针对数控机床整机优化过程中的复杂性，提出了一种响应面模型与集成方法相结合的机床整机优化设计方法。对数控机床整机进行静动态仿真，通过模态试验验证仿真的可信度。采用哈莫雷斯试验设计方法，抽取设计空间的样本点并进行数值模拟和分析计算，建立了整机质量、最大形变量、一阶固有频率、二阶固有频率和三阶固有频率关于整机9个设计变量的响应面模型。提出了基于粒子群算法的初次优化与基于协同优化算法的二次优化相结合的优化策略。先对响应面模型进行初次全局优化，得到Pareto最优解集。在最优解集的基础上再对响应面模型进行二次局部优化，获得最优设计方案。结果表明，优化方案的各项性能都得到了提升，仿真结果验证了优化方案的可信度。因此该优化方法适用于结构较复杂的机床整机的优化设计。

为协助设计师能精准地为客户提供有效的产品服务系统整体解决方案,针对其客户流失预测问题,提出了一种改进粒子群算法与支持向量机相结合的客户流失预测方法（IPSO-SVM）。该方法包括构建了产品服务系统客户流失模型及IPSO-SVM算法模型。首先,IPSO-SVM算法采用粒子位置表示支持向量机的参数,并基于Sobol序列对粒子群位置与速度初始化,然后位置更新时引入动态自适应非线性惯性权重的方法。最后,以某高档数控机床公司客户流失状态为案例,通过与BPNN、SVM、PSO-SVM进行比较,验证所提方法在该数控机床产品服务系统客户流失模型中的有效性与可行性。