產(chǎn)品設(shè)計(jì)評價(jià)中專家權(quán)重動(dòng)態(tài)賦權(quán)方法及應(yīng)用

李曉英，周大濤

?

產(chǎn)品設(shè)計(jì)評價(jià)中專家權(quán)重動(dòng)態(tài)賦權(quán)方法及應(yīng)用

李曉英，周大濤

(湖北工業(yè)大學(xué)工業(yè)設(shè)計(jì)學(xué)院，湖北 武漢 430068)

為提高產(chǎn)品設(shè)計(jì)評價(jià)結(jié)果的可靠性，構(gòu)建了一種基于群體共識度和聚類分析的專家權(quán)重動(dòng)態(tài)賦權(quán)流程。引入群體共識度和貼近度模型來判斷、識別及排除差異性較大的專家評價(jià)結(jié)果，促進(jìn)群體評價(jià)達(dá)到共識度閾值要求；利用系統(tǒng)聚類算法演繹不同評價(jià)準(zhǔn)則下專家群體的歸類情況，確定類容量大小，進(jìn)行動(dòng)態(tài)賦權(quán)；最后通過加權(quán)計(jì)算獲得綜合評價(jià)結(jié)果，為設(shè)計(jì)決策提供評價(jià)參考。以車用智能警示牌概念方案的設(shè)計(jì)評價(jià)為例，驗(yàn)證了其可行性和有效性，并進(jìn)行不同賦權(quán)方法下綜合評價(jià)結(jié)果的對比研究。結(jié)果表明，該方法能夠客觀、真實(shí)地表征專家個(gè)體對不同評價(jià)對象的認(rèn)知程度，其綜合評價(jià)結(jié)果在可靠性上優(yōu)于平均賦權(quán)方法和靜態(tài)賦權(quán)方法，具有一定的實(shí)用價(jià)值。

工業(yè)設(shè)計(jì)；動(dòng)態(tài)賦權(quán)；共識度；聚類分析；設(shè)計(jì)評價(jià)

隨著經(jīng)濟(jì)與技術(shù)水平的提高，產(chǎn)品設(shè)計(jì)逐漸發(fā)展成為跨領(lǐng)域、綜合性及整體性的協(xié)同設(shè)計(jì)活動(dòng)[1]，產(chǎn)品設(shè)計(jì)方案的評價(jià)準(zhǔn)則、指標(biāo)及屬性日益多樣化、復(fù)雜化，通過專家群體評價(jià)的方式進(jìn)行設(shè)計(jì)決策的優(yōu)勢得到了廣泛認(rèn)同、重視及推廣應(yīng)用。產(chǎn)品設(shè)計(jì)評價(jià)中的多屬性群體決策問題已然成為現(xiàn)在設(shè)計(jì)管理科學(xué)的研究熱點(diǎn)，此類問題被定義為多個(gè)專家依據(jù)多個(gè)評價(jià)屬性或指標(biāo)對多個(gè)評價(jià)對象進(jìn)行比較、判斷、擇優(yōu)的過程[2]。由于專家個(gè)體的專業(yè)背景、行為偏好以及認(rèn)知能力、程度等存在差異，異質(zhì)性特征明顯。同時(shí)，受客觀事物的不確定性、復(fù)雜性等影響，專家群體之間以及同一專家個(gè)體對同一評價(jià)對象的不同屬性的認(rèn)知程度趨于不一致[3]，因而對多屬性群體決策問題的研究多集中在兩個(gè)方面：一是個(gè)體認(rèn)知上的差異性，導(dǎo)致專家群體評價(jià)意見難以達(dá)成共識；二是在評價(jià)意見存在差異時(shí)，如何對參與設(shè)計(jì)評價(jià)的專家個(gè)體權(quán)重進(jìn)行賦權(quán)。

針對上述問題，很多文獻(xiàn)從不同角度出發(fā)，提出平均賦權(quán)、靜態(tài)賦權(quán)、動(dòng)態(tài)賦權(quán)及交互式評價(jià)等方法來實(shí)現(xiàn)個(gè)體權(quán)重的賦權(quán)或群體共識度的達(dá)成。如文獻(xiàn)[4-7]在產(chǎn)品設(shè)計(jì)評價(jià)的研究和應(yīng)用中將專家意見視為一致，忽略了共識度和權(quán)重差異問題，對其平均賦權(quán)，這種簡化的做法顯然不能對產(chǎn)品設(shè)計(jì)方案進(jìn)行客觀、準(zhǔn)確地評價(jià)；文獻(xiàn)[8-11]考慮到專家權(quán)重對設(shè)計(jì)評價(jià)結(jié)果的影響，但往往依據(jù)專家在本領(lǐng)域的聲望、權(quán)威性以及決策經(jīng)驗(yàn)進(jìn)行主觀靜態(tài)賦權(quán)，而沒有將專家個(gè)體權(quán)重與評價(jià)信息的動(dòng)態(tài)性[12]相結(jié)合，也未考慮專家個(gè)體對不同產(chǎn)品屬性的認(rèn)知差異，評價(jià)結(jié)果缺乏可靠性；文獻(xiàn)[13-17]基于專家評價(jià)信息的差異性、相似性水平對個(gè)體權(quán)重進(jìn)行動(dòng)態(tài)賦權(quán)，但忽略了專家群體評價(jià)結(jié)果的共識度水平，而簡單集結(jié)其偏好、意見或評分結(jié)果，導(dǎo)致所獲得的最優(yōu)方案可接受程度低，影響設(shè)計(jì)方案的可靠性或投放市場的成功率；文獻(xiàn)[18-20]采用多次重復(fù)調(diào)整的交互式?jīng)Q策方法使專家群體意見達(dá)成共識，導(dǎo)致設(shè)計(jì)評價(jià)成本增加、效率降低，而且產(chǎn)品設(shè)計(jì)的某些感官屬性(如：造型、色彩、體驗(yàn)等)對人的首次主觀感受要求較高，重復(fù)評價(jià)過程會造成專家認(rèn)知心理的改變、評價(jià)意見失真或無法達(dá)成共識[21]，其應(yīng)用具有局限性。目前，尚缺少同時(shí)有效解決專家個(gè)體權(quán)重賦權(quán)問題和專家群體共識度問題的設(shè)計(jì)評價(jià)方法。

基于以上討論，本文構(gòu)建一種面向產(chǎn)品設(shè)計(jì)評價(jià)的專家權(quán)重動(dòng)態(tài)賦權(quán)流程。通過引入群體共識度模型來判斷專家評價(jià)結(jié)果的差異性程度；通過貼近度排除差異大的專家評價(jià)結(jié)果，促進(jìn)群體共識度達(dá)到閾值要求；并結(jié)合聚類算法對專家評價(jià)結(jié)果進(jìn)行分類，依據(jù)類容量大小對專家權(quán)重進(jìn)行動(dòng)態(tài)賦權(quán)，以車用智能警示牌的設(shè)計(jì)方案評價(jià)為例，驗(yàn)證該方法的可行性和有效性。相較于平均賦權(quán)方法、靜態(tài)賦權(quán)方法及交互式重復(fù)決策方法，本文方法具有可靠性強(qiáng)、有效性高、評價(jià)效率快及適用范圍廣等優(yōu)勢。

1 專家權(quán)重的靜態(tài)和動(dòng)態(tài)賦權(quán)概述

按照專家個(gè)體權(quán)重賦權(quán)時(shí)所考慮的參考因素劃分，賦權(quán)方式分為：①依據(jù)決策者的經(jīng)驗(yàn)、知識或在專業(yè)領(lǐng)域的權(quán)威性，通過環(huán)比打分法[22]、群組協(xié)商法、專家調(diào)查法或Delphi法等對專家進(jìn)行主觀賦權(quán)。權(quán)值確定后，對于不同的產(chǎn)品屬性，專家個(gè)體權(quán)重不再改變，是一種靜態(tài)權(quán)重。這種賦權(quán)方式對專家之間彼此的熟悉程度要求較高，適用范圍、場景及使用條件有限，且不能客觀地反映專家個(gè)體對不同屬性的認(rèn)知程度，不能保證評價(jià)結(jié)果的可靠性；②依據(jù)專家評價(jià)信息的質(zhì)量對其進(jìn)行逆判、賦權(quán)，多采用計(jì)算專家個(gè)體評價(jià)向量之間的貼近程度或計(jì)算個(gè)體判斷矩陣與群組矩陣的偏差及相似性等方法對專家進(jìn)行客觀賦權(quán)[23]。在產(chǎn)品設(shè)計(jì)評價(jià)過程中，這種客觀賦權(quán)方式能夠隨著不同屬性下專家評價(jià)信息質(zhì)量的不斷變化而適時(shí)調(diào)整專家個(gè)體權(quán)重，能夠真實(shí)、客觀地反映專家認(rèn)知程度，其獲得的權(quán)重系數(shù)大小是不固定的，因而是一種動(dòng)態(tài)賦權(quán)。

在單一屬性的設(shè)計(jì)評價(jià)過程中，保持專家權(quán)重固定不變是有其必然性，但產(chǎn)品設(shè)計(jì)評價(jià)是一個(gè)多屬性下的綜合評價(jià)活動(dòng)，隨著評價(jià)準(zhǔn)則、指標(biāo)及屬性的改變，專家評價(jià)信息的質(zhì)量也必然會發(fā)生變化，因而進(jìn)行動(dòng)態(tài)賦權(quán)，以保證設(shè)計(jì)評價(jià)結(jié)果的可靠性。同時(shí)，也能夠有效地解決或避免對專家聲望、權(quán)威性等復(fù)雜、主觀、非量化因素的判斷問題，擴(kuò)大其設(shè)計(jì)評價(jià)方法的適用和使用范圍。

2 基于群體共識度和聚類分析的專家權(quán)重動(dòng)態(tài)賦權(quán)流程

2.1 專家群體共識的判斷

共識度達(dá)成的最終目的是專家群體評價(jià)意見的統(tǒng)一，該過程包括共識度的測量以及非共識的識別、修正。共識度的達(dá)成有助于減小設(shè)計(jì)評價(jià)中專家個(gè)體之間的認(rèn)知分歧，提高設(shè)計(jì)方案的可信度。

設(shè)由名專家組成專家集合={1，2，?，}，對某一屬性下個(gè)設(shè)計(jì)方案進(jìn)行評價(jià)。

該方法可有效避免交互式重復(fù)評價(jià)導(dǎo)致的評價(jià)高成本和低效率問題，提高了評價(jià)效率；同時(shí)，也可避免重復(fù)評價(jià)時(shí)專家對感官屬性的評價(jià)失真問題，擴(kuò)大了該方法的適用、使用范圍。

2.2 專家個(gè)體權(quán)重的確定

在確定專家個(gè)體權(quán)重時(shí)，采用聚類分析將專家個(gè)體評價(jià)向量劃分為不同類別，一方面可減少評價(jià)過程中的隨機(jī)性，弱化專家個(gè)體主觀評價(jià)、認(rèn)識的不確定性、模糊性等對評價(jià)結(jié)果的影響；另一方面可依據(jù)類容量的大小確定專家個(gè)體權(quán)重。

步驟1. 假設(shè)名專家個(gè)體評價(jià)向量各自為一類G，將具有最大相似性的2個(gè)類聚為一個(gè)新類；

步驟2.計(jì)算新類與其他評價(jià)向量的相關(guān)系數(shù)，即

步驟3.依據(jù)式(4)重新構(gòu)造相關(guān)系數(shù)矩陣，并重復(fù)步驟1和步驟2，直到所有專家聚為一類，生成多閾值下的聚類圖。依據(jù)實(shí)際情況設(shè)定聚類閾值，按最鄰近原則判別專家個(gè)體評價(jià)向量的類屬，即2類之間的相關(guān)系數(shù)滿足

則兩類聚為一類。

X=f/(6)

2.3 動(dòng)態(tài)賦權(quán)流程的構(gòu)建

事實(shí)上，上述群體共識的判斷和個(gè)體權(quán)重的確定只是一種靜態(tài)描述。但在實(shí)際應(yīng)用中，隨著評價(jià)屬性的改變，專家評價(jià)信息的質(zhì)量也必然會發(fā)生變化。為真實(shí)、客觀地反映專家對不同評價(jià)屬性的認(rèn)知程度，專家權(quán)重也必須適時(shí)動(dòng)態(tài)調(diào)整，以保證設(shè)計(jì)評價(jià)結(jié)果的可靠性、有效性。本文構(gòu)建的專家權(quán)重動(dòng)態(tài)賦權(quán)流程如圖1所示。

圖1 專家權(quán)重動(dòng)態(tài)賦權(quán)流程圖

步驟1.明確產(chǎn)品設(shè)計(jì)評價(jià)屬性和方案體系；

步驟2.組織行業(yè)專家依據(jù)1-9級量表[24]，對某一屬性下個(gè)產(chǎn)品設(shè)計(jì)方案進(jìn)行評價(jià)，并構(gòu)造AHP個(gè)體判斷矩陣；

3 實(shí)例研究

圖2 車用智能警示牌產(chǎn)品設(shè)計(jì)屬性評價(jià)體系

通過焦點(diǎn)小組、頭腦風(fēng)暴等調(diào)查和設(shè)計(jì)方法，對車用智能警示牌的各設(shè)計(jì)屬性進(jìn)行分析，初步擬定了各個(gè)產(chǎn)品設(shè)計(jì)屬性下的初、次級解決方案，具體內(nèi)容見表1。在結(jié)合用戶需求和企業(yè)現(xiàn)有技術(shù)條件的基礎(chǔ)上，參考相關(guān)文獻(xiàn)和專利技術(shù)、設(shè)計(jì)規(guī)范等篩選出4組典型次級解決組合方案，組織工業(yè)設(shè)計(jì)師進(jìn)行前期的產(chǎn)品概念設(shè)計(jì)，共形成4個(gè)概念設(shè)計(jì)方案，結(jié)果見表2。

表2 車用智能警示牌的概念設(shè)計(jì)方案

根據(jù)步驟1和步驟2要求，組織5名行業(yè)專家(工業(yè)設(shè)計(jì)師2名、用戶代表1名、企業(yè)工程師 1名及項(xiàng)目負(fù)責(zé)人1名)對4個(gè)概念設(shè)計(jì)方案進(jìn)行群體綜合評價(jià)。采用層次分析法對5個(gè)產(chǎn)品屬性下的4個(gè)設(shè)計(jì)方案進(jìn)行兩兩比較評價(jià)，限于篇幅，文中只列出穩(wěn)定性下各專家的AHP判斷矩陣。

根據(jù)步驟4要求，利用式(1)~(3)計(jì)算共識度水平和貼近度L。表3中，除A2，A4屬性外，其他均未達(dá)到共識度閾值*=0.9的要求，因此，對A1，A3和A5屬性下貼近度較低的專家評價(jià)結(jié)果進(jìn)行排除，并重新計(jì)算共識度，以促進(jìn)群體間評價(jià)結(jié)果達(dá)到共識度閾值要求。例如：自主性下群體共識度(=0.7420)小于共識度閾值，則對貼近度最低(3=0.1436)的專家3的評價(jià)結(jié)果進(jìn)行排除，計(jì)算調(diào)整后的共識度，直到最終共識度=0.9960大于閾值，則調(diào)整結(jié)束，進(jìn)入步驟7計(jì)算。同理對其他屬性下的群體評價(jià)結(jié)果的共識度進(jìn)行判斷和調(diào)整，最終結(jié)果見表3。

表3 各屬性下的方案權(quán)重及專家評價(jià)結(jié)果之間的貼近度和共識度

根據(jù)步驟5要求，對達(dá)成共識的專家設(shè)計(jì)評價(jià)向量進(jìn)行分類，輸出聚類圖(圖3)，穩(wěn)定性下5名專家被分為了3類，專家1，3，4聚為一類，專家2，5各聚為一類。依據(jù)式(8)計(jì)算出穩(wěn)定性下各專家的權(quán)重系數(shù)為1=3/11，2=1/11，3=3/11，4=3/11，5=1/11。

圖3 穩(wěn)定性下專家設(shè)計(jì)評價(jià)結(jié)果聚類圖

根據(jù)步驟6要求，重復(fù)上述步驟，對其他屬性下各專家的權(quán)重系數(shù)進(jìn)行確定，結(jié)果見表4，動(dòng)態(tài)賦權(quán)會隨著評價(jià)屬性的變化而改變，更能真實(shí)地反映專家對不同評價(jià)屬性的認(rèn)知程度。

表4 各屬性下專家的動(dòng)態(tài)權(quán)重分布

由表5可知，設(shè)計(jì)方案的優(yōu)劣排序?yàn)椋篎3(3=0.3770)＞F4(4=0.3204)＞F1(1=0.1517)＞F2(2=0.1508)，則最優(yōu)方案為F3，F(xiàn)3在自主性、警示性上優(yōu)于其他方案。在群體綜合評價(jià)結(jié)束之后，以表5結(jié)果為依據(jù)，以F1，F(xiàn)2，F(xiàn)4的設(shè)計(jì)屬性為參考，可確定F3設(shè)計(jì)優(yōu)化的方向、準(zhǔn)則及參照。例如，穩(wěn)定性上，采用C9/1配重板結(jié)構(gòu)，增加穩(wěn)定性；美觀性上，采用C11/1紅色和黑色均衡搭配，保證色彩與功能的適應(yīng)性。最終優(yōu)化后的產(chǎn)品功能樣機(jī)如圖4所示，該方案得到了專家及企業(yè)的肯定和認(rèn)可。

表5 各屬性下設(shè)計(jì)方案的綜合評價(jià)向量及總排序向量

圖4 車用智能警示牌功能樣機(jī)

由圖5可知，自主性下，N3和N4賦權(quán)方法認(rèn)為方案3最優(yōu)，N1和N2則認(rèn)為方案4最優(yōu)，分析發(fā)現(xiàn)，N1和N2結(jié)果差異性較大是因?yàn)橘x予了專家3較大的權(quán)重；美觀性下，N1，N2和N4均認(rèn)為方案3最優(yōu)，N3則認(rèn)為方案4最優(yōu)，分析發(fā)現(xiàn)，N1，N2和N4賦權(quán)方法對偏向方案3的專家3和4賦予了較大權(quán)重，導(dǎo)致?lián)駜?yōu)結(jié)果出現(xiàn)偏差，盡管N4賦予了專家3和4相對較小的權(quán)重(3=4=1/7)，但忽略了群體共識度的閾值要求，未能對評價(jià)結(jié)果偏差較大的專家3和4進(jìn)行排除，從而導(dǎo)致評價(jià)結(jié)果出現(xiàn)偏差；總排序結(jié)果上，除N2以外，N1，N4獲得的優(yōu)劣排序結(jié)果與N3相同，但其各屬性下的綜合排序結(jié)果與N3存在明顯差異，不利于概念方案的優(yōu)化設(shè)計(jì)。綜上，本文采用的N3賦權(quán)方法在充分考慮群體共識度水平的情況下進(jìn)行專家權(quán)重動(dòng)態(tài)賦權(quán)，能夠客觀、真實(shí)、準(zhǔn)確地反映專家個(gè)體的認(rèn)知程度，獲得的評價(jià)結(jié)果有較高的可信度，較其他賦權(quán)方法具有優(yōu)越性。

圖5 不同賦權(quán)方法的綜合評價(jià)向量和總排序向量

4 結(jié) 論

為提高產(chǎn)品設(shè)計(jì)評價(jià)結(jié)果的可靠性，針對多屬性群體決策中專家意見一致化與專家權(quán)重確定的問題，基于群體共識度和聚類分析構(gòu)建了專家權(quán)重動(dòng)態(tài)賦權(quán)流程。以設(shè)計(jì)評價(jià)實(shí)例驗(yàn)證了方法的可行性和有效性，并通過不同賦權(quán)方法下綜合評價(jià)結(jié)果的對比研究，證明了該方法的優(yōu)越性，為相關(guān)產(chǎn)品設(shè)計(jì)評價(jià)方法的應(yīng)用提供了參考。

(1)本文著重討論了專家權(quán)重對評價(jià)結(jié)果的影響，但專家樣本結(jié)構(gòu)、數(shù)量的合理性和科學(xué)性、專家評判標(biāo)準(zhǔn)、準(zhǔn)則及方式的選擇、專家判斷信息(矩陣元素)的檢驗(yàn)、集結(jié)及修正等因素都會對產(chǎn)品設(shè)計(jì)評價(jià)結(jié)果造成影響，后續(xù)將對其進(jìn)行研究補(bǔ)充。

(3) 針對設(shè)計(jì)評價(jià)方法在復(fù)雜或大樣本量設(shè)計(jì)評價(jià)過程中應(yīng)用的復(fù)雜性、實(shí)用性等問題，擬構(gòu)建計(jì)算機(jī)輔助評價(jià)集成平臺，將設(shè)計(jì)評價(jià)算法、流程及模型等以系統(tǒng)方法庫、模型庫的形式進(jìn)行調(diào)用，以提高設(shè)計(jì)評價(jià)效率，降低評價(jià)成本。同時(shí)，也有利于產(chǎn)品設(shè)計(jì)評價(jià)方法的適用、使用及推廣。

[1] 楊延璞, 顧蓉, 古玉鋒. 基于PAM聚類的工業(yè)設(shè)計(jì)方案評價(jià)共識度達(dá)成方法[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2017, 23(7): 1386-1393.

[2] 杜娟, 霍佳震. 交互式多屬性群決策評價(jià)方法研究[J]. 中國管理科學(xué), 2016, 24(11): 120-128.

[3] DONG Y C, ZHANG H J, HERRERA-VIEDMA E. Integrating experts’ weights generated dynamically into the consensus reaching process and its applications in managing non-cooperative behaviors[J]. Decision Support Systems, 2016, 84: 1-15.

[4] BANG W, CHANG B Y. Quality factor analysis of metalworking process with AHP[J]. International Journal of Production Research, 2013, 51(19): 5741-5756.

[5] ZOHOORI A, VAHEDI A, MEO S, et al. An improved AHP method for multi-objective design of FSPM machine for wind farm applications[J]. Journal of Intelligent & Fuzzy Systems, 2015, 30(1): 159-169.

[6] DEMIRTA? N, ?ZGüRLER S, ?ZGüRLER M, et al. Selecting e-purse smart card technology via fuzzy AHP and ANP[EB/OL]. [2018-05-06]. https://dr.dio.org/ 10.1155/2014/619030.

[7] 王偉偉, 陳萌萌, 劉音, 等. 傳統(tǒng)養(yǎng)生文化中的設(shè)計(jì)因子提取及應(yīng)用研究[J]. 圖學(xué)學(xué)報(bào), 2017, 38(1): 52-56.

[8] KRENG V B, WU C Y, WANG I C. Strategic justification of advanced manufacturing technology using an extended AHP model[J]. International Journal of Advanced Manufacturing Technology, 2011, 52(9-12): 1103-1113.

[9] 孫霞, 曾守楨. 群體綜合評價(jià)中兼顧權(quán)威與共識的專家權(quán)重方法研究[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識, 2014, 44(8): 42-47.

[10] EKLUND P, RUSINOWSKA A, DE SWART H. Consensus reaching in committees[J]. European Journal of Operational Research, 2007, 178(1): 185-193.

[11] 李永鋒, 侍偉偉, 朱麗萍. 基于灰色層次分析法的老年人APP用戶體驗(yàn)評價(jià)研究[J]. 圖學(xué)學(xué)報(bào), 2018, 39(1): 68-74.

[12] 劉鵬, 晏湘濤, 匡興華. 交互式?jīng)Q策中的專家動(dòng)態(tài)權(quán)重[J]. 工業(yè)工程與管理, 2007, 12(5): 32-36.

[13] YE J. Simplified neutrosophic harmonic averaging projection-based method for multiple attribute decisionmaking problems[J]. International Journal of Machine Learning & Cybernetics, 2017, 8(3): 981-987.

[14] CHEN Z P, YANG W. A new multiple attribute group decision making method in intuitionistic fuzzy setting[J].Applied Mathematical Modelling, 2011, 35(9): 4424-4437.

[15] LIU P D, LIU X. The neutrosophic number generalized weighted power averaging operator and its application in multiple attribute group decision making[J]. International Journal of Machine Learning & Cybernetics, 2018, 9(2): 347-358.

[16] BERNASCONI M, CHOIRAT C, SERI R. Empirical properties of group preference aggregation methods employed in AHP: Theory and evidence[J]. European Journal of Operational Research, 2014, 232(3): 584-592.

[17] WANG B L, LIANG J Y, QIAN Y H. Determining decision makers’ weights in group ranking: A granular computing method[J]. International Journal of Machine Learning & Cybernetics, 2015, 6(3): 511-521.

[18] PANG J F, LIANG J Y, SONG P. An adaptive consensus method for multi-attribute group decision making under uncertain linguistic environment[J]. Applied Soft Computing, 2017, 58: 339-353.

[19] XU J P, WU Z B, ZHANG Y A. A Consensus based method for multi-criteria group decision making under uncertain linguistic setting[J]. Group Decision & Negotiation, 2014, 23(1): 127-148.

[20] HERRERA-VIEDMA E, HERRERA F, CHICLANA F. A consensus model for multiperson decision making with differ-ent preference structures[J]. IEEE Transactions on Systems Man & Cybernetics Part A Systems & Humans, 2002, 32(3): 394-402.

[21] 張娜, 楊延璞. 產(chǎn)品造型感性評價(jià)中的粒子群優(yōu)化共識達(dá)成機(jī)制[J]. 機(jī)械設(shè)計(jì), 2017(6): 119-123.

[22] RAMANATHAN R, GANESH L S. Group preference aggregation methods employed in AHP: An evaluation and an intrinsic process for deriving members' weightages[J]. European Journal of Operational Research, 1994, 79(2): 249-265.

[23] YUE Z L. Extension of TOPSIS to determine weight of decision maker for group decision making problems with uncertain information[J]. Expert Systems with Applications, 2012, 39(7): 6343-6350.

[24] SAATY T L. How to make a decision: The analytic hierarchy process[J]. European Journal of Operational Research, 1994, 48(1): 9-26.

[25] 魯?shù)? 張金月. 基于層次分析法的BIM內(nèi)容庫網(wǎng)站評價(jià)研究[J]. 圖學(xué)學(xué)報(bào), 2015, 36(2): 298-305.

Dynamic Allocation of Weights to Experts for Evaluation of Product Design and Its Application

LI Xiao-ying, ZHOU Da-tao

(School of Industrial Design, Hubei University of Technology, Wuhan Hubei 430068, China)

In order to evaluate product design more reliably, a process for dynamic allocation of weights to experts is proposed. The group consensus model is introduced to measure the degree of difference between expert opinions. The level of similarity is used to detect and eliminate very distinct expert opinions, thereby allowing a consensus to be reached more easily and efficiently. Weights of expert opinions are determined dynamically using the clustering algorithm to sort out the quality of various product designs. The proposed method is applied to the real-world intelligent warning sign of vehicle. Results demonstrate the ability of the proposed method to capture the difference between expert opinions effectively, allocate weights to expert opinions dynamically and evaluate the product more reliably. Finally, the proposed method is compared with other competing methods to prove its superiority, yielding insights into the evaluation of product design.

industrial design; dynamic weights; coefficient of consensus; cluster analysis; design evaluation

TB 47

10.11996/JG.j.2095-302X.2019010193

A

2095-302X(2019)01-0193-08

2018-06-18；

2018-08-02

教育部人文社會科學(xué)研究規(guī)劃基金項(xiàng)目(18YJAZH048)；湖北省教育廳教研基金項(xiàng)目(2016286)

李曉英(1973-)，女，湖北武漢人，副教授，碩士，碩士生導(dǎo)師。主要研究方向?yàn)楫a(chǎn)品設(shè)計(jì)、交互設(shè)計(jì)等。E-mail：2239909513@qq.com