基于結(jié)構(gòu)熵權(quán)TOPSIS法的產(chǎn)品設(shè)計(jì)方案評(píng)估研究

陳 香，衛(wèi) 華

基于結(jié)構(gòu)熵權(quán)TOPSIS法的產(chǎn)品設(shè)計(jì)方案評(píng)估研究

陳 香，衛(wèi) 華

(江南大學(xué)設(shè)計(jì)學(xué)院，江蘇 無錫 214122)

為了提高企業(yè)在產(chǎn)品設(shè)計(jì)方案評(píng)估階段進(jìn)行合理決策的效率，提出了一種基于結(jié)構(gòu)熵權(quán)雙基點(diǎn)法(TOPSIS)的產(chǎn)品設(shè)計(jì)方案評(píng)估方法。在評(píng)估流程中，首先確定產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)指標(biāo)，專家對(duì)各評(píng)價(jià)指標(biāo)進(jìn)行重要度排序，在得到了“典型排序”后經(jīng)過結(jié)構(gòu)熵計(jì)算和“認(rèn)識(shí)盲度”計(jì)算，得出各評(píng)價(jià)指標(biāo)的權(quán)重，以替代雙基點(diǎn)法中專家主觀設(shè)定的權(quán)重系數(shù)；其次，構(gòu)建設(shè)計(jì)方案各指標(biāo)加權(quán)標(biāo)準(zhǔn)決策的矩陣，進(jìn)而求得各指標(biāo)的理想解，基于以上可得到各設(shè)計(jì)方案距離理想解的相對(duì)貼近度，經(jīng)對(duì)比后確定設(shè)計(jì)方案的排序情況，從而得到各方案的優(yōu)劣。最后，將該評(píng)估流程應(yīng)用于錄音筆設(shè)計(jì)方案評(píng)估的決策中，驗(yàn)證了該方法的可行性與有效性。

結(jié)構(gòu)熵權(quán)法；雙基點(diǎn)法；評(píng)價(jià)指標(biāo)權(quán)重；方案評(píng)估；錄音筆設(shè)計(jì)

企業(yè)的一個(gè)完整產(chǎn)品開發(fā)流程包括產(chǎn)品定義、工業(yè)設(shè)計(jì)、結(jié)構(gòu)設(shè)計(jì)、批量生產(chǎn)、市場(chǎng)銷售及售后服務(wù)等內(nèi)容，每一件產(chǎn)品的成功與否都離不開每一個(gè)環(huán)節(jié)的匹配程度。為了保證產(chǎn)品的用戶滿意度、創(chuàng)新性和可實(shí)現(xiàn)性，在產(chǎn)品設(shè)計(jì)方案評(píng)估階段，企業(yè)各部門專家從不同的專業(yè)視角對(duì)各產(chǎn)品設(shè)計(jì)方案進(jìn)行綜合評(píng)估后，確定最終的方案。而產(chǎn)品設(shè)計(jì)方案的評(píng)價(jià)指標(biāo)、規(guī)則和方式日益多樣、復(fù)雜，受各部門研究者的行業(yè)背景、行為偏好、認(rèn)知能力和專業(yè)經(jīng)驗(yàn)的影響，各專家對(duì)不同評(píng)價(jià)指標(biāo)的權(quán)重認(rèn)知、對(duì)同一對(duì)象在同一評(píng)價(jià)指標(biāo)下的評(píng)價(jià)也會(huì)存在差異性，從而使整個(gè)評(píng)價(jià)過程存在主觀性和不確定性。目前研究中主要存在的問題有：

(1) 在建立設(shè)計(jì)方案的評(píng)價(jià)指標(biāo)體系上，缺乏統(tǒng)一的標(biāo)準(zhǔn)。目前的研究主要是從設(shè)計(jì)的角度建立評(píng)價(jià)體系，以滿足用戶的需求和滿意度。如吳劍斌等[1]從兒童產(chǎn)品的造型、顏色、可操作性和人機(jī)關(guān)系等4個(gè)角度對(duì)設(shè)計(jì)方案進(jìn)行評(píng)估，通過模糊評(píng)價(jià)法量化抽象語義，得出優(yōu)選方案；李爭(zhēng)和王金鳳[2]提出利用層次分析法在文化創(chuàng)意產(chǎn)品造型設(shè)計(jì)中建立評(píng)價(jià)指標(biāo)體系，分別從形態(tài)、功能、色彩、文化、藝術(shù)等層面進(jìn)行評(píng)價(jià)；呂欣和劉玉云[3]從企業(yè)開發(fā)的角度分別從觀察者、產(chǎn)品使用者和生產(chǎn)者層面確定不同的評(píng)價(jià)指標(biāo)，提出一種基于AHP-TOPSIS的兒童安全座椅設(shè)計(jì)方案評(píng)價(jià)模型。

(2) 在確定各評(píng)價(jià)指標(biāo)的權(quán)重優(yōu)先級(jí)上，基于產(chǎn)品設(shè)計(jì)方案評(píng)估的運(yùn)用較少。當(dāng)前國(guó)內(nèi)外學(xué)者確定指標(biāo)權(quán)重的方法主要有3類：主觀賦權(quán)法(如層次分析法、粗糙集賦權(quán)法)、客觀賦權(quán)法(如熵權(quán)法、主成分分析法)和綜合賦權(quán)法(結(jié)合前2類)。如張璐等[4]以三角模糊數(shù)量化不確定的情感需求信息，結(jié)合信息熵方法確定各目標(biāo)意向的權(quán)重，減少專家在評(píng)價(jià)信息中的主觀性，并運(yùn)用模糊TOPSIS方法實(shí)現(xiàn)設(shè)計(jì)方案的優(yōu)選；周偉等[5]運(yùn)用粗糙集理論精簡(jiǎn)評(píng)價(jià)指標(biāo)，并定義指標(biāo)的量化方法，對(duì)指標(biāo)進(jìn)行重要度分析，計(jì)算評(píng)價(jià)指標(biāo)的模糊權(quán)重；王年文和徐麗[6]提出一種基于多感官評(píng)價(jià)方法的多線切割機(jī)造型設(shè)計(jì)研究中運(yùn)用模糊層次分析法計(jì)算出感官指標(biāo)的權(quán)重，進(jìn)而明確產(chǎn)品造型設(shè)計(jì)要素和優(yōu)先級(jí)；馬健君等[7]運(yùn)用結(jié)構(gòu)熵權(quán)法確定某輕客車各性能權(quán)重系數(shù)，并與用戶評(píng)分結(jié)合，得到整車性能評(píng)價(jià)結(jié)果。

基于上述研究，主觀賦權(quán)法存在夸大專家主觀判斷的風(fēng)險(xiǎn)，而客觀賦權(quán)法計(jì)算過程，雖然基于量化的數(shù)據(jù)事實(shí)，但可導(dǎo)致最終結(jié)果偏離實(shí)際情況。而結(jié)構(gòu)熵權(quán)法能夠結(jié)合主觀和客觀賦值[7]、定性和定量分析，合理地進(jìn)行評(píng)價(jià)指標(biāo)權(quán)重系數(shù)的計(jì)算，但此方法在產(chǎn)品設(shè)計(jì)方案評(píng)估研究中的運(yùn)用較缺乏。

因此，本文提出一種基于結(jié)構(gòu)熵權(quán)TOPSIS法的產(chǎn)品設(shè)計(jì)方案評(píng)估的模型、流程及其應(yīng)用案例。首先，在建立產(chǎn)品設(shè)計(jì)評(píng)價(jià)指標(biāo)體系后，引入結(jié)構(gòu)熵權(quán)法建立指標(biāo)評(píng)價(jià)矩陣并進(jìn)行結(jié)構(gòu)熵計(jì)算；其次，對(duì)認(rèn)知盲度進(jìn)行處理，得到評(píng)價(jià)指標(biāo)的權(quán)重系數(shù)比。最后，在方案評(píng)估階段，引入TOPSIS法，從而實(shí)現(xiàn)設(shè)計(jì)方案優(yōu)先級(jí)的選定，并用產(chǎn)品設(shè)計(jì)的實(shí)例——錄音筆，驗(yàn)證該方法的有效性。

1 設(shè)計(jì)方案評(píng)價(jià)指標(biāo)體系的建立及流程

1.1 產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)指標(biāo)體系的建立

目前的文獻(xiàn)研究中，關(guān)于評(píng)價(jià)指標(biāo)體系的建立主要從設(shè)計(jì)專業(yè)的角度進(jìn)行考量，如感性工學(xué)、多感官體驗(yàn)、用戶滿意度和人機(jī)工程學(xué)等。本文評(píng)價(jià)指標(biāo)的建立是從企業(yè)管理人員進(jìn)行決策的角度進(jìn)行。企業(yè)開發(fā)新產(chǎn)品，對(duì)設(shè)計(jì)部門形成的不同設(shè)計(jì)方案進(jìn)行評(píng)估，除了設(shè)計(jì)方案的設(shè)計(jì)水準(zhǔn)，還要考慮到方案的量產(chǎn)性、硬件選型、品牌效應(yīng)、市場(chǎng)推廣等，在每個(gè)維度下還需考慮各種次級(jí)指標(biāo)。因此，對(duì)方案的決策是一個(gè)涉及到多部門、多因素互相制約的復(fù)雜過程。

本文在建立錄音筆產(chǎn)品的評(píng)價(jià)指標(biāo)體系前，研究人員通過查閱文獻(xiàn)、頭腦風(fēng)暴、結(jié)合企業(yè)現(xiàn)狀，初步選定了6個(gè)一級(jí)指標(biāo)，每個(gè)一級(jí)指標(biāo)包括次級(jí)和三級(jí)共37個(gè)評(píng)價(jià)指標(biāo)。為了保證評(píng)價(jià)指標(biāo)的合理性、有效性和實(shí)操性，經(jīng)過專家討論、篩選，確定了2個(gè)一級(jí)指標(biāo)，分別為設(shè)計(jì)層和量產(chǎn)層，整個(gè)產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)指標(biāo)體系見表1。

表1 產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)指標(biāo)體系

1.2 產(chǎn)品設(shè)計(jì)方案的評(píng)價(jià)流程

(1) 建立設(shè)計(jì)方案的評(píng)價(jià)指標(biāo)體系。根據(jù)初步研究，建立了產(chǎn)品設(shè)計(jì)方案的評(píng)價(jià)指標(biāo)體系，并通過專家討論和選擇確定了合理的評(píng)價(jià)指標(biāo)集。

(2) 計(jì)算各級(jí)評(píng)估指標(biāo)的權(quán)重。選出企業(yè)內(nèi)不同部門的資深專家5名，分別對(duì)各自領(lǐng)域的各項(xiàng)指標(biāo)進(jìn)行打分，創(chuàng)建各指標(biāo)的評(píng)價(jià)矩陣，經(jīng)過結(jié)構(gòu)熵計(jì)算和認(rèn)知盲度處理，得到各級(jí)評(píng)價(jià)指標(biāo)的權(quán)重?cái)?shù)值。

(3) 對(duì)設(shè)計(jì)方案進(jìn)行評(píng)價(jià)決策。選出專家8名，結(jié)合現(xiàn)有的設(shè)計(jì)方案對(duì)每個(gè)指標(biāo)進(jìn)行打分，創(chuàng)建決策矩陣；對(duì)其進(jìn)行無量化處理，創(chuàng)建標(biāo)準(zhǔn)化決策矩陣；結(jié)合利用結(jié)構(gòu)熵權(quán)法計(jì)算得到各指標(biāo)的權(quán)重?cái)?shù)值，構(gòu)造加權(quán)規(guī)范化矩陣，確定正理想解和負(fù)理想解，最后計(jì)算各設(shè)計(jì)方案的距離尺度和貼近度，從而確定所有設(shè)計(jì)方案的排序情況。

2 結(jié)構(gòu)熵權(quán)TOPSIS法的方案評(píng)估模型

2.1 結(jié)構(gòu)熵權(quán)法確定各級(jí)評(píng)價(jià)指標(biāo)權(quán)重系數(shù)

本文采用的結(jié)構(gòu)熵權(quán)法是一種結(jié)合主觀賦權(quán)和客觀賦權(quán)確定權(quán)重系數(shù)的方法，其結(jié)合德爾菲專家調(diào)查法和模糊分析法[8]，對(duì)專家意見進(jìn)行處理，形成“典型排序”，并根據(jù)給定的熵決策公式進(jìn)行熵計(jì)算和“盲目性”處理，減少“典型排序”的不確定性，從而確定各指標(biāo)的權(quán)重系數(shù)。同時(shí)，本研究中評(píng)價(jià)指標(biāo)體系按照專業(yè)領(lǐng)域進(jìn)行區(qū)分，專家們分別對(duì)各自領(lǐng)域內(nèi)的評(píng)價(jià)指標(biāo)進(jìn)行評(píng)價(jià)。在進(jìn)行各級(jí)指標(biāo)權(quán)重計(jì)算中，應(yīng)遵循同級(jí)指標(biāo)比較原則，確定各級(jí)指標(biāo)相對(duì)權(quán)重后，通過計(jì)算得出所有指標(biāo)的權(quán)重系數(shù)比值。

(1) 收集專家評(píng)價(jià)意見，形成“典型排序”矩陣。設(shè)每個(gè)領(lǐng)域的專家數(shù)為，評(píng)價(jià)指標(biāo)集排序?yàn)?1,2,···,u)，每名專家利用自己的經(jīng)驗(yàn)對(duì)各指標(biāo)進(jìn)行重要度排序，形成評(píng)價(jià)指標(biāo)“典型排序”數(shù)組，記作(a1,a2,···,a)。其中，(a,a,···,a)可取{1,2,3,···,}自然數(shù)中的任意一種，如a1=a23，代表2個(gè)指標(biāo)同等重要。那么，名專家對(duì)同級(jí)各評(píng)價(jià)指標(biāo)的“典型排序”矩陣記為((a)，1,2,···,,1,2,···,)，其中a為第個(gè)專家對(duì)第個(gè)指標(biāo)u的評(píng)價(jià)。

(2) 結(jié)構(gòu)熵計(jì)算，構(gòu)造隸屬矩陣?！暗湫团判颉敝袑＜覍?duì)評(píng)價(jià)指標(biāo)的意見往往會(huì)因?yàn)閾裰貥?biāo)準(zhǔn)不同而形成偏差，因此需要對(duì)其形成的定性判斷結(jié)論進(jìn)行定額轉(zhuǎn)化，即結(jié)構(gòu)熵計(jì)算，為減少主觀因素帶來的誤差。進(jìn)行結(jié)構(gòu)熵計(jì)算的函數(shù)為

其中，為轉(zhuǎn)化參數(shù)量，取=2 (為指標(biāo)最大順序號(hào))，可得

由于信息熵是用來度量指標(biāo)數(shù)據(jù)的效用價(jià)值[9]，a的取值越小，指標(biāo)重要性越高，(a)∈(–1，0)。當(dāng)a取值為1時(shí)，(a)=0，當(dāng)a取值越大，(a)絕對(duì)值越大。為便于計(jì)算，定義(a)為指標(biāo)的信息效用價(jià)值。且(a)∈(0，1)，為a對(duì)應(yīng)的隸屬函數(shù)值，其中a=1,2,···,(為實(shí)際最大順序號(hào))。

將單一“典型排序數(shù)值”a代入式(5)可得到a的定量轉(zhuǎn)化值(a)，即為數(shù)值a的隸屬度，則可得隸屬度矩陣為：(b)(1,2,···,；1，2,···,)，其中，b為第名專家對(duì)第個(gè)指標(biāo)u評(píng)價(jià)的隸屬度。

(3) 基于“專家平均認(rèn)識(shí)度”和“認(rèn)識(shí)盲度”，進(jìn)行評(píng)價(jià)指標(biāo)總體認(rèn)識(shí)度計(jì)算，再通過歸一化處理，確定評(píng)價(jià)指標(biāo)的權(quán)重系數(shù)。參與評(píng)價(jià)指標(biāo)排序的名專家在評(píng)價(jià)過程中對(duì)各指標(biāo)的“一致看法”為專家的平均認(rèn)識(shí)度，記為b，則可得平均認(rèn)識(shí)度為

其中，b為第名專家對(duì)第個(gè)指標(biāo)u的認(rèn)識(shí)度(隸屬度)。專家在評(píng)價(jià)過程中由于認(rèn)知產(chǎn)生的不確定性為“認(rèn)識(shí)盲度”，記為Q，則

對(duì)于同級(jí)的每一個(gè)指標(biāo)u，參與評(píng)價(jià)過程的名專家關(guān)于u的總體認(rèn)識(shí)度記作x，則

由式(8)得到名專家全體對(duì)評(píng)價(jià)指標(biāo)u的評(píng)價(jià)向量為

最后通過將評(píng)價(jià)向量歸一化處理可以得到各評(píng)價(jià)指標(biāo)u的權(quán)重系數(shù)，記作α，則

2.2 改進(jìn)TOPSIS方法的設(shè)計(jì)方案評(píng)價(jià)流程

在進(jìn)行方案評(píng)價(jià)時(shí)，涉及到眾多評(píng)價(jià)指標(biāo)，優(yōu)選出最佳方案是一個(gè)多目標(biāo)綜合決策的過程。貼近于理想值的排序方法——熵權(quán)-TOPSIS法是解決該類問題的主要方法[10]，該方法能夠計(jì)算出評(píng)價(jià)方案與正理想解和負(fù)理想解之間的距離進(jìn)行排序，若評(píng)價(jià)對(duì)象距離正理想解最近且距離負(fù)理想解最遠(yuǎn)，則為最佳方案，反之最差[11]。

但目前TOPSIS方法所采用的指標(biāo)權(quán)重基本上是由專家主觀確定為主，其客觀準(zhǔn)確度較低。因此，本研究用客觀的結(jié)構(gòu)熵權(quán)法確定評(píng)價(jià)指標(biāo)的權(quán)重系數(shù)值，取代以專家主觀確定的權(quán)重，進(jìn)而根據(jù)各評(píng)價(jià)指標(biāo)的屬性值，對(duì)各設(shè)計(jì)方案進(jìn)行綜合評(píng)價(jià)。

其中，w為第個(gè)評(píng)價(jià)指標(biāo)的權(quán)重，1,2,···,,1，2,···,。

(3)確定正理想值和負(fù)理想值[12]，評(píng)價(jià)指標(biāo)的屬性可分為2類：效益屬性值和成本類型屬性值[13]。正理想解中包含最多和最少的成本型屬性值，反之為負(fù)理想解。各個(gè)設(shè)計(jì)方案評(píng)價(jià)指標(biāo)正理想解和負(fù)理想解分別記作V和–，其可表達(dá)為

其中，L和–分別為設(shè)計(jì)方案p到最優(yōu)與最劣方案的歐氏距離；v和–分別為第個(gè)評(píng)價(jià)指標(biāo)下的最優(yōu)和最劣解；v為第個(gè)設(shè)計(jì)方案在第個(gè)評(píng)價(jià)指標(biāo)下的加權(quán)標(biāo)準(zhǔn)評(píng)價(jià)值。

(5) 計(jì)算各方案到理想解的貼近度。各產(chǎn)品設(shè)計(jì)方案到理想解的相對(duì)貼近度記作S，即

其中，0<S<1，S值越大代表方案距離最由解越近、方案越優(yōu)。根據(jù)各個(gè)設(shè)計(jì)方案的S值的大小排序可得到設(shè)計(jì)方案的優(yōu)劣排序。

3 結(jié)構(gòu)熵權(quán)TOPSIS法的實(shí)例應(yīng)用

為了驗(yàn)證基于結(jié)構(gòu)熵權(quán)TOPSIS法的方案評(píng)估模型的有效性，本文以某硬件公司開發(fā)的3款便攜式錄音筆設(shè)計(jì)方案1(圖1和圖2)2(圖3和圖4)、3(圖5和圖6)的評(píng)估為例展開研究。每個(gè)方案在設(shè)計(jì)上存在差異性，決策人員基于本文的結(jié)構(gòu)熵權(quán)TOPSIS法的產(chǎn)品設(shè)計(jì)方案評(píng)估模型，并進(jìn)行綜合評(píng)價(jià)，具體步驟如下：

3.1 結(jié)構(gòu)熵權(quán)法確定各級(jí)評(píng)價(jià)指標(biāo)權(quán)重系數(shù)

經(jīng)過專家討論、合理篩選后的錄音筆設(shè)計(jì)方案評(píng)價(jià)指標(biāo)體系見表2，由1~3級(jí)組成的評(píng)價(jià)指標(biāo)集合{[(1，2，3，4)，(5，6，7，8)，(9，10，11)]，[(12，13)，(14，15)]}，該體系是針對(duì)錄音筆產(chǎn)品而形成的指標(biāo)集合，當(dāng)產(chǎn)品門類改變時(shí)，評(píng)價(jià)指標(biāo)會(huì)有變動(dòng)。不同專業(yè)領(lǐng)域各選5名專家根據(jù)自己的經(jīng)驗(yàn)對(duì)各級(jí)指標(biāo)進(jìn)行評(píng)價(jià)、排序，得到“典型排列”矩陣。其中得分最高值為每個(gè)層級(jí)的指標(biāo)數(shù)目，分?jǐn)?shù)1為最重要，分?jǐn)?shù)越大則越不重要，分?jǐn)?shù)值相同為同等重要。

圖1 方案p1展示(1. 掛繩孔；2. 屏幕；3. 錄音鍵；4. 音孔、MIC；5. 音量鍵；6. 復(fù)位；7. 開始)

圖2 方案p2展示 (1. 錄音鍵、暫停鍵、標(biāo)記鍵；2. 指示燈；3. MIC；4. 背夾)

圖3 方案p3展示(1. 屏幕；2. 音孔、MIC；3. 錄音鍵；4. 收藏鍵)

以“功能指標(biāo)”為例，該指標(biāo)下的三級(jí)指標(biāo)集(1，2，3，4)中有4項(xiàng)，則最高分為4，得到其“典型排序”矩陣1為

表2 產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)矩陣

將1代入式(4)中，經(jīng)過結(jié)構(gòu)熵計(jì)算，得到其隸屬度矩陣1

將其分別代入式(6)和(7)中，可得到(1,2,3,4)的專家“共同認(rèn)識(shí)度”集和“認(rèn)識(shí)盲度”集，分別為=(0.93，0.70，0.62，0.60)，=(0.23，0.24，0.05，0.09)將其代入式(8)和(9)中可得到5名專家全體對(duì)評(píng)價(jià)指標(biāo)集(1,2,3,4)的評(píng)價(jià)向量1=(0.73,0.53, 0.59,0.55)，將1代入式(10)中，歸一化處理可得到評(píng)價(jià)指標(biāo)(1,2,3,u)的權(quán)重系數(shù)集1=(0.30，0.22，0.25，0.23)。以此類推得到各部門專家對(duì)各級(jí)評(píng)價(jià)指標(biāo)的權(quán)重系數(shù)，見表3。

表3 各級(jí)評(píng)價(jià)指標(biāo)的權(quán)重系數(shù)比值

將各級(jí)評(píng)價(jià)指標(biāo)的權(quán)重系數(shù)歸一化處理可得到所有評(píng)價(jià)指標(biāo)集合的權(quán)重系數(shù)比值=(0.094，0.076，0.078，0.061，0.075，0.052，0.059，0.044，0.071，0.084，0.064，0.065，0.077，0.063，0.037)。對(duì)各評(píng)價(jià)指標(biāo)的權(quán)重系數(shù)比值進(jìn)行大小排序，得到錄音筆產(chǎn)品設(shè)計(jì)方案的評(píng)價(jià)指標(biāo)重要程度順序?yàn)椋哼h(yuǎn)場(chǎng)錄音>易操作性>藍(lán)牙傳輸>近場(chǎng)錄音>模具開發(fā)>形態(tài)設(shè)計(jì)>人機(jī)合理>裝配合理>續(xù)航>生產(chǎn)工藝>拍攝記錄>材質(zhì)設(shè)計(jì)>色彩設(shè)計(jì)>紋理設(shè)計(jì)>表面處理。

經(jīng)排序，可得到同專業(yè)或不同專業(yè)評(píng)價(jià)指標(biāo)的重要度對(duì)比。例如在功能層中，涉及錄音筆產(chǎn)品屬性的錄音與藍(lán)牙功能最為重要，而拍攝記錄作為一個(gè)附屬功能可有可無；在外觀設(shè)計(jì)中，形態(tài)設(shè)計(jì)影響用戶的直觀感受，較為重要；在體驗(yàn)層中，人機(jī)尺寸、易操作性與續(xù)航能力直接影響用戶的使用滿意度。

3.2 改進(jìn)TOPSIS法的設(shè)計(jì)方案評(píng)價(jià)

現(xiàn)有待評(píng)價(jià)的設(shè)計(jì)方案集=(1，2，3)共 3個(gè)方案，評(píng)價(jià)指標(biāo)集(1,2,···,15)共15個(gè)評(píng)價(jià)指標(biāo)。決策團(tuán)隊(duì)(2名企業(yè)決策者，2名工業(yè)設(shè)計(jì)師，2名用戶，1名結(jié)構(gòu)設(shè)計(jì)師，1名硬件工程師)共8名決策專家對(duì)每個(gè)方案p(=1，2，3)按照產(chǎn)品設(shè)計(jì)評(píng)價(jià)指標(biāo)體系(表3)利用打分法進(jìn)行評(píng)價(jià)。打分范圍為0~10分，其中，(3,5]為較差，(5,6]為一般，(6,8]為較好，(8,10]為很好。可得到初步?jīng)Q策矩陣，即

對(duì)初步?jīng)Q策矩陣進(jìn)行無量化處理，得到規(guī)范化后的標(biāo)準(zhǔn)決策矩陣，即

將代入式(11)中可得到加權(quán)標(biāo)準(zhǔn)決策矩陣，即

通過分析可知評(píng)價(jià)指標(biāo)中屬于效益型屬性值包括1~12，14~15，成本型屬性值包括13。將代入式(12)和(13)中可得到正理想解V和負(fù)理想解–，分別為

V=(0.143,0.236,0.423,0.247,0.138,0.221,0.329,0.221,0.333,0.246,0.128,0.547,0.046,0.345,0.131)

–=(0.037,0.024,0.030,0.026,0.028,0.018,0.023, 0.015, 0.027,0.024,0.026,0.036,0.254,0.039,0.018)

將加權(quán)標(biāo)準(zhǔn)決策矩陣、正理想解V與負(fù)理想解–代入式(14)，可得到各設(shè)計(jì)方案的距離尺度L與L–分別為

L=(0.233，0.026，0.567)

L–=(0.026，0.366，0.128)

將L+與L–代入式(15)，可得到各設(shè)計(jì)方案距離理想解的相對(duì)貼近度S+為

S=(0.441，0.865，0.144)

3種方案與理想解的相對(duì)接近程度由大到小為213，貼近度越近，方案越接近理想值，方案2為最優(yōu)解。通過各部門專家意見，一致認(rèn)為方案2不僅從交互上單按鍵操作體驗(yàn)豐富、產(chǎn)品形態(tài)圓潤(rùn)簡(jiǎn)約，而且設(shè)計(jì)可實(shí)現(xiàn)程度上較易，為理想方案。同時(shí)，也驗(yàn)證了評(píng)價(jià)結(jié)果的可靠性。

4 結(jié)束語

(1) 本文從企業(yè)開發(fā)產(chǎn)品角度出發(fā)，提出基于結(jié)構(gòu)熵權(quán)和TOPSIS法兩者相結(jié)合，運(yùn)用并進(jìn)行合理篩查后，建立了科學(xué)系統(tǒng)的產(chǎn)品設(shè)計(jì)方案評(píng)價(jià)指標(biāo)體系和模型。方案評(píng)估時(shí)，基于結(jié)構(gòu)熵權(quán)法結(jié)合主觀賦值和客觀賦值，通過定性、定量分析，合理地進(jìn)行評(píng)價(jià)指標(biāo)權(quán)重系數(shù)的計(jì)算；基于傳統(tǒng)的TOPSIS法結(jié)合結(jié)構(gòu)熵權(quán)法計(jì)算所得到的評(píng)價(jià)指標(biāo)權(quán)重系數(shù)，可獲取產(chǎn)品設(shè)計(jì)方案的理想方案和負(fù)理想方案，通過計(jì)算待評(píng)估方案與兩者的貼近度，可選出產(chǎn)品設(shè)計(jì)中的最佳方案。最后，通過一種錄音筆的實(shí)例設(shè)計(jì)，驗(yàn)證了產(chǎn)品設(shè)計(jì)評(píng)價(jià)模型應(yīng)用的有效性。為企業(yè)在開發(fā)產(chǎn)品前期的設(shè)計(jì)方案評(píng)估階段，提供了一種創(chuàng)新的評(píng)價(jià)模型和方法，也為市場(chǎng)上其他產(chǎn)品的設(shè)計(jì)評(píng)價(jià)提供了參考。

(2) 本文提出的產(chǎn)品設(shè)計(jì)方案評(píng)估模型，在輔助各部門專家對(duì)設(shè)計(jì)方案進(jìn)行評(píng)估時(shí)的數(shù)據(jù)處理具有一定的客觀性。同時(shí)對(duì)錄音筆的評(píng)價(jià)指標(biāo)體系是針對(duì)該類產(chǎn)品進(jìn)行的，其他類產(chǎn)品可根據(jù)產(chǎn)品特定情況對(duì)評(píng)價(jià)指標(biāo)體系進(jìn)行修改后再確定。在后續(xù)的設(shè)計(jì)實(shí)踐中，將針對(duì)不同類型產(chǎn)品確定不同的評(píng)價(jià)指標(biāo)，使得評(píng)價(jià)研究范圍上更全面。

[1] 吳劍斌, 陳香, 張凌浩. 兒童產(chǎn)品造型語義模糊評(píng)價(jià)[J]. 機(jī)械設(shè)計(jì), 2018, 35(2): 124-128. WU J B, CHEN X, ZHANG L H. Fuzzy evaluation of children product modeling semantics[J]. Journal of Machine Design, 2018, 35(2): 124-128 (in Chinese).

[2] 李爭(zhēng), 王金鳳. 模糊評(píng)價(jià)法在文化創(chuàng)意產(chǎn)品造型設(shè)計(jì)中的應(yīng)用研究[J]. 現(xiàn)代電子技術(shù), 2019, 42(13): 131-133. LI Z, WANG J F. Application of fuzzy evaluation method in cultural and creative product style design[J]. Modern Electronics Technique, 2019, 42(13): 131-133 (in Chinese).

[3] 呂欣, 劉玉云. 基于AHP-TOPSIS方法的兒童安全座椅設(shè)計(jì)方案評(píng)價(jià)研究[J]. 包裝工程, 2019, 40(14): 150-155. LYU X, LIU Y Y. Evaluation of design alternatives for child safety seat based on AHP-TOPSIS[J]. Packaging Engineering, 2019, 40(14): 150-155 (in Chinese).

[4] 張璐, 李巨韜, 趙艷云, 等. 基于用戶感性需求的產(chǎn)品設(shè)計(jì)方案評(píng)估方法[J]. 運(yùn)籌與管理, 2019, 28(1): 152-157. ZHANG L, LI J T, ZHAO Y Y, et al. Evaluation method for product design based on users’ emotional needs[J]. Operations Research and Management Science, 2019, 28(1): 152-157 (in Chinese).

[5] 周偉, 肖莉明, 黃廣全, 等. 粗糙集指標(biāo)簡(jiǎn)約的裝配設(shè)計(jì)方案模糊評(píng)價(jià)[J]. 重慶大學(xué)學(xué)報(bào), 2018, 41(6): 24-34. ZHOU W, XIAO L M, HUANG G Q, et al. Fuzzy evaluation of assembly design scheme based on attribute value reduction of rough sets[J]. Journal of Chongqing University, 2018, 41(6): 24-34 (in Chinese).

[6] 王年文, 徐麗. 基于感官評(píng)價(jià)方法的多線切割機(jī)造型設(shè)計(jì)研究[J]. 機(jī)械設(shè)計(jì), 2018, 35(5): 116-120. WANG N W, XU L. Research on modeling design of multi-wire cutting machine based on sensory evaluation method[J]. Journal of Machine Design, 2018, 35(5): 116-120 (in Chinese).

[7] 馬健君, 趙禮輝, 李通, 等. 基于用戶行駛需求的輕客整車性能評(píng)價(jià)[J]. 機(jī)械強(qiáng)度, 2019, 41(1): 91-97. MA J J, ZHAO L H, LI T, et al. Vehicle performance evaluation of light bus based on user driving needs[J]. Journal of Mechanical Strength, 2019, 41(1): 91-97 (in Chinese).

[8] 程啟月. 評(píng)測(cè)指標(biāo)權(quán)重確定的結(jié)構(gòu)熵權(quán)法[J]. 系統(tǒng)工程理論與實(shí)踐, 2010, 30(7): 1225-1228. CHENG Q Y. Structure entropy weight method to confirm the weight of evaluating index[J]. Systems Engineering-Theory & Practice, 2010, 30(7): 1225-1228 (in Chinese).

[9] 胡珺, 李春暉, 賈俊香, 等. 基于結(jié)構(gòu)熵權(quán)的黃河上游水資源脆弱性模糊綜合評(píng)價(jià)[J]. 水資源與水工程學(xué)報(bào), 2012, 23(6): 17-22. HU J, LI G H, JIA J X, et al. Fuzzy comprehensive evaluation of water resources vulnerability based on structure entropy weight method in upper reaches of the Yellow River basin[J]. Journal of Water Resources and Water Engineering, 2012, 23(6): 17-22 (in Chinese).

[10] ZYOUD S H, FUCHS-HANUSCH D. A bibliometric- based survey on AHP and TOPSIS techniques[J]. Expert Systems With Applications, 2017, 78: 158-181.

[11] SUNIL C. Hybrid FAHP-TOPSIS approach for performance evaluation of the V down perforated bafle roughened rectangular channel[J]. Energy, 2015, 84: 432-442.

[12] WANG X M. Mining method choice based on AHP and fuzzy mathematics[J]. Science and Technology, 2008, 39(5): 875-880.

[13] 陳香, 邱大鵬. 基于模糊Kano模型與TOPSIS法的產(chǎn)品設(shè)計(jì)研究[J]. 圖學(xué)學(xué)報(bào), 2019, 40(2): 315-320. CHEN X, QIU D P. Research of product design based on fuzzy-Kano model and TOPSIS[J]. Journal of Graphics, 2019, 40(2): 315-320 (in Chinese).

Research on product design scheme evaluation based on TOPSIS method of structure entropy weight

CHEN Xiang, WEI Hua

(School of Design, Jiangnan University, Wuxi Jiangsu 214122, China)

In order to improve the efficiency of rational decision-making in the process of product design scheme evaluation, this paper proposed a method of product design scheme evaluation based on TOPSIS (technique for order preference by similarity to ideal solution) and the method of structure entropy weight. In the evaluation process, the evaluation indexes of product design scheme were determined first, and then the experts ranked each evaluation index based on its priority. After obtaining the “typical ranking”, the weight of each evaluation index was calculated through structural entropy calculation and “cognition blindness”, thus enabling itself to replace the weight coefficient set by experts in TOPSIS method. Next, the matrix of weighted standard decision-making for each index of design scheme was constructed, and then the ideal solution of each index was obtained. Based on the above procedures, the relative closeness degree of each design scheme to its ideal solution can be obtained, and the corresponding ranking of design schemes can be determined after comparison. Finally, the evaluation process was applied to the decision-making of the design scheme evaluation of recording pens, which verified the feasibility and effectiveness of this method.

structural entropy weight method; technique for order preference by similarity to ideal solution; weight of evaluation index; scheme evaluation; recording pen design

TP 391

10.11996/JG.j.2095-302X.2020030446

A

2095-302X(2020)03-0446-07

2019-12-04；

2020-02-18

中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金項(xiàng)目(JUSRP120109)；江蘇省教育科學(xué)“十三五”規(guī)劃課題(B-a/2016/01/20)

陳 香(1976-)，女，安徽滁州人，副教授，博士。主要研究方向?yàn)楣I(yè)設(shè)計(jì)、產(chǎn)品系統(tǒng)設(shè)計(jì)等。E-mail：chen6xiangq9@163.com