數字化人機界面的多目標意象設計決策研究

趙慧亮, 何　林, 林　麗

(貴州大學 機械工程學院, 貴州 貴陽 550025)

?

本刊網址·在線期刊：http://www.journals.zju.edu.cn/gcsjxb

http://orcid.org//0000-0003-3025-6560

通信聯系人：何林(1965—),男,四川鹽亭人,教授,博士生導師,從事先進加工技術及裝備研究,E-mail:helin6568@163.com.

數字化人機界面的多目標意象設計決策研究

趙慧亮, 何林, 林麗

(貴州大學 機械工程學院, 貴州 貴陽 550025)

摘要：用戶的感性需求愈來愈受到設計者和企業的重視.為解決實際中多目標意象要求下數字化人機界面方案選擇過程中存在的復雜性與主觀性問題,提出一種三角模糊數與逼近理想解排序法相結合的模糊逼近理想解排序法(F-TOPSIS).結合某新型遠程操控清障車的數字化人機界面設計,在通過運用因子分析方法獲取用戶對數字化人機界面典型樣本的4類感性意象的基礎上,應用F-TOPSIS實現了決策者多目標意象特定要求下對10個數字化人機界面設計方案的優先級排序,驗證了該方法的可行性.研究表明F-TOPSIS對數字化人機界面設計方案的區分度較好,能在多目標意象需求下進行較為合理、準確的設計決策.

關鍵詞：數字化人機界面； 多目標意象； 模糊逼近理想點排序； 設計決策

隨著數字化儀控技術的不斷發展,以數字化人機界面為主的操作方式在工業控制系統領域得到廣泛應用.數字化人機界面作為實現控制的重要載體和媒介,在市場競爭加劇、產品生命周期日益縮短的環境下,其方案設計過程中用戶的感性需求愈來愈受到設計者和企業的重視.

感性意象是工業設計中的一種重要研究方法,可以作為衡量用戶感知某個產品、反映其自身需求渴望和心理評判的標準[1-2].國內外學者對產品意象設計進行了大量的研究,主要集中在對用戶的單一目標意象需求,然而現實中用戶的意象認知往往是復雜的、多義的,很多情況下期望得到符合多個感性意象需求的產品.因此,近年,多目標意象設計正在成為工業設計領域的研究熱點,文獻[3-6] 為滿足消費者對產品造型的多意象需求,結合遺傳算法、支持向量機等對產品多意象造型的進化設計方面進行了較為深入的研究.

然而,當前對如何進行多目標意象設計決策的研究并不多,不利于產品多意象創新設計的進一步開展.文獻[7]和文獻[8]對產品色彩方案的多意象決策分別采用灰色關聯分析方法和模糊層次分析法進行了嘗試；逼近理想點排序法(TOPSIS)具有對原始數據利用比較充分、誤差小、可靠性高等特點,廣泛地應用于產品造型設計[9]、制造系統[10]等多屬性方案決策領域.本文依托于某新型遠程操控清障車的數字化人機界面設計,提出采用模糊TOPSIS法(F-TOPSIS)解決其設計過程中面對的多目標意象設計決策問題.

1F-TOPSIS方法

傳統TOPSIS方法僅能處理評價指標值為定量值的情況,針對數字化人機界面的多目標感性意象為無法量化的語言變量,本文在TOPSIS方法中引入模糊理論，利用變換標度將語言變量轉換為三角模糊數,將定性指標量化,結合決策者給定的多目標意象權重,通過模糊TOPSIS(F-TOPSIS)方法獲得數字化人機界面多目標意象最終的方案排序.

1.1三角模糊數

圖1　三角模糊數Fig.1　The triangular fuzzy number

其隸屬函數表示為

(1)

選取1-3-5-7-9比例標度將語言變量轉換為指標與方案的三角模糊數評級.表1顯示了語言變量對應的方案與模糊意象模糊評級.

表1　語言變量對應的方案模糊評級

1.2F-TOPSIS方法過程

TOPSIS是系統工程中常用的決策技術,用于對有限方案進行多目標多屬性的決策分析.其基本思想是對原始數據矩陣進行歸一化處理的基礎上進行計算,得出待評價方案與正理想解和負理想解的距離,以最靠近正理想解和遠離負理想解為最滿意的方案,從而實現方案的優選[12].模糊TOPSIS方法(F-TOPSIS)是將針對屬性和方案的模糊評價與TOPSIS方法相結合,從而對評價對象進行相對優劣的客觀評價.其過程如下所述.

步驟1:給出相關指標與方案的評價集合.

步驟2:計算指標與方案的集結模糊評級.

(2)

步驟3:計算模糊決策矩陣.

(i=1,2,…,m;j=1,2,…,n)

(3)

(4)

步驟4：計算準化模糊決策矩陣.

標準化模糊決策矩陣為

(5)

(6)

(7)

步驟5：計算加權標準化模糊決策矩陣.

加權標準化模糊決策矩陣為

(8)

步驟6：計算模糊最優解與最劣解.

模糊最優解P+與模糊最劣解P-分別為：

m,j=1,2,…,n)；

(9)

m,j=1,2,…,n).

(10)

步驟7：計算方案到最優解與最劣解的距離.

每個備選設計方案即備選解,與最優解、最差解之間的距離計算公式分別為:

(11)

(12)

步驟8：計算每一個備選方案與理想解的相對貼近度.

求出各個備選解與理想解的相對貼近度作為最終的評判標準.

(13)

步驟9：排列待選方案.

依據貼近度遞減順序對備選方案進行排列,排在第1位的方案是距離最優解最近、距離最劣解最遠的最佳方案.

2數字化人機界面的感性意象分析

目前正在研發的某新型遠程操控清障車是一款無人駕駛、純電動、通過遠程手持式控制終端進行操作控制的特殊工程車輛,通過應用線控轉向技術、無線通信技術實現對車輛的遠距離遙控操作,主要應用工程搶險、抗震救災等作業,尤其是在人員面臨生命安全的危險環境下清除障礙.其中,觸摸顯示屏是該系統的核心單元,構成典型的復雜數字化人機界面,用于車輛所有運行數據的數字化顯示,包括運行狀態、不同單元的電池組電量、轉速儀表、車輛前后燈狀態、報警、車端動作狀態及故障遠程恢復等信息，如圖2所示.

圖2　數字化人機界面設計圖Fig.2　Conceptual design of digital human-machine interface

產品的感性意象是指用戶通過自身的感官對產品所產生的直覺聯想,一般使用形容詞加以描述.由于數字化人機界面本身內容的復雜程度不同,界面元素間相互作用、影響明顯,其感性意象受到“平衡性”、“比例性”、“簡潔性”和“呼應性”等多方面的約束[13-15],通過訪談、調查、查閱資料等方法搜集了75個描述數字化人機界面的形容詞,采用KJ法[16]將其歸納為22個.選擇典型的6款數字化人機界面作為調查樣本,采用語義差異法(SD)[17,18]制成七點尺度評估量表進行問卷調查,邀請50個受測人員(設計師為20名,操作者為15名,技術開發人員為8名,企業管理者為7名)進行調查,確定各感性意象詞匯評價值.使用因子分析法輸入SPSS統計軟件中,并采用主成分分析法(PCA)和最大方差旋轉因子來分析結果,取特征值大于1的4個因子,其累積可解釋的總方差為95.540%,如表2示.

表2　總方差解釋

由因子分析結果得知,數字化人機界面設計的感性意象可由4個因素所解釋,每個因素都有其代表的涵義.為了更進一步選出具代表性的感性語匯,并了解各感性語匯間之相似性,將各語匯對的因子負荷量再進行系統聚類分析,從而將22個感性語匯歸入4個大組內,最終確定感性意象依次為“創新的”、“易讀的”、“精密的”和“科技感”.本文將圍繞這些感性意象展開對數字化人機界面的多目標意象設計決策研究.

3基于F-TOPSIS的多目標意象決策

應用F-TOPSIS對數字化人機界面在多目標意象條件下進行優選,具體過程如下所述.

3.1構建模糊決策矩陣

依據表1中語言變量對應的模糊評級,50位決策者對10個方案S1,S2,…,S10進行評價.語言變量被轉化為三角模糊數并且依據式(2)獲得50位決策者的整體評價.評價指標與方案的集結模糊權重如表3所示.

表3　感性意象與方案的集結模糊決策矩陣

根據公式(5)、(6)、(7)計算標準化模糊決策矩陣,如表4所示.

表4　標準化模糊決策矩陣

3.2多目標意象決策

表5　加權標準化模糊決策矩陣

根據公式(11)、(12)、(13)計算方案到最優解與最劣解的距離及其相對貼近度,如表6和表7所示.

表6　方案與模糊最優解及最劣解的距離

表7　最優解及最劣解的距離及其相對貼近度

最后排列待選方案.依據表7得出10個數字化人機界面設計方案的最終優先級排序依次為S8，S4，S7，S10，S5，S9，S2，S3，S6，S1,實現了多目標意象特定要求下的方案決策.

4結論

如何有效匹配用戶對產品的多意象需求是產品開發過程中設計師面對的重要任務.本文針對如何有效地進行多目標意象決策,結合某新型遠程操控清障車數字化人機界面設計,運用因子分析方法獲取了用戶對典型樣本的4類感性意象,并基于F-TOPSIS解決方案選擇過程中面對的復雜性與主觀性問題,獲得了決策者多目標意象特定需求下優選方案,為設計師開展多目標意象決策提供了一種新的解決方法,同時該方法適用于其他功能較為復雜的產品多意象設計決策.

參考文獻：

[1] 羅仕鑒,潘云鶴.產品設計中的感性意象理論、技術與應用研究進展[J].機械工程學報,2007,43(3)：8-13．

LUO Shi-jian,PAN Yun-he.Review of theory,key technologies and its application of perceptual image in product design[J].Chinese Journal of Mechanical Engineering,2007,43(3)：8-13．

[2] NAGAMACHI M.Kansei engineering：a new ergonomic consumer-oriented technology for product development[J].International Journal of Industrial Ergonomics,1995,15(1)：3-11.

[3] 蘇建寧,張秦瑋,吳江華,等.產品多意象造型進化設計[J].計算機集成制造系統,2014,11(11)：2675-2682．

SU Jian-ning,ZHANG Qin-wei,WU Jiang-hua,et al.Evolutionary design of product multi-image styling[J].Computer Integrated Manufacturing Systems,2014,11(11)：2675-2682．

[4] FUNG K,KWONG C,SIU K W,et al.A multi-objective genetic algorithm approach to rule mining for affective product design[J].Expert Systems with Applications,2012,39(8)：7411-7419．

[5] YANG C C.Constructing a hybrid kansei engineering system based on multiple affective responses：application to product form design[J].Computers & Industrial Engineering,2011,60(4)：760-768．

[6] JIANG H,KWONG C,LIU Y,et al.A methodology of integrating affective design with defining engineering specifications for product design[J].International Journal of Production Research,2015,53(8)：2472-2488．

[7] 孫志學.基于灰色關聯分析的產品色彩方案多意象優選[J].機械設計,2015,32(1):120-122．

SUN Zhi-xue.Multiple image selection of product color schemes based on grey relational analysis[J].Journal of Machine Design,2015,32(1):120-122．

[8] 李永鋒,朱麗萍.基于模糊層次分析法的產品配色設計[J].機械科學與技術,2012,31(12)：2028-2033.

LI Yong-feng,ZHU Li-ping.Product color design based on fuzzy analytic hierarchy process[J].Mechanical Science and Technology for Aerospace Engineering,2012,31(12)：2028-2033．

[9] 張芳蘭,楊明朗,劉衛東.基于模糊TOPSIS方法的汽車形態設計方案評價[J].計算機集成制造系統,2014,20(2)：276-283．

ZHANG Fang-lan,YANG Ming-lang,LIU Wei-dong.Evaluation of automobile form design based on fuzzy TOPSIS[J].Computer Integrated Manufacturing Systems,2014,20(2)：276-283．

[10] 盧青波,張學良,溫淑花,等.基于差異演化算法和多屬性決策的機電系統可靠性多目標優化設計[J].工程設計學報,2011,18(6):412-417．

LU Qing-bo,ZHANG Xue-liang,WEN Shu-hua,et al.Mechanical electronics system reliability multi-objective optimization design based on differential evolution algorithm and multiple attribute decision making[J].Chinese Journal of Engineering Design,2011,18(6):412-417．

[11] 鞏在武.不確定模糊判斷矩陣原理、方法與應用[M].北京：科學出版社,2011:37-60．

GONG Zai-wu.Principle,method and application of uncertain fuzzy judgment matrix[M].Beijing：Science Press,2011:37-60．

[12] 夏勇其,吳祈宗.一種混合型多屬性決策問題的TOPSIS方法[J].系統工程學報,2004,19(6)：630-634．

XIA Yong-qi,WU Qi-zong.A technique of order preference by similarity to ideal solution for hybrid multiple attribute decision making problems[J].Journal of Systems Engineering,2004,19(6)：630-634．

[13] 周蕾,薛澄岐,湯文成,等.界面元素布局設計的美度評價方法[J].計算機輔助設計與圖形學學報,2013,25(5)：758-766．

ZHOU Lei,XUE Cheng-qi,TANG Weng-cheng,et al.Aesthetic evaluation method of interface elements layout design [J].Journal of Computer Aided Design and Computer Graphics,2013,25(5)：758-766．

[14] 袁培颯,陳銳,林濤,等.基于遺傳算法和神經網絡的軟件界面美感建模[J].四川大學學報(自然科學版),2015,52(2):269-274．

YUAN Pei-sa,CHEN Rui,LIN Tao,et al.A new software interface aesthetics model based on genetic algorithm and neural network[J].Journal of Sichuan University (Natural Science Edition),2015,52(2):269-274．

[15] 張娜,王家民,楊延璞.人機界面形態元素布局設計美度意象的評價方法[J].機械科學與技術,2015,34(10):1594-1598．

ZHANG Na,WANG Jia-min,YANG Yan-pu.Evaluation method of aesthetic image for man-machine interface form elements layout design[J].Mechanical Science and Technology for Aerospace Engineering,2015,34(10):1594-1598．

[16] MENG D S,WANG J H,YANG C C.Affective response dimension selection for product design：a comparison of cluster analysis and Procrustes analysis[J].International Journal of Digital Content Technology & Its Applications,2011,5(1)：305-318．

[17] SHANG H H,MING C C,CHANG C C.A semantic differential study of designers’ and users’ product form perception[J].International Journal of Industrial Ergonomics,2000,25(4):375-391．

[18] 林麗,陽明慶,張超,等.產品情感研究及情感測量的關鍵技術[J].圖學學報,2013,34(1)：122-127．

LIN Li,YANG Ming-qing,ZHANG Chao,et al.The product emotion and key technologies for emotional measurement[J].Journal of Graphics,2013,34(1)：122-127.

The decision making on multi-image designfor digital human-machine interface

ZHAO Hui-liang, HE Lin, LIN Li

(School of Mechanical Engineering, Guizhou University, Guiyang 550025, China)

Abstract：Increasing designers and companies are paying attention to users′ perceptual demand. Aiming at the existing complexity and the subjectivity in the process of digital man-machine interface scheme decision under the requirements of specific multi-image effectively，fuzzy technique for order preference by similarity to an ideal solution (F-TOPSIS) was proposed which integrated triangular fuzzy number and technique for order preference by similarity. Combined with a new type remote control wrecker′s digital human-machine interface (DHMI) design, and along with four kinds of perceptual image confirmed by using the factor analysis from the typical HDMI samples, it was applied to achieve the plan prioritization under the decision maker′s specific requirements of multi-image for 10 digital man-machine interface conceptual design scheme, and its feasibility and validity were proved. Studies indicated that F-TOPSIS had good performance in the differentiation for the DHMI design scheme, and helped to make decision with specific multi-image requirements reasonably and accurately.

Key words：digital human-machine interface; multi-image; F-TOPSIS; decision making

中圖分類號：TP 391

文獻標志碼：A

文章編號：1006-754X(2016)01-0028-07

DOI:10.3785/j.issn. 1006-754X.2016.01.005

作者簡介：趙慧亮(1988—),男,河北邢臺人,博士生,從事工業設計、現代設計方法研究,E-mail:fightingzhl@163.com.

基金項目：國家自然科學基金資助項目(51465007).

收稿日期：2015-10-05.