与知识间的关系形成新的任务案例知识返回到案例域中。

3) 过程域正向映射。指任务信息从前期的任务过程域映射到后期的任务过程域,包括逐阶段映射与跨阶段映射。正向映射是前阶段的任务信息对后阶段的任务提供支持与约束,代表了信息随任务过程的顺序流向。

4) 过程域逆向映射。指任务信息从后期的任务过程域映射到前期的任务过程域,同样包括逐阶段映射与跨阶段映射。逆向映射是后阶段任务过程信息向前阶段的反馈,使前阶段任务过程参考后阶段任务信息进行调整与改进,促进任务的顺利完成。逆向映射代表了信息随任务过程回溯的逆序流向。正向映射与逆向映射共同反映了任务过程反复迭代的特性。

5) 过程域子域平行映射。指一个过程域中的子域间,存在着不涉及过程顺序的映射关系。子域间的平行映射反映了任务的复杂性。

通过上述5个域的5种信息映射方式,实现了3D打印云服务平台信息的交互流通和任务的完成。

2 知识管理模式与知识服务实现方法

2.1 3D打印云平台知识来源与内容

3D打印云平台典型任务知识依据来源可分为显性知识与隐形知识[14]。显性知识主要来源于现有相关知识系统中存在的知识,包括标准规范、文献、专利等。隐性知识主要来源于领域专家与用户的个性化知识,包括技术方法、经验教训、问题解决方案等知识。

3D打印云平台任务知识依据内容可分为如下4类:

1) 标准规范。指任务过程中所需遵循的行业标准、企业标准、设备操作规范、法律法规等标准与手册,标准规范保证了任务实施的规范化;

2) 原理方法与支撑数据。指任务完成过程中,辅助任务主体完成任务的基础性结构化知识文件与数据,如造型形式美法则、人机工程学设计原则、工艺流程等文档资料和模型库、材料库、参数库等支持数据库;

3) 文献与专利。指与任务相关的新闻、报告、科技论文等文献和相关专利;

4) 任务经验。指在任务完成过程中,产生的任务流程知识、设计与制造经验、失误与教训、问题解决方案等隐形知识。

2.2 3D打印云平台知识管理模式

3D打印云平台是一个面向社会3D打印相关资源的“公有云”服务平台。针对客户在云平台中的3D打印设计制造需求,云平台组成虚拟团队,提供全产品生命周期服务[15]。在整个任务流程中,涉及各类跨领域多学科的专业知识,各领域知识辅助任务的完成。在任务不同阶段,平台基于任务属性提供知识服务,任务主体根据任务需求与执行情况按需获取平台知识服务以促进任务进程。在每一个任务阶段完成过程中,知识会得到演变与进化,同时也会产生新的知识。任务执行完毕后,整个任务流程产生的新知识存储在相应任务领域知识库中,以供新任务检索与重用。3D打印云服务平台知识管理模式可分为4个部分:

1) 任务知识获取。任务知识有3个主要的获取途径：(1) 从现有的相关知识库中直接导入数据,如标准规范与文献专利等知识,可通过领域专家对行业标准知识库、专利库等数据库中的知识筛选获取;(2) 领域专家提供知识,如原理方法与支撑数据类知识,主要通过搜集整理各领域专家的方法与经验知识而获得;(3) 任务主体完成任务过程中产生的任务经验知识,此类知识本质是任务主体通过分析综合已有任务案例知识完成任务后产生的新的知识。

2) 任务知识的分类与表达。任务知识的合理分类与表达是知识与任务准确匹配的基础。依据任务过程,领域专家通过多轮研讨建立知识分类框架,实现知识的有效组织[16]。平台管理人员将获取的知识整理到各类知识数据库中,根据知识分类框架构建任务知识资源多领域本体,对知识进行基于本体的语义表达。

3) 个性化知识服务。依据任务属性,提供个性化的任务知识服务,是3D打印云平台知识管理的关键。基于本体对任务建模,建立知识与任务之间的映射模型,表达知识与任务之间的关系。通过任务主体检索和平台主动推送的方式进行精确化、个性化的知识服务。

4) 知识库的维护与进化。在任务进行中,会产生新的知识。新的知识经平台专家筛选与分类后,存储进入知识库中,作为任务知识供新的任务参考使用。这一过程贯穿整个任务流程。云平台知识管理人员需对知识库进行知识导入、知识修改、删除知识等操作,对知识库进行维护。任务案例知识库随着平台任务的增加而不断扩充与进化。

知识管理模式如图3所示。

图3 知识管理模式

2.3 知识服务方法

在3D打印云服务平台任务中,任务主体通过主动检索或平台自动推送的方式获取知识,从而获得知识服务。知识服务内容需密切关联任务特点,以便使任务主体更高效地完成任务。本体是对特定领域中某套概念及其相互之间关系的形式化表达,具有领域性、规范化和形式化的特点。相比于传统的知识服务方式,基于本体的知识服务可以呈现更多的关联知识[17]。本文通过基于本体对知识与任务进行建模与表示,建立本领域概念之间的语义关系,为知识与任务过程的匹配奠定基础。

2.3.1 基于本体的知识与任务建模

3D打印云服务平台的知识可形式化描述为一个四元组，即

KOP=(NK,AK,DK,BK)

(1)

式中：KOP为知识模型;NK为知识名称;AK为知识对象属性,指知识涉及产品的属性,包括产品名称、所属行业、产品功能、产品造型特征、主要结构、材料信息等属性,知识对象属性通过本体中的概念表示;DK为知识所属域,DK={TC,TR,DM,AD,PM},一条知识可同时属于多个域;BK为知识的基本信息,如知识ID、知识来源、存储与修改时间等。为了知识管理的便捷和与任务匹配规则的统一,不同表达形式的知识均由此模型进行表达。不同类型知识采用不同方式获取知识对象属性。专利、文献、标准等文本类知识,通过获取其关键词定义其对象属性。模型、图片等非文本类知识,则由专家根据其具体内容定义知识对象属性。

3D打印云平台任务的属性包含了输入、输出、任务对象、任务过程等多种属性。其中,任务过程属性定义了任务所处阶段。不同任务阶段需要与该阶段具有映射关系的领域知识支持,因此任务过程属性与知识模型中的知识所属域DK相关。任务对象指任务中涉及的产品对象,与知识模型中知识对象属性AK相关。根据上述分析,任务可由一个六元组来表示

T=(IT,OT,AT,PT,ST,BT)

(2)

式中：T为任务模型;IT为任务输入;OT为任务输出;AT为任务对象属性,指任务所涉及产品的属性,与知识对象属性表示方法一致;PT为任务过程属性,即所处的任务阶段;ST为任务主体信息,包括任务主体角色、团队成员构成、协同信息等;BT为任务基本信息,包括任务发起者、任务周期、任务费用等。

2.3.2 个性化知识服务实现方式

在某个任务阶段中,任务的对应信息域和与对应信息域具有映射关系的信息域,可为任务提供关联知识信息,而无映射关系的知识域,则无法给任务主体提供所需的知识。因此在知识服务中,首先应对知识进行任务过程属性过滤,提高服务效率与准确性。此外,传统的知识服务不能处理知识的语义信息,导致检索或推送的知识资源不完善[18]。基于本体的任务建模可实现任务的语义表示,通过语义扩展挖掘任务潜在知识需求,可获得更大范围的与任务关联的知识集。

基于上述分析,本文构建了任务过程属性过滤与任务对象属性语义过滤的知识双重过滤模型,实现了知识与任务的匹配,得到了面向当前任务的完整的个性化知识服务。其实施步骤如下:

输入: 任务信息;

输出: 知识资源。

步骤1 任务主体根据任务输入对当前任务信息进行描述,形成任务模型;

步骤2 针对任务模型的任务对象属性,基于本体对词集进行语义扩展,得到扩展词集;

步骤3 在知识资源中进行任务过程属性过滤,选择对应知识域与具有映射关系的知识域中的知识,得到候选知识资源;

步骤4 基于扩展词集进行检索,在候选知识资源中进行任务对象属性语义过滤,逐一计算任务与候选知识的语义相似度;

步骤5 判断语义相似度是否大于设定阈值,并对大于阈值的知识进行排序;

步骤6 对应知识域中输出前N个知识资源,相关知识域中输出前M个知识资源,结束。

双重过滤模型算法流程如图4所示。步骤2、步骤4的具体实现方法在后续小节中介绍。

图4 双重过滤模型算法流程

2.3.3 基于本体的语义扩展技术

传统的知识匹配模型大多基于关键词匹配,由于任务主体的潜在需求难以由关键词进行表达,因此这种匹配方式无法提供给任务主体准确的知识服务。基于本体的语义扩展可使任务信息得到充分表达,以获得针对任务的完整知识服务。语义扩展以任务对象属性的概念为中心,基于本体获取所有相关的概念,直到和中心词的语义距离大于终止值时停止,得到扩展词集。由于较为细分的概念会有较大的相似度,因此本体概念的语义距离不仅要考虑概念间的最小路径距离,还应考虑概念在相应的本体类中的相对深度[19]。语义距离为

dis(a,b)=[l(a,b)-1]α×[Dc-depth(LCS(a,b))]β

(3)

式中：dis(a,b)为概念a与b的语义距离；l(a,b)为概念a与b的最短路径距离；Dc为本体类模型的最大深度；LCS(a,b)为概念a与b的最近公共父概念节点；depth(LCS(a,b))为LCS(a,b)到本体根节点的最短路径距离；α、β分别为最短路径距离与相对深度这两个因素的权重。

2.3.4 语义相似度计算方法

任务模型语义扩展后,计算扩展词集与知识资源的语义相似度。语义相似度基于本体计算,逐一计算任务模型扩展词集与候选知识对象属性的相似度。可用概念间的语义距离来反映语义相似度。语义距离越小,相似度越大[20]。为了使相似度值域在0～1,a、b两概念的语义相似度sim(a,b)计算公式为

(4)

于是,任务模型Tx与知识资源Ky总的语义相似度为

(5)

式中：n、m分别为任务对象属性扩展词集概念数量和知识对象属性的概念数量。

3 模型实现

根据上述提出的知识管理模型,开发3D打印云服务平台知识管理系统,实现云平台上知识的有效管理与应用。该系统集成在3D打印云平台之上,面向3D打印企业、设计师、3D打印爱好者等多类用户提供知识服务,辅助产品的开发。系统基于Windows平台,采用Eclipse作为开发环境,使用Java程序语言和Oracle数据库,搭建一个基于B/S架构的3D打印云平台知识管理系统。

3.1 3D打印知识管理系统架构

知识管理系统面向3D打印云平台典型任务,实现本体管理、知识管理、任务管理和知识服务等功能。系统架构共分为3个层次:

1) 数据层。数据层是3D打印云服务平台系统的基础,包括知识库、用户库、过程库、软件库、规则库等,采用oracle数据库实现信息的存储。知识库中包含多个子知识库,每个知识域都有对应的知识库。用户库存储用户的信息,每一种用户角色对应一个用户库。过程库存储着与任务过程相关的信息,如任务过程的阶段划分,每阶段任务的任务主体角色等。

2) 管理层。管理层是知识系统的核心,管理人员通过管理层完成知识系统的管理维护。主要包括过程管理模块、知识管理模块和系统管理模块。

3) 界面层。界面层为用户提供工作接口,用户通过界面层进行知识检索并得到知识服务。

3D打印知识管理系统基本构架如图5所示。

图5 3D打印知识管理系统基本构架

3.2 知识管理系统的管理维护

知识管理系统的管理与维护由包括3D打印专家的平台管理人员完成,主要工作是本体管理、知识录入、知识语义建模和知识库的更新维护,包括3个功能模块:

1) 本体管理模块平台管理人员借助此模块完成本体的构建,包括本体概念的导入、修改和删除等。

2) 知识管理模块包括知识域划分与映射关系定义、知识录入和知识语义化表示、知识库的维护。

3) 评价管理模块每一阶段任务完成后,任务主体对知识服务进行评价。平台管理人员和平台专家对评价结果进行分析,依据评价结果对知识服务方案进行改进。

3.3 面向任务的知识服务

3D打印云服务平台中,面向用户的知识服务封装为云平台产品开发任务模块中的子功能模块。在3D打印云平台产品开发任务中,参与任务的各任务主体依据规定的流程完成分配的任务。在任务主体执行任务时,根据任务执行情况和自身需求在系统中输入任务信息,通过对知识资源的双重过滤,完成面向任务的个性化知识服务。

以云平台上某款智能医疗呼吸机样机机壳的设计制造任务为例验证平台的可用性。以设计阶段中的造型设计阶段为例,任务主体(造型设计师)得到的任务输入为需求提出阶段客户所提需求,如表1所示。

表1 智能呼吸机客户需求

收到任务后,外观设计师在知识管理系统中,根据需求描述输入任务信息。平台基于2.3.2中定义的方法获取相关知识。首先,对任务进行建模。其中,任务对象属性AT=(简洁,现代感,白色,蓝色,人机交互,布局)。任务过程属性PT=(DM2)。基于式(3)对AT进行扩展,令α=0.8,β=0.2,阈值设为1。以“科技感”为例,根据式(3)得到其与“现代感”的语义距离为0.64<1,因此将其作为扩展词。经语义扩展后的任务对象属性为FAT=(简洁,明快,现代感,科技感,未来感,白色,蓝色,人机交互,布局,构造)。之后,基于任务过程属性对知识进行过滤。根据图2可知,DM2与TC及TR2,TR3,PM3具有映射关系,因此选择知识所属域DK中存在相关域的知识进行进一步筛选。最后,基于式(4)与式(5)对候选知识进行进一步筛选，得到检索结果,如图6所示。从图6可以看出,检索出的知识内容不仅针对当前任务阶段,而且也包含了关联任务阶段的知识,形成了以本任务阶段为中心、相互关联的知识体系,对任务主体提供全面的知识辅助。在设计过程中,通过云平台上的聊天功能与客户及相关设计师进行沟通。外观设计任务完成后,按任务要求输出草图、效果图、三维模型、设计说明文档等数据,作为后一阶段即结构设计阶段的任务输入。

图6 检索结果界面

与此类似,其他任务阶段的任务主体获取任务相关知识以完成任务,最终经过所有过程阶段完成产品的设计与制造,并形成新的知识,经管理人员编辑筛选后录入知识库。任务完成后,任务主体对知识服务的准确性与有效性进行评价,管理人员根据评价结果改进知识属性标签。

4 结束语

本文面向3D打印云服务平台,提出了任务信息驱动的知识管理模型。通过分析平台典型任务,将平台任务过程分为需求提出、设计建模、设计决策、打印制造四个阶段。根据任务过程将任务信息归纳为任务案例域、任务需求域、设计建模域、分析决策域和打印制造域。分别对任务与知识进行建模,基于本体概念对任务与知识进行语义化表示,采用任务过程属性和任务对象属性相似度双重过滤的方式实现了知识的个性化服务。在此知识管理模型基础上开发了面向3D打印云服务平台的知识管理系统,为任务主体提供了关于本任务完整的知识集,提高了任务完成效率。

本文所提出的知识管理模型,仍有改进的空间。如任务阶段划分的改进、任务模型的优化、语义相似度算法的优化等,均有待未来进行更深入的研究。