①確定客戶屬性

①確定客戶之聲

②識別設計屬性/要求

②調查客戶需求

③連接客戶屬性和設計屬性

③制定產品需求信息的QFD矩陣行

④對競爭產品進行評估

④設計技術信息的QFD矩陣列

⑤評估設計屬性和開發目標

⑤分析產品開發需求的可操作矩陣

⑥確定要在 剩余部分中開發的設計屬性

優勢

采用團隊協作的方法達成一致，以便更好地進行跨職能討論；

確保新產品開發團隊聚焦于客戶需求；

提供了從客戶需求出發，逐級定義產品設計規格和工程設計需求的結構化基礎；

隨著開發工作不斷推進，通過市場測試的反饋，有助于優化設計，并能夠避免忽視最初的概念設計和客戶需求

劣勢

較為煩瑣（要處理大量需求并創建大型表格），并且需要很長的時間來完成整個QFD過程。

較為冗長，會讓人迷失產品設計所追求的目標。

隨著消費者需求的不斷變化，需要聚焦在定義正確的設計規格上。當產品競爭激烈，需要新技術支持時，要做到這一點并非易事。

變異來源

1.內部變異：是由于老化（機器磨損和材料老化）造成的。
2.外部變異：來自與環境條件（溫度，濕度和灰塵）相關的因素。
3.部件間的變異：是由于材料質量，工藝規格和設備校準方面的差異

目的

主要應用在產品概念選擇和設計參數優化上，目的是將變異的影響降至最低。

產品方案設計
基本的功能架構

確定可控參數的最佳組合，從而使得產品質量特性波動小

通過控制誤差影響最大的誤差因素的波動來進一步提高產品質量特性的穩定性

情感分析
（Sentiment 
Analysis）

該方法用于了解人們在博客或社交網絡中對產品的評論和觀點，并對這些評論進行分類。可以運用自動化技術來識別評論者在產品特性上表達的意見（正面、中性或負面）。該方法運用了基本貝葉斯和深度學習算法。

神經網絡法
（Neural Net
works）

該方法利用了反向傳播（Back Propagation, BP ）技術來建立產品或形狀參數與形容詞、意象詞之間的關系，目的是更改設計參數，直到產品形狀被接受為止。神經網絡法把反向傳播和灰色關聯度分析作為優化算法。

微軟反應卡
（Microsoft 
Reaction
 Card）

該方法用于評估設計或產品的情感反應和期望（視覺吸引力）。參與者從118張寫有產品詞匯的卡片中選出與該產品或設計相關的卡片，并解釋為什么所選卡片中的詞匯要體現在該產品或設計上，最后得出結論。該方法采用聚類分析、頻度分析和詞匯云處理技術。

突發情緒法
（Emergent 
Emotions）

該方法認為情緒是動態、突發和遞歸的過程。用戶對設計的反應模式是由評估結果所驅動的。情緒反應和對產品特性的期望會受到情緒影響，也會由差異化要求而引發。該方法利用人工智能環境下的神經網絡和非線性動態建模來解釋消費者的情緒過程，日內瓦情緒專家系統（Geneva Expert System on Emotions, GENESE ）中描述了該情緒過程。