基于結合分析的產品意象造型設計研究

李永鋒， 朱麗萍

（江蘇師范大學機電工程學院，江蘇 徐州 221116）

隨著國內外市場競爭的加劇，產品生命周期日益縮短，消費者一般選擇產品時可以按照自己的喜好，以及產品是否符合自己的個性和社會地位來選擇產品[1]，設計師所面臨的新挑戰是必須理解顧客的這種需要，設計出更加符合消費者感性需求的產品。感性工學(Kansei Engineering)是一項系統地挖掘人們對產品的感性并將其轉化為產品設計要素的技術[2]。產品意象造型設計是基于人的認知視知覺原則，以造型因素為對象，將非理性的感性意象信息加以量化來發展概念設計的方法，是感性工學的重要研究內容。

結合分析也稱為聯合分析(Conjoint Analysis)，是一種多元統計分析方法，由數理心理學家Luce和統計學家Tukey于1964年提出，該方法是在已知消費者對輪廓評價結果的基礎上，通過分解的方法去估計其偏好結構的一種方法，已被廣泛應用于消費品、工業產品和商業服務等相關領域的研究中[3]。

近年來，許多學者對結合分析在產品設計中的應用進行研究，如羅仕鑒等[4]應用結合分析對產品造型的隱形知識進行研究，Aktar[5]應用結合分析進行水龍頭的意象造型設計，Guo等[6]應用結合分析建立可視電話的感性意象與設計要素之間的關系，然而很少有人從整體感性意象的角度對結合分析在產品設計中的應用進行系統研究。Chang[7]等人提出用吸引力(Attractiveness)作為客車的綜合感性意象，以評價造型的優劣。據此，本文采用造型吸引力對產品的感性意象加以整合，并基于結合分析的方法建立吸引力與產品屬性和水平之間的模型，為產品的造型設計提供指導。

1 結合分析的基本原理

產品的不同屬性具有不同水平，消費者對產品的偏好是由產品的各種屬性的結合造成的，通過結合分析可對產品的不同屬性和相應水平做出定量的評價，從而得出產品在市場上的表現并構建產品的最佳結合方式。

結合分析中屬性水平的效用計算是以消費者對輪廓的偏好為因變量，以屬性水平作為預測變量，引入啞變量，采用普通最小二乘法得到[8]。

屬性的相對重要性以百分比的形式表示，其計算公式為

其中：wj為屬性的相對重要性，vij為第j個屬性的第i個水平的效用；max(vij)- min(vij)為屬性效用全距，表示屬性的重要度。

計算模型輪廓效用最常用的模式是加法效用模式，該模式認為屬性具有兌換關系，不考慮屬性之間交互效果的影響，只是把每個屬性的效用值相加以得到某種屬性組合的輪廓效用[9]，計算公式如下

其中：U(x)為輪廓效用。

本研究應用結合分析的主要目的有3個：一是確定各屬性水平的效用和屬性的相對重要性；二是建立感性意象和產品屬性水平之間的數學模型，進而尋求產品的最佳組合；三是為產品的個性化定制設計提供依據。

2 屬性和水平的選取

2.1 典型樣本的選擇

收集125個辦公座椅的圖片樣本，刪除造型奇怪、特殊或相似的樣本，最終確定62個進行多元尺度(Multidimensional Scaling)分析。表1為62個樣本在不同維度的多元尺度分析結果。其中Stress為Kruskal壓力系數，數值越小表示圖形與數據的配合度愈好，RSQ即R-Square，代表數值分散的比例，該值越大，表示解釋能力越強。當維度為6時，Stress的值為0.10445，RSQ的值為0.83976，能夠滿足相關要求，可見6維空間對數據的擬合程度較好，因此選用6維作為分類基礎。

表1 多元尺度分析表

對62個樣本在6維空間中的坐標值進行聚類分析，以尋找各類中的典型樣本。先應用層次聚類(Hierarchical Cluster)，其分析方法采用Ward方法，結果如圖1所示，當分類多時，類間的區別不明顯，當分類少時，類間的距離過大，可以發現分為6類時較為妥當，如圖中灰色線所示。再應用K均值聚類(K-means Cluster)，設定聚類數為6，對坐標值進行分析，確定各個樣本到聚類中心的距離，每一類中距離最小者為該類的典型樣本，以第3類為例，其分類結果如表2所示。最終確定的6個典型樣本如圖2所示。

圖1 層次聚類分析結果

表2 第3類各樣本到類中心的距離

圖2 最終選定的6個代表性樣本

2.2 形態分析

采用形態分析法將6個典型樣本的形態分解為頭枕、背框、椅背、腰靠、椅面、背框與椅面結合方式、扶手以及腿腳等8個造型設計要素[10-11]，作為結合分析的屬性，再將每種設計要素分為2～4種類型，作為結合分析各屬性的水平，結果如表3所示。

表3 辦公座椅的屬性和水平

3 產品造型的吸引力

3.1 感性意象的確定

產品的感性意象是指使用者透過感官對產品所產生的直接聯想[12]，一般用形容詞加以描述。研究中首先通過訪談、調查、查閱資料等方法搜集了139對描述辦公座椅的形容詞，再采用KJ法(Kawakita Jiro method)將139對形容詞歸納為24對。

針對6個典型樣本和24對形容詞，采用7等級語義區分法設計調查問卷，邀請32名被試（男性16名，女性16名，年齡在20～22歲）進行感性意象評價，應用因子分析法(Factor Analysis)對結果進行分析。在分析過程中運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個因子，其累積可解釋的總方差為97.672%。為了使所提取的因子易于解釋，采用Varimax with Kaiser Normalization方法對因子進行旋轉，旋轉后的成份矩陣如表4所示，最終確定的感性意象依次為“呆板的-活潑的”、“樸實的-豪華的”、“厚重的-輕巧的”、“不實用的-實用的”以及“不舒適的-舒適的”。

表4 產品感性詞匯的因子分析結果

3.2 造型的吸引力

本研究中造型吸引力的構成如圖3所示，五邊形的5條邊分別代表“呆板的-活潑的”、“樸實的-豪華的”、“厚重的-輕巧的”、“不實用的-實用的”以及“不舒適的-舒適的”等5個感性意象，0為原點，1～7代表感性意象的7個等級。造型吸引力的值為5個感性意象的評價值之和與其最大值之比，圖3中造型吸引力的值為

圖3 造型吸引力的構成

結合分析中被試對產品的評價是基于語義區分法的，因此需要將造型吸引力的數值進行離散化，方法如下：[1/7, 3/14) 的等級為1,[3/14,5/14) 的等級為2, [5/14, 1/2) 的等級為3, [1/2,9/14) 的等級為4, [9/14, 11/14) 的等級為5,[11/14, 13/14) 的等級為6, [13/14, 1]的等級為7。依據該方法，圖3中造型吸引力的等級為4。

4 模型的構建

4.1 屬性與感性意象的關系探討

采用對應分析(Correspondence Analysis)對屬性與感性意象的關系進行初步探討，對應分析是一種在低維度空間上描述兩個變量之間相對關系的分析方法，該方法通過繪制知覺圖(Perceptual Mapping)直觀形象地描述變量之間的關系[13]。

邀請10名被試（男性5名，女性5名，年齡在20～22歲）對辦公座椅的8個屬性與5個感性意象的關系進行評分，對其結果整理后可繪制圖4所示知覺圖，其中所提取的兩個因子的貢獻率分別為65.79%和23.96%，從圖4中可以看出辦公座椅的腿腳對“呆板的-活潑的”影響最大，椅面對“不實用的-實用的”影響最大，腰靠和頭枕對“不舒適的-舒適的”影響大，而椅背是否帶網和椅背與椅面的結合方式對“厚重的-輕巧的”影響大，即產品的屬性與感性意象之間存在著一定的關系，而5個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與產品屬性之間的關系模型。

圖4 知覺圖

4.2 輪廓的組合

由所確定的辦公座椅的屬性和水平，共可產生造型3×3×2×2×3×2×4×3=2592種，但是建立2592種造型讓被試進行評價是不現實的，并且沒有必要。對此采用部分因子設計(Fractional Factorial Design)，只對所有組合中的一部分進行評價，最常用的是正交試驗設計法，該方法根據正交性從全面試驗中挑選出部分有代表性的點進行試驗，這些點具備“均勻分散，齊整可比”的特點。本研究應用正交試驗設計法將2592種造型壓縮到32種造型，使用全輪廓法構建產品卡片，結果如表5所示。

4.3 感性意象的評價

對由正交試驗設計所確定的32款座椅，以“呆板的-活潑的”、“樸實的-豪華的”、“厚重的-輕巧的”、“不實用的-實用的”以及“不舒適的-舒適的”作為感性意象，制作調查問卷。選擇47名被試（男性23名，女性24名，年齡在20～22歲）進行調查，結果如表6所示（以樣本1為例），47名被試對32個樣本造型吸引力的評價等級見表7。

表5 辦公座椅的輪廓卡片

表6 樣本1的感性意象評價

表7 47名被試對32個樣本造型吸引力的評價等級

4.4 模型的建立與分析

使用SPSS 16.0對調查數據進行結合分析，結果如表8所示。可以發現該組被試認為對辦公座椅造型吸引力影響最大的屬性為扶手，重要性為24.160%；其次是腿腳和背框，重要性分別為14.732%和14.279%；接著是椅面和頭枕，重要性分別為12.183%和11.323%；最后是背框與椅面的結合方式、椅背、腰靠，重要性都小于10%，依次為9.022%、7.495%以及6.806%。而在扶手屬性的各水平中，無扶手的效用最大為0.142，其次是T形為0.118，而L形和環形的為負值，分別為-0.021和-0.239。因此，在辦公座椅的造型設計中應對扶手、腿腳、背框等屬性進行重點考慮，而在扶手的設計中應優先選擇無扶手和T形扶手。

針對該組被試，辦公座椅造型吸引力的計算公式如式(3)所示，設計人員可根據該公式對不同屬性水平組合的辦公座椅的吸引力進行計算。

式中，y吸引力為針對該組被試的座椅造型的吸引力值，xij表示座椅造型中屬性與水平的組合情況，如x11表示頭枕屬性(X1)取水平1（與椅背結合一體的）。

表8 結合分析的結果

最優產品的市場組合可通過選取各屬性中水平效用值最高的水平來確定。據此，各屬性所選取的水平依次為X1=2、X2=3、X3=1、X4=1、X5=1、X6=1、X7=4、X8=3。

所構建模型的Pearson相關系數為0.832，Kendall等級相關系數為0.676，二者的P值都為0.000，因此模型的擬合度較好，用該模型進行預測是有效的。

此外，通過對每個被試偏好值的分析可進行產品的個性化設計和定制，在本研究中針對被試1的造型吸引力預測公式如式(4)所示，可見對被試1而言，最具有吸引力的屬性水平的組合為：與椅背結為一體的頭枕(X1=1)、扁圓弧形的背框(X2=3)、帶網的椅背(X3=1)、具有腰靠(X4=1)、方形的椅面(X5=1)、椅面與背框的結合為集成式(X6=1)、T形的扶手(X7=1)、腿腳為五星腳式(X8=1)，此時的造型吸引力為5.52。

式中，y吸引1力表示針對被試1的座椅造型的吸引力預測值。

5 結 論

本文以辦公座椅為例對基于結合分析的產品意象造型設計方法進行系統研究，確定了產品的屬性和各屬性的水平，用造型吸引力對產品的感性意象進行了整合，建立了吸引力與產品屬性和水平之間的數學模型。研究結果表明：該方法能有效地確定產品的屬性和水平的相對重要性，建立消費者偏好的預測模型，構建最優產品的組合，并為產品的個性化設計和定制提供指導，對企業的產品設計開發具有重要意義。

需要指出的是，影響感性意象的因素包括造型、色彩、材質等，本文僅對造型因素進行了探索，以后將綜合多種因素進行深入研究。

[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, 林志揚. 基于聯合分析法的新產品定位研究[J]. 統計與決策, 2008, 23: 182-184.

[4]羅仕鑒, 翁建廣. 產品設計中基于群體文化學的隱性知識表達[J]. 機械工程學報, 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. 結合分析的原理和應用[J]. 數理統計與管理, 1998, 17(4): 39-45.

[9]周奕君. 消費者對綠色汽車之偏好結構及愿付價格研究[D]. 臺南: 國立成功大學, 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.