生成式設計在工業產品設計中的運用

崔強

摘要：隨著數字化設計方法的不斷發展，新的設計手段與其他領域的結合帶來了全新的設計觀念。生成式設計就是一種新的設計流程，這個流程通過計算機強大的計算能力，高效的生成設計方案。本文通過分析生成式設計的概念、方法和工業產品案例作為依托，闡述了生成式設計在工業產品設計中的應用，探討了算法和數字建模技術在工業產品設計中運用的潛能及對生成式設計未來發展的展望。

關鍵詞：生成式設計；產品設計；算法

中圖分類號：TB472 文獻標識碼：A

文章編碼：1672-7053（2018）03-0111-02

1 前言

隨著科技的發展，計算機與計算機輔助設計對工業產品設計有著重要的影響。早期的計算機輔助設計只能輔助設計師進行模型制作及效果圖表現。雖然這使得設計的過程更加有效率，但是并沒有改變設計的流程。傳統思維下的設計師依靠頭腦風暴產生很多設計的可能性，從中去深化特定的設計概念，但這往往會受到設計師自身想象力的束縛。然而，隨著計算機技術的發展，計算機可以更高效的幫我們完成出方案的過程，因此計算機的角色從輔助我們表現方案到幫助我們生成方案。通過輸入設計的目標，計算機能自動生成大量的可視化圖形，輔助設計師發現一些他們難以想到的優秀設計方案。

1.1 從傳統設計到參數化設計

在十幾年前，參數化設計工具的出現全完改變了設計師創作的方式，這種設計方法讓設計師通過設計整個生成系統來生成設計，而不是傳統的直接建立模型。通過這個設計的系統，設計師可以改變其中的變量來生成不同的設計。盡管這種設計方法在設計之初會消耗大量的精力，但是它給設計師設計方案提供了很多便利。首先，參數化設計方法可以很方便的生成出不同的設計方案。不同于傳統的手工建模方式，參數化設計可以直接通過調整參數來生成不同的模型；其次，參數化模型可以在設計完成后不斷修改，不需要手動的一次次修改模型。最重要的是，參數化設計方法可以讓設計師更廣更深的研究設計問題。傳統的設計方法是設計師分析設計問題，尋找靈感解決問題，然后根據設計師的經驗與技能來創作出一個設計方案。使用參數化設計的方法，設計問題的約束與目標會被直接寫進參數模型，隨后參數模型便可根據不同的參數生成與之相符的設計方案。

1.2 從參數化設計到生成式設計

雖然參數化設計方法擴展了設計的可能性，推動了計算機輔助設計在設計過程中的位置，但是設計空間（Design Space）的創造仍然受到設計師個人能力的限制。一些變量依據設計的限制與需求確定，但仍然需要設計師手動的調整變量并根據自身的經驗選擇合適的生成結果，這其實和傳統的設計方法并無兩樣。生成式設計方法充分發揮了設計師和計算機各自擅長的領域，自動幫助設計師在設計空間里發掘設計方案，并回饋設計師哪個方案符合后期深化的要求。計算機處理信息要比人類快數以萬倍，因此這個系統可以發掘更深入更復雜的設計空間。對于一些復雜的模型，生成式設計方法也被用來發掘設計空間中一些設計師用傳統設計方法很難發現的創新性方案。

2 生成式設計的基本原理

2.1 生成原則

生成式設計由設計師給出一個大致的設計空間（結構、體積、形態元素），計算機通過數據的計算可以高效的生成大量的設計方案，然后基于用戶的限定篩選出符合設計要求并且高質量的方案。生成式設計不但能夠在方案數量上有優勢，而且還能產生出很多有創新的設計，構造設計師難以想象的復雜形態，激發設計師的靈感。生成式設計需要設計師更多地去考慮一個多維度的設計空間，每個空間維度表示一個設計的評價標準，每個設計方案都會在這個設計空間里有一個特定的位置。

生成設計模型要滿足以下兩個方法。第一，每個模型必須包含可以被設計評估的度量標準，由于計算機沒有評判設計好壞的直覺，設計師要向計算機明確什么樣的設計是好的，什么是不好的。第二，計算機需要有能夠改變控制變量的算法，并且能夠從變量中得到反饋，發掘所有的設計可能性。其中的一個較常用的算法是多目標優化算法（multi-objective genetic algorithm），它使用進化的原理來生成一些列設計，并隨著時間的推移不斷產生更好的結果。

2.2 多目標優化算法

多目標優化算法也就是多個目標的遺傳算法，起源于對自然發展過程的模擬，是通過達爾文的生物進化論演變而來的隨機優化生成方法。隨著軟硬件和相關技術的發展，多目標優化算法解決復雜工程設計問題在工程領域很常見，建筑領域也有將類似的優化方法應用于各種架構問題。然而，受限于工程問題的目標，這些應用僅限于使用結構性能作為優化標準。相對于工業產品設計而言，生成式設計需要一個更加靈活的工作流程可以適應各種各樣的優化標準。生成設計在工業產品設計中的工作流程可以分為四個步驟：（1）設計模型需要有一定變化空間，能夠產生多樣化的可能性；（2）用一系列評估標準來評估單個設計的性能；（3）通過多目標優化算法對模型的設計空間進行探索；（4）通過統計分析對設計數據進行梳理。

3 生成式設計在工業產品設計中的創新應用

3.1 設計概述

本設計運用生成式設計把結構設計與形態設計作相結合，通過目標優化使計算機能夠輔助設計師把結構作為形態設計的基礎，創造出結構合理形態優美的設計方案。通過給定設計基因（形態元素），計算機通過數據的計算可以高效的生成大量不同的設計方案，然后通過評分篩選出符合要求的設計方案。設計結果為一把結構穩定、重量輕的樹枝元素椅子。

3.2 設計主題

自然界是人類靈感的重要來源，本設計的靈感來源于自然界中樹枝的形態。樹枝存在著潛在的結構合理性，比如獨特的生長方式能夠把營養傳遞到所有樹葉，能夠支撐起整個樹的重量等。通過對樹枝生長方式的分析并結合一些研究，提取了樹枝生長的規律。例如樹枝分叉在樹木的生成過程中不斷調整、斐波那契數列生長規律、樹干粗度等于第二級樹枝總粗度。運用這些規律生成樹枝算法（圖1），可以在突出方案表現力的同時，兼顧一定的力學性能。在設計之初需要明確設計的目標和約束。設定約束包括：（1）能夠承載人的重量；（2）高度在人機工程標準范圍內；（3）以樹枝生長為元素；（4）保證結構穩定性；（5）總重量在一定范圍內。

由于還沒有專門用于生成式設計的軟件出現，所以使用基于Rhino建模軟件的Grasshopper插件進行程序編寫。通過選取椅子的支撐點，讓樹干從支撐點按照一定的規則生長、分叉、轉向、相交和終止，得到相應的結構形式。根據形態的規律和有限元分析對結構的優化計算生成設計方案。為了減少計算量，在設計之初減少了影響設計生成的參數數量。最終幾何模型的建立，一共有三個主樹干，每個主樹干分出兩個二級樹權，因此在設計空間里有10的6次方個不同解。

3.3 方案的評價

為了使程序能夠自動篩選出最優解，需要確定設計的目標以便程序對每個設計進行評分篩選出評分高的設計。對于一些工程性問題如強度、質量等，設計的目標很容易轉換成數據。但是像美感、情感等感性的目標卻很難用數據表達，需要設計師去參與最終方案的選擇。

設計的目標評估參數：（1）重量（體積*材料密度）；（2）穩定性（Karamba有限元分析插件計算）；（3）支撐強度（Karamba有限元分析插件計算）；（4）設計感（設計師把控）；（5）創新性（設計師把控）。

3.4 方案選擇

經過目標優化算法篩選出100個符合要求的方案，每個設計有相應的評分數據生成，比如模型的重量，穩定性和承重能力等（圖2）。但是多目標優化沒有最優解，有一個相對的最優解范圍。在這個范圍內，設計師根據自己的喜好先擇相應的方案繼續深化。最終設計方案如圖（圖3）。

4 生成式設計的不足及未來發展趨勢

現階段的生成式設計還有一定的不足，例如模型不能有過多的變量，因為每多一個影響參數，計算的難度將會指數級的增加，這大大降低了生成效率。生成式設計的技術較復雜，需要設計師有編程的能力，因此運用生成式設計方法的門檻較高。生成式設計也很難對感性的目標進行評價，例如美感。但是隨著機器學習技術的發展，評價美感的能力也逐漸能被計算機掌控，未來生成式設計結合Ai技術和機器學習將會創造出更多可能性。

5 結語

生成式設計需要根據設計要求、功能和參數等，選擇適當的算法發覺設計的可能性，而不是簡單地利用算法生成一系列造型。新的技術手段使設計不在僅僅依靠設計師的個人能力，而是結合其它因素共同決定，這相對于傳統的設計方法會更加的高效和理性。本文中的設計方案主要是生成式設計應用于工業產品設計領域，生成式設計還有更廣闊的應用層面，包括建筑設計、室內設計、城市規劃設計等。利用算法結合日照分析、人流量分析和建筑性能分析等，更能突出生成式設計的優勢。在信息時代背景下，生成式設計是將藝術與科學、理性與感性結合的新的設計方法，在未來會有很廣闊的發展前景。