一种改进质量屋模型分析产品服务系统技术特性的方法研究

任杉，赵欣，王晋，王闯

（1. 西安邮电大学 现代邮政学院，西安 710061；2. 西北工业大学 机电学院，西安 710072）

制造业与服务业的深度融合，极大地促进了产品服务系统（Product service system, PSS）商业模式在工程机械、航空航天、高档数控等复杂装备领域的应用[1-3]。借助PSS 的方案设计，PSS 提供商能够将产品和服务对用户需求的满足程度以及二者间的相互关系在设计之初就考虑在内，使用户购买的产品和服务具有更优的整体性能，从而最大限度的发挥产品效能，为用户带来更多效益[4-5]。

PSS 的方案设计需经历用户需求识别、技术特性分析、设计方案配置、设计方案择优等多个迭代环节[6-7]。其中，技术特性分析作为PSS 方案设计的关键环节之一，能够将模糊、不确定的用户需求转化为设计人员可理解、定量的技术特性，在满足用户需求的同时，提升方案设计的效率，并能够为PSS 方案的配置提供支持，其研究一直是学术界的热点[8-9]。从国内外已有文献来看，大多数研究者均借助质量功能展开理论，通过构建质量屋（House of quality, HoQ）模型来实现上述转化。Zhang 等[10]提出了一种基于Apriori 算法从历史产品服务设计数据中提取知识，并辅助设计师在客户需求向技术特性转化过程中对产品服务混合HoQ 进行分析的方法。Li 等[11]研究了一种基于相似度的方法来优化HoQ 中产品服务技术特性的优先级排序问题。Song 等[12]在产品服务功能与属性分析的基础上，提出了一种基于HoQ 的技术特性冲突识别和解决方法，以提升产品服务交付的质量和客户满意度。为提升PSS 技术特性的可信度，赵彩邦[13]在采用粗糙数和模糊层次分析法获得客户需求重要度的基础上，构建了一种基于需求组合权重的HoQ 模型。

现有研究在技术特性分析方面仍存在以下缺陷和不足：一是在模型结构设计方面，现有研究大多均假设技术特征之间是对称的，而实际应用中技术特性之间还存在着大量的非对称关系，由此产生的技术特性自相关矩阵也属于非对称矩阵。因此，需要对传统HoQ 模型自相关矩阵的三角形结构进行改进。二是在评价矩阵构建方面，上述研究要么忽略技术特性间的自相关关系，如层次分析法[14]和商权法[15]，导致其重要度分析结果不准确；要么在假设技术特性间只存在正相关关系的前提下，考虑自相关关系来计算重要度。然而，技术特性之间还存在着大量的负相关或冲突关系。

针对上述问题与不足，本文将HoQ 与多粒度混合语言变量相结合，构建了一种改进的HoQ 模型。该模型在综合考虑技术特性间的非对称、自相关及正（负）相关关系的同时，简化了HoQ 的计算过程，实现了用户需求向技术特性的准确、高效转化。最后以某数控机床为例验证了所提方法的有效性。

1 产品服务系统技术特性优先级分析与确定方法

1.1 产品服务功能特性交互图模型与技术特性分析

在识别出PSS 用户需求并确定其重要度的基础上，需对物理产品、各阶段利益相关者、外部约束、产品服务功能等要素间的交互关系进行分析，以便为设计人员直观地展示出对用户需求实现有价值的技术特性。为此，本文在功能结构图[16]和交互图[17]的基础上，提出一种产品服务功能特性交互图模型（如图1 所示），以实现技术特性的分析与展开。

图1 产品服务功能特性交互图模型

通过图1 所示的模型，可以将产品支持与运维服务过程中各利益相关者、外部环境及法律法规要求和约束，向具体的产品服务能够实现的功能属性转化，而产品服务功能属性的实现，将最终反映在具体的技术特性上。该模型中的产品服务功能可分为交互性功能和适应性功能。其中，交互性功能是指为满足用户在不同阶段内正常使用产品服务实现其期望价值所应具有的功能。例如，为确保用户使用机床及相关服务获得稳定、可靠的产品加工质量，机床提供商的PSS 应具备“在线质量检测”或“故障报警”等交互性功能。适应性功能反映了受外部因素（如使用环境、法律法规等）限制，产品服务需要做出的、适应这些限制的相应调整。例如，在机床“能效分析与评估”服务中，需要考虑现有工业领域节能减排的法律法规，为机床提供的“能效分析与评估”功能需要符合这些法律法规要求。

1.2 用户需求向技术特性映射的改进HoQ 构建

质量屋作为产品以及服务设计领域的核心工具，能够把用户需求进行多层次映射转化为产品及服务的设计要求、零部件特性、工艺要求等。同时，它也能够将用户需求的获取流程规范化，进而可将抽象、定性的产品及服务需求具体化为定量的产品以及服务特征。因此，该方法对于PSS 用户需求向技术特性的转化过程仍然有效。质量屋模型如图2所示。

图2 质量屋模型

通过分析图2a）中质量屋模型结构及其各部分功能发现，在获得用户需求及重要度，并得到技术特性后，便可以由设计团队来分析用户需求和技术特性的相关关系，以及技术特性间的自相关关系，进而可以构建产品服务质量屋。考虑到技术特性之间非对称的相互关系可能会产生非对称的技术特性自相关矩阵，本文将质量屋自相关矩阵的三角结构改为矩形结构。所构建的用户需求向技术特性转化的质量屋模型如图2b）所示。图中左侧为PSS 用户需求及其重要度，上部是PSS 技术特性及其自相关矩阵，中部为PSS 用户需求与技术特性间的相关关系矩阵，下部为PSS 技术特性的重要度。

此外，由于语言信息决策理论能够充分保留并利用决策者的评价信息，本文在上述改进质量屋模型结构的基础上，提出基于多粒度混合语言变量对用户需求和技术特性的相关关系进行评估，这样可以全面涵盖并完整表达用户需求与技术特性之间的正、负相关关系。同时，多粒度混合语言变量的使用，使得技术特性之间的自相关关系在用户需求和技术特性相关关系评价矩阵中得到了间接体现，也使得质量屋的分析和计算更加简便。

1.3 多粒度混合语言变量确定技术特性优先级

假设有q位用户需求与技术特性相关关系评价专家，记为TEl(l=1,2,···,q)； 共有n个用户需求，记为Ri(i=1,2,···,n) ； 有m个 技 术 特 性，记 为Tj(j=1,2,···,m)。 在评价Ri和Tj的相关关系时，经验丰富的专家倾向于用确定形式的语言变量进行判别，而经验不足的专家倾向于用不确定的区间型语言变量进行判别。因此，Ri和Tj相关关系的分析和确定是典型的多属性群决策过程。下面给出基于多粒度混合语言变量确定质量屋模型中Ri和Tj相关关系矩阵，并计算技术特性重要度的方法和步骤。

步骤1 获得初始多粒度混合语言评价矩阵。

给定以零为中心对称且语言术语个数为奇数的非平衡语言评估标度集S(k)：

图3 常用的3 种语言标度集及其对应的语言术语评估值

根据图3 可得到各评价专家对不同用户需求和不同技术特性的语言术语评估值rijl∈S(k)(i=1,2,···,n;j=1,2,···,m;l=1,2,···,q,下同)， 即表示第l个评价专家关于第i个用户需求与第j个技术特性相关关系的语言术语评估值，进而可得到各专家的初始多粒度混合语言评价矩阵为

上述得到的初始多粒度混合语言评价矩阵LMcl有可能是一个粒度不一致，且含有不确定区间型语言术语评估值的矩阵。因此，对于非平衡语言评估标度S(k)中 的任意两个语言术语评估值和给定参数0 ≤λ,λ1,λ2≤1，其运算规则如下：

步骤2 获得粒度一致的混合语言评价矩阵。

由于各评价专家可能使用不同粒度的语言标度集评估技术特性对用户需求的促进或妨碍关系，在不丢失评价专家决策信息的前提下，需对多粒度的语言标度集进行一致化处理。若有两个不同粒度的相关关系语言评估标度集和则实现的语言粒度(2k1-1)向的 语言粒度(2k2-1)的转化式为：

式中：Ik和分别为语言标度和其下标之间的对应关系函数，

在对多粒度的语言标度集进行一致化处理时，通常可选择大多数专家所使用的语言标度集作为基本语言术语集SBasicSet进行粒度的转换。通过式（3）~式（8），将其它粒度的语言标度集向SBasicSet转化，从而可得到粒度一致的混合语言评价矩阵为

上述方法可将专家的不同语言标度的用户需求和技术特性相关关系评估值转化为同一语言标度下的评估值，并直接对语言术语评估值进行计算，减少了评价专家决策信息的丢失。

步骤3 获得集聚的群决策混合语言评价矩阵。

计算粒度一致且为确定形式的用户需求与技术特性相关关系混合语言评价矩阵中的语言术语评估值的算数平均，得到一个集聚的群决策混合语言评价矩阵为

步骤4 确定产品服务技术特性重要度及优先级。

通过上述各步骤最终得到的相关关系群决策混合语言评价矩阵中的评估值是语言变量，而PSS 技术特性最终的重要度需要以数字形式表达，以方便比较和排序。为此，本文采用语言加权算数平均算子来计算加总的技术特性优先级。

在式（11）的基础上，加总的产品服务技术特性

优先级PTC j计算公式为

式 中：Ri为 最 终的 用 户需 求 重要 度 (i=1,2,···,n)；为用户需求与技术特性最终的相关关系评估值。根据PT j可对各技术特性Tj进行优先级排序。

2 应用实例分析与验证

某精密数控机床制造企业在A 型机床的研发过程中，采用产品与服务集成的方法，以确定该型号机床产品服务系统的总体设计方案。通过调研该企业，获得A 型机床各阶段的初始产品服务用户需求，并对这些需求进行分解、合并和简化，得到该型机床完整的PSS 用户需求如图4 所示。针对这些用户需求，采用本文所提出的方法，实现PSS 技术特性的分析及优先级的确定。

图4 A 型机床PSS 用户需求层次结构

在分析和确定机床产品技术特性之前，需要首先计算各需求项的重要度。受篇幅限制，此处仅给出用户需求重要度计算的流程。第一，针对图4 中的PSS 用户需求，从设备采购、安装调试、设备操作、维护服务和研发设计领域邀请5 位工程师组成决策专家组，对16 个子需求项进行评价，以构建各子需求项的初始群决策矩阵。第二，为减少评价过程的主观性以及信息的不确定性，引入粗糙数的概念，将初始群决策矩阵中的每一个群需求判别值集合转化为粗糙数形式，并计算各需求项的群需求粗糙数重要度。第三，考虑到采用粗糙数形式的重要度排序结果有较大的不可辨别性，不能直接用来确定群需求的优先级次序，此处采用乐观系数ξ（0 ≤ξ ≤1）[18]将粗糙数形式的重要度转化为确定值形式。

通过上述步骤，可得到图4 中各子需求项在不同乐观系数下的重要度取值及排序结果如表1 所示。可以发现，无论决策者持极端悲观（ξ =0）、中立（ξ =0.5） 、极端乐观态度（ ξ =1），排在前6 位的需求项始终一致（即R32、R33、R42、R43、R53、R54）。说明这6 项用户需求对于实现机床用户总需求是最为重要的，在后续PSS 详细设计时应予以重点关注。其他需求项在3 种偏好态度下的排序也基本一致。

基于图4 所给出的机床PSS 用户需求，采用1.1 节所提出的产品服务功能特性交互图模型，分析产品服务功能，并识别相应的技术特性；进而基于多粒度混合语言变量，构建用户需求向技术特性转化的质量屋模型，实现用户需求向技术特性的转化以及技术特性的优先级排序，确保机床PSS 的总体设计方案满足用户需求。

2.1 机床产品服务技术特性分析与识别

在对该精密数控机床制造企业调研的基础上，构建的A 型机床产品服务功能特性交互图模型如图5 所示。对于A 型机床，其交互性产品服务功能主要包括：选型配置、状态监测、工艺支持、维护保养、故障诊断和备件借用。适应性产品服务功能主要涉及安装调试，其它约束（如环保政策法规、机床使用政策法规）在实际现场中不考虑。这是因为A 型机床主要应用于精密模具、精密3C 产品、精密电极等加工行业，机床安装调试过程中，工作车间的温度、湿度、振动等环境条件对产品加工质量的影响较大。因此，该公司所提供的安装调试服务功能要与A 型机床适用的环境条件相匹配。同时，在安装调试服务执行的过程中，还需要对相关人员进行全面专业的技术培训，以保证操作人员尽快投入生产，并充分发挥机床性能，提高加工效率。根据图5，导出A 型机床的产品服务技术特性并对其进行编号，如表2 所示。

表2 A 型机床产品服务技术特性

图5 A 型机床产品服务功能特性交互图模型

此处以决策者持中立态度时（即 ξ =0.5）得到的机床PSS 用户需求重要度作为质量屋模型的输入端。同时，在确定了机床PSS 用户需求重要度及其

2.2 机床产品服务技术特性优先级确定

得到机床用户需求重要度并识别出技术特性（T1~T10）后，按照1.3 节的方法，采用多粒度混合语言变量构建PSS 用户需求向技术特性转化的质量屋模型，计算技术特性重要度并确定其优先级。优先级次序，并进行产品服务功能调研的过程中，该公司的产品服务设计工程师、维修保养工程师、现场机床调试人员等相关技术人员认为，在决策者对其评价结果持中立和持极端乐观态度情况下所得到的前11 位的用户需求（R11、R12、R31、R32、R33、R41、R42、R43、R51、R53、R54），对机床产品服务功能设计具有较大的影响。因此，此处以上述11 项用户需求及其重要度作为输入，形成初始的机床产品服务质量屋。为方便机床PSS 技术特性重要度的计算与排序，对抽取的11 项用户需求重要度进行了归一化处理，如表3 所示。

表3 机床产品服务用户需求与技术特性相关关系初始群决策矩阵

首先，邀请5 名该公司的专家对A 型机床PSS用户需求与技术特性之间的相关关系进行评价。其中专家1 使用S(3)的语言评估标度集；专家2、专家3、专家5 使用S(4)的语言评估标度集；而专家4 使用S(5)的语言评估标度集（各语言标度集对应的语言术语评估值见图3 所示）。将各评价专家给出的用户需求与技术特性之间相关关系语言术语评价值填入质量屋模型，形成初始群决策矩阵，如表3 所示。

由于5 名专家采用了不同粒度的语言标度集对机床PSS 用户需求和技术特性间的相关关系进行了判别，需要对不同粒度的语言术语评估值进行一致化处理。此处选择多数专家（即专家2、专家3 和专家5）均使用的S(4)语言评估标度集作为基本语言术语集，通过式（3）~ 式（8），将专家1 的S(3)语言评估标度集和专家4 的S(5)语 言评估标度集向S(4)转换，得到粒度一致的语言评价矩阵，如表4 所示。

表4 一致化处理后的用户需求与技术特性相关关系群决策矩阵

在获得表4 所示的一致化处理后的机床PSS用户需求与技术特性相关关系群决策矩阵的基础上，根据式（10）计算各专家对机床PSS 用户需求与技术特性相关关系语言术语评估值的算数平均，得到一个集聚的群决策语言评价矩阵。根据式（12）计算10 项技术特性加总的重要度（表5 所示）。

表5 集聚的机床产品服务用户需求与技术特性相关关系群决策评价矩阵

根据表5 得到各技术特性的优先级排序为：T10>T8>T3>T4>T5>T6>T9>T1>T2>T7。 可以看出，技术特性“T10：故障诊断准确性高”和“T8：维修保养及时（72 h 响应）”对A 型机床用户总需求的实现具有较大贡献。在A 型机床PSS 方案的改进中，设计人员应给予更多的资源投入，以提升产品竞争力和用户黏性。在机床投产使用前，公司通常会依据与用户签订的购买合同，为用户提供选型配置、产品打样测试、安装调试等服务，以确保用户在机床使用过程中各项功能的满足。而在机床投产使用后，考虑到加工产品数量大、精度要求高等实际需求，用户希望能够准确的识别机床及其关键组部件的退化状态和潜在故障，并能够对其进行及时处理，避免因退化状态的积累、机床组部件的突发故障等问题而造成的生产中断和大范围产品质量缺陷，减少用户损失。

因此，以T10和T8两项技术特性为指导，该公司的设计人员可以在下一代机床PSS 设计之初就将关键组部件智能感知装置的部署问题考虑在内开展方案设计，在后续的制造、装配等过程中依据设计方案并采用工业物联、智能传感等技术为机床配置感知装置，以便于在机床实际运行和加工过程中，自动地收集其运行状态数据，增加用于退化状态和故障原因分析的数据量，提升故障诊断的准确性。此外，还可以开发远程监控、故障预警、预防性维修、故障诊断等系统，并将智能分析算法与工具嵌入系统，通过分析海量历史的组部件报警和故障数据积累知识，并结合实时的机床及组部件运行状态数据，快速定位并提前预判机床发生潜在故障的位置和类型，提升故障报警和故障诊断的准确性和实时性。这些信息和知识可以通过系统及时地反馈给维修服务人员，从而可以实施实时、主动的预防性维护，减少机床的停机时间，提高生产效率。

排在第3 位的技术特性为“T3：安装调试专业快捷”。由于该公司机床应用行业的特殊性，用户需要工程师到现场进行环境勘测和安装指导，包括地基的要求、使用环境的温度、湿度、振动要求等。安装完成后，机床制造商还需要对机床进行不断地调试，在用户现场进行不少于12 h 的磨合和打样测试，以确保机床运行过程中的各项几何精度指标满足使用要求。以此需求为牵引，公司可考虑建立领域知识库对不同机床历史的安装调试经验转化为知识进行更新和重用，进而通过构建面向安装调试的知识图谱，实现更加标准和高效的安装调试操作。排在第4为的技术特性为“T4：机床使用培训全面专业”。该公司的A 型机床主要用于精密加工行业，对操作人员和维修维护人员的专业技术水平要求较高。在机床正式投产使用前，必须根据具体的行业应用特点，由经过该公司培训的专职人员对机床进行操作和维护，才能充分发挥机床性能、确保加工质量。以此为指导，该公司的机床PSS 设计人员可根据用户所处的行业特点，为用户提供多层次、全方位、有针对性的机床操作和维修培训服务，在拓展业务范围并提升机床附加值的同时，确保用户所使用的机床能尽快投入生产，提用户满意度。排在第5 位的技术特性为“T5：机床监控报警范围广”。对于从事精密加工行业的用户，产品质量是其关注的重点。需要实时、全面地获取并分析所有可量化的机床运行状态参数，包括在制品加工几何精度、各工序误差等数据，以及时发现并解决潜在的产品质量影响因素。因此，公司可结合现有数控编程技术、精密加工技术等，开发产品在线质量检测系统，对在制品装夹误差、几何精度误差等进行全方位测量、在机实时分析和在线智能修正，以实现质量检测的可视化、智能化和加工检测一体化，在提高加工精度的同时，提升加工过程的稳定性和可靠性。

3 结论

针对PSS 方案设计中用户需求向技术特性的高效与准确转化问题，在分析并识别PSS 技术特性的基础上，设计了一种改进的质量屋模型，并引入多粒度混合语言变量来构建质量屋模型中的评价矩阵以解决用户需求的模糊性与不确定性和技术特性的非对称性与冲突关系等问题。实例分析与企业调研结果验证了本方法的正确性和有效性，为PSS 方案设计过程中将模糊、不确定的用户需求转化为设计人员可理解、定量的技术特性提供了实用方法。本研究的不足之处在于未对技术特性的隐形冲突问题深入分析，下一步将继续基于TRIZ 理论、关联分析、模糊聚类等方法，对冲突进行根因分析并生成冲突解决方案，确保PSS 设计方案的有效性。