基于感性認知的直條紋針織服裝設計研究

唐 剛，卜 俊，孫培賢

(廈門大學嘉庚學院，福建 漳州 363105)

直線條紋作為針織服裝中最基本的幾何紋樣，具有可操作性強、生產成本低、表現力強等諸多優點[1-3]，在針織服裝中的設計應用也越來越受到重視。目前基于消費者感性認知對服裝的研究主要以款式、色彩、條紋風格類型進行定性分析及設計實踐[4-7]，朱佳妮[8]對單色條紋針織服裝的風格類型與色彩要素之間的相關性進行研究分析，主要涉及單個感性認知要素與針織服裝構成要素之間的關系，而消費者對產品感性認知是對情感需求的綜合體現，單一的意象感知并不能很好地詮釋消費者的感性認知需求，關于消費者復雜的綜合感性認知與服裝條紋之間的關系的研究較為欠缺。

近幾年，基于感性認知在服裝中的應用成為研究熱點，相關研究通過眼動跟蹤技術分別對服裝的圖案和面料視覺進行應用研究[9-10]；文獻[11-12]分別對消費者的網絡服裝購買意愿進行研究，為顧客線上服裝消費體驗的改進提供理論基礎和創新發展策略。本文以消費者感性認知為基礎，將直線條紋的設計因子與消費者綜合感性認知需求相結合，對二者的關系進行量化研究，通過響應曲面設計方法建立消費者感性認知與直線條紋設計因子之間的映射模型，得出直線條紋滿足消費者綜合感性認知需求的最優設計參數。可為直線條紋在針織服裝中的設計應用提供參考。

1 相關理論方法

1.1 響應面法

響應面法，又稱響應曲面設計方法(Response Surface Methodology，RSM)，是利用合理的試驗設計方法并通過試驗得到數據，采用多元二次回歸方程來擬合因素與響應值之間的函數關系，通過對回歸方程的分析來尋求最優工藝參數，解決多變量問題的一種統計方法[13-14]，被廣泛的運用于工藝參數優化及設計當中。

響應面法考慮了試驗隨機誤差，能夠將復雜未知函數關系在小區域內用一次或二次多項式模型擬合，是解決參數優化的有效手段。

1.2 中心組合試驗法

中心組合試驗設計(Box Behnken Design，BBD)優點在于在試驗設計的過程中不需要考慮最高或最低水平的因素，可以排除試驗設計的極端條件，而且在因素數相同時比中心復合試驗所需試驗次數少。

2 研究思路

響應面法優化的前提條件是確立合理的因素與水平。基于消費者綜合感性認知，采用響應面法對針織服裝中的直線條紋設計參數進行優化時，首先需要綜合考慮直線條紋的構成以及設計因子，并且需要對設計參數進行準確賦值，然后根據設計因子和參數將方案視覺化，對所呈現方案對消費者的感性認知量化處理，最后根據設計參數的輸入和感性認知量化數值的輸出形成擬合方程，基于消費者綜合情感認知對設計參數進行最優化處理，進而得到最佳設計方案，并對最佳設計方案進行驗證。本文以針織毛衫為研究載體，結合響應面法和感性工學理論對直線條紋進行設計分析，研究思路如圖1所示。

圖1 研究思路

3 研究過程

3.1 直線條紋構成及設計因子

直線條紋在針織服裝中以不同顏色排布為主要表現形式，其排列組成形式是影響消費者情感認知的主要因素，在直線條紋的排列中，以色相、純度等為區分形成直線條紋在服裝上的造型。本文主要研究均勻排列的直線條紋造型特征，排除色彩對直線條紋的影響，在研究過程中用有色條紋和無色條紋構建直線條紋，并對其進行去色處理。直線條紋構成如圖2所示，其主要由有色和無色且具有一定寬度的直線構成，有色和無色直線的寬度變化以及不同傾斜角度在針織服裝上均會形成不同的視覺效果。通過對直線條紋構成的分析，排除直線條紋構成中對消費者情感認知的較弱因素，如直線條紋邊緣粗糙度、針織密度等，確定直線條紋的設計因子為有色條紋寬度(A)、無色條紋寬度(B)和傾斜角度(C)3個設計因子，作為后續研究中的輸入自變量。

圖2 直線條紋構成

3.2 設計因子參數的確定

為了排除性別因素對消費者性感認知的影響，本文試驗選用較為中性的針織毛衫作為研究載體，根據服裝尺碼對針織毛衫的衣長和衣寬進行定位，衣長和衣寬分別為70 cm和50 cm，便于后期方案視覺化效果的合理呈現。在確定設計參數時，根據針織毛衫的長度和寬度將有色條紋和無色條紋寬度確定為最大值130 mm，最小值10 mm，由于條紋的傾斜角度特征在視覺上存在對稱關系，將360°傾斜角度簡化為90°，考慮到避開0°在方程擬合時的缺陷，確定傾斜角最小角度為90°，最大角度為180°，90°為水平方向，以順時針旋轉確定180°為豎直方向。由于直線條紋傾斜角135°和45°視覺效果關于水平方向對稱，設計條紋傾斜角最大值180°、最小值90°可以覆蓋條紋所有的傾斜方向，設計因子參數及水平如表1所示。

表1 設計因子參數及水平

3.3 設計方案視覺化

根據中心組合試驗設計原理，對直線條紋的設計因子參數進行方案組合，通過類目工具對3個設計因子的3個水平組合，去除4個中心點方案，實際有效設計方案為13個，中心組合試驗設計如表2所示。

表2 中心組合試驗設計

以針織毛衫為載體，根據表 2組合方案對直線條紋進行視覺化處理，所生成的直線條紋針織毛衫設計方案如圖3所示。

圖3 直線條紋針織毛衫設計方案

3.4 感性認知詞匯的確定及量化

通過對直線條紋針織毛衫相關感性認知詞匯收集整理，得到43個與直線條紋針織毛衫相關的感性認知詞匯，通過焦點小組討論和專家論證法對感性詞匯進行初步歸類，得出穩重的、簡約的、舒適的、時尚的、休閑的、樸素的6個相關感性詞匯，通過Likert7點量表[15]對3個設計方案進行量化評分，運用SPSS軟件結合量化評分結果對6個詞匯進行聚類分析，最終得到2個能夠反映消費者對直線條紋針織毛衫感性認知的意象詞匯，為時尚的和舒適的，對其量化后作為響應面法中的輸出參數。

采用Likert7點量表對圖3的13個設計方案進行感性意象評估，選擇60位18～30歲的在校大學生、青年設計師對方案和感性認知意象詞匯進行測試并打分(1—絕對不認同，2—不認同，3—比較不認同，4—一般，5—比較認同，6—認同，7—絕對認同)，其中男女生各30名，取感性認知意象詞匯的平均值作為統計結果，量化結果如表3所示。

表3 消費者感性認知量化表

3.5 映射模型建立及有效性檢測

將中心組合設計方案和感性認知意象詞匯量化結果分別作為自變量(輸入)和因變量(輸出)。通過Design-Expert軟件進行響應面分析，建立設計因子參數與感性認知意象詞匯的映射模型，得到以時尚的(Y1)、舒適的(Y2)2個感性認知意象詞匯為響應值的擬合方程：

Y1=0.460-0.005A+0.320B+0.150C-0.400AB+0.710AC-0.580BC+0.570A2-0.031B2+0.730C2

(1)

Y2=5.760-0.620A+0.300B-0.061C-0.320AB+0.490AC-0.470BC-0.620A2+0.072B2-1.320C2

(2)

式中：Y1、Y2分別為時尚的、舒適的感性認知意象特征；A、B、C分別表示有色條紋寬度、無色條紋寬度和傾斜角度3個設計因子。

為檢測模型的有效性，采用方差分析法對擬合方程進行方差分析，在響應曲面分析中，P值的大小可以表明模型及各設計因子的顯著程度，P值小于0.05，表明模型或各設計因子有顯著影響；P值小于0.01，表明模型或各設計因子有高度顯著影響[16]。根據擬合計算結果可知，Y1、Y2中的P值分別為0.004 4、0.006 8，均小于0.01，表明該模型的因素有高度顯著影響，擬合效果和預測精度均在理想范圍內。

為進一步檢測模型的有效性和可行性，對測定系數、變異系數和調整系數進行評價檢測，對Y1、Y2進行響應面方差分析見表4。

表4 響應面方差分析

4 響應面優化及結果分析

為了能夠得到針織毛衫中直線條紋的設計因子對消費者感性認知意象的最優值，運用Design-Expert軟件對設計因子參數與感性認知意象詞匯的映射模型進行優化，在響應面優化的過程中，首先對2個感性認知意象詞匯分別優化，然后將2個感性認知意象詞匯綜合優化，從而得到消費者對直線條紋針織服裝中直線條紋設計因子的最優值。在優化選項設置中，選用目標優化選項，對感性認知詞匯量化時采用Likert7點量表，在設置目標值時，可以將最大值設置為7，最小值設置為1，由于是最大化優化，需要將優化目標值取最大值，優化結果如表5所示。

表5 優化結果

由表5可知，舒適的和時尚的量化最優值分別達到6.99和6.14，從時尚的感性認知意象詞匯優化結果可知，在達到量化最優值時，有色條紋寬度為12.66 mm，無色條紋寬度為77.82 mm，傾斜角度為70.64°，有色條紋和無色條紋寬度之比接近于1∶6，可以得出消費者在選擇舒適的直線條紋針織服裝時，傾向于選擇有色條紋與無色條紋寬度之比約為1∶6且傾斜角度為70°的直線條紋類型；從舒適的感性認知意象詞匯優化結果可知，在達到量化最優值時，有色條紋寬度為10.00 mm，無色條紋寬度為130 mm，傾斜角度為89.99°，有色條紋和無色條紋寬度之比接近于1∶13，傾斜角度基本接近水平可以得出消費者在選擇舒適的直線條紋針織服裝時，傾向于選擇有色條紋和無色條紋寬度之比約為1∶13且傾斜角度約為90°的直線條紋類型。

對時尚的和舒適的2個感性認知意象詞匯進行綜合優化的量化最優值分別為7.00和6.12，合意值為0.92，有色條紋寬度為13.78 mm，無色條紋寬度為130.00 mm，傾斜角度為90°，修正最佳設計參數：有色條紋寬度為14 mm，無色條紋寬度為130 mm，傾斜角度為90°(水平方向)，從優化結果可以得知，消費者在對時尚的和舒適的感性認知意象詞匯綜合考慮時，有色條紋和無色條紋寬度之比接近于1∶10，說明消費者在選擇直線條紋針織服裝時，傾向于選擇有色條紋面積占比相對較小，且傾斜角度為水平的類型，根據綜合優化修正設計參數得出最佳直線條紋針織毛衫，綜合感性認知直線條紋優化設計方案如圖4所示。

圖4 綜合感性認知直線條紋優化設計方案

5 試驗結果驗證

為了驗證直線條紋針織毛衫設計參數優化結果的科學性及合理性設置預測組和試驗組，將上文中的13個設計方案隨機分為試驗組1、2、3，每組的數量分別為5、4、4件，將綜合感性認知直線條紋針織毛衫的優化設計方案分別置于隨機小組中，依次編號。45名對象將根據語義差分法對隨機分成的3個設計方案小組進行評價，為了能夠和感性認知量化結果對應，對時尚的和舒適的2個感性認知意象詞匯采用7級語義差分列表。測試消費者根據所列舉的方案和感性認知意象詞匯選擇相對應的數字。在對3個設計方案組評分時，每名消費者只能選擇1個組進行評分，且每組評價人數為15人。

針對各小組中的每個設計方案，重新從時尚的和舒適的進行語義差分列表設置，分別為：1—非常不時尚，2—不時尚，3—比較不時尚，4—一般，5—比較時尚，6—時尚，7—非常時尚；1—非常不舒適，2—不舒適，3—比較不舒適，4—一般，5—比較舒適，6—舒適，7—非常舒適。消費者根據設計方案分別選擇對應語義，在所有消費者完成評價后，根據語義所對應量化參數求出每組設計方案的感性認知意象詞匯評價量化值。

根據優化設計方案分別在3個小組中用語義差分法量化實際評價值和平均值并與優化量化后的感性認知意象詞匯最優值進行對比，響應面優化結果驗證如表6所示。

由表6可知，每組中優化設計方案的量化評價值都是傾向于語義差分列表的最右端，且高于小組內其它樣本的量化評價值，直線條紋針織毛衫感性詞匯時尚的和舒適的量化最優值分別為7.00和6.12。時尚的感性認知意象詞匯量化結果表明，與量化最優值的最大偏差為-6.7%,最小偏差為-1.8%。量化平均值為6.73，與時尚的感性認知意象詞匯量化最優值的偏差為-3.8%；舒適的感性認知意象詞匯量化結果表明，與量化最優值的最大偏差為5.2%，最小偏差為-0.06%，量化平均值為6.14，與舒適的感性認知意象詞匯量化最優值的偏差為-0.32%。以上結果表明:利用響應面法的回歸模型能夠反映出消費者對直線條紋針織毛衫綜合情感感性認知的相關性，且預測效果較好，能夠表明直線條紋針織毛衫預測優化結果的科學性及合理性。

表6 響應面優化結果驗證

6 結束語

綜合消費者對直線條紋針織服裝感性認知的情感需求，基于感性認知理論與響應曲面設計方法對直線條紋進行設計研究。建立直線條紋的有色條紋寬度、無色條紋寬度和傾斜角度3個設計因子與時尚的、舒適的2個感性認知意象詞匯之間的映射模型，并對消費者的感性認知意象情感進行單一處理和綜合處理，分別得到相對應的最優設計參數，并驗證了該方法在針織服裝直線條紋設計中的可行性及合理性，可為同類直線條紋的設計提供參考。在使用本文方法對針織服裝直線條紋設計研究時，需要注意一下幾點：①在進行試驗前，需要合理有效的確定直線條紋構成和設計因子；②在進行設計因子參數確定時，需要根據設計載體和產品實際情況進行設計，如本文的無色和有色直線條紋的寬度極限值可以更改為其他極限值；③感性認知意象詞匯的量化與設計因子參數需建立有效的映射模型才能進行后續分析。