基于感性意象的并條機(jī)造型設(shè)計

段金娟， 宣艾祺， 袁 博， 李娜娜

(1. 天津工業(yè)大學(xué) 機(jī)械工程學(xué)院， 天津 300387; 2. 拉夫堡大學(xué) 航空與車輛工程學(xué)院， 萊斯特郡 LE11 3TU; 3. 天津工業(yè)大學(xué) 紡織科學(xué)與工程學(xué)院， 天津 300387)

紡織裝備外觀造型的創(chuàng)新設(shè)計可幫助企業(yè)彰顯企業(yè)文化，提升產(chǎn)品形象，是推動紡織裝備全球競爭力的核心軟技術(shù)[1]。新產(chǎn)品開發(fā)成功的關(guān)鍵因素之一是要滿足用戶的心理需求[2]。在紡織機(jī)械造型設(shè)計前期，開發(fā)者需要通過大量的問卷調(diào)研，以獲得用戶對產(chǎn)品的審美和感性意象偏好，確定設(shè)計研發(fā)策略。研究顯示，傳統(tǒng)的調(diào)研方法耗時、成本高[3]。設(shè)計師通過手繪概念圖像模式展開設(shè)計構(gòu)思、探索設(shè)計方向的產(chǎn)品初始概念設(shè)計[4]過程完全在設(shè)計師大腦中運(yùn)作。該過程是一種嚴(yán)重依賴設(shè)計師直覺和靈感生成的黑箱模式[5]，很難快速捕捉用戶的感性需求，聚焦和定位產(chǎn)品設(shè)計策略[6]。當(dāng)前針對紡織機(jī)械外觀造型的研究多集中于質(zhì)性研究方面，主要依靠設(shè)計師的專業(yè)經(jīng)驗和主觀判斷[7]，可重復(fù)性和客觀性不足。量化方法的相關(guān)研究如基于層次分析法(AHP) 通過分析紡織機(jī)械各造型意象的權(quán)重，來進(jìn)行系統(tǒng)的科學(xué)評價和設(shè)計分析[8]，但該類方法更適用于設(shè)計中后期的方案評估。

為更準(zhǔn)確地滿足用戶對紡織機(jī)械的感性需求，提升設(shè)計研發(fā)的速度和效率，本文以并條機(jī)為研究對象，提出一種基于感性意象的并條機(jī)造型設(shè)計方法。在滿足技術(shù)合理、生產(chǎn)安全、經(jīng)濟(jì)環(huán)保等基礎(chǔ)前提下，通過結(jié)合感性工學(xué)與數(shù)量化理論I，構(gòu)建并求解產(chǎn)品感性意象和物理造型要素的量化映射模型，自動獲取滿足用戶某感性意象維度下的最優(yōu)造型設(shè)計策略推薦，為后期設(shè)計實踐提供要素形式明確、可行性強(qiáng)的造型設(shè)計策略。

1 相關(guān)理論基礎(chǔ)

1.1 感性工學(xué)

感性工學(xué)(KE)是面向消費(fèi)者的人機(jī)工程學(xué)新產(chǎn)品開發(fā)技術(shù)[9]，采用量化研究的方式從不同層面構(gòu)建產(chǎn)品感性意象[10]與造型設(shè)計要素之間的關(guān)聯(lián)映射模型。KE將用戶對產(chǎn)品的主觀感受和印象轉(zhuǎn)換為產(chǎn)品參數(shù)和設(shè)計細(xì)節(jié)[11]，為用戶決策輔助系統(tǒng)和設(shè)計人員決策輔助系統(tǒng)提供幫助[12]，極大地減少設(shè)計過程中的模糊性和不確定性。

1.2 數(shù)量化理論I

數(shù)量化理論I(QTI)由日本林知己夫教授提出[13]，用于揭示定性變量為自變量、定量變量為因變量之間的內(nèi)在規(guī)律與關(guān)系。將造型設(shè)計要素看作因變量，將感性意象看作自變量，根據(jù)QTI建立他們之間的數(shù)學(xué)模型，可以量化各造型設(shè)計要素對感性意象的貢獻(xiàn)，并依此進(jìn)行優(yōu)化設(shè)計[14]。從QTI中獲得的結(jié)果可存儲在感性數(shù)據(jù)庫中，也可轉(zhuǎn)換為知識庫，并集成到感性工程專家系統(tǒng)中[15]。

2 并條機(jī)造型設(shè)計感性評價實驗

2.1 實驗流程與方法

2.1.1 收集與篩選典型感性意象詞對

有效地獲取感性意象詞匯在KE研究中起著決定性作用[3]。首先，廣泛搜集與并條機(jī)造型相關(guān)的感性形容詞對；然后，采用親和圖法，邀請從事紡織機(jī)械相關(guān)的生產(chǎn)和設(shè)計人員5名，組建焦點小組，對感性詞對的關(guān)聯(lián)程度和重要性打分；最后，根據(jù)頻次統(tǒng)計，并兼顧感性詞對在描述角度的差異性和全面性，確定10組典型意象感性詞對，分別為：“突兀-協(xié)調(diào)”“冰冷-親和”“流線-幾何”“輕巧-沉穩(wěn)”“保守-現(xiàn)代”“靈動-機(jī)械”“模塊-整體”“危險-安全”“繁瑣-簡約”“粗糙-精密”。

2.1.2 選擇代表性樣本與劃分造型要素

2.1.2.1收集與篩選代表性樣本 通過瀏覽中國紡機(jī)網(wǎng)、各品牌官網(wǎng)、展覽、樣冊等方式，盡可能多地搜集市場上現(xiàn)有的并條機(jī)樣本圖片。邀請焦點小組的專家對搜集到的53個樣本圖片進(jìn)行聚類，排除形態(tài)相似、像素模糊的樣本，共獲得24個角度較為相似的代表性樣本圖片作為實驗樣本。對代表性樣本進(jìn)行去色化處理，篩選后的代表性樣本如圖1所示。

圖1 代表性并條機(jī)樣本Fig.1 Figures of representative drawing frame samples

2.1.2.2劃分并條機(jī)造型設(shè)計要素類目 定義并條機(jī)的機(jī)體構(gòu)成部件為項目，每個項目所對應(yīng)的不同形態(tài)特征為類目。由焦點小組成員選定并條機(jī)的造型項目，篩選在圖1中均能被識別且能較大程度影響被試對并條機(jī)感性意象判斷的造型項目；根據(jù)造型項目頻次排序，獲得6個最為重要的造型項目，分別編號為車頭前蓋(A)、車頭外側(cè)罩殼(B)、 通風(fēng)口(C)、操作面板(D)、腳踏(E)和下墻面造型(F)。運(yùn)用形態(tài)分析法對各造型項目進(jìn)行類目劃分[16]。以車頭前蓋為例，步驟如圖2所示。

圖2 并條機(jī)造型類目劃分步驟Fig.2 Drawing frame modeling category division step

2.1.3 實驗過程

實驗問卷設(shè)計：采用語義差分法[17]建立并條機(jī)感性意象調(diào)查問卷。將前期實驗篩選的24個代表性樣本圖片與10組典型感性詞對結(jié)合，設(shè)計感性意象評價問卷如圖3所示。將用戶對并條機(jī)的感性意象用1～7進(jìn)行定量分析。以“突兀-協(xié)調(diào)”為例：1表示非常突兀，2表示較為突兀，3表示有點突兀，4表示中立，5表示有點協(xié)調(diào)，6表示較為協(xié)調(diào)，7表示非常協(xié)調(diào)。被試依次根據(jù)樣本圖片的主觀感受進(jìn)行評價。

圖3 感性意象評價問卷Fig.3 Kansei image evaluation questionnaire

被試選擇：復(fù)雜機(jī)械裝備的購買者與使用者往往不一致，二者的感性意象評價也會存在差異[18]。本文的被試選擇兼顧了用戶端、開發(fā)端和設(shè)計端，邀請并條機(jī)或紡織機(jī)械的操作用戶、生產(chǎn)開發(fā)人員，以及有過并條機(jī)造型設(shè)計或紡織機(jī)械造型設(shè)計經(jīng)驗的設(shè)計人員共30人進(jìn)行實驗調(diào)查。其中男性12人，女性18人。

實驗形式：采用問卷星軟件進(jìn)行線上調(diào)查。

2.2 實驗結(jié)果

剔除瀏覽問卷時間小于500 s及評分過于集中的問卷，共獲得30份有效問卷。統(tǒng)計實驗結(jié)果計算得到各樣本的感性意象評價均值見表1。

表1 代表性樣本的感性意象評價均值Tab.1 Mean value of Kansei evaluation of representative samples

采用Pearson相關(guān)性檢驗[19]進(jìn)行可靠性檢驗。根據(jù)Pearson相關(guān)系數(shù)值和顯著性水平(Sig?)，刪除“流線-幾何”“輕巧-沉穩(wěn)”2組相關(guān)性低且無顯著差異的感性詞對。經(jīng)過再次相關(guān)性檢驗，8組感性詞對的相關(guān)性絕對值均大于0.3，具有中度或高度相關(guān)；Sig?值均小于0.01，表明被試的評價標(biāo)準(zhǔn)較為一致，且相互間具有顯著差異。

2.3 并條機(jī)關(guān)聯(lián)模型構(gòu)建

2.3.1 基于QTI的理論模型

設(shè)并條機(jī)有r個樣本，共有m個項目，每個項目有n個類目。定義δi(j,k)=1表示第i個樣本具有第j個項目第k個類目特征；否則δi(j,k)=0。結(jié)合類目劃分對各樣本進(jìn)行開關(guān)式編碼見表2。

根據(jù)QTI將定性變量造型要素作為自變量，將定量變量感性評價值作為因變量。第i個樣本的感性評價值yi可用類目特征的線性函數(shù)描述

(1)

式中：a(j,k)為僅依賴于j項目的k類目的待定系數(shù)；εi為隨機(jī)抽樣的擾動誤差。該式對應(yīng)的預(yù)測方

表2 造型特征類目劃分及代表性樣本的形態(tài)反應(yīng)矩陣Tab.2 Classification of modeling feature categories and response matrix of representative samples

程表示為

(2)

(3)

2.3.2 模型求解及結(jié)果討論

在MatLab軟件中求解模型得到表3。

表3 復(fù)相關(guān)系數(shù)和決定系數(shù)統(tǒng)計表Tab.3 Statistical table of multi-correlation coefficient and determination coefficient

QTI一般采用決定系數(shù)(R2)來衡量回歸方程的擬合優(yōu)度，R2∈[0,1]，其值越接近于1，方程的預(yù)測精度越高。一般情況下，R2的值要高于0.8，且不能低于0.6[15]。

從決定系數(shù)來看，7個模型的決定系數(shù)R2大于0.6，表明關(guān)聯(lián)模型擬合優(yōu)度較好，預(yù)測精度較高。感性詞對“冰冷-親和”的R2值略小于0.6，推測在該意象維度下，可能存在：1)造型要素與感性評價值之間可能存在一定的非線性關(guān)系；2)造型要素對感性評價值的相關(guān)性弱。基于R2排序，以預(yù)測精度最高的“繁瑣-簡約”語義維度為例，進(jìn)行后期的數(shù)據(jù)分析和實驗驗證。計算并統(tǒng)計“繁瑣-簡約”感性意象維度下各設(shè)計要素的偏相關(guān)系數(shù)與標(biāo)準(zhǔn)系數(shù)如表4所示。

表4 偏相關(guān)系數(shù)和標(biāo)準(zhǔn)系數(shù)統(tǒng)計表Tab.4 Statistical table of partial correlation coefficient and standard coefficient

偏相關(guān)系數(shù)表示各造型設(shè)計項目對感性意象詞對的貢獻(xiàn)值，數(shù)值越大，該項目對感性意象詞對的貢獻(xiàn)度越大[14]。根據(jù)偏相關(guān)系數(shù)，后期的設(shè)計實踐將優(yōu)先強(qiáng)調(diào)設(shè)計貢獻(xiàn)程度較高的造型項目，即重點對車頭外側(cè)罩殼、通風(fēng)口、腳踏進(jìn)行設(shè)計優(yōu)化。標(biāo)準(zhǔn)系數(shù)，也稱為類目得分，表示類目要素對感性意象詞匯的貢獻(xiàn)值[14]，絕對值數(shù)值越大，則該設(shè)計要素類目對感性意象詞對的貢獻(xiàn)度越大。根據(jù)標(biāo)準(zhǔn)系數(shù)，類目組合1{A2,B3,C3,D1,E1,F2}得分最高，被認(rèn)為“最簡約”；類目組合2{A3,B1,C2,D2,E2,F3}得分最低，被認(rèn)為“最繁瑣”。

依據(jù)表4和式(3),建立“繁瑣-簡約”感性意象維度下的預(yù)測關(guān)聯(lián)模型，表示為

0.221x14-1.253x21+0.028x22+1.155x23+

0.158x24+0.352x31-1.077x32+0.546x33-

0.634x34+0.064x41-0.156x42+1.016x51-

0.339x52+0.145x61+0.539x62-0.243x63+

0.127x64

(4)

式中,xjk為該樣本在j項目k類目的反應(yīng)值。

同理，可以得到其他意象維度下的量化關(guān)聯(lián)模型。采用窮舉法對造型要素進(jìn)行正交組合，可以構(gòu)建并條機(jī)造型設(shè)計的案例庫，并結(jié)合關(guān)聯(lián)模型實現(xiàn)并條機(jī)感性意象評價的自動預(yù)測，獲取相應(yīng)最優(yōu)造型組合和造型設(shè)計策略推薦。

3 并條機(jī)關(guān)聯(lián)模型驗證及評價

3.1 方案設(shè)計

依據(jù)表1，樣本6被認(rèn)為在24個代表性樣本中 “最繁瑣”。在保證技術(shù)可行，不改變并條機(jī)原型結(jié)構(gòu)，以及除表4類目要素之外部件造型不變的前提下，對樣本6進(jìn)行造型特征要素重組。選擇類目組合1{A2,B3,C3,D1,E1,F2}與類目組合2{A3,B1,C2,D2,E2,F3}對樣本6進(jìn)行方案重組，通過設(shè)計構(gòu)思、方案優(yōu)化，得到預(yù)測“最簡約”的方案1和預(yù)測“最繁瑣”的方案2。

3.2 方案評價

3.2.1 評價樣本選擇

依據(jù)“繁瑣-簡約”意象維度下評價均值排序，將代表性樣本分為3組，并隨機(jī)從每組中抽取1個樣本(包含樣本6)。最終選定樣本6{A1，B1，C1,D1,E2,F3}、樣本13{A4,B3,C1,D1,E2,F3}和樣本16{A4,B3，C1，D1,E2,F3}作為對照組，與方案1和方案2共同組成評價樣本。為避免樣本圖片與方案渲染圖因像素、清晰度不同對被試評價時產(chǎn)生干擾，并去除色彩對被試的影響，對渲染后的圖片進(jìn)行去色、降低圖像質(zhì)量處理，方案評價樣本見圖4。

圖4 并條機(jī)方案評價樣本Fig.4 Evaluation samples of drawing frame schemes. (a) Programme 1; (b) Programme 2;(c) Sample 6; (d) Sample 13; (e) Sample 16

3.2.2 評價過程及結(jié)果

基于語義差分法再次設(shè)計方案評價問卷。邀請15名有紡織機(jī)械、并條機(jī)設(shè)計及研究經(jīng)驗的設(shè)計從業(yè)人員根據(jù)主觀感性意象對5個并條機(jī)方案的“簡約”程度進(jìn)行打分，評價結(jié)果均值見表5。

采用Kendall′s Tau等級相關(guān)系數(shù)檢驗關(guān)聯(lián)模型預(yù)測排序與用戶實際打分排序的相關(guān)性和準(zhǔn)確度[20]，表示為

(5)

式中：C表示關(guān)聯(lián)模型預(yù)測正確的評價偏序數(shù)；D表示預(yù)測錯誤的評價偏序數(shù)；TR表示用戶打分相同的產(chǎn)品數(shù)；TP表示具有相同預(yù)測值的產(chǎn)品數(shù)。Tau值越大表示關(guān)聯(lián)模型預(yù)測結(jié)果與用戶實際打分的吻合度越高，反之則吻合度低。

根據(jù)表1和預(yù)測模型，評價樣本的預(yù)測排序應(yīng)為：方案2<樣本6<樣本16<樣本13<方案1。15名被試對圖片簡約程度的排序為：樣本6<方案2<樣本16<樣本13<方案1，用戶打分相同的方案數(shù)TR=0。對比2次實驗結(jié)果用戶一致評價：樣本6<樣本16<樣本13，Tau=1，即2次實驗相關(guān)性強(qiáng)，此次小樣本的實驗評價結(jié)果有效。

表5 用戶感性意象評價Tab.5 Users′ Kensei image evaluation

從5個樣本的整體評價結(jié)果分析，關(guān)聯(lián)模型預(yù)測正確的為方案2<樣本16等9對序列，C=9；預(yù)測錯誤的序列為樣本6<方案2，D=1；Tau=0.8。說明關(guān)聯(lián)模型的預(yù)測精度較好，且可靠性較高。

3.3 專家訪談評價

為驗證該方法對設(shè)計師工作支持的有效性，獲取進(jìn)一步的評價及建議，從15名被試中選擇3位有紡機(jī)設(shè)計經(jīng)驗的資深設(shè)計專家，向他們展示了研究方法的操作流程和機(jī)制后，對其開展訪談。問題包括：“您是否同意該方法能縮短調(diào)研周期？”“您是否同意該方法可以縮短概念設(shè)計階段的迭代過程？”“您是否同意生成的設(shè)計案例庫能啟發(fā)您的設(shè)計靈感，幫助您展開設(shè)計？”“您是否愿意信任這個設(shè)計模型預(yù)測的意象值和推薦的設(shè)計策略？”“您對該方法有什么建議？”。

訪談結(jié)果可歸納為以下5點：1)該方法可幫助設(shè)計師較為準(zhǔn)確地把握用戶感性需求，縮短概念設(shè)計前期的調(diào)研時間；2)該方法減少了設(shè)計實踐中反復(fù)定位設(shè)計策略而開展的思維發(fā)散與收斂的迭代過程，降低了設(shè)計的時間成本；3)基于關(guān)聯(lián)模型建立的設(shè)計案例庫可激發(fā)設(shè)計靈感；4)設(shè)計師愿意信任該方法，認(rèn)同該方法可提供更明確的設(shè)計策略，提升設(shè)計效率；5)建議將色彩、材質(zhì)等因素納入設(shè)計要素進(jìn)行分析。

4 結(jié)束語

本文基于感性工學(xué)和數(shù)量化理論，分析了并條機(jī)感性意象與造型設(shè)計要素之間的映射關(guān)系；以“繁瑣-簡約”意象維度為例，建立并條機(jī)關(guān)聯(lián)預(yù)測模型，得出該維度下的最優(yōu)設(shè)計組合方案，并通過方案設(shè)計及用戶評價進(jìn)一步驗證了模型的可靠性。結(jié)果如下：基于感性意象的并條機(jī)造型設(shè)計方法可節(jié)省設(shè)計師前期調(diào)研時間，減少設(shè)計過程中的模糊性和主觀性；基于關(guān)聯(lián)模型，采用窮舉法建立了較為豐富、全面的設(shè)計案例庫，并實現(xiàn)對設(shè)計方案感性意象評價值的自動化預(yù)測；關(guān)聯(lián)預(yù)測模型將抽象的感性意象概念轉(zhuǎn)化為具體的造型設(shè)計要素，可輸出較為準(zhǔn)確的造型設(shè)計策略，快速推進(jìn)設(shè)計進(jìn)程，提升設(shè)計效率，從而更好地滿足用戶的感性需求；該方法將用戶感性偏好轉(zhuǎn)化為機(jī)器編碼，可以為計算機(jī)輔助造型、建立產(chǎn)品數(shù)據(jù)庫提供方法參考。