工程管理论文哪里有？本文以新能源汽车安全性为研究对象，分别针对新能源汽车安全性需求识别问题、新能源汽车安全性的在线评论分析问题以及安全性在线评论分析的应用价值分析问题进行了深入的探讨和分析。
第1章 绪论
1.2.1 在线评论分析国内外研究现状
新能源汽车的安全性是消费者最为关心的问题之一，也是新能源汽车整个产业链的安身立命之本，本研究对新能源安全性的研究主要基于在线评论分析方法。Silaban等[2]收集了YouTube上384个有效回答，并采用结构方程模型来检验有效性和研究假设用了问卷数据收集方法，调查了的媒体人物与观众之间的准社会互动，以及YouTube上的产品评论对后者购买行为的影响。Yakubu等[3]提出了一种基于在线客户评论和谷歌趋势的方法来预测产品属性的未来重要性，对提议的模糊粗糙集时间序列方法进行了验证测试，研究结果有助于新产品开发过程，并帮助研发经理建立产生更高收益的产品设计的方法和流程。Jin等[4]从卡诺模型的角度揭示顾客的情感需求，提供了一个关于情感需求的直截了当的视角，通过包括创新的设计理念来促进新产品的设计，有助于捕捉顾客的情感需求，并从企业的角度为情感设计提供可启发的见解。Tran等[5]基于结构方程模型调查了来源、接受者、评论质量、评论片面性、评论一致性、在线可信评论、可靠性、意向性和越南电力消费者的购买意愿之间的关系。研究结果表明上述因素对在线可信评论有着积极影响。Onofrei等[6]研究了消费者对消费者的社会媒体互动与消费者的意向（即购买意向）和行为（即行为参与）之间的关系，这项研究整合了来源同质性，显示了它们在社交媒体对话中的应用，对理论和实践都有贡献。Ye等[7]从两个角度研究社交软件的盈利能力（受欢迎程度），并得出在线评论直接和间接地通过增加社交软件的创新来积极影响社交软件的受欢迎程度的结论。
第3章 基于在线评论的新能源汽车安全性需求识别
3.1 在线评论来源与预处理
3.1.1 在线评论的来源
根据上文的对比分析得到本文的研究对象——Q品牌新能源汽车，选取的爬取工具为八爪鱼v8.6.0.031411。
为保证数据真实可靠，本文爬取了较为代表性的汽车论坛网站：太平洋汽车网、爱卡汽车和汽车之家，共采集到评论数据137887条，为保证数据的时效性，爬取时间截至2023.6.1，部分爬取数据如图3.1所示。
第5章 基于几何规划的评论分析的应用价值分析
5.1 在线评论分析的应用价值分析模型思路的构建
对于新能源汽车安全性而言，消费者需求对企业总利润的发展有着显著影响，然而目前对此领域的研究仍相对缺乏。因此，本研究旨在通过几何规划方法来进行新能源汽车安全性的在线评论分析的应用价值分析。核心目标是分析消费者在线评论的网络效应，以及此效应如何影响企业的最大利润。通过对消费者在线评论的深入分析，我们能够更好地理解市场动态，并据此调整新能源汽车的安全性能，以提高消费者的满意度和企业的盈利能力。应用价值模型的构建不仅将揭示网络评论与企业利润之间的关联，还将验证所提出的分析方法的有效性。
具体构建安全性在线评论分析的应用价值模型的思路如图5.1所示：
5.2 在线评论分析的应用价值分析模型的构建和求解
5.2.1 基于几何规划的价值分析模型的构建
本研究将QFD中的重要度数据（见表4.7）设为网络效应函数强度β，基于网络效应强度的变化，可以判断消费者对新能源汽车安全性需求满意度的高低对企业最大利润的影响。具体模型参数的设定如下：
1) 参数 A：销售商每次的固定订货费用 h：表示销售商单位时间单位产品的库存成本 c：表示销售商单位产品的订购价格k：表示市场规模常量 α：表示销售价格的弹性系数，α>1 f：C的度量常数，f0 γ：需求的市场弹性系数，γ＞0μ：生产成本随着生产批量的增加而降低，0＜μ＜1 β：网络效应的强度，如果β＞1，网络效应将会放大N的影响。即市场规模或需求每增加一个单位，总收益将超线性地增加；如果0＜β＜1，那么每单位增加的N会带来的总收益是亚线性的。
第6章 结论与展望
6.1 结论
随着全球气候变化和环境问题的加剧，新能源汽车已成为中国汽车产业转型升级的关键方向。2020年，国务院发布的《新能源汽车产业发展规划（2021-2035年）》清晰地指出，新能源汽车是中国实现从汽车大国向汽车强国跨越的核心。然而根据国家消防局应急管理部发布的数据显示，2022年一季度交通工具火灾中新能源汽车的事故率较上年同期上升了32%，而交通工具火灾总增幅仅为8.8%。随着科技的进步，新能源汽车的安全性并未得到预期的提升，因此本文从顾客视角出发，基于在线评论深入探讨了新能源汽车的安全性。 本研究将新能源汽车安全性作为研究对象，围绕新能源汽车安全性的需求识别、新能源汽车安全性的在线评论分析以及新能源汽车安全性的在线评论分析应用价值分析这三个方面开展了主要研究工作：
(1) 基于在线评论的新能源汽车安全性需求识别。利用八爪鱼软件，爬取Q品牌新能源汽车的在线评论数据137887条，并对在线评论进行预处理和预分析；为识别新能源汽车负面评论，采用Word2vec和LSTM的方法进行了负面评论的分类；结合Word2vec和K-means的方法对这些负面观点进行了有效聚类，并根据得到的三个在线评论类别，识别出27个新能源汽车安全性需求。
(2) 基于Kano和QFD的安全性在线评论分析。基于27个新能源汽车安全性问题，进行了Kano调查问卷的设计并发放，得到264份有效调查问卷，并基于Kano模型总结出了新能源汽车安全性问题的重要度排序，构成了QFD模型的左墙；通过专家评审法得到了17条安全性技术特性，并得出其关系矩阵；通过爬取汽车论坛中的同级别车型的性能评分，得到市场竞争矩阵和技术特征自关系打分表，并进行市场竞争力分析；将所有矩阵输入QFD模型，建立质量屋，并根据最终得到的QFD模型进行安全性在线评论分析，提出对策建议。
参考文献（略）
