融合用戶滿意度的產品需求配置方法研究

張迪婧，侯增選，黃 磊，趙有航

融合用戶滿意度的產品需求配置方法研究

張迪婧，侯增選，黃 磊，趙有航

(大連理工大學機械工程學院，遼寧 大連 116024)

為合理地確定用戶需求偏好及其優先程度以適應大規模定制生產模式，最大限度提升用戶滿意度，提出一種改進的產品用戶需求配置方法。將模糊聚類分析方法融入Kano模型中對用戶需求進行歸屬分類，根據用戶需求對滿意度提升的貢獻程度進行篩選，計算需求滿意度及重要度評價因子，建立產品用戶需求遞階層次結構模型。在模糊層次分析法(FAHP)中通過采用模糊最優最劣法(FBWM)構造一致性三角模糊數互補判斷矩陣，引入可能度概念實現去模糊化，得到用戶需求初始權重，并將需求評價因子作為初始權重的修正因子，將修正后的權重進行歸一化處理，得到用戶需求綜合權重，以此為依據實現產品需求配置。以某企業眼鏡產品設計開發為例，驗證了該方法的有效性，為眼鏡及其他產品設計開發提供了用戶需求配置策略。

用戶需求；需求配置；用戶滿意度；Kano模型；模糊層次分析法；定量化

近年來，隨著人們消費理念的轉變，用戶需求呈現多樣化、差異化的發展趨勢。賣方市場主導下的大眾化產品和有限的產品配置方式難以滿足消費者日益主動和強勢的個性化需求。在現代網絡信息技術和先進制造技術的推動下，以用戶為驅動，以產品多品種、高質量、低成本和短生命周期為特征的大規模定制(mass customization，MC)生產模式，逐漸成為一種全新的戰略思維。這種生產模式在企業大規模生產(mass production，MP)的基礎上[1]，融合了用戶的個性化需求，以平衡用戶需求項增多引發的用戶滿意度和企業生產成本之間的矛盾。用戶對需求的表述具有模糊性、動態性和不確定性的特點，往往表達為滿意度。因此，如何有效地進行用戶需求識別及配置，以期最大限度上提升用戶滿意度是大規模定制發展所必須解決的問題。

卡諾模型(Kano model)[2]通過用戶偏好分類技術識別用戶需求和期望，研究了產品質量屬性與用戶滿意度之間的相關性，已成為產品設計和新產品創意生成過程中反映用戶滿意度的有效方法，但傳統的Kano模型側重于產品質量屬性分類方法及各類關系曲線的定性描述，未明確說明同一類別質量屬性的滿意度及重要度的優先順序，為此國內外學者對Kano模型的量化方法及應用展開研究。張文召等[3]提出一種結合粗糙集與Kano模型、灰色關聯分析與逼近理想解排序法的產品設計方案決策方法，實現了多目標決策要求下方案的優選。ZHAO等[4]提出了通過確定用戶需求和用戶滿意度之間的關系來量化Kano模型，可將需求映射階段和產品配置設計階段聯系起來。SUH等[5]基于Kano模型推導了校企合作活動中各因素的滿意度指數、不滿意度指數和潛在顧客滿意度改進指數，為校企合作提供指導方針。DOU等[6]提出了一種結合Kano模型和交互式遺傳算法(interactive genetic algorithms，IGA)的方法，在充分考慮客戶的個人偏好的同時增強有效的用戶參與度，實現客戶驅動的產品定制設計。考慮到用戶需求表述的模糊性，AVIKAL等[7]提出了一種將模糊Kano模型集成到QFD中以確定SUV汽車外形美學屬性的分類和排序方法，并與經典Kano模型進行對比，驗證了該方法的有效性。目前針對Kano模型的方法與應用研究仍存在不足：①多數學者采用頻數最大法確定產品質量屬性的歸屬類別，易出現不同Kano類別頻數相近或相等的情況，影響類別判定的準確度；②模糊Kano模型雖在用戶需求表述上更貼合模糊性的特點，但其問卷專業性更強，增加了問卷及調研難度，影響結果的有效性；③多數Kano問卷未區分各質量屬性的權重，即默認其在整體評價中具有相同的重要程度，不能反映用戶間的差異性。模糊聚類分析法采用模糊數學的方法處理聚類問題，可得到樣本隸屬于各類別的不確定程度，更能客觀的反映現實世界，成為聚類分析研究的主流。模糊聚類分析法與Kano模型相結合為類別劃分提供了新思路，能有效規避Kano模型中可能存在的質量類別判定不準確的問題[8]。通過對Kano問卷結構的改進，設置產品質量屬性用戶賦權項，可反映不同用戶的評價差異，使評價結果更準確。

用戶需求的重要度反映了其在產品設計綜合決策過程中占有的地位和用戶對產品的關注程度，對已確定的用戶需求進行優先級排序是需求配置的關鍵環節。層次分析法(analytic hierarchy process，AHP)將定性與定量分析相結合，廣泛應用于優先級排序及多目標、多準則、多層級的方案評估決策，但傳統的AHP無法反映決策者判斷的模糊性，并且決策過程中構造的判斷矩陣一致性檢驗困難、一致性判斷標準(<0.1)缺乏理論依據，為此一些學者引入模糊邏輯，擴展成模糊層次分析法(fuzzy analytical hierarchy process，FAHP)，提高了決策的客觀性和可靠性。SHAMEEM等[9]應用FAHP對全球軟件開發環境中用于擴展敏捷開發的障礙進行優先排序和分類。KUTLU和KAHRAMAN[10]將傳統的AHP擴展到球形模糊層次分析法，并應用于可再生能源的選址問題中。LYU等[11]研究了一種梯形FAHP，采用梯形模糊數表示評估因子之間的相對重要性，用于評估與地面沉降有關的特大城市基礎設施的風險。目前FAHP方法在優先級排序中存在以下不足：①傳統的FAHP需通過專家將決策方案進行兩兩對比構造模糊判斷矩陣，比較次數多，尤其當決策方案數量較大時，評估過程復雜繁瑣，影響評估的有效性；②采用模糊數構造的模糊判斷矩陣往往不滿足一致性，一致性檢驗困難，修正過程繁瑣。模糊最優最劣法(fuzzy best-worst method，FBWM)[12]是在最優最劣法(best-worst method，BWM)[13]的基礎上，考慮專家決策的模糊性和不確定性，引入模糊理論的一種最新的多屬性決策方法。FBWM通過專家選定最優、最劣指標并執行最優指標相對于其他指標及其他指標相對于最劣指標間的參考比較，建立模糊最優、最劣比較向量，減少了專家決策過程中的比較次數，簡化了評價過程。將FBWM用于FAHP中模糊一致性互補判斷矩陣的構建，可避免一致性檢驗導致的結構冗余，簡化優先級排序算法。

針對目前用戶需求類別劃分及優先級排序過程中存在的不足，本文提出一種改進的產品用戶需求配置方法，通過建立模糊性、不確定性、定性化的用戶需求與集專家評估與用戶評估于一體的需求定量化表述之間的映射模型，實現產品需求配置。

1 研究框架

本文提出一種改進的產品用戶需求配置方法，具體流程如圖1所示，將FAHP法融入Kano模型中對用戶需求進行歸屬分類，計算用戶需求評價因子，建立產品用戶需求遞階層次結構模型。在FAHP中通過采用FBWM構造一致性三角模糊數互補判斷矩陣，以三角模糊數[14]代替模糊判斷矩陣中的確定值，引入可能度概念實現去模糊化，得到用戶需求初始權重，并將用戶需求評價因子作為初始權重的修正因子，計算用戶需求綜合權重，從而實現用戶需求定量化的優先級排序，以此作為產品用戶需求配置的指導。

圖1 融合用戶滿意度的產品需求配置方法

2 基于Kano模型的用戶需求獲取方法

將模糊聚類分析方法融入Kano模型，對用戶需求進行識別、分類、篩選，采取用戶角度的需求重要度和Kano滿意度調整系數進行需求量化分析，并構建用戶需求遞階層次結構模型。

2.1 產品用戶需求特征識別

用戶需求信息通常呈現多面性、差異性、動態性、模糊性、猶豫性和主觀性的特點，且有些需求是用戶難以想到的驚喜需求[15]。為獲取較全面的用戶需求，采用資料查詢、深度訪談、用戶消費心理問卷調查綜合調研方法，識別用戶需求特征并篩選得到初始用戶需求。

2.2 產品用戶需求特征歸屬分類

對初始需求進行編號并設計評價問卷，采用FAHP法進行需求類別判定，步驟如下：

(1) 對用戶需求設置正反向問題，分別測試用戶在面對具備或不具備某項特征時的滿意度情況，并由用戶對需求特征的重要程度打分。以眼鏡“尺寸可選擇”為例，問卷內容見表1。

(2) 圖2為Kano模型，其將質量屬性分為5類，對應5種用戶需求。根據表2進行問卷分析，得到用戶需求特征的Kano類別隸屬度。

(3) 根據需求特征Kano類別隸屬度，采用模糊聚類分析方法對其進行歸屬分類，步驟如下：

圖2 Kano模型

表2 Kano模型評價標準

(注：A為魅力型需求；O為期望型需求；M為必備需求；I為無差異需求；R為反向需求；Q為有問題的回答，對應的問卷視為無效)

步驟1.設論域={1,2,3,cr}為產品初始用戶需求特征集合，任一需求向量可表示為=(cr1, cr2, cr3, cr4, cr5)，=1,2,3,···,，其中cr1~cr5分別代表該需求特征對A，O，M，I，R的隸屬度，據此建立隸屬度矩陣，并采用平移極差變換法進行標準化處理，即

其中，r為cr和cr間的相似程度；為修正系數，取值為(0,1)，保證r?[0,1]。

2.3 產品用戶需求特征篩選

由Kano模型可知，不同用戶需求特征對用戶滿意度的提升程度和受關注度不同，因此需進行需求篩選，篩選類別分為M，O，A，I，R。其中M類需求是產品的基本標準，被視為理所應當的先決條件，是產品的基本屬性，為簡化需求分析過程，在產品需求配置過程中應予以剔除；O類需求的用戶滿意度與需求的滿足程度成正相關，應關注并保留，以提升產品的整體滿意度；A類需求能最大程度上提升用戶整體滿意度，并給用戶帶來驚喜，可提升產品在其競品中的影響力和競爭力，成為“賣點”，應重點關注并保留；I類需求基本不影響用戶滿意度；R類需求對用戶滿意度產生負面影響，均應剔除。

2.4 產品用戶需求量化分析

(1) 根據表1構建用戶需求重要度向量=(1,2,···,r)T，其中r為第項需求重要度均值。

(2) 在Kano模型中，用戶需求實現程度與用戶需求滿意度之間的關系可用含參函數近似量化，即

其中，為用戶滿意度；為用戶需求實現程度；c為常數；為Kano模型中的調整系數，不同Kano類別對應不同的值(人為確定)：A類需求取>1，O類=1。

(3)根據r和值確定用戶角度的需求評價向量=(1,2,···,e)T，其中評價因子為

2.5 產品用戶需求遞階層次結構模型的構建

采用KJ法，按照各用戶需求間的親和性，對其進行歸納整理，構建用戶需求遞階層次結構模型，用框圖表示層級間的遞階結構和用戶需求的從屬關系，并重新編號。

3 基于FAHP的用戶需求配置方法

為改善人類思維模糊性、不確定性帶來的信息失真，減少專家對各指標的比較次數，避免一致性檢驗導致的結構冗余，在FAHP中采用FBWM構造一致性三角模糊數互補判斷矩陣，引入可能度概念，計算用戶需求初始權重，結合Kano需求評價因子，得到綜合權重，實現用戶需求定量化的優先級排序，據此進行產品用戶需求配置。

3.1 模糊最優、最劣比較向量的構建

(1) 有個專家參與產品用戶需求重要度排序，根據用戶需求遞階層次結構模型，設某準則下的用戶需求為={1,2,···,x}，專家根據市場競爭環境綜合評估，確定最優指標x和最劣指標x。

(2) 進行用戶需求重要度模糊參考對比，包括最優指標與各項指標間的成對比較，以及各項指標與最劣指標間的成對比較，采用0.1~0.9標度法描述任意2項指標的相對重要程度，0.1表示極端不重要，0.9為極端重要，0.5為同樣重要，評價值以三角模糊數形式表示。設第個專家構建的模糊最優、最劣比較向量分別為

且0<≤≤，則稱為三角模糊數。

(3) 將個專家構造的向量進行整理，得到新的模糊最優比較向量=(a1,a2,···,a)和模糊最劣比較向量=(1W,2W,···,a)，其中a，a分別為整理后的最優指標相對于第項指標和第項指標相對于最劣指標的重要度，即

3.2 一致性三角模糊數互補判斷矩陣的構建

則稱矩陣為三角模糊數互補判斷矩陣。

則稱矩陣為完全一致性三角模糊數互補判斷矩陣。

3.3 產品用戶需求初始權重計算

為便于決策，需根據一致性三角模糊數互補判斷矩陣，并計算矩陣中各決策指標的排序向量，但模糊數形式不能直觀地反映數值的大小，需通過去模糊化方式將其變換為確定值。將三角模糊數運算法則與可能度概念結合，給出某項準則下用戶需求初始權重計算的方法：

(1) 計算各項用戶需求在某項準則下的模糊綜合評價值

(2) 三角模糊數之間的比較需通過計算某一模糊數大于另一模糊數的可能性程度來實現，即可能度，見定義4和5。

定義4[19].設1=(1,1,1)，2=(2,2,2)為任意三角模糊數，則1≥2的可能度為

定義5[19]. 設為任意模糊數，則大于其他個模糊數的可能度為

其中，=1,2,···,。

根據定義4和5計算用戶需求x的模糊綜合評價值S大于其他各項用戶需求的可能度，將其作為用戶需求x的權重，記為(x)。由此可得到各項用戶需求權重向量為

(3) 將0歸一化，得到產品用戶需求初始權重向量=(1,2,···,w)T，其中

3.4 基于Kano模型的用戶需求權重調整

在產品需求配置過程中，A類需求往往不易被用戶察覺，一般初始權重較低，但對提升用戶滿意度的貢獻率卻很大，因此對不同類別的用戶需求需設置不同權重加以修正。為優化產品需求配置過程，需將式(6)中Kano決策的需求評價因子e作為用戶需求初始權重w的修正因子。

3.5 產品用戶需求優先級排序

3.6 產品用戶需求配置

根據用戶需求優先級排序，合理選取重點需求并結合實際情況進行需求配置。該配置方法將專家評估與用戶評估結合在一起，既能保證需求優先級排序的權威性、可靠性，使產品需求配置具備可行條件，又能保證需求優先級排序的真實性、準確性，真正實現用戶驅動的產品用戶需求配置。

4 實例研究

隨著用戶消費觀念的轉變和消費心理的成熟，眼鏡已不單是矯正視力或保護眼睛的工具，逐漸成為能夠表達情感、彰顯個性的時尚產品。作為勞動密集型產業的代表，眼鏡在中國乃至全球有龐大的消費群體，市場競爭激烈。本文以深圳某眼鏡公司設計開發用戶驅動的眼鏡產品為例，運用本文方法進行需求識別與配置，并驗證了該方法的有效性和可靠性。

通過相關資料查詢、對眼鏡用戶及銷售人員、設計人員進行深度訪談、對眼鏡用戶進行消費心理問卷調查，將搜集到的需求特征進行篩選、歸類、編號，見表3。

表3 眼鏡初始需求特征

采用表1所示的問卷對上述需求進行調研。為最大限度覆蓋眼鏡用戶群體，選取包含眼鏡使用者及從事眼鏡行業的銷售人員在內的群體作為調研對象，發放問卷500份，回收有效問卷482份，有效回收率96.4%。采用SPSS 25.0對問卷中22個需求項的滿意度及重要度分別進行信度分析，見表4，其中各需求項的Cronbach's Alpha值均大于0.9，說明問卷數據信度質量很高。此外，校正項總計相關性(corrected item-total correlation，CITC)均大于0.4，說明各需求項與總體之間具有良好的相關關系，信度水平良好，因此問卷設計可靠性良好。

表4 信度分析

對照表3建立用戶需求特征的Kano類別隸屬度矩陣

采用MATLAB數學軟件進行模糊聚類分析，將需求特征進行Kano歸屬分類并生成圖3所示的眼鏡初始用戶需求特征動態聚類圖，當=0.6184時，可將需求特征分為4類，結果見表5。

表5 眼鏡初始用戶需求特征Kano歸屬劃分

將M，I類需求剔除后，根據表1問卷結果，構建用戶需求重要度向量=(3.49,3.45,3.95,3.59, 3.78,3.41,4.18,4.16,3.84,4.15,4.04,4.03)T，并由研究人員確定Kano模型中的調整系數：A類需求取=2，O類取=1。根據式(6)確定用戶角度的需求評價向量=(0.0828,0.0818,0.0937,0.0851,0.0448, 0.0809,0.0991,0.0987,0.0911,0.0984,0.0958,0.0478)T，表示用戶角度眼鏡需求量化分析結果。

采用KJ法建立最終的眼鏡需求遞階層次結構模型，對各層次指標進行編號，如圖4所示，分別對準則層和指標層采用本文提出的基于FAHP的用戶需求配置方法完成眼鏡用戶需求權重計算。以準則層為例，評審專家綜合評估得出最優指標和最劣指標分別為美觀性B2和友好性B3，采用0.1~0.9標度的三角模糊數確定模糊最優、最劣比較向量為

圖4 眼鏡用戶需求遞階層次結構模型

Fig. 4 Hierarchical model of eyewear user demands

構造3×3的方陣，將上述向量中的三角模糊數填入方陣對應位置，如a1表示最優指標美觀性B2相對于舒適性B1的重要程度，填入方陣第2行第1列位置，根據定義2可補充互補的三角模糊數，并根據定義3進行方陣補全及調整，使其滿足一致性，完成一致性三角模糊數互補判斷矩陣的構造

根據式(14)~(18)，在MATLAB數學軟件中計算得到準則層指標的初始權重

同理可計算各準則下用戶需求初始權重，根據層級關系將初始權重進行歸一化處理，并將Kano決策中的需求評價因子作為初始權重的修正因子，得到眼鏡用戶需求綜合權重，并給出需求優先級排序，見表6。

表6 眼鏡用戶需求綜合權重及優先級排序

結果表明，準則層3類評價指標的優先級排序為：美觀性B2>舒適性B1>友好性B3；指標層12項評價指標的優先級順序為：鏡框材質C8>尺寸可選擇C3>鏡框顏色C7>鏡框造型C6>眼鏡款式C5>鏡框輕盈C4>抗疲勞C1>防滑落C2>防輻射C9>防水霧C11>防藍光C10>耐磨損C12，其中前5項需求更受用戶青睞，需在眼鏡產品設計開發過程中，保證必備需求的前提下，將前5項需求作為設計重點，剔除綜合權重占比小的需求。該排序結果反映了融合用戶滿意度的用戶偏好信息，為眼鏡用戶需求配置提供了指導性建議：

(1) 除滿足眼鏡基本的功能需求外，眼鏡的美觀性成為提升用戶整體滿意度的首要指標，因此未來的眼鏡設計需融入更多美學因素，成為凸顯用戶個性、時尚的標簽。

(2) 眼鏡鏡框材質、顏色、造型及眼鏡款式是影響眼鏡美觀性的主要因素，由于用戶需求的復雜性及多樣性，進一步深挖不同材質、顏色、造型及款式對用戶滿意度提升的影響，細化用戶需求，才能為設計師后續方案設計提供更全面、準確的指導。

(3) 用戶注重眼鏡佩戴的舒適性，其中“尺寸可選擇”對用戶的重要性十分顯著，因此未來的眼鏡設計應根據用戶面部特征信息進行定制，真正做到眼鏡“量身定制”。

(4) 為促進眼鏡行業向大規模定制生產模式的轉型，平衡用戶需求項的增多引發的用戶滿意度和企業生產成本之間的矛盾，需針對權重較大的需求項進行定制并批量生產，以保證多數用戶的需求，同時可面向少數用戶提供高端個性化定制服務，以期覆蓋不同的消費群體。

5 結束語

為合理地確定用戶需求偏好及其優先程度以適應MC生產模式，最大限度上提升用戶滿意度，本文提出一種改進的產品用戶需求配置方法，通過建立模糊性、不確定性、定性化的用戶需求與集專家評估與用戶評估于一體的需求定量化表述之間的映射模型，實現產品需求配置。本文將模糊聚類分析方法與Kano模型結合進行用戶需求類別劃分，通過設置產品質量屬性用戶賦權項改進Kano評價問卷結構，解決了質量類別判定不準確的問題，反映了不同用戶的評價差異，使評價結果更準確；將FBWM與FAHP結合，減少了專家決策過程中的比較次數，避免一致性檢驗導致的結構冗余，簡化了決策過程，使產品需求配置更權威、可靠。本文方法為企業MC中的產品需求配置提供了新思路，使企業在維持較低成本的前提下，滿足用戶的個性化需求，最大限度提升用戶滿意度。

[1] XU Y N, THOMASSEY S, ZENG X Y. Optimization of garment sizing and cutting order planning in the context of mass customization[J]. The International Journal of Advanced Manufacturing Technology, 2020, 106(7-8): 3485-3503.

[2] KANO N, SERAKU N, TAKAHASHI F, et al. Attractive quality and mustbe quality[J]. Journal of The Japanese Society for Quality Control, 1984, 14(2): 147-156.

[3] 張文召, 呂健, 趙慧亮, 等. 基于R-KANO與G-TOPSIS法的產品設計方案多目標決策方法[J]. 組合機床與自動化加工技術, 2019(7): 146-150. ZHANG W Z, LYU J, ZHAO H L, et al. Multi-objective decision-making model for product design scheme based on R-KANO and G-TOPSIS[J]. Modular Machine Tool ＆ Automatic Manufacturing Technique, 2019(7): 145-150 (in Chinese).

[4] ZHAO S Y, ZHANG Q, PENG Z L, et al. Integrating customer requirements into customized product configuration design based on Kano’s model[J]. Journal of Intelligent Manufacturing, 2020, 31(3): 597-613.

[5] SUH Y, WOO C, KOH J, et al. Analysing the satisfaction of university–industry cooperation efforts based on the Kano model: a Korean case[J]. Technological Forecasting and Social Change, 2019, 148: 119740.

[6] DOU R L, ZHANG Y B, NAN G F. Application of combined Kano model and interactive genetic algorithm for product customization[J]. Journal of Intelligent Manufacturing, 2019, 30(7): 2587-2602.

[7] AVIKAL S, SINGH R, RASHMI R. QFD and Fuzzy Kano model based approach for classification of aesthetic attributes of SUV car profile[J]. Journal of Intelligent Manufacturing, 2020, 31(2): 271-284.

[8] 龍玉玲. 基于Kano模型的個性化需求獲取方法研究[D]. 長沙: 中南大學, 2011. LONG Y L. Research on method of acquiring individual demand based on Kano model[D]. Changsha: Central South University, 2011 (in Chinese).

[9] SHAMEEM M, KUMAR R R, NADEEM M, et al. Taxonomical classification of barriers for scaling agile methods in global software development environment using fuzzy analytic hierarchy process[J]. Applied Soft Computing, 2020, 90: 106122.

[10] KUTLU GüNDO?DU F, KAHRAMAN C. A novel spherical fuzzy analytic hierarchy process and its renewable energy application[J]. Soft Computing, 2020, 24(6): 4607-4621.

[11] LYU H M, SHEN S L, ZHOU A N, et al.Risk assessment of mega-city infrastructures related to land subsidence using improved trapezoidal FAHP[J]. Science of the Total Environment, 2020, 717: 135310.

[12] GUO S, ZHAO H R. Fuzzy best-worst multi-criteria decision-making method and its applications[J]. Knowledge-Based Systems, 2017, 121: 23-31.

[13] REZAEI J. Best-worst multi-criteria decision-making method[J]. Omega, 2015, 53: 49-57.

[14] VAN LAARHOVEN P J M, PEDRYCZ W. A fuzzy extension of Saaty's priority theory[J]. Fuzzy Sets and Systems, 1983, 11(1-3): 229-241.

[15] 劉大帥, 楊勤, 呂健, 等. 融合用戶滿意度的用戶需求綜合重要性研究[J]. 圖學學報, 2019, 40(6): 1137-1143. LIU D S, YANG Q, LYU J, et al. Comprehensive importance of integrating user satisfaction with user demand[J]. Journal of Graphics, 2019, 40(6): 1137-1143 (in Chinese).

[16] 王新洲, 舒海翅. 模糊相似矩陣的構造[J]. 吉首大學學報: 自然科學版, 2003, 24(3): 37-41. WANG X Z, SHU H C. Construction of fuzzy similar matrix[J]. Journal of Jishou University: Natural Sciences Edition, 2003, 24(3): 37-41 (in Chinese).

[17] 徐澤水. 三角模糊數互補判斷矩陣排序方法研究[J]. 系統工程學報, 2004, 19(1): 85-88. XU Z S. Research on priority method of triangular fuzzy number complementary judgement matrix[J]. Journal of Systems Engineering, 2004, 19(1): 85-88 (in Chinese).

[18] 蘇哲斌. 基于一致性逼近的三角模糊數互補判斷矩陣的排序方法[J]. 模糊系統與數學, 2009, 23(4): 126-130. SU Z B. The priority method based on consistency approximation for triangular fuzzy complementary judgment matrix[J]. Fuzzy Systems and Mathematics, 2009, 23(4): 126-130 (in Chinese).

[19] CHANG D Y. Applications of the extent analysis method on fuzzy AHP[J]. European Journal of Operational Research, 1996, 95(3): 649-655.

Research on the product demands configuration method based on user satisfaction

ZHANG Di-jing, HOU Zeng-xuan, HUANG Lei, ZHAO You-hang

(School of Mechanical Engineering, Dalian University of Technology, Dalian Liaoning 116024, China)

In order to reasonably determine the preferences and priorities of user demands to adapt to the mass customization production mode and maximize user satisfaction, an improved product user demands configuration method is proposed.The fuzzy clustering analysis method was integrated into the Kano model to classify user demands, the screening was conducted according to their contribution to the improvement of satisfaction,thenthe evaluation factors of customer satisfaction and importance were calculated and a hierarchical structure model of product user demands was established.On this basis, in the fuzzy analytic hierarchy process (FAHP), a fuzzy best-worst method (FBWM) was employed to construct a consistent triangular fuzzy number complementary judgment matrix, the probability concept was introduced to achieve defuzzification and obtain the initial weights of user demands, and the demands evaluation factors served as the correction factors of the initial weights. Then the modified weights were normalized to obtain the comprehensive weights of user demands, thus realizing the configuration of product demands. Taking an enterprise’s eyewear product design and development as an example, the effectiveness of this method was verified, and a user demand configuration strategy was provided for the design and development of eyewear and other products.

user demands; demands configuration; customer satisfaction; Kano model; fuzzy analytic hierarchy process; quantification

TP 391

10.11996/JG.j.2095-302X.2020040649

A

2095-302X(2020)04-0649-09

2020-03-14；

2020-04-26

26 April，2020

14 March，2020；

張迪婧(1995-)，女，河北保定人，碩士研究生。主要研究方向為工業設計、計算機輔助設計、數字化設計。E-mail：shmilyprotea@163.com

ZHANG Di-jing (1995-), female, master student. Her main research interests cover industrial design, computer-aided design, digital design. E-mail：shmilyprotea@163.com

侯增選(1964-)，男，陜西岐山人，教授，博士，博士生導師。主要研究方向為計算機輔助設計技術、虛擬產品開發技術、產品創新設計理論與方法研究。E-mail：hou@dlut.edu.cn

HOU Zeng-xuan (1964-), male, professor, Ph.D. His main research interests cover computer-aided design technology, virtual product development technology, product innovation design theory and method research.E-mail：hou@dlut.edu.cn