客户响应模型（精选7篇）
客户响应模型 篇1
0 引言
提高客户满意是众多企业面临的严峻课题,只有不断提高客户满意才能获得持续的客户忠诚,让企业拥有强大的客户关系。有关客户满意的研究在近些年成果丰硕,文献[1]采用普适质量评价模型,分别从产品供给方的质量观和需求方的质量观对模型进行分析,认为在客户没有选择权即需求受到压抑时满意度高但却不具有普适性,在客户拥有自主选择权的时候,客户的满意度会随时间出现先低后高的情况。刘新燕等人在对各国满意度指数进行分析说明之后,得到一个改进后的CSI模型,并进行了相关的数值分析[2]。文献[3]建立了采购关系满意度模型,利用模型对采供双方分别在感受一致或不一致的时候可能采取的行为及后果进行全面分析。文献[4]采用结构方程组方法,建立了上海顾客满意度指数基础测量模型,并对模型进行了蒙特卡洛分析,证明在最小二乘估计的情况下,模型对结构的变动和数据质量缺陷是稳健的。Fornell等人对客户满意度的研究,不仅从微观的企业层面,从宏观的行业、部门以及国家都具有一定的指导作用[5~7]。
大规模定制这一概念的提出对工业生产过程产生了深远的影响,无论在理论还是实践领域都取得了显著的成果[8]。与此同时,越来越多的服务型企业也在寻求通过大规模定制改善服务效率与质量的途径。无论是制造业还是服务业,在采用大规模定制思路的时候,一个最普遍的方法就是模块化,而模块化的正确实施是需要良好的客户需求来指导的。本文在寻求提高客户满意的过程中,采用了大规模定制模块化的思想进行问题的研究。
1 客户满意分析模型
客户满意(CS)理念产生于20世纪80年代,是消费者行为决策过程的主要变量。目前对客户满意的决定变量的争议很多,大致可以分为以下几种形式:
1.1 感知绩效决定客户满意
对客户满意的测评目前存在多种形式[2],现有主流测评模型有瑞典客户满意度晴雨表指数(SCSB)模型、美国客户满意度指数(ACSI)模型、欧洲客户满意度指数(ECSI)模型。其中的瑞典客户满意度晴雨表指数(SCSB)模型很据客户对某一产品或服务迄今为止全部消费经历的整体评价,是一种累积的客户满意[9]。在SCSB模型中,客户满意有两个基本的前置因素:客户期望和感知绩效。如图1所示。
从模型可以看出,客户的感知绩效越高,满意度就越高。客户期望是指客户预期将会得到产品或服务的质量,通常会从客户从前的消费经历、广告、周围人群的口头传播等渠道获得。在累积的时间内,客户满意由感知绩效与客户期望之间的差额决定,客户期望的增加(减少)会导致累积的客户满意的减少(增加)。在模型中,还引出了客户抱怨这一因素作为客户满意的结果,客户满意的提高会直接导致客户抱怨行为的减少。从客户抱怨到客户忠诚,可以显示出企业的客户关系管理的工作成效。如果客户抱怨到客户忠诚之间的关系为正向,说明客户关系管理将存在抱怨的客户转变为忠诚的客户;反之,如果客户抱怨到客户忠诚之间的关系为负向,说明存在抱怨的这部分客户最终极有可能流失掉。
1.2 感知价值决定客户满意
在美国客户满意度指数(ACSI)模型中,添加了感知价值这一因素。ACSI模型是Fornell等人在SCSB模型的基础上创建的,具体描述如图2所示。
客户感知价值包含了感知利益与感知成本,而在拉瓦德和格朗鲁斯的研究中,感知利益分为感知情节利益与感知关系利益;感知成本分为感知情节成本与感知关系成本。见图3。
客户感知情节利益是指在一次交易过程中,由核心产品与附加产品所组成的服务束为客户提供的整体利益,实际上就是传统意义上对一次服务所能提供的利益的感知。客户感知关系利益是指由于与客户维持一定关系的企业提供,客户从长期交易过程中所感知到的整体利益,是由客户与企业关系维持的时间长短、相互的信任、联系的稳定性等因素决定的。
客户感知成本是指客户为了实现消费目标,在购物前与消费过程中所感知的总体损失。其中,感知情节成本在现有文献中是一个比较传统的成本集,主要由服务的买价、信息搜寻成本、沟通成本、体验成本、试用成本与投诉成本等构成。感知关系成本是指客户与企业保持长期关系所需要的成本。主要由客户与企业建立关系所需成本、客户与企业维持关系所需成本以及客户退出关系的成本组成。
欧洲客户满意度指数(ECSI)模型继承了ACSI模型的感知价值理念,但是去掉了从SCSB沿用到ACSI的客户抱怨这个潜在变量。同时,模型增加了企业形象这一潜在变量。如图4所示。
1.3 品牌关系决定客户满意
品牌关系主要研究消费者与品牌的关系对消费者与企业的影响。在品牌与客户关系质量高的情况下,客户对品牌所提供的信息与服务和关系满足自己需求的能力会表现出较高的信任。这意味着客户与企业之间的情感联系可以达到一个比较高的水平,客户愿意更多地参与到服务过程中来满足自己的需求,也就导致了更高的满意度。
品牌关系还可以通过感知价值来影响客户满意,客户与品牌的关系质量较高的时候,客户的感知价值会随之增加,从而带来较高的客户满意。品牌关系与客户满意之间的关系如图5所示。
2 服务型企业客户需求响应不一致分析模型
2.1 不一致模型的建立
从心理学的角度,不满意来自于对“不一致”的感知。客户在获得了服务产品之后会和之前自己对其的期望进行比较,所产生的不一致可以理解为“期望-不一致”模式。“期望-不一致”模式提出以后,Westbrook在深入分析了该模式及客户满意问题的基础上提出了“价值-不一致”模式。从客户价值的角度出发,如果客户所得到的产品/服务的价值超过了客户的消费价值需求,客户就会满意,反之亦然。
无论是“期望-不一致”模式还是“价值-不一致”模式,都是从感知的角度出发。从管理的角度,造成不满意的原因可以细分为多个层次,本文主要研究的对象是服务型企业,服务型企业客户需求响应不一致分析模型(简称不一致模型)如图6所示。
2.2 对模型的理论分析
正是在企业流程上出现的这种种不一致,造成了客户实际需求与所感知的需求的偏差,最终造成客户的不满意。在现实的服务行业中,每一项不一致对服务流程的影响不尽相同,对客户的满意情况影响也存在着权重轻重之分。本文为了比较容易分析问题的实质,假定每一项不一致导致的客户不满意程度相等。
从上面的分析可以看出s3=s1·s2,这说明,服务感知不一致度等于客户需求响应不一致度与服务实施不一致度的乘积。同时,,即服务实施不一致度等于服务感知不一致度与需求响应不一致度的比值。对于企业,服务实施不一致度是可以通过改善企业流程来改善的,s1与λ1、λ3、λ5成正比,与λ2成反比。企业可以通过(1)缩小服务设计过程中与企业获取的客户需求之间的差距;(2)缩减服务实施过程中对服务设计的偏差;(3)尽量使客户完整地接收到企业的服务;(4)与客户及时就承诺的服务进行明白无误的沟通来实现服务满意度的最大化。其中大规模定制模块化的思想就在缩小服务设计过程对客户需求的差距上面起到显著的作用。需求响应不一致度s2的提高依赖于企业对客户需求的理解(λ7)以及客户对服务承诺的理解(λ2)。其中,企业对客户需求的理解是提高s2的关键,这一点目前多数企业通过客户关系管理进行改进。而服务感知不一致度s3是s1与s2的乘积,它将随着s1,s2的提高而提高。
3 服务业大规模定制对不一致模型的应用
3.1 服务束的概念
大规模定制的核心在于模块化,模块化这个概念在大规模定制领域的运用已经极其普遍了。在制造业中,人们运用产品族的概念来研究产品的模块化。在服务业中,将一系列服务要素的组合称为服务束(service bundles)。服务束是由核心服务与其他附加服务构成的系统,其中,核心服务满足消费者对核心服务的需求,而附加服务除了能通过为消费者增加消费价值来提高客户满意度,还可以帮助企业获取差异化竞争优势。
Lovelock将服务束用一个形象的“服务花”图形来描绘[10],他认为除核心产品外,任何服务行业的附加服务具有一定的共性,依照服务流程可以分为八项活动:信息与咨询、演示操作与解说、人情味、定购、账单处理与付款、交货、售后服务以及其他服务。其他学者对于服务束也进行了分解,阿尔布瑞契特与詹姆克(2004)认为服务束是指企业提供给客户的产品、服务与经验(知识)的整合,其实质就是客户价值包———企业为客户创造的多种利益的集合。一个完整的服务束最少有七个基本部分:环境因素、感官因素、人际关系、运作流程、供应状况、信息因素以及财务状况。
服务束概念的出现为服务企业整合多样化的服务产品满足个性化的客户需求提供了分析的框架与实际运作的可行性,提高了服务产品模块化设计的效率,为服务业大规模定制的实施奠定基础。
3.2 服务产品模块化设计
由上,我们可以得出:企业在对客户需求的把握与对服务的设计之间的不一致,直接决定了客户的服务满意度以及感知满意度。为了更好地设计企业的服务,可以将服务束分解为一定数量不同功能的服务模块,通过模块的选择、组合,来满足不同客户的需求。
将企业的服务束分解成若干类模块,各类模块按照各自功能特性再逐级细分成下级子模块,一直到不可再分。各级类模块之间具备相互独立的功能,隶属同一类模块的子模块之间具备相似的属性、相似的结构、相同的外部接口、不同的属性值。为每一个类模块建立一个模块模型,记为Mn以及Mnm,每一个模块模型可以看成是一个可配置单元。用来表示模块模型的变量称之为模块模型的属性变量,记为Amn-i。模块化模型如图7所示。
服务产品的模块化模型将服务束中的核心服务与附加服务分成若干个模块,每一个模块的属性变量表示了这一模块的服务特征。当每一个属性变量被赋予一个特定的值,就得到了一系列具体的服务。在设计属性变量的时候,要尽量在保证客户需求的同时简化模型的可操作性,为每一个属性设定一个恰当的值域。根据模块特征的不同,属性变量的值域可以为离散型或者连续型,以物流服务业为例,运送货品的数量属性的值域为{1,2,…,n},而时间属性的值域{x│0<x"3}。模块化模型的建立将抽象的服务具体化,便于与客户需求建立交集与联系。
3.3 客户定制服务的选择
在大规模定制的市场环境,企业为客户提供的是多样化的个性服务。但是这种多样化不是没有规则的,而是限制在“可选择的”多样化条件下。企业为客户提供的是具备了多样化的服务集合,客户按照自身的需要进行选择。使客户需求遵从企业大规模定制的思想的关键在于引导客户的需求,简化供客户选择的外部多样性与企业设计的内部多样性之间的映射关系。将客户需求的外部多样性分解为集合{RV│RV1,RV2,…,RVn},RVn代表外部多样性的定制模块,每一个定制模块也具备一些属性,代表这些属性值的变量称为属性变量,记为RAmn。
客户对定制服务的选择过程不能简单看成是服务束模块化的逆向过程,RAmn以及Amn之间的映射是将客户需求付诸服务实践的桥梁。客户的定制模块与服务束模块化设计的映射关系如图8所示。
4 小结
本文采用大规模定制模块化思想对服务型企业客户需求响应不一致分析模型(即不一致模型)的服务实施不一致度进行改善,在对模型进行分析的时候,假设了每一项不一致度导致的客户不满意程度相等。在实际的服务流程中,各项不一致度往往对客户具有不同的影响,在接下来的研究中,将继续深入对模型的分析,扩展模型的使用范围,进而更好地寻求提高服务型企业客户满意度的思路与方法。
摘要：从分析客户满意入手,总结了多种影响客户满意的因素,进而得到服务型企业客户需求响应不一致分析模型(即不一致模型)。模型深入分析造成服务型企业客户不满意的各种不一致,得出三个不一致度:服务实施不一致度、需求响应不一致度以及服务感知不一致度。在模型的应用过程中采用了大规模定制的思想来改善服务流程,分别从服务束和需求的角度进行模块化分析,最终建立映射关系,进而达到改善服务实施不一致度的目的。
关键词：客户满意,大规模定制,不一致模型,模块化
参考文献
[1]刘伟、Dag Kroslid、安庆宇:《普适质量评价原则及其模型》[J];《工业工程与管理》2002(3):27-30。
[2]刘新燕、杨智、刘雁妮、万后芬:《大型超市的顾客满意度指数模型实证研究》[J];《管理工程学报》2004,3:96-101。
[3]黄辉、梁工谦:《采购商—供应商满意度模型的构建与应用研究》[J];《工业工程与管理》2004,4:98-101.
[4]张新安,田澎:《上海顾客满意度指数模型及其稳健性研究》[J];《管理工程学报》2005,3:47-51.
[5]Claes Fornell.A national customer satisfaction barometer:The Swedish experience[J].Journal of Marketing,1992,56(1):6-20.
[6]Claes Fornell,Michael D Johnso,Eugene W,etc.The American customer satisfaction index:Nature,Purpose,and Findings[J].Journal of Marketing,1994,60:7-18.
[7]Anderson Eugene W,Claes Fornell.Customer satisfaction,productivity,and profitability:Differences between goods and services[J].Marketing Science,1997,16(2):129-147.
[8]王爱民、肖田元、孟明辰:《面向大规模定制的配置设计技术研究》[J];《计算机集成制造系统》2004,11:1326-1331。
[9]Johnson M D&Fornell C.A framework for comparing customer satisfaction across individuals and product categories[J].Journal of Consumer Research,1991,12:267-286.
[10]Lovelock C H.Cultivationg the flower of service:new ways of looking at core and supplementary services[M].1992.
客户响应模型 篇2
早期关于顾客响应能力的研究提出客户响应能力由客户响应专长(customer response expertise)客户响应速度(customer responses speed)构成。[1]客户响应专长是指企业能够有效地对感知到的顾客需求进行满足的程度。而顾客响应速度则是指企业对顾客需求做出响应的快捷程度。对客户响应能力,二者缺一不可。响应速度慢或延迟响应会使企业无法及时对快速变化的市场做出反应,感知到顾客的需求却没有足够的专长去满足也不能带来企业的成功。
对企业而言,客户响应专长和客户响应速度都是与企业与客户的相关信息、客户知识的管理紧密联系,二者都是建立在企业对客户知识的快速获取、准确理解、不断创新、综合应用基础上的。客户知识管理过程改善了企业对顾客需求的理解能力,从而企业能够以有效的行动对客户的需求做出快速而专业的响应;其次,客户知识管理活动能够有效地降低由于对客户快速响应所带来风险。[2]
一、企业能力的知识观
组织能力是知识的集成[3],组织可以向包括客户、伙伴和竞争者等学习,获取有关的战略性信息和知识;也可以在组织内部的功能和层次之间转换知识,为企业的战略形成和实施提供基础[4]。Bierly & Chakrabarti(1996)的研究发现,企业间的组织绩效差异是因为它们具有不同的知识库和不同的发展和配置知识的能力。[5]而从资源观的来看,竞争优势来源于企业资源的异质性,而且之中异质性所能带来产品的差异性是顾客导向的,即企业所拥有的包括有形资源和知识、能力等无形资源的异质性是竞争优势的来源。核心能力理论也是基于这样一种认识,即核心能力是企业拥有而竞争对手所不具备的差异性显著的特殊资源,并进一步认为这种差异性在短期内无法改变,所以能够带来持续的竞争优势。但是从对核心能力进一步分析,可以发现核心能力能够带来持续的竞争优势是基于这样一个假设:以顾客需求和技术创新为核心的外部环境在短期内是不变的。只有这样核心能力顾客导向的显著差异性才得以继续存在。显然,在快速变化的外部环境中,这一假设很难成立。所以,在动态环境下企业获取持续竞争优势的基本模式己经从获取持续的竞争优势转向持续地获取一系列暂时竞争优势。动态能力理论的提出,为企业持续地获取一系列暂时的竞争优势提供了理论解释。
动态能力是“企业对内部和外部的竞争能力进行整合、构建或者重置以适应快速变化的外部环境的能力”,[6]它反映了企业在既定路径和市场位置约束下,获取新竞争优势的一种综合能力。Zollo and Winter(2002)认为,在动态能力的构建过程中,知识的相互转化具有重要的作用。[7]基于上述认识,假设企业的客户响应能力是动态能力的重要组成部分,客户知识管理对客户响应能力的影响能够直接传递到企业的动态能力。
二、知识管理理论的“内容(content)”观和“过程(process)”观
达文波特(Thomas H. Davenport)和普鲁萨克(Lawrence Prusak)把知识定义为“知识是结构性经验、价值观念、关联信息及专家见识的流动组合知识为评估和吸纳新的经验和信息提供了一种构架。知识产生并运用于知者的大脑里。在组织机构里知识往往不仅仅存在于文件或文库中,也根植于组织机构的日常工作、程序、惯例及规范之中”。[8]
关于知识管理的文献众多,但从对知识管理过程的认识视角来看,基本可分为“内容(content)”观和“过程(process)”观两类。这两大流派对知识管理核心问题的认识存在一些差异。
知识管理的“内容”观主要关注不同类型知识的分类(categorization)和可转移性(transferability)问题。持有这种观点的学者在知识分类方面,影响最为深远的关于隐性(tacit)知识和显性(explicit)知识的区分(Polanyi,1962)。[9]然而,基于“内容”观的知识管理研究绝大多数集中于企业的内部分析,而没有从组织间的角度关注其相互间的依赖性,如知识创造理论(Nonaka,1994,Nonaka & Takeuchi,1995)。[10][11]“内容”观理论的另一个不足之处在于其静态性和天然的自我保护性,这就使得新知识的创造的开发性收到了限制,忽略了知识创造的认识过程和具体行为。在知识管理的“过程”观研究中,较早的文献是组织理论中关于组织学习的论述。在日趋复杂的全球化市场环境下,企业在提高组织绩效的努力中,普遍认为企业的竞争优势常常是与组织的学习能力和适应能力联系在一起的。因此,大量战略变化方面的文献和组织学习和组织演化方面的文献都共同关注着组织学习。大量的文献把知识看作是一种战略性资产,并且都关注知识相关能力的积累和内化流程的提升。
三、客户知识能力及其知识管理活动
市场导向强调,当企业面对动荡多变的市场需求和营销环境时,要保证顾客满意,就必须跟踪和预见市场需求的变化并作出快速的反应。而要做到这一点,企业就需要有一种特殊的能力——客户知识能力,以保证比竞争对手更快地获得市场信息,更准确地理解顾客需求(创造顾客知识),并且更有效地将客户知识整合到企业的价值创造过程之中,从而将其转化成具有更优异价值的产品或服务。
(一)客户知识能力
Li, T.,& Calantone, R. G. (1998)首次定义了“市场知识能力”。[12]他们认为,市场知识能力是“创造和整合市场知识的流程”,而流程则是一系列的公司活动。由于其研究重点是市场知识能力对新产品优势的影响,因此他们把市场知识能力区分为三个流程:( 1)顾客知识流程,指建立顾客知识,即有关顾客对新产品的现实和潜在需要的知识的一系列公司活动。( 2)竞争者知识流程,指建立有关竞争者的产品和战略的认识和理解的一系列公司活动。(3)营销与研发交互作用流程,指营销部门与研发部门之间沟通和协作的流程。Gold,Malhotra and Segars(2001)认为评估一个组织的知识管理能力,应该从组织的能力观点看知识管理,它包括两个部分:其一,基础建设:科技、结构、文化 ;其二,流程管理能力:知识取得流程、知识转换流程、知识应用流程、知识保护流程。[13]
客户知识不会自动产生,它必须依赖组织的客户知识管理能力,当组织与客户互动时,这项能力协助组织内所有成员共同整合客户知识、转移客户知识并且分享客户知识,产生满足客户需求的产品和服务,以达到企业满足客户的目的。
对于企业的客户知识,笔者认为可分为四种类型:(1)关于客户的知识(Knowledge about customers);(2)来自客户的知识(Knowledge from customers);(3)客户需要的知识(Knowledge for customers);(4)与客户共同创造的知识(Knowledge from cooperation)。
客户知识可以说主要是系统化的客户信息,而客户知识能力(customer knowledge competence)是对客户知识产生、集成、流程化和惯例化一系列活动效果进行评价的一种企业能力。客户知识能力可以初步定义为,企业在特定的市场环境中创造、集成、应用客户知识于企业运营流程为客户创造新价值的整合力。不同于客户知识,客户知识能力具有不可模仿性和不可移动性特征。不可模仿性,是因为企业创造和整合客户知识的流程是嵌入在组织具体的业务流程中的,从企业外部是难以观察的;不可移动性,是指客户知识能力相关的企业流程是在企业内部创造的,是无法从市场购买获得的。
由此可见,客户知识能力实际上就是通过获得和解释市场信息以创造顾客知识,并将其与其它的组织知识(如技术知识、管理知识等)进行整合,应用于顾客价值创造过程的一种企业能力。客户知识能力是表征企业对客户知识这一特殊战略资源的创造、整合和利用的综合能力。集中体现在客户知识获取——主要是客户信息的获取等与客户的沟通能力,客户知识集成——客户信息知识的表达、分类、传播等技术能力,客户知识利用和创新——主要体现在客户知识的贡献、利用、流程化、惯例化等企业内部的组织制度能力。
(二)客户知识管理活动
客户知识能力可简化地理解为是企业客户知识管理的能力,具体体现在客户知识管理能力的各项活动中。
客户知识管理综合知识管理中“内容”观和“过程”观的思想,把客户知识管理活动划分为四个方面:(1)知识表达、获取;(2)知识分类、共享;(3)知识利用、创新;(4)知识管理的流程优化。前三个流程是对具体客户知识的获取、加工和利用,第四项知识管理活动是指客户知识管理的整个流程及其优化,这一流程的存在使得客户知识管理活动得以成功完成,能够有效地将与客户一起不断加工、提炼的知识应用和集成到企业的业务流程中去。客户知识管理流程本身也是知识的载体,这一流程的不断进化表现出企业客户知识能力的发展。如图1所示。
四、客户知识能力推动客户响应能力演化
客户知识管理不是简单地获取顾客信息进行加工处理和利用,而是企业的相关部门和人员(研发人员、销售经理、导购人员等)在与客户的交流和共同作用中,不断交流信息、共享知识从而创新知识、利用知识的螺旋动态上升过程,如图1所示。
(一)知识的获取表达
企业相关部门人员和顾客的第一次接触和交流,在企业诉求产品、介绍企业,客户描述对产品等的认识、偏好、竞争者信息时,企业可以获得关于顾客的以下知识:偏好;企业产品与竞争对手产品在顾客所关注特性方面的差异;行业发展趋势的认识。同时客户可以从企业这里获取所需要的关于产品和企业的信息和知识。
(二)知识的分类、共享
对于有初步认识的顾客,企业可以根据关于顾客知识的分析和理解,有针对性的与特定的顾客共享选择性的顾客需要的知识。同时在这一交流和共同作用的过程中,企业可以从客户那里获取关于对企业产品的评价,顾客的学习过程和结果,顾客偏好的变化(顾客知识积累可能引起的)以及顾客购买的驱动因素等来自顾客的知识。
(三)知识的利用、创新
在对于忠诚顾客和流失顾客的回访、交流中,企业可以通过获取顾客对产品的试用、使用体验感受(肯定、建议和抱怨等);偏好的变化;特殊需求(特别是核心客户或意见领袖提出要求)等与顾客共同创造的知识来设计概念产品,创新消费观念。并把这些对顾客需求变化、建议、抱怨、特殊要求具体化、产品化的知识传递给顾客,再次进行知识的共同创新。
(四)知识管理流程及其优化——知识到能力的转换
总结上述三个“内容”化的知识管理过程来分析客户知识管理的“流程”化内容。在前三个过程中,企业在同客户的交流和作用中不断地与顾客共享知识,获取新知识,创造新知识。随着知识的积累和应用,企业对客户认识更深入,对客户知识的理解能力和应用能力逐步增强,从而能更有效地把顾客的需求具体化、产品化,从而提高企业对顾客的响应专长。随着关于客户知识和来自顾客知识的积累和应用,企业对顾客需求、消费偏好、购买决策驱动因素等信息的变化更敏感、反应更迅速,从而提高了企业客户的响应速度。所以,通过客户知识管理,企业可有效地提高客户响应能力。客户响应能力会随着企业客户知识管理能力增强而提高,而客户响应能力的提升反过来会进一步促进客户知识管理流程的优化,形成良性循环。
客户知识管理影响客户响应能力这一过程的动力来自于企业和客户学习机制。从认识论的观点来看,知识和能力都是学习的结果。企业和客户只有形成自学习机制,把客户知识管理内化到企业的业务流程中,形成稳定的组织惯例,才能持续地提高企业的客户响应能力,从而促进企业动态能力的形成和发展。
五、结语
客户知识管理不是简单地获取顾客信息进行加工处理和利用,而是企业的相关部门和人员(研发人员、销售经理、导购人员等)在与客户的交流和共同作用中,不断交流信息、共享知识从而创新知识、利用知识的螺旋动态上升过程。综合知识管理中“对象观”和“过程观”的观点,从客户知识管理活动的角度对客户响应能力的演化进行分析,得出企业的客户知识能力对客户响应能力的提升具有促进作用。
摘要：在动态变化的复杂环境中,客户快速响应能力是企业获得持续竞争优势的基础。客户响应能力的形成来源于对企业客户知识的管理。综合采用知识管理中“对象观”和“过程观”的观点,深入分析客户知识管理对客户响应能力演化的促进机理,并研究企业的客户知识能力对客户响应能力提升的保障作用。
客户响应模型 篇3
中国在制定法规GB11551-2003评价汽车正面碰撞安全性时,采用身高175.5cm,体重77.7kg[1]的美国男性50百分位Hybrid Ш机械假人替代驾驶员。然而,中国50百分位成年男子身高为168.5cm,体重为65.5kg[2],与上述假人的身材有较大不同。从人机工程学角度来说,人的身高、体重与人体各部分的重心位置、转动惯量、旋转半径等密切相关。在正面碰撞试验中,假人身材与实际人体身材相差太大,会造成试验数据偏离相应百分位人群(中国乘员)。试验得到的响应值难以准确代表相应百分位人群在碰撞发生时的受伤害程度。
国内对人体碰撞生物力学的研究起步较晚。20世纪90年代,航空航天领域率先开展人体的胸部、膝部、肘部的碰撞生物力学性能试验研究;湖南大学与第三军医大学等单位合作开展了假人生物力学性能标定试验研究、行人下肢冲击模型建立和生物力学验证研究等。
目前,国内的汽车检测和研发机构大都以Hybrid Ⅲ 50百分位机械假人为依据进行碰撞仿真和试验研究,由于形体差异,导致仿真和试验研究不能较准确地反应中国人体在汽车碰撞过程中的损伤程度,不利于评价汽车乘员约束系统对我国乘员的防护作用和汽车的安全性能。因此,研究Hybrid Ⅲ 50百分位机械假人与中国50百分位身材假人在汽车正面碰撞试验中的响应差异具有重要意义。
1 假人模型
MADYMO软件中提供了经过验证的美国男性50百分位Hybrid Ⅲ假人模型,可以直接用于仿真分析。中国男性50百分位身材的假人模型需要根据中国人体的尺寸来得到建模的关键尺寸,再利用MADYMO软件中提供的建模方法建立目标假人模型。
1.1 中国人体尺寸
人体主要尺寸包括身高、体重、上臂长、前臂长、大腿长、小腿长6项。根据监测数据发布的《2000年国民体质监测报告》,本文列出了中国成年人的主要尺寸,如表1所示。
1.2 假人模型建立方法
MADYMO软件提供了一种假人缩放的方法,可以用来建立不同尺寸的假人模型[3]。首先,确定目标假人的一系列的人体尺寸关键参数,这些关键参数包括表1中所描述的参数;然后,设定一个假人模型作为参考模型,以这个参考假人模型为基础,通过SCALING关键字对其进行缩放,建立目标假人模型。建立的目标假人模型相对于参考假人模型来说,改变的参数主要有几何尺寸、传感器的位置、质量和转动惯量、黏性指数、铰链特性、椭球体的接触特性和其他力学特性。
1.3 假人模型的建立
本文采用上述假人模型缩放方法,结合中国50百分位人体尺寸,将表1的人体尺寸作为模型关键控制参数,得到符合中国50百分位人体尺寸的假人模型,如图1所示。假人模型建立的流程如图2所示,在目标假人模型建立的过程中,由于Hybrid Ⅲ 50百分位假人模型相对于其他假人模型来说更加接近中国50百分位人体,所以,建立目标假人模型的过程中以Hybrid Ⅲ 50百分位假人模型作为参考假人模型;同时,由于参考假人模型以及目标假人模型都是50百分位身材,修正系数设为1;由表1得到目标假人模型的特征数据为:身高1.685m、体重65.5kg、男性;表1中其他数据作为用户自定义参数进行设置,采用目标模型特征与用户自定义参数相结合的计算方法;运用MADYMO软件中的循环控制算法对目标假人的体型参数进行计算,从而得到目标假人模型。
2 碰撞仿真模型的建立
应用上述参考假人模型和目标假人模型,结合乘员约束系统模型,即可构建正面碰撞仿真模型,用于比较在同一车型中的两种不同假人模型的动态响应以及损伤值。
2.1 乘员约束系统模型的建立
乘员约束系统模型是以某一国产量产车型尺寸数据为基础建立的多刚体与有限元混合模型。经过合理简化得到的乘员约束系统模型如图3所示。简化结构后的约束系统模型由地板、左右踏板、护膝板、转向盘、转向管柱、前挡风玻璃、座椅、安全带、安全气囊组成。车体结构、转向盘及座椅等部分为多刚体模型,其接触特性参考MADYMO软件中提供的模型参数。安全带模型为多刚体和有限元混合模型,有限元部分采用三角形片体单元,由肩带和腹带两部分组成,再通过四段多刚体安全带模型将这两段有限元安全带与安全带安装点以及卷收器连接起来,延伸率为6%。安全气囊模型由三节点线性膜单元构成,共6746个节点,16 808个单元。
2.2 碰撞仿真模型的建立以及初始条件的设定
碰撞仿真模型包括乘员约束系统模型和假人模型。模型的建立分以下几个步骤:
(1)接触定义。为了正确模拟碰撞情形,需要定义假人与乘员约束系统模型的接触。本文定义了假人头部与转向盘、座椅靠枕的接触;假人臀部、背部、大腿与座椅的接触;假人膝部与防火墙的接触;假人胸部与转向盘的接触;鞋与地板、踏板的接触。在加入安全带和安全气囊模型之后,还定义了安全带、安全气囊与假人模型的接触。
(2)模型预定位。为了客观评价不同假人模型在碰撞过程中的动态响应差异,将两个假人模型调整为同样的舒适乘坐姿势。按照人机工程学研究结果,人体的舒适乘坐姿势如图4所示。以假人模型的脚能够踩上加速踏板和离合踏板为基准,将参考假人模型和目标假人模型分别置于乘员约束系统模型中,并将假人模型的位置调整至座椅上方,假人模型和座椅之间留有一定间隙,避免不正确的初始穿透。对假人模型施加重力场,使假人模型自由地坐入座椅中。计算结束后,输出假人模型的最后位置,使得假人模型正确地“坐入”驾驶室座椅中。然后,将安全带模型在假人模型身上正确地定位:定义一个铰链,拉动安全带向后运动,使安全带紧贴于假人模型,然后取安全带上的张力为10N时安全带的节点位置替代原来安全带的节点位置,这样就完成了安全带模型的预定位。最后,将所添加的辅助铰链等删除,最终的碰撞仿真模型如图5所示。
(3)碰撞仿真条件设定。在我国正面碰撞法规试验及CNCAP试验中,碰撞安全性的评价指标包括头部HIC值、颈部力和弯矩、胸部压缩量、小腿和大腿所受到的力等。本文采用某实车法规碰撞试验采集的B柱加速度曲线加载在碰撞仿真模型上,如图6所示。并设置输出假人模型的头部加速度、HIC值、胸部压缩量、大腿所受到的力和颈部响应值等。
3 仿真结果对比分析
3.1 头部仿真结果对比
如图7所示,从头部合成加速度对比曲线可知,两种不同身材的假人模型头部合成加速度峰值时刻基本相同,而目标假人模型的峰值比参考假人模型的峰值大。参考假人模型的HIC36值为499.4,目标假人模型的HIC36值为744.2,即目标假人模型的HIC36值比参考假人模型的HIC36值大,两者相差49%。由此可见,同样的车型,对于大个子人体的头部具有较好保护性能的乘员约束系统,对于小个子乘员则较差。这主要是两者的前后位置会有所变化,头部的时间历程也会发生变化,使得按大个子匹配的气囊和其他约束系统参数对于小个子则不是最佳参数。
3.2 颈部仿真结果对比
颈部损伤评价值的计算公式如下[4]:
N=Fz/Fzc+My/Myc (1)
式中,N为颈部损伤评价参数,耐受度为1;Fz和My分别为颈部所受的轴向力和颈部绕y轴的力矩(即前后方向的弯曲力矩);Fzc和Myc为轴向力和转矩的指标值。
对于参考假人:Fzc(压)=Fzc(拉)=4500N;Myc(屈)=125N·m;Myc(伸)=310N·m。
从式(1)可以得出,颈部损伤评价参数与颈部轴向力、颈部绕y轴的力矩有关。如图8、图9所示,从两个假人的颈部响应对比曲线可知,颈部轴向力Fz的形状和峰值都比较接近,而目标假人模型的颈部力矩比参考假人模型的颈部力矩大很多。
由式(1)可计算出参考假人模型的颈部损伤值N=0.653,而目标假人模型的N=1.23(未计Fzc和Myc的差异,实际N可能更大),目标假人模型的颈部损伤值比参考假人模型的颈部损伤值大约100%。即在相同车型和相同碰撞条件下,目标假人模型的颈部损伤值明显大于参考假人模型的颈部损伤值,并且在参考假人模型不超过耐受限度的情形下,目标假人模型的颈部损伤超过了耐受限度。
美国国家道路交通安全管理局(NHTSA)的一系列实车试验也表明,在相同的碰撞条件下,5百分位假人的颈部所受到的伤害比50百分位假人所受到的伤害大[5]。
3.3 胸部仿真结果对比
从图10可以得知,两个假人模型胸部压缩量D的峰值出现的时刻相差较小,而两者的胸部压缩量峰值分别为51.5mm和37.7mm,相差36.6%。目标假人模型的胸部压缩量较小,与其本身质量较小、安全带位置偏上等原因有关。
3.4 大腿受力仿真结果对比
图11为大腿受力F仿真结果对比。目标假人模型的大腿受力峰值出现时刻靠前,这与该假人模型坐姿相对靠前有关。参考假人模型和目标假人模型的大腿受力峰值分别为8.05kN和7.67kN,相差约5%,是所有损伤参数中相差最小的。
3.5 安全带D环点对假人模型响应值的影响
目前,许多轿车安全带上的挂点(D环点)可以根据乘员需要进行上下调节。为了分析安全带D环点对假人模型响应值的影响,本文将乘员约束系统模型中的安全带D环的位置向下调节50mm,加入目标假人模型进行碰撞仿真,并将其对应的假人模型响应值与上述两模型中假人模型的响应值进行对比,结果见表2。从表2中的各响应值对比可以得知, D环点的位置下移50mm使得假人头部HIC值降低了8.3%,颈部损伤评价值降低了约1%,而胸部的压缩量增大了约9.8%,大腿受力增加了16.3%。
4 结论
本文使用MADYMO软件中提供的缩放方法,在参考假人模型的基础上,建立了一个符合中国成年男性50百分位身材的假人模型,并使用两个假人模型在相同碰撞条件下进行了碰撞动态响应参数对比。由仿真结果对比可知,中国50百分位身材的假人模型头部和颈部的损伤风险明显大于参考假人模型的相应部位损伤风险,由此可见,采用参考假人不能准确评价碰撞试验中乘员约束系统对中国人体的保护情况。因此,为了能够设计出更好地适合中国人体特点的乘员约束系统以及对国内汽车产品的碰撞安全性进行合理评价,建立符合中国人体尺寸及生物力学特性的假人模型是必要的。
参考文献
[1]Madymo T B.MADYMO Model Manual Version6.3[M].Delft Netherlands:TNO Auto-motiveSafety Solutions,2005.
[2]国家体育总局群体司.2000年国民体质监测报告[R].北京:北京体育大学出版社,2002.
[3]Madymo T B.MADYMO Utilities Manual Version6.3[M].Delft Netherlands:TNO Auto-motiveSafety Solutions,2005.
[4]Madymo T B.MADYMO Theory Manual Version6.3[M].Delft Netherlands:TNO Auto-motiveSafety Solutions,2005.
客户响应模型 篇4
与传统电力系统中“硬性”的“拉闸限电”式的负荷控制方式不同,现代电力系统通过电力用户主动响应电力需求,使得控制方式也逐渐“柔性化”。目前,需求响应(Demand Response,DR)已经逐渐成为应对电力缺口、实现科学用电、消纳可再生能源、提高电力系统资源配置效率等方面的研究热点[1,2,3,4],对支撑智慧城市、智能电网和能源互联网建设具有重要意义[5,6,7]。
DR商业实现模式多种多样[1,8],有基于激励机制的直接负荷控制(Direct Load Control,DLC)、可中断负荷(Interruptible Load,IL)、需求侧竞价(Demand Side Bidding,DSB)、紧急需求响应(Emergency Demand Response,EDR)、容量市场辅助服务项目等模式,有基于价格的分时电价(Time of Use Pricing,TOU)、实时电价(Real Time Pricing,RTP)、尖峰电价(Critical Peak Pricing,CPP)等模式。复杂多变的电网需求和用户意愿并不是以上哪一种单独的商业模式所能满足的。
DR控制实现方式基于通信、部署等具体条件而有众多差异性很大的解决方案。比较有代表性的如人工DR,用户接到用电管理部门启动有序用电的通知后,需要通过人工操作才能实现部分用电负荷电源的切断或转移;如自动DR,可以实现不需要任何人工介入,通过接受价格或激励信号触发预先编程设置好的DR策略。
在控制对象方面,DR也有多种情况,有控制整条电力线路的,有控制某个公用变压器/专用变压器的,有控制整座楼宇或整户家庭的,也有直接控制具体用户设备的。
由于以上商业实现模式、控制实现方式、控制对象的不同,再加上具体通信和技术环境区别,DR系统的具体实现比较复杂[8,9,10,11,12]。Open ADR标准针对自动需求响应,提供了一个开放式和标准化的技术接口,支持通过价格和可靠性信号实现电力公司与用户之间的交互,并具体定义了通信架构、数据模型、通信规约、功能规范和安全策略等,目前已在世界范围内得到一定应用[9,13,14,15]。用户侧能源管理系统(Energy Management System,EMS)的广泛应用则促进和丰富了DR系统的实现[16,17]。基于政府和电力公司的既有系统建立综合服务平台,集成各类DR终端和负荷聚合商系统也成为当前国内DR试点中比较流行的架构方案[18]。
面对特性差异很大、支持范围有限、“千人千面”式的众多DR应用系统,当前DR系统实现中的显著需求包括:兼容和充分利用各类电网和用户侧设备;能够为丰富多样的DR商业模式实现提供广泛的支持;通过自动化系统对多变的用户意愿和需求方需求提供充分的支持。
面对以上需求,剖析了DR概念模型和系统实现中的关键考量因素,进而提出了一种稳定而又能够自适应各类模式的DR系统架构,并分析了该架构的功能和特点,梳理了DR系统的实现要点和关键技术发展趋势。
1 DR概念模型
在Open ADR中通过电力需求方(Virtual Top Node,VTN)、提供方(Virtual End Node,VEN)、自动服务器(Demand Response Automated Server,DRAS)等物理节点,给出了如图1所示的包含电力公司、负荷用户、负荷聚合商等主体在内的自动需求响应(Automated Demand Response,ADR)概念框架。文献[9]则提出了涉及配网域、服务商域和用户域的ADR概念参考框图。
在此基础上,从兼容全人工DR系统和面向DR系统实现的角度,提出了DR概念模型(见图2)。该模型包含2类主体(电力公司和用户)和2类物理系统(电网和用户负荷设备),这里没有加入国家和政府主体,假定“电力公司”已经是代表全社会意愿的主体。
该模型存在4种基本交互作用。其中作用(1)通过电网设备与用户设备之间的复杂交互承载了DR业务中的基本电力流,其实现方式多样,涉及很多类型的电网和用户设备,例如电网数据采集与监视(Supervisory Control And Data Acquisition,SCADA)系统、电费计量系统、用户侧DR终端、用户侧EMS、负荷聚合商系统、智能插座、双向智能电表等;作用(2)通过电信网络、电力专网、人工柜台办理等各种渠道支撑电力公司和用户之间的交互;作用(3)存在于需求方内部,通常基于电力分析和高级应用,通过SCADA系统实现;作用(4)既包括用户对所属设备的直接控制,也包括用户通过蓝牙、Wi Fi、Zigbee乃至用户侧EMS等自动化手段实现的设备调节。
各种DR商业模式都可以通过以上4种基本作用实现。例如在DLC模式中,首先通过作用(2)达成协议,随后作用(1)实现了主要的控制功能,而作用(4)则基本无用;在IL模式中,作用(2)日常起作用,但必要时需求方可以直接通过作用(1)中断用户设备;在人工TOU模式中,作用(1)基本无用,电力公司通过作用(2)与用户交互,最终间接地通过作用(4)实现对用户设备的控制;如果是自动TOU模式,则相当于在作用(1)中集成了用户侧DR终端等设备,作用(4)的作用则被弱化了。
2 DR系统实现中的关键考量
剖析DR所要直接解决的核心问题如下。
1)电网动态需求和用户动态意愿之间的平衡。这需要各方面的支撑,包括市场机制、政策法规、过程规范、方式和渠道等。
2)电力公司和用户之间平衡的具体实现——采集、控制和自动化支持系统。这需要各种技术支撑,包括各种控制方式、控制对象选择、相关设备等。
在核心问题1中,既有愿意参与DLC、IL等模式的用户,也有用户自行决定每一次是否参与的情况,甚至用户的习惯/决定是动态改变的。要求概念模型中作用(2)能够以丰富的技术手段予以支持。
核心问题2则涉及一个自动化系统的具体评价。参考ISO/IEC 9126[19]标准中对软件系统质量的评价方法,得出如图3所示的DR系统评价模型。
其中“升级成本”指为了支撑更多的DR商业模式和主体要求,需要对自动化系统进行改造、升级的成本;“响应速度”指需求方发布电力需求后,用户最终部分或完全响应电力需求的时间度量。
3 DR系统架构及其运行特点
面对DR系统所有解决的核心问题,综合考虑其概念模型中的4种基本作用和系统实现中的关键考量因素,提出了如图4所示的DR系统架构。
该架构具体包括:需求响应中心、二级采集控制设备、一级采集控制设备、用户设备、云端设备和互联网、用户终端和用户。该架构对DR概念模型中的作用(3)和(4)未做详细分解,留给电力公司和用户自我实现,重点设计了作用(1)和(2)的应用,说明如下。
1)兼容和充分利用各类电网和用户侧设备的作用(1)设计。一级采集控制设备直接连接用户负荷设备,对用户负荷设备进行直接的信息采集和控制。二级采集控制设备则实现间接的双向互动。例如一级采集控制设备可以具体是智能插座、空调智能控制设备或者某种定制的DR终端,而二级采集控制设备则可以具体是某用户能效系统控制系统、双向智能电表甚至是可以对某变压器或某条线路进行控制的SCADA设备等。
2)多样性的作用(2)设计。通过手机、电脑、公有云/私有云/互联网等多种设施为电力公司和用户间的信息互动提供支撑。需求响应中心可以直接通过短信、手机终端应用软件等方式与用户手机沟通。也可以在公有云、私有云和互联网服务器或网站上,放置各类用电数据、DR可选方案、用户数据挖掘结果建议,以及一些供用户使用的统计、计算、挖掘工具,根据用户权限供用户使用并接受用户的反馈。
3)用户对自己的设备自然保留控制能力。
4)系统具有灵活的变通和扩展方式。根据可靠性需求,各级采集控制设备可以存在冗余配置,各级通信通道也可以冗余配置。采集和控制设备的分级,目前建议2级,也可以扩充为多级或者减少为1级,具体由系统实现时的技术和设备情况决定。复杂DR设备连接示例如图5所示,图中在DR中心和负荷设备之间显然存在超过2级的中间设备和系统。
基于图4中的架构,柔性负荷的综合控制流程如图6所示。
在实现电力公司与用户间充分交互的基础上,兼容并充分利用各类设备实现用户负荷的综合控制。其特点如下。
1)灵活。通过概念模型中作用(1)和(2)的强化,能够兼容DR具体实现时各种自动化程度参差的设备参与,形成对各种DR控制方式和控制对象的支持,同时对电力公司与用户间交互提供全时段、全方位的交互手段,使两者形成紧密的闭环。
2)自适应。用户意愿的随时改变,可以经由某种方式反映在DR中心的控制策略上,并最终通过闭环,实现用户设备控制方式的自适应变化。由此形成对各种DR商业模式(包括未来可能出现的)的支持。
4 DR系统实现要点和发展趋势
DR系统的实现离不开各类理论模型[2,9,12,20]、技术[3,16,17,21]、标准规范[13,14,15,18,22]的支撑,目前已开展了多方面的研究。在这些研究成果的基础上,从DR核心内容与主体需求的角度,结合所提DR概念模型和自动化系统架构,梳理得出了DR系统实现要点(见图7)。
实际应用中,“电网动态需求”和“用户动态意愿”之间并不一定能达到总体上的平衡,此时通过有序用电、用户侧管理等方式实现“兜底”是很重要的。
目前包括北京、上海、江苏、苏州、佛山在内的国内众多省市已先后开展DR试点工作,在电能供给迎峰度夏、商业模式探索、节能增效等方面取得了第一手经验和丰富成果,呈现出以下重要发展趋势。
1)与用户的深度沟通和互动。负荷管理由行政干预转变为市场调节是大趋势,需要平衡各种利益,设计多种机制调动用户的积极性,充分地支持博弈。从长远来看,引导用户提高能效、消纳和发展可再生清洁能源才是DR的真正价值所在,这需要“源–网–荷”更深入的耦合互动。自动DR是未来的发展主流,同时更需要贴合用户的意愿,也必须留下足够的空间让用户自行控制用电设备。这些离不开互联网、各类固定和移动终端、云计算等技术的支撑。
2)基于数据分析的智能化。负荷基线和实际响应量判定、负荷预测、负荷响应潜力分析是DR得以实现的数据基础。DR系统不仅需要负荷用电数据,还需要多方位的用户侧和电网侧数据。DR系统的智能化依赖于科学决策,特别是要保障用户的知情权、个性化服务和获得充分辅助,最终保障用户的利益。DR系统架构需要全方位的数据采集和交互支撑,以及向供需双方提供高质量的智能辅助。
3)系统容量的提升。当前在国内DR试点阶段以工业生产和空调负荷响应为主,未来将逐步向大型工商业用户覆盖,向中小型用户乃至居民延伸,增加售电公司、负荷聚合商等新型用户,并且电动汽车、智能园区、智能小区预期将产生重要影响。只有多样化的用户,才能产生更好的互补性,这就需要更多类型的DR终端和系统,对它们合理的分级接入是很有必要的。
4)系统的动态伸缩性和扩展性。由于参与用户的增多及其波动性影响,以及支持分布式能源的发展等原因,电网需求和负荷响应变动的频率大大增加,实际参与用户的数量也动态变化,DR系统架构中宜合理采用云计算、互联网、大数据等技术。
5 结语
DR技术及其应用对整个社会能源体系有重要意义。突出表现在它不仅仅是应对电能供给和消费需求之间缺口的技术手段,更是一种在可再生能源时代实现社会能源消费全局最优的基础性支撑技术。面对可再生能源渗透率的逐步提高,负荷聚合商、售电商的加入,以及未来微网、电动汽车等兼具储能、供能特征的特殊负荷的增多,DR具有重大发展前景。
本文在各种已有DR系统的基础上,剖析了DR概念模型和DR系统实现中的关键考量因素,进而提出了一种灵活自适应的DR系统实现架构,并分析了该架构的功能和特点,梳理了DR系统的实现要点和关键技术发展趋势。有利于DR系统的具体实现,也为后续深入的理论研究和系统实现提供了稳定的参考基础。
所提出的概念模型和系统架构从宏观层面是稳定的,但在实际应用中,还需要根据实际的成本约束、设备条件、商业模式、用户需求等条件具体设计,形成可行的应用方案。
摘要：由于商业模式、控制方式、控制对象方面的差异,目前各类需求响应系统实现架构各有其适用范围,适应和扩展能力亟待提升。在剖析所提出的需求响应(Demand Response,DR)概念模型和DR系统实现中关键考量因素的基础上,文章提出了一种稳定而又能够自适应各类模式的需求响应系统实现架构,并分析了该架构的功能和特点,梳理了DR系统的实现要点和关键技术发展趋势。所提出的概念模型和系统架构可以灵活自适应地支撑基于价格机制、基于激励机制、全自动、全人工等各种需求响应模式和实现方式,并且易于扩展,有助于需求响应系统的实现及其稳定性。
客户响应模型 篇5
20 世纪80 年代,灰色系统理论［1］由邓聚龙教授提出,GM( 1,1) 模型成为该理论主要模型,广泛用于工业、农业、社会和经济的各个领域,解决了日常生活、科研和生产中的诸多问题。灰色系统理论以其优越特性,在矿区开采沉陷预测中表现不俗,得到专家学者一致青睐［2－3］。灰色系统理论研究的是信息不完全的对象、内涵不确定的概念、关系不明确的机制,能从有限的、离散的数据中寻找规律,建立模型,并作出分析和预测。煤矿区开采沉降监测一般采用定期观测的常规测量方法,所获取的观测数据是有限的、离散的。因此,可依靠灰色系统理论,根据获取的数据来预测矿区沉降发展趋势。GM( 1,1)模型是有效的预测模型［4－6］,据此为提高预测精度,提出事件响应模型。
1 事件响应模型
1. 1 原理
等时间间隔观测数据X(0)(t)=[x(0)(1),x(0)(2),…,x(0)(t)],t=1,2,…,n,其中t是观测时间序号。X(0)(t)的1-AGO序列为X(1)(t)=[x(1)(1),x(1)(2),…,x(1)(t)],t=1,2,…,n,其中,k=1,2,…,t。X(1)(t)的紧邻均值生成序列为Z(1)(t)=[z(1)(2),z(1)(3),…,z(1)(t)],t=2,3,…,n,其中z(1)(k)=1/2[x(1)(k)+x(1)(k-1)],k=2,3,…,t。称为GM(1,1)模型的白化方程[7,8],式中a代表地表发展趋势,b代表地表沉降值。
若 Λ=[a b]T为参数,且
则GM( 1,1) 模型最小二乘估计参数序列满足:
事件响应模型函数为
式中:k=2,3,…,t;。
还原值:
式中k =1,2,…,t-1。
是事件响应模型预测第k个时间序号的预测值,是对应的1-AGO序列中的元素,事件响应模型[9]与GM(1,1)模型[10]相比,d的选取使得模型预测精度存在差异;事件响应模型采用统计学原理,考虑到每个数据的权重性,所有数据均参与预测计算,即;而GM(1,1)模型采用观测数据中的第1个数据进行所有预测计算,即d=x(1)(1)-b/a。
1. 2 试验验证
以赵楼煤矿1306 工作面地表沉降监测数据为例,验证事件响应模型的可用性。该工作面走向长2 295 m,倾向长2 068 m,采深800 m,表土层厚度为600 m,使用综采法进行开采,考虑实际情况沿走向和倾向分别布设25 个监测点,取走向和倾向交汇处监测点作为计算示例,数据获取依照规范,数据处理符合指标,提供实际有效的数据源,分别采用GM( 1,1) 模型［11］和事件响应模型,由前4 次观测值预测第5 次下沉值,并且同实测值进行比较,其中实测值通过二等水准测量获得。
建立等间隔观测数据:
X( 0)( 4) 的1-AGO序列:
X( 1)( 4) 的紧邻均值生成序列:
则
由GM ( 1,1) 模型最小二乘估计参数序列满足Λ=[a b]T= ( BTB)－1BTY得:
Λ =[a b]T= [0. 206 3 2. 221 3 ]T,代入公式( 2) 、( 3) 得:
事件响应模型预计函数为
GM( 1,1) 模型预计函数为
事件响应模型、GM( 1,1) 模型按照各自预测函数分别求得5 个观测点下沉值,结果见表1。
由表1 可见,事件响应模型在精度上要高于GM( 1,1) 模型,其预测值更接近实测值,理论上提高了预测精度,对生产实践有更好的指导作用。
2 理论精度分析
GM( 1,1) 模型采用后验方差法［12］和小误差概率［13］进行检验,模型精度等级由后验方差比值C和小误差概率P共同描述。
后验方差比值C计算公式为
小误差概率P计算公式为
式中: s1为原始数据标准差; s2为残差数据标准差;为残差数据均值; ε( k) 为残差检验值,k = 1,2,…,t。
式中: s22为残差数据方差; s21为原始数据方差;为模型预测值,k =1,2,…,t; 为原始数据均值。
表2 列出了预测模型精度标准值,作为模型精度评价的标准,用来衡量模型精度等级的优劣。
由公式( 4) 、( 5) 结合事件响应模型预测值,以及GM( 1,1) 模型预测值,分别计算两种模型后验方差比值C和小误差概率P。仅以事件响应模型为例,计算过程如下:
,其中k=1,2,3,4,5;
同理计算GM( 1,1) 模型,C =0. 129 5<0. 35; P =1 >0. 95。
在小误差概率P相同的情况下,事件响应模型后验方差比值小于GM( 1,1) 模型后验方差比值,说明事件响应模型在理论精度上优于GM( 1,1) 模型。
3 相关性分析
模型相关性主要是通过数理统计中的F分布［14－15］来判断模型在实际工作中应用的可行性,其验证公式如下:
式中:,i = 1,2,…,n; N-i2=1是分子自由度; QＲ(i=N1－2)是自由度为N-2 的随机变量; QE是自由度为1 的随机变量。
式( 6) 的含义是F服从第一自由度为N-2,第二自由度为1 的F分布。
对于给定的检验显著水平 α,当F>Fα( 1,N-2) ,接受假设检验,认为模型可用。否则,模型不可用。
本次试验选取5 个观测点作为试验对象,N = 5,α = 0. 05,则:
同理可得GM( 1,1) 模型指标。
模型理论精度和相关性分析结果对比见表3。
表3 说明,两种模型精度等级均属“良好”,贴近实际情况,但事件响应模型优于GM( 1,1) 模型。
4 结语
客户响应模型 篇6
桑叶为桑科植物桑Morus alba L.的叶子, 我国是世界上最大的桑树种植国[1], 卫生部将桑叶列为药食两用中药材之一[2]。因其滋阴凉血, 清肝明目, 故是中医临床上治疗糖尿病的有效药物之一。现代药理学及化学成分研究表明桑叶具有降血糖、降血脂、抗氧化、抗病毒等多种药理活性, 其中生物碱以及黄酮类物质是桑叶中主要的降血糖活性成分[3,4]。
桑叶一年可以采摘3~6次[5], 定时采摘不仅能够提高产量, 而且有利于加快桑树的新陈代谢, 充分利用阳光和养分进行光合作用, 净化空气和制造有机物。然而, 大量高水分的新鲜桑叶产出, 需要及时进行脱水处理, 以防止其褐变和微生物滋生而腐烂。国内有关桑叶脱水的工艺研究相对较少, 不同温度、干燥方式及前处理对桑叶内多糖、DNJ、黄酮等营养成分都有一定影响[6]。冷冻干燥能最大限度保持桑叶的成分, 微波干燥对桑叶各种成分的影响也较小, 但是前者干燥时间长、生产成本高, 而后者操作过程过于复杂[6]。热风干燥对桑叶营养成分的保持比前两种干燥方式略差, 但不影响桑叶降糖主要功效, 从可操作性、产能及经济效益等方面综合考虑, 热风干燥比前两种干燥方式更适合工业批量生产。热风干燥是一种纯排湿的干燥方式, 此种方式单位能耗脱水能力较差, 尤其当遇到高湿天气时, 热风干燥单位脱水能耗将进一步升高。
热泵干燥技术是基于逆卡诺循环原理的一种高效除湿干燥技术, 它能够有效地利用环境热源, 高效、节能并已广泛应用于木材工业、纺织、制药、食品和农产品加工等行业[7]。本文应用GHRH型中高温热泵干燥机, 研究桑叶的脱水特性, 旨在对桑叶干燥工艺进行优化, 得到一个合理的桑叶热泵干燥工艺方案, 对桑叶脱水批量工业生产具有重要意义。
1 材料与实验方法
1.1 材料与试剂
材料:大桑叶, 采摘于广东省蚕桑所桑园, 形状为300 mm×200 mm的椭圆形, 初始水分含量为 (76±2.0) %。采摘时应防止叶脉受损, 溢出的汁液遇空气氧化而桑叶变色, 桑叶采摘后于5℃冷库中低温保鲜贮藏。
试剂:
1) G-250考马斯亮蓝:上海金穗生物科技有限公司;
2) 芦丁:非制剂, 上海金穗生物科技有限公司;
3) 乙醇、氢氧化钠、亚硝酸钠, 分析纯, 天津化学试剂三厂;
4) 硝酸铝, AR级分析纯, 上海埃比化学有限公司。
1.2 仪器与设备
GHRH型闭式热泵干燥实验装置, 广东省现代农业装备研究所自制, 温度可控范围为35~65℃, 风速可控范围为0~5.0 m/s, 干燥风在风机的驱动下于垂直面内循环, 干燥室内空气与湿物料进行传热传质, 经过传质的高湿空气穿过蒸发器除湿, 经过冷凝器加热, 以此达到干燥桑叶的目的。
赛多利斯水分测定仪, MA150, 德国赛多利斯集团;FA/JA系列上皿电子天平, 上海天平仪器厂;KANOMAX风速测定仪, KA32L型, 沈阳加野科学仪器公司;272-A型干湿温度计, 河间市重光温湿度仪表厂;UV-180OPC型紫外可见分光光度计, 上海亚荣生化仪器厂;HH-2恒温水浴锅, 江苏金坛市宏华仪器厂;离心机, 长沙平凡仪器仪表有限公司;移液管、研钵、石英砂、容量瓶、离心管、漏斗、烧杯、滤纸。
1.3 实验方法
新鲜桑叶预处理→开水热烫→迅速冷却, 拭干水分→称重、铺放于筛盘上→热泵干燥机干燥箱干燥→每隔一定时间测量桑叶质量→干燥至样品相邻减重低于0.2 g即终止→产品包装保存, 记录及分析数据。
1.3.1 单因素实验
桑叶热泵干燥主要受铺料量、热烫时间、干燥温度、干燥风速共4个因素影响, 其中前2个因素为预处理操作, 后2个因素是干燥过程影响因素。分别对各因素的实验设计如下:
铺料量的影响:设定温度和风速45℃, 0.5 m/s, 不采用热烫预处理, 铺料量因素的3水平依次为0.5、1.0、1.5 kg/m2, 铺好物料于干燥箱中进行烘干, 比较干燥效率和干燥产品的品质, 得到合适的铺料量参数。
热烫时间的影响:将铺料量、温度和风速设为定值1.0 kg/m2、45℃、0.5 m/s, 热烫时间因素6水平依次为0、0.5、1.0、1.5、2.0、2.5 min, 桑叶热烫后去除桑叶表面水分, 放至物料盘中入干燥箱进行烘干, 比较干燥效率和干燥产品品质, 得到合适的热烫时间参数范围。
干燥温度的影响:将铺料量、热烫时间和风速设为定值1.0 kg/m2、0 min、0.5 m/s, 选取干燥温度因素的4水平依次为35、45、55、65℃, 将新鲜桑叶铺放于料盘中放入干燥箱进行烘干, 比较干燥效率以获得合适的干燥温度参数。
干燥风速的影响:将铺料量、热烫时间和干燥温度设为定值1.0 kg/m2、0 min、45℃, 选取干燥风速因素的6水平依次为0.5、1.0、1.5、2.0、2.5、3.0 m/s, 将桑叶放至物料盘中入干燥箱进行烘干, 比较干燥效率和干燥产品品质, 得到合适的干燥风速参数。
1.3.2 响应面实验
在单因素实验的基础上, 应用Minitab软件设置了温度、热烫时间、风速三个因素的响应面实验, 由于最大温度参数为中高温热泵干燥机的上边界温度 (65℃) , 依据响应面实验设计原则, 选用了中心复合表面实验方法, 因素水平设计内容见表1。
1.4 数据分析方法
单因素实验数据采用直观分析, 以确定各因素对桑叶热泵干燥速率的影响趋势及波动较大的参数区间。在单因素实验结果的基础上, 应用Minitab软件分析响应面实验数据, 分别选取完全二次、线性+交互模型、线性+平方模型、线性模型对桑叶热泵干燥的数学模型进行优化, 比较温度、热烫时间、风速以及两两交互作用对干燥速率的影响, 逐步去除不显著因素, 最终得到桑叶热泵干燥的最优数学模型, 并在软件响应面优化器中选择望大项目进行工艺参数优化, 得到最优干燥工艺参数。
1.5 产品指标测定方法
Figure.1 Mulberry leaf heat pump drying rate curve of temperature
1.5.1 复水性检测
将干燥后的桑叶 (M1) 放入50倍质量温度为60℃的水, 进行复水实验, 复水15 min后, 将桑叶捞出自然沥干表面水分, 然后进行准确称重 (M2) , 复水比籽的计算, 见公式1:
1.5.2 蛋白质含量检测
应用考马斯亮蓝法测定桑叶样品中蛋白质的含量[8]。
1.5.3 黄酮含量检测
采用紫外分光光度法测定桑叶样品中黄酮的含量[9]。
2 结果与分析
2.1 单因素实验结果
图1和图2分别是温度、风速对干燥速率的影响。
图1可知, 随着热泵干燥温度的提高, 干燥速率不断增大, 且温度在55~65℃间, 单位温升干燥速率提高量最大为1.898%, 分别为35~45℃和45~55℃的2.16倍和1.38倍。温度升高, 空气干燥介质传递给高湿桑叶的蒸发热量增加, 桑叶中水分蒸发速率加快, 干燥速率增大, 但是温度太高会影响桑叶内营养成分损失。因此, 在保证桑叶内有效成分的前提下, 可选择较高温度用于桑叶干燥, 以达到提高干燥效率的目的。
Figure.2 Mulberry leaf heat pump drying rate curve of wind speed
图2可知, 随着风速的提高, 干燥速率逐渐增大, 且风速在2.0~2.5 m/s时, 风速增大对干燥速率提高量影响最大, 最大可增加5.48%, 分别是1~2 m/s和2.5~3.0 m/s时的1.64倍和2.30倍。风速增大, 循环次数增加, 单位时间输送湿空气量增大, 干燥速率增大, 但因为湿物料量一定, 单位风速增大干燥速率提高量会呈现先增长后减少, 且风速的增大促使干燥介质空气与湿物料传热传质时间缩短, 能量利用率下降, 对于非闭式循环干燥将会导致热量浪费。因此, 应采用合理风速以保证能源的充分利用。
图3曲线可知, 随着热烫时间的延长, 桑叶干燥速率先增加后逐渐趋于不变, 未经热烫或者热烫时间为零时, 干燥速率最慢, 热烫时间为0~1 min变化最快。热烫即采用90℃以上的水对桑叶进行前处理, 热烫也称杀青, 有利于保护桑叶的绿色, 抑制一些氧化酶的活性, 同时也会破坏桑叶细胞的细胞壁, 释放细胞间的物理结合水。因此, 有可能桑叶绝干物质会有所减少, 适当的热烫时间可能增大细胞间隙, 有利于桑叶物料湿分的蒸发, 从而提高干燥速率, 但是热烫时间过长将会导致桑叶糜烂, 细胞分离, 营养成分流失。因此, 适当的热烫预处理有利于桑叶护色及干燥速率提高。
Figure.3 Mulberry leaf heat pump drying rate curve of blanching time
从表2数据可知, 随着铺料密度的增大, 干燥时间及干燥不均匀度逐渐增大, 桑叶干燥过程表现为表面迅速干燥而底层桑叶干燥速度较慢, 当桑叶铺料密度达到1.5 kg/m2时, 干燥不均匀度增加至5.20%, 高低水分差达到了14.72%, 表面桑叶皱缩严重, 下层物料粘结紧密只能依靠逐层向下干燥, 如果层数太多将会造成表层桑叶过干燥, 影响桑叶产品的品质, 而铺料密度小, 层数少, 干燥速率快, 但是占用面积大, 铺料工作量增加, 不利于提高单位产出率, 因此选取铺放密度为1.0 kg/m2, 这样桑叶干燥不均匀度较小, 且能取得较大产出率。
综上所述, 单因素实验数据、曲线反应了桑叶热泵干燥各因素的影响, 分析得到在保证品质的前提下, 宜采用较高温度, 故温度取热泵干燥机上边界值 (65℃) ;较优风速能提高热能利用率, 故风速范围为1.0~3.0 m/s;适当热烫能够起到护色、抑制酶活性及提高干燥速率, 因此选取热烫时间为1.0~3.0 min。
2.2 响应面实验结果
2.2.1 干燥速率影响方差分析
在单因素实验研究的基础上, 以温度、风速、热烫时间为自变量, 以干燥速率为响应值Y, 采用了三因素三水平的中心复合表面实验设计, 并对实验数据进行响应面分析, 中心点实验重复了6次, 用以估计实验误差, 采用Minitab 16.0进行分析。
注:P值<0.01时显著性标为**;P值<0.05时显著性标为*。
表3为响应面分析及实验结果, 对表3响应面实验结果方差分析, 见表4。表4可知, 温度因素和温度平方因素的P值为0.0 003和0.001, 均小于0.01, 因此温度及其平方作用为显著影响因素, 风速因素的P值为0.041小于0.05, 说明风速为影响干燥速率的次显著因素, 热烫时间、其它平方项和交互作用项为P值均大于0.05, 说明其它因素项对干燥速率影响不显著。
2.2.2 交互作用响应曲面及等值线
图4和5为桑叶温度与风速交互作用, 图4响应曲面逐渐往温度和风速增大的方向弯曲, 最终得到一个凹曲面;而图5等值线, 更直观显现温度和风速增大, 干燥速率逐渐增大。在温度处于45~52℃时, 出现了一个峰值, 而后随着温度的升高等值线呈现于温度轴平行的曲线, 即温度相对较低时, 与风速对干燥速率的交互作用影响大, 但随着温度的升高风速对干燥速率的影响逐渐被削弱。
图6和图7为风速、热烫时间的交互作用图, 图6曲面随着风速的增大逐渐向上弯曲且弯曲度逐渐平缓, 而随热烫时间的变化相对较少;图7等值线可以直观看出在风速为2.0~2.5 m/s取得较大干燥速率, 风速与热烫时间对干燥速率交互作用影响随着风速的增大变得更明显。
图8和图9温度与热烫时间交互作用图, 图7响应曲面随干燥温度的升高呈现下凹曲面, 而随热烫时间变化较少, 图9等值线图中等值线几乎与温度轴保持垂直, 说明温度和热烫时间对干燥速率几乎没有交互作用影响。
综上, 桑叶热泵干燥过程中当采用温度45~52℃, 应考虑风速与温度的交互作用影响, 当采用风速为2.0 m/s以上时, 应考虑热烫时间与风速的交互作用影响。
2.3 桑叶热泵干燥速率数学模型优化分析
由表5数据可知, 建立模型回归方程P值小于0.05, 表明模型显著, 建立的回归模型方程能够较好的解释响应结果并预测最佳干燥工艺参数。线性项和平方项P值均小于0.05, 说明线性项和平方项对干燥速率数学模型的主要影响因素, 而交互作用项为非显著因素。因此, 数学模型拟合中应侧重线性项和平方项。
由表6数学模型拟合数据知, 完全二次模型和线性+平方模型的R-Sq值与R-Sq (调整) 值均达到了90%以上, 且R-Sq值与R-Sq (调整) 比较接近, 认为模型的拟合效果比较好, 而线性模型和线性+交互作用模型的R-Sq值与R-Sq (调整) 值相对较低, 拟合效果较差。失拟的P值越大, 说明拟合效果越好;R-Sq (预测) 值与R-Sq值越接近, 表明用此回归模型进行预测的效果比较可信。比较表6中完全二次和线性+平方模型数据可知, 线性+平方模型的R-Sq (预测) 值与R-Sq值更接近, 且P值为0.076大于完全二次的失拟P值, 因此选择线性+平方模型。
对表3中数据进行线性+平方模型拟合, 得到桑叶热泵干燥速率Y的回归方程为:
2.4 优化工艺参数及验证结果
应用Minitab 16.0软件响应面分析优化器, 对表2中数据进行优化分析得到结果, 见图10。
由图10优化参数数据曲线可知, 最优干燥参数组合为:干燥温度为64.20℃, 风速为2.40 m/s, 热烫时间为2.0 min, 此时取到最大干燥速率为0.5 482, 合意度达到了99.402%, 将最优参数代入回归模型计算得到预测干燥速率Y为0.5 403, 与响应面优化器优化结果的相对误差为1.44%。
应用优化工艺参数设置了三个平行888实验, 铺料密度为1.0 kg/m2。桑叶热泵干燥平行888实验果如下:干燥耗时均为2.25 h, 对三次平行888实验的干燥速率求平均值, 得到干燥速率为0.5 523, 与回归方程预测值的相对误差为2.38%, 进一步证明响应面设计分析所得的回归方程具有较高的预测可信度。
2.5 产品品质指标检测
选取响应面实验中干燥速率较大实验组所得桑叶产品进行了蛋白质、黄酮及复水性的检测, 并与新鲜桑叶对应指标含量进行了对照, 实验检测数据, 见表7。
由表7品质指标参数可知, 温度和热烫时间对蛋白质和黄酮含量都有一定的程度影响, 热烫时间越长桑叶营养成分损失越多, 干燥温度越高和干燥速率越大蛋白质含量稍有减少, 干燥过程对黄酮含量几乎无影响。热泵干燥所得桑叶干的复水比为3.14~3.33, 将实验所用大片桑叶水分含量按76%计算, 桑叶经15 min复水达到了69.35%~73.54%的新鲜程度, 而30 min复水后, 桑叶干复水比为3.84~4.02, 即通过复水后达到了84.80%~88.78%的新鲜程度, 最优工艺蛋白质和黄酮含量为鲜桑叶的77.58%和69.74%。
注:100g为桑叶干物料。
3 结论
应用GHRH型闭式热泵干燥实验装置, 设计单因素实验和响应面实验对桑叶进行干燥, 得到结论如下:
单因素实验得到了大桑叶的较佳铺料密度为1.0 kg/m2, 此种铺料密度下桑叶的干燥均匀性较好;高温能较快提高干燥速率, 适当的热烫预处理具有护色和提高干燥速率作用, 控制风速能够提高单位热能除水量, 以达到节能的效果。
响应面实验方差分析得到温度是影响干燥速率的显著因素, 风速是次显著因素, 并通过选择比较得到了桑叶热泵干燥速率的最佳数学模型, 模型预测响应值与响应优化器得到最优参数误差较小, 最后选择干燥速率较优的产品进行品质检测, 得到热烫时间对桑叶营养成分的损失有较大影响, 而热泵干燥过程对桑叶品质影响很小。
此外, 后续实验可进一步研究桑叶热泵干燥能耗与风速、温度、相对湿度等的关系, 有利于投资实践生产应用。
参考文献
[1]杨海霞, 朱祥瑞, 陆洪省.桑叶保健制品开发利用研究进展[J].科技通报, 2003 (1) :72-76.
[2]牟会荣, 陈昆, 王晓岚, 等.正交888实验法与响应面法在桑叶黄酮提取工艺优化中的应用和比较[J].江苏科技大学学报 (自然科学版) , 2016 (1) :88-93.
[3]楚渠, 彭云武.超细桑叶粉的加工及成分分析[J].陕西农业科学, 2008 (3) :81-82.
[4]王芳, 励建荣.桑叶的化学成分、生理功能及应用研究进展[J].食品科学, 2005 (S1) :111-117.
[5]苏方华.桑叶的化学成分及临床应用研究进展[J].中国医药导报, 2010 (14) :9-12.
[6]秦樱瑞, 曾艺涛, 杨娟, 等.干燥方式对桑叶降糖活性成分含量的影响[J].食品科学, 2015 (17) :71-76.
[7]龙成树, 刘清化, 李浩权, 等.基于闭式热泵干燥机桑叶菜干燥工艺探讨[J].食品科技, 2015 (11) :53-57.
[8]张军.桑叶有效成分提取与分析[D].合肥:安徽农业大学, 2004.
客户响应模型 篇7
自2012年以来,我国入境旅游中具有实质性意义的外国游客数在持续负增长,而这种低迷态势还将延续数年[1]。同时,面对当前的宏观经济形势,我国正在积极推进旅游供给侧改革,着力落实“景点旅游”到“全域旅游”的转变,这些都使旅游目的地发展面临着前所未有的机遇与巨大的挑战。然而,新形势下国际跨境旅游流的结构与行为方式多样,目的地城市随着城市化进程的加剧与城市功能的完善日益复杂,两者既彼此作用,又相辅相成,形成了一个具有多重反馈的耦合巨系统[2]。一方面,跨境旅游的发展通过人员流动、经济带动、文化沟通、信息交流等对目的地城市的社会、经济和文化产生冲击影响;另一方面,目的地城市对入境旅游流的进入产生相对响应,做出主动或被动的城市功能调整,这又进一步影响着后续入境旅游的发展。因此,在这种双重作用反馈机制下,有必要研究基于客源地、入境旅游流与旅游目的地“驱动力—状态—响应”关系的旅游目的地发展,以期为旅游目的地城市规划与建设提供理论与实践参考。
旅游供给与需求平衡才能保持自身健康的发展[3],因此旅游流的驱动与目的地的有效响应实现了旅游活动的顺利开展,同时也达成了旅游系统的基本构造。自20世纪80年代开始关注旅游流与目的地系统之间的关系以来,国内外诸多文献陆续展开了探讨。①在研究内容方面,大量研究都聚焦于形象耦合[4]、交通耦合[5,6]、旅游流和目的地城市耦合协调度与时空分异等领域[7,8],研究偏重于对单要素的考虑[9],而缺乏将客源地作为变量的探讨。②在研究方法方面,国内外在对旅游流和旅游需求预测研究时,较多地运用ARIMA模型[10]、时间序列模型[11]、回归模型[12]、面板数据、结构方程模型[13]等方法,而对旅游这样一个涉及甚广的大产业,以系统论的角度进行解读将更为贴切。③在研究视角方面,颇具地理学和社会学特征的“推—拉理论”应用得更为广泛,如Dann[14]、Yuan[15]、Uysal[16]等对此进行了实证分析与理论梳理,但均着眼于客源地和目的地,缺少以状态量为基本切入点的研究,即将旅游流本体作为重要的表征却没得到相应的强化。
值得注意的是,在驱动力模型中,很多研究将客源地推力和目的地拉力笼统地划为旅游驱动力。笔者认为,驱动力实则更倾向于表征内在动力,即客源地推力;而目的地拉力则表征为对客流的响应。鉴于此,本研究将从宏观视角出发,借鉴国内外文献构建评价指标体系,利用因子分析与系统动力学分析方法,参照可持续发展中的“驱动力—状态—响应”模式,均衡地探讨客源地、旅游流与目的地之间的关系。
2 评价体系构建
参照联合国可持续发展委员会提出的“驱动力—状态—响应”(DSR)模型[17],本文构建了入境旅游流DSR模型。DSR模型的基本结构为:客源地内部驱动促成游客出游欲望(驱动),游客的出游行为形成旅游流(状态),景区相应的做出反映(响应),响应之后的变化又通过旅游流得以表征体现,完成“驱动力—状态—响应”的模式。
基于上述框架,结合指标选取的完整性、系统性和数据的可获性原则,本文借鉴相关文献,分别对客源地驱动力、旅游流状态与目的地响应建立了指标体系。
2.1 客源地驱动力指标体系的建立
客源地驱动力具体所指为旅游流的需求侧,目前学界有社会宏观视角与个体微观两种阐释视角[18],出于研究体量匹配考虑,以及传统需求模型的有效性,本文沿用社会宏观视角对入境旅游流的驱动力进行分析。客源地指标主要参考杨兴柱[19]、Ledesma[20]等人的相关指标,选取代表客源地经济能力、需求潜力与人文发展的人均GNI均值、出游率、闲暇时间、人文发展指数等4个指标。其中,人均GNI均值是指人均国民总收入,能反映客源地的居民经济水平;人文发展指数是客源国人文发展成就的总衡量,体现了健康、教育与生活水平,是国家或地区经济与社会可持续发展状况的重要指标;带薪假期及公共假期是闲暇时间的重要指标,侧面反应了客源国出游的机会与潜力;出游率则直接体现了整体的旅游出游水平和能力。
2.2 旅游流状态指标体系建立
直接反应旅游流状况的是客流的流质、流量与流速,然而这三者直接制约于客源地的驱动效果与目的地的响应状况。结合相关的文献[7,18],入境旅游流一项选取旅游人次、旅游花费与旅游时间为基本测度指标。其中,入境旅游总人次代表旅游流的流量,主要指入境旅游者和入境“一日游”的游客,既包括外国人又包括香港、澳门、台湾居民;旅游花费表征了旅游流的流质,反应了旅游者的消费能力和消费强度,能体现旅游供给与需求之间的均衡状态;旅游时间则理解为旅游流的流速,具体是指人均停留天数,可从侧面反应目的地的供给规模、水平和内容的多寡。
2.3 目的地响应指标体系建立
城市在作为旅游目的地提供旅游服务功能的同时,还要兼顾其生产功能、管理功能、协调功能、集散功能和创新功能,这些是城市发展的基本动力。因此,本文对目的地城市的响应的考虑,不仅要针对入境旅游识别出目的地城市响应的关键因素,更要将入境旅游流置于目的地城市中进行考量,以期得出目的地针对入境旅游流进行整体性响应的关键要素。
主要是:①城市经济因素。有学者指出,从旅游业中获益最多、发展最快的是那些以庞大多样的经济为基础的城市,这些城市在一定程度上反而不是以旅游业为主要经济依靠[21]。这是城市旅游研究中的悖论,恰好从侧面证明目的地城市自身的经济发展对旅游的影响力。目前,衡量一个城市经济发展水平最直接的标准是GDP增长率、城镇居民人均可自由支配收入、第三产业收入占GDP比、进出口贸易总额、城市固定资产投资总额、星级饭店固定资产、专利授权项。②交通区位因素。旅游区位是指旅游目的地与客源地之间的相关位置与可达性。城市区位条件和可进入性优势突出,可吸引大规模旅游客流,以较低的投资获取较高旅游收益,从而推动城市旅游优先快速发展。由于地理位置是恒定不变的,因此在测量一个城市的交通区位时,本研究主要选取交通总客运量、自然区位交通便利度综合指数与每万人拥有公共交通工具三个指标。③社会环境因素。社会环境是由与城市整体互相关联的人文条件(如经济、政治、文化、历史、人口、民族、行为等基本要素构成)和自然条件(地质、地貌、水文、气候、动植物、土壤等诸要素的总和)综合构成的。因此,为了使代表性与可操作性更强,本文选取城市绿化覆盖率、空气质量二级以上天数、可吸入颗粒浓度年平均值、普通本科院校数量、历史文化类场馆数量、城市管理水平、刑事立案数与交通事故发生数为主要评价指标。④旅游资源因素。旅游资源一般包括自然景观和历史文化资源。国外学者通常将旅游资源称为旅游吸引物,是指旅游地吸引旅游者的所有因素的总和。由于城市所处的地理区位和历史底蕴背景不同,在旅游资源特征和属性上呈现出差异性。本文沿用前人指标,设定3A级及以上景区数量、世界遗产数、资源密度为基本测度内容。⑤服务与设施因素。旅游接待、旅游组织、旅游交通等服务活动与服务设施是旅游活动的支撑系统,也是构成旅游体系的基本组成部分。本文主要包括服务质量整体评价水平、三星级以上饭店数、国际旅行社数量、从业人员数、从业人员文化水平等方面。⑥信息与营销因素。信息不对称性、不完全性及其成本会制约市场机制运行及资源配置效率。信息的全面性能让客户在旅游之前就能很好地了解到实地信息,从而刺激他们对旅游地欲望的增长,网络营销减少与客户的直接接触以增强亲和力。研究包括每万人拥有移动电话数、每万人互联网宽带用户数、英文旅游网页信息总量、国内外展会、展览数量。综合上述分析,形成客源地驱动、旅游流状态与目的地响应的指标体系,见表1。
3“驱动力—状态—响应”概念模型构建
整体旅游流是单个旅游个体行为的最终综合显现,本文兼顾个体微观视角与社会宏观视角,研究“点”(入境旅游流、客源地与目的地城市的接触点)对“面”(目的地城市对入境旅游流整体反应面)的影响。
3.1 数据收集与研究方法
考虑到分析数据的可获得性、代表性和典型性,本文选取京津冀区域的北京市、长三角区域的上海市、珠三角的广州市、成渝地区的成都市、西北部的西安市、西南部的昆明市等六大城市为例,对客源地、入境旅游流与目的地城市之间的“驱动力—状态—响应”动力因子进行量化处理分析。
驱动力因素的相关数据主要来源于2015年的《国际统计年鉴》和2015年的《中国旅游统计年鉴》。其中,入境旅游总人次等9个指标均来源于2015年的《中国旅游统计年鉴》,并依据相关数据直接获得或经过运算得到。主体客源国的人均GNI均值、主体客源国的平均人文发展指数、主体客源国的带薪假期均值与主体客源国的公共假期、主体客源国的游客平均出游率4个指标是依据到访六大目的地城市的外籍游客构成比例与该国相应指标乘积的均值。目的地城市的响应因素数据主要来源于《中国旅游统计年鉴》和该目的地城市2015年的《城市统计年鉴》。
因子分析是通过降维方式将多个变量归并为少数几个综合变量的统计分析方法,在尽量不损失信息的前提下获取更多信息,简化数据结构,避免主观随意性。鉴于指标体系内数据清晰明了且有统计数据支撑,并能有效呈现旅游流与目的地城市的指标归并,因此本文采用因子分析方法对研究对象进行综合评价。
3.2 因子分析结果
我们将上文所构建的因子指标带入SPSS中进行因子分析,以特征值大于1的原则对系统因子进行提取,因子旋转采用最大方差法。由于“旋转因子后载荷值小于0.4或两个因子上的载荷同时大于0.4者予以删除[22]”。经过因子淬炼,该研究在剔除X5、X7、X12、X19、X21和X30后,目的地响应部分剩余指标共提取出4个公因子。其中,X1、X2、X3、X4、X6、X22、X23、X24、X25、X26归并为一个维度,即原指标体系准则层中的城市经济与社会环境可提炼为一个公因子,共同反应了城市的经济社会发展水平,因此定义为经济社会动力因子;X8、X9、X10、X16、X17、X18与X20归并为第二个维度,即准则层中的旅游资源与交通区位提炼出一个公因子,反应了区位与交通对旅游流的响应,因此可定义为资源区位动力因子;X11、X13、X14与X15在第三个主因子上占有较高载荷,这些指标属于准则层中的服务与设施维度,因此定义为服务设施动力因子;X27、X28、X29体现了信息与技术对城市旅游发展的主导作用,因此命名为信息技术动力因子(表2)。客源地驱动力系统指标归并为一类,旅游流的状态指标剔除Z7后归为一类。该部分的分析指标结果显示,KMO统计值为0.837,方差近似值为1237.217,Bartlett球形检验的显著性水平p值=0.000<0.05,所选指标累计解释变量达到了92.227%,解释效果良好,见表2。
3.3“驱动力—状态—响应”概念模型解析
旅游流是旅游地理学的经典问题,而旅游地理学的研究核心是旅游人地关系[23]。斯宾塞和托马斯指出,自然要素、人口、社会组织和技术四者之间的相互关系是探讨人地关系的主要内容[24]。自然要素指人类生存发展提供的空间与资源,人口指区域内具有一定文化素养的群体,社会组织主要指人类社会的经济文化环境,而技术主要指实现特定目标的手段[25]。推此即彼,本文所提出的响应模型与上述理论高度吻合:经济社会属于制度文化,主要展现方式是通过社会组织达成;服务设施属于精神文化,直接对象是人,即游客,“客”与所在地“主”的互动要在服务与设施中实现;信息技术则属于物质文化,是目的地实现入境游客青睐的手段,技术发展为目的地提供吸引力保障;资源区位则是旅游形成的基础,是经济社会、服务设施与信息技术的空间承载。与人地关系的模型原理一致,响应要素之间彼此相互联系、相互影响,形成六对联系带,每对联系带都受到另外两个因素的影响,因此该模型所反映的系统具有复杂的关联。
客源地的驱动力系统与旅游流状态量是相互联系、相互影响和相互作用的。具体而言,旅游者在一定的条件下,通过现实和潜在驱动力的有机组合,进入旅游媒介到达目的地,从而促成旅游流流动。借由上述量化分析,可将客源地驱动力、入境旅游流状态与目的地城市的响应模型有效衔接和整合,组成入境旅游流“驱动力—状态—响应”动力系统。因此,本文构建了“驱动力—状态—响应”模型(图1)。
3.4 模型计算结果
由于入境旅游流DSR系统主要作用机理是客源地驱动,旅游流直接反应,目的地城市被动响应,对目的地响应系统的分析对城市调控策略尤有价值,因此本文将重点对各城市响应系统进行探讨。可根据公式F=51.787F1+21.223F2+16.149F3+7.785F4计算出6个城市的目的地响应力得分与排序(表3)。式中,F为城市响应力得分,F1为经济社会因子取值,F2为资源区位因子取值,F3为服务设施因子取值,F4为信息技术因子取值。系数为各个公因子解释方差的比重,其中经济社会因子权重最大,意味着经济社会发展状况越好,对入境旅游响应就越强;其次是资源区位因素,体现在资源禀赋和交通区位上,占有较大比重;第三是服务设施因素,服务环境越好,越能吸引入境游客;第四是信息技术因子,所占比重较小。
从表3可知,在入境旅游综合响应方面,居于前三位的是北京、广州和上海,而成都、西安与昆明相对较弱。由此可见,一线城市对入境旅游流的吸引力更大,雄厚的经济实力和先进的社会发展对城市应对入境旅游的作用明显,研究结果印证了王璐璐等人关于城市发展与旅游协调度的研究成果。从经济社会因子来看,广州得分最高,说明它与港澳之间的经济往来与社会文化共通成为其入境吸引的巨大推动力;以资源区位来看,北京居首毋庸置疑,政治经济中心和丰富的旅游资源使其成为入境旅游的首善之区;从服务设施方面来看,成都的旅游吸引力较强,“休闲之都”服务至上,名副其实;从信息技术来看,上海的得分最高,上海作为国际化程度最高的都市,信息和技术的相关因素对旅游业的推动作用最明显。
4“驱动力—状态—响应”系统动力学模拟
在对入境旅游流“驱动力—状态—响应”系统的概念模型构建后,有必要对其进行精细化与具体化操作,了解其运作的内在机理。依据前文的指标体系与概念模型,藉由边界界定和模块分析进行机制解读。
4.1 系统边界
系统的构建是需要有明确边界的,这样才能呈现其内部的信息、物质和能量交换[26]。如前文所述,入境旅游流即所谓的O-D流,即由客源地到目的地的游客流。因此,研究所搭建的系统范围需要囊括客源地驱动力子系统、旅游流状态子系统与目的地响应子系统。其中,响应子系统包括经济社会、交通区位、服务设施与信息技术。所有上述因素在边界之内彼此连接,互相作用,最终编织成了一个复杂的“驱动力—状态—响应”网络。
4.2 系统动力学模型
系统动力学的研究重点在于自反馈机制的系统动力学问题。为了研究系统的反馈结构,首先要分析系统整体与局部之间的关系,进而追索因果与相互关系,然后把它们重新联结一起形成回路。因果关系分析是本文开展系统动力学模型研究的基础,直观明了,因此对系统及其子系统包含的关键因素进行归并后,以定性逻辑进行分析。由于客源地与目的地之间发生关联的必然中介是旅游流,因此本研究将分别构建客源地与旅游流,旅游流与目的地之间的关系系统,再进行整体系统的整合。
主要是:①入境旅游流与目的地城市经济社会系统(ITF-ES系统)。在ITF-ES系统中,入境旅游总人次对目的地经济和社会产生现实与潜在驱动力,地区国民生产总值的增加使旅游投资总额上涨,在地区旅游接待能力和目的地吸引力方面都有提升,带来更多的入境旅游者,实现旅游外汇收入增多,进一步促进地区国民生产总值的增加。此外,城市管理水平在地区经济发展下得到提升,创造良好的旅游环境,加之城市安全水平为潜在游客到来提供保障,城市旅游需求增加,进一步提升城市旅游接待能力,最终促进地区国民经济发展。②入境旅游流与目的地城市资源区位系统(ITF-RL系统)。在ITF-RL系统中,旅游资源质量引起入境旅游总人次增长与入境旅游人均停留时间延长,使旅游外汇收入增加,促进地区国民生产总值上涨。此外,城市交通区位的优势增涨带来了大量游客,对目的地景区资源产生正负向影响,导致纠偏行为出现。③入境旅游流与目的地城市服务设施系统(ITF-SF系统)。在ITF-SF系统中,地区国民生产总值的发展为旅游投资提供支撑,进一步强化旅游基础设施建设力度,接待水平提高。另外,对旅游科研的扶持使行业从业人员的素质增强,进而提高旅游服务水平。在整体目的地旅游接待水平提高的背景下,入境旅游人次增多,正向反馈地区国民生产总值。④入境旅游流与目的地城市信息技术系统(ITF-IT系统)。在ITF-SF系统中和在目的地城市经济发展推动下,通过对固定资产和旅游业投资,旅游信息化水平与商业环境发展水平得到提升,而城市科研资金投入比重的增加间接或直接促进两者发展,从而吸引入境旅游者到访,增加旅游外汇收入,正向反馈区域国民生产总值。⑤入境旅游流与客源地子系统(ITF-OS系统)。在这一系统中,客源地人口的经济收入直接决定了出游能力,人文发展指数很大程度上影响出游需求,这两者决定了潜在游客数,而出游率则直接反应了潜在游客转化为现实游客的比例,多因素共同促成旅游行为发生。
结合分述结果,引入辅助中间变量,以反映各种因素之间的相互关系和作用过程,得到“驱动力—状态—响应”动力系统整体的因果关系,见图2。
5 结论与讨论
5.1 结论
本文借鉴国内外文献构建评价指标体系,基于中国旅游六大典型城市的统计数据,利用因子分析与系统动力学分析方法对入境旅游流“驱动力—状态—响应”模型进行了探讨,得到以下几条结论:①建立了入境旅游流与目的地“驱动力—状态—响应”模型的指标体系。该体系由客源地驱动力、入境旅游流状态与目的地响应三个部分构成。其中,客源地驱动力主要包括消费能力、人文发展指数、闲暇时间与出游率,共计4个指标;旅游流状态量包括旅游人次、旅游花费和旅游时间等,共计9个指标;目的地响应主要包括城市经济、旅游资源、服务与设施、交通区位、社会环境、信息与营销等,共计30个指标。②构建了入境旅游流“驱动力—状态—响应”的概念模型。通过对指标体系进行因子分析,构建了客源地、旅游流和目的地的“驱动力—状态—响应”概念模型。其中,驱动力变量和状态量各归为一个维度,目的地响应则划分为经济社会、资源区位、服务设施与信息技术四个维度;目的地响应模型与“人地关系”模式具有高度的吻合性:经济社会对应社会组织,资源区位对应自然要素,服务设施对应人口,信息技术对应技术。同时,结合六大城市分析发现,指标中经济社会所在权重最大,一线城市响应整体较强,二线城市则相对较弱。③对入境旅游流DSR模型进行了系统动力学模拟。研究通过入境旅游流与经济社会子系统、资源区位子系统、服务设施子系统、信息技术子系统以及客源地驱动力系统的逐一对应,构建了整体动力系统因果回路图。
5.2 讨论
本质上讲,本文所探讨的是旅游供给与需求的关系,而供给和需求两要素间的相互匹配构成了旅游系统的基本结构[27,28]。以往相关研究过多关注了旅游者与目的地的关系,而本文则将其转换为旅游流与客源地、目的地关系的范畴之内,三者融于同一平台有效克服了量化研究中对象体量不匹配的问题。此外,“驱动力—状态—响应”模型能较好的阐释旅游流的形成与互动过程,可为我国众多城市面对旅游与城市建设“要么供过于求,资源浪费;要么供不应求,环境超载”等难题提供参考与借鉴。
本研究是基于六大城市统计数据计量分析实现的,尽管得到了有意义的发现,但其代表性与普适性有待进一步验证。此外,本文的研究对象是入境旅游流,而对—国内旅游占大多数的旅游市场现状,分析国内旅游流与目的地之间的“驱动力—状态—响应”关系,并与本研究结论进行对比具有更强的理论和实践意义。
摘要：借鉴国内外旅游流相关评价指标体系,基于中国旅游六大典型城市的统计数据,利用因子分析与系统动力学分析方法探讨了客源地驱动力、入境旅游流状态与目的地城市响应的模型。研究发现:1所构建的客源地驱动力、旅游流状态与目的地响应指标体系由3个目标层、13个准则层、43个指标构成。2构建了“驱动力—状态—响应”概念模型,具有很强的理论吻合性。3将入境旅游流与客源地驱动力系统、经济社会子系统、资源区位子系统、服务设施子系统和信息技术子系统逐一对应,构建整体动力系统因果回路图,研究体量匹配并对旅游与城市建设问题进行了探讨。