近日，英国Taylor & Francis公司旗下著名期刊《International Journal of Production Research》在线发表了我院博士生刘伊天、胡康副教授、艾险峰副教授等学者合作的研究成果“Data driven design optimisation: an empirical study of demand discovery combining theory of planned behaviour and Bayesian networks”，该论文提出了一种消费者行为意愿的研究方法，可以用于产品设计开发阶段以及迭代优化阶段。

《International Journal of Production Research》（IJPR）是聚焦制造、工业工程、运筹学与管理科学领域的国际权威学术期刊，旨在为制造、运营管理和物流方面提供决策支持。该期刊属美国ISI（科学情报研究所）JournaICitationReports标准Q1类期刊，属中科院工程技术大类二区TOP期刊，2022 Impact Factor（IF）影响因子9.2，五年IF影响因子8.8。

DOI:  10.1080/00207543.2023.2271093.

设计学科具有高度的交叉性。学院院长管家庆教授长期倡导艺术与科技的交叉融合，该论文以设计学科为底层知识逻辑，与工程制造、计算机等学科领域进行了较深入的交叉研究，是近年来学院在学术论文方面的重要成果，是学生为第一作者发表的最高级别的学术论文。

论文对拟定的用户行为分析方法通过贝叶斯网络的预测与诊断功能完成了设计迭代过程中的用户研究与设计指导工作，其中包括对于项目管理中资源分配的决策建议，提高项目运营效率。TPB在用户行为的研究中具有重要意义，为产品设计提供了明确的思维模型。BN的结构学习解释了因素之间的影响关系，在简单的TPB模型中分析了包括性别年龄在内的用户基本属性变化对使用意向产生的具体影响，并能够通过结构学习确定不确定性因素之间的关联，帮助项目设计师理解这样的影响关系，进而确定提高消费者产品使用意向的因素，其中包括通过年龄这样的用户基本信息确定更加合适的消费群体，最终降低产品生产与升级改造过程中存在的违背用户需求或者影响用户使用意愿的风险。为TPB模型的拓展研究提供了一种新的有效方法。而推理与诊断功能能够在TPB的网络模型基础上进行用户行为意向相关的因素调整与评价。这是依靠单一的结构方程模型或者加权赋值法所不能够实现的。

如下图所示，研究方法的内容包括从构建项目到构建具体的分析模型，再到分析评估，最后完成设计应用的主要内容。其中，贝叶斯网络需要识别节点因素，并根据这些内容完成调查和数据收集。导入数据后，通过贝叶斯网络的结构学习，形成合适的贝叶斯网络结构。通过这些充分的信息，可以发现隐藏的用户需求信息，最终帮助完成设计工作。