1.3　数据驱动产品设计的发展概述

1.3.1　数据驱动的需求分析偏好感知

需求分析是指通过一定的方法获取客户需求信息，然后根据客户需求数据的重要性及其对产品设计的影响进行筛选的过程。制造产品的最初动机是满足客户的需求，客户需求是数据驱动产品设计的直接动力。随着大数据、物联网等技术的发展，数据驱动的客户偏好感知成为研究热点。客户需求分析方法倾向于使用一些智能分析和数据处理方法来满足客户需求。当今企业面临的市场已从单一、稳定的市场转变为要求产品具有差异化、多样化特性的细分市场。企业要想长久生存，就必须准确把握客户的需求，生产出符合客户需求的产品。因此，面对庞大的数据生成环境和竞争激烈的市场形势，设计工程师必须考虑客户的各种偏好和要求。

客户偏好数据可以根据各种数据源获得，如客户反馈、网络爬行和公司数据库。在激发和分析需求数据的过程中，对客户需求的理解和假设对产品设计和制造在质量、交付周期和成本方面具有重要影响。因此，有效地捕捉关键客户偏好和需求，系统地分析并适当地将它们转换为合适的产品属性和特性是需求分析的重点。

正确识别和预测产品特征是进行需求分析的基础。需求预测的前提是通过一定的方法获取客户需求数据，这也是数据驱动产品设计中比较耗时的一部分。传统的客户需求的获取主要以问卷的形式进行。随着互联网和大数据技术的应用，客户需求的获取正变得更加智能、方便和快捷。在获取客户需求数据后，结合产品生命周期各阶段的数据，对客户需求进行分析和补充。为了更好地满足客户需求和理解客户的各种异构需求，有必要对客户需求数据进行分类。随着客户需求数据的爆炸性增长，需求分类方法也不再仅限于传统类别，目前大多使用模糊聚类和数据挖掘方法进行需求分类处理。

收集到的客户需求数据不仅包括顾客对产品功能的要求，还包括客户对产品性能的要求。在进行客户需求转换和映射时，主要包括客户需求重要性的确定和客户需求功能特征的映射。预测产品特征的未来重要性权重对数据驱动的产品设计有重大影响，因为它会显著影响工程需求的目标值设置。确定客户需求的重要性是客户需求预测和综合分析过程中的关键部分。当前，确定客户需求重要性的方法很多，主要包括专家评估方法、层次分析法（AHP）、模糊分析法（FAM）、特征分析法和质量功能展开法（QFD）。通常，在使用过程中是将多种方法结合使用。客户需求和产品设计参数的数据驱动相关性分析可以帮助预测和感知客户需求偏好，这已成为一个热门的研究方向。客户需求到产品特性的映射是产品设计的一个关键方面，用于将客户需求数据转换为易于理解的产品工程特征。除了上面提到的需求转换方法，QFD对设计人员来说是更有用的工具。QFD是一种集成的决策方法，可确保并提高设计过程元素与客户需求的一致性。QFD需求转换的关键是使用质量屋建立客户需求数据与技术特征之间的关系矩阵，并通过矩阵转换将客户需求数据转换为产品技术特征。