產(chǎn)品功能疲勞問題建模與多目標(biāo)優(yōu)化方法研究.pdf

1、產(chǎn)品功能疲勞問題是企業(yè)在進(jìn)行產(chǎn)品開發(fā)的過程中必須面對的一個(gè)難題。在激烈的市場競爭環(huán)境下，一個(gè)普遍的產(chǎn)品開發(fā)策略就是為產(chǎn)品添加更多的功能。企業(yè)希望功能豐富的產(chǎn)品能夠更加吸引消費(fèi)者，從而可以擴(kuò)大消費(fèi)群體和增加銷售額，最終使企業(yè)獲得的收益最大化。雖然研究和實(shí)際情況都表明，功能越多的產(chǎn)品其整體的吸引性也越高，但是不容忽視的是，功能的增加也會(huì)導(dǎo)致產(chǎn)品使用復(fù)雜性的提高。研究表明，消費(fèi)者在進(jìn)行購買時(shí)主要考慮產(chǎn)品是否有吸引力，因此會(huì)傾向于選擇具有更多功

2、能的產(chǎn)品。在購買階段，消費(fèi)者對產(chǎn)品可用性關(guān)注比較少。但在實(shí)際使用之后，消費(fèi)者會(huì)慢慢意識(shí)到操作復(fù)雜性所帶來的各種問題，從而導(dǎo)致對產(chǎn)品的不滿、抱怨甚至退貨，即產(chǎn)生了功能疲勞問題?？偟膩碚f，雖然為產(chǎn)品增加更多功能可以提高初始銷售額，但過多功能引起的功能疲勞問題會(huì)對企業(yè)的長期收益造成損害。
　　產(chǎn)品功能疲勞問題的解決本質(zhì)上需要權(quán)衡功能增加帶來的吸引性的提升和可用性的降低。已有的模型主要是將產(chǎn)品的吸引度和使用復(fù)雜度合并為單一目標(biāo)進(jìn)行求解，決

3、策者需要設(shè)定合適的權(quán)重來體現(xiàn)目標(biāo)間的相互關(guān)系。然而研究表明在實(shí)際中決策者要精確合理地確定這些權(quán)重是非常困難的，特別是在決策者缺乏足夠的領(lǐng)域知識(shí)的情況下問題會(huì)更加嚴(yán)重。本文從尋求Pareto最優(yōu)的角度建立了功能疲勞問題的基本模型，并針對單層產(chǎn)品功能疲勞問題提出了具體的模型實(shí)現(xiàn)方式和相應(yīng)的基于NSGA-II的求解方法。在模型中，每個(gè)產(chǎn)品由一組產(chǎn)品功能組成，每個(gè)產(chǎn)品功能組合即為模型的一個(gè)解。模型包括兩個(gè)相互矛盾的目標(biāo)函數(shù)：最大化產(chǎn)品的吸引度和

4、最小化產(chǎn)品的使用復(fù)雜度。在求解過程中，NSGA-II算法通過非支配解排序的方式使精英個(gè)體可以得到保留，而擁擠度比較算子的運(yùn)用則保證了解的多樣性。所提出的模型不需要決策者提供有關(guān)產(chǎn)品吸引度和使用復(fù)雜度之間關(guān)系的先驗(yàn)信息，而是通過求解得到一組Pareto最優(yōu)解，決策者可以根據(jù)需要進(jìn)行選擇或進(jìn)行進(jìn)一步的分析。這種機(jī)制使所提出的方法更具靈活性、實(shí)用性和可擴(kuò)展性。此外，針對備選解過多造成決策負(fù)擔(dān)的情況，本文提出了基于分段線性隸屬度函數(shù)的Paret

5、o選優(yōu)方法，可以有效地輔助決策者進(jìn)行最優(yōu)解的選擇。
　　在產(chǎn)品功能疲勞問題中，產(chǎn)品各功能之間、產(chǎn)品功能與產(chǎn)品整體之間在客戶感知吸引度和感知使用復(fù)雜度方面有著復(fù)雜的相互關(guān)系。已有的用來描述功能疲勞的模型側(cè)重于分析功能數(shù)量對功能疲勞的影響，即使有研究考慮了功能之間的差異性，也主要是對產(chǎn)品功能進(jìn)行逐個(gè)分析，而沒有考慮功能之間的相互關(guān)系。本文從功能關(guān)系及客戶感知的不確定性角度出發(fā)，提出了基于貝葉斯網(wǎng)的功能疲勞問題的關(guān)系模型和分析方法。所提

6、出的模型是利用網(wǎng)絡(luò)節(jié)點(diǎn)來代表產(chǎn)品功能及產(chǎn)品整體的吸引度和使用復(fù)雜度，可以定量描述產(chǎn)品各功能之間以及各功能與產(chǎn)品整體之間復(fù)雜的相互關(guān)系。此外，考慮到客戶感知的不確定性，在對產(chǎn)品的吸引度和使用復(fù)雜度進(jìn)行建模時(shí)，通過概率表達(dá)的方式體現(xiàn)了客戶感知的不確定性特征。所提出的貝葉斯網(wǎng)模型可以從多方面為產(chǎn)品開發(fā)人員提供決策支持，包括利用信息熵方法識(shí)別出影響產(chǎn)品功能疲勞的關(guān)鍵功能，利用推理機(jī)制對所設(shè)計(jì)產(chǎn)品的功能疲勞情況進(jìn)行評估，以及通過節(jié)點(diǎn)概率分布的前后

7、變化來分析產(chǎn)品功能間的相互關(guān)系。本文建立的貝葉斯網(wǎng)關(guān)系模型是多層產(chǎn)品功能疲勞問題中適應(yīng)度計(jì)算的基礎(chǔ)。
　　之前功能疲勞領(lǐng)域的研究主要關(guān)注單層功能的取舍問題，然而實(shí)際中很多情況下各功能具有分層關(guān)系。本文根據(jù)產(chǎn)品的種類功能和可選子功能之間的相互關(guān)系，提出了產(chǎn)品功能層次模型。在種類功能層可以根據(jù)提出的方法建立吸引度貝葉斯網(wǎng)和使用復(fù)雜度貝葉斯網(wǎng)。在利用NSGA-II算法求解功能疲勞多目標(biāo)優(yōu)化模型的過程中，可以將經(jīng)過編碼的可選子功能組合通過

8、層次模型進(jìn)行轉(zhuǎn)換，再輸入到貝葉斯網(wǎng)來獲得產(chǎn)品的吸引度分值和使用復(fù)雜度分值。而每個(gè)解的適應(yīng)度值是以貝葉斯網(wǎng)提供的分值為基礎(chǔ)，同時(shí)考慮功能數(shù)量對產(chǎn)品整體的影響來計(jì)算的。算法運(yùn)行的最終結(jié)果是得到一組Pareto最優(yōu)解。以貝葉斯網(wǎng)為基礎(chǔ)建立適應(yīng)度函數(shù)，綜合考慮了產(chǎn)品功能之間以及各功能與產(chǎn)品整體之間帶有不確定性的相互關(guān)系，使所得到的優(yōu)化結(jié)果更加符合實(shí)際情況。同時(shí)尋求Pareto最優(yōu)的方式也彌補(bǔ)了已有的單目標(biāo)優(yōu)化方法（即將吸引度和使用復(fù)雜度合而為一

9、）的不足。
　　已有的功能疲勞方面的模型主要是根據(jù)當(dāng)前客戶偏好來獲得確定性的參數(shù)，很少考慮客戶偏好的動(dòng)態(tài)性。然而在實(shí)際的市場環(huán)境下客戶偏好是動(dòng)態(tài)變化的，有時(shí)客戶偏好甚至可能會(huì)隨著時(shí)間而產(chǎn)生劇烈的變化。僅僅根據(jù)當(dāng)前的客戶偏好獲得的最佳功能組合，很可能在未來由于客戶偏好的變化而不再是最佳的選擇。類似地，不同客戶群對于產(chǎn)品各功能的偏好也具有差異性，針對一個(gè)客戶群的最優(yōu)產(chǎn)品功能組合，對于其它客戶群可能就不再是最佳選擇。本文基于灰色模型實(shí)現(xiàn)

10、了對功能疲勞問題中的客戶偏好進(jìn)行建模和預(yù)測，并基于聚類算法對客戶群進(jìn)行了細(xì)分。在預(yù)測和聚類的基礎(chǔ)上，本文提出了針對功能疲勞多目標(biāo)優(yōu)化模型的參數(shù)情景構(gòu)建方法。在各參數(shù)情景下進(jìn)行優(yōu)化計(jì)算并進(jìn)行健壯性分析，可以得到在客戶偏好具有變化性和差異性的情況下各最優(yōu)解的健壯性程度。決策者可以在健壯性最強(qiáng)的解中進(jìn)行選擇，也可以根據(jù)解對不同參數(shù)情景的覆蓋情況，來選擇符合要求的方案和結(jié)果。
　　作為一個(gè)新的熱點(diǎn)，產(chǎn)品功能疲勞問題近年來已經(jīng)引起了國外學(xué)術(shù)