劉恒強(qiáng)，丁 華，楊 琨

（1．太原理工大學(xué)機(jī)械工程學(xué)院，山西 太原 030024；2．煤礦綜采裝備山西省重點(diǎn)實(shí)驗(yàn)室，山西 太原 030024）

1 引言

《中國制造2025》指出，協(xié)同發(fā)展制造業(yè)和服務(wù)業(yè)，推進(jìn)商業(yè)模式的創(chuàng)新，努力將生產(chǎn)型制造轉(zhuǎn)變?yōu)榉?wù)型制造。其中產(chǎn)品服務(wù)系統(tǒng)是典型代表，而顧客價(jià)值（Customer Value）的挖掘是產(chǎn)品服務(wù)系統(tǒng)（Product Service System，PSS）方案設(shè)計(jì)的開端，顧客的需求目標(biāo)是以價(jià)值實(shí)現(xiàn)為核心的產(chǎn)品與服務(wù)整體方案，所以顧客價(jià)值對產(chǎn)品服務(wù)系統(tǒng)方案設(shè)計(jì)的好壞起著至關(guān)重要的作用。

為了獲取并傳遞顧客需求、確定需求優(yōu)先級、以最小的成本設(shè)計(jì)出更加滿足顧客需求的方案，國內(nèi)外學(xué)者做了大量研究。文獻(xiàn)[1]將KANO 模型應(yīng)用于產(chǎn)品設(shè)計(jì)中，對顧客需求進(jìn)行分類。文獻(xiàn)[2]提出客戶需求獲取的三個(gè)過程，包括需求收集、需求分類、需求轉(zhuǎn)化處理。文獻(xiàn)[3]在面對復(fù)雜產(chǎn)品時(shí)，提出用戶需求獲取與分析集成模型。但這些過程未從顧客期望角度深入分析顧客價(jià)值。文獻(xiàn)[4]采用基于多種偏好信息的顧客需求分析方法來評估市場環(huán)境的模糊性。文獻(xiàn)[5]將ANP 和模糊數(shù)應(yīng)用于QFD 中，對客戶需求與技術(shù)特性之間的關(guān)系及客戶需求相對權(quán)重進(jìn)行分析。此外，粗糙集[6]也被應(yīng)用于QFD 顧客需求重要度排序問題中。但AHP、ANP過程復(fù)雜，模糊數(shù)以及粗糙集未能解決評價(jià)信息的隨機(jī)性問題。文獻(xiàn)[7]利用QFD 將顧客需求信息映射至產(chǎn)品特征屬性，從而獲得個(gè)性化產(chǎn)品屬性指標(biāo)重要度，但是如何利用質(zhì)量功能配置將顧客價(jià)值傳遞分配到產(chǎn)品與服務(wù)這兩個(gè)不同的對象中還有待研究。為充分挖掘顧客價(jià)值，將以往方案設(shè)計(jì)中顧客需求域改為價(jià)值域、功能域改為性能域，建立基于顧客價(jià)值層次模型的價(jià)值域模型；采用并行結(jié)構(gòu)質(zhì)量屋來取代傳統(tǒng)質(zhì)量屋完成顧客價(jià)值到產(chǎn)品與服務(wù)兩類不同對象的傳遞與分配問題；采用云模型處理專家評價(jià)信息，解決了專家評價(jià)結(jié)果具有模糊性和隨機(jī)性問題；采用云相對偏好關(guān)系將云模型轉(zhuǎn)化為精確值，解決了兩組云模型不能直接參與計(jì)算的問題，進(jìn)而將顧客價(jià)值傳遞到性能域，得到性能特征重要度。

2 顧客價(jià)值的獲取

2.1 基于手段-目的鏈理論的顧客價(jià)值層次模型

除了功能以外，顧客還會對該功能能夠達(dá)到的結(jié)果以及目標(biāo)產(chǎn)生期望。因此，應(yīng)從顧客期望的角度深入分析顧客價(jià)值，根據(jù)顧客期望的目標(biāo)確定使用情景下產(chǎn)品或服務(wù)結(jié)果的重要性，進(jìn)而確定產(chǎn)品或服務(wù)的屬性重要性。故基于手段-目的鏈理論[8]構(gòu)建產(chǎn)品服務(wù)系統(tǒng)方案設(shè)計(jì)中的顧客價(jià)值層次模型，如圖1 所示。

圖1 顧客價(jià)值層次模型Fig.1 The Hierarchical Model of Customer Value

2.2 基于顧客價(jià)值層次理論的價(jià)值域模型

以往需求研究是對屬性層的研究，但屬性層只是對實(shí)現(xiàn)結(jié)果層以及目標(biāo)層的途徑的表達(dá)。為了確定顧客為什么需要此屬性以及對其它屬性的需求等，應(yīng)該對結(jié)果層和目標(biāo)層進(jìn)行分析。因此提出基于價(jià)值層次模型的產(chǎn)品服務(wù)系統(tǒng)價(jià)值域模型，該模型包含顧客期望系統(tǒng)任務(wù)及其價(jià)值要素，如圖2 所示。

圖2 價(jià)值域模型Fig.2 Customer Value Domain Model

3 顧客價(jià)值的傳遞過程

3.1 基于功能黑箱的性能域模型

價(jià)值域模型建立之后，設(shè)計(jì)師可以規(guī)劃產(chǎn)品服務(wù)系統(tǒng)性能建立性能域模型，進(jìn)而將顧客價(jià)值通過一定技術(shù)轉(zhuǎn)化為PSS 性能。產(chǎn)品服務(wù)系統(tǒng)性能域模型是一個(gè)基于功能黑箱模型的樹狀分解結(jié)構(gòu)，是針對價(jià)值域模型中的顧客期望系統(tǒng)任務(wù)從功能和質(zhì)量的角度對執(zhí)行工程任務(wù)的產(chǎn)品服務(wù)系統(tǒng)方案的技術(shù)表達(dá)。性能包含產(chǎn)品性能和服務(wù)性能，其中，產(chǎn)品性能是功能模塊和質(zhì)量模塊共同作用的結(jié)果，更偏向于對期望結(jié)果的描述；將質(zhì)量定義為功能的保持程度和功能實(shí)現(xiàn)程度，同級子性能之間存在使能關(guān)系、并發(fā)關(guān)系以及獨(dú)立關(guān)系，如圖3 所示。

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

3.2 基于并行結(jié)構(gòu)質(zhì)量屋的顧客價(jià)值傳遞與分配

價(jià)值要素的傳遞就是將價(jià)值要素重要度轉(zhuǎn)化為性能特征重要度的并行和交互過程，以往質(zhì)量屋不能直接將價(jià)值要素傳遞到產(chǎn)品和服務(wù)這兩類不同的對象中。因此采用并行結(jié)構(gòu)的質(zhì)量屋實(shí)現(xiàn)價(jià)值要素到性能特征的傳遞，將關(guān)系矩陣拆分為產(chǎn)品與服務(wù)兩部分。其結(jié)構(gòu)，如圖4 所示。

圖4 顧客價(jià)值傳遞的并行結(jié)構(gòu)質(zhì)量屋Fig.4 The Parallel Structural House of Quality for Customer Value Transfer

4 QFD 的計(jì)算過程

模型1：根據(jù)文獻(xiàn)[9]的無確定度逆向云算法，得到逆向云發(fā)生器具體步驟：

（1）輸入N 個(gè)評價(jià)指標(biāo)的定量值xi（i=1，2L N）

4.1 基于云模型的評價(jià)信息處理

該質(zhì)量屋的計(jì)算分為三步：價(jià)值要素重要度的計(jì)算、價(jià)值要素與性能特征的關(guān)聯(lián)關(guān)系計(jì)算以及性能特征重要度的計(jì)算。

通過市場調(diào)研獲得產(chǎn)品服務(wù)系統(tǒng)方案規(guī)劃中的顧客價(jià)值要素，記為CVi（1≤i≤m），再將顧客價(jià)值要素映射到具體的性能特征，記為Ej（1≤j≤n，n=s+t）。采用給定評分集，專家采用（1～10）的評價(jià)規(guī)則對價(jià)值要素的重要度、價(jià)值要素與性能特征之間的關(guān)聯(lián)關(guān)系進(jìn)行評價(jià)，評價(jià)值與評價(jià)等級的具體對應(yīng)關(guān)系，如表1 所示。由于群決策評價(jià)結(jié)果的模糊性和隨機(jī)性問題，采用模型1 逆向云發(fā)生器生成云模型對專家評價(jià)結(jié)果進(jìn)行處理。

表1 評價(jià)等級與評價(jià)區(qū)間對應(yīng)表Tab.1 The Corresponding Table Between Evaluation Grade and Evaluation Interval

4.1.1 顧客價(jià)值要素重要度計(jì)算

將專家Pk（1≤k≤q）對價(jià)值要素CVi重要度評分值表示為（1≤i≤m），再以為輸入，采用逆向云發(fā)生器生成顧客價(jià)值要素CVi重要度評價(jià)云模型，記作Ai（Exi，Eni，Hei）。

4.1.2 顧客價(jià)值要素與性能特征的關(guān)聯(lián)關(guān)系計(jì)算

將專家Pk（1≤k≤q）對價(jià)值要素CVi與性能特征Ej的關(guān)聯(lián)關(guān)系評分值表示為Tij（1≤i≤m，1≤j≤n），同理以Tij為輸入，采用逆向云發(fā)生器生成價(jià)值要素與性能特征關(guān)聯(lián)關(guān)系評價(jià)云模型，記作Bij（Exij，Enij，Heij），故得由Bij構(gòu)成的關(guān)聯(lián)關(guān)系矩陣R。

4.1.3 性能特征重要度的計(jì)算

由QFD 重要度計(jì)算可知，將顧客價(jià)值要素重要度與式（1）相乘，可得性能特征Ej的重要度Wj，計(jì)算過程如下：

4.2 基于云相對偏好關(guān)系的計(jì)算信息處理

式（2）中Ai和Bij都不是精確值，采用云模型三個(gè)數(shù)字特征形式表示，無法直接相乘計(jì)算性能特征重要度。根據(jù)文獻(xiàn)[10]的三角模糊數(shù)相對偏好關(guān)系，采用云相對偏好關(guān)系計(jì)算云模型Ai和Bij的乘積。具體方法為：以一組云模型均值為基準(zhǔn)，通過計(jì)算各云模型與均值的相對偏好關(guān)系把云模型轉(zhuǎn)化為精確值。

顧客價(jià)值要素CVi（1≤i≤m）的重要度云模型為Ai（Exi，Eni，Hei），求m 朵云模型均值A(chǔ)ˉ（Ex，En，He）計(jì)算如下：

若A1，A2，L，Am（Ai（Exi，Eni，Hei））為一組云模型，且其均值為Aˉ（Ex，En，He），那么Ai與該組云模型均值A(chǔ)ˉ的相對偏好關(guān)系表示為：

通過式（4）計(jì)算各項(xiàng)顧客價(jià)值要素的重要度云模型Ai與其均值A(chǔ)ˉ的相對偏好關(guān)系，把Ai轉(zhuǎn)換為精確值，從而得到顧客價(jià)值要素CVi的相對重要度RP（Ai，Aˉ）。再以RP（Ai，Aˉ）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Wˉ（Ex′，En′，He′），再利用式（4）計(jì)算云模型Wj與均值Wˉ的相對偏好關(guān)系，即得性能特征重要度RP（Wj，wˉ）。

5 工程實(shí)例

工程實(shí)例以某型號采煤機(jī)產(chǎn)品服務(wù)系統(tǒng)方案設(shè)計(jì)為例進(jìn)行敘述，其顧客價(jià)值的獲取與傳遞方法步驟如下。

（1）建立價(jià)值域模型。通過對顧客進(jìn)行訪談和調(diào)查，分析顧客信息并建立采煤機(jī)產(chǎn)品服務(wù)系統(tǒng)價(jià)值域模型，共有5 項(xiàng)顧客所需系統(tǒng)任務(wù)和16 項(xiàng)價(jià)值要素。其中價(jià)值要素：生產(chǎn)適應(yīng)性好CV1、運(yùn)行可靠性高CV2、使用壽命長CV3、生產(chǎn)效率高CV4、成本較低CV5、安全性好CV6、維修服務(wù)支持水平高CV7、智能化程度高CV8是由產(chǎn)品和服務(wù)共同來完成，稱為功能性價(jià)值要素。價(jià)值要素：個(gè)性化專業(yè)售前指導(dǎo)CV9、支付方式靈活CV10、培訓(xùn)專業(yè)性好CV11、安裝效率高CV12、操作專業(yè)性好CV13、備件供應(yīng)及時(shí)CV14、保養(yǎng)服務(wù)水平高CV15、回收服務(wù)水平高CV16主要由服務(wù)來完成，稱為非功能性價(jià)值要素。以下主要以功能性價(jià)值要素為例對價(jià)值要素的傳遞過程進(jìn)行敘述。

（2）建立性能域模型。在得到價(jià)值要素之后就可以規(guī)劃產(chǎn)品服務(wù)系統(tǒng)性能，建立性能域模型得到產(chǎn)品性能特征與服務(wù)性能特征，產(chǎn)品性能特征：割煤能力E1，裝煤能力E2，牽引能力E3，控制技術(shù)E4，產(chǎn)品成本E5，模塊可靠性E6，安全保障E7，壽命E8；服務(wù)性能特征：維修能力E9，維修成本E10，遠(yuǎn)程協(xié)助能力E11。

（3）價(jià)值要素重要度的計(jì)算。專家采用的評價(jià)規(guī)則對顧客價(jià)值要素的重要度進(jìn)行評價(jià)，如表1 所示。再采用逆向云發(fā)生器將專家評分值轉(zhuǎn)化為云模型，然后利用式（3）、式（4）將顧客價(jià)值要素相對重要度云模型轉(zhuǎn)化為精確值，其結(jié)果，如表2 所示。

采用正向云發(fā)生器將顧客價(jià)值要素云模型轉(zhuǎn)化為云圖，得到圖形，如圖5 所示。從左向右依次為CV8、CV3、CV5、CV6、CV4、CV7、CV2、CV1，其價(jià)值要素重要度依次增大。價(jià)值要素重要度云圖不僅反映其重要度大小，而且反映評價(jià)信息的模糊性和隨機(jī)性。比較CV7與CV2的云圖可知，CV7與CV2的相對重要度大小一致，一般難以繼續(xù)對其重要度進(jìn)行分析，但由圖5 可知，CV7云圖的厚度及跨度均比CV2大，云圖跨度越大則評價(jià)信息的模糊性越大，厚度越大則評價(jià)信息的隨機(jī)性越大，故價(jià)值要素CV2的評價(jià)信息可靠性大于CV7。

表2 顧客價(jià)值要素重要度Tab.2 The Weighs of Customer Value Elements

圖5 顧客價(jià)值重要度云圖Fig.5 A Cloud Picture of the Weighs of Customer Value

（4）價(jià)值要素到性能特征的傳遞與分配。

同理，專家對顧客價(jià)值與性能特征的關(guān)聯(lián)關(guān)系進(jìn)行打分，然后采用逆向云發(fā)生器生成顧客價(jià)值與性能特征的關(guān)聯(lián)關(guān)系云模型，結(jié)果，如表3 所示。

表3 顧客價(jià)值與性能特征的關(guān)聯(lián)關(guān)系評價(jià)結(jié)果及云模型Tab.3 Evaluation Result and Cloud Model of Relationship Between Customer Value and Performance Characteristics

再由價(jià)值要素重要度及價(jià)值要素與性能特征關(guān)聯(lián)關(guān)系，利用式（5）計(jì)算性能特征相對重要度云模型。然后利用式（3）式（4）將性能特征重要度云模型轉(zhuǎn)化為精確值結(jié)果，如表4 所示。

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

根據(jù)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。對于采煤機(jī)而言，首先需要關(guān)注的是割煤能力，這是采煤機(jī)能否完成生產(chǎn)任務(wù)的核心指標(biāo)；其次是可靠性，即采煤機(jī)能否“很好”地完成割煤任務(wù)，而安全性等多為必要指標(biāo)，所以在滿足必要保障的基礎(chǔ)上顧客不會過于關(guān)注，該結(jié)果符合實(shí)際情況。根據(jù)性能特征重要度大小，設(shè)計(jì)人員可以確定性能特征優(yōu)先級，從而以最小的成本開發(fā)出更加符合顧客需求且更具有競爭力的產(chǎn)品。

6 結(jié)論

對產(chǎn)品服務(wù)系統(tǒng)中顧客價(jià)值的獲取與傳遞方法進(jìn)行了研究，結(jié)論如下：（1）構(gòu)建基于顧客價(jià)值層次理論的價(jià)值域模型，從顧客期望的結(jié)果層和目的層出發(fā)，以價(jià)值域代替需求域，可更加深入地獲取顧客需求。（2）構(gòu)建并行結(jié)構(gòu)質(zhì)量屋取代傳統(tǒng)質(zhì)量屋，可完成產(chǎn)品服務(wù)系統(tǒng)中顧客價(jià)值到產(chǎn)品與服務(wù)兩類不同對象的傳遞與分配問題。（3）利用云模型可解決專家評價(jià)結(jié)果的模糊性和隨機(jī)性問題，并利用云相對偏好關(guān)系可解決兩組云模型不能直接參與計(jì)算的問題，完成顧客價(jià)值到性能域的質(zhì)量屋計(jì)算，得到性能特征重要度優(yōu)先級。該結(jié)果對采煤機(jī)顧客價(jià)值的獲取與傳遞研究有一定的參考價(jià)值。