基于BP神经网络的服务冲突消解方法研究

曾庆龙++宋雨屏++杜进

摘  要：有一种服务冲突来源于服务质量属性间的彼此矛盾，即某个质量属性的改善同时可能会导致另一属性的性能下降，从而成为了提高服务质量的障碍。本文借鉴TRIZ冲突矩阵的思路构建了这类服务冲突矩阵，并利用BP神经网络，把服务冲突矩阵变换为一个以服务参数为输入层，冲突解决原理为输出层，并包含一个隐含层的三层BP神经网络冲突消解模型。并以服务领域已解决的冲突问题为样本，对该模型进行了训练和检验，运行结果验证了该网络的可行性。

关键词：服务冲突;TRIZ;冲突矩阵;BP网络

服务业的快速发展和人们生活水平的提高，使得服务质量成为企业在剧烈的市场竞争中取胜的关键因素。然而，目前很多服务企业的服务质量水平还远低于人们的期望。虽然企业在努力提高其服务质量，然而由于服务质量往往是由多个属性来共同刻画，人们努力改善服务的某方面的质量属性的同时却有可能降低了其另一方面的质量属性，这种现象被称为服务冲突 [1]。例如，对于网络在线游戏，游戏提供商需每周关闭游戏服务器维护系统，而这就必须强迫玩家与服务器连接中断，在这种情况下，要想保持顾客满意度，游戏提供商就要在保证在“等待时间”不变的情况下，提高产品的“易维修性”。因此，对于服务这项无形的“产品”，它内部属性之间的矛盾也是影响服务质量提高的重大障碍。

如何解决这种服务冲突，传统的是采用妥协、折中的方式，但这些方法只能避开矛盾，并没有解决矛盾。G.S.Altshuler等提出的TRIZ的冲突解决矩阵就是专门解决产品内部矛盾的比较成熟的方法，它能够解决工程领域产品之间的大部分矛盾[2]。本文借鉴TRIZ中冲突矩阵的思路，构建了一个基于BP神经网络的服务冲突消解模型。该模型允许企业根据实际情况增加新的参数及冲突解决方案，更针对性的解决服务企业冲突问题。

一、TRIZ理论及其在服务领域的应用

（一）TRIZ理论。TRIZ是俄文发明问题解决理论的缩写。前苏联G.S. Altshuler等研究人员在分析研究世界各国250万件专利的基础上、花费1500个人年的时间提出的包括ARIZ算法、物质--场分析法、冲突矩阵、预测、效应库等系列的TRIZ方法。其中冲突矩阵是TRIZ的核心工具之一，它由39个工程参数和40个发明原理构成。矩阵的行和列分别为39个改善和恶化的工程参数，矩阵元素Xi，j为第i个改善的参数和第j个恶化的参数所构成的冲突所对应的发明原理。TRIZ冲突矩阵是个对称矩阵，即Xi，j与Xj，i相同，Xi，i为空。表1为冲突矩阵示意图。

表1 冲突解决矩阵

（二）TRIZ在服务中的应用。TRIZ用独特的冲突矩阵来分析问题。在技术领域，冲突相对而言更清晰和更易于察觉。尽管服务产品不同于实体产品，冲突却不可避免地存在着，与技术领域不同的是，服务冲突更无形、更抽象[3]。例如，“标准化和顾客定制化”、“差异化和专一化”、“概括信息和详细信息”、“安全性和透明度”等等都是服务企业常见的冲突问题。

Berry和Lampo（2000）通过对大量服务案例的分析得出结论，可以由五种典型的方式来重新设计服务。它们是：自服务、直接服务、预先服务、捆绑服务、“有形”服务。可以看出，这五种服务设计模式和TRIZ40条发明创造原理中的某些原理非常类似。如自服务，对应原理-25自服务：使一物体通过附加功能产生自己服务于自己的功能;直接服务对应原理-2分离：将一个物体的“干扰”部分分离出去;预先服务对应原理-10预操作：在操作开始前，使物体局部或全部产生所需的变化;捆绑服务对应原理-5合并：在空间上将相似的物体连接在一起，使其完成并行的操作;“有形”服务对应原理-15动态化：使一个物体在操作的每个阶段自动调整，以达到优化的性能。

二、服务冲突矩阵的构建

（一）服务参数的提取。由于服务具有主观、互动、抽象的特点，并且具有与实体产品不同的特征（无形性、异质性、顾客参与、服务生产与消费同时等），因此，对于服务领域不能用TRIZ通用的工程参数来描述冲突。这里要做的是找出适用于服务领域的类似工程参数的服务属性。关于服务属性的选取，这里作必要的说明。

首先，通过分析借鉴其他学者对相关问题的研究。Brady和Cronin（2001）等学者研究提出了服务质量的三因素模型，认为服务质量由交互质量、实体环境质量和结果质量三个维度组成。Parasuraman，Zeithaml对几类不同的服务进行研究人士影响服务质量的有：可靠性、响应性、胜任力、接近性、礼貌性、沟通性、信赖性、安全性、了解性和有形性。梁文宾（2005）[3]在前人研究的基础上整理出了旅游业的21个服务属性并把这些属性与TRIZ的工程参数进行了配适。其次，由于服务属性有行业特点，不同的服务行业，服务属性可能有所不同，各个属性的重要性也会存在差异。因此，这里只给出一个一般的参考指标，实际应用时依据行业特点再作些调整。具体的服务参数如表2所示。

表2  服务参数指标体系

注：资料整理来源于文献

（二）服务冲突矩阵的构建。根据上面的21个服务参数，建立21*21服务冲突矩阵。其中矩阵行所代表的参数是需要改善的一方，列所描述的参数为可能引起恶化的一方。在冲突矩阵中，除了主对角线外，行与列的交叉点可能构成一对冲突，表3为服务冲突矩阵示意图。

表3  服务冲突矩阵

注：服务参数与工程参数的配适参考文献[2]。

服务冲突矩阵的应用过程为：根据实际存在的冲突，在22个服务参数中，确定需要改善及防治恶化的参数，在矩阵中找到其对应得行与列。例如，对于网络在线游戏，游戏提供商需要每周关闭游戏服务器维护系统，在这种情况下，要想保持顾客满意度，游戏提供商就要保证在“等待时间X14”不变的情况下，提高产品的“易维修性X17”，即行17与列14。其解决原理为有原理1-分割、原理10-预操作、原理-25自服务。原理1的具体解决方案为把维修分成几个部分进行，对游戏分部分独立维修，这样，当我们在部分维修的时候玩家也可以继续玩。具体40条解决原理见表4。endprint

表4  发明原理在服务中的实例

注：资料整理来源于文献

该服务冲突矩阵参数是根据TRIZ冲突矩阵中的工程参数配适出来的，对于服务“产品”可能具有而实体产品却不具有的功能参数，该矩阵就无法描述。为更加全面的解决服务冲突问题，本文把建立一个基于BP神经网络的冲突消解模型，在模型中，企业能根据自身情况添加新的输入或输出节点数也就是增加新的参数或解决原理，来解决本企业的冲突问题。

三、基于BP神经网络的服务冲突消解模型

人工神经网络是由大量处理单元广泛互连而成的网络，是对人脑信息处理功能的模拟和延伸。目前，在神经网络的实际应用中，BP网络是最成熟、应用最广的一种前馈神经网络，它主要用于函数逼近、模式识别、分类和数据压缩。其结构由一个输入层、一个或多个隐含层、一个输出层组成，各层由若干个神经元（节点）构成，每一个节点的输出值与输入值得关系由作用函数和阀值决定，神经元可以实现输入和输出之间的任意非线性映射。

（一）BP网络模型的构建。（1）网络层数的配置。根据输入和输出的要求，选择网络的隐含层是非常重要的。理论分析证明，具有单隐层的前馈网可以映射所有连续函数。因此，本文选用三层BP神经网络，即由一个输入层，一个隐含层和一个输出层组成。（2）网络输入节点数的确定。由冲突矩阵可以看出，每个冲突既包括一对工程参数，又表明参数的改善与恶化情况。若直接按冲突矩阵来设置输入节点数，则需要21*21-21=402个输入节点;若仅用21个节点，又不能确定改善与恶化的服务参数，故引入一个判断输入节点X22.当其为0时，表示Xi改善，Xj恶化（Xi、Xj均为1，且i

传递函数：隐含层中的神经元和输出层神经元均采用正切S型传递函数（tansig）。学习周期：预设为1000个。学习目标：总均方误差MSE小于误差限1e-2。学习算法：选用有弹回的BP算法。初始连接权值和阀值：利用Matlab的函数init（）产生初始连接权值和阀值。Init（）采用nguyen-widrow初始化算法。

（二）网络样本的设计。网络的样本来自于服务领域已解决的问题。本文选取30个冲突案例作为数据样本集，其中25个作为训练样本，5个作为测试样本。

对于每一个样本案例，首先要将问题抽象对应为冲突矩阵中某一特定的冲突，解决的方法抽象对应为40条冲突解决原理中的一条。如，解决旅行社的“行前解约”问题给旅客带来的不满，需要顾及个别差异，若顾及个别差异就可能会拖延处理问题的时间。这样，需要改善的属性是“弹性”，而需维持不受影响的属性为“服务补救能力”。最终的解决方案是先将团员们分成独立个体，再派专人单独与旅客们针对其需要迅速解决问题，采用的原则是分割。按表5的过程就得到了一组学习样本。

表5  获取学习样本

（三）运行结果及分析。神经网络学习过程误差曲线如图1所示。从图中可以看出，网络训练到617步时训练误差达到期望误差，收敛效果良好。因此，网络选择的隐含层节点数，学习函数等网络参数比较适合。

图1 神经网络学习过程误差曲线

依据学习好的网络，只要将实际问题依据表5抽象化以后输入到网络中，就能得到相应的冲突解决原理。表6为测试样本的实际输出与理论输出的对照表，从表中可以看出样本的实际输出与理论输出很接近，误差很小，验证了该网络的可行性。

表6  测试样本输出对照表

结论：本文从服务“产品”内部矛盾影响服务质量的角度，借鉴TRIZ冲突矩阵的思路，在构建服务冲突矩阵的基础上，建立了基于BP神经网络的服务冲突消解模型。该模型不仅能解决原有的服务冲突问题，还允许企业添加新的参数和解决方案，增加新的实例，建立适合自己的网络冲突模型。然而，由于BP神经网络自身的局限，使得该模型在实际应用中也存在一些问题。例如，网络的稳定性和可塑性较差，当它遇到一个新模式时，会将已有的权值和阀值打乱，导致学习好的模式信息丢失。另外，隐含层的神经元个数设置多少合适，少量的学习样本结果是否具有一般性应用等问题，还需进一步研究。

参考文献：

[1] 檀润华，王庆禹等. 发明问题解决理论：TRIZ—TRIZ过程、工具及发展趋势[J].《机械设计》2001.7.

[2] 梁文宾. 基于QFD与TRIZ的服务创新方法研究. 博士学位论文.2005.endprint

表4  发明原理在服务中的实例

注：资料整理来源于文献

该服务冲突矩阵参数是根据TRIZ冲突矩阵中的工程参数配适出来的，对于服务“产品”可能具有而实体产品却不具有的功能参数，该矩阵就无法描述。为更加全面的解决服务冲突问题，本文把建立一个基于BP神经网络的冲突消解模型，在模型中，企业能根据自身情况添加新的输入或输出节点数也就是增加新的参数或解决原理，来解决本企业的冲突问题。

三、基于BP神经网络的服务冲突消解模型

人工神经网络是由大量处理单元广泛互连而成的网络，是对人脑信息处理功能的模拟和延伸。目前，在神经网络的实际应用中，BP网络是最成熟、应用最广的一种前馈神经网络，它主要用于函数逼近、模式识别、分类和数据压缩。其结构由一个输入层、一个或多个隐含层、一个输出层组成，各层由若干个神经元（节点）构成，每一个节点的输出值与输入值得关系由作用函数和阀值决定，神经元可以实现输入和输出之间的任意非线性映射。

（一）BP网络模型的构建。（1）网络层数的配置。根据输入和输出的要求，选择网络的隐含层是非常重要的。理论分析证明，具有单隐层的前馈网可以映射所有连续函数。因此，本文选用三层BP神经网络，即由一个输入层，一个隐含层和一个输出层组成。（2）网络输入节点数的确定。由冲突矩阵可以看出，每个冲突既包括一对工程参数，又表明参数的改善与恶化情况。若直接按冲突矩阵来设置输入节点数，则需要21*21-21=402个输入节点;若仅用21个节点，又不能确定改善与恶化的服务参数，故引入一个判断输入节点X22.当其为0时，表示Xi改善，Xj恶化（Xi、Xj均为1，且i

传递函数：隐含层中的神经元和输出层神经元均采用正切S型传递函数（tansig）。学习周期：预设为1000个。学习目标：总均方误差MSE小于误差限1e-2。学习算法：选用有弹回的BP算法。初始连接权值和阀值：利用Matlab的函数init（）产生初始连接权值和阀值。Init（）采用nguyen-widrow初始化算法。

（二）网络样本的设计。网络的样本来自于服务领域已解决的问题。本文选取30个冲突案例作为数据样本集，其中25个作为训练样本，5个作为测试样本。

对于每一个样本案例，首先要将问题抽象对应为冲突矩阵中某一特定的冲突，解决的方法抽象对应为40条冲突解决原理中的一条。如，解决旅行社的“行前解约”问题给旅客带来的不满，需要顾及个别差异，若顾及个别差异就可能会拖延处理问题的时间。这样，需要改善的属性是“弹性”，而需维持不受影响的属性为“服务补救能力”。最终的解决方案是先将团员们分成独立个体，再派专人单独与旅客们针对其需要迅速解决问题，采用的原则是分割。按表5的过程就得到了一组学习样本。

表5  获取学习样本

（三）运行结果及分析。神经网络学习过程误差曲线如图1所示。从图中可以看出，网络训练到617步时训练误差达到期望误差，收敛效果良好。因此，网络选择的隐含层节点数，学习函数等网络参数比较适合。

图1 神经网络学习过程误差曲线

依据学习好的网络，只要将实际问题依据表5抽象化以后输入到网络中，就能得到相应的冲突解决原理。表6为测试样本的实际输出与理论输出的对照表，从表中可以看出样本的实际输出与理论输出很接近，误差很小，验证了该网络的可行性。

表6  测试样本输出对照表

结论：本文从服务“产品”内部矛盾影响服务质量的角度，借鉴TRIZ冲突矩阵的思路，在构建服务冲突矩阵的基础上，建立了基于BP神经网络的服务冲突消解模型。该模型不仅能解决原有的服务冲突问题，还允许企业添加新的参数和解决方案，增加新的实例，建立适合自己的网络冲突模型。然而，由于BP神经网络自身的局限，使得该模型在实际应用中也存在一些问题。例如，网络的稳定性和可塑性较差，当它遇到一个新模式时，会将已有的权值和阀值打乱，导致学习好的模式信息丢失。另外，隐含层的神经元个数设置多少合适，少量的学习样本结果是否具有一般性应用等问题，还需进一步研究。

参考文献：

[1] 檀润华，王庆禹等. 发明问题解决理论：TRIZ—TRIZ过程、工具及发展趋势[J].《机械设计》2001.7.

[2] 梁文宾. 基于QFD与TRIZ的服务创新方法研究. 博士学位论文.2005.endprint

表4  发明原理在服务中的实例

注：资料整理来源于文献

该服务冲突矩阵参数是根据TRIZ冲突矩阵中的工程参数配适出来的，对于服务“产品”可能具有而实体产品却不具有的功能参数，该矩阵就无法描述。为更加全面的解决服务冲突问题，本文把建立一个基于BP神经网络的冲突消解模型，在模型中，企业能根据自身情况添加新的输入或输出节点数也就是增加新的参数或解决原理，来解决本企业的冲突问题。

三、基于BP神经网络的服务冲突消解模型

人工神经网络是由大量处理单元广泛互连而成的网络，是对人脑信息处理功能的模拟和延伸。目前，在神经网络的实际应用中，BP网络是最成熟、应用最广的一种前馈神经网络，它主要用于函数逼近、模式识别、分类和数据压缩。其结构由一个输入层、一个或多个隐含层、一个输出层组成，各层由若干个神经元（节点）构成，每一个节点的输出值与输入值得关系由作用函数和阀值决定，神经元可以实现输入和输出之间的任意非线性映射。

（一）BP网络模型的构建。（1）网络层数的配置。根据输入和输出的要求，选择网络的隐含层是非常重要的。理论分析证明，具有单隐层的前馈网可以映射所有连续函数。因此，本文选用三层BP神经网络，即由一个输入层，一个隐含层和一个输出层组成。（2）网络输入节点数的确定。由冲突矩阵可以看出，每个冲突既包括一对工程参数，又表明参数的改善与恶化情况。若直接按冲突矩阵来设置输入节点数，则需要21*21-21=402个输入节点;若仅用21个节点，又不能确定改善与恶化的服务参数，故引入一个判断输入节点X22.当其为0时，表示Xi改善，Xj恶化（Xi、Xj均为1，且i

传递函数：隐含层中的神经元和输出层神经元均采用正切S型传递函数（tansig）。学习周期：预设为1000个。学习目标：总均方误差MSE小于误差限1e-2。学习算法：选用有弹回的BP算法。初始连接权值和阀值：利用Matlab的函数init（）产生初始连接权值和阀值。Init（）采用nguyen-widrow初始化算法。

（二）网络样本的设计。网络的样本来自于服务领域已解决的问题。本文选取30个冲突案例作为数据样本集，其中25个作为训练样本，5个作为测试样本。

对于每一个样本案例，首先要将问题抽象对应为冲突矩阵中某一特定的冲突，解决的方法抽象对应为40条冲突解决原理中的一条。如，解决旅行社的“行前解约”问题给旅客带来的不满，需要顾及个别差异，若顾及个别差异就可能会拖延处理问题的时间。这样，需要改善的属性是“弹性”，而需维持不受影响的属性为“服务补救能力”。最终的解决方案是先将团员们分成独立个体，再派专人单独与旅客们针对其需要迅速解决问题，采用的原则是分割。按表5的过程就得到了一组学习样本。

表5  获取学习样本

（三）运行结果及分析。神经网络学习过程误差曲线如图1所示。从图中可以看出，网络训练到617步时训练误差达到期望误差，收敛效果良好。因此，网络选择的隐含层节点数，学习函数等网络参数比较适合。

图1 神经网络学习过程误差曲线

依据学习好的网络，只要将实际问题依据表5抽象化以后输入到网络中，就能得到相应的冲突解决原理。表6为测试样本的实际输出与理论输出的对照表，从表中可以看出样本的实际输出与理论输出很接近，误差很小，验证了该网络的可行性。

表6  测试样本输出对照表

结论：本文从服务“产品”内部矛盾影响服务质量的角度，借鉴TRIZ冲突矩阵的思路，在构建服务冲突矩阵的基础上，建立了基于BP神经网络的服务冲突消解模型。该模型不仅能解决原有的服务冲突问题，还允许企业添加新的参数和解决方案，增加新的实例，建立适合自己的网络冲突模型。然而，由于BP神经网络自身的局限，使得该模型在实际应用中也存在一些问题。例如，网络的稳定性和可塑性较差，当它遇到一个新模式时，会将已有的权值和阀值打乱，导致学习好的模式信息丢失。另外，隐含层的神经元个数设置多少合适，少量的学习样本结果是否具有一般性应用等问题，还需进一步研究。

参考文献：

[1] 檀润华，王庆禹等. 发明问题解决理论：TRIZ—TRIZ过程、工具及发展趋势[J].《机械设计》2001.7.

[2] 梁文宾. 基于QFD与TRIZ的服务创新方法研究. 博士学位论文.2005.endprint