面向客户个性化需求的产品配置模型及应用研究

面向客户个性化需求的产品配置模型及应用研究

摘 要

随着企业生产能力的提高，企业生产的产品能够超大数量地供应市场，实际上已经达到了一种供过于求的地步。企业的生产能力过剩，使得企业造成巨大损失，产生这种结果的最主要原因就是客户个性化需求发生了转变，企业生产的产品无法满足大部分消费者的需求。只有生产出满足客户个性化需求的产品，企业才能够在竞争日趋激烈的市场中立足。因此本文以“面向客户个性化需求的产品配置模型及应用研究”为题，旨通过以下几个方面为企业产品配置提供方法指导。

首先为了准确掌握客户个性化需求权重，本文提出了基于粗糙集和模糊层次分析法的集成分析方法，分别利用粗糙集属性重要度和模糊层次分析法求出客观和主观的客户个性化需求权重，将主、客观权重结合，得到较为准确的客户个性化需求权重；其次为了提高企业产品配置的效率和客户满意度，本文将粗糙集的知识推理方法和实例推理相结合运用到面向客户个性化需求的产品配置过程中，利用粗糙集知识约简将实例库数据中的冗余信息去除，在提取出产品配置规则后以规则为单位对实例库中的实例进行分类，利用实例推理将需求实例与匹配规则对应类中的实例进行相似度比对，求出相似度最高的实例作为需求实例的产品配置基础；再次，针对实例库动态变化会影响产品配置结果的问题，本文提出了客户个性化需求的动态产品配置模型研究，通过将粗糙集的动态知识约简和实例推理相结合，能够在实例库动态变化时快速准确地得到产品配置方案；最后将模型运用于豆浆机配置中，通过比较说明了该模型的有效性。

综上所述，本文不仅在产品配置过程中考虑到客户个性化需求，使企业生产的产品能够满足消费者需求，而且能够克服实例库动态变化对产品配置结果造成影响的问题，较为准确和快速地得到产品配置方案，实现企业与用户双赢。

关键词：客户个性化需求；产品配置；知识；实例推理；粗糙集

I

RESEARCH ON PRODUCT CONFIGURATION MODEL AND APPLICATION FOR PERSONALIZED

DEMAND OF CUSTOMERS

ABSTRACT

With the improvement of production capacity, the products produced by enterprises can supply the market in large quantities; actually, an oversupply has been reached. The excess production capacity of the enterprise has caused great losses to the enterprise, the main reason for this result is the change of customer's individual demand, and the products produced by enterprises can not meet the needs of most consumers. Only by producing products that meet the individual needs of customers can enterprises stand in the increasingly competitive market. Therefore, this paper is titled \"Research on product configuration model and application for personalized demand of customers o provide guidance for product configuration in the following aspects.

Firstly, in order to accurately grasp the weight of individual customer requirements, this paper proposes an integrated analysis method based on rough sets and fuzzy analytic hierarchy process.In this paper, the objective and subjective customer demand weights are obtained by using the importance of rough sets and Fuzzy AHP. Through combining with the subjective and objective weight, this paper can get more accurate weight of customer demand; Secondly, in order to improve the efficiency of enterprise product configuration and customer satisfaction, this paper combines the knowledge reasoning method of rough sets and case-based reasoning in the process of product configuration for customer individual demand. In this paper, rough set knowledge reduction is used to remove redundant information from the instance database. After the product configuration rules are extracted, the examples in the case base are classified by rules. Case-based reasoning is used to calculate the similarity between the requirement instances and the corresponding instances of the matching rules, and the highest similarity instances are obtained as the product configuration basis of the requirement instances. Again, for instance library

II

dynamic changes will affect the product configuration results, this paper proposes a dynamic product configuration model of customer individual demand, through the combination of dynamic knowledge reduction in rough sets and case-based reasoning, this paper can quickly and accurately get the product configuration in case library dynamic change. Finally, the model is applied to the soybean milk machine configuration, and the effectiveness of the model is illustrated by comparison.

In summary, this paper considers not only customer individual demand in the process of product configuration, so that the production of products can meet consumer demand, but also can overcome problem that the dynamic change of instance library affects the result of product configuration,so that we can accurately and quickly get the product configuration to achieve win-win business and customers.

KEY WORDS：Customer individual demand, Product configuration, Knowledge, CBR, Rough sets

III

目 录

第一章 绪 论 ................................................................................................................... 1

1.1 研究背景与研究意义 ................................................................................................................. 1

1.1.1 研究背景.......................................................................................................................... 1 1.1.2 研究意义.......................................................................................................................... 1 1.2国内外研究现状.......................................................................................................................... 3

1.2.1 客户个性化需求的国内外研究现状 .............................................................................. 3 1.2.2 产品配置的国内外研究现状 .......................................................................................... 5 1.2.3 面向客户个性化需求的产品配置国内外研究现状 ...................................................... 5 1.2.4 研究述评.......................................................................................................................... 9 1.3 研究内容与创新点 ................................................................................................................... 10

1.3.1 研究内容........................................................................................................................ 10 1.3.2 创新点............................................................................................................................ 11 1.4 研究思路与研究方法 ............................................................................................................... 12

1.4.1 研究思路........................................................................................................................ 12 1.4.2 研究方法........................................................................................................................ 14

第二章 客户个性化需求及其权重确定 ........................................................................... 15

2.1 客户个性化需求 ....................................................................................................................... 15

2.1.1 客户个性化需求的含义及其特点 ................................................................................ 15 2.1.2 客户个性化需求的分类 ................................................................................................ 16 2.2 客户个性化需求的采集与分析处理 ....................................................................................... 17

2.2.1 客户个性化需求的采集 ................................................................................................ 17 2.2.2 客户个性化需求的分析处理 ........................................................................................ 17 2.3 客户个性化需求权重的确定 ................................................................................................... 22

2.3.1 基于粗糙集属性重要度确定客户个性化需求权重 .................................................... 23 2.3.2 基于模糊层次分析法确定客户个性化需求权重 ........................................................ 26 2.3.3 基于组合权重的评价模型确定 .................................................................................... 27 2.3.4 算例分析........................................................................................................................ 28 2.4 客户个性化需求向产品技术特性的映射 ............................................................................... 29 2.5 本章小结 ................................................................................................................................... 31

第三章 客户个性化需求的产品配置模型研究 ............................................................... 32

IV

3.1 基于粗糙集的产品配置规则提取方法框架 ........................................................................... 32

3.1.1 产品技术特性数据获取 ................................................................................................ 33 3.1.2 产品技术特性数据预处理 ............................................................................................ 34 3.1.3 基于粗糙集属性约简算法 ............................................................................................ 36 3.1.4 规则提取........................................................................................................................ 47 3.2 基于实例推理的产品配置方法研究 ....................................................................................... 51

3.2.1 基于CBR的产品配置过程 .......................................................................................... 51 3.2.2 产品配置的求解 ............................................................................................................ 52 3.2.3 产品方案改进 ................................................................................................................ 54 3.3 面向客户个性化需求的产品配置模型 ................................................................................... 55

3.3.1 基于粗糙集和实例推理的产品配置过程 .................................................................... 55 3.3.2 算例分析........................................................................................................................ 56 3.4 本章小结 ................................................................................................................................... 59

第四章 客户个性化需求的动态产品配置模型研究 ....................................................... 61

4.1 基于粗糙集的产品配置规则动态更新 ................................................................................... 61

4.1.1 核的增量式更新 ............................................................................................................ 62 4.1.2 属性约简的增量式更新 ................................................................................................ 66 4.1.3 规则提取的增量式更新 ................................................................................................ 68 4.2 基于实例推理的动态产品配置方法研究 ............................................................................... 70

4.2.1 基于CBR的动态产品配置过程 .................................................................................. 70 4.2.2 动态产品配置的求解 .................................................................................................... 71 4.2.3 产品方案的改进 ............................................................................................................ 71 4.3 面向客户个性化需求的动态产品配置模型 ........................................................................... 72

4.3.1 基于粗糙集和实例推理的动态产品配置过程 ............................................................ 72 4.3.2 算例分析........................................................................................................................ 73 4.4 本章小结 ................................................................................................................................... 76

第五章 面向客户个性化需求的豆浆机设备配置研究 ................................................... 78

5.1 案例描述 ................................................................................................................................... 78

5.1.1 客户个性化豆浆机配置的背景意义 ............................................................................ 78 5.1.2 客户个性化豆浆机配置研究的必要性 ........................................................................ 79 5.2 客户个性化需求的分析处理 ................................................................................................... 80 5.3 客户个性化需求权重的确定 ................................................................................................... 80 5.4 数据来源与预处理 ................................................................................................................... 81

V

5.4.1 数据来源........................................................................................................................ 81 5.4.2 数据预处理 .................................................................................................................... 82 5.5 面向客户个性化需求的静态豆浆机配置 ............................................................................... 86

5.5.1 基于粗糙集的豆浆机配置规则提取 ............................................................................ 86 5.5.2 基于RBR和CBR结合的豆浆机配置方案求解 ........................................................ 87 5.6 面向客户个性化需求的动态豆浆机配置 ............................................................................... 88

5.6.1 基于粗糙集的豆浆机配置规则动态提取 .................................................................... 88 5.6.2 基于RBR和CBR结合的豆浆机动态配置方案求解 ................................................ 90 5.7 面向客户个性化需求的豆浆机配置策略研究 ....................................................................... 91 5.8 本章小结 ................................................................................................................................... 92

第六章 总结与展望 ......................................................................................................... 95

6.1 总结 ........................................................................................................................................... 95 6.2 展望 ........................................................................................................................................... 96

参考文献 ............................................................................................................................. 97 攻读硕士学位期间发表的学术论文及取得的相关科研成果 ....................................... 102 致 谢 ............................................................................................................................... 103

VI

上海工程技术大学硕士学位论文 第一章 绪 论

第一章 绪 论

1.1 研究背景与研究意义

1.1.1 研究背景

我国工业起步较晚，发展也比较缓慢。在20世纪90年代前，由于工业品需求量比较大，工厂生产的工业品往往达不到消费者的需求量，这种供不应求的状况使得各产业都使用大规模制造的发展方式，这种发展方式往往是粗放型的产品数量迅速扩张，时而久之，各产业能够凭借其生产能力在较短时间内生产出大量的产品供应市场。然而这一时期的生产重心都是放在产量上，对产品质量特别是对客户的需求重视程度比较低，甚至生产出来的产品往往不能达到客户的满意度。进入90年代后，由于我国的企业生产管理制度和机械化水平的逐渐发展，各产业的生产能力突飞猛进，各产业产品大多不仅能满足市场的需求量，而且在很大程度上达到了一种供过于求的状态，并且许多产业出现了生产能力过剩的情况。企业生产管理制度急需转变。

当今市场是多元化的，如果企业还是像90年代前一样只注重产品产量单一化地生产，往往达不到预期的盈利效果，造成这种情况的根本原因就是客户个性化需求的发生转变，客户个性化需求的多样化和个性化使得企业不得不生产出对应的具有满足度的产品，企业需要研发自身的个性化产品，形成差异化优势，以个性化产品来满足客户个性化需求，形成自己的品牌效应，提升知名度，这样往往就能吸引更多的客户从而给企业创新更大的效益。在现代产品设计中，企业渐渐将生产重心从设计者向消费者转移，通过分析客户个性化需求来设计相对应的产品，只有生产出的产品能够满足客户个性化需求并且能在短时间内供应出去，企业才能获得竞争优势，取得丰厚的利润。这就促使企业生产活动不再一味地以产品数量占领市场来取得市场竞争力，而是追求生产出迎合消费者的产品，即“客有所需，产由所应”。 1.1.2 研究意义

面向客户个性化需求的产品配置方法研究已经有学者进行过研究，大部分学者针对客户个性化需求向产品配置转换这一方面，大多都是先对客户个性化需求（客户）先进行分类，分为拥有产品知识的专业客户需求和缺乏足够产品知识的普通客户需求

第1页 上海工程技术大学硕士学位论文 第一章 绪 论 （即非专业客户）[1]。对于专业客户需求，由于他们自身对产品各模块的参数比较了解，在与技术设计人员的交流中很容易并精准地表达出产品技术需求，并且能够使得技术人员能够精确掌握他们的产品购买意向，因此客户个性化需求比较容易与产品配置进行对接，不需要过多的转换，因而企业采取相应的产品配置方法满足用户需求；对于非专业客户，他们由于自身知识的，无法了解产品设计的具体参数，而只是对产品的外形功能提出一些愿望。因此，相对于专业客户需求而言，其与技术人员的信息交接会显得较为困难，因而企业会采取不同于专业客户的产品配置方法满足客户个性化需求。

在现有研究中，针对专业客户个性化需求产品配置，有学者提出如果客户的需求在可配置产品允许提供的功能范围之内，则设计者可以通过可配置产品得到满足自己所需求功能的产品个体，其中可配置产品以及其所提供的功能范围都是预先设定好的， 或者找出一个或多个与客户个性化需求最相似的配置产品，比如基于实例推理的产品配置方法，在企业实例库中寻找与需求实例最相似的实例作为产品配置最初方案。这类方法虽然高效，但是如何准确确定客户个性化需求权重却存在缺陷，主要表现在不同的客户对于产品各模块的重视程度是不一样的，很难确定唯一一个通用的客户个性化需求权重用于指导实例推理，并且客户大多以 “很重要”、“很关键”、“最好要有”之类的词汇来技术人员表达自身对产品各模块的期望程度，使得技术人员很难准确把握客户个性化需求，从而难以确定客户个性化需求权重。并且，对于利用实例推理的产品配置方法，在配置过程中需要对整个实例库中的实例进行检索和相似度计算，耗时耗力；当企业实例库巨大，且发生改变时，如何相应地快速检索到最相似实例值得研究。针对非专业客户个性化需求产品配置，大多学者都是采用质量功能配置的方法，使得客户个性化需求能够真正意义上地与产品配置进行对接。

因此针对以上两类问题，本文重点研究如何将客户个性化需求权重考虑到产品配置中，并且实现在实例推理的产品配置方法基础上快速得到产品配置方案和面向客户个性化需求的动态产品配置过程，使得当企业实例库发生改变时，能够在原实例库基础上快速得到相似实例作为需求产品的最初配置方案。因此具有相当的理论意义，而且对于企业个性化生产方式具有现实意义。

第2页 上海工程技术大学硕士学位论文 第一章 绪 论 1.2国内外研究现状

1.2.1 客户个性化需求的国内外研究现状

“产由所需”的生产观点由来已久。1943年，美国人本主义心理学家AbrahamH.Maslow在《人类激励理论》论文中首次提到的需求层次理论为人的个性化需求理论研究奠定了基础。

客户个性化需求是产品、服务和系统开发时需要考虑的因素之一。因此企业的大规模产品配置有必要将客户需求结合起来，只有正真做到产品配置与客户需求点与点的对接，才能使得企业在竞争日趋激烈的环境下通过设计个性化产品满足消费者需求来取得更大的利润。

国内外文献对客户个性化需求的理论研究主要集中在对客户个性化需求进行分析处理，包括客户个性化需求的获取、分类、权重计算和需求预测等。

（1）客户个性化需求的获取和分类

Stauffer和Morris[2]指出有关产品的研究需要在两个关键领域进行改进：抽取客户个性化需求信息及根据客户个性化需求信息定义产品设计规范，通过获取、分析、理解和映射客户个性化需求信息来定义产品规范。Otto[3]提出通过分析客户使用产品的活动流程图，挖掘出每个活动中隐含的客户愿望，获取客户个性化需求信息的方法，并以电炊锅为例做了说明。吴清烈等[4]将客户个性化需求分为结构个性化客户需求和非结构客户个性化需求，并提出了非结构个性化需求和结构化的产品需求的三元组映射规则，并利用QFD方法实现转换后的结构化客户需求到产品工程特性的映射；杨沁等[5]将客户个性化需求信息分为递阶型信息和等价型信息，并指出目前对客户个性化需求聚类的研究忽略了等价性信息，使原始需求信息得不到充分利用。因此该文献提出了基于模糊集的混合型客户个性化需求聚类算法，将可行性、客户满意度和企业成本理想度考虑进来。万雪峰等[6]将客户类型分为一般客户和专业客户，并且考虑到产品配置中客户需求的获取存在问题，因此构建了一般客户个性化需求模板模型和专业客户个性化需求模板模型，旨在引导客户提出自身需求，从而进行产品配置。杨云等[7]在客户个性化需求分类的基础上，构建了一个通用的绿色产品设计客户设计模块，从而解决了客户个性化需求获取不系统、不规范的问题。

第3页 上海工程技术大学硕士学位论文 第一章 绪 论 （2）客户个性化需求的权重计算

为了有效地评估产品配置中的客户个性化需求，合理地确定客户个性化需求的重要度，从而节约企业产品配置成本和提高客户需求满意度，许多文献进行了相应的研究，比如吕锋等[8]提出了基于Rough Set+DEMATEL+Kano的集成模型，利用粗糙集属性重要度求出客户个性化需求中各需求的重要度，在此基础上，通过DEMATEL方法和Kano模型对客户个性化需求最终重要度进行修正，为质量屋的展开奠定了基础。何升波等[9]在QFD客户个性化需求与技术特性知识映射前，先对求客户个性化需求权重的方法进行改进，先将分类好的客户设计需求制作成web调查问卷，通过打分、matlab软件和粗糙数比权综合法计算客户个性化需求初始权重，综合专家、技术人员等意见对初始权重进行修正，最终得到比较精确的客户个性化需求权重；魏巍等[10]对客户个性化需求知识进行多粒度分解与重构，考虑到将分解后的子需求知识可能存在某种排斥性，因此将其利用粗糙集进行知识分析，通过属性约简和属性重要度计算得到对于决策属性重要度较高的定制产品需求知识的条件属性，即为企业需要优先处理的产品需求知识。该方法虽然能够确定客户个性化需求的优先属性集，但是由于在求解过程中需求逐个计算每条属性的重要度，因此时间复杂度过大，一旦客户子需求知识过于庞大，计算时间过长，并不推荐用于企业的大规模定制中；在产品创新设计过程中，为了能够充分考虑客户个性化需求的偏好特征，杨涛等[11]研究了考虑客户个性化需求偏好的产品创新设计方案多属性决策评价方案，将Kano模型和粗糙集理论结合以确定评价指标权重；杨涛等[12]考虑到了客户偏好度，还将Kano模型应用到产品创新概念设计方案生成过程中，同时以客户偏好满意度、企业生产成本和产品创新程度为优化目标，生成最优的产品创新概念设计方案。Nahm等[13]指出在QFD方法中，由于客户的判断存在不确定性和不精确性使得对客户个性化需求重要度的最后评估不准确，因此提出了一种新的优先客户个性化需求的QFD方法，这个方法分别对客户偏好和满意度评级；Huang [14]提出了一种基于客户需求的评价和决策方法。利用客户需求的重要性、各评价指标的规范的满意程度和客户个性化需求评估度量模型，采用改进的BP神经网络评估客户对于每个需求方案的满意程度。在评价和决策的过程中，用模糊集来描述客户个性化需求的重要性、客户要求和评价指标之间的关系和各方案的客户个性化需求的满意程度，分明集是用来描述各指标的满意度指标的。

第4页 上海工程技术大学硕士学位论文 第一章 绪 论 （3）客户个性化需求的预测

还有学者研究获取和预测动态的客户个性化需求信息，比如潘振华等[15]对传统的QFD模型进行拓展，提出了PNQFD模型，该模型不仅仅考虑到客户个性化需求的重要度，而且通过这多组重要度获得时间序列形式，从而预测未来客户个性化需求。 1.2.2 产品配置的国内外研究现状

国内外学者对于产品配置的研究主要集中于产品配置方案求解的方法，并取得了硕大成果，包括基于实例推理的、基于规则推理的、基于本体的、基于约束的和基于结构的方法[16]。不同的配置方法，有不同的实现过程与优缺点，表1-1参考了国内外关于产品配置方案求解方法的文献，详细介绍了各种产品配置方法的优缺点。

表1-1 产品配置方法及其优缺点

Table 1-1 Product configuration methods and their advantages and disadvantages

研究领域 基本理论与方法 基于实例推理的产品配置方法 优点 缺点及需要进一步研究 主要参考文献 速度快，较为直观；太依赖于产品配置实例配置结果较为准确。 库，配置方案受实例库变化影响；对于实例库较大情况下，求解过程复杂。 [17][18][19] [20][21][22] 基于规则推理的产品配置方法 产品配置方案求解方法 基于本体的产品配置方法 基于约束条件的产品配置方法 推理结果较为准确，产品配置方案难以规则推理过程快速，易于理解。 化。推理过程中，产品配置规则与规则之间可能产生冲突。 通用性强、利用资源共享和重用性好 易于维护；准确性高；在一致性检验方面较强 求解效率不够；动态性差；不能直观体现产品结构间关系 不能直接体现产品属性间的约束关系 [32][33] [34][35] [36][37] [38] 概念推理性差 [27][28] [29][30] [31] [22][23][24] [25][26] 基于结构的产品配置方法 产品结构描述清晰直观 表1-1只是介绍了几种常见的产品配置方案求解方法，实际应用中不仅仅局限于这几种类型，还有很多其他类型的方法。比如包志炎等[39]也是重用了企业产品实例库中的配置案例，将蜂群进化机制应用到产品配置过程中，通过选择和交叉操作，能够

第5页 上海工程技术大学硕士学位论文 第一章 绪 论 求出雄蜂交配池，即与新定制产品相似度较高的以往产品配置案例。王盼盼[40]提出了基于可配置模板的方法，建立了产品配置过程中所有的配置知识模板，使得产品配置整个过程都是在模板中进行的，因此能够快速配置新产品。张良等[41]提出将灰色关联和权重顺序结合，并应用于产品配置方案重构中，通过计算比较产品配置方案的灰色关联系数，选取优质方案作为备选方案集，对方案集中的各模块进行编码并根据权重顺序交叉重组，最终确定新的产品配置方案。

不同的产品配置方案求解方法有自身的优势与不足。在实际应用过程中，一般很少单独采用一种求解方法，而是将几种方法组合起来使用。其目的是为了克服单个方法存在的不足，将各种方法的优势扩大化。

有效的产品配置方法不仅能较少企业产品的生产周期，而且能生产出高质量满足消费者需求的产品，为用户带来了方便，而且极大地降低了企业各方面的成本，为企业带来了盈利机会。然而各种产品配置方法的缺点也是很多学者和行业研究人员注重的问题，不难预测，产品配置方法在未来的发展进程中，仍然会有相当大的进步空间。 1.2.3 面向客户个性化需求的产品配置国内外研究现状

罗妤等[42]指出从客户个性化需求的获取到产品配置的实行过程包含两个步骤：1.客户个性化需求转换为产品配置参数；2.从产品配置参数表到产品族零部件选择的过程。针对第一个过程，该文将灰色系统理论与粗糙集理论相结合，针对性地将模糊客户个性化需求转换到产品配置参数表；王莉静等[43]建立了模糊粗糙集+SVM的融合映射模型，首先通过模糊集有效地解决客户个性化需求信息模糊、不准确和不完备的问题，然后通过粗糙集的属性约简删除客户个性化需求属性中不重要的属性，降低了决策表的维度，最后利用SVM实现客户个性化需求信息到产品设计参数的映射。但是每考虑一个产品设计参数就要重新计算相应的训练集和测试集结果，过程过于繁琐，值得改进；Wang等[44]提出了一种基于灰色粗糙模型的分析方法，客户个性化需求可有效转化为技术特征，帮助企业在成本和时间约束下选择关键技术特征，为客户提供最大满意度，提出了一种基于自组织映射和模糊相似优先比法的案例检索方法；王鹏家等[45]将粗糙集理论和灰色系统理论结合，提出一种基于灰色粗糙集模型的客户个性化需求转换方法，不仅完成了客户个性化需求与技术特性的转换，而且得到重要的技术特性。该方法的优点就是只是转换过程中没有人为因素的干扰，有利于使客户满意度达到最大值；缺点就是在建立技术特性指标灰色信息表的时候，需要利用已有产品

第6页 上海工程技术大学硕士学位论文 第一章 绪 论 实例的技术特性指标参考数据，具有局限性。

以上是基于粗糙集方法实现客户个性化需求到技术特性的转换，还有一些学者利用本体论进行产品配置研究：为了实现模糊的客户个性化需求知识与产品族知识之间的映射，陈静等[46]提出了面向客户个性化需求基于本体的产品配置方法研究，考虑到客户模糊需求本体中的属性值具有模糊性，无法与本体映射中的参数匹配，该文献运用了三角模糊量化方法将属性值转换为三角模糊数，从而进行匹配，计算产品模块参数和本体的相似度，取最优解作为满足客户个性化需求的产品实例；杨沁等[47]提出了基于本体映射的需求相似度产品配置研究，通过建立客户需求本体模型和产品配置本体模型来体现两者间存在的对应相似关系，通过计算两者的相似度选择与客户个性化需求特征参数相似度最大的产品配置特征参数作为最佳配置方案，在本体映射过程中，通过与阈值的比较加入映射反馈机制，调整不满足阈值条件的映射方案，从而得到最满意的结果。

当然，更多的学者是利用质量功能展开(QFD)方法实现客户个性化需求到产品配置的映射。Fahma等[48]提出以客户个性化需求为基础的属性优先的品质功能展开方法，这种方法利用质量屋有效地将客户个性化需求与技术特征联系起来，完成客户个性化需求向技术特征的转换。而陈以增等[49]在分析自相关矩阵对技术特性权重影响的基础上，修正了客户权重与技术特性的关系矩阵，以顾客满意度最大为目标函数，建立了一个非线性QFD规划模型，利用该模型方法配置产品能够在约束的条件下最大程度满足客户个性化需求；胡东方等[50]将QFD和AIS结合，并应用于产品配置中，将QFD中质量屋输出的信息即反映客户个性化需求的工程特性及其重要度作为约束条件用于AIS方法中，在完成客户个性化需求到技术特征的映射基础上，利用AIS复杂产品定制设计模型求出最优方案匹配解；王晨等[51]提出了一种面向客户个性化需求的产品创新设计模型，该模型集成了客户个性化需求分析处理、技术特征映射、质量功能配置和创新方案生成功能。在质量功能配置模块，利用质量工程屋实现客户个性化需求到技术特征的映射和权重关系。于英楠等[52]提出了基于改进的质量屋和TOPSIS法新产品概念决策，在质量屋法中该文献采用了三角模糊数确立顾客需求—技术特征矩阵，提高了质量屋输出的准确性；将质量屋输出的产品技术特征权重应用到基于三角模糊数的TOPSIS方法中，将决策方案进行贴近度排序，两个改进方法的结合不仅满足了客户个性化需求，而且实现了客户个性化需求与专家经验知识的耦合

第7页 上海工程技术大学硕士学位论文 第一章 绪 论 决策；雒兴刚等[53]同样是采用了质量功能展开方法完实现了客户个性化需求到产品技术特征的映射，然而考虑了产品部件的效用、产品兼容性、产品价格和交货周期等因素，通过优化模型得到次优解集合供客户进一步选择。该方法的一个局限性就是需要建立一个软件系统方便实际应用，以防产品族非常复杂并且含有大量接口，造成方法复杂化；庞继红等[54]从实际产品配置出发，通过分析影响产品配置质量的重要质量要素，构建了重要质量要素与精度设计质量特性之间的反向映射模型，实现客户个性化需求到产品设计技术特性的反向映射，为产品开发人员提供决策依据，另外应用粗糙集理论的属性重要度确定客户个性化需求的客观重要度，避免了人为主观因素的影响，确保结果的可靠性和精确性；为了解决多约束条件下的技术特征映射问题，葛畅等[55]对QFD法中的传统质量屋结构进行改进，提出了基于满意度与投入约束的需求规划决策模型。通过建立最大化客户满意度的目标函数和三个约束条件（满意度约束、投入约束和布尔约束）来确定数量屋输出的技术特性是否必要，从而决定了在产品配置过程中是否需要配置各技术特性。

为了提高企业产品配置的效率，研究产品配置的规则提取是有必要的，目前关于规则提取的研究已经开展了很多，比如胡浩等[56]将粗糙集应用到产品配置规则提取中，将产品配置过程中各个属性作为条件属性，将匹配的产品作为决策属性，经过属性约简后，得到最终产品配置规则。但是该模型中的相容性分解方法由于只是简单地将决策表中的不相容部分去除，会造成知识的严重缺失，因此值得改进。晁永生等[57]利用粗糙集将产品配置属性约简后，应用Apriori算法获取频繁项集，为了减少冗余项集产生，采用了不同属性的项集进行联结；应用较低的支持度和较高的置信度提取强规则。在属性约简的过程中该模型是考虑的各条产品属性的必要性，从而进行取舍，但一旦属性集庞大，该方法的时间复杂度就会很大，值得改进。而耿秀丽等[58]提出传统的粗糙集配置规则提取方法具有较差的容噪性，因此将变精度粗糙集引入到产品配置规则提取方法中，并且针对新增产品配置数据对象提出了相应的产品配置规则增量更新方法。李易林等[59]提出了基于PIETM的关联规则获取方法来获取客户个性化需求映射规则，在此基础上，考虑到当规划设计实例数据库数据量大时，会产生很多冗余和相似的规则，需要对规则进行分析聚类；采用基于粗糙集的模糊聚类方法，通过对客户个性化需求值和技术特性值进行聚类分析实现规则聚类分析。但是，聚类结果取决于阈值选取，因此如何选取阈值使得方案最优化值得考虑。崔文华等[60]利用

第8页 上海工程技术大学硕士学位论文 第一章 绪 论 Skowron差别矩阵进行核提取和属性约简，提取出满足客户个性化需求的产品配置规则，但由于Skowron差别矩阵属性约简算法并不适用于所有决策表，只能在相容决策表下使用，因此该文献提出的基于粗糙集理论的产品配置规则获取方法存在漏洞，值得改善。 1.2.4 研究述评

从客户个性化需求的研究现状可以看出，对于客户需求的重要度分析，现有方法虽然对具有不确定性和模糊性的客户个性化需求进行处理，并能得到相对准确的结果，但求解过程的前提需要设定函数，例如模糊隶属度函数[61]。这些函数都是人为设定的，存在较强的主观性，因此求解出的客户个性化需求权重也过于主观，不符合实际情况；同时，还有一些方法的灵活性往往很差，比如利用粗糙集属性重要度求出客户个性化需求中各需求的重要度，利用粗糙集对决策信息系统分析处理能够得出属性间的关系和重要程度，从而求出客户个性化需求重要度，但无法了解到客户的隐藏需求，即客户没有明确表达的要求，因此该类方法求出的结果过于客观。

另外，从产品配置的研究现状可以看出，产品配置方案求解方法主要包括基于实例推理的、基于规则推理的、基于本体的、基于约束的和基于结构的方法，每种方法都有各自的优点，并在实际生活中均已得到广泛应用。然而，它们也有各自的缺点，例如实例推理效率低下，当实例库中实例多的情况下，因需要检索所有实例导致无法快速得到产品配置方案；并且，所有方法的动态性较差，无法解决动态产品配置问题。

综上所述，本文研究拟从以下几个方面进行完善：

（1）合理确定客户个性化需求权重。在粗糙集条件属性重要度的基础上，引入模糊层次分析法，将两种方法结合，克服求解得到的客户个性化需求权重过于客观和主观的缺陷，使得结果更加符合实际情况。

（2）快速准确地得到产品配置方案。针对产品配置方法有各自的优点和缺点，本文主要研究将几种方法结合，取长补短。现如今，很多产品配置方法的研究都是将数种方法结合，并取得很大成效，本文在规则推理和实例推理结合的基础上，先利用粗糙集对规则的提取方法进行改善，得到产品配置规则后，再与实例推理结合得到最终的产品配置方案，使得逻辑表达直观、自然，配置结果准确。

（3）产品动态配置问题。考虑到产品配置过程是动态的、长久的，本文将从上述产品配置集成方法的基础上出发，针对产品配置实例库动态变化时如何快速应对，

第9页 上海工程技术大学硕士学位论文 第一章 绪 论 在已有产品配置方案求解过程的基础上快速、准确地得到产品配置方案上做出深入研究。

1.3 研究内容与创新点

1.3.1 研究内容

面向客户个性化需求的产品配置模型及应用研究主要针对消费者对产品的要求越来越高，希望企业能生产出满足自身要求产品的现象，运用粗糙集和实例推理的知识推理方法，分别构建了基于粗糙集和实例推理的产品配置模型和基于粗糙集和实例推理的动态产品配置模型，并将两个模型应用于实例中。本文主要研究内容如下：

第一章是绪论。首先介绍面向客户个性化需求的产品配置研究背景与研究意义；然后分析了客户个性化需求、产品配置以及面向客户个性化需求的产品配置的国内外研究现状，明确了本文研究的切入点，并作评述；最后介绍了本文主要研究内容、创新点、研究思路以及研究方法。

第二章是客户个性化需求及其权重确定。首先阐述了客户个性化需求的相关理论，其中包括客户个性化需求的基本概念和特点；接着给出了客户个性化需求分析处理模型，先对客户个性化需求信息进行采集，然后对客户个性化需求项分析和规范化处理，确定客户个性化需求权重；最后通过质量功能展开构建质量屋实现客户个性化需求与产品配置技术特性的知识对接，为产品配置奠定基础。

第三章是客户个性化需求的产品配置模型研究。在完成客户个性化需求与产品配置技术特性的知识对接后，本文给出了面向客户个性化需求的产品配置模型研究。该模型将粗糙集与实例推理相结合，先利用粗糙集提取产品配置规则，形成规则库，然后以规则为单位，将企业产品配置实例库中的实例进行分类，从而形成实例类；当有新的需求实例需要完成配置时，先检索规则库，找到匹配的规则，然后提取出该规则对应的实例类进行实例推理，计算相似度，取相似度最大的实例作为需求实例的产品配置基础；最后对产品配置方案进行适当改进即可得到最终的产品配置方案。

第四章是客户个性化需求的动态产品配置模型研究。考虑到前面提取出来的产品配置规则和实例推理是在企业静态实例库的基础上进行的，然而现实生活中企业实例库是不断更新的，因此提出了基于粗糙集理论的产品配置规则的动态更新和基于实例推理的动态产品配置模型；并以此为基础，提出了面向客户个性化需求的动态产品配

第10页 上海工程技术大学硕士学位论文 第一章 绪 论 置模型，并且利用算例验证该模型的正确性和有效性。

第五章是面向客户个性化需求的产品配置模型应用研究。运用前三章详述的方法和模型，通过一个具体的企业案例（豆浆机配置）说明并论证了该技术和模型的可行性。

第六章是总结与展望。对本文的研究成果进行总结，并提出研究展望。 1.3.2 创新点

本文针对企业产品传统的制造方法无法满足客户个性化需求的问题，以及企业如何又好又快地生产出满足客户个性化需求的产品问题，提出了面向客户个性化需求的产品配置模型及应用研究，创新点包括以下三个方面：

（1） 客户个性化需求权重的确定

本文考虑到目前关于客户个性化权重的确定方法过于主观和客观，并且得到的权重可能存在相等或零的情况，既不符合实际情况，也不利于技术设计人员准确把握客户的喜好程度和影响技术特性映射的准确性。因此提出将粗糙集和模糊层次分析法结合，以客户满意度作为决策属性，通过粗糙集属性重要度求出客户个性化需求的权重结果较为客观，模糊层次分析法求出的客户需求权重能够深入考虑客户个性化需求自相关性及较为准确地表达客户需求的模糊性，主观与客观相结合，最终确定较为精确的客户个性化需求权重。

（2） 产品配置的规则提取

本文在Pawlak属性约简的基础上，提出了基于条件属性分类的属性约简算法。将条件属性分成核属性、重要属性和不重要属性，该算法与目前属性约简方法不同的是不需要计算决策表的核属性，可以通过判断条件属性的分类从而决定是否将该属性加入到属性约简中；另外针对基于差别矩阵的属性约简算法中的差别矩阵中有一部分函数值可省略，减少计算时间和空间，因此对差别矩阵进行改进，矩阵维度得到减小，从而能较快地得到属性约简。在得到属性约简的基础上，进行产品配置规则提取。

（3） 基于规则和实例的知识推理

针对实例推理过程中需要检索所有实例，耗时费力，因此将基于粗糙集属性约简的规则与实例推理结合，运用到产品配置中。通过规则先将产品配置实例进行分类，即以规则为单位将实例进行分类，这样就可以得到一个规则对应多个实例的格局。当有新的需求实例时，先通过规则匹配，找到配对规则对应的一组或多组配置实例，然

第11页 上海工程技术大学硕士学位论文 第一章 绪 论 后只需利用实例推理对这些实例进行相似度计算，得到的最优解的配置实例方案便可作为新需求实例的参考配置方案。考虑到目前基于知识推理的产品配置方法都是从静态实例库出发，而企业产品配置实例库是不断变化的，从而产品配置方法也会相应进行改变。因此本文基于上述产品配置方法，提出了面向客户个性化需求的动态产品配置模型，主要研究当产品配置实例库中增加实例时，如何在原先差别矩阵的规则提取过程的基础上通过发现其中的计算规律，快速得到产品配置规则，从而实现基于规则和实例的动态产品配置。

1.4 研究思路与研究方法

1.4.1 研究思路

本文主要研究面向客户个性化需求的产品配置模型，在获取和处理客户个性化需求后，利用粗糙集和模糊层次分析法对其进行权重计算，而后利用质量功能展开中的质量屋实现客户个性化需求到产品技术特性的映射；接着将粗糙集规则和实例推理结合，实现对新客户个性化需求的产品配置；然后将粗糙集规则的增量式更新与实例推理结合，实现对新客户个性化需求的动态产品配置；最后将模型运用于具体产品配置实例中，并提出对策建议，帮助企业快速生产出满足客户要求的产品。技术路线图如图1-1所示。

第12页 上海工程技术大学硕士学位论文 第一章 绪 论 研究背景 现实背景 1.客户个性化需求 2.企业个性化配置效率和成本 3.竞争激烈的市场环境 1.基于规则和实例的产品配置研究较少； 2.企业数据库改变时，面向客户个性化需求的动态产品配置值得研究。 文献综述与分析 1.客户个性化需求的表达与转换； 2.产品配置方法； 3.面向客户个性化需求的产品配置； 客户个性化需求 粗糙集属模糊层次性重要度 分析法 客户个性化需求权重的确定 客户个性化需求的获取 客户个性化需求的分析处理 客户个性化需求到产品技术特性的映射 面向客户个性化需求的产品配置模型 基于CBR的产品配置方法 以产品配置规则为单位将实例分类 基于粗糙集的产品配置规则提取 技术特性数据获取 技术特性数据预处理 基于粗糙集属性约简 产品配置方案规则提取 需求实例检索匹配规则 选择规则对应的实例类 相似度计算及方案提取 面向客户个性化需求的动态产品配置模型 基于粗糙集的产品配置规则的动 基于CBR的动态产品配置方法 态更新 以产品需求实例 配置规 核的增量式更新 则为单检索动态匹配规则 位将实例分类 属性约简的增量式更新 选择规则对应的实例类 规则的增量式更新 相似度计算及方案提取 实例研究 总结与展望 图1-1 技术路线图 Figure 1-1 Technology roadmap

第13页 上海工程技术大学硕士学位论文 第一章 绪 论 1.4.2 研究方法

本文主要采用以下研究方法：

（1）文献分析法。该方法贯穿于从选题、总体框架设计、理论模型构建到案例选取的整个研究过程，通过搜集、整理、分析相关研究领域的国内外文献，明确本文研究思路，为后续研究奠定基础。

（2）模型分析法。根据传统客户需求权重的计算上的不足，本文构建基于粗糙集和模糊层次分析法结合的客户需求权重求解模型；并且结合规则推理和实例推理的优势，本文分别构建了基于规则和实例的静态和动态产品配置模型用于实现面向客户个性化的产品配置。

（3）实例分析法。通过理论与模型研究，将面向客户个性化需求的产品配置模型应用于具体实例中，通过推理分析，得出产品配置方案。

（4）比较分析法。将本文提出的客户需求权重确定方法、基于粗糙集条件属性分类的属性约简算法及基于改进的差别矩阵属性约简算法与其他方法进行比较，得出本文中采用的产品配置模型能有效提高产品配置效率。

第14页 上海工程技术大学硕士学位论文 第二章 客户个性化需求及其权重确定

第二章 客户个性化需求及其权重确定

产品配置的最终目标是产品各方面都能满足客户个性化需求，客户个性化需求的满意度是衡量产品定制成功与否的关键指标，如何提高产品配置的客户满意度直接影响到企业在当今日趋激烈地市场竞争环境中生存与发展[62]。特别是随着我国改革开放的进行以及人民生活水平的日益提高，企业面对的市场环境不再是稳定和不变的，消费者的需求已经发生翻天覆地的变化，客户需求更加朝着个性化和多样化发展。企业的生产必须响应客户个性化需求，以个性化的产品来满足客户个性化需求。所以，生产部门要及时并且准确地获取客户个性化需求信息，并有效地对这些客户个性化需求信息进行提取、分析和表达，只有这样企业才能节约生产成本、缩短生产周期和提高客户对个性化产品的满意度，才能立足当今市场、获取收益和提高自身产品知名度。

2.1 客户个性化需求

2.1.1 客户个性化需求的含义及其特点

客户个性化需求（Customer individual demand）是指客户依据自身的需求喜好利用语言方式表达的对产品的外观、材料、性能以及其他属性对企业产品生产的期望需求，从而形成一种个性化需求，也就是将客户“自身的声音”通过与企业的沟通加入到产品生产过程中。例如“电脑运行速度要快”、“自行车重量要轻”、“冰箱节能性高”都是客户个性化需求的典型实例。

客户个性化需求具有以下几个特点：

（1）模糊性：由于知识水平的，大多情况下，客户提出的需求语言大多是类似于“大概”、“略微小于”、“差不多”这样的模糊性语言，因此客户提出的需求在大多数情况下是模糊的、不精确的和不具体的。

（2）多样性：客户个性化需求的多样性主要体现在：①从需求个体上看，不同的客户由于喜好存在差异性，所以导致客户个性化需求存在差异性；②从需求源头上看，客户个性化需求有外观的、本质的、目前的、未来的、家庭方面的、社会方面的等。

第15页 上海工程技术大学硕士学位论文 第二章 客户个性化需求及其权重确定 （3）动态性：客户个性化需求的动态性主要体现在：①产品配置过程中的客户个性化需求动态性：在基于客户个性化需求的产品配置过程中，由于客户个性化需求的模糊性和不精确性，会导致客户个性化需求产生变化，即与最初客户个性化需求所表达的信息产生矛盾或差异，从而影响产品配置的顺利进行，这也就是产品配置要加入客户反馈机制，让客户时刻参与产品配置过程中，企业第一时间获取动态化的客户个性化需求；②随着时代的发展、社会的进步、人民生活水平的提高、观念的转变和生活环境的变化，客户个性化需求也是不断变化的，而且这种变化更多的是表现为升级、更新换代和拓展，因此客户个性化需求具有动态性。

（4）相似性：尽管客户个性化需求存在着多样性，但是经过研究可以发现多样性是建立在差异模块基础上的，即为相似性。客户提出的个性化需求在很大程度上存在着相同模块，个别模块的差异化导致了客户个性化需求的多样性，而大部分模块的相同化则导致了客户个性化需求的相似性，为企业大规模定制和产品族的确定创造了条件。

（5）矛盾性：客户个性化需求的矛盾性主要表现在：客户提出的多个需求自身存在矛盾，比如客户既希望产品的性能好，又希望价格便宜，这对于企业生产来说是很难实现的。

（6）潜在性：由于客户个性化需求的模糊性，客户很难将自身的需求完整的表述出来，另外设计人员也无法完全地理解客户个性化需求的所有信息，因此客户个性化需求存在潜在性，即有潜在的信息没有被表述出来。企业需要对这类潜在的客户个性化需求信息进行挖掘，采取一定的方法对之进行推理、预测，使之显性化。 2.1.2 客户个性化需求的分类

由于客户对产品配置的专业知识认知程度存在差异，因此将客户个性化需求分为结构化需求和非结构化需求。

（1） 结构化需求。提出这类需求的客户专业知识认知程度比较高，通常需求信息表现为产品模型的具体参数，不需要进行技术特性的转换，可以直接被产品设计人员利用。例如汽车产品的发动机转速、油耗率、车身长宽等。

（2） 非结构化需求。与结构化需求相反，提出非结构化需求的客户对产品配置的专业知识认知程度较低，通常提出的需求只是停留在产品的外观、性能等表面层面上，这类需求信息具有模糊性和不确定性，例如汽车产品的起步快、节能、载客量多

第16页 上海工程技术大学硕士学位论文 第二章 客户个性化需求及其权重确定 等。对于非结构化需求需要对其进行规范化处理并且转换为产品的技术特性，从而指导产品配置。

2.2 客户个性化需求的采集与分析处理

2.2.1 客户个性化需求的采集

客户个性化需求的采集是进行产品配置的第一步，因此客户个性化需求的采集过程对产品配置结果具有较大影响。现如今，采集客户个性化需求的方法有很多，其中包括：市场调研、网络调研、资料调研和企业数据库分析；另外可以通过售后服务人员上门服务和技术设计人员与客户交流来获取客户个性化需求信息。 2.2.2 客户个性化需求的分析处理

采集到了客户个性化需求后，需要对其进行分析处理，客户个性化需求的分析处理主要包括概括提取顾客需求、分解复杂客户个性化需求、客户个性化需求规范化和需求冲突的检测和消除，如图2-1所示：

需求获取 需求概括 需求分解 需求规范 冲突消除 信息库 客户 图2-1客户个性化需求的分析处理过程

Figure 2-1 The analysis process of individual requirements of customers

2.2.2.1 概括提取客户个性化需求

由于客户个性化需求信息具有模糊性，而且大多数是用自然语言进行描述的，对于设计人员来说很难理解已知产品配置过程中会出错，无法设计满足客户个性化需求的产品。因此为了避免这样的问题，在获取到这些模糊信息后，有必要对它们进行概括、提炼，方便产品配置后续工作的顺利进行。然而在概括提取信息的过程中，如果方法使用不当，可能会导致信息失真。当产品配置信息失真程度多大，即技术人员设计方案与客户本意出入过大时，客户满意度会偏低；当超出客户承受区域，即客户最基本需求也没有被实现时，客户满意度会迅速降低，从而导致产品配置的失败，其关系如图2-2所示。因此概括提取客户个性化需求对于产品配置十分重要，必须要减轻信息失真程度，使客户满意度维持在较高水平。

第17页 上海工程技术大学硕士学位论文 第二章 客户个性化需求及其权重确定 客户满意度

客户承受临界区间 信息品质损失

图2-2 客户个性化需求信息品质损失与客户满意度关系

Figure 2-2 Relationship among customer individual demand, information quality loss and customer

satisfaction

2.2.2.2 复杂需求的分解

在概括提取客户个性化需求信息后，这些信息得到了提炼，能够被技术设计人员接受，但是仍然有一些信息在语义上存在交叉现象，主要体现在信息不完整、重复和矛盾。因此为了更加方便技术人员了解和机器识别客户个性化需求信息，有必要将复杂客户个性化需求信息进行分解，通过分解能够将原先复杂隐含的客户个性化需求转变为众多基本子需求，从而有利于客户个性化需求向产品技术特性的映射。

用数学形式来描述上述复杂客户个性化需求分解的要求：

CRicri1cri2cri3criq

其中CRi表示第i个客户的原始个性化需求，q表示客户原始个性化需求分解成子需求的数量，crij表示第i个客户的原始个性化需求被分解成的第j个子需求，

j1,2,,q。特别的，cri1cri2cri3criq。

复杂客户个性化需求分解不单单是指语义分解，还包含语义转换和需求补充等过程[63]。

（1）语义分解。顾名思义就是将语句按照意思分解为不同的子需求，这个分解过程不需要其他步骤，只需要按照字面的意思将客户多元的、捆绑的需求分解为完整的、不同的需求单元。

（2）语义转换。经过语义分解后，还需要将其转换为设计人员和机器能够识别的信息，通过自身的知识掌握将需求单元语义转换成专门面向设计人员和机器可以识别的专用术语，也即为子需求，无法进行语义分解和语义转换。

（3）需求合并与扩展补充。通过语义分解和语义转换得到的子需求可能会存在重复的情况，比如客户个性化需求：要省电而且便宜，通过语义分解为省电、便宜两个需求单元，在通过语义转换分别能够得到能耗低和生产成本低、能耗低、维修成本

第18页 上海工程技术大学硕士学位论文 第二章 客户个性化需求及其权重确定 低、废弃处理成本低的两组子需求，可以发现两组子需求有重复的部分，即能耗低，应该合并这样的子需求，从而达到各个子需求都是的目的。不仅如此，如前文提到客户个性化需求具有潜在性，即有一部分客户信息无法从客户所表达的语言中提取到，这样就可能会造成客户个性化需求语义的缺失。

表2-1列出了复杂客户个性化需求分解不同过程的示例。

表2-1 复杂客户个性化需求分解示例

Table 2-1 Example of complex customer individual requirement decomposition

输入数据 省电并且便宜 处理过程 语义分解 输出结果 省电 便宜 生产成本低 能耗成本低 维修成本低 废弃处理成本低 易回收 能耗低 污染小 便宜 语义转换 环保性好 语义扩展和补充 为了方便理解，上述步骤可以用关系槽PART-OF形式表达客户个性化需求的层次性结构。PART-OF的上下框架能够很清晰地代表客户个性化总需求和子需求的关系。图2-3表示了用PART-OF表达的电脑客户个性化需求的层次结构。

电脑客户个性化需求 Part-of 运行速度快 Part-of 数据处理性能高 Part-of Part-of Part-of 经济性 Part-of 储存速度快 能耗低 Part-of 安全性和可靠性 Part-of 成本低 显示速度快 图2-3 电脑客户个性化需求的层次框架结构

Figure 2-3 Hierarchical framework for personalized requirements of computer clients

建立了客户个性化需求层次框架后，便可很容易发现它们与产品配置的技术特性之间的映射关系，为后文利用质量功能展开方法实现客户个性化需求到技术特性的转换奠定了基础。

2.2.2.3 客户个性化需求描述规范化

通过客户个性化需求分解能够得到需求的层次框架结构，但是其中的子需求描述依旧表现为客户的自然语言。而设计人员和设计机器软件更希望这样的自然语言能转

第19页 上海工程技术大学硕士学位论文 第二章 客户个性化需求及其权重确定 换为知识表示的形式，因为知识表示能够将客户个性化需求信息转变为设计人员和计算机可以直接理解的数据或模型。

知识表示方法主要有谓词逻辑表示法、生产式表示法、语义网络表示法、框架表示法和面向对象表示法等[]，这些方法都有各自的优点和缺点，缺点主要表现在无法同时满足知识表达的四个要求：充分表达、有效推理、方便管理和易于理解，如表2-2所示，因此可以将几种知识表示方法结合使用，取长补短。

表2-2 知识表示方法及其优缺点

Table 2-2 Knowledge representation methods and their advantages and disadvantages 表示方法 优点 缺点 (1) 适用于知识量较小的情(1) 直观且易于理解 (2) 能够将知识表示和知识推理环节分开 况 (2) 需要预先知道所要达到的目标 (3) 推理过程不易理解 (1) 使用一致的知识表示方法 (2) 提供统一的数据访问方法，能够被所有规生产式表达法 则使用 (3) 适用于处理判断性知识 (4) 可以增加规则的模块性，有利于知识的修改和扩充 (1) 直观且易于理解，适用于领域专家之间的沟通与合作 语义网络表达法 (2) 能简洁表示实体以及实体之间的结构、属性与关系 (3) 概念易于学习和访问 (1) 良好的继承性、层次性和模块性 (2) 附加进程信息，有利于知识库的一致性维框架表示法 护 (3) 能够利用过去获得的知识较为准确地预测未来的情况 面向对象表示法 (1) 表示的知识与客观情况更为接近 (2) 表示方式比较自然、易于理解 需要提前知道类的概念构成一种属性继承的层次关系 许多实际情况与框架原型不符，对新的情况并不能完全适应 (1) 推理结果不够精确 (2) 处理程序比较复杂 (1) 不适用于表达过程性知识 (2) 系统求解问题时的控制流程较难理解 (3) 效率较低 谓词逻辑表示法 第20页 上海工程技术大学硕士学位论文 第二章 客户个性化需求及其权重确定 (3) 具有较好的封装性、模块性、继承性和可拓展性等 本文考虑到客户个性化需求实际上是客户凭借自身的喜好、知识和经验对产品形成的一种观点，而框架表示法中的框架比较符合人类认识事物的知识模型，其中具有多层次树桩结构和侧面，比较符合客户个性化需求中的多层次的要求。因此有必要使用框架表示法来进行客户个性化需求描述规范化。框架的典型结构形式如下：

<框架名>

<槽名1><槽值1>|<侧面名11><侧面值111，侧面值112,…>

<侧面名12><侧面值121，侧面值122,…>

…

<槽名2><槽值1>|<侧面名21><侧面值211，侧面值212,…>

<侧面名22><侧面值221，侧面值222,…> …

<槽名k><槽值1>|<侧面名k1><侧面值k11，侧面值k12,…>

<侧面名k2><侧面值k21，侧面值k22,…> …

图2-4 框架表示图

Figure 2-4 Frame representation

该结构表示一个框架含有众多槽，每个槽都有一个槽值或众多侧面名，而每个侧面名又有众多个侧面值。若框架名中存放一个客户个性化需求对象，则框架中的槽名就是客户个性化需求类型名，框架侧面用于存放客户个性化需求类型中的各属性及其值。客户个性化需求往往会涉及到产品的功能、外延和形式等，这些都是客户个性化需求的显性要求，考虑到客户个性化需求也存在一些潜在要求、经验和决策等信息，若要将这些要求都体现出来，需要将框架和规则结合起来形成一种新的知识表示方式，即将生产式规则当作框架中的一个槽，从而解决提取客户个性化需求潜在要求和克服客户个性化需求具有模糊性等问题。

利用图2-5描述客户个性化需求框架--规则模型，其中设置了6个槽：父框架槽、规则槽、客户特征槽、功能特征槽、形式需求槽和外延需求槽。 2.2.2.4 客户个性化需求冲突的消除

得到规范化后客户个性化需求可能存在冲突，比如客户自身需求与需求间存在冲

第21页 上海工程技术大学硕士学位论文 第二章 客户个性化需求及其权重确定 突和客户个性化需求与企业技术之间的冲突。客户自身的需求冲突主要表现在需求间存在矛盾关系，产品配置无法同时达到具有矛盾关系的客户个性化需求，比如客户提出的“产品性能高”和“价格便宜”就是两个具有矛盾关系的客户个性化需求，企业无法生产出性能高又价格便宜的产品，对于这种客户自身需求冲突的消除，设计人员要及时将冲突信息反映给客户，通过客户对自身需求进行取舍改进来解决冲突。对于客户个性化需求与企业技术之间的冲突主要表现在客户个性化需求远远高于企业技术能力，可以采用TRIZ（创新问题解决理论）为技术人员设计出改进方案，从而解决冲突。

框架名：客户需求 父框架：无 规则槽：<规则集> 客户特征：<客户特征> 功能需求：<功能需求> 形式需求：<形式需求> 外延需求：<外延需求> 框架名：规则集 父框架：客户需求 规则1：条件 结论 … 规则n：条件 结论 框架名：客户特征 父框架：客户需求 基本资料：姓名 客户类型 … 环境要求：要求1 要求2 … 价格需求：价格 … 框架名：功能需求 框架名：外延需求 父框架：客户需求 父框架：客户需求 主导功能：功能1 运送要求：要求1 功能2 要求2 … … 辅助功能：功能1 安装要求：要求1 功能2 要求2 … … 其他功能：功能1 售后要求：要求1 功能2 要求2 … … … … 图2-5 客户个性化需求框架-规则描述模型 框架名：形式需求 父框架：客户需求 性能要求：性能1 性能2 … 外观要求：色彩 形状 … 材料要求：材料1 材料2 … … Figure 2-5 Customer personalized requirements framework - rule description model

2.3 客户个性化需求权重的确定

为了合理地确定产品配置中的客户个性化需求权重，本节提出了基于粗糙集和模糊层次分析法的集成分析方法，将主、客观方法结合，大大提高了客户个性化需求权重的准确性。先利用粗糙集属性重要度初步确定客户个性化需求权重，再利用模糊层次分析法深入考虑客户个性化需求的自相关性，以修正客户个性化需求初始权重，最后选择合理的主、客观权重偏好系数，利用线性加权组合法将主、客观客户个性化需求权重结合起来得到最终的客户个性化需求权重。

第22页 上海工程技术大学硕士学位论文 第二章 客户个性化需求及其权重确定 2.3.1 基于粗糙集属性重要度确定客户个性化需求权重 2.3.1.1粗糙集理论

1982年波兰数学系教授Pawlak教授提出了一种数据分析处理理论——粗糙集理论[65-66]，粗糙集理论可以利用自身的数据形成信息系统进行决策而不需要其他信息，因此具有较强的客观性，适合运用到客户个性化需求权重的求解中。

定义2.1[66] 信息系统S(U,A,V,f)，是一个四元组；其中U是论域，是对象的非空有限集合；A是属性的非空有限集合；V表示属性A的值域，即V表示UAV的一个信息函数，即对xU,aA，有fS(U,A,V,f)也简记为SU,A。

aAVa；fax,aV，通常

定义2.2[66] 设S(U,A)为一个信息系统，其中ACD，且CD，C称为条件属性集，D称为决策属性集。

定义2.3[66] 在信息系统S(U,A)中，令RA，定义属性集R的不可区分关系

IND(R)为：

IND(R)={(x,y)UU|aR,f(x,a)f(y,a)} （2-1）

如果(x,y)IND(R),则称x和y是R的不可区分的，容易证明RA，不可区分关系IND(R)是U上的等价关系。

定义2.4[66] 在S(U,A)中，符号U/IND(R)表示不可区分关系IND(R)在U上导出的划分，也称为信息粒度，IND(R)中的等价类称为R基本集。符号[x]R表示包含

xU的R等价类。在不产生混淆的情况下，也用R来代替IND(R)，U/IND(R)可简记为U/R。

定义2.5[66] 给定信息系统S=(U,A)，对于每个子集XU和RA，定义两个子集：

和

{YU/ RXR|Y }X （2-2）

RX{YU/R|YX} （2-3）

分别称它们为X的R下近似集和R上近似集。由公式3-3可知，下近似RX中

的所有对象都属于X，则认为RX是X的R正域，记为POSRX，即：

第23页 上海工程技术大学硕士学位论文 第二章 客户个性化需求及其权重确定 POSRXRX。

使用同样的方法，可以将集合NEGRXURX定义为X的R负域，主要表示所有不属于X的对象集合；将PBSRXRX定义为X的R可能域；将。 NBRXRXRX定义为X的R边界域（如图2-6所示）

图2-6 粗糙集相关概念图

Figure 2-6 The picture of concept about rough set

定义2.6[66] 在S(U,A)中，令P、QA，Q的P正域记为POSP(Q)，即

对于一个信息系统S(U,A,V,f)，其中ACD，如果去掉某一条

XU/QPOSP(Q)PX（2-4）

定义2.7

[66]

件属性c后，其正域发生变化，即

则称{c}为C中D不必要的；否则{c}为C中D必要的。

POS(C{c})(D)POSC(D)（2-5）

定义2.8[66] coreC(D)redC(D)，其中redC(D)表示所有D的C约简构成的集合。

2.3.1.2客户个性化需求权重确定

粗糙集属性约简的主要思想就是在保持分类能力不变的情况下，删除其中冗余的条件属性而形成一个简化的决策表[67]，这些冗余条件属性不影响决策属性的取值，即属性重要度为0。条件属性重要度越高，决策属性值受之影响程度越大；相反，则越小。下面是利用粗糙集求解客户个性化需求权重过程：

第24页 上海工程技术大学硕士学位论文 第二章 客户个性化需求及其权重确定 （1）确定客户个性化需求决策表 存在决策表SU,A，A=C的子需求，D表示客户满意度。

（2）计算条件属性重要度

计算D的C正域POSC(D)，D的C的依赖度为：

D，其中C{C1,C2,Cn}表示客户个性化需求

rC(D)其中|s|表示集合s的元素个数。

|POSC(D)| （2-6）

|U|逐个去除条件属性{Ci}，计算D的C{Ci}正域POSC{Ci}(D)和依赖度rC{Ci}(D)：

rC{Ci}(D)其中i1,2,,n。

条件属性Ci的重要度ki为：

|POSC{Ci}(D)||U| （2-7）

kirC(D)rC{Ci}(D) （2-8）

（3）归一化处理

客户子需求对应的条件属性Ci的权重wi1为：

wi1ki （2-9） ki例2-1：为了更好地阐述上述方法，本文打算用一个数值例子来说明。假设某产品配置的客户个性化需求C1-C6：适应性强（C1）、效率高（C2）、稳定性高（C3）、易于维护（C4）、人因工程设计合理（C5）和成本低（C6），将这些客户个性化需求作为粗糙集决策表的条件属性，客户个性化需求满意度作为决策属性，取具有代表性的部分样本形成客户个性化需求信息表达系统，如表2-3所示。

表2-3 客户个性化需求信息表达系统

Table 2-3 Customer personalized demand information representation system

条件属性C（客户个性化需求）

C2 C3 C4 C5 C6 C1

1 2 2 1 1 1 2 2 1 1 1 3 2 2 2 1 2 1 1 2 2 1 2 1 1 2 2 2 1 1 2 3 1 1 1 3 2 3 1 1 1 2

第25页 U

1

2 3 4 5 6 7

决策属性D满意度 3 3 2 2 1 2 1

上海工程技术大学硕士学位论文 第二章 客户个性化需求及其权重确定 8 9 10 2 2 2 2 2 1 3 2 2 2 2 2 1 2 2 1 1 1 3 1 2

利用公式（2-6）~（2-9）求出客户子需求对应的条件属性Ci的权重wi1：

wi1(0,0.3333,0,0.3333,0.1667,0.1667)

结果表明，利用粗糙集属性重要度能够确定客户需求权重，在确定属性重要度的同时也间接地考虑属性与属性间的相关性，若存在几个相关度比较高的属性，则具有代表性的属性重要度较大，其他属性重要度较小，因此得到的结果较为准确客观。但是得到的属性权重存在等于零或相等的情况，对于等于零的情况，若决策者直接将该属性约简，即完全不考虑重要度为零的客户需求，则可能影响客户满意度；对于权重相等的情况，决策者无法对客户需求进行精确排序，造成企业技术人员无法准确掌握客户对于产品各模块的重视程度，从而企业无法生产出迎合消费者的产品，所以要对权重进行修正。本文接下来利用模糊层次分析法对客户需求权重进行修正。 2.3.2 基于模糊层次分析法确定客户个性化需求权重

模糊层次分析法（FAHP）是将层次分析法的定量性和客观性的有点与模糊综合评价的包容性有机结合，是一种适用性更强的决策方法[68]。模糊层次分析法不仅考虑因素更全面，主观影响程度比层次分析法低，而且可以更好地将专家意见集成到决策过程中[69]。因此利用模糊层次分析法能够深入考虑客户需求自相关性及较为准确地表达客户需求的模糊性。

模糊层次分析法具体步骤如下： （1）构建优先关系矩阵R(rij)nn：

r12r1nr22r2n （2-10） R(rij)nnrn2rnn式中，0rij1，rijrji1，rij表示客户子需求ai与aj具有的模糊关系隶属度，本文的隶属度如表2-4所示[70]，显然rii=0.5，并且R为模糊互补矩阵。

表2-4 隶属度确定表 Table 2-4 Membership table

标度值 0.1 r11r21rn1含义

子需求aj极其重要于子需求ai

第26页 上海工程技术大学硕士学位论文 第二章 客户个性化需求及其权重确定 0.138 0.325 0.439 0.5 0.561 0.675 0.862 0.9

子需求aj强烈重要于子需求ai 子需求aj明显重要于子需求ai 子需求aj略微重要于子需求ai 子需求aj与子需求ai同样重要 子需求ai略微重要于子需求aj 子需求ai明显重要于子需求aj 子需求ai强烈重要于子需求aj 子需求ai极其重要于子需求aj

（2）构建模糊一致矩阵 模糊一致矩阵A(aij)nn为：

A(aij)nna11a21an1式中aijaiaj2(n1)a12a1na22a2n（2-11）

an2ann

0.5，airij，i1,2,,n。

j1n（3）计算权重 客户需求权重wi2为：

n12 (i1,2 （2-12） wi2,n, )n(n1)ai2.3.3 基于组合权重的评价模型确定

为了解决利用粗糙集属性权重求得的客户个性化需求权重相等或等于零的问题，本文引入模糊层次分析法，利用该方法具有深入考虑客户个性化需求与需求间自相关关系和表达客户个性化需求不确定性的优点，与粗糙集结合，构建组合权重的评价模型，从而对客户个性化需求权重进行修正。该模型流程图如下（图2-7）。

上文已经得到利用粗糙集求得的客观客户个性化需求权重wi1和利用模糊层次分析法求得的主观客户个性化需求权重w，显然wwi21，0wi1,wi21，采

2in1ini1i1用线性加权组合法将主观权重和客观权重结合起来，最终确定客户个性化需求权重

wi：

第27页 上海工程技术大学硕士学位论文 第二章 客户个性化需求及其权重确定 wiuwi1(1u)wi2 （2-13）

因此求出合理的客户个性化需求权重的关键在于主、客观权重的偏好系数u。本文的目的是在粗糙集确定客户个性化需求权重的基础上利用模糊层次分析对结果进行修正，因此要尽可能减小主观随意性对组合权重的影响[71]。

图2-7 组合权重评价模型流程图

Figure 2-7 Flow chart of combination weight evaluation model

2.3.4 算例分析

本文利用组合权重的评价模型对例1中的客户个性化需求权重进行求解，计算步骤如下：

（1） 粗糙集确定客户个性化需求权重

本章在第2.3.1节已经利用粗糙集确定客户个性化需求权重wi1：

wi1(0,0.3333,0,0.3333,0.1667,0.1667)

由于权重存在相等和等于的情况，需要对其进行修正。 （2） 模糊层次分析法确定客户个性化需求权重 首先构建优先关系矩阵R，见表2-5。

然后利用式（3-11）、（3-12）计算客户个性化需求权重为：

wi2(0.1326,0.2007,0.1367,0.10,0.16,0.1763)

第28页 上海工程技术大学硕士学位论文 第二章 客户个性化需求及其权重确定 （3） 主、客观组合客户个性化需求权重

为了尽可能地较小主观随意性对组合权重的影响，本文采用黄金分割数确定主客观权重的偏好系数u0.618，利用式（8）最终确定客户个性化需求权重wi：

wi(0.0507,0.2827,0.0522,0.2782,0.1659,0.1703)

表2-5 优先关系矩阵R

Table 2-5 Precedence relation matrix R

C1 CC2C3C4C5C10.50.1380.4390.1380.4390.325C20.8620.50.8620.6750.5610.561C30.5610.1380.50.1380.4390.325C40.8620.3250.8620.50.5610.561C50.5610.4390.5610.4390.50.439 C60.6750.4390.6750.4390.5610.5结果分析：

由表2-6可知利用主、客观组合的客户个性化需求权重发生了变化，解决了利用粗糙集得到的客户个性化需求重要度相等或等于零的情况；另外客户个性化需求排序基本没有发生变化，因此结果相对较为合理，符合现实情况。C2和C4的权重仍然是最大，即企业在产品配置的过程中，需要优先考虑农机效率高和易于维护；C5和C6的权重次之，企业需要给予人因工程设计合理和成本低适当关注；C1和C3的权重最低，因此企业对于稳定性高和适应性强只需要给予一些重视即可。

表2-6 客户需求权重变化表

Table 2-6 Customer demand weight change table

客户需求

粗糙集计算得到的

权重 排序 0 0.3333 0 0.3333 0.1667 0.1667

5or6 1or2 5or6 1or2 3or4 3or4

组合权重得到的 权重 排序 0.0507 0.2827 0.0522 0.2782 0.1659 0.1703

6 1 5 2 4 3

C1

C2 C3 C4 C5 C6

2.4 客户个性化需求向产品技术特性的映射

为了使得企业生产出的产品能够更加满足客户个性化需求，有必要将客户个性化需求转换为产品技术特性。本文采用质量功能展开（QFD）实现客户个性化需求向产

第29页 上海工程技术大学硕士学位论文 第二章 客户个性化需求及其权重确定 品技术特性映射。QFD的基本原理是利用质量屋（HOQ）将客户个性化需求与产品技术特性联系在一起，以客户个性化需求为输入条件，通过HOQ将客户个性化需求转换为产品技术特性，并输出产品技术特性的权重，使得产品设计人员能更好地掌握客户需求，从而使得产品配置过程始终围绕着客户个性化需求展开，最终配置的产品能够最大程度地满足客户的需求[72]。质量屋的结构如图2-8所示。

自相关矩阵 相关强度 技术特征 客 户 需 求

客户需求和技术 特征关系矩阵 技术特征排序及竞争性评估

用户需求规划矩阵 设置目标值

方案X1…Xn

设计方案评估 图2-8 质量屋结构图 Figure 2-8 Quality house structure

结构中主要包括客户个性化需求及其权重、产品技术特性及其自相关矩阵、客户个性化需求和产品技术特性关系矩阵、产品技术特性权重等。如何根据客户个性化需求信息确定质量屋的结构是利用质量屋进行产品配置的重点[73]，本文只需求出产品技术特性的权重用于后文的面向客户个性化需求的产品配置过程，客户个性化需求向产品技术特性映射的过程主要包括客户个性化需求权重确定和产品技术特性及其权重确定。章节2.3已实现客户个性化需求权重确定，接下来确定产品技术特性及其权重。

在得到客户个性化需求权重w后，便可将其作为输入条件输入质量屋中。然后通过专家经验和知识可以确定与客户个性化需求C相关的技术特性P和两者间的关系矩阵R，记pj（j1,2，，m）表示产品第j个技术特性，rij表示产品技术特性pj在满足客户个性化需求项Ci方面的隶属度。关系矩阵R可以表示为：

第30页 上海工程技术大学硕士学位论文 第二章 客户个性化需求及其权重确定 r11rR[rij]21rn1r12r1mr22r2m (2-14) rn2rnm接下来便可确定产品技术特性权重tj为：

tjwicij (2-15)

i1n产品技术特性权重矩阵t描述为：

t(t1,t2,,tm) (2-16)

产品技术特性及其权重确定后，可以帮助产品设计人员了解产品技术特性的相对重要性；另外，求得的技术特性权重将被运用于下文基于实例推理的产品配置方法中，使得企业配置出的产品更加贴近客户的实际需求。

2.5 本章小结

本章主要对客户个性化需求的相关知识进行介绍。首先介绍了客户个性化需求的含义、特点和分类，然后介绍了客户个性化需求的采集方法和规范化处理，接着对客户个性化需求权重进行计算，客户个性化需求权重是企业在产品定制过程中掌握客户偏好的关键。本文构建了粗糙集和模糊层次分析法的集成方法，对利用粗糙集求得的客户个性化需求权重进行修正。该方法考虑到利用粗糙集属性重要度求得的客户个性化需求权重可能存在相等或等于零的情况，若是随意地将权重等于零的属性去除，即不考虑重要度等于零的客户个性化需求，或是将权重相等的客户个性化需求进行简单排序，则产品配置可能会不满足客户的要求而大大降低客户个性化需求满意度。因此构造该集成方法，将主、客观方法结合起来，利用模糊层次分析法深入考虑客户个性化需求间的自相关关系和表达客户个性化需求的模糊性，使得结果更加合理。通过实例分析，该方法可行，能够较为合理地改善客户个性化需求权重，从而使企业节约产品配置资源、缩短生产周期和提高客户满意度。最后利用质量功能转换中的质量屋实现了客户个性化需求到产品技术特性的映射，得到了与客户个性化需求对应的产品技术特性及其权重，用于下文客户个性化需求的产品配置过程展开。

第31页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

第三章 客户个性化需求的产品配置模型研究

通过前面章节，本文已经将客户个性化需求规范化，并且将其转换为产品的技术特性，即产品设计技术人员能够直接利用这些信息进行产品配置过程。面向客户个性化需求的设计，本文考虑到客户个性化需求是建立在企业可配置产品基础上的，是在已有产品基础上进行更新换代，产品的各个模块大多是已经设定好的，而对于设计预定范围外的客户个性化需求，设计人员可以对产品配置方案再进行改进。因此本文的设计思路是运用实例推理（Case-based Reasoning, CBR）的产品配置方法，但是考虑到该方法的高效性是建立在实例较少的情况下，一旦实例库过于庞大，那么实例检索和相似度计算过程过于繁琐，因此本章将规则推理（Rule-based Reasoning, RBR）与CBR结合，先利用粗糙集提取出产品配置规则，以规则为单位，先将实例库中的实例进行分类，利用RBR检索与需求实例相匹配的规则，然后得到匹配规则对应的相似实例类，在此基础上利用CBR对相似实例类中的实例与需求实例进行相似度计算，取相似度最大的实例作为需求实例的产品配置基础，最后对配置方案进行改进，得到最终的产品配置方案指导产品配置过程的进行。

3.1 基于粗糙集的产品配置规则提取方法框架

本文利用粗糙集提取产品配置规则步骤主要包含： （1） 数据获取； （2） 数据预处理； （3） 粗糙集约简模型； （4） 规则提取；

其中，本文将重点介绍粗糙集约简模型和规则提取模块，为第四章基于粗糙集规则提取动态更新作铺垫，详细步骤见图3-1。

第32页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

开始 数据获取 数据预处理 缺失数据处理 噪声数据处理 数据离散化 … 规则提取 条件属性值约简 粗糙集约简模型 条件属性约简 结束 图3-1基于粗糙集的规则提取方法流程图

Figure 3-1 Flow chart of rule extraction method based on Rough Set

3.1.1 产品技术特性数据获取

该步骤的主要目的是收集数据，作为规则提取的第一步，数据获取是非常重要的，数据获取的好坏在一定程度上影响实验结果。

数据获取一般是设计者或专家设计好实验，通过每次实验来产生数据。在企业产品配置过程中会产生数以万计的数据，每一个产品配置方法都是一条数据，前文中已经采集了客户个性化需求，对实例库比较丰富或者客户个性化需求比较常见的产品，可以采集产品配置技术特性参数作为实验数据。

数据获取主要包含数据获取的数量和有效性两个方面： （1） 数据数量

粗糙集是在决策表的基础上进行数据分析处理的，决策表中的数据越多，实验结果越准确。因此为了提高结果的准确性，有必要获取足够多的数据。

（2） 数据有效性

数据的有效性主要包含两个方面，一是数据需求的有效性，也就是说，获取的数据是否是实验所需要的数据，从粗糙集角度出发，即获取的数据是否能够组成关于产品配置所需要的技术特性的决策表，需要对数据进行筛选，选取合适的数据作为信息系统的输入，主要指产品配置的技术特性。二是获取的数据具有典型性，这类数据能够有效地覆盖其他部分数据，能够代表其他数据进行实验，这样就能够既保证结果准确性，又能减少数据数量从而降低计算复杂性。

第33页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

3.1.2 产品技术特性数据预处理

虽然已经获取到实验数据并且构成决策信息系统，但是一般情况下不能直接使用数据进行粗糙集约简和规则提取，需要对数据进行处理，因为获取得到的数据是最原始的信息，由此构成的信息系统（决策表）可能存在数据缺失、噪声、不一致和非离散化等问题，会影响实验结果的准确性，因此需要对数据进行预处理。

数据预处理对于粗糙集规则提取十分重要，如果不有效处理数据，那么作为原始数据可能无法直接使用，干扰实验结果。本文的数据预处理主要包含缺失数据处理、噪声数据处理和数据离散化处理[74]。对于决策表不一致的问题，即不相容决策表，本文随后在粗糙集约简模型里做具体分析。

（1）缺失数据处理

在决策表中数据缺失是一种很常见的现象，即不完备信息表，一些属性值是空值，造成这种问题的原因主要包括：数据暂时无法获取；某个或某些属性是不可用的；某些数据（被认为）是不重要的；获取这些数据的代价太大等。

对于缺失数据的补齐，主要通过下面三种方法进行解决：

① 将含有缺失数据的实例记录删除，即将不完备决策表中有空缺值的行直接去除，通过去除不完备信息就能得到完备的决策表了。这种方法的优点是简单易实现，在完备实例远多于不完备实例的情况下，去除这些不完备实例数据是基本不会影响决策表中信息的完整性的，因此该方法是值得考虑的。该方法的缺点也就是在数据集比较少的情况下在很大程度上会影响结果的准确性。

② 取一个特殊值或者符号取代空缺值，比如“unknown”、“△”，它不同于其他的任何属性值，这样也能够得到一个完备的决策表，但是可能会导致严重的数据偏离，从而影响实验结果，不推荐。

③ 采用统计学原理，通过数据信息整体情况来系统地推测空缺值，需要建立预测模型。

（2）噪声数据处理

除了数据不完备，噪声也是一种很常见的现象，噪声就是获取的数据存在错误或者偏差较大。造成噪声数据的原因有很多：在数据输入过程中人和计算机出错；数据获取设备或者程序错误；数据传输过程中出错。可以采取数据平滑技术来修正噪声数据，从而降低其对实验结果的影响。

第34页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

（3）数据离散化

数据离散化的本质就是选取断点对属性值范围进行划分的过程，把属性值范围看成一个集合，通过对这个集合的划分而形成有限个子集合，每个子集合都有自身固定的值，而原先属性值则更改为归属子集合所对应的值。

数据离散化的方法有很多，比如等距离划分算法、等频率划分算法、naive scaler算法、semi naive scaler算法和布尔逻辑粗糙集理论相结合算法等，[75]但一般遵循的流程都相同，如图3-2所示：

开始 连续属性值 排序 选择断点 评价方法 评价

N 对方法满意 Y 划分或合并 划分或合并 排序

N 停止准则 停止

Y 离散属性值 结束 图3-2 数据离散流程图 Figure 3-2 data discrete flow chart

图中，数据离散化主要包含以下四个步骤： ① 排序

对数据进行排序是数据离散化的第一步，是非常重要的，只有对连续属性值进行排序，才能高效省时地了解数据分布的大致情况，方便下文选择断点和确定评价方法。对数据的排序可以采取升序或降序的方式，当然选取合适的排序算法也是非常重要的，常见的比较有效的排序方法有很多，比如快速排序法，时间复杂度较低，排序效率高。

第35页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

② 选择断点

正如上文所述，数据离散化是将连续属性值转换成离散属性值，在转换的过程中需要先确定区域值，而区域的确定则需要通过断点来将属性值范围分割，在排序后能够确定属性值的范围（区间），然后选取合适的评价方法确定断点实现对连续区间的划分。

③ 划分或者合并

选择适当的连续区间进行再划分或合并的操作，每划分一次会增加一个区间，而相反，每次合并都会减少一个区间。

④ 停止准则

停止准则是用来判断是否应该终止数据离散化过程的，通常用一个固定的最大区间数或评价函数来作为停止准则。 3.1.3 基于粗糙集属性约简算法 3.1.3.1 重要属性与不重要属性

通过对条件属性进行分类，能够深入了解属性的本质，方便学者对于属性约简的理解和研究。

定义3.1 将条件属性分为三大类属性，分别定义为核属性、重要属性和不重要属性。其中核属性就是上述方法得到的类似c属性，核属性集为：

coreC(D)redC(D) （3-1）

重要属性是指属于约简集属性但不是核属性的属性，重要属性集为：

SIGC(D)(redC(D)coreC(D)) （3-2）

不重要属性是指条件属性中既不是核属性也不是重要属性的属性，不重要属性集为：

inSIGC(D)CcoreC(D)SIGC(D) （3-3）

例3-1：存在决策表系统3-1:S(U,CD,V,f)，C{c1,c2,c3,c4}，D{d}。

表3-1 一个决策表 Table 3-1 A decision table

U

1 2 3

c1

2 1 1

c2

2 2 2

c3

0 0 0

第36页 c4

1 1 1

d

1 0 1

上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

4 5 6 0 1 2 0 0 0 0 1 1 1 1 1 0 0 1

这个决策表有两个约简为{c1,c2}和{c1,c3}，则： 核属性集coreC(D)redC(D)={c1,c2}{c1,c3}{c1}， 重要属性集SIGC(D)(redC(D)coreC(D)){c2,c3}， 不重要属性集为inSIGC(D)CcoreC(D)SIGC(D){c4}。 引理1 在信息系统S(U,A)中，ACD，QC。若redC(D)C，

redC(D)Q，则POSCQ(D)POSC(D)。反之也成立。

证明：由coreC(D)redC(D)可得coreC(D)redC(D)，又因为

SIGC(D)(redC(D)coreC(D))，可得：

redC(D)coreC(D)SIGC(D)redC(D)1redC(D)2redC(D)n

因为POSC(D)POSredc(D)(D)，所以可得：若redC(D)POS(CQ)(D)POSC(D)。

Q，

逆证：若POS(CQ)(D)POSC(D)，则根据粗糙集定义可得到{CQ}不是一个约简集，即redC(D){CQ}，redC(D)Q，得证。

推论1特别的，若Q包含的条件属性个数为1，即|Q，若|1POCSQ(D)义2-5。

POS，则称)DQ为C中D不必要的；否则Q为C中D必要的，同定C(SQ(D)推论2若|Q|2，若POCPOS，)D则QC(coreC(D)或

(redC(D)core(D))Q，由引理1易证。

3.1.3.2 决策表的属性相对约简算法

1．Pawlak属性约简算法

设条件表的条件属性集合为C{c1,c2,...,cn}，决策属性集合为D{d}。对于决策表中的任一条件属性ci，具体算法[65]描述如下：

输入：条件属性集合C{c1,c2,...,cn}，决策属性集合为D{d}。 输出：属性约简集合redC(D)。

Step 1:计算条件属性C的D相对正域POSC(D)；

第37页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

Step 2:对条件属性ciC，计算去除该条件属性所得到的子集C{ci}的相对正域

POSC{ci}(D)；

Step 3:若POSC{ci}(D)POSC(D)，则说明属性ci对于决策属性D是不必要的，

C{ci}，转Step2；否则，输出属性约简redC(D)。

该算法思想主要是从条件属性必要性出发，根据定义逐个去除条件属性，计算比较相对论域，从而形成新的条件属性集合，输出最后的条件属性集合作为属性约简，对于属性约简算法研究方面具有指导意义。但是在重要属性和不重要属性较多的情况下，该算法运算步骤比较复杂。

2. 基于条件属性分类的属性约简算法

Pawlak属性约简算法是从条件属性必要性出发，输出新的条件属性集作为属性约简集。本文基于Pawlak属性约简算法思想继续将条件属性进行细分，通过比较去除多个条件属性后的相对正域来直接输出属性约简集。

算法思想：本文算法主要是从条件属性分类出发，去除条件属性，计算比较相对正域，由推论2可知，当相对正域不相等的时候，可以判定去除的属性集包含核属性或所有约简集的重要属性。为了方便提取这样核属性和重要属性，本文采取累加去除条件属性的方法，若相对正域不等，只需将最后累加去除的条件属性提取出来，加入到属性约简集中。最后得到的集合即为属性约简集。

算法如下：

输入：决策表系统S(U,CD,V,f)，C{c1,c2,...,cn}，D{d}。 输出：属性约简集合redC(D)。 Step 1: 计算POSC(D) Step 2: redC(D)=，Q Step 3: for(i1;in;i){

QQ{ci}; 计算POS(CQ)(D)

if(POS(CQ)(D)POSC(D)){

redC(D)redC(D){ci};

QQ{ci};

第38页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

}

}

Step 4:输出约简redC(D)。

本文将在本章最后利用一个数值实例验证该算法的可行性和有效性。 3. 基于改进的差别矩阵属性约简算法

为了提高属性约简的高效性，有必要利用粗糙集先对决策表求核。针对粗糙集求核的方法有很多，现如今较为主流的方法就是利用差别矩阵进行求核。

（1）改进的差别矩阵

Skowron [76]针对粗糙集求核和属性约简效率低下，提出将差别矩阵用于知识表示并给出了相应的求核方法，该方法的本质就是比较决策属性可分辨关系下对象间的条件属性差异，从而将差异的条件属性形成差别矩阵。叶东毅[77]指出决策表中可能有不相容信息，Skowron [76]针对这类情况求核时会出现错误，因此该文献提出了一种改进的差别矩阵，该方法利用差别矩阵进行计算的时候，先对两个对象的决策属性值的基数进行比较，只有当相同条件属性对应的决策属性值的基数等于1时才能继续利用差别矩阵进行计算；而杨明[78]则是先将论域进行分类，即将不相容决策表中的不相容对象与相容对象分类，然后定义新的差别矩阵进行计算，之后通过比较新增对象与两者的关系从而确定如何修改原差别矩阵；龙浩[79]指出杨明[78]中的差别矩阵存在部分重复项，即差别矩阵中左下角部分与右上角部分，因此提出了相应的改进方法。下面本文将对这几种差别矩阵进行详细的描述，并在此基础上提出自己的改进差别矩阵。

为了提高求核的效率，Skowron [76]提出了基于差别矩阵的核计算方法。设决策表

S(U,A,V,f)，ACD，U={x1,x2,,xm}，C{c1,c2,,cn}，ci(xj)表示对象xj在属性ci上的取值，则差别矩阵R1{rij1}可定义为：

(i)cx(jd)x,i(d)x{cC:cx定义3.2： rij,其他1j()}（3-4）

叶东毅[77]指出Skowron [76]方法计算不相容决策表时会出现错误，所谓不相容决策表就是xw,xvU，使得C(xW)C(xV)且D(xW)D(xV)，反之该决策表为相容决策表。在产品配置方案中也会出现不相容的情况，例如人为数据输入出错或者产品配置方案经过改进后与原实例库方案存在矛盾情况，即实例库中存在错误的方案实例。针对这种情况，叶东毅[77]提出了改进的方案：设决策表S(U,A,V,f)，ACD，

第39页

上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

U={x1,x2,,xm}，C{c1,c2,,cn}，ci(xj)表示对象xj在属性ci上的取值，则差别矩阵R2{rij2}可定义为：

{cC:c(xi)c(xj),d(xi)d(xj),且min{k(xi),k(xj)}1}定义3.3： rij2（3-5）

,其他 式中k(xi)|{D(y)|y[xi]C}|，即k(xi)表示定价类[xi]C中决策属性取值种类的基数，该方法认识到导致Skowron [70]出错的根本原因就是不相容对象之间的差异比较，因此先通过基数取值判断两个对象是否是不相容对象，这样就能克服不相容类中对象之间的差别比较的缺点。

而杨明[78]认为叶东毅[77]在计算差别矩阵前需要先判断min{k(xi),k(xj)}的值，需要花费过多的时间和精力，因此提出了改进的差别矩阵构造算法。设决策表

S(U,A,V,f)，ACD，U={x1,x2,,xm}，C{c1,c2,,cn}，ci(xj)表示对象xj在属性ci上的取值，则差别矩阵R3{rij3}可定义为：

{cC:c(xi)c(xj),d(xi)d(xj),xiU1,xjU1}定义 3.4： rij3{cC:c(xi)c(xj),xiU1,xjU2'}（3-6）

,其他 式中，U1POSC(D)，U2UU1，U2'delrep(U2)。对于delrep(U2)算法的描述如下：

delrep(U2)算法： 输入：U，U1，U2 输出：U2' begin U2' for xU2 do

if 不存在yU2'使得cC，c(x)c(y)，且D(x)D(y) then

U2'U2'{x}

return U2' end

第40页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

龙浩[79]指出杨明[78]差别矩阵在计算xiU1,xjU1时存在重复的元素，主要体现在矩阵左下角部分和右上角元素存在重复关系，重复元素对于差别矩阵是无关紧要的，可以去除。龙浩[79]在此基础上对文献[78]差别矩阵进行改进。设决策表

S(U,A,V,f，)ACD，U={x1,x2,,xm}，C{c1,c2,,cn}，ci(xj)表示对象xj在属性ci上的取值，则差别矩阵R4{rij4}可定义为：

{cC:c(xi)c(xj),d(xi)d(xj),xiU1,xjU1,ij}'{cC:c(xi)c(xj),xiU1,xjU2,ij}定义3.5 rij4{cC:c(xi)c(xj),xiU2',xjU1,ij}'',xU,xU,iji2i2,其他（3-7）

式中，U1POSC(D)，U2UU1，U2'delrep(U2)，1i,j|U1+U2'|。通过引入i和j大小比较就能够克服对象与对象间重复比较产生重复元素的缺点，这样得到的矩阵元素分布是在右上角，可以用简单的矩阵图3-3表示R4：

图3-3 R4简单的矩阵示意图 Figure 3-3 R4's simple matrix diagram

为了便于观察，发现其中的规律，图中矩阵是将论域进行分类形成U1和U2'，然后对U1和U2'中的实例重新排序计算得到的，其中U1(x1,x2,,xa)，

U2'(xa1,xa2,,xb)，b=|U1+U2'|。不难发现矩阵中的元素分布在右上角，并且xiU2'时，矩阵元素等于，即矩阵下方有关xiU2'的部分是空集，因此可以去除，

为了实现简化R4，本文定义的差别矩阵如下：

第41页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

定义3.6:设决策表S(U,A,V,f)，ACD，U={x1,x2,,xm}，

C{c1,c2,,cn}，ci(xj)表示对象xj在属性ci上的取值，则差别矩阵R5{rij5}可定义为：

{cC:c(xi)c(xj),d(xi)d(xj),xiU1,xjU1,ij} rij5{cC:c(xi)c(xj),xiU2',xjU1}（3-8）

,其他 式中U1POSC(D)，U2'delrep(U2)，1i|U1U2'|，U2UU1，1j|U1|。因此R5改进为一个|U1U2'||U1|的矩阵，矩阵空间要小于|U1U2'||U1U2'|，因而能够提高求核与属性约简的效率，并且有利于核与属性约简增量式更新的计算。可以用简单的矩阵图3-4表示R5：

图3-4 R5简单的矩阵示意图 Figure 3-4 R5's simple matrix diagram

本文将以定义的差别矩阵R5对决策表的核与属性约简进行计算。 （2）核的计算

定理3.1：设决策表S(U,A,V,f)，若定义IDM(C,R5){rij|rijR5且|rij|=1}，则IDM(C,R5)coreC(D)，即差别矩阵R5中只具有单个属性的元素的并集构成决策表的核属性集。

在求核属性集的过程中，为了方便下文的求核的增量式更新，即核属性的增删改过程，本文用变量DMSC(C)来统计核属性及其在差别矩阵R5中出现的次数，即

DMSC(C)(r,count)，其中r表示R5中的单个元素，count表示对应r在R5出现的

第42页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

次数。

基于定理3.1，本文给出求解核属性的算法： 输入：R5

输出：coreC(D)，DMSC(C) begin

coreC(D)，DMSC(C)

for j=1 to |U1|

for i=j+1 to |U1U2'|

if |rij5|1 then

{

// 判断元素是否含有单个元素

coreC(D)coreC(D)rij5

if rij5DMSC(C) then{

(rij5,count1)

else

DMSC(C)DMSC(C)(rij5,1)

}//判断单个元素是否之前统计过，如果统计过，则将在原先次数基础上加一，若没统计过，则将该元素统计入DMSC(C)中，次数记为1。

}

end

（3）基于差别函数的决策表属性约简

差别矩阵的实质就是提取导致样本与样本决策属性差异性的条件属性集合，在得到差别矩阵后需要对这些条件属性集合进行取舍，将最终的属性集作为属性约简集合。引入差别函数对条件属性约简集合进行求解。差别函数的定义如下：假设决策表令xi,xjU为S(U,A,V,f)，QCD，U{x1,x2,,xn}，cA,xi,xjU，相对于属性a的差别变量。

第43页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

{c|(cC)(c(xi)c(xj))},d(xi)d(xj)c(xi,xj),c(xi)c(xj)d(xi)d(xj),d(xi)d(xj)可以看出，这与定义的差别矩阵中元素相同。然后令

（3-9）

c1c2ck,c(xi,xj){c1,c2,,ck}(1kcard(C))c(xi,xj)1,c(x,x)ij（3-10）

则差别函数定义为：

△=(xi,xj)UU

c(x,x)ij(xi,xj)UUc(x,x),i,j1,2,,n （3-11）

ij差别函数的性质：差别函数△的极小析取式中的所有合取式是属性集A的所有约简集，也就是说，差别函数可能会求出数个属性集合，而每个属性集合都是该决策表的属性约简集，该属性约简集同样具有整个属性集能够区别所有对象的功能。

在介绍完差别函数的定义和性质后，接下来本文给出基于差别函数的决策表属性约简算法：

输入：差别矩阵R5 输出：相对约简redC(D)

（1） 扫描差别矩阵R5中的非空元素rij5，然后建立析取逻辑表达式Lij：

Lijakrij5ak；

（2） 对（1）中所有Lij进行合取运算，从而得到一个合取表达式L：

LLij(akrij5ak)；

（3） 将（2）中的L转换为析取逻辑表达式L'Lk； （4） 输出redC(D){l|lLk}，算法结束。

通过分析，上述基于差别函数的决策表属性约简算法能够得到决策表所有的约简集，其方法的本质对差别矩阵进行全部扫描，通过对非空元素进行析取合取，最终得到极小析取范式作为属性约简，从而使问题得到简化。但是当论域过多时，该方法如果还是考虑整个差别矩阵中的元素，无疑会增加计算工作量，得到的区分函数也会变得冗长。在上述算法中的第（3）步转换合取表达式中，可以发现析取逻辑表达式中

第44页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

的每部分都是核属性与非核属性的并集，即核属性必将组成属性约简的一部分。通过对差别矩阵的分析，差别矩阵中的单个元素即为决策表的核属性，即该属性是能够区分两个对象xi和xj的唯一条件属性；而对于差别矩阵中不是单个元素的情况，表明能构成两个对象xi和xj区分关系的条件属性不止一个。当差别矩阵中多个元素包含差别矩阵中的单个元素，即能够构成两个对象xi和xj区分关系的条件属性中包含核属性时，差别矩阵对应的多个元素可以去除。首先通过3.1.3求得决策表的核属性集

coreC(D)，接下来扫描整个差别矩阵R5，将其中包含核属性的元素值修改为，从而得到一个新的差别矩阵R6，也就是决策表的分明矩阵。在分明矩阵的基础上进行基于差别函数的决策表属性约简算法中的（1）、（2）两个步骤，最后将核属性集便可以的得到该决策表的全部属性coreC(D)加入到析取逻辑表达式中的每个合取项，约简集合redC(D)，从而简化求解过程。

定义3.7 在R5的基础上定义差别矩阵R6：

:coreC(D)rij,rijR5（3-12）rijrij:coreC(D)rij,rijR5

6因此改进了的基于差别矩阵的决策表属性约简算法描述如下： 输入：coreC(D)，差别矩阵R6； 输出：redC(D)。

（1）矩阵R6中所有元素，取出其中不为的元素，然后建立析取逻辑表达式Lij：

Lijakrij5ck；

（2）对（1）中所有Lij进行合取运算，从而得到一个合取表达式L：

LLij(akrij5ak)；

（3）将（2）中的L转换为析取逻辑表达式L'Lk；

（4）将coreC(D)中的属性合取运算，得到式子LcoreC(D)：LcoreC(D)ckcorec(D)ck

（5）最后将LcoreC(D)添加到L'中的每个合取项中，l(L'LcoreC(D))，即将核属性集与重要属性取并集，最终得到属性约简。

该算法的伪代码如下：

第45页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

输入：coreC(D)，差别矩阵R6，

将其初始值设为空值，Lij的作用是将差别矩阵R6中不为空的元素rij6中所有Lij，

的属性c进行析取，即每个非空元素位置都得到一个析取表达式；

L，将其初始值也设为空值，L的作用是将上面Lij中每个析取表达式进行合取，

即将差别矩阵中全部非空元素整合起来；

L'，将其初始值也设为空值，L'的作用是将L中合取的析取表达式与coreC(D)进行析取得到表达式；

LCOREC(D)，将其初始值也设为空值，LCOREC(D)的作用是将coreC(D)中的元素进行合取，即将差别矩阵提取到的全部核属性整合起来。

输出：redC(D)。 Begin

Lij=， L=，

L'=，

redC(D)=， for j=1 to |U1|{

for i=j+1 to |U1U2'|{

if |rij6|0 then{

for k=1 to |rij6|{ } } } }

for k=1 to |coreC(D)|{

if k=1 then{

LijLijck，ckrij6； LLLij

LCOREC(D)LCOREC(D)c1c1

第46页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

}else{ } }

L'=(LLCOREC(D))

'for i=1 to |L|{

LCOREC(D)LCOREC(D)ck

} end

redC(D){c:cLLCOREC(D)}

3.1.4 规则提取

3.1.4.1 论域和条件属性值的约简

基于粗糙集属性约简方法能够将冗余条件属性从决策表中删掉，但是，它不能够从中获取决策规则，只是一定程度上有助于提取比较简洁的决策规则。决策规则能够帮助人们做出科学而准确的决策。

在条件属性约简后，决策表得到了简化，主要体现在决策表包含的条件属性大大减少。去除部分条件属性的决策表会出现属性值完全相同的对象的情况，即论域中有相同对象，造成这种现象的原因就是去除的冗余属性是分辨这类对象的关键属性，也就是去除这些属性后使得部分对象形成不可区分关系。另外，决策属性的取值是由关键条件属性的取值情况决定的，去除非关键属性的属性值并不影响决策属性值。因此，在进行决策规则提取前需要对决策表的条件属性值约简，从而简化规则提取过程。

假设一个信息系统S(U,A,V,f)，其中ACD，RA，xU，定义属性与属性值组合的集合

Rx{(a,f(x,a))|aR}

式中，(a,f(x,a))表示属性与属性值组合，以一个约简后的决策表3-2为例，设

R{c1,c2,c3}，则Rx1{(c1,0),(c2,0),(c3,1)}。

第47页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

表3-2 条件属性约简后的决策表

Table 3-2 Decision table after conditional attribute reduction

U

x1 x2 x3 x4 x5

C

c1

0 0 1 0 0

c2

0 1 0 1 0

c3

1 1 0 1 0

D

0 1 0 1 1

假设RC，xU，

[x]R[x]D。对cR，若[x]R{c}[x]D，则称

c是R中

[x]R{c}[x]D可省略的，否则称c是R中

[x]D，即R中所有的c都是

[x]D不可省略的。若cR，

[x]D不可省略的，则称R在[x]D依赖的。

[x]R中是

[x]D的，否则称R在设RC，xU，

[x]R中是[x]R[x]D。Rx是x的条件属性值约简，当且仅当

[x]R[x]D，并且R在[x]R中是[x]D的。

以表3-2中的决策表为例，首先，通过条件属性约简得到的决策表中存在对象相同的情况，比如Rx2{(c1,0),(c2,1),(c3,1),(D,1)}Rx4，因此可以去除任意一个对象形成新的决策表，本文去除对象x4，如表3-3。

表3-3 重复对象约简后的决策表

Table 3-3 Table of decision making after repeated object reduction

C

U

x1 x2 x3 x4

c1

0 0 1 0

c2

0 1 0 0

c3

1 1 0 0

D

0 1 0 1

在对重复对象进行约简后，便可以继续对属性值进行约简。对于对象x1来说，设

RC{c1,c2,c3}，[x1]R{x1}，[x1]D{x1,x3}，此时[x1]R[x1]D。因为

][x1]R{c1}{x1}、[x1]R{c2}{x1,x2}、[x1]R{c3}{x1,x4}，且[x1R{1c}x[1D、][x1]R{c2}[x1]D、[x1]R{c3}[x1]D，所以R{c1}{c2,c3}是对象x1的一个条件属性值

约简，采取同样的方法可以得到其他对象的条件属性值约简，如表3-4。

第48页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

表3-4 条件属性值约简

Table 3-4 Reduction of conditional attribute value

C U

x1 x2 x3 x4

c1

- - 1 0

c2

0 1 - -

c3

1 - - 0

D

0 1 0 1

3.1.4.2 决策规则及其数量测度

C决定D，决策表中条件属性取值决定决策属性取值，即S(U,A)，ACD，这种决定关系可以用IFTHEN的形式来表示，从而反映条件属性与决策属性的关系，现令表示条件属性的取值情况，表示决策属性的取值情况，则决策规则可以表示成“IFTHEN”或“”，本文称为规则条件，为规则结论。

本节主要介绍的规则数量测度包括支持量、精度、适用度：

定义3.8：支持量是指同时具有规则条件和规则结论的对象数量，用

support()表示。

定义3.9：决策规则的精度定义为：

accuracy()support()（3-13）

support()

式中，support()表示规则条件是的对象数量。accuracy()用来表示由规则条件推出规则结论的可信度，即已知能够得到的可能性。若

accurac(y)1，则表示一定能够得到，是确定的，若

accuracy()1，则表示不一定能够得到，是不确定的。

定义3.10：决策规则的适用度为：

coverage()support()（3-14）

support()

影响决策规则适用度的因素主要有支持量support()的数量和决策结论的取值数量。支持量越大，其适用性却强；决策结论的取值数量越少，其适用性越强。

因此对表3-4可得到相应的决策规则：

第49页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

（1）(c2,0)(c3,1)(D,0),accuracy1,coverage0.5 （2）(c2,1)(D,1),accuracy1,coverage0.667 （3）(c1,1)(D,0),accuracy1,coverage0.5

（4）(c1,0)(c3,0)(D,1),accuracy1,coverage0.333

若阈值取0.9，可以将决策规则（1）、（2）、（3）、（4）纳入规则库，由于本例中对象和决策规则数量不多，因此coverage无法准确反映规则的适用度。为了使得规则适用度能够更加贴近实际情况，通常要增加决策表中对象数量从而增加提取的决策规则数量。

为了方便下文基于实例推理的产品配置方法中的实例检索过程，可以先通过决策规则将论域中的实例进行分类，把归属于同一个决策规则的实例分为一类，这样论域

U就从原先的n个实例对象改变成m个实例集合，用数学公式可表示为：

U{x1,x2,,xn}{X1,X2,,Xm}

式中nm，且xU，XU使得xX。可以通过上述列出的决策规则将表3-5进行实例分类，如表3-5所示：

表3-5 基于决策规则的实例分类表

Table 3-5 Classification of instances based on decision rules

决策规则

U

(c2,0)(c3,1)(D,0)

(c2,1)(D,1) (c1,1)(D,0) (c1,0)(c3,0)(D,1)

X1 X2 X3 X4

x1 x2x4 x3 x5

通过决策规则的论域分类，可以明确需求实例检索的对象集合，因为经典的实例推理法需要将实例库中每个实例都进行检索和计算相似度，因此检索匹配目标不是明确的，而且过程过于繁琐。通过将论域对象进行分类，可先通过决策规则推理找到与需求实例匹配的决策规则，从而通过决策规则定位到决策类，然后将需求实例与决策类中的实例一一匹配，计算相似度，找出相似度最高的案例并以此考虑决策方案。这样能够降低实例推理的复杂度，对于企业产品配置来说，能够节约时间和资源，且高效地生产出客户满意的产品。

第50页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

3.2 基于实例推理的产品配置方法研究

本文采用基于实例推理(CBR)的方法对面向客户个性化需求的产品进行配置。产品定制是在企业原有产品的基础上对产品改进的过程，企业拥有关于原有产品实例的庞大数据，这些设计实例对于产品个性化定制有着潜移默化的作用，大多数产品个性化定制方法与这些案例设计方法很相似，因此利用CBR和大量已经存在的设计实例能够帮助企业在短暂的时间内高效地配置出满足客户个性化需求的产品。CBR在产品配置领域有如下优点：

（1）要实现CBR技术的可行性需要大量的设计实例作为先验数据，而企业在产品生产过程中已经积累了数以万计的产品实例，因此可以为CBR提供大量的先验数据；并且产品配置是对产品各模块属性的配置，能够进行CBR的相似度比较。

（2）正如前文所述，产品定制是在企业原有产品的基础上对产品改进的过程，技术人员在对产品进行设计时，往往先查询企业原先相似的实例，找出产品案例中的缺陷，从而进行修改得到改进的产品设计实例。还有的技术人员凭借自身的经验对产品进行改进设计，虽然没有直接利用产品实例，但是经验作为一种主观感受与设计人员的设计产品经历有关。因此，在产品配置中采用CBR技术可以有效地将计算机和人类思维结合起来，提高产品配置的高效性。

（3）参考企业原先相似实例，可以分析产品设计失败的原因和成功的关键，从而避免错误，提高产品配置效率。 3.2.1 基于CBR的产品配置过程

CBR技术是一个动态的学习过程，一旦一个知识库中没有相似案例的实例问题得到了解决，该实例就可以当作新的经验加入到实例库中，可以用来解决将来的问题。如图3-5表示为面向客户个性化需求的CBR产品配置求解过程。

第51页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

规范化需求 技术特征映射 知识库 检索相似实例 计算相似度 实例库 修改配置方案 新实例

图3-5 面向客户个性化需求的CBR产品配置过程

Figure 3-5 CBR product configuration process for individual requirements of customers

① 通过框架表示法已经将客户个性化需求作规范化处理； ② 将客户个性化需求转换为技术特征； ③ 遍历检索实例，选取相似实例；

④ 计算需求实例与相似实例的相似度，选取相似度最高的案例，以该配置方案作为新案例的配置方案；

⑤ 将配置方案反馈给客户，对配置方案进行修改；

⑥ 将改进后的配置方案作为最终配置方案指导产品配置过程的开展； ⑦ 将新实例及其配置方案储存到实例库和知识库中，从而为解决新的产品配置问题提供知识支撑。 3.2.2 产品配置的求解

最近相邻策略是CBR产品配置相似度计算的常用方法。该方法将实例库中的案例属性与需求案例的属性一一匹配，计算各属性的相似度，每个属性都有自身的权重，从而得到最大加权系数值作为相似度值。

设实例库C{C1,C2,Ci,Cm}，其中Ci表示第i个案例，Ci{ci1,ci2,,cin}，

2n需求案例属性集合为Cr{c1r,cr,,cr}，则实例库中第i个案例与需求案例的相似度

为：

第52页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

n(wS(Ci,Cr)j1jSim(cij,crj))wj1n（3-15）

j

式中n表示案例的属性数量；wj表示属性自身的权重，利用本文2.3中基于粗糙集和模糊层次分析结合的方法可以确定案例各属性权重；Sim(cij,crj)表示实例库中第i个案例与需求案例的第j个属性之间的相似度，显然Sim(cij,crj)[0,1]，由于属性取值类型不同，主要分为数值型、枚举型和区间型，各自的计算方法如下：

（1）数值型属性。

数值型属性在产品配置方案中最常见，比如冰箱的容积、床的长度和汽车的最快速度等都要用数值来表示，对于其的相似度计算可由下式表示：

cijcrjSim(ci,c)=1-max(j)min(j)jjr,(i1,2,,m)

（3-16）

式中max(j)和min(j)分别表示产品配置中产品第j个属性取值的最大值和最小值，

j[1,n]。

（2）枚举型属性

枚举型属性的取值情况通常表现为文字描述，比如日用还是夜用，红色还是黑色等，对于这类属性，可以采用下式来计算相似度：

jj1,ccirSim(cij,crj)jj0,cicr,(i1,2,,m)

（3-17）

即若案例需求取值与需求案例取值相同，两者的相似度为1，反之则为0。 （3）区间型属性

区间型属性主要是指属性值表现为数值范围，原因是客户对于产品的一些属性取值有一个接受范围，即产品配置属性值要在客户的接受范围之内，例如衣服尺寸的误差。每一个区间值都有一个评价等级l。对于这类属性，可以采用下式来计算相似度：

lijlrjSim(ci,c)1sum(lj)jjr,(i1,2,,m)

（3-18）

式中lij和lrj分别表示第i实例的第j个属性值和需求案例的第j个属性值的等级，sum(lj)表示第j个属性值的区间等级数量。

第53页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

基于CBR的产品配置求解算法流程图如图3-6所示。

图3-6 基于CBR的产品配置求解算法流程图

Figure3-6 flow chart of product configuration solving algorithm based on CBR

3.2.3 产品方案改进

由CBR求解得到的产品配置方案虽然能够满足客户大部分的需求，但是不能直接作为最终的产品设计方案，原因主要体现在：

（1） 基于实例推理的产品配置方案求得的实际上是实例库中现存的以往案例配置方案，虽然相似度很高，足以满足客户大部分需求，比如能够满足客户90%的需求，但是始终有不足，达不到客户预期渴望得到的产品标准，必须要对配置方案做出一定改进，才能投入产品设计过程中。

（2）正如上文所述，产品配置方案是在实例库基础上得到的，因此缺乏一定的创新性，若是不对其进行改进，那么企业的产品配置实例库永远都无法更新，时而久之，产品配置方案就会远远达不到客户的需求，更无法形成竞争优势和取得长久收益，

第54页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

因此需要对产品配置投入创新意识。

因此，为了提高客户满意度、达到客户个性化需求和建设创新型企业，必须要对产品配置方案进行改进。将初步产品配置方案反馈给客户，通过与客户的长期交流对产品方案进行改进，只有让客户真正地参与到产品配置过程中来才能在真正意义上成功实现面向客户个性化需求的产品配置。

3.3 面向客户个性化需求的产品配置模型

基于CBR的产品配置方法在实例检索的过程中需要先对实例库中的每个对象都进行匹配并进行相似度计算，在此结果基础上选择相似度最高的对象作为为需求实例配置方案。考虑到该计算过程过于复杂，不符合产品配置高效的要求，因此本节将粗糙集规则与CBR结合，先通过粗糙集规则将实例进行分类，然后CBR的检索目标就由原先的整个实例库变为少量的配置规则，最后，在检索到合适规则的基础上，将需求实例与该规则对应的实例类中的实例一一配对，计算相似度，得到最优配置方案。将二者结合有如下两个优点：

（1）减少CBR案例检索的实例，通过利用粗糙集规则将实例库中的案例分类，较为科学，便于CBR的进行。

（2）前文已经提到规则推理中决策规则形式体现为IFTHEN，但可能会出现无法判断的情况，比如已知两个决策规则分别是“IFATHENC”、

“IFBTHEND”，那么当需求案例属性集为“AandB”时，对应的决策属性就无法判断是C还是D了。因此为了完善规则推理，将CBR引入进来，对RBR无法判断的实例进行实例推理，通过计算比较各自的相似度得出最佳配置方案。 3.3.1 基于粗糙集和实例推理的产品配置过程

将RBR和CBR结合可以克服CBR不仅计算过程复杂的缺点，而且可以解决RBR无法决策特殊案例的问题，其在产品配置中的流程图如图3-7所示：

第55页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

规范化需求 技术特征映射 知识库 检索配置规则 RBR 检索相似案例 CBR 计算相似度 实例类 规则库 粗糙集 实例库 修改配置方案 新案例 图3-7 基于规则和实例推理的产品配置流程图

Figure 3-7 Flow chart of product configuration based on rule and case reasoning

① 通过框架表示法已经将客户个性化需求作规范化处理； ② 将客户个性化需求转换为技术特征；

③ 利用粗糙集提取出产品的配置规则，形成规则库，以规则为单位，将实例库中的实例分类，形成实例类；

④ 当有需求实例时，在规则库中检索决策规则，找到符合需求实例的规则； ⑤ 将规则对应的实例类提取出来并进行CBR，计算需求实例与实例类中每个实例的相似度，选取相似度最高的实例作为产品配置方案；

⑥ 将配置方案反馈给客户，对配置方案进行修改；

⑦ 将改进后的配置方案作为最终配置方案指导产品配置过程的开展； ⑧ 将新实例及其配置方案储存到实例库中，从而为解决新的产品配置问题提供知识支撑。 3.3.2 算例分析

为了更好的分析以上产品配置方法，本文用一个决策表（表3-6）来进行说明。

第56页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

决策表：

表3-6 一个简单信息系统决策表

Table 3-6 A simple decision table for data information system

条件属性C（客户个性化需求）

c2 c3 c4 c5 2 2 1 1 2 1 1 1 2 2 1 2 2 2 1 2 2 2 2 1 3 1 1 1 3 1 1 1 2 3 2 1 2 2 2 2 1 2 2 2

决策属性D方案 3 3 2 2 1 2 1 3 1 2

U

1 2 3 4 5 6 7 8 9 10

c1

1 2 2 1 1 2 2 2 2 2

c6

1 3 1 1 1 3 2 1 1 1

其中条件属性即技术特性C{c1,c2,c3,c4,c5,c6}，决策属性D{d}={配置方案}。 （1）基于粗糙集的产品配置规则提取 首先对决策表进行属性约简： 计算POSC(D)；

POSC(D){1,2,3,4,5,6,7,8,9,10};

然后先从条件属性集C里去除c1，计算POS(Cc1)(D)与POSC(D)进行比较，

POS(Cc1)(D){1,2,3,4,5,6,7,8,9,10}，

因为POS(Cc1)(D)=POSC(D)，所以不做任何操作，继续循环；同时去除c1和c2，计算POS(Cc1c2)(D)与POSC(D)进行比较，POS(Cc1c2)(D){1,3,4,5,7,8}，

因为POS(Cc1c2)(D)POSC(D)，c2redC(D)；接着同时去除条件属性c1和c3，计算POS(Cc1c3)与POSC(D)进行比较，POS(Cc1c3){1,2,3,4,6,7,9,10}，

因为POS(Cc1c2c3)POSC(D)，c2redC(D)；然后去除条件属性c1和c4，计算

POS(Cc1c4)与POSC(D)进行比较，POS(Cc1c4){2,6,7,8,10}，

因为POS(Cc1c2c3c4)POSC(D)，所以将c4redC(D)。

之后再采取同样的方法一直循环计算比较，最终算法结束得到一个约简集

redC(D){c2,c3,c4,c5,c6}。

采用Pawlak属性约简算法与本文提出的算法分别进行处理后，得到结果。结果对比如表3-7所示。

第57页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

表3-7 两种属性约简算法的结果比较

Table 3-7 Comparison of the results of two attribute reduction algorithms

采用算法 Pawlak属性约简算法 基于条件属性分类的属性约简算法

属性约简结果

{c2,c3,c4,c5,c6} {c2,c3,c4,c5,c6}

通过计算可以发现：①本文的算法与Pawlak属性约简算法得到的结果相同，两种算法都能够得到决策表的一个约简；②由于实例决策表中重要属性和不重要属性属性较多，本文算法运算步骤比Pawlak属性约简算法简单，便于客观、准确地对问题进行分析和总结，提高工作效率。

决策表条件属性得到约简后便可利用3.1.4进行规则提取，得到的决策规则及论域聚类如下表3-8：

表3-8 决策规则及论域分类表

Table 3-8 decision rules and domain classification tables

序号 1 2 3 4 5 6 7 8

决策规则

accuracy coverage

1 1 1 1 1 1 1 1

0.25 0.333 0.333 0.333 0.667 0.5 0.25 0.333

U

(c2,1)(D,2)

(c3,3)(D,3) (c6,2)(D,1) (c2,2)(c3,1)(D,3) (c3,2)(c4,2)(D,1) (c4,1)(c5,2)(D,2) (c2,3)(c6,3)(D,2) (c3,2)(c4,1)(c5,1)(D,3) X1 X2 X3 X4 X5 X6 X7 X8 10 8 7 2

5,9 3,4 6 1

取阈值0.9，则可将上述规则都储存到规则库中。 （2）基于RBR和CBR结合的产品配置方案求解

若客户提出的客户个性化需求技术特性是Cr{1,1,3,1,1,2}，优先利用RBR，通

过与规则库中的规则匹配得到符合条件的规则，分别是(c2,1)D(,、2)(c3,3)(D,3)、(c6,2)(D,1)，因为得到多个规则，而且每个规则的决策结论不相等，因此无法直接得出面向该客户个性化需求的产品配置方案，需要进一步进行求解。

将表3-8中三条规则对应的类中案例提取出来，分别与需求案例进行相似度比较。以案例10为例，具体说明相似度计算过程，如表3-9所示。

第58页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

表3-9 相似度计算过程 Table 3-9 similarity calculation process 属性 相似度计算过程 21Sim(ci1,c10 r)=1-21c1 c2 c3 c4 c5 c6 111 31233Sim(ci3,cr)=1-0.5

31Sim(ci2,cr2)=1-210 21215Sim(ci5,cr)=1-0

21126Sim(ci6,cr)=1-0.5 31Sim(ci4,cr4)=1-若由式3-15可求得案例10与需求案例的相似度为0.394，其中技术特性的属性重要度可以在2.4求出，此处设wTr(0.0507,0.2827,0.0522,0.2782,0.1659,0.1703)。用同样的方法可以分别求得案例7和案例8与需求案例的相似度，如表3-10所示。

由结果可以看出，实例库中案例7与需求案例相似度最高，因此设计人员可以参照案例7的产品配置方案对需求案例进行产品配置。另外，由于相似度不高，技术人员需要客户保持沟通，对原方案进行改进，快速设计出符合客户个性化需求的产品。

表3-10 匹配案例与需求案例的相似度

Table 3-10 similarity between matching case and requirement case 案例

相似度

7 0.614 8 0.445 10 0.394 3.4 本章小结

本章将规则推理和实例推理方法结合进行产品配置。产品配置的本质是企业为了满足消费者的个性化需求而从事的产品生产过程，即原有产品无法满足客户个性化需求而迫使企业改进自身产品，包括产品的外观、性能和功能等。因此产品配置的改进升级是在原有产品的基础上进行的，为了节约企业生产资源，可以利用企业现有的大量的产品设计实例来指导新产品的设计。考虑到实例推理方法在检索相似案例时需要对每个案例进行检索和相似度计算，对于企业来说，要在短暂时间内得到产品配置方案是不可能的，因此本文将规则推理与实例推理结合，而粗糙集能够提取决策规则，因此本文先利用粗糙集属性约简和值约简得到产品配置规则，在此基础上，以产品配置规则为单位，对实例库中的实例进行分类，形成一个产品配置规则对应一个实例类

第59页 上海工程技术大学硕士学位论文 第三章 客户个性化需求的产品配置模型研究

的关系。在实际情况中，实例类可能存在交集，即一个实例可以被分到不同实例类中，可以与不同的产品配置规则配对，由于分类的方式并不会影响CBR的结果，因此本文在分类过程中不考虑一个案例被分到不同实例类的情况。然后通过产品配置规则对规则进行检索，找出匹配的产品配置规则和规则对应的实例类。最后对所有匹配的实例类中实例进行相似度计算，选取与需求案例相似度最大的案例，以该实例的产品配置方案作为需求案例的初步产品配置方案。设计人员将方案反馈给客户，凭借客户的意见和自身的设计经验对产品方案进行改进，得到最终的产品配置方案投入到产品生产中。将规则与实例推理结合，不仅缩小了案例检索范围，而且提高了产品配置质量，从而进一步提高客户满意度。

第60页 上海工程技术大学硕士学位论文 第四章 客户个性化需求的动态产品配置模型研究

第四章 客户个性化需求的动态产品配置模型研究

企业在实例库和规则库的基础上进行基于实例推理的产品配置能够有效地生产

出满足客户个性化需求的产品，但是随着时间的推移和企业生产技术的发展，实例库中的案例会越来越多。新案例主要来源于被遗漏而未被加入到实例库中的产品配置方案和第三章所提到的改进后产品配置方案，由于人为统计的失误或者数据在传输过程中的缺失可能会导致部分数据的遗漏；另外，由本文第三章得到的产品配置方案是在实例库案例的配置方案的基础上改进得到的，因此与原配置方案存在差异性，并且最后将该改进的产品配置方案加入到实例库中，丰富完善实例库，为今后的产品配置提供数据支撑，使得产品配置方案能够最大程度地满足客户个性化需求。

当企业实例库改变时，必然会对产品配置过程造成影响，主要表现在基于规则和实例推理的产品配置模型是在整个实例库基础上构建的，一旦实例库发生改变，需要重新利用该产品配置模型对整个新的实例库进行规则提取和实例推理，从而造成企业资源浪费，无法在短暂时间内配置出面向客户个性化需求的产品。

因此本章通过研究规则和实例推理的动态更新来实现面向客户个性化需求的动态产品配置，并且本文只考虑实例库增量式更新的情况。

4.1 基于粗糙集的产品配置规则动态更新

通过实例库可以提取出产品配置规则，但是一旦新的产品配置方案加入到实例库，必然会影响规则库，即新的案例会改变产品配置规则。主要原因就是如第三章所述，在粗糙集中，新的产品配置方案会作为一个新样本与决策表形成一个新的决策表，这样必然会造成粗糙集属性约简的改变，而产品配置规则是在属性约简的基础上通过设定阈值比较规则置信度得到的，因此，产品配置规则会发生改变。对于一个新的产品配置实例库，可以利用第三章的产品配置方法对其进行挖掘，然而对于大型实例库而言，如果每增加产品配置方案就需要对实例库挖掘一次，那就会造成企业成本的增加和产品配置时间的增加，不符合企业盈利的准则；另外产品配置规则的归纳过程存在一定的重复性，新实例库和原先实例库由于实例有相同的部分，所以得到的产品配置规则十分相似。因此对于大型实例库来说，产品配置规则提取方法可以得到简化，没有必要每次都对更新后的决策表进行属性约简和规则提取。所谓产品配置规则的增

第61页 上海工程技术大学硕士学位论文 第四章 客户个性化需求的动态产品配置模型研究

量式更新就是当有新的产品配置方案加入到实例库中时，对原决策表的规则进行更新，找出规则提取的本质，而不是将新决策表作为一个静态决策表重新进行规则提取。

现如今有很多方法可用于实例库的增量式更新，其中基于粗糙集的增量式研究应用最为广泛。例如于洪等[80]提出了基于Rough set理论的增量式规则获取算法，该方法先将新增样本进行分类，判断新增样本与原决策表的配置规则是否是匹配、完全新、完全矛盾和部分矛盾，从而决定是否要进行新的属性约简和规则提取，该方法的一个优越之处就是在能够在原决策表属性约简和规则提取的基础上对匹配样本和部分矛盾的样本的新决策表进行规则提取，且不需要再进行属性约简，简化了规则提取的步骤；但是对于完全新和完全矛盾的样本，该文提出要重新计算新决策表的属性约简和规则，时间复杂度过大，值得改进；徐丹等[81]提出了一种改进的基于粗糙集的增量式学习算法，该文针对于洪等[80]提出的粗糙集增量式算法在处理完全矛盾和类完全矛盾新增样本的时候需要重新计算新决策表的属性约简和规则，因此在此基础上提出了相应的改进算法，通过比较新增样本与原矛盾规则样本之间的置信度大小来决定将哪个规则保留下来。该方法由于只是在原先属性约简的基础上比较规则间的置信度，却没有考虑到属性约简是否已经发生变化，因此该方法具有一定的局限性。

本章利用粗糙集区分矩阵实现核的增量式更新和属性约简的增量式更新，并且在此基础上实现产品配置规则的增量式更新，从而完善规则库，提高产品配置方案的可信度。

4.1.1 核的增量式更新

通过3.1.3可以得到决策表的核属性集，但是决策表是不断变化的，主要体现在论域中的样本增加或减少，每当论域发生变化都会影响核属性集的变化，因此对于一个论域动态变化的决策表，其核属性集不是一成不变的，但是也不是彻底完全地变化。对于一个变化后的决策表，如果简单地利用3.1.3中求核的算法再对新决策表进行求核计算，可以得到相应的改变后的核属性集，但是可以发现，求解过程和结果存在很大相同部分，而差别矩阵中变化的地方主要集中于新样本与原决策表样本之间的差别比较；并且随着新增样本的逐渐增加，不可能一增加样本就重新计算差别矩阵。因此，基于上述规律和提高差别矩阵构建的效率，本文对R5提出了一种增量式更新算法，该算法主要针对当决策表论域中新增样本时如何在R5的基础上快速得到相应的更新后的差别矩阵以及核属性集，而不需要对新决策表重新构建差别矩阵再进行求核属性

第62页 上海工程技术大学硕士学位论文 第四章 客户个性化需求的动态产品配置模型研究

集。下面对新增样本与原决策表论域之间的关系进行分类。

令U1POSC(D)，U2UU1，U2'delrep(U2)。当有新增样本x时，如果都无法使得C(x)C(y)，且Dxy(U1U2')，()D(y)致；若yU1，使得C(x)C(y)，且Dx()()Dy，则称x与(U1U2')一

，则称x与U1不一致；若yU2'，

使得C(x)C(y)，且D(x)D(y)，则称x与U2'不一致。

下面分别对上述三种情况对差别矩阵R5如何进行更新进行讨论：

①若x与(U1U2')一致，通过分析可以发现x与(U1U2')形成的决策表是相

容决策表，因此可以将x与U1合并，即U1U1x。在本文中，差别矩阵R5非空元素集中于左下角，并且该矩阵的大小为|U1U2'||U1|，为了方便构建新的差别矩阵，只需要在原差别矩阵R5坐左边增加一列x，其他位置不变，可以用简单的矩阵示意图来表示，如图4-1。

图4-1 x与(U1U2)一致情况下的简单矩阵示意图

'Figure 4-1 a simple matrix representation of the case in which xis consistent with (U1U2')

②若x与U1不一致，通过分析可以发现x与U1形成的的决策表是不相容决策表，即yU1，使得C(x)且D(xD(y，)因此U1U1y，)C(y，)U2U2yx，通过delrep(U2)算法可以求得U2'U2'y。因此对于差别矩阵R5改进时，只需要将属性y所在的列去除，然后修改y所在的行即可，其他位置元素值不变，可以用简单的矩阵示意图来表示，如图4-2。

第63页 上海工程技术大学硕士学位论文 第四章 客户个性化需求的动态产品配置模型研究

图4-2 x与U1不一致情况下的简单矩阵示意图

Figure 4-2 a simple matrix representation of the case in which xis inconsistent with U1

③若x与U2'不一致，通过分析可以发现，yU2'，使得C(x)C(y)，且

D(x)D(y)，因此通过delrep(U2)算法可以求得U2'不变，同时U1也没有受到影响，即差别矩阵R5保持不变，仍然维持在|U1U2'||U1|的大小。

在得到新增样本改变的差别矩阵后，利用3.1.3中的求核算法可以得到相对应的核属性集合，但是该求核过程还是将差别矩阵重新扫描一遍，由于改变的差别矩阵与原差别矩阵R5仍存在大量相同部分，因此会导致求核算法效率低下。本文继续将

DMSC(C)应用于提取单个元素及对其进行记数。当有新增样本时，先按照上述方法

动态更新差别矩阵，然后对DMSC(C)中单个属性出现的次数进行修改，从而判断是否应该增加或删除单个属性作为动态更新差别矩阵的核属性集。核增量式更新方法如下：

①当x与(U1U2')一致，即往R5中最左侧插入一列x时，将该列中新出现的单个属性r加入到DMSC(C)中，若该列中出现的单个属性已经在 DMSC(C)存在，就将该列中该单个元素出现的次数k加入到DMSC(C)对应的单个元素次数中。

②当x与U1不一致，即R5中某一列y被删除，某一行y被部分修改时（改空集），若被删除列y中单个属性出现的次数是k时，需要对DMSC(C)中相应的条件属性次数count进行修改。若countk时，只需要countcountk得到修改后的单个属性次数；若countk时，直接将相应的单个属性r从DMSC(C)中去除。对于某一行y被

第页 上海工程技术大学硕士学位论文 第四章 客户个性化需求的动态产品配置模型研究

修改的部分可以采取相同的方法计算，最后得到核的增量式更新。

③当x与U2'不一致，即R5保持不变时，则DMSC(C)也保持不变，核属性集不变。

相应的核增量式更新算法如下： 输入：U1，U2'，R5，DMSC(C)，x 输出：R5(x)，coreC(D) begin

if x 与(U1U2')一致 then{

在R5最左侧加入一列，形成|U1U2'||U1j=1

for i=1 to |U1U2'|

if |rij5|1 then{

if (rij5DMSC(C)) then{

//判断新增列的元素

x|矩阵。

DMSC(C)(rij5,count1) //若单个条件属性在

DMSC(C)中已经存在，则将该条件属性出现次数count1

else

DMSC(C)DMSC(C)(rij,1) //将(rij,1)添加到DMSC(C)中；

} } }

else if x和U1 不一致 then{

U1U1y，U2'U2'y，将y所在的列去除，对y所在行的空集

部分进行修改，设y所在的位置为e行e列；

j=e

for i=a+1 to |U1U2'| //扫描y与原U2'在R5比对得到的rij5； if |rij5|k then {

if countk then{

第65页 上海工程技术大学硕士学位论文 第四章 客户个性化需求的动态产品配置模型研究

改；

else } } }

end

DMSC(C)(rij5,countk) //对DMSC(C)中rij5次数进行修

将DMSC(C)中的rij5项去除；

4.1.2 属性约简的增量式更新

目前基于粗糙集的属性约简方法就很多，但是从出发点来看，先求决策表的核属性再计算属性约简较为高效。因此本文的属性约简增量式更新也是建立在前文核属性增量式更新的基础上的，当决策表论域进行更新，即出现有新的对象时，通过差别矩阵的更新能够迅速求得更新后核属性，最后，通过对属性约简方法进行增量式更新，能够在原属性约简的基础上快速得到更新后的属性约简，从而提高属性约简的增量式更新效率。

对于属性约简的增量式更新方法还是从考虑新增对象的分类开始，正如前文所述，新增对象与原决策表对象的一致性情况会改变差别矩阵和核属性，从而改变属性约简。因此还是先将新增对象进行分类，在前文的基础上，本文还是将其分为三种情况进行讨论：

（1） 新增对象x与U2'中的某个对象不一致； （2） 新增对象x与U1中的某个对象不一致； （3） 新增对象x与U1U2'中的所有对象一致。

当新增加的对象x属于第（1）种情况时，由4.1.1可知差别矩阵和核属性集并没有发生改变，因此此时新决策表的属性约简也没有发生改变，即redC(D)xredC(D)，这里，本文定义redC(D)x为新决策表的属性约简。

当新增加的对象x属于第（2）种情况时，需要根据4.1.1中求得的新的差别矩阵

R5和新的核属性集coreC(D)，按照4.2.1中的属性约简算法重新计算属性约简，其中析取式及和合取式需要改变的地方就是与新增对象不一致的对象y在新差别矩阵中

第66页 上海工程技术大学硕士学位论文 第四章 客户个性化需求的动态产品配置模型研究

的行和列，通过较少步骤的修改能够快速的得到属性约简。

当新增加的对象x属于第（3）种情况时，需要根据4.1.1中求得的新的差别矩阵

R5可知新差别矩阵在最左边增加了一列，因此只需要在原差别矩阵R5的属性约简基础上，对修改列部分进行计算，通过已求得到的该列的核属性集和非核非空属性集与原差别矩阵R5的属性约简redC(D)进行合取，最终通过较少步骤的修改能够快速的得到属性约简。

可以将上述的分析的算法表达出来，当决策表有新增对象时，属性约简的增量式更新算法描述如下：

输入：redC(D)，coreC(D)，coreC(D)x，差别矩阵R6 输出：redC(D)x Begin

1.判断新增加的对象x与U1，U2'中的对象一致性情况。 2.若yU2'，使得x与y不一致，则输出redC(D)xredC(D)； 3.若yU1U2',使得x与y一致，则需要进一步进行计算属性约简： 1)由4.1中求得的新的差别矩阵R5可知新差别矩阵在最左边增加了一列，因此在

R6中对这一列的所有非空元素rij6建立析取逻辑表达式Lij，Lij的初始值为空，； Lij6（1i|U1U2'|，1j|{x}U1|）

akrij2)将1)中求得的Lij建立合取逻辑表达式Lx，即LxLxLij； 3)对redC(D)进行析取式还原计算，得到L'=(LLCOREC(D))； 4)将3)中的LCOREC(D)去除，得到LLLij；

5)将Lx，L，coreC(D)x三者建立合取逻辑表达式，得到

L2LLxcCo(re)；x D6)对L2进行析取式还原计算，得到L2'(LxLcoreC(D)x)；

7)取L2'中每个合取项作为新决策表的一个属性约简，所有合取项即为决策表的属性约简集的增量式更新redC(D)x。

4.若yU1，使得x与y不一致，则根据coreC(D)x和差别矩阵rij6利用3.1.3中改进的基于差别矩阵的决策表属性约简方法对新决策表改动的行和列进行计算，从而

第67页 上海工程技术大学硕士学位论文 第四章 客户个性化需求的动态产品配置模型研究

的得到属性约简集的增量式更新redC(D)x。

end

4.1.3 规则提取的增量式更新

在得到属性约简的增量式更新redC(D)x后，便可将决策表中的冗余条件属性去除，得到一个新的决策表。对规则的提取若还是利用3.1.4中的规则提取方法，再对决策表中的所有对象进行可信度和适应度计算，无疑会存在求解结果重复的问题，从而将导致求解过程复杂化，不符合增量式规则提取的要求。本文在原决策表提取规则的基础上，当有新增对象加入到决策表时，对原有规则进行增删操作，从而简化规则提取的增量式更新。

对于规则提取的增量式更新方法也是从考虑新增对象的分类开始，正如前文所述，新增对象与原决策表对象的一致性情况会改变差别矩阵、核属性和属性约简，从而改变决策表规则。因此还是先将新增对象进行分类，在前文的基础上，本文还是将其分为三种情况进行讨论：

（1）新增对象x与U2'中的某个对象不一致； （2）新增对象x与U1中的某个对象不一致； （3）新增对象x与U1U2'中的所有对象一致。

当新增加的对象x属于第（1）种情况时，由上文可知，差别矩阵、核属性集和属性约简并没有改变，因此可在原决策表和原属性约简的基础上对原规则进行修改。先找到原决策表中与x不一致的对象集合，形成一个新的集合，只需要对这个新集合中的对象进行可信度和相似度计算即可，选取符合阈值条件的规则，从而修改相应的规则。

当新增加的对象x属于（2）、（3）两种情况时，有上文可知，差别矩阵已经发生变化，核属性集和属性约简也可能发生。因此对于这类情况，需要在已求得条件属性约简的基础上进行规则提取。

通过分析，规则提取的算法如下： 输入：新决策表S(U

x,A,V,f)，ACD，U/R，原决策表属性约简

redC(D)在U上的等价关系，U/R{X1,X2,,Xn}；U/D，原决策表D在U上的等价关系U/D{Y1,Y2,,Yk}；U/Dx，新决策表Dx在U上的等价关系

第68页 上海工程技术大学硕士学位论文 第四章 客户个性化需求的动态产品配置模型研究

U/Dx{Y1,Y2,,Yl}；rule(U)，原决策表的规则；u，阈值。

输出：rule(Ux) begin

if yU2'，使得C(x)C(y)，且D(x)D(y) then{

找到y所在U/R中的等价类Xi，XiXifor m=1 to |Xi|{

x；

//遍历新等价类Xi中的每个对象；

//找出[xm(U)]D遍历D在U上等价关系的各个子集；

for k=1 to |U/Dx|{

if xmYk then{

[xm(U)]DYk； } }

accm|Xi[xm(U)]D|/|Xi|；//计算可信度 covm|Xi[xm(U)]D|/|[xm(U)]D|；//计算适应度 if accmu then{

S(c1,v1)(c2,v2)(c|Rx|,v|Rx|)(D,k)；

将S代替原决策类Xi提取得到的规则，从而得到新的规则库

rule(Ux)。 }

}else{

for m=1 to |U

x|{

//新决策表中的每个对象

//找出[xm(U)]D遍历Rx在U上等价关 系的各个子集

for n=1 to |U/Rx|{

if xmXn then{ }

[xm(U)]RXn；

}

for k=1 to |U/Dx|{

第69页 上海工程技术大学硕士学位论文 第四章 客户个性化需求的动态产品配置模型研究

if xmYk then{ }

[xm(U)]DYk；

}

accm|[xm(U)]R[xm(U)]D|/|[xm(U)]R|；//计算可信度 covm|[xm(U)]R[xm(U)]D|/|[xm(U)]D|；//计算适应度 if accmu then{ } } }

end

S(c1,v1)(c2,v2)(c|Rx|,v|Rx|)(D,k)；

将S插入到规则库rule(Ux)中

4.2 基于实例推理的动态产品配置方法研究

通过实例推理可以在实例库中检索出与需求实例最相似的实例作为初步方案指导产品配置，然而一旦实例库发生改变，那么在原实例库基础上得到的实例将可能不是与需求实例最相似，从而造成产品配置过程出现错误。因此本节针对该问题提出基于实例推理的动态产品配置方法，希望在企业实例库改变的情况下迅速对由原实例库推理得到的产品配置方案进行更正。 4.2.1 基于CBR的动态产品配置过程

基于CBR的动态产品配置过程是在基于CBR的产品配置过程的基础上，通过向实例库中增加实例，计算新增实例与需求实例间的相似度，并且与先前计算得到的最优实例相似度进行比较，从而确定是否保留或修改配置方案：若先前最优实例与需求实例的相似度大于新增实例与需求实例的相似度，则保留原配置方案；反之，则取新增实例作为配置基础，生成新的配置方案指导产品配置。如图4-3表示为面向客户个性化需求的CBR动态产品配置求解过程。

第70页 上海工程技术大学硕士学位论文 第四章 客户个性化需求的动态产品配置模型研究

规范化需求 技术特征映射 知识库 检索相似实例 计算相似度 最相似实例 计算相似度 新增实例 比较相似度 修改配置方案 实例库 新实例 图4-3 面向客户个性化需求的CBR动态产品配置求解过程 Figure 4-3 CBR dynamic product configuration solving process for individual customer demand

4.2.2 动态产品配置的求解

本节将继续使用最近相邻策略计算基于实例推理的动态产品配置相似度。基于CBR的动态产品配置求解算法流程图如图4-4所示。 4.2.3 产品方案的改进

为了提高客户满意度、达到客户个性化需求和建设创新型企业，必须要对产品配置方案进行改进。将初步产品配置方案反馈给客户，通过与客户的长期交流对产品方案进行改进，只有让客户真正地参与到产品配置过程中来才能在真正意义上成功实现面向客户个性化需求的产品配置。

第71页 上海工程技术大学硕士学位论文 第四章 客户个性化需求的动态产品配置模型研究

开始 输入需求实例Cr和实例库 基于CBR的产品配置求解算法 新增实例Ct 计算相似度 MAX(S(Ci,Cr))及其对应的实例 S(Ct,Cr) 比较相似度 取MAX(S)对应的案例作为配置案例 结束 图4-4 基于CBR的动态产品配置求解算法流程图

Figure 4-4 flow chart of dynamic product configuration solving algorithm based on CBR

4.3 面向客户个性化需求的动态产品配置模型

4.3.1 基于粗糙集和实例推理的动态产品配置过程

将基于粗糙集的动态规则提取与实例推理结合，可以有效克服基于粗糙集和实例推理的产品配置方法无法针对动态实例库进行产品配置的问题。当企业的实例库扩大时，只需要利用粗糙集在原实例库配置规则基础上快速得到新的配置规则，并以新的配置规则为分类依据将实例库中的实例进行分类，形成新的实例类；最后利用RBR和CBR便可求出需求实例的配置方案，与基于粗糙集和实例推理的产品配置过程相似。具体流程图如图4-5所示：

第72页 上海工程技术大学硕士学位论文 第四章 客户个性化需求的动态产品配置模型研究

规范化需求 技术特征映射 知识库 检索配置规则 RBR 检索相似案例 CBR 计算相似度 实例类 规则库动态更新 粗糙集 实例库动态更新 修改配置方案 新案例 图4-5基于粗糙集和实例推理的动态产品配置过程 Figure 4-5 Dynamic product configuration process based on rough set and CBR

4.3.2 算例分析

为了更好的分析以上产品配置方法，本文用一个决策表（表4-1）来进行说明。表中有5个对象、4个为条件属性和1个为决策属性。

表4-1 一个决策表 Table 4-1 a decision table 条件属性C（技术特性） c1 c2 c3 c4 1 0 1 0 1 0 1 0 1 1 1 0 0 1 0 0 0 1 1 1 决策属性D方案 2 1 3 2 2 U

x1 x2 x3 x4 x5 对于该决策表，可求得U1{x3,x4,x5}，U2{x1,x2}，U2'{x1}，由定义3.6可求得差别矩阵R如下：

第73页 上海工程技术大学硕士学位论文 第四章 客户个性化需求的动态产品配置模型研究

图4-6 差别矩阵R Fig. 4-6 discernibility matrix R

由基于差别矩阵的核和属性约简算法可以求得该决策表的核属性为{c2}，属性约简为{c1,c2}和{c2,c3,c4}。以{c2,c3,c4}为例，则提取出的规则如下：

（1）(c2,0)(c3,1)(c4,0)(D,2)，accuracy=0.5，coverage=0.333 （2）(c2,0)(c3,1)(c4,0)(D,1)，accuracy=0.5，coverage=1 （3）(c2,1)(c3,1)(c4,0)(D,3)，accuracy=1，coverage=1 （4）(c2,1)(c3,0)(c4,0)(D,2)，accuracy=1，coverage=0.333 （5）(c2,1)(c3,1)(c4,1)(D,2)，accuracy=1，coverage=0.333

将决策规则进行约简，并将论域进行聚类，得到的结果如下表4-2所示：

表4-2 决策规则及实例聚类表

Table 4-2 decision rules and instances clustering table

序号 （1） （2）

决策规则

accuracy coverage

0.5 0.5 1 1 1

0.333 1 1 0.333 0.333

- -

U

- - x3x4

(c2,0)(D,2) (c2,0)(D,1)

（3） (c2,1)(c3,1)(c4,0)(D,3) （4） （5）

X1 X2 X3

(c3,0)(D,2) (c4,1)(D,2)

x5

如阈值取0.9，则将（3）、（4）、（5）导入产品配置规则库。

当实例库发生改变时，即决策表中论域发生改变时，可以分三种情况来讨论核和属性约简的变化。

（1）若新增的实例x6{1,0,1,0,3}时，因为该对象与原决策表中x1不一致，且所以x6与U2'不一致，由上文所述，新决策表的核和属性约简不发生变化，U2'{x1}，

由于决策规则（1）和（2）的置信度小于阈值，新增实例只会使得该置信度减小，因

第74页 上海工程技术大学硕士学位论文 第四章 客户个性化需求的动态产品配置模型研究

此无需再重新计算新增实例的决策规则和修改（1）、（2）的决策规则，只要将（3）、（4）、（5）导入产品配置规则库即可。

（2）若新增的实例x6{1,1,1,0,1}时，因为该对象与原决策表中x3不一致，且所以x6与U1不一致，由上文所述可得新决策表的差别矩阵R1(x6)为：U1{x3,x4,x5}，

图4-7 差别矩阵R1(x6) Figure 4-7 discernibility matrix R1(x6)

可以快速得到该新决策表的核属性为，属性约简为{c1}和{c3,c4}，以{c3,c4}为例，提取出的约简规则和论域聚类结果如下表4-3所示：

表4-3决策规则及实例聚类表

Table 4-3 Decision rules and instances clustering table

序号 （1） （2） （3） （4） （5）

决策规则

accuracy coverage

1 1 0.5 0.25 0.25

0.333 0.333 1 0.333 1

U

(c3,0)(D,2) (c4,1)(D,2) (c3,1)(c4,0)(D,1) (c3,1)(c4,0)(D,2) (c3,1)(c4,0)(D,3)

X1 X2

- - -

x4 x5 - - -

（3）若新增的实例x6={0,1,0,1,3}，因为该对象与原决策表中所有对象都一致，所以x6与(U1U2')一致，由上文所述可得新决策表的差别矩阵R2(x6)为：

图4-8 差别矩阵R2(x6)

Figure 4-8 Discernibility matrix R2(x6)

可以快速得到该新决策表的核属性为{c2,c3,c4}，属性约简为{c2,c3,c4}，提取出

第75页 上海工程技术大学硕士学位论文 第四章 客户个性化需求的动态产品配置模型研究

的约简规则和论域聚类结果如下表4-4所示：

表4-4决策规则及实例聚类表

Table 4-4 Decision rules and instances clustering table

序号 （1） （2）

决策规则

accuracy coverage

0.5 0.5 1 1 1 1

0.333 1 0.5 0.333 0.333 0.5

- -

U

- - x3x4

(c2,0)(D,2) (c2,0)(D,1)

（3） (c2,1)(c3,1)(c4,0)(D,3) （4） （5） （6）

X1 X2 X3 X3

(c3,0)(c4,0)(D,2) (c3,1)(c4,1)(D,2) (c3,0)(c4,1)(D,3)

x5 x6

以产品配置规则动态更新的第（1）种情况为例，在得到更新的产品配置规则后，若客户提出的客户个性化需求技术特性是Cr{1,1,0,1}，先利用RBR将匹配的规则提取出来，分别是(c3,0)(D,2)和(c4,1)(D,2)，虽然这两个规则的决策结果相同，可以确定初步的配置方案，但是为了提高配置结果的精确度，以最相似的实例作为配置基础，本文接下来利用实例推理对产品进行配置，分别找到其在实例库中聚类的实例：x4={0,1,0,0}和x5={0,1,1,1}，将需求实例与匹配实例进行相似度计算，由式3-12可得结果如下表4-5所示：

表4-5 相似度计算结果表

Table 4-5 Table of results of similarity calculation

x4 x5 实例

0.712 0.843 相似度

通过实例的相似度大小比较，取相似度最大的实例x5作为需求实例的产品配置基础。

4.4 本章小结

本章在第三章的基础上，考虑到面向客户个性化需求的静态产品配置方法具有局限性，即当企业数据库发生改变时，相应的产品配置方案会受到影响，无法立即得到更新后产品配置方案。因此提出了面向客户个性化需求的动态产品配置模型，当配置实例库中的实例增加时，能够对原实例库的产品配置方案进行迅速更新。首先利用粗糙集实现了对产品配置规则的动态更新，实例库的动态更新对应粗糙集中决策表论域的动态更新，当决策表论域发生改变时，会严重影响决策表的决策规则，本文提出了

第76页 上海工程技术大学硕士学位论文 第四章 客户个性化需求的动态产品配置模型研究

简化的差别矩阵对更新的决策表中核的动态更新、属性约简的动态更新和规则提取的动态更新进行求解；将新增实例与原决策表的关系分为三类，当有新的实例加入到实例库中时，先判断该实例的类型，而后选择对应的方法快速得到新决策表的核、属性约简和规则；在得到配置规则的动态更新后，以规则为簇中心将实例库中的实例进行聚类，这样论域中所有实例被分成众多类，每一类中有数条实例，从而为实例推理减少检索实例数量。当客户提出个性化需求时，先将该需求规范化，并转换为技术特性，将该技术特性集合作为需求实例，再检索规则库中的规则，找到匹配的规则和其对应的实例类，将实例类中的所有实例与需求实例进行实例推理，通过计算和比较相似度，最终取相似度最大的实例作为产品配置基础，即初步产品配置方案。最后在技术设计人员和客户的沟通交流下对产品配置方案进行改进，得到最终的配置结果作为新的实例加入到实例库中，继续指导新的客户个性化需求下的产品配置。通过实现面向客户个性化需求的动态产品配置模型，能够帮助企业在短暂的时间内得到产品配置方案，而无需再利用原产品配置方法对动态实例库进行求解，为企业节约成本和时间，从而提高客户满意度，取得市场竞争优势。

第77页 上海工程技术大学硕士学位论文 第五章 面向客户个性化需求的豆浆机设备配置研究

第五章 面向客户个性化需求的豆浆机设备配置研究

本文运用面向客户个性化需求的静态和动态产品配置模型对豆浆机的配置进行研究。首先介绍了客户个性化豆浆机设备配置的研究意义与必要性；然后针对豆浆机在配置过程中收到客户个性化需求影响的问题，运用第三章中的客户个性化需求的产品配置模型对问题进行深入分析；接着考虑到企业豆浆机配置是长久的、动态的过程，静态的客户个性化需求的产品配置模型无法灵活解决企业实例库变化时豆浆机配置的问题，因此运用第四章中的客户个性化需求的动态产品配置模型对问题进行深入分析。

5.1 案例描述

5.1.1 客户个性化豆浆机配置的背景意义

随着社会的发展和科技的进步，越来越多的家电融入人们的生活中，已经成为人们日常起居必不可少的一部分。豆浆机作为家电市场的一员，虽然在国内发展历史并不算悠久，但是其各项技术已接近完美，得到消费者的青睐。然而国内豆浆机品牌众多，为了争夺消费市场，许多企业越来越注重营销手段，利用价格优势获取更高的利润，而不是通过技术创新或提升研发水平来吸引消费者[82]；另外，生活水平的提高带来消费者需求的转变，消费者越来越注重高质量的豆浆机，而不是拥有简单功能的“老人机”，比如消费者越来越注重豆浆机的预约功能、自动清洗功能和节能环保等要素。面对客户个性化需求的急剧转变，豆浆机企业如何在短暂时间内生产出满足消费者真正需求的豆浆机显得尤为重要，特别是在当今竞争激烈的市场环境下。只有产有所需，企业才能够吸引大量的客户，形成品牌效应，从而创造更大的效益。

面向客户个性化推荐的产品配置模型为上述问题提供了解决思路。对于用户来说，面向客户个性化推荐的产品配置模型为用户挑选豆浆机带来了方便，使用户能够在较短的时间内购买到符合其个性化需求的豆浆机产品；对于豆浆机企业来说，面向客户个性化推荐的产品配置模型能够使企业及时反应用户当前的个性化需求，准确把握用户购买意向，并根据用户提供的需求信息，在企业实例库的基础上快速得到配置方案，增加了企业销售总量以及用户对企业的忠诚度，从某种程度上增加了企业的核心竞争力和赢利机会。

第78页 上海工程技术大学硕士学位论文 第五章 面向客户个性化需求的豆浆机设备配置研究

5.1.2 客户个性化豆浆机配置研究的必要性

豆浆机市场目前存在的问题主要包含：

（1）行业对豆浆机的关注度低、新闻媒体炒作的少； （2）使用过程中的问题过多导致人们对豆浆机的信心下降。

当前，许多家庭对豆浆机的不了解，对豆浆机使用较少，特别是对于生活节奏快的年轻人使用率较低，大部分都是年长的中年人在使用。而且“是否好清洗”、“噪声是否大”、“豆浆机是否能充分煮熟”和“容量是否可调”是预期购买豆浆机的家庭最为看好的指标。另外影响消费者对豆浆机的选择因素中，导购员的现场演示和对产品的讲解对初次购买豆浆机的消费者的影响很大，这也是九阳、新飞、乐邦、西贝乐等豆浆机品牌在终端推广中加大对导购员培训的主要产品原因，采取面对面与客户交流是让客户了解豆浆机产品的最直接的方式。

随着用户越来越追求豆浆机的个性化与购买效率，诸多学者和豆浆机企业开始广泛关注并研究豆浆机产品定制问题，希望找到一种十分有效的方法，既能为用户提供个性化豆浆机产品，又能提高用户的购买效率。

目前，很多方法已经运用到豆浆机的个性化产品配置中。比如，张雷[83]将实例推理运用到豆浆机的产品配置中，对产品组件的组合规则及其相似度求解方法进行了研究；其还在文献[84]中将豆浆机定制视为绿色产品设计，对传统的回溯算法进行改进，将一维约束过滤模块和建议性约束满足度计算模块融入回溯算法中，提供一种基于约束满足问题的豆浆机产品配置方法。张福龙[85]在运用实例推理进行豆浆机产品配置前，先利用模糊集理论对客户需求权重进行求解，方便设计人员了解客户对产品各模块的喜好程度。

尽管豆浆机产品配置方法越来越多，从某种程度上，这些方法既能够满足用户的个性化需求，又能够减少企业的生产周期，提高用户购买豆浆机的效率。但是，由于企业实例库中实例数量过多，并且大多数豆浆机产品配置方法都是在企业已有产品案例的基础上对产品方案进行改进，因此产品配置的高效性和准确性极受影响；而且，产品实例库是动态变化的，又为企业的豆浆机定制造成了重重困难。

因此，在已有实例库基础上如何高效准确地生产出满足客户个性化需求的豆浆机是企业正在面临的巨大挑战，面向客户个性需求的产品配置模型就显得非常有意义。本章运用客户个性化需求的静态和动态产品配置模型对豆浆机定制问题进行研究。

第79页 上海工程技术大学硕士学位论文 第五章 面向客户个性化需求的豆浆机设备配置研究

5.2 客户个性化需求的分析处理

通过网络搜索和查阅期刊等方法，发现客户对豆浆机的个性化需求一般为操作方便、节约时间、噪声小、使用安全、耗电少、出浆量适中、易维修、废弃后无污染等

[86]

。在得到客户个性化需求项后，需要对其进行分解和规范化处理，表5-1给出了客

户个性化需求项的分解和规范化处理过程。

表5-1 客户个性化需求项的分解和规范化处理过程

Table 5-1 decomposition and normalization process of customer individual requirement items

需求项 加取料 操作方便 清洗 水位易控制 操作时间(min) 噪音(dB) 使用安全 报废后回收率(%) 耗电量 容积(ml) 价格 无毒害 防烫伤 1-3 1-3 1-3 1-3 1-3 1-3 1-3 1-3 1-3 1-3 1-3 需求项分类说明 1:不方便;2:中等;3:方便 同上 同上 1:>16;2:13-16;3: <13 1:> 60;2:50-60; 3:<50 1:差;2:中等; 3:好 同上 1:< 60;2:60-70; 3:>70 1:高; 2:中等;3:低 1:< 800;2:800-1300;3: >1300 1:高; 2:中等;3:低 5.3 客户个性化需求权重的确定 对豆浆机客户个性化需求进行规范化处理后，接下来确定客户个性化需求的权重，选取10个客户个性化需求为计算客户个性化需求重要度提供条件，并对其进行满意度打分，形成决策表如表5-2所示，其中客户个性化需求项为条件属性，满意度为决策属性：

表5-2 客户满意度决策表

Table 5-2 Customer satisfaction decision table

U

1 2 3 4 5 6 7

c1

3 2 3 1 2 2 3

c2

3 1 3 1 1 3 2

c3

2 3 2 2 3 1 1

c4

1 3 1 2 3 1 2

c5

2 1 2 3 2 3 2

c6

2 1 2 2 1 3 3

c7

2 1 2 1 1 3 1

c8

2 1 2 3 1 1 2

c9

1 3 1 2 3 2 1

c10

2 1 2 2 1 3 1

c11

2 2 3 3 2 1 1

D

1 2 3 2 1 3 2

第80页 上海工程技术大学硕士学位论文 第五章 面向客户个性化需求的豆浆机设备配置研究

8 9 10 2 1 3 3 1 2 1 2 1 1 1 2 3 3 2 3 2 3 3 1 1 1 3 2 1 2 1 3 2 3 1 3 1 1 2 2

利用基于粗糙集属性重要度算法可以求出客户个性化需求权重为：

wi1(0,0,0,0,0.25,0,0,0,0.25,0.25,0.25)，由于权重存在相等和等于零的情况，需要对

其进行修正。

首先构建客户个性化需求的优先关系矩阵R，见表5-3。

表5-3 优先关系矩阵R Table 5-3 priority relation matrix R

c1c20.439 0.5 0.325

c30.5 0.5 0.9 0.9

c40.138 0.1 0.5 0.5

c50.1 0.1 0.5 0.5

c60.138 0.5 0.439 0.675 0.675 0.5 0.5 0.5 0.561 0.561

c70.439 0.5 0.439

c80.5 0.561 0.5

0.5 0.5

c90.138 0.439 0.5 0.5

c10c1c2c3c4c50.5 0.561 0.5

c0.325 0.5 0.325 0.561 0.561 0.5 0.439 0.439 0.5 0.5 0.5

0.675 0.325 0.439

0.138 0.138

0.862 0.675 0.9

0.561 0.5 0.5 0.439

0.862 0.862 0.561 0.675 0.862 0.5 0.5 0.5

0.5 0.5 0.5

0.5

c6 0.862 c70.561 c8c9c100.5

0.561 0.325 0.325

0.561 0.138 0.325 0.5

0.138 0.138

0.5 0.5

0.439 0.439 0.439 0.325 0.325 0.325 0.5 0.5 0.5

0.5 0.5 0.5

0.5 0.5 0.862 0.439 0.862 0.561 0.862 0.5 0.561 0.675 0.675 0.675

c110.675 0.5 0.675 0.439 0.439 0.5 0.561 0.561 然后利用式（3-12）计算客户个性化需求权重为：

wi2(0.0614,0.0909,0.0579,0.1233,0.1179,0.0901,0.0791,0.0711,0.1008,0.1107,0.0967)

最后为了尽可能地减小主观随意性对组合权重的影响，本文采用黄金分割数确定主客观权重的偏好系数u=0.618,利用式（3-13）确定客户个性化需求最终权重：

wi(0.023,0.035,0.022,0.047,0.2,0.034,0.03,0.027,0.193,0.197,0.191)，该权重可作为

质量功能展开重要度输入参数，实现客户个性化需求到豆浆机技术特性的转换，从而使得技术设计人员在豆浆机配置前能够深入把握产品模块的侧重点，出满足客户个性化需求的豆浆机。

5.4 数据来源与预处理

5.4.1 数据来源

本文利用国内某豆浆机企业的历史案例作为本文的实验数据，见表5-4。以豆浆机的技术特性（打浆功能C1、加热方式C2、整机重量C3、价格C4、设计寿命C5，

第81页 上海工程技术大学硕士学位论文 第五章 面向客户个性化需求的豆浆机设备配置研究

内杯材料C6，是否有自动清洗功能C7、最大容积C8、噪声C9、能耗C10、回收率C11、定时功能C12、安全性能C13）为产品配置决策表的条件属性，以产品系列D（1、2、3、4）为产品配置决策表的决策属性。 5.4.2 数据预处理

由于收集到的属性值具有连续性，因此先对数据进行离散化。本章采用的是最常用的离散化方法，即等距离划分方法。其主要是将连续的属性值划分为若干个不同范围，并为每个区间范围设置一个标准值，从而使连续的属性值离散化[54]。具体分类及离散化后的信息表如表5-5所示。

表5-5 技术特性特征值

Table 5-5 Technical characteristic values

ID 1 2 3 4 ID 1 2 3 4

C1 有 无

C8 1200以下 1200~1300 1300以上

C2 地盘加热 立体环绕加热

C9 65以下 65~70 70~75 75以上

C3

C4

C5 3 4 5 C11 70以下 70~75 75以上

C6 不锈钢 高硼玻璃

C12 无 有

C7 无 有 C13 三防、报警 其他

2.5以下 299以下 2.5~3 3以上

299~499 499~699 699以上 C10 0.17以下 0.17~0.22 0.22~0.27 0.27以上

由表5-5可以得到离散的数据信息，如表5-6所示。 第82页 上海工程技术大学硕士学位论文 第五章 面向客户个性化需求的豆浆机设备配置研究

表5-6 离散的数据表 Table 5-6 Discrete data tables

ID 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

C1

C2

C3

C4

C5

C6

C7

C8

C9

C10 C11 C12 C13

D

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 1 2 2 2 2 2 2 2 1 1 1 2 1 2 2 2 2 1 2 2 2 2 1 2 2 1 2 3 1 1 1 1 2 1 1 1 1 2 2 1 1 1 1 1 2 1 2 1 2 1 2 2 1 1 1 1 2 4 2 2 2 2 2 3 2 2 2 2 2 2 2 4 1 3 3 3 4 3 4 4 4 4 1 1 1 1 1 3 1 2 1 1 1 2 1 2 2 1 1 1 2 3 1 2 2 2 2 2 2 2 3 3 1 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 1 1 1 2 2 1 2 2 2 1 1 2 1 2 2 2 2 1 2 2 2 2 1 1 2 2 1 1 2 3 3 2 2 2 2 3 2 2 3 2 2 3 2 2 2 2 2 2 2 2 2 2 2 4 2 2 3 3 3 4 4 1 3 1 2 2 3 2 4 3 2 2 2 2 4 2 1 2 4 3 4 4 2 2 1 2 1 2 1 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 3 2 2 1 2 2 2 2 1 1 1 1 1 3 1 1 1 3 1 2 1 1 1 1 2 1 1 3 1 1 2 2 1 2 2 2 3 3 1 1 1 1 1 2 1 1 1 2 1 2 1 2 2 1 1 2 2 2 1 2 2 2 2 1 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 4 4 4 4 3

第83页 上海工程技术大学硕士学位论文 第五章 面向客户个性化需求的豆浆机设备配置研究

表5-4 豆浆机数据 Table 5-4 Data of soybean milk machine

序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 … 29 30 打浆功能 有 有 有 有 有 有 有 有 有 有 有 有 有 有 有 有 有 有 有 有 … 有 有 加热方式 底盘加热 底盘加热 底盘加热 底盘加热 立体环绕加热 立体环绕加热 立体环绕加热 立体环绕加热 底盘加热 立体环绕加热 立体环绕加热 立体环绕加热 立体环绕加热 立体环绕加热 立体环绕加热 立体环绕加热 底盘加热 底盘加热 底盘加热 立体环绕加热

…

立体环绕加热 立体环绕加热 整机重量 1.5 3 2.8 2.3 2.9 5.5 2.4 2 2.3 2.5 2.8 2.5 2.4 2.5 2.2 2.9 2.6 2.2 2.4 2.4 … 2.9 2.9 价格

设计寿命 3 3 3 3 3 5 3 4 3 3 3 4 3 4 4 3 3 3 4 5 … 5 5 是否有自动清洗功能

不锈钢 无 不锈钢 无 不锈钢 无 不锈钢 无 不锈钢 无 高硼玻璃 有 不锈钢 有 不锈钢 有 不锈钢 无 不锈钢 无 不锈钢 无 不锈钢 有 不锈钢 有 不锈钢 无 不锈钢 有 不锈钢 有 不锈钢 有 不锈钢 无 不锈钢 无 不锈钢 有 … … 不锈钢 有 不锈钢 有 内杯材料

最大

噪声

容积

1200 65 1200 75 1300 65 1300 65 1200 70 1000 70 1300 70 1500 75 1500 75 1300 60 1300 70 1300 60 1300 65 1500 65 1300 70 1300 65 1500 75 1300 70 1300 65 1500 65 … … 1300 75 1300 75 能耗 回收率 定时功能

安全性能 三防、报警 三防、报警 三防、报警 三防、报警 三防、报警 三防、报警 三防、报警 三防、报警 三防、报警 三防、报警 三防、报警 三防、报警 三防、报警 三防、报警 三防、报警 三防、报警 三防、报警 三防、报警 三防、报警 三防、报警

… 三防、报警 三防、报警 系列

199 299 249 299 399 2999 499 399 399 499 499 539 399 499 499 399 399 399 499 1299 … 1599 1599 0.21 0.21 0.16 0.21 0.12 0.21 0.16 0.21 0.21 0.22 0.21 0.21 0.21 0.21 0.21 0.22 0.21 0.16 0.17 0.17 … 0.21 0.21 65 65 67 67 67 80 66 66 68 76 68 72 66 69 68 66 71 66 69 76 … 75 75 无 无 无 无 无 有 无 无 无 有 无 有 无 有 有 无 无 有 有 有 … 有 有 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 4 3

第84页 上海工程技术大学硕士学位论文 第五章 面向客户个性化需求的豆浆机设备配置研究

表5-7 差别矩阵 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18 X19 X20 … X28 X29

Table5-7 Discernibility matrix

X1 X2 X3 X4                         C(2,4,7,8,9,10) C(2,3,4,7,8,9,10) C(2,3,4,7,9) C(2,4,7,9,10) C(2,4,5,7,8,9) C(2,3,4,5,7,8) C(2,3,4,5,7,8,9,10) C(2,4,5,7,8,9) C(4,8,9) C(3,4,8) C(3,4,8,9,10) C(4,8,9) C(2,4,8,9,11,12) C(2,3,4,8,9,11,12) C(2,3,4,9,10,11,12) C(2,4,9,11,12) C(2,3,4,8,9) C(2,4,8,9) C(2,4,9,10) C(2,3,4,9) C(2, 4,5,7,8,9,11,12) C(2,3,4,5,7,8,9,11,12) C(2,3,4,5,7,9,10,11,12) C(2,4,5,7,9,11,12) C(2,4,7,8) C(2,3,4,7,8,9) C(2,3,4,7,10) C(2,4,7) C(2, 4,5,8,12) C(2,3,4,5,8,9,12) C(2,3,4,5,8,10,12) C(2,4,5,8,12) C(2,4,5,7,8,9,12) C(2,3,4,5,7,8,9,12) C(2,3,4,5,7,9,10,12) C(2,4,5,7,9,12) C(2,3,4,7,8) C(2,4,7,8,9) C(2,4,7,10) C(2,3,4,7) C(4,7,8,9,11) C(4,7,8,11) C(4,7,8,9,10,11) C(3,4,7,8,9,11) C(3,4,8,9,10,12) C(3,4,8,9,10,12) C(3,4,9,12) C(4,9,10,12) C(4,5,8,10,12) C(3,4,5,8,9,10,12) C(3,4,5,12) C(4,5,10,12)

C(2,4,5,7,8,10,11,12) C(2,3,4,5,7,8,9,10,11,12) C(2,3,4,5,7,8, 11,12) C(2,4,5,7,8,10,11,12) … … … … C(2,4,5,7,8,9,11,12) C(2,3,4,5,7,8,9,11,12) C(2,3,4,5,7,9,10,11,12) C(2,4,5,7,9,11,12) C(2,3,4,5,7,8,9,11,12) C(2,4,5,7,8,11,12) C(2,4,5,7,9,10,11,12) C(2,3,4,5,7,9,11,12)

X5

     

C(3,7,8)

C(3,5,7,8,9,10) C(2,3,8,9,10) C(3,8,9,10,11,12) C(8,10)

C(3,4,5,7,8,9,10,11,12) C(3,7,8,9,10) C(3,5,8,9,10,12) C(3,5,7,8,10,12) C(7,8,9,10) C(2,7,8,9,10,11) C(2,3,8,12) C(2,3,5,8,9,12) C(3,4,5,7,8,9,11,12) …

C(3,4,5,7,8,10,11,12) C(4,5,7,8,9,10,11,12)

…       … … … … … … … … … … … … … … … … …

X28                     … 

C(3,5,9,11)

第85页 上海工程技术大学硕士学位论文 第五章 面向客户个性化需求的豆浆机设备配置研究

5.5 面向客户个性化需求的静态豆浆机配置 5.5.1 基于粗糙集的豆浆机配置规则提取

根据决策表和delrep(U2)算法可以得出U1{1,2,3,4,5,,28}，

U2{29,30}，U2'{29}。

1.改进的差别矩阵

先按照前面的方法写出差别矩阵，如表5-7所示。 2.核的计算

通过粗糙集核属性的算法可以求出差别矩阵的核为coreC(D){c3,c9,c10}。 3. 基于差别函数的决策表属性约简

计算所有类决策函数，并将决策函数化为析取范式：

redC(D)(C2C4C7C8C9C10)(C2C4C5C7C8C9)(C3C5C9C11)(C2C3C9C10C11)(C3C4C7C9C10) (C3C4C9C10C11)(C3C4C9C10C12)(C2C3C4C9C10)(C3C7C9C10C11C12)(C3C5C7C9C10C11) (C3C7C8C9C10C11)

即可得到该决策表有(C2C3C9C10C11)、(C3C4C7C9C10)等8个属性约简集，以其中一个为例子，如约简集{C3,C4,C9,C10,C12}，通过对各个属性匹配上相应的属性值，可以提取出相应的决策规则，这里，取阈值为0.9，去除小于阈值的规则，可以得到产品配置最小规则和论域分类，如表5-8。由于规则的数量不多，所以coverage指标还不能反映配置规则的实用情况，当规则的数量越来越多的时候，此指标反映的结果能更接近实际。

表5-8决策规则及论域分类表

Table 5-8 decision rules and domain classification tables

序号 1 2 3 4 5

决策规则

accuracy coverage

1 1 1 1 1

第86页 U

(c4,1)(c10,2)(D,1)

0.333 0.333 0.167 0.167 0.667

X1 X2 X3 X4

1,4 2,3 5 6

(c3,2)(c4,1)(D,1) (c3,2)(c4,2)(c10,1)(D,1)

(c3,3)(D,1) (c3,1)(c4,1or2)(D,2)

X5 7,8,9,10,13,14,15,18,19,21

上海工程技术大学硕士学位论文 第五章 面向客户个性化需求的豆浆机设备配置研究

6 7 8 9 10 11 12 13

(c4,3)(c9,1)(D,2) (c4,4)(c9,2)(D,2)

1 1 1 1 1 1 1 1

0.067 0.067 0.2 0.4 0.2 0.2 0.25 0.5

X6 X7 X8 X9 X10 X11

12 20 11,16,17 22,24 23 25 26 27,28

(c3,2)(c4,2)(c10,2)(D,2) (c4,3)(c9,2)(c12,2)(D,3)

(c10,3)(D,3) (c4,4)(c9,1)(D,3) (c4,3)(c9,2)(c12,1)(D,4) (c4,4)(c9,3or4)(D,4)

X12 X13

可以将规则写成IF(条件) THEN(结论) 的形式，例如：(c4,1)(c10,2)(D,1)可写成IF(价格在299以下and 能耗在0.17~0.22之间) THEN (系列1)。 5.5.2 基于RBR和CBR结合的豆浆机配置方案求解

如果产品实例库已经比较丰富，且客户个性化需求不是很特殊，客户对产品各属性、功能要求如表5-9所示。

表5-9 客户个性化技术需求表

Table 5-8 Customer’s personalized technology requirements

技术需求 打浆功能 加热方式 整机重量 价格 设计寿命 内杯材料

是否有自动清洗功能

最大容积 噪声 能耗 回收率 定时功能 安全性能

权重 5/43 5/43 1/43 2/43 3/43 3/43 4/43 3/43 5/43 3/43 2/43 3/43 4/43

属性类型 枚举型 枚举型 区间型 区间型 数值型 枚举型 枚举型 区间型 区间型 区间型 区间型 枚举型 枚举型

需求范围 有

立体环绕加热

＞3kg 499~699 4 不锈钢 有

1200~1300 65~70dB >0.27 70~75 有 三防、报警

先对客户个性化需求范围值进行离散化，然后与上文求得的13条规则进行匹配，可以得到三条匹配规则，分别是(c3,3)(D,1)、(c10,3)(D,3)和

(c4,3)(c9,2)(c12,2)(D,3)。

通过规则推理，可以大致知道客户个性化需求实例Cr可以在1和3系列产品的基础上进行配置，为了使得产品配置更加精确，进一步了解实例库中与客户需求产品最相似的实例，需要利用CBR来实现。

第87页 上海工程技术大学硕士学位论文 第五章 面向客户个性化需求的豆浆机设备配置研究

由上文可知，三条规则对应的实例分别是6、22、24、23，因此将4个实例提取出来，分别与客户需求实例利用最近相邻策略计算CBR产品配置相似度，如表5-10所示。

表5-10 产品实例相似度匹配结果

Table 5-10 product instance similarity matching results

产品实例 相似度

6 0.798

22 0.934

24 0.967

23 0.934

从计算结果可以看出产品实例24与客户的个性化需求最为接近，符合实际情况。接下来的改进设计过程中，设计人员以系列3产品实例24为设计基础，可以快速地设计出满足客户个性化需求的产品。

5.6 面向客户个性化需求的动态豆浆机配置

企业豆浆机产品实例库是动态变化的，本文只讨论实例库实例增加的情况，增加的实例主要来源于遗漏的数据或者按照客户个性化需求改进的产品配置方案。而实例库的动态变化会直接影响到产品的配置规则，进而影响到产品的配置方案得结果。针对这些问题，本节接下来运用第四章的模型对面向客户个性化需求的豆浆机产品的动态配置进行研究。 5.6.1 基于粗糙集的豆浆机配置规则动态提取

当有新的实例加入到实例库中，可以利用第四章的基于粗糙集的产品配置规则动态提取方法进行求解，首先判断新增对象在原先实例库决策表中的类别，比如：

（1）当新增样本X和U2'不一致，如新增的对象利用基于粗糙集的产品配置规则动态更新方法X(1,2,2,4,3,1,2,2,4,2,3,2,1,2)，

可以求出新决策表的核属性集、属性约简和规则保持不变。

（2）当新增样本X和U1不一致时，如新增的样本

X(1,2,1,2,1,1,，2利用基于粗糙集的产品配置规则动态更新方法可

以对原决策表的差别矩阵进行改进，如表5-11，与原决策表相比，新决策表变动的部分为实例7所在的行与列，具体表现为删除实例7所在的列和修改实例7所在行的部分值。因此利用核的增量式更新算法求出新决策表的核属性集为

coreC(D){c3,c9,c10}。

通过属性约简的增量式更新算法求出新决策表的属性约简为

第88页 上海工程技术大学硕士学位论文 第五章 面向客户个性化需求的豆浆机设备配置研究

{c2,c3,c4,c9,c10}、{c2,c3,c9,c10,c11}、{c3,c4,c9,c10,c12}、{c3,c4,c7,c9,c10}、{c3,c7,c9,c10,c11,c12}、{c3,c7,c8,c9,c10,c11}、{c3,c5,c7,c9,c10,c11}。

（3）当新增样本X和U1U2'一致时，如新增的样本利用基于粗糙集的产品配置规则动态更新方法可X(1,2,2,2,2,1,1,1,3,2,1,1,1,1)，

以对原决策表的差别矩阵进行改进，如表5-12，与原决策表相比，新决策表变动的部分为新增了列X。利用核的增量式更新算法求出新决策表的核属性集为

coreC(D){c3,c9,c10}。

通过属性约简的增量式更新算法求出新决策表的属性约简为

{c3,c4,c8,c9,c10,c11}、{c2,c3,c4,c5,c9,c10}、{c3,c4,c5,c7,c9,c10}、{c3,c4,c7,c8,c9,c10}、{c3,c5,c7,c9,c10,c11}、{c2,c3,c8,c9,c10,c11}、{c3,c4,c8,c9,c10,c12}、{c2,c3,c4,c8,c9,c10}、 {c3,c4,c5,c9,c10,c12}。{c3,c7,c8,c9,c10,c11}、{c2,c3,c5,c9,c10,c11}、{c3,c4,c5,c9,c10,c11}、

在得到属性约简后，便可利用规则提取的增量式更新算法求解新决策表的规则。对于第（1）种情况，有算法可知，规则需改动的部分为与新增样本X不一致的U2'对象所在的规则，具体表现为规则的支持度。这里更新3条规则，如表5-13所示：

表5-13 规则及实例分类表

Table 5-13 classification of rules and instances

序号

1 2 3

规则

accuracy 0.333 0.333 0.333

U

29 30

(c1,1)(c2,2)(c3,2)(c13,1)(D,4) (c1,1)(c2,2)(c3,2)(c13,1)(D,3) (c1,1)(c2,2)(c3,2)(c13,1)(D,2)

X

因为本文阈值设置为0.9，因此上述三条规则不列入产品配置规则库，所以与原决策表相比，新决策表的规则不发生变化。

对于第（2）、（3）种情况，由于差别矩阵的变化导致属性约简发生变化，因此需要在新条件属性约简的基础上提取规则。以（2）中的{c2,c3,c4,c9,c10}属性约简为例，提取出的规则和实例分类情况如表5-14所示。

第页 上海工程技术大学硕士学位论文 第五章 面向客户个性化需求的豆浆机设备配置研究

表5-14 规则和实例分类 Table 5-14 classification of rules and instances

序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

规则

accuracy 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

coverage 0.429 0.143 0.143 0.143 0.067 0.533 0.067 0.067 0.067 0.133 0.4 0.4 0.25 0.25 0.25

U

(c4,1)(c10,2)(D,1) (c3,2)(c4,1)(D,1)

(c3,2)(c4,2)(c10,1)(D,1)

(c3,3)(D,1)

(c3,1)(c4,1)(c10,1)(D,2)

(c3,1)(c4,2)(D,2)

(c2,1)(c3,2)(c4,2)(D,2)

(c4,3)(c9,1)(D,2) (c4,4)(c9,2)(D,2)

(c2,2)(c3,2)(c4,2)(c10,2)(D,2)

(c2,2)(c4,3)(c9,2)(D,3) (c2,2)(c3,2)(c4,3or4)(D,3) (c2,1)(c3,1)(c4,3)(D,4) (c3,1)(c4,4)(c9,3)(D,4)

(c4,4)(c9,4)(D,4)

X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15

1,2,4 3 5 6 21 8,9,10,13,14,15,18,19 17

12 20 11,16 22,24 23,25 26 28 27

5.6.2 基于RBR和CBR结合的豆浆机动态配置方案求解

当客户个性化产品技术需求如表5-6所示，并且以新增样本是第（2）种情况时，以属性约简{c2,c3,c4,c9,c10}为例。先对客户个性化需求范围值进行离散化，然后与上文求得的15条规则进行匹配，可以得到两条匹配规则，分别为

(c3,1)(c4,2)(D,2)、(c2,2)(c4,3)(c9,2)(D,3)。

通过规则推理，可以大致知道客户个性化需求实例Cr可以在2和3系列产品的基础上进行配置，为了使得产品配置更加精确，进一步了解实例库中与客户需求产品最相似的实例，需要利用CBR来实现。

由上文可知，这两条规则对应的实例分别是6、22和24，因此将这三个实例提取出来，分别与客户需求实例利用最近相邻策略计算CBR产品配置相似度，如表5-15所示。

表5-15 产品实例相似度比较结果

Table 5-15 Comparison results of product instance similarity 产品实例

相似度

6 0.798

22 0.934

24 0.967

从计算结果可以看出：（1）产品实例24与客户的个性化需求最为接近，符

第90页 上海工程技术大学硕士学位论文 第五章 面向客户个性化需求的豆浆机设备配置研究

合实际情况，接下来的改进设计过程中，设计人员以系列3产品实例24为设计基础，可以快速地设计出满足客户个性化需求的产品。（2）实例库更新过后求得的产品配置方案并没有发生改变，最主要的原因就是实例库中的实例和新增实例数量较小，当企业实例库中实例数据庞大的时候，产品配置结果会更加准确、有效。

5.7 面向客户个性化需求的豆浆机配置策略研究

面向客户个性化需求的豆浆机配置过程实际上是豆浆机企业满足用户个性化需求的过程，其策略研究是以客户和企业为出发点，结合豆浆机配置过程中存在的产品无法满足客户需求、配置效率低下和配置条件易变等问题，提出有针对性地策略建议。

（1）基于客户特征的市场细分策略

客户是豆浆机企业的重要战略资产，豆浆机企业开展个性化营销应该以识别用户为基础，充分了解客户的需求，分辨其属于结构化需求和非结构化需求，从而判断客户对于产品专业知识的认知程度。对于认知程度高的客户，只需要技术设计人员将其提供的技术特性参数运用到豆浆机配置过程中；对于认知程度低的客户，需要现将其非结构化需求进行分析处理，再根据处理后的结构化需求进行豆浆机的配置。

豆浆机企业通过对客户进行细分，有针对性地开展产品配置过程，增加了产品配置过程的高效性和准确性，创造用户满意，培养用户忠诚，帮助豆浆机企业更好的实现用户价值与盈利最大化。

（2）基于客户需求的豆浆机定制策略

客户对豆浆机的需求日趋个性化，企业尽管生产出各种各样的豆浆机商品，但是，在一定程度上，商品属性特征与客户最优满意之间存在或多或少的矛盾。再加上客户需求在产品配置过程中是变化的，从而影响配置结果的准确性。

豆浆机个性化定制是解决上述问题的有效途径，基于需求的豆浆机制定策略，需要企业以客户个性化需求为出发点，将获取的客户需求信息用于豆浆机定制方案中。同时，豆浆机企业应该让客户充分参与到豆浆机定义与定制过程中，使企业能够根据客户需求信息生产出符合客户个性化需求的商品。客户需求信息的易变性，导致商品定制方案随着时间的变化而改变，大大较低了豆浆机定制效

第91页 上海工程技术大学硕士学位论文 第五章 面向客户个性化需求的豆浆机设备配置研究

率与客户满意度。客户参与豆浆机定制不仅可以使企业根据客户需求变化，对豆浆机定制方案进行修改，设计出个性化豆浆机，而且能够使客户参与商品设计，而不再是被动的接受豆浆机商品，使客户深入了解豆浆机各属性特征，明确自身需求，以至于客户可以用精确信息来表达购买意向，增强豆浆机个性化配置准确性。

（3）基于产品实例数据库的客户关系管理策略

豆浆机个性化配置过程中，企业首先需要构建完善的产品实例数据库，使得产品配置结果较为精确。但是产品实例数据库是不断扩大的，企业要想及时对产品实例数据库变化做出反应，更好地实现客户价值，需要及时变更产品配置方法，生产出满足客户个性化需求的豆浆机。因此，根据产品实例数据库实施客户关系管理策略，是豆浆机企业解决客户个性化配置过程中配置条件易变问题的有效工具。

因此，构建完备的产品实例数据库，与客户保持良性接触是豆浆机企业进行个性化配置的关键内容。它不仅能够使企业充分了解客户的需求信息，为企业生产提供方向，而且能够根据产品实例数据库的变化情况及时地更正产品配置方案，保证产品配置结果的准确性。

5.8 本章小结

本章将文中研究的有关产品方法和模型应用到豆浆机案例中。将第二章提出的基于粗糙集属性重要度和模糊层次分析法结合的权重确定方法对客户个性化需求权重进行求解；结合第三章面向客户个性化需求的静态产品配置模型和第四章面向客户个性化需求的动态产品配置模型，将模型应用于豆浆机在实例库不变和变化情况下配置的整个过程中，结果表明该模型在产品实例库庞大和变化的情况下能够快速准确地求解出客户个性化需求下的产品配置方案。

第92页 上海工程技术大学硕士学位论文 第五章 面向客户个性化需求的豆浆机设备配置研究

表5-11 差别矩阵

X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18 X19 X20 … X28 X29

X1      

C(2,4,7,8,9,10) C(2,4,5,7,8,9) C(4,8,9)

C(2,4,8,9,11,12) C(2,3,4,8,9)

C(2, 4,5,7,8,9,11,12) C(2,4,7,8) C(2, 4,5,8,12) C(2,4,5,7,8,9,12) C(2,3,4,7,8) C(4,7,8,9,11) C(3,4,8,9,10,12) C(4,5,8,10,12)

C(2,4,5,7,8,10,11,12) …

C(2,4,5,7,8,9,11,12) C(2,3,4,5,7,8,9,11,12)

…       … … … … … … … … … … … … … … … … …

Table5-11 Discernibility matrix

X6 X8             C(3,4,5,6,8,10,11,12)  C(3,4,5,6,8,9,11,12)  C(2,3,4,5,6,7,8,9,11,12)  C(3,4,5,6,7,8,9)  C(3,4,5,6,7,8,11,12)  C(3,4,5,6,8,9,11)  C(3,4,5,6,8,9,11,12)  C(3,4,5,6,7,8,9,11)  C(3,4,5,6,8,11)  C(3,4,5,6,8,9,11,12)  C(2,3,4,5,6,8,9,11,12)  C(2,3,4,5,6,7,8,10,12)  C(2,3,4,5,6,7,8,9,10,11)  C(3,6,8,9,10)  … … C(3,5,6,8,11) C(4,8,9,11,12) C(3,6,8,9) C(3,4,5,8,11,12)

X9

                    …

C(2,4,5,7,8,9,11,12) C(2,3,4,5,7,8,11,12)

…       … … … … … … … … … … … … … … … … …

X28      

C(4,5,10,11,12)              … 

C(3,5,9,11)

第93页 上海工程技术大学硕士学位论文 第五章 面向客户个性化需求的豆浆机设备配置研究

表5-12 差别矩阵

X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15 X16 X17 X18 X19 X20 … X28 X29

X

X1      

C(2,4,7,8,9,10) C(2,4,5,7,8,9) C(4,8,9)

C(2,4,8,9,11,12) C(2,3,4,8,9)

C(2, 4,5,7,8,9,11,12) C(2,4,7,8) C(2, 4,5,8,12) C(2,4,5,7,8,9,12) C(2,3,4,7,8) C(4,7,8,9,11) C(3,4,8,9,10,12) C(4,5,8,10,12)

C(2,4,5,7,8,10,11,12) …

C(2,4,5,7,8,9,11,12) C(2,3,4,5,7,8,9,11,12)

Table5-12 Discernibility matrix X2 X3             C(2,3,4,7,8,9,10) C(2,3,4,7,9) C(2,3,4,5,7,8) C(2,3,4,5,7,8,9,10) C(3,4,8) C(3,4,8,9,10) C(2,3,4,8,9,11,12) C(2,3,4,9,10,11,12) C(2,4,8,9) C(2,4,9,10) C(2,3,4,5,7,8,9,11,12) C(2,3,4,5,7,9,10,11,12) C(2,3,4,7,8,9) C(2,3,4,7,10) C(2,3,4,5,8,9,12) C(2,3,4,5,8,10,12) C(2,3,4,5,7,8,9,12) C(2,3,4,5,7,9,10,12) C(2,4,7,8,9) C(2,4,7,10) C(4,7,8,11) C(4,7,8,9,10,11) C(3,4,8,9,10,12) C(3,4,9,12) C(3,4,5,8,9,10,12) C(3,4,5,12)

C(2,3,4,5,7,8,9,10,11,12) C(2,3,4,5,7,8, 11,12) … … C(2,3,4,5,7,8,9,11,12) C(2,3,4,5,7,9,10,11,12) C(2,4,5,7,8,11,12) C(2,4,5,7,9,10,11,12)

X4

     

C(2,4,7,9,10) C(2,4,5,7,8,9) C(4,8,9)

C(2,4,9,11,12) C(2,3,4,9)

C(2,4,5,7,9,11,12) C(2,4,7) C(2,4,5,8,12) C(2,4,5,7,9,12) C(2,3,4,7) C(3,4,7,8,9,11) C(4,9,10,12) C(4,5,10,12)

C(2,4,5,7,8,10,11,12) …

C(2,4,5,7,9,11,12) C(2,3,4,5,7,9,11,12)

…       … … … … … … … … … … … … … … … … …

X28                     … 

C(3,5,9,11)

     

C(3,5,7,8,10) C(3,7,8,9) C(2,3,5,8,9) C(3,5,8,9,11,12) C(5,8)

C(3,4,7,8,9,11,12) C(3,5,7,8,9) C(3,8,9,12) C(3,7,8,12) C(5,7,8,9) C(2,5,7,8,9,11) C(2,3,5,8,10,12) C(2,3,8,9,10,12)

C(3,4,5,7,8,9,10,11,12)

C(3,4,7,8,11,12) C(4,5,7,8,9,11,12)

第94页 上海工程技术大学硕士学位论文 第六章 总结与展望 第六章 总结与展望

6.1 总结

本文主要利用面向客户个性化需求的产品配置模型分别对企业静态和动态实例库下的产品配置方法进行了研究。现将研究结果概括为以下几个方面：

（1）针对传统客户个性化需求权重的确定结果存在相等和零的情况不利于技术设计人员准确掌握客户的喜好程度问题，本文将粗糙集和模糊层次分析法相结合，先利用粗糙集属性重要度将客户需求的客观权重求出，再利用模糊粗糙集对客户的模糊需求进行评价，得出主观权重，最后主、客观权重结合，得出较为准确的客户个性化需求权重。

（2）利用粗糙集可以提取出决策规则的优点，本文提出了基于粗糙集条件属性分类的属性约简算法和基于改进的差别矩阵属性约简算法，并通过算例分析验证了方法的可靠性。

（3）基于规则和实例的知识推理

针对实例推理过程中需要检索所有实例，耗时费力，因此将基于粗糙集属性约简的规则与实例推理结合，运用到产品配置中。通过规则先将产品配置实例进行分类，即以规则为单位将实例进行分类，这样就可以得到一个规则对应多个实例的格局。当有新的需求实例时，先通过规则匹配，找到配对规则对应的一组或多组配置实例，然后只需利用实例推理对这些实例进行相似度计算，得到的最优解的配置实例方案便可作为新需求实例的参考配置方案。

（4）产品配置规则的增量式更新

考虑到目前基于知识推理的产品配置方法都是从静态实例库出发，而企业产品配置实例库是不断变化的，因此产品配置方法也会相应进行改变。因此本文基于上述产品配置方法，提出了面向客户个性化需求的动态产品配置模型，主要研究当产品配置实例库中增加实例时，如何在原先基于差别矩阵的规则提取过程的基础上通过发现其中的计算规律，快速得到产品配置规则，从而实现基于规则和实例的动态产品配置。

第95页 上海工程技术大学硕士学位论文 第六章 总结与展望 6.2 展望 本文主要研究面向客户个性化需求的产品配置问题，分别提出了针对企业静态和动态实例库下的产品配置模型，在满足用户个性化需求的前提下，大大提高了产品配置的准确性和高效性。但是，针对目前研究，仍然还有一些不足之处需要今后进行改进，具体如下：

（1）本文提出的面向客户个性化需求的动态产品模型只是针对实例库中实例增加的情况，而对于实例库中实例减少的情况没有涉及。而第二种情况在现实生活中时常发生，比如企业历史订单的遗失。因此针对该情况是产品配置的一个研究方向。

（2）本文提出的面向客户个性化需求的动态产品配置模型也没有涉及客户个性化需求发生变化情况下的产品动态配置方法，并且没有涉及预测客户个性化需求的内容，因此值得改进。

第96页 上海工程技术大学硕士学位论文 参考文献

参考文献

[1] 万雪峰. 在线大规模定制下面向多类型客户需求的产品配置研究[D]. 重庆大学, 2010.

[2] Stauffer L.A. and Morris L.J.The Product Realization Process: New Opportunities and Challenges. Journal of Applied Manufacturing Systems, 1991

[3] K.N.Otto, G.Ahrens, 葛中民. 阐明技术产品要求的一种方法[J]. 工程设计学报, 1998(3):1-7.

[4] 吴清烈, 郭昱. 面向大规模定制的非结构个性化客户需求结构化处理研究[J]. 电信科学, 2013, 29(12):9-15.

[5] 杨沁,唐伟. 面向产品族的客户需求最佳聚类确定方法[J]. 工程设计学报,2013,(02):97-101.

[6] 万雪峰, 但斌, 经有国. 在线大规模定制下基于客户需求模板的产品配置研究[J]. 工业工程, 2010, 13(4):69-73.

[7] 杨云, 欧志斌. 面向产品绿色设计的客户需求分析与处理[J]. 中国市场, 2011(10):52-56.

[8] 吕锋,杨印生,汤晋. 产品规划中顾客需求分析的集成方法[J]. 吉林大学学报(工学版),2015,(04):1213-1218.

[9] 何升波,孙建伟,,周皓明. 改进QFD的SUV设计需求获取与分析应用[J]. 农业装备与车辆工程,2016,(10):47-50.

[10] 魏巍. 定制产品需求知识重构及粗糙集分析方法[J]. 计算机集成制造系统,2012,(02):230-236.

[11] 杨涛, 杨育, 薛承梦,等. 考虑客户需求偏好的产品创新设计方案多属性决策评价[J]. 计算机集成制造系统, 2015, 21(2):417-426.

[12] 杨涛, 杨育, 张东东. 考虑客户需求偏好的产品创新概念设计方案生成[J]. 计算机集成制造系统, 2015, 21(4):875-884.

[13] Nahm, Yoon-Eui, Ishikawa, et al. New rating methods to prioritize customer requirements in QFD with incomplete customer preferences[J]. The International Journal of Advanced Manufacturing Technology, 2013, 65(9):1587-1604.

[14] Huang H Z, Liu W, Liu Y, et al. Evaluation and decision of products conceptual design schemes based on customer requirements[J]. Journal of Mechanical Science and Technology, 2011,

[15] 潘振华, 刘海江. 面向个性化车身产品客户动态需求获取与预测的扩展QFD研究[J]. 机械科学与技术, 2014, 33(4):5-572.

第97页 上海工程技术大学硕士学位论文 参考文献

[16] 李妮娅. 制造业产品配置研究[D]. 吉林大学, 2008. [17] 张雷, 刘光复, 胡迪. 基于实例推理的产品配置设计研究[J]. 合肥工业大学学报:自然科学版, 2008, 31(6):847-850.

[18] 徐梓荣, 张亦飞. 产品族配置设计的MC-SPA案例检索方法[J]. 机械设计与研究, 2011, 27(5):10-13.

[19] 杨沁, 李建国, 杨成,等. 一种基于DCSP和CBR的产品配置方法[J]. 现代制造工程, 2015(8):91-95.

[20] 罗广顺, 干静, 李柏翰,等. 基于QFD与CBR结合的产品形象创新设计[J]. 机电产品开发与创新, 2017, 30(1):29-31.

[21] 但斌, 覃燕红, 王江平. 基于实例和CSP的产品配置方法[J]. 重庆大学学报:自然科学版, 2008, 31(5):511-515.

[22] 马斌, 赵犁, 沈建国,等. 大批量定制环境中的产品配置规则[J]. 工业工程与管理, 2006, 11(6):96-102.

[23] 郑昌兴, 刘喜文. 基于规则推理和案例推理的应用模型构建研究——以地震类突发事件为例[J]. 情报理论与实践, 2016, 39(2):108-112.

[24] 文天柱, 许爱强, 王怡苹. 基于可拓规则推理的故障诊断方法[J]. 北京航空航天大学学报, 2016, 42(3):506-513.

[25] 胡炳星, 赵武, 罗纯静. 基于规则推理的铣削刀具选择系统开发与应用[J]. 制造业自动化, 2015(6):123-126.

[26] 孙伟, 马沁怡, 高天一,等. 基于本体和规则的产品配置系统研究[J]. 大连理工大学学报, 2011(4):529-534.

[27] 单汨源, 宋泽宇, 黄婧. 基于本体的大规模定制产品配置模型[J]. 计算机工程, 2010, 36(22):265-267.

[28] 但斌, 姚玲, 经有国,等. 基于产品族实例本体模型的产品配置方法研究[J]. 计算机集成制造系统, 2009, 15(4):5-651.

[29] 董明, 苏立悦. 大规模定制下基于本体的产品服务系统配置[J]. 计算机集成制造系统, 2011, 17(3):653-661.

[30] 刘蕾, 张亮亮. 产品快速配置系统关键技术研究[J]. 航空精密制造技术, 2011, 47(6):43-46.

[31] 王鹏家,巩亚东,谢华龙,刘永贤. 面向客户需求的机床产品配置及优化决策研究[J]. 组合机床与自动化加工技术,2016,(08):148-152.

[32] 伊辉勇. 面向在线定制的多约束产品配置策略[J]. 计算机集成制造系统, 2014, 20(10):2395-2402.

[33] 刘明周, 葛茂根, 刘正琼,等. 基于约束的可定制产品配置模型[J]. 计算机辅助设计与图形学学报, 2006, 18(2):000225-230.

第98页 上海工程技术大学硕士学位论文 参考文献

[34] 张雷, 刘光复, 胡迪,等. 基于约束满足问题的绿色产品配置设计[J]. 机械工程学报, 2010, 46(19):117-124.

[35] 赵韩,刘生强. 基于关联规则驱动的新产品配置研究[J]. 合肥工业大学学报(自然科学版),2016,(12):1585-1591.

[36] 李妮娅, , 刘大有. 基于广义产品结构的产品配置[J]. 计算机集成制造系统, 2010, 16(01):17-23.

[37] 裘乐淼, 张树有, 徐春伟,等. 基于动态设计结构矩阵的复杂产品配置过程规划技术[J]. 机械工程学报, 2010, 46(7):136-141.

[38] 郭传龙, 裘乐淼, 张树有,等. 基于耦合强度设计结构矩阵的复杂产品配置模型优化及应用[J]. 计算机集成制造系统, 2012, 18(4):673-683.

[39] 包志炎,计时鸣,阮曙峰. 基于蜂群进化机制的产品配置技术研究[J]. 农业机械学报,2014,(01):328-334+340.

[40] 王盼盼,王耕耘. 基于可配置模板的产品快速配置设计方法的研究[J]. 机械工程与自动化,2016,(04):214-216.

[41] 张良,张树有,刘晓健,王阳,张鹏. 基于灰色关联与权重顺序交叉的复杂产品配置方案重构技术[J]. 计算机集成制造系统,2015,(10):25-2576.

[42] 罗妤, 郭钢. 面向客户需求基于灰色粗糙模型的产品配置研究[J]. 中国机械工程, 2012, 23(11):46-51.

[43] 王莉静,檀润华,郗涛. 不确定用户驱动的产品定制设计参数映射模型[J]. 中国机械工程,2013,(17):2346-2351.

[44] Wang P, Gong Y, Xie H, et al. Applying CBR to machine tool product configuration design oriented to customer requirements[J]. Chinese Journal of Mechanical Engineering, 2016:1-17.

[45] 王鹏家,巩亚东,谢华龙,刘永贤. 面向客户需求的机床产品配置及优化决策研究[J]. 组合机床与自动化加工技术,2016,(08):148-152.

[46] 陈静,成阳,易晓红. 面向客户需求基于本体的产品配置方法研究[J]. 现代制造工程,2014,(02):-69.

[47] 杨沁,武珂,唐伟,卫道柱. 基于本体映射的需求相似度产品配置研究[J]. 组合机床与自动化加工技术,2013,(03):130-133.

[48] Fahma F, Iftadi I, Putri N A. Customer requirement analysis of driver's seat design using Quality Function Deployment (QFD) case study: City car[C]// Joint International Conference on Electric Vehicular Technology and Industrial, Mechanical, Electrical and Chemical Engineering. IEEE, 2015:173-177.

[49] 陈以增, 唐加福. 基于质量功能展开的产品规划模型[J]. 东北大学学报(自然科学版), 2002, 23(8):809-812.

第99页 上海工程技术大学硕士学位论文 参考文献

[50] 胡东方,郑亚飞,雷若楠. 基于QFD和AIS的复杂产品定制设计[J]. 计算机集成制造系统,2016,(09):2053-2062.

[51] 王晨,赵武,王杰,陈领,郭鑫,张凯. 基于需求和解决冲突的创新设计策略[J]. 四川大学学报(工程科学版),2015,(04):168-174.

[52] 于英楠,魏红芹. 基于改进的质量屋和TOPSIS法新产品概念决策——以智能手机产品为例[J]. 现代商贸工业,2016,(32):53-56.

[53] 雒兴刚,杨勇. 基于联合分析的可配置产品优化选择方法[J]. 中国机械工程,2012,(05):578-584.

[54] 庞继红,张根保,周宏明,李峰平,李沛,付培红. 基于粗糙集的数控机床精度设计质量特性反向映射研究[J]. 机械工程学报,2012,(05):101-107.

[55] 葛畅,余隋怀,陈登凯,孙晋博,陆长德. 基于满意度与投入约束的产品技术特征配置[J]. 计算机集成制造系统,2012,(02):225-229.

[56] 胡浩,鲁玉军,蔡江涛,骆华武,汪崟. 基于服务决策表的产品配置规则研究[J]. 中国机械工程,2012,(21):2616-2619.

[57] 晁永生,孙文磊. 基于粗糙集的焊接类型关联规则提取[J]. 计算机工程与应用,2015,(15):244-248+260.

[58] 耿秀丽,张在房,褚学宁. 基于变精度粗糙集的产品配置规则提取及增量式更新[J]. 上海交通大学学报,2010,(07):878-882.

[59] 李易林,耿秀丽,李军祥,尤星星. 顾客需求映射规则获取和聚类方法[J]. 物流科技,2015,(10):1-6+12.

[60] 崔文华,孙楚凡,王介生,陈媛媛. 基于粗糙集理论的纸币清分机配置规则获取方法研究[J]. 大连理工大学学报,2014,(06):651-655.

[61] 宋文燕. 面向客户需求的产品服务方案设计方法与技术研究[D]. 上海交通大学, 2014.

[62] 张超, 刘夫云, 贾焕香. 客户需求获取与分析方法研究[J]. 微电子学与计算机, 2010, 27(11):-67.

[63] 郭辰光. 产品创新设计关键技术及其集成平台构建研究[D]. 东北大学, 2011. [] 胡伟健, 杨先海, 孟璐. 基于知识的平行分度凸轮机构的智能设计系统的研究[J]. 制造业自动化, 2013(23):128-131.

[65] Pawlak Z. Rough sets [J]. Information and Computer Science,1982,11(5): 341-356. [66] Pawlak Z. Rough set theory and its application to data analysis [J].Cybernetics and Systems,1998,29(1):661-668.

[67] 周青奎, 杨益民. 基于物元分析的超常规发展方案评价标准研究[J]. 统计与决策, 2008(20):4-5.

[68] 程丹, 吴清烈. 模糊层次法在大规模定制客户需求评估中的应用[J]. 价值工程, 第100页 上海工程技术大学硕士学位论文 参考文献

2008, 27(11):102-105. [69] 惠玉蓉, 董千里. 绿色制造模式下供应商选择的模糊层次分析[J]. 长安大学学报(社会科学版), 2008, 10(2):32-35.

[70] 林钧昌,徐泽水. 模糊AHP中一种新的标度法[J]. 运筹与管理,1998,(02):39-42. [71] 程爱宝, 古德生, 刘洪强. 基于AHP与粗糙集理论的采空区稳定性影响因素权重分析[J]. 中全生产科学技术, 2011, 07(9):50-55.

[72] 张超, 刘夫云, 贾焕香. 一种客户需求向工程技术特性映射的方法[J]. 微电子学与计算机, 2010, 27(6):208-211.

[73] 张超,刘夫云,贾焕香. 一种客户需求向工程技术特性映射的方法[J]. 微电子学与计算机,2010,(06):208-211+215.

[74] 严伟, 朱夷诗, 黄有方,等. 基于聚类分析的集装箱码头堆场策略[J]. 上海海事大学学报, 2014, 35(1):35-40.

[75] 李绍成. 基于静电感应和显微图像的油液磨粒监测技术研究[D]. 南京航空航天大学, 2009.

[76] Skowron A, Rauszer C. The Discernibility Matrices and Functions in Information Systems[J]. Theory & Decision Library, 1992, 11:331-362.

[77] 叶东毅. Jelonek属性约简算法的一个改进[J]. 电子学报, 2000, 28(12):81-82. [78] 杨明. 一种基于改进差别矩阵的属性约简增量式更新算法[J]. 计算机学报, 2007, 30(5):815-822.

[79] 龙浩, 徐超. 基于改进差别矩阵的属性约简增量式更新算法[J]. 计算机科学, 2015, 42(6):251-255.

[80] 于洪, 杨大春, 吴中福. 基于Rough set理论的增量式规则获取算法[J]. 小型微型计算机系统, 2005, 26(1):36-41.

[81] 徐丹, 于洪. 一种改进的基于粗糙集的增量式学习算法[J]. 计算机应用, 2008, 28(s2):77-79.

[82] 吴风丽. QYYXZ型豆浆机的创新设计[D]. 山东大学, 2006.

[83] 张雷,胡迪,刘志峰,高洋. 基于实例推理的绿色产品配置方法研究[J]. 机械设计与制造,2009,(03):209-211.

[84] 刘志峰, 张福龙, 张雷,等. 面向客户需求的绿色创新设计研究[J]. 机械设计与研究, 2008, 24(1):6-10.

[85] 张雷, 刘光复, 胡迪,等. 基于约束满足问题的绿色产品配置设计[J]. 机械工程学报, 2010, 46(19):117-124.

[86] 张福龙. 面向客户需求的产品绿色设计方法研究[D]. 合肥工业大学, 2008.

第101页 上海工程技术大学硕士学位论文 攻读硕士学位期间发表的学术论文及取得的相关科研成果

攻读硕士学位期间发表的学术论文及取得的相关科研成果

1. 发表的学术论文

[1] Wan Rong, Yan Ruixia. An Algorithm for Attribute Reduction Based on

Classification of Condition Attributes in Rough Set [C]// Control and Decision Conference. IEEE, 2017: 5534 - 5537. （EI检索）

[2] 万荣, 阎瑞霞. 基于粗糙集和模糊层次分析法的客户需求权重确定方法[J]. 科技管理研究.2018,(04)（已录用） 2. 取得的相关科研成果

[1] 上海工程技术大学研究生创新项目“国内P2P信贷平台应用现状调研分析”（16KY0325） 3. 参与的课题

[1] 国家自然科学基金资助项目“基于认知程度的双论域粗糙集理论及在动态决策中的应用研究”（71301100）

[2] 上海市教委科研创新项目“基于知识推理的多对多双边匹配模型及在个性化推荐中的应用”（14YZ140） 4. 学术竞赛成果

[1] 第十四届全国研究生数学建模竞赛 三等奖 2017.11

第102页 上海工程技术大学硕士学位论文 致 谢

致 谢

时光飞逝，两年半的研究生生活马上就要结束，在这两年半的研究生学习生活中，我不仅学习到了专业知识，还接触到了热门的前沿学科，这对于提高我的学术能力与思考能力是很有帮助的。在论文完成之际，再次感谢在校学习和生活期间给予我指导和帮助的老师和同学们。

在这里我想特别感谢我的导师阎瑞霞老师，如果没有阎老师的无私帮助，本篇论文无法顺利完成。从论文的选题、开题、写作，到每一次的修改，都倾注了阎老师大量的心血，阎老师不辞辛苦，多次进行指导和修改，不仅增加了老师同学之间的学术交流，还培养了我的学术能力。阎老师严谨的治学态度、勤奋工作的精神、睿智的学术思维、高尚的人格魅力都深深地影响着我，让我终生受益匪浅。在生活上，阎老师总是像关心自己的亲人一样，关心着我的成长，教会了我很多做人的道理。阎老师的教导让我明白，无论做事还是做人，都要踏踏实实，一步一个脚印。

感谢上海工程技术大学管理学院的各位领导和老师给我提供了良好的学习环境，感谢各位老师在我研究生期间给予我学习上的指导和帮助，感谢各位老师每次答辩都给予我宝贵的论文修改意见。通过这两年半的学习，我的专业知识储备有了很大提高，为论文的撰写奠定了基础，同时也在做人、做事方面有了很大提升，希望今后能在学习和工作中取得成就，来汇报母校的培养。

还要感谢我的同门段明圆同学，每当我遇到不明白的学术问题和学校事务时都与我认真讨论，共同进步。

我还要感谢我的家人以及同学们，正是他们在物质和精神上的极大支持，使我顺利完成了这段学业。即将离别美丽的校园，离别与我朝夕相处的同学们，踏入我人生的另一段征途，心中总有千言万语也难于言表。在此我只想说一句：谢谢你们！

最后感谢评阅本文的各位老师，感谢您们的辛苦付出，也希望得到您们的宝贵意见。

再次向所有帮助我的老师、家人和同学致以衷心的感谢！

2018年01月 于上海工程技术大学

第103页