產品設計評價中專家權重動態賦權方法及應用

李曉英，周大濤

?

產品設計評價中專家權重動態賦權方法及應用

李曉英，周大濤

(湖北工業大學工業設計學院，湖北 武漢 430068)

為提高產品設計評價結果的可靠性，構建了一種基于群體共識度和聚類分析的專家權重動態賦權流程。引入群體共識度和貼近度模型來判斷、識別及排除差異性較大的專家評價結果，促進群體評價達到共識度閾值要求；利用系統聚類算法演繹不同評價準則下專家群體的歸類情況，確定類容量大小，進行動態賦權；最后通過加權計算獲得綜合評價結果，為設計決策提供評價參考。以車用智能警示牌概念方案的設計評價為例，驗證了其可行性和有效性，并進行不同賦權方法下綜合評價結果的對比研究。結果表明，該方法能夠客觀、真實地表征專家個體對不同評價對象的認知程度，其綜合評價結果在可靠性上優于平均賦權方法和靜態賦權方法，具有一定的實用價值。

工業設計；動態賦權；共識度；聚類分析；設計評價

隨著經濟與技術水平的提高，產品設計逐漸發展成為跨領域、綜合性及整體性的協同設計活動[1]，產品設計方案的評價準則、指標及屬性日益多樣化、復雜化，通過專家群體評價的方式進行設計決策的優勢得到了廣泛認同、重視及推廣應用。產品設計評價中的多屬性群體決策問題已然成為現在設計管理科學的研究熱點，此類問題被定義為多個專家依據多個評價屬性或指標對多個評價對象進行比較、判斷、擇優的過程[2]。由于專家個體的專業背景、行為偏好以及認知能力、程度等存在差異，異質性特征明顯。同時，受客觀事物的不確定性、復雜性等影響，專家群體之間以及同一專家個體對同一評價對象的不同屬性的認知程度趨于不一致[3]，因而對多屬性群體決策問題的研究多集中在兩個方面：一是個體認知上的差異性，導致專家群體評價意見難以達成共識；二是在評價意見存在差異時，如何對參與設計評價的專家個體權重進行賦權。

針對上述問題，很多文獻從不同角度出發，提出平均賦權、靜態賦權、動態賦權及交互式評價等方法來實現個體權重的賦權或群體共識度的達成。如文獻[4-7]在產品設計評價的研究和應用中將專家意見視為一致，忽略了共識度和權重差異問題，對其平均賦權，這種簡化的做法顯然不能對產品設計方案進行客觀、準確地評價；文獻[8-11]考慮到專家權重對設計評價結果的影響，但往往依據專家在本領域的聲望、權威性以及決策經驗進行主觀靜態賦權，而沒有將專家個體權重與評價信息的動態性[12]相結合，也未考慮專家個體對不同產品屬性的認知差異，評價結果缺乏可靠性；文獻[13-17]基于專家評價信息的差異性、相似性水平對個體權重進行動態賦權，但忽略了專家群體評價結果的共識度水平，而簡單集結其偏好、意見或評分結果，導致所獲得的最優方案可接受程度低，影響設計方案的可靠性或投放市場的成功率；文獻[18-20]采用多次重復調整的交互式決策方法使專家群體意見達成共識，導致設計評價成本增加、效率降低，而且產品設計的某些感官屬性(如：造型、色彩、體驗等)對人的首次主觀感受要求較高，重復評價過程會造成專家認知心理的改變、評價意見失真或無法達成共識[21]，其應用具有局限性。目前，尚缺少同時有效解決專家個體權重賦權問題和專家群體共識度問題的設計評價方法。

基于以上討論，本文構建一種面向產品設計評價的專家權重動態賦權流程。通過引入群體共識度模型來判斷專家評價結果的差異性程度；通過貼近度排除差異大的專家評價結果，促進群體共識度達到閾值要求；并結合聚類算法對專家評價結果進行分類，依據類容量大小對專家權重進行動態賦權，以車用智能警示牌的設計方案評價為例，驗證該方法的可行性和有效性。相較于平均賦權方法、靜態賦權方法及交互式重復決策方法，本文方法具有可靠性強、有效性高、評價效率快及適用范圍廣等優勢。

1 專家權重的靜態和動態賦權概述

按照專家個體權重賦權時所考慮的參考因素劃分，賦權方式分為：①依據決策者的經驗、知識或在專業領域的權威性，通過環比打分法[22]、群組協商法、專家調查法或Delphi法等對專家進行主觀賦權。權值確定后，對于不同的產品屬性，專家個體權重不再改變，是一種靜態權重。這種賦權方式對專家之間彼此的熟悉程度要求較高，適用范圍、場景及使用條件有限，且不能客觀地反映專家個體對不同屬性的認知程度，不能保證評價結果的可靠性；②依據專家評價信息的質量對其進行逆判、賦權，多采用計算專家個體評價向量之間的貼近程度或計算個體判斷矩陣與群組矩陣的偏差及相似性等方法對專家進行客觀賦權[23]。在產品設計評價過程中，這種客觀賦權方式能夠隨著不同屬性下專家評價信息質量的不斷變化而適時調整專家個體權重，能夠真實、客觀地反映專家認知程度，其獲得的權重系數大小是不固定的，因而是一種動態賦權。

在單一屬性的設計評價過程中，保持專家權重固定不變是有其必然性，但產品設計評價是一個多屬性下的綜合評價活動，隨著評價準則、指標及屬性的改變，專家評價信息的質量也必然會發生變化，因而進行動態賦權，以保證設計評價結果的可靠性。同時，也能夠有效地解決或避免對專家聲望、權威性等復雜、主觀、非量化因素的判斷問題，擴大其設計評價方法的適用和使用范圍。

2 基于群體共識度和聚類分析的專家權重動態賦權流程

2.1 專家群體共識的判斷

共識度達成的最終目的是專家群體評價意見的統一，該過程包括共識度的測量以及非共識的識別、修正。共識度的達成有助于減小設計評價中專家個體之間的認知分歧，提高設計方案的可信度。

設由名專家組成專家集合={1，2，?，}，對某一屬性下個設計方案進行評價。

該方法可有效避免交互式重復評價導致的評價高成本和低效率問題，提高了評價效率；同時，也可避免重復評價時專家對感官屬性的評價失真問題，擴大了該方法的適用、使用范圍。

2.2 專家個體權重的確定

在確定專家個體權重時，采用聚類分析將專家個體評價向量劃分為不同類別，一方面可減少評價過程中的隨機性，弱化專家個體主觀評價、認識的不確定性、模糊性等對評價結果的影響；另一方面可依據類容量的大小確定專家個體權重。

步驟1. 假設名專家個體評價向量各自為一類G，將具有最大相似性的2個類聚為一個新類；

步驟2.計算新類與其他評價向量的相關系數，即

步驟3.依據式(4)重新構造相關系數矩陣，并重復步驟1和步驟2，直到所有專家聚為一類，生成多閾值下的聚類圖。依據實際情況設定聚類閾值，按最鄰近原則判別專家個體評價向量的類屬，即2類之間的相關系數滿足

則兩類聚為一類。

X=f/(6)

2.3 動態賦權流程的構建

事實上，上述群體共識的判斷和個體權重的確定只是一種靜態描述。但在實際應用中，隨著評價屬性的改變，專家評價信息的質量也必然會發生變化。為真實、客觀地反映專家對不同評價屬性的認知程度，專家權重也必須適時動態調整，以保證設計評價結果的可靠性、有效性。本文構建的專家權重動態賦權流程如圖1所示。

圖1 專家權重動態賦權流程圖

步驟1.明確產品設計評價屬性和方案體系；

步驟2.組織行業專家依據1-9級量表[24]，對某一屬性下個產品設計方案進行評價，并構造AHP個體判斷矩陣；

3 實例研究

圖2 車用智能警示牌產品設計屬性評價體系

通過焦點小組、頭腦風暴等調查和設計方法，對車用智能警示牌的各設計屬性進行分析，初步擬定了各個產品設計屬性下的初、次級解決方案，具體內容見表1。在結合用戶需求和企業現有技術條件的基礎上，參考相關文獻和專利技術、設計規范等篩選出4組典型次級解決組合方案，組織工業設計師進行前期的產品概念設計，共形成4個概念設計方案，結果見表2。

表2 車用智能警示牌的概念設計方案

根據步驟1和步驟2要求，組織5名行業專家(工業設計師2名、用戶代表1名、企業工程師 1名及項目負責人1名)對4個概念設計方案進行群體綜合評價。采用層次分析法對5個產品屬性下的4個設計方案進行兩兩比較評價，限于篇幅，文中只列出穩定性下各專家的AHP判斷矩陣。

根據步驟4要求，利用式(1)~(3)計算共識度水平和貼近度L。表3中，除A2，A4屬性外，其他均未達到共識度閾值*=0.9的要求，因此，對A1，A3和A5屬性下貼近度較低的專家評價結果進行排除，并重新計算共識度，以促進群體間評價結果達到共識度閾值要求。例如：自主性下群體共識度(=0.7420)小于共識度閾值，則對貼近度最低(3=0.1436)的專家3的評價結果進行排除，計算調整后的共識度，直到最終共識度=0.9960大于閾值，則調整結束，進入步驟7計算。同理對其他屬性下的群體評價結果的共識度進行判斷和調整，最終結果見表3。

表3 各屬性下的方案權重及專家評價結果之間的貼近度和共識度

根據步驟5要求，對達成共識的專家設計評價向量進行分類，輸出聚類圖(圖3)，穩定性下5名專家被分為了3類，專家1，3，4聚為一類，專家2，5各聚為一類。依據式(8)計算出穩定性下各專家的權重系數為1=3/11，2=1/11，3=3/11，4=3/11，5=1/11。

圖3 穩定性下專家設計評價結果聚類圖

根據步驟6要求，重復上述步驟，對其他屬性下各專家的權重系數進行確定，結果見表4，動態賦權會隨著評價屬性的變化而改變，更能真實地反映專家對不同評價屬性的認知程度。

表4 各屬性下專家的動態權重分布

由表5可知，設計方案的優劣排序為：F3(3=0.3770)＞F4(4=0.3204)＞F1(1=0.1517)＞F2(2=0.1508)，則最優方案為F3，F3在自主性、警示性上優于其他方案。在群體綜合評價結束之后，以表5結果為依據，以F1，F2，F4的設計屬性為參考，可確定F3設計優化的方向、準則及參照。例如，穩定性上，采用C9/1配重板結構，增加穩定性；美觀性上，采用C11/1紅色和黑色均衡搭配，保證色彩與功能的適應性。最終優化后的產品功能樣機如圖4所示，該方案得到了專家及企業的肯定和認可。

表5 各屬性下設計方案的綜合評價向量及總排序向量

圖4 車用智能警示牌功能樣機

由圖5可知，自主性下，N3和N4賦權方法認為方案3最優，N1和N2則認為方案4最優，分析發現，N1和N2結果差異性較大是因為賦予了專家3較大的權重；美觀性下，N1，N2和N4均認為方案3最優，N3則認為方案4最優，分析發現，N1，N2和N4賦權方法對偏向方案3的專家3和4賦予了較大權重，導致擇優結果出現偏差，盡管N4賦予了專家3和4相對較小的權重(3=4=1/7)，但忽略了群體共識度的閾值要求，未能對評價結果偏差較大的專家3和4進行排除，從而導致評價結果出現偏差；總排序結果上，除N2以外，N1，N4獲得的優劣排序結果與N3相同，但其各屬性下的綜合排序結果與N3存在明顯差異，不利于概念方案的優化設計。綜上，本文采用的N3賦權方法在充分考慮群體共識度水平的情況下進行專家權重動態賦權，能夠客觀、真實、準確地反映專家個體的認知程度，獲得的評價結果有較高的可信度，較其他賦權方法具有優越性。

圖5 不同賦權方法的綜合評價向量和總排序向量

4 結 論

為提高產品設計評價結果的可靠性，針對多屬性群體決策中專家意見一致化與專家權重確定的問題，基于群體共識度和聚類分析構建了專家權重動態賦權流程。以設計評價實例驗證了方法的可行性和有效性，并通過不同賦權方法下綜合評價結果的對比研究，證明了該方法的優越性，為相關產品設計評價方法的應用提供了參考。

(1)本文著重討論了專家權重對評價結果的影響，但專家樣本結構、數量的合理性和科學性、專家評判標準、準則及方式的選擇、專家判斷信息(矩陣元素)的檢驗、集結及修正等因素都會對產品設計評價結果造成影響，后續將對其進行研究補充。

(3) 針對設計評價方法在復雜或大樣本量設計評價過程中應用的復雜性、實用性等問題，擬構建計算機輔助評價集成平臺，將設計評價算法、流程及模型等以系統方法庫、模型庫的形式進行調用，以提高設計評價效率，降低評價成本。同時，也有利于產品設計評價方法的適用、使用及推廣。

[1] 楊延璞, 顧蓉, 古玉鋒. 基于PAM聚類的工業設計方案評價共識度達成方法[J]. 計算機集成制造系統, 2017, 23(7): 1386-1393.

[2] 杜娟, 霍佳震. 交互式多屬性群決策評價方法研究[J]. 中國管理科學, 2016, 24(11): 120-128.

[3] DONG Y C, ZHANG H J, HERRERA-VIEDMA E. Integrating experts’ weights generated dynamically into the consensus reaching process and its applications in managing non-cooperative behaviors[J]. Decision Support Systems, 2016, 84: 1-15.

[4] BANG W, CHANG B Y. Quality factor analysis of metalworking process with AHP[J]. International Journal of Production Research, 2013, 51(19): 5741-5756.

[5] ZOHOORI A, VAHEDI A, MEO S, et al. An improved AHP method for multi-objective design of FSPM machine for wind farm applications[J]. Journal of Intelligent & Fuzzy Systems, 2015, 30(1): 159-169.

[6] DEMIRTA? N, ?ZGüRLER S, ?ZGüRLER M, et al. Selecting e-purse smart card technology via fuzzy AHP and ANP[EB/OL]. [2018-05-06]. https://dr.dio.org/ 10.1155/2014/619030.

[7] 王偉偉, 陳萌萌, 劉音, 等. 傳統養生文化中的設計因子提取及應用研究[J]. 圖學學報, 2017, 38(1): 52-56.

[8] KRENG V B, WU C Y, WANG I C. Strategic justification of advanced manufacturing technology using an extended AHP model[J]. International Journal of Advanced Manufacturing Technology, 2011, 52(9-12): 1103-1113.

[9] 孫霞, 曾守楨. 群體綜合評價中兼顧權威與共識的專家權重方法研究[J]. 數學的實踐與認識, 2014, 44(8): 42-47.

[10] EKLUND P, RUSINOWSKA A, DE SWART H. Consensus reaching in committees[J]. European Journal of Operational Research, 2007, 178(1): 185-193.

[11] 李永鋒, 侍偉偉, 朱麗萍. 基于灰色層次分析法的老年人APP用戶體驗評價研究[J]. 圖學學報, 2018, 39(1): 68-74.

[12] 劉鵬, 晏湘濤, 匡興華. 交互式決策中的專家動態權重[J]. 工業工程與管理, 2007, 12(5): 32-36.

[13] YE J. Simplified neutrosophic harmonic averaging projection-based method for multiple attribute decisionmaking problems[J]. International Journal of Machine Learning & Cybernetics, 2017, 8(3): 981-987.

[14] CHEN Z P, YANG W. A new multiple attribute group decision making method in intuitionistic fuzzy setting[J].Applied Mathematical Modelling, 2011, 35(9): 4424-4437.

[15] LIU P D, LIU X. The neutrosophic number generalized weighted power averaging operator and its application in multiple attribute group decision making[J]. International Journal of Machine Learning & Cybernetics, 2018, 9(2): 347-358.

[16] BERNASCONI M, CHOIRAT C, SERI R. Empirical properties of group preference aggregation methods employed in AHP: Theory and evidence[J]. European Journal of Operational Research, 2014, 232(3): 584-592.

[17] WANG B L, LIANG J Y, QIAN Y H. Determining decision makers’ weights in group ranking: A granular computing method[J]. International Journal of Machine Learning & Cybernetics, 2015, 6(3): 511-521.

[18] PANG J F, LIANG J Y, SONG P. An adaptive consensus method for multi-attribute group decision making under uncertain linguistic environment[J]. Applied Soft Computing, 2017, 58: 339-353.

[19] XU J P, WU Z B, ZHANG Y A. A Consensus based method for multi-criteria group decision making under uncertain linguistic setting[J]. Group Decision & Negotiation, 2014, 23(1): 127-148.

[20] HERRERA-VIEDMA E, HERRERA F, CHICLANA F. A consensus model for multiperson decision making with differ-ent preference structures[J]. IEEE Transactions on Systems Man & Cybernetics Part A Systems & Humans, 2002, 32(3): 394-402.

[21] 張娜, 楊延璞. 產品造型感性評價中的粒子群優化共識達成機制[J]. 機械設計, 2017(6): 119-123.

[22] RAMANATHAN R, GANESH L S. Group preference aggregation methods employed in AHP: An evaluation and an intrinsic process for deriving members' weightages[J]. European Journal of Operational Research, 1994, 79(2): 249-265.

[23] YUE Z L. Extension of TOPSIS to determine weight of decision maker for group decision making problems with uncertain information[J]. Expert Systems with Applications, 2012, 39(7): 6343-6350.

[24] SAATY T L. How to make a decision: The analytic hierarchy process[J]. European Journal of Operational Research, 1994, 48(1): 9-26.

[25] 魯丹, 張金月. 基于層次分析法的BIM內容庫網站評價研究[J]. 圖學學報, 2015, 36(2): 298-305.

Dynamic Allocation of Weights to Experts for Evaluation of Product Design and Its Application

LI Xiao-ying, ZHOU Da-tao

(School of Industrial Design, Hubei University of Technology, Wuhan Hubei 430068, China)

In order to evaluate product design more reliably, a process for dynamic allocation of weights to experts is proposed. The group consensus model is introduced to measure the degree of difference between expert opinions. The level of similarity is used to detect and eliminate very distinct expert opinions, thereby allowing a consensus to be reached more easily and efficiently. Weights of expert opinions are determined dynamically using the clustering algorithm to sort out the quality of various product designs. The proposed method is applied to the real-world intelligent warning sign of vehicle. Results demonstrate the ability of the proposed method to capture the difference between expert opinions effectively, allocate weights to expert opinions dynamically and evaluate the product more reliably. Finally, the proposed method is compared with other competing methods to prove its superiority, yielding insights into the evaluation of product design.

industrial design; dynamic weights; coefficient of consensus; cluster analysis; design evaluation

TB 47

10.11996/JG.j.2095-302X.2019010193

A

2095-302X(2019)01-0193-08

2018-06-18；

2018-08-02

教育部人文社會科學研究規劃基金項目(18YJAZH048)；湖北省教育廳教研基金項目(2016286)

李曉英(1973-)，女，湖北武漢人，副教授，碩士，碩士生導師。主要研究方向為產品設計、交互設計等。E-mail：2239909513@qq.com