基于产品开发情境匹配的业务产物智能推荐方法研究

The complexity and variety of product models of complex electromechanical products leads to big and fast-growing business data, and the consequent information overload issues make the work in R&D departments really onerous. To tackle this problem, this project proposes a context-aware business artifact recommendation approach, the core concept of this approach is to measure the similarities between the current task context and historical ones, and the artifacts of the task (like mechanical design files) most similar to the current task would be recommended to the users to improve the task execution efficiency and rapid response capacity of the enterprises. The main details of this project are: First, analyze the key factors of the task execution to derive the emerge mechanism of the contexts, and present the context models and their formal presentation. Thereafter the ontology and schema matching theories are adopted to measure the similarities of different context dimensions like workflow resources, processes, tasks, roles and organization units, in element levels and structure levels. Finally, the objective function using the file access history logs is utilized to search the optimal weight vector, and hence the goal of business artifact recommendation approach is achieved.

数控机床等机电产品复杂度高，型号规格多样，其技术部门业务量庞大且增速很快，由此造成的信息超载问题严重地影响了新产品研发任务的执行效率。为此，本项目提出了一种情境感知的业务产物推荐方法，其核心在于探索一种多维情境匹配方法，对当前情境实例与历史情境集合中的实例个体的关联度进行分析，以获取与当前任务情境关联性最强的历史情境实例，从而将最相关的结构设计方案等业务产物推荐给任务执行者，以提升任务执行速度，增强企业的快速响应能力。项目主要研究内容为：从分析影响任务执行的主要因素入手，研究工作流情境产生机理，并对情境模型进行建模和形式化表达。在此基础上，借助本体匹配/模式匹配等相关理论，对工作流资源、过程、任务、角色和组织情境等维度在元素和结构等不同层面的相似性进行度量。最后，研究基于工作流文档访问历史的搜索目标函数，以获取最优多维权重向量，并藉此实现基于情境匹配的业务产物推荐。

针对产品开发业务过程任务执行时的知识管理和信息超载问题，本项目以复杂机电产品（如精密数控机床、雷达等）开发任务执行环节作为切入点，研究工作流任务情境在产品开发知识管理及重用领域的应用，以实现任务执行阶段的高效信息支撑，提高企业产品开发的响应能力。.本项目提出了一种情境感知的工作流任务知识智能推荐方法。首先，在对工作流任务的执行情境研究的基础上，建立了一种基于本体论的分层工作流情境本体模型WfCOM，并对其进行了形式化描述；针对WfCOM情境本体实例节点在元素层面和结构层面的共有特性，分别研究了基于Jaro-Winkler的语言学字符串相似度算法，基于TF-IDF的本体描述文本向量空间相似度算法，以及基于图结构自相似的情境本体结构相似度计算方法。在上述本体节点匹配算法基础上，研究了一种线性组合的多维度情境相似计算方法，为了找到最优权重向量，研究了一种基于业务产物访问历史评价的权重向量搜索方法，并通过实验对提出的多维情境相似算法进行了验证。.项目执行期间，开发了基于任务执行时知识推荐引擎，并在某雷达研究所进行了内部测试。测试实验证明，该知识推荐引擎在任务执行期间的历史数据推送的首次推荐准确率在83%以上。同时，针对不同熟练度的任务执行人员，任务执行效率提高了20%-90%。.本项目根据离散制造业研发的实际情况，针对业务过程管理中的数据重用和业务产物推荐问题，综合考虑业务产物生成的工作流因素，创新性地提出一种工作流情境实例的关联度量及评价方法，并将其应用于工作流用户任务执行时的业务产物推荐，对缩短离散制造业产品研制生命周期，提升企业的核心竞争力具有十分重要的意义。