一种基于效用的产品设计决策支持系统及方法与流程

本发明涉及一种产品设计的方案评价方法，具体涉及一种基于效用的产品设计决策支持系统及方法。

背景技术：

智能设计系统为产品设计研发的自动化与智能化提供了可能，而产品设计方案的评价与优选是其重要的组成部分。设计人员为智能设计系统输入设计需求，系统经由其推理模块会产生多种备选方案。但设计人员往往只想得到唯一一种综合最优的方案用于后续的仿真分析和实际生产。因此，需要一种方案评价方法来实现多项备选方案的评价与排序以得出最优方案。

方案评价方法实际上是一种产品设计方案的决策过程。以往比较流行的设计决策方法，如基于模糊决策图(fdm)与灰色关联分析(gra)的方案评价方法(fdm-gra)、多粒度属性指标模糊测度和可加choquet积分模型方法、网络分析法、多层次属性指标的设计决策方法、考虑评价指标权重以及灰色关联分析的设计方案优选决策方法。上述研究尝试将基于决策方法在选择产品设计最优方案上进行应用，侧重于结合已知各设计属性的权重的情况下，设计方案评价方法依靠专家经验打分评价，方案有效性低，也忽略了在设计方案中存在的不确定性的影响。

目前为了解决枪械设计过程当中存在的不确定性，主要采用蒙特卡洛仿真和区间数等理论、基于渐近全局代理模型的稳健优化设计、产品方案的模糊分类综合评价模型。

现有的研究成果，从不同角度实现了对产品设计过程的决策支持和设计参数不确定性的表达，但仍缺少一种充分考虑产品设计过程当中设计参数不确定以及设计需求动态变化这两类设计不确定性的决策支持方法，影响了产品设计方案的有效性。

技术实现要素：

有鉴于此，本发明提供了一种基于效用的产品设计决策支持系统及方法，能够适应产品设计过程中设计的不确定性，提高了设计方案的有效性，且评价效率高。

一种基于效用的产品设计决策支持系统，所述决策支持系统包括知识库模块、单效用函数模块、多效用函数模块及总体期望效用模块，每一个模块都具备独立的输入输出接口；

所述知识库模块用于存储以往的设计方案及评价指标，根据与产品需求相关的n个评价指标选择备选方案；

所述单效用函数模块通过输入输出接口接收设计人员基于效用理论输入的对n个评价指标的偏好属性值，根据偏好属性值拟合出n个单效用函数，通过输入输出接口输出相应的函数系数值到控制面板上，从知识库模块中提取备选方案，以备选方案的评价指标区间作为积分区间，并利用单效用函数计算每个备选方案的n个单效用函数值，输出给总体期望效用模块，n为正整数；

所述多效用函数模块，利用输入输出接口输入的n-1个评价指标的属性值构建无偏好属性组合方程组，输出每一个评价指标的权重ki到控制面板上，i＝1～n；

所述总体期望效用模块基于权重ki和单效用函数值输出每个备选方案的总体期望效用值及排名到控制面板上；

所述决策支持系统进一步包括后处理分析模块，用于测试总体期望效用值排名前两位的备选方案的鲁棒性，通过输入输出接口改变所述备选方案的δk以及δx、δl重新求解所述前两位的备选设计方案的总体期望效用值，来判断排名是否改变，δk指权重的变化，将δk分别叠加到多效用函数模块中的ki，再次计算输出新的权重；δx指单效用函数曲率的变化，改变单效用函数模块中拟合的函数系数值，相应的再次计算单效用函数值；δl指备选方案的评价指标区间的长度变化，改变单效用函数模块中备选方案的评价指标区间，相应的再次计算单效用函数值；

通过输入输出接口增加知识库模块中的备选方案，改变所有的备选方案的排名；通过输入输出接口增加知识库模块中的评价指标，在单效用函数模块中增加一个单效用函数，改变每一个评价指标的权重ki及所有的备选方案的排名；通过输入输出接口改变备选方案的评价指标区间，改变所述备选方案在单效用函数模块中的单效用函数值。

进一步地，采用如权利要求1所述的基于效用的产品设计决策支持系统，所述决策支持方法为：

步骤一，在知识库模块中根据与产品需求相关的n个评价指标选择备选方案；

步骤二，设计人员基于效用理论在单效用函数模块中通过输入输出接口输入对n个评价指标的偏好属性值，根据偏好属性值拟合出n个单效用函数，输出相应的函数系数值到控制面板上；

步骤三，从知识库模块中提取备选方案，以备选方案的评价指标区间作为积分区间，利用单效用函数计算并输出每个备选方案的n个单效用函数值，n为正整数；并且通过输入输出接口输入n-1个评价指标的属性值构建无偏好属性组合方程组，输出每一个评价指标的权重ki到控制面板上，i＝1～n；

步骤四，基于权重ki和单效用函数值输出每个备选方案的总体期望效用值及排名到控制面板上；

步骤五，改变排名前两位备选方案的δk、δx或δl，重新求解所述备选方案的总体期望效用值及排名，来判断所述前两位备选方案的排名是否改变。

进一步地，需要引入新的备选方案时，步骤四后进一步包括在步骤一所述的知识库模块中添加新的备选方案及相应的评价指标，决策支持系统计算出新的备选方案的总体期望效用值并将所有的备选方案重新排名。

进一步地，需要引入新的评价指标时，步骤四后进一步包括在步骤一所述的知识库模块中添加新的评价指标，设计人员基于效用理论在单效用函数模块中输入对新的评价指标的属性偏好值，根据属性偏好值拟合出对应的单效用函数，输出相应的函数系数值；分别输入综合所有备选方案的新的评价指标区间的上下边界，利用知识库模块中每个备选方案的评价指标区间和单效用函数，输出所有的单效用函数值；重新计算权重并基于权重和单效用函数值输出每个备选方案的总体期望效用值及排名。

进一步地，当备选方案的评价指标区间改变时，在步骤三的多效用函数模块中改变评价指标的区间并重新计算单效用函数值。

进一步地，所述步骤二中n个评价指标的属性偏好数据服从均匀分布。

有益效果：

1、本发明的决策支持系统及方法，基于效用理论得到每个设计方案的总体期望效用值，设计方案的有效性高；备选设计方案的评价指标为区间值，客观性强，能够适应产品设计过程中指标值的不确定性；本发明将求解流程模块化处理，当外部环境设计需求变化时，可以根据变化影响的参量通过输入输出接口在相应的模块中处理，避免了重新计算，提高的评价效率。

2、本发明的后处理分析模块，通过改变设计需求重新求解来测试设计方案的鲁棒性，进一步提高了设计方案的有效性。

3、本发明决策支持系统中包括的每一个模块在控制面板上都具备独立的输入输出接口，使其能够在类似设计或新设计中被快速重用，适应性能力强，提高设计效率。

附图说明

图1为本发明决策支持的流程图；

图2为本发明的模块化柔性模板设计框图；

图3为本发明的方案知识库面板图；

图4为本发明的属性知识库和单效用函数模块面板图；

图5为本发明的总体期望效用模块面板图；

图6是本发明后处理分析模块图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

本发明提供了一种基于效用的产品设计决策支持系统，决策支持系统包括知识库模块、单效用函数模块、多效用函数模块及总体期望效用模块，每一个模块都具备独立的输入输出接口，在控制面板上相应地以模块化呈现。如图2所示，模块化柔性模板的设计过程主要由五个步骤组成，包括：模板创建、模板定制、单个模块的设计、整体模板设计、实例验证。先对整个设计决策过程各个部分的设计需求和功能进行分析，将决策过程拆分成若干个完整独立的具备标准化输入输出接口的模块，整个基于效用理论的选择决策过程拆分成方案知识库、属性知识库、单效用函数模块、多效用函数模块、总体期望效用模块、后处理分析模块，在模块设计过程当中，需要对参数进行提取，并进行数据处理，最后实现模块的实例化。

知识库模块包括方案知识库和属性知识库，方案知识库用于存储产品的设计方案，属性知识库用于存储相应的评价指标，方案知识库和属性知识库中的内容相互关联。根据与产品需求相关的n个评价指标选择备选方案。

单效用函数模块通过输入输出接口接收设计人员基于效用理论输入的对n个评价指标的属性偏好值，根据属性偏好值拟合出n个单效用函数，通过输入输出接口输出相应的函数系数值到控制面板上，从知识库模块中提取备选方案，以备选方案的评价指标区间作为积分区间，并利用单效用函数计算每个备选方案的n个单效用函数值，输出给总体期望效用模块，n为正整数。

多效用函数模块，利用输入输出接口输入的n-1个评价指标的属性值构建无偏好组合方程组，输出每一个评价指标的权重ki到控制面板上，i＝1～n。

总体期望效用模块基于权重ki和单效用函数值输出每个备选方案的总体期望效用值及排名到控制面板上。

决策支持系统进一步包括后处理分析模块，用于测试总体期望效用值排名前两位的备选方案的鲁棒性，通过输入输出接口改变所述备选方案的δk以及δx、δl重新求解所述前两位的备选设计方案的总体期望效用值，来判断排名是否改变，δk指权重的变化，将δk分别叠加到多效用函数模块中的ki，再次计算输出新的权重；δx指单效用函数曲率的变化，改变单效用函数模块中拟合的函数系数值，相应的再次计算单效用函数值；δl指备选方案的评价指标区间的长度变化，改变单效用函数模块中备选方案的评价指标区间，相应的再次计算单效用函数值。

通过输入输出接口增加知识库模块中的备选方案，改变所有的备选方案的排名；通过输入输出接口增加知识库模块中的评价指标，在单效用函数模块中增加一个单效用函数，改变每一个评价指标的权重ki及所有的备选方案的排名；通过输入输出接口改变备选方案的评价指标区间，改变所述备选方案在单效用函数模块中的单效用函数值。

具体方法如图1所示：

步骤a，stepa1：预先构建产品设计的方案知识库，方案知识库中存储了以往的设计方案；

stepa2：构建属性知识库，存储评价指标，为设计方案设计决策提供知识支撑，其来源包括实验数据、设计手册等资料以及实际设计过程当中体现的属性特征。

stepa3:根据与产品需求相关的n个评价指标选择备选方案。

步骤b，

stepb1:设计人员通过回答博彩问题(lotteryquestions)在单效用函数模块中输入对备选方案确定5个不同层次的偏好属性值，分别是效用u＝(0，0.25，0.5，0.75，1)时的属性值。

stepb2:根据偏好属性值拟合出n个单效用函数，输出相应的函数系数值；将产品备选方案的属性分为望小属性、望大属性和望目属性，分别给出单效用函数的拟合过程：

1)望大属性。望大属性表征了设计方案中某属性的效用随着属性值的增大单调递增的属性。对于望大属性而言，首先确定5个不同层次偏好的属性值以及x1，通过曲线拟合成指数型效用函数，本文默认的效用函数类型为u(x)：

式中：al，bl，cl和dl的取值分别对应着曲线拟合后的指数型效用的系数。2)望小属性。望小属性表征了枪械设计方案中某属性的效用随着属性值的增大单调递减的属性。对于望小属性而言，首先确定5个不同层次偏好的属性值以及x1，如图3所示，通过曲线拟合成指数型效用函数u(x)：

式中：ar，br，cr和dr的取值分别对应着曲线拟合后的指数型效用的系数。

3)望目性属性。望目性属性是指某属性的效用达到或接近目标属性值越好的属性。对于基于特定目标值的望目属性而言，曲线拟合的输入包含左右两边的属性值。对于以属性最大化为目标的属性而言，需要目标值左侧的属性作为输入，而对于以属性最小化为目标的属性而言，则需要有右侧的属性作为输入。首先确定9个不同层次偏好的属性值以及x1，通过曲线拟合成指数型效用函数u(x)：

式中：a，b，c和d的取值分别对应着曲线拟合后的指数型效用函数u(x)＝a+bx+ce^dx中的系数，下标表示处于目标值的左侧或右侧，l表示左，r表示右。

stepb3:通过输入输出接口分别输入综合所有备选方案的同一个评价指标区间的上下边界，利用知识库模块中每个备选方案的评价指标区间和单效用函数，输出每个备选方案的n个单效用函数值，n为正整数。

使用“望目”性的单属性效用函数，并假设具体选项属性值服从均匀分布，概率密度函数为：

f(x)＝1/(xu-xl)(4)

式中：xl，xu是综合所有备选方案的同一个评价指标区间的上下边界。

根据拟合的单效用函数(1)(2)(3)和式(4)求解单属性的期望效用值，单属性期望效用值计算式如下：

e(u)＝∫u(x)·f(x)dx(5)

式中：u(x)表示单效用函数式，f(x)表示属性值概率密度函数。代入每个备选方案的评价指标区间分别输出n个单效用函数值。

步骤c：通过输入n-1个评价指标的属性值构建无偏好属性组合方程组输出评价指标的权重到控制面板上；

stepc1:权重ki通过求解由n个线性方程组成的方程组进行确定。基于叠加的效用函数形式以及无偏好属性组合方程组，建立多个有相同效用的线性方程，这些方程组成的方程组用于求解权重ki。

stepc2:以多效用组合无偏好属性构成方程组。方程组中有n-1个方程是由设计人员通过无偏好属性值组合建立，剩下的一个表示比例常数之和为1，

具体的多效用函数构建过程如式(6)所示。

式中：以及表示属性i不同层次的取值。代表最差的层次(其效用为0)；代表除以外的两个不同层次，他们满足(例如对应的效用为0.55而的效用为0.45)；则是由决策者指定的属性值，该属性值必须使两个不同的多属性值组合的效用相等，从而使得决策者对这两个组合无偏好，即

stepc3：输入n-1个属性输出权重ki。

步骤d：基于权重ki和单效用函数值输出每个备选方案的总体期望效用值及排名并存储在多效用函数模块中。

stepd1：利用单属性期望效用值式(5)，计算总体期望效用值，使得设计人员在给定某些效用函数参数以及选项属性参数后能够快速转化为选项的总体期望效用。

式中：ki表示属性i比例常数，e(ui(ai))表示属性i的期望效用值。

利用公式(8)计算每个方案的总体期望效用值并对每个方案的总体期望效用值进行排序为方案的设计决策提供依据。总体期望效用值最高的方案称为“最有价值”方案，总体期望效用值排名第二的方案称为“第二”方案。

决策支持系统进一步包括后处理分析模块，用于测试总体期望效用值排名前两位的设计方案的鲁棒性。选取排名前两位的选项：“最有价值”方案和“第二”方案，然后测试这两个选项的总体期望效用对于某些设计需求变化或者方案革新而导致的方案、属性和设计参数等发生动态变化的响应是否足以影响其原始排名。从期望效用计算过程可看出，可能的参数变化只能发生在两个公式中，即式(5)和式(8)。将这两个公式中的参数变化分别用δk以及δx、δl表示。其中δk指权重的变化，将δk分别叠加到多效用函数模块中的ki，再次计算输出新的权重；δx指单效用函数曲率的变化，改变单效用函数模块中拟合的函数系数值，相应的再次计算单效用函数值；δl指备选方案的评价指标区间的长度变化，改变单效用函数模块中备选方案的评价指标区间，相应的再次计算单效用函数值。

后处理分析的具体实施方法是增加或减少δk,δx和δl。本文默认δk,δx和δl的变化值为5％，然后重新计算排名前两位选项的e(u)和e(u)，并将这两个选项e(u)的变化情况在后处理分析模块的控制面板中进行展示。

进一步地，当外部环境设计需求变化时，可以根据变化影响的参量在相应的模块中处理，

(1)方案数量的变化

步骤d后进一步包括在步骤a的知识库模块中添加新的备选方案及相应的评价指标，决策支持系统计算出新的备选方案的总体期望效用值并将所有的备选方案重新排名。

(2)方案评价指标的变化

步骤d后进一步包括在步骤a的知识库模块中添加新的评价指标，设计人员基于效用理论在单效用函数模块中输入对新的评价指标的属性偏好数据，根据属性偏好数据拟合出对应的单效用函数，输出相应的函数系数值；分别输入综合所有备选方案的新的评价指标区间的上下边界，利用知识库模块中每个备选方案的评价指标区间和单效用函数，输出所有的单效用函数值；重新计算权重并基于权重和单效用函数值输出每个备选方案的总体期望效用值及排名。

(3)固定参数的变化

固定参数的变化指的是在新的决策当中某些参数(这些参数在原决策中属于固定参数)的取值发生了变化。例如在新的决策中，由于进一步的实验使得某个方案属性值(如材料的强度)的上下界发生了变化，变得更为精确；或某一属性(如耐磨性)的重要度发生了变化，需要优先考虑。此时在步骤c的多效用函数模块中改变评价指标的区间并重新计算单效用函数值。

下面结合实例进行说明，依据上述基于效用的选择决策理论，以枪管为例对上述方法进行验证，设计了考虑不确定性的枪械设计方案决策支持系统。

枪管是枪械产品最基本的零件之一，其主要作用是赋予弹头一定的方向和初速度。枪管设计处于枪身方案的设计阶段，在此之前的内外弹道设计和枪弹设计过程已经确定了大部分的设计参量。

表1所示为输入的战术技术需求指标。由于枪管在射击时，由于火药高温、高压火药气体的作用，以及和弹头发生机械摩擦，为了实现以上目标，故要求枪管材料有较高的抗拉强度(不低于50公斤/毫米²)、足够的冲击韧性(不小于5公斤-米/厘米²)、较高的屈服点(不小于50公斤/毫米²)，良好的可加工性和足够的耐磨损、耐烧蚀性。目前从重机枪到手枪的枪管一般常用50ba或50ae钢，高射机枪以及有的重机枪则用30simnmova或30crni2mova钢，也有用其他材料作枪管的，然而关于枪管材料的选择大多取决于设计人员的经验设计。根据这些设计需求目标，从属性知识库中筛选出六个评价指标，并根据评价指标从方案知识库中筛选出四个备选方案可供考虑，如表2所示。六个评价指标的属性中有三个是定量属性，即抗拉强度、屈服点和冲击值，另外三个是定性属性，即加工性能、耐磨性和耐烧蚀性。设计人员对这些属性的期望既包含了“望目”性如抗拉强度期望达到目标值是95公斤/毫米²，也包含了非“望目”性，如加工性能希望取值越高越好。每一个选项的所有属性取值均是不确定的，是一个由上下界确定的范围，例如选项50ba的抗拉强度取值范围是44-69公斤/毫米²。假设所有的属性取值均服从均匀分布。设计人员需要从备选方案中选出最能满足前述目标的选项。

表1输入的战术技术需求指标

表2枪管材料备选方案

如图3所示，展示了计算机支持系统中的方案知识库。当有新材料或者新的处理工艺需要进行比较以辅助决策者进行选择时，可以在该控制面板上进行快速的配置。

图4所示的控制面板是各备选方案的属性知识库以及单效用函数计算模块图，有效地支持该面板上各属性单效用函数的求解。图5所示的控制面板是由多属性效用值计算模块，方案总体期望效用计算模块以及敏感性分析模块等一系列模块组合而成。

整体的枪械设计方案决策支持系统操作步骤和流程如下：

步骤1：根据枪管快速设计的设计需求选择评价指标并筛选出备选方案。表2中是基于上述战术技术需求指标而选择的方案，候选方案数量为n＝4。

步骤3：确定决策者偏好。表3中是决策者通过回答博彩问题而得到的枪械设计方案的不同层次的偏好属性值。

步骤4：拟合单效用函数。表4是基于表3的各属性值拟合成属性的指数型效用函数后输出得到的a，b，c，d系数值。

步骤5：求解单效用函数的期望效用值。表5是结合表4得到的指数型效用函数和备选方案的各评价指标区间计算得到的枪械设计备选方案的各单效用函数值。

步骤6：确定权重。表6是通过叠加的效用函数和无偏好组合式求得的单效用函数值的权重即评价指标的权重。

步骤7：求解总体期望效用。表7是结合表5的单属性期望效用值和表6的权重，依据公式求得的各枪械设计方案的总体期望效用值。从而得到“最有价值”的枪械设计方案为30simnmova，其热处理工艺为：870℃高温淬火/650℃高温回火。

表3不同层次效用的属性值

表4各属性单效用函数系数表

表5各评价指标期望效用值

表6权重

表7各方案总体期望效用

进一步地，需要引入新的备选方案时，如这是一种采用新型的复合材料制造而成的高导热轻量化枪管，其中对于钢内管，在其外部缠绕碳纤维增强的环氧树脂，这种碳纤维增强的环氧树脂表面镀一层金属镍；而钢外管采用具有高比强度、高比模量力学性能的碳纤维增强的复合材料，可以保证轻量化的同时有效提高枪管射击精度，但是它的加工性能相对较差。这个新的备选方案六个属性的详细信息如表8所示。由于新方案的引入，原来的四个备选方案选择问题转变成了五个备选方案选择问题，设计人员需要重新进行问题建模并作出选择。由于诸如属性描述、单属性效用函数以及多属性效用函数等大部分的决策过程均以在原始的可配置模块化模板实例中存档，新的决策只需要在原始实例的基础上做一些必要的修改即可。需要将表8中描述的新备选方案添加到原始模板实例中，然后更新方案排名，具体的步骤如下：

1)指定方案的基本信息：在知识库模块中录入信息以实例化一个新的备选方案；

2)指定方案的属性范围：通过输入输出接口输入新增备选方案的n个评价指标区间以及服从的分布。

3)更新方案排名：当所有必要的输入信息都设置好后，所有方案的排名将自动更新。新的排名显示方案“新型复合材料”的期望效用为1.635387，排名第一。

表8新型复合材料的属性信息

进一步地，需要引入新的评价指标时，假设一个新的属性—伸长率，需要在前述五方案选择决策问题中进行考虑。伸长率被引入的原因是其表征了枪械材料在受拉力折断时，拉伸长度同原有长度的比，对于枪管材料的质量十分重要。与该属性配置相关的信息分为四个方面，如表9所示：

(1)在知识库模块中添加新的评价指标；

(2)建立伸长率效用函数需要的不同层次的属性偏好值，包括目标值左侧和右侧的偏好；

(3)确定多属性效用函数权重ki需要的输入信息，即在无偏好多属性值组合中n-1个评价指标的取值；

(4)五个备选方案伸长率的取值范围。引入新的属性后，六属性选择决策问题转变成了七属性选择决策问题，设计人员需要考虑表9中伸长率的信息并重新对问题进行建模以做出新的决策。以往实例中大部分知识可以重用，做一些必要的修改即可。需要做的修改是实例化一个新的属性并对五个备选方案进行重新排名，具体步骤如下：

1)指定属性基本信息：在知识库模块的属性知识库中录入伸长率的相关信息以实例化一个新的属性；

2)输入对伸长率的不同层次的属性偏好值；

3)配置多属性效用函数权重评估相关信息：指定无偏好属性组合方程组中各属性的属性值。

4)配置各方案伸长率的取值范围：综合所有备选方案伸长率的上下界作为求解概率密度函数的边界。

5)重新计算权重并基于权重和单效用函数值输出每个备选方案的总体期望效用值及排名：新的排名显示排在前两位的方案分别为“新型复合材料”和30simnmova，对应的期望效用分别为1.87532和1.78562。

表9属性伸长率的配置信息

决策支持系统进一步包括后处理分析模块，考虑一些可能的参数变化并测试排名第一的方案“新型复合材料”在参数变化情况下的鲁棒性，以增强设计人员选择它进行枪械设计的信心。排名第一的方案“新型复合材料”和“第二”方案30simnmova的期望效用非常接近，分别为1.87532和1.78562，两者仅差0.0897。将在后处理分析模块中测试两者的排名是否会因为某些参数的变化而变化，即排名对参数变化是否敏感。

本发明将以δl为例说明后处理分析的过程。方案“新型复合材料”的抗拉强度原始的取值范围是90-100公斤/毫米²，通过逐步缩小此范围(即逐步减小设计参数模糊性)来测试该方案总体期望效用的响应以及该方案与方案30simnmova的排名对比情况，如图6所示。图中变化程度被设置为5％，变化次数被设置为7次。从自动生成的图像可知：当抗拉强度的取值范围缩小到原来的80％时，方案30simnmova的期望效用值由原来的1.78562上升到1.82782；此后即使抗拉强度的取值范围继续缩小，方案30simnmova的期望效用值依然维持在1.82782的水平如图6所示。由此可以得出结论：方案排名对抗拉强度取值范围减小并不敏感，选择排名第一的方案“新型复合材料”是安全的。

综上所述，从图6中可以获得，在基于本次战术技术需求的情况下对材料提出的要求，“最有价值”的方案是“新型复合材料”。基于上述的事实可知，设计人员在选择该材料的基础上进行后续的设计工作，可以减少参考大量知识的时间，节约大量的设计迭代过程，并增强决策的有效性。总而言之，考虑不确定性的枪械设计方案决策支持系统给设计者提供了一种相对灵活的方案设计方法。设计者可以根据战术技术需求以及设计者自身偏好，选择“最有价值”的设计方案。针对枪械设计过程的特点，引入可配置模块化模板使得模块更易于修改，同时也降低了数据冗余。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。