【摘要】：隨著市場經(jīng)濟的逐漸完善，客戶需求知識在產(chǎn)品生產(chǎn)設(shè)計中的作用越來越大�？蛻粜枨笾R不僅包含著消費者對已存在產(chǎn)品的看法和興趣偏好，還隱藏著消費者對產(chǎn)品的個性化需求及產(chǎn)品以后可能的發(fā)展趨勢等信息。因此，對企業(yè)而言，能否準確地把握市場動態(tài)，獲取顧客的需求知識將成為決定產(chǎn)品生產(chǎn)設(shè)計成敗的瓶頸之一。然而，現(xiàn)有的一些客戶需求知識獲取方法所存在的不足，限制了客戶需求知識在產(chǎn)品設(shè)計領(lǐng)域的應(yīng)用。這些不足主要體現(xiàn)在以下方面：（1）傳統(tǒng)的方法受到企業(yè)規(guī)模和企業(yè)人才數(shù)量的制約，存在著主動性差、樣本不足、周期性長和成本高等缺陷，既耗時耗力，又難以確定真實的客戶需求，且執(zhí)行的效率和結(jié)果的準確度都存在問題。（2）采用數(shù)據(jù)挖掘技術(shù)從客戶關(guān)系管理和客戶知識管理等企業(yè)內(nèi)部數(shù)據(jù)庫中獲取客戶需求知識的方法，由于受內(nèi)部系統(tǒng)封閉性的限制，同樣存在樣本不足，，主題和范圍受限等問題。且沒有考慮客戶需求知識的模糊性，獲取結(jié)果的準確性存在問題。 為了解決上述問題，本文以基于模糊物元的客戶需求知識挖掘方法為研究對象，以消除客戶需求知識挖掘中存在的樣本不足、周期性長、成本高等問題為研究目的。主要完成了以下工作： （1）客戶需求知識模型的建立。利用模糊物元的數(shù)學方法，將客戶的個性化需求、客戶需求知識的模糊特征及一些缺乏主題性的模糊評語量值化。然后將這些量值結(jié)合起來，建立數(shù)學模型。該方法能較好的消除客戶需求知識的模糊性。 （2）客戶需求知識挖掘方法的選擇。結(jié)合粒子群算法的核心思想，利用已經(jīng)建立的模型，應(yīng)用模糊物元的方法將客戶的多維度需求問題進行優(yōu)化。對基本粒子群算法稍作變化，提出了能成功挖掘客戶需求知識的混合式算法。該算法提高了客戶需求知識挖掘的準確性。 （3）提出混合式算法的客戶需求知識挖掘策略。根據(jù)混合式算法，提出客戶需求知識挖掘的具體步驟，并寫出了基于混合式算法的客戶需求知識挖掘策略的偽代碼。該挖掘步驟簡單明了，代碼通俗易懂，提高了客戶需求知識挖掘的執(zhí)行效率。 最后，將上述方法應(yīng)用在某型號轎車的整體外觀造型設(shè)計的客戶需求知識挖掘案例中，證明了該方法的有效性及可行性。
【圖文】：

生事半功倍的效果。模糊理論是在處理客戶事物的過程中，凡是用到了模糊概念、利用了模糊分析的方法、借助了模糊隸屬函數(shù)等的所有理論的集合。圖 2-1對模糊理論進行了大致的分類。模糊理論的基本分支，如表 2-3 所示：表 2-3 模糊理論五大分支表模糊數(shù)學 它用模糊集合取代經(jīng)典集合從而擴展了經(jīng)典數(shù)學中的概念。模糊邏輯與人工智能 它引入了經(jīng)典邏輯學中的近似推理，且在模糊信息和近似推理的基礎(chǔ)上開發(fā)了專家系統(tǒng)。模糊系統(tǒng) 它包含了信號處理和通信中的模糊控制和模糊方法。不確定性和信息 它用于分析各種不確定性。模糊決策 它用軟約束來考慮優(yōu)化問題。當然，模糊理論的這五個分支也不是相互獨立的，他們之間也有著密切的聯(lián)系。如圖 2-1 所示。

圖 5-1 最大適應(yīng)值變化曲線圖-1 中，橫坐標表示在迭代過程中算法所經(jīng)過的迭代代數(shù)，縱坐標程中每一代相應(yīng)的適應(yīng)值。由圖 5-1 可以更直觀地看出:混合式算算法更具有明顯優(yōu)勢。在實際的計算過程中，混合式算法能夠較最優(yōu)點，只在第 45 代就收斂到最優(yōu)位置；粒子群算法需經(jīng)過 10傳算法經(jīng)過 156 代收斂才找到最優(yōu)位置。通過計算過程的比較，得出：混合式算法較標準粒子群算法和遺傳算法更具有明顯優(yōu)勢變異淘汰機制，可以保護適應(yīng)值較優(yōu)的粒子，從而可以減少多余高了算法的收斂速度。可見，混合式算法收斂速度遠快于標準粒傳算法。而且其最優(yōu)適應(yīng)值也是高于這兩種算法的。小結(jié)主要以某型號轎車的外觀造型設(shè)計為例，在客戶的個性化需求知需求知識，以有效指導生產(chǎn)。從客戶登陸的某型號轎車的電子產(chǎn)品取 1000 名顧客的評價信息，并對這些初始客戶需求知識進行相應(yīng)的數(shù)據(jù)庫中獲取的原始數(shù)據(jù)更具有代表性。通過前面章節(jié)具體介紹的數(shù)
【學位授予單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：G354

【參考文獻】

相關(guān)期刊論文 前10條

1 王德榮;王智源;李必鑫;;基于模糊物元分析的城市加油站選址決策方法研究[J];重慶科技學院學報(自然科學版);2008年03期

2 葉瑋;肖佩;何彬;馮勇;;基于模糊物元法的汽車板簧配置設(shè)計評價技術(shù)研究[J];成組技術(shù)與生產(chǎn)現(xiàn)代化;2009年03期

3 王萬軍;;多因素指標排序的模糊物元方法及其應(yīng)用[J];大慶師范學院學報;2009年06期

4 李擁軍;高學東;;鋼鐵企業(yè)對客戶需求的識別與把握[J];工業(yè)技術(shù)經(jīng)濟;2005年09期

5 李中;苑津莎;徐小彩;;基于Web日志挖掘的客戶訪問興趣分析[J];華北電力大學學報(自然科學版);2009年05期

6 梁j,周俊,羅彪;MC模式下基于顧客需求的產(chǎn)品配置優(yōu)化分析[J];管理科學學報;2003年03期

7 許多;余隋懷;崔杰生;;工業(yè)設(shè)計領(lǐng)域的客戶需求理論研究[J];機床與液壓;2006年11期

8 趙欣;葉慶衛(wèi);周宇;;一種保持PSO與GA獨立性的混合優(yōu)化算法[J];計算機工程與應(yīng)用;2009年26期

9 陳新度,劉強,陳新;面向MC的客戶群體傾向模型[J];計算機工程;2005年01期

10 楊恢先;劉子文;汪俊;王緒四;謝鵬鶴;;改進的PSO混合算法[J];計算機應(yīng)用;2010年06期

相關(guān)博士學位論文 前2條

1 賀壽昌;創(chuàng)意產(chǎn)業(yè)增值研究[D];上海交通大學;2006年

2 王巍;汽車造型的領(lǐng)域知識描述與應(yīng)用[D];湖南大學;2008年

相關(guān)碩士學位論文 前2條

1 馬英俊;基于客戶價值的BtoB客戶需求探測體系研究[D];浙江大學;2003年

2 林杜;基于模糊物元的水泥混凝土路面性能評價研究[D];長沙理工大學;2006年

本文編號：2547318