張迪婧,侯增選,黃 磊,趙有航
融合用戶滿意度的產(chǎn)品需求配置方法研究
張迪婧,侯增選,黃 磊,趙有航
(大連理工大學(xué)機(jī)械工程學(xué)院,遼寧 大連 116024)
為合理地確定用戶需求偏好及其優(yōu)先程度以適應(yīng)大規(guī)模定制生產(chǎn)模式,最大限度提升用戶滿意度,提出一種改進(jìn)的產(chǎn)品用戶需求配置方法。將模糊聚類分析方法融入Kano模型中對用戶需求進(jìn)行歸屬分類,根據(jù)用戶需求對滿意度提升的貢獻(xiàn)程度進(jìn)行篩選,計算需求滿意度及重要度評價因子,建立產(chǎn)品用戶需求遞階層次結(jié)構(gòu)模型。在模糊層次分析法(FAHP)中通過采用模糊最優(yōu)最劣法(FBWM)構(gòu)造一致性三角模糊數(shù)互補(bǔ)判斷矩陣,引入可能度概念實現(xiàn)去模糊化,得到用戶需求初始權(quán)重,并將需求評價因子作為初始權(quán)重的修正因子,將修正后的權(quán)重進(jìn)行歸一化處理,得到用戶需求綜合權(quán)重,以此為依據(jù)實現(xiàn)產(chǎn)品需求配置。以某企業(yè)眼鏡產(chǎn)品設(shè)計開發(fā)為例,驗證了該方法的有效性,為眼鏡及其他產(chǎn)品設(shè)計開發(fā)提供了用戶需求配置策略。
用戶需求;需求配置;用戶滿意度;Kano模型;模糊層次分析法;定量化
近年來,隨著人們消費(fèi)理念的轉(zhuǎn)變,用戶需求呈現(xiàn)多樣化、差異化的發(fā)展趨勢。賣方市場主導(dǎo)下的大眾化產(chǎn)品和有限的產(chǎn)品配置方式難以滿足消費(fèi)者日益主動和強(qiáng)勢的個性化需求。在現(xiàn)代網(wǎng)絡(luò)信息技術(shù)和先進(jìn)制造技術(shù)的推動下,以用戶為驅(qū)動,以產(chǎn)品多品種、高質(zhì)量、低成本和短生命周期為特征的大規(guī)模定制(mass customization,MC)生產(chǎn)模式,逐漸成為一種全新的戰(zhàn)略思維。這種生產(chǎn)模式在企業(yè)大規(guī)模生產(chǎn)(mass production,MP)的基礎(chǔ)上[1],融合了用戶的個性化需求,以平衡用戶需求項增多引發(fā)的用戶滿意度和企業(yè)生產(chǎn)成本之間的矛盾。用戶對需求的表述具有模糊性、動態(tài)性和不確定性的特點,往往表達(dá)為滿意度。因此,如何有效地進(jìn)行用戶需求識別及配置,以期最大限度上提升用戶滿意度是大規(guī)模定制發(fā)展所必須解決的問題。
卡諾模型(Kano model)[2]通過用戶偏好分類技術(shù)識別用戶需求和期望,研究了產(chǎn)品質(zhì)量屬性與用戶滿意度之間的相關(guān)性,已成為產(chǎn)品設(shè)計和新產(chǎn)品創(chuàng)意生成過程中反映用戶滿意度的有效方法,但傳統(tǒng)的Kano模型側(cè)重于產(chǎn)品質(zhì)量屬性分類方法及各類關(guān)系曲線的定性描述,未明確說明同一類別質(zhì)量屬性的滿意度及重要度的優(yōu)先順序,為此國內(nèi)外學(xué)者對Kano模型的量化方法及應(yīng)用展開研究。張文召等[3]提出一種結(jié)合粗糙集與Kano模型、灰色關(guān)聯(lián)分析與逼近理想解排序法的產(chǎn)品設(shè)計方案決策方法,實現(xiàn)了多目標(biāo)決策要求下方案的優(yōu)選。ZHAO等[4]提出了通過確定用戶需求和用戶滿意度之間的關(guān)系來量化Kano模型,可將需求映射階段和產(chǎn)品配置設(shè)計階段聯(lián)系起來。SUH等[5]基于Kano模型推導(dǎo)了校企合作活動中各因素的滿意度指數(shù)、不滿意度指數(shù)和潛在顧客滿意度改進(jìn)指數(shù),為校企合作提供指導(dǎo)方針。DOU等[6]提出了一種結(jié)合Kano模型和交互式遺傳算法(interactive genetic algorithms,IGA)的方法,在充分考慮客戶的個人偏好的同時增強(qiáng)有效的用戶參與度,實現(xiàn)客戶驅(qū)動的產(chǎn)品定制設(shè)計。考慮到用戶需求表述的模糊性,AVIKAL等[7]提出了一種將模糊Kano模型集成到QFD中以確定SUV汽車外形美學(xué)屬性的分類和排序方法,并與經(jīng)典Kano模型進(jìn)行對比,驗證了該方法的有效性。目前針對Kano模型的方法與應(yīng)用研究仍存在不足:①多數(shù)學(xué)者采用頻數(shù)最大法確定產(chǎn)品質(zhì)量屬性的歸屬類別,易出現(xiàn)不同Kano類別頻數(shù)相近或相等的情況,影響類別判定的準(zhǔn)確度;②模糊Kano模型雖在用戶需求表述上更貼合模糊性的特點,但其問卷專業(yè)性更強(qiáng),增加了問卷及調(diào)研難度,影響結(jié)果的有效性;③多數(shù)Kano問卷未區(qū)分各質(zhì)量屬性的權(quán)重,即默認(rèn)其在整體評價中具有相同的重要程度,不能反映用戶間的差異性。模糊聚類分析法采用模糊數(shù)學(xué)的方法處理聚類問題,可得到樣本隸屬于各類別的不確定程度,更能客觀的反映現(xiàn)實世界,成為聚類分析研究的主流。模糊聚類分析法與Kano模型相結(jié)合為類別劃分提供了新思路,能有效規(guī)避Kano模型中可能存在的質(zhì)量類別判定不準(zhǔn)確的問題[8]。通過對Kano問卷結(jié)構(gòu)的改進(jìn),設(shè)置產(chǎn)品質(zhì)量屬性用戶賦權(quán)項,可反映不同用戶的評價差異,使評價結(jié)果更準(zhǔn)確。
用戶需求的重要度反映了其在產(chǎn)品設(shè)計綜合決策過程中占有的地位和用戶對產(chǎn)品的關(guān)注程度,對已確定的用戶需求進(jìn)行優(yōu)先級排序是需求配置的關(guān)鍵環(huán)節(jié)。層次分析法(analytic hierarchy process,AHP)將定性與定量分析相結(jié)合,廣泛應(yīng)用于優(yōu)先級排序及多目標(biāo)、多準(zhǔn)則、多層級的方案評估決策,但傳統(tǒng)的AHP無法反映決策者判斷的模糊性,并且決策過程中構(gòu)造的判斷矩陣一致性檢驗困難、一致性判斷標(biāo)準(zhǔn)(<0.1)缺乏理論依據(jù),為此一些學(xué)者引入模糊邏輯,擴(kuò)展成模糊層次分析法(fuzzy analytical hierarchy process,F(xiàn)AHP),提高了決策的客觀性和可靠性。SHAMEEM等[9]應(yīng)用FAHP對全球軟件開發(fā)環(huán)境中用于擴(kuò)展敏捷開發(fā)的障礙進(jìn)行優(yōu)先排序和分類。KUTLU和KAHRAMAN[10]將傳統(tǒng)的AHP擴(kuò)展到球形模糊層次分析法,并應(yīng)用于可再生能源的選址問題中。LYU等[11]研究了一種梯形FAHP,采用梯形模糊數(shù)表示評估因子之間的相對重要性,用于評估與地面沉降有關(guān)的特大城市基礎(chǔ)設(shè)施的風(fēng)險。目前FAHP方法在優(yōu)先級排序中存在以下不足:①傳統(tǒng)的FAHP需通過專家將決策方案進(jìn)行兩兩對比構(gòu)造模糊判斷矩陣,比較次數(shù)多,尤其當(dāng)決策方案數(shù)量較大時,評估過程復(fù)雜繁瑣,影響評估的有效性;②采用模糊數(shù)構(gòu)造的模糊判斷矩陣往往不滿足一致性,一致性檢驗困難,修正過程繁瑣。模糊最優(yōu)最劣法(fuzzy best-worst method,F(xiàn)BWM)[12]是在最優(yōu)最劣法(best-worst method,BWM)[13]的基礎(chǔ)上,考慮專家決策的模糊性和不確定性,引入模糊理論的一種最新的多屬性決策方法。FBWM通過專家選定最優(yōu)、最劣指標(biāo)并執(zhí)行最優(yōu)指標(biāo)相對于其他指標(biāo)及其他指標(biāo)相對于最劣指標(biāo)間的參考比較,建立模糊最優(yōu)、最劣比較向量,減少了專家決策過程中的比較次數(shù),簡化了評價過程。將FBWM用于FAHP中模糊一致性互補(bǔ)判斷矩陣的構(gòu)建,可避免一致性檢驗導(dǎo)致的結(jié)構(gòu)冗余,簡化優(yōu)先級排序算法。
針對目前用戶需求類別劃分及優(yōu)先級排序過程中存在的不足,本文提出一種改進(jìn)的產(chǎn)品用戶需求配置方法,通過建立模糊性、不確定性、定性化的用戶需求與集專家評估與用戶評估于一體的需求定量化表述之間的映射模型,實現(xiàn)產(chǎn)品需求配置。
本文提出一種改進(jìn)的產(chǎn)品用戶需求配置方法,具體流程如圖1所示,將FAHP法融入Kano模型中對用戶需求進(jìn)行歸屬分類,計算用戶需求評價因子,建立產(chǎn)品用戶需求遞階層次結(jié)構(gòu)模型。在FAHP中通過采用FBWM構(gòu)造一致性三角模糊數(shù)互補(bǔ)判斷矩陣,以三角模糊數(shù)[14]代替模糊判斷矩陣中的確定值,引入可能度概念實現(xiàn)去模糊化,得到用戶需求初始權(quán)重,并將用戶需求評價因子作為初始權(quán)重的修正因子,計算用戶需求綜合權(quán)重,從而實現(xiàn)用戶需求定量化的優(yōu)先級排序,以此作為產(chǎn)品用戶需求配置的指導(dǎo)。
圖1 融合用戶滿意度的產(chǎn)品需求配置方法
將模糊聚類分析方法融入Kano模型,對用戶需求進(jìn)行識別、分類、篩選,采取用戶角度的需求重要度和Kano滿意度調(diào)整系數(shù)進(jìn)行需求量化分析,并構(gòu)建用戶需求遞階層次結(jié)構(gòu)模型。
用戶需求信息通常呈現(xiàn)多面性、差異性、動態(tài)性、模糊性、猶豫性和主觀性的特點,且有些需求是用戶難以想到的驚喜需求[15]。為獲取較全面的用戶需求,采用資料查詢、深度訪談、用戶消費(fèi)心理問卷調(diào)查綜合調(diào)研方法,識別用戶需求特征并篩選得到初始用戶需求。
對初始需求進(jìn)行編號并設(shè)計評價問卷,采用FAHP法進(jìn)行需求類別判定,步驟如下:
(1) 對用戶需求設(shè)置正反向問題,分別測試用戶在面對具備或不具備某項特征時的滿意度情況,并由用戶對需求特征的重要程度打分。以眼鏡“尺寸可選擇”為例,問卷內(nèi)容見表1。
(2) 圖2為Kano模型,其將質(zhì)量屬性分為5類,對應(yīng)5種用戶需求。根據(jù)表2進(jìn)行問卷分析,得到用戶需求特征的Kano類別隸屬度。
(3) 根據(jù)需求特征Kano類別隸屬度,采用模糊聚類分析方法對其進(jìn)行歸屬分類,步驟如下:
圖2 Kano模型
表2 Kano模型評價標(biāo)準(zhǔn)
(注:A為魅力型需求;O為期望型需求;M為必備需求;I為無差異需求;R為反向需求;Q為有問題的回答,對應(yīng)的問卷視為無效)
步驟1.設(shè)論域={1,2,3,cr}為產(chǎn)品初始用戶需求特征集合,任一需求向量可表示為=(cr1, cr2, cr3, cr4, cr5),=1,2,3,···,,其中cr1~cr5分別代表該需求特征對A,O,M,I,R的隸屬度,據(jù)此建立隸屬度矩陣,并采用平移極差變換法進(jìn)行標(biāo)準(zhǔn)化處理,即
其中,r為cr和cr間的相似程度;為修正系數(shù),取值為(0,1),保證r?[0,1]。
由Kano模型可知,不同用戶需求特征對用戶滿意度的提升程度和受關(guān)注度不同,因此需進(jìn)行需求篩選,篩選類別分為M,O,A,I,R。其中M類需求是產(chǎn)品的基本標(biāo)準(zhǔn),被視為理所應(yīng)當(dāng)?shù)南葲Q條件,是產(chǎn)品的基本屬性,為簡化需求分析過程,在產(chǎn)品需求配置過程中應(yīng)予以剔除;O類需求的用戶滿意度與需求的滿足程度成正相關(guān),應(yīng)關(guān)注并保留,以提升產(chǎn)品的整體滿意度;A類需求能最大程度上提升用戶整體滿意度,并給用戶帶來驚喜,可提升產(chǎn)品在其競品中的影響力和競爭力,成為“賣點”,應(yīng)重點關(guān)注并保留;I類需求基本不影響用戶滿意度;R類需求對用戶滿意度產(chǎn)生負(fù)面影響,均應(yīng)剔除。
(1) 根據(jù)表1構(gòu)建用戶需求重要度向量=(1,2,···,r)T,其中r為第項需求重要度均值。
(2) 在Kano模型中,用戶需求實現(xiàn)程度與用戶需求滿意度之間的關(guān)系可用含參函數(shù)近似量化,即
其中,為用戶滿意度;為用戶需求實現(xiàn)程度;c為常數(shù);為Kano模型中的調(diào)整系數(shù),不同Kano類別對應(yīng)不同的值(人為確定):A類需求取>1,O類=1。
(3)根據(jù)r和值確定用戶角度的需求評價向量=(1,2,···,e)T,其中評價因子為
采用KJ法,按照各用戶需求間的親和性,對其進(jìn)行歸納整理,構(gòu)建用戶需求遞階層次結(jié)構(gòu)模型,用框圖表示層級間的遞階結(jié)構(gòu)和用戶需求的從屬關(guān)系,并重新編號。
為改善人類思維模糊性、不確定性帶來的信息失真,減少專家對各指標(biāo)的比較次數(shù),避免一致性檢驗導(dǎo)致的結(jié)構(gòu)冗余,在FAHP中采用FBWM構(gòu)造一致性三角模糊數(shù)互補(bǔ)判斷矩陣,引入可能度概念,計算用戶需求初始權(quán)重,結(jié)合Kano需求評價因子,得到綜合權(quán)重,實現(xiàn)用戶需求定量化的優(yōu)先級排序,據(jù)此進(jìn)行產(chǎn)品用戶需求配置。
(1) 有個專家參與產(chǎn)品用戶需求重要度排序,根據(jù)用戶需求遞階層次結(jié)構(gòu)模型,設(shè)某準(zhǔn)則下的用戶需求為={1,2,···,x},專家根據(jù)市場競爭環(huán)境綜合評估,確定最優(yōu)指標(biāo)x和最劣指標(biāo)x。
(2) 進(jìn)行用戶需求重要度模糊參考對比,包括最優(yōu)指標(biāo)與各項指標(biāo)間的成對比較,以及各項指標(biāo)與最劣指標(biāo)間的成對比較,采用0.1~0.9標(biāo)度法描述任意2項指標(biāo)的相對重要程度,0.1表示極端不重要,0.9為極端重要,0.5為同樣重要,評價值以三角模糊數(shù)形式表示。設(shè)第個專家構(gòu)建的模糊最優(yōu)、最劣比較向量分別為
且0<≤≤,則稱為三角模糊數(shù)。
(3) 將個專家構(gòu)造的向量進(jìn)行整理,得到新的模糊最優(yōu)比較向量=(a1,a2,···,a)和模糊最劣比較向量=(1W,2W,···,a),其中a,a分別為整理后的最優(yōu)指標(biāo)相對于第項指標(biāo)和第項指標(biāo)相對于最劣指標(biāo)的重要度,即
則稱矩陣為三角模糊數(shù)互補(bǔ)判斷矩陣。
則稱矩陣為完全一致性三角模糊數(shù)互補(bǔ)判斷矩陣。
為便于決策,需根據(jù)一致性三角模糊數(shù)互補(bǔ)判斷矩陣,并計算矩陣中各決策指標(biāo)的排序向量,但模糊數(shù)形式不能直觀地反映數(shù)值的大小,需通過去模糊化方式將其變換為確定值。將三角模糊數(shù)運(yùn)算法則與可能度概念結(jié)合,給出某項準(zhǔn)則下用戶需求初始權(quán)重計算的方法:
(1) 計算各項用戶需求在某項準(zhǔn)則下的模糊綜合評價值
(2) 三角模糊數(shù)之間的比較需通過計算某一模糊數(shù)大于另一模糊數(shù)的可能性程度來實現(xiàn),即可能度,見定義4和5。
定義4[19].設(shè)1=(1,1,1),2=(2,2,2)為任意三角模糊數(shù),則1≥2的可能度為
定義5[19]. 設(shè)為任意模糊數(shù),則大于其他個模糊數(shù)的可能度為
其中,=1,2,···,。
根據(jù)定義4和5計算用戶需求x的模糊綜合評價值S大于其他各項用戶需求的可能度,將其作為用戶需求x的權(quán)重,記為(x)。由此可得到各項用戶需求權(quán)重向量為
(3) 將0歸一化,得到產(chǎn)品用戶需求初始權(quán)重向量=(1,2,···,w)T,其中
在產(chǎn)品需求配置過程中,A類需求往往不易被用戶察覺,一般初始權(quán)重較低,但對提升用戶滿意度的貢獻(xiàn)率卻很大,因此對不同類別的用戶需求需設(shè)置不同權(quán)重加以修正。為優(yōu)化產(chǎn)品需求配置過程,需將式(6)中Kano決策的需求評價因子e作為用戶需求初始權(quán)重w的修正因子。
根據(jù)用戶需求優(yōu)先級排序,合理選取重點需求并結(jié)合實際情況進(jìn)行需求配置。該配置方法將專家評估與用戶評估結(jié)合在一起,既能保證需求優(yōu)先級排序的權(quán)威性、可靠性,使產(chǎn)品需求配置具備可行條件,又能保證需求優(yōu)先級排序的真實性、準(zhǔn)確性,真正實現(xiàn)用戶驅(qū)動的產(chǎn)品用戶需求配置。
隨著用戶消費(fèi)觀念的轉(zhuǎn)變和消費(fèi)心理的成熟,眼鏡已不單是矯正視力或保護(hù)眼睛的工具,逐漸成為能夠表達(dá)情感、彰顯個性的時尚產(chǎn)品。作為勞動密集型產(chǎn)業(yè)的代表,眼鏡在中國乃至全球有龐大的消費(fèi)群體,市場競爭激烈。本文以深圳某眼鏡公司設(shè)計開發(fā)用戶驅(qū)動的眼鏡產(chǎn)品為例,運(yùn)用本文方法進(jìn)行需求識別與配置,并驗證了該方法的有效性和可靠性。
通過相關(guān)資料查詢、對眼鏡用戶及銷售人員、設(shè)計人員進(jìn)行深度訪談、對眼鏡用戶進(jìn)行消費(fèi)心理問卷調(diào)查,將搜集到的需求特征進(jìn)行篩選、歸類、編號,見表3。
表3 眼鏡初始需求特征
采用表1所示的問卷對上述需求進(jìn)行調(diào)研。為最大限度覆蓋眼鏡用戶群體,選取包含眼鏡使用者及從事眼鏡行業(yè)的銷售人員在內(nèi)的群體作為調(diào)研對象,發(fā)放問卷500份,回收有效問卷482份,有效回收率96.4%。采用SPSS 25.0對問卷中22個需求項的滿意度及重要度分別進(jìn)行信度分析,見表4,其中各需求項的Cronbach's Alpha值均大于0.9,說明問卷數(shù)據(jù)信度質(zhì)量很高。此外,校正項總計相關(guān)性(corrected item-total correlation,CITC)均大于0.4,說明各需求項與總體之間具有良好的相關(guān)關(guān)系,信度水平良好,因此問卷設(shè)計可靠性良好。
表4 信度分析
對照表3建立用戶需求特征的Kano類別隸屬度矩陣
采用MATLAB數(shù)學(xué)軟件進(jìn)行模糊聚類分析,將需求特征進(jìn)行Kano歸屬分類并生成圖3所示的眼鏡初始用戶需求特征動態(tài)聚類圖,當(dāng)=0.6184時,可將需求特征分為4類,結(jié)果見表5。
表5 眼鏡初始用戶需求特征Kano歸屬劃分
將M,I類需求剔除后,根據(jù)表1問卷結(jié)果,構(gòu)建用戶需求重要度向量=(3.49,3.45,3.95,3.59, 3.78,3.41,4.18,4.16,3.84,4.15,4.04,4.03)T,并由研究人員確定Kano模型中的調(diào)整系數(shù):A類需求取=2,O類取=1。根據(jù)式(6)確定用戶角度的需求評價向量=(0.0828,0.0818,0.0937,0.0851,0.0448, 0.0809,0.0991,0.0987,0.0911,0.0984,0.0958,0.0478)T,表示用戶角度眼鏡需求量化分析結(jié)果。
采用KJ法建立最終的眼鏡需求遞階層次結(jié)構(gòu)模型,對各層次指標(biāo)進(jìn)行編號,如圖4所示,分別對準(zhǔn)則層和指標(biāo)層采用本文提出的基于FAHP的用戶需求配置方法完成眼鏡用戶需求權(quán)重計算。以準(zhǔn)則層為例,評審專家綜合評估得出最優(yōu)指標(biāo)和最劣指標(biāo)分別為美觀性B2和友好性B3,采用0.1~0.9標(biāo)度的三角模糊數(shù)確定模糊最優(yōu)、最劣比較向量為
圖4 眼鏡用戶需求遞階層次結(jié)構(gòu)模型
Fig. 4 Hierarchical model of eyewear user demands
構(gòu)造3×3的方陣,將上述向量中的三角模糊數(shù)填入方陣對應(yīng)位置,如a1表示最優(yōu)指標(biāo)美觀性B2相對于舒適性B1的重要程度,填入方陣第2行第1列位置,根據(jù)定義2可補(bǔ)充互補(bǔ)的三角模糊數(shù),并根據(jù)定義3進(jìn)行方陣補(bǔ)全及調(diào)整,使其滿足一致性,完成一致性三角模糊數(shù)互補(bǔ)判斷矩陣的構(gòu)造
根據(jù)式(14)~(18),在MATLAB數(shù)學(xué)軟件中計算得到準(zhǔn)則層指標(biāo)的初始權(quán)重
同理可計算各準(zhǔn)則下用戶需求初始權(quán)重,根據(jù)層級關(guān)系將初始權(quán)重進(jìn)行歸一化處理,并將Kano決策中的需求評價因子作為初始權(quán)重的修正因子,得到眼鏡用戶需求綜合權(quán)重,并給出需求優(yōu)先級排序,見表6。
表6 眼鏡用戶需求綜合權(quán)重及優(yōu)先級排序
結(jié)果表明,準(zhǔn)則層3類評價指標(biāo)的優(yōu)先級排序為:美觀性B2>舒適性B1>友好性B3;指標(biāo)層12項評價指標(biāo)的優(yōu)先級順序為:鏡框材質(zhì)C8>尺寸可選擇C3>鏡框顏色C7>鏡框造型C6>眼鏡款式C5>鏡框輕盈C4>抗疲勞C1>防滑落C2>防輻射C9>防水霧C11>防藍(lán)光C10>耐磨損C12,其中前5項需求更受用戶青睞,需在眼鏡產(chǎn)品設(shè)計開發(fā)過程中,保證必備需求的前提下,將前5項需求作為設(shè)計重點,剔除綜合權(quán)重占比小的需求。該排序結(jié)果反映了融合用戶滿意度的用戶偏好信息,為眼鏡用戶需求配置提供了指導(dǎo)性建議:
(1) 除滿足眼鏡基本的功能需求外,眼鏡的美觀性成為提升用戶整體滿意度的首要指標(biāo),因此未來的眼鏡設(shè)計需融入更多美學(xué)因素,成為凸顯用戶個性、時尚的標(biāo)簽。
(2) 眼鏡鏡框材質(zhì)、顏色、造型及眼鏡款式是影響眼鏡美觀性的主要因素,由于用戶需求的復(fù)雜性及多樣性,進(jìn)一步深挖不同材質(zhì)、顏色、造型及款式對用戶滿意度提升的影響,細(xì)化用戶需求,才能為設(shè)計師后續(xù)方案設(shè)計提供更全面、準(zhǔn)確的指導(dǎo)。
(3) 用戶注重眼鏡佩戴的舒適性,其中“尺寸可選擇”對用戶的重要性十分顯著,因此未來的眼鏡設(shè)計應(yīng)根據(jù)用戶面部特征信息進(jìn)行定制,真正做到眼鏡“量身定制”。
(4) 為促進(jìn)眼鏡行業(yè)向大規(guī)模定制生產(chǎn)模式的轉(zhuǎn)型,平衡用戶需求項的增多引發(fā)的用戶滿意度和企業(yè)生產(chǎn)成本之間的矛盾,需針對權(quán)重較大的需求項進(jìn)行定制并批量生產(chǎn),以保證多數(shù)用戶的需求,同時可面向少數(shù)用戶提供高端個性化定制服務(wù),以期覆蓋不同的消費(fèi)群體。
為合理地確定用戶需求偏好及其優(yōu)先程度以適應(yīng)MC生產(chǎn)模式,最大限度上提升用戶滿意度,本文提出一種改進(jìn)的產(chǎn)品用戶需求配置方法,通過建立模糊性、不確定性、定性化的用戶需求與集專家評估與用戶評估于一體的需求定量化表述之間的映射模型,實現(xiàn)產(chǎn)品需求配置。本文將模糊聚類分析方法與Kano模型結(jié)合進(jìn)行用戶需求類別劃分,通過設(shè)置產(chǎn)品質(zhì)量屬性用戶賦權(quán)項改進(jìn)Kano評價問卷結(jié)構(gòu),解決了質(zhì)量類別判定不準(zhǔn)確的問題,反映了不同用戶的評價差異,使評價結(jié)果更準(zhǔn)確;將FBWM與FAHP結(jié)合,減少了專家決策過程中的比較次數(shù),避免一致性檢驗導(dǎo)致的結(jié)構(gòu)冗余,簡化了決策過程,使產(chǎn)品需求配置更權(quán)威、可靠。本文方法為企業(yè)MC中的產(chǎn)品需求配置提供了新思路,使企業(yè)在維持較低成本的前提下,滿足用戶的個性化需求,最大限度提升用戶滿意度。
[1] XU Y N, THOMASSEY S, ZENG X Y. Optimization of garment sizing and cutting order planning in the context of mass customization[J]. The International Journal of Advanced Manufacturing Technology, 2020, 106(7-8): 3485-3503.
[2] KANO N, SERAKU N, TAKAHASHI F, et al. Attractive quality and mustbe quality[J]. Journal of The Japanese Society for Quality Control, 1984, 14(2): 147-156.
[3] 張文召, 呂健, 趙慧亮, 等. 基于R-KANO與G-TOPSIS法的產(chǎn)品設(shè)計方案多目標(biāo)決策方法[J]. 組合機(jī)床與自動化加工技術(shù), 2019(7): 146-150. ZHANG W Z, LYU J, ZHAO H L, et al. Multi-objective decision-making model for product design scheme based on R-KANO and G-TOPSIS[J]. Modular Machine Tool & Automatic Manufacturing Technique, 2019(7): 145-150 (in Chinese).
[4] ZHAO S Y, ZHANG Q, PENG Z L, et al. Integrating customer requirements into customized product configuration design based on Kano’s model[J]. Journal of Intelligent Manufacturing, 2020, 31(3): 597-613.
[5] SUH Y, WOO C, KOH J, et al. Analysing the satisfaction of university–industry cooperation efforts based on the Kano model: a Korean case[J]. Technological Forecasting and Social Change, 2019, 148: 119740.
[6] DOU R L, ZHANG Y B, NAN G F. Application of combined Kano model and interactive genetic algorithm for product customization[J]. Journal of Intelligent Manufacturing, 2019, 30(7): 2587-2602.
[7] AVIKAL S, SINGH R, RASHMI R. QFD and Fuzzy Kano model based approach for classification of aesthetic attributes of SUV car profile[J]. Journal of Intelligent Manufacturing, 2020, 31(2): 271-284.
[8] 龍玉玲. 基于Kano模型的個性化需求獲取方法研究[D]. 長沙: 中南大學(xué), 2011. LONG Y L. Research on method of acquiring individual demand based on Kano model[D]. Changsha: Central South University, 2011 (in Chinese).
[9] SHAMEEM M, KUMAR R R, NADEEM M, et al. Taxonomical classification of barriers for scaling agile methods in global software development environment using fuzzy analytic hierarchy process[J]. Applied Soft Computing, 2020, 90: 106122.
[10] KUTLU GüNDO?DU F, KAHRAMAN C. A novel spherical fuzzy analytic hierarchy process and its renewable energy application[J]. Soft Computing, 2020, 24(6): 4607-4621.
[11] LYU H M, SHEN S L, ZHOU A N, et al.Risk assessment of mega-city infrastructures related to land subsidence using improved trapezoidal FAHP[J]. Science of the Total Environment, 2020, 717: 135310.
[12] GUO S, ZHAO H R. Fuzzy best-worst multi-criteria decision-making method and its applications[J]. Knowledge-Based Systems, 2017, 121: 23-31.
[13] REZAEI J. Best-worst multi-criteria decision-making method[J]. Omega, 2015, 53: 49-57.
[14] VAN LAARHOVEN P J M, PEDRYCZ W. A fuzzy extension of Saaty's priority theory[J]. Fuzzy Sets and Systems, 1983, 11(1-3): 229-241.
[15] 劉大帥, 楊勤, 呂健, 等. 融合用戶滿意度的用戶需求綜合重要性研究[J]. 圖學(xué)學(xué)報, 2019, 40(6): 1137-1143. LIU D S, YANG Q, LYU J, et al. Comprehensive importance of integrating user satisfaction with user demand[J]. Journal of Graphics, 2019, 40(6): 1137-1143 (in Chinese).
[16] 王新洲, 舒海翅. 模糊相似矩陣的構(gòu)造[J]. 吉首大學(xué)學(xué)報: 自然科學(xué)版, 2003, 24(3): 37-41. WANG X Z, SHU H C. Construction of fuzzy similar matrix[J]. Journal of Jishou University: Natural Sciences Edition, 2003, 24(3): 37-41 (in Chinese).
[17] 徐澤水. 三角模糊數(shù)互補(bǔ)判斷矩陣排序方法研究[J]. 系統(tǒng)工程學(xué)報, 2004, 19(1): 85-88. XU Z S. Research on priority method of triangular fuzzy number complementary judgement matrix[J]. Journal of Systems Engineering, 2004, 19(1): 85-88 (in Chinese).
[18] 蘇哲斌. 基于一致性逼近的三角模糊數(shù)互補(bǔ)判斷矩陣的排序方法[J]. 模糊系統(tǒng)與數(shù)學(xué), 2009, 23(4): 126-130. SU Z B. The priority method based on consistency approximation for triangular fuzzy complementary judgment matrix[J]. Fuzzy Systems and Mathematics, 2009, 23(4): 126-130 (in Chinese).
[19] CHANG D Y. Applications of the extent analysis method on fuzzy AHP[J]. European Journal of Operational Research, 1996, 95(3): 649-655.
Research on the product demands configuration method based on user satisfaction
ZHANG Di-jing, HOU Zeng-xuan, HUANG Lei, ZHAO You-hang
(School of Mechanical Engineering, Dalian University of Technology, Dalian Liaoning 116024, China)
In order to reasonably determine the preferences and priorities of user demands to adapt to the mass customization production mode and maximize user satisfaction, an improved product user demands configuration method is proposed.The fuzzy clustering analysis method was integrated into the Kano model to classify user demands, the screening was conducted according to their contribution to the improvement of satisfaction,thenthe evaluation factors of customer satisfaction and importance were calculated and a hierarchical structure model of product user demands was established.On this basis, in the fuzzy analytic hierarchy process (FAHP), a fuzzy best-worst method (FBWM) was employed to construct a consistent triangular fuzzy number complementary judgment matrix, the probability concept was introduced to achieve defuzzification and obtain the initial weights of user demands, and the demands evaluation factors served as the correction factors of the initial weights. Then the modified weights were normalized to obtain the comprehensive weights of user demands, thus realizing the configuration of product demands. Taking an enterprise’s eyewear product design and development as an example, the effectiveness of this method was verified, and a user demand configuration strategy was provided for the design and development of eyewear and other products.
user demands; demands configuration; customer satisfaction; Kano model; fuzzy analytic hierarchy process; quantification
TP 391
10.11996/JG.j.2095-302X.2020040649
A
2095-302X(2020)04-0649-09
2020-03-14;
2020-04-26
26 April,2020
14 March,2020;
張迪婧(1995-),女,河北保定人,碩士研究生。主要研究方向為工業(yè)設(shè)計、計算機(jī)輔助設(shè)計、數(shù)字化設(shè)計。E-mail:shmilyprotea@163.com
ZHANG Di-jing (1995-), female, master student. Her main research interests cover industrial design, computer-aided design, digital design. E-mail:shmilyprotea@163.com
侯增選(1964-),男,陜西岐山人,教授,博士,博士生導(dǎo)師。主要研究方向為計算機(jī)輔助設(shè)計技術(shù)、虛擬產(chǎn)品開發(fā)技術(shù)、產(chǎn)品創(chuàng)新設(shè)計理論與方法研究。E-mail:hou@dlut.edu.cn
HOU Zeng-xuan (1964-), male, professor, Ph.D. His main research interests cover computer-aided design technology, virtual product development technology, product innovation design theory and method research.E-mail:hou@dlut.edu.cn