基于离群点检测的关键顾客需求识别.pdf

第2 9卷第8期计算机集成制造系统V o l.2 9N o.82023年8月C o m p u t e r I n t e g r a t e dM a n u f a c t u r i n gS y s t e m sA u g.2 0 2 3D O I:1 0.1 3 1 9 6/j.c i m s.2 0 2 3.0 8.0 2 5收稿日期:2 0 2 1-0 4-1 2;修订日期:2 0 2 1-0 6-2 9。R e c e i v e d1 2A p r.2 0 2 1;a c c e p t e d2 9J u n e2 0 2 1.基金项目:国家自然科学基金资助项目(5 1 5 0 5 4 8 0,7 2 0 0 1 2 0 3);江苏省自然科学基金资助项目(KY C X 2 1_2 4 7 7)。F o u n d a t i o ni t e m s:P r o j e c ts u p-p o r t e db yt h eN a t i o n a lN a t u r a l S c i e n c eF o u n d a t i o n,C h i n a(N o.5 1 5 0 5 4 8 0,7 2 0 0 1 2 0 3),a n d t h eN a t u r a l S c i e n c eF o u n d a t i o no f J i a n g s uP r o v i n c e,C h i n a(N o.KY C X_2 4 7 7).基于离群点检测的关键顾客需求识别曹雪静1,王 宇1,曹 进2,张 娜1,李玉鹏1+,侯路遥1(1.中国矿业大学 矿业工程学院工业工程系,江苏 徐州 2 2 1 1 1 62.常州星宇车灯股份有限公司,常州 2 1 3 0 2 2)摘 要:对关键顾客需求进行分析和研究是获取产品(再)设计信息的有效途径。在考虑顾客需求重要度动态性的背景下,提出一种基于离群点检测的关键顾客需求识别方法。首先,基于邻域粗糙集理论确定顾客需求项的邻域关系;根据顾客需求项邻域关系所包含的知识确定顾客需求项之间的相似程度进而构建邻域信息网络。然后,结合马尔科夫随机游走策略构建关键顾客需求评估指标,并根据稳态向量识别关键顾客需求。最后,以某汽车产品的关键顾客需求识别为例,通过对比分析验证了方法的可行性和有效性。关键词:关键顾客需求;离群点检测;邻域粗糙集;复杂网络中图分类号:T P 2 4 2 文献标识码:AI d e n t i f i c a t i o no fk e yc u s t o m e r r e q u i r e m e n t sb a s e do no u t l i e rd e t e c t i o nC A OX u e j i n g1,WANGY u1,C A OJ i n2,ZHANGN a1,L IY u p e n g1+,HO UL u y a o1(1.D e p a r t m e n to f I n d u s t r i a lE n g i n e e r i n g,S c h o o l o fM i n e s,C h i n aU n i v e r s i t yo fM i n i n ga n dT e c h n o l o g y,X u z h o u2 2 1 1 1 6,C h i n a;2.C h a n g z h o uX i n g y uA u t o m o t i v eL i g h t i n gS y s t e m sC o.,L t d.,C h a n g z h o u2 1 3 0 2 2,C h i n a)A b s t r a c t:A n a l y s i s a n dr e s e a r c ho n t h ek e yc u s t o m e r r e q u i r e m e n t s i s a ne f f e c t i v em e a n s t oo b t a i np r o d u c t(r e)d e s i g ni n f o r m a t i o n.U n d e r t h ec i r c u m s t a n c eo f c o n s i d e r i n gt h ed y n a m i co f c u s t o m e r r e q u i r e m e n t si m p o r t a n c e,a n i d e n t i f i-c a t i o n m e t h o d o f k e y c u s t o m e rr e q u i r e m e n t s b a s e d o n o u t l i e r d e t e c t i o n w a s p r o p o s e d.T h e n e i g h b o r h o o dr e l a t i o n s h i p so f c u s t o m e r r e q u i r e m e n t sw e r ed e t e r m i n e db a s e do nt h en e i g h b o r h o o dr o u g hs e t t h e o r y.T h e s i m i l a r i t yo f i n f l u e n c i n gf a c t o r sb e t w e e nc u s t o m e rr e q u i r e m e n t sw a sd e t e r m i n e da c c o r d i n gt ot h ek n o w l e d g ec o n t a i n e di nt h en e i g h b o r h o o dr e l a t i o n s h i p s o f c u s t o m e r r e q u i r e m e n t s t o c o n s t r u c t t h en e i g h b o r h o o d i n f o r m a t i o nn e t w o r k.A ne v a l u a-t i o n i n d e xf o r t h ek e yc u s t o m e rr e q u i r e m e n t sw a sc o n s t r u c t e db yc o m b i n i n gt h eM a r k o vr a n d o m w a l kt h e o r y,a n dt h ek e yc u s t o m e r r e q u i r e m e n t sw e r e i d e n t i f i e db a s e do nt h es t a b l ev e c t o r.T a k i n gt h e i d e n t i f i c a t i o no fk e yc u s t o m e rr e q u i r e m e n t so f t h ea u t o m o t i v ep r o d u c t sa s a ne x a m p l e,t h e f e a s i b i l i t ya n de f f e c t i v e n e s so f t h em e t h o dw e r ev e r i f i e dt h r o u g hc o m p a r i s o na n da n a l y s i s.K e y w o r d s:k e yc u s t o m e r r e q u i r e m e n t;o u t l i e rd e t e c t i o n;n e i g h b o r h o o dr o u g hs e t;c o m p l e xn e t w o r k0 引言随着竞争态势的加剧,多样化的顾客需求使企业主导型市场逐渐转变为顾客主导型市场,因此产品是否能够满足顾客需求,直接决定了产品在市场竞争中的成功与否1-2。顾客需求具有多样性和差异性,产品设计过程中,企业难以在保证经济性的前提下完全满足所有顾客需求,往往会选择将有限的设计资源用于满足“关键顾客需求”3。对此,研究人员针对顾客需求重要度的确定及预测开展了一系计算机集成制造系统第2 9卷列研究。WANG等4根据客户需求多样化和顾客权重信息未知的情况,提出一种基于灰色关联分析的顾客需求重要度计算模型;Z HE NG等5提出一种基于区间加权粗糙数的顾客需求相对重要度计算方法,以确定信息模糊情况下顾客需求相对重要度;耿秀丽等6同时考虑顾客需求客观重要度、顾客需求竞争性重要度和顾客需求的卡诺属性,提出一种综合顾客需求重要度确定方法。上述研究未关注顾客需求重要度的动态性,而顾客所处自然环境和社会环境的变化,会导致顾客需求重要度发生变化。C HO N G等7研究发现不考虑顾客需求变化将导致产品无法持续满足顾客期望,因而提出基于人工免疫和神经系统方法对顾客需求重要度进行主动管理和预测;陈振颂等8在考虑顾客需求动态性的基础上,根据已确定的各子周期顾客需求重要信息进行分析,预测顾客需求重要度变化趋势;L I等9认为顾客之间的相互影响会使顾客需求重要度发生变化,提出采用模糊德尔菲法来捕获和评估动态顾客需求;S U N等1 0考虑顾客需求重要度时变性的特点,提出文本挖掘和自然语言处理方法研究顾客需求重要度的变化。上述研究考虑且有效刻画了顾客需求重要度的动态性,但对顾客需求影响因素的考虑相对片面。事实上,“顾客需求重要度”无法全面表征各需求项在设计过程中的动态性。特别是在自然环境、社会环境、技术创新、国家政策等因素的综合影响下,各需求项重要度的变化趋势不尽相同。因此,综合考虑顾客需求影响因素,识别关键顾客需求对于把握产品演化方向,提升市场竞争力具有重要意义。考虑顾客需求影响因素的变化,采用适当的多元统计分析方法获取其变化趋势,有望识别此类关键顾客需求。但一方面,多维度影响因素的时间序列数据难以获取;另一方面,影响因素与顾客需求间可能存在的复杂非线性影响关系难以确定。上述关键顾客需求极易随内外部环境变化而发生变化,究其原因是受顾客需求影响因素的影响程度分布与其他顾客需求不同,是一类“特殊”顾客需求。因此,本文引入离群点检测理论,尝试解决此类关键顾客需求识别问题,为产品(再)设计提供理论依据。离群点检测的目的是发现数据集中具有特殊行为模式的异常数据点1 1,可揭示稀有事件和现象、发现系统异常1 2。异常检测方法可分为基于统计学的方法1 3、基于聚类的方法1 4、基于分类的方法1 5和基于邻近性的方法1 64类。由于在数据空间探索中可以构建稳定的邻域关系,越来越多的研究关注于基于邻近性的离群点检测方法1 7,应用最为广泛的是基于邻域粗糙集的离群点检测方法1 8。另一方面,受惠于强大的数据表征能力及全面的理论方法,复杂网络1 9理论近年来快速向产品设计、制造服务及数据挖掘等领域渗透。作为离群点检测的新兴分支,基于网络的离群点检测方法将数据集建模成网络(图)结构,并使用图数据挖掘技术和复杂网络拓扑理论,从网络中找出分布、形成规律等方面存在异常的节点(数据点)2 0。WANG等2 1根据邻域信息建立加权邻域信息网络,并基于马尔科夫随机游走过程的稳态向量确定对象的离群程度;K I OU CHE等2 2将简单图嵌入异类标记图流中,使用图聚类方法进行离群点实时检测。基于网络的离群点检测方法可以捕获数据间的长期相关性,在解决实际问题上备受推崇。综上所述,本文将离群点检测技术引入关键顾客需求识别,总结提取顾客需求影响因素,通过评估各因素对需求项的影响程度,基于邻域粗糙集理论获取各顾客需求项的邻域关系,进而构建邻域信息网络,再结合马尔科夫随机游走理论构建关键顾客需求评估指标,从而识别关键顾客需求。最后,以某企业汽车产品的关键顾客需求识别为例,验证了方法的可行性和有效性。1 基于离群点检测的关键顾客需求识别如图1所示,基于离群点检测方法的关键顾客需求识别分为3个步骤:通过邻域粗糙集确定顾客需求项之间的邻域关系;构建顾客需求邻域信息网络;构建顾客需求关键程度指标并识别关键顾客需求。1.1 获取顾客需求邻域关系设顾客需求项集R=Ri,其中,Ri(i=1,2,n,下同)表示第i个顾客需求项。设顾客需求影响因素集C=ck,其中ck(k=1,2,m,下同)表示第k个影响因素。设rk i表示ck对Ri的影响程度得分,原始数据由行业专家和资深顾客评价获得。首先,采用0-1标准变换对rk i进行数据标准化,表示为:rki=rk i-m i ni=1,2,.,nrk im a xi=1,2,.,nrk i-m i ni=1,2,.,nrk i(0,1),i=1,2,n。(1)其中m a xi=1,2,nrk i 和m i ni=1,2,nrk i 分别表示rk i在ck2082第8期曹雪静 等:基于离群点检测的关键顾客需求识别上的最大值和最小值。从数据挖掘角度,邻域粗糙集理论可以有效地揭示数据点之间的客观关系2 3。信息系统可以用一个四元组表示:I S=(R,C,V,f)。其中:R为有限非空的对象集合,即顾客需求项集合;C为有限非空的属性集合,即顾客需求影响因素集合;V=Uf,表示属性值域;f作为一种映射关系,表示 为f(Ri,ck)Vck。在影响因素ck上,顾客需求项Ri的邻居集是在ck上与其得分相近的顾客需求项的集合,可记作:Nk(Ri)=Rj|Ri,RjR,d(rki,rkj)k。(2)式中:k=s t d(rki)/m e a n(rki)0表示Ri在ck上的自适应半径,其中:s t d(rki)和m e a n(rki)分别表示属性值的标准差和均值;d(rki,rkj)为Ri和Rj在ck上的距离函数,本文取d(rki,rkj)=|rki-rkj|,i,j=1,2,n(余同)。顾客需求项Ri在影响因素ck上与其邻居组成的二元数组的集合构成顾客需求项Ri在影响因素ck上邻域关系,记作:NRk(Ri)=(Ri,Rj)RR|RjNk(Ri),(3)则影响因素ck上顾客需求项的邻域信息系统为:R/NRk=|Nk(Ri)|。(4)式中|Nk(Ri)|为Ri在ck上的邻居个数。1.2 确定顾客需求邻域信息网络将顾客需求项Ri定义为网络节点,将其与邻居顾客需求项节点Rj之间的邻居关系定义为边。若顾客需求项Ri和Rj在任意一个影响因素ck上存在邻居关系,则两个顾客需求项节点之间存在一条边。以此为依据,则由NRk(Ri)可构建一张无权网络。任一影响因素ck上顾客需求项Ri和Rj之间欧式距离可以表示其ck上节点的相似度,距离越小,相似度越大,定义如下:ski j=1-|rki-rkj|。(5)网络上顾客需求项节点Ri和Rj的相似度是在综合考虑Ri和Rj在所有影响因素上的相似度大小的基础上确定的。进一步地,ck的权重应予以考虑,本文采用熵权法从评价数据本身挖掘影响因素的权重信息。ck的信息熵定义为:HK=-l nm-1ni=1|Nk(Ri)|Ukl n|Nk(Ri)|Uk。(6)式中Uk=ni=1|Nk(Ri)|。结合顾客需求邻域信息系统,影响因素ck的权重定义如下:wk=1-Hkm-mk=1Hk。(7)因此,则在网络上顾客需求项节点Ri和Rj的边权(相似度)计算如下:si j=0 i=jmk=1wkski j其他。(8)1.3 关键顾客需求指标构建随机游走策略是社区发现的经典策略,将待检测数据集中的数据对象建模为图中的顶点,各顶点连边权重表示随机游走者由某一顶点出发,移动到另一相邻顶点的概率。马尔科夫随机游走2 4指从初始状态开始,随机游走者按照特定的转移概率矩阵进行转移,并最终达到一个稳定状态,状态转移具有无后效性。在顾客需求邻域信息网络上,任意两个顾客需项节点之间的转移概率可以根据两点间的边权计算,顾客需求项Ri和Rj之间的相似度越高,两顾3082计算机集成制造系统第2 9卷客需求项节点之间的边权越大,相应地,转移概率越高。即顾客需求项节点Ri总是趋于向与其更相似的邻居顾客需求项节点Rj转移,且两顾客需求项节点相似度越高转移概率越大。矩阵A=(ai j)nn表示顾客需求邻域信息网络上顾客需求项节点Ri和其邻居顾客需求项节点Rj之 间的边权,定 义如下:A=SB。(9)其中:S=(si j)n n表示任意两个顾客需求项节点Ri和Rj之间的综合相似度,B=(bi j)nn表示两个顾客需求项节点之间是否有邻居关系的二进制矩阵:bi j=1 ck,RjNk(Ri)0其他。(1 0)定义矩阵D为矩阵A的对角矩阵,对矩阵A进行行 归 一 化 处 理 得 到 状 态 转 移 概 率 矩 阵P=(pi j)nn,这样可保证从某一节点出发向其邻居节点转移的概率和为1。pi j表示从节点Ri出发到达其邻居节点Rj的概率,定义如下:P=AD-1,(1 1)则状态转移向量定义为:(t)=(t-1)P。(1 2)其中(t)=(t)1,(t)2,(t)n)为第t次转移后的状态转移向量,第i个分量(t)i表示从任一节点出发访问Ri的概率。(0)=(1/n,1/n,1/n)表示初始状态向量,表示在初始状态时,每个顾客需求项节点的被访问概率相等。从初识状态开始,按转移概率矩阵P进行随机游走,每次游走代表依次状态转移,可得转移后的状态向量。在达到稳定状态之前,不同状态下同一顾客需求项节点被访问的概率不断变化。受马尔科夫过程无后效性的影响,状态转移过程终会收敛,系统达到稳定状态。此时,同一顾客需求项节点的被访问概率不再改变,即(t)=(t-1)。(1 3)式中(t)为稳态向量,其分量表示对应顾客需求项节点的被访问概率,概率越大,说明此顾客需求项节点与剩余顾客需求项节点的相似程度越高,则其特殊性,即关键程度越小。各顾客需求项节点重要度得分计算如下:i=(-)(t)i-m i n(t)i)m a x(t)i-m i n(t)i+。(1 4)式中:,为实数,且,目的是根据需要将数据取值范围进行缩放,本文案例中取=1,=1 0 0;m a x(t)i 和m i n(t)i 分别表示稳定状态下分量(t)i中的最大值和最小值。最后,求得顾客需求项Ri的关键指数得分i=inj=1bi j。(1 5)上述算法的伪码如表1所示。表1 关键顾客需求识别算法伪代码算法1:基于离群点检测的关键顾客需求识别输入:影响矩阵nm/构建邻域信息系统1:F o ri=1t on2:F o rk=1t om3:rki=rk i-m i ni=1,2,nrk im a xi=1,2,nrk i-m i ni=1,2,nrk i(0,1)4:Nk(Ri)=Rj|Ri,RjR,d(rki,rkj)k5:NRk(Ri)=(Ri,Rj)RR|RjNk(Ri)6:R/NRk=|Nk(Ri)|7:E n df o r/确定顾客需求邻域信息网络8:F o rk=1t om9:ski j=1-|rki-rkj|,(i,j=1,2,n)1 0:HK=-l nm-1ni=1(|Nk(Ri)|Uk)(l n|Nk(Ri)|Uk)1 1:wk=1-Hkm-mk=1Hk1 2:si j=0 当i=jmk=1wkski j,其他1 3:E n df o r/构建关键顾客需求指标1 4:F o rk=1t om1 5:S=(si j)nn;B=(bi j)nn,(i,j=1,2,n)1 6:bi j=1,ck,RjNk(Ri)0,其他1 7:A=S B1 8:P=AD-11 9:(0)=(1/n,1/n,1/n)2 0:(t)=(t-1)P2 1:E n df o r2 2:F o ri=1t on2 3:i=(-)(t)i-m i n(t)i)m a x(t)i-m i n(t)i+2 4:i=inj=1bi j2 5:E n df o r输出:顾客需求关键指数得分4082第8期曹雪静 等:基于离群点检测的关键顾客需求识别2 案例分析2.1 案例背景巨大的市场需求为汽车企业提供发展机会的同时也提出了更高要求,汽车产品的设计生产要尽可能考虑顾客需求及其演化。本文以汽车产品关键顾客需求识别为例进行方法验证,期望对(再)设计提供方向。以某企业汽车产品前期市场调研为基础,获取1 0 7个顾客需求项(如表2),7个顾客需求影响因素(如表3)。通过领域内专家及资深用户打分获取各影响因素对顾客需求项的影响评价数据。专家团队由两名设计工程师,五名销售经理及5名资深驾驶人组成。表2 汽车产品顾客需求项表需求项编号描述需求项编号描述R1主要乘坐性能优R2 6空调总布置合理R2主要冲击性能优R2 7空调人机交互设计优R3次乘坐性能优R2 8空调热舒适性好R4离散冲击减震能力强R2 9除霜除雾能力强R5空间及储物性强R3 0车内空气质量好R6驾驶操作性好R3 1压缩机开关不影响驾驶R7坐姿舒适R3 2驻车时转向性能好R8进出方便R3 3直线行驶时转向易控制R9视觉范围广R3 4弯道行驶时转向易控制R1 0车内指示易于辨认R3 5转向干扰及错误状态少R1 1座椅易于调整R3 6直线行驶稳定R1 2座椅异响水平低R3 7弯道行驶稳定R1 3座椅外观品质好R3 8瞬态操作稳定R1 4座椅具有高级功能R3 9制动系统整体品质好R1 5短时动态座椅乘坐舒适R4 0制动系统整体品质好R1 6中时动态座椅乘坐舒适R4 1制动效果好R1 7长时动态座椅乘坐舒适R4 2制动过程稳定R1 8座椅无特殊气味R4 3制动过程舒适R1 9娱乐设施反应速度快R4 4制动抗干扰性强R2 0娱乐功能操作逻辑简单R4 5驻车制动性好R2 1娱乐设施精准度高R4 6外部照明装置性能好R2 2娱乐设施视觉效果好R4 7外部信号装置性能好R2 3娱乐设施的按键品质好R4 8舱内照明装置性能好R2 4娱乐设施稳定性高R4 9舱内背景光灯性能好R2 5音响效果好R5 0安全带外观品质高R5 1安全带异响水平低R8 0外观触感好续表2R5 2安全带佩戴舒适R8 1开关车门声音清脆R5 3安全带佩戴舒适R8 2内饰的感知品质高R5 4安全带无特殊气味R8 3内饰的造型美观R5 5配备安全气囊数量足够R8 4内饰性能品质高R5 6点火与熄火带来的震动小R8 5内饰制造品质高R5 7启动暖机工况震动小R8 6仪表板区域设计美观R5 8怠速震动小R8 7换挡区域操作方便R5 9原地加速震动小R8 8转向盘区域操作方便R6 0怠速蠕行震动小R8 9车门区域操作方便R6 1加减速震动小R9 0座椅区域操作方便R6 2具有车道辅助功能R9 1顶棚区域布置合理R6 3具有并线辅助功能R9 2汽车行驶产生有害气体少R6 4具有全景显示功能R9 3汽车行驶产生电磁噪音小R6 5具有自适应巡航控制功能R9 4汽车行驶产生噪声小R6 6具有自动泊车辅助功能R9 5车身材料环保R6 7驾驶静态性能好R9 6轮胎材料环保R6 8驾驶起步性能好R9 7内饰材料环保R6 9驾驶加速性能好R9 8燃油经济性R7 0驾驶匀速性能好R9 9全损耗系统用油消耗量小R7 1驾驶换挡性能好R1 0 0零部件故障性质不严重R7 2松/踩油门性能好R1 0 1零部件故障次数少R7 3外观尺寸公差符合要求R1 0 2主要零部件耐用R7 4外观无明显缺陷R1 0 3次要零部件耐用R7 5外观色调好看有光泽R1 0 4零部件通性强R7 6外观上的标示与标志清晰R1 0 5润滑液等易购性强R7 7车身刚度强R1 0 6品牌4 S店分布广R7 8外观操作品质高R1 0 7品牌4 S店分布多R7 9外观固定品质好表3 影响因素表编号影响因素具体含义c1自然环境气候温度、道路条件等c2油价汽车燃料种类及燃料价格等c3市场流行趋势汽车市场及相关市场的流行趋势c4新政策新出台的汽车产业发展政策及相关政策c5技术创新汽车产业相关的技术创新c6竞争汽车企业之间产品的竞争c7个人用途个人的特殊用途,如需要载人较多,需要载小孩等2.2 基于离群点检测的关键顾客需求识别对收集的顾客需求影响因素专家打分表进行均值化处理,得到影响矩阵(详见附录中表1)。根据5082计算机集成制造系统第2 9卷式(1)对影响矩阵进行数据标准化,得到标准影响矩阵。根据式(2)式(4)建立顾客需求项的邻域信息系统,结合复杂网络理论构建相应的邻域信息网络,如图2所示。根据式(6)和式(7)计算各影响因素的权重,结果如表4所示。根据式(5)和式(8)计算顾客需求项之间的相似度,结果如图3所示。根据式(9)式(1 5),计算得到各顾客需求项Ri的关键指数如表5所示,分布如图4所示。表4 影响因素权重表影响因素权重影响因素权重自然环境0.1 4 3 1 2 3技术创新0.1 4 1 7 5 2油价0.1 4 3 8 7 6竞争0.1 4 2 6 8 6市场流行趋势0.1 4 2 8 7 9个人用途0.1 4 2 6 0 8新政策0.1 4 3 0 7 5表5 顾客需求项关键指数R关键指数R关键指数R关键指数R10.7 6 28 3 3R3 70.7 9 06 4 0R7 30.7 1 72 2 8R20.8 1 80 7 7R3 80.8 7 92 5 4R7 40.7 2 42 7 3R30.7 6 98 7 7R3 90.7 2 20 4 8R7 50.7 7 06 1 9R40.6 1 71 2 1R4 00.6 6 34 6 7R7 60.6 3 15 8 1R50.4 3 39 6 2R4 10.7 7 43 2 6R7 70.8 0 76 9 5R60.6 9 75 7 8R4 20.8 2 69 7 5R7 80.8 4 92 2 1R70.7 9 32 3 6R4 30.7 7 43 2 6R7 90.8 5 81 2 0R80.7 1 83 4 1R4 40.8 6 03 4 4R8 00.7 5 83 8 3R90.7 8 54 4 9R4 50.8 0 25 0 5R8 10.7 9 84 2 6R1 00.8 7 77 7 0R4 60.6 9 42 4 1R8 20.6 6 68 0 4R1 10.5 9 11 6 8R4 70.5 9 45 0 4R8 30.6 7 05 1 2R1 20.7 7 43 2 6R4 80.8 1 47 4 0R8 40.8 4 21 7 7R1 30.6 7 71 8 5R4 90.7 9 58 3 1R8 50.8 2 25 2 6R1 40.4 2 13 5 6R5 00.2 9 93 7 4R8 60.8 3 36 4 9R1 50.8 5 77 4 9R5 10.4 9 84 7 6R8 70.8 7 85 1 2R1 60.7 6 46 8 6R5 20.4 8 36 4 5R8 80.9 1 55 8 9R1 70.5 2 81 3 7R5 30.6 1 97 1 7R8 90.8 1 88 1 8R1 80.7 2 09 3 6R5 40.4 4 73 1 0R9 00.8 6 85 0 1R1 90.5 5 14 9 5R5 50.2 9 71 4 9R9 10.8 2 06 7 2R2 00.7 1 16 6 7R5 60.7 2 13 0 7R9 20.4 9 58 8 0R2 10.7 1 35 2 1R5 70.6 5 79 0 6R9 30.5 9 59 8 7R2 20.5 3 62 9 4R5 80.6 4 56 7 0R9 40.5 9 78 4 1R2 30.5 5 07 5 4R5 90.6 5 71 6 4R9 50.3 1 19 8 0R2 40.6 3 26 9 3R6 00.6 8 75 6 7R9 60.3 7 05 6 1R2 50.5 9 78 4 1R6 10.6 6 45 7 9R9 70.4 4 13 7 8R2 60.9 3 52 3 9R6 20.1 5 40 3 3R9 80.2 5 71 0 6R2 70.8 5 47 8 3R6 30.0 8 58 1 2R9 90.0 6 98 6 9R2 80.8 6 10 8 6R6 40.1 2 73 3 8R1 0 00.9 1 29 9 3R2 90.8 4 88 5 1R6 50.0 0 94 3 4R1 0 10.8 3 73 5 7R3 00.7 7 58 1 0R6 60.0 1 75 9 1R1 0 20.7 9 32 3 6R3 10.9 4 33 9 6R6 70.7 8 50 7 9R1 0 30.8 9 11 1 8R3 20.8 5 29 2 9R6 80.8 5 33 0 0R1 0 40.8 2 54 9 2R3 30.8 8 11 0 7R6 90.7 8 32 2 5R1 0 50.5 9 67 2 9R3 40.8 3 88 4 0R7 00.8 1 54 8 2R1 0 60.5 2 66 5 4R3 50.9 2 07 7 9R7 10.7 6 72 8 2R1 0 70.5 1 40 4 8R3 60.8 2 69 7 5R7 20.6 8 86 7 9S E O等2 5将离群点检测应用在异常顾客评论识别 上,将 不 寻 常 客 户 评 价 的 识 别 比 例 设 定 为1 0%。本文借鉴该结论,确定关键指数排序在前1 0%的顾客需求项为关键顾客需求项,对其进行分析,为产品(再)设计提供方向。据此识别出1 1个关键顾客需求项,如图4中的三角数据点所示。6082第8期曹雪静 等:基于离群点检测的关键顾客需求识别关键顾客需求项及相应关键指数如表6所示。表6 关键顾客需求项及关键指数编号关键顾客需求项关键指数R6 5具有自适应巡航控制功能0.0 0 94 3 4R6 6具有自动泊车辅助功能0.0 1 75 9 1R9 9全损耗系统用油消耗量小0.0 6 98 6 9R6 3具有并线辅助功能0.0 8 58 1 2R6 4具有全景显示功能0.1 2 73 3 8R6 2具有车道辅助功能0.2 5 71 0 6R9 8燃油经济性0.2 5 71 0 6R5 5配备安全气囊数量足够0.2 9 71 4 9R5 0安全带外观品质高0.2 9 93 7 4R9 5车身材料环保0.3 1 19 8 0R9 6轮胎材料环保0.3 7 05 6 12.3 分析和讨论(1)车道辅助(R6 2)、并线辅助(R6 3)、全景显示(R6 4)、自适应巡航控制(R6 5)和自动泊车辅助(R6 6)是驾驶辅助系统的5个子系统,需要识别驾驶环境信息,确定驾驶状态,以在正确的时间以正确的方式控制汽车或发出警报。规范的交通设施和严格的交通规则,为智能驾驶辅助系统提供了条件。得益于人工智能和车联网技术的突飞猛进,驾驶辅助系统也不断推陈出新。驾驶辅助系统有助于降低驾驶人疲劳程度,提高汽车行驶安全性。因此,尽管在其发展之中,存在如车辆控制精度和响应速度不能达到理想状态等问题,但仍有许多顾客愿意购买具有驾驶辅助系统的汽车产品,进而造成上述5类顾客需求项受各影响因素的影响程度分布表现异常,成为关键顾客需求。与实际情况相符,汽车驾驶辅助系统配置正在逐渐普及。企业汽车产品进行(再)设计时若能在此处有较大改善,在市场竞争上会具有一定优势。(2)车身材料环保(R9 5)和轮胎材料环保(R9 6)表示车身材料和轮胎材料在能满足车身硬度和轮胎耐磨程度的基础上使用环保材料进行生产。一方面,国家对可持续绿色发展高度重视,政策和技术创新资源不断向使用/生产环保材料的企业倾斜;另一方面,顾客的环保和健康理念促使驾驶需求及市场环境发生改变。因此顾客将更倾向于购买使用环保材料制造车身和轮胎的汽车,相关顾客需求项也被识别为关键顾客需求项。环保材料的使用范围正在逐渐扩大,汽车现已成为生产生活中不可或缺的一部分,在保证功能实现的前提下原有汽车制造材料会逐渐被新的环保材料替代。企业汽车产品进行(再)设计时若使用环保材料生产的车身和轮胎,不仅能获得国家相关政策扶持还能获得有环保意识的客户资源。(3)燃油经济性(R9 8)指百公里油耗量,是评价汽车驾驶经济性的主要指标,因此顾客会首先考虑汽车燃油经济性,同时,国家政策大力扶持节能减排及新能源汽车的推广,因此,虽然电池技术虽未完全成熟,但现有设计制造水平已使燃油经济性低的汽车产品不具市场优势。从而燃油经济性(R9 8)受各因素影响产生的波动将日益显著,成为关键顾客需求。燃油汽车逐渐被清洁能源汽车取代是汽车发展的不可逆趋势,在当下电池关键技术难关未攻克情形下,企业汽车产品进行(再)设计时应当对其相关功能模块进行考虑。(4)安全气囊(R5 5)是汽车意外安全保护机制里保护驾驶员安全的最后一道防线。汽车行驶环境日益复杂,交通事故发生次数和事故死亡人数逐年递增,由于汽车结构和安全气囊的性能趋于一致化,顾客更倾向于购买具有多气囊配置的汽车。(5)全损耗系统用油消耗量小(R9 9)是汽车行驶较长公距离,全损耗系统在不加油或者加很少全损耗系统油的情况下,汽车仍具有较好的性能。现汽车的制造工艺提升,路况越来越来好,全损耗系统用油消耗量多少已经不能影响人们的购车选择。安全带外观品质(R5 0)指安全带的外观设计。安全带是汽车意外安全保护机制的一部分,符合国家标准的安全带都具有保护驾驶员和乘客的功能。故而,安全带外观品质高低不会对顾客购买汽车产生影响。上述两类需求项受各因素的影响程度普遍较小,从影响模式上来看也属于异常模式,但此类异常表示“另外一个极端”,相关需求项在汽车产品设计过程中仅需满足基本功能,无需过多关注。由上述分析可知,本文所提方法能够某汽车产7082计算机集成制造系统第2 9卷品关键顾客需求识别问题。基于离群点检测的关键顾客需求识别是离群点检测方法应用领域扩展,更是为解决顾客需求分析类问题提供了新的可借鉴思路,具有理论意义和实践意义。2.4 对比分析本节使 用基于密度 的 离 群 点 检 测 方 法L O F(l o c a l o u t l i e r f a c t o r)2 6和本文所提方法2 0进行对比,以验证本文方法更适合考虑顾客需求影响因素情况下关键顾客需求的识别。同样地,确定离群因子排序在前1 0%的需求项为关键顾客需求项,据计算识别出1 1个关键顾客需求项,如图5三角数据点所示。L O F方法识别出的关键顾客需求项及离群因子得分如表7所示。表7 L O F识别结果及离群因子得分编号顾客需求项离群因子编号顾客需求项离群因子R9 8燃油经济性3.4 7 30 7 4R1 7长时动态座椅乘坐舒适1.5 0 88 8 8R9 9全损耗系统用油消耗量小3.1 0 37 6 6R9 7内饰材料环保1.4 3 76 0 7R1 0 7品牌4 S店分布多1.7 1 77 8 3R9 6轮胎材料环保1.3 9 56 5 3R1 0 6品牌4 S店分布广1.6 8 48 9 9R9 5车身材料环保1.3 4 75 0 3R5空间及储物性强1.6 7 20 6 8R1 6中时动态座椅乘坐舒适1.3 1 02 9 5R5 5配备安全气囊数量足够1.6 3 36 0 3 由2.3节的分析可知,燃油经济性(R9 8)、轮胎材料环保(R9 6)、车身材料环保(R9 5)、配备安全气囊数量足够(R5 5)4个关键顾客需求项会对顾客购买汽车行为产生影响,可以指导汽车产品的生产和更新换代。内饰材料环保(R9 7)指由环保材料生产的内饰,内饰是整车与驾驶员和乘客直接接触时间最长的部分,非环保材料生产的内饰会对驾驶人和乘客产生危害。当下汽车内饰大部分由环保材料制造,故而其不是顾客购车时重点关注项。长时动态座椅乘坐舒适(R1 7)和中时动态座椅乘坐舒适(R1 6)指汽车中长时间行驶情形下,通过座椅乘坐舒适缓解驾驶人和乘坐人疲劳的能力