張文召，呂 健，潘偉杰，趙慧亮,2，劉征宏

?

多目標(biāo)驅(qū)動(dòng)的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)模型研究

張文召1，呂 健1，潘偉杰1，趙慧亮1,2，劉征宏3

(1. 貴州大學(xué)現(xiàn)代制造技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室，貴州 貴陽(yáng) 550025； 2. 貴州民族大學(xué)美術(shù)學(xué)院，貴州 貴陽(yáng) 550025； 3. 貴陽(yáng)學(xué)院機(jī)械工程學(xué)院，貴州 貴陽(yáng) 550025)

為解決產(chǎn)品設(shè)計(jì)過(guò)程中用戶需求的主觀性、模糊性問(wèn)題，進(jìn)一步提高產(chǎn)品意象傳達(dá)的準(zhǔn)確度，提出一種多目標(biāo)驅(qū)動(dòng)的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)模型(M-FGN)構(gòu)建方法。以品牌形象、用戶偏好、社會(huì)情境為驅(qū)動(dòng)目標(biāo)，構(gòu)建多目標(biāo)驅(qū)動(dòng)空間；分析產(chǎn)品形態(tài)基因節(jié)點(diǎn)與邊的設(shè)計(jì)，以產(chǎn)品形態(tài)基因?yàn)楣?jié)點(diǎn)，以節(jié)點(diǎn)之間的相關(guān)性為邊，構(gòu)建M-FGN網(wǎng)絡(luò)；對(duì)網(wǎng)絡(luò)進(jìn)行拓?fù)浞治?，析出隱性設(shè)計(jì)知識(shí)輔助設(shè)計(jì)師進(jìn)行產(chǎn)品形態(tài)設(shè)計(jì)。以某國(guó)有企業(yè)AGV小車形態(tài)設(shè)計(jì)為例，通過(guò)分析AGV小車側(cè)面形態(tài)M-FGN網(wǎng)絡(luò)，將析出知識(shí)提供給設(shè)計(jì)師進(jìn)行針對(duì)性形態(tài)方案設(shè)計(jì)，對(duì)子代方案進(jìn)行對(duì)比評(píng)價(jià)，驗(yàn)證了M-FGN網(wǎng)絡(luò)模型的有效性。

多目標(biāo)意象；基因網(wǎng)絡(luò)；形態(tài)設(shè)計(jì)；用戶需求

產(chǎn)品意象造型設(shè)計(jì)已經(jīng)成為當(dāng)前企業(yè)重要的設(shè)計(jì)策略[1]，用戶需求的主觀性和模糊性問(wèn)題使得企業(yè)和設(shè)計(jì)師越來(lái)越難以把握用戶需求[2]，而單純依靠計(jì)算機(jī)輔助技術(shù)進(jìn)行的設(shè)計(jì)實(shí)際應(yīng)有價(jià)值有限[3]，且實(shí)際生產(chǎn)中，出現(xiàn)產(chǎn)品品牌形象與意象風(fēng)格不符，產(chǎn)品外觀造型與用戶偏好、社會(huì)審美趨勢(shì)脫節(jié)等問(wèn)題。因此如何科學(xué)運(yùn)用現(xiàn)代設(shè)計(jì)方法進(jìn)行產(chǎn)品意象造型設(shè)計(jì)，有效融合用戶偏好需求與社會(huì)審美趨勢(shì)，并形成企業(yè)獨(dú)特品牌外形基因，以輔助設(shè)計(jì)師與企業(yè)提高產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)力，是當(dāng)前產(chǎn)品設(shè)計(jì)面臨的重要問(wèn)題。

產(chǎn)品基因網(wǎng)絡(luò)(product gene network，PGN)是復(fù)雜網(wǎng)絡(luò)思想運(yùn)用到產(chǎn)品基因概念中形成的一種網(wǎng)絡(luò)形式。有前PGN的研究，如劉肖健等[3]通過(guò)構(gòu)建純凈水瓶形態(tài)參數(shù)網(wǎng)絡(luò)，并結(jié)合交互式遺傳算法驗(yàn)證了基因調(diào)控網(wǎng)絡(luò)對(duì)設(shè)計(jì)的輔助作用；徐瑤[4]以保溫杯為樣本繪制GRN(gene regulatory network)網(wǎng)絡(luò)并析出了相關(guān)設(shè)計(jì)知識(shí)；張露芳等[5]建立了辦公椅形態(tài)關(guān)系網(wǎng)絡(luò)；盛振[6]構(gòu)建了汽車外形基因網(wǎng)絡(luò)以及汽車感性詞匯評(píng)價(jià)網(wǎng)絡(luò)。此外，部分學(xué)者也進(jìn)行了一些基于基因網(wǎng)絡(luò)的配色設(shè)計(jì)研究[7-9]。以上研究?jī)A向于利用復(fù)雜網(wǎng)絡(luò)工具來(lái)分析描述實(shí)際生活中存在的大量產(chǎn)品設(shè)計(jì)要素之間的客觀規(guī)律，如產(chǎn)品形態(tài)要素的重要度以及之間的相關(guān)性等。

而對(duì)于復(fù)雜網(wǎng)絡(luò)思想在產(chǎn)品造型設(shè)計(jì)中用戶感性意象所蘊(yùn)含的隱性知識(shí)挖掘方面尚缺乏系統(tǒng)性探索，李雪瑞等[10]從用戶感性意象需求角度構(gòu)建汽車側(cè)面外形基因網(wǎng)絡(luò)模型，但所選意象指標(biāo)單一，忽略了產(chǎn)品設(shè)計(jì)過(guò)程中用戶需求的主觀性及模糊性問(wèn)題。且實(shí)際項(xiàng)目中，產(chǎn)品意象造型設(shè)計(jì)本身的復(fù)雜性使企業(yè)往往需要綜合多方面因素進(jìn)行設(shè)計(jì)，如同時(shí)考慮品牌形象、用戶偏好需求以及社會(huì)發(fā)展情境等，以期設(shè)計(jì)出能夠傳達(dá)企業(yè)品牌內(nèi)涵、滿足用戶感性偏好、符合社會(huì)審美趨勢(shì)的差異化產(chǎn)品。提出運(yùn)用復(fù)雜網(wǎng)絡(luò)思想挖掘用戶感性意象中的隱性知識(shí)，以及從多目標(biāo)進(jìn)行產(chǎn)品意象造型設(shè)計(jì)，將有益于提高意象傳達(dá)準(zhǔn)確度，保持企業(yè)產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)力。

綜上，本文提出多目標(biāo)驅(qū)動(dòng)的形態(tài)基因網(wǎng)絡(luò)模型(M-FGN)的構(gòu)建流程。首先在建立產(chǎn)品案例庫(kù)與目標(biāo)約束信息庫(kù)的基礎(chǔ)上，構(gòu)建基于品牌形象、用戶偏好、社會(huì)情境多目標(biāo)驅(qū)動(dòng)空間；其次分析產(chǎn)品形態(tài)基因節(jié)點(diǎn)與邊，通過(guò)權(quán)重系數(shù)變化法構(gòu)建M-FGN網(wǎng)絡(luò)，并對(duì)網(wǎng)絡(luò)進(jìn)行拓?fù)浞治?；最后以某?guó)有企業(yè)AGV小車形態(tài)設(shè)計(jì)為例，將求得的子代方案與對(duì)照組方案進(jìn)行對(duì)比評(píng)價(jià)，結(jié)果顯示，子代方案能明顯提高用戶滿意度，驗(yàn)證了M-FGN網(wǎng)絡(luò)模型對(duì)設(shè)計(jì)的有效輔助作用，一定程度上提高了PGN網(wǎng)絡(luò)模型的實(shí)際應(yīng)用價(jià)值。

1 M-FGN網(wǎng)絡(luò)模型構(gòu)建方法

產(chǎn)品形態(tài)設(shè)計(jì)本質(zhì)上是設(shè)計(jì)師自身知識(shí)與經(jīng)驗(yàn)的設(shè)計(jì)，因此本文構(gòu)建M-FGN網(wǎng)絡(luò)模型目的就是輔助企業(yè)以及設(shè)計(jì)師準(zhǔn)確定位產(chǎn)品設(shè)計(jì)知識(shí)，從而提高設(shè)計(jì)效率。如圖1所示，基于M-FGN網(wǎng)絡(luò)模型的產(chǎn)品整體設(shè)計(jì)流程包括4個(gè)階段：①建立包含品牌形象、用戶偏好、社會(huì)情境的多目標(biāo)驅(qū)動(dòng)空間。②建立產(chǎn)品形態(tài)基因集合。③通過(guò)M-FGN網(wǎng)絡(luò)建立驅(qū)動(dòng)目標(biāo)與產(chǎn)品形態(tài)基因之間的映射關(guān)系。④M-FGN網(wǎng)絡(luò)拓?fù)浞治黾斑M(jìn)行下一步優(yōu)化設(shè)計(jì)。

圖1 基于M-FGN網(wǎng)絡(luò)模型的產(chǎn)品創(chuàng)新設(shè)計(jì)流程圖

設(shè)基于M-FGN網(wǎng)絡(luò)模型的產(chǎn)品創(chuàng)新設(shè)計(jì)方法流程為，即

1.1 構(gòu)建多目標(biāo)意象認(rèn)知驅(qū)動(dòng)空間

1.1.1 驅(qū)動(dòng)目標(biāo)與驅(qū)動(dòng)詞匯提取

①構(gòu)建目標(biāo)約束信息庫(kù)，包括企業(yè)自身的品牌信息資料及從網(wǎng)絡(luò)、期刊和書(shū)籍等途徑收集的能夠描述目標(biāo)產(chǎn)品造型的形容詞匯。②確定驅(qū)動(dòng)目標(biāo)，將將其分為定性及定量2類目標(biāo)。定性目標(biāo)指用具體語(yǔ)言描述對(duì)象屬性或特征的目標(biāo)，如品牌形象、用戶偏好、社會(huì)情境等感性需求；定量目標(biāo)包括成本、功能質(zhì)量、工藝、結(jié)構(gòu)、人機(jī)性能等確定性的量化標(biāo)準(zhǔn)。

基于驅(qū)動(dòng)目標(biāo)獲取驅(qū)動(dòng)詞匯。定性驅(qū)動(dòng)目標(biāo)可以通過(guò)感性詞匯加以描述，如科技感、人性化等。常采用的方法有聚類分析法、因子分析法[11]、主成分分析法[12]等。定量目標(biāo)可通過(guò)成本調(diào)查法、企業(yè)產(chǎn)品案例庫(kù)等方法獲取。為研究與產(chǎn)品意象造型設(shè)計(jì)有直接關(guān)聯(lián)的用戶感性意象與形態(tài)基因的關(guān)系，以幫助設(shè)計(jì)師定位用戶感性意象中的隱性設(shè)計(jì)知識(shí)，提高產(chǎn)品意象傳達(dá)的準(zhǔn)確度，本文選取品牌形象、用戶偏好、社會(huì)情境3個(gè)驅(qū)動(dòng)目標(biāo)為研究對(duì)象進(jìn)行驅(qū)動(dòng)詞匯獲取，闡述M-FGN網(wǎng)絡(luò)模型的構(gòu)建方法。品牌形象指企業(yè)有目的的傳遞并被消費(fèi)者感知的各類視覺(jué)形象構(gòu)成的集合；用戶偏好指用戶在購(gòu)買和使用產(chǎn)品過(guò)程中產(chǎn)生的與形態(tài)、功能、情感及價(jià)值有關(guān)的主觀認(rèn)知[13]，反應(yīng)了用戶個(gè)人的需求、喜好及興趣；社會(huì)情境指體現(xiàn)當(dāng)下社會(huì)的審美情趣并與社會(huì)發(fā)展趨勢(shì)緊密聯(lián)系的造型語(yǔ)言。其他驅(qū)動(dòng)目標(biāo)同樣可以適用于本研究方法。

1.1.2 構(gòu)建多目標(biāo)意象認(rèn)知驅(qū)動(dòng)空間

由此可得所有被試者在品牌形象驅(qū)動(dòng)下對(duì)所有特征樣本的意象評(píng)價(jià)值構(gòu)成了高維認(rèn)知空間?；诖?，設(shè)所有被試者對(duì)特征樣本下任意形態(tài)基因的品牌形象意象評(píng)價(jià)均值為(B)，即

同理可得：

設(shè)用戶偏好意象評(píng)價(jià)均值為

設(shè)社會(huì)情境意象評(píng)價(jià)值為

1.2 獲取產(chǎn)品形態(tài)基因集合

獲取產(chǎn)品形態(tài)基因集合首先要建立產(chǎn)品案例庫(kù)，包括自有產(chǎn)品、競(jìng)爭(zhēng)產(chǎn)品和其他產(chǎn)品。自有產(chǎn)品指企業(yè)長(zhǎng)期發(fā)展中不斷迭代累積下來(lái)的產(chǎn)品，包括已經(jīng)量產(chǎn)的產(chǎn)品方案以及未能量產(chǎn)的概念方案；競(jìng)爭(zhēng)產(chǎn)品指市場(chǎng)上與企業(yè)產(chǎn)品定位相同或近似，構(gòu)成競(jìng)爭(zhēng)關(guān)系的產(chǎn)品；其他產(chǎn)品指社會(huì)環(huán)境下能夠代表主流審美趨勢(shì)如時(shí)裝、電影、汽車等行業(yè)的代表性產(chǎn)品。

對(duì)收集到的產(chǎn)品案例庫(kù)中目標(biāo)產(chǎn)品形態(tài)進(jìn)行編號(hào)，去除相似度高的形態(tài)方案，同時(shí)為避免色彩對(duì)形態(tài)的影響，對(duì)所有樣本進(jìn)行灰度處理。由有經(jīng)驗(yàn)的專家及設(shè)計(jì)師進(jìn)行篩選確定初步樣本。通過(guò)意象認(rèn)知實(shí)驗(yàn)對(duì)初步樣本做進(jìn)一步篩選獲取特征樣本集合。采用SD法結(jié)合Likert量表，調(diào)查用戶在品牌形象、偏好、社會(huì)情境下對(duì)每個(gè)代表性樣本的意象評(píng)價(jià)值，對(duì)每個(gè)方案下的3個(gè)驅(qū)動(dòng)目標(biāo)進(jìn)行求和排序，剔除掉與驅(qū)動(dòng)目標(biāo)關(guān)聯(lián)性不大的樣本形態(tài)，取分值較高的代表性樣本確定為最終的特征樣本集合S。

將產(chǎn)品特征樣本分解獲得產(chǎn)品形態(tài)基因。實(shí)際產(chǎn)品形態(tài)由較多的特征構(gòu)成，而消費(fèi)者形成的視覺(jué)印象往往是某些重要的特征元素構(gòu)成的，因此本文通過(guò)專家訪談、形態(tài)拆解法[15]及特征線[16]概念對(duì)產(chǎn)品特征樣本進(jìn)行分解，得到產(chǎn)品形態(tài)基因集合。采用曲線控制法對(duì)獲得的形態(tài)基因進(jìn)行編碼處理。將外形特征樣本導(dǎo)入到矢量繪圖軟件AI (adobe illustrator)中，利用3次貝塞爾曲線對(duì)樣本形態(tài)特征邊緣進(jìn)行提取。最終獲得所有編碼完成的形態(tài)基因集合L。

1.3 M-FGN網(wǎng)絡(luò)構(gòu)建

以品牌形象、用戶意象、社會(huì)情境為例構(gòu)建M-FGN網(wǎng)絡(luò)，設(shè)()為目標(biāo)約束下的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)(product form gene network，F(xiàn)GN)，則

其中，()為與品牌形象相關(guān)的FGN網(wǎng)絡(luò)，()=(V,E)；()為與用戶意象相關(guān)的FGN網(wǎng)絡(luò)，()=(V,E)；()為與社會(huì)情境相關(guān)的FGN網(wǎng)絡(luò)，()=(V,E)。對(duì)M-FGN網(wǎng)絡(luò)的構(gòu)建過(guò)程做如下形式化描述。

1.3.1 M-FGN網(wǎng)絡(luò)節(jié)點(diǎn)與邊的設(shè)計(jì)

1.3.2 M-FGN網(wǎng)絡(luò)自相關(guān)矩陣構(gòu)建

本文通過(guò)SPSS 20.0軟件實(shí)現(xiàn)樣本數(shù)據(jù)的相關(guān)性系數(shù)計(jì)算，從而建立各驅(qū)動(dòng)目標(biāo)下的自相關(guān)矩陣。本文構(gòu)建的3個(gè)驅(qū)動(dòng)目標(biāo)分別來(lái)自企業(yè)、用戶以及社會(huì)審美趨勢(shì)3個(gè)角度，因此本文采用權(quán)重系數(shù)變化法，將多目標(biāo)問(wèn)題轉(zhuǎn)化為單目標(biāo)問(wèn)題進(jìn)行求解。具體步驟如下。

步驟2.建立用戶偏好驅(qū)動(dòng)下的形態(tài)基因自相關(guān)矩陣。設(shè)Y為用戶偏好驅(qū)動(dòng)下任意兩個(gè)形態(tài)基因節(jié)點(diǎn)之間的相關(guān)系數(shù)，則個(gè)形態(tài)基因節(jié)點(diǎn)的自相關(guān)矩陣為

步驟3.建立社會(huì)情境驅(qū)動(dòng)下的形態(tài)基因自相關(guān)矩陣。設(shè)Z為用戶偏好驅(qū)動(dòng)下任意兩個(gè)形態(tài)基因節(jié)點(diǎn)之間的相關(guān)系數(shù)，則個(gè)形態(tài)基因節(jié)點(diǎn)的自相關(guān)矩陣為

步驟4.建立M-FGN網(wǎng)絡(luò)自相關(guān)矩陣。本文采用權(quán)重系數(shù)變化法，將多目標(biāo)驅(qū)動(dòng)問(wèn)題轉(zhuǎn)化為單目標(biāo)驅(qū)動(dòng)問(wèn)題，設(shè)，，分別為3個(gè)驅(qū)動(dòng)目標(biāo)的權(quán)重值，可知

設(shè)多目標(biāo)驅(qū)動(dòng)形態(tài)基因自相關(guān)矩陣為，則在矩陣中可以直接用表示，，三者的關(guān)系，由此可得

1.4 M-FGN網(wǎng)絡(luò)拓?fù)浞治?/h3>

借鑒復(fù)雜網(wǎng)絡(luò)中圖論的相關(guān)概念對(duì)M-FGN網(wǎng)絡(luò)進(jìn)行拓?fù)浞治?，主要?jì)算網(wǎng)絡(luò)中節(jié)點(diǎn)的度、節(jié)點(diǎn)敏感性及節(jié)點(diǎn)集團(tuán)，以析出相關(guān)設(shè)計(jì)知識(shí)輔助設(shè)計(jì)師進(jìn)行產(chǎn)品造型設(shè)計(jì)。

節(jié)點(diǎn)的度指與網(wǎng)絡(luò)中任意節(jié)點(diǎn)V相連的邊的條數(shù)，記為K，K的值越大代表該節(jié)點(diǎn)在網(wǎng)絡(luò)中越重要。節(jié)點(diǎn)敏感性反映了網(wǎng)絡(luò)中形態(tài)基因值的穩(wěn)定性程度。可以通過(guò)計(jì)算節(jié)點(diǎn)基因的方差來(lái)表示。敏感性越小代表形態(tài)基因的穩(wěn)定性越差，即該基因受其他基因的影響越大。反之則越小。其數(shù)學(xué)式為

節(jié)點(diǎn)集團(tuán)指在基因網(wǎng)絡(luò)中一群互相聯(lián)系并共同起作用的節(jié)點(diǎn)集合[17]。通過(guò)對(duì)基因網(wǎng)絡(luò)設(shè)置相關(guān)系數(shù)閾值來(lái)析多目標(biāo)約束下的節(jié)點(diǎn)集團(tuán)，閾值大小的不同，網(wǎng)絡(luò)呈現(xiàn)不同的結(jié)構(gòu)關(guān)系，當(dāng)相關(guān)性閾值越高，網(wǎng)絡(luò)將形成幾個(gè)大的節(jié)點(diǎn)集團(tuán)。其節(jié)點(diǎn)集團(tuán)內(nèi)部聯(lián)系緊密，代表產(chǎn)品形態(tài)基因之間具有較強(qiáng)的關(guān)聯(lián)性，在設(shè)計(jì)時(shí)需要同時(shí)考慮這些形態(tài)特征線條。

2 實(shí)例研究

以某國(guó)有企業(yè)AGV小車形態(tài)設(shè)計(jì)為例，闡述多目標(biāo)中品牌形象、用戶偏好、社會(huì)情境3個(gè)目標(biāo)驅(qū)動(dòng)下AGV小車M-FGN網(wǎng)絡(luò)的構(gòu)建以及網(wǎng)絡(luò)模型在輔助設(shè)計(jì)師精確定位用戶感性需求中的隱性知識(shí)，提高產(chǎn)品意象傳達(dá)的準(zhǔn)確度方面的作用。

2.1 獲取感性詞匯

建立企業(yè)AGV小車案例庫(kù)以及目標(biāo)約束信息庫(kù)，限于篇幅此處不做詳述。從建立的產(chǎn)品案例庫(kù)中各選出一組代表性樣本進(jìn)行形容詞提取。①通過(guò)實(shí)驗(yàn)收集被試者對(duì)代表性樣本產(chǎn)生的直觀感性語(yǔ)言描述；②采用語(yǔ)義轉(zhuǎn)化法結(jié)合目標(biāo)約束信息庫(kù)將被試者描述性的語(yǔ)言以及企業(yè)自身的品牌信息轉(zhuǎn)化為感性詞匯，由3名有經(jīng)驗(yàn)的設(shè)計(jì)師對(duì)獲得的感性詞匯進(jìn)行篩選，去除與用戶偏好、社會(huì)情境相關(guān)性較小的詞匯，得到代表性感性詞匯。將得到的感性詞匯與代表性樣本結(jié)合，采用SD法結(jié)合7點(diǎn)Likert量表進(jìn)行3個(gè)驅(qū)動(dòng)目標(biāo)下的調(diào)查問(wèn)卷實(shí)驗(yàn)；③通過(guò)因子分析、聚類分析獲得各個(gè)驅(qū)動(dòng)目標(biāo)下的感性詞匯(表1)。

表1 感性詞匯

2.2 特征樣本與形態(tài)基因提取

對(duì)特征樣本方案，通過(guò)形態(tài)拆解法將AGV分為頂面輪廓、側(cè)面輪廓、顯示面板、指示燈、分割線等5個(gè)重要形態(tài)要素，結(jié)合專家訪談法及特征線概念對(duì)形態(tài)要素進(jìn)行分析，最終確定AGV側(cè)面輪廓線及顯示面板為研究對(duì)象。將其導(dǎo)入到AI軟件中，并進(jìn)行特征邊緣提取。

圖2 AGV側(cè)面形態(tài)特征邊緣提取

表2 貝塞爾曲線編碼后的形態(tài)基因集合

2.3 AGV小車側(cè)面形態(tài)M-FGN網(wǎng)絡(luò)繪制

通過(guò)意象認(rèn)知實(shí)驗(yàn)可獲取用戶對(duì)形態(tài)基因的情感評(píng)價(jià)值。實(shí)驗(yàn)選取45名被試者，其中有經(jīng)驗(yàn)的設(shè)計(jì)師、企業(yè)管理人員和具有3年以上物流經(jīng)驗(yàn)的人員各15名，對(duì)案例庫(kù)中篩選的48個(gè)AGV特征樣本下的14個(gè)形態(tài)基因逐個(gè)評(píng)價(jià)。由此得到一個(gè)復(fù)雜高維的用戶評(píng)價(jià)意象空間。

2.3.1 自相關(guān)矩陣構(gòu)建

通過(guò)SPSS 20.0計(jì)算14個(gè)形態(tài)基因之間的Pearson相關(guān)性系數(shù)，以確定AGV小車側(cè)面形態(tài)M-FGN網(wǎng)絡(luò)中邊的關(guān)系。

從用戶評(píng)價(jià)意象空間中選取與品牌形象相關(guān)的數(shù)據(jù)，計(jì)算基因變量之間的Pearson相關(guān)性系數(shù)，可以分別得到與品牌形象、用戶偏好以及社會(huì)情境相關(guān)的14個(gè)基因節(jié)點(diǎn)的自相關(guān)系數(shù)矩陣(表3)。

與企業(yè)商討確定，AGV小車新產(chǎn)品形態(tài)設(shè)計(jì)中品牌形象傳達(dá)度為30%，用戶偏好滿意度為50%，社會(huì)情境滿足度為20%，則=0.3，=0.5，=0.2，帶入式(13)和式(14)中，得到AGV小車側(cè)面形態(tài)M-FGN網(wǎng)絡(luò)中14基因節(jié)點(diǎn)自相關(guān)矩陣見(jiàn)表4。

2.3.2 M-FGN網(wǎng)絡(luò)繪制

將構(gòu)建的多目標(biāo)相關(guān)的14個(gè)形態(tài)基因節(jié)點(diǎn)自相關(guān)矩陣輸入到網(wǎng)絡(luò)分析軟件UCINET 6.186中通過(guò)設(shè)置不同閾值得到AGV側(cè)面形態(tài)M-FGN網(wǎng)絡(luò)圖。如圖3所示，其中節(jié)點(diǎn)的直徑代表節(jié)點(diǎn)的度值。

2.4 網(wǎng)絡(luò)拓?fù)浞治黾霸O(shè)計(jì)知識(shí)轉(zhuǎn)化

對(duì)繪制的AGV小車側(cè)面形態(tài)M-FGN網(wǎng)絡(luò)進(jìn)行拓?fù)浞治?，?jì)算形態(tài)基因節(jié)點(diǎn)的度數(shù)、節(jié)點(diǎn)敏感性和節(jié)點(diǎn)集團(tuán)，將析出的顯性設(shè)計(jì)知識(shí)提供給設(shè)計(jì)師，輔助設(shè)計(jì)師定位關(guān)鍵形態(tài)線條。

表3 品牌形象相關(guān)的14個(gè)基因節(jié)點(diǎn)Pearson相關(guān)系數(shù)

表4 多目標(biāo)相關(guān)的14個(gè)基因節(jié)點(diǎn)Pearson相關(guān)系數(shù)

圖3 不同閾值下的AGV小車側(cè)面形態(tài)M-FGN網(wǎng)絡(luò)圖

2.4.1 節(jié)點(diǎn)度數(shù)及節(jié)點(diǎn)敏感性計(jì)算

計(jì)算構(gòu)建的AGV小車側(cè)面形態(tài)網(wǎng)絡(luò)中基因節(jié)點(diǎn)度數(shù)。當(dāng)相關(guān)性閾值[]=0.3時(shí)，14個(gè)形態(tài)基因節(jié)點(diǎn)中度數(shù)最大的4個(gè)基因節(jié)點(diǎn)為v3，v8，v2，v10，其度數(shù)分別為9，7，6，5。

基于SPSS 20.0計(jì)算網(wǎng)絡(luò)中形態(tài)基因節(jié)點(diǎn)的方差，得到節(jié)點(diǎn)敏感性值，14個(gè)基因節(jié)點(diǎn)中敏感性最大的4個(gè)基因節(jié)點(diǎn)為v8，v3，v6，v14，方差/均值分別為10.31%，6.22%，4.10%，2.51%。

2.4.2 節(jié)點(diǎn)集團(tuán)識(shí)別

通過(guò)設(shè)置相關(guān)性閾值析出節(jié)點(diǎn)集團(tuán)。相關(guān)研究表明設(shè)計(jì)師同時(shí)處理的形態(tài)要素?cái)?shù)量應(yīng)控制在3個(gè)左右，因此取相關(guān)性閾值[]=0.53時(shí)，AGV小車側(cè)面形態(tài)網(wǎng)絡(luò)中共析出4個(gè)節(jié)點(diǎn)集團(tuán)，兩個(gè)獨(dú)立節(jié)點(diǎn)。如圖4所示。

圖4 相關(guān)性閾值[r]=0.53時(shí)AGV小車側(cè)面形態(tài)基因網(wǎng)絡(luò)

2.4.3 設(shè)計(jì)知識(shí)轉(zhuǎn)化

分析節(jié)點(diǎn)度數(shù)、節(jié)點(diǎn)敏感性及節(jié)點(diǎn)集團(tuán)特征的目的是，將多目標(biāo)驅(qū)動(dòng)下用戶感性意象中的隱性設(shè)計(jì)知識(shí)轉(zhuǎn)化為顯性設(shè)計(jì)知識(shí)，以供給設(shè)計(jì)師進(jìn)行產(chǎn)品設(shè)計(jì)。

(1) 代表AGV小車頂部與側(cè)面交接處的形態(tài)基因v3，具有最高節(jié)點(diǎn)度數(shù)以及第二敏感性的特征，是多目標(biāo)驅(qū)動(dòng)下的形態(tài)基因關(guān)鍵節(jié)點(diǎn)。表明該處形態(tài)基因與其他基因關(guān)聯(lián)性最高，且形態(tài)基因的變化對(duì)AGV小車整體意象影響較大，在設(shè)計(jì)中需要最優(yōu)先考慮。對(duì)照節(jié)點(diǎn)集團(tuán)可以看出v3與代表側(cè)面形態(tài)基因的v2以及代表顯示屏頂部與側(cè)面轉(zhuǎn)角的形態(tài)基因v12構(gòu)成兩兩連接關(guān)系，且v2的度數(shù)排第3，因此這3個(gè)形態(tài)基因需要設(shè)計(jì)師協(xié)同考慮，且主從順序?yàn)?i>v3，v2，v12。

(2) 代表頂部下凹載貨區(qū)的形態(tài)基因v8具有最高的敏感性，以及第2高的節(jié)點(diǎn)度數(shù)，表明該處基因的變化對(duì)AGV小車整體意象影響最大，且與其他基因具有較高的關(guān)聯(lián)性。代表顯示屏底部轉(zhuǎn)角形態(tài)的v10與代表頂部下凹載貨區(qū)與側(cè)面轉(zhuǎn)角形態(tài)的v7，以及代表顯示屏頂部形態(tài)的v13，3者與v8一起構(gòu)成一個(gè)四元節(jié)點(diǎn)集團(tuán)，在設(shè)計(jì)時(shí)需要同時(shí)進(jìn)行優(yōu)化考慮。

(3) 頂部與下凹載貨區(qū)轉(zhuǎn)角形態(tài)基因v5與顯示屏底部形態(tài)基因v14以及頂部形態(tài)基因v4之間存在關(guān)聯(lián)，共同構(gòu)成一組節(jié)點(diǎn)集團(tuán)。相對(duì)于形態(tài)基因v5及v4而言，v14是敏感節(jié)點(diǎn)，對(duì)AGV小車整體感性意象影響更大，在該節(jié)點(diǎn)集團(tuán)中處于優(yōu)先位置。

(4) 代表載貨區(qū)下凹深度的形態(tài)基因v6與代表顯示屏側(cè)面高度的形態(tài)基因v11構(gòu)成一組二元節(jié)點(diǎn)集團(tuán)，需要協(xié)同考慮。且在敏感性方面，v11具有較高敏感性，因此在該二元節(jié)點(diǎn)集團(tuán)中具有主導(dǎo)地位。

(5) 得到兩個(gè)獨(dú)立形態(tài)基因節(jié)點(diǎn)，在節(jié)點(diǎn)度數(shù)以及敏感性方面都較低，在設(shè)計(jì)時(shí)可以不做重點(diǎn)考慮。

3 對(duì)照實(shí)驗(yàn)

將析出的設(shè)計(jì)知識(shí)提供給設(shè)計(jì)師進(jìn)行產(chǎn)品形態(tài)設(shè)計(jì)，以驗(yàn)證M-FGN網(wǎng)絡(luò)對(duì)設(shè)計(jì)師的輔助作用。實(shí)驗(yàn)包括樣本獲取實(shí)驗(yàn)以及對(duì)照評(píng)價(jià)實(shí)驗(yàn)兩部分。

從AGV特征樣本庫(kù)中選取3個(gè)代表性方案作為實(shí)驗(yàn)基礎(chǔ)樣本，邀請(qǐng)5名有3年以上工作經(jīng)驗(yàn)的專業(yè)設(shè)計(jì)師，要求在實(shí)驗(yàn)基礎(chǔ)樣本基礎(chǔ)上每人設(shè)計(jì)出一款能夠延續(xù)企業(yè)品牌形象(穩(wěn)重感和大氣感)，滿足用戶偏好(簡(jiǎn)潔感、整體感)且符合社會(huì)審美趨勢(shì)(現(xiàn)代感和精致感)的AGV子代產(chǎn)品，將其作為實(shí)驗(yàn)對(duì)照組。并將析出的設(shè)計(jì)知識(shí)提供給設(shè)計(jì)師，在同等條件下使每位設(shè)計(jì)師再次設(shè)計(jì)出一款A(yù)GV形態(tài)方案作為實(shí)驗(yàn)組。最終得到2組共30個(gè)形態(tài)方案，并通過(guò)軟件矢量化表達(dá)，圖5為通過(guò)2組實(shí)驗(yàn)得到的部分形態(tài)方案。

圖5 實(shí)驗(yàn)獲得的部分形態(tài)方案

將未提供設(shè)計(jì)知識(shí)(對(duì)照組)與提供設(shè)計(jì)知識(shí)(實(shí)驗(yàn)組)各得到的15個(gè)形態(tài)方案進(jìn)行對(duì)照評(píng)價(jià)實(shí)驗(yàn)。實(shí)驗(yàn)采用語(yǔ)義差異法，結(jié)合Likert7級(jí)量表(1~7)制作品牌形象、用戶偏好以及社會(huì)情境相關(guān)的調(diào)查問(wèn)卷。選取24名被試者，包括設(shè)計(jì)師、企業(yè)管理人員以及物流工廠操作工人。結(jié)果如圖6所示，分析可知，對(duì)比對(duì)照組樣本，實(shí)驗(yàn)組樣本在品牌形象、用戶偏好和社會(huì)情境方面平均得分分別提高了1.11，0.40，1.42；在滿意程度方面分分別提高了31.00%，20.50%，30.50%；分值在6分以上人數(shù)比例分別由50.00%，37.50%，41.67%提高到75.00%，62.50%，58.33%。由此驗(yàn)證了M-FGN網(wǎng)絡(luò)模型的有效性。

4 結(jié)束語(yǔ)

為解決產(chǎn)品設(shè)計(jì)過(guò)程中用戶需求的主觀性、模糊性問(wèn)題，提高產(chǎn)品意象傳達(dá)的準(zhǔn)確度，本文首先提出了M-FGN網(wǎng)絡(luò)構(gòu)建方法；然后以某企業(yè)AGV小車側(cè)面形態(tài)設(shè)計(jì)為例構(gòu)建了品牌形象、用戶偏好、社會(huì)情境驅(qū)動(dòng)的形態(tài)基因網(wǎng)絡(luò)模型；最后通過(guò)對(duì)照評(píng)價(jià)實(shí)驗(yàn)驗(yàn)證了M-FGN網(wǎng)絡(luò)模型的有效性，實(shí)驗(yàn)結(jié)果表明，通過(guò)給設(shè)計(jì)師提供網(wǎng)絡(luò)模型析出的設(shè)計(jì)知識(shí)，子代方案在品牌形象、用戶偏好、社會(huì)情境滿意度方面分別提高31.00%，20.50%，30.50%。M-FGN網(wǎng)絡(luò)使傳統(tǒng)的單純依靠設(shè)計(jì)師經(jīng)驗(yàn)進(jìn)行的設(shè)計(jì)活動(dòng)變得更加科學(xué)化，提高了AGV小車品牌形象及用戶感性需求傳達(dá)的準(zhǔn)確度，對(duì)設(shè)計(jì)師挖掘用戶感性意象中的隱性設(shè)計(jì)知識(shí)提供了的輔助作用。

圖6 3個(gè)驅(qū)動(dòng)目標(biāo)相關(guān)的實(shí)驗(yàn)評(píng)價(jià)數(shù)據(jù)

后續(xù)將從3個(gè)方面進(jìn)行深入研究：①?gòu)腁GV產(chǎn)品側(cè)面形態(tài)基因網(wǎng)絡(luò)模型的構(gòu)建擴(kuò)展至整個(gè)產(chǎn)品形態(tài)的研究，驗(yàn)證多目標(biāo)驅(qū)動(dòng)形態(tài)基因網(wǎng)絡(luò)模型的穩(wěn)定性；②進(jìn)一步研究定量驅(qū)動(dòng)目標(biāo)如成本、工藝、結(jié)構(gòu)等的AGV形態(tài)基因網(wǎng)絡(luò)模型構(gòu)建方法，提高形態(tài)基因網(wǎng)絡(luò)模型的實(shí)際適用性；③通過(guò)引入智能算法實(shí)現(xiàn)多目標(biāo)驅(qū)動(dòng)AGV形態(tài)智能進(jìn)化設(shè)計(jì)，以進(jìn)一步幫助企業(yè)及設(shè)計(jì)師提高設(shè)計(jì)效率。

[1] 蘇建寧, 劉志君, 王鵬. 基于感性意象的產(chǎn)品族造型設(shè)計(jì)方法研究進(jìn)展[J]. 機(jī)械設(shè)計(jì), 2017, 34(11): 112-116.

[2] 劉征宏, 謝慶生, 李少波, 等. 基于潛在語(yǔ)義分析和感性工學(xué)的用戶需求匹配[J]. 浙江大學(xué)學(xué)報(bào): 工學(xué)版, 2016, 50(2): 224-233.

[3] 劉肖健, 孫艷, 吳劍鋒, 等. 產(chǎn)品基因調(diào)控網(wǎng)絡(luò)模型及其對(duì)設(shè)計(jì)過(guò)程的輔助[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2013, 19(7): 1463-1471.

[4] 徐瑤. 基于基因調(diào)控網(wǎng)絡(luò)的產(chǎn)品優(yōu)化設(shè)計(jì)[D]. 浙江: 浙江工業(yè)大學(xué), 2014.

[5] 張露芳, 盛振, 孫倫, 等. 基于基因網(wǎng)絡(luò)的產(chǎn)品形態(tài)設(shè)計(jì)研究[J]. 浙江工業(yè)大學(xué)學(xué)報(bào), 2016, 44(5): 584-590.

[6] 盛振. 汽車造型設(shè)計(jì)的基因網(wǎng)絡(luò)模型構(gòu)建研究[D]. 浙江工業(yè)大學(xué), 2016.

[7] 李愚, 劉肖健, 孫艷, 等. 產(chǎn)品配色設(shè)計(jì)的色彩鄰接網(wǎng)絡(luò)模型[EB/OL]. [2018-09-19]. http://kns.cnki.net/ kcms/detail/11.5946.TP.20180504.1326.045.html.

[8] 劉肖健，曹愉靜，趙露唏. 傳統(tǒng)紋樣的色彩網(wǎng)絡(luò)模型及配色設(shè)計(jì)輔助技術(shù)[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2016, 22(4): 899-907.

[9] 劉肖健, 李桂琴, 孫守遷. 基于交互式遺傳算法的產(chǎn)品配色設(shè)計(jì)[J]. 機(jī)械工程學(xué)報(bào), 2009, 45(10): 222-227.

[10] 李雪瑞, 余隋懷, 初建杰, 等. 意象驅(qū)動(dòng)的產(chǎn)品形態(tài)基因網(wǎng)絡(luò)模型構(gòu)建與應(yīng)用[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2017, 19(7): 1463-1471.

[11] 趙慧亮, 何林, 林麗. 數(shù)字化人機(jī)界面的多目標(biāo)意象設(shè)計(jì)決策研究[J]. 工程設(shè)計(jì)學(xué)報(bào), 2016, 23(1): 28-34.

[12] 袁樹(shù)植, 高虹霓, 王崴, 等. 基于感性工學(xué)的人機(jī)界面多意象評(píng)價(jià)[J]. 工程設(shè)計(jì)學(xué)報(bào), 2017, 24(5): 523-529.

[13] 徐江, 王海賢, 張克俊. 基于貝葉斯網(wǎng)絡(luò)的品牌風(fēng)格語(yǔ)言知識(shí)建模方法[J]. 中國(guó)機(jī)械工程, 2013, 24(19): 2611-2616.

[14] 劉征宏, 謝慶生, 黃海松, 等. 多維變量感性工學(xué)模型構(gòu)建及其性能評(píng)估[J]. 四川大學(xué)學(xué)報(bào): 工程科學(xué)版, 2016, 48(2): 198-206.

[15] 張碩, 吳儉濤. 基于BP神經(jīng)網(wǎng)絡(luò)的壁掛式充電樁產(chǎn)品形態(tài)研究[J]. 圖學(xué)學(xué)報(bào), 2017, 38(6): 865-868.

[16] 趙丹華, 趙江洪. 汽車造型特征與特征線[J]. 包裝工程, 2007(3): 115-117.

[17] 汪小帆, 李翔, 陳關(guān)榮. 復(fù)雜網(wǎng)絡(luò)理論及其應(yīng)用[M]. 北京: 清華大學(xué)出版社, 2006.

Research on Model of Product Form Gene Network Driven by Multi-Objective

ZHANG Wen-zhao1, LV Jian1, PAN Wei-jie1, ZHAO Hui-liang1,2, LIU Zheng-hong3

(1. Key Laboratory of Advanced Manufacturing Technology, Ministry of Education, Guizhou University, Guiyang Guizhou 550025, China; 2. The Ares College of Guizhou Minzu University, Guiyang Guizhou 550025, China; 3.School of Mechanical Engineering,Guiyang University, Guiyang Guizhou 550025, China)

To solve the subjectivity and ambiguity of user demands in the product design process, and to enhance the accuracy of express product image, this study proposed a product form gene network driven by multi-objective (M-FGN). Taking brand image, user preference and social context as the driving targets, we constructed the multi-object goal driven space and analyzed the product form gene node and the edge design. Thus the product form gene was set as node, the correlation of nodes as edges, so as to construct the M-FGN network. The network with topology was also analyzed to generate the implicit design knowledge to assist designers in product form design. Taking a state-owned enterprise tobacco logistics equipment AGV design as an example, we analyzed the side form of AGV’s M-FGN network, provided the knowledge generated to the designers for the specific form design, and made a comparative evaluation of the sub-design, which verified the effectiveness of the M-FGN network model.

multi-objective image; gene network; form design; user demands

TH 116；TB 472

10.11996/JG.j.2095-302X.2019020335

A

2095-302X(2019)02-0335-09

2018-06-21；

2018-08-29

國(guó)家自然科學(xué)基金項(xiàng)目(51505094)；貴州省科技項(xiàng)目(LH字[2016]7467、[2016]2327、[2017]1046、[2017]2016、[2018]1049、[2016]12)；貴州省教育廳高等學(xué)校人文社會(huì)科學(xué)研究項(xiàng)目(2018qn46)；貴州省教育廳青年科技人才成長(zhǎng)項(xiàng)目(黔教合KY字[2017]239)

張文召(1992-)，男，河南新鄉(xiāng)人，碩士研究生。主要研究方向?yàn)楫a(chǎn)品創(chuàng)新設(shè)計(jì)方法。E-mail：592617465@qq.com

呂 健(1983-)，男，河北承德人，副教授，博士。主要研究方向?yàn)楣I(yè)設(shè)計(jì)、智能設(shè)計(jì)。E-mail：jlv@gzu.edu.cn