1.3　數據驅動產品設計的發展概述

1.3.1　數據驅動的需求分析偏好感知

需求分析是指通過一定的方法獲取客戶需求信息，然后根據客戶需求數據的重要性及其對產品設計的影響進行篩選的過程。制造產品的最初動機是滿足客戶的需求，客戶需求是數據驅動產品設計的直接動力。隨著大數據、物聯網等技術的發展，數據驅動的客戶偏好感知成為研究熱點。客戶需求分析方法傾向于使用一些智能分析和數據處理方法來滿足客戶需求。當今企業面臨的市場已從單一、穩定的市場轉變為要求產品具有差異化、多樣化特性的細分市場。企業要想長久生存，就必須準確把握客戶的需求，生產出符合客戶需求的產品。因此，面對龐大的數據生成環境和競爭激烈的市場形勢，設計工程師必須考慮客戶的各種偏好和要求。

客戶偏好數據可以根據各種數據源獲得，如客戶反饋、網絡爬行和公司數據庫。在激發和分析需求數據的過程中，對客戶需求的理解和假設對產品設計和制造在質量、交付周期和成本方面具有重要影響。因此，有效地捕捉關鍵客戶偏好和需求，系統地分析并適當地將它們轉換為合適的產品屬性和特性是需求分析的重點。

正確識別和預測產品特征是進行需求分析的基礎。需求預測的前提是通過一定的方法獲取客戶需求數據，這也是數據驅動產品設計中比較耗時的一部分。傳統的客戶需求的獲取主要以問卷的形式進行。隨著互聯網和大數據技術的應用，客戶需求的獲取正變得更加智能、方便和快捷。在獲取客戶需求數據后，結合產品生命周期各階段的數據，對客戶需求進行分析和補充。為了更好地滿足客戶需求和理解客戶的各種異構需求，有必要對客戶需求數據進行分類。隨著客戶需求數據的爆炸性增長，需求分類方法也不再僅限于傳統類別，目前大多使用模糊聚類和數據挖掘方法進行需求分類處理。

收集到的客戶需求數據不僅包括顧客對產品功能的要求，還包括客戶對產品性能的要求。在進行客戶需求轉換和映射時，主要包括客戶需求重要性的確定和客戶需求功能特征的映射。預測產品特征的未來重要性權重對數據驅動的產品設計有重大影響，因為它會顯著影響工程需求的目標值設置。確定客戶需求的重要性是客戶需求預測和綜合分析過程中的關鍵部分。當前，確定客戶需求重要性的方法很多，主要包括專家評估方法、層次分析法（AHP）、模糊分析法（FAM）、特征分析法和質量功能展開法（QFD）。通常，在使用過程中是將多種方法結合使用。客戶需求和產品設計參數的數據驅動相關性分析可以幫助預測和感知客戶需求偏好，這已成為一個熱門的研究方向。客戶需求到產品特性的映射是產品設計的一個關鍵方面，用于將客戶需求數據轉換為易于理解的產品工程特征。除了上面提到的需求轉換方法，QFD對設計人員來說是更有用的工具。QFD是一種集成的決策方法，可確保并提高設計過程元素與客戶需求的一致性。QFD需求轉換的關鍵是使用質量屋建立客戶需求數據與技術特征之間的關系矩陣，并通過矩陣轉換將客戶需求數據轉換為產品技術特征。