華爾天 劉 勰 倪鴦丹

浙江工商大學，杭州，310018

0 引言

產品演進設計主要源于兩個方面：一是設計知識的發(fā)展，使產品更好地體現(xiàn)科技進步的最新成果；二是客戶需求的發(fā)展，使產品更好地體現(xiàn)消費理念、消費方式和消費層次的進步。目前，這一問題的研究主要集中在：①關于專家、設計師、產品設計知識庫之間的知識集成［1－4］，如谷建光等［1］為實現(xiàn)產品設計知識的完整獲取，研究了產品實例設計知識與領域專家設計經驗相結合的知識獲取技術，趙鋒等［2］提出了一種面向產品創(chuàng)新設計的廣義專家群體知識獲取的思路及方法；②關于客戶需求的研究［5－8］，如楊潔等［5］建立了一種產品創(chuàng)新設計中的客戶知識集成模型，提出了基于“問題域－功能域”的客戶知識轉換方法，同時使用本體理論對客戶知識進行建模，魏敏等［6］針對客戶需求行為問題，提出了基于目的－價值的客戶需求模型。但對客戶之間、客戶需求與現(xiàn)有產品設計知識之間、客戶需求與產品設計過程等方面的研究尚涉及甚少，在客戶需求分析、最新設計知識應用及兩者的結合方面，還缺乏一定的理論和應用技術。

本文引入數(shù)據(jù)融合的思想，提出了一種基于客戶需求的交互式數(shù)據(jù)融合技術，通過客戶層的數(shù)據(jù)融合和產品設計變量指標集之間的數(shù)據(jù)融合，解決了產品演進設計中客戶需求與產品設計知識的融合問題。

1 交互式數(shù)據(jù)融合技術

數(shù)據(jù)融合是一種多源數(shù)據(jù)綜合處理技術，即將系統(tǒng)中若干相同類型或不同類型的信息源所提供的相同或不同形式、同時刻或不同時刻的測量信息加以分析、處理與綜合，得到被測對象全面、一致的估計。數(shù)據(jù)融合技術自20世紀70年代提出以后，廣泛應用于軍事、工業(yè)、醫(yī)學、交通和金融等諸多領域，目前的研究主要集中在以傳感設備作為信息源的數(shù)據(jù)融合上［9－11］。本文將數(shù)據(jù)融合技術引入到產品演進設計領域，將顧客需求、產品設計知識等作為數(shù)據(jù)源進行數(shù)據(jù)融合，包括客戶層的數(shù)據(jù)融合和產品設計變量指標集的數(shù)據(jù)融合兩個方面。

1.1 客戶層的數(shù)據(jù)融合

客戶層的數(shù)據(jù)融合包括設計變量權重的融合、各設計變量指標評價的融合、客戶評價的融合三個部分。客戶層數(shù)據(jù)融合模型如圖1所示，其中，①表示使用Delphi法和Kano模型進行設計變量權重的融合，②表示使用模糊綜合評價法進行各設計變量指標評價的融合，③表示客戶評價的融合。

圖1 客戶層數(shù)據(jù)融合模型

1．1．1 基于Delphi法和Kano模型的設計變量權重融合

Delphi法［12－13］是利用專家集體智慧來確定各因素在評價問題或者決策問題中的重要程度的有效方法。Kano模型［14］以顧客滿意度為依據(jù)，將客戶需求分為基本型、期望型、興趣型三種類型，不同類型的需求重要程度不一樣。本文使用Delphi法并結合Kano模型確定設計變量的權重。

令設計變量集U ＝ ｛u1，u2，…，um｝，融合步驟如下：

（1）使用Delphi法得到設計變量權重，記為A ＝ ｛a′1，a′2，…，a′m｝；

（2）使用Kano模型將設計變量進行分類，記為C＝ ｛c1，c2，…，cm｝，其中，當ui分別為基本型、期望型和興趣型時，ci相應地分別為1、2和3；

（3）進行設計變量權重的融合，得A＝ ｛a′1，a′2，…，a′m｝，其中，

1．1．2 基于模糊綜合評價法的各設計變量指標評價的融合

模糊綜合評價［13，15］的基本思想是利用模糊線性變換原理和最大隸屬度原則，考慮與被評價目標相關的各個因素，對其做出合理的綜合評價。

1．1．3 基于支持度的客戶評價的融合

演進設計的關鍵是確定產品各類定量、定性設計變量的指標。設計變量指標通過交互的方式讓客戶評價，根據(jù)評價結果確定設計變量指標的適用性，將客戶需求更加直接地融入到產品設計中，為產品設計提供依據(jù)。

客戶對產品設計變量指標集V的支持程度用SUPPORT（V）來度量，0≤SUPPORT（V）≤1。SUPPORT（V）越大，說明支持該設計變量指標集的客戶人數(shù)越多，也說明該設計方案越符合客戶需求；反之，SUPPORT（V）越小，則說明支持該設計變量指標集的客戶人數(shù)越少。因此，設計師需要及時對設計指標進行改進，以滿足客戶需求。

客戶評價融合的步驟如下：

（1）計算每個客戶對該產品設計變量指標集的評價結果，設第i個顧客對該設計變量指標集總評價為vt（i＝1，2，…，p；t＝1，2，…，n），其中，p為客戶的個數(shù)；n為評價集中評語的個數(shù)。

（2）計算綜合評價矩陣T：

1.2 基于客戶需求的設計變量指標集數(shù)據(jù)融合

1．2．1 單個設計變量指標的綜合評價

交互方式除了能得到所有客戶對設計變量指標集的支持度外，還可以得到所有客戶對每個設計變量指標的總評價，根據(jù)評價值，幫助設計師選擇支持度高的設計變量指標，將其融入下次設計中，而對評價值低的設計變量指標進行改進，從而提高整個產品的客戶滿意度。

對設計變量指標vk（k＝1，2，…，m）進行評價，步驟如下：

（1）構造矩陣M：

式中，mij（i＝1，2，…，p；j＝1，2，…，n）為第i個顧客對設計變量指標vk的第j個評語的評價。

（2）計算Mj：

再對（M′1，M′2，…，M′n）歸一化處理得（M1，M2，…，Mn）

（3）計算設計變量指標vk總評價：

1．2．2 設計變量指標集之間的數(shù)據(jù)融合

在產品設計中我們把每個產品設計變量指標集作為一個數(shù)據(jù)源，不同設計變量指標集之間存在不同的設計信息，只有將各設計變量指標集融合在一起，才能設計出高質量的產品。

假設設計變量集U ＝ ｛u1，u2，…，um｝，設計變量權重集 A ＝ ｛a1，a2，…，am｝?，F(xiàn)有兩個設計變量 指 標 集：Vi＝ ｛vi1，vi2，…，vim｝，Vj＝ ｛vj1，vj2，…，vjm｝。設計變量指標集Vi和Vj的評分集分別為 Ci＝ ｛Ci（vi1），Ci（vi2），…，Ci（vim）｝，Cj＝｛Cj（vj1），Cj（vj2），…，Cj（vjm）｝。設計變量指標集Vi和Vj的支持度分別為SUPPORT（Vi）和SUPPORT（Vi）。 假 設 SUPPORT（Vi） ≥SUPPORT（Vj），則設計變量指標集Vi和Vj之間的數(shù)據(jù)融合算法如下：

輸入：A，Vi，Vj，Ci，Cj

輸出：Vt＝ ｛vt1，vt2，…，vtm｝

（1）A′←A，Vt←Vi，flag ＝0

（2）for（k＝1；k≤ m；k＋＋） DO BEGIN

（3）找出A′中值最大的元素對應的下標，記為q

（4） IF viq≠vjqDO BEGIN

（5） IF Cj（vjq）＞Ci（viq）DO BEGIN

（6） vtq＝vjq；

（7） flag ＝1；

（8） END

（9） END

（10）DELETE aqFROMA

（11）IF flag ＝1THEN RETURNVt

（12）END

（13）RETURNVt

該算法是將兩個設計變量指標集進行融合形成一個新的設計變量指標集，這個新的設計變量指標集結合原先兩個指標集的優(yōu)勢，因此它更符合顧客的需求。如果指標集Vi的支持度大于指標集Vj的支持度，則首先尋找集合A中取值最大的元素，得到權重最大的設計變量uq，比較指標集Vi和Vj在該設計變量上的指標viq、vjq，以及客戶評價值Ci（viq）、Cj（vjq）；如果viq≠vjq且Cj（vjq）＞Ci（viq），則用vjq形成新的指標集Vt，否則繼續(xù)尋找集合A中取值次大的元素，得到權重第二的設計變量。重復上述步驟直到產生新的指標集為止。這樣得到的新指標集在保持大部分設計不變的前提下，引進其他指標集中比較好的設計部分，使得設計向著更好更符合顧客需求的方向前進。

2 基于交互式數(shù)據(jù)融合技術的產品演進設計過程

首先，根據(jù)提出的設計要求在設計知識庫中搜索相似的設計變量指標集；其次，對得到的指標集進行比較并選出相似度較高的指標集；再次，對指標集進行顧客評價，如果滿足顧客的要求，那么就得到最終的指標集，如果不滿足，則對指標集的各指標進行重新調整生成新的指標集。重復以上步驟，直至得到最終指標集。演進設計的具體流程如圖2所示。

圖2 產品演進設計流程圖

基于交互式數(shù)據(jù)融合技術的產品演進設計具體過程如下：

（1）提出設計要求。

（2）搜索設計知識庫，查找與設計要求相似的設計變量指標集，選取與設計要求最相近的s個設計變量指標集設為V ＝ ｛V1，V2，…，Vs｝，其中Vi＝ ｛vi1，vi2，…，vim｝，i＝1，2，…，s，m 為設計變量的個數(shù)。

（3）從V中選取兩個指標集，記為V′＝｛Vi，Vj｝，（i＝1，2，…，s；j＝1，2，…，s；i≠j）。

（4）通過交互的方式讓顧客對V′中各指標集進行評價。

（5）采用1．1．3介紹的客戶評價的融合方法計算各指標集的支持度。

（6）設ε為最小支持度，它表示支持該指標集的最小客戶百分數(shù)，其一般根據(jù)實際情況進行取值，當某指標集Vl的SUPPORT（Vl）≥ε，其中Vl∈V′，則說明該指標集符合用戶要求，演進設計結束，轉到步驟（10），否則轉下一步。

（7）采用1．2．2介紹的設計變量指標集之間的數(shù)據(jù)融合方法對V′中的指標集進行融合形成一個新的指標集，記為A。

（8）隨機選取V中的某指標集Vi，隨機選取指標vij（i＝1，2，…，s；j＝1，2，…，m），改變指標vij的值，得到新的指標集，記為B。

（9）令V′＝ ｛A，B｝，轉到步驟（4）。

（10）結束。

3 應用舉例

為驗證本論文提出的方法的可行性，以家用電冰箱為例進行演進設計。選擇電冰箱8個主要設計變量：總有效容積（L）、冷藏室有效容積（L）、冷凍室有效容積（L）、耗電量（kW／h）、冷凍能力（kg／h）、氣候類型、溫控方式、外觀。設計要求：總有效容積為中等大小，銷售價格在3300元／臺左右，冷凍能力為中等，耗電量小于0．6kW／h。根據(jù)設計要求，搜索設計知識庫，得到4個比較符合要求的設計變量指標集，如表1所示。

表1 相似產品設計變量指標集

根據(jù)1．1．1介紹的方法計算電冰箱8個設計變量的權重，結果如表2所示。選擇指標集V1和V2，讓用戶對這兩個指標集進行評分，各設計變量指標的評分集分為5個等級，即很滿意、滿意、一般、不滿意、很不滿意。設ε＝80%（為支持度閾值，當某指標集的SUPPORT（V1）≥ε，說明客戶對該指標集比較滿意，否則需要對其進行改進），參與評價的客戶人數(shù)為32人，得到指標集V1和指標集V2的支持度：

SUPPORT（V1）＝65．63%

SUPPORT（V2）＝71．87%

由于兩個指標集的支持度都小于80%，所以需要對其進行改進，根據(jù)1．2．1介紹的方法得到所有客戶對兩個指標集中每個設計變量指標的評價表，如表2、表3所示。其中，各指標總評價C（vk）滿足1≤C（vk）≤5，如果C（vi）＜C（vj），則說明設計變量指標vi比設計變量指標vj更受客戶的歡迎，這里k＝1，2，…，8；i＝1，2，…，8；j＝1，2，…，8；i≠j。

表2 所有客戶對指標集V1中每個設計變量指標的評價表

表3 所有客戶對指標集V2中每個設計變量指標的評價表

使用1．2．2中提出的設計變量指標集之間的數(shù)據(jù)融合算法產生新的指標集，并按本文所介紹的步驟重復執(zhí)行直至得到滿意的結果，如表4所示。

表4 最終產品設計變量指標集

最終得到的設計變量指標集符合先前提出的設計要求，并且與其余指標集相比，客戶支持度最高，為SUPPORT（Vfinal）＝86．42%，在實際中與該指標集具有相似設計變量指標的電冰箱，它銷售情況也很好，很受客戶的喜歡。因此將數(shù)據(jù)融合概念引入到產品演進設計中，通過交互式數(shù)據(jù)融合技術實現(xiàn)產品設計知識的優(yōu)化是一個可行的方法。

4 結論

本文將數(shù)據(jù)融合思想應用于演進設計中，通過交互設計獲得客戶的評價?；诳蛻粼u價，通過客戶層數(shù)據(jù)融合將不同客戶對產品的評價進行綜合處理，獲得總體評價結果，并將評價結果作為判斷依據(jù)用于產品設計變量指標集的融合。通過設計變量指標集之間的數(shù)據(jù)融合得到符合用戶需求的產品變量指標集。此方法解決了產品演進設計中客戶需求與產品設計知識的融合問題，提高了產品設計的先進性和適用性。

［1］ 谷建光，張為華，解紅雨．實例與經驗相結合的產品設計知識獲取技術［J］．計算機集成制造系統(tǒng)，2008，14（3）：417－424．

［2］ 趙鋒，何衛(wèi)平，秦忠寶，等．面向產品創(chuàng)新設計的廣義專家群體知識獲?。跩］．計算機集成制造系統(tǒng)，2009，15（9）：1684－1689．

［3］ 朱玉屏，劉麗蘭，俞濤．基于知識融合技術的產品設計知識模型研究［J］．計算機應用研究，2009，15（9）：3235－3238．

［4］ 李迎光，萬世明，周儒榮．機械產品集成設計知識模型的研究與應用［J］．機械科學與技術，2005，24（1）：79－85．

［5］ 楊潔，楊育，趙川，等．產品創(chuàng)新設計中基于本體理論的客戶知識集成技術研究［J］．計算機集成制造系統(tǒng)，2009，15（12）：2303－2311．

［6］ 魏敏，李江，萬映紅．基于目的價值的客戶需求建模研究與實證［J］．清華大學學報（自然科學版），2006，46（增刊1）：1172－1177．

［7］ 耿秀麗，褚學寧，張在房．基于顧客需求滿足度的產品總體設計方案評價［J］．上海交通大學學報，2009，43（12）：1923－1929．

［8］ 荊冰彬，齊二石，敬春菊．產品的顧客價值及需求強度分析［J］．天津大學學報（社會科學版），2001，3（3）：251－253．

［9］ 盧迪，姚郁，賀風華．多傳感器交互式多模型系統(tǒng)中數(shù)據(jù)融合的一種算法［J］．電機與控制學報，2004，8（2）：137－141．

［10］ 康耀紅．數(shù)據(jù)融合原理與應用［M］．西安：西安電子科技大學出版社，1997．

［11］ 劉同明，夏祖勛．數(shù)據(jù)融合技術［M］．北京：國防工業(yè)出版社，1995．

［12］ 陳衛(wèi)，方廷健，馬永軍，等．基于Delphi法和AHP法的群體決策研究及應用［J］．計算機工程，2003，29（5）：18－20．

［13］ 陳水利，李敬功，王向公．模糊集理論及其應用［M］．北京：科學出版社，2005．

［14］ Kano N，Seraku F，Tsuji S．Attractive Quality and Must－be Quality［J］．The Journal of the Japanese Society for Quality Control，1984，14（2）：39－48．

［15］ 肖克，戚湧，李千目．基于AHP和模糊綜合評判的信息安全風險評估［J］．計算機工程與應用，2009，45（22）：82－85.