基于结合分析的产品意象造型设计研究

李永锋， 朱丽萍

（江苏师范大学机电工程学院，江苏 徐州 221116）

随着国内外市场竞争的加剧，产品生命周期日益缩短，消费者一般选择产品时可以按照自己的喜好，以及产品是否符合自己的个性和社会地位来选择产品[1]，设计师所面临的新挑战是必须理解顾客的这种需要，设计出更加符合消费者感性需求的产品。感性工学(Kansei Engineering)是一项系统地挖掘人们对产品的感性并将其转化为产品设计要素的技术[2]。产品意象造型设计是基于人的认知视知觉原则，以造型因素为对象，将非理性的感性意象信息加以量化来发展概念设计的方法，是感性工学的重要研究内容。

结合分析也称为联合分析(Conjoint Analysis)，是一种多元统计分析方法，由数理心理学家Luce和统计学家Tukey于1964年提出，该方法是在已知消费者对轮廓评价结果的基础上，通过分解的方法去估计其偏好结构的一种方法，已被广泛应用于消费品、工业产品和商业服务等相关领域的研究中[3]。

近年来，许多学者对结合分析在产品设计中的应用进行研究，如罗仕鉴等[4]应用结合分析对产品造型的隐形知识进行研究，Aktar[5]应用结合分析进行水龙头的意象造型设计，Guo等[6]应用结合分析建立可视电话的感性意象与设计要素之间的关系，然而很少有人从整体感性意象的角度对结合分析在产品设计中的应用进行系统研究。Chang[7]等人提出用吸引力(Attractiveness)作为客车的综合感性意象，以评价造型的优劣。据此，本文采用造型吸引力对产品的感性意象加以整合，并基于结合分析的方法建立吸引力与产品属性和水平之间的模型，为产品的造型设计提供指导。

1 结合分析的基本原理

产品的不同属性具有不同水平，消费者对产品的偏好是由产品的各种属性的结合造成的，通过结合分析可对产品的不同属性和相应水平做出定量的评价，从而得出产品在市场上的表现并构建产品的最佳结合方式。

结合分析中属性水平的效用计算是以消费者对轮廓的偏好为因变量，以属性水平作为预测变量，引入哑变量，采用普通最小二乘法得到[8]。

属性的相对重要性以百分比的形式表示，其计算公式为

其中：wj为属性的相对重要性，vij为第j个属性的第i个水平的效用；max(vij)- min(vij)为属性效用全距，表示属性的重要度。

计算模型轮廓效用最常用的模式是加法效用模式，该模式认为属性具有兑换关系，不考虑属性之间交互效果的影响，只是把每个属性的效用值相加以得到某种属性组合的轮廓效用[9]，计算公式如下

其中：U(x)为轮廓效用。

本研究应用结合分析的主要目的有3个：一是确定各属性水平的效用和属性的相对重要性；二是建立感性意象和产品属性水平之间的数学模型，进而寻求产品的最佳组合；三是为产品的个性化定制设计提供依据。

2 属性和水平的选取

2.1 典型样本的选择

收集125个办公座椅的图片样本，删除造型奇怪、特殊或相似的样本，最终确定62个进行多元尺度(Multidimensional Scaling)分析。表1为62个样本在不同维度的多元尺度分析结果。其中Stress为Kruskal压力系数，数值越小表示图形与数据的配合度愈好，RSQ即R-Square，代表数值分散的比例，该值越大，表示解释能力越强。当维度为6时，Stress的值为0.10445，RSQ的值为0.83976，能够满足相关要求，可见6维空间对数据的拟合程度较好，因此选用6维作为分类基础。

表1 多元尺度分析表

对62个样本在6维空间中的坐标值进行聚类分析，以寻找各类中的典型样本。先应用层次聚类(Hierarchical Cluster)，其分析方法采用Ward方法，结果如图1所示，当分类多时，类间的区别不明显，当分类少时，类间的距离过大，可以发现分为6类时较为妥当，如图中灰色线所示。再应用K均值聚类(K-means Cluster)，设定聚类数为6，对坐标值进行分析，确定各个样本到聚类中心的距离，每一类中距离最小者为该类的典型样本，以第3类为例，其分类结果如表2所示。最终确定的6个典型样本如图2所示。

图1 层次聚类分析结果

表2 第3类各样本到类中心的距离

图2 最终选定的6个代表性样本

2.2 形态分析

采用形态分析法将6个典型样本的形态分解为头枕、背框、椅背、腰靠、椅面、背框与椅面结合方式、扶手以及腿脚等8个造型设计要素[10-11]，作为结合分析的属性，再将每种设计要素分为2～4种类型，作为结合分析各属性的水平，结果如表3所示。

表3 办公座椅的属性和水平

3 产品造型的吸引力

3.1 感性意象的确定

产品的感性意象是指使用者透过感官对产品所产生的直接联想[12]，一般用形容词加以描述。研究中首先通过访谈、调查、查阅资料等方法搜集了139对描述办公座椅的形容词，再采用KJ法(Kawakita Jiro method)将139对形容词归纳为24对。

针对6个典型样本和24对形容词，采用7等级语义区分法设计调查问卷，邀请32名被试（男性16名，女性16名，年龄在20～22岁）进行感性意象评价，应用因子分析法(Factor Analysis)对结果进行分析。在分析过程中运用主成份分析的思想提取因子，只保留特征值(Eigenvalue)大于1的特征向量(Eigenvector)，共抽取了5个因子，其累积可解释的总方差为97.672%。为了使所提取的因子易于解释，采用Varimax with Kaiser Normalization方法对因子进行旋转，旋转后的成份矩阵如表4所示，最终确定的感性意象依次为“呆板的-活泼的”、“朴实的-豪华的”、“厚重的-轻巧的”、“不实用的-实用的”以及“不舒适的-舒适的”。

表4 产品感性词汇的因子分析结果

3.2 造型的吸引力

本研究中造型吸引力的构成如图3所示，五边形的5条边分别代表“呆板的-活泼的”、“朴实的-豪华的”、“厚重的-轻巧的”、“不实用的-实用的”以及“不舒适的-舒适的”等5个感性意象，0为原点，1～7代表感性意象的7个等级。造型吸引力的值为5个感性意象的评价值之和与其最大值之比，图3中造型吸引力的值为

图3 造型吸引力的构成

结合分析中被试对产品的评价是基于语义区分法的，因此需要将造型吸引力的数值进行离散化，方法如下：[1/7, 3/14) 的等级为1,[3/14,5/14) 的等级为2, [5/14, 1/2) 的等级为3, [1/2,9/14) 的等级为4, [9/14, 11/14) 的等级为5,[11/14, 13/14) 的等级为6, [13/14, 1]的等级为7。依据该方法，图3中造型吸引力的等级为4。

4 模型的构建

4.1 属性与感性意象的关系探讨

采用对应分析(Correspondence Analysis)对属性与感性意象的关系进行初步探讨，对应分析是一种在低维度空间上描述两个变量之间相对关系的分析方法，该方法通过绘制知觉图(Perceptual Mapping)直观形象地描述变量之间的关系[13]。

邀请10名被试（男性5名，女性5名，年龄在20～22岁）对办公座椅的8个属性与5个感性意象的关系进行评分，对其结果整理后可绘制图4所示知觉图，其中所提取的两个因子的贡献率分别为65.79%和23.96%，从图4中可以看出办公座椅的腿脚对“呆板的-活泼的”影响最大，椅面对“不实用的-实用的”影响最大，腰靠和头枕对“不舒适的-舒适的”影响大，而椅背是否带网和椅背与椅面的结合方式对“厚重的-轻巧的”影响大，即产品的属性与感性意象之间存在着一定的关系，而5个感性意象可用吸引力加以整合，本文的目的在于建立造型的吸引力与产品属性之间的关系模型。

图4 知觉图

4.2 轮廓的组合

由所确定的办公座椅的属性和水平，共可产生造型3×3×2×2×3×2×4×3=2592种，但是建立2592种造型让被试进行评价是不现实的，并且没有必要。对此采用部分因子设计(Fractional Factorial Design)，只对所有组合中的一部分进行评价，最常用的是正交试验设计法，该方法根据正交性从全面试验中挑选出部分有代表性的点进行试验，这些点具备“均匀分散，齐整可比”的特点。本研究应用正交试验设计法将2592种造型压缩到32种造型，使用全轮廓法构建产品卡片，结果如表5所示。

4.3 感性意象的评价

对由正交试验设计所确定的32款座椅，以“呆板的-活泼的”、“朴实的-豪华的”、“厚重的-轻巧的”、“不实用的-实用的”以及“不舒适的-舒适的”作为感性意象，制作调查问卷。选择47名被试（男性23名，女性24名，年龄在20～22岁）进行调查，结果如表6所示（以样本1为例），47名被试对32个样本造型吸引力的评价等级见表7。

表5 办公座椅的轮廓卡片

表6 样本1的感性意象评价

表7 47名被试对32个样本造型吸引力的评价等级

4.4 模型的建立与分析

使用SPSS 16.0对调查数据进行结合分析，结果如表8所示。可以发现该组被试认为对办公座椅造型吸引力影响最大的属性为扶手，重要性为24.160%；其次是腿脚和背框，重要性分别为14.732%和14.279%；接着是椅面和头枕，重要性分别为12.183%和11.323%；最后是背框与椅面的结合方式、椅背、腰靠，重要性都小于10%，依次为9.022%、7.495%以及6.806%。而在扶手属性的各水平中，无扶手的效用最大为0.142，其次是T形为0.118，而L形和环形的为负值，分别为-0.021和-0.239。因此，在办公座椅的造型设计中应对扶手、腿脚、背框等属性进行重点考虑，而在扶手的设计中应优先选择无扶手和T形扶手。

针对该组被试，办公座椅造型吸引力的计算公式如式(3)所示，设计人员可根据该公式对不同属性水平组合的办公座椅的吸引力进行计算。

式中，y吸引力为针对该组被试的座椅造型的吸引力值，xij表示座椅造型中属性与水平的组合情况，如x11表示头枕属性(X1)取水平1（与椅背结合一体的）。

表8 结合分析的结果

最优产品的市场组合可通过选取各属性中水平效用值最高的水平来确定。据此，各属性所选取的水平依次为X1=2、X2=3、X3=1、X4=1、X5=1、X6=1、X7=4、X8=3。

所构建模型的Pearson相关系数为0.832，Kendall等级相关系数为0.676，二者的P值都为0.000，因此模型的拟合度较好，用该模型进行预测是有效的。

此外，通过对每个被试偏好值的分析可进行产品的个性化设计和定制，在本研究中针对被试1的造型吸引力预测公式如式(4)所示，可见对被试1而言，最具有吸引力的属性水平的组合为：与椅背结为一体的头枕(X1=1)、扁圆弧形的背框(X2=3)、带网的椅背(X3=1)、具有腰靠(X4=1)、方形的椅面(X5=1)、椅面与背框的结合为集成式(X6=1)、T形的扶手(X7=1)、腿脚为五星脚式(X8=1)，此时的造型吸引力为5.52。

式中，y吸引1力表示针对被试1的座椅造型的吸引力预测值。

5 结 论

本文以办公座椅为例对基于结合分析的产品意象造型设计方法进行系统研究，确定了产品的属性和各属性的水平，用造型吸引力对产品的感性意象进行了整合，建立了吸引力与产品属性和水平之间的数学模型。研究结果表明：该方法能有效地确定产品的属性和水平的相对重要性，建立消费者偏好的预测模型，构建最优产品的组合，并为产品的个性化设计和定制提供指导，对企业的产品设计开发具有重要意义。

需要指出的是，影响感性意象的因素包括造型、色彩、材质等，本文仅对造型因素进行了探索，以后将综合多种因素进行深入研究。

[1]Roy R, Goatman M, Khangura K. User-centric design and kansei engineering [J]. CIRP Journal of Manufacturing Science and Technology, 2009, 1(3):172-178.

[2]Nagamachi M. Perspectives and the new trend of kansei/affective engineering [J]. TQM Journal, 2008,20(4): 290-298.

[3]林 泉, 林志扬. 基于联合分析法的新产品定位研究[J]. 统计与决策, 2008, 23: 182-184.

[4]罗仕鉴, 翁建广. 产品设计中基于群体文化学的隐性知识表达[J]. 机械工程学报, 2008, 44(4): 15-20.

[5]Aktar D E, Anagun A S, Koksal G. Determination of optimal product styles by ordinal logistic regression versus conjoint analysis for kitchen faucets [J].International Journal of Industrial Ergonomics, 2009,39(5): 866-875.

[6]Guo F, Mu L, Tian T, et al. Research on videophones'form based on kansei engineering [C]//2009 IEEE 16th International Conference on Industrial Engineering and Engineering Management, IEEE Computer Society, Beijing, China, 2009: 1831-1835.

[7]Chang H C, Lai H H, Chang Y M. A measurement scale for evaluating the attractiveness of a passenger car form aimed at young consumers [J]. International Journal of Industrial Ergonomics, 2007, 37(1): 21-30.

[8]沈 浩, 柯惠新. 结合分析的原理和应用[J]. 数理统计与管理, 1998, 17(4): 39-45.

[9]周奕君. 消费者对绿色汽车之偏好结构及愿付价格研究[D]. 台南: 国立成功大学, 2006.

[10]Hsiao S W, Liu E. A neurofuzzy-evolutionary approach for product design [J]. Integrated Computer-Aided Engineering, 2004, 11(4):323-338.

[11]Ostrosi E, Tié Bi S. Generalised design for optimal product configuration [J]. International Journal of Advanced Manufacturing Technology, 2010, 49(1-4):13-25.

[12]Yanagisawa H, Murakami T. Factors affecting viewpoint shifts when evaluating shape aesthetics towards extracting customer's latent needs of emotional quality [C]//2008 ASME International Design Engineering Technical Conferences and Computers and Information in Engineering Conference, ASME, New York City, NY, United States, 2008: 791-800.

[13]Liao C S, Lee C W. The application of codesign in new bra product innovations [J]. International Journal of Clothing Science and Technology, 2010, 22(2):211-227.