王涌泉，高 琦

(山东大学 高效清洁机械制造教育部重点实验室，济南 250061)

0 引言

计算机辅助工艺过程设计(Computer Aided Process Planning，CAPP)技术的发展和应用，使工艺设计人员摆脱了大量繁琐的重复劳动，提高了工艺设计的效率[1]。同时，随着CAPP系统在制造企业的广泛应用，制造企业积累了大量的工艺数据，这些数据蕴涵着丰富的工艺知识，如何高效重用这些工艺数据资源是CAPP系统智能化急需解决的问题。

为了解决上述问题，罗年猛等提出了一种工艺数据的可定制性表达模型[2]。王正远等以工艺数据为核心，提出了一种面向产品数据的智能化集成CAPP系统实现方案[3]。王启富等建立了基于模板机制的工艺制定方法，实现了工艺知识的智能感知[4]。孙璞等针对知识检索效率低下、知识获取准确度低等问题，提出了面向三维工艺设计的知识推送方法[5]。他们在一定程度上解决了工艺数据的表达及管理使用等问题，但是以上工艺数据的应用方法大多过度依靠人机交互查找工艺知识，在如何更高程度的展现计算机优势，依据工艺人员正在进行或已经做出的操作，预测出下一步的操作内容和期待结果等方面，需要进一步提高。

以用户为中心的设计是一种将产品、应用以及用户体验置于设计中心位置的设计哲学。在以用户为中心的设计中，设计者需要努力对那些将要使用设计产品的人们需求和局限的细节进行理解，并做出正确的设计决策，使其设计的产品体现出对用户的理解[6]。用户并不关心CAPP系统本身，用户需要的是能够满足他们需求的CAPP系统，未来的CAPP系统应该以一种更为巧妙和顺畅的方式服务用户。CAPP系统的服务应该是随手可得的，可以通过智能的服务“向导”来引导用户。目前工艺数据信息爆炸和过量常常被用户所抱怨，但在未来不应该成为一个障碍。在未来的CAPP系统中，应该是以系统用户为中心的。因此，本文提出了一种CAPP系统中工艺知识推送方案，该方案基于以用户为中心的设计理论，综合应用上下文感知、知识推送技术，以期实现CAPP系统的工艺知识的精准高效的重用，提高工艺设计的效率。

1 知识推送模型

基于以上分析，本文基于以用户为中心的设计理论，充分考虑CAPP系统用户的实际需求，提出了基于上下文感知技术，感知用户意图，搜索工艺知识，提供智能指引的知识推送结构，主要包括：上下文感知模块、知识搜索模块、知识推送模块等。首先，上下文感知模块从CAPP系统用户获取用户的操作信息及实时位置信息，同时结合工艺人员制定工艺的流程，推理出工艺人员目前所需要的目标工艺知识；然后，知识搜索模块根据获取的目标工艺知识从工艺数据库中提取工艺人员所需要的工艺知识；最后，由知识推送模块将目标工艺知识有序推送给CAPP系统用户。知识推送模型结构原理如图1所示。

图1 知识推送模型

1.1 上下文感知模块

上下文感知模块主要功能是获取工艺人员的设计意图，上下文感知最初定义由Schilit和Theimer给出，其定义上下文为：上下文根据使用地点，附近人和物的集合，随着时间的变化而进行改变[7]。此后，有很多学者尝试对上下文给出自己的定义。直到1999年，Dey和Abowd总结了前人的研究，提出了一个被广泛接受的上下文感知的定义：一个系统是否上下文感知取决于它是否依据上下文信息为用户提供相关的信息和服务，其中的相关性取决于用户的任务[8]。为了获取工艺人员的设计意图，本文在CAPP系统中，构建了如图2所示的上下文感知结构，上下文感知模块主要由：上下文传感层、上下文聚合器、上下文推理及上下文知识库组成。

图2 上下文感知模块结构

上下文传感层主要是指广义的传感器，它既可以是物理设备也可以是软件，收集上下文的传感器包括三种主要的类型：物理传感器、虚拟传感器及表格填写[9]。上下文传感层的作用是从CAPP系统中获取上下文信息。CAPP系统的上下文信息主要包括：用户信息、约束条件及实时位置信息。

上下文聚合器是连接低层和高层的桥梁，由于上下文信息具有异质性，上下文聚合器的主要任务之一就是处理上下文传感层收集的基本上下文信息。上下文聚合器的另一个主要的任务是将从上下文传感层提取的原始上下文信息转换成OWL格式的信息，并更新到上下文知识库中。

上下文推理是上下文感知模型中最重要的部分，它的角色就像大脑一样，上下文推理主要任务是推理出CAPP系统的用户意图。目前主要应用两种推理方法：规则和机器学习算法。规则可以根据一组一阶逻辑规则集来推断用户的意图，根据对CAPP系统用户已输入字段内容及实时位置的分析，为用户提供订制的推荐。机器学习算法通过学习CAPP系统用户活动的历史上下文数据模式参数，并且使用这个模式来识别CAPP系统用户的活动。

上下文知识库为上下文提供了永久存储。整个上下文被存储成一个三重模式，包括主语、谓语和宾语。它指的不是数据而是关系，这些关系可以描述实体的特征，为上下文推理奠定基础。

1.2 知识搜索模块

推送的工艺知识是否及时和有效，依赖于知识搜索模块的查全率、准确率及检索效率等。知识搜索模块如图3所示。

图3 知识搜索模块结构

知识检索模块的核心主要包括检索器及索引器。索引器主要作用是从工艺数据库中，生成从关键词到工艺知识的关系索引表，索引表一般使用某种形式的倒排表。索引表也要记录索引项在工艺数据库中出现的位置，以便检索器计算索引项之间的相邻关系或接近关系，并以特定的数据结构存储在硬盘上。检索器的主要功能是根据从上下文感知模块获取的目标知识的关键词在索引器形成的倒排表中进行检索，获取相关的工艺知识数据。

1.3 知识推送模块

知识推送的本质是在正确的时间，以正确的形式，把正确的知识推送给正确的人[10]。但是由于工艺知识的多样性，知识搜索的模块获取的工艺知识比较多，因此，如何从众多工艺知识中获取最准确的知识，并将准确的工艺知识有序推送给用户，是知识推送模块解决的主要问题。知识推送模块综合考虑知识的相关性及重用率等指标，对检索结果进行排序并推送。相关性主要是指与目标知识关键属性的匹配程度，重用率主要是指知识被使用的频率，在相关性一样的情况下，工艺知识使用频率越高，推送排序越靠前。

因为工艺知识与零件特征的材料、尺寸、公差等级、表面粗糙度等属性有关，这些属性决定了工艺知识之间的差异，因此，根据工艺知识与属性之间的特殊关系，同时考虑到了各个属性的特点，本文设计了区间标度型属性相似度算法，工艺知识的属性值可能是一个连续的区间，如特征尺寸，也可能是一个集合，如材料种类，当属性值是一个连续区间时，属性的相似度按如下公式计算。

其中，f(x)表示某一属性的相似度，[X1，X2]表示属性值的取值范围，X1、X2分别表示某一属性值的最小取值及最大取值。

当目标知识的某个属性在某个工艺知识属性值的范围之内，该属性的相似度为1，当不在属性值的范围之内，则该属性相似度为0。

当属性值是一个集合时，属性的相似度按如下公式计算。

其中，f(x)表示某一属性的相似度，X1、X2…Xn分别表示某一属性值的包含元素。

当目标知识的某个属性属于某个工艺知识属性值的集合，该属性的相似度为1，当不属于某个属性值的集合，则该属性相似度为0。

最终某条工艺知识的与目标知识的相关性按如下公式计算。

F(X)=f(x1)+f(x3)+…+f(xn)

其中，F(X)表示某条知识与目标知识的相关性，f(xn)表示某条知识的单个属性与目标知识中对应属性的相似度。

采用相似度公式逐条计算检索出来的工艺知识，按照相关性F(X)的数值大小对工艺知识进行排序，当相关性F(X)的数值相等时，将按照知识的重用率进行排序，重用率的高低根据某条知识的引用量的大小确定，某条知识引用量越高，则代表这条知识的重用率越高。为了避免推送较多的知识，影响知识的重用效率，根据知识的相关性及重用率的计算，每次将会推送五条工艺知识辅助设计人员进行工艺方案的制定。

同时为了衡量推送知识的准确性，引入了知识的可信度评价指标，某条知识的可信度按如下公式计算。

其中，K(X)表示某条知识的可信度，F(X)为这条知识的与目标知识的相关度，n表示目标知识的属性值的总数。

当K(X)=1时，表示该条知识完全可信，可以直接引用；当K(X)<1时，表示该知识可信度较低，不具备直接引用的条件，该知识只具有参考价值。

2 知识推送实现方案

工艺知识推送方案在CAPP系统中的具体实现主要包括，运用上下文感知技术实现人机交互接口，按照具体的交互上下文，为工艺人员推送不同的工艺知识，在获取推送目标后，由工艺知识搜索模块快速检索对应的工艺知识，最后知识推送模块根据相关性及重用率等指标对检索的工艺知识进行有序推送。具体实现流程如下：①依照工艺知识的组织形式，从工艺知识库提取工艺索引项，建立本地工艺索引数据库；②上下文感知模块中的上下文传感层根据CAPP系统用户的前期操作获取目标知识的属性约束条件、已输入字段内容及当前实时输入的位置，获取上下文信息，经过上下文聚合器的处理及上下文推理，获取用户设计意图并确定推送目标知识的关键词；③知识搜索模块根据获取的关键词检索出相关的工艺知识；④根据相关性及重用率等指标对检索出来的工艺知识进行排序，由知识推送模块将排名前五的工艺知识推送给工艺人员，供工艺人员参考使用。

3 实例分析

综上所述，在某公司自主开发的产品三维机械加工工艺设计系统SVMAN-M基础上增加动态库，实现了工艺知识的推送功能。将知识推送模块主要集中在一个动态库中，在程序运行过程中动态加载，从而保证功能上的独立。为了验证上文设计的方案推送工艺知识精准高效的特性，本节以某柴油机厂箱体类零件上特征孔工艺设计过程中的工艺知识应用为例，介绍了柴油机箱体上某孔加工工艺知识的推送的过程。

为了实现工艺知识的主动推送，首先通过上下文感知模块从系统中获取工艺设计意图，即所需目标工艺知识的属性参数及知识类型，如表1所示。

通过知识搜索模块对“加工方法链”“孔”等关键词的检索匹配，从工艺知识库初步筛选出符合基本条件的含有15条工艺知识的工艺知识集，其具体信息如表2所示。

首先利用算法公式对每条知识与所需目标知识的相关性进行计算，最终得出序号为10、11、12的三条知识相关性最大为4，序号为2、4、5的知识相关性为3，其余知识相关性过小，直接舍去。

然后根据工艺知识的相关性及知识引用量的大小对将要推送的知识进行排序，最终推送顺序如表3所示。

最后，将排列有序的工艺知识推送给工艺设计人员，辅助工艺人员进行工艺设计。由每条知识的可信度可知，10、12、11三条知识可信度为1，可以直接引用，2、4两条知识可信度小于1，不具备直接引用的条件，只具备参考价值，突出了可用知识与参考知识之间的区别，防止相似知识之间的误用。

表1 工艺设计意图信息

表2 待推送工艺知识集

表3 推送的工艺知识

4 结束语

为了提高CAPP系统人机交互的智能性，改善工艺人员与CAPP系统的交互方式，提高工艺数据知识的重用效率，本文通过运用上下文感知、知识推送等技术，设计了工艺知识的推送方案，实现了工艺知识的主动推送。在CAPP系统中实现局部智能化，在工艺设计的过程中，根据具体的上下文环境，感知工艺人员的设计意图，为工艺人员制定和编辑工艺提供指导和帮助。最后通过实例验证了上述方法推送工艺知识的精准高效性，提高了CAPP系统的操作性、智能性，在一定程度上提高了工艺人员的工作效率。