基于客户满意度的两阶段定制产品设计

周爱琴,赵小惠,张梦洋,石杨斌

(西安工程大学 机电工程学院,陕西 西安 710048)

0 引 言

“个性消费时代”的来临,使商业模式由传统的一对多逐渐向一对一的方向转移,据美国最新预测的“改变未来的十大科技”中,“个性定制”被排在首位[1]。为取得消费市场的竞争优势,企业必须以最快的速度、最低的成本提供定制程度最高的产品,由此一种规模化的产品定制方式—产品配置设计应运而生。然而,随着人们对生活品质和用户体验的要求越来越高,仅通过产品配置设计已无法满足日渐增长又快速多变的个性化需求,为最大程度地提高定制客户的满意度,企业必须在定制产品配置设计的基础上做进一步的研究。

目前,对定制产品设计的研究第一类集中在基于模型和算法的适合定制程度较低的产品配置求解,Wei等[2]在满足性能、成本、交货期和模块约束下,构建应用改进的非支配排序遗传算法进行求解的产品配置模型;许波桅等[3]构建0-1规划基因进化模型, 提出面向快速设计的产品配置框架和基于改进蚁群的产品配置算法;张在房等[4]采用动态惩罚函数法将约束优化问题转化为多目标优化问题，并提出基于离散布谷鸟搜索算法与Pareto结合的配置优化方法;Song等[5]以成本、响应时间和综合服务性能为目标函数，运用NSGA-Ⅱ 算法进行产品配置优化。第二类是基于本体理论和相似度匹配的产品配置设计,朱佳栋等[6]利用改进的交互式遗传算法将个体分成不同的遗传单元,通过用户相似偏好进行多用户协同配置设计;但斌等[7]针对模糊客户需求的产品配置，提出基于本体中概念相似度实现客户需求特征与实例特征的多级匹配；曾健[8]通过相似实例提取、模块配置和属性配置, 提出基于实例与规则相结合的配置设计方法；陈静等[9]针对客户需求的模糊性、不完全性和时变性,采用多策略的本体映射方法实现产品配置;杨沁等[10]针对客户域与产品域间的语义转化障碍,构建客户需求本体和产品配置实例本体并通过元素间相似度计算,实现个性化产品的快速、准确配置。第三类则是定制产品配置优化及变型设计研究,Chen等[11]提出了考虑产品适应性和模块多样性的开放式架构产品模块配置的优化设计方法;Kikuo[12]和Chakravarty等[13]分别以成本最优和利润最大为目标函数对产品进行优化变型设计；李浩等[14]在考虑零部件重要度基础上，通过多维关联约束驱动和迭代匹配确定待变型和新设计的零部件;范志君等[15]提出由性能评价指数和零部件相似度判断变型设计分界点和具体零部件的方法;董玉德等[16]为解决传统铸造渣包能耗大、周期长、寿命短、修复成本高等问题,提出了一种由客户驱动的结合模型设计和有限元分析的参数化设计方法；Xu等[17-18]提出根据信息中心性和邻接信息连通概率，构建产品变型设计的通用工作流程，并确定了不同类型零件的变型设计模式；梁丽芬等[19]针对机床夹具设计依赖经验知识的特点,结合实例推理和面向对象的参数化技术,提出基于实例推理的参数化变型设计技术。

综上所述,目前对于定制产品设计的研究主要集中在适合大规模定制的产品配置设计及优化求解上,只有少数学者关注到产品配置设计和变型设计的关系,且尚未对两者的界定范围及需要变型零部件的识别提出合理有效的理论方法。因此,本文依据定制产品属性特征与客户满意度的关系,结合Kano模型和函数拟合的方法构建了针对不同类别属性的客户满意度模型,通过模型求解和配置方案的对比评价得出产品配置设计和变型设计的临界点,并通过模块化部件、实例化零部件与产品属性的相关度构建零部件客户满意度评价指数的相似度模型,进一步计算出需变型的零部件范围,为后期详细设计工作的展开提供依据。

1 定制产品的客户满意度模型

1.1 模型构建

1.1.1 产品属性特征与客户满意度的关系 在定制时代[20],客户满意度是企业赢得市场,抢占先机的关键要素。因此,任何与产品定制相关的活动都必须以客户满意度最大化为前提。提高客户满意度就是在可能的范围内最大化满足客户对产品的定制需求,而对于定制客户而言,其定制需求更多地表现为对产品某些属性特征的特殊要求和限制。因此,要针对性地制定能够提高客户满意度的定制方案,必须明确影响客户满意度的产品属性特征(product attribute，PA)及两者之间的关系。

通过归纳总结发现,定制产品属性特征与客户满意度之间的关系可用连续型的函数关系(区间型属性)或者非连续的点属性(如颜色、材质)来表征,且每种表征方法都可以将定制产品属性特征分为3类: 一是正相关属性, 属性越高,客户满意度越高。如质量, 此类属性特征与客户满意度之间的关系可参考Kano模型。二是负相关属性, 属性越低, 客户满意度越高。如价格, 当该类属性特征降至或低于期望值时, 客户100%满意。当该类属性特征值升至客户可忍受值时, 客户满意度为0。三是零相关属性, 此类属性特征的值不影响客户满意度的结果,因此在构建基于定制产品属性特征的客户满意度模型时不做讨论。

1.1.2 客户满意度模型构建 通过对定制产品属性特征与客户满意度关系的研究,并结合大量定制产品实例,对于连续型的区间属性特征,可构建如下的定制产品客户满意度(customer satisfaction，CS)模型:

1) 正相关属性的客户满意度。客户首先根据自身需要给出Kano模型中3种不同需求对应的期望性能(满意度为1)和可忍受性能(满意度为0)。然后，通过图1中的CS-PA关系曲线图和已知量,确定产品属性特征与客户满意度之间的函数表达式。图1中,S表示客户满意度，x表示产品属性。x1a,x1b,x1c分别表示客户满意度为1时3种需求类型对应的产品属性与产品最大属性的比值;x0a,x0b,x0c分别表示客户满意度为0时3种需求类型对应的产品属性与产品最大属性的比值。两者是客户需求的直接反映,可由客户指定。

图 1 正相关属性的CS-PA关系曲线Fig.1 CS-PA relationship graph of positivecorrelation property

由图1可知,基础型需求对应指数函数Sc=p1(-exp(-x))+q1,期望型需求对应函数Sb=p2x+q2,魅力型对应指数函数Sa=p3exp(x)+q3,代入图1中的相关点后得到函数模型，即

(1)

式中：xi为第i个属性的特征值。

2) 负相关属性的客户满意度。相比正相关属性的客户满意度模型,负相关属性的客户满意度模型较为简单。通过对现有定制产品的客户满意度与其负相关属性的相关数据进行曲线拟合后, 发现在负相关属性特征阈值范围内的客户满意度与该属性特征值之间呈指数相关, 其客户满意度曲线如图2所示。

图 2 负相关属性的CS-PA关系曲线Fig.2 CS-PA relationship graph of negative correlation property

由图2可知,负相关属性的客户满意度函数模型为

(2)

式中:Si(xi)表示客户对产品第i个属性特征值的满意度;xi为第i个属性的特征值;xti为客户对属性特征的期望值;x0i为客户可忍受的值。

对于非连续的点属性特征的客户满意度模型则比较特殊,无论是正相关的点属性还是负相关的点属性,其客户满意度只有满足客户需求的1和不满足时的0,没有其他满意度值。点属性特征的客户满意度函数模型为

(3)

1.2 产品定制模型求解

在以客户为主导的买方市场中,为获取更多的市场份额和更大的利润,企业会尽可能地满足客户的定制需求。由于定制产品的设计过程复杂多变,所以定制产品的交货期通常也会直接影响客户满意度。因此,企业如何在规定的交货期内利用现有的资源为客户提供满意度最大的定制产品,且保证企业的最低盈利是企业经营的终极目标,可建立带约束条件的产品定制模型,即

(4)

式中:n为待评价定制产品属性特征的个数;Pmax为定制产品的最高定价;P0为客户能接受的价格;Tmin为最晚交货期;Tc为客户要求的交货期;R为定制产品所需的生产能力;R0为企业现有的生产能力。

(5)

式中：Sik(1≤i≤n,1≤k≤j)为第k个可选方案的第i个属性特征值的客户满意度,可依据式(1)～(3)得出。设各属性的权重向量为W=(ω1,ω2,…，ωn),则客户满意度的综合评价矩阵为

(6)

式中maxlh(1≤h≤j)所对应的方案h为企业在现有资源条件下能为客户提供的最满意的定制产品方案。

2 两阶段定制产品设计

2.1 产品配置方案评价

将1.2节求出的配置结果与客户期望的产品方案进行对比,若现有产品配置方案的客户满意度达到了客户期望的客户满意度则直接得出产品配置方案。若客户不满意,则需要对产品的实例化零部件进行变型设计。首先找出现有产品配置方案与客户期望方案中不同的属性特征,由于每个产品属性通常会与一个或多个模块化部件相关,因此,需要根据每个模块化部件与产品属性的关系,构建模块化部件与产品属性的相关度矩阵Z,即

(7)

式中:αei表示第e个模块化部件与产品第i个属性之间的相关程度,依据模糊数学评价理论,取相关程度为1～9级标度。利用AHP方法，获得模块化部件Q(e)对第i个属性的权重ωei。然后,构建实例化零部件与模块化部件就某个产品属性的相关度矩阵V,即

(8)

式中：μegi为实例化零部件E(eg)与模块化部件Q(e)就第i个产品属性之间的相关度。用与上述同样的标度方法，设定零部件E(eg)在模块化部件Q(e)中对属性i的权重为ωegi。设定权重最大值ωmax的零部件满意度评价因子为K,则零部件E(eg)的满意度评价因子为

(9)

因此,可构建实例化零部件E(eg)的客户满意度评价指数Reg为

(10)

(11)

2.2 变型设计零部件范围的确定

(12)

则零部件E(eg)的客户满意度评价指数的相似度函数为

(13)

零部件E(eg)的客户满意度评价指数的相似度越小,证明该零部件越需要进行变型设计,因此,企业可根据自身实力从相似度最小的零部件开始依次对需要变型设计的零部件进行变型设计,直至客户满意度指数的相似度阈值小于预先设定的最小相似度阈值minRsim(相似度阈值指实例化零部件满意度评价指数的相似度函数值与1的差值)。

3 实证分析

为验证所提方法的有效性和可行性,以具有典型个人定制特征的二轮摩托车为例进行检验。

3.1 配置信息

二轮摩托车配置信息包括现有某位客户1明确要求的产品属性信息:最高车速、排气量、耗油量、颜色、点火方式及定制时间等6个方面及某企业在现有资源条件下能提供的产品配置方案的各项属性信息,具体如表1所示,且客户对上述属性中最高车速(最大值为180 km/h)、排气量(最大值为450 mL)、耗油量(最大值为3.5 L)的满意度指数分别为9.5,9,9。已知该二轮摩托车有7个模块化部件可进行配置或变型设计:发动机(C1) 、点火系统(C2) 、变速装置(C3) 、车体(C4) 、离合器(C5) 、轮胎(C6) 、操纵控制系统(C7)。每个模块化部件对应的可选零部件数分别为d1=9,d2=8,d3=11,d4=7,d5=12,d6=10,d7=16,企业最长定制时间为30 d。

配置约束条件:点火系统的第3个可选件与变速装置的第8个可选件两两互斥,其余可选件均两两相容。

3.2 模型建立及求解

3.2.1 现有产品配置方案评价 由已知条件可知,最高车速和排气量属于正相关属性,耗油量和定制时间属于负相关属性,颜色和点火方式属于点属性,且客户1对摩托车的最高车速的需求为期望型需求,对排量的要求属于魅力型需求,客户所能接受的最小相似度为0.9,即相似度阈值为0.1。根据客户满意度模型(1)～(3)计算得出现有产品配置方案的客户满意度隶属矩阵M为

(14)

由于客户购买定制产品的需求偏好程度不同,因此针对客户1的需求确定定制摩托车各个属性的权重为W=(0.25,0.15,0.25,0.1,0.1,0.15),由式(6)可得客户对各个产品配置方案的综合评价指数分别为Q=W·M=(0.5,0.5,0.65),明显方案3的综合评价指数是最高的,即方案3为企业目前所能提供的最优配置方案。由于该客户定制要求较高,目前配置方案的客户满意度未达到客户1的需求,因此要进一步确定需要进行变型设计的零部件的范围。

3.2.2 变型设计零部件范围的确定 由3.2.1的方案评价结果可知,目前配置方案3的各个产品属性与客户期望的产品属性最相似,仅有排气量和耗油量2个属性与期望值有差别,因此需要进行变型设计的零部件必然存在于与这2个属性密切相关的模块化部件中, 且已知客户对这2个属性的满意度评价指数。 首先通过AHP法建立模块化零部件与产品属性排气量(H1) 和耗油量 (H2) 的权重矩阵(见表2), 然后构建实例化零部件就产品属性H1和H2与模块化部件的相关度矩阵 (见表3～4), 结合零部件客户满意度评价指数相似度函数式(13), 计算得出上述案例中客户期望的零部件满意度评价指数和现有配置方案中的零部件满意度评价指数 ，如表5所示。

表 3 实例化零部件对属性H1的客户满意度权重Tab.3 Customer satisfaction weights for instantiated components versus attribute H1

表 4 实例化零部件对属性H2的客户满意度权重Tab.4 Customer satisfaction weights for instantiated components versus attribute H2

表 5 客户期望和现有配置方案中的零部件 满意度评价指数对比表Tab.5 Comparison of component satisfaction evaluation index in customer expectation and existing configuration plan

从表5可知,实例化零部件8,10,12,13,15,16的客户满意度评价指数的相似度阈值均大于客户所能接受的相似度阈值,即这几个实例化零部件的满意度评价指数与客户所期望的相差甚大,因此,要想达到该客户的满意度必须将上述影响客户要求的产品属性的实例化零部件进行变型设计。

4 结 语

根据定制产品不同属性特征与客户满意度的影响关系，有针对性地构建定制产品的客户满意度模型,不仅能高效精准地量化客户对企业现有定制产品配置方案的客户满意度,在缩减企业盲目提升客户满意度所耗费成本的基础上满足不同定制程度的客户要求;而且还可以基于实例化零部件与产品属性之间的结构层级关系,进一步构造企业现有的实例化零部件满意度评价指数与客户所期望的实例化零部件的满意度评价指数的相似度函数来精准定位需要做变型设计的零部件的范围,从而有效地提升企业响应不同定制程度的客户定制产品的效率。