FORMATION OF THE AUTOMATIC ENVIRONMENT OF GENERATION OF EXCLUSIVE DETAILS OF DIFFICULT FORMS

Full Text

Введение. Эксклюзивность деталей будем определять как невозможность их проектирования и изготовления с применением чисто формальных моделей и многообразие вариантов исполнения с нечеткими критериями полезности того или иного варианта. Ярким примером подобной ситуации является процесс проектирования и производства ювелирных изделий. Основной тенденцией развития ювелирной отрасли становится не только улучшение качества продукции, повышение художественно-эстетического уровня изделий и увеличение ассортимента товаров, доступных через внедрение передовых технологий, но и производство этих изделий на основе произведенной оценки потребительского спроса [1]. Несмотря на тот факт, что высокие технологии и множество запатентованных ноу-хау используются в этой области, процесс производства ювелирных изделий далек от совершенства. Одной из важных проблем является самый широко распространенный этап в производстве ювелирных изделий, имеющий недостатки, - дизайн ювелирных изделий. Решить проблему возможно через внедрение интеллектуальных систем, которые будут реализовывать интерактивное интеллектуальное проектирование изделий и влиять, таким образом, на весь цикл автоматизации ювелирных изделий. Дизайнер и художник ограничены в генерировании новых идей и моделей ювелирных изделий, в результате качество и производительность процесса стремительно снижается. Применение эволюционных алгоритмов может расширить возможности дизайнера и художника при генерации возможных эскизов и моделей. Также одной из проблем производства является то, что на сегодняшний день количество, тип, стиль ювелирных изделий определяются исключительно руководством, технологическим участком и отделом продаж на основании опыта и существующей отчетности. По существующей статистике примерно 22 % ювелирных изделий от произведенных за отчетный 2014 год не были востребованы покупателями и подлежат возврату на производство и переработке. Это может говорить о низкой заинтересованности покупателя и отсутствии спроса на определенные группы изделий. Выходом из положения является создание системы, обеспечивающей своевременный анализ, прогнозирование спроса и последующее производство ювелирных изделий, исходя из потребительских предпочтений (нечеткие критерии). Обобщенное описание среды для автоматизации генерации художественных форм, используемых в ювелирном дизайне, было представлено в [1]. Её реализация позволила авторам приступить к анализу этапов производственного цикла. В данной статье подробно рассматривается организация разработанной среды, обеспечивающая как исследование предпочтений потребителей, так и проектирование художественных форм ювелирных изделий. Особенности организации среды производства ювелирных изделий. Разработанная среда производства ювелирных изделий [1] представлена на рис. 1. она состоит из 8 основных этапов: Этап оценки спроса позволяет выделить некоторые правила, взаимосвязи или тенденции в больших наборах данных. Он обеспечивает быстрое разбиение данных на отдельные группы и дает возможность сделать конкретные выводы и предположения относительно каждой группы. В частности, с его помощью производится анализ клиентов ювелирного предприятия, вырабатывается индивидуальная политика. Такой подход позволяет существенно сократить количество объектов анализа и в то же время индивидуально подойти к каждой группе клиентов. Рис. 1. Обобщенная организация среды производства ювелирных изделий Этап формирования требований по потребительским качествам описывает потребительские свойства ювелирных товаров, проявляющиеся непосредственно при их использовании как предметов потребления. Они должны удовлетворять определённым потребностям (чаще эстетическим) человека в процессе их эксплуатации [2]. Этап художественной проработки предназначен для максимально полного описания возможных типов и стилей ювелирных изделий, материалов, сплавов, проб, а также возможных способов изготовления изделий (технологий производства). Он дает специалисту инструментарий для формирования множества альтернативных вариантов и обеспечивает доступ к этапу проектирования ювелирных украшений. Этап проектирования изделия предполагает разработку компьютерных средств проектирования для автоматизации генерации художественных форм, используемых в ювелирном дизайне. Экспертные системы и эволюционный алгоритм предлагается интегрировать в инструмент проектирования прототипа. Художественные формы предлагается представить с помощью итегрированных функций системы фрактала (IFS). Доказательный метод и нечеткая логика будут использованы для расчета случаев сходства с целью повышения эффективности извлечения существующих художественных форм. Эволюционный алгоритм используется как механизм для создания новых художественных форм, основанных на некоторой случайной исходной популяции [3]. Этап прототипирования обеспечивает прототипирование ювелирных изделий с помощью специализированного оборудования. Изготовленные прототипы можно дополнительно обрабатывать: сверлить, паять, шлифовать и т. д. [4]. Этап оценки прототипа дает возможность максимально подробно проработать, а потом и рассмотреть мелкие детали, увидеть, как украшение может смотреться со вставками разного цвета и типа, в различном металле и т. д. В ювелирной работе, где от качества обработки деталей зависит практически все, это очень важно. Кроме того, 3D-моделирование ювелирных изделий удобно заказчикам, так как они видят модель, по качеству сравнимую с фото готового изделия. На этапе подготовки производства создается и организуется выпуск новых изделий. Для этого необходимо четко сочетать все многообразные процессы подготовки производства, рационально соединять личные и вещественные элементы процесса создания новой техники, определять экономические отношения между участниками работ по подготовке производства. Этап производства включает в себя современное оборудование и технологии ведущих фирм мира в сочетании с лучшими традициями ювелирного искусства. Особое внимание уделяется качеству выпускаемой продукции. Этап оценки спроса: по мере того, как компании собирают миллионы информационных показателей о своих клиентах и пытаются найти способ эффективно использовать эти данные для повышения собственной прибыли, интеллектуальный анализ данных (data mining) становится все более популярным технологическим направлением [5]. Для оценки спроса ювелирных изделий была создана методика, на основании которой стало возможным оценить: 1) какие типы изделий пользуются спросом; 2) какой стиль исполнения изделий предпочтительнее; 3) спрос на популярные виды изделий в ближайшие временные промежутки; 4) модные тенденции и актуальность изделий. Кластерный анализ позволяет рассматривать достаточно большой объем информации и резко сокращать, сжимать большие массивы информации, делать их компактными и наглядными [6]. Математические методы, реализующие кластерный анализ, довольно сложны и запутаны, так что в случае кластеризации мы будем целиком полагаться на вычислительные возможности программного пакета WEKA [7], на основании которых мы и будем принимать решения. Математические методы и алгоритм кластеризации ювелирных украшений: 1. Каждый атрибут должен быть приведен к нормальному виду. Для этого каждый показатель делится на разность между самым большим и самым маленьким значением, которые принимает рассматриваемый атрибут на конкретном наборе данных. 2. Исходя из желаемого количества кластеров, случайным образом выбирается такое же количество строк данных. Эти строки будут использоваться в качестве начальных центров масс кластеров. 3. Для каждой строки данных определяется расстояние от этой строки до центра масс кластера (случайным образом выбранной строки данных) с помощью метода наименьших квадратов. 4. Каждая строка набора данных включается в тот кластер, расстояние до центра масс которого оказалось наименьшим. 5. В каждом кластере определяется новый центр масс как набор средних значений по столбцам на множестве элементов этого кластера. 6. Определяется расстояние от каждого элемента данных до нового центра масс. Если при этом распределение элементов по кластерам не меняется, разбиение данных на кластеры закончено, и все группы данных определены. Если состав кластеров меняется, следует вернуться к п. 3 и повторять этот процесс до тех пор, пока разбиение на кластеры не станет неизменным [8]. Важной задачей, которую поможет решить кластерный анализ, является позиционирование, т. е. определение ниши, в которой следует позиционировать новый продукт, предлагаемый на рынке [9]. В результате применения кластерного анализа строится карта, по которой можно определить уровень конкуренции в различных сегментах рынка и соответствующие характеристики товара для возможности попадания в этот сегмент. С помощью анализа такой карты возможно определение новых, не занятых на рынке ниш, в которых можно предлагать существующие товары или разрабатывать новые. Одной из наиболее важных задач при применении кластерного анализа в маркетинговых исследованиях является анализ поведения потребителя, а именно: группировка потребителей в однородные классы для получения максимально полного представления о поведении клиента из каждой группы [10] и о факторах, влияющих на его поведение. Эта проблема подробно описана в работах Клакстона, Фрая и Портиса (1974), Киля и Лэйтона (1981). Формальная постановка задачи Дано: набор данных со следующими свойствами: - каждый экземпляр данных выражается четким числовым значением; - класс для каждого конкретного экземпляра данных неизвестен. Найти: - способ сравнения данных между собой (меру сходства); - способ кластеризации; - разбиение данных по кластерам. Формально задача кластеризации описывается следующим образом [11]. Дано множество объектов данных I, каждый из которых представлен набором атрибутов. Требуется построить множество кластеров C и отображение F множества I на множество C, т. е. . Отображение F задает модель данных, являющуюся решением задачи. Качество решения задачи определяется количеством верно классифицированных объектов данных. Множество I определим следующим образом: (1) где - исследуемый объект. Каждый из объектов характеризуется набором параметров: (2) В нашем случае такими параметрами являются тип изделия, стиль исполнения, проба, сплав и др. Каждая переменная xh может принимать значения из некоторого множества: (3) В данном примере значениями являются действительные числа. Задача кластеризации состоит в построении множества: (4) Здесь ck - кластер, содержащий похожие друг на друга объекты из множества I: и (5) где σ - величина, определяющая меру близости для включения объектов в один кластер; d(ij,ip) - мера близости между объектами, называемая расстоянием. Неотрицательное значение d(ij,ip) называется расстоянием между элементами и ip, если выполняются следующие условия: 1) для всех и ip; 2) тогда и только тогда, когда ; 3) ; 4) . Если расстояние d(ij,ip) меньше некоторого значения σ, то говорят, что элементы близки и помещаются в один кластер. В противном случае говорят, что элементы отличны друг от друга, и их помещают в разные кластеры. Большинство популярных алгоритмов, решающих задачу кластеризации, используют в качестве формата входных данных матрицу отличия D. Строки и столбцы матрицы соответствуют элементам множества I. Элементами матрицы являются значения d(ij,ip) в строке j и столбце p. Очевидно, что на главной диагонали значения будут равны нулю: (6) Набор данных для WEKA. Для построения модели кластеризации мы воспользуемся данными ювелирного предприятия [12]. Ювелирное предприятие имеет 4 ювелирных салона в различных частях г. Красноярска (Центральный, Октябрьский, Свердловский и Советский районы). Были собраны данные обо всех посетителях ювелирных салонов, ювелирных украшениях за 2015 год, которые их заинтересовали, и о том, насколько часто посетители ювелирных салонов в итоге покупали приглянувшееся им украшение. Была поставлена задача - проанализировать эти данные для того, чтобы выделить различные группы посетителей и понять, нельзя ли определить какие-либо тенденции в их поведении. В нашем примере используется 1965 записей, и каждый столбец описывает определенный этап, который, как правило, проходит покупатель в процессе выбора и приобретения ювелирного украшения. Кластеризация в WEKA. Ввод данных осуществляется во вкладке Preprocess диалогового окна (рис. 2). С помощью опции SimpleKMeans (в рамках данной статьи мы будем пользоваться этим методом кластеризации) разбиваем имеющиеся у нас данные на кластеры. Используемый атрибут numClusters указывает на количество кластеров для разбиения, которое по умолчанию равно 7. Результаты исследования этапа оценки спроса. Полное исследование всех типов постановок задач анализа данных ювелирного предприятия в рамках данной работы представляется невозможным [13], поэтому исследования проводились при следующих ограничениях: - за основу реализуемой модели взят кластерный анализ; - исследуемые данные поделены на 7 кластеров, как оптимальное число кластеров. После изучения существующих методов кластеризации было установлено, что наиболее подходящим методом для начальных исследований является метод SimpleKMeans, позволяющий нам самостоятельно настраивать число кластеров, в то время как другие методы (такие как DBSCAN, FilteredClusterer, OPTICS и др.) не позволяют этого делать. Для разбиения 1965 строк на 7 кластеров с помощью электронных таблиц потребовалось бы несколько часов, однако WEKA выдает результат менее чем за секунду. Результат обработки данных представлен на рис. 3. Полученные результаты требуют дальнейшей интерпретации, исследования и изучения свойств и характеристик объектов для возможности точного описания сформированных кластеров. Данные кластеризации показывают, каким образом сформирован каждый кластер: в атрибутах «Произведено» и «Продано» значение «1» означает, что у всех данных в этом кластере соответствующий атрибут равен 1, а значение «0» означает, что у всех данных в этом кластере соответствующий атрибут равен 0. Данные соответствуют среднему значению атрибута на кластере. Каждый кластер характеризует определенные покупательские предпочтения клиентов. Таким образом, на основании разбиения мы можем сделать некоторые полезные выводы. Ниже приведена интерпретация результатов кластеризации кластеров 0 и 4. Рис. 2. Данные для кластеризации ювелирных украшений Рис. 3. Результаты кластеризации Кластер 0 - группа покупателей, в которой при покупке ювелирного изделия предпочитаемой моделью является кольцо. Стиль, на который покупатели прежде всего обращают свое внимание, - ар-деко - стиль ясных геометрических форм с четким построением симметричных композиций, главенствующую роль в которых играют прекрасно ограненные драгоценные камни. Этот стиль сочетает в себе простоту и роскошь [14]. Предпочитаемой технологией изготовления в данном кластере является монтировка. При данной технологии украшения изготавливаются вручную, а также с использованием штампованных, чеканных, сканных или литых элементов [15]. Достаточно высокий спрос на эти изделия не исключает интерес к изделиям меньшего веса и меньшей стоимости, чем изделия, которые в данный момент производятся. Данные этого кластера указывают на то, что ювелирной компании следует активнее привлекать внимание к стилевому направлению ар-деко (может быть, представлять вниманию покупателя изделия данного стилевого направления на отдельных стендах), кроме того, следует найти способ выделить модели колец весом от 7 грамм, чтобы гарантированно обратить на них внимание посетителей. Посетитель, попавший в этот кластер, гарантированно выбрал определенную модель ювелирного изделия из сплава белого золота 585. Поскольку спрос на данное изделие в Центральном и Советском районах довольно высокий, можно порекомендовать ювелирному предприятию обратить свое внимание на Свердловский и Октябрьский районы с целью реализации данного типа изделий. Кластер 4 - эту группу посетителей можно назвать «мечтатели». Они бродят по ювелирному салону, рассматривая ювелирные изделия, выставленные на внешних витринах, но никогда не заходят внутрь и, хуже того, практически никогда ничего не покупают. Визуальное представление данных. Установленные настройки помогли оценить распределение по кластерам в зависимости от типа и стиля изделия. Визуальное отображение кластеризации соответствует тем заключениям, которые были сделаны на основании данных на рис. 3. Как видно из визуального отображения кластеризации, в окрестности точки «кольцо, модерн» расположен только кластер 3. Аналогично, в окрестности точки «серьги, русское узорочье» расположен кластер 2. Это полностью соответствует нашим выводам. На рис. 4 показано визуальное отображение кластеров нашей модели. Рис. 4. Визуальное отображение кластеризации В результате экспериментов установлено, что посредством интеллектуального анализа данных авторам удалось успешно решить задачу оценки спроса на ювелирные украшения. Заключение. Представленная обобщенная организация среды производства ювелирных изделий позволяет разделить процесс производства ювелирных изделий на отдельные этапы, решающие конкретные прикладные задачи. Выделенные этапы обеспечивают проведение требуемых исследований и настройку программных средств на процесс ювелирного производства. Предложен подход к решению задачи оценки спроса на ювелирные украшения, выполнено построение модели на основе алгоритма кластерного анализа, проведена интерпретация полученных результатов, которая позволила сделать заключение о тенденциях внутри каждой группы, и обоснована возможность практического применения данной методики в ювелирном производстве.

About the authors

E. A. Cheblakova

Siberian Federal University, Institute of Space and Informational Technologies

Email: xhelen_86@mail.ru
26b, Kirenskogo Str., Krasnoyarsk, 660074, Russian Federation

S. V. Chentsov

Siberian Federal University, Institute of Space and Informational Technologies

26b, Kirenskogo Str., Krasnoyarsk, 660074, Russian Federation

References

Supplementary files