提升高端设备的再制造质量：一种基于公平性共识达成过程的新型质量函数部署模型

《ADVANCED ENGINEERING INFORMATICS》：Enhancing remanufacturing quality for high-end equipment: a novel quality function deployment model based on fairness concern consensus reaching process

质量功能展开与公平关注驱动的共识机制融合应用于高端设备再制造，通过多源数据挖掘和语义分析提取客户需求与技术特征映射，构建个性化公平反馈机制促进专家意见协调，案例验证提升再制造质量效率。

　　

周米|肖嘉音|范新宇|程百毅|吴健

合肥工业大学管理学院，中国安徽省合肥市230009

摘要

提高高端设备的再制造质量是一项知识密集型活动，它依赖于对客户需求的准确识别（CRs）以及专家们对客户需求与技术特性（TCs）之间映射的集体评估，这需要实施质量功能展开（QFD）方法。然而，QFD需要多方参与和反复讨论。专家们的公平性关注行为会影响他们修改偏好的意愿，甚至可能阻碍群体决策（GDM）的顺利进行。为此，本研究基于公平性关注驱动的共识模型开发了一种新的QFD决策框架，以应对高端设备再制造工程中的质量问题。首先，通过多源工程文本的知识挖掘提取高端设备的客户需求及相关技术特性，并利用自然语言处理确定客户需求的权重。然后，根据共识贡献和意见调整幅度定义个体的公平性关注水平，以此来识别专家的行为倾向。此外，还设计了一种针对不同专家的公平性关注驱动的反馈机制，以提供个性化的公平响应策略，从而提高共识形成的公平性和效率。该机制应用于得出技术特性的最终优先级。通过对隧道掘进机刀头再制造工程的案例研究及比较分析，证明了所提出方法能够提升智能决策效率，并在工业场景中加强再制造的质量保证。

引言

高端设备是指技术先进、产品结构复杂、资本投入大且使用寿命长的设备，例如计算机数控机床、隧道掘进机（TBMs）、智能机器人和航空航天发动机[1]。作为现代工业体系的支柱，它们代表了一个国家制造业的核心竞争力。因此，高端设备的再制造不仅能够将使用过的产品恢复到几乎全新的状态并缩短交付时间，还能降低成本和减少能源消耗。与普通设备不同，高端设备的再制造具有创新驱动、技术密集、定制化导向和质量关键的特点。例如，隧道掘进机是地铁、高速公路和高速铁路隧道建设中的关键设备，其刀头的再制造质量直接决定了整个机器的性能。

高端设备的再制造是一个复杂且相互关联的过程，需要科学理论和方法的支持[2]。这一过程中的关键步骤是获取客户需求（CRs）并将其有效转化为技术特性（TCs）。质量功能展开（QFD）作为一种工业工程中的质量管理工具[3]，可以利用质量屋（HOQ）在整个生命周期中系统地部署客户需求。它已广泛应用于产品设计[4]、产品缺陷检测[5]、运输管理[6]以及产品寿命终结时的再制造和升级设计[7]等多个阶段。

高端设备再制造首先从获取客户需求及其相应权重开始。需求获取涉及识别再制造过程中的关键客户需求，而这些权重的确定构成了整个质量屋分析的基础，直接决定了技术特性优化的方向和资源分配的优先级。随着信息技术和数据分析方法的快速发展，传统的获取需求和权重的方法（如调查和访谈）往往带有专家偏见，无法跟上市场变化和用户需求的实时需求。相比之下，数据驱动的方法提供了更客观和动态的解决方案，基于大量文献和社交媒体数据为需求分析提供了新的见解[8]。因此，关键挑战在于利用数据驱动的方法从多样化的数据来源中全面识别客户需求，并客观地确定相应的权重。

质量屋（HOQ）的核心是客户需求（CRs）与技术特性（TCs）之间的关系矩阵，反映了每个技术特性在满足客户需求方面的贡献程度。传统上，客户需求与技术特性之间的关联程度通常通过明确的数值或定义的语言尺度来评估。然而，在实践中，由于固有的不确定性、信息不完整或主观判断，团队成员可能会使用更模糊的语言术语来表达他们的评估[9]。信念分布（BD）[10]可以有效地捕捉和表示这些术语，作为一种分配在一组语言术语上的分布式评估方法，已被越来越多地用于处理群体决策环境中的不确定性和模糊信息。

通常，QFD的实施是一个群体决策（GDM）过程，其中跨职能团队评估客户需求与技术特性之间的关系强度，以确定产品优化的关键因素[11]。团队成员之间的内在异质性常常导致评估结果冲突[12]。因此，需要一个共识达成过程（CRP）[13]来协调他们的意见，确保产品质量改进计划的顺利进行。最近的相关研究主要分为两类：（i）基于识别和方向规则的共识机制[14]、[15]、[16]；以及（ii）基于优化的共识机制[17]、[18]。共识规则的发展进一步改进了CRP并提高了决策效率[19]、[20]。因此，许多研究将它们纳入QFD中以提高技术特性排序的效率。例如，杨等人[21]将基于识别和方向规则的共识机制与QFD结合，用于可持续产品-服务系统的概念设计。他们提出了一种自适应CRP模型，根据专家的判断动态调整他们的权重。王等人[22]将基于优化的共识规则应用于QFD，重点是最小化专家意见之间的调整距离，同时考虑信任关系。此外，CRP中专家的博弈论行为也被整合到QFD中，以解决利益冲突[11]。

在GDM中，CRP的目标是既要达成高共识，又要确保最终决策得到所有专家的认可[23]。大量心理学研究表明，公平性关注是一种典型的人类特质，会促使人们偏好更公平的结果[24]。因此，为了提高群体共识的可接受性，最近的研究将公平性关注纳入了共识建模中[25]。在GDM中，公平性关注是指对过程和结果是否公平的主观判断[26]，这种判断既基于自我利益，也考虑了他人的利益。例如，龚等人[27]提出了一个基于个人补偿和信任关系的最大公平性共识模型。张等人[28]基于不平等厌恶开发了一个公平性效用函数，并将其整合到一个基于效用驱动的最小成本共识模型中，其中包含偏好学习。赵等人[29]探讨了协调者的公平偏好和容忍度对共识达成的影响，使用了基尼系数。尽管最近的研究关注了公平性关注，但主要通过补偿来处理公平性问题，较少关注调整负担的公平分配。因此，应该深入探索一个公平的共识调整机制。

基于上述分析，本研究的主要动机包括以下几点：

(1)

现有的QFD文献通常通过资源密集型传统方法定义客户需求并确定其权重。因此，来自大规模数据源（如技术文献和用户生成内容）的宝贵信息被忽视了。此外，高端设备与普通复杂产品（如汽车、智能手机）有很大不同，因为它具有高度定制化、高昂的维护成本和较长的生命周期。如何提取客户需求和技术特性对于提高高端设备的再制造质量至关重要。

(2)

大多数以往的研究基于不平等厌恶或基尼系数来衡量CRP中的公平性，主要通过CRP过程中的意见调整量或补偿来建模公平性。然而，很少有研究从根据个人贡献和责任公平分配调整任务或工作量的角度考虑公平性。

(3)

虽然现有的共识模型考虑了个体的公平性关注行为，但它们忽略了个体对公平性的心理差异。因此，需要开发一种个性化的反馈机制，利用个体的公平性关注来更有效地指导意见调整，从而达成平衡的共识。

受上述差距的启发，本研究旨在将公平性关注驱动的共识机制整合到QFD中，以处理不确定信息和公平性问题。本研究的主要工作可以总结如下：

(1)

提出了一种用于高端设备再制造过程改进的新QFD方法。该框架系统地从高端设备再制造过程中识别客户需求和技术特性，构建完整的质量屋（HOQ）。此外，通过数据驱动的方法确定客户需求的权重，该方法利用词嵌入技术将客户需求和文档语料库转换为高维语义向量，并量化它们之间的语义相关性。

(2)

定义了GDM过程中个体的公平性关注水平。值得注意的是，这种新机制将重点从传统的收益不平等转移到了调整负担的公平性上，通过测量专家实际意见调整与预期调整水平之间的偏差来量化公平性。这种偏差评估了调整负担是否合理，使不平等度量与实际的GDM情境更加吻合。

(3)

提出了一种基于个体公平性关注的GDM共识机制。它首先根据意见相似性生成个性化建议，然后评估个体的公平性关注水平，并将个体分类为不同的决策群体。在此基础上，为每个群体定制调整策略，从而减少他们的不平等感，减轻过度调整和调整不足的问题，并有效地引导群体达成共识。

本文的其余部分组织如下：第2节回顾了信念分布、公平性关注行为和QFD的基本知识。第3节详细介绍了TBM刀头再制造的QFD框架。第4节描述了用于获得完整质量屋的公平性关注驱动的共识达成过程。第5节通过TBM刀头再制造的案例研究验证了所提出方法的有效性。第6节提供了结论性意见。

章节片段

初步介绍

在本节中，我们回顾了与信念分布、公平性关注行为和QFD相关的基本概念。本文中使用的符号列在表1中。

TBM刀头再制造的QFD框架

在本节中，我们提出了一个基于QFD的决策框架，用于提高TBM刀头的再制造质量。

公平性关注驱动的共识达成过程

在本节中，我们制定了一种结合公平性关注的QFD方法，以帮助专家达成共识并构建完整的质量屋（HOQ）。

案例研究和比较分析

为了展示所提出的QFD方法在提高高端设备再制造质量方面的适用性和有效性，本节探讨了一个专注于TBM刀头再制造的案例研究。

结论

本文提出了一种基于公平性关注的QFD决策框架，用于评估高端设备再制造中技术特性的重要性。首先，通过文献回顾和多源文本的数据挖掘识别客户需求及相关技术特性。其次，通过将IDF算法与语义表示学习相结合，开发了一种数据驱动的方法来确定客户需求的权重。最后，本文介绍了一种基于公平性关注的共识

CRediT作者贡献声明

周米：撰写——审阅与编辑、方法论、资金获取、形式分析、概念化。肖嘉音：撰写——初稿、验证、方法论、调查。范新宇：验证、方法论、形式分析。程百毅：监督、资金获取。吴健：验证、监督、资金获取。

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的竞争财务利益或个人关系。

致谢

本研究得到了中国国家自然科学基金（项目编号72471069、72471137、72371093和72371095）；NSFC国际合作与交流计划（W2411063）；以及“引进人才到大学进行复杂产品制造过程优化和决策”的基础项目（111个项目，B17014）的支持。