基于ASP的网络化制造资源智能检索知识库模型设计

第３　５卷第２期　２　００６年　４月　贵州工业大学学报（自然科学版）　Ｊ０Ｉ　ＮＡＬ　ＯＦ　ＧＵＩＺＨＤ１　Ｉ　ＵＮＩⅥ、ＲＳＩＴＹ　０Ｆ　ＴＥＣＨＮＯＬＣ）ＧＹ　ｖ０１．３５　Ｎｏ．２　Ａｐｒｉｌ．２００６　（Ｎａｍｒ￣Ｓｃｉｅｎｃｅ　Ｅｄｉｔｉｏｎ）　文章编号：１００９．０１９３（２００６）０２．００１８．０５　基于ＡＳＰ的网络化制造资源智能检索知识库模型设计　王摘斌　一，李少波２，谢庆生２　（１．盐城工学院机械学院，江苏盐城２２４００１；２．贵州大学ＣＡＤ／ＣＩＭＳ工程技术中心，贵州贵阳５５０００３）　要：在对网络化制造资源知识表示进行研究的基础上，提出了从时间、质量、成本、服务、敏　捷性、领先性、历史记录等多项指标来分类、描述、存储、管理制造资源知识。结合知识表示与　推理、机器学习、数据挖掘、信息过滤、人机交互等多项技术构建了智能化检索系统知识库模　型，并对该系统执行机制进行了相关介绍。重点对该知识库的结构模式，相关知识获取、以及　推理过程等关键技术问题进行了描述和分析。　关键词：制造资源管理；智能检索；知识库模型；网络化制造　中图分类号：ＴＰ１８２　文献标识码：Ａ　０　引　言　基于ＡＳＰ的网络化制造系统是一种面向区域、行业及产业链的信息系统模式，能促进制造资源的优化　与整合，形成具有竞争力的供应链、产业链、增值链。基于ＡＳＰ的网络化制造系统的制造资源包括满足中小　制造企业开展网络化制造需求的共享信息库、共享资源库、基础数据库等，同时也包括制造资源的分类、描　述、评价、搜索等。有效而准确的检索制造资源是实现基于ＡＳＰ的网络化制造必备条件之一。然而，目前由　制造资源具有动态性、海量性、模糊性等特征，信息系统难以获取主题信息需求、难以将信息需求转化为查　询表示、通用搜索引擎相关性排名体系难以满足精确检索制造资源的主题要求等。［卜　］本文针对制造资源　智能检索的知识库及相关技术进行了研究。　１系统框架结构　基于ＡＳＰ的制造资源智能化检索系统是面向网络制造资源专业领域主题搜索引擎，它通过建立相对固　定的网络地址集合和制造资源检索知识库，根据一定的检索算法和有选择性的抓取网络信息。该搜索引擎　与普通搜索引擎的最大差别就是有选择性的抓取信息，而并非遍历Ｗｅｂ。该系统建立了个性化的知识推送　模块，使用智能化复杂的决策与推理反馈机制，使用户不必再次访问固定的站点就能获取所关注的最新的　制造资源信息。　该智能化检索系统的工作流程描述如图１所示：　１）用户通过检索界面输入检索词，如果用户无法描述检索需求，可以通过用户检索界面的分类检索列　表来进行检索。　２）信息采集子系统依据知识库限定的规则对用户查询需求进行分析，并进行搜索。　３）信息反馈子系统将采集到的制造资源信息根据知识库中知识点权重和其他相关规则进行匹配和相　关性排列，并呈现给用户。　４）用户通过友好的反馈界面，在规定的许可范围内对知识库中的记录进行修改；系统的智能学习机制　能够根据用户的反馈信息和网页的挖掘，从而预测出用户的兴趣，并据此补充、修改知识库中的相关记录。　收稿日期：２００５—１０—２４　基金项目：国家８６３高技术研究发展计划资助项目（２００３ＡＡ４１４０１３、２００４ＡＡ４１４０７０）．　作者简介：王￣（１９７５一），男，江苏盐城人，盐城工学院讲师，贵州大学ＣＡＤ／ＣＩＭＳ中心硕士研究生，主要研究方向为制造业企业信　息系统。　维普资讯 http://www.cqvip.com

第２期　王斌，等：基于ＡＳＰ的网络化制造资源智能检索知识库模型设计　１９　５）系统根据知识库中记录的用户长期感兴趣的主题，对相关主题　进行跟踪并保存检索结果至信息库中。同时，信息推送机制会及时的　向用户推荐刚发布或已更新的制造资源信息。　基于ＡＳＰ的制造资源智能化检索系统弥补了普通搜索引擎查全　率有余、查准率不足的弊端，智能化的理解用户的信息需求，提高用户Ｌ竺竺　的检索效率，提供制造资源个性化检索服务。　ｌ机翻ｌｌ机翻Ｉ１　＝　知识圭　信息采集、反馈子系统Ｉ、—一　２知识库模型设计　基于ＡＳＰ的制造资源智能化检索系统知识库是关于制造资源知　图１智能检索系统结构　识的存储机构，用于存储解决用户检索所需的原理性知识、专家的经验性知识以及有关的事实等。知识库　中的知识来源于知识学习系统，同时它又为推理机提供求解问题所需的知识。　２．１知识库模型组织结构　知识库包含了知识分类体系、用户需求信息推导规则、用户学习规则等。系统将知识按照一种分级索　引模型进行组织，这种分级结构能够促进知识库的动态管理。这种模型自然而动态地表达了知识的层次结　构，便于系统对用户的信息需求在语义上进行扩充。在用户的使用过程中，系统根据用户的新需求的不断　提出来扩充自身。随着用户对系统的使用频率的增多，知识库也会因不断加入用户的思想而变得具有个性　化的特征。　通过多种学习手段来修改模型和知识库中知识权重和需求表达　式，从而使得对知识和需求的描述更接近用户的真实需求；最后，以最　近的描述为信息查询依据，提高查全率和查准率。　学习单元接收到学利环境外界信息后，对信息进行分析、筛选，并　利用有用的信息对知识库知识体系做出修改。执行单元利用知识库　中的知识执行任务，将执行任务后的信息又反馈给学习单元供进一步　学习用。　２．２制造资源知识的分类与表示　图２　系统学习过程的实现　在智能信息检索系统设计中，知识的获取和运用是系统智能化的　基础，成为智能检索系统的一个核心部分。知识表示实际上就是对知识的一种描述，一种计算机可以接受　的用于描述知识的数据结构。对知识进行表示的过程就是把知识编码成某种数据结构的过程。在信息检　索中，同一条知识对不同的用户有着不同的重要性。目前针对智能信息系统知识表示方法主要分为两大　类：符号表示法，连接机制表示法。【ｌ儿２Ｊ　本系统在选择知识表示方法时，主要从以下几个方面进行考虑：要充分表示制造领域知识，即在确定该　系统的知识表示模式时，首先应该考虑的是它能否充分地表示领域知识；要考虑是否有利于对制造资源知　识的利用；是否便于对制造资源知识的组织、维护与管理；是否便于理解和实现。　我们在制造资源知识的分类是制造资源检索的关键，基于ＡＳＰ的网络化制造资源可从时间、质量、成　本、服务、敏捷性、领先性、历史记录等几个指标来分类，如图３所示。　根据不同的制造任务进行相关资源的检索其实是一个多目标优化的问题，在对检索的结果的相关性反　馈方面，可以并通过层次分析法或其他的分析评价方法建立多目标评价体系。在相关性评价体系中，指标　具有定量和定性两种，可采取不同的方法对它们进行处理，以便于各种数据在层次分析法中进行统一分析　计算。根据不同制造任务来检索相关的制造资源时，用户可以根据任务的不同要求，来设置各指标的权重。　检索系统将把检索任务分解成与各种指标相关具体任务，管理系统对采集子系统收集的信息的相关性进行　计算评价，并反馈给用户界面。　基于ＡＳＰ的网络化制造资源分类方法如下：　维普资讯 http://www.cqvip.com

２０　贵州　工业　大　学　学报（自然科学版）　２００５年　１）时间因素可从设备生产能力、生产计划能力、劳动生产率、交货及时、工人技术等级、服务负荷度、设　备状况等方面来考虑，可从企业的基本情况及设备的基本情况重点考虑上述因素；　２）质量因素可从工人技术等级、服务负荷度、设备状况、精度能力、工艺能力、设备先进度；　基于ＡＳＰ的网络化制造资源　时间ｌ　ｌ质量ｌ　Ｉ成本Ｉ　ｌ服务ｌ　Ｉ敏捷性ｌ　Ｉ领先性ｌ　ｌ历史记录　设　备　生　产　能　力　差Ｉｌ霎¨妻Ｉｌ　¨垂Ｉｌ　直　塞ｌ垂¨茎¨　¨　ｌ萋ｌ萎ｌＩ　图３制造资源知识的分类与存储结构简图　企业信誉、质量保证体系、加工废品率等方面来考虑，可从企业的设备、技术、产品资源的基本情况重点　考虑上述因素；　３）成本因素可从工人技术等级、设备先进度、企业信誉、质量保证体系、标价、加工废品率、售后服务网　点等方面来考虑，可从企业的设备、技术、产品、辅助资源的基本情况重点考虑上述因素；　４）服务因素可从企业资产、合同履行率、售后服务网点、服务人员比重、服务人员技术等方面来考虑，可　从企业的技术、人才、辅助资源的基本情况重点考虑上述因素；　５）敏捷性因素可从交货及时、售后服务网点、改变批量能力、对需求响应能力等方面来考虑；　６）领先性因素可从交货及时、工人技术等级、设备先进度、质量保证体系、售后服务网点、服务人员技　术、同步开发能力等方面来考虑；　７）历史记录因素可从订单企业制造任务反馈、制造赏客户反馈等方面来考虑；　根据上述思想，基于ＡＳＰ的网络化制造资源信息主要包括以下几大类：企业基本信息、产品信息、人才　资源、技术资源（知识）、能力信息、业绩信息和辅助信息等。　２．３知识的获取　智能化信息检索系统的核心在于机器学习，即系统对用户相关信息的不断学习，从而获取检索信息，丰　富自身的知识体系。知识库的主要作用是保存系统对用户相关信息的学习记录，体现了系统对用户信息检　索需求的推导、更新和维护。为了在划分用户信息检索需求时有据可依，知识库还应起到规范知识体系的　作用。　知识库通过对用户检索需求信息的学习来获取、更新知识体系。本系统的知识获取主要来自以下两个　方面：　２．３．１用户信息反馈　用户可以根据自己的知识背景、检索需求，对知识库中的部分知识点进行修改，但对于已经在实践中得　到了广泛验证的科学体系结构，则不允许用户修改，知识库管理功能会给用户设定相应的权限。用户直接　修改知识库的方式具有直观性的特点，有助于加快系统的学习速度。　２．３．２机器学习　系统根据信息呈现和反馈子系统提交的用户行为分析结果，归纳出用户在一段时间内特别关注的某些　制造资源信息，相应地增加该知识点在知识库中的权重［　］［引。系统将新关注的资源信息存入相应的位置，　并赋予适当的权重；对用户在一段时间内没有查询过的制造资源信息，减少它的权重。这样知识库中的信　息将会随着用户的需求而变化，从而实现了对用户信息需求的动态追踪。　本系统采用归纳学习方法，即从足够多的具体检索实例出发，通过归纳推理，得到用户的检索规律和新　维普资讯 http://www.cqvip.com

第２期　王斌，等：基于ＡＳＰ的网络化制造资源智能检索知识库模型设计　２１　的知识概念。用户检索信息的反馈、对用户检索界面的信息挖掘都是归纳学习实例来源。　３知识库模型实现的关键技术　３．１知识点关联规则　知识库中的各个知识词条是存在一定的相互联系的。我们用知识点关联规则来表示各知识词条之间　的相互联系。我们这样描述知识词典、知识点、知识关联规则之间的关系。知识词典Ｄ表示为｛Ｋｌｌ，Ｋ１２，　Ｋ１３，…Ｋｉｊ，…Ｋｎｎ｝其中Ｋｉｊ是知识库中的知识点，第二下标表示该知识点在知识树中所属的层。　每个知识点用一个３维数组Ｋ（Ｎａｍｅ，Ｗｅｉｇｈｔ，Ｌａｙｅｒ）表示，其中Ｎａｍｅ是该制造资源的名称，Ｗｅｉｇｈｔ　是权重，ａｙｅｒ是该知识点在知识树上所处的层。Ｌ　知识点关联规则用三元组表示，记作Ｒ（Ｋｉｊ，Ｋｍｎ，Ｗｅｉｇｈｔ），其中Ｗｅｉｇｈｔ表示Ｋｉｊ，Ｋｍｎ两知识点之间　相互跳转的权重，该权重值由初始设定值和累加值两部分构成，记作Ｗｅｉｇｈｔ＝Ｖａｌｕｅ０＋Ｖａｌｕｅｌ，其中Ｖａｌｕｅ０　表示权重初始值，他由设计者根据两知识点之间的关联性设定，他是一个常量。Ｖａｌｕｅｌ是系统在跟踪用户　在查询时多次在检索关键词（知识点）之间跳转的记录而推算而来，他是一个变量，随着用户查询次数和检　索词的变化而变化。０＜Ｗｅｉｇｈｔ≤１　３．２知识库调整增量及对用户行为预测算法　在经过多次检索之后，知识库自身需要对库内的知识词条的权重进行调整或添加新的词条，知识库调　整增量算法如下：　步骤１计算知识词条权重。　Ｋ（ｔ），Ｗｅｉｇｈｔ＝Ｋ（ｔ）．Ｗｅｉｇｈｔ＋　×Ｆ（７ｚ）　其中，　表示该知识词条出现的频度，Ｆ（７ｚ）表示一单调　非递减关联函数，与检索时间紧密有关，即检索的时间越接近当前时间，其值越大。　步骤２计算预测信息相关度。　Ｖａｌｕｅ（￡　）＝　Ｋ（ｔ＇ｋ）．Ｗｅｉｇｈｔ×Ｒ（Ｋ（ｔ＇ｋ），Ｋ（ｔｊ），Ｗｅｉｇｈｔ）．Ｗｅｉｇｈｔ　Ｑ　其中Ｑ为　｛（ｔ　，￡　）ｌ（ｔ　，　）Ｅ　ｃ（￡　），Ｒ（Ｋ（ｔ＇ｋ），Ｋ（￡　），Ｗｅｉｇｈｔ（ｔ　，￡　））Ｅ　Ｒｕｌｅ｝　计算后的Ｖａｌｅ（１ｕ　）值越大，说明该信息与用户潜在的兴趣的相关性越大。　步骤３计算预测推送信息的可信度。　系统预测的用户感兴趣的信息可信度是　Ｋ（ｔ＇ｋ）．Ｗｅｉｇｈｔ×Ｒ（Ｋ（ｔ＇ｋ），Ｋ（ｔｊ），Ｗｅｉｇｈｔ），Ｗｅｉｇｈｔ　（Ｋ）＝　∑Ｋ（￡　）Ｗｅｉｇｈｔ　．Ｑ　当　（Ｋ）大于某一设定值时，系统将自动推送该信息至用户界面。　４结论及进一步工作　本文结合贵阳市“十五”重点项目“基于ＡＳＰ的网络化制造应用集成服务系统”的建设需求，建立了基　于ＡＳＰ制造资源智能化检索系统知识库模型。该知识库目前正处在系统测试阶段，通过专家设置、数据挖　掘等技术，丰富知识库的初始知识。照时间、质量、成本、服务、敏捷性、领先性、历史记录等多项指标来分　类、描述、存储制造资源知识体系。在上述研究的基础上采用了户建模、机器学习、ＷＥＢ网页识别、信息过　滤、数据挖掘、人机交互等多项技术，开发并实现了一个功能完备、结构合理、切实可行的制造资源智能化检　索系统。　维普资讯 http://www.cqvip.com

贵　州　工参考文献：　业　大　学　学报（自然科学版）　２００５凳　［１］李少波，谢庆生．基于ＡＳＰ的动态联盟制造资源管理框架研究［Ｊ］．中国机械工程，２００５．６（１６）：５０２—５０７．　［２］ＬＩ　Ｓｈａｏ—ｂｏ，ＸＩＥ魄一ｓｈｅｎｇ，Ｐｒｏｔｏｔｙｐｅ　ｏｆ　Ｋｎｏｗｌｅｄｇｅ—ｂａｓｅｄ　Ｐｒｏｄｕｃｔ　Ｄｅｖｅｌｏｐｍｅｎｔ　Ｉｎｔｅｇｒａｔｉｏｎ　Ａｓｓｉｓｔａｎｔ　Ｓｙｓｔｅｍ［Ｊ］．Ｐｒｏｇｒｅｓｓ　ｉｎ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｃｏｍｐｕｔａｔｉｏｎ　ａｎｄ　ＩｔｓＡｐｐｌｉｃａｔｉｏｎｓ，ＩＳＩＣＡ２００５，２００５，（４）：４６６—４７１．　［３］谢庆生．我国制造业ＡＳＰ发展的模式与策略［Ｊ］．中国制造业信息化，２００３，（１）：６６—７０．　［４］ＲｏｙＭ、Ｔｕｒｎｅｒ，ＥｌｉｓｅＨ、Ｔｕｒｎｅｒ，ＴｈｏｍａｓＡ．Ｗａｇｎｅｒ，Ｔｈｏｍａｓ　Ｊ、Ｗｈｅｅｌｅｒ，ａｎｄＮａｎｃｙＥ．Ｏｇｌｅ，ＵｓｉｎｇＥｘｐｌｉｃｉｔ，ＡＰｒｉｏｒｉＣｏｎｔｅｘｔｕａｌ　Ｋｎｏｗｌｅｄｇｅｉｎａｎ　ＩｎｔｅｌｌｉｇｅｎｔＷｅｂ　ＳｅａｒｃｈＡｇｅｎｔ［Ｊ］、ＩｎＡｋｍａｎ　ｅｔ　ａ１．２００１，３４３—３５２．　．　［５］郭茂祖，孙华梅，黄梯云，专家系统中知识库组织与维护技术的研究［Ｊ］、高技术通讯，２００２，（２）：１３２—１３６．　［６］Ｍａｔｔｈｅｗ　Ｐ、Ｊａｒｖｉｓ，Ｇｏｓｓ　Ｎｕｚｚｏ—Ｊｏｎｅｓ，ｎｄ　ａＮｅｉｌ　Ｔ．Ｈｅｆｆｅｍａｎ，Ａｐｐｌｙｉｎｇ　ａｃｈｉＭｎｅ　Ｌｅａｒｎｉｇ　ｎＴｅｃｈｎｉｑｕｅｓ　ｔｏ　Ｒｕｌｅ　Ｇｅｎｅｒａｔｉｏｎ　ｉｎ　Ｉｎ—　ｔｅｌｌｌｇｅｎｔＴｕｔｏｒｉｎｇＳｙｓｔｅｍｓ［Ｊ］、Ｊ，Ｃ、Ｌｅｓｔｒ　ｅｅｔ　ａｌ、（Ｆ＿Ａｓ．）：ＩＴＳ　２００４，ＬＮＣＳ　３２２０，２００４，５４１—５５３．　［７］Ｆａｎｇ　Ｓｈｅｎｇ，Ｘｉｎ　ｅＦａｎ，Ｇａｒｙ　Ｔｈ￣ｒｕａｓ，Ｐｅｔｒｅ　ＮＧ，Ａ　Ｋｎｏｗｌｅｄｇｅ—Ｂａｓｅｄ　Ａｐｐｒｏａｃｈ　ｔｏ　Ｅｆｆｃｅｔｉｖｅ　ｌ￣ｘｔｍｅｎｔ　Ｒｅｔｒｉｅｖａｌ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｓｙｓｔｅｍ　Ｉｎｔｅｇｒａｔｉｏｎ，２００１，（１０）：４１１—４３６、　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｒｅｔｒｉｅｖａｌ　Ｋｎｏｗｌｅｄｇｅ　Ｒｅｐｏｓｉｔｏｒｙ　Ｍｏｄｅｌ　Ｄｅｓｉｇｎ　ｏｆ　ＡＳＰ’—　ｂａｓｅｄ　Ｎｅｔｗｏｒｋｅｄ　Ｍａｎｕｆａｃｔｕｒｉｎｇ　Ｒｅｓｏｕｒｃｅ　ＷＡ　『Ｇ　Ｂｉｎ　．ＸＩＥ　Ｑｉｎｇ—ｓｈｅｎｇ　（１．ＣＡＤ／ＣＩＭＳ　Ｉｎｓｔｉｔｕｔｅ，Ｇｕｉｚｈｏｕ　Ｕｎｉｖｅｒｓｉｔｙ，Ｇｕｉｙａｎｇ　５５０００３，Ｃｈｉｎａ；２．Ｙａｎｃｈｅｎｇ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｔｅｃｈ—　ｎｏｌｏｇｙ，Ｙａｎｃｈｅｎｇ　２２４００２，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｏｎ　ｔｈｅ　ｂａｓｉｓ　ｏｆ　ｒｅｓｅａｒｃｈ　ｉｎ　ｋｎｏｗｌｅｄｇｅ　ｅｘｐｒｅｓｓｉｏｎ　ｏｆ　ｎｅｔｗｏｒｋｅｄ　ｍａｎｕｆａｃｔｕｒｉｎｇ　ｒｅｓｏｕｒｃｅ，ｓｔｕｄｙ　ｗａｓ　ｆｏｃｕｓｅｄ　ｏｎ　ｈｏｗ　ｔｏ　ｃｌａｓｓｉｆｙ，ｄｅｓｃｒｉｂｅ，ｓｔｏｒｅ，ａｎｄ　ｍａｎａｇｅ　ｔｈｅ　ｍａｎｕｆａｃｔｕｒｉｇ　ｒｎｅｓｏｕｒｃｅ　ｋｎｏｗｌｅｄｇｅ　ｆｒｏｍ　ｔｉｍｅ，ｑｕａｌｉｔｙ，ｃｏｓｔ，ｓｅｒｖｉｃｅ，ａｇｉｌｉｔｙ，ａｄｖａｎｃｅ　ａｎｄ　ｈｉｓｔｏｒｙ　ｔｈｅｓｅ　７　ｆａｃｔｏｒｓ．Ｔｈｅ　ｋｎｏｗｌｅｄｇｅ　ｒｅｐｏｓｉｔｏｒｙ　ｍｏｄｅｌ　ｉｎｖｏｌｖｅｓ　ｓｏｍｅ　ｔｅｃｈｎｉｑｕｅｓ　ｏｆ　ｋｎｏｗｌｅｄｇｅ　ｅｘｐｒｅｓｓｉｏｎ　ａｎｄ　ｉｌｌａｔｉｏｎ，ｍａｃｈｉｎｅ　ｌｅａｒｎｉｇ，ｄａｔａ　ｍｉｎｎｉｎｇ，ｉｎｆｏｒｍａ—　ｔｉｏｎ　ｆｉｌｔｒａｔｉｏｎ，ｅｔｃ．Ｅｘｅｃｕｔｉｏｎ　ｍｅｃｈａｎｉｓｍ　ｏｆ　ｓｙｓｔｅｍ　Ｗａｓ　ｇｉｖｅｎ　ｏｎ　ｔｈｉｓ　ｐａｐｅｒ　ａｓ　ｗｅｌｌ　ａｓ　ｔｈｅ　ｐａｒｔｉｃｕｌａｒ　ｄｅ—　ｓｃｒｉｐｔｉｏｎ　ａｎｄ　ａｎａｌｙｓｉｓ　ｏｆ　ｔｈｅ　ｋｅｙ　ｔｃｈｎｉｅｑｕｅｓ　ｏｆ　ｔｈｅ　ｋｎｏｗｌｅｄｇｅ　ｒｅｐｏｓｉｔｏｒｙ　ｓｕｃｈ　ｓ　ａｓｔｒｕｃｔｕｒｅ　ｍｏｄｅｌ，ｒｅｌａｔｉｖｅ　ｋｎｏｗｌｄｇｅ　ａｃｑｕｉｅｒｉｎｇ，ａｎｄ　ｒｅａｓｏｎｉｎｇ　ｃｏｕｒｓｅ、　Ｋｅｙ　ｗｏｒｄｓ：ｍａｎｕｆａｃｔｕｒｉｎｇ　ｒｅｓｏｕｒｃｅ　ｍａｎａｇｅｍｅｎｔ；ｐｅｒｓｏｎａｌ　ｗｅｂ　ｗａｔｃｈｅｒ；ｋｎｏｗｌｅｄｇｅ　ｒｅｐｏｓｉｔｏｒｙ　ｍｏｄｅｌ；　ｎｅｔｗｏｒｋｅｄ　ｍａｎｕｆａｃｔｕｒｉｎｇ