用戶需求導(dǎo)向的產(chǎn)品設(shè)計方案質(zhì)量評價模型

彭定洪,黃子航，彭 勃

1(昆明理工大學(xué) 管理與經(jīng)濟(jì)學(xué)院，昆明 650093) 2(昆明理工大學(xué) 質(zhì)量發(fā)展研究院管理，昆明 650093) 3(南昌大學(xué) 管理學(xué)院，南昌 330031)

1 引 言

隨著全球化進(jìn)程的穩(wěn)步推進(jìn)與技術(shù)水平的快速提升，我國企業(yè)所處的競爭環(huán)境將日益嚴(yán)峻，企業(yè)必須迅速通過產(chǎn)品創(chuàng)新這一方式取得競爭優(yōu)勢，以響應(yīng)日益多元化的用戶及市場需求[1].因此，新產(chǎn)品的研發(fā)與創(chuàng)新設(shè)計為企業(yè)在復(fù)雜多面的競爭環(huán)境中提供了重要機(jī)遇.在創(chuàng)新產(chǎn)品投入生產(chǎn)前，對其設(shè)計方案進(jìn)行事前評估是產(chǎn)品生產(chǎn)過程中一個重要階段，它有助于評估設(shè)計方案對設(shè)計目標(biāo)的總體效用[2].且設(shè)計方案的不良選擇在設(shè)計過程后期很難進(jìn)行彌補(bǔ)，很可能導(dǎo)致高昂的二次設(shè)計成本.但由于國內(nèi)企業(yè)的起步較晚且存在多方面經(jīng)驗欠缺不足的問題，致使其缺乏相應(yīng)的設(shè)計管理制度，更缺乏產(chǎn)品設(shè)計方案質(zhì)量評價的意識及方法.因此，為彌補(bǔ)我國企業(yè)在創(chuàng)新產(chǎn)品設(shè)計評估上的不足，本文擬構(gòu)建一種適用于產(chǎn)品設(shè)計方案質(zhì)量的評價模型，以提升企業(yè)創(chuàng)新產(chǎn)品質(zhì)量及完善設(shè)計方案評估制度.

另一方面，全球消費(fèi)市場正逐漸由企業(yè)主導(dǎo)型向顧客主導(dǎo)型轉(zhuǎn)變，而企業(yè)在復(fù)雜的競爭環(huán)境中，不斷的對產(chǎn)品進(jìn)行創(chuàng)新設(shè)計，也同樣是為了獲得顧客青睞進(jìn)而提升顧客滿意度.如何更好地滿足顧客多樣化的需求，成為了產(chǎn)品設(shè)計方案質(zhì)量評估過程中關(guān)鍵的出發(fā)點(diǎn).針對顧客需求分析以及需求與滿意度間的相互關(guān)系，日本學(xué)者狩野紀(jì)昭[3]提出了對影響顧客滿意度因素進(jìn)行劃分的KANO模型，并且隨著KANO模型的不斷完善與推廣，目前該模型被廣泛應(yīng)用在以滿足客戶需求為核心的諸多領(lǐng)域.耿秀麗[4]針對傳統(tǒng)質(zhì)量功能展開中考慮功能需求間自相關(guān)關(guān)系不足的問題，采用模糊KANO問卷進(jìn)行分析并建立了產(chǎn)品功能需求優(yōu)化模型；唐中君[5]根據(jù)KANO模型的內(nèi)涵，提出一種可以對用戶個性化需求進(jìn)行獲取的方法,有效的解決了用戶滿意期望與產(chǎn)品成本之間存在的沖突性；孟慶良[6]構(gòu)建了能夠?qū)Ψ治鲂蚄ANO模型進(jìn)行設(shè)計的方法，解決了KANO模型在分類準(zhǔn)則時可能出現(xiàn)的主觀局限性問題，實(shí)現(xiàn)質(zhì)量因素的客觀化分類；Ma[7]采用卡諾二維質(zhì)量模型，通過卡諾調(diào)查問卷分析消費(fèi)者對不同服務(wù)質(zhì)量要素的滿意度，確定其中必不可少的質(zhì)量要素.通過上述研究成果可知，KANO模型在分析以用戶需求為中心的評價問題時，是一種較為準(zhǔn)確高效的研究工具，但大部分學(xué)者都利用KANO模型進(jìn)行簡單的用戶調(diào)查、需求分析或指標(biāo)分類等研究，卻沒能就取得的分析結(jié)果進(jìn)行深入的研究利用.因而，本文受Ma[7]的思想啟發(fā)，通過KANO模型固有的五種分類標(biāo)準(zhǔn)，對目前在產(chǎn)品設(shè)計方案質(zhì)量評估領(lǐng)域內(nèi)，被廣泛選用的指標(biāo)進(jìn)行篩選、分類、整合，進(jìn)而構(gòu)建以用戶需求為主導(dǎo)，質(zhì)量保證為目的的評估指標(biāo)體系.

為對產(chǎn)品設(shè)計方案質(zhì)量進(jìn)行客觀評價，除了需要合理的指標(biāo)體系外，同樣需要嚴(yán)謹(jǐn)?shù)脑u價方法.李付星[8]以工業(yè)設(shè)計作為產(chǎn)品設(shè)計評價的出發(fā)點(diǎn)，將開發(fā)過程中涉及到的評價方法進(jìn)行了分析和匯總；王海偉[9]引入信息熵對指標(biāo)權(quán)重的不確定性進(jìn)行描述，并根據(jù)極大熵原理建立設(shè)計方案評價模型；劉征宏[10]使用 TOPSIS 法對備選方案與用戶需求的各感性維度匹配度進(jìn)行分析；Varun[11]通過改進(jìn)以區(qū)間數(shù)為數(shù)據(jù)基礎(chǔ)的VIKOR方法，開發(fā)了用于設(shè)計方案評估的MR-VIKOR評價模型.對文獻(xiàn)進(jìn)行分析發(fā)現(xiàn)，目前針對于產(chǎn)品設(shè)計方案的評價方法大都集中在幾種典型的多準(zhǔn)則評價方法上.然而，上述方法在解決以用戶需求為核心的產(chǎn)品設(shè)計評價問題上雖有一定的適用性，但也同樣存在以下兩點(diǎn)問題:1)TOPSIS與VIKOR均為以極端解作為參考解多準(zhǔn)則決策方法，雖然可以選擇出無限靠近最理想解的備選方案，但對于以用戶需求為核心的產(chǎn)品設(shè)計方案質(zhì)量評估，是以期找到在成本可接受范圍內(nèi)，最能滿足用戶偏好與期望的方案.而如果選擇用戶期望做為決策目標(biāo)，那就勢必存在用戶主觀的最理想期望會由于現(xiàn)實(shí)條件制約而無法達(dá)到的問題；2)在產(chǎn)品設(shè)計過程中，不僅涉及到技術(shù)、材料及成本，而且在進(jìn)行評價的過程中還要考慮用戶的搖擺不定.這些因素不但多而且很難量化，實(shí)際上是一個模糊概念.再加上“評價”自身就是帶有較強(qiáng)主觀性的判斷活動，這樣評價結(jié)果自然會帶有較大的模糊性[12].為解決上述存在的問題，本文擬拓展一種以猶豫模糊集為數(shù)據(jù)基礎(chǔ)的多屬性邊界逼近區(qū)域比較法(HF-MABAC)，并對其必要的標(biāo)準(zhǔn)化一步進(jìn)行改進(jìn)，增強(qiáng)其適用性.一則，MABAC是一種以均解作為參考解的評價方法，可以彌補(bǔ)上述方法中最優(yōu)解無法達(dá)到的缺陷；二則，采用猶豫模糊集作為數(shù)據(jù)基礎(chǔ)，可以涵蓋評價過程中專家給出的帶有猶豫不定性的數(shù)據(jù)，在充分體現(xiàn)數(shù)據(jù)模糊性的基礎(chǔ)上給出具有代表性的決策信息.

2 以用戶需求為導(dǎo)向的評價指標(biāo)體系

2.1 KANO模型

自20世紀(jì)80年代提出以來，KANO二維模型已成為各行業(yè)管理從業(yè)者和研究人員中最受歡迎的質(zhì)量模型之一，其旨在說明和確定研究目標(biāo)的質(zhì)量屬性.KANO模型放棄了產(chǎn)品對客戶滿意度影響的嚴(yán)格線性視圖，允許分類可能影響客戶滿意度的特定屬性，且認(rèn)識到客戶需求履行與客戶滿意度之間的關(guān)系是非線性的.其對用戶關(guān)于產(chǎn)品的需求類型劃分以下幾種：1)魅力質(zhì)量(A：Attractive)：若產(chǎn)品中存在充足的此類要素，用戶滿意度則會因為該要素的存在而會得到較大幅度的提升；如果缺失或者此類要素不足時，用戶也不會因此而產(chǎn)生對產(chǎn)品的不滿；2)一維質(zhì)量(O：One-dimensional)：此類質(zhì)量要素的充足或缺失都會影響用戶對產(chǎn)品的滿意度，作為必備的質(zhì)量要素，其充足程度的增加，能夠使得顧客滿意度也得到增長，反之將導(dǎo)致顧客滿意度呈線形下降的狀態(tài)；3)必備質(zhì)量(M：Must-be)：此類質(zhì)量要素是顧客認(rèn)為產(chǎn)品中必須具有的關(guān)鍵要素，若該類要素不能充足的體現(xiàn)在產(chǎn)品中，顧客滿意度會因為必備性能的缺失而急速下降.相反，無論該類要素的充足性進(jìn)行怎樣的提升，對用戶滿意度產(chǎn)生的影響都相對較小；4)無差異質(zhì)量(I：Indifferent)：用戶滿意度并不會針對此類要素的變化而發(fā)生改變，換言之此類要素對用戶而言并不重要；5)逆向質(zhì)量(R：Reverse)：若此類型質(zhì)量要素表現(xiàn)充足時將導(dǎo)致用戶滿意度的下降，不充足時將導(dǎo)致用戶滿意度的上升[13]，客戶對產(chǎn)品或服務(wù)的特定質(zhì)量的滿意度可能會因其對質(zhì)量屬性的偏好而異，函數(shù)變化關(guān)系見圖1.

圖1 KANO質(zhì)量因素關(guān)系圖Fig.1 KANO quality factor relationship diagram

2.2 構(gòu)建產(chǎn)品設(shè)計方案質(zhì)量評價指標(biāo)體系

通過文獻(xiàn)回顧可知，KANO模型在用戶導(dǎo)向的質(zhì)量評價領(lǐng)域應(yīng)用較為廣泛，本節(jié)所提出的指標(biāo)體系構(gòu)建方法主要有以下部分組成：產(chǎn)品設(shè)計方案質(zhì)量評價的相關(guān)指標(biāo)收集、引入模糊KANO問卷進(jìn)行準(zhǔn)則要素調(diào)查分析、篩選準(zhǔn)則指標(biāo)并進(jìn)行類型劃分最后構(gòu)建指標(biāo)體系.

首先，收集整理近年來關(guān)于產(chǎn)品設(shè)計方案質(zhì)量的準(zhǔn)則指標(biāo)，其中原思聰[14]將灰關(guān)聯(lián)分析方法應(yīng)用到機(jī)械設(shè)計綜合評價體系各模塊,構(gòu)建了機(jī)械產(chǎn)品設(shè)計的評價指標(biāo)體系；Qiu[15]根據(jù)不斷變化的業(yè)務(wù)策略，在不同生命周期階段對復(fù)雜產(chǎn)品分別構(gòu)建了指標(biāo)體系；楊東[16]應(yīng)用QFD和案例推理的思想，利用通過QFD方法形成的質(zhì)量特性及其權(quán)重來構(gòu)建指標(biāo)體系，整理后的指標(biāo)見表1.

其次，引入Chen[17，18]等學(xué)者提出的兼顧不確定思想的模糊KANO模型(FKM)，使用更靈活的方式允許用戶使用個性化標(biāo)準(zhǔn)來回答問題，用戶還可以用更詳細(xì)的數(shù)據(jù)表示來表達(dá)用戶的真實(shí)想法.目前應(yīng)用較為廣泛的模糊KANO問卷的主要形式如表2所示，相關(guān)問卷問題的表達(dá)形式如表3所示.

表1 分析整理后的準(zhǔn)則指標(biāo)Table 1 Analysis of the revised indicator indicators

表2 模糊KANO問卷Table 2 Fuzzy KANO questionnaire

表3 模糊KANO問卷的問題形式(以產(chǎn)品質(zhì)量為例)Table 3 Problem form of the fuzzy KANO questionnaire (taking product quality as an example)

最后，通過收回的調(diào)查問卷，整理出用戶期望的準(zhǔn)則指標(biāo)分類，剔除不在用戶期望內(nèi)的指標(biāo)，形成以用戶期望為導(dǎo)向的產(chǎn)品設(shè)計方案質(zhì)量評估指標(biāo)體系(見表4).由于用戶對待不同類型質(zhì)量因素的態(tài)度及重視程度的不同，本文根據(jù)KANO模型中質(zhì)量因素劃分類型確定準(zhǔn)則權(quán)重與指標(biāo)權(quán)重.但不同產(chǎn)品的產(chǎn)品特性不同，因此不能給出統(tǒng)一的標(biāo)準(zhǔn)，應(yīng)根據(jù)實(shí)際產(chǎn)品及消費(fèi)者態(tài)度進(jìn)行調(diào)整.

3 基于用戶期望的產(chǎn)品設(shè)計方案質(zhì)量評價方法

以KANO質(zhì)量因素劃分為框架的指標(biāo)體系，是產(chǎn)品設(shè)計方案質(zhì)量評價的基本藍(lán)圖，而構(gòu)建既能適應(yīng)其指標(biāo)體系又能滿足其以用戶需求為決策目標(biāo)的評價方法，是完善綜合評價體系至關(guān)重要的一步.通過對各類研究成果的深入分析發(fā)現(xiàn)，產(chǎn)品設(shè)計方案質(zhì)量評價的多目標(biāo)、多準(zhǔn)則特性決定該問題為典型的多準(zhǔn)則決策問題；再者，用戶期望的模糊性與決策專家的局限性也同樣為其奠定了不定性的準(zhǔn)則基調(diào).為解決上述問題，本文拓展了一種對該問題具有適應(yīng)性的HF-MABAC評價模型.

3.1 猶豫模糊集(Hesitant fuzzy set，HFS)

自1965年，著名管理學(xué)家Zadeh[19]先生提出了模糊集的概念以來，其為在不確定環(huán)境下進(jìn)行研究的眾多學(xué)者，提供了模糊決策這一全新的研究方向.但伴隨著日益繁雜的科學(xué)研究，簡單的模糊集已不足以支撐各種復(fù)雜多維的決策模型.為此，一批杰出的學(xué)者提出了模糊集的多種拓展形式，其中包括：猶豫模糊集[20]、2-type型模糊集、區(qū)間模糊集[21]以及直覺模糊集等.通過對上述多種拓展形式的研究，筆者發(fā)現(xiàn)猶豫模糊集對于企業(yè)軟質(zhì)量的評價問題上，具有相對較大的優(yōu)勢，主要有以下幾點(diǎn)原因：1)用戶期望本身就是一種無法進(jìn)行精確度量的概念，且將其作為決策目標(biāo)則更會增加其選擇的難度.因此與傳統(tǒng)的精確數(shù)值相比，猶豫模糊集既可以表達(dá)出更為不確定的目標(biāo)內(nèi)涵，又能夠表達(dá)決策者主觀的猶豫模糊性，更具備實(shí)際應(yīng)用的價值；2)與模糊集的其他形式相較，猶豫模糊集既不需要如type-2模糊集般歸納隸屬函數(shù)，又不似直覺模糊集與區(qū)間模糊集受到元素個數(shù)的限制，可以更加全面自由的表達(dá)出用戶對產(chǎn)品多方面的期望.下面給出猶豫模糊集的定義及運(yùn)算法則.

定義1[20].令X為一給定的集合，M={u1,u2,…,un}為給定集合的N個隸屬函數(shù),則有關(guān)隸屬函數(shù)M的猶豫模糊集，即HM定義為：

表4 產(chǎn)品設(shè)計方案質(zhì)量評價指標(biāo)體系Table 4 Product design scheme quality evaluation index system

HM={|x∈X}

(1)

其中，hM(x)=∪u∈M{u(x)}是值域位于[0,1]上的一個集合,表示集合中X的元素x屬于集合HM的若干種可能隸屬度為表述方便,把有限論域X上的全體猶豫模糊集記為HFS(x),稱hA(x)為A的猶豫模糊元,簡寫為hA.

定義2[20].對于任意的3個猶豫模糊元h1，h2和h3，它們的運(yùn)算法則如下(其中θ為一個常數(shù)):

1)h1∩h2=H{min(γ1,γ2)|γ1∈h1,γ2∈h2};

2)h1∪h2=H{max(γ1,γ2)|γ1∈h1,γ2∈h2};

3)θh=H{1-(1-γ)θ|γ∈h},θ>0;

4)hθ=H{γθ|γ∈h},θ>0;

5)hc=H{1-γ|γ∈h};

6)h1⊕h2=H{(γ1+γ2-γ1γ2)|γ1∈h1,γ2∈h2};

7)h1?h2=H{γ1γ2|γ1∈h1,γ2∈h2}.

定義3[22].設(shè)ha，hb是任意兩個猶豫模糊元，則猶豫模糊元ha，hb之間的距離公式計算為：

(2)

其中#ha表示猶豫模糊元中元素的數(shù)量ha，#hb表示猶豫模糊元中元素的數(shù)量hb.

定義4[23].定義函數(shù)Θ:[0,1]N→[0,1],在參考集合中猶豫模糊集X由N個猶豫模糊元組成(H={h1,h2,…,hn}是在集合X上的一個猶豫模糊集)，在集合中的一個擴(kuò)展函數(shù)Θ在猶豫模糊集H中對每一個x都有：

ΘH(x)=∪γ∈{h1(x)×…×hN(x)}{Θ(γ)}

(3)

給定兩個猶豫模糊元ha和hb，如果s(ha)>s(hb)，則ha>hb;如果s(ha)=s(hb)，則ha=hb.

3.2 改進(jìn)的猶豫模糊MABAC評價法

其中，m是指備選項總數(shù)，n是指評價指標(biāo)總數(shù).

第2步進(jìn)行標(biāo)準(zhǔn)化處理，傳統(tǒng)的標(biāo)準(zhǔn)化方法是通過與最大值最小值的差距而進(jìn)行的歸一化計算，但是其也同樣存在極端值產(chǎn)生的誤差影響，且MABAC模型自身也未能發(fā)展出完善的猶豫模糊形式.受Kumar[30]中優(yōu)劣測度的啟發(fā)，所提出的標(biāo)準(zhǔn)化方式是利用均值與標(biāo)準(zhǔn)差進(jìn)行計算以消除極端值的影響，具體形式為：

(4)

該算法與均值進(jìn)行衡量避免了極端值的影響，與標(biāo)準(zhǔn)差相比確保了歸一化的穩(wěn)定.為發(fā)展出一種適合于猶豫模糊元的優(yōu)劣測度標(biāo)準(zhǔn)化形式，現(xiàn)對其進(jìn)行拓展改進(jìn)：

(5)

第4步確定用戶期望參考解，這一步中確定的參考解為企業(yè)可達(dá)到的平均用戶期望，邊界用戶期望矩陣G表示為：

其中，h*表示為元素全為零的猶豫模糊元，距離測度dij表示為：

備選項Ai(i=1,2,…,n)可能屬于邊界逼近區(qū)域G，上逼近區(qū)域G+或下逼近區(qū)域G-，即Ai∈{G∨G+∨G-}.屬于上逼近區(qū)域G+的備選項Ai是理想備選項A+，反之，屬于下逼近區(qū)域G-的備選項Ai是非理想備選項A-.同樣，該方法中的邊界區(qū)域劃分也與KANO模型具有相通之處，關(guān)系圖見圖2所示.

備選項Ai的歸屬區(qū)域(G,G+或G-)按以下情形決定：

所以，為了使備選項Ai成為最優(yōu)選項，則此備選項的指標(biāo)要盡可能多的屬于上逼近區(qū)域，即需要盡可能多的dij>0.

最后，進(jìn)行備選產(chǎn)品設(shè)計方案的排序與擇優(yōu).為進(jìn)一步體現(xiàn)用戶期望在該評價方法中的重要性，對原方法中單純的貼近度分量累加的形式進(jìn)行了拓展，采用用戶對指標(biāo)的期望權(quán)重與貼近度分量的加權(quán)計算，得出各備選方案的貼近度.貼近系數(shù)CCi(the closeness coefficient)的值越大，備選項Ai越優(yōu).貼近系數(shù)的計算公式如下：

(6)

圖2 邊界逼近區(qū)域關(guān)系圖Fig.2 Boundary approximation area relationship diagram

4 算例實(shí)證

4.1 問題背景與數(shù)據(jù)來源

為驗證上述模型的有效性和優(yōu)越性，現(xiàn)根據(jù)具體算例進(jìn)行驗證.隨著我國電子產(chǎn)品行業(yè)的飛速發(fā)展與人均電子產(chǎn)品持有率的逐年攀升，電子產(chǎn)品已經(jīng)在方方面面融入我們的生活，其中最必不可少的就是智能手機(jī)和計算機(jī)設(shè)備，本文以某智能電子企業(yè)的高端計算機(jī)業(yè)務(wù)為背景進(jìn)行產(chǎn)品設(shè)計方案質(zhì)量評估.高端計算機(jī)設(shè)備的消費(fèi)群體主要為從事精密計算的工作人員或研究型企業(yè)，由于其具有針對性的消費(fèi)特征以及產(chǎn)品特性，所以對于該產(chǎn)品的設(shè)計方案更加需要時刻關(guān)注消費(fèi)群體的期望與產(chǎn)品技術(shù)的需求，也就更適用于以用戶需求為導(dǎo)向的綜合評價體系.現(xiàn)該企業(yè)組建由5名專家構(gòu)成的決策小組，其中專家A與B為產(chǎn)品設(shè)計部門內(nèi)由于多年設(shè)計經(jīng)驗的設(shè)計師和管理人員；專家C為多年從事評價領(lǐng)域理論研究的專家學(xué)者；專家D與E為主要消費(fèi)群體中的用戶代表.

4.2 評價步驟

通過上文中構(gòu)建的指標(biāo)體系對A1,A2,…,A55個設(shè)計方案進(jìn)行排序擇優(yōu)，得到初始決策矩陣X.決策小組根據(jù)消費(fèi)群體對不同KANO質(zhì)量因素的期望偏好，給出專家權(quán)重(見表5).

表5 KANO質(zhì)量因素準(zhǔn)則權(quán)重表Table 5 KANO quality factor criteria weight Table

初始決策矩陣X:

計算得到標(biāo)準(zhǔn)化后進(jìn)行加權(quán)的矩陣Z：

利用第4步中給出的公式，計算平均用戶期望均解G：

最后求得5種設(shè)計方案的貼近度，分別為：A1=0.09882,A2=0.10790,A3=0.05355,A4=0.06770,A5=-0.02404.進(jìn)而得到該產(chǎn)品實(shí)際方案質(zhì)量評價結(jié)果為：A2>A1>A4>A3>A5，可知A2為能夠最大程度滿足用戶期望的設(shè)計方案，對A5的滿意程度最低.

4.3 對比分析

為驗證構(gòu)建方法的可用性和合理性，使用兩種典型的以極端解為參考期望的妥協(xié)決策模型進(jìn)行比較分析：Xu[31]提出的HF-TOPSIS和Liao[32]提出的HF-VIKOR，排序結(jié)果見表6.

表6 對比分析排序結(jié)果Table 6 Sorting results of comparative analysis

通過排序結(jié)果可以發(fā)現(xiàn)，3種方法所得出的最優(yōu)方案均為A2，導(dǎo)致用戶滿意度最低的方案為A5，一定程度上證明了HF-MABAC在進(jìn)行方案質(zhì)量評估問題中具有一定的適用性.但余下3種方案的質(zhì)量排序存在一定的差異.通過原始數(shù)據(jù)可以發(fā)現(xiàn)，方案1的14個準(zhǔn)則得分中，絕大部分均領(lǐng)先于方案3和方案4中，但由于HF-TOPSIS方法以正負(fù)理想解做為衡量標(biāo)準(zhǔn)，在解決用戶期望為決策目標(biāo)的問題上，存在極端解無法實(shí)現(xiàn)且與實(shí)際不符的問題，因而造成了方案排序上的微小差異.

另一個導(dǎo)致結(jié)果差異的主要原因就是決策信息的處理，在HF-TOPSIS和HF-VIKOR兩種模型的標(biāo)準(zhǔn)化處理都是通過與最大值最小值的差距而進(jìn)行的歸一化計算，但這樣的方式可能存在極端值產(chǎn)生的誤差影響，而本文改進(jìn)的方式利用均值與標(biāo)準(zhǔn)差進(jìn)行計算以消除極端值的影響，避免了極端評價值對結(jié)果產(chǎn)生的影響，在原始信息處理時避免了這類因素的干擾.

5 結(jié) 論

本文研究了在以用戶期望為導(dǎo)向下的多準(zhǔn)則綜合評價問題，針對目前以消費(fèi)者導(dǎo)向為主的經(jīng)濟(jì)環(huán)境，以KANO質(zhì)量因素劃分為框架，以消費(fèi)者對產(chǎn)品的期望為核心，對各有側(cè)重的指標(biāo)體系進(jìn)行歸納總結(jié)，建立用戶導(dǎo)向的產(chǎn)品設(shè)計方案質(zhì)量評價指標(biāo)體系.并發(fā)展一種可以滿足以期望為決策目標(biāo)的猶豫模糊MABAC模型，通過選擇均解作為參考解來解決極端用戶期望無法實(shí)現(xiàn)的問題，以MABAC為藍(lán)本，以猶豫模糊集作為數(shù)據(jù)基礎(chǔ).最后，與其他決策方法相比較，發(fā)現(xiàn)其不僅更能體現(xiàn)用戶偏好，還可以在一定程度上增強(qiáng)方法的實(shí)際應(yīng)用價值.但也同樣意識到本研究仍存在一定缺陷，考慮到將MABAC拓展到猶豫模糊領(lǐng)域時，所屬區(qū)域的劃分依據(jù)是通過比較距離與空猶豫模糊元的差異而判別的，然這種方式并不具有普遍性且區(qū)分度較低，在今后的研究中將著力改進(jìn)此處.