基于质量功能展开（QFD）的绿色智能家居设计，将客户需求和生命周期可持续性融入Z数字环境之中

《Engineering Applications of Artificial Intelligence》：Green smart home design based on quality function deployment integrating customer requirements and life-cycle sustainability in Z-numbers environment

智能家电绿色设计需平衡客户需求与全生命周期可持续性。本文提出融合QFD与多目标优化的方法：通过在线评论提取客户需求并计算主客观权重，构建模糊Z数-Best-Worst-MULTIMOORA-QFD决策模型实现工程特性排序，进而建立考虑模糊Z数与实数的多目标优化模型，以客户满意度最大化与环境可持续性最优为目标生成帕累托最优设计方案。案例研究表明该方法有效识别"能效等级"和"整体功耗"关键工程特性，并优化智能冰箱设计配置。

　　随着全球向低碳转型和循环经济的发展，家用电器行业正在经历从传统功能型产品向智能化和绿色化产品的全面转型。这一转型不仅推动了家用电器在交互性和适应性方面的升级，也拓展了其环境影响的范围，将可持续发展目标从单一使用阶段延伸到涵盖制造、使用和回收的整个生命周期。这种转变带来了智能家电设计决策上的根本性差异：传统家电设计主要关注“基本功能可靠性”，而智能家电则需要在“用户满意度”和“全生命周期环境可持续性”两个核心目标之间进行协调。因此，如何在满足用户需求的同时实现绿色性能，成为当前行业面临的核心挑战。

当前的绿色设计方法虽然在一定程度上提供了解决方案，但在实际应用过程中仍存在明显的局限性。首先，顾客需求（Customer Requirements, CRs）的获取往往不够全面，现有的方法要么依赖于在线评论（如Huang等人，2022；Karasan等人，2022），这些评论通常只关注短期可感知的属性（如Zhang和Tao，2020），缺乏对长期使用特性（如能耗）的反映；要么依赖专家评估（如Chen等人，2021），但这类评估容易受到主观偏见的影响。这两种方法都无法充分覆盖智能家电中既涉及短期交互又包含长期能耗的顾客需求。其次，现有的QFD（质量功能展开）评价方法在可靠性方面存在不足，传统QFD关系矩阵的模糊评估多采用模糊集理论（如Babbar和Amin，2018；Mistarihi等人，2020），未能量化专家判断的可信度。此外，智能家电的工程特性（Engineering Characteristics, ECs）评价更为主观，这进一步影响了决策的稳健性（如Zadeh，2011）。最后，现有研究未能有效整合QFD输出结果与全生命周期绿色目标，例如Jafarzadeh等人（2022）提出的Z-number-QFD方法未涉及多目标优化，而Allehashemi等人（2022）提出的多目标优化方法缺乏顾客需求与工程特性之间的映射，难以实现“顾客需求-工程特性-全生命周期绿色”的统一目标。

为了解决上述问题，我们提出了一种集成的智能家电绿色设计框架，该框架的核心创新点在于：首次将“Z数-多目标优化”与QFD相结合，并应用于智能家电领域，从而提升了“不确定环境下绿色设计”的方法体系；在实践层面，通过智能冰箱的案例研究验证了该框架的有效性，为家电企业提供了全流程的设计指导。本研究的理论贡献在于构建了一种融合在线评论挖掘与Z数的QFD模型，提升了评价的可靠性，并实现了从顾客需求到工程特性的稳健映射。同时，通过整合BWM（最佳-最差法）与MULTIMOORA方法，建立了一种基于Z数的模糊决策过程，显著增强了工程特性排序的准确性和稳定性。最后，提出了一种基于Z数的多目标优化模型（RFZ-MOOM），以最大化用户满意度和全生命周期绿色性能为目标，生成一系列帕累托最优设计方案，并支持不同决策偏好下的方案选择。

本研究的结构安排如下：第二部分详细阐述了模型的构建步骤；第三部分通过智能冰箱的案例研究进行验证与比较分析；第四部分总结了研究结论并展望了未来的研究方向。具体而言，模型的构建分为三个主要阶段。第一阶段是顾客需求的提取与权重计算，通过分析电商平台上的在线评论，我们采用主观与客观相结合的方法，不仅提升了对顾客需求的理解深度，还弥补了在线评论中长期反馈不足的问题。第二阶段是基于Z数的BWM-MULTIMOORA-QFD决策过程，通过这一方法，我们将顾客需求转化为工程特性，并对其进行了科学的排序。第三阶段是基于Z数的多目标线性规划模型，我们聚焦于全生命周期的绿色化，通过模型求解，获得了最优的设计方案。

在实际应用中，我们选择了智能冰箱作为案例研究对象。智能冰箱作为一种全天候运行的典型智能家电，提高其能效对于减少碳排放具有重要意义。此外，由于其在家庭中的普及率较高，智能冰箱的绿色设计可以带来显著的环境效益。为了准确提取顾客需求，我们从京东电商平台收集了大量关于智能冰箱的在线评论，并进行了严格的数据清洗，以确保数据质量。在这一过程中，我们不仅关注了顾客对产品功能、外观和使用体验的反馈，还特别注意了那些涉及长期使用和环境影响的评论，从而实现了对顾客需求的全面获取。

在权重计算方面，我们采用了主观与客观相结合的方法。主观方法基于专家经验，客观方法则通过数据分析得出。这种结合不仅提升了顾客需求评估的科学性，还增强了设计决策的稳定性。例如，我们通过分析评论的频率、情感倾向和相关性，确定了顾客需求的重要性权重。同时，我们还考虑了不同顾客群体的偏好，如年轻消费者更关注产品的智能化功能，而注重环保的消费者则更关注能效和资源节约。这种多维度的权重计算方法能够更准确地反映顾客的真实需求，为后续的工程特性和优化模型提供坚实的基础。

在构建QFD模型时，我们采用了基于Z数的模糊最佳-最差法（BWM）和模糊加权的MULTIMOORA方法。这一方法不仅提升了QFD关系矩阵的模糊评估的可靠性，还增强了工程特性排序的科学性。通过将顾客需求与工程特性之间的关系进行量化分析，我们能够更精确地识别哪些工程特性对顾客满意度影响最大，从而为设计优化提供指导。例如，我们发现“能效等级”和“整体能耗”是影响顾客满意度的关键工程特性，而这些特性又与全生命周期的环境保护密切相关。因此，通过这一QFD模型，我们能够更全面地评估工程特性的重要性，并为后续的优化模型提供输入参数。

在多目标优化阶段，我们构建了基于Z数的多目标优化模型（RFZ-MOOM），该模型以最大化用户满意度和全生命周期绿色性能为目标，通过引入多个隶属函数，我们能够综合考虑不同目标之间的权衡关系，并生成一系列帕雷托最优设计方案。这一优化模型不仅能够处理复杂的多目标问题，还能够适应不同的决策偏好，从而为设计者提供灵活的选择空间。例如，在某些情况下，用户可能更关注产品的能效，而在另一些情况下，他们可能更重视产品的智能化功能。通过这一模型，我们能够根据不同的需求优先级，调整优化目标，从而找到最佳的设计方案。

在实际应用中，我们通过智能冰箱的案例如何验证了该框架的有效性。首先，我们收集了大量关于智能冰箱的在线评论，并通过数据清洗和分析，提取了关键的顾客需求。接着，我们利用基于Z数的BWM-MULTIMOORA-QFD方法，将这些需求映射到对应的工程特性，并对其进行了排序。最后，我们构建了基于Z数的多目标优化模型，通过模型求解，得到了一系列帕累托最优的设计方案。这些方案不仅满足了用户的满意度，还兼顾了全生命周期的绿色性能，为智能冰箱的绿色设计提供了科学依据。

通过这一研究，我们发现智能冰箱的设计过程中存在诸多挑战。例如，消费者偏好的高光泽表面需要电镀工艺，这可能会增加环境污染；智能保温功能虽然提高了使用的便利性，但也会增加待机能耗；而可替换的灰尘袋设计则可能导致资源浪费。因此，如何在满足用户需求的同时实现绿色性能，是智能家电设计中必须解决的问题。通过本研究提出的框架，我们不仅能够准确识别这些关键的工程特性，还能够通过多目标优化方法找到最优的设计方案，从而实现用户满意度与全生命周期环境可持续性的平衡。

本研究的理论贡献在于，首次将“Z数-多目标优化”与QFD方法相结合，并应用于智能家电的设计过程中。这种结合提升了绿色设计方法在不确定环境下的适用性，为未来的研究提供了新的思路和方法。同时，该框架在实践中也表现出良好的效果，通过智能冰箱的案例研究，我们验证了该方法的有效性，并为家电企业提供了全流程的设计指导。这不仅有助于提升智能家电的市场竞争力，还能够促进绿色技术的广泛应用，为实现可持续发展目标做出贡献。

未来的研究方向可以进一步拓展本研究的适用范围。例如，可以将该框架应用于其他类型的智能家电，如智能洗衣机、智能空调等，以探索其在不同产品类型中的应用效果。此外，还可以进一步优化模型的算法，以提高计算效率和准确性。例如，可以引入更先进的数据挖掘技术，以更精确地提取顾客需求；或者可以采用更复杂的模糊优化方法，以处理更多样化的多目标问题。同时，还可以探索如何将该框架与现有的设计工具相结合，以提高其在实际应用中的可操作性。

总之，本研究提出了一种集成的智能家电绿色设计框架，该框架不仅解决了传统方法在顾客需求获取、评价可靠性以及设计优化与绿色目标整合方面的不足，还为智能家电的设计提供了科学依据和实践指导。通过将在线评论挖掘与Z数相结合，我们能够更准确地提取顾客需求，并提升评价的可靠性；通过整合BWM和MULTIMOORA方法，我们能够更科学地排序工程特性，并增强决策的稳定性；通过构建基于Z数的多目标优化模型，我们能够生成一系列帕累托最优的设计方案，并支持不同决策偏好下的方案选择。这些创新点不仅提升了智能家电绿色设计的理论水平，也为实际应用提供了有力的支持。