〔摘 要〕产品设计支持系统是建立在知识重用的基础上的，知识推理作为其中的重要技术，能够维护和扩充知识库，实现设计知识重用。
本文综述了近年来国内外产品设计知识推理的发展，重点研究了3个方面：案例推理、不确定推理、混合推理及新推理技术，总结了各种方法和技术的优势以及待解决的问题，并探索了新的产品设计推理技术的发展。

　　〔关键词〕推理；产品设计；案例推理；不确定推理；混合推理
　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００８－０８２１．２０１２．０６．０４２
　　〔中图分类号〕Ｇ２５０２ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１（２０１２）０６－０１６９－０５
　　研究数据表明，机械制造业内平均一个新产品中的大约40%～50%的零件和已有的零件完全一样，30%～40%要在己有零件基础上作很少的修改，只有10%～20%的零件是全新的设计［１］。
在产品设计过程中，设计人员大多在过去相似设计案例的基础上进行修改调整而生成新的设计方案。
由此可见，绝大多数的产品设计都是对己有设计知识的重用。
重用已有的知识可以节省资源，并提高产品可靠质量。
面向产品设计的知识推理就是针对用户提出的问题，对产品设计知识库中的知识进行推理，得到问题的答案，最终实现知识的重用。
现有的产品设计知识推理主要完成两种任务：一是维护和扩展产品设计知识库，针广东深圳专业医用器械造型工业产品设计高端私立医疗医生自由执业医疗海外医疗解救中国病人对知识库中的知识，广东深圳专业医用器材结构工业产品设计高层建筑的结构设计特点及基础结构设计通过推理得到隐含的信息或者不一致的信息；二是针对待解决的问题，从知识库中找出与其相似的已有问题解决的方法。

　　经典的知识推理模式是规则推理，规则推理是将知识、经验表述成规则，找到事实库中与规则前提相匹配的事实的过程。
由于规则推理直观、模块性强、逻辑清晰，所以被用来作为早期专家系统的开发。
CONDES［２］是基于规则推理的产品概念设计系统。
规则推理适用于知识比较规范、严谨的领域，但是规则推理不能适应知识库的动态发展；问题必须和规则相匹配；系统开发和维护困难；不具备记忆能力；推理效率低下、自适应能力差等。
随着人工智能的发展，案例推理和不确定推理等相关推理模式得到运用，综合使用多种推理方法的混合推广东深圳专业医疗产品造型工业产品设计第六届文博会在深圳举行理也逐渐成为知识推理发展的热点。

　　１ 案例推理
　　案例推理是利用案例库存储历史经验，检索案例库以找到与现有问题相似的案例，是重用过去的知识来解决当前问题的一种推理方法［３］。
案例推理具有信息的完全表达、增量式学习、知识获取较为容易、求解效率高的优点，早期出现基于案例推理的机械辅助设计广东深圳专业医疗器械研发工业产品设计化工设备设计中的防腐蚀问题系统CADET［４］，能检索出以往成功的设计，同时避免出现过的问题。
经典的案例推理步骤是Aamodt在1994年提出的著名的4阶段循环的“4R”理论，分别是检索、重用、修正和保存。
案例推理中重点要广东深圳专业医用仪器结构工业产品设计浅谈我国医疗器械市场的营销策略解决的问题是：案例表示，案例检索与案例修正问题：
　　１.１ 案例表示
　　案例表示是将知识表示成案例的形式。
Gilboa在1995年提出了案例的三元组表示方法：〈问题描述、解描述、效果描述〉。
常用的案例表示方法有：特征向量表示法、框架表示法、语义网络表示法、面向对象表示法等，也可以混合使用这些方法进行案例表示。

　　特征向量表示法是将案例的各个属性提取出来，并赋予相应的权值，案例就表示成一组特征向量。
产品创新设计原型系统PIRS［５］中，采用87个属性作为特征，案例检索时将待检索的案例与案例库中的案例进行匹配。
特征向量表示模型简单，结构清晰，但是只能定量的描述简单案例，这种方法存在很多缺陷：如果对新问题不熟悉就无法确定案例的特征，也无法表示案例中隐含的信息，并且很难确定一组适用于所有产品案例的权重值。

　　语义网络表示法是利用概念及语义关系来表示知识。
维修案例推理［６］采用六元组形式的产品本体。
语义网络表示法明确、简洁，表示范围广泛，表示能力强；但是网络结构复杂时推理就难以进行，不便于表达判断性知识与深层知识。

　　面向对象表示法中案例是由对象组成，对象表示案例的一个部分。
如采用面向对象的产品设计［７］，实现了模块化设计，具有较高的推理效率。
其优点是自然，易于理解；继承的层次性和结构性能降低问题描述和推理的复杂度；便于知识库的修改和维护，推理效率高。
面向对象表示法具有良好的兼容性和灵活性，能够结合其它表示方法进行表示，常用面向对象表示法与框架表示法结合［８］，案例作为对象，一个框架描述一个对象，框架的槽描述对象的特征，框架的值用来描述案例对象的特征参数。

　　复杂产品的知识类型多样、结构复杂，单一表示方法表示产品案例存在一定的局限性，一些案例还包含许多非结构化的设计信息，因此，要确定合理的案例表示方法来解决问题。

　　１.２ 案例索引与案例检索
　　案例推理中主要采用的检索策略有：最近相邻策略、归纳推理策略、知识引导策略、模板检索法、模糊检索及神经网络检索模型等，这些策略可以单独使用也可以混合使用。
案例的相似性计算则会结合一些技术：决策树、粗糙集、证据理论、聚类分析、同异反度量算法、层次分析法。

　　最相邻近方法适用于案例由特征向量表示的系统。
该方法通过计算新旧案例各特征的加权平均和来度量案例的相似性，其优点是方便实用，在案例数量较小的情况检索效率较高，但是案例库中案例数量增加时其检索效率下降。
一些研究针对最近相邻法的不足提出了改进：自动武器设计系统［９］结合聚类算法对其进行改进，首先进行案例的聚类，推理时新案例直接根据聚类的均值在聚类中搜索相近案例。
产品设计［１０］研究结合模糊推理对其进行改进，解决相似度计算中属性的非线性影响和权重的不精确性问题。

　　归纳索引法不断的从案例的各组织成分中归纳出最能将该案例与其它案例区分开来的成分，并对案例库建立索引，将案例组织成广东深圳专业医疗产品开发工业产品设计产品设计专业“素描”课程教学探讨一个层次结构。
归纳法适用于案例比较多的情况；但是归纳索引必须有足够的典型案例，才能进行有效的归纳；复杂产品案例库的规模往往比较大，对于以归纳法为基础的检索模型，建立案例库的决策树需要花费大量的时间。

　　知识引导策略是利用已知的知识来引导和确定案例检索中关键的特征属性，并根据这些特征属性来进行案例检索，其特点是案例的组织和检索具有动态的特征。
如产品包装设计研究［１１］中，按产品特性对产品包装的影响程度依次检索，直至得到与该产品各个特性最接近的产品包装设计方案。
该策略常和其它策略一起使用，特别在大型案例库广东深圳专业激光溶脂仪产品设计公司高地震烈度区工业设计浅谈及领域理解还不一致的情况。
需要人工确定产品案例中重要影响的特征。