对于产品开发过程中的时间问题,目前缺乏系统的专门的研究,本文给出了完整的产品开发时间分析估计方法。首先对影响产品开发中设计活动时间的因素进行了分析,针对其中的产品特征因素给出了一种映射方法来获取特征信息;然后采用机器学习方法对设计活动时间进行估计,研究了基于模糊神经网络和支持向量机的两种方法;最后,在确定各设计活动时间的基础上,着眼于整个产品开发过程的时间特征,提出了时间计算模型及相应的优化方法。具体说来,主要在如下几个方面进行了研究:1.设计活动的时间因素识别及产品特征提取。本文分析了影响设计活动时间的各种因素,着重于对其中产品特征因素的研究。针对产品开发早期的特征获取问题,提出一种系统化的特征映射方法。首先建立了适合于信息度量和映射的模糊度量质量屋模型,将该模型应用于技术型客户要求,采用质量功能配置的逐级矩阵分解思想从中获取特征信息;引入“功能-原理-结构”映射模式对功能型客户要求进行特征映射。2.基于模糊神经网络的设计活动时间估计方法。时间因素和设计时间之间具有非线性映射关系,采用人工神经网络通过学习可拟合这种非线性关系。时间因素数据中既有精确数值型信息,又有模糊语言型信息,本文给出一种模糊神经网络模型来融合数据并实现时间的估计,该模型通过模糊综合评估来精简结构。3.小样本情况下的设计活动时间估计方法。模糊神经网络属于大样本学习方法,而企业可利用的以往设计实例往往比较有限。针对这种小样本估计问题,将模糊回归理论与ν支持向量机方法相结合,提出一种模糊ν支持向量机模型,给出相应的设计时间智能估计方法和参数优选算法。4.并行产品开发过程中的时间模型及其优化方法。产品开发过程由多个设计活动(包括产品设计和过程设计)组成,针对并行开发模式下设计活动间存在迭代和重叠的情形,提出一个时间计算模型及其优化方法。依据矩阵规划后的设计结构矩阵,将设计活动组划分为多个耦合活动块和非耦合活动块,按信息流方向依次计算活动重叠造成的设计修改时间,进而建立产品开发的时间模型。在给定成本约束下,将开发时间最短问题转化为非线性约束优化问题,并给出相应的求解算法。本文最后简要介绍了基于上述研究成果的产品开发时间分析估计系统的研发情况。