面向產(chǎn)品概念設(shè)計的隱性知識轉(zhuǎn)化模型構(gòu)建及重用研究.pdf

1、現(xiàn)代產(chǎn)品設(shè)計是以用戶為中心的設(shè)計，重點關(guān)注用戶的感知、體驗、情感、偏好等隱性知識。產(chǎn)品概念設(shè)計作為產(chǎn)品設(shè)計最重要的階段之一，是知識密集型的創(chuàng)造性工作，其實質(zhì)是知識的演化過程。產(chǎn)品概念設(shè)計階段隱含了大量復(fù)雜的隱性知識，因此，組織并運用這部分知識是產(chǎn)品概念設(shè)計乃至整個產(chǎn)品設(shè)計成功的關(guān)鍵，也是以用戶為中心的設(shè)計理念的體現(xiàn)，同時又是現(xiàn)代設(shè)計理論及方法研究的熱點與難點。因此，研究面向產(chǎn)品概念設(shè)計的隱性知識轉(zhuǎn)化及重用并提高產(chǎn)品概念設(shè)計質(zhì)量，具有重大

2、的意義。
　　本研究是一項機械工程、工業(yè)設(shè)計、認(rèn)知心理學(xué)、機器學(xué)習(xí)及管理統(tǒng)計學(xué)等多學(xué)科融合的研究工作。本文從研究產(chǎn)品概念設(shè)計階段知識演化過程及認(rèn)知模式出發(fā)，對隱性知識的來源、獲取、分析、表征、匹配、轉(zhuǎn)化、重用等做了深入研究，并最終開發(fā)了基于隱性知識重用的產(chǎn)品概念設(shè)計輔助原型系統(tǒng)（Tacit Knowledge Reuse-based Computer Aided Conceptual Design，TKRB-CACD）。主要研究內(nèi)

3、容如下：
　　1、根據(jù)產(chǎn)品概念設(shè)計知識演化過程，基于產(chǎn)品概念設(shè)計語義認(rèn)知模式與感性認(rèn)知模式，對用戶感知與偏好、多維感知等概念進行了描述。對設(shè)計領(lǐng)域隱性知識進行研究，將其分為三類：用戶隱性知識、設(shè)計隱性知識、產(chǎn)品隱性知識，并分別對其獲取、外顯化方法進行了研究。
　　2、基于隱性知識的分類，對隱性知識來源進行了分析。使用基于情感分析的隱性知識獲取方法和基于認(rèn)知實驗的隱性知識獲取方法，并通過造型意象認(rèn)知實驗對機床設(shè)計知識進行了獲取

4、。提出基于因子分析（Factor Analysis，F(xiàn)A）和聚類分析（Cluster Analysis，CA）的隱性知識分析方法，通過實例驗證，實現(xiàn)了隱性知識的有效提取。在多維感知研究的基礎(chǔ)上，構(gòu)建了基于多維變量感性工學(xué)的隱性知識映射模型，并通過實例研究對其有效性和優(yōu)越性進行了評估。提出了基于圖解語義和可拓關(guān)聯(lián)的隱性知識表征方法，便于隱性知識的組織、傳遞和運用。
　　3、對產(chǎn)品概念設(shè)計知識傳遞機制進行了研究；構(gòu)建了隱性知識外顯模型

5、、轉(zhuǎn)移螺旋模型及匹配模型，實現(xiàn)隱性知識的轉(zhuǎn)化。提出了基于感性工學(xué)（Kansei Engineering，KE）和潛在語義分析（Latent Semantic Analysis，LSA）的隱性知識匹配方法，并通過實例研究，驗證了其對用戶需求匹配精度的提高。
　　4、針對概念設(shè)計方案評價及決策，提出了基于灰色關(guān)聯(lián)分析的逼近理想解排序（Technique for Order Preference by Similarity to an

6、Ideal Solution，TOPSIS）決策方法，實現(xiàn)了隱性知識的收斂。首先探討了基于線性回歸和神經(jīng)網(wǎng)絡(luò)的設(shè)計決策支持?jǐn)?shù)據(jù)庫構(gòu)建方法，然后提出綜合考慮方案數(shù)據(jù)曲線位置和形狀的TOPSIS和灰色關(guān)聯(lián)分析相結(jié)合的決策方法，并通過實例研究，對三種方法的決策結(jié)果進行了對比。
　　5、為實現(xiàn)隱性知識的重用及對產(chǎn)品概念設(shè)計進行有效輔助，論文開展了大量機床設(shè)計案例研究，并結(jié)合方法理論及實驗驗證研究構(gòu)建了 TKRB-CACD系統(tǒng)。根據(jù)研究內(nèi)容