基于粗糙集理论的质量屋顾客需求分析技术

• 论文 •

基于粗糙集理论的质量屋顾客需求分析技术

邓超，马晓彬，吴军，周献振

华中科技大学数字制造装备与技术国家重点实验室，湖北武汉430074

出版日期:2007-06-15 发布日期:2007-06-25

Analysis technique of customers′ requirements in HoQ based on rough set theory

DENG Chao，MA Xiaobin，WU Jun，ZHOU Xianzhen

State Key Lab of Digital Manufacturing Equipment & Technology, Huazhong University of Science & Technology, Wuhan430074, China

Online:2007-06-15 Published:2007-06-25

摘要/Abstract

摘要： 为解决质量屋的顾客需求信息中所存在的模糊性、不完整、不一致和冗余等问题，提出了基于粗糙集理论的顾客需求分析技术解决方案。该方案以数据仓库和数据挖掘技术为基础，存储、分析并处理已获得的顾客需求初始信息。利用分明矩阵启发式粗糙集约简算法来约简顾客需求信息规则，减少不必要的工程特性改动，降低产品设计与改进的成本和风险。借助J2EE架构与Oracle数据仓库，实现了约简算法，并验证了预期的效果。

关键词: 质量功能配置, 质量屋, 粗糙集, 数据挖掘, 数据仓库

Abstract: To solve the problems of fuzziness, imperfection, inconsistency and redundancy in House of Quality′s (HoQ) customer requirements information, the analysis technology of customers' requirements based on rough set theory was presented, which was based on data warehouse and data mining technology. The original customer requirements information was stored, analyzed, processed to be suitable for HoQ in Quality Function Deployment (QFD). Heuristic rough set theory was adopted to simplify customer requirements information rules, reduce unnecessary project identity changes, and lower the cost and risk on product design and product improvement. By using J2EE and Oracle data warehouse, the method was implemented and validated.

Key words: quality function deployment, house of quality, rough set, data mining, data warehouse

中图分类号:

TP181

邓超，马晓彬，吴军，周献振. 基于粗糙集理论的质量屋顾客需求分析技术[J]. .

DENG Chao，MA Xiaobin，WU Jun，ZHOU Xianzhen. Analysis technique of customers′ requirements in HoQ based on rough set theory[J]. .

[1]	田钰. 基于多元特征感知网络的高考成绩预测[J]. 计算机集成制造系统, 2021, 27(9): 2741-2748.
[2]	王春雨,蒋祖华,王福华,吉永军,江辉. 面向工业软件开发的半结构化知识语义检索方法[J]. 计算机集成制造系统, 2021, 27(8): 2371-2381.
[3]	吴若仟,江屏,卢佩宜,张焱焱. 产品设计中基于质量功能配置的需求转化过程[J]. 计算机集成制造系统, 2021, 27(5): 1410-1421.
[4]	王宇,李玉鹏,赵志华. 基于离群点检测的产品性能退化评估[J]. 计算机集成制造系统, 2021, 27(4): 1040-1051.
[5]	朱永国,邓斌,霍正书,马国祥. 检测数据和专家知识混合驱动的小样本飞机结构件装配粗差判定[J]. 计算机集成制造系统, 2021, 27(12): 3462-3474.
[6]	谈莉斌,唐敦兵,陈蔚芳,王棋. 大规模用户参与的开放式设计决策方法[J]. 计算机集成制造系统, 2020, 26(第4): 1063-1071.
[7]	张忠平,邱敬仰,刘丛,朱梦凡,章德斌. 基于聚类离群因子和相互密度的离群点检测算法[J]. 计算机集成制造系统, 2019, 25(第9): 2314-2323.
[8]	凌磊,陈友玲,张岳园,刘舰. 云制造环境下人力资源供给的评价与选择[J]. 计算机集成制造系统, 2019, 25(第8): 2059-2068.
[9]	张付英,段晶莹,陈建垒,宋娜娜. 面向产品可持续设计的关键功能模块识别方法[J]. 计算机集成制造系统, 2019, 25(第7): 1828-1838.
[10]	刘颖超,胡小锋,刘梦湘. 多工序下刀具磨损的不完备信息系统数据挖掘[J]. 计算机集成制造系统, 2019, 25(第5): 1055-1061.
[11]	樊佳爽,余隋怀,初建杰,陈健,成方敏,任李金. 工业设计云服务平台下基于用户偏好的设计团队成员优选决策[J]. 计算机集成制造系统, 2019, 25(第11): 2863-2873.
[12]	王宏刚,王姗姗,姚佳,潘若禹,庞胜利. 基于邻域粗糙集与支持向量机的射频识别系统识别率预测[J]. 计算机集成制造系统, 2019, 25(12): 3170-3180.
[13]	杨强,李延来. 基于直觉模糊集的质量屋顾客需求优先度及灵敏度分析[J]. 计算机集成制造系统, 2018, 24(第4): 978-986.
[14]	杨续昌,陈友玲,刘传彪. 云制造环境下员工资源选择方法[J]. 计算机集成制造系统, 2018, 24(第3): 711-719.
[15]	李飞,李文强,李彦. 基于双层关联的用户需求重要度计算与转换方法[J]. 计算机集成制造系统, 2018, 24(第11): 2836-2845.