面向产品概念设计的隐性知识转化模型构建及重用研究

摘要

现代产品设计是以用户为中心的设计，重点关注用户的感知、体验、情感、偏好等隐性知识。产品概念设计作为产品设计最重要的阶段之一，是知识密集型的创造性工作，其实质是知识的演化过程。产品概念设计阶段隐含了大量复杂的隐性知识，因此，组织并运用这部分知识是产品概念设计乃至整个产品设计成功的关键，也是以用户为中心的设计理念的体现，同时又是现代设计理论及方法研究的热点与难点。因此，研究面向产品概念设计的隐性知识转化及重用并提高产品概念设计质量，具有重大的意义。
　　本研究是一项机械工程、工业设计、认知心理学、机器学习及管理统计学等多学科融合的研究工作。本文从研究产品概念设计阶段知识演化过程及认知模式出发，对隐性知识的来源、获取、分析、表征、匹配、转化、重用等做了深入研究，并最终开发了基于隐性知识重用的产品概念设计辅助原型系统（Tacit Knowledge Reuse-based Computer Aided Conceptual Design，TKRB-CACD）。主要研究内容如下：
　　1、根据产品概念设计知识演化过程，基于产品概念设计语义认知模式与感性认知模式，对用户感知与偏好、多维感知等概念进行了描述。对设计领域隐性知识进行研究，将其分为三类：用户隐性知识、设计隐性知识、产品隐性知识，并分别对其获取、外显化方法进行了研究。
　　2、基于隐性知识的分类，对隐性知识来源进行了分析。使用基于情感分析的隐性知识获取方法和基于认知实验的隐性知识获取方法，并通过造型意象认知实验对机床设计知识进行了获取。提出基于因子分析（Factor Analysis，FA）和聚类分析（Cluster Analysis，CA）的隐性知识分析方法，通过实例验证，实现了隐性知识的有效提取。在多维感知研究的基础上，构建了基于多维变量感性工学的隐性知识映射模型，并通过实例研究对其有效性和优越性进行了评估。提出了基于图解语义和可拓关联的隐性知识表征方法，便于隐性知识的组织、传递和运用。
　　3、对产品概念设计知识传递机制进行了研究；构建了隐性知识外显模型、转移螺旋模型及匹配模型，实现隐性知识的转化。提出了基于感性工学（Kansei Engineering，KE）和潜在语义分析（Latent Semantic Analysis，LSA）的隐性知识匹配方法，并通过实例研究，验证了其对用户需求匹配精度的提高。
　　4、针对概念设计方案评价及决策，提出了基于灰色关联分析的逼近理想解排序（Technique for Order Preference by Similarity to an Ideal Solution，TOPSIS）决策方法，实现了隐性知识的收敛。首先探讨了基于线性回归和神经网络的设计决策支持数据库构建方法，然后提出综合考虑方案数据曲线位置和形状的TOPSIS和灰色关联分析相结合的决策方法，并通过实例研究，对三种方法的决策结果进行了对比。
　　5、为实现隐性知识的重用及对产品概念设计进行有效辅助，论文开展了大量机床设计案例研究，并结合方法理论及实验验证研究构建了 TKRB-CACD系统。根据研究内容将系统分为隐性知识管理、隐性知识重用、设计方案决策三大功能模块，从而实现了隐性知识的组织、转化、重用及收敛。通过应用成果展示验证了该系统的科学性和实用性。

目录

第1章 绪论

1.1 引言

1.2 国内外研究现状

1.3 论文背景与课题来源

1.4 论文研究内容与组织

第2章 产品概念设计隐性知识相关理论研究

2.1 产品概念设计与知识

2.2 产品概念设计认知模式

2.3 设计领域隐性知识

2.4 小结

第3章 面向产品概念设计的隐性知识获取及表征

3.1 隐性知识来源

3.2 隐性知识获取

3.3 基于FA-CA的隐性知识分析

3.4 基于多维变量感性工学的隐性知识映射模型

3.5 基于图解语义和可拓关联的隐性知识表征方法

3.6 小结

第4章 面向产品概念设计的隐性知识转化模型构建

4.1 产品概念设计中知识传递研究

4.2 面向产品概念设计的隐性知识转化模型构建

4.3 基于潜在语义分析和感性工学的隐性知识匹配方法

4.4 小结

第5章 基于灰色关联分析的TOPSIS隐性知识收敛方法研究

5.1 设计决策支持数据库构建方法

5.2 灰色关联分析法

5.3 传统TOPSIS法

5.4 基于属性值类型的TOPSIS法

5.5 基于灰色关联分析的TOPSIS法

5.6 实例验证

5.7 小结

第6章 TKRB-CACD原型系统研究与应用

6.1 概述

6.2 TKRB-CACD系统设计的整体思路

6.3 系统框架

6.4 TKRB-CACD系统功能及实现

6.5 TKRB-CACD系统应用成果展示

6.6 小结

第7章 总结与展望

7.1 论文总结

7.2 研究创新点

7.3 工作展望

致谢

参考文献

附录A 抓取京东网打印机评论Python代码

附录B 攻读学位期间已发表学术论文目录

附录C 攻读学位期间参与科研项目（与论文相关）

图版