CN107067182A - 面向多维意象的产品设计方案评估方法 - Google Patents

Abstract

本发明公开了一种面向多维意象的产品设计方案评估方法，包括下述步骤：（1）运用k‑mean聚类分析和因子分析方法分别获得符合用户感性认知的典型样本和典型感性意象的基础上，运用语意差异法获得用户‑意象初始评价值；（2）采用灰色关联分析与逼近理想点排序法（TOPSIS）相结合的方法实现用户多维意象特定要求下对备选设计方案的排序优选，包括：确定备选方案集、生成原始评估矩阵、应用信息熵计算评估指标的权重、构建规范化评估矩阵、计算距离、计算相对贴近度、方案优劣排序。本发明具有能中和用户感性意象获取的主观性，保证数据有效性的特点。

Description

面向多维意象的产品设计方案评估方法

技术领域

本发明属于产品设计技术领域，具体地说是涉及一种面向多维意象的产品设计方案评估方法。

背景技术

当今社会，随着制造业和信息产业的发展，人们比以往更加关注自身的情感需求。产品给人的情感体验逐渐成为产品是否成功的重要评判因素，开发符合用户感性意象认知的产品已成为产品设计中的研究重点。

感性意象是人们在体验产品过程中产生的，高度凝聚的心理感受和情感活动，目前作为研究产品意象设计的重要新思路。现实中用户的意象认知是非常复杂的，面对一个产品时用户更倾向于用多个意象维度来描述对产品的主观感受。近年来对多维意象的研究逐渐成为产品设计领域的研究热点。现有技术中，孙志学用灰色关联分析方法实现了产品色彩设计中对色彩方案的多意象优选。陈国东以豆浆机为例，在构建产品形态的BP意象预测模型的基础上，采用多目标遗传算法求解最优方案。Gulfem应用AHP和TOPSIS相结合的方法实现了手机多意象的排序和优选。YANG应用神经网络和TOPSIS方法寻求面向多意象的最佳造型方案。赵慧亮提出模糊TOPSIS法解决数字化人机界面多目标意象策问题。以上研究没有最大限度中和用户感性意象获取的主观性，导致数据在某些情况下失效。

发明内容

本发明的目的在于克服上述缺点而提供一种能中和用户感性意象获取的主观性，保证数据有效性的面向多维意象的产品设计方案评估方法。

本发明的一种面向多维意象的产品设计方案评估方法，包括下述步骤：

(1)第一阶段：运用k-mean聚类分析和因子分析方法分别获得符合用户感性认知的典型样本和典型感性意象的基础上，运用语意差异法获得用户-意象初始评价值；

(2)第二阶段：采用灰色关联分析与TOPSIS相结合的方法实现用户多维意象特定要求下对备选设计方案的排序优选，包括：确定备选方案集、生成原始评估矩阵、应用信息熵计算评估指标的权重、构建规范化评估矩阵、计算距离、计算相对贴近度、方案优劣排序。

本发明与现有技术的相比，具有明显的有益效果，由以上方案可知，在因子分析获取产品多维意象的基础上，通过信息熵确定权重的灰色关联TOPSIS相结合的评估方法可以削弱决策者评估产品设计方案时夹带的主观性和复杂性，并且在位置距离远近程度和形状相似程度上同时反映出了待选方案与理想方案的接近程度，实现相对客观的产品方案优选，有效降低了产品设计阶段由于多款方案的评估误选带来的投入风险，即避免了主观因素或特殊数据对指标权重的过大影响，用以解决面向多维意象的产品设计评估问题。

以下通过具体实施方式，进一步说明本发明的有益效果。

附图说明

图1为本发明的流程示意图；

图2为实施例中的意象词汇保留次数图；

图3为实施例中的40个3D打印机样本的聚类树状图；

图4为实施例中的3D打印机意象因子陡坡图；

图5为实施例中的12个3D打印机设计方案。

具体实施方式

以下结合附图及较佳实施例，对依据本发明提出的面向多维意象的产品设计方案评估方法具体实施方式、特征及其功效，详细说明如后。

如图1所示，本发明的一种面向多维意象的产品设计方案评估方法，包括下述步骤：

(1)第一阶段：运用k-mean聚类分析和因子分析方法分别获得符合用户感性认知的典型样本和典型感性意象的基础上，运用语意差异法获得用户-意象初始评价值；

(2)第二阶段：采用灰色关联分析与TOPSIS相结合的方法实现用户多维意象特定要求下对备选设计方案的排序优选，包括：确定备选方案集、生成原始评估矩阵、应用信息熵计算评估指标的权重、构建规范化评估矩阵、计算距离、计算相对贴近度、方案优劣排序。

逼近理想点排序法(TOPSIS)是系统工程中求解多目标评估的有效方法，具有对原始数据利用充分、误差小、可靠性高等特点，其基本思路是先归一化处理原始数据矩阵，然后计算得出待评估方案与正理想解和负理想解的距离，最优解即为最接近正理想解且最远离负理想解所对应的方案，从而评估出最优方案。灰色关联方法是从形状上反映了待评估方案与最优解的相似程度，两种方法结合起来，并通过信息熵确定权重，评价方案的优劣。

1.构建规范化评估矩阵

设A＝{A₁,A₂,…,A_m}为多属性评估问题的方案集；F＝{F₁,F₂,…,F_n}为多属性评估问题的评估指标集；属性权重为W_i(i＝1,2,…,m)；决策矩阵为X＝(x_ij)_m×n，其中x_ij为第i个方案在第j个属性下的属性值。

对于产品设计方案的多个意象指标，期望各意象评价值越大越好，采用式(1)对原始矩阵规范化处理：

2.确定评估指标权重

由于用户的感性意象具有主观性，所以在确定指标权重的时候需要一种客观性较强的方法来最大程度降低评估结果的主观性。熵处理是确定多因素综合评估问题中各因素权系数的一种客观有效的方法，可作为评价属性相对重要程度的一个工具。

在含有m个方案和n个属性(即评价准则)的决策矩阵中，第j项指标下第i个方案指标比重为：

第j项指标的熵值为：

其中：时，有0≤e_j≤1。

各指标基于熵处理的权重分配为：

3.计算加权规范化评估矩阵

加权规范化评估矩阵Z＝(z_ij)_m×n，其中：z_ij＝w_jy_ij，i＝1,2,…,m，j＝1,2,…,n。

4.确定理想解

加权规范化矩阵的正负理想解为：

其中:

5.计算各方案到正负理想解的距离

各方案到正负理想解的Euclid距离分别为

6.计算灰色关联系数矩阵和灰色关联度

每个待选方案与正、负理想解之间的灰色关联系数矩阵分别为：

其中：

ε为分辨系数，一般取值为0.5。

各方案同正负理想解的灰色关联度分别为：

分别对Euclid距离和关联度进行无量纲化处理，得

7.方案优劣排序

计算每一个方案与理想解的相对贴近度

v₁＝v₂＝0.5

依据贴近度对待评估方案进行优劣排序，排在首位的方案则是距离最优解最近、距离最劣解最远，灰色关联度最大的最佳方案。

实施例如下：

1.产品形态认知分析

根据形态学的理论，产品可分解为若干个基本部件，对一个基本部件单独分析和归纳，可得出多个不同的外形要素候选方案。邀请经验丰富的设计人员进行形态分析实验，根据初筛的产品样本归纳出产品基本部件要素和每个部件的外形单元要素。

2.多维意象的获取分析

产品的感性意象是指产品形态对用户感官刺激所产生的直觉联想感受，反映了用户情感需求和对产品的内心评判标准，一般使用形容词加以描述。以3D打印机为例，通过网络、杂志、调查、访谈等方法收集90个典型意象形容词，选用随机产品样本，对这90个词汇进行问卷调查，30位被试者会在问卷中对给出的90个词汇表中勾选认为适合于描述产品样本语意的词汇，保留被勾选次数超过15的58个词汇，如图2所示；对58个词汇采用KJ法合并词义相近的词汇，将其筛选到20个。依据覆盖所有基本部件要素和外形单元要素的原则，邀请4位专业设计师对前期搜集到的114个3D打印机样本进行初步筛选，得出40个设计样本，对其进行应力计算和K-mean聚类分析，聚类树状图如图3所示。

计算每个样本到其所在聚类中心距离并排序，最终获得典型的6款3D打印机作为调查样本。针对20个典型意象词汇和6个典型样本采用SD法制成七点尺度评估量表进行调查问卷，邀请50个受测人员进行打分(20名专业设计师，15名3D打印机使用者，15设计专业研究生)，确定各感性意象词汇的评价值。调查完成后将数据录入SPSS统计软件进行因子分析，依据图4所示意象因子陡坡图，特征值大于1有4个因子轴，其累积可解释方差贡献度达到94.350％，如表1所示。

表1意象因子贡献度解释

选取每个因子轴中因子负荷值最高的意象因子，最终得到最具代表性的典型依次为“科技的”、“简洁的”、“精密的”和“稳重的”。将面向这些典型感性意象实现3D打印机多个设计方案的评估。

3.构建多维意象的评估矩阵

构建3D打印机多维意象与方案的评估集合，取12个由专业设计师提供的设计概念方案，如图5所示，组成方案集A＝{A₁,A₂,…,A₁₂}；4个目标意象组成评估指标集F＝{F₁,F₂,F₃,F₄}；指标权重由W_i(i＝1,2,3,4)表示；40位参与者(包括20位设计专家与20位普通用户)组成评估者集G＝{G₁,G₂,…,G₄₀}；每位参与者对每个方案A_j关于属性F_i构建的评估矩阵由表示。

结合语意差异法，分别对4个目标意象词汇构建7级Likert量表，参与者分别对12个3D打印机样本进行意象评价，计算每个样本的每个意象词汇的平均值，从而得到3D打印机产品设计方案多维意象评价均值构成的评估矩阵，如表2。

表2评估矩阵

4.面向多维意象的3D打印机设计方案评估

采用式(1)对原始矩阵规范化处理，如表3所示。

表3规范化评估矩阵

根据评估矩阵，利用式(2)(3)(4)求得各意象的权重值，如表4所示。

表4基于熵处理的权重值

	科技的	简洁的	精密的	稳重的
					ej	0.9992	0.9982	0.9987	0.9994
wj	0.1778	0.4000	0.2889	0.1333

根据熵处理得到的权重值，利用式(5)(6)计算加权规范化评估矩阵和正负理想解，如表5所示。

表5加权规范化评估矩阵

由式(6)、(7)可分别计算出每个待选方案与正、负理想解的距离，由式(12)、(13)可分别计算出每个待选方案与正、负理想解的灰色关联度，最后由式(18)计算出各方案的相对贴近度，如表6所示。

表6备选方案的相对贴近度

根据相对贴近度大小排序备选方案，依据表7得出12个3D打印机设计方案的优先级排序依次为A₈，A₁₀，A₇，A₁₁，A₂，A₃，A₉，A₅，A₁₂，A₁，A₆，A₄，实现了特定多维意象下对产品设计方案的决策。

总之，产品设计方案评估是产品开发过程中的重要阶段，本发明提出一种面向多维意象的产品设计方案评估方法。在因子分析获取产品多维意象的基础上，通过信息熵确定权重的灰色关联TOPSIS相结合的评估方法可以削弱决策者评估产品设计方案时夹带的主观性和复杂性，并且在位置距离远近程度和形状相似程度上同时反映出了待选方案与理想方案的接近程度，实现相对客观的产品方案优选，有效降低了产品设计阶段由于多款方案的评估误选带来的投入风险。该方法具有一定的通用性，对其他工业产品方案评估阶段具有参考价值。然而，本发明使用语义差异法即意象词汇对用户情感进行表达可能会造成某些方面表达的不准确性，用户对产品的感性期许是多维且复杂的，因此下一步的研究重点是挖掘产品设计多意象的认知特性，以进一步提高产品设计方案评估的适用性。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，任何未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (5)

1.一种面向多维意象的产品设计方案评估方法，包括下述步骤：

(1)第一阶段：运用k-mean聚类分析和因子分析方法分别获得符合用户感性认知的典型样本和典型感性意象的基础上，运用语意差异法获得用户-意象初始评价值；

(2)第二阶段：采用灰色关联分析与逼近理想点排序法(TOPSIS)相结合的方法实现用户多维意象特定要求下对备选设计方案的排序优选，包括：确定备选方案集、生成原始评估矩阵、应用信息熵计算评估指标的权重、构建规范化评估矩阵、计算距离、计算相对贴近度、方案优劣排序。

2.如权利要求1所述的面向多维意象的产品设计方案评估方法，其特征在于：所述步骤(2)中，应用信息熵计算评估指标的权重：

设A＝{A₁,A₂,…,A_m}为多属性评估问题的方案集；F＝{F₁,F₂,…,F_n}为多属性评估问题的评估指标集；属性权重为W_i(i＝1,2,…,m)；决策矩阵为X＝(x_ij)_m×n，其中x_ij为第i个方案在第j个属性下的属性值；

在含有m个方案和n个属性(即评价准则)的决策矩阵中，第j项指标下第i个方案指标比重p为：

第j项指标的熵值e为：

其中：时，有0≤e_j≤1；

各指标基于熵处理的权重w分配为：

3.如权利要求1或2所述的面向多维意象的产品设计方案评估方法，其特征在于：所述步骤(2)中，构建规范化评估矩阵：

对原始决策矩阵X规范化处理：

加权规范化评估矩阵Z＝(z_ij)_m×n，其中：z_ij＝w_jy_ij，i＝1,2,…,m，j＝1,2,…,n。

4.如权利要求1所述的面向多维意象的产品设计方案评估方法，其特征在于：所述步骤(2)中，计算距离：

加权规范化矩阵z的正负理想解为：

其中:

各方案到正负理想解的Euclid距离分别为

5.如权利要求1或4所述的面向多维意象的产品设计方案评估方法，其特征在于：所述步骤(2)中，计算相对贴近度：

每个待选方案与正、负理想解之间的灰色关联系数矩阵分别为：

其中：

ε为分辨系数；

各方案同正负理想解的灰色关联度分别为：

分别对Euclid距离和关联度进行无量纲化处理，得

计算每一个方案与理想解的相对贴近度

v₁＝v₂＝0.5。