崔兆亿，耿秀丽

（上海理工大学 管理学院，上海 200093）

0 引言

服务型制造是《中国制造2025》九项战略任务和重点之一，是我国经济实现“创新驱动、转型升级”的重要途径。制造业和服务业的融合改变了制造业产业形态，引发了制造模式改革。企业为客户创造最大价值，提供产品和服务结合的整体解决方案，即产品服务系统（Product Service System，PSS）。PSS 的重要特征是满足客户个性化需求和配置。PSS 方案配置强调根据客户需求快速准确地设计出合适的模块实例组合。

现有PSS 配置方法主要有遗传算法、神经网络和多目标规划等方法。Sheng 等［1］在模块划分的基础上，提出基于遗传算法的PSS 方案配置优化方法，而该方法需要设置权重，涉及个人经验和偏好等因素，缺乏客观性；Wei 等［2］提出一种基于多目标遗传优化算法与模糊选择机制的方法，以解决多目标优化配置问题；Xuanyuan 等［3］提出基于多目标优化方法进行产品配置，并使用多目标遗传算法从可行解中找到Pareto 最优解集，能够很好地解决多目标优化问题，但维度较大时容易出现早熟；Shen 等［4］集成局部集群神经网络与Rulex 算法，以提取服务参数、功能需求、客户特征或产品特征之间的配置规则，从而提升配置解决方案有效性。但是，神经网络遵循基于训练集误差的经验最小化风险方法。因此，它不能保证所得模型具有良好的泛化性能。

PSS 配置目标是为客户的不同需求提供差异化PSS 配置方案，即从产品模块与服务模块的实例中找出特定需求的实例组合进行分类。……