用户需求导向的产品设计方案质量评价模型

彭定洪,黄子航，彭 勃

1(昆明理工大学 管理与经济学院，昆明 650093) 2(昆明理工大学 质量发展研究院管理，昆明 650093) 3(南昌大学 管理学院，南昌 330031)

1 引 言

随着全球化进程的稳步推进与技术水平的快速提升，我国企业所处的竞争环境将日益严峻，企业必须迅速通过产品创新这一方式取得竞争优势，以响应日益多元化的用户及市场需求[1].因此，新产品的研发与创新设计为企业在复杂多面的竞争环境中提供了重要机遇.在创新产品投入生产前，对其设计方案进行事前评估是产品生产过程中一个重要阶段，它有助于评估设计方案对设计目标的总体效用[2].且设计方案的不良选择在设计过程后期很难进行弥补，很可能导致高昂的二次设计成本.但由于国内企业的起步较晚且存在多方面经验欠缺不足的问题，致使其缺乏相应的设计管理制度，更缺乏产品设计方案质量评价的意识及方法.因此，为弥补我国企业在创新产品设计评估上的不足，本文拟构建一种适用于产品设计方案质量的评价模型，以提升企业创新产品质量及完善设计方案评估制度.

另一方面，全球消费市场正逐渐由企业主导型向顾客主导型转变，而企业在复杂的竞争环境中，不断的对产品进行创新设计，也同样是为了获得顾客青睐进而提升顾客满意度.如何更好地满足顾客多样化的需求，成为了产品设计方案质量评估过程中关键的出发点.针对顾客需求分析以及需求与满意度间的相互关系，日本学者狩野纪昭[3]提出了对影响顾客满意度因素进行划分的KANO模型，并且随着KANO模型的不断完善与推广，目前该模型被广泛应用在以满足客户需求为核心的诸多领域.耿秀丽[4]针对传统质量功能展开中考虑功能需求间自相关关系不足的问题，采用模糊KANO问卷进行分析并建立了产品功能需求优化模型；唐中君[5]根据KANO模型的内涵，提出一种可以对用户个性化需求进行获取的方法,有效的解决了用户满意期望与产品成本之间存在的冲突性；孟庆良[6]构建了能够对分析型KANO模型进行设计的方法，解决了KANO模型在分类准则时可能出现的主观局限性问题，实现质量因素的客观化分类；Ma[7]采用卡诺二维质量模型，通过卡诺调查问卷分析消费者对不同服务质量要素的满意度，确定其中必不可少的质量要素.通过上述研究成果可知，KANO模型在分析以用户需求为中心的评价问题时，是一种较为准确高效的研究工具，但大部分学者都利用KANO模型进行简单的用户调查、需求分析或指标分类等研究，却没能就取得的分析结果进行深入的研究利用.因而，本文受Ma[7]的思想启发，通过KANO模型固有的五种分类标准，对目前在产品设计方案质量评估领域内，被广泛选用的指标进行筛选、分类、整合，进而构建以用户需求为主导，质量保证为目的的评估指标体系.

为对产品设计方案质量进行客观评价，除了需要合理的指标体系外，同样需要严谨的评价方法.李付星[8]以工业设计作为产品设计评价的出发点，将开发过程中涉及到的评价方法进行了分析和汇总；王海伟[9]引入信息熵对指标权重的不确定性进行描述，并根据极大熵原理建立设计方案评价模型；刘征宏[10]使用 TOPSIS 法对备选方案与用户需求的各感性维度匹配度进行分析；Varun[11]通过改进以区间数为数据基础的VIKOR方法，开发了用于设计方案评估的MR-VIKOR评价模型.对文献进行分析发现，目前针对于产品设计方案的评价方法大都集中在几种典型的多准则评价方法上.然而，上述方法在解决以用户需求为核心的产品设计评价问题上虽有一定的适用性，但也同样存在以下两点问题:1)TOPSIS与VIKOR均为以极端解作为参考解多准则决策方法，虽然可以选择出无限靠近最理想解的备选方案，但对于以用户需求为核心的产品设计方案质量评估，是以期找到在成本可接受范围内，最能满足用户偏好与期望的方案.而如果选择用户期望做为决策目标，那就势必存在用户主观的最理想期望会由于现实条件制约而无法达到的问题；2)在产品设计过程中，不仅涉及到技术、材料及成本，而且在进行评价的过程中还要考虑用户的摇摆不定.这些因素不但多而且很难量化，实际上是一个模糊概念.再加上“评价”自身就是带有较强主观性的判断活动，这样评价结果自然会带有较大的模糊性[12].为解决上述存在的问题，本文拟拓展一种以犹豫模糊集为数据基础的多属性边界逼近区域比较法(HF-MABAC)，并对其必要的标准化一步进行改进，增强其适用性.一则，MABAC是一种以均解作为参考解的评价方法，可以弥补上述方法中最优解无法达到的缺陷；二则，采用犹豫模糊集作为数据基础，可以涵盖评价过程中专家给出的带有犹豫不定性的数据，在充分体现数据模糊性的基础上给出具有代表性的决策信息.

2 以用户需求为导向的评价指标体系

2.1 KANO模型

自20世纪80年代提出以来，KANO二维模型已成为各行业管理从业者和研究人员中最受欢迎的质量模型之一，其旨在说明和确定研究目标的质量属性.KANO模型放弃了产品对客户满意度影响的严格线性视图，允许分类可能影响客户满意度的特定属性，且认识到客户需求履行与客户满意度之间的关系是非线性的.其对用户关于产品的需求类型划分以下几种：1)魅力质量(A：Attractive)：若产品中存在充足的此类要素，用户满意度则会因为该要素的存在而会得到较大幅度的提升；如果缺失或者此类要素不足时，用户也不会因此而产生对产品的不满；2)一维质量(O：One-dimensional)：此类质量要素的充足或缺失都会影响用户对产品的满意度，作为必备的质量要素，其充足程度的增加，能够使得顾客满意度也得到增长，反之将导致顾客满意度呈线形下降的状态；3)必备质量(M：Must-be)：此类质量要素是顾客认为产品中必须具有的关键要素，若该类要素不能充足的体现在产品中，顾客满意度会因为必备性能的缺失而急速下降.相反，无论该类要素的充足性进行怎样的提升，对用户满意度产生的影响都相对较小；4)无差异质量(I：Indifferent)：用户满意度并不会针对此类要素的变化而发生改变，换言之此类要素对用户而言并不重要；5)逆向质量(R：Reverse)：若此类型质量要素表现充足时将导致用户满意度的下降，不充足时将导致用户满意度的上升[13]，客户对产品或服务的特定质量的满意度可能会因其对质量属性的偏好而异，函数变化关系见图1.

图1 KANO质量因素关系图Fig.1 KANO quality factor relationship diagram

2.2 构建产品设计方案质量评价指标体系

通过文献回顾可知，KANO模型在用户导向的质量评价领域应用较为广泛，本节所提出的指标体系构建方法主要有以下部分组成：产品设计方案质量评价的相关指标收集、引入模糊KANO问卷进行准则要素调查分析、筛选准则指标并进行类型划分最后构建指标体系.

首先，收集整理近年来关于产品设计方案质量的准则指标，其中原思聪[14]将灰关联分析方法应用到机械设计综合评价体系各模块,构建了机械产品设计的评价指标体系；Qiu[15]根据不断变化的业务策略，在不同生命周期阶段对复杂产品分别构建了指标体系；杨东[16]应用QFD和案例推理的思想，利用通过QFD方法形成的质量特性及其权重来构建指标体系，整理后的指标见表1.

其次，引入Chen[17，18]等学者提出的兼顾不确定思想的模糊KANO模型(FKM)，使用更灵活的方式允许用户使用个性化标准来回答问题，用户还可以用更详细的数据表示来表达用户的真实想法.目前应用较为广泛的模糊KANO问卷的主要形式如表2所示，相关问卷问题的表达形式如表3所示.

表1 分析整理后的准则指标Table 1 Analysis of the revised indicator indicators

表2 模糊KANO问卷Table 2 Fuzzy KANO questionnaire

表3 模糊KANO问卷的问题形式(以产品质量为例)Table 3 Problem form of the fuzzy KANO questionnaire (taking product quality as an example)

最后，通过收回的调查问卷，整理出用户期望的准则指标分类，剔除不在用户期望内的指标，形成以用户期望为导向的产品设计方案质量评估指标体系(见表4).由于用户对待不同类型质量因素的态度及重视程度的不同，本文根据KANO模型中质量因素划分类型确定准则权重与指标权重.但不同产品的产品特性不同，因此不能给出统一的标准，应根据实际产品及消费者态度进行调整.

3 基于用户期望的产品设计方案质量评价方法

以KANO质量因素划分为框架的指标体系，是产品设计方案质量评价的基本蓝图，而构建既能适应其指标体系又能满足其以用户需求为决策目标的评价方法，是完善综合评价体系至关重要的一步.通过对各类研究成果的深入分析发现，产品设计方案质量评价的多目标、多准则特性决定该问题为典型的多准则决策问题；再者，用户期望的模糊性与决策专家的局限性也同样为其奠定了不定性的准则基调.为解决上述问题，本文拓展了一种对该问题具有适应性的HF-MABAC评价模型.

3.1 犹豫模糊集(Hesitant fuzzy set，HFS)

自1965年，著名管理学家Zadeh[19]先生提出了模糊集的概念以来，其为在不确定环境下进行研究的众多学者，提供了模糊决策这一全新的研究方向.但伴随着日益繁杂的科学研究，简单的模糊集已不足以支撑各种复杂多维的决策模型.为此，一批杰出的学者提出了模糊集的多种拓展形式，其中包括：犹豫模糊集[20]、2-type型模糊集、区间模糊集[21]以及直觉模糊集等.通过对上述多种拓展形式的研究，笔者发现犹豫模糊集对于企业软质量的评价问题上，具有相对较大的优势，主要有以下几点原因：1)用户期望本身就是一种无法进行精确度量的概念，且将其作为决策目标则更会增加其选择的难度.因此与传统的精确数值相比，犹豫模糊集既可以表达出更为不确定的目标内涵，又能够表达决策者主观的犹豫模糊性，更具备实际应用的价值；2)与模糊集的其他形式相较，犹豫模糊集既不需要如type-2模糊集般归纳隶属函数，又不似直觉模糊集与区间模糊集受到元素个数的限制，可以更加全面自由的表达出用户对产品多方面的期望.下面给出犹豫模糊集的定义及运算法则.

定义1[20].令X为一给定的集合，M={u1,u2,…,un}为给定集合的N个隶属函数,则有关隶属函数M的犹豫模糊集，即HM定义为：

表4 产品设计方案质量评价指标体系Table 4 Product design scheme quality evaluation index system

HM={|x∈X}

(1)

其中，hM(x)=∪u∈M{u(x)}是值域位于[0,1]上的一个集合,表示集合中X的元素x属于集合HM的若干种可能隶属度为表述方便,把有限论域X上的全体犹豫模糊集记为HFS(x),称hA(x)为A的犹豫模糊元,简写为hA.

定义2[20].对于任意的3个犹豫模糊元h1，h2和h3，它们的运算法则如下(其中θ为一个常数):

1)h1∩h2=H{min(γ1,γ2)|γ1∈h1,γ2∈h2};

2)h1∪h2=H{max(γ1,γ2)|γ1∈h1,γ2∈h2};

3)θh=H{1-(1-γ)θ|γ∈h},θ>0;

4)hθ=H{γθ|γ∈h},θ>0;

5)hc=H{1-γ|γ∈h};

6)h1⊕h2=H{(γ1+γ2-γ1γ2)|γ1∈h1,γ2∈h2};

7)h1⊗h2=H{γ1γ2|γ1∈h1,γ2∈h2}.

定义3[22].设ha，hb是任意两个犹豫模糊元，则犹豫模糊元ha，hb之间的距离公式计算为：

(2)

其中#ha表示犹豫模糊元中元素的数量ha，#hb表示犹豫模糊元中元素的数量hb.

定义4[23].定义函数Θ:[0,1]N→[0,1],在参考集合中犹豫模糊集X由N个犹豫模糊元组成(H={h1,h2,…,hn}是在集合X上的一个犹豫模糊集)，在集合中的一个扩展函数Θ在犹豫模糊集H中对每一个x都有：

ΘH(x)=∪γ∈{h1(x)×…×hN(x)}{Θ(γ)}

(3)

给定两个犹豫模糊元ha和hb，如果s(ha)>s(hb)，则ha>hb;如果s(ha)=s(hb)，则ha=hb.

3.2 改进的犹豫模糊MABAC评价法

其中，m是指备选项总数，n是指评价指标总数.

第2步进行标准化处理，传统的标准化方法是通过与最大值最小值的差距而进行的归一化计算，但是其也同样存在极端值产生的误差影响，且MABAC模型自身也未能发展出完善的犹豫模糊形式.受Kumar[30]中优劣测度的启发，所提出的标准化方式是利用均值与标准差进行计算以消除极端值的影响，具体形式为：

(4)

该算法与均值进行衡量避免了极端值的影响，与标准差相比确保了归一化的稳定.为发展出一种适合于犹豫模糊元的优劣测度标准化形式，现对其进行拓展改进：

(5)

第4步确定用户期望参考解，这一步中确定的参考解为企业可达到的平均用户期望，边界用户期望矩阵G表示为：

其中，h*表示为元素全为零的犹豫模糊元，距离测度dij表示为：

备选项Ai(i=1,2,…,n)可能属于边界逼近区域G，上逼近区域G+或下逼近区域G-，即Ai∈{G∨G+∨G-}.属于上逼近区域G+的备选项Ai是理想备选项A+，反之，属于下逼近区域G-的备选项Ai是非理想备选项A-.同样，该方法中的边界区域划分也与KANO模型具有相通之处，关系图见图2所示.

备选项Ai的归属区域(G,G+或G-)按以下情形决定：

所以，为了使备选项Ai成为最优选项，则此备选项的指标要尽可能多的属于上逼近区域，即需要尽可能多的dij>0.

最后，进行备选产品设计方案的排序与择优.为进一步体现用户期望在该评价方法中的重要性，对原方法中单纯的贴近度分量累加的形式进行了拓展，采用用户对指标的期望权重与贴近度分量的加权计算，得出各备选方案的贴近度.贴近系数CCi(the closeness coefficient)的值越大，备选项Ai越优.贴近系数的计算公式如下：

(6)

图2 边界逼近区域关系图Fig.2 Boundary approximation area relationship diagram

4 算例实证

4.1 问题背景与数据来源

为验证上述模型的有效性和优越性，现根据具体算例进行验证.随着我国电子产品行业的飞速发展与人均电子产品持有率的逐年攀升，电子产品已经在方方面面融入我们的生活，其中最必不可少的就是智能手机和计算机设备，本文以某智能电子企业的高端计算机业务为背景进行产品设计方案质量评估.高端计算机设备的消费群体主要为从事精密计算的工作人员或研究型企业，由于其具有针对性的消费特征以及产品特性，所以对于该产品的设计方案更加需要时刻关注消费群体的期望与产品技术的需求，也就更适用于以用户需求为导向的综合评价体系.现该企业组建由5名专家构成的决策小组，其中专家A与B为产品设计部门内由于多年设计经验的设计师和管理人员；专家C为多年从事评价领域理论研究的专家学者；专家D与E为主要消费群体中的用户代表.

4.2 评价步骤

通过上文中构建的指标体系对A1,A2,…,A55个设计方案进行排序择优，得到初始决策矩阵X.决策小组根据消费群体对不同KANO质量因素的期望偏好，给出专家权重(见表5).

表5 KANO质量因素准则权重表Table 5 KANO quality factor criteria weight Table

初始决策矩阵X:

计算得到标准化后进行加权的矩阵Z：

利用第4步中给出的公式，计算平均用户期望均解G：

最后求得5种设计方案的贴近度，分别为：A1=0.09882,A2=0.10790,A3=0.05355,A4=0.06770,A5=-0.02404.进而得到该产品实际方案质量评价结果为：A2>A1>A4>A3>A5，可知A2为能够最大程度满足用户期望的设计方案，对A5的满意程度最低.

4.3 对比分析

为验证构建方法的可用性和合理性，使用两种典型的以极端解为参考期望的妥协决策模型进行比较分析：Xu[31]提出的HF-TOPSIS和Liao[32]提出的HF-VIKOR，排序结果见表6.

表6 对比分析排序结果Table 6 Sorting results of comparative analysis

通过排序结果可以发现，3种方法所得出的最优方案均为A2，导致用户满意度最低的方案为A5，一定程度上证明了HF-MABAC在进行方案质量评估问题中具有一定的适用性.但余下3种方案的质量排序存在一定的差异.通过原始数据可以发现，方案1的14个准则得分中，绝大部分均领先于方案3和方案4中，但由于HF-TOPSIS方法以正负理想解做为衡量标准，在解决用户期望为决策目标的问题上，存在极端解无法实现且与实际不符的问题，因而造成了方案排序上的微小差异.

另一个导致结果差异的主要原因就是决策信息的处理，在HF-TOPSIS和HF-VIKOR两种模型的标准化处理都是通过与最大值最小值的差距而进行的归一化计算，但这样的方式可能存在极端值产生的误差影响，而本文改进的方式利用均值与标准差进行计算以消除极端值的影响，避免了极端评价值对结果产生的影响，在原始信息处理时避免了这类因素的干扰.

5 结 论

本文研究了在以用户期望为导向下的多准则综合评价问题，针对目前以消费者导向为主的经济环境，以KANO质量因素划分为框架，以消费者对产品的期望为核心，对各有侧重的指标体系进行归纳总结，建立用户导向的产品设计方案质量评价指标体系.并发展一种可以满足以期望为决策目标的犹豫模糊MABAC模型，通过选择均解作为参考解来解决极端用户期望无法实现的问题，以MABAC为蓝本，以犹豫模糊集作为数据基础.最后，与其他决策方法相比较，发现其不仅更能体现用户偏好，还可以在一定程度上增强方法的实际应用价值.但也同样意识到本研究仍存在一定缺陷，考虑到将MABAC拓展到犹豫模糊领域时，所属区域的划分依据是通过比较距离与空犹豫模糊元的差异而判别的，然这种方式并不具有普遍性且区分度较低，在今后的研究中将着力改进此处.