当前位置: 首页 > 专利查询>天津大学专利>正文

一种用户参与的个性化产品概念设计方法技术

技术编号:19747023 阅读:45 留言:0更新日期:2018-12-12 05:02
本发明专利技术公开了一种用户参与的个性化产品概念设计方法,该方法在用户对评价对象不熟悉的阶段,向用户提供较多的进化个体,随着用户认知的明晰,逐渐减小种群规模,进而加快用户的认知过程,减少因认知模糊而产生的噪声。为更加精确获取并预测用户的偏好,在种群进化的过程中采用块协同分析用户对属性组合的偏好,采用基于用户的协同过滤推荐算法分析用户对于单个属性的偏好,分析得到的偏好可以加快种群收敛,减少因用户疲劳而产生的噪声。该算法有效解决因用户认知不完整而造成的个体评价漂移的问题,提高客户需求获取的精确性,同时有效缩短用户评价时间,缓解用户疲劳,从而根据用户需求为产品外观设计提供精准有效的设计原型。

【技术实现步骤摘要】
一种用户参与的个性化产品概念设计方法
本专利技术涉及产品设计
,具体是一种用户参与的个性化产品概念设计方法。
技术介绍
随着我国经济的发展,人们物质生活得到了极大丰富,审美能力逐渐提高,客户对于产品的外观形态,性能配置等方面也就有了更高的要求,尤其是中国新一代的年轻群体,他们的需求层面不断提升,甚至达到最高的自我实现层,越来越多的人想要更多地彰显自我个性,这让他们更乐于选择具有自己风格的个性化产品,个性化定制产品成为能表达自我情感的商品成为未来的大趋势。因此,现代企业需要意识到以客户为中心的重要性,关注客户的个性化需求,剖析客户的情感诉求,并据此进行产品的研发和创新,向客户供应满足其需求的个性化产品,这已经成为企业进行产品研发的重要目标之一,也是提高企业竞争优势的必要途径之一。2013年,由德国技术科学院等科研机构联合提出的“工业4.0”的战略规划,其目的在于通过深度利用信息物理系统,实现生产信息的数据化智慧化,最终达到快速有效个性化的产品供应,该战略已上升为国家级战略并在全球范围内引发了新一轮的工业转型竞赛。在这样的国际形势下,我国企业的智能转型也就显得尤为重要。2015年5月,国务院正式印发《中国制造2025》计划,以推进智能制造作为主攻方向,努力实现制造业由大变强的历史跨越,产品的个性化与智能化就成为制造业企业需要考虑的重要部分。个性化产品与智能产品中的重要组成部分就是产品设计的个性化与智能化。因此个性化产品设计,尤其是个性化产品外观设计,如何能够达到客户满意受到了国内外学者的广泛关注,研究的重点集中于如何准确获取客户的需求并且使产品设计切合客户的需求。在实际的生产中,企业主要通过电话咨询、面谈等与客户沟通的方法并且凭借经验获取分析客户的需求,但是客户通常不善于表达自己的想法或者对专业领域的知识不甚了解,这对企业了解客户的需求造成一定的困扰,同时,与客户沟通就意味着耗费大量的时间和人力资源,这些缺点的存在导致现行的普遍方法并不适用于大量的产品个性化定制。解决这个问题的有效方式之一便是让客户直接参与到产品设计中来。通过计算机辅助用户界面与客户进行互动能够使系统快速精准地捕捉客户需求,推动产品设计。运用虚拟现实或增强现实技术使用户直接看到产品的虚拟外观,可以更好地了解到客户的需求,使用户参与到产品设计的过程中,同时可以使设计者更直观地感受产品外形,更方便地进行产品设计。使用KANO模型可以明晰用户满意度与性能标准之间的关系,进而找到提高用户满意度的关键标准,使设计的产品更加贴合用户需求。这些方法在一定程度上使设计出的产品更满足用户的个性化需求。但如何更好地获取客户的个性化需求并在产品设计中得到满足是目前大量学者在探索的问题。但是,在目前提出的方法中存在两个普遍的问题:其一是客户的参与度并不高,这就导致对用户的需求分析不透彻,无法刻画出用户最满意的产品;其二是客户的需求是不断受到各方面因素而改变的,而现有的方法并不能及时捕捉到这些变化。交互式遗传算法通过交互机制,由客户决定个体的种群适应度,能够强化产品设计过程中用户的参与性和主观性,通过这种方法,可以使对专业知识了解不深的客户更加明晰地表达出个人偏好的设计方案。而交互式遗传算法中存在初期客户认知不完整而导致个体评价漂移、用户疲劳问题的不足,如何运用交互式遗传算法进行产品个性化设计,如何改进算法缓解算法中的不足都成为研究的方向。
技术实现思路
本专利技术的目的在于提供一种用户参与的个性化产品概念设计方法,其特点在于使用交互式遗传算法,引入变种群的思路,并从属性组合和单个属性项两个角度分析用户偏好,进行个产品性化设计,并在传统腕表设计中展开应用,以解决上述
技术介绍
中提出的问题。为实现上述目的,本专利技术提供如下技术方案:一种用户参与的个性化产品概念设计方法,包括以下步骤:步骤1:初始化,赋予进化控制参数,其中包括初始种群规模、每种规模最大遗传代数、块偏好值最小阈值、偏好完整度最小阈值、交叉概率以及变异概率;步骤2:初始化种群,并删除与禁忌域数据库中比对成功的个体,产生初始种群;步骤3:判断种群个体数是否大于临界值,若是,则为定性评估阶段,转至步骤4;否则为定量评估阶段,转至步骤11;步骤4:用户分别按照满意度、厌恶度递减的顺序选择若干个喜欢/不喜欢的个体;步骤5:根据用户的选择时间确定用户对于所选择的个体的适应度值;步骤6:进行块搜索,分析用户已评价个体,运用关联规则得到其中的关联块;步骤7:将搜索出来的关联块进行分类,分为适应块、进化块以及淘汰块;其中,适应块、进化块来源于用户满意度高的个体,淘汰块来源于用户厌恶的个体;步骤8:借鉴协同过滤推荐算法对用户偏好进行预测及归纳,预测用户对未评价的属性表现型的偏好;步骤9:判断是否满足变种群条件,若是,种群个体数减半,转至步骤10;若否,直接转至步骤10;步骤10:系统根据对用户偏好的分析结果产生新的种群,转至步骤3;步骤11:用户逐一评价种群个体,用户对种群个体进行打分;步骤12:根据用户犹豫度,对个体分数进行调整,确定最终个体适应度;步骤13:判断是否出现用户最满意解或者满足进化终止条件,若是,则输出最终结果,算法结束;否则,转至步骤6。作为本专利技术进一步的方案:所述步骤6和7中关联块的搜索和分类,包括以下步骤:为了使块便于参与种群生成,本文使用关联规则表示块,关联规则的一般形式为其中X为规则前提,Y为规则结果,故块被表示为B=(Ax,Ay),其中Ax、Ay均为属性表现型集合,分别对应关联规则的前提和结果,且通过关联规则中的Apriori算法在最佳适应值个体数据库以及不良适应值个体数据库中进行块搜索,Apriori算法的实现过程主要包括以下两个步骤:1)寻找频繁项集,找出支持度不小于最小支持度阈值的所有频繁项集,支持度为已评价且包含属性集合(Ax∪Ay)的个体数与所有已评价个体数之比,包含公式:2)由频繁项集产生强关联规则,找出满足最小支持度和最小置信度的关联规则,即对于属性集合(Ax∪Ay)所有的非空子集Ax,如果P(Ay|Ax)≥min_conf,则产生B=(Ax,Ay)的块,置信度的定义包含公式:经实验,确定支持度与置信度的最小阈值均为40%时,效果最佳;分别以最佳适应值个体数据库和不良适应值个体数据库作为数据源进行两次块搜索,得到满足预先设定的支持度与置信度阈值的块,之后按照用户对块的偏好程度将块分类,块的偏好的计算包含公式:其中,为满足Bi块属性组合表现型且被用户评价过的个体的集合,fitness(Ij)为个体Ij的适应度,若该个体被用户在不同代多次评价,则适应度取算数平均值,包含如下公式:其中,表示用户第i次对进化个体Ij评价产生的适应度,n为用户对该个体评价总次数;适应块和进化块通过对最佳适应值个体数据库的块搜索得到,若搜索到的块大于预先设置的适应块偏好值最小阈值,则为适应块;同理,大于预先设置的进化块偏好值最小阈值的为进化块,淘汰块为从不良个体数据库中搜索到的大于设置的淘汰块偏好值最小阈值的块,三种关联块的偏好值最小阈值由具体实验获得;经实验,适应块偏好值最小阈值、进化块偏好值最小阈值、淘汰块偏好值最小阈值分别选定为85%、60%以及90%;搜索并且分类后的块用于对预生成的新种群中进行定本文档来自技高网
...

【技术保护点】
1.一种用户参与的个性化产品概念设计方法,其特征在于,包括以下步骤:步骤1:初始化,赋予进化控制参数;步骤2:初始化种群,并删除与禁忌域数据库中比对成功的个体,产生初始种群;步骤3:判断种群个体数是否大于临界值,若是,则为定性评估阶段,转至步骤4;否则为定量评估阶段,转至步骤11;步骤4:用户分别按照满意度、厌恶度递减的顺序选择若干个喜欢/不喜欢的个体;步骤5:根据用户的选择时间确定用户对于所选择的个体的适应度值;步骤6:进行块搜索,分析用户已评价个体,运用关联规则得到其中的关联块;步骤7:将搜索出来的关联块进行分类,分为适应块、进化块以及淘汰块;步骤8:借鉴协同过滤推荐算法对用户偏好进行预测及归纳,预测用户对未评价的属性表现型的偏好;步骤9:判断是否满足变种群条件,若是,种群个体数减半,转至步骤10;若否,直接转至步骤10;步骤10:系统根据对用户偏好的分析结果产生新的种群,转至步骤3;步骤11:用户逐一评价种群个体,用户对种群个体进行打分;步骤12:根据用户犹豫度,对个体分数进行调整,确定最终个体适应度;步骤13:判断是否出现用户最满意解或者满足进化终止条件,若是,则输出最终结果,算法结束;否则,转至步骤6。...

【技术特征摘要】
1.一种用户参与的个性化产品概念设计方法,其特征在于,包括以下步骤:步骤1:初始化,赋予进化控制参数;步骤2:初始化种群,并删除与禁忌域数据库中比对成功的个体,产生初始种群;步骤3:判断种群个体数是否大于临界值,若是,则为定性评估阶段,转至步骤4;否则为定量评估阶段,转至步骤11;步骤4:用户分别按照满意度、厌恶度递减的顺序选择若干个喜欢/不喜欢的个体;步骤5:根据用户的选择时间确定用户对于所选择的个体的适应度值;步骤6:进行块搜索,分析用户已评价个体,运用关联规则得到其中的关联块;步骤7:将搜索出来的关联块进行分类,分为适应块、进化块以及淘汰块;步骤8:借鉴协同过滤推荐算法对用户偏好进行预测及归纳,预测用户对未评价的属性表现型的偏好;步骤9:判断是否满足变种群条件,若是,种群个体数减半,转至步骤10;若否,直接转至步骤10;步骤10:系统根据对用户偏好的分析结果产生新的种群,转至步骤3;步骤11:用户逐一评价种群个体,用户对种群个体进行打分;步骤12:根据用户犹豫度,对个体分数进行调整,确定最终个体适应度;步骤13:判断是否出现用户最满意解或者满足进化终止条件,若是,则输出最终结果,算法结束;否则,转至步骤6。2.根据权利要求1所述的用户参与的个性化产品概念设计方法,其特征在于,所述步骤6和7中关联块的搜索和分类,包括以下步骤:为了使块便于参与种群生成,使用关联规则表示块,关联规则的形式为其中X为规则前提,Y为规则结果,故块表示为B=(Ax,Ay),其中Ax、Ay均为属性表现型集合,分别对应关联规则的前提和结果,且通过关联规则中的Apriori算法在最佳适应值个体数据库以及不良适应值个体数据库中进行块搜索,Apriori算法的实现过程主要包括以下两个步骤:1)寻找频繁项集,找出支持度不小于最小支持度阈值的所有频繁项集,支持度为已评价且包含属性集合(Ax∪Ay)的个体数与所有已评价个体数之比,包含公式:2)由频繁项集产生强关联规则,找出满足最小支持度和最小置信度的关联规则,即对于属性集合(Ax∪Ay)所有的非空子集Ax,如果P(Ay|Ax)≥min_conf则产生B=(Ax,Ay)的块,置信度的定义包含公式:分别以最佳适应值个体数据库和不良适应值个体数据库作为数据源进行两次块搜索,得到满足预先设定的支持度与置信度阈值的块,之后按照用户对块的偏好程度将块分类,块的偏好的计算包含公式:其中,为满足Bi块属性组合表现型且被用户评价过的个体的集合,fitness(Ij)为个体Ij的适应度,若该个体被用户在不同代多次评价,则适应度取算数平均值,包含如下公式:其中,表示用户第i次对进化个体Ij评价产生的适应度,n为用户对该个体评价总次数;适应块和进化块通过对最佳适应值个体数据库的块搜索得到,若搜索到的块大于预先设置的适应块偏好值最小阈值,则为适应块;同理,大于预先设置的进化块偏好值最小阈值的为进化块;淘汰块为从不良个体数据库中搜索到的大于设置的淘汰块偏好值最小阈值的块。3.根据权利要求1所述的用户参与的个性化产品概念设计方法,其特征在于,所述步骤8中借鉴协同过滤推荐算法对用户偏好进行预测及归纳,包括以下步骤:首先,确定个体适应度值;在用户定性评价阶段,用户选择若干个满意/不满意的个体,选择的数量由用户自己决定,满意个体被存入最佳适应值个体数据库,不满意个体存入不良适应值个体数据库,用表示用户在第i代对进化个体Ij的适应度,对于未被选择的个体,其当前适应度为空缺值,包含如下公式:其中,表示进化个体Ij在第i代被第K个选择的选择时间,选择时间从将进化个体展示给用户开始计时,到用户选择该进化个体结束计时;由此,可以得到用户在第i代评价中对于属性An取值为m的偏好,根据如下公式得到:其中,表示在第i代被选择的属性An取值为m的进化个体的集合,wn为上文中An属性所占权值;将满意个体各属性偏好存入用户偏好矩阵,不满意个体各属性偏好存入用户厌恶矩阵,根据如下公式得到:在用户定量评价阶段,需要对种群的个体进行逐一打分,采取基于犹豫度运算的个体适应值估计方法将用户打分合理化;假设用户的评分符合正态分布,将种群中每个个体的合理化评分使用z-score标准化方法...

【专利技术属性】
技术研发人员:窦润亮孙媛琨林丹丹
申请(专利权)人:天津大学
类型:发明
国别省市:天津,12

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1