文摘
消费者的意见对产品设计的选择往往主观感知,反映他们对产品的看法,可以用Kansei形容词来描述。因此,Kansei评估通常是用来确定消费者的偏好。然而,如何识别和提高消费者的Kansei的可靠性评估意见对设计方案有一个重要的角色在添加额外的保险,减少不确定性,成功的产品设计。为了解决这个问题,本研究采用共识模型来衡量消费者之间的一致性的观点,一个先进的粒子群优化(PSO)算法结合线性递减惯性权重(LDW)方法提出了共识达到通过最小化调整消费者的意见。此外,该方法的过程和细节提出了使用电子摩托车设计评价的一个例子。案例研究表明,该方法是承诺达成共识通过算法搜索最优解,提高消费者的可靠性评估意见对设计方案根据Kansei索引。
1。介绍
国际市场全球化高速、新机遇已经打开了企业成功的新产品。在一个竞争激烈的时代和不确定的市场,公司,听他们的消费者更有可能成功1]。与情感消费的增长趋势,消费者作出购买决定不再是仅仅考虑关于函数或实际用途,但全面通过感觉和感知评估过程(2]。人们进行了无数次研究获得深度和洞察消费者的主观感知关于产品,其中Kansei工程(KE)是最著名的3- - - - - -5]。覆盖的含义感性、印象和情感,Kansei意味着所有的感官的个人的主观印象和识别特定的工件,环境,或情况,如Nagamachi所述5]。它与消费者的生理和心理感受,如果正确实现产品开发、提升在消费者的满意度会很棒。几十年来,柯已经开发成一个面向消费者的技术和连接到工业世界创造无数成功产品和创新6]。该方法包括五种类型(3,7):()类别分类识别消费者的情感需要用树结构;()Kansei工程系统(凯斯),一个计算机辅助系统与数学统计工具连接Kansei和产品属性;()混合工程系统,将引发的凯斯和Kansei预测产品性能;()柯建模评估消费者的感觉Kansei的话;()与虚拟现实系统虚拟客展示产品和标准的数据采集系统。因此,柯通常与情感有关工程可以联系消费者的情感产品属性,以确定和评估新的设计解决方案。客已经被证明是有效和成功的发现应用在广泛的行业,比如椅子(8)、汽车方向盘(2,闹钟9[],抛弃式的刮胡刀10),和太阳镜11]。柯也渗透到其他设计领域,收益很多辉煌的结果,例如,包装设计(12),物流服务(13,展会展台设计14),用户界面设计(15,16),等等。
在规划产品开发过程,概念评估通常是涉及,因为它促进了评估的总体设计方案的可行性。通过评价概念,既可以节省时间和成本70% -80%的最终产品质量和产品全生命周期成本的70%承诺在产品设计的早期阶段(17]。设计概念产生的可怜的选择没有全面评估可能导致巨大的设计成本概念,因为它很难补偿在后期18]。当涉及到产品外观设计,Kansei评估的重要性是显而易见的,因为几乎每个公司都有了越来越多的担忧,在满足客户需求19最重要,应该附加功能和情感需求(2]。在这方面,评估消费者的感知和识别的一个产品设计的选择将添加额外的保险和减少不确定性,成功的产品设计。
产品Kansei评估是一个系统性的和重要的步骤在决定消费者的偏好使用Kansei标准对产品设计方案。主要目标是帮助确定最终设计方案反映了消费者的主观偏好和可以达到一定程度的满意度和共识。为了实现这一目标,三个程序应该进行的:()获得Kansei数据产品的评价;()使评估消费者的用户或潜在用户语义微分(SD)方法与统计分析;()计算和达到共识的过程。收集Kansei单词和提取主Kansei属性的基本原理是获得有效的结果在Kansei评估(20.),方法包括线性推理技术(主要是指统计方法,如相关系数分析、主成分分析、因子分析和多元回归分析)和非线性推理技术(如遗传算法、神经网络和模糊逻辑)。然而,由于不同的背景和社会经验,有矛盾存在于消费者的认知和偏好可能因人而异,这可能会阻碍达成共识。这里指的是产品设计选择协议的共识最Kansei评估团队的成员(尽管他们不同的看法21]。如果评价者的喜好和意见只是聚合而不考虑他们的共识在评价过程中,它可能导致较低的可接受性获得的解决方案(22]。更好的解决方案是,评价者之间的协议这个解决方案生成(23]。很难达成一致协议,“软”共识措施反映了所有可能的部分协议通常用来衡量评价者之间的凝聚力的意见(24]。在共识的过程中,最重要的问题之一是如何指导决策者与最低调整达成共识,向这两个规则应该遵守(25]:最小化之间的距离原来的意见和调整意见;减少的数量调整偏好值。从本质上讲,这是一个优化问题,各种优化方法可以用于寻找最优解决方案,如神经网络(NN),支持向量机(SVM),遗传算法,粒子群优化(PSO)。然而,很少有研究关注达到共识,采用优化方法,大多数研究人员把重点放在研究共识模型有效的沟通和反馈。在产品Kansei评价过程,消费者的感觉和知觉对产品传达比理性分析通过第一印象。因此通信可能是一个无效的方法,会影响效率,如果有大量的人参与Kansei评估。基于这一点,考虑到利用全局优化与简单的操作和并行搜索与其他优化方法(26),我们采用PSO寻求共识达到用最小的调整在产品Kansei评估。
本文的其余部分组织如下:部分2显示了共识的方法达到在产品Kansei评估,包括一致的度量模型,先进算法调整消费者的意见,和分析产品Kansei评价程序。然后,提供了一个数值例子来说明该方法的具体实现3。最后,我们总结和突出的贡献。
2。方法
2.1。一致的度量模型
让()是一组消费者,其权重向量与,,。消费者被邀请参加产品Kansei对一组产品设计方案的评价()。假设Kansei评价指标集()和权重向量与,,。在评估和决策过程,共识阈值测量通常用于“软”的共识。阈值设置一致。如果批准以上的水平,然后高度可靠的评价结果。否则,应采取措施调整改善消费者的意见共识。
让向量表示组得分通过根据,然后我们可以得到一个评价矩阵,。归一化计算如下:
欧几里得距离是用来计算的观点区别消费者和消费者:
然后,消费者意见的相似性和消费者是
共识测量消费者的意见可以描述 在哪里,用于评估关节的权重和与。特别,如果,然后。
最后的总分消费者的评价可以计算
2.2。先进算法达到的共识调整消费者的意见
很可能不会达成共识容易由于消费者认知差异。因此应采取适当措施寻求共识与最低调整消费者的意见,其中粒子群优化(PSO)是选择在这里很少或根本没有假设问题优化,可以通过迭代搜索候选人的非常大的空间解决方案(26]。
通过询问消费者参与评估过程,每个消费者的上限和下限的意见可以上涨,消费者的意见将调整之间达成共识。向量上限和下限向量如下所示: 在哪里和代表的上限和下限调整的意见消费者,分别。
寻求最优解的算法,每个候选方案,称为粒子,苍蝇的根据速度维搜索空间。假设有粒子群,然后粒子有一个位置和一个速度,在那里代表消费者的自动调整意见。速度决定飞行距离和方向,(4)作为目标优化函数。因此,粒子的速度和位置更新可以计算如下: 在哪里迭代次数;和代表粒子的速度和位置在维度,分别;是当前最好的粒子的位置吗;显示了最适合群所取得的任何粒子;和是两个随机数从0和1;和有两个积极的常数,表示认知和社会组件,分别;是粒子的惯性用来提高蜂群的收敛。线性递减惯性权重(LDW)常被用来提高搜索的全局探索能力增加的价值更大的空间当蜂群的进化速度快和保持粒子在一个小空间进行搜索,以找到最优解更迅速减少的价值如果粒子的进化速度减慢。可以计算如下(27]: 在哪里和代表的最大和最小,分别。一般来说,线性减少从0.9到0.4。
调整后的评价矩阵的映射吗并且可以计算的 在哪里代表一个上限函数映射一个实数后的最小整数。
集为最大迭代一代又一代的算法。当,初始化所有粒子的约束和。然后达成的共识的过程自动调节消费者的意见与算法可以分为5个步骤,描绘在图1。
步骤1。如果,然后替换()和搜索全球最佳位置在一代使用(8);否则完成迭代。
步骤2。计算的共识使用(4)。如果,然后存储然后转到步骤3;否则回到步骤1。
步骤3。计算之间的偏差。德和使用(2)和(3)。比较一致的在步骤2从1代(),并决定是否等于前面的共识。如果条件满足,马克和存储调整评估矩阵,去一步4;否则商店与和相应的德,回到步骤1。
步骤4。计算之间的偏差和,代表。如果,然后去一步5;否则回到步骤1。
第5步。更新与和德。回到步骤1。
的集合之间的偏差最小和主将选为消费者的最优解和调整意见。产品设计的总分的选择可以计算(5)。
3所示。案例研究
电动自行车的案例研究是用于确定该方法的能力为产品Kansei评价过程中达成共识。作者之前的研究获得了六个主要Kansei需要通过调查和集群目标产品,在[1]。每个Kansei形容词的反义词,七级李克特量表是用来评估客户的反应对产品设计方案,如下所示:()untechnical-technological;()inactive-dynamic;()outdated-futuristic;()feminine-manly;()dimmed-vivid;()partial-integral。三个工业设计师要求分别创建一个设计方案根据消费者的Kansei需求(如图29)和消费者(5 4中学生和高中生)被随机选择和邀请给他们得分的替代方案根据Kansei指标(见表1,2,3)。
消费者参与评估过程同样重量和重量的六个Kansei索引可以使用层次分析法计算(28),结果如下:技术(0.25),动态(0.22)、未来(0.18),男子气概(0.09),生动(0.12),(0.14)和积分。阈值被设置为达成共识每个设计选项,然后Kansei评估共识可以计算使用(1)- (4)。在MATLAB软件编程,共识的1号,2号,3号和计算结果为0.531,0.630,和0.704,分别。的共识的结果可以看出,1号和2号不符合要求的,应当聘请PSO调整消费者的意见达成共识。
一般来说,粒子群的大小范围从10到50(根据不同的应用程序和问题29日];这等于20。和属于的范围,可能是更可取的(27]。设置为500。通过询问消费者的建议,调整空间的消费者的意见将。然而,调整评估值应该−3和3的范围。五个可行的解决方案被发现(见表4)和最优解决方案获得了最小偏差(0.064),结果如表所示5。同样的,可行的,2号计算最优解,在表6和7。
使用(5)计算每个设计方案的得分和比较考虑评估共识不考虑共识的结果,详细的结果,见表8。我们可以看到,通过共识达到调整过程和消费者的意见,达成共识的价值和设计方案得分的提高而不影响整体的评估结果,这将提高消费者的可靠性的意见。因此这三个设计方案可以在降序排名第三1号2号。
4所示。结论
共识达成的新方法在产品Kansei评估过程使用先进的粒子群优化(PSO)算法在这工作。达成共识的方法演示了容量和效率通过减少消费者的调整意见。一个先进的PSO算法结合线性递减惯性权重(LDW)方法来提高搜索的全局探索能力更大的空间群的进化速度快和保持粒子在一个小空间进行搜索,以找到最优解的进化速度更快,如果粒子减慢。讨论了该方法的过程和使用一个例子说明的电子摩托车设计评价达到共识。结果表明使用先进算法有助于达成共识,找到最优的解决方案以最小的调整原来的评估价值和提高消费者的可靠性评估意见对设计方案根据Kansei索引。看来,该方法是有前途的产品Kansei评价过程中达成共识。
相互竞争的利益
作者宣称没有利益冲突。
确认
这项研究是在陕西省自然科学基金的支持下,中国(没有。2016 jq5107)和中央大学基础研究基金(没有。310825151039)。作者很感激他们的支持。作者还要感谢甄LEI博士提供建议和协助进行实验。