大规模定制是企业在日趋激烈的市场竞争中获胜的有效途径之一。通过这种生产模式,企业可以以较低成本满足多样化的客户需求,提升利润空间。在大规模定制的设计过程中,能否正确进行产品定义是企业能否赢得市场的关键。要实现此阶段的设计任务,关键是要合理、有效地实现需求的分析和转化。围绕这些关键问题,本论文的主要内容如下:(1)对大规模定制的经济效益,研究现状和趋势进行了回顾,分析和讨论了其中的关键技术,在此基础上提出了全文的研究思路。(2)对产品定义的研究现状进行了总结,包括客户需求的获取、表达和预处理方法,功能需求的表达和分析方法,以及实现两者转化的方法和技术。(3)提出了基于两种知识的产品族定义模型,使用基于知识的神经网络(KBANN)从两类知识源中学习,实现客户需求向产品族的映射。KBANN是一种结合了演绎和归纳两种学习方式的智能方法,它可以同时从数据库和规则库中获取知识。在此基础上,使用决策树算法(DT)将网络中隐含的知识转化为易于理解的规则,帮助工程师了解客户对产品族的偏好。(4)提出了面向产品定义阶段的设计检索模型。此模型同时考虑客户需求和产品功能需求的相似性,使用模糊ARTMAP神经网络(FAM)实现历史设计案例的智能检索。在新的客户需求到来时,此方法可以迅速有效地找到合适数量的相似设计案例,作为设计的起点。(5)以数据挖掘为工具,挖掘客户需求属性和产品功能需求属性之间复杂的映射关系。对于挖掘得到的关联规则,采用四个指标来衡量其有效性:支持度、置信度、有趣度和可理解度。为实现对复杂、高维的设计空间的搜索,本研究使用基于帕累托的遗传算法来完成多目标关联规则挖掘任务。本文以客户需求为出发点研究大规模定制中的产品定义,丰富了大规模定制的设计方法,降低了设计所需成本和时间,进而提高了企业的经济效益。