[发明专利]一种大数据支持下产品模块化设计中的模块型谱优化设计方法

说明书

本发明公开了一种大数据支持下产品模块化设计中的模块型谱优化设计方法。对于对用户选用产品模块参数水平取值的行为，定义用户行为变量，统计用户行为数据，计算参数水平取值的用户需求满足度，以最大化模块型谱的用户需求满足度和最小化生产成本为目标建立模块型谱优化设计模型，采用二分法求解模块型谱优化设计模型。本发明通过对用户选用产品模块参数水平取值的大数据进行分析，来指导产品模块型谱的优化设计，能克服传统方法的不足，具有方法简便合理、容易实现的特点。

技术领域

本发明涉及产品模块化设计领域，具体为一种大数据支持下产品模块化设计中的模块型谱优化设计方法。

背景技术

产品模块化设计中的模块型谱优化设计是在企业原有的模块型谱基础上，通过分析用户使用产品一段时间后对模块型谱需求的变化，来实现模块型谱持续优化的过程。对于产品模块化设计中的模块型谱优化设计，其主要依据是用户需求。目前，用户需求的获取主要有两大类方法，即问卷调查法和网络评论分析法。问卷调查法以其操作简单、直接的优势成为设计师了解用户需求最常用的手段，但问卷是由设计师事先设计的，带有较强的主观性和指向性，往往不能客观、全面地反映用户的真实感受，另外调查样本人数有限，调查对象对产品的理解程度和描述水平各异，导致设计师难以获取用户真实、准确的需求；网络评论分析法是网络环境下产生的一种基于数据挖掘技术的需求获取方法。随着网络舆论平台信息量的快速增长，通过网络评论分析获取设计知识以指导产品优化设计已成为近年来业界的常用方法，但网络评论信息多为文本型、图片等非结构化数据，从中准确获取结构化的设计知识将花费大量的时间和精力；并且网络评论信息源真伪难辨，直接影响了分析结果的准确性。

用户使用产品的行为是用户对产品功能或模块型谱参数需求最真实和最客观的反映，行为数据的记录和分析可以有效地指导产品的模块型谱优化设计。用户在与产品的使用交互过程中，随着使用次数增多，会对某些功能属性或型谱参数水平产生偏好，并逐步形成自己的使用习惯。用户行为数据会伴随用户使用累积产生，包含了潜在的用户需求偏好。因而，需要在大数据的支持下，用数学方法来描述用户多次使用产品的行为数据，并通过分析行为数据来更为客观地理解用户需求偏好，从而实现产品模块化设计中的模块型谱优化设计。

发明内容

本发明主要解决的技术问题是：在大数据的支持下，用数学方法来描述用户多次使用产品的行为数据，并通过分析行为数据来更为客观地理解用户需求偏好，从而实现产品模块化设计中的模块型谱优化设计。

为解决上述技术问题，本发明采用如下技术方案：

一种大数据支持下产品模块化设计中的模块型谱优化设计方法，包括如下步骤：

步骤1：定义用户行为变量；

设某产品模块有J个参数，构成参数序列{P₁,…,P_j,…,P_J}；参数P_j(1≤j≤J)的水平取值有K_j个，构成参数水平取值序列

设用户的需求有U项，构成需求序列{Cr₁,…,Cr_u,…,Cr_U}；需求Cr_u(1≤u≤U)共有L_u个期望值，构成需求期望值序列定义用户行为变量为表示当用户对需求Cr_u的期望值为时，将选择作为产品模块的参数P_j的水平取值；

步骤2：统计用户行为数据；