于英楠+魏紅芹

摘 要：在新產(chǎn)品研發(fā)過(guò)程中，綜合考慮顧客需求與專家知識(shí)，提出基于改進(jìn)的質(zhì)量屋與模糊逼近理想解排序法的產(chǎn)品概念選型方法。通過(guò)層次分析法確定質(zhì)量屋的顧客需求權(quán)重，建立關(guān)聯(lián)矩陣進(jìn)行顧客需求向產(chǎn)品技術(shù)特征的轉(zhuǎn)換，將質(zhì)量屋的輸出結(jié)果應(yīng)用于概念模型的決策矩陣，利用所輸出的技術(shù)特征權(quán)重值進(jìn)行模糊逼近理想解法的綜合排序。將此方法應(yīng)用于某手機(jī)品牌的產(chǎn)品研發(fā)方案的篩選，為企業(yè)新產(chǎn)品研發(fā)提供決策參考。

關(guān)鍵詞：質(zhì)量屋；層次分析法；理想解逼近排序法

中圖分類號(hào)：F27

文獻(xiàn)標(biāo)識(shí)碼：A

doi：10.19311/j.cnki.1672-3198.2016.32.025

1 引言

隨著4G網(wǎng)絡(luò)的廣泛覆蓋，智能手機(jī)市場(chǎng)在2015年中實(shí)現(xiàn)了快速增長(zhǎng)，根據(jù)中國(guó)信息通信研究院統(tǒng)計(jì)數(shù)據(jù)顯示，2015年我國(guó)手機(jī)出貨量高達(dá)5.18億部，較2014年增長(zhǎng)14.6%。另一方面，近年來(lái)，華為、小米等國(guó)產(chǎn)智能手機(jī)品牌憑借良好的運(yùn)營(yíng)模式、精細(xì)的技術(shù)手段以及適中的價(jià)格水平越來(lái)越受到我國(guó)用戶的青睞，據(jù)統(tǒng)計(jì)，2015年國(guó)產(chǎn)手機(jī)品牌的市場(chǎng)份額高達(dá)80%。但同時(shí)，科技的迅猛發(fā)展也讓用戶對(duì)于手機(jī)新產(chǎn)品有了多核化、大屏化等更高的要求，再加上中國(guó)的智能手機(jī)市場(chǎng)正慢慢趨于飽和，首次購(gòu)買智能手機(jī)的顧客不斷減少，吸引用戶二次購(gòu)買手機(jī)成為手機(jī)市場(chǎng)的主要驅(qū)動(dòng)。因此，基于消費(fèi)者需求研發(fā)智能手機(jī)新產(chǎn)品，并對(duì)新產(chǎn)品研發(fā)方案進(jìn)行高效決策，成為我國(guó)手機(jī)品牌商需要高度重視的問(wèn)題。

在產(chǎn)品研發(fā)的一般過(guò)程中，新產(chǎn)品概念的設(shè)計(jì)是十分重要的。在產(chǎn)品概念的形成時(shí)期，考慮到設(shè)計(jì)環(huán)境的復(fù)雜性、顧客需求的多樣性潛在市場(chǎng)的不確定性，開(kāi)發(fā)團(tuán)隊(duì)能夠設(shè)計(jì)出若干個(gè)可行的產(chǎn)品概念方案。為了保證向后續(xù)流程中推進(jìn)的是最優(yōu)的產(chǎn)品方案，提升新產(chǎn)品研發(fā)的效率和成功率，應(yīng)當(dāng)選擇合適的決策方法對(duì)概念模型進(jìn)行選擇。近年來(lái)，很多學(xué)者對(duì)產(chǎn)品概念模型的決策進(jìn)行了深入的研究并提出了很多具有價(jià)值的方法，張江濤提出以TOPSIS方法為基礎(chǔ)，通過(guò)定量和定性相結(jié)合的分析方法進(jìn)行產(chǎn)品方案決策，王靜等建立加權(quán)模糊邏輯模型對(duì)產(chǎn)品開(kāi)發(fā)方案進(jìn)行決策，姜艷萍等依據(jù)前景理論和競(jìng)爭(zhēng)產(chǎn)品的評(píng)價(jià)信息建立了概念評(píng)價(jià)體系，通過(guò)前景值對(duì)產(chǎn)品方案進(jìn)行選擇，馮珍等提出讓顧客參與，通過(guò)質(zhì)量功能配置逆過(guò)程的方法評(píng)估和選擇新產(chǎn)品概念研發(fā)項(xiàng)目，崔勇等提出通過(guò)模糊群決策的質(zhì)量屋模型進(jìn)行新產(chǎn)品研發(fā)方案的篩選。

從已有的研究成果可以看出，大多數(shù)研究方法基于已有的專家經(jīng)驗(yàn)圍繞產(chǎn)品自身技術(shù)進(jìn)行方案決策，但這些方法忽略了消費(fèi)者對(duì)于產(chǎn)品的多樣化需求，同時(shí)也有研究提出了顧客參與的方法以盡可能滿足消費(fèi)者對(duì)產(chǎn)品的需求，但忽略了專家對(duì)于產(chǎn)品開(kāi)發(fā)的決定性意見(jiàn)。因此，為了研發(fā)滿足顧客需求的新產(chǎn)品，并實(shí)現(xiàn)顧客需求與專家經(jīng)驗(yàn)知識(shí)的耦合決策，本文采用模糊質(zhì)量屋（house of quality，HOQ）與模糊逼近理想解排序法（Technique for Order Preference by Similarity to Ideal Solution，TOPSIS）相結(jié)合的決策方法，使用層次分析法確定質(zhì)量屋中顧客各項(xiàng)需求及其權(quán)重，并通過(guò)模糊質(zhì)量屋進(jìn)行顧客需求向技術(shù)特征的轉(zhuǎn)換與傳遞，將質(zhì)量屋輸出的技術(shù)特征權(quán)重應(yīng)用到基于三角模糊的TOPSIS方法中，由此獲得能夠充分體現(xiàn)顧客需求的方案排序結(jié)果。

2 改進(jìn)的質(zhì)量屋模型的建立

2.1 顧客需求的選取及權(quán)重的確定

顧客需求項(xiàng)及其綜合權(quán)重是質(zhì)量屋的最基本最關(guān)鍵的輸入，需要通過(guò)真實(shí)的市場(chǎng)調(diào)查收集原始需求信息，并采用適當(dāng)?shù)目茖W(xué)方法進(jìn)行處理，從而準(zhǔn)確的表達(dá)顧客需求及偏好，為質(zhì)量屋的準(zhǔn)確輸出打牢基礎(chǔ)。為實(shí)現(xiàn)這一目的，本文通過(guò)前期市場(chǎng)調(diào)研了解當(dāng)前用戶對(duì)于智能手機(jī)的主要需求，并整理為手機(jī)產(chǎn)品外觀設(shè)計(jì)、手機(jī)硬件配置和手機(jī)功能配置三個(gè)方面，細(xì)分為14項(xiàng)顧客需求指標(biāo)為質(zhì)量屋模型的顧客需求輸入（如圖1）。同時(shí)，采用層次分析法確定質(zhì)量屋的需求權(quán)重輸入，應(yīng)用層次分析法對(duì)市場(chǎng)調(diào)研所收集整理的數(shù)據(jù)進(jìn)行分析以反應(yīng)顧客不同需求的重要程度并作為質(zhì)量屋模型顧客需求項(xiàng)及其權(quán)重的輸入。

根據(jù)圖1的用戶需求層次圖及市場(chǎng)調(diào)研結(jié)果的統(tǒng)計(jì)分析構(gòu)建層次兩兩比較矩陣?？紤]到顧客需求的多樣性和主觀上的片面性，判斷矩陣往往會(huì)存在一定的誤差，因此，為了使判斷結(jié)果與實(shí)際情況相吻合，避免權(quán)重分配不合理，需要對(duì)判斷矩陣進(jìn)行一致性檢驗(yàn)。定義一致性檢驗(yàn)的公式為：

CR=CIRI=λmax-n（n-1）RI（1）

其中，n為判斷矩陣的階數(shù)，CI為一致性檢驗(yàn)指標(biāo)，RI為平均隨機(jī)一致性指標(biāo)，λmax為矩陣最大特征根。當(dāng)CR>0.1時(shí)，認(rèn)為判斷矩陣不符合一致性檢驗(yàn)，需要對(duì)矩陣進(jìn)行微調(diào)使判斷矩陣符合一致性檢驗(yàn)，否則，若判斷矩陣滿足一致性檢驗(yàn)，兩兩比較矩陣符合數(shù)學(xué)邏輯，可以根據(jù)此判斷矩陣進(jìn)行權(quán)值的計(jì)算，從而求得權(quán)重向量，記為W=（wc1，wc2，…，wcm）T，∑mi=1wci=1，所求的權(quán)重向量即為質(zhì)量屋的顧客需求權(quán)重輸入。

2.2 基于質(zhì)量屋的新產(chǎn)品技術(shù)特性權(quán)重求解

質(zhì)量屋模型主要用于構(gòu)建客戶的產(chǎn)品需求與實(shí)現(xiàn)這些客戶需求的功能特性之間的相互關(guān)系，從而確定出哪些客戶需求能夠通過(guò)功能特性得到滿足，哪些是有待繼續(xù)研發(fā)、改良工藝的需求。本文通過(guò)質(zhì)量屋模型將顧客需求及其權(quán)重轉(zhuǎn)化為相對(duì)應(yīng)的智能手機(jī)產(chǎn)品的技術(shù)特性及其權(quán)重，因此僅用到質(zhì)量屋模型中的左墻（客戶需求）、房間（關(guān)系矩陣）和地下室（技術(shù)特性權(quán)重），具體結(jié)構(gòu)如圖2所示。

質(zhì)量屋中顧客需求向產(chǎn)品技術(shù)特征轉(zhuǎn)換處于概念設(shè)計(jì)的早期階段，通常由專家團(tuán)隊(duì)對(duì)兩者之間的轉(zhuǎn)化關(guān)系進(jìn)行評(píng)價(jià)，在信息環(huán)境不確定、用戶主觀意識(shí)復(fù)雜、專家評(píng)價(jià)語(yǔ)義模糊的情況下，傳統(tǒng)質(zhì)量屋中表示顧客需求與技術(shù)特性之間弱、中、強(qiáng)關(guān)系程度時(shí)所采用的1-5-9離散標(biāo)度的方法往往會(huì)影響權(quán)重輸出的準(zhǔn)確度。因此本文中在使用層次分析法確定顧客需求權(quán)重的同時(shí)，對(duì)顧客需求與技術(shù)特性相關(guān)性進(jìn)行了一定的模糊處理，引入語(yǔ)言變量的概念和模糊集的理論方法，將專家的概念評(píng)價(jià)通過(guò)模糊邏輯轉(zhuǎn)化成數(shù)值，進(jìn)而提高質(zhì)量屋輸出的準(zhǔn)確性。

在目前的學(xué)術(shù)研究中，有多種模糊方法被廣泛應(yīng)用，如三角隸屬函數(shù)、高斯隸屬函數(shù)、梯形隸屬函數(shù)等，這些方法各有其特點(diǎn)和適應(yīng)性。在本文中，采用了三角模糊數(shù)對(duì)顧客需求-技術(shù)特性矩陣進(jìn)行確立，在后期，本文將同樣使用三角模糊數(shù)對(duì)TOPSIS模型中非精確技術(shù)輸入進(jìn)行模糊處理。

在質(zhì)量屋模型階段構(gòu)建階段，設(shè)專家評(píng)價(jià)的語(yǔ)義模糊集U=SP，WP，P，M，其中SP表示強(qiáng)相關(guān)，用三角模糊數(shù)（0.6，0.8，1）表示，P表示相關(guān)，用三角模糊數(shù)（0.4，0.6，0.8）表示，WP表示弱相關(guān)，用三角模糊數(shù)（0.2，0.4，0.6）表示，M表示不相關(guān)，用三角模糊數(shù)（0，0，0）表示。由專家小組確定第i項(xiàng)客戶需求與第j項(xiàng)技術(shù)特性的關(guān)聯(lián)程度為rij，rij∈U為三角模糊數(shù)，則在質(zhì)量屋中顧客需求-技術(shù)特性的模糊關(guān)聯(lián)矩陣為R=（rij）m×n。根據(jù)QFD理論，技術(shù)特征的權(quán)重Wt會(huì)通過(guò)顧客需求權(quán)重Wc和顧客需求-技術(shù)特性關(guān)聯(lián)矩陣R計(jì)算得出，公式為：

Wt=R×Wc（2）

通過(guò)模糊質(zhì)量屋模型轉(zhuǎn)化得出的智能手機(jī)技術(shù)特征權(quán)重Wt將作為基于三角模糊TOPSIS算法的權(quán)重輸入。

3 基于三角模糊的TOPSIS的決策分析

在新產(chǎn)品概念選型這一環(huán)節(jié)中，需要對(duì)若干個(gè)多指標(biāo)產(chǎn)品研發(fā)概念模型進(jìn)行排序選擇，本文選擇應(yīng)用TOPSIS排序方法，通過(guò)相對(duì)接近度的概念來(lái)考慮不同方案與理想方案的距離。TOPSIS法是一種逼近理想解的排序方法，是由Yoon和Hwang提出的處理多屬性決策問(wèn)題的多方案排序和選擇的經(jīng)典方法之一，它以方案全集的正負(fù)理想解為統(tǒng)一參照基準(zhǔn)來(lái)建立偏好關(guān)系。

由于新產(chǎn)品研發(fā)的過(guò)程中，部分參數(shù)不能用精確的數(shù)字所表示，對(duì)于TOPSIS中距離的計(jì)算有一定影響，因此，本文結(jié)合相關(guān)技術(shù)特性的實(shí)際市場(chǎng)反饋和專家評(píng)價(jià)對(duì)此類技術(shù)特性的表達(dá)進(jìn)行模糊處理，引入語(yǔ)言變量的概念和模糊集的理論方法，將專家的評(píng)價(jià)通過(guò)模糊邏輯轉(zhuǎn)化成數(shù)值，進(jìn)而提高TOPSIS方法的準(zhǔn)確性和客觀性。

3.1 構(gòu)建選擇評(píng)價(jià)語(yǔ)言集及三角模糊評(píng)價(jià)矩陣

設(shè)備選方案集為M={M1，M2，…，Mk}，即需要對(duì)k個(gè)備選方案進(jìn)行合理排序，以程度語(yǔ)言構(gòu)建評(píng)價(jià)語(yǔ)集W={VP，MP，P，M，MG，G，VG}，并將評(píng)價(jià)語(yǔ)言集轉(zhuǎn)化為三角模糊數(shù)。準(zhǔn)則評(píng)語(yǔ)所對(duì)應(yīng)的三角模糊數(shù)如表1所示。

3.2 基于三角模糊的TOPSIS排序模型及方案選擇

由于新產(chǎn)品的部分技術(shù)參數(shù)無(wú)法直接用準(zhǔn)確數(shù)值表示的問(wèn)題，本文已采用對(duì)專家打分進(jìn)行模糊處理方法解決，因此構(gòu)建TOPSIS模型進(jìn)行方案排序時(shí)，通過(guò)三角模糊語(yǔ)言評(píng)價(jià)集對(duì)標(biāo)準(zhǔn)TOPSIS模型的主要流程進(jìn)行一定的改進(jìn)和優(yōu)化。具體步驟如下。

3.2.1 對(duì)方案準(zhǔn)則模糊矩陣進(jìn)行規(guī)范化處理

為了消除不同物理量綱對(duì)決策問(wèn)題的影響，需要對(duì)決策矩陣進(jìn)行規(guī)范化處理。在模糊TOPSIS中，本文將規(guī)范化處理指標(biāo)分為三類，第一類為可以用精確數(shù)字表示的技術(shù)特性，用A表示，這一類型指標(biāo)的規(guī)范化處理方式與標(biāo)準(zhǔn)TOPSIS模型方法相同，如式（4）所示；第二類為模糊評(píng)價(jià)效益型技術(shù)特性，用B表示，此類指標(biāo)表示的含義為數(shù)值越大越好，規(guī)范化算法為式（5）所示；第三類為模糊評(píng)價(jià)成本型技術(shù)特性，用C表示，此類指標(biāo)表示的含義為數(shù)值越小越好，規(guī)范化算法為式（6）所示。

3.2.4 計(jì)算相對(duì)貼近度SCi并進(jìn)行新產(chǎn)品研發(fā)方案排序決策

根據(jù)步驟3中求得的各個(gè)目標(biāo)值與正理想解的距離Si+和各個(gè)目標(biāo)值與負(fù)理想解的距離Si-可以求解各個(gè)新產(chǎn)品研發(fā)方案的相對(duì)貼近度SCi。根據(jù)相對(duì)貼近度SCi的大小進(jìn)行排序，選擇SCi最大的方案為最優(yōu)決策方案，即距離負(fù)理想解最遠(yuǎn)的方案。

4 實(shí)例分析

通過(guò)市場(chǎng)調(diào)研發(fā)現(xiàn)，目前消費(fèi)者對(duì)于手機(jī)價(jià)位的選擇在1500-2500元之間居多，因此本文以在此價(jià)格區(qū)間的某手機(jī)公司智能手機(jī)新產(chǎn)品為例，應(yīng)用此模型進(jìn)行決策分析。該智能手機(jī)公司基于現(xiàn)有市場(chǎng)需求及以往的產(chǎn)品銷售情況進(jìn)行新款智能手機(jī)的研發(fā)，目前產(chǎn)品研發(fā)處于概念模型選擇階段，綜合考慮公司技術(shù)成熟度、產(chǎn)品創(chuàng)新度以及成本費(fèi)用等各方因素確定M1，M2，M3，M4，M5，M6，M7七個(gè)備選方案。

4.1 基于層次分析法智能手機(jī)需求權(quán)重

根據(jù)調(diào)查問(wèn)卷和訪談法對(duì)智能手機(jī)的顧客需求進(jìn)行市場(chǎng)調(diào)研，將數(shù)據(jù)進(jìn)行分析整理，歸納總結(jié)出顧客的主要需求集中于手機(jī)外觀設(shè)計(jì)、運(yùn)行配置、功能配置三個(gè)方面，細(xì)分為14項(xiàng)顧客需求指標(biāo)，并根據(jù)問(wèn)卷數(shù)據(jù)結(jié)果進(jìn)行層次分析。通過(guò)層次分析法的計(jì)算，判斷矩陣通過(guò)一致性檢驗(yàn)，可得顧客需求權(quán)重如表2所示。

4.3 基于模糊TOPSIS的產(chǎn)品研發(fā)方案的優(yōu)劣排序及篩選

手機(jī)品牌商對(duì)于手機(jī)新產(chǎn)品的研發(fā)給出了7個(gè)備選方案，由于涉及企業(yè)隱私，本文不直接列舉備選方案的各項(xiàng)參數(shù)指標(biāo)，由于部分指標(biāo)無(wú)法直接用數(shù)據(jù)顯示，因此由專家對(duì)其進(jìn)行評(píng)價(jià)并用三角模糊數(shù)對(duì)其評(píng)價(jià)進(jìn)行模糊處理，經(jīng)過(guò)三角模糊以及對(duì)其他參數(shù)的數(shù)據(jù)轉(zhuǎn)化以及進(jìn)一步數(shù)據(jù)處理可以得出備選方案的決策矩陣表3所示。

參考文獻(xiàn)

[1]Pahl G，Beitz W，F(xiàn)eldhusen J，et al.Engineering design： A systematic approach[J].Nasa Sti/recon Technical Report A，2007，89（133）：63-64.

[2]張江濤.基于TOPSIS方法的新產(chǎn)品開(kāi)發(fā)決策問(wèn)題研究[J].價(jià)值工程，2012，31（16）：99-100.

[3]王靜，李華.基于模糊邏輯推理的新產(chǎn)品開(kāi)發(fā)方案決策方法[J].工業(yè)工程，2006，9（2）：111-115.

[4]姜艷萍，程樹(shù)磊.基于前景理論的新產(chǎn)品開(kāi)發(fā)方案選擇方法[J].管理學(xué)報(bào)，2012，09（5）：767-771.

[5]馮珍，張所地.顧客參與的新產(chǎn)品概念研發(fā)項(xiàng)目的評(píng)估和選擇[J].科技管理研究，2010，30（11）：166-167.

[6]崔勇，孫楓.基于模糊群決策的質(zhì)量屋方案選擇模型[J].中國(guó)機(jī)械工程，2007，18（7）：807-811.

[7]郭茜，王增強(qiáng)，蒲云.基于質(zhì)量屋與排序組織法的產(chǎn)品概念決策方法[J].中國(guó)機(jī)械工程，2014（18）.

[8]史騰歡.基于Fuzzy-QFD的食品冷鏈物流服務(wù)供應(yīng)商選擇方法研究[D].南京：南京航空航天大學(xué)，2014.

[9]孫昭旭，韓敏.不完全信息下的群體多屬性決策方法[J].系統(tǒng)工程與電子技術(shù)，2007，29（7）：1098-1101.

[10]Chen C T.Extensions of the TOPSIS for group decision-making under fuzzy environment[J].Fuzzy Sets & Systems，2000，114（1）：1-9.

[11]Mahdavi I，Mahdavi-Amiri N，Heidarzade A，et al.Designing a model of fuzzy TOPSIS in multiple criteria decision making[J].Applied Mathematics & Computation，2008，206（2）：607-617.

[12]仇國(guó)芳，葛婷.基于三角模糊數(shù)的TOPSIS建筑逆向物流運(yùn)作模式選擇[J].物流技術(shù)，2015，（19）：94-97.