邓体立;容芷君;曹云飞
【摘 要】现今市场,客户的个性化定制需求日益增长,采用产品平台进行产品开发是满足大批量定制需求的重要方法.从分析产品客户需求出发,首先确定核心客户需求,然后应用质量功能展开(QFD)方法将核心客户需求映射为产品物理结构部件.依据物理结构部件特征的相似性分析,确定通用部件,构建出通用化对象的特征矩阵,运用自组织神经网络(SOM)算法对特征矩阵进行计算,可以得到满足不同产品的产品平台通用部件,并以此为基础构建了产品平台.最后以自行车为例,验证了该方法的有效性.
【期刊名称】《机械设计与制造》 【年(卷),期】2019(000)005 【总页数】4页(P34-37)
【关键词】客户需求;质量功能展开;SOM算法;产品平台 【作 者】邓体立;容芷君;曹云飞
【作者单位】武汉科技大学机械传动与制造工程湖北省重点实验室,湖北 武汉 430081;武汉科技大学机械传动与制造工程湖北省重点实验室,湖北 武汉 430081;武汉科技大学冶金装备及其控制教育部重点实验室,湖北 武汉 430081;武汉科技大学机械传动与制造工程湖北省重点实验室,湖北 武汉 430081 【正文语种】中 文 【中图分类】TH16;TH122
1 引言
现今市场，客户对于产品的需求表现为多样性以及个性化定制，市场多元化使得企业需要尽量满足市场中不断变化的需求。面对激烈的市场竞争，急需提升产品开发和设计能力，产品平台正是提升产品开发和设计能力的新方法[1]。目前，大量学者围绕产品平台定义及规划方法进行了大量的研究工作。产品平台的概念最早由文献[2]在1993年提出，产品平台是在同一系列产品中被共享和重用的零部件的集合。文献[3]通过对零部件的通用性指标进行比较从而建立了产品平台，选用质量功能展开（QFD）方法来研究客户需求与产品特征之间的联系，把产品的成本作为描述产品性能和部件通用性之间关系的约束条件。文献[4-5]在DSM（设计结构矩阵）的基础上运用聚类算法构建了家用水壶的产品平台；文献[6]把功能需求分析和公理化设计方法作为指导，从客户需求的角度出发，首先构建出设计矩阵和产品设计关联矩阵，并以此为基础，通过研究设计参数的灵敏度来选择公共平台参数。目前，产品平台设计方法主要是基于产品功能域和结构域的映射关系得到的，然而这种方法没有从客户需求的角度来探析如何使产品更好地满足客户。从客户需求的角度来分析产品，用QFD方法将核心客户需求映射为产品物理结构部件，通过产品内部物理结构与功能的相似性以及通用性，运用SOM算法得到产品平台通用部件，并以此为基础构建了产品平台。 2 客户需求与结构映射
客户需求基本上是顾客通过比较模糊的语言表示对产品的需求，选用问卷调查的分析方式将这些模糊的、不确定的客户需求用准确的形式表示。该方法是让顾客回答和产品性能相关的问题，然后根据客户的回答进行客户需求的分析。利用柏拉图原理，将收集到的客户需求进行分析。柏拉图原理：通常情况下，80%的结果来自20%的原因。由此可发现满意度高的客户需求，并淘汰满意度较低，即客户不太
重视的需求，从而获得合理的核心客户需求集。为了确保产品能够被客户接受，需要严谨的了解和探讨客户的要求，将客户的要求转变成能够进行和完成产品设计的产品特点。
由之前的分析得到了核心客户需求，利用QFD，最终通过核心客户需求得到共性结构部件。QFD方法需要在了解客户对产品的要求与意见之后，选择正确的举措与方法将客户的要求量化处理，最后在生产的产品中表现出客户的要求。质量功能展开主要由以下四个阶段：（1）产品计划：客户需求展开为设计要求。（2）零件展开：设计要求展开为关键零部件特性。（3）工艺规划：将关键零部件特性展开为工艺要求。（4）生产规划：将工艺要求展开为生产要求。瀑布式分解模型进行表示，如图1所示。
图1 QFD的瀑布式分解模型Fig.1 QFD Waterfall Mode 3 基于SOM的平台通用化 3.1 自组织神经网络算法
基于自组织神经网络（SOM）的聚类算法，通过模拟人脑的特性，使输入数据在保持其拓扑结构不变的情况下进行聚类[7]。作为一种聚类和高维可视化的无监督学习算法，SOM算法通过将高维数据映射到低维输出空间实现聚类后，能够保持其拓扑结构不变，使数据能够自组织的进行聚类。自组织神经网络的学习过程描述如下：
设Xk=［xk1，xk2，…，xkn］T（k=1，2，3，…，p）为网络的第k个输入模式，与 Xk对应的输出模式为 Yk=［yk1，yk2，…，ykn］T，则具体的学习规则如下[8]。
（1）初始化，给权重因子｛wij｝赋予［0，1］的随机初值，且满足 （2）任选一个模式Xk提供给网络输入层； （3）计算输出层各神经元的输入Sj；
式中：Sj—输出层各神经元的输入；wij—输入神经元i与输出神经元j的连接权值；xki—输入模式。
（4）选择Sj中最大值者对应的神经元为获胜神经元，将其输出状态置1，其他神经元状态则置0；
（5）对于获胜神经元（此处设为第j个）相连的各连接权值按下式进行修正，其他连接权值则保持不变；
式中：μ—学习率；M—Xk中元素值为1的个数。该学习规则能够保证调整前后的权值始终满足约束条件。
（6）选取另一个Xk返回步骤（3），直至p个模式全输入完； （7）返回步骤（2），直到Δwij=wij（k+1）-wij（k）小于容差。 3.2 通用部件的确定过程
采用通用化分析方法对市场上已有的相似产品进行通用化分析，得到平台通用化部件，然后把平台通用化部件作为构建产品平台的根据。（1）获取被通用化对象的分析数据；根据具有的、能够使用的产品设计资源中，选取相互联系的、具有代表性的产品，作为构建平台的对象，然后得到产品的所有数据，用于后续分析使用。（2）确定通用化对象及其特征；选择的对象应该是系列产品中非常关键的元素；同时还应该保有通用化的可能性，而且最好易于通用化；经由对象的通用化能够增加某些生产加工的通用性，并以此降低生产所需的时间和成本。然后决定描述这些对象的特点，这关系到通用化结果的有效性。（3）记录通用化对象及其参数特征，构造通用化对象的特征矩阵。（4）在进行通用化对象分析之前，需将通用化对象的特征表示为合理的形式，即对特征矩阵进行归一化处理，使数据变化的幅度或范围不影响最终的分析结果，同时方便计算。（5）对通用化对象进行分析，采用
SOM算法进行分析。 4 案例
以某自行车结构为例，该结构示意图包含了自行车所必须的基本结构部件，如图2所示。
图2 自行车结构示意图Fig.2 Bicycle Structure Diagram
针对自行车产品创建一个调查，然后进行调查测试和验证。日常生活中，用户在使用自行车时，主要表现为8种行为：自行车调整、自行车骑行操控、存储携带物、骑行舒缓动作、自行车停止、自行车存放、保养和观赏行为、自行车修理。针对这8种用户行为创建问卷调查，共有21个不同的客户需求供客户进行选择，每个被调查对象仅选择其中的10项需求，并给出相应的满意度（给出1到5共5种档位）作为被满足的程度。该调查的结果，不仅知道被调查者的需求特点，而且可以确定潜在客户的喜好和需求。为计算方便，仅给出包含10位被调查者的客户需求信息，如表1所示。其中，被调查者以字母A，B，C，…，J表示，客户需求由数字1，2，3，…，21表示，没有选择的需求为空，并在表格下方记录各需求被选择的次数。这项调查将原本定性的、模糊的客户需求用定量化的描述进行了数值形式的表示。在收集完客户需求数据后，对其进行分析并将客户需求在表1中出现的次数做为该需求的重要程度的指标，利用柏拉图方法的原理可以得到6类核心客户需求分别为刹车系统灵敏安全、防盗性能、重量轻便、零部件的稳固性、可调节性好和结构稳定。
表1 客户需求信息表Tab.1 Customer Demands InformationA B C D E F G H I J SUM 1 3 2 4 3 3 2 1 5 8 2 1 3 2 3 4 1 3 5 3 2 3 2 8 4 2 1 1 3 1 2 1 1 8 5 5 4 4 5 3 4 2 5 3 9 6 1 1 2 3 7 4 1 2 8 1 5 2 9 1 4 2 3 10 3 4 2 5 1 3 4 2 8 11 4 4 3 2 3 2 4 3 1 9 12 4 1 3 3 13 3 2 4 1 4 14 1 1 2 15 1 3 1 3 16 2 1 3 5 4 2 3 3 4 9 17 1 1 2 1 4 18 3 1 19 4 3 2 20 3 4 2 5 3 2 4 5 8 21 1 5 2 1重量轻便 2价
格合理 3可调节性好 4变速器档位调整顺畅 5刹车系统灵敏 6车把易操控 7避震系统 8夜间照明 9存储空间 10结构稳定11防盗性能 12空间结构合理 13美观 14便于保养 15可替换性好 16舒适性 17品质高 18造型独特 19踩踏速度和效率吻合 20零部件的稳固性 21满意的售后体验
图3 需求与结构转换Fig.3 Demand and Structure Mapping
利用QFD将客户需求转换为技术需求，通过参考相关文献[9-10]，分别确定客户需求与技术需求、技术需求与功能结构、功能结构与结构部件的关联矩阵，如图3所示。
通过产品规划过程得到的自行车共性物理结构部件作为通用化对象，选取与制造商的利益直接相关的特征：成本、时间、尺寸、重量和利润对通用化对象进行描述。这7个特征及它们的量化准则，如表2所示。
表2 特征量化准则表Tab.2 Feature Quantification Criteria名称 量化准则输入0—无输入；1—人手直接作用；2—通过其它部件输入；3—其它输入输出 0—无输出；1—直接传入其它部件；2—经过转换后输出；3—其它输出成本 取每个部件平均制造成本，并以百元为单位时间 加工单个部件所用平均时间，以小时（h）为单位尺寸 取平均长度作为指标，以米（m）为单位重量 取单个部件平均重量，以千克（kg）为单位利润 取单个部件平均利润，以百元为单位
每一类自行车产品取其中的9个共性结构部件作为通用化对象进行分析，然后构建通用化对象的特征矩阵，其中，为区分不同类自行车的部件，在各部件后加上代表各类自行车的字符，以日常用自行车（r）、可调节变速车（k）和竞赛用车（j），最终得到特征矩阵Rt的，如表3所示。
表3 通用化对象的特征矩阵RtTab.3 Commonality Object Characteristic Matrix Rt结构部件 输入 输出 成本 时间 尺寸 重量 利润日常用自行车r车把 2 1 0.30 1.300 0.370 0.45 0.10握把 1 1 0.12 0.600 0.150 0.07 0.05制动杆 1 1
0.14 0.333 0.160 0.05 0.08车把立管 2 1 0.34 0.800 0.125 0.16 0.12头管 2 1 0.21 0.500 0.060 0.08 0.12车架 0 0 0.85 3.250 0.400 1.65 0.15前叉 2 3 0.76 2.750 0.230 0.85 0.14轮圈 3 2 0.45 4.667 0.380 1.02 0.18车毂 0 0 0.18 1.250 0.050 0.06 0.03可调节变速车k车把 2 1 0.80 1.167 0.395 0.40 0.50握把 1 1 0.15 0.800 0.150 0.07 0.15制动杆 1 1 0.22 0.750 0.160 0.05 0.18车把立管 2 1 0.55 1.333 0.150 0.12 0.32头管 2 1 0.32 0.850 0.080 0.06 0.22车架 0 0 2.10 5.750 0.430 1.35 2.15前叉 2 3 1.50 3.850 0.254 0.72 1.14轮圈 3 2 1.85 6.150 0.420 0.96 0.98车毂 0 0 0.36 1.450 0.050 0.07 0.13竞赛用车j车把 2 1 1.20 2.250 0.410 0.36 0.85握把 1 1 0.50 1.200 0.150 0.07 0.25制动杆 1 1 0.35 1.120 0.160 0.05 0.18车把立管 2 1 1.10 1.750 0.165 0.10 0.72头管 2 1 0.65 1.267 0.080 0.05 0.65车架 0 0 4.50 6.200 0.515 1.12 5.25前叉 2 3 2.85 4.150 0.286 0.65 2.24轮圈 3 2 1.62 6.750 0.450 0.85 1.18车毂 0 0 0.58 1.800 0.050 0.06 0.43
对特征矩阵进行归一化处理，采用SOM算法进行分析，由于SOM算法是一个不断迭代计算的过程，根据不同的训练步长，会得到不同的聚类划分结果。 图4 不同步长下部件个数计算结果Fig.4 Calculation Results Under Different Step Size
6种不同步长下通用化对象的聚类结果，如图4所示。其中每个六边形表示一个聚类模块，六边形中的数字表示该聚类模块中包含通用化对象的个数。从这些结果可以分析出，5000次步长和10000次步长迭代的结果是一致的，这个时候整个聚类过程趋于稳定，把该结果作为最后的聚类结果。根据MATLAB仿真计算，计算机输出的每个聚类块所包含零部件，其中，输出的数字相同的元素就划分在一个聚类模块中，如表4所示。
表4 聚类结果Tab.4 Clustering Results聚类 零部件聚类一 车架r、车毂r、车架
k、车毂k、车架j、车毂j聚类二 前叉k、轮圈k、车把j、前叉j、轮圈j聚类三 轮圈r、车把r、车把k聚类四 前叉r、握把j、制动杆j聚类五 握把r、制动杆r、握把k、制动杆k聚类六 车把立管r、头管r、车把立管k、头管k、车把立管j、头管j
图5 产品平台示意图Fig.5 Schematic Diagram of Product Platform
根据自组织映射神经网络算法分析得到三类自行车产品通用化对象的聚类结果，以日常用自行车（r）、可调节变速车（k）和竞赛用车（j）这三类产品作为一个产品族群进行分析时，同时满足这三类产品的聚类模块为聚类一和聚类六，得到的通用化部件为车把立管、头管、车架和车毂。以这4类平台元素为基础可以构建相关的产品平台，如图5所示。 5 结论
采用问卷调查获取自行车产品客户需求，根据柏拉图原理得到核心客户需求。基于QFD原理，首先将客户需求映射为技术需求，然后将技术需求映射为功能结构，最终将功能结构映射为结构部件，从而得到与共性客户需求对应的自行车物理结构部件。为了保证通用化结果的有效性，需要确定通用化对象及其特征；记录通用化对象及其参数特征，构造通用化对象的特征矩阵。采用SOM算法对特征矩阵进行计算得到聚类模块，针对不同产品类别的组合得到不同的通用化部件，在此基础上构建出满足不同客户需求的产品平台。通过对基于客户需求的产品平台设计方法研究，对国内企业产品平台的构建提供研究思路。 参考文献
【相关文献】
［1］王建正，魏双庆，张崇.桥式起重机产品平台构建技术研究［J］.机械设计与制造，2013（1）：126-129.（Wang Jian-zheng，Wei Shuang-qing，Zhang Chong.Research on the product pIatfOrm technology of bridge-crane machinery［J］.Design&Manufacture，2013（1）：126-129.）
［2］董春兰，赵娜.基于产品平台的机械产品模块化设计方法［J］.机械设计，2012，29（6）：9-14.（Dong Chun-lan，Zhao Na.Modular design method of mechanical product based on product platform［J］.Journal of Machine Design，2012，29（6）：9-14.） ［3］ Martin M，Ishii K.Design for variety：developing standardized and modularized product platform architectures［J］.Research in Engineering Design，2002，13（4）：213-235.
［4］Hsiao S W，Ko Y C，Lo C H.An ISM，DEI，and ANP based approach for product family development［J］.Advanced Engineering Informatics，2013，27（1）：131-148. ［5］AlGeddawy T.A DSM Cladistics Model for Product Family Architecture Design［J］.Procedia CIRP，2014（21）：87-92.
［6］肖人彬，程贤福，陈诚.基于公理设计和设计关联矩阵的产品平台设计新方法［J］.机械工程学报，2012，48（11）：94-103.（Xiao Ren-bin，Cheng Xian-fu，Chen Cheng.New approach to product platform design based on axiomatic design and design relationship matrix［J］.Journal of Mechanical Engineering，2012，48（11）：94-103.
［7］Kohonen T.The Self-organizing Maps［J］.Proceedings of the IEEE，1990，78（9）：1464-1480．
［8］Upadhyay P K，Sinha R K，Karan B M.Predicting heat-stressed EEG spectra by self-organising feature map and learning vector quantizers—SOFM and LVQ based stress prediction［J］.Journal of Biomedical Science&Engineering，2010，3（5）：529-537. ［9］Kevin N.Otto，Kristin L.Wood.Product Design：Techniques in Reverse Engineering and New Product Design［M］.Stanford University，2001.
［10］刘书华，焦林.运动自行车结构尺寸的计算机参数化设计［J］.陕西理工学院学报：自然科学版，2013，29（3）：5-9.（Liu Shu-hua，Jiao Lin.Computer parameterized design of sport bicycle frame structure［J］.Journal of Shaanxi University of Technology：Natural Science Edution，2013，29（3）：5-9.）
因篇幅问题不能全部显示，请点此查看更多更全内容