[论文解读] Fuzzy Relational Modeling of Cost and Affordability for Advanced Technology Manufacturing Environment
本文提出一种基于BK积的模糊关系建模框架，用于分析先进制造中的成本与可负担性，通过Repertory网格整合物理测量数据与专家知识。该框架可检测对称性、传递性等关系属性，支持不确定性条件下的决策，应用于技术排序与成本驱动因素分析。
Relational representation of knowledge makes it possible to perform all the computations and decision making in a uniform relational way by means of special relational compositions called triangle and square products. In this paper some applications in manufacturing related to cost analysis are described. Testing fuzzy relational structures for various relational properties allows us to discover dependencies, hierarchies, similarities, and equivalences of the attributes characterizing technological processes and manufactured artifacts in their relationship to costs and performance. A brief overview of mathematical aspects of BK-relational products is given in Appendix 1 together with further references in the literature.
研究动机与目标
- 开发一种关系框架，用于在数据不完整或不确定的条件下，对先进制造中的成本与可负担性进行建模。
- 将物理测量数据与专家知识（通过心理测量工具）整合到统一的关系结构中，以支持决策。
- 检测关系属性，如自反性、对称性、传递性与等价性，以揭示制造属性之间的依赖关系、层级结构与相似性。
- 通过预序关系实现区间排序，支持在设计早期阶段对可负担性进行评估。
- 通过基于模糊关系计算的增值分析，识别并消除设计与制造中的非必要成本。
提出的方法
- 采用模糊关系积（BK积）——特别是三角形积与正方形积——对来自成本与性能数据的关系进行组合与分析。
- 使用Repertory网格（RPG）作为心理测量工具，在缺乏物理数据时从工程师处获取语言化知识。
- 应用模糊关系结构，以表示并分析成本驱动因素与制造工艺之间的依赖关系、相似性与等价性。
- 利用区间聚合方法，将不同工艺参数或材料的成本估计进行整合。
- 从关系数据构建预序关系，以实现基于可负担性的竞争技术区间排序。
- 通过模糊关系计算执行增值分析，以识别并消除设计与制造中的非必要成本。
实验结果
研究问题
- RQ1当物理数据稀缺时，如何利用模糊关系建模来表示并分析先进制造中的成本与可负担性？
- RQ2从专家获取的语言化数据中，可提取哪些关系属性（如对称性、传递性）以揭示成本驱动因素之间的结构性关系？
- RQ3BK积如何应用于整合多个专家视角，并解决关系模型中的不一致问题？
- RQ4区间聚合与基于预序的排序在不确定性条件下如何改善技术选择？
- RQ5如何通过基于模糊关系的增值分析识别并消除制造过程中的非必要成本？
主要发现
- Repertory网格成功获取了专家对成本驱动因素的知识，使得在缺乏物理测量数据的情况下仍能实现关系建模。
- 在专家提供的数据中检测到对称性与传递性等关系属性，揭示了制造属性之间的有意义结构性关系。
- BK积实现了多个专家视角的整合，并将冲突性解释统一为一致的关系模型。
- 成本的区间聚合提供了一种稳健方法，用于整合不同工艺参数下的不确定或不完整成本估计。
- 基于预序的区间排序使得竞争技术的对比评估成为可能，支持不确定性条件下的决策。
- 基于模糊关系计算的增值分析在LPT罩板案例研究中成功识别并突出了非必要成本。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。