PEMFC动态性能的响应面模型
PEMFC动态性能的响应面模型1
宋海民，张连洪，揭伟平，吴芝亮
天津大学机械工程学院，天津（300072）
E-mail：zhanglh@https://www.wendangku.net/doc/a11370037.html,
摘要：质子交换膜燃料电池的操作条件是影响电池动态性能的重要原因。目前许多研究仅限于讨论湿度、温度对电池的影响作用。本文通过正交实验设计，利用一阶响应面法得到各因素对电池性能影响的实验模型,综合考虑了装配压力、燃料气体压力和流量对自增湿、自呼吸型PEMFC动态性能的影响，并结合伏-安特性实验进行了验证。结果表明，减小装配压力、增大燃料气体压力、降低流量有助于提高电池的性能。
关键词：质子交换膜燃料电池，装配压力，气体压力和流量，实验设计，响应面模型
中图分类号：TM911.4
1. 引言
在石油、天然气等自然资源日趋紧张的21世纪，能否找到一种替代能源已成为各国相互合作与竞争的焦点。质子交换膜燃料电池（proton exchange membrane fuel cells，PEMFC）因其能量转化效率高、环境友好、安静、可靠性高等优点[1]，正越来越受到人们的重视。图1所示为单片PEMFC装配示意图，电池各个部件通过外部装配压力装配成形。装配压力对PEMFC的动态特性有着重要影响，装配压力过大将影响流场板与膜电极的接触状态，压迫膜电极；装配压力太小不仅将增大内部接触电阻而且不利于电池的密封。因此有必要根据电池的动态特性选择合适的装配压力。
目前，在质子交换膜燃料电池的动态实验研究中，国内外许多研究仅限于气体压力、湿度、温度对电池的影响作用。国外，Deryn Chu等[2]研究了温度、湿度对自呼吸式PEMFC 的性能影响。Woo-Kum Lee等[3]通过控制PEMFC端板螺栓的缩紧力矩，分别测试了对三种不同气体扩散层燃料电池的性能特性。Matti Noponen等[4]研究了电池温度对电流分布的影响作用。Tuomas Mennola等[5]运用电流中断的方法测试了空气流量对欧姆化电压损失的影响。Young-Gi Yoon等[6]通过不同的气体组成研究了电池的电流和温度的分布情况。
Y.M.Ferng等[7]通过实验测得在一定范围内随着温度和气体压力的增大电池性能提高。王文东、陈实等[8]研究了温度、气体压力和湿度对电池性能的影响，同时考察了电池的能量转换效率及短期运行时的稳定性，得出了电池的工作条件。耿东森、岳瑞娟等[9]通过温度、气体压力、尾气排放速度研究了对PEMFC的性能影响。以上研究都集中在PEMFC后期的运行状况。为了获得最佳性能的PEMFC，有必要研究装配压力以及各因素对PEMFC动态性能的综合影响，以便在PEMFC装配阶段调整好合适的装配力，同时为运行阶段提供合理的运行参数。
为此，本文通过正交实验，建立了综合考虑装配压力、气体压力、气体流量等因素的PEMFC动态性能一阶响应面模型，分析了诸因素对电池性能的影响。
2. 实验与分析方法
2.1 实验装置
实验用PEMFC为Heliocentris Energiesysteme Gmbh公司的自增湿、自呼吸NP20型，1本课题得到高等学校博士学科点专项科研基金（项目编号：20050056006）的资助。
如图2所示，其技术参数见表1。
图3为PEMFC 测试系统原理图，包括燃料电池测试实验台、装配压力测试装置及负载滑动变阻器。装配压力测试装置如图4所示，包括一台最大载荷为25KN 自制的液压机和量程为0-25KN 、精度为0.1％FS 的载荷传感器。
表1 NP20型PEMFC 技术参数 Table 1 Parameters of NP20 PEMFC 参数
参数值
输出数据：
额定功率 开路电压 额定输出时电流 额定输出时电压 额定输出时氢气消耗量
20 W 3.6 V 约10 A 约2.0 V 约0.29 Nml/min 气体供应：
最大风扇电压 最大氢气工作压力 12 V 2.0 bar abs
尺寸：
没有风扇时电堆尺寸（w×h×d ） 有风扇时高度
105×80×90 mm 150 mm
工作时环境温度： 15～30℃
2.2 正交实验设计
本文采用正交实验方法进行实验设计及结果处理分析。正交实验具有均衡性、整齐可比性[10]。本文实验中的PEMFC 为自增湿式、小功率型，因此湿度和温度在实验中可以不予考虑。可控因素为装配压力p A 、氢气流量F 和氢气进口压力p H 。各因素均取3个水平，以电流值I 为评价指标，采用三因素三水平实验设计。电池装配压力不低于1.0MPa ，水平值取1.0MPa 、2.0MPa 、3.0MPa ；氢气流量水平值取0.2l/min 、0.3l/min 、0.4l/min ；氢气进口压力低于0.15 MPa ，水平值取0.05MPa 、0.10MPa 、0.15MPa 。正交实验表如表2所示。
2.3 响应面法与一阶响应面模型
响应面法（Response Surface Methodology ，RSM ）是以实验设计为基础的用于处理多变量问题建模和分析的一套统计处理分析技术[11]。
一阶响应面模型是在实验设计基础上所建立的设计变量与响应量的线性响应面模型，即响应量与实验因素间的函数关系用线性函数近似。设响应量y 与n 个独立的实验因素x i (i = 1,2……n)间的线性函数关系为
011n n y y x x βββε=++++L （1）
称它为一阶响应面模型。式中01,,,n βββL 为待定系数，根据实验数据来估计；εy 为拟合误差。未知系数01,,,n βββL 可由已观测到的实验数据用最小二乘法获得。 根据一阶响应面模型各待定系数的正负号，即刻判别各因素对指标的影响趋势。
拟合求得的一阶响应面模型式（1），须通过方差分析和F 检验才能确定响应量与实验因素之间的统计规律性[11]。
当给定显著水平α时，若统计量(,,)R
E F F f
f α>，则认为在α水平下该响应面模型
是有意义的，且可根据一阶响应面模型的系数推导知各因子对指标的正、负影响。其中
,R E f f 分别为拟合自由度与残差自由度。
3. 结果与分析
3.1 正交实验结果
正交实验结果如表2所示。由表2可见，随着装配压力的增大，电流值减小从6.5A 降到6.3A （外电路负载不变）。
根据正交实验结果，PEMFC 性能（电流）的一阶响应面模型为
A H 6.60560.10.16670.3333I p F p =??+ （2）
表2 正交实验表
Table 2. Design and results of orthogonal experiments
指标
因子
实验号
p A (MPa)
F (l/min)
p H (MPa)
I (A)
1 1 0.
2 0.05 6.5 2 1 0.
3 0.10 6.5 3 1 0.
4 0.1
5 6.5 4 2 0.2 0.10 6.4 5 2 0.3 0.15 6.4
6 2 0.4 0.05 6.3
7 3 0.2 0.15 6.3
8 3 0.3 0.05 6.3
9 3 0.4 0.10
6.3
给定显著水平0.05，根据F分布表查出F(f R＝3，f E＝5，0.05)＝5.41。将计算结果整理
成方差分析表表3。由表3可见，F=8.97872>F(3，5，0.05)=5.41。因此，在0.05水平下该
响应面模型是有意义的。
表3 响应面模型方差分析表
Table 3. Variance analysis of first-order RSM model
来源波动平方和自由度方差F统计量 F (f R, f E, α)
拟合S R＝0.06329 f R＝3 V R＝0.02110F＝V R/V E＝8.97872 5.41
残差S E＝0.01176 f E＝5 V E＝0.00235— — 总和S T＝0.07505 f T＝8 — — —
3.2 各因素对电池性能影响分析
3.2.1 装配压力
由式（2）知，装配压力系数为-0.1，装配压力对电池性能产生负影响，即当装配越大，电池性能越低。装配压力越大，流场板对膜电极的压迫作用就越大。一方面有静态接触电
阻实验得知，当装配压力大于1.0MPa时流场板的脊背压入使扩散层空隙率降低从而导致气
体传输效率降低，而且装配压力过大容易造成膜电极阻力的增大导致电流密度不均匀分配，且容易造成热点；另一方面装配压力的增大膜电极受到压迫从侧面反映出膜电极变薄加大
浓差极化[1]。
3.2.2 燃料气体流量
由式（2）知，燃料气体流量系数为-0.1667，气体流量对电池性能产生负影响，即在氢
气流量达到饱和状态下，增大氢气流量使电池性能降低。一方面，反应气体一进入电池，
膜中的水就会汽化，使反应气湿度增加，但膜中含水量下降，膜电阻增大，导致反应气体
进入口工作电流密度偏低，而且气体流量越大影响越显著；另一方面，从反应机理上看，
反应气体氢气与氧气渗透通过膜，氢到达氧电极，氧到达氢电极，均产生短路电流，但由
于氢电极交换电流密度大，这一毫安极短路电流对氢电极电位几乎无影响，而氧还原的交
换电流密度很小，这一毫安级的短路电流能导致氧电极电位下降，产生混合电位，进而导
致电池电压下降[1]。而且从能源利用来看过多的氢气排放降低了氢气的利用率，损失了能量。3.2.3 燃料气体压力
由式（2）知，燃料气体进口压力系数为0.3333，气体进口压力对电池产生正影响，即
提高气体进口压力有利于电池性能的改善[8,9]。一方面，从电化学动力学与电化学热力学看，反应气体压力增加，能改善反应气体通过电极扩散层向催化层的传质速度减少浓差极化，
而且可以减少传质过电位对电池性能的影响；另一方面，气体压力的增大，有助于尾气的
稳定、连续性排放，可以及时带走反应水，防止水的反相渗透，从而使电池性能提高[1]。但
是过高的气体压力对电池的密封提高了难度。
3.3 PEMFC 伏-安特性曲线
图5（a ）~（c ）所示，为按正交表1中各编号实验的运行参数，通过改变负载电阻，测得的伏-安特性曲线。由图5可见，提高燃料气体进口压力或减小流量有利于电池性能，且进口压力的效果较流量显著。
将图5（a ）~（c ）三组曲线的值取平均（因为每组的伏安曲线相接近）得图6。由图6可见，较大的装配压力不利于电池性能，装配压力为1.0MPa 时电池的伏-安特性较好，随着装配压力的增大电池的伏安特性有所降低。
I (A)
V (V )
V (V )
I (A)
V (V )
I (A)
V (V )
I (A)
(a) 装配压力 2.0MPa
4. 结论
通过正交化实验设计，利用一阶响应面模型分析了装配压力、气体流量、气体进口压力各因素对电池动态性能的影响作用。通过伏-安特性实验，验证了响应面模型的合理性。实验结果表明，增大燃料气体进口压力有利于电池性能，而提高气体流量不利于电池性能；装配压力对电池的性能产生负影响，在满足气密性要求的前提下，装配压力宜取较小值。
参考文献
[1] 衣宝廉．燃料电池——高效、环境友好的发电方式[M]．北京：化学工业出版社．2000．
[2] Deryn Chu, Rong Zhongjiang. Journal of Power Source, 83(1999) 128-133.
[3] Woo-Kum Lee, Chien-Hsien, etc. Journal of Power Source, 84(1999) 45-51.
[4] Matti Noponen, Tuomas Mennola, etc. Journal of Power Source, 106(2002) 304-312.
[5] Tuomas Mennola, Mikko Mikkola, etc. Journal of Power Source, 112(2002) 261-272.
[6] Young-Gi yoon, Won-Yong Lee, etc. Journal of Power Source, 118(2003) 193-199.
[7] Y.M.Ferng, Y.C.Tzang, etc. International Journal of Hydrogen Energy, 29(20040381-391.
[8] 王文东，陈实，吴锋. 能源研究与信息，Vol.19, No.1, 2003.
[9] 耿东森，岳瑞娟，李培金. 北京化工大学学报，Vol.32, No.4, 2005.
[10] 刘文卿. 实验设计[M]. 北京：清华大学出版社出版. 2005.
[11] 陈立周. 稳健设计[M]. 北京：机械工业出版社. 1999.
A Response Surface Model for Dynamic Performance of
PEMFC
Song Haimin，Zhang Lianhong，Jie Weiping，Wu Zhiliang School of Mechanical Engineering，Tianjin University，Tianjin （300072）
Abstract
The dynamic performance of proton exchange membrane fuel cells (PEMFC) is greatly affected by various operation conditions. However, many studies have been concentrated on effect of humidity and temperature. This paper puts forward an experimental model with the first-order response surface method (RSM) and the design of experiments (DOE) to study the impact of factors on dynamic performance of PEMFC. These factors include clamping pressure, fuel gas pressure and flux. The model is finally validated by volt-ampere experiments. The result indicates that the performance of PEMFC would be improved by increasing the fuel gas pressure and reducing the fuel gas flux and clamping pressure.
Keywords：PEMFC，clamping pressure，fuel gas pressure and flux，DOE，Response Surface Model
脉冲响应函数简析
3-2 脉冲响应函数 对于线性定常系统，其传递函数)(s Φ为 )() ()(s R s C s =Φ 式中)(s R 是输入量的拉氏变换式，)(s C 是输出量的拉氏变换式。 系统输出可以写成)(s Φ与)(s R 的乘积，即 )()()(s R s s C Φ= （3-1） 下面讨论，当初始条件等于零时，系统对单位脉冲输入量的响应。因为单位脉冲函数的拉氏变换等于1，所以系统输出量的拉氏变换恰恰是它的传递函数，即 )()(s s C Φ= （3-2） 由方程(3-2)可见，输出量的拉氏反变换就是系统的脉冲响应函数，用)(t k 表示，即 1 ()[()]k t s -=Φ 脉冲响应函数)(t k ，是在初始条件等于零的情况下，线性系统对单位脉冲输入信号的响应。可见，线性定常系统的传递函数与脉冲响应函数，就系统动态特性来说，二者所包含的信息是相同的。所以，如果以脉冲函数作为系统的输入量，并测出系统的响应，就可以获得有关系统动态特性的全部信息。在具体实践中，与系统的时间常数相比，持续时间短得很多的脉动输入信号就可以看成是脉冲信号。 设脉冲输入信号的幅度为11t ，宽度为1t ，现研究一阶系统对这种脉动信号的响应。如 果输入脉动信号的持续时间t )0(1t t <<，与系统的时间常数T 相比足够小，那么系统的响应将近似于单位脉冲响应。为了确定1t 是否足够小，可以用幅度为12，持续时间(宽度)为 21t 的脉动输入信号来进行试验。如果系统对幅度为11t ，宽度为1t 的脉动输入信号的响应，与系统对幅度为12t ，宽度为21t 的脉动输入信号的响应相比，两者基本上相同，那么1t 就可以认为是足够小了。图3-3(a)表示一阶系统脉动输入信号的响应曲线；图3-3(c)表示一阶系统对脉冲输入信号的响应曲线。应当指出，如果脉动输入信号T t 1.01<(图3-3(b)所示)， 则系统的响应将非常接近于系统对单位脉冲信号的响应。 这样，当系统输入为一个任意函数)(t r 时，如图3-4所示。那么输入量)(t r 可以用n 个连续脉冲函数来近似。只要把每一个脉冲函数的响应求出来，然后利用叠加原理，把每个脉冲函数的响应叠加起来，就可得到系统在任意输入函数)(t r 作用下的响应。
利用相关分析法辨识脉冲响应
利用相关分析法辨识脉冲响应 1 生成输入数据和噪声 用M 序列作为辨识的输入信号，噪声采用标准正态分布的白噪声。 生成白噪声时，首先利用乘同余法生成U[0,1]均匀分布的随机数，再利用U[0,1]均匀分布的随机数生成标准正态分布的白噪声。白噪声循环周期为 15232768=。 2 过程仿真 模拟过程传递函数)(s G ，获得输出数据y(k)。)(s G 采取串联传递函数仿真， 2 12111 11)(T s T s T T K s G ++= ，用M 序列作为辨识的输入信号。()G s 采样时间0T 设为 1Sec ，12120, 8.3Sec, 6.2Sec K T T === (1) 惯性环节 其中，T 为惯性环节的时间常数，K 为惯性环节的静态放大倍数。若采样时 间记作0T ，则惯性环节的输出可写成： [] 011111000T k u k u T e T TK k u e TK k y e k y T T T T T T )()() )() ()()()(///--+-+--+-=--- (2) 传递函数()G s 仿真（串联） 21211111T s T s T T K s G //)(++=
令112 K K T T ＝，则()G s 的表达框图为： [] 011111000T k u k u T e T TK k u e TK k y e k y T T T T T T )()() )() ()()()(///--+-+--+-=--- 编程语句可写成： [][][][]}; );()();()();()(; /)()(*)(**)(*)(*)(*)(;/)()(*)(***)(*)(**)(*)({) ;;(; )(;)();/();/();*/(k y k y k x k x k u k u T k x k x T E T T k x E T k y E k y T k u k u T E T K T k u E K T k x E k x k k k y x T T E T T E T T K K =-=-=---+-+--+-=--+-+--+-=++<===-=-==11111111111112521for 0000EXP EXP 002222220011111111202101211 3、白噪声生成 ● 利用乘同余法生成U[0,1]均匀分布的随机数 ) (,)(mod ) (,,],[~)(mod ,奇数循环周期其中118317923276821002151=====?????==-+x A M U M x M Ax x k i i i i ξ ● 利用U[0,1]均匀分布的随机数生成正态分布的白噪声
kano模型
kano模型 目录 1简介 2内容分析 3需求分析 4操作意义 5优缺点 6满意度 7质量划分 8有关评价 简介 受行为科学家赫兹伯格的双因素理论的启发，东京理工大学教授狩野纪昭(Noriaki Kano)和他的同事Fumio Takahashi于1979年10月发表了《质量的保健因素和激励因素》(Motivator and Hygiene Factor in Quality)一文，第一次将满意与不满意标准引入质量管理领域，并于1982年日本质量管理大会第12届年会上宣读了《魅力质量与必备质量》﹙Attractive Quality and Must-be Quality﹚的研究报告。该论文于1984 年1月18日正式发表在日本质量管理学会(JSQC)的杂志《质量》总第l4期上，标志着狩野模式(Kano mode1)的确立和魅力质量理论的成熟。 2内容分析编辑
KANO模型定义了三个层次的顾客需求:基本型需求、期望型需求和兴奋型需求。这三种需求根据绩效指标分类就是基本因素、绩效因素和激励因素。 基本型需求是顾客认为产品“必须有”的属性或功能。当其特性不充足（不满足顾客需求）时，顾客很不满意；当其特性充足（满足顾客需求）时，无所谓满意不满意，顾客充其量是满意。 期望型需求要求提供的产品或服务比较优秀，但并不是“必须”的产品属性或服务行为有些期望型需求连顾客都不太清楚，但是是他们希望得到的。在市场调查中，顾客谈论的通常是期望型需求，期望型需求在产品中实现的越多，顾客就越满意;当没有满意这些需求时，顾客就不满意。 兴奋型需求要求提供给顾客一些完全出乎意料的产品属性或服务行为，使顾客产生惊喜。当其特性不充足时，并且是无关紧要的特性，则顾客无所谓，当产品提供了这类需求中的服务时，顾客就会对产品非常满意，从而提高顾客的忠诚度。 3需求分析 基本品质（需求） kano模型 也叫理所当然品质。如果此类需求没有得到满足或表现欠佳，客户的不满情绪会急剧增加，并且此类需求得到满足后，可以消除客户的不满，但并不能带来客户满意度的增加。产品的基本需求往往属于此类。对于这类需求，企业的做法应该是注重不要在这方面失分。 期望品质（需求） 也叫一元品质。此类需求得到满足或表现良好的话，客户满意度会显著增加，当此类需求得不到满足或表现不好的话，客户的不满也会显著增加。这是处于成长期的需求，客户、竞争对手和企业自身都关注的需求，也是体现竞争能力的需求。对于这类需求，企业的做法应该是注重提高这方面的质量，要力争超过竞争对手。魅力品质（需求） 此类需求一经满足，即使表现并不完善，也能到来客户满意度的急剧提高，同时此类需求如果得不到满足，往往不会带来客户的不满。这类需求往往是代表顾客的潜在需求，企业的做法就是去寻找发掘这样的需求，领先对手。
Kano模型的数据统计分析
Kano模型的数据统计分析 1、用户需求分类 1．1 Kano模型 可以把基本品质、期望品质、和魅力品质理解为客户对产品的要求：功能要求---性价比/品牌效应---附加值/特殊性。 1．2 用户需求分类 将每项用户需求按照Kano模型进行分类，即分为基本品质、期望品质和惊喜品质。先进行用户意见调查，然后对调查结果进行分类和统计。 1．2．1 市场调查 对每项用户需求，调查表列出正反2个问题。例如，用户需求为“一键通紧
急呼叫”，调查问题为“一键通紧急呼叫能随呼随通，您的感受如何?”以及“一键通紧急呼叫不能随呼随通，您的感受如何?”，每个问题的选项为5个，即满足、必须这样、保持中立、可以忍受和不满足。 注：√表示用户意见 1． 2．2 调查结果分类 通过用户对正反2个问题的回答，分析后可以归纳出用户的意见。例如，对某项用户需求，用户对正向问题的回答为“满足”，对反向问题的回答为“不满足”，则用户认为该项需求为“期望品质”。每项用户需求共5×5—25个可能结果。
基本品质、期望品质和惊喜品质是3种需要的结果。其他3种结果分别为可疑、反向和不关心，这是不需要的，必须排除。 (1)可疑结果（用户的回答自相矛盾）。可疑结果共2个，即用户对正反问题的回答均为“满足”或“不满足”。例如，对于“一键通紧急呼叫”，正向问题为“一键通紧急呼叫能随呼随通，您的感受如何?”，用户回答是“满足”；反向问题为“一键通紧急呼叫不能随呼随通，您的感受如何?”，用户回答还是“满足”。这表明无论一键通紧急呼叫是否能随呼随通，用户都会满足，这显然是自相矛盾的。出现可疑结果有2种可能：一是用户曲解了正反问题，二是用户填写时出现错误。统计时需要去除可疑结果。 (2)反向结果（用户回答与调查表设计者的意见相反）。正向问题表明产品具有某项用户需求，反向问题表明不具备该用户需求，正向问题比反向问题具有更高的用户满意，但用户回答却表明反向问题比正向问题具有更高的客户满意度。例如，对用户需求“一键通紧急呼叫”，正向问题为“一键通紧急呼叫能随呼随通，您的感受如何?”，用户回答为“不满足”，反向问题为“一键通紧急呼叫不能随呼随通，您的感受如何?”，用户的回答为“满足”，这显然与调查表设计者的意见相反。反向结果较多时，表明调查表的设计存在问题，需要改进。
利用相关分析法辨识脉冲响应
利用相关分析法辨识脉冲响应 自1205 刘彬 41251141 1 实验方案设计 1.1 生成输入数据和噪声 用M 序列作为辨识的输入信号，噪声采用标准正态分布的白噪声。 生成白噪声时，首先利用乘同余法生成U[0,1]均匀分布的随机数，再利用U[0,1]均匀分布的随机数生成标准正态分布的白噪声。 1.2 过程仿真 模拟过程传递函数)(s G ，获得输出数据y(k)。)(s G 采取串联传递函数仿真， 2 12111 11)(T s T s T T K s G ++= ，用M 序列作为辨识的输入信号。 1.3 计算互相关函数 ∑++=-= p p N r N i p Mz i z k i u rN k R )1(1 )()(1 )( 其中r 为周期数，1+=p N i 表示计算互相关函数所用的数据是从第二个周期开始的，目的是等过程仿真数据进入平稳状态。 1.4 计算脉冲响应估计值、脉冲响应理论值、脉冲响应估计误差 脉冲响应估计值[] )1()()1()(?2 --?+=p Mz Mz p p N R k R t a N N k g 脉冲响应理论值[] 21//2 10)(T t k T t k e e T T K k g ?-?---=
脉冲响应估计误差 ()() ∑∑==-= p p N k N k g k g k g k g 1 2 1 2 )()(?)(δ 1.5 计算噪信比 信噪比()()2 2 )()(v k v y k y --=η 2 编程说明 M 序列中，M 序列循环周期取 63 126=-=p N ，时钟节拍t ?=1Sec ，幅度1=a ， 特征多项式为1)(56⊕⊕=s s s F 。白噪声循环周期为32768215=。 )(s G 采样时间0T 设为1Sec ，Sec 2.6 Sec,3.8 ,12021===T T K 3 源程序清单 3.1 均匀分布随机数生成函数 function sita=U(N) %生成N 个[0 1]均匀分布随机数 A=179; x0=11; M=2^15; for k=1:N x2=A*x0; x1=mod(x2,M); v1=x1/(M+1); v(:,k)=v1; x0=x1; end sita=v; end 3.2 正态分布白噪声生成函数 function v=noise(aipi) %生成正态分布N(0,sigma)
KANO模型详解
最早在腾讯的《在你身边为你设计》中看到这个模型，却一直没完全弄懂是怎么使用的，今天自己编造了一些数据，一步步做了一遍，总算理解了。 以下的引用部分引用自知乎。 1.卡诺模型简介-对用户满意度和需求进行分析的工具卡诺模型（KANC模型）是对用户需求分类和优先排序的有用工具，以分析用户需求对用户满意的影响为基础，体现了产品性能和用户满意之间的非线性关系。在卡诺模型中，将产品和服务的质量特性分为四种类型：⑴必备属性；⑵期望属性；⑶魅力属性；⑷无差异属性。 满意SiBi A 满意度低 KANO模型中的几种属性魅力属性：用户意想不到的，如果不提供此需求，用户满意度不会降低，但当提供此需求，用户满意度会有很大提升； 期望属性：当提供此需求，用户满意度会提升，当不提供此需求，用户满意度会降低； 必备属性：当优化此需求，用户满意度不会提升，当不提供此需求，用户满意度会大幅降低； 无差异属性：无论提供或不提供此需求，用户满意度都不会有改变，用户根本不在意； 反向属性：用户根本都没有此需求，提供后用户满意度反而会下降2.KANO模型的使用-问卷编制与数据处理 KANO问卷对每个质量特性都由正向和负向两个问题构成，分别测量用户在面对存在或不存在某项质量特性时的反应。需要注意： ①KANO可卷中与每个功能点相关的题目都有正反两个问题，正反问题之间的区别需注意强调，防止用户看错题意； ②功能的解释：简单描述该功能点，确保用户理解；
③选项说明：由于用户对“我很喜欢”“理应如此”“无所谓”“勉强接受” “我很不喜欢” 的理解不尽相同，因此需要在问卷填写前给出统一解释说明，让用户有一个相对一致的标准，方便填答。 我很喜欢：让你感到满意、开心、惊喜。 它理应如此：你觉得是应该的、必备的功能/ 服务。 无所谓：你不会特别在意，但还可以接受。 勉强接受：你不喜欢，但是可以接受。 我很不喜欢：让你感到不满意。 因此在编制问卷的时候，对每个项目都要有正反两道题来测，比如，“如果在中加入朋友圈功能，您怎样评价？”对应“如果在中去掉朋友圈功能，您怎样评价？” 均提供五个选项：我很喜欢、它理应如此、无所谓、勉强接受、我很不喜欢 那么每个用户对于某一个项目的态度必然落入下图表中的某个格子。而对所有的用户来说，共有5*5 即25种可能，统计每种可能下的用户人数占总人数的百分比，来填入下表。之后将下表中标A、O Ml、R、Q的格子中百分比相加，即可得到五种属性对应的百分比。从需求的角度来说，先满足M百分比最高的去掉R百分比最高的，再满足O百分比最高的，最后满足A百分比最高的。
卡诺模型
. 卡诺模型 年提和他的同事FumioTakahashi1984于日本东京理工大学教授狩野纪昭(Noriaki Kano)。二维包含了两个维(Two-dimension Model)(Kano Mode]),又称作二维品质模型出了卡诺模型属,;从用户对产品的满意度进行考量度:从产品的品质角度考虑,属于客观的产品机能或功能于用户的主观感受。一维品质重要理论模型。其中的品质主要包括个四部分: 卡诺模型是产品品质创造。一(Attractive)、无差异品质(Indifference)(One-dimensional)、必要品质(Must-be)、魅力品质用户满意也因之提升；如不提供此维品质又称作线性品质、期望品质：当需求越得到满足,则会感到不满。一般而言品质越好，满意度越高，反之则受到负面评价；因此满意度需求, 与品质成正比。以获得更好的用户要求设计师聚焦在核心需求及其体验的优化,在设计策略中,一维品质满意度。产品的功能性、可用性、易用性及可扩展性都可以对一维品质造成影响。用户满意当需求得到优化时,必要品质是产品的基本要求。由于用户的满意度会有上限,必要品质要求设在设计策略中,;当不提供此需求时,用户满意度会大幅降低。度不一定会提升尽可能地满足用户的所有需求。因此设计策略要通过分,计师进行严谨而又细致的统筹工作析用户需求定义明确的产品功能。用户满意度不会,魅力品质是一种用户意想不到的品质。若不提供用户意想不到的需求魅力增幅远高于一维品质。,在设计策略中,降低;而若提供此需求,用户满意度则会有较大提升但往往成为品质是对产品创新及创新优良体验的追求。它在设计中不涵盖产品的所有模块,魅力品质需要建立产品的点睛之笔。每一个创新优良的体验都能为产品增加魅力值。因此,以发掘真正具有价值的品通过挖掘他们潜在的需求寻找设计的创新点,在目标用户的基础上, 质。不与用户满意度关联。无论,无差
实验一利用相关函数辨识脉冲响应
北京工商大学 《系统辨识》课程 实验报告 （2014-2015 1学期） 课程名称：系统辨识 题目：利用相关分析法辨识脉冲响应 专业班级：控制工程 学生姓名： 指导教师：刘刘 成绩： 2015年1月18日 一、实验目的
通过仿真实验掌握利用相关分析法辨识脉冲响应的原理和方法。 二、实验内容 图1为本实验的原理框图。过程传递函数为) (s G,其中 Sec 2 6 T Sec, 3 8 120 2 1 . . ,= = =T K；) ( ) (k z k u和分别为过程的输入和输出变量；) (k v 为过程测量白噪声，服从正态分布，均值为零，方差为2 v σ，记作) , ( ~ ) (2 v N k vσ； ) (k g 为过程的脉冲响应理论值，) ( ? k g为过程脉冲响应估计值，) (~k g为过程脉冲响应估计误差。 过程的输入驱动采用M序列，输出受到白噪声) (k v的污染。根据过程的输入和输出数据{})( ), (k z k u，利用相关分析算法根据输出过程的脉冲响应值) ( ? k g，并与过程脉冲响应理论值) (k g 比较，得到过程脉冲响应估计误差值) (~k g，当∞ → k 时，应该有0 → ) (~k g。 图1 相关分析法辨识脉冲响应原理框图 三、实验要求 进行方案设计，模拟过程传递函数，获得输出数据，用M序列作为辨识的输入信号，噪声采用标准正态分布的白噪声，计算互相关函数，不同λ值的脉冲响应估计值、脉冲响应理论值和脉冲响应估计误差，计算信噪比，画出实验流程图，用MATLAB编程实现。 四、实验原理 相关分析法 v(k) u(k) z(k) )1 )( 1 ( ) ( 2 1 + + = s T s T K s G y(k)
响应面法实验
试验设计与优化方法，都未能给出直观的图形，因而也不能凭直觉观察其最优化点，虽然能找出最优值，但难以直观地判别优化区域．为此响应面分析法（也称响应曲面法）应运而生．响应面分析也是一种最优化方法，它是将体系的响应（如萃取化学中的萃取率）作为一个或多个因素（如萃取剂浓度、酸度等）的函数，运用图形技术将这种函数关系显示出来，以供我们凭借直觉的观察来选择试验设计中的最优化条件． 显然，要构造这样的响应面并进行分析以确定最优条件或寻找最优区域，首先必须通过大量的量测试验数据建立一个合适的数学模型（建模），然后再用此数学模型作图． 建模最常用和最有效的方法之一就是多元线性回归方法．对于非线性体系可作适当处理化为线性形式．设有m个因素影响指标取值，通过次量测试验，得到n组试验数据．假设指标与因素之间的关系可用线性模型表示，则有应用均匀设计一节中的方法将上式写成矩阵式或简记为式中表示第次试验中第个因素的水平值；为建立模型时待估计的第个参数；为第次试验的量测响应（指标）值；为第次量测时的误差．应用最小二乘法即可求出模型参数矩阵B如下将B阵代入原假设的回归方程，就可得到响应关于各因素水平的数学模型，进而可以图形方式绘出响应与因素的关系图． 模型中如果只有一个因素（或自变量），响应（曲）面是二维空间中的一条曲线；当有二个因素时，响应面是三维空间中的曲面．下面简要讨论二因素响应面分析的大致过程． 在化学量测实践中，一般不考虑三因素及三因素以上间的交互作用，有理由设二因素响应（曲）面的数学模型为二次多项式模型，可表示如下：通过n次量测试验（试验次数应大于参数个数，一般认为至少应是它的3倍），以最小二乘法估计模型各参数，从而建立模型；求出模型后，以两因素水平为X坐标和y坐标，以相应的由上式计算的响应为Z坐标作出三维空间的曲面（这就是2因素响应曲面）．应当指出，上述求出的模型只是最小二乘解，不一定与实际体系相符，也即，计算值与试验值之间的差异不一定符合要求．因此，求出系数的最小二乘估计后，应进行检验．一个简单实用的方法就是以响应的计算值与试验值之间的相关系数是否接近于1或观察其相关图是否所有的点都基本接近直线进行判别．如果以表示响应试验值，为计算值，则两者的相关系数R定义为其中对于二因素以上的试验，要在三维以上的抽象空间才能表示，一般先进行主成分分析进行降维后，再在三维或二维空间中加以描述．等等………… 2注意事项 对于构造高阶响应面，主要有以下两个问题： 1，抽样数量将显著增加，此外，普通的实验设计也将更糟。 2，高阶响应面容易产生振动。 响应面法(response surface methodology，记为RSM)最早是由数学家Box和Wilson于1951年提出来的。就是通过一系列确定性的“试验”拟合一个响应面来模拟真实极限状态曲面。其基本思想是假设一个包括一些未知参量的极限状态函数与基本变量之间的解析表达式代替实际的不能明确表达的结构极限状态函数。响应面方法是一项统计学的综合试验技术，用于处理几个变量对一个体系或结构的作用问题，也就是体系或结构的输入(变量值)与输出(响应)的转换关系问题。现用两个变量来说明:结构响应Z与变量x1,x2具有未知的、不能明确表达的函数关系Z=g(x1,x2)。要得到“真实”的函数通常需要大量的模拟，而响应面法则是用有限的试验来回归拟合一个关系Z= g’(x1,x2)，并以此来代替真实曲面Z=g(x1,x2)，将功能函数表示成基本随机变量的显示函数，应用于可靠度分析中。响应面方法实际上源于一种试验设计方法，试验设计方法是用来研究设计参数对模型设计状况影响的一种取样策略，决定了构造近似模型所需样本点的个数和这些点的空间分布情况。目前广泛应用于计算机仿真试验设计的主要方法是拉丁超立方体抽样和均匀设计，这两种试验设计能应用于多种多样的模型，且对模型的变化具有稳健性。 3响应面分析
实验实验一 利用相关分析法辨识脉冲响应
实验一 利用相关分析法辨识脉冲响应 一、实验目的 通过仿真实验掌握利用相关分析法辨识脉冲响应的原理和方法。 二、实验内容 下图为本实验的原理框图。过程传递函数为)(s G ,其中 S e c 26T S e c ,3812021..,===T K ；)()(k z k u 和分别为过程的输入和输出变量；)(k v 为过程测量白噪声，服从正态分布，均值为零，方差为2v σ，记作 ),(~)(2 0v N k v σ；)(k g 0为过程的脉冲响应理论值，)(?k g 为过程脉冲响应估 计值，)(~k g 为过程脉冲响应估计误差。 过程的输入驱动采用M 序列，输出受到白噪声)(k v 的污染。根据过程的输入和输出数据{})(),(k z k u ，利用相关分析算法根据输出过程的脉冲响 应值)(? k g ，并与过程脉冲响应理论值)(k g 0比较，得到过程脉冲响应估计 误差值)(~ g ~ 三、实验方案设计 (1) 采用串联传递函数)(s G 仿真 k g = )(? ] 2T t k /?
2 12111 11T s T s T T K s G //)(++= 令2 11T T K K ＝，则)(s G 的表达框图为： 编程语句可写成： [][][][]}; );()();()();()(; /)()(*)(**)(*)(*)(*)(;/)()(*)(***)(*)(**)(*)({) ;;(; )(;)();/();/(); */(k y k y k x k x k u k u T k x k x T E T T k x E T k y E k y T k u k u T E T K T k u E K T k x E k x k k k y x T T E T T E T T K K =-=-=---+-+--+-=--+-+--+-=++<===-=-==11111111111112521for 0000EXP EXP 002222220011111111202101211 (2)白噪声生成 ● 利用U[0,1]均匀分布的随机数生成正态分布的白噪声 ),(~)(212106v i i v N k v σξσ?? ? ??-=∑= 其中，标准差v σ分别取0,0.1,0.5。 ● 编程语句
kano模型的详尽解释
kano模型的详尽解释 受行为科学家赫兹伯格的双因素理论的启发，东京理工大学教授狩野纪昭(Noriaki Kano)和他的同事Fumio Takahashi 于1979年10月发表了《质量的保健因素和激励因素》(Motivator and Hygiene Factor in Quality)一文，第一次将满意与不满意标准引人质量管理领域，并于1982年日本质量管理大会第12届年会上宣读了《魅力质量与必备质量》﹙Attractive Quality and Must-be Quality﹚的研究报告。 KANO模型定义了三个层次的顾客需求:基本型需求、期望型需求和兴奋型需求。这三种需求根据绩效指标分类就是基本因素、绩效因素和激励因素。 1. 卡诺模型简介 卡诺模型（KANO模型）是对用户需求分类和优先排序的有用工具，以分析用户需求对用户满意的影响为基础，体现了产品性能和用户满意之间的非线性关系。在卡诺模型中，将产品和服务的质量特性分为四种类型：⑴必备属性； ⑵期望属性；⑶魅力属性；⑷无差异属性。 ?魅力属性：用户意想不到的，如果不提供此需求，用户满意度不会降低，但当提供此需求，用户满意度会有很大提升； ?期望属性：当提供此需求，用户满意度会提升，当不提供此需求，用户满意度会降低； ?必备属性：当优化此需求，用户满意度不会提升，当不提供此需求，用户满意度会大幅降低； ?无差异因素：无论提供或不提供此需求，用户满意度都不会有改变，用户根本不在意； ?反向属性：用户根本都没有此需求，提供后用户满意度反而会下降 KANO问卷对每个质量特性都由正向和负向两个问题构成，分别测量用户在面对存在或不存在某项质量特性时的反应。
脉冲响应函数分析,请高手解答
对两个时间序列A和B进行脉冲响应函数分析，在内生变量框里输入的次序不同（一次是A B,另一次是B A），通过eviews5.0得出的脉冲响应图的结果怎么会完全不一样？输入A B 时得出的是A对B的一次冲击有很大响应，B对A的一次冲击没有什么响应；输入B A 时得出的是A对B的一次冲击没什么响应，B对A的一次冲击有很大响应。哪位高手能解释一下这是什么原因？ 乔分解将所有影响的公共因素强加到你的VAR模型中的第一个变量中去，也就是说结果与你VAR模型中指定的变量秩序有关，你改变了秩序很正常的 解决办法：定义脉冲时在IMPUSE DEFINITION项目中分解方法选择广义脉冲结果就不会因为模型中变量指定秩序改变而改变了，也就是说结果与变量秩序无关。 高人，能否详细解释一下geralized Impulses和Cholesky-d.f. adjusted这两种脉冲响应的应用有什么不同？在哪种情况下应该使用geralized Impulses，在哪种情况下又应该使用Cholesky-d.f. adjusted?不胜感激。 Cholesky-d.f. adjusted实际上是运用乔分解时，当是小样本时，在估计残差的协方差估计时进行了修正（高第2版P310）也就是说它实际上是修正过的乔分解（主要征对小样本进行修正），它进行脉冲时同样存在乔分解的问题：脉冲与秩序有关而广义脉冲分解法其结果与秩序无关，它是为了避免乔分解结果与秩序有关而采用的另外一种分解方法，对样本无什么要求，只要你建立的VAR/SVAR模型稳定即可！ 请问只有对平稳序列才能建立VAR模型吗？看了一些教材，好像说法不一。 如果有序列LnY和LnX，它们是非平稳序列，但是一阶差分后平稳，此时能否对原序列进行VAR分析以及脉冲响应和方差分解分析？ 如果只有平稳序列才能进行VAR预测的话，对于取了差分之后的序列，应该如何解释经济含义呢？ 如GDP/、能源消费量等。 1、只有平稳才能建VAR模型，但有特例，就是涉及到一些变量是如增长率，由于种种原因，如数据太少，或其他原因，ADF检验没通过，但也可以算作平稳，视情况而定。 2、差分后的变量建立的模型，其经济含义只能是差分后的，比如GDP你就只能说是GDP 增长或增长率与其他变量的关系。 3、非要建立原始变量（GDP）的VAR模型的话，应该建立误差修正的向量自回归模型，要求协整。 建立VAR模型并没有对序列有什么要求，不过要想进行脉冲与方差分解的话，则要求所建立的VAR模型是稳定的（而不是序列平稳），也就是VAR模型的AR根均小于1（在单位园内），考虑到VAR系统平稳，所以应在建立模型时用平稳序列（这就是有的书上要求平稳序列，有的不要求平稳序列），否则难以达到所有AR根均小于1这个严格的要求，当然你构建VAR不进行脉冲与方差分解就无所谓了（序列平稳与否就无所谓了，反正是一个不稳的VAR就是了），不过建立一个不稳定的VAR，由于不能进行脉冲与方差分解，那就是吃饱了撑的，没事做找事做了，浪费时间，倒不如休息休息下。 我现在遇到的情况是：原序列是非平稳，一阶差分后平稳。使用原序列建立VAR模型，模型稳定，即AR 均小于1，这样的话进行脉冲响应分析时，曲线均呈发散状态。不知道如何是好啊~~~ 你如果不差分建立的VAR是稳定的，就无需差分，不稳定就考虑差分 脉冲分析可以发散呀，没有讲非得收敛呀，发散说明冲几击越来越大呀,正常呀
六西格玛工具KANO模型
顾客需求的KANO模型是由日本的卡诺博士（NORITAKI KANO）提出的，KANO模型定义了三种类型的顾客需求：基本型、期望型、魅力型。这三种需求根据绩效指标分类就是基本因素、绩效因素和激励因素。 【1】基本品质（需求） 也叫理所当然品质。如果此类需求没有得到满足或表现欠佳，客户的不满情绪会急剧增加，并且此类需求得到满足后，可以消除客户的不满，但并不能带来客户满意度的增加。产品的基本需求往往属于此类。对于这类需求，企业的做法应该是注重不要在这方面失分。 【2】期望品质（需求） 也叫一元品质。此类需求得到满足或表现良好的话，客户满意度会显著增加，当此类需求得不到满足或表现不好的话，客户的不满也会显著增加。这是处于成长期的需求，客户、竞争对手和企业自身都关注的需求，也是体现竞争能力的需求。对于这类需求，企业的做法应该是注重提高这方面的质量，要力争超过竞争对手。 【3】魅力品质（需求） 此类需求一经满足，即使表现并不完善，也能到来客户满意度的急剧提高，同时此类需求如果得不到满足，往往不会带来客户的不满。这类需求往往是代表顾客的潜在需求，企业的做法就是去寻找发掘这样的需求，领先对手。 基本需求是顾客认为在产品中应该有的需求或功能，这些基本需求就是产品应有的功能，如果产品没有满足这些基本需求，顾客就很不满意。相反，当产品完全满足基本需求时，顾客也不会表现出特别满意，因为他们认为这是产品应有的基本功能。 在市场调查中，顾客谈论的通常是期望性需求，期望性需求在产品中实现的越多，顾客就越满意。
魅力型需求是指令顾客意想不到的产品特征，产品没有提供这类需求，顾客不会不满意，因为他们通常没有想到这些需求；但当产品提供了这类需求时，顾客对产品就非常满意。 六西格玛管理工具中的过程流程图是什么意思？ 流程图是流经一个系统的信息、部件流的图形表述。在企业中，流程图主要用来说明某一过程。这种过程既可以是生产线上的工艺流程，也可以是完成一项任务必需的管理过程。 例如，一张流程图能够成为解释某个零件的制造工序，甚至组织决策制定程序的方式之一。这些过程的各个阶段均用图形块表示，不同图形块之间以箭头相连，代表它们在系统内的流动方向。下一步何去何从，要取决于上一步的结果，典型做法是用“是”或“否”的逻辑分支加以判断。 流程图是揭示和掌握封闭系统运动状况的有效方式。作为诊断工具，它能够辅助决策制定，让管理层清楚地知道，问题可能出在什么地方，从而确定出可供选择的行动方案。
产品需求分析、满意度评价之KANO模型
产品需求分析、满意度评价之KANO模型KANO模型分析方法主要是通过标准化问卷进行调研,根据调研结果对各因素属性归类，解决产品属性的定位问题，以提高客户满意度的方法。 什么是KANO模型 KANO模型，是由东京理工大学教授狩野纪昭(Noriaki Kano)发明，用于分析用户对于各类需求的排名偏好情况，其在企业产品需求调研，市场研究中有着广泛的应用。 KANO模型的基本原理 KANO模型主要是通过标准化问卷进行调研，根据调研结果对各因素属性归类，KANO模型将功能/服务的态度属性分为六类，分别是魅力属性A、期望属性O、必备属性M、无差异属性I、反向属性R、可疑结果Q。
研究背景 当前有一项关于手机功能/服务的需求调研，共头脑风暴出10种功能/服务，分别是投影功能、左右手模式、超级快充、取消SIM卡、3D投影、照片搜索、自动美颜、防盗加锁、遥控器、暖手宝、望远镜、显微镜。 共收集有效数据为100份，现希望通过KANO模型分析出该10种功能/服务的态度情况，为企业产品研发提供建议。 问卷设计 设计KANO问卷时，针对每个功能需求，都需要设计正向和反向两个问题。 SPSSAU操作 ①选择SPSSAU【问卷研究】--【KANO模型】。
②将各功能指标的正反项放入对应分析框，同一题的正反两项放置的顺序需完全对应。 结果解读 1 KANO模型评价结果分类对照表
针对每个指标，KANO模型共分为正向题和负向题两个方向进行收集数据。并且在得到数据后，将指标映射到六个属性上。KANO模型评价结果分类对照表正是展现这样的对照表格。 注意：系统默认1分代表不喜欢，5分代表喜欢。如果你的数据不是这样设置的，可通过【数据处理】--【数据编码】进行修改。 2 KANO模型分析结果汇总 此表格为核心输出表格，即得出各功能/服务对应的属性占比、分类结果、Better和Worse值。
KANO模型
KANO模型 受行为科学家赫兹伯格的双因素理论的启发，东京理工大学教授狩野纪昭(Noriaki Kano)和他的同事Fumio Takahashi于1979年10月发表了《质量的保健因素和激励因素》(Motivator and Hygiene Factor in Quality)一文，第一次将满意与不满意标准引人质量管理领域，并于1982年日本质量管理大会第12届年会上宣读了《魅力质量与必备质量》﹙Attractive Quality and Must-be Quality﹚的研究报告。该论文于1984 年1月18日正式发表在日本质量管理学会(JSQC)的杂志《质量》总第l4期上，标志着狩野模式(Kano mode1)的确立和魅力质量理论的成熟。 kano模型 KANO模型简介 受行为科学家赫兹伯格的双因素理论的启发，东京理工大学教授狩野纪昭(Noriaki Kano)和他的同事Fumio Takahashi于1979年10月发表了《质量的保健因素和激励因素》(Motivator and Hygiene Factor in Quality)一文，第一次将满意与不满意标准引入质量管理领域，并于1982年日本质量管理大会第12届年会上宣读了《魅力质量与必备质量》﹙Attractive Quality and Must-be Quality﹚的研究报告。该论文于1984 年1月18日正式发表在日本质量管理学会(JSQC)的杂志《质量》总第l4期上，标志着狩野模式(Kano mode1)的确立和魅力质量理论的成熟。 KANO模型内容分析 KANO模型定义了三个层次的顾客需求:基本型需求、期望型需求和兴奋型需求。这三种需求根据绩效指标分类就是基本因素、绩效因素和激励因素。
响应面分析实验的设计案例分析
学校 食品科学研究中实验设计的案例分析 —响应面法优化超声波辅助酶法制备燕麦ACE抑制肽的工艺研究 摘要：选择对ACE 抑制率有显著影响的四个因素：超声波处理时间(X1)、超声波功率(X2)、超声波水浴温度(X3)和酶解时间(X4)，进行四因素三水平的响应面分析试验，经过Design-Expert优化得到最优条件为超声波处理时间28.42min、超声波功率190.04W、超声波水浴温度55.05℃、酶解时间2.24h，在此条件下燕麦ACE 抑制肽的抑制率87.36%。与参考文献SAS软件处理的结果中比较差异很小。 关键字：Design-Expert 响应面分析 1.比较分析 表一响应面试验设计 因素 水平 -1 0 1 超声波处理时间X1(min) 20 30 40 超声波功率X2(W) 132 176 220 超声波水浴温度X3(℃) 50 55 60 酶解时间X4(h) 1 2 3 2.Design-Expert响应面分析 分析试验设计包括：方差分析、拟合二次回归方程、残差图等数据点分布图、二次项的等高线和响应面图。优化四个因素（超声波处理时间、超声波功率、超声波水浴温度、酶解时间）使响应值最大，最终得到最大响应值和相应四个因素的值。 利用Design-Expert软件可以与文献SAS软件比较，结果可以得到最优，通过上述步骤分析可以判断分析结果的可靠性。
2.1 数据的输入 图 1 2.2 Box-Behnken响应面试验设计与结果 图 2
2.3 选择模型 图 3 2.4 方差分析 图 4
在本例中，模型显著性检验p<0.05，表明该模型具有统计学意义。由图4知其自变量一次项A，B，D，二次项AC,A2,B2,C2,D2显著(p<0.05)。失拟项用来表示所用模型与实验拟合的程度，即二者差异的程度。本例P值为0.0861>0.05，对模型是有利的，无失拟因素存在，因此可用该回归方程代替试验真实点对实验结果进行分析。 图 5 由图5可知：校正决定系数R2(adj)(0.9788>0.80)和变异系数（CV）为0.51%，说明该模型只有2.12%的变异，能由该模型解释。进一步说明模型拟合优度较好,可用来对超声波辅助酶法制备燕麦ACE抑制肽的工艺研究进行初步分析和预测。
kano模型
狩野模式(KANO Model) 目录 ? 1 KANO模型简介 ? 2 KANO模型内容分析 ? 3 KANO模型的实际操作意义 ? 4 KANO模型的优缺点分析 ? 5 KANO模型分析方法及应用实例[1] ? 6 相关条目 ?7 参考文献 KANO模型简介 受行为科学家赫兹伯格的双因素理论的启发，东京理工大学教授狩野纪昭(Noriaki Kano)和他的同事Fumio Takahashi于1979年10月发表了《质量的保健因素和激励因素》(Motivator and Hygiene Factor in Quality)一文，第一次将满意与不满意标准引人质量管理领域，并于1982年日本质量管理大会第12届年会上宣读了《魅力质量与必备质量》﹙Attractive Quality and Must-be Quality﹚的研究报告。该论文于1984 年1月18日正式发表在日本质量管理学会(JSQC)的杂志《质量》总第l4期上，标志着狩野模式(Kano mode1)的确立和魅力质量理论的成熟 Kano模型 KANO模型内容分析 KANO模型定义了三个层次的顾客需求:基本型需求、期望型需求和兴奋型需求。这三种需求根据绩效指标分类就是基本因素、绩效因素和激励因素。
基本型需求是顾客对企业提供的产品／服务因素的基本要求。这是顾客认为产品／服务“必须有”的属性或功能。当其特性不充足(不满足顾客需求)时，顾客很不满意；当其特性充足(满足顾客需求)时，顾客也可能不会因而表现出满意。对于基本型需求，即使超过了顾客的期望，但顾客充其量达到满意，不会对此表现出更多的好感。不过只要稍有一些疏忽，未达到顾客的期望，则顾客满意将一落千丈。对于顾客而言，这些需求是必须满足的，理所当然的。例如，夏天家庭使用空调，如果空调正常运行，顾客不会为此而对空调质量感到满意；反之，一旦空调出现问题，无法制冷，那么顾客对该品牌空调的满意水平则会明显下降，投诉、抱怨随之而来。 期望型需求是指顾客的满意状况与需求的满足程度成比例关系的需求。期望型需求没有基本型需求那样苛刻，其要求提供的产品／服务比较优秀，但并不是“必须”的产品属性或服务行为。企业提供的产品／服务水平超出顾客期望越多，顾客的满意状况越好，反之亦然。在市场调查中，顾客谈论的通常是期望型需求。质量投诉处理在我国的现状始终不令人满意，该服务也可以被视为期望型需求。如果企业对质量投诉处理得越圆满，那么顾客就越满意。 魅力型需求是指不会被顾客过分期望的需求。但魅力型需求一旦得到满足，顾客表现出的满意状况则也是非常高的。对于魅力型需求，随着满足顾客期望程度的增加，顾客满意也急剧上升；反之，即使在期望不满足时，顾客也不会因而表现出明显的不满意。这要求企业提供给顾客一些完全出乎意料的产品属性或服务行为，使顾客产生惊喜。顾客对一些产品／服务没有表达出明确的需求，当这些产品／服务提供给顾客时，顾客就会表现出非常满意，从而提高顾客的忠诚度。例如，一些著名品牌的企业能够定时进行产品的质量跟踪和回访，发布最新的产品信息和促销内容，并为顾客提供最便捷的购物方式。对此，即使另一些企业未提供这些服务，顾客也不会由此表现出不满意。 KANO模型的实际操作意义 在实际操作中，企业首先要全力以赴地满足顾客的基本型需求，保证顾客提出的问题得到认真的解决，重视顾客认为企业有义务做到的事情，尽量为顾客提供方便。以实现顾客最基本的需求满足。然后，企业应尽力去满足顾客的期望型需求，这是质量的竞争性因素。提供顾客喜爱的额外服务或产品功能，使其产品和服务优于竞争对手并有所不同，引导顾客加强对本企业的良好印象，使顾客达到满意。最后争取实现顾客的兴奋型需求，为企业建立最忠实地客户群。 以酒店行业为例，每种需求满意度如下： ★基本需求 清洁的床单正常工作的钥匙卡正确的帐单安全 ★“多多益善”的需求 早于承诺的时间将餐送到客人房间 优选房价 提供的服务符合品牌价值 ★“喜出望外”的需求 正确预计客人的需要,例如看到客人在咳嗽，员工能在客人要求之前，主动为客人送上一杯温开水 提供的服务与品牌价值相符。 KANO模型的优缺点分析
Kano模型
Kano模型和服务质量差距模型的比较研究 (魏丽坤兰州商学院 730020) [摘要] Kano模型和Gaps模型对顾客感知质量的研究各具特色但又异曲同工。比较两者的异同，整合其优势，并结合管理实践进行理论创新，对促进质量管理本土化，提高我国服务质量管理水平具有积极的意义。 [关键词]Kano模型；魅力质量；服务质量差距模型；SERVQUAL评价法；比较；创新； A Comparative Study of the Kano model and the Gaps Model of Service Quality LanZhou Commercial College WEI Li-kun Abstract：Kano model and Gaps model，each has particular but similar features and methods on the study of customer perceived Service quality .Comparing similarities and differences，integrating both advantages and making theory innovation link management practice. It has a positive significance to improve the service quality management level and nationalization in China. Key Words：Kano model；Attractive quality；Gaps model；SERVQUAL；Comparative Study 20世纪80年代，在质量管理领域产生了两种具有代表意义的管理方法，一种是以日本管理文化为背景的Kano模型和魅力质量理论，一种是以美国管理文化为背景的服务质量差距模型和SERVQUAL评价法，两种方法都极大地推动了顾客感知质量的研究和发展，并对后来的顾客满意、顾客忠诚管理产生了深远的影响。 1 Kano模型和魅力质量 1．1 发展历程 受行为科学赫兹伯格双因素理论的启发，东京理工大学教授狩野纪昭（Noriaki Kano）和他的同事Fumio Takahashi 于1979年10月发表了《质量的保健因素和激励因素》(Motivator and Hygiene Factor in Quality)一文，第一次将满意与没有满意标准引入到质量管理领域，并于1982年Nippon QC Gakka第12届年会上宣读了《魅力质量与必备质量》(Attractive Quality and Must-be Quality)的研究报告，该论文于1984 年1月18日正式发表在《日本质量控制协会》(Japanese Society Quality Control)杂志总14期上,标志着狩野模式（Kano model）的确立和魅力质量理论的成熟。1．2 主要内容 狩野教授引申双因素理论，对质量的认知也采用二维模式，即使用者主观感受与产品/服务客观表现，提出了著名的Kano 模型，如图1所示： 根据不同类型的质量特性与顾客满意度之间的关系，狩野教授将产品/服务的质量特性分为五类： ⑴无差异质量（Indifferent quality）：是质量中既不好也不坏的方面，它们不会导致顾客满意或不满意。例如：航空公司为乘客提供的没有实用价值的赠品。 ⑵逆向质量（Reverse quality）：逆向质量指引起强烈不满的质量特性和导致低水平满意的质量特性，因为并非所有的消费者都有相似的喜好。例如：一些顾客喜欢高科技产品而另一些人更喜欢普通产品，过多的额外功能会引起顾客不满。 ⑶一维质量（One-dimensional quality）：一维质量特性充分时会导致满意，不充分时会引起不满，它们是被公司宣传或用于公司间竞争的质量特性 (Gustafsson 1998)。例如：在价格不变的情况下，旅行社为游客提供新景点、新线路服务，但