楊珍+耿秀麗

摘要：產(chǎn)品服務(wù)系統(tǒng)是一種高度集成及優(yōu)化的“產(chǎn)品+服務(wù)”整體解決方案。質(zhì)量功能展開作為常用的規(guī)劃工具，傳統(tǒng)方法依賴于設(shè)計(jì)師的知識(shí)經(jīng)驗(yàn)，具有一定主觀性，數(shù)據(jù)挖掘方法可以從已有的設(shè)計(jì)記錄數(shù)據(jù)庫中提取規(guī)則集來提高客觀度。采用Apriori算法，獲取客戶需求和功能需求之間的關(guān)聯(lián)規(guī)則，輔助PSS規(guī)劃分析。由于設(shè)計(jì)數(shù)據(jù)庫龐大，會(huì)降低數(shù)據(jù)挖掘及決策分析效率。在關(guān)聯(lián)規(guī)則挖掘前，采用模糊C均值算法對(duì)客戶群體進(jìn)行聚類，以降低數(shù)據(jù)維度，提高挖掘效率。最后以煙機(jī)企業(yè)產(chǎn)品服務(wù)系統(tǒng)為例，驗(yàn)證了該方法的有效性和實(shí)用性。

關(guān)鍵詞關(guān)鍵詞：產(chǎn)品服務(wù)系統(tǒng)；規(guī)劃分析；Apriori算法；模糊C均值

DOIDOI：10.11907/rjdk.171431

中圖分類號(hào)：TP319

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)文章編號(hào)：16727800（2017）011013704

0引言

產(chǎn)品服務(wù)系統(tǒng)（Product Service System， PSS）是一種產(chǎn)品與服務(wù)高度集成、整體優(yōu)化的個(gè)性化客戶需求滿足方案。方案規(guī)劃作為概念設(shè)計(jì)的重要環(huán)節(jié)，對(duì)設(shè)計(jì)質(zhì)量起著關(guān)鍵作用。質(zhì)量功能展開（Quality Function Deployment， QFD）是一種常用的方案設(shè)計(jì)方法，能夠?qū)⒖蛻粜枨螅–ustomer Requirements， CRs）進(jìn)行多層次、多階段的傳遞和分配，轉(zhuǎn)化為方案設(shè)計(jì)不同階段的功能需求（Function Requirements，F(xiàn)Rs）[1]。在現(xiàn)有PSS規(guī)劃研究中，文獻(xiàn)[2]運(yùn)用QFD的創(chuàng)新方法確定客戶需求的重要度，可在概念設(shè)計(jì)階段輸入準(zhǔn)確的需求數(shù)據(jù)，輔助PSS規(guī)劃分析；文獻(xiàn)[3]提出了客戶需求驅(qū)動(dòng)的產(chǎn)品服務(wù)系統(tǒng)模塊選配方法，其中采用QFD方法將客戶需求及重要度轉(zhuǎn)化為方案模塊屬性以及重要度，以客戶滿意度最大化為目標(biāo)，進(jìn)行PSS方案規(guī)劃。但這些規(guī)劃方法依賴于設(shè)計(jì)者的經(jīng)驗(yàn)和評(píng)估知識(shí)，缺乏客觀依據(jù)，具有一定主觀性。實(shí)際上，企業(yè)中有大量關(guān)于客戶需求和功能需求的數(shù)據(jù)，為了挖掘其背后潛藏的信息，文獻(xiàn)[4]提出采用聚類方法對(duì)客戶進(jìn)行分類，并采用基于優(yōu)勢(shì)的粗略集方法提取產(chǎn)品服務(wù)配置規(guī)則；文獻(xiàn)[5]基于關(guān)聯(lián)規(guī)則挖掘和粗糙集對(duì)客戶群體進(jìn)行分類，提取產(chǎn)品配置和服務(wù)的關(guān)聯(lián)規(guī)則，輔助產(chǎn)品配置設(shè)計(jì)；文獻(xiàn)[6]提出了一個(gè)基于Apriori的關(guān)聯(lián)規(guī)則挖掘系統(tǒng)，從已有的銷售數(shù)據(jù)和產(chǎn)品記錄中獲取客戶需求和功能需求之間的關(guān)聯(lián)關(guān)系，輔助規(guī)劃分析。從上述研究中可以得知，數(shù)據(jù)挖掘方法在PSS規(guī)劃過程中的應(yīng)用，提高了方案設(shè)計(jì)效率。因此，本文采用關(guān)聯(lián)規(guī)則挖掘方法，從設(shè)計(jì)記錄數(shù)據(jù)庫中獲取客戶需求和功能需求之間的關(guān)聯(lián)規(guī)則。但設(shè)計(jì)記錄數(shù)據(jù)庫中存在數(shù)據(jù)量大、規(guī)則多等問題，對(duì)結(jié)果分析產(chǎn)生了一定程度干擾。為此，本文引進(jìn)模糊C均值（Fuzzy Cmeans， FCM）幫助簡(jiǎn)化大數(shù)據(jù)挖掘過程，輔助PSS規(guī)劃分析。文獻(xiàn)[7]結(jié)合因子分析的有效性，使用FCM方法進(jìn)行兩步聚類；文獻(xiàn)[8]提出采用FCM算法，根據(jù)屬性的隸屬度對(duì)一組屬性的模糊分區(qū)進(jìn)行歸類，并以市場(chǎng)營(yíng)銷技術(shù)IPA為實(shí)例，將其聚類為4個(gè)簇并進(jìn)行分析。從上述文獻(xiàn)中可以發(fā)現(xiàn)，模糊C均值是一種高效的聚類方法，可以根據(jù)隸屬度達(dá)到數(shù)據(jù)自動(dòng)分類的效果。

因此，本文提出將模糊C均值與Apriori算法結(jié)合使用的方法，從企業(yè)已有的設(shè)計(jì)記錄數(shù)據(jù)庫中提取客戶需求和功能需求之間的關(guān)聯(lián)規(guī)則，以輔助PSS規(guī)劃分析。第一步，使用模糊C均值對(duì)客戶進(jìn)行聚類，以提高數(shù)據(jù)挖掘效率；第二步，采用Apriori算法，針對(duì)特定客戶群提取CRs和FRs之間的關(guān)聯(lián)規(guī)則，輔助針對(duì)該群體的方案規(guī)劃分析，提高設(shè)計(jì)效率。最后以某企業(yè)的煙機(jī)產(chǎn)品服務(wù)系統(tǒng)為例，驗(yàn)證了所提方法的有效性。

3案例分析

本文以煙機(jī)企業(yè)開發(fā)產(chǎn)品服務(wù)系統(tǒng)方案規(guī)劃為例，從已有的設(shè)計(jì)數(shù)據(jù)庫中獲取客戶需求和功能需求的相關(guān)數(shù)據(jù)，利用FCM算法對(duì)其進(jìn)行聚類，并用Apriori算法提取其中的關(guān)聯(lián)規(guī)則，以輔助企業(yè)后續(xù)的PSS規(guī)劃分析。選出8項(xiàng)客戶需求，分別為：技術(shù)成熟性（CR1）、運(yùn)行可靠性（CR2）、產(chǎn)品質(zhì)量?jī)?yōu)秀（CR3）、操作快捷方便（CR4）、外觀美（CR5）、服務(wù)效率高（CR6）、實(shí)時(shí)監(jiān)控（CR7）、節(jié)能環(huán)保（CR8）。這8項(xiàng)客戶需求中，CR1、CR2、CR6采用5個(gè)評(píng)價(jià)指標(biāo)，分別為：低（L）、比較低（ML）、中（M）、比較高（MH）、高（H）； CR3和CR5采用3個(gè)評(píng)價(jià)指標(biāo)：分別為：好（A）、一般（B）、差（C）；CR4采用3個(gè)評(píng)價(jià)指標(biāo)，分別為容易（A）、中等（B）、難（C）；CR7采用小時(shí)制指標(biāo)，分別為：12h、24h、48h；CR8采用能耗衡量指標(biāo)，即能效比的5個(gè)等級(jí)，由低到高分別為1～5。8項(xiàng)客戶需求以及各自的指標(biāo)如表1所示。

根據(jù)上述指標(biāo)， 提取設(shè)計(jì)記錄數(shù)據(jù)庫中的客戶Ck（k=1，2，3，…，l）的需求CRi（i=1，2，3，…，h）的數(shù)據(jù)。根據(jù)量化分析表的規(guī)則，本文以級(jí)別1～5衡量需求CR1、CR2、CR6由低到高的指標(biāo)，以級(jí)別1～3衡量CR3、CR4、CR5由差到好或由難到簡(jiǎn)單的指標(biāo)；以級(jí)別1～3衡量CR712h～48h的評(píng)價(jià)指標(biāo)。經(jīng)過上述規(guī)則轉(zhuǎn)換后的500條數(shù)據(jù)記錄結(jié)果如表2所示。

在這500條記錄中，可以將客戶需求劃分為不同類別。為了更準(zhǔn)確地歸類這些需求，基于煙機(jī)產(chǎn)品服務(wù)需求設(shè)計(jì)記錄數(shù)據(jù)庫中的數(shù)據(jù)。本文利用Matlab軟件，采用模糊C均值聚類算法對(duì)客戶進(jìn)行分類，大致分為技術(shù)型企業(yè)、過渡型企業(yè)、服務(wù)型企業(yè)，具體如圖3所示。

圖3基于FCM的研究客戶聚類分析

由得出的結(jié)果可知，每個(gè)客戶對(duì)功能的需求都會(huì)有所偏好，比如：技術(shù)型企業(yè)的客戶會(huì)著重關(guān)注功能使用和機(jī)械運(yùn)轉(zhuǎn)速度方面，而服務(wù)型企業(yè)在功能、智能化方面會(huì)要求嚴(yán)格些。所以本文對(duì)客戶需求和功能需求的關(guān)聯(lián)關(guān)系進(jìn)行了深度挖掘，以幫助企業(yè)在市場(chǎng)上更好地定位自己的產(chǎn)品。功能需求的評(píng)價(jià)指標(biāo)與客戶需求的可選值類似，而能耗的評(píng)價(jià)指標(biāo)是采用能耗比的5個(gè)等級(jí)，具體如表3所示。將記錄集中的客戶需求與功能需求數(shù)據(jù)提取出來，具體如表4所示。endprint

從現(xiàn)有關(guān)聯(lián)規(guī)則庫中提取規(guī)則集，假設(shè)將規(guī)則集中閾值的最小支持度和最小置信度分別設(shè)為20%與60%，計(jì)算Dk記錄集內(nèi)CRs與FRs之間的支持度和置信度，挖掘結(jié)果如表5所示。

綜合圖3的FCM聚類結(jié)果以及表5 中CRs和FRs的關(guān)聯(lián)規(guī)則分析可知，服務(wù)型企業(yè)偏好智能化、質(zhì)量高以及服務(wù)效率高的煙機(jī)產(chǎn)品；技術(shù)性企業(yè)對(duì)操作方便和運(yùn)行高效的產(chǎn)品更感興趣，尤其是在控制技術(shù)、集成化功能方面，而對(duì)煙機(jī)質(zhì)量以及智能服務(wù)方面的關(guān)注會(huì)少一些。

4結(jié)語

隨著服務(wù)業(yè)在企業(yè)地位中的提升，PSS已經(jīng)成為企業(yè)為客戶提供價(jià)值的重要手段。針對(duì)過去基于QFD的方案規(guī)劃具有主觀性等問題，本文提出采用Apriori算法和FCM算法相結(jié)合的方法，首先對(duì)客戶進(jìn)行聚類，然后從聚類后的記錄集Dk提取客戶需求和功能需求之間的關(guān)聯(lián)規(guī)則，輔助PSS規(guī)劃分析。本文方法已用于煙機(jī)的PSS規(guī)劃分析研究，通過實(shí)例分析，表明該方法的設(shè)計(jì)效率高、實(shí)用性強(qiáng)。通過數(shù)據(jù)挖掘技術(shù)，雖然能夠得出CRs和FRs之間的關(guān)系，但是FRs內(nèi)部涉及功能和服務(wù)之間的關(guān)系仍有待進(jìn)一步研究。

參考文獻(xiàn)參考文獻(xiàn)：

[1]CHAN LK AND WU ML. Quality function deployment： a literature review [J]. European Journal of Operational Research， 2002，143：463497.

[2]耿立沙，孔造杰，耿立校.QFD客戶需求重要度確定方法創(chuàng)新研究[J].當(dāng)代經(jīng)濟(jì)管理，2016，38（9）：2025.

[3]耿秀麗，徐士東，葉春明.客戶需求驅(qū)動(dòng)的產(chǎn)品服務(wù)系統(tǒng)模塊選配方法[J].計(jì)算機(jī)集成制造系統(tǒng)，2016，22（1）：5561.

[4]HJ LONG，LY WANG，SX ZHAO，et al.An approach to rule extraction for product service system configuration that considers customer perception[J].International Journal of Production Research，2016（18）：124.

[5]JIAO JX ， ZHANG YY.Product portfolio identification based on association rule mining [J]. ComputerAided Design，2005，37：149172.

[6]SH LIAO， HK CHANG. A rough setbased association rule approach for a recommendation system for online consumers[J].Information Processing&Management，2016，52（6）：11421160.

[7]G AKMAN.Evaluating suppliers to include green supplier development programs via fuzzy cmeans and VIKOR methods[J]. Computers & Industrial Engineering，2014，86（C）：6982.

[8]OI BAN，AI BAN，DA TUSE.Importanceperformance analysis by fuzzy CMeans algorithm[J].Expert Systems with Applications， 2015，50：916.

[9]Z JALALI. Development of slope mass rating system using Kmeans and fuzzy cmeans clustering algorithms[J]. International Journal of Mining Science & Technology，2016，26（6）： 959966.

[10]MA KHALILIA，J BEZDEK，M POPESCU，et al.Improvements to the relational fuzzy Cmeans clustering algorithm[J].Pattern Recognition，2014，47（12）：39203930.

責(zé)任編輯（責(zé)任編輯：黃?。〆ndprint