蘇 珂，崔 元

(1.齊魯工業(yè)大學(山東省科學院) 山東省科學院自動化研究所，山東 濟南 250013；2.齊魯工業(yè)大學(山東省科學院) 藝術設計學院,山東 濟南 250353;3.齊魯工業(yè)大學(山東省科學院) 機械與汽車工程學院，山東 濟南 250353)

0 引言

大數(shù)據(jù)時代下，用戶個性化需求的海量數(shù)據(jù)以及產(chǎn)品使用環(huán)境的復雜性為產(chǎn)品創(chuàng)新的設計分析帶來了巨大的機遇和挑戰(zhàn)。產(chǎn)品傳遞信息的對象以及產(chǎn)品所處環(huán)境中的社會或文化因素是TRIZ的超系統(tǒng)資源[1]。通過分析超系統(tǒng)資源與產(chǎn)品間的相互作用，預測產(chǎn)品未來超系統(tǒng)，可以構(gòu)建潛在使用場景，獲取用戶反饋，幫助設計師快速、準確地挖掘用戶需求[2]。

用戶集群概念由菲利普·科特勒等[3]提出，指的是將具有相似屬性的用戶集合內(nèi)的功能屬性認知偏好相似度高的用戶進行聚類，獲取的集群即為具有相似認知的用戶集群。從用戶集群的角度對用戶需求進行研究，可更好地挖掘用戶的顯性和隱性需求[4]。

目前，國內(nèi)外針對用戶需求獲取取得了一定成果。代海濤[5]在交互設計中通過創(chuàng)建用戶角色形象并應用于情景劇本，構(gòu)建基于場景的情景演繹法，采用情感分析與潛意識分析方法綜合獲取用戶需求；張青等[6]通過將擴展功能—行為—結(jié)構(gòu)(Feature-Behavior-Structure, FBS)模型融入產(chǎn)品設計過程中，明確了用戶模糊需求并對其求解；王晨等[7]通過分析并構(gòu)建需求本體的方法對用戶需求進行了拓展，從個體多維度獲取了用戶對車輛轉(zhuǎn)向器的需求并進行了產(chǎn)品設計。上述用戶需求獲取方法大多使用個體需求進行分析建模，未能針對用戶集群需求進行分析。蘇建寧等[8]通過用戶特征信息建立了用戶集群，獲取了用戶集群偏好，并通過區(qū)分新用戶所在集群確定其需求；劉星辰等[9]通過文本挖掘的方法，將具有近似屬性的用戶進行集群劃分，并構(gòu)建典型用戶畫像，為創(chuàng)新設計提供方法。上述用戶集群劃分方法只針對用戶特征信息，未能對具有近似認知的用戶進行集群研究。曹國忠等[10]建立了用戶產(chǎn)品使用本能層與行為層場景，并將用戶反思層情感顯性化，確定用戶需求；張建輝等[11]將TRIZ中需求進化定律與技術進化定律相結(jié)合，建立了產(chǎn)品用戶需求獲取模型，并對帶式輸送機進行了優(yōu)化設計；KAHKASHAN等[12]通過對早期產(chǎn)品間差異度與共同性的分析，計算了用戶差異化指數(shù)，在產(chǎn)品早期階段預測用戶需求。以上需求獲取方法大部分停留在用戶現(xiàn)有的使用場景中，未能對用戶潛在使用場景與潛在用戶進行需求分析。

針對以上問題，本文提出相似認知用戶集群的概念，構(gòu)建了一種面向相似認知用戶集群的TRIZ超系統(tǒng)資源需求預測與獲取模型。該模型通過F-Kano對用戶顯性需求進行分類，使用K-modes算法建立具有相似認知的用戶集群，確定產(chǎn)品初期設計意象；通過現(xiàn)有產(chǎn)品使用情景，獲取影響用戶認知的用戶屬性與產(chǎn)品使用環(huán)境屬性兩種超系統(tǒng)資源，在不改變用戶認知類型的前提下，對于目標群體現(xiàn)有產(chǎn)品未能滿足的資源進行預測；應用Norman的產(chǎn)品認知模型分析用戶認知與系統(tǒng)資源關系，建立產(chǎn)品潛在使用場景；通過新環(huán)境的用戶認知反饋，確定用戶需求結(jié)果。本文為設計師提供一種新的產(chǎn)品需求獲取方式，可以更準確地獲取用戶需求，提高用戶體驗滿意度與興奮度，增加企業(yè)市場競爭力。

1 基于用戶認知相似度的用戶集群獲取

1.1用戶需求獲取與分類

用戶需求可以分為顯性需求、隱性需求和潛在需求[13]。NORMAN[14]認為，用戶對產(chǎn)品的認知可以由淺層生理感受至深層心理反思自下而上地分為感官層、行為層和反思層。用戶顯性需求是用戶在產(chǎn)品的使用過程中，在感覺器官接觸反饋、使用過程行為反饋、所處環(huán)境心理反思3種認知層次下能夠明確認識并主動提出的需求；隱性需求是由于用戶自身認知程度混亂，認知深度較淺，在感知交互中已經(jīng)存在但無法明確表達或尚未意識到的需求[15]；潛在需求，是現(xiàn)有產(chǎn)品未能發(fā)現(xiàn)并滿足已經(jīng)存在特殊用戶屬性與使用環(huán)境，且用戶現(xiàn)有認知并未能深入認識從而產(chǎn)生的需求，屬于較深層次的隱性需求[16]。用戶需求的發(fā)現(xiàn)程度與用戶自身認知深度相關，對于用戶產(chǎn)品認知流程進行分析，能夠獲取用戶未能發(fā)現(xiàn)的深層次潛在需求。

1.2 具有相似認知的用戶集群

用戶集群指的是具有相似屬性的用戶集合[3]，由于用戶需求來自于其產(chǎn)品認知過程，根據(jù)過程中每個用戶所具有的環(huán)境屬性與用戶自身屬性對現(xiàn)有產(chǎn)品特殊要求，可以得到用戶對于產(chǎn)品不同功能屬性的認知偏好傾向；以用戶產(chǎn)品功能屬性認知偏好傾向作為用戶集群的判斷屬性，將集合內(nèi)功能屬性認知偏好相似度高的用戶進行聚類，所獲取的集群即為具有相似認知的用戶集群。對于具有相似認知的集群內(nèi)用戶，其對產(chǎn)品設計方向與功能滿足度順序存在共同要求，同時其使用環(huán)境與用戶屬性存在較高的相似性。GUO等[1]指出，在需求預測過程中對用戶現(xiàn)有顯性需求與用戶屬性統(tǒng)計越豐富、精確，在此基礎上進行潛在需求預測的準確度與可靠性就越高。同時，隨著用戶數(shù)據(jù)規(guī)模和維度的大幅增長，從用戶集群角度對用戶屬性進行聚類分析，能夠?qū)τ脩糍Y源屬性進行更加詳細的統(tǒng)計與挖掘[17]。因此，對具有相似顯性需求屬性的用戶建立集群，統(tǒng)計其超系統(tǒng)資源屬性，可以獲取較為精確且有針對性的環(huán)境資源；在此基礎上構(gòu)建潛在使用場景，可以在滿足集群用戶產(chǎn)品設計共同訴求的基礎上，對產(chǎn)品進行合理的創(chuàng)新設計，設計流程如圖1所示。

1.3 用戶顯性需求模糊Kano優(yōu)化

Kano模型表述了用戶對于不同需求的滿意度傾向，而模糊Kano模型針對用戶需求具有模糊性與不確定性的特點，允許顧客對多個調(diào)查項賦予模糊滿意值，綜合計算各傾向滿意值后，能夠獲取用戶對于某項需求的認知類型[18]。模糊Kano模型根據(jù)用戶對需求的滿意度，將其分為5類，本文選取基本型需求(M)、期望型需求(O)、興奮性需求(A)3類作為產(chǎn)品主要關注需求。在計算過程中，為了提高需求分析的準確度，根據(jù)調(diào)查情況與經(jīng)驗，需設定用戶模糊需求閾值α，當需求分布值ti,j≥α時，取ti,j=1，否則ti,j=0。當顧客有多種需求偏向時，按基本型、期望型、興奮型、無關型優(yōu)先度進行排列選取。使用模糊Kano方法對用戶顯性需求進行優(yōu)化，可以獲取用戶需求重要度排序，從而得到用戶產(chǎn)品設計意向與認知類型。

1.4 基于K-modes方法的用戶集群構(gòu)建

由于處理后的用戶需求類型屬于類別型數(shù)據(jù)，適合使用K-modes算法對用戶進行聚類分析。用戶差異度定義為：

(1)

式中dK(xi,zl)表示用戶xi與集群中心zi之間的差異度；

(2)

K-modes算法通常采用誤差平方和作為算法終止條件：

(3)

其中：

(4)

當目標函數(shù)T完成收斂時，用戶集群劃分結(jié)束。選取集群中心用戶屬性作為該用戶集群顯性需求屬性，以便進行產(chǎn)品潛在需求分析。

2 基于超系統(tǒng)資源演化與潛在情景構(gòu)建的用戶需求獲取

TRIZ系統(tǒng)論認為，每個技術系統(tǒng)都由若干子系統(tǒng)組成，并通過子系統(tǒng)之間的相互作用實現(xiàn)一定的功能；而系統(tǒng)所在環(huán)境的信息因素稱為超系統(tǒng)，超系統(tǒng)通過與產(chǎn)品系統(tǒng)之間的相互作用對產(chǎn)品系統(tǒng)提出要求[5]。由設計驅(qū)動的產(chǎn)品創(chuàng)新應當重視產(chǎn)品對周圍環(huán)境信息因素的表達與反饋[1]，產(chǎn)品的使用環(huán)境超系統(tǒng)因素決定了用戶對于產(chǎn)品的認知傾向與具體需求。對產(chǎn)品的未來超系統(tǒng)資源進行預測，能夠構(gòu)建潛在產(chǎn)品使用場景，將其與用戶認知層次之間相互作用進行分析，以獲取用戶尚未發(fā)現(xiàn)與產(chǎn)品尚未滿足的需求。

2.1 用戶超系統(tǒng)資源預測

根據(jù)超系統(tǒng)資源與用戶產(chǎn)品使用環(huán)境關系，本文在產(chǎn)品現(xiàn)有超系統(tǒng)基礎上，對用戶自身屬性與產(chǎn)品環(huán)境因素兩種超系統(tǒng)資源進行分析預測。下面詳細介紹產(chǎn)品超系統(tǒng)資源預測過程。

2.1.1 根據(jù)聚類結(jié)果的超系統(tǒng)資源選取

選取目標用戶集群kn，獲取具有相似需求傾向的用戶集群超系統(tǒng)資源。根據(jù)產(chǎn)品的不同，統(tǒng)計目標集群內(nèi)用戶屬性，如性別、年齡、職業(yè)、受教育程度、產(chǎn)品使用習慣等，建立集合En,(n=1,2,…,n)；統(tǒng)計集群內(nèi)用戶使用環(huán)境屬性，使用環(huán)境屬性一般分為使用區(qū)域社會屬性與具體使用場所物理屬性。使用區(qū)域社會屬性即使用地社會文化屬性，分為風俗習慣、當?shù)匚幕龋皇褂脠鏊奈锢韺傩钥煞譃闇囟取穸?、光照、空間大小、高度等。選取產(chǎn)品使用區(qū)域?qū)傩耘c具體使用場所屬性并建立集合F1、F2。其中，F(xiàn)1={使用地社會文化屬性}；F2={使用場所物理屬性}。

2.1.2 產(chǎn)品潛在超系統(tǒng)資源獲取

(1)根據(jù)目標用戶集群超系統(tǒng)屬性調(diào)查結(jié)果，構(gòu)建現(xiàn)有產(chǎn)品超系統(tǒng)資源表達式。

現(xiàn)有產(chǎn)品超系統(tǒng)資源屬性表達式為：

(5)

式中：P為產(chǎn)品超系統(tǒng)資源屬性；E為用戶超系統(tǒng)資源；F為環(huán)境超系統(tǒng)資源；ei(i=1,2,…,m)為用戶超系統(tǒng)資源屬性；vj(j=1,2,…,n)為環(huán)境超系統(tǒng)資源屬性。

(2)對每種超系統(tǒng)資源屬性，根據(jù)用戶集合En與集合Fn屬性類型，通過對現(xiàn)有產(chǎn)品全部超系統(tǒng)資源調(diào)查與設計師的分析補充，建立超系統(tǒng)資源類型可能性全集UEx、UFx。

(3)選取可進行預測的超系統(tǒng)資源，對其進行可拓展性分析。根據(jù)現(xiàn)有產(chǎn)品尚未滿足的超系統(tǒng)資源屬性，建立集合En與集合Fn在全部可能性資源屬性集合下的超系統(tǒng)資源補集?UEn、?UFn。分析補集中資源屬性與用戶集群需求傾向的相容性，整理符合集群需求傾向的潛在超系統(tǒng)資源，建立潛在超系統(tǒng)資源集合。

(4)更新產(chǎn)品潛在超系統(tǒng)資源表達式P′。若環(huán)境中資源補集?UEn存在，則證明產(chǎn)品存在未被發(fā)現(xiàn)的潛在用戶；若環(huán)境中資源補集?UFn存在，則證明產(chǎn)品存在未被應用的潛在使用環(huán)境。根據(jù)拆品潛在超系統(tǒng)資源表達式P′，組合潛在超系統(tǒng)資源，在集群認知傾向不變的情況下進行需求獲取。

2.2 基于用戶認知的使用場景資源分解

2.2.1 目標產(chǎn)品子系統(tǒng)分析

選取典型目標產(chǎn)品，分析各部分功能作用，使用魚骨法將其劃分為不同子系統(tǒng),如圖2所示。將每個子系統(tǒng)按功能細化為功能元件，以便下一步對用戶認知—系統(tǒng)相關作用進行分析。

2.2.2 基于用戶認知的資源相關作用分析

基于產(chǎn)品使用流程分解，獲取用戶行為層反饋，如圖3所示。用戶行為層的認知來自于用戶在產(chǎn)品使用過程中產(chǎn)品功能對于用戶需求以及產(chǎn)品環(huán)境信息的響應。獲取行為層需求時，建立用戶產(chǎn)品使用流程分解，分析子行為中用戶在潛在超系統(tǒng)資源下對產(chǎn)品的行為意圖以及作用子系統(tǒng)，獲取對于現(xiàn)有產(chǎn)品的用戶行為層反饋。

基于行為—系統(tǒng)交互獲取感官層反饋，如圖4所示。感官層的認知來自于產(chǎn)品使用過程中用戶感覺器官受到產(chǎn)品整體以及子系統(tǒng)的信息刺激。獲取感官層需求時，建立用戶使用流程分解，分析產(chǎn)品子系統(tǒng)與用戶感覺器官的交互以及特殊物理超系統(tǒng)資源對感覺器官的刺激，獲取對于現(xiàn)有產(chǎn)品的用戶感官層反饋。

基于反思—系統(tǒng)交互獲取反思層反饋，如圖5所示。反思層的認知，來自于用戶所在的社會環(huán)境對于用戶自身認知的要求與反饋。獲取反思層需求時，將用戶自身屬性代入社會環(huán)境中，分析用戶所在社會層次對于用戶自身所產(chǎn)生的作用，以及用戶自身審美、價值認同等個人屬性，獲取對于現(xiàn)有產(chǎn)品的用戶反思層反饋。

2.3 基于用戶集群傾向相關性的可拓展超系統(tǒng)資源選取

在預測超系統(tǒng)資源的過程中，應保持用戶需求傾向不發(fā)生改變。根據(jù)現(xiàn)有產(chǎn)品中超系統(tǒng)資源與用戶需求傾向的反饋關系，建立系統(tǒng)資源—高傾向需求相關度矩陣，確定可進行拓展分析并建立潛在使用場景的超系統(tǒng)資源。

2.4 用戶潛在使用場景構(gòu)建與分析

利用預測超系統(tǒng)資源，構(gòu)建用戶產(chǎn)品使用潛在環(huán)境，分析新環(huán)境下用戶產(chǎn)品使用過程，獲取現(xiàn)有產(chǎn)品難以滿足的潛在用戶需求。根據(jù)用戶子系統(tǒng)分解、行為分解、感官層反饋與行為層反饋，結(jié)合系統(tǒng)超資源預測結(jié)果，建立基于用戶使用行為樹的產(chǎn)品潛在使用場景并獲取潛在需求，如圖6所示。建立新環(huán)境下子功能需求—元件滿足度矩陣，如表1所示。表1中，顯著滿足標記為++，部分滿足為+，無關標記為/，完全無法滿足標記為-。通過矩陣分析元件與子需求之間的關系和需求滿足程度，確定因無法滿足潛在需求而需進行創(chuàng)新設計的子系統(tǒng)元件，從而進行針對性設計。

表1 需求滿足關系矩陣

續(xù)表1

3 面向相似認知集群的系統(tǒng)資源用戶需求獲取模型

面向相似認知集群的系統(tǒng)資源用戶需求獲取模型如圖7所示。

面向相似認知集群用戶的系統(tǒng)資源用戶需求獲取模型基本流程如下：

(1)獲取需進行創(chuàng)新設計產(chǎn)品現(xiàn)有用戶顯性需求，并對用戶需求進行模糊Kano優(yōu)化，完成認知信息的處理。

(2)通過K-modes方法分析處理后的用戶需求數(shù)據(jù)，建立相似認知用戶集群，獲取具有相似認知的用戶超系統(tǒng)資源，為下一步超系統(tǒng)資源預測建立基礎。

(3)確定需要研究的用戶認知類型集群，在現(xiàn)有用戶集群超系統(tǒng)資源的基礎上對其進行收集、分析和預測，獲取尚未發(fā)現(xiàn)潛在超系統(tǒng)資源。

(4)在超系統(tǒng)資源預測的結(jié)果上，將產(chǎn)品進行子系統(tǒng)分解，構(gòu)建新環(huán)境下用戶行為樹，分析新環(huán)境下用戶感官層與反思層作用關系以及感受。

(5)在感官分析與元件需求相互關系基礎上，建立產(chǎn)品潛在使用場景，逐步分析用戶潛在環(huán)境產(chǎn)品使用流程，獲取用戶潛在需求。通過對用戶潛在使用場景的分析預測，可以科學地獲取用戶潛在需求，提供產(chǎn)品創(chuàng)新目標。

4 實例研究

圓捆機是一種能夠?qū)斩挕⒛敛莸绒r(nóng)作物進行高效收集、切割、打捆、包膜等工作的農(nóng)用機械。某企業(yè)要求在現(xiàn)有圓捆機的基礎上，面對具有高性能需求的用戶對產(chǎn)品進行創(chuàng)新設計，以滿足潛在市場需求。

4.1 用戶集群分析

(1)通過模糊Kano方法明確用戶顯性需求傾向。通過對市面上常見的圓捆機進行功能特點分析，獲取以下圓捆機用戶顯性需求，如表2所示。發(fā)放模糊Kano問卷，對用戶需求屬性以及用戶年齡、性別、受教育程度、使用環(huán)境、社會環(huán)境進行調(diào)查，部分受調(diào)查用戶用戶基本屬性如表3所示。共發(fā)放模糊Kano問卷80份，回收有效問卷72份。將調(diào)查問卷進行模糊Kano計算，用戶模糊需求閾值α設置為0.4[19],對照模糊Kano需求分類表，獲取用戶個人顯性需求傾向。

表2 調(diào)查的顯性需求

續(xù)表2

(2)在用戶需求分類基礎上，使用K-modes方法，對用戶進行基于相似認知類型的種群聚類。將用戶顯性需求作為聚類因子進行用戶聚類。將模糊Kano優(yōu)化的用戶需求偏好數(shù)據(jù)導入MATLAB軟件，使用K-modes算法對調(diào)查用戶進行基于認知分類的屬性聚類，由式(3)和式(4)得到用戶集群={k1,k2,k3,k4}，對其進行特征歸納，得到用戶群體認知偏好標簽，如表4所示。

表3 超系統(tǒng)資源統(tǒng)計

表4 用戶集群分類表

4.2 用戶超系統(tǒng)資源統(tǒng)計與預測

分析目標用戶集群超系統(tǒng)信息，在不影響用戶認知類型的情況下，選取存在進化拓展可能性的超系統(tǒng)資源。本文選取目標用戶群為K3(高價值及高性能需求型)，該集群中的用戶基本型需求為{FR1、FR2、FR4、ER1、ER3、ER4}，期望型需求為{FR3、FR6、SR1、SR2、VR2、VR3、ER2}，興奮型需求為{FR5、FR7、VR1}。統(tǒng)計問卷中用戶群體超系統(tǒng)資源，如表3所示。根據(jù)式(5)，構(gòu)建現(xiàn)有產(chǎn)品超系統(tǒng)資源表達式建立系統(tǒng)資源—高需求傾向相關性矩陣，如表5所示。根據(jù)用戶認知水平與集群用戶需求類型，在保證用戶高價值高性能認知的基礎上，選擇用戶年齡、種植環(huán)境、作業(yè)環(huán)境、地形、主要農(nóng)作物5種超系統(tǒng)資源建立可能性全集，進行拓展性分析。用戶資源方面，對于用戶年齡屬性，存在較年輕(15～25歲年齡段)與較年老(50～65歲年齡段)兩種拓展資源。對具有該兩種屬性的用戶，存在知識水平不高、機械操作能力不強、故障處理能力較差的問題。產(chǎn)品使用環(huán)境方面，對于產(chǎn)品種植環(huán)境資源，存在較小面積種植區(qū)域拓展資源；對于作業(yè)環(huán)境資源，存在平均溫度較高、作業(yè)環(huán)境較為潮濕兩種拓展資源；對于地形資源，存在山區(qū)、丘陵、水田等拓展資源；對于目標作物，存在水稻等拓展資源。綜合獲取超系統(tǒng)拓展資源，構(gòu)建潛在產(chǎn)品超系統(tǒng)資源表達式P′，建立產(chǎn)品預測使用場景。

表5 統(tǒng)資源—高需求傾向相關性矩陣

續(xù)表5

4.3 潛在使用場景構(gòu)建與需求分析

(1)選取市場上一款較常見的拖拽式圓捆機，將其按功能結(jié)構(gòu)進行子系統(tǒng)劃分，如圖8和圖9所示。本文將圓捆機按功能不同劃為8個子系統(tǒng)，按照需求功能相關關系，選取撿拾、切割、行走、壓實4個系統(tǒng)進行重點分析。通過魚骨圖對產(chǎn)品相關子系統(tǒng)及元件進行分析，如圖10所示。

(2)結(jié)合超系統(tǒng)資源預測結(jié)果，對潛在使用環(huán)境下現(xiàn)有產(chǎn)品使用場景進行流程分解，以便逐步進行用戶認知反饋分析與需求獲取，如表6所示。

(3)場景分析與需求處理。以場景5為例，通過用戶超系統(tǒng)資源以及認知反饋，構(gòu)建產(chǎn)品各步驟使用場景，分析并獲取用戶各方面需求。獲取流程與結(jié)果如表7所示。將目標產(chǎn)品子系統(tǒng)與用戶潛在情景需求一一對應，建立如表8所示子系統(tǒng)—潛在需求相關性與滿足度矩陣，確定未能滿足新需求的子系統(tǒng)。對各使用步驟進行分析，總結(jié)用戶需求，如表9所示。

(4)針對用戶集群基本傾向需求的關鍵部位創(chuàng)新設計。以打捆裝置為例，文獻[20]認為，圓捆機打捆過程主要存在兩種故障因素：

1)秸稈卷捆鋼輥纏輥現(xiàn)象。纏輥現(xiàn)象主要是由于秸稈與鋼輥之間摩擦力不足，鋼輥間隙過大所導致；同時，提高摩擦力可以提高鋼輥對秸稈的導送能力，提高打捆的效率和質(zhì)量。針對在打捆過程中起到輸送作用的鋼輥進行創(chuàng)新優(yōu)化：在鋼輥表面設計凸棱與條板，增加鋼輥與秸稈的接觸面積，減少鋼輥間的間隙距離；采用橡膠包裹鋼輥表面，起到提高摩擦力和保護鋼輥的作用。

表6 用戶行為分解與功能反饋

表7 潛在使用場景構(gòu)建與需求分析

表8 相互作用矩陣

表9 設計要求總結(jié)

2)在打捆作業(yè)時，秸稈會滯留在打捆室側(cè)壁，對作業(yè)起到阻礙作用。對打捆室側(cè)壁進行創(chuàng)新優(yōu)化，將其設計為與秸稈工作方向相同的旋轉(zhuǎn)圓型內(nèi)壁，起到輔助秸稈輸送和解決秸稈滯留的作用。打捆裝置創(chuàng)新與工作效果如圖11和圖12所示。

(5)圓捆機創(chuàng)新方案生成與評價實現(xiàn)。針對以上提出的用戶需求，將各相關子系統(tǒng)元件進行創(chuàng)新設計并組合，獲取圓捆機創(chuàng)新方案。同時列出了市面一款較為高端的進口圓捆機，如表10所示。

表10 產(chǎn)品創(chuàng)新方案

采用有效價值分析法對方案進行評估。首先采用AHP層次分析法獲取各評價項權(quán)重，如表11所示，各項均已通過一致性檢驗。在產(chǎn)品方案評估中，絕對總評價值定義為：

(6)

(7)

其中：m為待評價的方案數(shù)；n為評價因素數(shù)；Gwj與Gwgj分別為不加權(quán)與加權(quán)評價值之和；Wij與Wgij分別為不加權(quán)與加權(quán)的單項評價值；gi為加權(quán)系數(shù)。方案加權(quán)評估如表12所示，其中方案2總評價值最高，且能適應用戶各方面潛在需求，確定其為最優(yōu)方案，示意圖如圖13所示。

表11 需求權(quán)重獲取

表12 方案評價值

5 結(jié)束語

為解決用戶認知差異性與局限性所帶來的用戶潛在需求獲取不充分的問題，本文提出一種面向相似認知用戶集群的超系統(tǒng)資源需求獲取模型。

(1)根據(jù)不同用戶自身屬性與環(huán)境屬性在認知過程中對產(chǎn)品的不同需求傾向，使用模糊Kano方法獲取用戶需求傾向，并使用K-modes方法構(gòu)建具有相似認知的用戶聚類。

(2)收集并分析聚類用戶現(xiàn)有超系統(tǒng)資源，在不改變用戶認知傾向的前提下對其進行預測。根據(jù)預測結(jié)果結(jié)合用戶認知流程構(gòu)建產(chǎn)品潛在使用場景，通過用戶行為流程分解和分解場景分析獲取用戶潛在需求，建立子系統(tǒng)—需求滿足度矩陣確定產(chǎn)品元件創(chuàng)新方向。

(3)構(gòu)建了面向相似認知用戶集群的Triz超系統(tǒng)資源需求獲取模型，將該模型應用于自走式圓捆機的設計過程中，并使用AHP和有效價值分析法對產(chǎn)品設計方案進行了評價，驗證了模型的可行性與有效性。

下一步，將針對用戶使用過程中無意識隱性需求進行更富有針對性的研究，以提高產(chǎn)品需求獲取的多樣性與深度，為產(chǎn)品創(chuàng)新提供更為有效的設計方法。