跳转到内容

并行工程/设计流程

Add links
来自维基教科书，开放的书籍，开放的世界

在设计零件或零件系统时，工程师会遵循一个流程。具体流程会因设计内容、侧重点不同而有很大差异。本节试图涵盖设计流程的许多不同概念，并将其集中在一个地方。

尽管一些设计流程之间存在许多差异，但以下是对设计流程概要的概述：设计流程的第一步是定义设计。这意味着写下你所追求的目标，并对设计进行简洁、浓缩的总结。通常，需要客户表达需求才能设计出产品。与客户的沟通可以是直接的，来自市场调查或其他来源。建立直接沟通渠道对客户和工程师双方都将有利。一旦客户需求确定，就会将其转化为工程需求。然后利用这些需求提出最初的概念构思。通常会构思出许多概念（有时是数百甚至数千），然后根据哪些设计最可行来缩小范围。接下来选择一些概念进行原型设计和测试。根据测试结果，进行改进，并选择最终的设计方案。一旦选择好设计方案，就可以开始制造，客户就会收到最终产品。

设计流程

[编辑 | 编辑源代码]

(Chris Fagan)

并行工程的设计流程会因项目的规模和性质而有所不同。然而，大多数方法都遵循以下类似的结构

  • 定义客户需求
  • 定义工程需求
  • 构思设计解决方案
    • 客户需求
    • 提出多个设计/想法
  • 批准
    • 资金
    • 贯穿整个流程
  • 开发原型
    • 从最初的概念中开发/优化几个想法
  • 批准
  • 实施设计
  • 重新检查

与设计师的访谈

[编辑 | 编辑源代码]

由Chris Cookston提供

设计流程示例

[编辑 | 编辑源代码]

(Chris Fagan)

  • 具有成功历史的设计流程
    • 专注于已被证明有效的流程
    • 单件生产和批量生产之间的区别
      • 例如，汽车制造与航空航天与美国宇航局喷气推进实验室之间的区别

SMAD

[编辑 | 编辑源代码]

《空间任务分析与设计》作者：詹姆斯·R·韦尔茨和威利·J·拉森

这是一本非常适合空间任务设计，但也适合复杂系统设计的书籍。

丰田

[编辑 | 编辑源代码]

(Karl Jensen) (Adam Aschenbach)

丰田在本书中被特别列出，因为它在今天使用许多设计技术的起源中发挥了重要作用。

其中一个例子就是精益制造。精益制造是指用更少的工作获得更多价值的理念，它源于丰田生产系统 (TPS)。有关更多信息，请查看精益制造维基百科页面

以下列出了丰田与其他制造商不同的几个方面

• 丰田会考虑更广泛的潜在设计，并且比其他汽车公司更晚做出某些决策，但它可能拥有业内最快、最有效率的车辆开发周期。

• 基于集合的并行工程从广泛考虑一组可能的解决方案开始，逐步缩小可能性集合，最终收敛到一个最终解决方案。

• 这使得找到更好或最佳解决方案的可能性更大。

• 上图描绘了大多数美国汽车公司在设计方面采用的方法。该图代表了一种基于点的串行工程方法，它会快速决定一个可行的解决方案。一旦找到这个解决方案，就会对它进行优化以寻找更好的解决方案，但不一定是最佳解决方案。

• 上图描绘了丰田设计产品的方式。所示流程展示了一种基于集合的并行工程方法。这种方法涉及创建一大池想法，供各小组之间进行沟通。这组大量的想法最终会缩小到最终解决方案，这通常是最佳解决方案。使用这种并行工程系统，可以找到稳健的解决方案，而无需进行大量的优化。与其对一个设计进行优化，不如对许多设计进行原型设计和评估，以确定哪个设计最佳。[1]

精益制造维基百科页面

在不断变化的要求下进行设计

[编辑 | 编辑源代码]

(Chris Fagan)

据估计，产品开发延迟的 35% 是由于整个设计过程中对产品定义的更改直接造成的。[2] 由于多个团队在同一个项目上工作，需求会不断变化。[3] 在以下 6 个步骤中概述了促进改变的设计流程。[3] 在系统需求不断变化的情况下进行设计，如下所示。[3]

1. 建立和培养客户与设计工程师之间的开放式沟通。这包括设计团队内部的沟通。

2. 尽快开发并明确写下设计需求。重要的是要确定组件接口需求和其他可能没有明确表达的产品规范。分析列表的完整性，并寻找遗漏的需求。

3. 检查需求列表以确定哪些需求可能发生变化，哪些需求是稳定的。在设计的早期阶段，要花更多时间在持久性组件上。

4. 预测未来客户需求和需求变化。为变化留出空间，并在组件中创建灵活性以适应未来的变化。

5. 使用迭代方法进行产品开发。快速的设计和原型周转提供了一种测试需求和发现意外需求的方法。

6. 通过选择能够容忍不断变化的需求的产品架构，在设计中构建灵活性。这可以通过过度设计组件以满足未来需求来实现，尤其是在可能发生变化的组件中。这些步骤已在 Bug ID 项目的持续设计过程中确立，并有助于防止因设计变更而造成的损失。但是，该系统没有被视为一个复杂系统。

并发设计工具

[编辑 | 编辑源代码]

(Chris Fagan)

并发工程项目将许多学科汇集在一起，形成一个单一的设计过程。已经开发出一些工具来帮助不同知识和背景的设计人员在单一设计上协同工作。

使用 SysML 进行系统设计

[编辑 | 编辑源代码]

(Chris Fagan)

SysML 是一种图形语言，它使用建模器来帮助创建图表。SysML 的基本思想是创建捕获系统信息和操作的图表。然后，SysML 将它们链接在一起，允许使用模型信息来帮助“指定、设计、分析和验证系统”。[4] SysML 中的九个图表中的每一个都代表系统的一个特定部分。SysML 中的图表类型在以下段落中概述：[4]

1. 需求图表示需求及其在系统中的交互。

2. 活动图说明系统的行为，该行为取决于系统的输入和输出。

3. 顺序图也描绘系统的行为，但这次是根据各个部分之间的消息。

4. 状态机图表示实体之间存在转换时的行为。

5. 用例图以外部参与者的形式呈现系统功能。外部参与者使用图中的实体来完成特定目标。

6. 块定义图表示系统的结构组件、组成和分类。

7. 内部块图显示系统的不同块以及块之间的连接。

8. 参数图包含属性约束（例如等式），这些约束有助于工程分析。

9. 包图显示模型的组织方式。它使用包并将它们关联起来以表示模型。

这些链接在一起的图表共同模拟了整个系统，其中包含物理环境中的元素，例如人员、设施、硬件、软件和数据。[5] 这些图表在跨学科实施，以显示数据在设计过程中的流动。

SysML 的局限性和优势
[编辑 | 编辑源代码]

(Farzaneh Farhangmehr)

为了有效地进行系统建模，系统语言应该统一。为了实现这一目标，统一建模语言 (UML) 提供了一种标准的方式来编写系统模型，包括概念性事物（例如系统功能、软件组件等）；然而，它也存在一些局限性，例如由于其软件偏见，UML 无法描述由硬件和软件组成的复杂系统的关系。系统建模语言 (SysML) 是 UML 结构的扩展，它通过一些改进来解决这些局限性。它试图为复杂的系统提供一种建模语言，这些系统还包括非软件组件（即硬件、信息等）。根据一般定义：“SysML 是一种通用的图形建模语言，用于指定、分析、设计和验证可能包含硬件、软件、信息、人员、程序和设施的复杂系统。” [6]

SysML 为复杂系统应用程序提供了一种通用的建模语言。它可以通过促进系统和软件之间的集成，涵盖具有广泛不同领域（尤其是硬件和软件）的复杂系统。它允许设计团队确定系统如何与其环境交互，以及了解系统的不同部分如何彼此交互。此外，由于 SysML 是一种比 UML 更小的语言（因为它减少了 UML 的软件中心局限性），因此 SysML 更易于理解、更灵活，更容易表达。此外，它的需求图提供了一种需求管理技术。最后，由于 SysML 图表描述了行为、结构和约束之间的分配（通常是将功能分配到形式，尤其是将软件部署到硬件平台上 [7]），它可以降低设计成本。

折衷研究

[编辑 | 编辑源代码]

(Chris Fagan)

任何复杂的設計任務都需要在性能、成本或风险之间进行一些权衡。这些权衡的结果可以在折衷研究中看到，折衷研究用于找到最符合需求的配置。[8] 这些折衷研究通常具有很大的不确定性，因为在研究产生时对设计的了解有限。贝叶斯模型可以用来支持这些折衷研究，并显示某些事件发生的概率。

贝叶斯模型有三个要素：[9]

1. 一组关于世界的信念

2. 一组决策备选方案

3. 对行动可能结果的偏好

尽管这些贝叶斯模型可能包含不一致或不完整的信息，但它们在以不确定性和风险为特征的情况下尤其有效。在这些情况下，贝叶斯模型将建议根据模型陈述采取最佳选择。[9] 这种建议来自对设计过程中决策过程的建模。仅仅通过构建问题，设计过程就具有显著的优势。贝叶斯模型为决策过程提供了分析支持。[9] 贝叶斯模型可以解决：[8]

  • 目标不确定性
  • 评估不确定性
  • 不确定性的重要性
  • 定性和定量标准的混合
  • 多个团队成员评估的融合
  • 确定下一步要做什么，以确保做出最佳决策

总的来说，将贝叶斯模型应用于折衷研究可以澄清决策并提供方向。

ARL 折衷空间可视化器 (ATSV)

[编辑 | 编辑源代码]

(Farzaneh Farhangmehr)

在设计的早期阶段，决策者主要目标之一是生成可能的设计选项的折衷研究，这些选项可以满足设计要求，并选择最佳选项。在传统的 多目标优化技术中，决策者必须事先量化他们的偏好。为了实现这一目标，已经定义了非支配解的帕累托边界，以便决策者可以评估他们的偏好。但是，有时决策者无法事先成功地确定他们的偏好。为了解决这个问题，ARL 折衷空间可视化器 (ATSV) [10] 已经开发出来，允许探索折衷空间。ATSV 的目标通常是提供一种技术，该技术可以使用差分进化 [11] 来填充多目标折衷空间，该方法基于目标的降维子集。因此，ATSV 提供了无约束的维度，而不是单个解决方案，它允许决策者分析设计变量的交互。

ARL Trade Space Visualizer (ATSV) 的局限性和益处
[编辑 | 编辑源代码]

1998 年 Rick Balling[12] 提出的“购物式设计”方法，允许决策者先查看各种可行的设计方案，然后在可视化了最佳设计的权衡空间后，根据自己的偏好选择一个方案。ATSV 通过多维数据可视化（符号图、直方图、平行坐标、散点矩阵、刷选、链接视图）同时显示多个图表，并交互式地应用偏好。因此，ATSV 不提供单一解决方案，而是提供不受约束的维度，让决策者能够分析设计变量之间的相互作用。此外，这种探索可以提供有关权衡空间中其他区域的额外信息，这些区域可能会影响决策者的偏好。此外，ATSV 中使用的自动化方法通过在短时间内分析大量设计，为“购物”范式提供了一种实现方法。尽管有这些优点，但作为一项新技术，ATSV 在某些方面仍需改进。其中一个领域是开发更快的图形界面；了解问题规模和复杂性对用户性能的影响，并根据这些发现的结果限制问题的规模。[13] 此外，未来的工作应该为 ATSV 提供群体决策的方法。最后，与大多数可用的设计方法一样，ATSV 在提供可视化系统相关风险和不确定性的方法方面存在缺陷。

协同工程

[编辑 | 编辑源代码]

(Chris Fagan)

智能协商机制指出，由于不同学科具有不同的目标和知识，在设计过程中不可避免地会发生冲突。许多多学科设计项目要求工程师同时进行设计，这会导致工程师之间沟通不畅而产生混乱。因此，设计工作流程以防止设计过程延误非常重要。[14]

人们一直在努力寻找解决这个问题并使协同工程更有效的解决方案。与在 ATSV 中购物式选择设计类似，人们发现，项目管理的可视化表示可能会有益。这首先导致了甘特图的出现；甘特图是一种基本的规划工具。这些甘特图只能显示用户输入的信息。因此，输出仅与输入的信息一样好，如果中途发生变化，程序可能无法准确地预测变化，也可能无法做到。[14]

人们仍然渴望开发能够弥合工程设计和项目管理之间差距的程序。ConSERV（同步协同工程资源视图）是一个基于知识的项目，它基于设计和项目管理之间存在联系的理念。ConSERV 的目标是提供工程设计活动同时进行的可视化表示。[15] 图 4 显示了这个想法的图形表示。[15]

ConSERV 概念本质上将项目管理方法应用于设计过程。ConSERV 软件充当决策支持系统，提供时间提醒并跟踪进度。这使项目经理能够轻松地监督多学科项目的所有方面。ConSERV 方法可以分五个阶段实施：[15]

1. 确定项目和参数

2. 确定主要风险因素

3. 确定最合适的管理工具

4. 建立团队和项目执行计划

5. 应用 ConSERV 概念

虽然 ConSERV 是一个完整的软件包，可以同时应用所有这些设计策略，但这些概念可以与传统的项目管理软件和组织相结合。

产品数据管理

[编辑 | 编辑源代码]

产品数据管理（PDM）是任何设计中非常重要的部分。PDM 是一种软件，用于控制和跟踪不同设计的 数据。这可以在数据容易丢失的公司节省时间和金钱，因为这些公司没有使用 PDM。Team Center 就是这样一款 软件工具。Team Center 允许来自世界各地的人员同时参与一个系统设计，同时将所有数据保存在中央服务器上。它 还可以充当敏感文件（如 CAD 文件）的监管者，仅允许某些用户修改部件，并防止数据丢失。

您可以在此维基页面上了解更多关于 PDM 的信息：PDM Wiki

几何尺寸标注和公差 (GD&T)

[编辑 | 编辑源代码]

几何尺寸标注和公差（简称“GD&T”）是一种符号语言，应用于机械零件图（二维图或带注释的三维 CAD 模型），用于指定零件特征的允许偏差。ASME Y14.5 是从设计功能角度定义 GD&T 的标准。ISO 1101 以及其他 20 多个 ISO 标准构成了 ASME Y14.5 的大致等效标准，但更多地是从尺寸计量角度来看。GD&T 由设计定义，然后在设计、制造、采购和检验中使用。它是一种语言，可以清晰地传达机械零件和装配体的几何偏差规范和测量数据。

GD&T 方法可以控制特征的形状、尺寸、方向和位置。GD&T 中还包含一些概念，可以建立有意义且可重复的参考系，称为“基准系”，这些参考系用于以功能上有意义的方式关联方向或位置控制的公差带。

作为建立基准系过程的一部分，被识别的“基准特征”通常是与装配体中其他零件配合的特征。通过处理基准特征的识别和进一步规范，可以将设计师的注意力吸引到这些配合特征上。这种关注和意识使得实现简单有效的配合零件接口，明确有效地约束零件在装配体中的旋转和平移自由度，比不使用 GD&T 时更有可能。

使用 GD&T 的替代方法是尝试仅使用直接公差尺寸来指定特征的几何偏差。当尝试使用直接公差尺寸来控制特征的方向或位置时，会遇到模糊性。对于直接公差尺寸的定义，也会遇到模糊性。ASME Y14.5 对尺寸公差提出了不使用 GD&T 时不存在的要求。GD&T 的发展是为了解决过去由于这些模糊性而遇到的问题。

在开发并应用于定义装配体中零件的图纸（二维或三维）之前，机械设计并不完整，直到零件特征的几何偏差的可实现且明确的规范得以实现。缺乏完整的规范可能会导致后续的需要进行设计更改，以适应物理零件的偏差。

GD&T 通常被误认为是绘图或制造方面的主题。GD&T 规范和相关的“公差叠加”分析（需要 GD&T 作为明确的基础）主要属于设计主题。对于关键或复杂的特征，公差分析方法以及尺寸计量方法可能会变得非常复杂。GD&T 是所有机械设计工程师都需要掌握的基本方法，它可以实现零件几何规范的有效传达。

虽然可以对所有零件特征的所有可控特性完全独立地应用 GD&T，但在工业中，GD&T 通常被用作风险管理工具。通过图纸上的通用注释应用通用的“表面轮廓”公差，然后在图纸的图示区域中对最关键的特征进行专门的公差应用。这种方法可以更加关注最关键的功能问题。由于会遇到很大的模糊性，因此仅使用直接公差尺寸无法实现类似的风险管理。

DFX（面向 X 的设计）

[编辑 | 编辑源代码]

DFX 是针对特定特征进行设计的过程。这可以包括面向制造、安全、性能、营销、环境、成本和灵活性的设计。

面向制造的设计

[编辑 | 编辑源代码]

(Adam Aschenbach)

什么是面向制造的设计？
[编辑 | 编辑源代码]

面向制造的设计是工程师用来设计易于制造的零件的一项原则。DFM 通常是一项集中于降低零件生产成本的原则。面向制造的设计应该从产品开发的开始就应用，并在整个设计过程中不断改进。工程人员应该与制造部门和其他职能部门合作，设计易于制造的零件。

为什么要使用面向制造的设计？
[编辑 | 编辑源代码]

通过从项目一开始就考虑零件的可制造性，工程师和制造部门可以协同工作，创造出既经济实惠又满足双方需求的零件。专为可制造性和组装而设计的零件，其生产成本通常低于没有考虑这些因素的零件。由于降低成本是 DFM 的主要目标之一，因此 DFM 是一种大多数公司都知道和使用的原则。

DFM 指南和常见做法
[编辑 | 编辑源代码]

DFM 指南

可制造性设计的示例
[编辑 | 编辑源代码]

• 在整个产品中使用相同的螺钉，以减少装配线上的工具数量、加工过程中的换刀次数以及库存中不同螺钉的数量

• 为装配工人创建用于在狭窄空间内轻松安装螺钉的检修孔

• 减少装配体内的零件数量，以便减少组装时间

• 在零件之间留出足够的空间，以允许工具间隙

安全设计

[编辑 | 编辑源代码]

(Adam Aschenbach)

当使用和周围人员的安全至关重要时，就会使用安全设计。乏燃料运输容器的设计就是一个安全设计的完美例子。乏燃料运输容器必须非常坚固，并且能够承受极大的冲击。例如，容器必须能够承受在 6 英寸直径的钢钉上从 40 英寸高度坠落。容器还必须能够承受从 30 英尺高度坠落到坚固表面上的坠落测试。这两种测试都是为了展示运输容器的安全性。一般来说，安全设计不将成本视为设计参数之一，因为制造安全的部件或系统通常需要花费大量的资金。

性能设计

[编辑 | 编辑源代码]

(卡尔·詹森)

性能设计是一个专门领域。DFP 的许多方面不同于其他设计领域。在这种情况下，设计完全是关于如何从产品中获得最大的性能。通常，很少考虑成本和可制造性。一些适用该原则的例子包括赛车行业（汽车和其他），太空任务和一些军事项目（例如战斗机）。为了从设计中获得最佳性能，在制造产品之前对其进行建模和仿真非常重要。建模和仿真可能是一个复杂的过程，但可以在设计过程的后期节省时间和金钱，并从设计中获得最佳性能。通过仿真结合 DoE，可以在设计变量之间找到趋势，这些趋势可用于实现最大性能。复杂系统设计是一种可以很好地应用于 DFP 的理念。通过将产品作为一个整体来看待，可以找到大型系统之间复杂的相互作用。

(布莱克·吉尔斯)

下图描述了一个典型的设计过程，该过程针对的是高性能复杂系统（如飞机和航天器）的设计。

文件：DFP 流程.jpg
图 1. 性能设计流程

步骤 1：通过资格认证定义任务的总体目标及其目标。在整个设计周期中应参考此声明，以确保满足任务需求。[16]

步骤 2：量化任务目标应达成的程度，以确保成功。这些应该是系统属性的高级性能指标。例如，在汽车设计中，这些指标将是加速度、转弯、燃油经济性等。这些指标在整个设计周期中肯定会发生变化，应重新审视。

步骤 3：定义和描述将满足任务目标的概念。这场头脑风暴活动应该列举几种可能导致任务成功的方法。

步骤 4：定义替代任务元素或任务架构，以满足任务概念的要求。架构是执行功能以完成任务概念的物理系统和子系统的总体描述。

步骤 5：确定主要成本和性能驱动因素。这些是相对较大程度地影响系统成本和性能的架构。尽早识别这些驱动因素将使设计团队能够平衡性能和成本。

步骤 6：任务架构的表征意味着定义车辆的子系统，包括重量、功率和成本。这里可以应用数学模型来描述子系统性能。

步骤 7：评估定量要求并识别关键要求

步骤 8：相对于成本和架构选择，量化要求和总体目标的达成程度。

步骤 9：基线设计是对系统的单一一致定义，该系统满足大部分或全部任务目标。一致的系统定义是所有系统参数的单一集合，这些参数彼此吻合。

步骤 10：将总体目标和约束条件转换为明确的系统要求。

步骤 11：将系统要求转换为组件级要求。

营销设计

[编辑 | 编辑源代码]

(Adam Aschenbach)

营销设计是一种设计部件和系统的方法，使其具有市场竞争力。有些产品可能具有很好的功能，但由于没有市场竞争力，因此可能永远不会大量销售。课堂上介绍了一个营销设计的例子。当伯克教授在惠普工作时，市场营销部门找到了工程师，说他们想要打印墨盒装入斜角纸板箱。虽然这些盒子可能稍微难于生产和组装，但它们被用作一种方法来区分惠普打印墨盒与其所有竞争对手。这使客户很容易识别他们需要哪些墨盒来使用他们的惠普打印机，而且由于其独特的形状，这些盒子更具吸引力。

PPP

[编辑 | 编辑源代码]

3P 是一种产品和流程设计工具或方法。三个 P 代表产品、准备、流程。源于精益制造，3P 是一种“可制造性设计”方法，其中产品或流程设计的大量考虑因素都针对减少制造过程中的浪费。持续改进（也源于精益）旨在随着时间的推移逐步改进制造过程，每次改进的影响都很小，而 3P 允许工程师从头开始重新设计流程并寻求性能更高的解决方案。这种彻底改革的性能更高，但需要更多资源和资金。

3P 团队的目标是在使用最少资源并实现快速实施时间的情况下满足客户需求。选择一个跨职能团队来代表产品的多个方面或设计。在一个为期多天的过程中，团队将审查客户需求并集思广益，提出几种可能的解决方案。对这些解决方案进行评估以确定其优劣，并选择三个进行原型设计。创建物理表示以更好地了解解决方案的资格，最后选择一个进行实施。

失效模式和影响分析

[编辑 | 编辑源代码]

(Adam Aschenbach)

它是什么？

[编辑 | 编辑源代码]

FMEA 是一种工具，可用于确定产品的可能失效模式以及这些失效的严重程度。通常，会创建一个系统内部件列表，然后通过小组集思广益找到每个部件或子装配的失效模式。确定失效模式列表后，将为每个失效模式分配严重程度 (S)、发生率 (O) 和检测率 (D) 的评分。确定这些数字后（基于 1 到 10 的量表），就可以找到风险优先级。以下是一个网站，它给出了一个描述，说明了 1-10 的评级可能与严重程度、发生率和检测率相关。

FMEA 评分定义

风险优先级通过将 S x O x D 相乘得出，即风险 = S x O x D。一般来说，风险值越高，则指定失效模式的設計优先级应高于风险值较低的失效模式。在 FMEA 会议结束时，通常会为在场的人员分配任务。这些任务与在参与 FMEA 时发现的未知因素有关。通过为特定人员分配任务，可以提高任务完成的概率，并且可以更新文档以包含正确的信息。

FMEA 是并行工程工具吗？

[编辑 | 编辑源代码]

参与 FMEA 会议的人员通常来自许多不同的学科。通常会有来自工程、客户服务、营销、制造以及管理层的代表在场。所有这些人必须共同努力来确定零件可能的失效模式。他们还需要确定与每个失效模式相关的评分。客户服务人员可能了解以前的产品，并且可以利用他们的知识来给发生率评分。客户服务人员还可以集思广益，提出与过去使用过的零件类似的零件的失效模式。制造人员可能能够提供有关特定失效模式的可检测性的信息，因为他们曾在装配线上工作过，或有失效检测方面的经验。通过在设计阶段早期引入多元化的人员团队，可以识别更多问题并进行适当的评分。

为什么要使用它？

[编辑 | 编辑源代码]

从小型工程公司到像 NASA 这样的大型组织，许多公司都将 FMEA 作为一种工具来最小化与推出新产品相关的风险。FMEA 可以用作设计工具，以帮助预防故障并提高产品的稳健性。一份编写良好的 FMEA 文档也可以用作设计新产品的参考。

什么时候应该使用它？

[编辑 | 编辑源代码]

FMEA 文档应该在项目开始时就开始编写。如果设计有重大修改，如果实施了新的法规，如果客户反馈表明存在问题，以及如果操作条件有任何变化，则应该更新文档。

优势

[编辑 | 编辑源代码]

•如果可以在设计过程的早期识别并消除可能的失效模式，则最终的产品将更加稳健，并且在产品发布后需要进行的更改将更少。

•与不同的职能部门合作可以找出工程人员可能没有注意到的失效模式。

•创建一个文档，可以作为将来可能使用相同零件或实践的项目的参考。

限制

[编辑 | 编辑源代码]

•即使在 FMEA 会议中花费了大量时间，也不可能实现所有失效模式。

•FMEA 依赖于参与该过程的人员的知识。如果参与人员没有过去产品或先前失效模式的经验，则该文档可能不如预期那样强大。

•风险值可能具有误导性，最终必须使用判断来确定最高风险的失效模式是什么。

优化领域内的协作决策

[编辑 | 编辑源代码]

(Farzaneh Farhangmehr)

设计过程中的决策包含三个主要步骤：选项识别；每个选项的预期确定以及最终的价值表达。随着多学科系统复杂性的增加，此类系统的设计过程主要基于并行设计团队。当然，协作决策本身也存在挑战。协作优化策略最初由 Balling 和 Sobieszczanski-Sobieski 于 1994 年提出 [17]，以及 Kroo 等人。 [18] 两年后，在 1996 年，Renaud 和 Tappeta [19] 将其扩展到针对非层次结构决策的多目标优化。近年来，许多研究致力于解决协作决策型设计所面临的挑战，以消除设计生命周期中设计团队的沟通障碍。基于代理的决策网络， [20] 用于协作的多代理架构 [21] 以及用于协作优化的基于决策的设计框架 [22] [23] 是这些方法的示例。（另请参见由 Chris Wild 等人撰写的基于决策的软件开发：设计和维护。 [24] 尽管存在差异，但所有这些方法都应该能够满足通过考虑以下事实来做出决策的要求

- 决策可能来自不同的来源和学科；

- 由于不同的标准，它们可能相互冲突；

- 决策者可以是个人或群体；

- 决策可以按顺序或同时进行；

- 设计师根据个人经验做出决策

- 信息可能是不确定的且模糊的。

多学科复杂系统中的决策是选择能够最大限度地提高目标函数的选项，而优化方法（作为自动决策）则最小化目标函数的评估次数。优化技术在决策方面被用于从一组备选方案中选择最优设计选项，而无需详细评估所有可能的备选方案。因此，优化技术通过自动化提高了设计速度。

如上所述，决策包含三个主要要素：选项识别；每个选项的预期确定以及最终的价值表达。优化问题，即在所有约束条件都满足的情况下最大化或最小化目标函数，可以建模为决策工具。在这种情况下，选项空间可以建模为可行区域内 x 的可能值的集合；期望建模为 F(x)；首选项通过最大化或最小化来建模。在此过程中，优化器的目标是最大限度地提高利润或净收入的预期 VN-M 效用。此图显示了由 Barun 等人开发的协作优化的基本架构。 [25]

风险和不确定性管理

[编辑 | 编辑源代码]

(Farzaneh Farhangmehr)

风险和不确定性

[编辑 | 编辑源代码]

设计团队在工程系统的设计和开发过程中的主要职责是在不确定的环境中做出最佳决策。他们的决策应满足与系统相关的约束所带来的限制。这些限制之一是风险，它可能导致系统故障或性能不佳。另一方面，与决策相关的不确定性会对每个决策所依据的关键因素和假设产生重大影响，如果没有计划来管理这些不确定性，则会通过改变资源（市场、时间等）来增加设计和决策的成本。

根据设计、工程分析、政策制定等不同领域的关注点，对“不确定性”一词有多种定义，例如：“描述随机过程在其特定域上的结果分散程度的随机过程特征”。[26] 或“缺乏确定性，指知识有限的状态，无法准确描述现有状态或未来结果，存在多种可能的结果”。[27]“ 因此，风险被定义为“一种不确定性的状态，其中某些可能的结果会产生重大的负面影响”。[27]

风险管理

[edit | edit source]

文献中通常指控制风险的行为或实践。[28] 基于此定义，风险管理包括风险规划、识别、分析、缓解和监控等过程”。[29] 国际标准化组织 确定了以下风险管理原则：[30][31]

  • 风险管理应创造价值。
  • 风险管理应成为组织流程的组成部分。
  • 风险管理应成为决策的一部分。
  • 风险管理应明确解决不确定性。
  • 风险管理应系统化和结构化。
  • 风险管理应基于最佳可用信息。
  • 风险管理应量身定制。
  • 风险管理应考虑人为因素。
  • 风险管理应透明和包容。
  • 风险管理应具有动态性、迭代性和对变化的响应能力。
  • 风险管理应能够持续改进和提升。

根据标准 ISO/DIS 31000“风险管理 - 原则和实施指南”，[30] 风险管理过程包括以下几个步骤：[31]

  1. 识别选定领域中的风险
  2. 规划后续流程。
  3. 规划以下内容
    • 风险管理的社会范围
    • 利益相关者的身份和目标
    • 评估风险的基础，约束条件。
  4. 定义活动的框架和识别议程。
  5. 开发对流程中涉及的风险的分析。
  6. 缓解使用可用技术、人力和组织资源的风险。

-风险规划：

风险管理的第一步是为设计团队提供可能的风险识别方法、评估技术和缓解工具清单，然后通过平衡资源（成本、时间等）与它们对项目的价值来分配资源。

- 风险识别： NASA 系统工程手册中应用的分类法系统工程中的管理问题[37] 将风险分为组织风险、管理风险、采购风险、可支持性风险、政治风险和项目风险。应用之前检查过的风险模板，进行专家访谈，回顾类似项目的类似经验教训文件，通过应用 FMEA、FMECA、故障树分析等分析潜在的失效模式及其传播。

- 风险缓解和监控

  • 不采取措施并接受风险：未来的风险信息收集和评估
  • 与合作者分享风险：与国际合作伙伴或承包商分享风险（例如激励合同、保修等）
  • 采取预防措施以降低风险：额外规划（例如，额外测试子系统和系统，设计冗余，现成硬件等）
  • 制定应急计划：额外规划

不确定性管理

[edit | edit source]

在复杂系统的设计过程和生命周期中，评估与系统相关的风险来源、程度和缓解措施已成为设计师关注的问题。他们应该了解对风险的态度；了解在哪里需要更多信息，以及在设计过程中应做出不可避免的决策的可能后果。但是，与系统相关的不可避免的不确定性会改变这些决策背后的关键因素和假设，并可能增加设计成本或探索新的机会。

不确定性分类 [32]

[edit | edit source]

不确定性可能是由于缺乏知识（指的是认知或知识不确定性）或由于自然界的随机性（指的是随机、可变性或随机不确定性）。不确定性的一个来源，模糊不确定性[6-8]，是由定义不完整或不清楚、表达错误或沟通不畅造成的。模型不确定性包括与使用过程模型或数学模型相关的不确定性。模型不确定性可能是由于数学错误、编程错误和统计不确定性造成的。数学错误包括近似误差和数值误差，其中近似误差是由于物理过程模型的缺陷造成的，而数值误差是由于有限精度算术造成的[9]。编程错误是由硬件/软件[10-13]引起的错误，例如软件/硬件中的错误、代码中的错误、应用算法不准确等。最后，统计不确定性来自将数据外推以选择统计模型或提供更极端的估计[14]。与设计团队（设计师、工程师等）、组织和客户的行为相关的不确定性称为行为不确定性。行为不确定性来自四个来源：人为错误、决策不确定性、意志不确定性和动态不确定性。意志不确定性是指设计阶段主体不可预测的决策[14]。人为错误[15-16] 是由于个人失误引起的不确定性。决策不确定性是指决策者有一组可能的决策，而只有一项决策应被选中。行为不确定性的第四个主要来源，动态不确定性，是指组织或个人变量的变化或意外事件（例如，经济或社会变化）导致最初确定的设计参数发生变化。动态不确定性还包括由信念程度导致的不确定性，在这些信念程度中，只有主观判断是可能的。最后，与过程固有性质相关的的不确定性称为自然随机性。这种不确定性是不可减少的，决策者无法在设计过程中控制它。

此图显示了 CACTUS 提供的不确定性分类[33]

不确定性评估[32]

[edit | edit source]

已发表了尝试在设计过程中量化不确定性的方法，但大多数方法仅关注不确定性的定量方面[17]。这些技术方法必须与定性方法相辅相成，包括专家判断。虽然已经尝试在各个领域实现这一点[18-21]，但尚未解决在设计过程中结合两种类型不确定性的方法。不确定性评估方法通常根据其在分析数据和表示输出方面的特征，分为四种主要方法

概率方法基于对模型中不确定性的概率行为进行表征，包括一系列方法来量化模型输出相对于模型输入随机变量的不确定性。这些方法允许决策者研究设计变量中的不确定性对模型概率特征的影响。概率行为可以通过不同的方式表示。最基本的表示之一是估计均值和标准差。虽然这种表示是概率方法中最常用的结果，但它无法让我们清楚地了解不确定性的概率特征。概率行为的另一种表示是概率密度函数（PDF）和累积分布函数（CDF），它们提供了分析模型概率特征所需的数据。虽然经典的统计评估方法通过评估相关的不确定性来阐明风险的类型和程度，但它们无法将过去的信息考虑在内。为了解决这个问题，贝叶斯方法提供了一系列基于贝叶斯概率论的方法，假设事件的后验概率与其先验概率成正比 [22-24]。贝叶斯逻辑也可以用来模拟置信度。贝叶斯模型在评估置信度方面的作用在大规模多学科系统中更为重要。模拟方法通过生成随机数，然后观察输出的变化来分析模型。换句话说，模拟方法是一种统计技术，它阐明了为了达到期望结果而应该考虑的不确定性。当问题无法通过分析解决，或者对输入变量的概率分布或相关性没有假设时，通常会应用模拟方法。最常用的基于模拟的方法是蒙特卡罗模拟（MCS）[25, 26]。MCS 包含大量的重复，通常在数百到数千之间。模拟方法可以单独使用，也可以与其他方法结合使用。将定量和定性不确定性都考虑在内的模型，被归类为第四类，即定性方法。一个例子是 NUSAP [18]，代表“数值、单位、范围、评估和血统”，其中前三个类别是定量指标，接下来的两个类别是定性量化器，可以与其他评估方法（如蒙特卡罗模拟和敏感性分析）结合使用。一些其他方法，如基于贝叶斯理论的 ACCORD® [31]，可以被认为是结合了两种类型的评估技术。

不确定性缓解和诊断方法[32]

[edit | edit source]

虽然熟悉不确定性的来源和评估方法至关重要，但仍然存在一个挑战：我们如何在系统中处理和缓解这些不确定性的影响？此外，我们如何在为时已晚、不确定性失控之前诊断它们？为了回答这些问题，让我们提供一些不确定性诊断和缓解的方法。

由于编程错误导致的不确定性可以通过导致错误的人来诊断。由于编程错误可能发生在输入准备、模块设计/编码和编译阶段 [27]，因此可以通过更好的沟通、软件质量保证方法 [28, 29]、调试计算机代码和冗余执行协议来减少这种错误。应用更高精度的硬件和软件可以减轻与模型相关的数学不确定性的影响，这些不确定性是由有限精度算术导致的数值误差造成的。此外，它还能减少统计不确定性的影响。通过在样本大小和与模型的相似性方面选择最佳数据样本，可以减轻统计不确定性的影响。与统计不确定性类似，当选择具有可接受误差范围和最佳变量、边界等假设的最佳模型时，近似不确定性也会最小化。模拟方法可以用来生成最佳模型。模糊性不确定性自然与人的行为相关联；然而，它可以通过清晰的定义、语言约定或模糊集合理论 [7]、[30] 来减少。意志不确定性是由不可预测的决策造成的，尤其是在多学科设计中，它由其他组织或个人诊断，并通过聘请更好的承包商、顾问和劳动力 [9, 14] 来缓解。虽然人为错误和个人失误在系统中是不可避免的，但可以通过应用人因因素标准（如检查、自我检查、外部检查等）来诊断和缓解这些错误。当只有主观判断成为可能时，可以通过应用贝叶斯方法 [22-24] 来减轻动态不确定性的影响。此外，这种类型的不确定性可以通过应用设计优化方法来减少，这些方法可以最小化变量变化或意外事件的影响，这些事件会导致设计参数发生变化。例如，与动态不确定性类似，设计优化对于减少决策不确定性的影响很有用，当有一组可能的决策可用时。基于贝叶斯决策理论的方法（如 ACCORD® [31]）也可以用来帮助决策者做出更明智的选择。敏感性分析 [32-33] 和稳健设计 [34-35] 通过确定哪些变量应该被控制来提高模型的性能，也非常有用。

产品生命周期

[edit | edit source]

维基百科对产品生命周期给出了一个很好的定义。 产品生命周期

参考文献

[edit | edit source]
  1. ↑ Sobek II, Durward K., Allen C. Ward, and Jeffrey K. Liker. "Toyota's Principles of Set-Based Concurrent Engineering." Sloan Management Review: 67-83.
  2. ↑ Ullman, D. G., “The Mechanical Design Process,” Third Edition, McGraw-Hill, New York, 2002.
  3. ↑ a b Peterson, C., “Product Innovation for Interdisciplinary Design Under Changing Requirements: Mechanical
  4. ↑ a b Friedenthal, S., A. Moore, R. Steiner, “A practical Guide to SysML: The Systems Modeling Language,” Chapter 3, 2008.
  5. ↑ Vanderperren, Y., W. Dehaene, “UML 2 and SysML: Approach to Deal with Complexity in SoC/NoC Design,” Proceedings of the Design, Automation and Test in Europe Conference and Exhibition, 2006.
  6. ↑ Sanford Friedenthal, Alan Moore and Rick Steiner, “A practical guide to SysML: The System Modeling Language”, ISBN 978-0123743794.
  7. ↑ 6- Mattew Hause, “An overview of the OMG Systems Modeling Language (SysML)”, Embedded Computing Design, August 2007. http://www.embedded-computing.com/pdfs/ARTiSAN.Aug07.pdf
  8. ↑ a b Ullman, D., B. Spiegel, “Trade Studies with Uncertain Information,” Sixteenth Annual International Symposium
  9. ↑ a b c D’Ambrosio, B., “Bayesian Methods for Collaborative Decision-Making,” Robust Decisions Inc., Corvallis, OR.
  10. ↑ Gary M. Stump, Timothy W. Simpson, Mike Yukish and John J. O’Hara, “Trade Space Exploration of Satellite Datasets Using a Design by Shopping Paradigm”, 0-7803-8155-6/04/$17.00© 2004 IEEE.
  11. ↑ R. Storn and K. Price, “Differential evolution – a simple and efficient adaptive scheme for global optimization over continuous spaces”. Technical Report TR-95-012, ICSI, 1995.
  12. ↑ R. Balling. “Design by shopping: A new paradigm”, In Proceedings of the Third World Congress of Structural and multidisciplinary Optimization (WCSMO-3), volume 1, pages 295–297, Buffalo, NY, 1999
  13. ↑ Timothy W. Simpson, Parameshwaran S. Iyer, Link Rotherrock, Mary Frecker, Russel R. Barton and Kimberly A. Barrem, “Metamodel-Driven Interfaces for Engineering Design: Impact of delay and problem size on user performance”, American Institute of Aeronautics and Astronautics.
  14. ↑ a b Liang, C., J. Guodong, “Product modeling for multidisciplinary collaborative design,” Int. J. Adv. Manuf. Technol., Vol. 30, 2006, pp. 589-600.
  15. ↑ a b c Conroy, G., H. Soltan, “ConSERV, a methodology for managing multi-disciplinary engineering design projects,” International Journal of Project Management, Vol 15, No. 2, 199, pp.121-132.
  16. ↑ Test
  17. ↑ Balling, R. J., and Sobieszczanski-Sobieski, J., 1994, ‘‘Optimization of Coupled Systems: A Critical Overview of Approaches,’’ AIAA-94-4330-CP Proceedings of the 5th AIAA/NASA/USAF/ISSMO Symposium on Multidisciplinary Analysis and Optimization, Panama City, Florida, September.
  18. ↑ 138. Kroo, I., Altus, S., Braun, R., Gage, P., Sobieski, I., 1994, ‘‘Multidisciplinary Optimization Methods for Aircraft Preliminary Design,’’ AIAA-96-4018, Proceeding of the 5th AIAA/NASA/USAF/ISSMO Symposium on Multidisciplinary Analysis and Optimization, Panama City, Florida, September
  19. ↑ Tappeta, R. V., and Renaud, J. E., 1997, ‘‘Multiobjective Collaborative Optimizatio “, ASME J. Mech. Des., 119, No. 3, pp. 403–411
  20. ↑ Mohammad Reza Danesh, and Yan Jin, “AND: An agent-based decision network for concurrent design and manufacturing”, Proceedings of the 1999 ASME Design Engineering Technical Conferences, Sep 12-15, 1999, Las Vegas, Nevada
  21. ↑ Zhijun Rong, Peigen Li, Xinyu Shao, Zhijun Rong and Kuisheng Chen, “Group Decision-based Collaborative Design,” Proceedings of the 6th World Congress on Intelligent Control, and Automation, June 21–23, 2006, Dalian, China.
  22. ↑ Xiaoyu.Gu , “Decision-Based Collaborative Optimization” journal of Mechanical design Vol 124, No1 PP 1-13, March 2002
  23. ↑ 顾翔，雷诺，J.E.， “基于决策的协同优化”，第八届美国土木工程师学会概率力学与结构可靠性专业会议，PMC2000-217
  24. ↑ Henk Jan Wassenaar 和陈伟， “一种基于决策的设计方法，应用离散选择分析进行需求建模”，机械设计杂志，2003年9月，第125卷
  25. ↑ 140. Braun, R. D., Kroo, I. M. 和 Moore, A. A.， 1996， “协同优化架构在运载火箭设计中的应用”， AIAA-94-4325-CP，第六届 AIAA/NASA/USAF/ISSMO 多学科分析与优化研讨会论文集，华盛顿州贝尔维尤，9月
  26. ↑ Tumer Y. I. 等人， 在设计和概念评估早期阶段捕获和传达决策的信息交换工具，美国机械工程师学会国际机械工程大会及展览会。 2005. 佛罗里达州奥兰多：美国机械工程师学会
  27. ↑ a b 道格拉斯·哈伯德，如何衡量任何事物：寻找商业中无形资产的价值，约翰·威利父子公司，2007年
  28. ↑ AFMCP 63-101， 采购风险管理指南，美国空军物资司令部，1993年9月
  29. ↑ 美国宇航局系统工程手册。 SP-610S， 1995年6月
  30. ↑ a b Template:引用文章 无效 <ref> 标签；名称 "iso3100" 被定义多次，但内容不同
  31. ↑ a b http://en.wikipedia.org/wiki/Risk_management
  32. ↑ a b c Farhangmehr, F. 和 Tumer Y. I.， “基于风险的最优集成设计 (ORBID) 用于多学科复杂系统”，提交给 ICED09
  33. ↑ Farhangmehr, F. 和 Tumer, I. Y.， 捕获、评估和通信不确定性模拟工具 (CACTUS)，美国机械工程师学会国际机械工程大会及展览会 (IMECE 2008) 论文集，马萨诸塞州波士顿
Retrieved from "https://wikibooks.cn/w/index.php?title=Concurrent_Engineering/Design_Process&oldid=3269723"
华夏公益教科书