陸蔚華 孫天琪

南京航空航天大學(xué)機(jī)電學(xué)院，南京，210016

0 引言

設(shè)計(jì)決策指以目標(biāo)為基準(zhǔn)，在眾多設(shè)計(jì)方案中做出合乎邏輯的選擇，是產(chǎn)品周期中最具有決定性和預(yù)見(jiàn)性的關(guān)鍵一環(huán)[1-2]。在工業(yè)設(shè)計(jì)領(lǐng)域，高效準(zhǔn)確的設(shè)計(jì)決策起著至關(guān)重要的作用，能有效減少設(shè)計(jì)過(guò)程的無(wú)效或低效迭代，降低研發(fā)成本，提高創(chuàng)新設(shè)計(jì)的效率。工業(yè)設(shè)計(jì)決策的特點(diǎn)在于決策過(guò)程中的理性判斷融合了人的感性因素。相關(guān)決策方法需借助多學(xué)科領(lǐng)域與多方位視角，通過(guò)科學(xué)規(guī)范、客觀有效的手段綜合考慮決策的理性層與感性層。

設(shè)計(jì)決策的重要性引起了學(xué)者們的廣泛關(guān)注，相繼提出了決策相關(guān)的理論、方法與工具，如模糊理論[3]、粗糙集理論[4]、PROMETHEE法[5]、層次分析法[6]、逼近理想解排序法(TOPSIS)[7]、熵權(quán)法[8]等。現(xiàn)有方法多集中于決策的理性層，基本依賴(lài)于決策者主觀選擇得到的結(jié)果，嘗試建立統(tǒng)一的數(shù)理邏輯，用于描述和推斷備選方案的重要程度。

在主客觀多重因素的作用下，無(wú)論是專(zhuān)家個(gè)體決策，還是群體決策，設(shè)計(jì)決策問(wèn)題都表現(xiàn)出顯著的不確定性。上述方法的思路是合理分配產(chǎn)品屬性及決策者的權(quán)重，降低決策的復(fù)雜性和不確定性。如羅成對(duì)等[9]為避免模糊決策信息的失真，充分考慮決策者偏好特征，提出基于語(yǔ)義PROMETHEE的設(shè)計(jì)方案求解支持方法。因各種單一決策方法具有局限性，為了更好地面向具體研究問(wèn)題，學(xué)者們多采用不同方法的互補(bǔ)融合以提高決策結(jié)果的準(zhǔn)確程度。如吳揚(yáng)東等[10]應(yīng)用逼近理想解排序法和熵權(quán)法使復(fù)雜產(chǎn)品設(shè)計(jì)方案的決策結(jié)果更為合理；胡珊等[11]引入熵權(quán)法來(lái)修正層次分析法在確定評(píng)價(jià)指標(biāo)權(quán)重時(shí)的主觀性。

針對(duì)理性層的決策方法多考慮顯性條件下決策的現(xiàn)象和原因，從隱性知識(shí)角度研究決策的認(rèn)知與判斷機(jī)制仍有不足[12]。決策神經(jīng)科學(xué)通過(guò)對(duì)決策神經(jīng)發(fā)生機(jī)制的解讀，揭示決策行為的過(guò)程，理解不同人的認(rèn)知差異和價(jià)值準(zhǔn)則判斷，其思想、理論為決策方法研究提供了更為開(kāi)闊的視角與思路[13]。該學(xué)科的進(jìn)展從方法論的角度促進(jìn)了內(nèi)隱測(cè)量的發(fā)展。內(nèi)隱測(cè)量的技術(shù)與手段能將決策時(shí)難以表達(dá)的隱性知識(shí)量化為感知數(shù)據(jù)，結(jié)合考慮顯性知識(shí)，能最大化提高決策結(jié)果的質(zhì)量[14]。內(nèi)隱測(cè)量技術(shù)已成熟應(yīng)用的方法主要有內(nèi)隱聯(lián)想測(cè)驗(yàn)、眼動(dòng)、腦電及功能性磁共振成像，用以探查被試的真實(shí)需求、體驗(yàn)及內(nèi)部認(rèn)知加工機(jī)制，解釋想法與真實(shí)行為之間的差距[15]。

視覺(jué)是人們感知產(chǎn)品外觀最重要的感官通道，眼動(dòng)作為內(nèi)隱測(cè)量常用技術(shù)手段，具有非常好的實(shí)驗(yàn)效度，成為實(shí)時(shí)視覺(jué)感知復(fù)雜決策過(guò)程的重要研究工具[16-17]。學(xué)者們基于眼動(dòng)技術(shù)圍繞設(shè)計(jì)決策展開(kāi)了系列研究。一方面，探索視覺(jué)感知的眼動(dòng)機(jī)制，如盧國(guó)英等[18]的研究表明造成決策沖突的重要原因是不同專(zhuān)業(yè)背景的用戶(hù)在產(chǎn)品決策時(shí)的關(guān)注點(diǎn)有所差異；另一方面，探索基于眼動(dòng)技術(shù)的產(chǎn)品造型方案評(píng)估方法，如李運(yùn)等[19]提出的基于多項(xiàng)眼動(dòng)數(shù)據(jù)的產(chǎn)品造型方案評(píng)選模型，解決了產(chǎn)品造型方案評(píng)選中主觀評(píng)選結(jié)果可靠性差、客觀評(píng)選結(jié)果缺少綜合定量研究的問(wèn)題。

來(lái)源于眼動(dòng)實(shí)驗(yàn)的感知數(shù)據(jù)具有小樣本、貧信息的特點(diǎn)，屬于認(rèn)知確定、取值范圍不確定的灰數(shù)，不同于模糊數(shù)學(xué)研究的認(rèn)知不確定或粗糙集理論研究的邊界不清晰[20]。灰色決策模型對(duì)這種感知數(shù)據(jù)有很好的相容性，能利用有限的數(shù)據(jù)解釋偏好的整體演變規(guī)律。

本文從隱性知識(shí)的角度出發(fā)為決策補(bǔ)充過(guò)程量，依據(jù)眼動(dòng)追蹤技術(shù)捕獲決策者的視覺(jué)感知信息，將人模糊的感受與科學(xué)的生理測(cè)量有機(jī)結(jié)合，綜合考慮決策者權(quán)重，提出并驗(yàn)證一種融合視覺(jué)感知數(shù)據(jù)的灰色決策方法。該方法結(jié)合工業(yè)設(shè)計(jì)、人機(jī)工程、機(jī)械、心理學(xué)、統(tǒng)計(jì)等多學(xué)科知識(shí)，突破現(xiàn)有評(píng)估方法的瓶頸，可提高決策結(jié)果的可靠性和準(zhǔn)確性。

1 基于視覺(jué)感知的灰色決策方法

1.1 視覺(jué)感知認(rèn)知模型

感知是機(jī)體有選擇地對(duì)外界客觀事物進(jìn)行抽象化理解的心理反應(yīng)，即意識(shí)對(duì)內(nèi)外界信息的覺(jué)察、感覺(jué)、注意、知覺(jué)的一系列過(guò)程。如圖1所示，人們對(duì)產(chǎn)品外觀的偏好產(chǎn)生于視覺(jué)感知中有選擇的注意分配，注意與否以及注意時(shí)長(zhǎng)映射了人們對(duì)產(chǎn)品外觀的偏好和決策邏輯。

圖1 視覺(jué)感知認(rèn)知模型Fig.1 Cognitive model of visual perception

在決策的感性層，偏好按表達(dá)方式可分為外顯偏好與內(nèi)隱偏好，偏好的差異體現(xiàn)為知識(shí)的差異[21]。外顯偏好易于表達(dá)，由顯性知識(shí)轉(zhuǎn)化。內(nèi)隱偏好隱含在個(gè)體的隱性知識(shí)中，需要通過(guò)特定的實(shí)驗(yàn)設(shè)計(jì)結(jié)合內(nèi)隱測(cè)量方法，將設(shè)計(jì)方案作為視覺(jué)刺激，基于眼動(dòng)追蹤技術(shù)實(shí)時(shí)監(jiān)測(cè)得到?jīng)Q策過(guò)程的內(nèi)隱偏好，將得到的數(shù)據(jù)映射為決策要素并融入設(shè)計(jì)決策方法，降低決策的不確定性風(fēng)險(xiǎn)。決策的理性層以決策者主觀選擇判斷的方式表達(dá)，為正向選擇和負(fù)向選擇，指向決策結(jié)果。

1.2 基于視覺(jué)感知的灰色決策方法設(shè)計(jì)

以實(shí)驗(yàn)的方式模擬產(chǎn)品設(shè)計(jì)方案的決策過(guò)程，將主觀選擇和視覺(jué)感知數(shù)據(jù)綜合為群體決策意見(jiàn)并篩選出優(yōu)選方案，如圖2所示。

圖2 基于視覺(jué)感知的灰色決策方法設(shè)計(jì)Fig.2 Method design for grey decision based on visual perception

實(shí)驗(yàn)過(guò)程如圖3所示，以圖片形式展示產(chǎn)品外觀，全樣本方案由系統(tǒng)隨機(jī)分組展示。為了滿(mǎn)足既能看清產(chǎn)品細(xì)節(jié)，又能提供豐富的樣本，且不造成被試者的決策疲勞等要求，方案展示的數(shù)量應(yīng)保持在合理范圍，每組顯示的方案數(shù)以6為宜。每一組方案的展示都對(duì)應(yīng)設(shè)置興趣區(qū)(area of interest，AOI)。

圖3 實(shí)驗(yàn)過(guò)程Fig.3 Experimental process

被試者在依次展示的方案組中進(jìn)行兩輪選擇。第一輪選擇，基于對(duì)方案外觀的偏好，依次從隨機(jī)出現(xiàn)的方案組中做出一個(gè)正向選擇(外顯偏好)。給予被試者充分的選擇與思考時(shí)間，在全自然的狀態(tài)下，用眼動(dòng)儀記錄被試選擇過(guò)程的眼動(dòng)軌跡和所需要的時(shí)間(內(nèi)隱偏好)。第二輪選擇，依次從方案組中做出一個(gè)負(fù)向選擇(外顯偏好)，同樣不限制被試者做選擇時(shí)間。被試者的正向選擇和負(fù)向選擇分別對(duì)應(yīng)其正向、負(fù)向偏好強(qiáng)度最高的方案。

2 基于視覺(jué)感知的灰色決策方法模型構(gòu)建

對(duì)灰色決策四要素(事件、對(duì)策、目標(biāo)、效果)做如下定義[22]：

事件被認(rèn)為是待研究或處理的問(wèn)題，并包括了系統(tǒng)行為的現(xiàn)狀。定義事件集為某一研究范圍內(nèi)全體事件的集合，表示為A={a1，a2，…，an}，其中ai(i=1，2，…，n)為第i個(gè)事件；所有可能的對(duì)策全體成為對(duì)策集，記B={b1，b2，…，bm}，其中bj(j=1，2，…，m)為第j個(gè)對(duì)策，將事件集與對(duì)策集的笛卡兒積稱(chēng)作決策方案集，表示為

S=A×B={(ai，bj)|ai∈A，bj∈B}

(1)

設(shè)b=[bL，bU]為一區(qū)間數(shù)，bU≥bL≥0，b具有點(diǎn)灰度v，v∈[0，1]，稱(chēng)C=(b，v)為灰區(qū)間數(shù)。當(dāng)bL=bU時(shí)，b退化為一個(gè)實(shí)數(shù)，此時(shí)C=(b，v)為灰實(shí)數(shù)[23]，若v=0，則b不具有灰度。設(shè)Cn為灰區(qū)間數(shù)集，表示為

(2)

灰色決策中，在預(yù)定目標(biāo)下對(duì)效果進(jìn)行評(píng)估，根據(jù)評(píng)估結(jié)果判斷取舍，目標(biāo)常表示為k，效果表示為r?；谝曈X(jué)感知的灰色決策模型將決策者U視為事件的全體，即被試總?cè)藬?shù)為n，將選定的方案H視為對(duì)策的全體，即方案的總數(shù)為m。

2.1 顯性決策矩陣的構(gòu)建

顯性決策矩陣描述了決策者的顯性偏好，即主觀選擇結(jié)果。正向偏好即決策者對(duì)產(chǎn)品外觀感興趣，正向偏好最強(qiáng)的即為正向選擇，評(píng)分記為1；負(fù)向偏好即對(duì)產(chǎn)品外觀不感興趣，負(fù)向偏好最強(qiáng)的即為負(fù)向選擇，評(píng)分記為-1；未選擇的均記為0。偏好表示為Mij(i=1，2，…，n；j=1，2，…，m)。

2.2 偏好程度矩陣的構(gòu)建

眼動(dòng)數(shù)據(jù)能反映決策過(guò)程的時(shí)間特征[17，24]，對(duì)某信息或某選項(xiàng)的注視總時(shí)長(zhǎng)或注視點(diǎn)的平均注視時(shí)長(zhǎng)可以反映決策者對(duì)該信息或選項(xiàng)的加工深度，從而可以推斷信息或選項(xiàng)在決策中的相對(duì)重要性[25-26]。

以決策者選擇方案的快慢程度(即單組方案的注視總時(shí)長(zhǎng))構(gòu)建偏好程度矩陣。設(shè)決策者ui選定方案j需要的時(shí)間為tcij，即單組選擇時(shí)間。將單組選擇時(shí)間tcij歸一化處理，可將帶有主觀性、隨意性和模糊性的權(quán)重轉(zhuǎn)化為取值在[0，1]區(qū)間內(nèi)的確定值，利于量綱一條件下進(jìn)行比對(duì)分析?；诨疑珱Q策理論中的下限效果測(cè)度函數(shù)構(gòu)建決策者對(duì)方案的偏好程度矩陣P，其元素表示為

(3)

2.3 眼動(dòng)決策矩陣的構(gòu)建

選取眼動(dòng)數(shù)據(jù)中興趣區(qū)的停留時(shí)間(dwell time)，即該區(qū)域內(nèi)所有注視點(diǎn)的眼跳時(shí)間與注視時(shí)間的總和，以單個(gè)方案停留時(shí)間占單組方案總停留時(shí)間的比率量化決策者對(duì)方案的注意程度。其中單興趣區(qū)即方案的停留時(shí)間為teij，單組方案總停留時(shí)間為T(mén)eij，停留時(shí)間比率dij，表示為

(4)

對(duì)停留時(shí)間進(jìn)行歸一化處理，依據(jù)灰色決策理論中的上限效果測(cè)度函數(shù)，表示為

(5)

圖4 多維偏好評(píng)分的評(píng)判機(jī)制Fig.4 Evaluation mechanism of the multi-dimensional preference scoring

(6)

建立決策者與方案的眼動(dòng)決策矩陣E，其元素即為

Eij=eij

(7)

2.4 偏好評(píng)分矩陣的構(gòu)建

顯性決策矩陣M(M=[Mij])、偏好程度矩陣P、眼動(dòng)決策矩陣E對(duì)應(yīng)的都是決策者U與方案庫(kù)H的關(guān)系矩陣，定義偏好評(píng)分矩陣C，其元素表示為

(8)

2.5 以相似度矩陣分配決策者權(quán)重

余弦距離、歐氏距離、杰卡德距離都是計(jì)算向量之間關(guān)聯(lián)程度的經(jīng)典方法。歐氏距離注重向量的空間位置關(guān)系，計(jì)算向量之間的真實(shí)距離；杰卡德距離考慮不同向量之間不同元素占所有元素的比例，適用于非對(duì)稱(chēng)二元變量的比較[27]。兩者都不適于本研究方案與評(píng)分的對(duì)應(yīng)關(guān)系。余弦距離以向量方向的差異而不是空間距離的大小來(lái)對(duì)比不同向量之間的相似度，常用于推薦算法中以偏好關(guān)系解釋不同用戶(hù)之間的相似度[28-29]，適用于描述決策者對(duì)方案偏好評(píng)分的相似度關(guān)系，以相似度大小分配決策者權(quán)重。

對(duì)于決策者U中任意兩個(gè)決策者p和q，滿(mǎn)足1≤p≤n，1≤q≤n且p≠q，利用余弦距離公式得相似度矩陣S，其元素表示為

(9)

依據(jù)上限效果測(cè)度函數(shù)計(jì)算決策者權(quán)重，有

(10)

2.6 計(jì)算多維偏好評(píng)分值

最后，基于偏好評(píng)分矩陣和決策者權(quán)重得出方案的多維偏好評(píng)分值Vij，即

(11)

3 基于案例的方法驗(yàn)證

3.1 實(shí)驗(yàn)樣本

選擇電飯煲為產(chǎn)品案例，利用網(wǎng)絡(luò)爬蟲(chóng)搜集了在售電飯煲圖片273張，篩選出展示角度相對(duì)一致的圖片42張。為了避免不同配色對(duì)電飯煲外觀效果的影響，樣本調(diào)整為亮度一致、分辨率600×600的黑白圖片，作為實(shí)驗(yàn)的視覺(jué)刺激。樣本圖片來(lái)源的6個(gè)品牌分別記為：小熊(A)、福庫(kù)(B)、美的(C)、松下(D)、飛利浦(E)和蘇泊爾(F)。每個(gè)品牌選擇了7款產(chǎn)品，編號(hào)分別為1～7，如圖5所示。

圖5 電飯煲樣本池Fig.5 The sample pool of rice cooker

3.2 實(shí)驗(yàn)人員與設(shè)備

實(shí)驗(yàn)邀請(qǐng)30名被試者，平均年齡為24歲，男女比例約為1∶1，所有被試者矯正視力正常。設(shè)備采用德國(guó)SMI公司的RED 250型桌面型遙測(cè)式眼動(dòng)儀，采樣頻率為250 Hz。

3.3 實(shí)驗(yàn)任務(wù)

如1.2節(jié)所述，在說(shuō)明研究目的及實(shí)驗(yàn)注意事項(xiàng)后，被試者將在依次展示的方案組中進(jìn)行兩輪選擇。實(shí)驗(yàn)任務(wù)簡(jiǎn)單，負(fù)荷小，實(shí)驗(yàn)一般持續(xù)10～15 min。

3.4 實(shí)驗(yàn)結(jié)果

所有被試者對(duì)每個(gè)方案的主觀選擇數(shù)據(jù)構(gòu)成了顯性決策矩陣M，如圖6所示。以顏色區(qū)分被試者，色塊的長(zhǎng)度均等，因主觀選擇的結(jié)果都記為1或-1。編號(hào)A4、C1、C6、D6、F6的電飯煲偏好評(píng)分明顯為正，而編號(hào)A2、A3、A7、B4、C4、D2、D7、E5、F2、F3的電飯煲偏好評(píng)分明顯為負(fù)。映射到產(chǎn)品外觀，僅依據(jù)決策者主觀選擇的結(jié)果看不出明顯的偏好規(guī)律。

圖6 主觀選擇結(jié)果Fig.6 The result of subjective choice

根據(jù)式(3)～式(7)得到眼動(dòng)決策矩陣E，反映了基于隱性知識(shí)的內(nèi)隱偏好評(píng)分。如圖7所示，類(lèi)似圖6以顏色區(qū)分被試者，以色塊的長(zhǎng)度表示內(nèi)隱評(píng)分分值，將決策過(guò)程的內(nèi)隱知識(shí)進(jìn)行了可視化表達(dá)。編號(hào)B7、C2、D2、E1、E6、E7、F6的電飯煲內(nèi)隱偏好較高。映射到產(chǎn)品外觀，僅依據(jù)決策者眼動(dòng)數(shù)據(jù)的注意結(jié)果也看不出明顯的偏好規(guī)律，且內(nèi)隱偏好與主觀選擇的結(jié)果存在較大差別。

圖7 基于眼動(dòng)追蹤數(shù)據(jù)的內(nèi)隱偏好結(jié)果Fig.7 The result of implicit preference based on eye tracking

根據(jù)式(9)、式(10)計(jì)算決策者權(quán)重，越集中的選擇傾向，賦予更高的決策者權(quán)重，代表著市場(chǎng)的消費(fèi)偏好。決策者權(quán)重的排序結(jié)果見(jiàn)圖8，編號(hào)為4、6、15、23、1的決策者權(quán)重值相對(duì)較低，編號(hào)為2、13、18、10、17的決策者權(quán)重值相對(duì)較高。

圖8 決策者權(quán)重排序Fig.8 Weight sorting of the decision makers

最終根據(jù)式(11)計(jì)算42組方案的多維偏好評(píng)分值，代表方案的優(yōu)劣程度，結(jié)果見(jiàn)表1。從整體看，福庫(kù)電飯煲(B)的偏好評(píng)分值最低，均為負(fù)值；美的電飯煲(C)和飛利浦電飯煲(E)偏好評(píng)分最高，均為正值。從外觀上看，福庫(kù)品牌的電飯煲均為球形造型，操作界面位于機(jī)身的側(cè)面，而其他品牌的電飯煲操作界面位于機(jī)身的上方，不符合用戶(hù)的操作習(xí)慣。表中紅色字體加粗為偏好評(píng)分值排序前五的方案，分別為編號(hào)E2、C4、F3、C1、E7的電飯煲。產(chǎn)品外觀上具有相似的形態(tài)特征，線(xiàn)條硬朗、上窄下寬，給人穩(wěn)重、踏實(shí)的審美體驗(yàn)。通過(guò)對(duì)比各平臺(tái)電飯煲的銷(xiāo)量情況，方案偏好評(píng)分的排序與銷(xiāo)量的高低排序基本吻合。

表1 基于視覺(jué)感知的灰色決策模型評(píng)分結(jié)果

3.5 方法驗(yàn)證

為了驗(yàn)證綜合顯隱性偏好的灰色設(shè)計(jì)決策方法的效果，計(jì)算顯性偏好的評(píng)分結(jié)果與之比較。同樣采用余弦距離的相似度矩陣方法，依據(jù)顯性決策矩陣M對(duì)決策者進(jìn)行權(quán)重分配，對(duì)集中的選擇傾向賦予更高的決策者權(quán)重以代表市場(chǎng)偏好，加權(quán)后的主觀選擇評(píng)分結(jié)果如表2所示。

表2 加權(quán)后的主觀選擇評(píng)分結(jié)果

表1與表2都是設(shè)計(jì)決策結(jié)果，評(píng)分分值的排序體現(xiàn)了偏好排序，評(píng)分的具體分值之間沒(méi)有可比性。從整體上看，福庫(kù)電飯煲(B)的顯性偏好評(píng)分整體最低，均為負(fù)值且分值之間差異不大，結(jié)果缺乏區(qū)分度；美的電飯煲(C)和飛利浦電飯煲(E)顯性偏好評(píng)分最高。偏好評(píng)分排在前五的方案為編號(hào)C6、C4、E2、C1、E7的電飯煲。

對(duì)比表1與表2發(fā)現(xiàn)，有幾個(gè)樣本的評(píng)分排序有較大差異，如編號(hào)C2和F3的電飯煲。從外觀上看，編號(hào)C1和C2的兩款電飯煲造型極為相似。主觀判斷環(huán)節(jié)選擇C1作為正向偏好的決策者多，而眼動(dòng)注視環(huán)節(jié)C2的內(nèi)隱偏好最高，經(jīng)過(guò)融入視覺(jué)感知的灰色決策模型計(jì)算，C2的排序有顯著提高。同樣，編號(hào)F3的電飯煲在主觀判斷環(huán)節(jié)以負(fù)向選擇為主，經(jīng)過(guò)內(nèi)隱偏好信息的補(bǔ)充和決策者權(quán)重的修正，該款電飯煲的評(píng)分排序有顯著提高。從外觀上比對(duì)，F(xiàn)3與其他高評(píng)分電飯煲樣本具有相似的外觀特征。

綜上，融合了視覺(jué)感知的灰色設(shè)計(jì)決策方法能有效做出設(shè)計(jì)決策，相比單純的顯性偏好決策結(jié)果，新決策方案有兩點(diǎn)優(yōu)勢(shì)：①?zèng)Q策評(píng)分的差異更顯著，排序之間的辨識(shí)性更高；②能揭示決策者的真實(shí)偏好，通過(guò)補(bǔ)充隱性知識(shí)對(duì)設(shè)計(jì)決策結(jié)果加以修正，降低了主觀判斷的不確定性，提高了決策質(zhì)量。

4 結(jié)論

本文提出了一種基于視覺(jué)感知的灰色設(shè)計(jì)決策方法，用以降低工業(yè)設(shè)計(jì)決策的復(fù)雜性與不確定性。采用基于內(nèi)隱測(cè)量的眼動(dòng)追蹤技術(shù)挖掘隱性知識(shí)中的內(nèi)隱偏好，結(jié)合顯性主觀選擇，以余弦距離分配決策者權(quán)重，綜合灰色決策方法，根據(jù)多維偏好評(píng)分值確定方案的優(yōu)劣，最后以電飯煲為例驗(yàn)證了該方法的有效性。

相較其他設(shè)計(jì)決策方法，該方法的決策者任務(wù)簡(jiǎn)單，利用方案篩選簡(jiǎn)化繁瑣的產(chǎn)品分析決策過(guò)程，認(rèn)知負(fù)荷少。該方法對(duì)傳統(tǒng)的單一主觀決策做補(bǔ)充，考慮決策者隱性行為，以?xún)?nèi)隱測(cè)量技術(shù)揭示決策過(guò)程中的隱性知識(shí)，綜合考慮決策的理性層和感性層，有利于真正深層次地理解用戶(hù)，提高了決策的可靠性和準(zhǔn)確性，為企業(yè)、團(tuán)體設(shè)計(jì)決策提供了決策支撐和創(chuàng)新方法。