产品全生命周期管理(product lifecycle man-agement，PLM)是现代制造业中一项重要的信息化发展战略。在PLM企业中，实施客户需求管理有其发展的必然性，首先，由于市场竞争的拉动，企业由最初的以产品为中心发展到以客户为中心；另一方面，由于PLM系统设计、制造、销售、服务和回收阶段的信息分散在企业内部，使信息难以共享和集成，导致需求信息缺乏与各阶段信息的互动，因此，迫切需要建立面向PLM的客户需求管理机制，实现客户需求的快速响应。
客户需求主要受4个方面的影响：客户自身需求信息；市场需求；企业文化和管理者意识。其中，客户自身需求信息是根本，市场需求是外部条件，企业文化和管理者意识是内部条件。在客户需求研究中，客户需求信息的非定量性描述和客户对产品专业性知识的缺乏，使企业无法领会客户的真正需求，造成企业与客户之间的理解误差，最终影响企业的生产发展；另一方面，企业为了吸引更多的客户，在客户基本需求基础上，挖掘深层次的需求信息，提高产品性能。
在多变的市场环境和激烈的市场竞争下，实现客户需求信息的分类和识别，需要更科学的分析方法。实际上，客户需求信息是模式识别中的一种分类问题，仅用传统的统计方法，不足以提供企业更好的预测信息。随着智能科学的发展，人工神经网络为信息识别开辟了新的途径，Hecht-Nielson首次提出人工神经网络，并应用于信息的分类识别、故障诊断、企业管理、市场分析及客户需求心理研究等方面。将人工神经网络应用于客户需求管理中，实现需求信息的快速分类和产品需求的准确预测，成为PLM企业需求管理分析的新的研究方向。
本文采用客户结构阶层(Customer Architec-ture Hierarchy，CAH)方法和BP神经网络分类识别方法，分析了客户需求信息结构和市场发展趋势，使PLM企业在正确时间和正确方式下，获取正确的客户需求信息。
1 面向PLM的客户需求管理机制
PLM是在系统思想指导下，利用计算机技术、管理技术、自动化技术和现代制造技术等手段，对全生命周期内与产品相关的数据、过程、资源和环境进行集成管理。通过实施PLM，企业各部门员工、最终用户和合作伙伴进行高效协同，使产品达到综合最优。客户需求管理是PLM系统实施的起点，覆盖设计、制造、销售、服务和回收全生命周期。通过对需求信息的抽象、组织和记录管理，实现PLM全系统内客户信息的追踪和有效实施，最大限度地提高客户满意度。图1为面向PLM系统的客户需求管理功能结构图。
图1 面向PLM系统的客户需求管理功能结构图
Fig.1 View of function structure on customer requirement management facing PLM system
2 客户需求分析理论
面向PLM的客户需求分析理论包括两个部分：客户需求获取和市场需求分析。客户需求获取是从客户对产品功能和结构的需求角度以及企业从产品全生命周期阶段跨度对需求信息进行层次化分析和再组织，提供企业准确的产品性能实施策略；市场需求分析通过产品信息的分类和预测，研究客户需求趋势和产品市场竟争趋势，结合PLM各阶段特征，强化市场需求结构。
2.1 客户需求获取
对于一个产品来讲，功能仅是性能的基础和前提，企业真正的竞争实力是产品性能的满足。产品的性能贯穿产品全生命周期，涉及市场需求、设计、制造、销售到回收每一阶段，因此从全生命周期跨度获取产品需求的性能信息是企业的关键。以客户需求信息为基础，应用大量的客户行为要素，如：观察、动机、态度和个性化等，从产品功能和性能方面进行需求信息获取，已成为企业发展的目标。目前，需求信息获取方法有：客户满意度、客户市场决策、客户驱动发展系统和客户关系管理等。这些方法只能单一地从客户方面获取产品功能信息，不能结构化表达产品性能需求特征，使企业按照需求信息设计的产品不能实现功能的持久性，严重影响了客户满意度。鉴于客户结构阶层(CAH)具有从产品全生命周期范围内拓展需求信息结构化等特点，本文采用CAH方法从结构和层次上采集、挖掘、分析需求信息，调整PLM系统各阶段产品信息子集，挖掘产品深层次结构，提高信息获取效率，如图2所示。
CAH方法是由领域专家根据阶梯法分析原理提出的，是一种多方案或多目标的决策方法。CAH将抽象项与具体分析结合起来，按照思维、心理的规律将决策过程层次化、数量化和具体化。由于其系统灵活简洁，综合了定量和定性分析的特点，在各种行业领域内得到了广泛的重视和应用。在PLM客户需求分析过程中，采用CAH层次化分析方法，根据客户需求的性质和所要达到的总目标，将问题在PLM系统的设计、制造、销售以及服务回收阶段内进行层次化因素分解，聚集组合不同层次各因素，形成一个多层分析的结构模型，最终获取最高层、最深度的客户所需信息。通过采用CAH方法分析客户需求信息，有效地保证了PLM系统各阶段需求实施特征的一致性。提供PLM企业需求实施生产依据。
在图2基础上，层次化分析PLM各阶段需求过程与目的(属性、特征和最终性能)之间的关系，建立阶梯状信息属性表，如表1所示。
图2 CAH结构图
Fig.2 View of structure on CAH
表1 CAR描述客户需求信息的术语定义列表
Tab.1 Term definition of customer requirement informstion through CAH method
表1中基本需求结构对应图2中的基本层信息，高层需求结构对应图2中的引申层信息，附加需求结构对应图2中的抽象层信息。其中，基本需求从客户利益角度出发，是客户对产品需求的最基本语义表达，高层需求和附加需求是企业从系统分析角度研究，结合PLM各阶段特点及产品属性特征，进行高层次抽象分析，得到高层需求结构和附加需求结构，为系统后期设计、制造、服务等阶段提供实施依据。在具体产品实例中，客户提出产品体积小的功能需求，企业需求管理部门协同设计、制造、销售和服务部门，层次化分析产品结构信息，设计出产品新形状，满足基本功能需求，完善产品性能。
2.2 市场需求分析
市场瞬息变化，行业竞争和其他客户群等因素引起的市场需求差异，影响了客户的需求趋势。市场需求差异包括静态和动态两种，静态需求差异是不同客户因文化传统等消费个性不同形成的多样性特征差异；动态需求差异是由竞争趋势及产品演变情况等因素导致的多变性差异。为了准确分析市场需求，在市场细分技术基础上，应用BP神经网络对客户需求信息进行分类和识别，通过定量化分析，提供企业可靠的生产方案。
2.2.1 市场细分 市场细分是市场需求分析的基础。Winder首先提出了市场细分理论，并广泛应用于企业寻找目标市场，准确定位产品市场。在需求管理中，通过细分市场，同一市场内个体之间的固有差异减少到最小，不同市场间的差异增加到最大，使企业发掘最有价值客户，并制定相应的实施决策。市场细分包括4个不同模块。
1)多文化客户群分析：根据客户的多文化差异，如文化传统、社会阶层、消费水平和个性风格等因素进行客户群分类。
2)主要客户群分析：该类客户是企业利益的最大创造者，从市场细分中找到最主要的客户群，进行深层次分析。
3)竞争群分析：分析竞争对手信息，获取产品的市场竞争趋势，准确快捷的确定投产方案。
4)历史客户群分析：分析历史信息，获取客户新产品需求趋势，提供企业生产依据。
目前，市场细分研究中有基于划分、基于层次、基于网络和基于模型的聚类分析方法。为了更直观地处理那些模糊且没有边界限的需求信息，解决客户主观性与市场信息定性结构的冲突，运用BP神经网络智能化地分类和识别需求信息，并以有限的需求信息分类为基础，预测出大量不同类型客户对产品的需求趋势，提供企业价值产品生产信息。
2.2.2 BP神经网络 人工神经网络是对人脑的抽象、简化和模拟，是一种对信息进行表示、存储和分析处理的计算机结构模式。Hopfield首次提出了模仿人脑的神经网络模型；Werbos等人发展多层BP算法，成为信息记忆和分类识别的发展方向。通过对BP神经网络输入和输出信息的掌握，实现了信息的快速响应和识别。
BP神经网络包括3个结构层次：输入层、隐含层及输出层，如图3所示。
图3 BP神经网络结构图
Fig.3 Structure view on BP neural network
I、H、O分别表示BP神经网络的输入层、隐含层和输出层。α、β、γ分别表示各层的节点数(单元数)。隐含层用下述公式来表示：
BP正反向传递误差公式
式中：m表征训练样本的总数，yk和 Ok分别表征输出层中的理想输出和实际输出。
当具体分析某一产品信息时，根据分类情况，将编程训练数据(train data)作为信息记忆样本，通过接口将训练样本输入到BP网络模型中。当输入测试信息后，经自适应滤波、对比和归一化处理，智能地分类信息。若输入模式与已存在的某类模式产生良好共振，则判定该输人信息属于同一类；反之，经BP神经网络反向传播模块，计算信息误差变化值，通过修改各层神经元权值达到期望目标，完成信息的自动分类。
3 实例研究
本文提出的客户需求管理在某服装产品企业中得到了应用实施。服装企业是以客户需求为导向的企业，在男性服装生产方面，客户对服装的需求涉及服装面料、辅料、样式、风格等多个特征，且不同客户对同一特征也有其不同的参数选择，构成了服装产品的多元化，如：服装面料有棉质、丝质等材料；服装样式有正统、休闲和运动等类型；服装风格有大众、个性化和民族风等品位。该企业在具体获取某品牌男性衬衫需求信息时，采用CAH方法，协同PLM系统各阶段需求信息的实施特征，进行全生命周期内需求信息的层次结构分析，建立如图4所示的客户—企业需求信息阶梯状结构图。图中详细描述了客户提出的5个基本需求结构特征和企业根据客户基本需求信息及全生命周期各阶段特点，列举出的18个高层需求结构特征和56个附加需求结构特征。这些需求信息充分表达了产品性能的多样性和结构延展性，为企业提供了更多的生产制造信息。
应用BP神经网络进行市场化分析。在Matlab神经网络工具箱(neural network toolbox，NNT)中，采用newff函数建立前端应用程序，通过记忆存储功能模块自动分类客户。选择该公司100个客户作为研究对象，输入表征客户特征信息的5维随机矢量(年龄、区域、购买次数、学历和收入)，输出结果为服装的4种类型(A，B，C，D)，如表2所示。通过程序计算，得到表3。
表2 A、B、C、D 4种类型衬衫的产品信息
Tab．2 Shirt information on A、B、C、D four types
表3 BP神经网络分析客户信息／竞争公司信息／客户历史需求信息
Tab．3 Customer information，competence company information and customer history requirement information through BP neural network
通过对表3的定量化分析和比较，得出如下结果：
1)从目前的客户需求信息看，B类衬衫应是企业生产的重心，C类衬衫需求量相对小。
2)比较分析表中各类数据，B类衬衫市场竞争激烈，是吸引更多客户的价值产品。
3)分析表3中数据可以得出：该企业应加强对D类衬衫的需求分析。同时，进一步证明了C类衬衫的客户需求量小。
4)同历史需求数据相比较，D类衬衫客户购买力增强，是未来发展趋势。同时应加强竞争产品B类衬衫的生产策略，提升客户满意度。
4 结语
本文重点研究了面向PLM的客户需求管理，采用CAH和BP神经网络结构方法分析客户需求信息，有效地解决了PLM系统中客户需求主体单一性与设计、生产决策过程复杂性之间的矛盾；需求决策过程快捷性与PLM系统结构决策迟滞性之间的矛盾。采用BP算法获得客户的产品需求趋势，在此基础上，通过结构阶层法，从PLM全系统的设计、制造、销售、服务和回收阶段分析需求信息的层次结构，为企业提供有力的生产实施依据，真正实现以“客户为中心”的PLM系统实施．
为了更好地完善神经网络技术对需求信息的记忆维护，将在下面的研究中，采用非结构化算法，实现知识的积累和继承，进一步加强客户需求信息的分析识别能力。
本文作者:崔剑 祁国宁 纪杨建 顾巧详 苏少辉 胡浩 来源:万方数据
CIO之家 www.ciozj.com 微信公众号:imciow