感性工学在纺织服装领域的研究进展

张 俊, 胡 嵩, 童梦霞, 肖文陵

(1. 武汉纺织大学 服装学院, 湖北 武汉 430073; 2. 武汉纺织服装数字化工程技术研究中心, 湖北 武汉 430073;3. 湖北省服装信息化工程技术研究中心, 湖北 武汉 430200; 4. 清华大学 美术学院, 北京 100084)

在新经济形势下,制造业已由生产型制造向服务型制造转型升级,价值链由以制造为中心向以服务为中心转变,越来越多的企业在产品全生命周期中更加关注用户的感性需求以提升消费体验[1]。除产品品质外,消费者也逐渐重视从产品中获得审美和情感实现,因此,从消费者的情感与心理需求出发进行产品设计开发,从而提高产品的感性附加值,方可赢得更多消费者的青睐。

感性工学将工程技术与人的心理和情感需求充分融合,促进以消费者为中心的产品设计开发。近些年,感性工学广泛运用于产品的情感设计中。纺织服装研究领域是一门综合性较强的学科,涉及人体工学、美学、材料学、制造学、社会学、心理学和经济学等学科,因此,对纺织服装的感性认识和开发也是多方面和多层次的。

本文回顾了感性工学的发展及在工业领域的应用,重点阐述了感性工学在纺织服装领域的研究与应用进展,对感性工学在服装产品设计、产品评价与消费心理分析、感性智能系统领域的应用以及研究感性工学的方法工具4个方面进行了述评与总结,并对感性工学在纺织服装领域的应用现状及问题进行了分析,对感性工学的研究与应用前景进行了展望与讨论。

1 感性工学发展

1.1 感性工学的定义

感性工学以生理学、心理学、解剖学、测量学等学科为基础,研究“人-机器-环境”系统,实现三者总体效能的优化,因此,在部分研究领域被称为人因工程。感性工学是一种以顾客需求为导向的产品开发技术,是一种将顾客的感受和意象转化为设计要素的工程技术手段[2]。其实质可以理解为:以工程技术手段,将人的情感与认知定量化获得感性量,进而确定感性量与工程技术领域中所使用的各种物理量之间的高元函数关系,以作为工程研究的基础,属于工学的一个新分支[3]。

1.2 纺织服装领域中的感性工学

经过近40年的研究与发展,感性工学已在汽车、家具、通信工具等多个领域有了成熟的应用[4-6]。纺织服装产业作为一个传统的产品制造领域,感性工学很早就运用其中。1970年Kawabata开发了织物力学性能测量装置,并利用多元分析将织物的力学性能和感官评价结果联系起来[7]。虽然当时没有成熟的感性工学体系,但感性工学思维已经有所体现,并逐渐在纺织服装产品设计开发中得到应用。随着感性工学的发展日渐成熟,越来越多的学者投入到对纺织服装产品的感性价值探索当中。发展至今,纺织服装领域中的感性工学的运用越来越广泛,除直接运用于纺织服装产品设计外,感性工学也被运用于消费者对服装产品的评价及消费者心理认知分析中,探索产品消费全过程的感性价值。随着机器学习与人工智能技术的发展,不少学者还运用感性工学开发了服装的智能推荐系统[8]、虚拟试衣系统[9]、基于感性工学设计的服装购物网站[10]、服装感性检索系统[11]等。感性工学融合了设计学、计算机技术、生理学和心理学等多学科的方法与手段,并广泛应用于纺织服装领域的相关研究和产品开发中。

2 服装和织物设计中感性工学应用

以产品为中心的服装设计更多是传达服装设计者的理念,设计过程缺少消费者的参与和情感融入。在服装设计中可运用感性工学将消费者的情感需求与消费意向转化成设计要素融入服装产品中,满足消费者情感与心理需求。服装设计过程中需要考虑多种服装要素,其中感性工学的运用大致可分为以下3个方面:1)服装款式风格的感性研究;2)服装色彩的感性研究;3)服装面料的感性研究。结合消费者的情感与心理需求,将感性信息融入情感设计,增强感性设计/情感设计体验。服装设计中的感性信息如图1所示。

图1 服装感性信息构成

2.1 服装款式风格的感性工学研究

服装的款式风格是所有设计要素形成的统一,能带给消费者直接的心理感受。服装款式感性研究的重要环节是建立款式形态要素,可分别依据廓形、外线形与内部造型来分类。刘国联等[12]应用感性工学原理对女装款式要素与消费者感性心理之间的相关性进行研究,经量化分析后反映了款式设计要素与服装款式感性的关系。Chen等[13]基于感性工学对职业女性背心的款式设计进行了研究,建立了款式感性词汇与设计要素之间的回归模型来预测消费者的感知意图。此外,还有学者基于感性工学理论采用语义差异法(SD法)、因子分析法、层次分析法(AHP)和回归分析法等不同的方法对旗袍[14]、女性文胸[15]、西装款式[16]、男士衬衫领型[17]和女式西装领型[18]等进行评价研究,通过感性评价了解消费者的感性认知与需求偏好,进而确定最佳的服装款式设计。

感性工学在款式风格设计中的应用为服装产品的设计与评价提供了新思路。其研究结果可以帮助服装企业和设计师确定相关款式风格的发展方向,同时也可以为其它产品的设计提供参考。由于服装产品款式风格认知的模糊性,目前对款式风格的感性研究主要采用主观评价方法,客观感性计测(感性计量、测试与分析)的研究较少,缺乏对人体生理反应和肢体语言的感性挖掘,这个问题在色彩和面料的感性研究中同样存在。

2.2 服装色彩的感性工学研究

色彩是服装设计的三要素之一,通常会形成直观的视觉印象,并引起人们情感和情绪的变化,因此,在产品设计中需要充分考虑色彩的感性因素。

随着感性消费时代的到来,色彩越来越受到设计师和研究者的关注。陈丽丽等[19]对色彩感觉进行分析和评价,发现色彩的多种感觉之间存在显著相关关系,色彩波长对人的心理作用效果明显,会影响人的辨别反应。Wakako等[20]基于感性工学发现裤袜的颜色对腿部表面视觉粗糙度有明显的影响,穿着裤袜的腿部视觉信息特征可以作为表面粗糙度视觉感知的评价指标。He等[21]基于感性工学研究了照明光的光谱分布对织物纹理印象的影响,发现颜色的生动性会影响人对光泽织物的纹理印象,这可为服装店照明设备的设计提供一定参考。此外,服装着装的颜色搭配[22]、刺绣服饰的颜色搭配[23]中也存在颜色与用户感知需求耦合不良的问题。各种颜色都具有其特定的感性特征,了解和掌握颜色感性特征可以帮助设计师和消费者更合理地进行服装色彩搭配。在未来的服装设计中需充分考虑服装色彩的感性因子及感性意象,以更好地满足消费者的感性需求,提升服装产品的感性价值。

2.3 服装面料的感性工学研究

面料是构成服装的物质主体,服装面料的特性直接关系着服装的穿着体验,其带给消费者生理与心理的感觉也是最为复杂的。服装面料涉及的要素众多,有纤维材质、整理方式和纹理图案等,且每个要素都包涵不同的感性特征。如棉纤维和麻纤维做成的服装,在外观光泽上和肌肤感觉上完全不同,这是纤维材质带来的感性差异。Kawamura等[24]利用多元回归和主成分分析法在牛仔面料的物理性能与手感之间建立了关联,可帮助制造商控制与手感有关的物理特性来生产牛仔面料。周小溪等[25]建立了不同材质衬衫面料的感觉意象和受试者喜好度的关系函数,便于设计师把握不同面料隐含的感性信息。还有学者在研究中发现不同的染色方式会对面料感性评价产生影响[26],根据面料印染图案的数字化设计方法,开发了基于感性意象的图案生成系统,可根据用户和设计师的要求生成染色图案[27-28]。

面料带给消费者的感官体验主要建立在触觉与视觉之上,但在感官评价中,面料的视觉和触觉输出却并不一致,如具有光滑细腻触感的印花丝绸面料,在视觉上却容易传递出凹凸感和粗糙感。Shaari[29]在研究中也发现视觉感知可能会扭曲主观感受,织物的颜色可能影响评估人员的主观评定结果,不同属性的织物在评价实验中的排列顺序也会影响织物的触感评价结果[30],因此,织物的手感评价对其感性研究尤为重要。现在较为成熟可靠的织物性能测试仪器有KES-F织物风格仪和FAST织物风格仪。近些年,有学者开发了FTT(fabric touch tester)新型触感测试仪器,并在多项研究中证实其能很好地表征出织物手感,可为织物的感性研究提供技术支持[31]。今后,织物的感性工学研究应当结合触觉、视觉等多种感官的综合感受并结合主客观感性计测进行织物的感性意象分析,进而优化织物或服装的感性设计。

3 产品消费及评价中感性工学应用

消费者的购买决策是一个复杂的过程,利用感性工学探究消费者的心理认知是一种有效的手段,目前相关研究大致可分为2类:1)服装消费行为的研究;2)消费者对服装感性需求的探索研究。

Matsuoka等[32]发现大学生生活方式的不同会导致感性行为的差异,使得其时尚意识和购买行为也不尽相同。有学者采用“行为建模”来分析消费者的购买行为,并提出了一种“感性消费行为设计”的方法来服务消费者,促使消费者更积极地购买商品[33]。消费者线下购买服装的过程可细分为几个部分,且每个部分的行为都伴随着感性信息的综合刺激,影响消费者的消费体验和最终的购买决策,如图2所示。感性消费行为设计的原理是分析这些蕴藏感性价值的消费行为,有针对性地设计能够激励顾客消费的感性信息,再在合适的时间传达给正在消费的顾客。感性消费行为设计可以准确地把握消费者的消费心理需求,满足并提升服装消费体验。

图2 线下服装消费感性信息

探究消费者对服装的感性需求与偏好也是当前研究热点。Zhou等[34]分析了不同年龄女性对裙装设计属性的偏好,发现廓形是最重要的决策标准,其次是长度。日本研究人员分析比较了日本与英国学者对服装用人台的偏好,认为日本学者对服装用人台的偏好主要根据其平衡感与时尚性,英国学者则更关注其表现出的健康性与时尚性,这为厂商把握全球市场提供了参考[35]。消费者的服装消费偏好是对服装感性需求的直接体现,在服装设计与服装产品评价中都非常重要,是影响顾客满意度的重要因素。Kano模型能够很好地解释顾客满意度同产品品质之间的关系,在消费心理、消费行为和产品评价中有着广泛的应用[36]。

运用感性工学对服装产品进行评价可为服装的感性设计提供支持。Wang等[37]在对交互式服装设计的研究中发现,智能服装设计专注于采用高科技技术而忽视了人们的情感特征,于是运用感性评价探索了智能服装设计中的情感结构,为智能交互式服装设计提供了创新思路。随着感性工学运用的深入,有学者将服装感性评价的结果用于构建专家知识系统,以更方便准确地支持设计过程[38]。在服装产品的感性评价中,个体差异对评价结果有着显著的影响,肖维[39]在对女大学生的服装设计感性评价中证实了这种影响。Marsac等[40]发现日本消费者与法国消费者对女士运动T恤的喜好存在明显差异,其研究结果能使运动服装行业更好瞄准客户。消费者群体的构成复杂多样,性别、年龄、性格、文化程度和生活环境等都是造成感性评价差异的原因。当前的研究大多存在样本选择局限的问题,无法面向更广泛的消费者群体。在未来的消费心理分析及服装产品评价研究中,可利用大数据、文本挖掘和人工智能等技术结合感性工学研究方法,针对特定应用扩大样本以更充分地挖掘消费者的心理感知。

4 服装智能系统中的感性工学应用

长町三生将感性工学技术归为3类:1)对产品设计元素进行感性解析,多层次分析后获取设计细节;2)利用计算机技术建立感性信息系统;3)利用感性词汇建立感性工学数学模型。

感性工学在服装设计中的运用属于第1类,多采用定性分析的方式进行数据解析。对服装产品的感性评价和服装智能系统的构建已逐渐偏向第2类和第3类。Lokman等[41]研究了消费者对童装产品的感性评价,并利用研究成果开发了服装智能系统,方便设计师的设计过程和消费者的购买过程。当前感性工学技术在纺织服装领域的运用重心已经进入后2种类型,服装感性智能系统已然成为研究热点。

感性系统的运行通常需要4个数据库,分别是感性数据库、意象数据库、知识库以及设计要素数据库[42]。图3示出服装感性系统的主要构成部分和构建方法。首先是收集并筛选出准确的感性词组,利用文本挖掘、语义差异等方法获得感性词语的意义空间,建立感性词汇的数据库。其次是对利用语义差异分析得到的意象空间进行意象分析,采用线性或非线性的分析方法获取感性词汇与设计要素之间的统计关系,进而建立意象数据库。知识库就是系统必要的逻辑规则,用来决定设计细节与感性词语的相关性及边界规则。设计要素数据库主要包含服装造型、色彩等服装部件,在系统运行中通常以图片的形式在屏幕上呈现出来。基于4个数据库,再运用人工智能、神经网络等方法就可构建服装感性系统。

图3 服装感性系统构成

目前服装智能系统按其用途可分为2类,一类是服务于消费者的智能系统,另一类是服务于设计师的智能系统。针对消费者开发的智能系统大多围绕电子商务应用场景。Noor等[10]提出了一种基于感性的服装网站设计方法。还有学者为消费者开发了感性服装检索系统、服装图像感性检索系统和服装搭配推荐系统等[43-45],消费者可根据自己的体型、年龄、着装场景以及与之匹配的感性需求来进行选择购买或定制服装。这些系统在精准服务消费者感性需求的同时还促进着电子商务的模式转变。面向服装设计师的智能系统可以辅助设计师完成服装的感性设计。Takatera等[46]基于织物的物理属性和感性特征为设计师创建了一种织物感性检索系统,可以让设计师更快地找到合适的面料类型。设计师们创作时只需将产品需要的感性意象输入系统,基于感性数据支撑的系统会将与之匹配的设计元素输出在屏幕上供设计师参考。同时,设计师也可以根据消费者的个体特征、消费画像等感性需求,有针对性地设计开发服装产品,并通过反馈完善检索或推荐系统[47]。

服装的感性研究是构建消费者与设计师之间联系的重要途径,因此,面向消费者和面向设计师的二类系统在实践中需要同时考虑。当前的服装推荐系统往往只针对部分特定的设计要素和特定的人群。由于消费者人群复杂,服装构成的要素繁多,未来还需从更多不同类型的服装深入,更全面了解消费者的服装感性需求,为人工智能技术在服装设计中的发展创造必要条件。

5 感性工学的研究方法与工具

感性工学经过近40年的发展,逐渐形成了较为成熟的、系统性的研究方法,感性工学的应用研究大致可分为4个阶段。1)构建感性意象空间。采用文本挖掘技术(text mining)、语义差异法(SD method)、专家知识系统收集能描述出顾客心理感受或产品感性特征的词语,再进行筛选留下最相关的感性词汇构建感性意象空间。2)建立感性词与设计要素的映射关系。通过调查、统计分析等方法结合感性意象空间建立感性词语与设计要素的映射关系,是设计要素感性信息数值化的关键步骤。3)建立语义空间(意象空间)模型和数据库。基于映射关系建立感性语义空间和设计要素空间的数学模型,并运用计算机技术建立相关的数据库、计算机检索系统或推荐系统。4)反馈与更新。通过系统的应用,强化产品的感性设计过程和用户的参与度,掌握消费者对产品喜好的动态变化趋向,并根据反馈更新和完善数据库和系统,将其扩展应用于新产品新领域。运用感性工学针对具体产品研究的基本流程如图4所示。

图4 感性工学研究流程图

4个阶段整体可概括为2类:一是以消费用户为对象来获取研究所需的感性信息(感性计测);二是分析处理所得的感性数据(感性分析)。

感性计测所用的方法有很多,依据测量方式的不同可将得到的感性信息分为主观数据和客观数据。长町三生[48]在感性工学的介绍里将感性计测方法分为言语类与非言语类,实则也是主观与客观的另外一种表达方式。言语类主要是通过语言表达直接获取较为主观的感性信息,例如问卷调查、语义差异法、专家访谈和文本挖掘技术等。在感性计测中,基于言语的感性交互方式过于单一,想要科学准确地获得感性信息则需要更多交互方式进行观测。非言语类通常借助测量设备如眼动仪、服装压力测试仪、触感测试仪器、心电(ECG)、脑电(EEG)、肌电(EMG)、功能性近红外光技术(fNIRS)、事件相关电位(ERPs)等生物电信号检测设备[49-52],以及动态捕捉、心率、血压、代谢等生理数据测量工具来观测人体肢体变化和生理变化,进而得到隐含的感性信息,如产品主观喜好、审美情绪量化、心理和生理活动关联分析等。客观的生理测量工具是感性工学中工程技术的直接体现,能将模糊的感觉信息更加准确地量化分析,为主观的心理评价提供科学的客观数据支撑,让纺织服装领域的感性研究更加深入。

通过感性计测获得感性数据后,进行感性分析的重点是找到相关事物与人体感觉(感性信息)之间的相关性,进而将感性意象与设计要素建立起关联模型。数据统计方法广泛运用在感性数据分析中,如相关性分析、线性回归分析、重回归分析、主成分分析、因子分析、聚类分析等。通常感性计测能够获取大量多维度的感性意象数据,通过统计分析方法将复杂数据进行降维处理,这些基于线性概念的方法所能处理的数据量比较有限,因此,诸如模糊数学的非线性处理技术被广泛应用于感性研究中。Chou[53]提出了一种基于模糊语言变量和模糊加权平均技术的感性评价方法,能模仿人类的认知过程,并改善解决感性评价存在的不确定性、不精确性和主观模糊性问题。除此之外,人工神经网络、深度学习等方法也频繁出现在感性工学研究中[54-55]。在服装领域中,郑畑子等[56]在服装印花图案设计的感性研究中采用三角模糊数分析了设计要素与感性意象之间的关联度,判断出了不同图案设计男衬衫的风格归属。Wang等[57]基于感官分析和支持向量回归模型提出了一种服装图案设计知识库构建方法。还有学者运用深度神经网络构建了服装感性检索系统,并通过仿真验证了该系统的有效性,能准确考虑用户的感性需求检索符合消费者偏好的服装产品[58]。

由于消费者感性需求本身具有较大的不确定性与模糊性,模糊数学和人工智能在感性工学研究中能很好地处理消费者主观信息与客观指标的模糊关系,解决各种模糊问题,从而将模糊的感性需求转换为确定的感性数值。当前,很多领域开展感性研究时采用模糊逻辑的方法[59],但纺织服装领域中模糊数学及人工智能相关方法的运用较少。这类新技术与跨领域研究方法的运用能更好地辅助感性工学的研究,也能更好地提升消费者感官体验下的产品感性价值。

6 应用感性工学存在的问题及展望

6.1 目前存在的问题

纺织服装领域中感性工学的应用虽日渐成熟,但不少研究仍存在可改进完善的地方。

1)当前感性工学研究大部分利用语义差异法获得的感性信息都是来源于视觉和触觉,对其它的感知方式关注度不足。人的感性需求和感官体验极易因外界环境的不同而出现变化,针对纺织品及服装这种多要素集成体的感性研究需要顾及更多的感性因子,研究可更多地从视觉、触觉、嗅觉、肢体行为、生理感知等多种方式来获取更为多样的感性信息。

2)研究选取的实验样本群体较为单一、样本量较小。当前研究中大多选择学生群体和服装领域相关的小样本消费群体为研究对象,这部分人群的样本数据并不能准确代表实验研究的目标人群,研究中实验对象的选取应围绕目标群体尽可能丰富,并通过网络技术和大数据挖掘技术等方法在大数据背景下开展相关研究。

3)当前利用感性工学研究获取的实验数据多为主观意象评价数据,客观方法和工程技术手段的应用不足。可结合生理计测、人工智能及模糊数学等方法,更好地融合主观评价和客观评价数据,以更深入地挖掘用户的感性需求和产品的感性价值,进而为纺织品及服装设计开发提供参考。

6.2 前景展望

感性工学的应用给予人们更好消费体验的同时,对改变消费者的生活方式和产品的设计开发模式带来更深远的影响,纺织服装领域的感性工学研究仍需深入探索。

1)多模态感性工学研究。对于纺织品和服装消费者开展系统的多领域融合研究,建立消费者感性信息数据库。应用感性工学对各领域的复杂消费人群进行感性归类,可依据地区、年龄、职业等系统性地细分,融合消费者感受、认知、行为和环境开展多模态感性工学研究,并建立消费人群感性信息数据库和消费者画像数据库,便于设计师和企业精准了解目标客户感性需求,利于产品的感性设计和市场的精准分析。

2)构建感性设计与推荐系统。利用大数据技术和感性信息数据库构建产品设计与推荐系统。通过收集用户的个人信息、购买记录、着装偏好等数据,对用户的情感、行为和环境进行分析和理解,从而为用户提供更加个性化的服装设计和推荐服务。还可以通过与时尚设计师、品牌商合作分析设计风格和流行趋势,结合虚拟现实技术,提供沉浸式用户协同设计与推荐服务。

3)人工智能技术与感性工学结合。随着人工智能技术的发展,未来将会有更多的人工智能技术应用于感性工学研究中,主要包括采用人工智能技术挖掘不同消费者需求偏好和感性认知差异,模拟人类的情感和情绪,与用户建立起情感上的联系,用于辅助产品设计和生成式人工智能设计(AIGC)。由于AIGC能够理解和表达的人类的情感、情绪和认知等仍然非常有限,并且在一段时间内仍面临着法律、道德、隐私、伦理和安全等方面的问题,在应用时需要加强必要的监管和审查。

过去感性工学主要用于分析消费者对产品的主观感受和需求,并将其用于产品的设计与改良。随着大数据技术的发展,机器学习算法的开发,人工智能技术的快速应用,物联网感知技术的进步,社交媒体的流行,未来感性工学将进一步促进人的感知、行为与环境的多模态融合。