張 雷，李 璟，袁 遠(yuǎn)，秦 旭

（合肥工業(yè)大學(xué)機(jī)械工程學(xué)院，安徽 合肥 230009）

1 引言

產(chǎn)品的設(shè)計是否能夠滿足客戶的需求，對于一款產(chǎn)品是否能夠成功起著決定性作用。隨著企業(yè)的競爭逐漸從“以產(chǎn)值為中心”過渡到“以客戶需求為中心”[1]，企業(yè)贏得市場的關(guān)鍵就是要對客戶需求進(jìn)行快速反應(yīng)，這就需要企業(yè)對客戶需求進(jìn)行有效預(yù)測。近年來，環(huán)境問題日趨嚴(yán)重，客戶更傾向于選擇綠色產(chǎn)品，客戶環(huán)境需求的預(yù)測與分析就成為產(chǎn)品設(shè)計的重要環(huán)節(jié)。

在客戶需求預(yù)測方面，文獻(xiàn)[2]構(gòu)建了一種應(yīng)用于短生命周期產(chǎn)品需求預(yù)測的BASS模型，解決了需求預(yù)測中歷史數(shù)據(jù)缺乏、需求影響因素考慮不充分導(dǎo)致預(yù)測精度較低的問題；文獻(xiàn)[3]構(gòu)建了考慮顧客感知要素的多變量灰色組合需求預(yù)測模型，將與需求變化相關(guān)的質(zhì)量、性能等顧客感知要素納入多變量灰色模型以提高預(yù)測準(zhǔn)確性；文獻(xiàn)[4]將廣義證據(jù)理論引入經(jīng)典馬爾科夫模型，構(gòu)建了基于開放世界的廣義信度馬爾科夫模型，以分析客戶動態(tài)需求；文獻(xiàn)[5]提出了一種結(jié)合顧客偏好和客戶滿意度評級的客戶需求重要度分析方法以解決QFD中需求的相對重要性分析。

通過以上文獻(xiàn)的分析，國內(nèi)外學(xué)者在產(chǎn)品需求預(yù)測方面的研究成果較多，并且得到了較為廣泛的應(yīng)用，但是針對產(chǎn)品需求演化和預(yù)測的研究主要集中在產(chǎn)品制造過程的供應(yīng)鏈預(yù)測方面，很少主動考慮客戶對產(chǎn)品需求的變化趨勢，對產(chǎn)品環(huán)境需求的分析與預(yù)測更是鮮見。因此提出了一種基于客戶特征的產(chǎn)品環(huán)境需求預(yù)測方法，并通過冰箱產(chǎn)品的環(huán)境需求預(yù)測進(jìn)行驗(yàn)證。

2 基于客戶特征的產(chǎn)品環(huán)境需求預(yù)測模型

隨著經(jīng)濟(jì)與科技的發(fā)展，客戶對產(chǎn)品的要求不再局限于功能、性能、外觀等傳統(tǒng)的需求，逐漸關(guān)注產(chǎn)品的環(huán)境性能，由此衍生出客戶環(huán)境需求這一概念。為了縮短產(chǎn)品的設(shè)計周期，企業(yè)必須快速響應(yīng)客戶需求，這就需要企業(yè)對不同客戶的需求進(jìn)行預(yù)測?；谝陨戏治觯瑯?gòu)建了一種基于客戶特征的產(chǎn)品環(huán)境需求預(yù)測模型，如圖1所示。（1）需求信息采集。通過環(huán)境需求分析，建立需求信息采集模版，獲取統(tǒng)一表達(dá)的客戶特征與客戶環(huán)境需求。（2）需求信息表達(dá)。通過采用感性工學(xué)和語義差異法處理客戶需求的模糊性，并將客戶環(huán)境需求轉(zhuǎn)化為二進(jìn)制編碼，使其能夠被計算機(jī)識別，便于數(shù)據(jù)處理。（3）環(huán)境需求預(yù)測。通過建立“客戶特征-環(huán)境需求”的BP神經(jīng)網(wǎng)絡(luò)，挖掘其之間的關(guān)系，實(shí)現(xiàn)客戶環(huán)境需求的預(yù)測。（4）客戶特征影響程度量化。通過信息增益計算不同客戶特征的權(quán)重，量化各個特征對客戶環(huán)境需求的影響程度。

圖1 基于客戶特征的產(chǎn)品環(huán)境需求預(yù)測模型Fig.1 Forecast Model of Product Environment Requirement based on Customer Attributes

2.1 客戶環(huán)境需求采集

產(chǎn)品的環(huán)境性能涉及選材、制造與回收等多個生命周期環(huán)節(jié)，與之相對應(yīng)的客戶環(huán)境需求主要表現(xiàn)在綠色材料、綠色制造等6個方面，其根本目的是減輕地球的環(huán)境負(fù)擔(dān)[6]。環(huán)境需求的主要構(gòu)成，如圖2所示。

圖2 客戶環(huán)境需求Fig.2 Customer Environment Requirement

表1 客戶需求信息采集模版Tab.1 The Template of Customer Requirement Gathering

具有不同特征的客戶，其需求也是不同的。為了獲取不同用戶的客戶特征及其環(huán)境需求，依據(jù)環(huán)境需求分析建立客戶環(huán)境需求信息采集模版，并將不同客戶的需求信息進(jìn)行統(tǒng)一的表達(dá)，從而可以通過采集到的信息對具有不同特征用戶的需求進(jìn)行預(yù)測。冰箱產(chǎn)品的客戶環(huán)境需求采集表，如表1所示。

2.2 需求信息表達(dá)

客戶需求具有模糊性的特點(diǎn)，即客戶的需求描述經(jīng)常出現(xiàn)表達(dá)不清等問題。模糊的客戶需求不利于產(chǎn)品的設(shè)計開發(fā)，為了高效準(zhǔn)確地處理客戶需求，需要將客戶需求轉(zhuǎn)化為能被計算機(jī)識別的語言。

依據(jù)客戶環(huán)境需求的模糊程度，將其分為結(jié)構(gòu)型與非結(jié)構(gòu)型兩類。結(jié)構(gòu)型客戶需求可以準(zhǔn)確表達(dá)客戶對產(chǎn)品的具體需求，包含選項型和參數(shù)型兩種。選項型是指客戶對產(chǎn)品的某一屬性進(jìn)行選擇，該屬性存在兩個（或以上）互斥的選項。參數(shù)型是指客戶對產(chǎn)品某一屬性的要求為參數(shù)值（或參數(shù)區(qū)間）。

非結(jié)構(gòu)型客戶需求主要是描述型，即客戶對產(chǎn)品某一屬性要求的描述，其模糊程度較高，表現(xiàn)客戶對產(chǎn)品屬性的傾向程度。描述型的客戶需求包含客戶的感性評價，通過感性工學(xué)的方法收集客戶對其的評價[7]，并采用語義差異法建立“對象-感性評價-傾向程度”的Likert量表[8]，經(jīng)過統(tǒng)計分析確定客戶的需求。

表2 非結(jié)構(gòu)型需求三點(diǎn)Likert量表示例Tab.2 Examples of the Three-Point Likert Scale for Non-structural Requirement

在明確不同類型的客戶需求之后，將其轉(zhuǎn)化為二進(jìn)制編碼以便于被計算機(jī)識別、處理。在轉(zhuǎn)化過程中，“1”表示肯定選擇，“0”表示否定。部分環(huán)境需求表達(dá)案例，如表3所示。

表3 客戶環(huán)境需求表達(dá)案例Tab.3 Customer Environment Requirement Expression Case

2.3 環(huán)境需求預(yù)測

人工神經(jīng)網(wǎng)絡(luò)通過挖掘預(yù)先設(shè)定的輸入-輸出數(shù)據(jù)的關(guān)系，來根據(jù)新的輸入數(shù)據(jù)預(yù)測輸出結(jié)果[9]。通過建立“客戶特征-客戶環(huán)境需求”的BP神經(jīng)網(wǎng)絡(luò)，可以挖掘出其之間的關(guān)系，從而指導(dǎo)企業(yè)針對不同的用戶群體進(jìn)行產(chǎn)品設(shè)計。BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，如圖3所示。圖中：I、H、O—神經(jīng)網(wǎng)絡(luò)的輸入層、隱含層和輸出層；i、k—各層級的輸入、輸出。WIH—隱含層和輸入層之間的連接權(quán)；I—神經(jīng)網(wǎng)絡(luò)模型的輸入，則隱含層的輸入可用，如式（1）所示。

f（x）表示激發(fā)函數(shù)，一般選擇Sigmoid函數(shù)，f（x）＝1/（1+e-x）則隱含層的輸出可用，如式（2）所示。

WHO表示輸出層和隱含層之間的連接權(quán)，則輸出層的輸入為：

神經(jīng)網(wǎng)絡(luò)模型的輸出為：

神經(jīng)網(wǎng)絡(luò)的隱含層的節(jié)點(diǎn)數(shù)可用經(jīng)驗(yàn)公式5和6確定，k，p分別表示輸入層、輸出層的節(jié)點(diǎn)數(shù)，n為（1～10）之間的整數(shù)。

圖3 BP神經(jīng)網(wǎng)絡(luò)Fig.3 BP Neural Network

2.4 客戶特征影響程度量化

不同的客戶特征對客戶環(huán)境需求的影響程度不同，為了對其進(jìn)行量化評估，采用信息增益來計算各個客戶特征的權(quán)值，從而確定其對客戶環(huán)境需求的影響程度。

3 實(shí)例研究

冰箱是常用的家電產(chǎn)品之一，也是客戶需求導(dǎo)向的產(chǎn)品之一。隨著環(huán)保要求的提高，冰箱市場的競爭也愈發(fā)激烈。針對冰箱產(chǎn)品的客戶環(huán)境需求涉及到綠色材料、環(huán)境排放等方面，并且不同的客戶對同一產(chǎn)品屬性的要求也各不相同。為提高產(chǎn)品的市場競爭力，預(yù)測不同客戶的環(huán)境需求非常重要。

以某款冰箱網(wǎng)上客戶對其評價為例，通過構(gòu)建的客戶環(huán)境需求采集表，如表1所示。采集相關(guān)的客戶需求信息及客戶特征。將客戶環(huán)境需求其進(jìn)行編碼，如表4所示。

表4 客戶環(huán)境需求編碼Tab.4 Coding of Customer Environment Requirement

為了對客戶環(huán)境需求進(jìn)行預(yù)測，將客戶特征集合［年齡，消費(fèi)等級，教育背景，消費(fèi)習(xí)慣］作為BP神經(jīng)網(wǎng)絡(luò)的輸入。將客戶特征進(jìn)行編碼，以便被人工神經(jīng)網(wǎng)絡(luò)識別和計算，如表5所示。

以客戶對冰箱的能耗等級的需求為例，采用BP神經(jīng)網(wǎng)絡(luò)對需求組進(jìn)行訓(xùn)練，神經(jīng)網(wǎng)絡(luò)的輸入是長度為4的客戶特征向量，如 ［0，1，3，3］T，輸出為長度為 4 的客戶環(huán)境需求向量，如［0，1，0，0］T，通過多組數(shù)據(jù)組訓(xùn)練神經(jīng)網(wǎng)絡(luò)。與神經(jīng)網(wǎng)絡(luò)的輸入、輸出向量相對應(yīng)，其輸入、輸出層的節(jié)點(diǎn)數(shù)都為4個，神經(jīng)網(wǎng)絡(luò)的隱含層的神經(jīng)元數(shù)量可用經(jīng)驗(yàn)公式5和6確定，本案例取10。

表5 客戶特征編碼Tab.5 Coding of Customer Attributes

圖4 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果Fig.4 The Result of BP Neural Network Training

在MATLAB2016b中利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行運(yùn)算，將數(shù)據(jù)源的70%進(jìn)行訓(xùn)練網(wǎng)絡(luò)，30%用以對神經(jīng)網(wǎng)絡(luò)的精度進(jìn)行驗(yàn)算和調(diào)整。在同時保證神經(jīng)網(wǎng)絡(luò)算法震蕩的穩(wěn)定性和收斂速度的情況下[10]，設(shè)定神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速率為0.1，目標(biāo)誤差為1e-003。訓(xùn)練結(jié)果，如圖4所示。通過分析訓(xùn)練結(jié)果，期望輸出和實(shí)際輸出的誤差較小，能夠挖掘出客戶特征與客戶環(huán)境需求之間的關(guān)系。神經(jīng)網(wǎng)絡(luò)訓(xùn)練的數(shù)據(jù)，如表6所示。

表6 能耗等級BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)Tab.6 BP Neural Network Training data of Energy Efficiency Index

以客戶對冰箱能耗的這一環(huán)境需求情況為例驗(yàn)證，通過計算不同客戶特征的信息增益，確定各個特征對客戶環(huán)境需求的影響程度。經(jīng)過統(tǒng)計，在采集的200組數(shù)據(jù)中，選擇1級能耗或2級能耗冰箱的客戶有150組，5選擇3級能耗或4級能耗的冰箱有50組。則源數(shù)據(jù)的的經(jīng)驗(yàn)熵H（D）：

客戶特征集包含年齡、消費(fèi)習(xí)慣、教育背景、消費(fèi)等級4個元素，分別表示為A1，A2，A3，A4。根據(jù)式9和式10依次計算客戶特征對訓(xùn)練集的經(jīng)驗(yàn)條件熵H（D|Ai）對應(yīng)客戶特征的信息增益g（D，Ai），計算結(jié)果，如表8所示。

表7 客戶特征對應(yīng)的計算結(jié)果Tab.7 The Calculation Result of Customer Attributes

通過分析計算結(jié)果，針對冰箱產(chǎn)品，客戶對能耗等級這一環(huán)境需求，教育背景的權(quán)值最大，其影響程度最大，教育背景較好的客戶更傾向于選擇能耗等級較低的冰箱。而年齡和消費(fèi)習(xí)慣對與客戶環(huán)境需求的影響不大。

4 結(jié)論

與傳統(tǒng)客戶需求分析方法相比，研究了基于客戶特征的環(huán)境需求的預(yù)測方法。通過研究客戶特征與客戶偏好之間關(guān)系，可以有效的預(yù)測不同特征的客戶對產(chǎn)品的需求信息，同時分析了客戶特征對客戶需求的影響，有利于企業(yè)對市場快速預(yù)測和提高設(shè)計效率。該方法具有以下特點(diǎn)：

（1）區(qū)別于傳統(tǒng)的功能、結(jié)構(gòu)等傳統(tǒng)需求，分析了客戶的環(huán)境需求，有效的解決了以往研究客戶需求的局限性，涉及范圍更廣；

（2）根據(jù)客戶需求信息，建立了客戶需求分類模型，同時通過感性工學(xué)及語義差異法等方法對結(jié)構(gòu)型與非結(jié)構(gòu)型客戶環(huán)境需求進(jìn)行分類表達(dá)，使客戶環(huán)境需求能有效的被計算機(jī)識別；

（3）通過人工神經(jīng)網(wǎng)絡(luò)挖掘客戶特征和客戶環(huán)境需求之間的關(guān)系，可以有效對客戶環(huán)境需求進(jìn)行預(yù)測；

（4）通過計算信息增益確定了不同客戶特征對客戶環(huán)境需求的影響程度。