产品演进设计中的交互式数据融合技术及应用

华尔天 刘 勰 倪鸯丹

浙江工商大学，杭州，310018

0 引言

产品演进设计主要源于两个方面：一是设计知识的发展，使产品更好地体现科技进步的最新成果；二是客户需求的发展，使产品更好地体现消费理念、消费方式和消费层次的进步。目前，这一问题的研究主要集中在：①关于专家、设计师、产品设计知识库之间的知识集成［1－4］，如谷建光等［1］为实现产品设计知识的完整获取，研究了产品实例设计知识与领域专家设计经验相结合的知识获取技术，赵锋等［2］提出了一种面向产品创新设计的广义专家群体知识获取的思路及方法；②关于客户需求的研究［5－8］，如杨洁等［5］建立了一种产品创新设计中的客户知识集成模型，提出了基于“问题域－功能域”的客户知识转换方法，同时使用本体理论对客户知识进行建模，魏敏等［6］针对客户需求行为问题，提出了基于目的－价值的客户需求模型。但对客户之间、客户需求与现有产品设计知识之间、客户需求与产品设计过程等方面的研究尚涉及甚少，在客户需求分析、最新设计知识应用及两者的结合方面，还缺乏一定的理论和应用技术。

本文引入数据融合的思想，提出了一种基于客户需求的交互式数据融合技术，通过客户层的数据融合和产品设计变量指标集之间的数据融合，解决了产品演进设计中客户需求与产品设计知识的融合问题。

1 交互式数据融合技术

数据融合是一种多源数据综合处理技术，即将系统中若干相同类型或不同类型的信息源所提供的相同或不同形式、同时刻或不同时刻的测量信息加以分析、处理与综合，得到被测对象全面、一致的估计。数据融合技术自20世纪70年代提出以后，广泛应用于军事、工业、医学、交通和金融等诸多领域，目前的研究主要集中在以传感设备作为信息源的数据融合上［9－11］。本文将数据融合技术引入到产品演进设计领域，将顾客需求、产品设计知识等作为数据源进行数据融合，包括客户层的数据融合和产品设计变量指标集的数据融合两个方面。

1.1 客户层的数据融合

客户层的数据融合包括设计变量权重的融合、各设计变量指标评价的融合、客户评价的融合三个部分。客户层数据融合模型如图1所示，其中，①表示使用Delphi法和Kano模型进行设计变量权重的融合，②表示使用模糊综合评价法进行各设计变量指标评价的融合，③表示客户评价的融合。

图1 客户层数据融合模型

1．1．1 基于Delphi法和Kano模型的设计变量权重融合

Delphi法［12－13］是利用专家集体智慧来确定各因素在评价问题或者决策问题中的重要程度的有效方法。Kano模型［14］以顾客满意度为依据，将客户需求分为基本型、期望型、兴趣型三种类型，不同类型的需求重要程度不一样。本文使用Delphi法并结合Kano模型确定设计变量的权重。

令设计变量集U ＝ ｛u1，u2，…，um｝，融合步骤如下：

（1）使用Delphi法得到设计变量权重，记为A ＝ ｛a′1，a′2，…，a′m｝；

（2）使用Kano模型将设计变量进行分类，记为C＝ ｛c1，c2，…，cm｝，其中，当ui分别为基本型、期望型和兴趣型时，ci相应地分别为1、2和3；

（3）进行设计变量权重的融合，得A＝ ｛a′1，a′2，…，a′m｝，其中，

1．1．2 基于模糊综合评价法的各设计变量指标评价的融合

模糊综合评价［13，15］的基本思想是利用模糊线性变换原理和最大隶属度原则，考虑与被评价目标相关的各个因素，对其做出合理的综合评价。

1．1．3 基于支持度的客户评价的融合

演进设计的关键是确定产品各类定量、定性设计变量的指标。设计变量指标通过交互的方式让客户评价，根据评价结果确定设计变量指标的适用性，将客户需求更加直接地融入到产品设计中，为产品设计提供依据。

客户对产品设计变量指标集V的支持程度用SUPPORT（V）来度量，0≤SUPPORT（V）≤1。SUPPORT（V）越大，说明支持该设计变量指标集的客户人数越多，也说明该设计方案越符合客户需求；反之，SUPPORT（V）越小，则说明支持该设计变量指标集的客户人数越少。因此，设计师需要及时对设计指标进行改进，以满足客户需求。

客户评价融合的步骤如下：

（1）计算每个客户对该产品设计变量指标集的评价结果，设第i个顾客对该设计变量指标集总评价为vt（i＝1，2，…，p；t＝1，2，…，n），其中，p为客户的个数；n为评价集中评语的个数。

（2）计算综合评价矩阵T：

1.2 基于客户需求的设计变量指标集数据融合

1．2．1 单个设计变量指标的综合评价

交互方式除了能得到所有客户对设计变量指标集的支持度外，还可以得到所有客户对每个设计变量指标的总评价，根据评价值，帮助设计师选择支持度高的设计变量指标，将其融入下次设计中，而对评价值低的设计变量指标进行改进，从而提高整个产品的客户满意度。

对设计变量指标vk（k＝1，2，…，m）进行评价，步骤如下：

（1）构造矩阵M：

式中，mij（i＝1，2，…，p；j＝1，2，…，n）为第i个顾客对设计变量指标vk的第j个评语的评价。

（2）计算Mj：

再对（M′1，M′2，…，M′n）归一化处理得（M1，M2，…，Mn）

（3）计算设计变量指标vk总评价：

1．2．2 设计变量指标集之间的数据融合

在产品设计中我们把每个产品设计变量指标集作为一个数据源，不同设计变量指标集之间存在不同的设计信息，只有将各设计变量指标集融合在一起，才能设计出高质量的产品。

假设设计变量集U ＝ ｛u1，u2，…，um｝，设计变量权重集 A ＝ ｛a1，a2，…，am｝。现有两个设计变量 指 标 集：Vi＝ ｛vi1，vi2，…，vim｝，Vj＝ ｛vj1，vj2，…，vjm｝。设计变量指标集Vi和Vj的评分集分别为 Ci＝ ｛Ci（vi1），Ci（vi2），…，Ci（vim）｝，Cj＝｛Cj（vj1），Cj（vj2），…，Cj（vjm）｝。设计变量指标集Vi和Vj的支持度分别为SUPPORT（Vi）和SUPPORT（Vi）。 假 设 SUPPORT（Vi） ≥SUPPORT（Vj），则设计变量指标集Vi和Vj之间的数据融合算法如下：

输入：A，Vi，Vj，Ci，Cj

输出：Vt＝ ｛vt1，vt2，…，vtm｝

（1）A′←A，Vt←Vi，flag ＝0

（2）for（k＝1；k≤ m；k＋＋） DO BEGIN

（3）找出A′中值最大的元素对应的下标，记为q

（4） IF viq≠vjqDO BEGIN

（5） IF Cj（vjq）＞Ci（viq）DO BEGIN

（6） vtq＝vjq；

（7） flag ＝1；

（8） END

（9） END

（10）DELETE aqFROMA

（11）IF flag ＝1THEN RETURNVt

（12）END

（13）RETURNVt

该算法是将两个设计变量指标集进行融合形成一个新的设计变量指标集，这个新的设计变量指标集结合原先两个指标集的优势，因此它更符合顾客的需求。如果指标集Vi的支持度大于指标集Vj的支持度，则首先寻找集合A中取值最大的元素，得到权重最大的设计变量uq，比较指标集Vi和Vj在该设计变量上的指标viq、vjq，以及客户评价值Ci（viq）、Cj（vjq）；如果viq≠vjq且Cj（vjq）＞Ci（viq），则用vjq形成新的指标集Vt，否则继续寻找集合A中取值次大的元素，得到权重第二的设计变量。重复上述步骤直到产生新的指标集为止。这样得到的新指标集在保持大部分设计不变的前提下，引进其他指标集中比较好的设计部分，使得设计向着更好更符合顾客需求的方向前进。

2 基于交互式数据融合技术的产品演进设计过程

首先，根据提出的设计要求在设计知识库中搜索相似的设计变量指标集；其次，对得到的指标集进行比较并选出相似度较高的指标集；再次，对指标集进行顾客评价，如果满足顾客的要求，那么就得到最终的指标集，如果不满足，则对指标集的各指标进行重新调整生成新的指标集。重复以上步骤，直至得到最终指标集。演进设计的具体流程如图2所示。

图2 产品演进设计流程图

基于交互式数据融合技术的产品演进设计具体过程如下：

（1）提出设计要求。

（2）搜索设计知识库，查找与设计要求相似的设计变量指标集，选取与设计要求最相近的s个设计变量指标集设为V ＝ ｛V1，V2，…，Vs｝，其中Vi＝ ｛vi1，vi2，…，vim｝，i＝1，2，…，s，m 为设计变量的个数。

（3）从V中选取两个指标集，记为V′＝｛Vi，Vj｝，（i＝1，2，…，s；j＝1，2，…，s；i≠j）。

（4）通过交互的方式让顾客对V′中各指标集进行评价。

（5）采用1．1．3介绍的客户评价的融合方法计算各指标集的支持度。

（6）设ε为最小支持度，它表示支持该指标集的最小客户百分数，其一般根据实际情况进行取值，当某指标集Vl的SUPPORT（Vl）≥ε，其中Vl∈V′，则说明该指标集符合用户要求，演进设计结束，转到步骤（10），否则转下一步。

（7）采用1．2．2介绍的设计变量指标集之间的数据融合方法对V′中的指标集进行融合形成一个新的指标集，记为A。

（8）随机选取V中的某指标集Vi，随机选取指标vij（i＝1，2，…，s；j＝1，2，…，m），改变指标vij的值，得到新的指标集，记为B。

（9）令V′＝ ｛A，B｝，转到步骤（4）。

（10）结束。

3 应用举例

为验证本论文提出的方法的可行性，以家用电冰箱为例进行演进设计。选择电冰箱8个主要设计变量：总有效容积（L）、冷藏室有效容积（L）、冷冻室有效容积（L）、耗电量（kW／h）、冷冻能力（kg／h）、气候类型、温控方式、外观。设计要求：总有效容积为中等大小，销售价格在3300元／台左右，冷冻能力为中等，耗电量小于0．6kW／h。根据设计要求，搜索设计知识库，得到4个比较符合要求的设计变量指标集，如表1所示。

表1 相似产品设计变量指标集

根据1．1．1介绍的方法计算电冰箱8个设计变量的权重，结果如表2所示。选择指标集V1和V2，让用户对这两个指标集进行评分，各设计变量指标的评分集分为5个等级，即很满意、满意、一般、不满意、很不满意。设ε＝80%（为支持度阈值，当某指标集的SUPPORT（V1）≥ε，说明客户对该指标集比较满意，否则需要对其进行改进），参与评价的客户人数为32人，得到指标集V1和指标集V2的支持度：

SUPPORT（V1）＝65．63%

SUPPORT（V2）＝71．87%

由于两个指标集的支持度都小于80%，所以需要对其进行改进，根据1．2．1介绍的方法得到所有客户对两个指标集中每个设计变量指标的评价表，如表2、表3所示。其中，各指标总评价C（vk）满足1≤C（vk）≤5，如果C（vi）＜C（vj），则说明设计变量指标vi比设计变量指标vj更受客户的欢迎，这里k＝1，2，…，8；i＝1，2，…，8；j＝1，2，…，8；i≠j。

表2 所有客户对指标集V1中每个设计变量指标的评价表

表3 所有客户对指标集V2中每个设计变量指标的评价表

使用1．2．2中提出的设计变量指标集之间的数据融合算法产生新的指标集，并按本文所介绍的步骤重复执行直至得到满意的结果，如表4所示。

表4 最终产品设计变量指标集

最终得到的设计变量指标集符合先前提出的设计要求，并且与其余指标集相比，客户支持度最高，为SUPPORT（Vfinal）＝86．42%，在实际中与该指标集具有相似设计变量指标的电冰箱，它销售情况也很好，很受客户的喜欢。因此将数据融合概念引入到产品演进设计中，通过交互式数据融合技术实现产品设计知识的优化是一个可行的方法。

4 结论

本文将数据融合思想应用于演进设计中，通过交互设计获得客户的评价。基于客户评价，通过客户层数据融合将不同客户对产品的评价进行综合处理，获得总体评价结果，并将评价结果作为判断依据用于产品设计变量指标集的融合。通过设计变量指标集之间的数据融合得到符合用户需求的产品变量指标集。此方法解决了产品演进设计中客户需求与产品设计知识的融合问题，提高了产品设计的先进性和适用性。

［1］ 谷建光，张为华，解红雨．实例与经验相结合的产品设计知识获取技术［J］．计算机集成制造系统，2008，14（3）：417－424．

［2］ 赵锋，何卫平，秦忠宝，等．面向产品创新设计的广义专家群体知识获取［J］．计算机集成制造系统，2009，15（9）：1684－1689．

［3］ 朱玉屏，刘丽兰，俞涛．基于知识融合技术的产品设计知识模型研究［J］．计算机应用研究，2009，15（9）：3235－3238．

［4］ 李迎光，万世明，周儒荣．机械产品集成设计知识模型的研究与应用［J］．机械科学与技术，2005，24（1）：79－85．

［5］ 杨洁，杨育，赵川，等．产品创新设计中基于本体理论的客户知识集成技术研究［J］．计算机集成制造系统，2009，15（12）：2303－2311．

［6］ 魏敏，李江，万映红．基于目的价值的客户需求建模研究与实证［J］．清华大学学报（自然科学版），2006，46（增刊1）：1172－1177．

［7］ 耿秀丽，褚学宁，张在房．基于顾客需求满足度的产品总体设计方案评价［J］．上海交通大学学报，2009，43（12）：1923－1929．

［8］ 荆冰彬，齐二石，敬春菊．产品的顾客价值及需求强度分析［J］．天津大学学报（社会科学版），2001，3（3）：251－253．

［9］ 卢迪，姚郁，贺风华．多传感器交互式多模型系统中数据融合的一种算法［J］．电机与控制学报，2004，8（2）：137－141．

［10］ 康耀红．数据融合原理与应用［M］．西安：西安电子科技大学出版社，1997．

［11］ 刘同明，夏祖勋．数据融合技术［M］．北京：国防工业出版社，1995．

［12］ 陈卫，方廷健，马永军，等．基于Delphi法和AHP法的群体决策研究及应用［J］．计算机工程，2003，29（5）：18－20．

［13］ 陈水利，李敬功，王向公．模糊集理论及其应用［M］．北京：科学出版社，2005．

［14］ Kano N，Seraku F，Tsuji S．Attractive Quality and Must－be Quality［J］．The Journal of the Japanese Society for Quality Control，1984，14（2）：39－48．

［15］ 肖克，戚湧，李千目．基于AHP和模糊综合评判的信息安全风险评估［J］．计算机工程与应用，2009，45（22）：82－85.