基于多元線性回歸的多維感性工學(xué)模型構(gòu)建*

劉征宏，潘偉杰，呂　健，林　麗

(貴州大學(xué) a.現(xiàn)代制造技術(shù)教育部重點實驗室；b.機械工程學(xué)院，貴陽　550025)

?

基于多元線性回歸的多維感性工學(xué)模型構(gòu)建*

劉征宏a，潘偉杰a，呂健a，林麗b

(貴州大學(xué) a.現(xiàn)代制造技術(shù)教育部重點實驗室；b.機械工程學(xué)院，貴陽550025)

摘要：針對現(xiàn)有一維感性工學(xué)模型不能真實反應(yīng)用戶對產(chǎn)品的情感意象，提出了基于多元線性回歸的多維感性工學(xué)模型構(gòu)建方法，首先構(gòu)建產(chǎn)品多維造型特征空間和情感意象認知空間，然后判定多維造型特征空間主特征，接著對主特征進行量化處理，最后運用多元回歸分析多維造型特征空間與感性設(shè)計空間映射函數(shù)關(guān)系并構(gòu)建產(chǎn)品的形、色、音、質(zhì)及相關(guān)關(guān)系元件的多維感性工學(xué)模型。以某型號數(shù)控機床為例，應(yīng)用模型構(gòu)建方法構(gòu)建其多維感性工學(xué)模型，結(jié)果表明該方法能有效構(gòu)建產(chǎn)品多維感性工學(xué)模型。

關(guān)鍵詞：多元線性回歸；主特征；多維感性工學(xué)模型；數(shù)控機床

0引言

感性工學(xué)方法在產(chǎn)品設(shè)計領(lǐng)域的研究近年來已成為國內(nèi)外重點研究內(nèi)容，并且感性工學(xué)的應(yīng)用領(lǐng)域也在不斷拓展。國內(nèi)外眾多研究者以各種工業(yè)產(chǎn)品為研究案例分別從產(chǎn)品的形狀、色彩、材質(zhì)等造型特征入手，建立了由產(chǎn)品某一類造型特征所構(gòu)成的一維感性工學(xué)(kasei engineering, KE)模型。傅業(yè)燾等[1]在感性工學(xué)基礎(chǔ)上建立了產(chǎn)品族風(fēng)格意象(心理的意象特征)和外形基因(物理的外形特征)之間的映射模型，并以電話機產(chǎn)品為例進行驗證。蘇建寧等[2]構(gòu)建KE模型對產(chǎn)品意象造型進行優(yōu)化設(shè)計，并以電熱水壺設(shè)計實例進行驗證。王瑩等[3]運用形態(tài)分析法的基本原理，對冬季女外套的款式設(shè)計要素進行分析，建立設(shè)計要素空間及意象語意空間，并建立了數(shù)學(xué)回歸模型，然后進行應(yīng)用。許彧青等[4]提出了適用于家電產(chǎn)品設(shè)計的感性工學(xué)研究方法，構(gòu)建KE模型，然后以微波爐造型設(shè)計為例對該方法進行驗證。柳沙[5]運用KE模型對農(nóng)機產(chǎn)品的色彩進行研究。韓挺等[6]運用KE模型對服裝面料材質(zhì)進行研究。對多維KE模型的研究中，劉玲玲等[7]融入認知科學(xué)、形態(tài)學(xué)觀點提出一種多感官通道的多維度的產(chǎn)品特征解構(gòu)方法。林麗等[8]以人機界面元件為立足點提出一種面向優(yōu)化KE模型的產(chǎn)品形態(tài)解構(gòu)方法。

通過以上研究可對產(chǎn)品設(shè)計中某類設(shè)計要素進行深入探討，并定量分析出各關(guān)鍵要素對于用戶情感的重要性及貢獻度，從而使產(chǎn)品設(shè)計更有針對性和目的性。但是在實際生活中，用戶并非通過某一類造型特征進行認知而產(chǎn)生情感意象，而是通過多個感覺通道對產(chǎn)品的多類造型特征進行多維認知而產(chǎn)生對產(chǎn)品的情感意象。因此，通過某一類造型特征構(gòu)建的一維KE模型不能完全反應(yīng)用戶真實的認知過程，從而此類模型獲取的特征元素不能對情感意象進行全面表達，在產(chǎn)品感性設(shè)計階段沒有應(yīng)用價值[9]。此外，以前的研究文獻多是運用形態(tài)分析學(xué)對產(chǎn)品進行解構(gòu)，從而獲取單一獨立的設(shè)計特征，而對產(chǎn)品特征間相關(guān)關(guān)系欠缺考慮，對于一個完整的產(chǎn)品而言，各設(shè)計特征間相對位置、組合、布局、尺寸比例、配色等關(guān)系是以“整體”的形式向用戶傳遞情感信息，因此，此類缺少“整體”信息的KE模型并不實用。因此，本文從用戶對產(chǎn)品的實際認知模式出發(fā)，首先構(gòu)建基于產(chǎn)品形、色、音、質(zhì)及其相關(guān)關(guān)系等多維造型特征(multi-dimensional modeling features, MMFs)空間，然后在其基礎(chǔ)上構(gòu)建基于多元線性回歸的多維KE(multi-dimensional KE, MKE)模型，解決傳統(tǒng)一維KE模型應(yīng)用范圍有限、難于指導(dǎo)產(chǎn)品感性設(shè)計等問題。

1基于多元線性回歸的MKE模型構(gòu)建

1.1確定目標產(chǎn)品

由于感性工學(xué)是基于案例的研究方法，因此需選擇合適的案例，以構(gòu)建基于案例產(chǎn)品的MKE模型。

1.2確定感性詞組

選取描述目標產(chǎn)品風(fēng)格的意象形容詞對作為實驗變量，以求盡量準確地構(gòu)建關(guān)于研究對象特征的多維認知空間。語意差異法對形容詞的選取有比較高的要求，必須能滿足從不同層面描述對象認知特性的要求。

首先通過查閱相關(guān)文獻及向相關(guān)設(shè)計專家咨詢獲得大量感性詞匯，然后對初步收集的感性詞匯進行篩選、分類。采用卡片分析法(Card System)，請相關(guān)專家根據(jù)感性詞間的親密程度將它們進行分析歸納，并為每組選擇一個具有代表性的詞[10]，然后運用主成分分析法，根據(jù)各指標的貢獻率來選擇主要感性詞匯，使主體感性結(jié)構(gòu)建立在了嚴謹?shù)慕y(tǒng)計學(xué)基礎(chǔ)之上，最終一般得到6～8組感性詞匯。

1.3MMFs空間構(gòu)建

運用全局HIEs解構(gòu)方法[8]對產(chǎn)品形態(tài)進行解構(gòu)，以人的多感覺通道(視覺、觸覺、聽覺等)構(gòu)成產(chǎn)品的形、色、質(zhì)、肌理及聲音五個維度的產(chǎn)品設(shè)計特征。根據(jù)格式塔的完形結(jié)構(gòu)，增加產(chǎn)品設(shè)計特征間的相關(guān)關(guān)系元件，將產(chǎn)品的外觀形態(tài)解構(gòu)成六個維度的造型特征空間。文獻[8]將案例產(chǎn)品的外觀形態(tài)分解成具體的HIEs，所有的HIEs構(gòu)成MMFs空間。目前KE模型構(gòu)建系統(tǒng)中，通常運用形態(tài)分析法分解產(chǎn)品的外觀形態(tài)，形成設(shè)計特征空間，將產(chǎn)品的外觀形態(tài)分解為“項目”和“類別”，從而形成單一維度的形狀特征空間[11]。

1.4情感意象認知空間構(gòu)建

情感意象認知空間構(gòu)建是基于用戶調(diào)查實驗完成的。首先有目的地選擇多個樣本，然后針對前面獲取的感性詞匯組構(gòu)成感性設(shè)計空間，根據(jù)感性詞匯組構(gòu)建語意差異7分量表，將產(chǎn)品解構(gòu)形成的MMFs空間中的每一個設(shè)計特征與語意差異量表一一對應(yīng)，形成意象認知實驗問卷。

(1)

1.5MMFs空間中的主特征評判

由全局HIEs解構(gòu)方法獲取的高維造型特征中，有些造型特征對情感意象沒有影響或影響不大可忽略不計，因此，需對造型特征進行評判，本文用環(huán)比法評判出對情感影響作用較大的主特征。其步驟如下：

(1)首先在某一組感性詞匯下，對案例產(chǎn)品解構(gòu)體系中的某一類別，指定其中一個中等強度元件為標準刺激，并指定它的關(guān)鍵度為1；

(2)將待判定的其它元件連環(huán)式作比較，設(shè)刺激所引起的感覺是標準的n倍或n分之幾；

(3)以中等強度元件關(guān)鍵度乘毗鄰元件倍比數(shù)，得毗鄰元件關(guān)鍵度，此元件關(guān)鍵度再乘其毗鄰元件倍比數(shù)，得其毗鄰元件關(guān)鍵度。依此類推，得到該類別中所有元件關(guān)鍵度；

(4)以指定為中等強度元件的關(guān)鍵度為基準，關(guān)鍵度高于此的元件則判定為MMFs空間主特征。

1.6主特征定量化處理

由于MMFs是產(chǎn)品的設(shè)計要素，無法直接應(yīng)用于MKE模型的構(gòu)建，需對其進行定量化處理，其定量化處理過程如下：設(shè)L為第n組感性詞匯的主特征個數(shù)，案例產(chǎn)品被解構(gòu)為r個HIEs，設(shè)δ(j,n)為第j個HIEs第n組感性詞匯在第i各樣本中的反應(yīng)，當?shù)趈個HIEs定性數(shù)據(jù)為第n組感性詞匯時，則x=δ(j,n)=1，否則x=δ(j,n)=0，則L個主特征在第n組感性詞匯第i個樣本的所有x值構(gòu)成二進制變量數(shù)組([Main(L)])i,n。

1.7基于多元線性回歸的MKE模型構(gòu)建

MKE模型的構(gòu)建是主特征到感性設(shè)計空間的映射描述，即以情感意象認知空間的意象認知數(shù)值為基礎(chǔ)，經(jīng)模型構(gòu)建推論機制形成MMFs空間與感性設(shè)計空間的映射函數(shù)關(guān)系，因此，在MKE模型中，MMFs空間元件x為自變量(定性變量，稱為解釋變量)，感性意象評價值y為因變量(定量變量，稱為預(yù)測變量)。第n組感性詞匯下樣本i的情感意象認知空間與主特征的映射描述數(shù)學(xué)表達如式(2)所示。

(2)

(i=1,2,…t;j=1,2,…r;m=1,2,…q;n=1,2,…q)

多元回歸分析(Regression Analysis)是一種常見的用于確立多個變量之間關(guān)系的統(tǒng)計方法。在感性工學(xué)領(lǐng)域，很多研究都引入多元回歸分析進行定量分析，感性工學(xué)中的定量分析主要運用多元回歸分析處理多個自變量和因變量的關(guān)系，通過回歸方程建立、自變量系數(shù)求解和可信度檢驗等，建立感性詞匯與設(shè)計元素的線性關(guān)系。假定因變量yi與自變量xi線性相關(guān)，其中y為樣本的感性評價值，x為主特征設(shè)計元素，建立函數(shù)關(guān)系，如式(3)所示。

yi=β1x1i+β2x2i+…+βpxpi+εi

(3)

i=1,2,…,s

其中s為樣本總數(shù)，p為s個手機樣本中所有主特征個數(shù)總和減去重復(fù)的主特征個數(shù)，εi為隨機誤差，根據(jù)式(3)，構(gòu)建RVKE模型的多元線性回歸方程的矩陣形式，如式(4)所示。

(4)

i=1,2,…,s

2應(yīng)用實例

本文以某企業(yè)某類數(shù)控機床造型設(shè)計為例，對本方法進行闡述。通過調(diào)查、采訪用戶、采訪設(shè)計師，分析文獻確定感性詞匯，從得到的60多個形容詞對組合中挑選出最能描述機床造型設(shè)計且含義明確的形容詞對，使用因子分析法得到6組感性詞匯，如表1所示，包括：人性—機械、簡潔—復(fù)雜、對稱—不對稱、現(xiàn)代—傳統(tǒng)、精密—粗糙、獨特—大眾。

表1　篩選后的6組感性詞對

運用全局HIEs解構(gòu)方法對該數(shù)控機床形態(tài)進行解構(gòu)，其步驟如下：

(1)首先區(qū)分該數(shù)控機床的硬界面與軟界面，然后細分硬界面的非功能性部件和功能性部件。非功能性部件包括實體、門體、把手、底座、數(shù)控操作面板及裝飾物；

(2)對于硬界面的功能性部件，細分其輸入功能部件和輸出功能部件，其中，輸入功能部件有數(shù)字輸入按鍵，電源開關(guān)，操作旋鈕；輸出功能部件有顯示屏、警報燈和標識。

(3)區(qū)分相關(guān)關(guān)系元件。

根據(jù)如上步驟對數(shù)控機床外觀形態(tài)進行解構(gòu)得到96個HIEs(解構(gòu)具體結(jié)果省略)。

通過用戶調(diào)查獲取用戶對數(shù)控機床MMFs情感意象認知量值。調(diào)查對象為具有數(shù)控機床設(shè)計經(jīng)驗的設(shè)計師25名和具有3年以上操作數(shù)控機床經(jīng)驗的企業(yè)員工25名。調(diào)查樣本為12款具有典型代表的數(shù)控機床。利用語意差異法(SD)進行問卷調(diào)查，在MMFs空間基礎(chǔ)上，讓測試者在包含96個HIEs的6組感性詞匯的標準語意差異7分量表上逐一評價。

針對解構(gòu)出的96個造型特征，運用環(huán)比法評判主特征，以“人性”為例，在實體類別中，元件3、元件4、元件6、元件12為主特征元件。

y1=0.207x3-0.128x4+1.251x6-0.367x12-0.105x28-

0.139x39+0.420x54+0.394x67+0.216x69+

0.224x78+0.117x93+3.581

(5)

上述MKE模型中，y1表示感性詞組“人性”的MKE模型，xi表示第i個HIEs，系數(shù)表示該元件對感性詞匯影響重要性即貢獻度，正數(shù)表示正面影響，即增加或提高該元件可使產(chǎn)品更具有此類情感，負數(shù)表示負面影響，即減少或降低該元件可使產(chǎn)品更具有此類情感。如式(5)所示，元件3、元件6、元件45、元件67、元件69、元件78、元件93對“人性”有正面影響，且元件6(1.251)的影響大于元件54(0.420)、元件67(0.394)、元件78(0.224)、元件69(0.216)、元件3(0.207)、元件93(0.117)，元件4、元件12、元件28、元件39對“人性”有負面影響，降低這些元件可使數(shù)控機床更“人性”。

此外，通過對上述MKE模型分析可知，該模型中同時具備形狀變量(元件3)、色彩變量(元件39)、材質(zhì)變量(元件28)、肌理變量(元件54)、軟界面變量(元件78)、相關(guān)關(guān)系變量(元件93)，是典型的多維KE模型。

3結(jié)論

針對傳統(tǒng)的一維KE模型不能完全反映用戶對目標產(chǎn)品情感意象認知的問題，本文提出了多維KE模型并對其構(gòu)建方法進行了詳細描述。然后以數(shù)控機床為例，對其應(yīng)用流程進行描述，首先運用全局HIEs解構(gòu)方法對其形態(tài)進行解構(gòu)，然后在此基礎(chǔ)上分別構(gòu)建了數(shù)控機床每組感性詞匯下的MKE模型，該模型既融合了用戶多通道感覺又包含了產(chǎn)品的形、色、音、質(zhì)及相關(guān)關(guān)系元件，能夠在產(chǎn)品感性設(shè)計階段提供有效指導(dǎo)，提高了KE模型的實際應(yīng)用價值。后續(xù)主要研究工作是拓展MKE模型的應(yīng)用范圍，并對一維KE模型和MKE模型應(yīng)用效果進行對比。

[參考文獻]

[1] 傅業(yè)燾, 羅仕鑒. 面向風(fēng)格意象的產(chǎn)品族外形基因設(shè)計[J]. 計算機集成制造系統(tǒng), 2012, 18(3): 449-457.

[2] 蘇建寧, 王瑞紅, 趙慧娟, 等. 基于感性意象的產(chǎn)品造型優(yōu)化設(shè)計[J]. 工程設(shè)計學(xué)報, 2015, 22(1): 35-41.

[3] 王瑩, 陳雁. 冬季女外套款式感性研究和應(yīng)用[J]. 紡織學(xué)報, 2007, 28(11): 97-100.

[4] Yuqing Xu, Kun Chen, Haibin Qin, Zhaoyang Wang.Study on the Application of Kansei Engineering in Product Form Design[J]. Applied Mechanics and Materials. 2013, 274: 513-516.

[5] 柳沙. 基于SD量表的農(nóng)機產(chǎn)品色彩感性體驗研究[J]. 農(nóng)機化研究, 2010(4): 50-54,57.

[6] 韓挺, 胡杰明, 孫守遷. 基于消費者感知的面料材質(zhì)感官意象研究[J]. 紡織學(xué)報, 2012, 33(5): 140-144.

[7] 劉玲玲, 薛澄岐. 面向多維KE模型構(gòu)建的產(chǎn)品特征解構(gòu)方法[J]. 工程設(shè)計學(xué)報, 2014, 21(4): 323-328.

[8] 林麗, 薛澄岐, 王海燕, 等. 優(yōu)化KE模型的產(chǎn)品形態(tài)解構(gòu)方法[J]. 東南大學(xué)學(xué)報(自然科學(xué)版), 2010, 40(6):1353-1357.

[9] Chen H Y, Chang Y M. Extraction of product form features critical to determining consumers' perceptions of product image using a numerical definition-based systematic approach[J]. International Journal of Industrial Ergonomics, 2009, 39(1): 133-145.

[10] Simon T W Schutte, Jorgen Eklund, Jan R C. Axelsson and Mitsuo Concepts, methods and tools in Kansei Engineering Theoretical Issues in Ergonomics Science May-June 2004, 5(3):222.

[11] LIN Y C, LAI H H, YEH C H. Consumer-oriented product form design based on fuzzy logic: a case study of mobile phones[J]. Int J Ind Ergon, 2007, 37(6): 531-543.

(編輯趙蓉)

Multi-dimensional KE Model Construction Based on Multiple Linear Regression

LIU Zheng-honga, PAN Wei-jiea, LV Jiana, LIN Lib

(a.Key Laboratory of Advanced Manufacturing Technology, Ministry of Education; b.School of Mechanical Engineering, Guizhou University, Guiyang 550025, China)

Abstract：Because the one-dimensional KE model cannot reflect the emotion of product, the method of multi-dimensional KE (MKE) model construction based on multiple linear regression was proposed in this paper. Firstly, the space of multi-dimensional modeling features (MMFs) and emotion perception were set up. Next, the main features of MMFs were determined. Then, the main features were quantized. Finally, the mapping function relationship between the space of MMFs and kansei design was analyzed and the MKE model based on the form, color, sound, material and related components of product was constructed by multiple regression analysis method. The proposed method were described by a case of numerical control machine tools form design. The results have revealed that the approach can construct the MKE model effectively.

Key words：multiple linear regression; main feature; multi-dimensional KE model; NC machine tools

中圖分類號：TH166;TG 506

文獻標識碼：A

作者簡介：劉征宏(1987—),男，湖南邵陽人,貴州大學(xué)博士研究生,研究方向為先進制造模式及制造信息系統(tǒng)、數(shù)字化設(shè)計與制造，(E-mail)zehoo_liu@163.com；通訊作者：潘偉杰(1983—)，男，河南漯河人，貴州大學(xué)副教授，工學(xué)博士，研究方向為數(shù)字化設(shè)計與制造，(E-mail)290008933@qq.com。

*基金項目：國家自然科學(xué)基金(51475097)；國家自然科學(xué)基金(51465007)；國家科技支撐計劃(2014BAH05F01),貴州省科技計劃(黔科合計Z字[2013]4005;黔科合J字[2013]2108;黔科合LH字[2014]7644)；黔發(fā)改投資([2012]2484)；貴州大學(xué)基金項目(貴大人基合字[2012]009)

收稿日期：2015-09-08；修回日期：2015-09-18

文章編號：1001-2265(2015)12-0015-04

DOI:10.13462/j.cnki.mmtamt.2015.12.005