基于直觉模糊C-均值的客户聚类和识别方法

客户聚类和识别是大规模客户化生产中产品/服务快速有效设计的基础.考虑客户需求信息的不确定性,提出了基于直觉模糊C-均值的客户聚类算法.针对传统基于欧式距离的C-均值聚类方法无法计算直觉模糊数组间距离的缺点,采用直觉模糊交叉熵方法处理算法中的距离计算问题.同时,直觉模糊交叉熵还用来计算新客户和各客户类间的偏好相似度,进行客户识别.最后以某工程机械企业服务开发中的客户聚类和识别为例,验证了所提方法的有效性.

考虑产品服务组合效应的产品服务系统方案评价方法

针对由产品和服务模块组成的产品服务系统方案评价问题,考虑到传统多属性决策方法难以处理产品和服务的组合效应,研究了一种融合模块评价和模块组合效应评价的产品服务系统方案评价方法。采用二元语义表达模型处理专家不确定性评价信息,提出多粒度二元语义评价信息统一方法,考虑专家的客观权重获取方案模块的集成评价值,结合模块的主客观权重计算产品服务系统方案的初始评价值;通过获取产品模块和服务模块间的组合效应矩阵信息,修正产品服务系统方案的初始评价值。以某企业挖掘机PSS配置方案评价为例,验证了所提方法的有效性。

基于模糊增强DEA和改进FMEA的制造技术选择方法

制造技术/设备选择是典型的多属性决策问题,针对AHP等方法确定评价指标权重具有的主观性,采用数据包络分析(DEA)方法评价制造技术。针对传统DEA模型处理不确定性信息能力差以及没有考虑指标权重范围的问题,提出基于模糊期望值法的模糊增强DEA模型。考虑到DEA模型适合将决策单元进行分类,同时制造技术需要进行风险评估的问题,提出采用改进故障模式与影响分析(FMEA)方法对筛选出的高效率制造技术进行风险评估,最终得到优选的制造技术。改进FMEA方法基于模糊数和灰色关联分析方法,考虑故障成本和维修难度以及各风险因子的权重,避免了传统将风险因子简单相乘的缺陷。以某半导体制造企业的晶圆切割制造设备选择为例,验证了所提方法的有效性。

面向客户群的服务方案配置规则挖掘方法

产品/服务配置规则获取的主要方式是用数据挖掘技术从设计实例数据库中提取.客户化服务方案配置规则为服务功能需求和方案特征间的关联规则.考虑到常用关联规则挖掘算法Apriori具有运算复杂的缺点,提出基于PIETM(Principle of Inclusion—Exclusion and Transaction Mapping)算法的配置规则挖掘方法,考虑置信度和有趣度指标,提取强关联规则.针对配置实例数据库数据量较大时,配置规则挖掘的效率会降低且会产生大量冗余规则的问题,采用二元语义模型表达定性的服务功能需求,将同类客户群的功能需求进行合并,替换多样化的功能需求,减少规则的冗余.最后以一工程机械制造企业服务方案配置规则挖掘为例,验证了所提方法的有效性.

价值驱动的顾客需求重要度确定方法

传统顾客需求往往侧重于产品实物属性的表达,没有反映出顾客购买产品的真实意图和内在价值需求,不能有效地支持产品相关服务的设计。为突破传统需求分析方法的局限性,文章提出了价值驱动的顾客需求结构及其重要度确定新方法。新的顾客需求结构包含了目的、价值和需求三层结构及其内部关联关系。采用粗糙集方法确定了价值重要度、需求自相关关系以及价值和需求之间关联关系的取值,通过建立价值和需求映射模型将价值重要度转换为顾客需求重要度。以水平定向钻机需求分析为例验证了所提方法的正确性和有效性。

基于委托—代理博弈的物流金融合约选择研究

文章主要探讨了物流金融中,银行与第三方物流企业之间存在的信用风险问题,通过双方进行委托—代理博弈,银行找到了最优的佣金合同来保证3PL合作的同时自身的期望收益也最高。通过博弈分析发现,银行更倾向于与愿意承担更大风险的优质3PL合作,同时也愿意支付额外的奖金来更大程度的促进项目的成功。

顾客需求映射规则获取和聚类方法

采用数据挖掘技术从企业已有的产品或服务规划知识中提取顾客需求和设计需求之间的映射规则,是进行产品或服务规划分析的重要方法。针对常用Apriori关联规则挖掘算法运算量大的问题,提出了基于PIETM(Principle of Inclusion-Exclusion and Transaction Mapping)算法的顾客需求映射规则挖掘方法,提取强关联规则。针对规划设计数据量较大时,规则挖掘会产生大量冗余规则的问题,通过采用基于粗糙集的聚类方法对顾客需求以及设计需求可选值进行聚类,实现顾客需求映射规则的聚类分析。最后以某企业叉车方案规划中,顾客需求映射规则的挖掘和聚类分析为例,验证了所提方法的有效性。

基于变频器控制的恒温恒压供水系统

本文比较了传统和新型恒温恒压供水系统的异同点,分析了一种新型的恒温恒压供水系统的工作流程及各个环节的细节特点,实践证明,与传统恒温恒压供水系统相比,新型系统节省电能约1/3。