本發(fā)明屬于產(chǎn)品設(shè)計(jì)
技術(shù)領(lǐng)域：
，具體地說(shuō)是涉及一種面向多維意象的產(chǎn)品設(shè)計(jì)方案評(píng)估方法。
背景技術(shù)：
：當(dāng)今社會(huì)，隨著制造業(yè)和信息產(chǎn)業(yè)的發(fā)展，人們比以往更加關(guān)注自身的情感需求。產(chǎn)品給人的情感體驗(yàn)逐漸成為產(chǎn)品是否成功的重要評(píng)判因素，開(kāi)發(fā)符合用戶(hù)感性意象認(rèn)知的產(chǎn)品已成為產(chǎn)品設(shè)計(jì)中的研究重點(diǎn)。感性意象是人們?cè)隗w驗(yàn)產(chǎn)品過(guò)程中產(chǎn)生的，高度凝聚的心理感受和情感活動(dòng)，目前作為研究產(chǎn)品意象設(shè)計(jì)的重要新思路?，F(xiàn)實(shí)中用戶(hù)的意象認(rèn)知是非常復(fù)雜的，面對(duì)一個(gè)產(chǎn)品時(shí)用戶(hù)更傾向于用多個(gè)意象維度來(lái)描述對(duì)產(chǎn)品的主觀感受。近年來(lái)對(duì)多維意象的研究逐漸成為產(chǎn)品設(shè)計(jì)領(lǐng)域的研究熱點(diǎn)。現(xiàn)有技術(shù)中，孫志學(xué)用灰色關(guān)聯(lián)分析方法實(shí)現(xiàn)了產(chǎn)品色彩設(shè)計(jì)中對(duì)色彩方案的多意象優(yōu)選。陳國(guó)東以豆?jié){機(jī)為例，在構(gòu)建產(chǎn)品形態(tài)的bp意象預(yù)測(cè)模型的基礎(chǔ)上，采用多目標(biāo)遺傳算法求解最優(yōu)方案。gulfem應(yīng)用ahp和topsis相結(jié)合的方法實(shí)現(xiàn)了手機(jī)多意象的排序和優(yōu)選。yang應(yīng)用神經(jīng)網(wǎng)絡(luò)和topsis方法尋求面向多意象的最佳造型方案。趙慧亮提出模糊topsis法解決數(shù)字化人機(jī)界面多目標(biāo)意象策問(wèn)題。以上研究沒(méi)有最大限度中和用戶(hù)感性意象獲取的主觀性，導(dǎo)致數(shù)據(jù)在某些情況下失效。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的在于克服上述缺點(diǎn)而提供一種能中和用戶(hù)感性意象獲取的主觀性，保證數(shù)據(jù)有效性的面向多維意象的產(chǎn)品設(shè)計(jì)方案評(píng)估方法。本發(fā)明的一種面向多維意象的產(chǎn)品設(shè)計(jì)方案評(píng)估方法，包括下述步驟：(1)第一階段：運(yùn)用k-mean聚類(lèi)分析和因子分析方法分別獲得符合用戶(hù)感性認(rèn)知的典型樣本和典型感性意象的基礎(chǔ)上，運(yùn)用語(yǔ)意差異法獲得用戶(hù)-意象初始評(píng)價(jià)值；(2)第二階段：采用灰色關(guān)聯(lián)分析與topsis相結(jié)合的方法實(shí)現(xiàn)用戶(hù)多維意象特定要求下對(duì)備選設(shè)計(jì)方案的排序優(yōu)選，包括：確定備選方案集、生成原始評(píng)估矩陣、應(yīng)用信息熵計(jì)算評(píng)估指標(biāo)的權(quán)重、構(gòu)建規(guī)范化評(píng)估矩陣、計(jì)算距離、計(jì)算相對(duì)貼近度、方案優(yōu)劣排序。本發(fā)明與現(xiàn)有技術(shù)的相比，具有明顯的有益效果，由以上方案可知，在因子分析獲取產(chǎn)品多維意象的基礎(chǔ)上，通過(guò)信息熵確定權(quán)重的灰色關(guān)聯(lián)topsis相結(jié)合的評(píng)估方法可以削弱決策者評(píng)估產(chǎn)品設(shè)計(jì)方案時(shí)夾帶的主觀性和復(fù)雜性，并且在位置距離遠(yuǎn)近程度和形狀相似程度上同時(shí)反映出了待選方案與理想方案的接近程度，實(shí)現(xiàn)相對(duì)客觀的產(chǎn)品方案優(yōu)選，有效降低了產(chǎn)品設(shè)計(jì)階段由于多款方案的評(píng)估誤選帶來(lái)的投入風(fēng)險(xiǎn)，即避免了主觀因素或特殊數(shù)據(jù)對(duì)指標(biāo)權(quán)重的過(guò)大影響，用以解決面向多維意象的產(chǎn)品設(shè)計(jì)評(píng)估問(wèn)題。以下通過(guò)具體實(shí)施方式，進(jìn)一步說(shuō)明本發(fā)明的有益效果。附圖說(shuō)明圖1為本發(fā)明的流程示意圖；圖2為實(shí)施例中的意象詞匯保留次數(shù)圖；圖3為實(shí)施例中的40個(gè)3d打印機(jī)樣本的聚類(lèi)樹(shù)狀圖；圖4為實(shí)施例中的3d打印機(jī)意象因子陡坡圖；圖5為實(shí)施例中的12個(gè)3d打印機(jī)設(shè)計(jì)方案。具體實(shí)施方式以下結(jié)合附圖及較佳實(shí)施例，對(duì)依據(jù)本發(fā)明提出的面向多維意象的產(chǎn)品設(shè)計(jì)方案評(píng)估方法具體實(shí)施方式、特征及其功效，詳細(xì)說(shuō)明如后。如圖1所示，本發(fā)明的一種面向多維意象的產(chǎn)品設(shè)計(jì)方案評(píng)估方法，包括下述步驟：(1)第一階段：運(yùn)用k-mean聚類(lèi)分析和因子分析方法分別獲得符合用戶(hù)感性認(rèn)知的典型樣本和典型感性意象的基礎(chǔ)上，運(yùn)用語(yǔ)意差異法獲得用戶(hù)-意象初始評(píng)價(jià)值；(2)第二階段：采用灰色關(guān)聯(lián)分析與topsis相結(jié)合的方法實(shí)現(xiàn)用戶(hù)多維意象特定要求下對(duì)備選設(shè)計(jì)方案的排序優(yōu)選，包括：確定備選方案集、生成原始評(píng)估矩陣、應(yīng)用信息熵計(jì)算評(píng)估指標(biāo)的權(quán)重、構(gòu)建規(guī)范化評(píng)估矩陣、計(jì)算距離、計(jì)算相對(duì)貼近度、方案優(yōu)劣排序。逼近理想點(diǎn)排序法(topsis)是系統(tǒng)工程中求解多目標(biāo)評(píng)估的有效方法，具有對(duì)原始數(shù)據(jù)利用充分、誤差小、可靠性高等特點(diǎn)，其基本思路是先歸一化處理原始數(shù)據(jù)矩陣，然后計(jì)算得出待評(píng)估方案與正理想解和負(fù)理想解的距離，最優(yōu)解即為最接近正理想解且最遠(yuǎn)離負(fù)理想解所對(duì)應(yīng)的方案，從而評(píng)估出最優(yōu)方案?；疑P(guān)聯(lián)方法是從形狀上反映了待評(píng)估方案與最優(yōu)解的相似程度，兩種方法結(jié)合起來(lái)，并通過(guò)信息熵確定權(quán)重，評(píng)價(jià)方案的優(yōu)劣。1.構(gòu)建規(guī)范化評(píng)估矩陣設(shè)a＝{a1,a2,…,am}為多屬性評(píng)估問(wèn)題的方案集；f＝{f1,f2,…,fn}為多屬性評(píng)估問(wèn)題的評(píng)估指標(biāo)集；屬性權(quán)重為wi(i＝1,2,…,m)；決策矩陣為x＝(xij)m×n，其中xij為第i個(gè)方案在第j個(gè)屬性下的屬性值。對(duì)于產(chǎn)品設(shè)計(jì)方案的多個(gè)意象指標(biāo)，期望各意象評(píng)價(jià)值越大越好，采用式(1)對(duì)原始矩陣規(guī)范化處理：2.確定評(píng)估指標(biāo)權(quán)重由于用戶(hù)的感性意象具有主觀性，所以在確定指標(biāo)權(quán)重的時(shí)候需要一種客觀性較強(qiáng)的方法來(lái)最大程度降低評(píng)估結(jié)果的主觀性。熵處理是確定多因素綜合評(píng)估問(wèn)題中各因素權(quán)系數(shù)的一種客觀有效的方法，可作為評(píng)價(jià)屬性相對(duì)重要程度的一個(gè)工具。在含有m個(gè)方案和n個(gè)屬性(即評(píng)價(jià)準(zhǔn)則)的決策矩陣中，第j項(xiàng)指標(biāo)下第i個(gè)方案指標(biāo)比重為：第j項(xiàng)指標(biāo)的熵值為：其中：時(shí)，有0≤ej≤1。各指標(biāo)基于熵處理的權(quán)重分配為：3.計(jì)算加權(quán)規(guī)范化評(píng)估矩陣加權(quán)規(guī)范化評(píng)估矩陣z＝(zij)m×n，其中：zij＝wjyij，i＝1,2,…,m，j＝1,2,…,n。4.確定理想解加權(quán)規(guī)范化矩陣的正負(fù)理想解為：其中:5.計(jì)算各方案到正負(fù)理想解的距離各方案到正負(fù)理想解的euclid距離分別為6.計(jì)算灰色關(guān)聯(lián)系數(shù)矩陣和灰色關(guān)聯(lián)度每個(gè)待選方案與正、負(fù)理想解之間的灰色關(guān)聯(lián)系數(shù)矩陣分別為：其中：ε為分辨系數(shù)，一般取值為0.5。各方案同正負(fù)理想解的灰色關(guān)聯(lián)度分別為：分別對(duì)euclid距離和關(guān)聯(lián)度進(jìn)行無(wú)量綱化處理，得7.方案優(yōu)劣排序計(jì)算每一個(gè)方案與理想解的相對(duì)貼近度v1＝v2＝0.5依據(jù)貼近度對(duì)待評(píng)估方案進(jìn)行優(yōu)劣排序，排在首位的方案則是距離最優(yōu)解最近、距離最劣解最遠(yuǎn)，灰色關(guān)聯(lián)度最大的最佳方案。實(shí)施例如下：1.產(chǎn)品形態(tài)認(rèn)知分析根據(jù)形態(tài)學(xué)的理論，產(chǎn)品可分解為若干個(gè)基本部件，對(duì)一個(gè)基本部件單獨(dú)分析和歸納，可得出多個(gè)不同的外形要素候選方案。邀請(qǐng)經(jīng)驗(yàn)豐富的設(shè)計(jì)人員進(jìn)行形態(tài)分析實(shí)驗(yàn)，根據(jù)初篩的產(chǎn)品樣本歸納出產(chǎn)品基本部件要素和每個(gè)部件的外形單元要素。2.多維意象的獲取分析產(chǎn)品的感性意象是指產(chǎn)品形態(tài)對(duì)用戶(hù)感官刺激所產(chǎn)生的直覺(jué)聯(lián)想感受，反映了用戶(hù)情感需求和對(duì)產(chǎn)品的內(nèi)心評(píng)判標(biāo)準(zhǔn)，一般使用形容詞加以描述。以3d打印機(jī)為例，通過(guò)網(wǎng)絡(luò)、雜志、調(diào)查、訪談等方法收集90個(gè)典型意象形容詞，選用隨機(jī)產(chǎn)品樣本，對(duì)這90個(gè)詞匯進(jìn)行問(wèn)卷調(diào)查，30位被試者會(huì)在問(wèn)卷中對(duì)給出的90個(gè)詞匯表中勾選認(rèn)為適合于描述產(chǎn)品樣本語(yǔ)意的詞匯，保留被勾選次數(shù)超過(guò)15的58個(gè)詞匯，如圖2所示；對(duì)58個(gè)詞匯采用kj法合并詞義相近的詞匯，將其篩選到20個(gè)。依據(jù)覆蓋所有基本部件要素和外形單元要素的原則，邀請(qǐng)4位專(zhuān)業(yè)設(shè)計(jì)師對(duì)前期搜集到的114個(gè)3d打印機(jī)樣本進(jìn)行初步篩選，得出40個(gè)設(shè)計(jì)樣本，對(duì)其進(jìn)行應(yīng)力計(jì)算和k-mean聚類(lèi)分析，聚類(lèi)樹(shù)狀圖如圖3所示。計(jì)算每個(gè)樣本到其所在聚類(lèi)中心距離并排序，最終獲得典型的6款3d打印機(jī)作為調(diào)查樣本。針對(duì)20個(gè)典型意象詞匯和6個(gè)典型樣本采用sd法制成七點(diǎn)尺度評(píng)估量表進(jìn)行調(diào)查問(wèn)卷，邀請(qǐng)50個(gè)受測(cè)人員進(jìn)行打分(20名專(zhuān)業(yè)設(shè)計(jì)師，15名3d打印機(jī)使用者，15設(shè)計(jì)專(zhuān)業(yè)研究生)，確定各感性意象詞匯的評(píng)價(jià)值。調(diào)查完成后將數(shù)據(jù)錄入spss統(tǒng)計(jì)軟件進(jìn)行因子分析，依據(jù)圖4所示意象因子陡坡圖，特征值大于1有4個(gè)因子軸，其累積可解釋方差貢獻(xiàn)度達(dá)到94.350％，如表1所示。表1意象因子貢獻(xiàn)度解釋選取每個(gè)因子軸中因子負(fù)荷值最高的意象因子，最終得到最具代表性的典型依次為“科技的”、“簡(jiǎn)潔的”、“精密的”和“穩(wěn)重的”。將面向這些典型感性意象實(shí)現(xiàn)3d打印機(jī)多個(gè)設(shè)計(jì)方案的評(píng)估。3.構(gòu)建多維意象的評(píng)估矩陣構(gòu)建3d打印機(jī)多維意象與方案的評(píng)估集合，取12個(gè)由專(zhuān)業(yè)設(shè)計(jì)師提供的設(shè)計(jì)概念方案，如圖5所示，組成方案集a＝{a1,a2,…,a12}；4個(gè)目標(biāo)意象組成評(píng)估指標(biāo)集f＝{f1,f2,f3,f4}；指標(biāo)權(quán)重由wi(i＝1,2,3,4)表示；40位參與者(包括20位設(shè)計(jì)專(zhuān)家與20位普通用戶(hù))組成評(píng)估者集g＝{g1,g2,…,g40}；每位參與者對(duì)每個(gè)方案aj關(guān)于屬性fi構(gòu)建的評(píng)估矩陣由表示。結(jié)合語(yǔ)意差異法，分別對(duì)4個(gè)目標(biāo)意象詞匯構(gòu)建7級(jí)likert量表，參與者分別對(duì)12個(gè)3d打印機(jī)樣本進(jìn)行意象評(píng)價(jià)，計(jì)算每個(gè)樣本的每個(gè)意象詞匯的平均值，從而得到3d打印機(jī)產(chǎn)品設(shè)計(jì)方案多維意象評(píng)價(jià)均值構(gòu)成的評(píng)估矩陣，如表2。表2評(píng)估矩陣4.面向多維意象的3d打印機(jī)設(shè)計(jì)方案評(píng)估采用式(1)對(duì)原始矩陣規(guī)范化處理，如表3所示。表3規(guī)范化評(píng)估矩陣根據(jù)評(píng)估矩陣，利用式(2)(3)(4)求得各意象的權(quán)重值，如表4所示。表4基于熵處理的權(quán)重值科技的簡(jiǎn)潔的精密的穩(wěn)重的ej0.99920.99820.99870.9994wj0.17780.40000.28890.1333根據(jù)熵處理得到的權(quán)重值，利用式(5)(6)計(jì)算加權(quán)規(guī)范化評(píng)估矩陣和正負(fù)理想解，如表5所示。表5加權(quán)規(guī)范化評(píng)估矩陣由式(6)、(7)可分別計(jì)算出每個(gè)待選方案與正、負(fù)理想解的距離，由式(12)、(13)可分別計(jì)算出每個(gè)待選方案與正、負(fù)理想解的灰色關(guān)聯(lián)度，最后由式(18)計(jì)算出各方案的相對(duì)貼近度，如表6所示。表6備選方案的相對(duì)貼近度根據(jù)相對(duì)貼近度大小排序備選方案，依據(jù)表7得出12個(gè)3d打印機(jī)設(shè)計(jì)方案的優(yōu)先級(jí)排序依次為a8，a10，a7，a11，a2，a3，a9，a5，a12，a1，a6，a4，實(shí)現(xiàn)了特定多維意象下對(duì)產(chǎn)品設(shè)計(jì)方案的決策?？傊?，產(chǎn)品設(shè)計(jì)方案評(píng)估是產(chǎn)品開(kāi)發(fā)過(guò)程中的重要階段，本發(fā)明提出一種面向多維意象的產(chǎn)品設(shè)計(jì)方案評(píng)估方法。在因子分析獲取產(chǎn)品多維意象的基礎(chǔ)上，通過(guò)信息熵確定權(quán)重的灰色關(guān)聯(lián)topsis相結(jié)合的評(píng)估方法可以削弱決策者評(píng)估產(chǎn)品設(shè)計(jì)方案時(shí)夾帶的主觀性和復(fù)雜性，并且在位置距離遠(yuǎn)近程度和形狀相似程度上同時(shí)反映出了待選方案與理想方案的接近程度，實(shí)現(xiàn)相對(duì)客觀的產(chǎn)品方案優(yōu)選，有效降低了產(chǎn)品設(shè)計(jì)階段由于多款方案的評(píng)估誤選帶來(lái)的投入風(fēng)險(xiǎn)。該方法具有一定的通用性，對(duì)其他工業(yè)產(chǎn)品方案評(píng)估階段具有參考價(jià)值。然而，本發(fā)明使用語(yǔ)義差異法即意象詞匯對(duì)用戶(hù)情感進(jìn)行表達(dá)可能會(huì)造成某些方面表達(dá)的不準(zhǔn)確性，用戶(hù)對(duì)產(chǎn)品的感性期許是多維且復(fù)雜的，因此下一步的研究重點(diǎn)是挖掘產(chǎn)品設(shè)計(jì)多意象的認(rèn)知特性，以進(jìn)一步提高產(chǎn)品設(shè)計(jì)方案評(píng)估的適用性。以上所述，僅是本發(fā)明的較佳實(shí)施例而已，并非對(duì)本發(fā)明作任何形式上的限制，任何未脫離本發(fā)明技術(shù)方案內(nèi)容，依據(jù)本發(fā)明的技術(shù)實(shí)質(zhì)對(duì)以上實(shí)施例所作的任何簡(jiǎn)單修改、等同變化與修飾，均仍屬于本發(fā)明技術(shù)方案的范圍內(nèi)。當(dāng)前第1頁(yè)12