客户协同产品创新中目标重要度的确定方法

马家齐 杨 育 李 斐 谢建中，2

1.重庆大学机械传动国家重点实验室，重庆，400030 2.富士康科技集团，深圳，518101

0 引言

企业的产品创新设计活动正逐步由独自完成转向集成外部组织和资源的产品创新网络协同进行，传统的大规模纵向集成的产品开发模式正逐渐被客户、供应商和制造企业组成的协同联合开发模式取代［1］。美国麻省理工学院的von Hippel教授于2002年正式提出了 “lead user”和“customer innovation”的概念［2］，以辅助制造企业创新设计，并指出客户协同产品创新可以有效地为企业的价值网络增值［3］。客户协同创新作为一种新的创新模式，充分利用客户与专业设计人员在知识结构和创新技能方面的不对称性，借助各种网络化协同工作环境、创新设计工具和知识融合手段，通过客户和专业设计人员之间的协同工作，将两者的创新优势进行互补并激发群体创造力，从而开发出具有高度创新性和市场主导力的新产品［4］。目前国内外学者在客户协同创新设计领域进行了大量研究［5－11］，主要围绕协同创新基础理论、协同创新知识匹配以及协同创新方法等方面，但在公开文献中对协同创新目标的系统性研究资料仍较为缺乏。

现阶段的产品设计多以市场需求为主导，其目标通常以客户需求为研究对象，重点在于如何借助各种数学方法提升客户需求重要度的识别准确性。文献［12］采用层次分析法和网络分析法确定客户需求重要度，但其为强调精确而“重复判断”，以致方法过于繁冗；文献［13］研究了基于二元语义理论的需求重要度确定方法，但解决多粒度语言信息时采用了模糊算子，使得主观性较强，同时计算较为复杂；文献［14］利用模糊理论分析客户需求，难以保证隶属函数及模糊数的合理性，使得客观信息数据失真；文献［15］应用粗糙集理论进行需求排序，但面对复杂产品的多项需求时该方法具有一定的局限性。

区别于一般的产品设计过程，客户协同创新设计是由具有多知识背景、多创新动机的分角色创新主体共同参与，由多种创新需求共同驱动的产品创新设计方法。由于不同创新主体在创新理念与创新需求等方面存在局限性，所以导致其各自的创新目标存在较大的差异性与模糊性。同时，不同创新主体在创新知识与语言表征等方面的不一致性，也增加了协同创新目标的复杂性。基于上述原因，仅采用单一的方法或工具难以充分利用多创新主体的创新知识和创新经验，无法准确量化创新目标重要度。

针对上述问题，本文在研究协同创新目标的基本框架基础上，提出一种协同创新目标重要度的三阶定量分析方法，并通过某手机的客户协同创新设计实例对该方法的有效性进行了验证。

1 创新目标体系的基本框架研究

在客户协同产品创新设计过程中，创新主体主要由以客户群体、专家团队及设计团队为主的分角色创新主体构成。其中，以客户群体为主的创新主体包括普通客户群、创意客户群及领先客户群等；以专家团队为主的创新主体由制造领域、测试领域、设计领域及市场领域的专家所组成；以设计团队为主的创新主体是由负责功能设计、结构设计、工艺设计等的专业设计人员所组成。

分角色创新主体有着不同的创新需求，根据其对协同产品创新的影响作用不同，可将其分为“拉动型”创新需求与“推动型”创新需求两大基本类型。具体为：①“拉动型”创新需求主要来自于以客户群体为主的创新主体。客户群体结合自身对已有产品或未知产品的认识及理解，在现有体验的基础上所形成的创新期望主要表现为在创新功能、创新技术、造型结构等方面所提出的创新需求。“拉动型”需求直接反映了市场对产品创新的多样化及差异化期望，为产品创新设计提供了重要参考依据。②“推动型”创新需求主要来自于以专家团队与设计团队为主的创新主体。面向具体的创新任务，分角色创新主体通过市场调研分析，在全面准确把握市场需求动态变化的基础上，依靠其所拥有的领先技术或创新工具，利用各种网络化协同工作环境、创新设计工具和知识融合手段提出创新需求。“推动型”创新需求，集高技术、高质量、高性能和高附加值于一体，能够为客户提供领先的服务和体验，不断满足市场需求的新趋势及新要求。

在客户协同产品创新设计过程中，分角色创新主体对创新任务本身有着不同的创新理解和认识，因而有着不同的创新目标。可以归纳为：在满足创新时间和创新成本的前提下，实现产品在结构、功能和技术等方面的创新，同时保证产品在全生命周期过程中具有较低的运维成本及环境友好性。因此，可将“拉动型”创新需求与“推动型”创新需求转化为五大创新目标，分别为：经济性创新目标、结构性创新目标、环境性创新目标、技术性创新目标、功能性创新目标，并将其分别用五个维度的向量进行描述，C＝（c1，c2，…，cc）T、T＝（t1，t2，…，tt）T、F＝ （f1，f2，…，ff）T，S＝ （s1，s2，…，ss）T，E＝（e1，e2，…，ee）T。 因此，可以建立客户协同创新目标体系的基本框架，如图1所示。

图1 客户协同创新目标体系的基本框架

如图1所示，基本框架主要包括五个维度：①经济性创新目标，是指创新产品在设计、制造、营销、运行、维护等全生命周期过程中，在成本控制或费用支出等方面的创新目标；②结构性创新目标，是指对产品的造型设计、结构布置、系统构建等方面的创新目标；③功能性创新目标，是指对产品的功能系统、操作方式、工效状态、运行模式等方面进行创新的目标；④技术性创新目标，是指在性能参数优化、产品更新换代、工艺改善等方面所进行的新技术开发及应用的目标；⑤环境性创新目标，是指在创新设计过程中，围绕资源消费、能源消耗、环境排放等方面而设定的目标。以上五个维度是客户协同创新目标的基本维度，可根据创新任务的不同，对创新维度进行必要的增加或删减。

创新目标是客户协同产品设计的基础，将直接影响到后续的概念设计、功能设计、结构设计等过程。因此，在构建目标体系的基础上，确定准确有效的目标重要度，是识别关键创新目标，提升产品协同创新效率的关键因素之一。

2 协同创新目标重要度的定量分析

2.1 过程框架

协同创新目标重要度的定量分析过程主要分为三个阶段。三阶段过程如图2所示，其各阶段思路具体如下。

图2 协同创新目标重要度的定量分析过程框架

第一阶段，确定第一层目标的基本重要度。一般情况下，主观赋权法的客观性较差，但具有解释性强的优点；客观赋权法具有精度较高的优势，但有时会与实际情况相悖。基于此，采用基于层次分析法（analytic hierarchy process，AHP）和熵值法的主客观综合赋权法进行重要度的判定。一方面，采用基于AHP的主观赋权方法，能够有效处理难以完全定量分析的复杂决策问题，充分利用协同创新主体的创新经验以判断不同目标的重要程度，使判断结果不会违背基本的创新规则与创新常识；另一方面，采用基于熵值法的客观赋权方法计算出创新目标重要度，通过决策矩阵信息以及熵的概念客观反映出同一系统中各项目标的差异程度，从而避免判断结果的主观随意性。

第二阶段，确定第二层目标的基本重要度。由于创新产品本身的不确定性与复杂性、协同创新主体在认知上的模糊性，导致创新子目标评判数值的准确性难以保证，且分角色创新主体受限于创新知识、创新经验以及产品本身复杂程度等主客观因素，导致其所提供的语言变量呈现非平衡态，不同创新主体语言决策信息的语义粒度并非完全一致。因此，第二层创新目标重要度采用多粒度非平衡性的语言决策方法进行计算，以解决上述问题，确保多创新主体复杂语言决策信息的准确性与一致性。

第三阶段，对创新目标重要度进行修订。创新产品是否成功，最终需要通过市场来进行检验。通过分析创新类型对市场满意度之间的相互影响关系，确定出相对应的修订因子，使得创新目标重要度更具针对性与合理性。

2.2 第一层目标重要度的确定

设有m位协同创新主体共同参与，第一层目标数量为n，且i＝1，2，…，m，j＝1，2，…，n，确定第一层目标基本重要度的具体过程如下。

2.2.1 基于AHP的基本重要度计算

（1）构造比较判断矩阵。采用1－5整数标度定义方法来确定两个指标之间的影响程度，可以构成判断矩阵A＝［aij］n×n；

（2）计算特征矢量wi和最大特征值λmax，并进行一致性检验，若通过，则可得第一层目标的基本重要度

2.2.2 基于熵值法的基本重要度计算

（1）构造决策矩阵B＝［bij］m×n，利用b′ij＝将决策矩阵进行规范化处理，得到

（2）计算第j项目标基本重要度的熵值则ej＝lnm；

（3）令uj＝1／ej，则第j项目标基本重要度

2.2.3 基本重要度的综合

2.3 第二层目标重要度的确定

以技术性创新维度为例，此维度共包含t个创新目标。其中第i个创新主体记为Ci（i＝1，2，…，m），第l个目标记为Tl（l＝1，2，…，t），具体计算过程如下：

（1）根据不同的创新主体在创新设计中的创新角色、创新贡献及创新经验的不同，得到各创新主体自身权重μi（i＝1，2，…，m）；

（2）采用多粒度非平衡性语言评价方法［16-17］构建多粒度语言初始决策矩阵R′＝［vil］m×t，其中评估标度可以表示为

（3）利用转换函数［16］将多粒度的语言评价信息进行一致性转换。设任意两个给定的连续性语言标度集分别为其转换函数可以表示为

选择使用频率最高的语言评价信息集合作为基本集合，通过转换函数对其余语言评价信息进行一致化处理，可得粒度相同的决策矩阵R＝ ［vil］m×t。

（4）定量分析决策矩阵中的确定型语言变量与不确定型语言变量。借鉴T OPSIS理论中的混合排序思想［18-19］，将创新目标基本重要度向量的正负相对理想点分别记为P＋、N－，则

规则：每个读者可摇3次，3次摇完则没有机会中奖了。或者是每个时间节点：每个读者可摇一次，如第一个时间节点，只摇3等奖，第二个时间节点摇2等奖，第三个时间节点，摇1等奖(具体规则可灵活变动)。

确定型语言变量：

不确定型语言变量：

确定型语言变量：

不确定型语言变量：

进一步可计算出向量vj与正负相对理想点P＋、N－之间的距离D＋l、D－l分别为

其中，ρi为每个创新主体自身的权重，可根据不同创新主体在创新任务中所处的角色地位不同而不同，通过协商共同确定。

（5）第二层技术性创新维度的创新目标的相对重要度可利用向量vl与正负相对理想点P＋、N－之间的贴近系数cl来进行描述：

对计算出的cl进行归一化处理，可以得到第二层技术性创新维度的创新目标的相对重要度wⅡl：

2.4 重要度修订

在确定协同创新目标重要度时，还需要考虑创新类型对市场满意度的动态影响。市场满意度是客户对所购创新产品的预期期望与实际效果的最真实反映。根据市场对于产品的预期创新期望与实际创新效果之间的比较分析，可将产品创新分为四大类型，包括基本创新、重要创新、关键创新和简单创新，如图3所示。其中横坐标为“产品创新水平”，纵坐标为“市场满意度”。

图3 创新的基本类型

基本创新（basic innovation）是指市场期望产品“必须要具有的”创新。如果未达到市场预期，市场满意度会急剧下降；如果达到，市场满意度并不会随着此类创新水平的提高而显著提升。主要原因在于，此类创新所表现出的是市场在产品创新方面的最基本要求，即认为产品应具备某项创新以弥补原有功能或设计上的不足。如果创新产品在这些方面未有提升，用户就会很不满意，相反，当产品完全满足基本要求时，用户已将其理解为产品应有的基本功能，也不会表现出特别满意。重要创新（important innovation）与市场满意度成线性函数关系，此类创新的水平越高，市场满意度将呈线性增大。具体表现为：如果此类创新在新产品中得以实现，市场满意度会显著增加，反之市场的不满也会显著增加。区别于基本创新，重要创新并不是产品“必须要”具备的创新，但它是市场关注和期望的重点，同时也是创新主体获取核心竞争优势的关键点。关键创新（crucial innovation）是指市场未预料到的创新设计，这种创新往往具有独特性和前沿性，无论在任何水平，都会提高市场满意度。当此类创新在产品设计中得以体现，即使表现并不完善，也能使得市场满意度急剧提高；同时若不具备此类创新，也不会带来市场的不满。因为关键创新往往由行业内处于领先地位的创新主体所提出，利用其所拥有的领先技术或创新手段进行产品的创新设计，以引导市场的潜在创新需求。简单创新（simple innovation）是指对某产品所进行的一些简单性的改良或者变化，但是市场对于此类创新不关心或不感兴趣。

基于上述分析，创新点进行分类的具体步骤如下：

（1）识别创新类型。对某项具体的创新点，创新主体分别对其进行最初识别，标记为：BI（基本创新）、II（重要创新）、CI（关键创新）、SI（简单创新）。创新主体的最初识别主要依据三个方面：一是创新主体自身的创新环境与创新基础；二是创新主体的创新理念与创新思路；三是由于受到其他创新主体的影响，创新主体对具体创新产品及其市场的理解与判断。

（2）预测市场满意度。根据创新主体所提供的最初识别结果，预测某项创新点对市场的影响程度，分别记为Si和Di。其中，Si表示当产品具备某项创新时对市场满意度的影响程度，Di表示当产品不具备某项创新时对市场满意度的影响程度，分别用下式进行计算：

其中，ni（C）表示有n位创新主体认为第i个创新点是C类创新，即为关键创新。相同地，ni（I）、ni（B）、ni（S）分别表示其他三种类型创新的评判数。式（14）中，将ni（C）与ni（I）之和作为分子，主要考虑的是当某种创新产品中具有重要创新和关键创新时，将会极大地提升市场满意度；与此相对应的是，式（15）将ni（B）与ni（I）之和作为分子，主要是因为当某种创新产品中不具有重要创新和基本创新时，将会极大地降低市场满意度，而缺失关键创新和简单创新，并不会带来市场满意度的大幅度下降。

（3）确定创新类型及修订因子。 通过式（14）、式（15）可以分别计算出每一项创新点的Si值和Di值，亦可知Si、Di∈ （0，1）。为定量区分创新类型，可根据不同的创新任务，选取Si与Di的分界值k（0＜k＜1）。当k＝0.5时，4种基本创新类型呈以下四个象限分布，如图4所示。

图4 创新类型的象限分布

当0＜Si＜0.5，0＜Di＜0.5时，将其判别为“简单创新”；当0＜Si＜0.5，0.5＜Di＜1时，将其判别为“基本创新”；当0.5＜Si＜1，0＜Di＜0.5时，将其判别为“关键创新”；当0.5＜Si＜1，0.5＜Di＜1时，将其判别为“重要创新”。由图4可知，4种创新类型中，重要创新对Si和Di的影响程度最大，而简单创新对Si和Di的影响程度最小。

为简便起见，根据创新类型的不同，将协同创新目标的重要度的修订因子k确定为kC＝1.5、kI＝1.2、kB＝1、kS＝0.6。将第二层目标相对重要度与k相乘，可以得到第二层目标修订重要度

重复上述步骤，可计算出目标框架内所有创新目标的最终重要度。

3 案例研究

以某手机的创新设计为例，本次创新设计任务共有5位创新主体参与，在系统分析 “拉动型”创新需求和“推动型”创新需求的基础上，归纳整理出创新目标体系，共包括第一层创新目标4项及第二层创新目标14项。如图5所示。

图5 某型号手机协同设计的创新目标体系框架

3.1 确定第一层目标基本重要度

通过计算得出λmax＝4.0484，并进行一致性检验，则可求出0.1248｝。

进行规范化处理，可得矩阵B′：

（4）利用几何平均值的方法综合上述两类基本重要度，可得到第一层目标基本重要度

3.2 确定第二层目标重要度

以技术性创新维度为例，如图4所示，此维度共包含5个创新目标：实现高性能图形加速（t1）、彻底解决指纹油污残留问题（t2）、实现裸视3D效果（t3）、提升三维空间重力感应灵敏度（t4）、实现近距离无线通讯（t5）。由于多维创新主体对创新目标的认知存在差异性，在确定其重要度时采用不同语义粒度和语言变量形式。在此采用三种非平衡语义标度集，分别为很不重要，很重要非常不重要很不重要不 重 要重要极其不重要非常不重要不重要重要非常重要极其重要｝。构建多粒度语言初始决策矩阵如表1所示。

表1 多粒度语言初始决策信息

考虑到其中3位创新主体均采用非平衡语义标度集S（4），因而将其作为基本非平衡语义标度集，利用式（2）、式（3）对多粒度语言初始决策矩阵R′进行一致化处理，可得粒度相同的语言决策矩阵R＝［vil］m×t，如表2所示。

表2 粒度相同的语言决策信息

利用式（4）～式（7）可计算出技术创新目标重要度的正负相对理想点：

根据五位创新主体在创新任务中所处的角色地位不同，通过集体投票表决得到其自身权重ρ：

利用式（8）～ 式（11），计算得出创新目标的重要度向量与P＋、N－之间的距离分别为

由式（12）计算出贴近系数cl分别为0.8399、0.6898、0.2300、0.8603.0.0581，利用式（13）进行归一化，可得到第二层技术性创新维度的创新目标的相对重要度

3.3 修订第二层目标重要度

利用式（14）、式（15），判定t1为基本创新、t2和t5为重要创新，t3为简单创新，t4为关键创新，从而确定相对应的重要度修订因子k，依据式（16）得到创新目标的修订重要度进而通过归一化处理，计算出第二层技术性创新维度中创新目标的基本重要度0.0436，0.4076，0.0220｝。利用式（17）可以计算出第二层技术性创新维度的创新目标的最终重要度F（h）：

重复上述步骤，可分别计算出另外三个维度中创新目标的最终重要度，具体计算结果如表3所示。

表3 面向客户协同的产品创新设计目标重要度

3.4 讨论

为进一步验证上述结果的有效性与准确性，本课题小组选取了协同创新主体中具有代表性的两家企业A和B进行跟踪调研，其产品均主要面向中高端客户群体。企业A采用了全部的产品创新目标。企业B为减少创新风险，降低产品成本，并未全部采用上述创新目标，去掉了F（h）值低于0.05的创新目标，但考虑到环境保护是具有重要意义的发展问题和民生问题，因此特别保留了环境性创新维度中的e2目标。

图6 第二层目标F（h）分布图

通过对市场调研数据及企业数据进行分析，可知企业A和企业B的产品在某区域市场中均具有较高的市场满意度，分别为82%和80%，说明该创新目标符合市场需求，从客观上证明了该方法的有效性；同时，企业A和企业B的产品在某区域市场中的市场占有率均处于较高水平，分别为29%和21%，但两者之间的差距并不大，表明去掉5项重要度较低的创新目标，对产品的市场占有率影响程度并不显著，在一定程度上验证了该方法的准确性。

4 结语

为准确量化客户协同产品创新中的目标重要度，本文构建了协同创新目标体系的基本框架，包括经济性、结构性、环境性、技术性、功能性五个基本维度，从整体上将“拉动型”与“推动型”创新需求和市场创新需求纳入统一的创新目标体系中。在此基础上，提出了协同产品创新目标重要度的三阶定量确定方法，第一阶段采用AHP与熵值法相结合的主客观综合赋权，确保了创新目标的整体性与创新方向的正确性；第二阶段采用多粒度非平衡性语言决策，提升了多创新主体复杂语言决策信息的一致性与准确性；第三阶段通过基于“产品创新水平”与“市场满意度”之间的内在联系，提出了产品创新的基本类型及其识别方法，以此确定出相应的修订因子，保证创新目标重要度的针对性与合理性。最后，通过实例验证了该方法的可行性和有效性。该方法揭示了协同产品创新中概念设计目标框架的形成机理，为客户协同产品创新目标重要度的确定提供了一种有效的解决办法。

［1］Fox J L，Anglim J，Wilson J R.Mental Models，Team Mental Models and Performance：Process，Development and Future Directions［J］.Human Factors and Ergonomics in Manufacturing，2007，14（4）：331－352.

［2］Thomke S H，Hippel E V.Customers as Innovators：A New Way to Create Value［J］.Harvard Business Review，2002，80（4）：74－81.

［3］Franke N，Piller F.Value Creation by Toolkits for User Innovation and Design：The Case of the Watch Market［J］.Journal of Product Innovation，2004，21（6）：401－415.

［4］杨育，郭波，尹胜，等.客户协同创新的内涵、概念框架及其应用研究［J］.计算机集成制造系统，2008，14（5）：944－950.Yang Yu，Guo Bo，Yin Sheng，et al.Study on Connotation and Theory Framework of Customer Collaborative Innovation［J］.Computer Integrated Manufacturing Systems，2008，14（5）：944－950.

［5］刘晓敏，檀润华，姚立纲.产品创新概念设计集成过程模型应用研究［J］.机械工程学报，2008，44（9）：154－162.Liu Xiaomin，Tan Runhua，Yao Ligang.Application Research on Integrated Process Model for the Conceptual Design of Product Innovation［J］.Chinese Journal of Mechanical Engineering，2008，44（9）：154－162.

［6］Merrick K E.Case Studies Using Multiuser Virtual Worlds as an Innovative Platform for Collaborative Design［J］.Electronic Journal of Information Technology in Construction，2011，2（16）：165－188.

［7］王小磊，杨育，杨洁，等.协同产品创新设计中客户知识的识别与应用［J］.重庆大学学报，2010，33（2）：52－56.Wang Xiaolei，Yang Yu，Yang Jie，et al.Customer Knowledge Identify and Application in Collaborative Product Creative Design［J］.Journal of Chongqing University，2010，33（2）：52－56.

［8］Chen Liu，Alejandro R S.Customer－driven Product Design and Evaluation Method for Collaborative Design Environments［J］.Journal of Intelligent Manufacturing，2011，22：751－764.

［9］王小磊，杨育，杨洁，等.协同产品创新设计中基于层次知识匹配的冲突消解研究［J］.中国机械工程，2010，21（20）：2488－2495.Wang Xiaolei，Yang Yu，Yang Jie，et al.Conflict Resolution Based on Hierarchical Knowledge Matching in Collaborative Product Creative Design［J］.China Mechanical Engineering，2010，21（20）：2488－2495.

［10］杨洁，杨育.产品外形设计中客户感性认知模型及应用［J］.计算机辅助设计与图形学学报，2010，22（3）：538－544.Yang Jie，Yang Yu.Customer’s Kansei Cognition Model in Product Shape Design［J］.Journal of Computer Aided Design ＆ Computer Graphics，2010，22（3）：538－544.

［11］Ko Y T，Yang C C，Kuo P H.A Problem－oriented Design Method for Product Innovation［J］.Concurrent Engineering，2011，（19）4：335－344.

［12］Saaty T L.Decision－making with the Ahp：Why is the Principal Eigenvector Necessary［J］.European Journal of Operational Research，2003，145（1）：85－91.

［13］李朝玲，高齐圣.质量功能展开中基于二元语义的客户需求重要度的确定［J］.计算机集成制造系统，2009，15（6）：1202－1206.Li Zhaoling，Gao Qisheng.Importance of Customer Requirements in Quality Function Deployment Based on Two－tuple Linguistic［J］.Computer Integrated Manufacturing Systems，2009，15（6）：1202－1206.

［14］Zhang Zaifang，Chu Xuening.Fuzzy Group Decision－making for Multi－format and Multi－granularity Linguistic Judgments in Quality Function Deployment［J］.Expert Systems with Applications，2009，36（5）：9150－9158.

［15］Zhai L Y，Khoo L P，Zhong Z W.A Rough Set Enhanced Fuzzy Approach to Quality Function Deployment［J］.International Journal of Advanced Manufacturing Technology，2008，37（5）：613－624.

［16］Xu Zeshui.An Interactive Approach to Multiple Attribute Group Decision Making with Multi－Granular Uncertain Linguistic Information［J］.Group Decision and Negotiation，2009，18（2）：119－145.

［17］陈岩，樊治平，陈侠.一种基于不同粒度语言判断矩阵的群决策方法［J］.东北大学学报（自然科学版），2007，28（7）：1057－1060.Chen Yan，Fan Zhiping，Chen Xia.A Met Hod for Group Decision－making Based on Linguistic Judgment Matrices with Different Granularities［J］.Journal of Northeastern University：Natural Science，2007，28（7）：1057－1060.

［18］Liu Y，Fan Z P.A Method for Group Decisionmaking Based on Multi－granularity Uncertain Linguistic Information［J］.Expert Systems with Applications，2010，37（5）：4000－4008.

［19］Xu Zeshui.Multiple Attribute Decision Making Based on Different Types of Linguistic Information［J］.Journal of Southeast University：English Edition，2006，22（1）：134－136.