[發明專利]一種大數據支持下產品模塊化設計中的模塊型譜優化設計方法

有效

• 申請號: 201710324742.3
• 申請日: 2017-05-11
• 公開（公告）號: CN107066757B
• 公開（公告）日: 2021-04-27
• 發明（設計）人: 李聯輝;雷婷;王麗;李茂強;楊斌;張秦瑋
• 申請（專利權）人: 宿州數據湖信息技術有限公司
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F30/17;G06F111/04;G06F111/06
• 代理公司: 合肥正則元起專利代理事務所(普通合伙) 34160
• 代理人: 劉勇

本發明公開了一種大數據支持下產品模塊化設計中的模塊型譜優化設計方法。對于對用戶選用產品模塊參數水平取值的行為，定義用戶行為變量，統計用戶行為數據，計算參數水平取值的用戶需求滿足度，以最大化模塊型譜的用戶需求滿足度和最小化生產成本為目標建立模塊型譜優化設計模型，采用二分法求解模塊型譜優化設計模型。本發明通過對用戶選用產品模塊參數水平取值的大數據進行分析，來指導產品模塊型譜的優化設計，能克服傳統方法的不足，具有方法簡便合理、容易實現的特點。

技術領域

本發明涉及產品模塊化設計領域，具體為一種大數據支持下產品模塊化設計中的模塊型譜優化設計方法。

背景技術

產品模塊化設計中的模塊型譜優化設計是在企業原有的模塊型譜基礎上，通過分析用戶使用產品一段時間后對模塊型譜需求的變化，來實現模塊型譜持續優化的過程。對于產品模塊化設計中的模塊型譜優化設計，其主要依據是用戶需求。目前，用戶需求的獲取主要有兩大類方法，即問卷調查法和網絡評論分析法。問卷調查法以其操作簡單、直接的優勢成為設計師了解用戶需求最常用的手段，但問卷是由設計師事先設計的，帶有較強的主觀性和指向性，往往不能客觀、全面地反映用戶的真實感受，另外調查樣本人數有限，調查對象對產品的理解程度和描述水平各異，導致設計師難以獲取用戶真實、準確的需求；網絡評論分析法是網絡環境下產生的一種基于數據挖掘技術的需求獲取方法。隨著網絡輿論平臺信息量的快速增長，通過網絡評論分析獲取設計知識以指導產品優化設計已成為近年來業界的常用方法，但網絡評論信息多為文本型、圖片等非結構化數據，從中準確獲取結構化的設計知識將花費大量的時間和精力；并且網絡評論信息源真偽難辨，直接影響了分析結果的準確性。

用戶使用產品的行為是用戶對產品功能或模塊型譜參數需求最真實和最客觀的反映，行為數據的記錄和分析可以有效地指導產品的模塊型譜優化設計。用戶在與產品的使用交互過程中，隨著使用次數增多，會對某些功能屬性或型譜參數水平產生偏好，并逐步形成自己的使用習慣。用戶行為數據會伴隨用戶使用累積產生，包含了潛在的用戶需求偏好。因而，需要在大數據的支持下，用數學方法來描述用戶多次使用產品的行為數據，并通過分析行為數據來更為客觀地理解用戶需求偏好，從而實現產品模塊化設計中的模塊型譜優化設計。

發明內容

本發明主要解決的技術問題是：在大數據的支持下，用數學方法來描述用戶多次使用產品的行為數據，并通過分析行為數據來更為客觀地理解用戶需求偏好，從而實現產品模塊化設計中的模塊型譜優化設計。

為解決上述技術問題，本發明采用如下技術方案：

一種大數據支持下產品模塊化設計中的模塊型譜優化設計方法，包括如下步驟：

步驟1：定義用戶行為變量；

設某產品模塊有J個參數，構成參數序列{P₁,…,P_j,…,P_J}；參數P_j(1≤j≤J)的水平取值有K_j個，構成參數水平取值序列

設用戶的需求有U項，構成需求序列{Cr₁,…,Cr_u,…,Cr_U}；需求Cr_u(1≤u≤U)共有L_u個期望值，構成需求期望值序列定義用戶行為變量為表示當用戶對需求Cr_u的期望值為時，將選擇作為產品模塊的參數P_j的水平取值；

步驟2：統計用戶行為數據；