产品协同设计中考虑主体属性特征的时间效率

邢青松，杨 育，刘爱军，3，于国栋

（1．重庆交通大学 管理学院，重庆 400074；2．重庆大学 机械传动国家重点实验室，重庆 400030；3．西安电子科技大学 经济与管理学院，陕西 西安 710126）

0 引言

市场的繁荣和技术的飞速发展使产品的复杂程度不断增加，产品开发需要处理的信息量越来越大，分工也越来越细化，使得单个企业难以独立完成产品的研发和制造，需要充分发掘利用客户、供应商和科研院所等单位和主体的力量来协同设计。因此，围绕跨组织和单位的产品协同设计研究已经成为产品开发领域的重要方向［1］。侯亮等［2］以产品设计任务分解和分配为切入点，通过考虑不同任务间的交互和影响，并基于模糊匹配方法，对跨组织产品协同设计任务的分解及协同供应商的选择和匹配进行了研究；苏财茂等为了缩短产品开发周期，提高产品协同设计效率，采用模糊设计结构矩阵和扩展有向图相结合的方法，对产品协同开发过程中影响设计效率的任务耦合和依赖关系进行了研究［3］；宋李俊等在不考虑主体性格、能力等属性特征的情况下，通过主观赋予任务权重和确定任务剩余处理时间，采用最小化完工时间的在线排序方法研究了不同状态的协同设计任务排序，以期缩短产品开发周期，提高产品设计效率［4］；JOGLEKAR等将主体视为设计资源的一种，依据设计任务的优先度来构建旨在提高产品协同设计效率资源的最优配置模型［5］；Ming等基于产品生命周期理论，并考虑产品设计的技术特征，对协同设计及制造的过程框架进行了系统的定性描述，但缺乏对产品设计时间及设计效率方面的定量分析［6］；盛步云等运用粗糙集中属性重要度的理论和方法，来判断设计任务与知识库源事例的相似度，并计算出任务的权重，从而确定任务优先度，消除产品协同设计中的任务冲突，提高协同设计效率［7］；蒋增强等在考虑产品开发成本和质量的基础上，将协同产品设计过程视为柔性作业车间的多目标机加工优化问题，并运用混合智能算法求解，以期节约产品开发成本，提高产品设计效率［8］。

综上所述，目前关于产品协同设计效率的研究主要以设计任务优先度及其相互间的依赖关系为着眼点，并视为类作业车间的机加工问题进行建模，进而获得更优的任务分解和分配排程，实现设计效率的提升。但产品协同设计任务分配与作业车间调度问题并非完全相同，它们存在一定的差异，例如作业车间中同种类型的机加工设备对工件的加工基本没有差别，而协同设计主体间在技术创新能力、协同工作能力和设计工具使用时的熟练程度方面等都存在较大差异。因此，在上述研究的基础上，本文以产品协同设计的总体耗时为视角，着重从微观角度对以个体为设计主体参与产品协同设计时的时间效率进行了研究，通过考虑设计主体和设计任务的属性特征，并对主体能力和性格特征进行分类和定量计算，以寻求设计主体和任务的合理匹配。在此基础上，借鉴机加工作业车间调度的思想，建立以产品协同设计总体持续时间最短为目标的效率模型，并通过某公司风机机舱的协同设计来验证所提方法的正确性和有效性。

1 产品协同设计的主体属性

产品协同设计作为典型的人机复杂系统，从实体角度来看，主要包括设计主体、任务和资源等；从虚拟系统的角度来看，主要包括主体创造性、产品设计任务信息、协同组织机制、创新方法和技术等；从动力系统的角度来看，主要包括设计任务知识流、产品信息流和价值流等［9］。本文着重从实体的微观角度来考虑产品协同设计中作为个体的设计主体属性特征，并通过分析设计主体—任务的匹配关系，来构建产品协同设计的时间效率模型。

1．1 产品协同设计主体第一属性

产品协同设计作为深度集成多主体的产品开发模式，强调各设计主体间的全方位协同工作。然而，由于其团队成员不仅有来自企业不同部门和科研院所的专业设计人员，更有不同性别、年龄、地域、知识背景和兴趣爱好的客户，使得参与设计的主体特征呈现出多样性和异质性。另一方面，产品协同设计过程不但是设计任务和资源的分解、分配、调度及管理过程，更是依据设计主体本人性格、经验和技能，对产品设计任务进行协同分析、推理、整合和设计的过程，通过上述过程影响着产品协同设计的周期及其时间效率。由此可见，设计主体和设计任务的合理匹配对提升产品协同设计的时间效率具有重要意义。

产品协同设计可以从两个方面定义设计主体的属性，即第一属性和第二属性。其中，第一属性指设计主体的做事属性，包括基本工作能力、创新工作能力和协同工作能力；第二属性指设计主体的为人属性，即性格属性，包括主动决策性格和被动服从性格。

定义1 产品协同设计主体的属性集合AS＝｛FAS，SAS｝。其中：FAS为产品设计主体的第一属性集合，SAS为产品设计主体的第二属性集合。

设计主体的第一属性集合可以通过定义FAS＝｛Bag，Iag，Cag｝表示。其中：Bag为设计主体的基本工作能力，Iag为设计主体的创新工作能力，Cag为设计主体的协同工作能力。

（1）基本工作能力 基本工作能力指设计主体通过教育获得的专业理论知识，并与所从事工作的具体实践经验相结合形成的、能成功处理自身专业领域内普通技术问题的能力。

（2）创新工作能力 创新工作能力指设计主体运用自身形象思维、逻辑思维、抽象思维和系统思维，并借助一定的创新理论、方法和工具，在借鉴其他相关行业领域知识的基础上，创造性地解决产品设计问题的能力。设计主体创新工作能力的评价可以从以下三个方面进行：

1）领域知识的广度 设计主体自身拥有的与产品设计任务相关的各类显性知识和隐性知识，既包括产品设计专业内知识，更包含美学、色彩学、材料学、人因学和结构力学等与产品设计相关学科领域的知识。设计主体的知识广度是产品设计时能够形象思维、抽象思维和系统思维的基础，直接影响逻辑思维的严谨程度，从而反映出设计主体的创新工作能力。

2）领域知识的高度 指设计主体不仅能够运用技术、工具层面的相关知识处理设计任务，更能通过理论和方法层面来系统和全局地解构、处理产品的创新设计任务。

3）领域知识的深度 指设计主体可以洞悉自身承担设计任务的微小调整给整个产品设计带来的变化、返工及调整的能力，它是设计主体系统思维、逻辑思维以及对产品各部分相互间的约束耦合关系敏锐洞察力的具体体现，更是其创新工作能力的一种表现。

（3）协同工作能力 产品设计中的协同工作主要有两个方面：

1）基于任务关系的协同 由于产品设计任务之间存在关联联系，承担产品设计任务的A在执行任务时，需要与其任务具有依赖关系的设计主体B进行过程和数据协同［4］。

2）互助性的协同 此类协同主要指由于设计任务的难易度、优先度和重要度等方面的原因，为缩短总体任务完成时间而执行的任务过程中不同性格和能力特征的设计主体人力资源调配和协同。

1．2 产品协同设计主体第二属性

设计主体的第二属性SAS主要指产品设计过程中设计主体的为人属性，也称性格属性。对此，国内外学者做了大量相关研究［10－11］。其中，以文献［10］总结出的基于迈尔斯－布瑞格斯类指数（Myers－Briggs Type Indicator，MBTI）的四种性格属性定量计算方法的应用较为广泛。本文在上述研究的基础上，将设计主体的性格分为下述两种属性、六个特征。

定义2 设计主体的第二属性SAS＝｛Ich，Pch｝。其中：Ich为主动决策性格，包括果断型、中型和优柔型；Pch为被动服从性格，包括自觉型、合作型和服从型。

1．3 产品协同设计主体属性的定量计算

对设计主体的属性进行分析后，采用专家模糊评价方法对设计主体进行定量评价，在此基础上对不同性格属性设计主体间的协同进行定量计算，为建立产品协同设计的时间效率模型奠定基础。

基于专家模糊评价的主体属性特征效用值可以分为5个等级，即很差（VP）、较差（P）、中等（F）、较好（G）和很好（VG），如表1所示。

表1 设计主体的专家模糊评价效用等级值

设fasi为第i位设计主体的第一属性值，FAS＝｛fas1，fas2，…，fasm｝为 m 个来自不同领域创新设计主体构成的能力属性全域空间，可将每个设计主体的第一属性能力值记为为方便评价分析，本文采用最大最小值方法对上述属性能力值进行标准化和归一化处理。

针对设计主体的性格属性，文献［10］按对外联系、事物决策、信息追踪和焦点关注四个方面总结其特征。借鉴其研究成果，本文将产品协同设计中不同设计主体的性格属性特征归纳为六个方面，如表2所示。

表2 设计主体性格属性特征

其中：J表示判断（judging），属于结果导向思维模式，直击事物本质，并迅速做出决定；F表示感觉（feeling），是事物或问题通过感官刺激后的类天赋似的跃迁思维模式；T表示思考（thinking），在明确事物的原则和标准后，可通过赋予严谨的客观的逻辑推理来抓住事物或问题的本质；P表示感知（perceiving），属过程导向思维模式，比较发散多变，做决定较慢；N表示直觉（intuitive），是一种对事物或问题整体简约直观的思维模式；E表示外向（extrovert），即善于与人交流和沟通，积极乐观处事为人；S表示理智（sensing），即对细微事物感触灵敏，注重细节，思虑周详；I表示内向（introvert），即羞于与人交流和沟通，处事被动，为人木讷。

根据设计主体性格类型的不同表现特征，可以分别得到主动决策性Ich和被动服从性Pch的属性向量，然后借鉴Chen的定量计算方法对其组合进行赋值和计算，对设计主体的不同性格属性符号的组合进行赋值，即

2 产品协同设计中设计主体—任务的匹配

在产品协同设计过程中，由于不同任务间的优先度、难易度、重要度及关联关系存在差异［4］，再加上设计主体在各种工作能力和性格属性方面不同，使得设计主体和设计任务间的合理匹配成为影响产品协同设计周期及其时间效率的关键环节。

2．1 设计任务的属性特征

产品协同设计任务从上游到下游包含众多，且其相互之间存在关联和影响。对此，本文通过下述定义来分析设计任务间的关联关系和特征。

定义3 任务集Ta＝｛Tai｜1≤i≤n，i∈ℝ｝表示所有任务组成的集合，n表示任务数。

定义4 任务特征集合 Tafeat＝｛R，P，Ip，Hr｝，其中R＝｛rij｜1≤i≤n，1≤j≤n｝，i∈ℝ，j∈ℝ表示各设计任务间的关联关系，n表示设计任务数，且

式中：P＝｛pk｜0＜pk≤1，1≤k≤n，k∈ℝ｝表示某一设计任务Tai与其他任务相比在整个设计排程中的优先程度；Ip表示设计任务的重要度，它主要从两个方面进行衡量：一方面是任务占整个项目的时间，显然任务所占的时间越长越重要；另一方面考虑任务间存在相互依赖和关联，那么靠前执行的任务因与大量后续任务存在依赖关联关系，对后继任务均有直接或者间接的影响，则表明该任务重要度大。设δik是任务Tai的预期完成时间表示整个项目中各设计任务的关联度之和，∑Tai表示与任务Tai相关联的设计任务，Δtotal表示整个协同设计项目的预期持续时间，于是可得设计任务重要度计算式表示设计任务的难易度，其中ξik表示设计任务Tai在产品协同设计过程中需要设计主体协同的工作数量，表现在设计主体属性上即为该设计任务对设计主体各工作能力及性格属性要求的强度。

2．2 设计主体和任务间的匹配

在产品协同设计过程中，对某一设计任务来说，设计主体的各种能力和设计任务是否匹配，不同性格属性的设计主体间是否有效协同，对任务的执行时间有比较显著的影响。因此，尽可能寻求设计主体间及设计主体与任务间的合理匹配，是缩短产品设计周期、提高产品协同设计效率的重要途径。

由于设计主体第二属性的匹配可通过前述其性格属性赋值矩阵的归一化处理得到，在此主要针对设计主体的能力属性匹配进行定义计算。由前述可知，全部设计主体和设计任务的向量空间分别为CA＝（Ca1，Ca2，…，Cam），TA＝（Ta1，Ta2，…，Tan）。同时，对于∀Cai∈CA，i＝1，2，…，m；∃该设计主体的属性特征向量空间，设计任务的属性特征向量空间Taj＝（r′j，Pj，Ipj，Hrj），其中为标准化处理后的设计任务j的关联度。

首先，建立如下判断矩阵，并对所需求的两能力属性间的重要度进行比较，如表3所示。

表3 重要程度赋值

然后，求解判断矩阵Λ的最大特征值λmax所对应的特征向量，对其进行标准化，使特征向量的和为1，并将标准化的特征向量近似地作为相对应的各项能力的权重εl。而表示不同能力和性格属性的设计主体i1，i2，…，im对某项任务Taj的匹配度。可由式，Taj，Cai∈［Σ，Σ′］计算，Cai∈［p1，q1］为设计主体某一能力属性的值，Taj∈［p2，q2］为设计任务对某一能力属性的需求值，Σ＝min（p1，p2），Σ′＝max（q1，q2）。p和q分别表示表1中模糊区间对应的区间值的上、下确界。

3 产品协同设计时间效率模型的构建与求解

3．1 产品协同设计的时间效率界定

效率（efficiency）这一概念被多方位（企业管理、行政管理、教育管理等）、多角度（资源利用、安全保障、环境保护、质量、速度等）、多层次（学术研究、市场经济实践、日常生活等）广泛阐述［13］。但总的来说，它不外乎两个层面的含义：①狭义上的效率，也称为资源运用效率（Utilization Efficiency of Resource，UER），指如何组织、运用某一系统的现有资源，使其发挥最大作用，避免资源的浪费；②广义上的效率，指如何在不同单位内或区域内分配优选经济资源，使每一类资源都能有效地配置在最适宜的使用方面和地方，即资源配置的效率（Allocation Efficiency of Resource，AER）［14］。而具体到实际生产活动和学术研究中，对效率的定义则更侧重指事物发展变化过程中的实际结果在多大程度上接近理想结果，即实际结果与理想结果之间的比值［13，15］。可以看出，效率的这种定义实质上是从测度的角度提出的。在实际应用中，因其便于进行操作，且能反映研究对象效率的实质，许多具体效率概念均由此派生，如表4所示。

借鉴已有各类效率的概念和定义，本文对产品协同设计效率的概念做出如下界定：指参与产品协同设计不同单位或组织内的各种设计资源和主体，在以设计任务总体花费时间最短为目标的情况下，对产品协同组织系统内的主体、任务资源进行有效配置，并使设计任务周期尽可能最短或最优。

表4 一些具体效率的名称及定义

3．2 产品协同设计的时间效率模型构建

在未考虑产品开发成本的情况下，通过分析设计主体和设计任务属性特征，并进行定量计算，使得设计主体和设计任务合理匹配，以缩短产品协同设计任务的总体完成时间，既是产品协同设计效率提升的重要途径，也是衡量其效率的重要体现。于是，建立总体持续时间最短为目标的产品协同设计时间效率模型：

其中：已知设计任务所预期完成需要的时间，以及依据设计任务关联度、重要度、紧急度和难易度得出的设计流程，各设计任务的设计次序约束集Λ＝（Ta′1，Ta′2，…，Ta′n），j＝1，2，…，n；λ为设计任务的设计阶段数为在某个设计阶段中，设计任务j在某个设计主体Cai上的设计时间，即

同时需要满足以下约束条件：

（1）设计主体个人能力约束 即一个主体的前一个设计任务结束后再进行下一部分的设计。

式中：DTaj，l为第Taj设计任务在第l个设计主体的操作；Tset，Taj，Cal为 操 作 DTaj，l的 开 始 时 间；Tfinish，Taj，l为操作DTaj，l的完成时间；TTaj，Cal为操作DTaj，l的加工时间。

（2）产品设计任务的序列约束 上一阶段最长持续时间的协同设计任务完成后才可进入后一阶段的协同设计任务。

（3）设计主体与设计任务匹配约束 某一阶段设计主体与设计任务合理匹配完成某项设计任务时间小于预期完成时间。

3．3 基于小生境技术的遗传退火算法求解步骤

产品协同设计时间效率模型中，不同能力属性和性格属性的设计主体和设计任务进行合理匹配，并在相关条件的约束下，以总体持续时间最短为目标进行的协同设计过程，涉及大量数据的组合优化计算，有必要寻求适用的启发式算法进行求解，然而单一启发式算法在针对具体问题进行求解时，多存在不同程度的缺陷，需要通过多种方法的恰当融合来弥补各自不足，正确有效地解决问题。基于小生境技术的遗传退火算法通过小生境的浓度控制机制实现初始种群优秀个体的选择，利用遗传算法侧重全局搜索的优势产生较优良的一个群体，再结合模拟退火侧重局部搜索的特点进行基因个体的优化调整，并反复迭代运行，直到满足终止条件为止，实现了基于优胜劣汰思想的群体遗传操作优化和基于模拟退温历程的控制，从而使得其全局最优解搜索性能和进化速度得到改善，具有并行性好、收敛速度快、鲁棒性好等优点，成为组合优化问题和非线性优化问题的有效优化工具［18］。同时，由于该方法通过利用每个染色体本身的认知记忆功能及群体的合作行为形成群体寻优的正反馈机制来完成全局寻优过程，其思想与协同设计中多主体合作与协同的思想类似，更适合求解多主体参与的产品协同设计协调与优化问题。算法具体步骤如下：

步骤1 设置进化代数计数器t＝1，随机产生含m个个体的初始种群P0（t）；计算每一个体的适应度fi（i＝1，2，…，m），并按大小降序排列，把适应度最高的个体和目标值保存在最优解集中。

步骤2 判断是否满足收敛条件，若满足，则终止运算，输出计算结果；如不满足，则转步骤3。

步骤3 小生境浓度控制选择运算，将步骤1得到的m个个体，按照公式

求出每两个个体m1和m2适应度之间的海明距离，其中：m1≠m2，ObjV为个体目标值，l表示求解问题决策变量的个数。当d＜Δ（Δ为预先指定的小生境之间的距离参数）时，比较个体和个体适应度大小，选出最优适应度。

步骤4 对种群P0（t）进行赌盘预选择操作，并进行精英选择；采用自适应交叉算子对种群P0（t）进行交叉操作，得种群P1（t）。同时将最优解存入解集库，在搜索过程中首先查询解集库，避免丢失最优解，并提高进化速度。最后采用自适应均匀变异算子对种群P1（t）进行变异操作，得到种群P2（t）。

步骤5 定义黄金分割点G1和G2，以及退火温度控制值Θ，G1＝G2－round（0．618×G2），G2＝MaxGen－round（0．618×MaxGen），其中 MaxGen为最大循环代数，根据循环代数j判断是否执行退火操作。如果满足退火条件（L＝1），则执行步骤6；否则（L＝0），执行步骤7。

步骤6 以Pop2（t）为初始种群，对其中各个体进行模拟退火运算，即在温度T，由当前状态i产生新状态j，两者的能量分别为Ei和Ej。若Ej＜Ei，则接受新状态j为当前状态；否则，若概率pr＝exp［－（Ej－Ei）／kT］大于［0，1］区间内的随机数，则仍然接受新状态j为当前状态，若不成立则保留状态i为当前状态，其中k为波尔兹曼常数，T为绝对温度。得到新的规模为m 的群体Pop3（t），对Pop3（t）个个体按其适应度大小降序排列。

步骤7 将Pop1（t）和Pop2（t）合并构成一个新群体，并对其进行适应度排序，更新Pop3（t）中的个体，转步骤1。

4 应用实例研究

中船重工H风电公司主要从事风力发电机的产品研发，现开发设计一款2MW的风机，如图1所示为该款风机核心部件机舱的产品透视图，共包括18个设计任务（Ta1，Ta2，…，Ta18），参与对其协同设计的共有来自不同领域的10个设计主体（Ca1，Ca2，…，Ca10）。各设计任务属性特征、预期完成时间和各设计主体的能力属性及性格属性依据前述的定量化特征分析方法如图2、表5～表7所示。

表5 各设计主体属性特征值

表6 各设计任务预期完成时间

表7 各设计任务名称及属性特征值

用MATLAB编程实现设计主体和设计任务间的匹配收敛及整个产品协同设计项目任务周期最短。在实验中，算法参数设置如下：群体规模为200，最大迭代数为400，交叉率为0．80，变异率为0．01，衰减参数为0．95，迭代初始温度为500。运行结果如图3所示，在独立运行50次后设计主体与任务达到合理匹配。同时，为验证该算法在产品协同设计应用时较其他启发式算法更优，在相同种群规模和最大进化代数的情况下，与遗传算法（Genetic Algorithm，GA）和模拟退火（Simulated Amealing，SA）算法进行对比，如表8所示。运行结果的收敛曲线表明，基于小生境技术的遗传模拟退火算法（Genetic Simulated Annealing algorithm，GSA）较模拟退火算法和GA算法更适合产品协同设计时间效率的求解。

表8 运行参数设置及结果

根据产品协同设计时间效率模型，在寻求设计主体与设计任务达到理想匹配的同时，以总体持续时间最短作为衡量设计效率的目标函数，可以得出的设计任务完工时间为138h；同时，为比较在协同设计中考虑设计主体和设计任务匹配给产品协同创新设计总体持续时间缩短带来的效率提升，以相同的种群规模、维数空间和进化代数，但不考虑设计主体—任务间的匹配，得出这种情况下所需的时间为149h。对比结果显示，考虑设计主体—任务间的匹配关系能够从总体上缩短产品协同设计周期并提高效率。

5 结束语

在不考虑产品开发成本的情况下，本文通过分析参与产品协同设计的主体属性特征和设计任务的特点，提出了对主体属性能力及其与设计任务的匹配方法，以总体持续时间最短为目标构建了考虑设计主体与设计任务匹配的产品协同设计时间效率模型，并运用基于小生境技术的GSA进行求解。仿真结果表明，算法在设计主体与任务达到理想匹配时能够较为显著地缩短设计周期，提高了产品协同设计效率。

但是，产品协同设计是一个复杂迭代和循环耦合的过程，其中影响设计效率的因素很多。如何在上述研究的基础上，同时考虑设计任务间的循环耦合并使得产品开发成本、时间效率最优，将是下一步研究的重点。

［1］HOU Liang，HAN Donghui，LIN Zusheng．Research on the architecture of product collaborative development chains［J］．Science ＆ Technology Progress and Policy，2006，23（4）：133－135（in Chinese）．［侯 亮，韩东辉，林祖胜．制造企业产品协同开发链及其实施框架研究［J］．科技进步与对策，2006，23（4）：133－135．］

［2］HOU Liang，CHEN Feng，WEN Zhijia．Design task decomposition and allocation for inter－firm product collaborative development［J］．Journal of Zhejiang University：Engineering Science，2007，41（12）：1976－1981（in Chinese）．［侯 亮，陈峰，温志嘉．跨企业产品协同开发中的设计任务分解与分配［J］．浙江大学学报：工学版，2007，41（12）：1976－1981．］

［3］SU Caimao，KE Yinglin．Task planning and decoupling strategy for collaborative design［J］．Computer Integrated Manufacturing Systems，2006，12（1）：22－26（in Chinese）．［苏财茂，柯映林．面向协同设计的任务规划与解耦策略［J］．计算机集成制造系统，2006，12（1）：22－26．］

［4］SONG Lijun，YANG Yu，YANG Jie，et al．Study on task scheduling in collaborative product development［J］．China Mechanical Engineering，2008，19（7）：798－803（in Chinese）．［宋李俊，杨 育，杨 洁，等．产品协同设计中的任务排序研究［J］．中国机械工程，2008，19（7）：798－803．］

［5］JOGLEKAR N R，FORD D N．Product development resource allocation with foresight［J］．European Journal of Operational Research，2005，160（1）：72－87．

［6］MING X G，YAN J Q．Collaborative process planning and manufacturing in product lifecycle management［J］．Computers in Industry，2008，59（2／3）：154－166．

［7］SHENG Buyun，LIN Zhijun，DING Yufeng，et al．Rough setbased conflict resolution case reasoning in collaborative design［J］．Compute Integrated Manufacturing Systems，2006，12（12）：1952－1956（in Chinese）．［盛步云，林志军，丁毓峰，等．基于粗糙集的协同设计冲突消解事例推理技术［J］．计算机集成制造系统，2006，12（12）：1952－1956．］

［8］JIANG Zengqiang，LIU Mingzhou，ZHAO Han，et al．Task scheduling of product cooperative development based on multiobjective optimization［J］．Journal of Ggricultural Mechanical，2008，39（3）：154－162（in Chinese）．［蒋增强，刘明周，赵 韩，等．基于多目标优化的产品协同开发任务调度研究［J］．农业机械学报，2008，39（3）：154－162．］

［9］LUO Le，ZHANG Xiaodong，LI Yingzi．Multi－mode resource－constrained scheduling of collaborative product development project［J］．Lecture Notes in Computer Science，2010，6240：294－299．

［10］CHEN Shijie，LI Lin．Modeling team member characteristics for the formation of a multifunctional team in concurrent engineering［J］．IEEE Transaction on Engineering Management，2004，5，51（2）：111－124．

［11］REILLY R R，ARONSON Z H．Personality validity：the role of schemas and motivated reasoning［J］．International Journal of Selection and Assessment，2006，14（4）：372－380．

［12］CHU C H，WU Pinghan，HSU Y C．Multi－Agent collaborative 3Ddesign with geometric model at different levels of detail［J］．Robotics and Computer－Integrated Manufacturing，2009，25（2）：334－347．

［13］YANG Zheng．Research on the evaluation scientific research based on DEA efficiency［D］．Hefei：University of Science and Technology of China，2010（in Chinese）．［杨 正．基于 DEA效率的高校科研评价研究［D］．合肥：中国科学技术大学，2010．］

［14］LI Wenjun．The efficiency of the capital market：theory and empirical evidence［D］．Beijing：Chinese Academy of Social Sciences，2002（in Chinese）．［李文军．资本市场的效率：理论与实证［D］．北京：中国社会科学院，2002．］

［15］YANG Feng．Research on multiple subsystems of decision making units based on DEA efficiency evaluation［D］．Hefei：University of Science and Technology of China，2006（in Chinese）．［杨 锋．含有多个子系统的决策单元的DEA效率评估研究［D］．合肥：中国科学技术大学，2006．］

［16］LI Shuangjie．The application of Efficiency and production efficiency measure methods［M］．Beijing：Economic Science Press，2006（in Chinese）．［李双杰．效率与生产效率度量方法及应用［M］．北京：经济科学出版社，2006．］

［17］CONLLI T J，RAO D S P，ODONNELL C J，et al．An introduction to efficiency and productivity analysis［M］．2nd ed．Berlin，Germany：Springer－Verlag，2008．

［18］ANDRESEN M，BRASEL H，MORIG M，et al．Simulated annealing and genetic algorithms for minimizing mean flow time in an open shop［J］．Mathematical and Computer Modeling，2008，48（7／8）：1279－1293．