张世淼，邵宏宇，郭 伟，鲁浩东

（天津大学机械工程学院机构理论与装备设计教育部重点实验室，天津300354）

1 引言

随着制造业的快速发展，以信息技术与制造技术深度融合为特征的智能制造模式，正在引发整个制造业的深刻变革。国务院发布的《中国制造2025》明确提出“推动3D 打印等智能制造领域取得新突破，全面提升制造业的水平和能力”。3D 打印作为快速成型技术，凭借其数字化、自动化的特点，经由互联网传输实现本地化生产制造，改变了传统制造的理念和模式，有效减少生产成本，满足用户个性化需求［1］。近年来，3D 打印环境也从生产型制造向服务型制造转型，备受企业的关注，如创想制造、魔猴网、航天云网、北京计算中心等创建3D打印云服务平台日渐增多。

如今，3D打印云服务平台的功能和服务不断推广和完善，市场覆盖率继续扩大，用户对产品的个性化定制需求日益迫切。然而在“用户-设计师-3D打印服务”体系与云平台服务器调度过程中，用户在设计师提供的多组设计方案选择主方案后，剩余的创意设计方案造成大量的闲置和浪费。云平台对海量的创意设计资源缺乏规范化的调度利用方法；同时用户难以从海量的资源中筛选出符合自己要求的设计方案。所以针对浪费的创意设计资源进行合理调度、再利用，实现效益最大化已成为亟待解决的问题。

近年来，学术界和工业界都在努力提高3D打印云服务平台中资源的可利用性和使用效率，使其不仅能很好地用于原型制造，还能用于最终产品的制造（Lee et al，2016）［2］。文献［3-4］分析了环境影响下3D打印过程的能耗，采用能量估算和优化的方法建立模型，进而改善实际生产设置，支持3D 打印产品再设计；文献［5］建立用户数据输入模块，数据处理、优化和可行方案的智能模块、决策支模块，以此提高云制造网络的计算能力和物理资源的利用率；文献［6］基于遗传算的任务调度算法，建立了包含用户、设计师、3D 打印机持有者的循环系统，提升资源的利用率，对打印任务的调度模式进行合理优化；文献［7］建立基于多Agent的3D 设备资源优选模型，使用混合粒子群算法进行求解，实现了设备资源的优选和利用。

以上方法主要针对设计资源的调度利用，但是针对创意设计资源进行优化利用的研究并不多。针对以上问题，基于3D打印云服务平台的设计资源进行协调控制和优化调度，对创意资源的特点、评价指标、模型求解及优选方法进行探索和研究，并结合实例进行验证。

2 3D打印创意设计资源优选架构

2.1 3D打印云服务平台框架

3D打印云服务平台主要通过云平台服务器实现用户、设计师、3D 打印服务的融合，如图1所示。用户主要包含新手用户、中间用户、专家用户，用户向设计师提出自己的设计需求，设计师设计多组方案供用户选择，用户和设计师互相交流反馈意见后形成最终方案；设计师将最终方案交付3D 打印机进行打印，3D 打印机反馈相应的参数调整意见，如产品的尺寸、壁厚、精度、材料等；3D 打印机的打印过程包括：三维设计、切片处理、进行打印、后期处理和产品包装，完成打印过程后交付用户成型产品，用户完成交易订单，最终实现了3D 打印云服务的交互过程。

图1 3D打印云服务交互模式Fig.1 3D Printing Cloud Service Interaction Mode

用户在云平台提出设计需求后，多个设计师进行设计反馈，用户从多个创意设计方案中选择其一进行最终成品打印，其余的创意方案造成了浪费。目前浪费掉的创意方案大多由设计师上传到云平台的服务端，供用户在网上进行付费下载，大量的创意资源“沉默”在云平台上，并未进行合理调度和再利用。

2.2 创意设计资源匹配最优解过程建模

随着3D打印云服务平台中设计资源的不断累积和增加，从海量的创意设计资源中进行筛选和组合是人工方式难以完成的工作。因此需要对用户需求进行参数分解，和云平台中的模型库资源进行迅速匹配，对3D打印创意设计资源实现自动组合，以满足用户的个性化需求。

3D打印云服务平台中创意设计资源再利用的问题，即将用户需求分解成子需求，通过语义相似度算法将“沉默”的创意设计从资源池中捞出，最后通过创意价值评估体系得到需求最优解Rx，该模型的构建架构，如图2所示。

图2 3D打印创意设计资源匹配最优解的构建Fig.2 Construction of Optimal Matching Solution for 3D Printing Creative Design Resources

3 基于关键词提取和语义相似度计算的需求最优解

3.1 用户需求分解

对用户提出的任务需求进行分解，通过切词分词的处理后，确定用户需求中的核心名词为产品，其余动词、形容词、副词等其他修饰词为产品的子需求，如图3所示。

图3 用户需求分解图Fig.3 User Needs Breakdown Diagram

3.2 基于语义关系图的关键词提取方法

创意设计资源模型库中的模型大多都标有产品描述，这些描述的文本内容通常由一段话或者一句话构成，其中名词、动词、形容词、副词通常已经携带了内容的主体信息。首先对产品描述文本采用语言云平台LTP进行分词切词和词性标注的预处理，仅仅保留动词、名词、形容词、副词，利用表1 来构建语义关系图。

表1 词语之间的修饰关系及中心词Tab.1 The Modifier Relationship between Words and the Central Word

经预处理后，需要对创意设计模型的文本内容建立语义关系图。将文本内容抽象为一个图模型，构建一个语义关系图三元组M=＜N，E，C＞，其中，N（Node）为节点的集合，一个节点表示词语；E（Edge）为有向边的集合，一条边代表词语间的修饰关系；C（Content）表示预处理后的文本内容的集合。对于节点i和j，用WNi表示节点i的权重，WE（i，j）表示从节点i指向节点j的边的权重，它们的计算分别如下：

然后基于语义关系图进行关键词的筛选，计算关键词K值的公式如下：

式中：i—其中的一个节点；

d—一个平衡因子，满足0＜d＜1；

N—所有节点的集合；

s—指向i指向其他点的集合。

公式前半部分表示节点i认为自身的重要性，后半部分表示其他节点认为节点i的重要性。

基于语义关系图对创意资源中文本的关键词进行筛选后，供后续匹配使用。

3.3 语义相似度计算

语义相似度用义原的概念进行描述，义原是用于描述的最小意义单位，是用于描述词语的不可再分的基本语义元素。知网对语义相似度的计算最后归结于义原相似度的计算。所有义原由其从属关系构成一个树状层次结构体系。

因此据此根据层次路径长度d，可以计算两个义原之间的语义距离如公式所示：

式中：Sim（p1，p2）—语义相似度；

d—“义原”p1和p2在“义原”层中的路径长度；

α—相似度为0.5 时语义的距离值。

对于两个词语Word1 和Word2，如果Word1 包含n个义原：（P11，P12，…P1n），Word2 包含m个义原：（P21，P22，…P2m），那么Word1 和Word2 的相似度为各个义原相似度的最大值如公式所示：

通过语义相似度算法，将用户需求与创意资源的关键词进行匹配，实现从资源池中“捞出”符合用户需求的创意，得到创意资源候选集。

3.4 创意价值评估体系

创意价值可分为内在价值、顾客价值、企业价值和社会价值4个方面［8］。国内外学者对创意价值体系进行了补充和完善，文献［9］提出了新颖性和可行性两个指标，通过实验发现，科学和高效的创意筛选标准更利于筛选出好的创意；文献［10］认为创意价值筛选应遵循可行性、效益性、适应性原则，能为企业解决实际问题；文献［11］提出，优秀的创意应该是新颖的、可行的、有益的、有用的、高度成熟的；文献［12］强调，技术可行性和市场潜力是最常用的评价指标；文献［13］认为，战略契合度、客户接受度、技术可行性、市场机会和财务绩效是创意评价的关键要素。

但目前研究缺乏统一而规范的创意评价标准，导致创意价值不易进行深度挖掘。结合3D打印云服务平台内容开放、知识共享、自由参与的特性，基于用户需求的角度，将创意价值分为产品价值、用户价值、企业价值三个一级指标，用户满意度、用户偏好、可用性、可转化性、可盈利性五个二级指标，并采用定性和定量两种模式进行评价，如图4所示。

图4 3D打印云服务平台资源的价值评估体系Fig.4 Value Evaluation System of 3D Printing Cloud Service Platform Resources

3.4.1 产品价值rp

产品价值指设计创意在内容上是否与其他创意不同，其内容体现的思维模式是否新颖。点赞和收藏反映用户对此设计创意表示认同即用户满意度，肯定其内容的优质性，能够活跃用户，让设计者获得感知认同，形成闭环；设计创意的评论更是反映了用户的情感偏好，积极评价肯定其创意新颖性，而中性∕消极评价则是持保留态度。

其计算公式，如式（6）、式（7）所示。

式中：rp—产品价值；

l—创意资源的点赞次数；

c—创意资源收藏次数；

Ek—评论的平均情感矢量值；

Pk，i—每一条评论的情感矢量；

x—该设计资源下的评论数目。

3.4.2 用户价值ru

用户价值是可用性的体现，指的是创意资源能否满足用户的功能使用需求，不同的用户需求不尽相同，因此对功能的需求也不唯一。

在云服务平台上衡量的指标就是对创意资源所使用产品标签，如某网站上的某创意资源：“个人未来汽车-猎豹”，其标签就是＜组装＞、＜概念＞、＜礼物＞、＜汽车＞、＜模型＞、＜拼接＞共六个指标。功能标签越多，体现的可用性就越强。

ru表示用户价值，其值为标签个数的总和。

3.4.3 企业价值rc

企业价值则是可转化性和可盈利性的体现，指的是创意资源转化成经济效益，为企业带来盈利。3D打印云服务平台中，用户可通过付费下载的方式对创意资源进行下载，其下载量折算成的现金流为云平台带来价值。

其计算公式，如式（8）所示。

式中：rc—企业价值；

t—创意资源从发布到现在的第t年；

Dt—创意资源的下载次数；

r—创意资源的折现率。

因此，3D打印创意资源的权值W可表示为：

式中：λ—各指标所占权重，且λ1+λ2+λ3=1。

经过语义相似度计算得到的创意设计资源候选集，根据式（9）创意资源权值进行综合性比较，筛选出最优解供用户参考。考虑到用户需求个性化、多样化的特点，用户可以根据偏好对创意价值体系的权重进行自行设定，最终得到个性化最优解。

4 实例仿真

为了保证数据的严谨性，本案例数据取样于国内某城市3D 打印公司研发的云服务平台，该平台供众多3D 创客汇聚、分享、交流和学习，是一个集“设计-建模-3D 打印”一体化云服务平台，集成了多领域多种类的3D 打印云服务，对不同型号的3D 打印设备进行网络接入，实现了数据的在线实时采集。本研究选用网站中＜3D 模型库＞板块中的数据进行实例仿真和分析。

某用户在云平台中提出“汽车”设计的需求，提出任务后要求设计师进行设计，汽车的设计要求有未来感。因此确定“汽车”为核心产品，“要求未来感”为子需求，利用Python对＜3D模型库＞中的“汽车”数据进行采集，共爬取到136条数据，内容包括浏览次数、评论数、下载数量、发布日期、点赞、收藏、评论数量、评论内容、产品标签和产品描述。数据如图5所示。

图5 “汽车”创意设计资源数据采集Fig.5 Data Collection of“Automobile” Creative Design Resources

然后对产品描述栏的内容建立语义关系图，来筛选关键词。以其中某模型产品描述的内容进行举例分析，将文本进行分词，分析词语之间的关系，如表2所示。

表2 对某模型产品内容预处理后的句子分析Tab.2 Sentence Analysis after Preprocessing the Content of a Model Product

根据表中5 局文本内容，按照词语之间的修饰关系，将P1、P2、P3、P4、P5构成语义相似图，图中共11个节点，11条有向边，节点中的数字表示节点的权重，边上的数字表示边的权重。

图6 语义相似图Fig.6 Semantic Similarity Diagram

按照式（1）～式（3）进行计算，d取值0.5，除去“汽车”外（因为汽车为产品核心名词），“未来”的K值为0.673 明显高于其他词语，因此筛选“未来”为该文本的关键词。

运用以上规则对136个模型的产品描述文本进行依次遍历，通过子需求“未来感”进行语义相似度匹配，得到最终5种创意设计资源模型。

R1-R5为5组云平台网站上的设计模型，R1名为“个人未来的汽车-猎豹”，R2名为“未来汽车”，R3名为“超概念汽车”，R4名为“未来汽车-地效飞行”，R5名为“高科技滑雪车”，参考3.4节创意价值的评估体系，权值指标分布，如表3所示。

表3 权值计算Tab.3 Weight Calculation

式（9）中取：

经过计算W1值最大，即R1“个人未来的汽车-猎豹”为创意设计资源的最优解。

5 结语

针对“用户-设计师-3D 打印服务”的交互系统中大量设计资源浪费的问题，首先对用户需求进行分解，基于语义关系图筛选出资源文本的关键词，然后通过语义相似度进行需求匹配，最后结合创意价值评估体系，寻找需求的最优解。经验证，相较于传统的关键词搜索方法，该方法可以有效实现“沉默”设计资源的合理调度，能够有效降低时间成本、提高检索效率。传统的搜索方法导致很多设计资源被硬性过滤掉，该方法更加模糊化，筛选出最优解或者最优解集合，供用户选择，有效减少设计浪费。该方法有助于企业提高云平台的服务水平，节约成本和提高利润，带动相关的创意设计，形成设计创意资源的循环体系，具有良好的应用前景。