面向相似認(rèn)知用戶(hù)集群的TRIZ超系統(tǒng)資源需求獲取模型

蘇 珂，崔 元

(1.齊魯工業(yè)大學(xué)(山東省科學(xué)院) 山東省科學(xué)院自動(dòng)化研究所，山東 濟(jì)南 250013；2.齊魯工業(yè)大學(xué)(山東省科學(xué)院) 藝術(shù)設(shè)計(jì)學(xué)院,山東 濟(jì)南 250353;3.齊魯工業(yè)大學(xué)(山東省科學(xué)院) 機(jī)械與汽車(chē)工程學(xué)院，山東 濟(jì)南 250353)

0 引言

大數(shù)據(jù)時(shí)代下，用戶(hù)個(gè)性化需求的海量數(shù)據(jù)以及產(chǎn)品使用環(huán)境的復(fù)雜性為產(chǎn)品創(chuàng)新的設(shè)計(jì)分析帶來(lái)了巨大的機(jī)遇和挑戰(zhàn)。產(chǎn)品傳遞信息的對(duì)象以及產(chǎn)品所處環(huán)境中的社會(huì)或文化因素是TRIZ的超系統(tǒng)資源[1]。通過(guò)分析超系統(tǒng)資源與產(chǎn)品間的相互作用，預(yù)測(cè)產(chǎn)品未來(lái)超系統(tǒng)，可以構(gòu)建潛在使用場(chǎng)景，獲取用戶(hù)反饋，幫助設(shè)計(jì)師快速、準(zhǔn)確地挖掘用戶(hù)需求[2]。

用戶(hù)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(hù)集合內(nèi)的功能屬性認(rèn)知偏好相似度高的用戶(hù)進(jìn)行聚類(lèi)，獲取的集群即為具有相似認(rèn)知的用戶(hù)集群。從用戶(hù)集群的角度對(duì)用戶(hù)需求進(jìn)行研究，可更好地挖掘用戶(hù)的顯性和隱性需求[4]。

目前，國(guó)內(nèi)外針對(duì)用戶(hù)需求獲取取得了一定成果。代海濤[5]在交互設(shè)計(jì)中通過(guò)創(chuàng)建用戶(hù)角色形象并應(yīng)用于情景劇本，構(gòu)建基于場(chǎng)景的情景演繹法，采用情感分析與潛意識(shí)分析方法綜合獲取用戶(hù)需求；張青等[6]通過(guò)將擴(kuò)展功能—行為—結(jié)構(gòu)(Feature-Behavior-Structure, FBS)模型融入產(chǎn)品設(shè)計(jì)過(guò)程中，明確了用戶(hù)模糊需求并對(duì)其求解；王晨等[7]通過(guò)分析并構(gòu)建需求本體的方法對(duì)用戶(hù)需求進(jìn)行了拓展，從個(gè)體多維度獲取了用戶(hù)對(duì)車(chē)輛轉(zhuǎn)向器的需求并進(jìn)行了產(chǎn)品設(shè)計(jì)。上述用戶(hù)需求獲取方法大多使用個(gè)體需求進(jìn)行分析建模，未能針對(duì)用戶(hù)集群需求進(jìn)行分析。蘇建寧等[8]通過(guò)用戶(hù)特征信息建立了用戶(hù)集群，獲取了用戶(hù)集群偏好，并通過(guò)區(qū)分新用戶(hù)所在集群確定其需求；劉星辰等[9]通過(guò)文本挖掘的方法，將具有近似屬性的用戶(hù)進(jìn)行集群劃分，并構(gòu)建典型用戶(hù)畫(huà)像，為創(chuàng)新設(shè)計(jì)提供方法。上述用戶(hù)集群劃分方法只針對(duì)用戶(hù)特征信息，未能對(duì)具有近似認(rèn)知的用戶(hù)進(jìn)行集群研究。曹?chē)?guó)忠等[10]建立了用戶(hù)產(chǎn)品使用本能層與行為層場(chǎng)景，并將用戶(hù)反思層情感顯性化，確定用戶(hù)需求；張建輝等[11]將TRIZ中需求進(jìn)化定律與技術(shù)進(jìn)化定律相結(jié)合，建立了產(chǎn)品用戶(hù)需求獲取模型，并對(duì)帶式輸送機(jī)進(jìn)行了優(yōu)化設(shè)計(jì)；KAHKASHAN等[12]通過(guò)對(duì)早期產(chǎn)品間差異度與共同性的分析，計(jì)算了用戶(hù)差異化指數(shù)，在產(chǎn)品早期階段預(yù)測(cè)用戶(hù)需求。以上需求獲取方法大部分停留在用戶(hù)現(xiàn)有的使用場(chǎng)景中，未能對(duì)用戶(hù)潛在使用場(chǎng)景與潛在用戶(hù)進(jìn)行需求分析。

針對(duì)以上問(wèn)題，本文提出相似認(rèn)知用戶(hù)集群的概念，構(gòu)建了一種面向相似認(rèn)知用戶(hù)集群的TRIZ超系統(tǒng)資源需求預(yù)測(cè)與獲取模型。該模型通過(guò)F-Kano對(duì)用戶(hù)顯性需求進(jìn)行分類(lèi)，使用K-modes算法建立具有相似認(rèn)知的用戶(hù)集群，確定產(chǎn)品初期設(shè)計(jì)意象；通過(guò)現(xiàn)有產(chǎn)品使用情景，獲取影響用戶(hù)認(rèn)知的用戶(hù)屬性與產(chǎn)品使用環(huán)境屬性?xún)煞N超系統(tǒng)資源，在不改變用戶(hù)認(rèn)知類(lèi)型的前提下，對(duì)于目標(biāo)群體現(xiàn)有產(chǎn)品未能滿(mǎn)足的資源進(jìn)行預(yù)測(cè)；應(yīng)用Norman的產(chǎn)品認(rèn)知模型分析用戶(hù)認(rèn)知與系統(tǒng)資源關(guān)系，建立產(chǎn)品潛在使用場(chǎng)景；通過(guò)新環(huán)境的用戶(hù)認(rèn)知反饋，確定用戶(hù)需求結(jié)果。本文為設(shè)計(jì)師提供一種新的產(chǎn)品需求獲取方式，可以更準(zhǔn)確地獲取用戶(hù)需求，提高用戶(hù)體驗(yàn)滿(mǎn)意度與興奮度，增加企業(yè)市場(chǎng)競(jìng)爭(zhēng)力。

1 基于用戶(hù)認(rèn)知相似度的用戶(hù)集群獲取

1.1用戶(hù)需求獲取與分類(lèi)

用戶(hù)需求可以分為顯性需求、隱性需求和潛在需求[13]。NORMAN[14]認(rèn)為，用戶(hù)對(duì)產(chǎn)品的認(rèn)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(hù)顯性需求是用戶(hù)在產(chǎn)品的使用過(guò)程中，在感覺(jué)器官接觸反饋、使用過(guò)程行為反饋、所處環(huán)境心理反思3種認(rèn)知層次下能夠明確認(rèn)識(shí)并主動(dòng)提出的需求；隱性需求是由于用戶(hù)自身認(rèn)知程度混亂，認(rèn)知深度較淺，在感知交互中已經(jīng)存在但無(wú)法明確表達(dá)或尚未意識(shí)到的需求[15]；潛在需求，是現(xiàn)有產(chǎn)品未能發(fā)現(xiàn)并滿(mǎn)足已經(jīng)存在特殊用戶(hù)屬性與使用環(huán)境，且用戶(hù)現(xiàn)有認(rèn)知并未能深入認(rèn)識(shí)從而產(chǎn)生的需求，屬于較深層次的隱性需求[16]。用戶(hù)需求的發(fā)現(xiàn)程度與用戶(hù)自身認(rèn)知深度相關(guān)，對(duì)于用戶(hù)產(chǎn)品認(rèn)知流程進(jìn)行分析，能夠獲取用戶(hù)未能發(fā)現(xiàn)的深層次潛在需求。

1.2 具有相似認(rèn)知的用戶(hù)集群

用戶(hù)集群指的是具有相似屬性的用戶(hù)集合[3]，由于用戶(hù)需求來(lái)自于其產(chǎn)品認(rèn)知過(guò)程，根據(jù)過(guò)程中每個(gè)用戶(hù)所具有的環(huán)境屬性與用戶(hù)自身屬性對(duì)現(xiàn)有產(chǎn)品特殊要求，可以得到用戶(hù)對(duì)于產(chǎn)品不同功能屬性的認(rèn)知偏好傾向；以用戶(hù)產(chǎn)品功能屬性認(rèn)知偏好傾向作為用戶(hù)集群的判斷屬性，將集合內(nèi)功能屬性認(rèn)知偏好相似度高的用戶(hù)進(jìn)行聚類(lèi)，所獲取的集群即為具有相似認(rèn)知的用戶(hù)集群。對(duì)于具有相似認(rèn)知的集群內(nèi)用戶(hù)，其對(duì)產(chǎn)品設(shè)計(jì)方向與功能滿(mǎn)足度順序存在共同要求，同時(shí)其使用環(huán)境與用戶(hù)屬性存在較高的相似性。GUO等[1]指出，在需求預(yù)測(cè)過(guò)程中對(duì)用戶(hù)現(xiàn)有顯性需求與用戶(hù)屬性統(tǒng)計(jì)越豐富、精確，在此基礎(chǔ)上進(jìn)行潛在需求預(yù)測(cè)的準(zhǔn)確度與可靠性就越高。同時(shí)，隨著用戶(hù)數(shù)據(jù)規(guī)模和維度的大幅增長(zhǎng)，從用戶(hù)集群角度對(duì)用戶(hù)屬性進(jìn)行聚類(lèi)分析，能夠?qū)τ脩?hù)資源屬性進(jìn)行更加詳細(xì)的統(tǒng)計(jì)與挖掘[17]。因此，對(duì)具有相似顯性需求屬性的用戶(hù)建立集群，統(tǒng)計(jì)其超系統(tǒng)資源屬性，可以獲取較為精確且有針對(duì)性的環(huán)境資源；在此基礎(chǔ)上構(gòu)建潛在使用場(chǎng)景，可以在滿(mǎn)足集群用戶(hù)產(chǎn)品設(shè)計(jì)共同訴求的基礎(chǔ)上，對(duì)產(chǎn)品進(jìn)行合理的創(chuàng)新設(shè)計(jì)，設(shè)計(jì)流程如圖1所示。

1.3 用戶(hù)顯性需求模糊Kano優(yōu)化

Kano模型表述了用戶(hù)對(duì)于不同需求的滿(mǎn)意度傾向，而模糊Kano模型針對(duì)用戶(hù)需求具有模糊性與不確定性的特點(diǎn)，允許顧客對(duì)多個(gè)調(diào)查項(xiàng)賦予模糊滿(mǎn)意值，綜合計(jì)算各傾向滿(mǎn)意值后，能夠獲取用戶(hù)對(duì)于某項(xiàng)需求的認(rèn)知類(lèi)型[18]。模糊Kano模型根據(jù)用戶(hù)對(duì)需求的滿(mǎn)意度，將其分為5類(lèi)，本文選取基本型需求(M)、期望型需求(O)、興奮性需求(A)3類(lèi)作為產(chǎn)品主要關(guān)注需求。在計(jì)算過(guò)程中，為了提高需求分析的準(zhǔn)確度，根據(jù)調(diào)查情況與經(jīng)驗(yàn)，需設(shè)定用戶(hù)模糊需求閾值α，當(dāng)需求分布值ti,j≥α?xí)r，取ti,j=1，否則ti,j=0。當(dāng)顧客有多種需求偏向時(shí)，按基本型、期望型、興奮型、無(wú)關(guān)型優(yōu)先度進(jìn)行排列選取。使用模糊Kano方法對(duì)用戶(hù)顯性需求進(jìn)行優(yōu)化，可以獲取用戶(hù)需求重要度排序，從而得到用戶(hù)產(chǎn)品設(shè)計(jì)意向與認(rèn)知類(lèi)型。

1.4 基于K-modes方法的用戶(hù)集群構(gòu)建

由于處理后的用戶(hù)需求類(lèi)型屬于類(lèi)別型數(shù)據(jù)，適合使用K-modes算法對(duì)用戶(hù)進(jìn)行聚類(lèi)分析。用戶(hù)差異度定義為：

(1)

式中dK(xi,zl)表示用戶(hù)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(dāng)目標(biāo)函數(shù)T完成收斂時(shí)，用戶(hù)集群劃分結(jié)束。選取集群中心用戶(hù)屬性作為該用戶(hù)集群顯性需求屬性，以便進(jìn)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(hù)需求獲取

TRIZ系統(tǒng)論認(rèn)為，每個(gè)技術(shù)系統(tǒng)都由若干子系統(tǒng)組成，并通過(guò)子系統(tǒng)之間的相互作用實(shí)現(xiàn)一定的功能；而系統(tǒng)所在環(huán)境的信息因素稱(chēng)為超系統(tǒng)，超系統(tǒng)通過(guò)與產(chǎn)品系統(tǒng)之間的相互作用對(duì)產(chǎn)品系統(tǒng)提出要求[5]。由設(shè)計(jì)驅(qū)動(dòng)的產(chǎn)品創(chuàng)新應(yīng)當(dāng)重視產(chǎn)品對(duì)周?chē)h(huán)境信息因素的表達(dá)與反饋[1]，產(chǎn)品的使用環(huán)境超系統(tǒng)因素決定了用戶(hù)對(duì)于產(chǎn)品的認(rèn)知傾向與具體需求。對(duì)產(chǎn)品的未來(lái)超系統(tǒng)資源進(jìn)行預(yù)測(cè)，能夠構(gòu)建潛在產(chǎn)品使用場(chǎng)景，將其與用戶(hù)認(rèn)知層次之間相互作用進(jìn)行分析，以獲取用戶(hù)尚未發(fā)現(xiàn)與產(chǎn)品尚未滿(mǎn)足的需求。

2.1 用戶(hù)超系統(tǒng)資源預(yù)測(cè)

根據(jù)超系統(tǒng)資源與用戶(hù)產(chǎn)品使用環(huán)境關(guān)系，本文在產(chǎn)品現(xiàn)有超系統(tǒng)基礎(chǔ)上，對(duì)用戶(hù)自身屬性與產(chǎn)品環(huán)境因素兩種超系統(tǒng)資源進(jìn)行分析預(yù)測(cè)。下面詳細(xì)介紹產(chǎn)品超系統(tǒng)資源預(yù)測(cè)過(guò)程。

2.1.1 根據(jù)聚類(lèi)結(jié)果的超系統(tǒng)資源選取

選取目標(biāo)用戶(hù)集群kn，獲取具有相似需求傾向的用戶(hù)集群超系統(tǒng)資源。根據(jù)產(chǎn)品的不同，統(tǒng)計(jì)目標(biāo)集群內(nèi)用戶(hù)屬性，如性別、年齡、職業(yè)、受教育程度、產(chǎn)品使用習(xí)慣等，建立集合En,(n=1,2,…,n)；統(tǒng)計(jì)集群內(nèi)用戶(hù)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(huì)屬性與具體使用場(chǎng)所物理屬性。使用區(qū)域社會(huì)屬性即使用地社會(huì)文化屬性，分為風(fēng)俗習(xí)慣、當(dāng)?shù)匚幕?；使用?chǎng)所的物理屬性可分為溫度、濕度、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(chǎng)所屬性并建立集合F1、F2。其中，F(xiàn)1={使用地社會(huì)文化屬性}；F2={使用場(chǎng)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(biāo)用戶(hù)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(dá)式。

現(xiàn)有產(chǎn)品超系統(tǒng)資源屬性表達(dá)式為：

(5)

式中：P為產(chǎn)品超系統(tǒng)資源屬性；E為用戶(hù)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(hù)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(duì)每種超系統(tǒng)資源屬性，根據(jù)用戶(hù)集合En與集合Fn屬性類(lèi)型，通過(guò)對(duì)現(xiàn)有產(chǎn)品全部超系統(tǒng)資源調(diào)查與設(shè)計(jì)師的分析補(bǔ)充，建立超系統(tǒng)資源類(lèi)型可能性全集UEx、UFx。

(3)選取可進(jìn)行預(yù)測(cè)的超系統(tǒng)資源，對(duì)其進(jìn)行可拓展性分析。根據(jù)現(xiàn)有產(chǎn)品尚未滿(mǎn)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(bǔ)集?UEn、?UFn。分析補(bǔ)集中資源屬性與用戶(hù)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(dá)式P′。若環(huán)境中資源補(bǔ)集?UEn存在，則證明產(chǎn)品存在未被發(fā)現(xiàn)的潛在用戶(hù)；若環(huán)境中資源補(bǔ)集?UFn存在，則證明產(chǎn)品存在未被應(yīng)用的潛在使用環(huán)境。根據(jù)拆品潛在超系統(tǒng)資源表達(dá)式P′，組合潛在超系統(tǒng)資源，在集群認(rèn)知傾向不變的情況下進(jìn)行需求獲取。

2.2 基于用戶(hù)認(rèn)知的使用場(chǎng)景資源分解

2.2.1 目標(biāo)產(chǎn)品子系統(tǒng)分析

選取典型目標(biāo)產(chǎn)品，分析各部分功能作用，使用魚(yú)骨法將其劃分為不同子系統(tǒng),如圖2所示。將每個(gè)子系統(tǒng)按功能細(xì)化為功能元件，以便下一步對(duì)用戶(hù)認(rèn)知—系統(tǒng)相關(guān)作用進(jìn)行分析。

2.2.2 基于用戶(hù)認(rèn)知的資源相關(guān)作用分析

基于產(chǎn)品使用流程分解，獲取用戶(hù)行為層反饋，如圖3所示。用戶(hù)行為層的認(rèn)知來(lái)自于用戶(hù)在產(chǎn)品使用過(guò)程中產(chǎn)品功能對(duì)于用戶(hù)需求以及產(chǎn)品環(huán)境信息的響應(yīng)。獲取行為層需求時(shí)，建立用戶(hù)產(chǎn)品使用流程分解，分析子行為中用戶(hù)在潛在超系統(tǒng)資源下對(duì)產(chǎn)品的行為意圖以及作用子系統(tǒng)，獲取對(duì)于現(xiàn)有產(chǎn)品的用戶(hù)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(rèn)知來(lái)自于產(chǎn)品使用過(guò)程中用戶(hù)感覺(jué)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(shí)，建立用戶(hù)使用流程分解，分析產(chǎn)品子系統(tǒng)與用戶(hù)感覺(jué)器官的交互以及特殊物理超系統(tǒng)資源對(duì)感覺(jué)器官的刺激，獲取對(duì)于現(xiàn)有產(chǎn)品的用戶(hù)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(rèn)知，來(lái)自于用戶(hù)所在的社會(huì)環(huán)境對(duì)于用戶(hù)自身認(rèn)知的要求與反饋。獲取反思層需求時(shí)，將用戶(hù)自身屬性代入社會(huì)環(huán)境中，分析用戶(hù)所在社會(huì)層次對(duì)于用戶(hù)自身所產(chǎn)生的作用，以及用戶(hù)自身審美、價(jià)值認(rèn)同等個(gè)人屬性，獲取對(duì)于現(xiàn)有產(chǎn)品的用戶(hù)反思層反饋。

2.3 基于用戶(hù)集群傾向相關(guān)性的可拓展超系統(tǒng)資源選取

在預(yù)測(cè)超系統(tǒng)資源的過(guò)程中，應(yīng)保持用戶(hù)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(hù)需求傾向的反饋關(guān)系，建立系統(tǒng)資源—高傾向需求相關(guān)度矩陣，確定可進(jìn)行拓展分析并建立潛在使用場(chǎng)景的超系統(tǒng)資源。

2.4 用戶(hù)潛在使用場(chǎng)景構(gòu)建與分析

利用預(yù)測(cè)超系統(tǒng)資源，構(gòu)建用戶(hù)產(chǎn)品使用潛在環(huán)境，分析新環(huán)境下用戶(hù)產(chǎn)品使用過(guò)程，獲取現(xiàn)有產(chǎn)品難以滿(mǎn)足的潛在用戶(hù)需求。根據(jù)用戶(hù)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(yù)測(cè)結(jié)果，建立基于用戶(hù)使用行為樹(shù)的產(chǎn)品潛在使用場(chǎng)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(mǎn)足度矩陣，如表1所示。表1中，顯著滿(mǎn)足標(biāo)記為++，部分滿(mǎn)足為+，無(wú)關(guān)標(biāo)記為/，完全無(wú)法滿(mǎn)足標(biāo)記為-。通過(guò)矩陣分析元件與子需求之間的關(guān)系和需求滿(mǎn)足程度，確定因無(wú)法滿(mǎn)足潛在需求而需進(jìn)行創(chuàng)新設(shè)計(jì)的子系統(tǒng)元件，從而進(jìn)行針對(duì)性設(shè)計(jì)。

表1 需求滿(mǎn)足關(guān)系矩陣

續(xù)表1

3 面向相似認(rèn)知集群的系統(tǒng)資源用戶(hù)需求獲取模型

面向相似認(rèn)知集群的系統(tǒng)資源用戶(hù)需求獲取模型如圖7所示。

面向相似認(rèn)知集群用戶(hù)的系統(tǒng)資源用戶(hù)需求獲取模型基本流程如下：

(1)獲取需進(jìn)行創(chuàng)新設(shè)計(jì)產(chǎn)品現(xiàn)有用戶(hù)顯性需求，并對(duì)用戶(hù)需求進(jìn)行模糊Kano優(yōu)化，完成認(rèn)知信息的處理。

(2)通過(guò)K-modes方法分析處理后的用戶(hù)需求數(shù)據(jù)，建立相似認(rèn)知用戶(hù)集群，獲取具有相似認(rèn)知的用戶(hù)超系統(tǒng)資源，為下一步超系統(tǒng)資源預(yù)測(cè)建立基礎(chǔ)。

(3)確定需要研究的用戶(hù)認(rèn)知類(lèi)型集群，在現(xiàn)有用戶(hù)集群超系統(tǒng)資源的基礎(chǔ)上對(duì)其進(jìn)行收集、分析和預(yù)測(cè)，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(yù)測(cè)的結(jié)果上，將產(chǎn)品進(jìn)行子系統(tǒng)分解，構(gòu)建新環(huán)境下用戶(hù)行為樹(shù)，分析新環(huán)境下用戶(hù)感官層與反思層作用關(guān)系以及感受。

(5)在感官分析與元件需求相互關(guān)系基礎(chǔ)上，建立產(chǎn)品潛在使用場(chǎng)景，逐步分析用戶(hù)潛在環(huán)境產(chǎn)品使用流程，獲取用戶(hù)潛在需求。通過(guò)對(duì)用戶(hù)潛在使用場(chǎng)景的分析預(yù)測(cè)，可以科學(xué)地獲取用戶(hù)潛在需求，提供產(chǎn)品創(chuàng)新目標(biāo)。

4 實(shí)例研究

圓捆機(jī)是一種能夠?qū)斩挕⒛敛莸绒r(nóng)作物進(jìn)行高效收集、切割、打捆、包膜等工作的農(nóng)用機(jī)械。某企業(yè)要求在現(xiàn)有圓捆機(jī)的基礎(chǔ)上，面對(duì)具有高性能需求的用戶(hù)對(duì)產(chǎn)品進(jìn)行創(chuàng)新設(shè)計(jì)，以滿(mǎn)足潛在市場(chǎng)需求。

4.1 用戶(hù)集群分析

(1)通過(guò)模糊Kano方法明確用戶(hù)顯性需求傾向。通過(guò)對(duì)市面上常見(jiàn)的圓捆機(jī)進(jìn)行功能特點(diǎn)分析，獲取以下圓捆機(jī)用戶(hù)顯性需求，如表2所示。發(fā)放模糊Kano問(wèn)卷，對(duì)用戶(hù)需求屬性以及用戶(hù)年齡、性別、受教育程度、使用環(huán)境、社會(huì)環(huán)境進(jìn)行調(diào)查，部分受調(diào)查用戶(hù)用戶(hù)基本屬性如表3所示。共發(fā)放模糊Kano問(wèn)卷80份，回收有效問(wèn)卷72份。將調(diào)查問(wèn)卷進(jìn)行模糊Kano計(jì)算，用戶(hù)模糊需求閾值α設(shè)置為0.4[19],對(duì)照模糊Kano需求分類(lèi)表，獲取用戶(hù)個(gè)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(hù)需求分類(lèi)基礎(chǔ)上，使用K-modes方法，對(duì)用戶(hù)進(jìn)行基于相似認(rèn)知類(lèi)型的種群聚類(lèi)。將用戶(hù)顯性需求作為聚類(lèi)因子進(jìn)行用戶(hù)聚類(lèi)。將模糊Kano優(yōu)化的用戶(hù)需求偏好數(shù)據(jù)導(dǎo)入MATLAB軟件，使用K-modes算法對(duì)調(diào)查用戶(hù)進(jìn)行基于認(rèn)知分類(lèi)的屬性聚類(lèi)，由式(3)和式(4)得到用戶(hù)集群={k1,k2,k3,k4}，對(duì)其進(jìn)行特征歸納，得到用戶(hù)群體認(rèn)知偏好標(biāo)簽，如表4所示。

表3 超系統(tǒng)資源統(tǒng)計(jì)

表4 用戶(hù)集群分類(lèi)表

4.2 用戶(hù)超系統(tǒng)資源統(tǒng)計(jì)與預(yù)測(cè)

分析目標(biāo)用戶(hù)集群超系統(tǒng)信息，在不影響用戶(hù)認(rèn)知類(lèi)型的情況下，選取存在進(jìn)化拓展可能性的超系統(tǒng)資源。本文選取目標(biāo)用戶(hù)群為K3(高價(jià)值及高性能需求型)，該集群中的用戶(hù)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(jì)問(wèn)卷中用戶(hù)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(dá)式建立系統(tǒng)資源—高需求傾向相關(guān)性矩陣，如表5所示。根據(jù)用戶(hù)認(rèn)知水平與集群用戶(hù)需求類(lèi)型，在保證用戶(hù)高價(jià)值高性能認(rèn)知的基礎(chǔ)上，選擇用戶(hù)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(jìn)行拓展性分析。用戶(hù)資源方面，對(duì)于用戶(hù)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(duì)具有該兩種屬性的用戶(hù)，存在知識(shí)水平不高、機(jī)械操作能力不強(qiáng)、故障處理能力較差的問(wèn)題。產(chǎn)品使用環(huán)境方面，對(duì)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(duì)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(duì)于地形資源，存在山區(qū)、丘陵、水田等拓展資源；對(duì)于目標(biāo)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(dá)式P′，建立產(chǎn)品預(yù)測(cè)使用場(chǎng)景。

表5 統(tǒng)資源—高需求傾向相關(guān)性矩陣

續(xù)表5

4.3 潛在使用場(chǎng)景構(gòu)建與需求分析

(1)選取市場(chǎng)上一款較常見(jiàn)的拖拽式圓捆機(jī)，將其按功能結(jié)構(gòu)進(jìn)行子系統(tǒng)劃分，如圖8和圖9所示。本文將圓捆機(jī)按功能不同劃為8個(gè)子系統(tǒng)，按照需求功能相關(guān)關(guān)系，選取撿拾、切割、行走、壓實(shí)4個(gè)系統(tǒng)進(jìn)行重點(diǎn)分析。通過(guò)魚(yú)骨圖對(duì)產(chǎn)品相關(guān)子系統(tǒng)及元件進(jìn)行分析，如圖10所示。

(2)結(jié)合超系統(tǒng)資源預(yù)測(cè)結(jié)果，對(duì)潛在使用環(huán)境下現(xiàn)有產(chǎn)品使用場(chǎng)景進(jìn)行流程分解，以便逐步進(jìn)行用戶(hù)認(rèn)知反饋分析與需求獲取，如表6所示。

(3)場(chǎng)景分析與需求處理。以場(chǎng)景5為例，通過(guò)用戶(hù)超系統(tǒng)資源以及認(rèn)知反饋，構(gòu)建產(chǎn)品各步驟使用場(chǎng)景，分析并獲取用戶(hù)各方面需求。獲取流程與結(jié)果如表7所示。將目標(biāo)產(chǎn)品子系統(tǒng)與用戶(hù)潛在情景需求一一對(duì)應(yīng)，建立如表8所示子系統(tǒng)—潛在需求相關(guān)性與滿(mǎn)足度矩陣，確定未能滿(mǎn)足新需求的子系統(tǒng)。對(duì)各使用步驟進(jìn)行分析，總結(jié)用戶(hù)需求，如表9所示。

(4)針對(duì)用戶(hù)集群基本傾向需求的關(guān)鍵部位創(chuàng)新設(shè)計(jì)。以打捆裝置為例，文獻(xiàn)[20]認(rèn)為，圓捆機(jī)打捆過(guò)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(guò)大所導(dǎo)致；同時(shí)，提高摩擦力可以提高鋼輥對(duì)秸稈的導(dǎo)送能力，提高打捆的效率和質(zhì)量。針對(duì)在打捆過(guò)程中起到輸送作用的鋼輥進(jìn)行創(chuàng)新優(yōu)化：在鋼輥表面設(shè)計(jì)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(hù)鋼輥的作用。

表6 用戶(hù)行為分解與功能反饋

表7 潛在使用場(chǎng)景構(gòu)建與需求分析

表8 相互作用矩陣

表9 設(shè)計(jì)要求總結(jié)

2)在打捆作業(yè)時(shí)，秸稈會(huì)滯留在打捆室側(cè)壁，對(duì)作業(yè)起到阻礙作用。對(duì)打捆室側(cè)壁進(jìn)行創(chuàng)新優(yōu)化，將其設(shè)計(jì)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(jī)創(chuàng)新方案生成與評(píng)價(jià)實(shí)現(xiàn)。針對(duì)以上提出的用戶(hù)需求，將各相關(guān)子系統(tǒng)元件進(jìn)行創(chuàng)新設(shè)計(jì)并組合，獲取圓捆機(jī)創(chuàng)新方案。同時(shí)列出了市面一款較為高端的進(jìn)口圓捆機(jī)，如表10所示。

表10 產(chǎn)品創(chuàng)新方案

采用有效價(jià)值分析法對(duì)方案進(jìn)行評(píng)估。首先采用AHP層次分析法獲取各評(píng)價(jià)項(xiàng)權(quán)重，如表11所示，各項(xiàng)均已通過(guò)一致性檢驗(yàn)。在產(chǎn)品方案評(píng)估中，絕對(duì)總評(píng)價(jià)值定義為：

(6)

(7)

其中：m為待評(píng)價(jià)的方案數(shù)；n為評(píng)價(jià)因素?cái)?shù)；Gwj與Gwgj分別為不加權(quán)與加權(quán)評(píng)價(jià)值之和；Wij與Wgij分別為不加權(quán)與加權(quán)的單項(xiàng)評(píng)價(jià)值；gi為加權(quán)系數(shù)。方案加權(quán)評(píng)估如表12所示，其中方案2總評(píng)價(jià)值最高，且能適應(yīng)用戶(hù)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(píng)價(jià)值

5 結(jié)束語(yǔ)

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

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

(2)收集并分析聚類(lèi)用戶(hù)現(xiàn)有超系統(tǒng)資源，在不改變用戶(hù)認(rèn)知傾向的前提下對(duì)其進(jìn)行預(yù)測(cè)。根據(jù)預(yù)測(cè)結(jié)果結(jié)合用戶(hù)認(rèn)知流程構(gòu)建產(chǎn)品潛在使用場(chǎng)景，通過(guò)用戶(hù)行為流程分解和分解場(chǎng)景分析獲取用戶(hù)潛在需求，建立子系統(tǒng)—需求滿(mǎn)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(rèn)知用戶(hù)集群的Triz超系統(tǒng)資源需求獲取模型，將該模型應(yīng)用于自走式圓捆機(jī)的設(shè)計(jì)過(guò)程中，并使用AHP和有效價(jià)值分析法對(duì)產(chǎn)品設(shè)計(jì)方案進(jìn)行了評(píng)價(jià)，驗(yàn)證了模型的可行性與有效性。

下一步，將針對(duì)用戶(hù)使用過(guò)程中無(wú)意識(shí)隱性需求進(jìn)行更富有針對(duì)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(shè)計(jì)方法。