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

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

2、的意義。
　　本研究是一項(xiàng)機(jī)械工程、工業(yè)設(shè)計(jì)、認(rèn)知心理學(xué)、機(jī)器學(xué)習(xí)及管理統(tǒng)計(jì)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(jì)階段知識(shí)演化過程及認(rèn)知模式出發(fā)，對(duì)隱性知識(shí)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(shí)重用的產(chǎn)品概念設(shè)計(jì)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(jì)知識(shí)演化過程，基于產(chǎn)品概念設(shè)計(jì)語義認(rèn)知模式與感性認(rèn)知模式，對(duì)用戶感知與偏好、多維感知等概念進(jìn)行了描述。對(duì)設(shè)計(jì)領(lǐng)域隱性知識(shí)進(jìn)行研究，將其分為三類：用戶隱性知識(shí)、設(shè)計(jì)隱性知識(shí)、產(chǎn)品隱性知識(shí)，并分別對(duì)其獲取、外顯化方法進(jìn)行了研究。
　　2、基于隱性知識(shí)的分類，對(duì)隱性知識(shí)來源進(jìn)行了分析。使用基于情感分析的隱性知識(shí)獲取方法和基于認(rèn)知實(shí)驗(yàn)的隱性知識(shí)獲取方法，并通過造型意象認(rèn)知實(shí)驗(yàn)對(duì)機(jī)床設(shè)計(jì)知識(shí)進(jìn)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(shí)分析方法，通過實(shí)例驗(yàn)證，實(shí)現(xiàn)了隱性知識(shí)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(shí)映射模型，并通過實(shí)例研究對(duì)其有效性和優(yōu)越性進(jìn)行了評(píng)估。提出了基于圖解語義和可拓關(guān)聯(lián)的隱性知識(shí)表征方法，便于隱性知識(shí)的組織、傳遞和運(yùn)用。
　　3、對(duì)產(chǎn)品概念設(shè)計(jì)知識(shí)傳遞機(jī)制進(jìn)行了研究；構(gòu)建了隱性知識(shí)外顯模型

5、、轉(zhuǎn)移螺旋模型及匹配模型，實(shí)現(xiàn)隱性知識(shí)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(shí)匹配方法，并通過實(shí)例研究，驗(yàn)證了其對(duì)用戶需求匹配精度的提高。
　　4、針對(duì)概念設(shè)計(jì)方案評(píng)價(jià)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(shí)現(xiàn)了隱性知識(shí)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(jì)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(shí)例研究，對(duì)三種方法的決策結(jié)果進(jìn)行了對(duì)比。
　　5、為實(shí)現(xiàn)隱性知識(shí)的重用及對(duì)產(chǎn)品概念設(shè)計(jì)進(jìn)行有效輔助，論文開展了大量機(jī)床設(shè)計(jì)案例研究，并結(jié)合方法理論及實(shí)驗(yàn)驗(yàn)證研究構(gòu)建了 TKRB-CACD系統(tǒng)。根據(jù)研究內(nèi)容