移动阅读
丁 华1,2，刘恒强1,2，杨 琨1,2，杨兆建1,2
(1.太原理工大学 机械与运载工程学院，山西 太原 030024; 2.煤矿综采装备山西省重点实验室，山西 太原 030024)
摘 要:为更好地满足用户需求并给企业带来新的价值增长点，将“产品+服务”理念引入到采煤机概念设计中，构建基于云化质量功能配置的服务型制造模型，实现有形产品与无形服务的相互促进和影响。以顾客价值为驱动，围绕顾客价值挖掘、价值要素到方案特征的传递与分配及产品与服务方案交互配置设计3个关键问题，以采煤机为研究对象，构建基于价值域、性能域、方案域、3个域之间映射关系及产品与服务交互设计的服务型制造模型框架。首先从顾客期望系统实现的目标出发，构建包含结果层和属性层的价值域模型挖掘顾客价值，采用云模型处理具有模糊性和随机性的群决策值得到价值要素基本重要度，并利用市场竞争性分析和卡诺模型对其修正以提高其准确性。然后将云模型嵌入质量功能配置中实现价值要素到方案特征的传递分配，并充分利用以往采煤机产品设计中积累的大量数据，基于极限学习机理论进行模型推理辅助方案特征目标值分析。最后基于方案特征目标值进行产品与服务的交互配置和实例化信息交互得到服务型制造方案。该服务型制造模型能够从顾客期望系统实现的目标出发深入挖掘顾客价值，解决了群决策的模糊性和随机性问题、提高价值要素重要度的准确性并实现价值要素到产品与服务两类不同对象的传递与分配，通过产品服务交互设计获取产品与服务相互促进的整体解决方案。服务型制造方案与单一产品方案相比实现了服务对产品的促进和影响，完善了采煤机产品设计且以个性化的服务提高企业竞争力、提升用户满意度。结合采煤机典型机械产品，验证了上述方法的可行性与有效性。
关键词:服务型制造;采煤机;云模型;云化质量功能配置;交互配置设计
中图分类号:TD421.6;TP391
文献标志码:A
文章编号:0253-9993(2019)02-0618-10
收稿日期:2018-12-17
修回日期:2019-01-21
责任编辑:郭晓炜
基金项目:山西省科技基础条件平台资助项目(201805D141002);山西省自然科学基金资助项目(201601D011050);山西省研究生联合培养基地人才培养资助项目(2018JD15)
作者简介:丁 华(1979—)，女，山西太原人，副教授，博士。Tel:0351-6010414，E-mail:dinghua2002@163.com
移动阅读
丁华，刘恒强，杨琨，等.基于云化QFD的采煤机服务型制造模型构建[J].煤炭学报,2019,44(2):618-627.doi:10.13225/j.cnki.jccs.2018.1651
DING Hua,LIU Hengqiang,YANG Kun,et al.Construction of SOM model of shearer based on QFD-ECM[J].Journal of China Coal Society,2019,44(2):618-627.doi:10.13225/j.cnki.jccs.2018.1651
DING Hua1,2,LIU Hengqiang1,2,YANG Kun1,2,YANG Zhaojian1,2
(1.College of Mechanical and Vehicle Engineering,Taiyuan University of Technology,Taiyuan 030024,China; 2.Shanxi Key Laboratory of Fully Mechanized Coal Mining Equipment,Taiyuan 030024,China)
Abstract:In order to better meet the needs of users and bring new value growth points to enterprises,the concept of “product+service” is introduced into the conceptual design of shearer.A service-oriented manufacturing (SOM) model based on quality function deployment embedded cloud model (QFD-ECM) is constructed to realize the mutual promotion and influence between tangible products and intangible services.Driven by customer value,a shearer SOM model framework based on mapping relationship among value domain,performance domain,and scheme domain and product-service interaction design is constructed around three key issues of customer value mining,transfer and distribution of value elements to scheme features and interactive design of product and service.Firstly,according to the goal of customer expectation,the value domain model including result layer and attribute layer is constructed to mine customer value.The cloud model is used to deal with the group decision-making with fuzziness and randomness to obtain the basic importance of value element,and the basic importance is modified by the market competition analysis and Kano model to improve its accuracy.Then the cloud model is embedded in QFD to realize the transfer and distribution of value elements to scheme characteristics.Combining with the large amount of data accumulated in the past shearer design,the model reasoning based on extreme learning machine is used to assist the analysis of target value of scheme characteristics.Finally,a SOM scheme is obtained by the interactive configuration of products and services and instantiated information exchange based on the target value.This model can excavate customer value from the goal of customer expectation,solve the problem of fuzziness and randomness in group decision-making,improve the accuracy of the value elements importance,realize the transfer and distribution of value elements to two different objects of product and service,and obtain the overall solution of mutual promotion between product and service.Compared with the single product scheme,the SOM scheme achieves the promotion of service to products,improves the design of shearer,and improves the competitiveness of enterprises and customer satisfaction with personalized service.Combining with typical mechanical products of shearer,the feasibility and validity of above methods are verified.
Key words:SOM;shearer;cloud model;QFD-ECM;interactive configuration design
《中国制造2025》指出，协同发展制造业与服务业，促进生产型制造向SOM转变。SOM是制造与服务相融合的制造模式，其方案是满足用户需求的产品服务系统[1-2]。制造业价值获取演变为向客户提供“产品+服务”的整体解决方案[3]。
以产品为中心的设计被广泛研究，KANG Yuyun等[4]构建功能-结构设计模型，推理映射获得满意可行解。杨波等[5]在功能描述基础上提出扩展功能建模方法。刘伟等[6]提出基于产品基因和物理表达与推理的产品变型设计模型。丁华等[7-8]围绕采煤机产品设计阶段建立融合推理模型和生态学模型。以产品为中心的设计未能考虑服务对产品设计的促进和影响，未拓展到服务空间以更好地满足用户需求。在融合服务后的设计中，ZHANG Dongmin等[9]将服务工程师引入设计过程以支持产品服务系统的开发。朱琦琦等[10]为了充分保障并发挥数控装备功能，构建面向数控装备的产品服务系统配置和运行框架。MANNWEILWER C等[11]从用户使用的生命周期出发，提出面向生命周期的产品与服务配置框架。SHENG Zhongqi等[12]分析产品服务集成策略，实现产品与服务有机集成。张凯等[2]提出面向SOM的产品设计信息集成方法，实现产品的可服务性。LONG H J等[13]基于支持向量机模型提出从预先定义组件和服务库中选择产品组件和服务模块的产品服务系统配置方法。沈瑾等[14]基于本体与神经网络规则抽取技术，提出基于知识的产品服务配置方法。耿秀丽[15]以顾客价值为驱动建立基于价值域、功能域和方案域的产品服务系统设计过程。但上述研究未能从用户购买产品的内在价值出发，在顾客价值的传递与分配及方案生成中实现产品与服务间相互促进的螺旋式增长过程。
为解决上述问题，笔者构建SOM模型框架，从顾客购买产品的内在价值需求出发深入挖掘顾客价值，再将价值要素传递分配到方案域，进而实现产品与服务交互配置设计并生成产品与服务相互促进的整体解决方案。
为了规划SOM设计过程，本文建立包含价值域、性能域、方案域3个域之间映射关系及产品与服务交互设计的SOM框架，如图1所示。首先建立价值域、性能域和方案域模型以获取相应的价值要素、性能特征和方案特征，然后利用域间映射模型将价值要素重要度传递分配至性能特征和方案特征，最后根据方案特征目标值利用配置模型进行产品与服务交互配置设计获取产品与服务相互促进的整体解决方案。以有形产品为载体，利用无形服务完善产品设计并与其共同提高顾客满意度、提升企业竞争力。
(1)价值域:本文基于手段-目的链理论[16]提出包含结果层和属性层的价值域模型，从顾客期望系统实现的目标出发，通过期望目标—期望结果—期望属性递进过程挖掘顾客价值。结果层即顾客使用情景下所期望的系统任务，属性层表达顾客期望系统任务所应具备的属性，采用顾客期望价值要素来表达。顾客期望系统任务间相互影响，存在并行、依赖和使能关系。价值域如图1所示。
图1 SOM模型框架
Fig.1 Framework of SOM model
(2)性能域:SOM性能域是针对价值域中的顾客期望系统任务从功能和质量的角度对执行工程任务的SOM方案的技术表达，包含产品性能和服务性能。产品性能包含功能模块和质量模块[17]，其中将质量定义为功能实现的程度和对该功能的保持度。产品性能黑箱的输入流和输出流包括物质、信息和能量，服务性能黑箱的输入流和输出流包括物质、信息和人员，根据黑箱获取相应的产品性能特征(功能特征和质量特征)和服务性能特征，将其作为价值要素到方案特征传递的桥梁。性能域如图1所示。
(3)方案域:SOM方案域是指为实现顾客价值而采取的产品与服务的整体解决方案。方案域包含产品方案和服务方案，两者之间相互联系和影响，组成复杂的网状系统，如图1所示。通过方案域获取相应方案特征后，就可利用域间映射关系将价值要素重要度传递分配至方案特征，进而根据方案特征目标值进行产品与服务交互配置设计。产品方案特征目标值包含产品结构及相应的模块特征取值;服务方案特征目标值包含策略层和模块层取值，策略层是对服务的整体界定，模块层是对服务活动流程的描述。
SOM模型域间映射是将价值域模型中价值要素重要度传递分配至性能特征和方案域特征，包含域间映射关系模型和方式模型。其中，映射关系是对价值要素与性能特征、性能特征与方案特征的关联关系及价值要素和性能特征各自的自相关关系的抽象表达，其具体实现方式采用云化质量功能配置实现，即质量功能配置传递分配价值要素、云模型处理群决策信息。映射关系存在一对一、一对多及多对多关系，如图2所示。
图2 域间映射关系及实现技术
Fig.2 Mapping relations and implementation techniques between domains
由云模型[18]处理专家评价信息得到价值要素基本重要度，利用市场竞争性分析和卡诺模型对基本重要度进行修正，得到价值要素综合重要度。
2.1.1 价值要素基本重要度计算
在确定价值要素后，将专家Pk(1≤k≤q)对价值要素Ci重要度评分值表示为
由于群决策评价结果的模糊性和随机性问题，采用逆向云发生器生成云模型对专家评价结果进行处理，以
为输入，生成顾客价值要素Ci重要度评价云模型Ai(Exi,Eni,Hei)。因为Ai由云模型的3个数字特征表示，根据三角模糊数相对偏好关系[19]，利用式(1)计算云模型与均值的相对偏好关系将Ai转化为精确值。
若A1，A2，…，Am(Ai(Exi,Eni,Hei))是一组云模型，均值为
那么Ai与均值
的相对偏好关系为
(1)
式中，Exil=Exi-3Eni;Exir=Exi+3Eni;Exl=Ex-3En;Exr=Ex+3En;
通过式(1)把Ai转换为精确值，从而得到价值要素Ci的重要度
再将其进行归一化处理，得到式(2)顾客价值要素基本相对重要度Bi。
(2)
2.1.2 顾客价值的竞争性修正分析
由于顾客价值基本重要度的计算未考虑市场竞争性的影响，故需利用市场竞争性影响对基本重要度进行修正。
首先，专家Pk采用1～10评价规则对企业Gj的价值要素Ci的竞争性等级进行评价，记作
将专家对竞争性重要度评价值转化为云模型Dij(Exij,Enij,Heij)并精确化，得到竞争性矩阵M1。
(3)
在进行价值要素重要度的修正时存在两种情况，一是各个企业之间价值要素Ci的差异较小，那么在提高该项价值要素时遇到瓶颈或者该项价值要素处于行业一般水平，提高该项价值要素对提高顾客满意度的影响较小，此时应适当降低该项价值要素重要度;二是各个企业之间价值要素Ci的差异比较大时，说明提高该项价值要素对提升竞争力、提高顾客满意度的影响较大，此时应适当增大该项价值要素重要度。故可构建均方差极大化模型来反映顾客价值Ci的竞争性重要度修正因子，记为Fi，该模型为
(4)
0≤Fi≤1
通过构造拉格朗日函数求解上述模型，并对拉格朗日函数中Fi和λ求偏导数，得到顾客价值要素Ci的竞争性修正因子Fi，结果如式(5)所示。
(5)
2.1.3 顾客价值的卡诺模型修正分析
当价值要素隶属于不同卡诺分类时，价值要素的实现与否对顾客满意度的影响不同，故需利用卡诺因子对价值要素基本重要度进行修正。首先由卡诺问卷分析顾客价值的实现与否对顾客满意度的影响，判断该项价值要素对应于该用户的卡诺分类，然后计算顾客满意度系数并确定顾客价值的卡诺分类，最终确定价值要素Ci的卡诺因子Hi,即
Hi=[1+max(Mi,Ni)]ki(6)
其中，Mi，Ni为顾客满意度系数，分别表示魅力型与期望型评价个数之和、期望型与基本型评价个数之和占总评价数的比值;ki为卡诺分类系数，当价值要素分别隶属于魅力型、期望型、基本型、无关型时，ki分别取1.5，1.0，0.5，0。
2.1.4 综合重要度计算
采用Fi与Hi对顾客价值要素基本重要度进行修正，得到价值要素综合重要度Si，即
Si=BiFiHi (i=1,2,…,m)(7)
在确定价值要素综合重要度后就可利用图2的云化质量功能配置将其传递分配至方案域，从而依据方案特征目标值配置出合理的SOM方案。
在价值域到性能域的传递与分配中，首先将专家Pk(1≤k≤q)对价值要素Ci与性能特征Ej的关联关系评分值表示为Tij(1≤i≤m,1≤j≤n)，以Tij为输入，采用逆向云发生器生成价值要素与性能特征关联关系云模型，记作Bij(Exij,Enij,Heij)，故得由Bij构成的关联关系矩阵R1。
(8)
将顾客价值要素综合重要度与式(8)相乘，可得性能特征Ej的重要度W(Ej)，即
(9)
利用云模型与云相对偏好关系将性能特征重要度转化为精确值，记为
同理，将性能域传递分配到方案域中，可得方案特征重要度的精确值
方案特征目标值是与产品和服务相关的属性最优取值，其中产品方案特征包括规格参数、可靠性等级指标等;服务方案特征包括维修策略、维修周期以及维修等级等。
在产品模块方案特征目标值的确定过程中，由于以往采煤机产品设计中积累了大量的数据，故可利用极限学习机理论进行模型推理辅助分析[20]，结合各产品模块重要度、方案实现的难易程度确定产品模块方案特征目标值。在服务方案特征目标值的确定过程中，首先将模块重要度与阈值相比较确定其维修策略(图3)，结合各服务模块重要度以及服务方案实现的难易程度确定剩余服务方案特征目标值。其中，当设备分别属于关键设备(I类)、重要设备(II类)和次要设备(III类)时，其权重分别为I>Ic，Ip<I<Ic和I<Ip，其中，I为方案特征重要度的数值;Ic为关键设备的阈值，取0.6;Ip为重要设备的阈值，取0.4。
图3 维修策略判断流程
Fig.3 Process of maintenance strategy judgment
SOM方案交互配置设计是根据方案特征目标值进行产品与服务模块的交互选择和实例化信息交互的过程，如图4所示。
图4 产品与服务的交互设计流程
Fig.4 Interactive design process of products and services
步骤1:以方案特征目标值为输入，并以其为依据进行产品与服务模块的选择。
步骤2:从根节点对配置模型中各个模块进行配置，根据配置规则和约束并结合模块的方案特征，确定该模块是否应该被选择。
步骤3:根据配置模型确定该模块的可行解，若无可行解则重新设计该模块。
步骤4:对配置生成的模块进行实例化信息交互，根据产品模块信息确定服务模块的详细内容，同时将服务对产品产生的要求反馈到产品模块，实现产品与服务间的信息交互。
步骤5:检查所有模块是否都有确定的方案，然后根据设计约束库检查是否违背设计约束，若无则保存该方案，若存在则返回步骤2。
其中步骤2中SOM方案配置模型如图5所示，配置过程如下。
图5 产品与服务模块方案配置模型
Fig.5 Scheme configuration model of products and services
(1)首先采用与SOM实例相同的层次标准对方案层次进行划分。
(2)根据不同的配置需求，采用配置规则筛选出不可行的备选模块，如图中深色部分的产品模块备选项1和服务策略备选项1。
(3)判断任意两个拥有互斥约束的模块中某一模块的唯一性，如果唯一，那么剔除另一模块，如果不唯一，则选择另外拥有互斥关系的两个模块，重复该过程。图中服务策略备选项2为必选项，那么剔除产品模块3。
(4)通过配置规则及约束规则等关系，判断其他模块的唯一性。如服务策略3为必选项，则保留与其为共存约束的产品模块备选项2，剔除与其互斥的产品模块备选项3。
对于步骤4产品与维修服务模块的实例化信息交互中，产品模块首先将相关信息(如设备等级、可靠性级别和通过FMEA分析获得的故障信息)传递到维修模块，维修模块据此判断维修策略是否合理，再通过FMEA分析中风险优先序数的值确定监控的指标，并根据FMEA分析中的维修措施确定故障的解决方法。然后将维修模块对产品模块产生的要求(例如传感器类型、位置和尺寸以及安装和拆卸等)返回产品模块，产品模块依据这些信息做出相应修正，重复上述交互过程，实现产品与服务的集成。
(1)采煤机价值域模型:根据图1所示价值域模型进行采煤机价值域构建，得到5项顾客所需系统任务和16项价值要素。其中生产适应性好C1、运行可靠性高C2、使用寿命长C3、生产效率高C4、成本较低C5、安全性好C6、维护服务支持水平高C7、人机交互性好C8是由产品和服务共同来完成，称为功能性价值要素。个性化专业售前指导C9、支付方式灵活C10、培训专业性好C11、安装效率高C12、操作专业性好C13、备件供应及时C14、保养服务水平高C15、回收服务水平高C16主要由服务完成，称为非功能性价值要素。
(2)采煤机性能域模型:在得到价值要素之后就可以规划SOM性能，建立性能域模型。其中产品性能特性包含割煤能力E1、装煤能力E2、牵引能力E3、辅助能力E4、产品成本E5、模块可靠性E6、安全保障E7、寿命E8;服务性能特征包含维修能力E9、维修成本E10、远程协助能力E11。
(3)采煤机方案域模型:采煤机方案域构建的是实现顾客价值的SOM模块，而最终方案是根据该模块的方案特征及目标值，利用产品与服务方案交互配置模型(图5)得到。SOM模块的方案特征包含截割系统P1、牵引系统P2、调高系统P3、破碎系统P4、除尘冷却系统P5、维护模块P6、技术支持模块P7，其产品方案特征目标值包含上述产品模块的设备等级、可靠性等级及参数属性等取值，服务方案特征目标值包含为保障产品模块运行的维修服务策略、维修等级以及维修周期等取值。
4.2.1 采煤机顾客价值要素综合重要度计算
(1)采煤机价值要素基本重要度
专家采用1～10评价规则对顾客价值要素重要度进行评价，采用逆向云发生器将专家评价值转化为云模型，然后利用式(1)，(2)将顾客价值要素相对重要度云模型转化为精确值并进行归一化处理，其结果见表1。
表1 顾客价值要素基本重要度
Table 1 Basic importance of customer value elements
采用正向云发生器[18]将顾客价值要素云模型转化为云图，如图6所示。从左向右依次为C8，C3，C5，C6，C4，C7，C2，C1，其价值要素重要度依次增大。价值要素重要度云图不仅反映其重要度大小，而且反映评价信息的模糊性和随机性。比较C7与C2的云图可知，C7与C2的相对重要度大小接近，但C7云图的厚度及跨度均比C2大，云图跨度越大则评价信息的模糊性越大，厚度越大则评价信息的随机性越大，故价值要素C2的评价信息可靠性大于C7。
图6 顾客价值重要度云图
Fig.6 A cloud picture of the importance of customer value
(2)采煤机竞争性重要度修正因子
将专家对竞争性评价值转化为云模型并精确化，得到竞争性评估矩阵M1。
构建均方差极大化模型求得顾客价值Ci的竞争性修正因子Fi，其结果见表2。
表2 竞争性修正因子
Table 2 Values of competitive correction factor
(3)采煤机价值要素的卡诺因子
根据卡诺问卷评价结果，将各价值要素进行分类，其结果见表3。
表3 价值要素的卡诺分类
Table 3 Carnot classification of value elements
根据式(6)确定卡诺因子取值(表4)。
表4 价值要素的卡诺因子
Table 4 Carnot factor of value elements
(4)采煤机顾客价值要素综合重要度
在获得采煤机价值要素基本重要度后，通过式(7)的竞争性修正因子和卡诺因子对基本重要度进行修正并归一化处理，结果见表5。
表5 价值要素综合重要度
Table 5 Comprehensive importance of value elements
为了反映价值要素修正前后的变化情况，将修正前与修正后取值进行对比，结果如图7所示。
图7 价值要素修正前后对比
Fig.7 Contrast chart of value elements before and after amendment
由图7的对比结果可知，各个价值要素修正前后均发生一定程度的变化。修正前价值要素C1与C2的差距较大，经过竞争性分析与卡诺因子修正后，C1与C2的差距减小，原因在于各个竞争者之间价值要素C1生产适应性好的差距较小，提高该项价值要素的难度较大，且该项价值要素属于基本型价值要素，故需降低其重要度;而各个竞争者之间价值要素C2可靠性高的差距较大，提高该项价值要素的重要度可以较大程度提高顾客满意度，且该项价值要素属于期望型价值要素，故需提高其重要度。
4.2.2 采煤机价值要素的传递与分配
(1)价值要素与性能特征的关联关系计算
将专家对价值要素与性能特征间的关联关系评价值转化为云模型，结果见表6。
(2)采煤机性能特征重要度的确定
由价值要素重要度及价值要素与性能特征关联关系，利用式(9)计算性能特征重要度云模型，再利用式(1)将其转化为精确值，结果见表7。
表6 顾客价值与性能特征的关联关系评价结果及云模型
Table 6 Evaluation result and cloud model of relationship between customer value and performance characteristics
表7 性能特征重要度
Table 7 Weighs of performance characteristics
同理，将性能特征传递到方案特征可得方案特征Pu的重要度W(Pu)(表8)。
表8 方案特征重要度
Table 8 Importance of scheme characteristics
4.2.3 采煤机SOM方案特性目标值分析
在得到方案特征重要度后，结合模型推理、服务策略确定流程、方案实现难易程度及用户需求(最大采高6 m、平均采高5 m、最小采高3 m、截割阻抗280 N/mm、煤层倾角9°、年产量8×106 t)确定产品服务模块方案特征目标值(表9)。
表9 方案特征目标值
Table 9 Target value of scheme characteristics
图8 采煤机SOM方案配置模型
Fig.8 Configuration model of shearer’s SOM scheme
图9 采煤机产品与服务的信息交互
Fig.9 Information exchange between products and services of shearer
现以采煤机截割系统及其维修服务为例，建立采煤机截割系统SOM方案配置模型，如图8所示。对于每个产品模块，通过对其进行FMEA分析确定其故障集及风险度，所求得的故障集和风险度以及相应的改进及维修措施是采煤机产品与服务间相互依赖的重要信息。根据该配置模型可配置出采煤机产品与服务模块方案，包括结构方案和主要设计参数等，图中深色模块是配置后剔除的模块，浅色方案为保留的模块方案。
最后进行采煤机产品与服务的实例化信息交互，如图9所示。根据采煤机关键部位故障模式及影响程度分析再结合采煤机各系统的设备等级，对截割系统采取视情维修策略，具体监测内容包括各齿轮振动、轴承振动、齿轮箱油温、电机电压、电流等。信息获取采用状态监测，并采用综合诊断的方法进行信息诊断，当智能系统自诊断无法诊断时采用专家诊断。根据诊断结果实例化解决措施，服务供应商派遣服务工程师进行元件的拆卸、替换、安装、调试等，FMEA分析中的解决措施可对该解决措施提供一定依据。然后将维修服务的监控要求(传感器类型、安装位置和尺寸等)以及拆卸安装的维修性要求等反馈到截割系统，进而选择合适类型传感器安装在采煤机截割系统合适的位置来获取上述信号实现对截割系统的监测。
(1)将“产品+服务”理念引入到采煤机概念设计中，构建基于云化质量功能配置的SOM模型，弥补了以往采煤机概念设计中仅考虑产品设计的缺陷，为采煤机概念设计提供一种新的方法。
(2)构建基于价值域、性能域和方案域的SOM模型框架，研究了设计过程中顾客价值挖掘、价值要素的传递与分配以及产品与服务方案生成3个关键问题，为采煤机制造企业向SOM升级提供系统性理论与技术基础。
(3)在顾客价值传递与分配及方案生成中，实现了采煤机产品与服务相互促进的螺旋式增长并提供产品与服务的整体解决方案，该方案能够更好地满足用户需求并以多元化的服务提高企业竞争力。
参考文献
[1] 孙林岩，李刚，江志斌，等.21世纪的先进制造模式—服务型制造[J].中国机械工程，2007，18(19):2307-2312.
SUN Linyan,LI Gang,JIANG Zhibin,et al.Service-embedded manufacturing:Advanced manufacturing paradigm in 21st century[J].The Chinese Mechanical Engineering,2007,18(19):2307-2312.
[2] 张凯，赵武，王杰，等.面向服务型制造的产品设计信息集成方法[J].工程科学与技术，2018，50(2):204-211.
ZHANG Kai,ZHAO Wu,WANG Jie,et al.Information integration method of product design for service-embedded manufacturing[J].Advanced Engineering Science,2018,50(2):204-211.
[3] LEE S,HAN W,PARK Y.Measuring the functional dynamics of product-service system:A system dynamics approach[J].Computers & Industrial Engineering,2015(80):159-170.
[4] KANG Yuyun,TANG Dunbing.Matrix-based computational conceptual design with ant colony optimization[J].Journal of Engineering Design,2013,24(6):429-452.
[5] 杨波，高常青，尹晓玲，等.面向概念设计的扩展功能建模方法[J].机械工程学报，2013，49(15):153-162.
YANG Bo,GAO Changqing,YIN Xiaoling,et al.Extended product function modeling for conceptual design[J].Journal of Mechanical Engineering,2013,49(15):153-162.
[6] 刘伟，曹国忠，檀润华，等.基于产品基因与物理表达的变型设计[J].计算机集成制造系统，2015，21(2):381-391.
LIU Wei,CAO Guozhong,TAN Runhua,et al.Variant design based on products genes and physical description[J].Computer Integrated Manufacturing Systems,2015,21(2):381-391.
[7] 丁华，杨兆建.采煤机概念设计融合推理模型研究与实践[J].煤炭学报，2010，35(10):1748-1753.
DING Hua,YANG Zhaojian.Research and practice of shearer conceptual design fusion reasoning model[J].Journal of China Coal Society,2010,35(10):1748-1753.
[8] 丁华，邓金涛，王义亮，等.采煤机概念设计生态学模型构建与实现[J].煤炭学报，2018，43(7):2068-2076.
DING Hua,DENG Jintao,WANG Yiliang,et al.Construction and implementation of ecological model for conceptual design of shearer[J].Journal of China Coal Society,2018,43(7):2068-2076.
[9] ZHANG Dongmin,HU Dachao,XU Yuchun,et al.A framework for design knowledge management and reuse for Product-Service Systems in construction machinery industry[J].Computers in Industry,2012,63(4):328-337.
[10] 朱琦琦，江平宇，张朋，等.数控加工装备的产品服务系统配置与运行体系结构研究[J].计算机集成制造系统，2009，15(6):1140-1147.
ZHU Qiqi,JIANG Pingyu,ZHANG Peng,et al.Configuration and operation architecture for product service systems of CNC machine tools[J].Computer Integrated Manufacturing Systems,2009,15(6):1140-1147.
[11] MANNWEILER C,AURICH J C.Functional Thinking for Value Creation[M].Berlin,Heidelberg:Springer,2011:81-86.
[12] SHENG Zhongqi,LIU Changsai,SONG Junyou,et al.Module division and configuration modeling of CNC product-service system[J].Proceedings of the Institution of Mechanical Engineers,Part C:Journal of Mechanical Engineering Science 2017;231:494-506.
[13] LONG H J,WANG L Y,SHEN J,et al.Product service system configuration based on support vector machine considering customer perception[J].International Journal of Production Research,2013,51(18):5450-5468.
[14] 沈瑾，王丽亚，隆惠君，等.服务型制造中基于知识的产品服务配置[J].计算机集成制造系统，2013,19(10):2633-2643.
SHEN Jin,WANG Liya,LONG Huijun,et al.Knowledge-based product service configuration in servitization[J].Computer Integrated Manufacturing Systems,2013,19(10):2633-2643.
[15] 耿秀丽.顾客价值驱动的产品服务系统方案设计建模与决策技术研究[D].上海:上海交通大学,2012:29-31.
GENG Xiuli.Research on modeling and decision making technology of product service system conceptual design driven by customer value[D].Shanghai:Shanghai Jiao Tong University,2012:29-31.
[16] KANG H,KANG M,YOON S,et al.A consumer value analysis of mobile internet protocol television based on a means-end chain theory[J].Service Business,2014,8(4):587-613.
[17] 谢友柏.现代设计理论中的若干基本概念[J].机械工程学报，2007，43(11):7-16.
XIE Youbai.Some basic concepts in modern design theory[J].Journal of Mechanical Engineering,2007,43(11):7-16.
[18] 陈昊，李兵，刘常昱.一种无确定度的逆向云算法[J].小型微型计算机系统，2015，36(3):544-549.
CHEN Hao,LI Bing,LIU Changyu.An algorithm of backward cloud without certainty degree[J].Journal of Chinese Computer Systems,2015,36(3):544-549.
[19] NAHM YE,ISHIKAWA H,INOUE M.New rating methods to prioritize customer requirements in QFD with incomplete customer preferences[J].International Journal of Advanced Manufacturing Technology,2013,65(9-12):1587-1604.
[20] 丁华，常琦，杨兆建，等.基于极限学习机的采煤机功率预测算法研究[J].煤炭学报，2016，41(3):794-800.
DING Hua,CHANG Qi,YANG Zhaojian,et al.Research on the algorithm of shearer power prediction based on extreme learning machine[J].Journal of China Coal Society,2016,41(3):794-800.