产品服务系统中顾客价值获取与传递方法研究

刘恒强，丁 华，杨 琨

（1．太原理工大学机械工程学院，山西 太原 030024；2．煤矿综采装备山西省重点实验室，山西 太原 030024）

1 引言

《中国制造2025》指出，协同发展制造业和服务业，推进商业模式的创新，努力将生产型制造转变为服务型制造。其中产品服务系统是典型代表，而顾客价值（Customer Value）的挖掘是产品服务系统（Product Service System，PSS）方案设计的开端，顾客的需求目标是以价值实现为核心的产品与服务整体方案，所以顾客价值对产品服务系统方案设计的好坏起着至关重要的作用。

为了获取并传递顾客需求、确定需求优先级、以最小的成本设计出更加满足顾客需求的方案，国内外学者做了大量研究。文献[1]将KANO 模型应用于产品设计中，对顾客需求进行分类。文献[2]提出客户需求获取的三个过程，包括需求收集、需求分类、需求转化处理。文献[3]在面对复杂产品时，提出用户需求获取与分析集成模型。但这些过程未从顾客期望角度深入分析顾客价值。文献[4]采用基于多种偏好信息的顾客需求分析方法来评估市场环境的模糊性。文献[5]将ANP 和模糊数应用于QFD 中，对客户需求与技术特性之间的关系及客户需求相对权重进行分析。此外，粗糙集[6]也被应用于QFD 顾客需求重要度排序问题中。但AHP、ANP过程复杂，模糊数以及粗糙集未能解决评价信息的随机性问题。文献[7]利用QFD 将顾客需求信息映射至产品特征属性，从而获得个性化产品属性指标重要度，但是如何利用质量功能配置将顾客价值传递分配到产品与服务这两个不同的对象中还有待研究。为充分挖掘顾客价值，将以往方案设计中顾客需求域改为价值域、功能域改为性能域，建立基于顾客价值层次模型的价值域模型；采用并行结构质量屋来取代传统质量屋完成顾客价值到产品与服务两类不同对象的传递与分配问题；采用云模型处理专家评价信息，解决了专家评价结果具有模糊性和随机性问题；采用云相对偏好关系将云模型转化为精确值，解决了两组云模型不能直接参与计算的问题，进而将顾客价值传递到性能域，得到性能特征重要度。

2 顾客价值的获取

2.1 基于手段-目的链理论的顾客价值层次模型

除了功能以外，顾客还会对该功能能够达到的结果以及目标产生期望。因此，应从顾客期望的角度深入分析顾客价值，根据顾客期望的目标确定使用情景下产品或服务结果的重要性，进而确定产品或服务的属性重要性。故基于手段-目的链理论[8]构建产品服务系统方案设计中的顾客价值层次模型，如图1 所示。

图1 顾客价值层次模型Fig.1 The Hierarchical Model of Customer Value

2.2 基于顾客价值层次理论的价值域模型

以往需求研究是对属性层的研究，但属性层只是对实现结果层以及目标层的途径的表达。为了确定顾客为什么需要此属性以及对其它属性的需求等，应该对结果层和目标层进行分析。因此提出基于价值层次模型的产品服务系统价值域模型，该模型包含顾客期望系统任务及其价值要素，如图2 所示。

图2 价值域模型Fig.2 Customer Value Domain Model

3 顾客价值的传递过程

3.1 基于功能黑箱的性能域模型

价值域模型建立之后，设计师可以规划产品服务系统性能建立性能域模型，进而将顾客价值通过一定技术转化为PSS 性能。产品服务系统性能域模型是一个基于功能黑箱模型的树状分解结构，是针对价值域模型中的顾客期望系统任务从功能和质量的角度对执行工程任务的产品服务系统方案的技术表达。性能包含产品性能和服务性能，其中，产品性能是功能模块和质量模块共同作用的结果，更偏向于对期望结果的描述；将质量定义为功能的保持程度和功能实现程度，同级子性能之间存在使能关系、并发关系以及独立关系，如图3 所示。

图3 性能域模型Fig.3 Performance Domain Model

3.2 基于并行结构质量屋的顾客价值传递与分配

价值要素的传递就是将价值要素重要度转化为性能特征重要度的并行和交互过程，以往质量屋不能直接将价值要素传递到产品和服务这两类不同的对象中。因此采用并行结构的质量屋实现价值要素到性能特征的传递，将关系矩阵拆分为产品与服务两部分。其结构，如图4 所示。

图4 顾客价值传递的并行结构质量屋Fig.4 The Parallel Structural House of Quality for Customer Value Transfer

4 QFD 的计算过程

模型1：根据文献[9]的无确定度逆向云算法，得到逆向云发生器具体步骤：

（1）输入N 个评价指标的定量值xi（i=1，2L N）

4.1 基于云模型的评价信息处理

该质量屋的计算分为三步：价值要素重要度的计算、价值要素与性能特征的关联关系计算以及性能特征重要度的计算。

通过市场调研获得产品服务系统方案规划中的顾客价值要素，记为CVi（1≤i≤m），再将顾客价值要素映射到具体的性能特征，记为Ej（1≤j≤n，n=s+t）。采用给定评分集，专家采用（1～10）的评价规则对价值要素的重要度、价值要素与性能特征之间的关联关系进行评价，评价值与评价等级的具体对应关系，如表1 所示。由于群决策评价结果的模糊性和随机性问题，采用模型1 逆向云发生器生成云模型对专家评价结果进行处理。

表1 评价等级与评价区间对应表Tab.1 The Corresponding Table Between Evaluation Grade and Evaluation Interval

4.1.1 顾客价值要素重要度计算

将专家Pk（1≤k≤q）对价值要素CVi重要度评分值表示为（1≤i≤m），再以为输入，采用逆向云发生器生成顾客价值要素CVi重要度评价云模型，记作Ai（Exi，Eni，Hei）。

4.1.2 顾客价值要素与性能特征的关联关系计算

将专家Pk（1≤k≤q）对价值要素CVi与性能特征Ej的关联关系评分值表示为Tij（1≤i≤m，1≤j≤n），同理以Tij为输入，采用逆向云发生器生成价值要素与性能特征关联关系评价云模型，记作Bij（Exij，Enij，Heij），故得由Bij构成的关联关系矩阵R。

4.1.3 性能特征重要度的计算

由QFD 重要度计算可知，将顾客价值要素重要度与式（1）相乘，可得性能特征Ej的重要度Wj，计算过程如下：

4.2 基于云相对偏好关系的计算信息处理

式（2）中Ai和Bij都不是精确值，采用云模型三个数字特征形式表示，无法直接相乘计算性能特征重要度。根据文献[10]的三角模糊数相对偏好关系，采用云相对偏好关系计算云模型Ai和Bij的乘积。具体方法为：以一组云模型均值为基准，通过计算各云模型与均值的相对偏好关系把云模型转化为精确值。

顾客价值要素CVi（1≤i≤m）的重要度云模型为Ai（Exi，Eni，Hei），求m 朵云模型均值A¯（Ex，En，He）计算如下：

若A1，A2，L，Am（Ai（Exi，Eni，Hei））为一组云模型，且其均值为A¯（Ex，En，He），那么Ai与该组云模型均值A¯的相对偏好关系表示为：

通过式（4）计算各项顾客价值要素的重要度云模型Ai与其均值A¯的相对偏好关系，把Ai转换为精确值，从而得到顾客价值要素CVi的相对重要度RP（Ai，A¯）。再以RP（Ai，A¯）代替式（2）中的Ai，即得性能特征Ej的重要度Wj。

同理，先求性能特征重要度云模型Wj（Exj，Enj，Hej）（1≤j≤n）的均值W¯（Ex′，En′，He′），再利用式（4）计算云模型Wj与均值W¯的相对偏好关系，即得性能特征重要度RP（Wj，w¯）。

5 工程实例

工程实例以某型号采煤机产品服务系统方案设计为例进行叙述，其顾客价值的获取与传递方法步骤如下。

（1）建立价值域模型。通过对顾客进行访谈和调查，分析顾客信息并建立采煤机产品服务系统价值域模型，共有5 项顾客所需系统任务和16 项价值要素。其中价值要素：生产适应性好CV1、运行可靠性高CV2、使用寿命长CV3、生产效率高CV4、成本较低CV5、安全性好CV6、维修服务支持水平高CV7、智能化程度高CV8是由产品和服务共同来完成，称为功能性价值要素。价值要素：个性化专业售前指导CV9、支付方式灵活CV10、培训专业性好CV11、安装效率高CV12、操作专业性好CV13、备件供应及时CV14、保养服务水平高CV15、回收服务水平高CV16主要由服务来完成，称为非功能性价值要素。以下主要以功能性价值要素为例对价值要素的传递过程进行叙述。

（2）建立性能域模型。在得到价值要素之后就可以规划产品服务系统性能，建立性能域模型得到产品性能特征与服务性能特征，产品性能特征：割煤能力E1，装煤能力E2，牵引能力E3，控制技术E4，产品成本E5，模块可靠性E6，安全保障E7，寿命E8；服务性能特征：维修能力E9，维修成本E10，远程协助能力E11。

（3）价值要素重要度的计算。专家采用的评价规则对顾客价值要素的重要度进行评价，如表1 所示。再采用逆向云发生器将专家评分值转化为云模型，然后利用式（3）、式（4）将顾客价值要素相对重要度云模型转化为精确值，其结果，如表2 所示。

采用正向云发生器将顾客价值要素云模型转化为云图，得到图形，如图5 所示。从左向右依次为CV8、CV3、CV5、CV6、CV4、CV7、CV2、CV1，其价值要素重要度依次增大。价值要素重要度云图不仅反映其重要度大小，而且反映评价信息的模糊性和随机性。比较CV7与CV2的云图可知，CV7与CV2的相对重要度大小一致，一般难以继续对其重要度进行分析，但由图5 可知，CV7云图的厚度及跨度均比CV2大，云图跨度越大则评价信息的模糊性越大，厚度越大则评价信息的随机性越大，故价值要素CV2的评价信息可靠性大于CV7。

表2 顾客价值要素重要度Tab.2 The Weighs of Customer Value Elements

图5 顾客价值重要度云图Fig.5 A Cloud Picture of the Weighs of Customer Value

（4）价值要素到性能特征的传递与分配。

同理，专家对顾客价值与性能特征的关联关系进行打分，然后采用逆向云发生器生成顾客价值与性能特征的关联关系云模型，结果，如表3 所示。

表3 顾客价值与性能特征的关联关系评价结果及云模型Tab.3 Evaluation Result and Cloud Model of Relationship Between Customer Value and Performance Characteristics

再由价值要素重要度及价值要素与性能特征关联关系，利用式（5）计算性能特征相对重要度云模型。然后利用式（3）式（4）将性能特征重要度云模型转化为精确值结果，如表4 所示。

表4 性能特征重要度Tab.4 The Weighs of Performance Characteristics

根据表4 可知，最重要的性能特征是E1，其次依次是E6、E9、E3、E5、E10、E8、E11、E4、E2、E7。对于采煤机而言，首先需要关注的是割煤能力，这是采煤机能否完成生产任务的核心指标；其次是可靠性，即采煤机能否“很好”地完成割煤任务，而安全性等多为必要指标，所以在满足必要保障的基础上顾客不会过于关注，该结果符合实际情况。根据性能特征重要度大小，设计人员可以确定性能特征优先级，从而以最小的成本开发出更加符合顾客需求且更具有竞争力的产品。

6 结论

对产品服务系统中顾客价值的获取与传递方法进行了研究，结论如下：（1）构建基于顾客价值层次理论的价值域模型，从顾客期望的结果层和目的层出发，以价值域代替需求域，可更加深入地获取顾客需求。（2）构建并行结构质量屋取代传统质量屋，可完成产品服务系统中顾客价值到产品与服务两类不同对象的传递与分配问题。（3）利用云模型可解决专家评价结果的模糊性和随机性问题，并利用云相对偏好关系可解决两组云模型不能直接参与计算的问题，完成顾客价值到性能域的质量屋计算，得到性能特征重要度优先级。该结果对采煤机顾客价值的获取与传递研究有一定的参考价值。