面向大數據環境的工業設計創作流程建模研究

周偉　安雪姣　齊林

關鍵詞：工業設計 創作流程 階段 大數據 優化作用

中圖分類號：TB472 文獻標識碼：A

文章編號：1003-0069（2022）09-0082-04

引言

工業設計不斷擴大其影響力，工業設計的目的是產品不斷滿足人們的生理需求及情感歸屬的需求，也對我國社會環境有著積極反饋[1]。工業設計作為工業制造業價值鏈最前端的關鍵一環，為中國制造由大國向強國的轉變起著推動作用，為我國新時期的經濟發展起著強大的驅動作用。創作流程的分析對工業設計的順利推進及高效運作起促進作用。大數據也正為流程重新注入了活力，大數據的發展已成功滲透到工業設計創作過程中，并逐漸引領著工業設計熱潮。為推動行業在新熱潮的發展，分析創作流程及大數據對其優化作用，解決工業設計創作流程的銜接問題[2]，利用大數據的思維構建大數據與工業設計創作流程融合架構分析階段優化，并以此為基礎進行整體優化的探究。以期為工業設計產品文化附加值的提升，更好地滿足人民物質與精神雙重需求做出貢獻。

一、典型工業設計創作流程內涵識別

高效有序的流程使產品更加保質保量的產出，對典型工業設計創作流程進行內涵分析。

（一）以創作模式分類

以創作模式進行分類可以分為線型創作流程與循環創作流程[3]。

線型創作流程較為清晰地展示出工業設計相應環節的影響因素。伴隨工業設計的內涵和功能不斷擴展，形成內容更加廣泛的新流程[4]，線型創作也逐漸向并行、一體化發展。循環創作流程突出了工業設計人的能動性創造這一本質，以功能、形式、造型、材質等因素為基本點通過反饋，不斷熟悉分析市場意見、綜合策略、工業產品的設定以適應社會變化的節奏，獲得新的賦能防止被淘汰。

（二）以設計思維分類

以設計思維進行研究分類成順向性、逆向性、中立性。

順向性體現創新問題解決過程的設計思維。順向性針對要解決的工業設計問題進行階段性的處理，崔天劍團隊的四階段程序模型體現了此類設計思維，認為工業設計創作流程是整個活動的策劃安排，每個步驟目的集合起來實現整體的問題解決方案。

逆向性體現促進市場需求平衡的設計思維。結合已有實物樣件進行實物數字化采樣、模型重建、計算機輔助設計等手段，依據市場需求及設計構思降低新產品設計的復雜度，提升工業設計創作效率。

中立性體現創作情景反思分析的設計思維。結合了事理邏輯和反求邏輯，不斷進行綜合評價促進設計產物的提升。庫珀[5]在“Stage-Gate”模型中體現情景反思檢驗來核實工作是否繼續推進。

順向性往往帶來較多的個人獨特風格，同時產品更具有創新性;逆向性設計思維更易于快速多品種的創作，減低試錯成本;中立性兼顧了順向性的產品創新及逆向性的快速創作，也更為突出地強調了每一個階段的重要性。

（三）以驅動分類

根據驅動方式的不同，可分為需求驅動、技術驅動、知識流驅動，不同的驅動方式通過各自的應用邏輯最終達到商業化的目標。

需求往往是設計的核心問題。需求驅動的問題因素比較復雜具有自身獨特的性質。在需求驅動的主線上要辨別用戶特定需求，這是推進設計的關鍵，接著對設計內容進行展開，最后完成設計生產與商品化。

技術的驅動對市場競爭力有很高的促進作用。顛覆性技術不斷刷新工業設計創作工藝的上限，驅動著工業設計水平的發展。從整體上看，按照技術驅動劃分工業設計創作包含：技術需求和應用、技術可行性、商業分析、原型開發、進一步開發等環節[6]。

設計的過程可以看成是知識在設計的各個有關方面之間的流動過程[7]。工業設計從業人員不斷地對知識進行關聯、融合、分析、判斷，給出決策以執行流程步驟，因此工業設計活動可以描述成各種不同類型知識之間的流動。

二、一般性工業設計創作流程的機理分析

對典型工業設計創作流程內涵識別可以明確各環節的關系，然而不同的工業設計產品通常細微的流程不同，為針對流程銜接問題還需明確創作流程的具體構成。結合上述流程模型，對一般性工業設計創作進行分析。

（一）流程機理

工業設計創作流程主要包含探索階段、碰撞階段、優化階段、反饋階段四個部分，流程機理如圖1。

在探索階段，客戶需求的不斷積累與市場需求不斷的差異化形成了痛點，并驅動著新一輪的工業設計創作。承接項目在立項后進行資料的收集與管理，從而抓住問題痛點。對于急需解決的痛點問題，了解委托方的開發目標或者根據市場設定規劃目標作為預期。之后提出初步構思并開始制訂作業計劃，以便后續工作的順利開展。這一階段最后進行審核，反思當時情景，若通過則進入下一階段。

在碰撞階段，設計調查內容進行市場研究，分析市場的趨勢;按照預期目標設定好自身定位并篩選工業設計產品的構想，之后進行審核，若通過則進行下一步，反之對定位重新設定。之后要進行可行性分析，對可行性分析的結果制訂出本工業設計產品的報告。之后進行審核若通過則進行下一步流程。

在優化階段，深化報告的構思方案進行設計的完善;對結構、形態及包裝進行草圖設計，之后進行審核。企劃案將作為之后工作的指南及準則，并以此為基礎進行設計的深入，通過CAID技術進行二維圖、三維圖的繪制，根據圖紙進行模型的塑造。后期處理得到渲染的效果圖根據審核意見進行樣品模型的檢討與修訂，推敲其結構合理性及外觀樣式等。最終編制報告及撰寫文件用以闡述細節，留下存根備案作為資料進行保存。

在反饋階段，對樣品進行試制并投入市場，并逐步進行大批量生產。通過市場調查、客戶的跟蹤調查來獲取反饋，以期獲取這次項目的整體評價。并對下一次工業設計進行更加充分的準備。一件工業設計產品的創作活動會受信息反饋達到循環設計的效果，這種活動過程的結束只是相對的，循環不是上一創作流程的重復而是更高級的發展。

（二）面臨現狀

結合上述流程機理分析，從優勢、機會、劣勢、威脅四方面綜合概括工業設計創作流程的現狀，如圖2。

流程上的優勢和機會構成了大數據對工業設計優化的可行性。工業設計創作流程具有目標明確、注重溝通、組織分工的優點。需求的分析使得最終產品的目標精準;在創作過程中通過多次審核辯論，確保方向一致;創作團隊通過分工完成相應的任務，提高效率及質量。工業設計創作流程存在宏觀政策調控、場景推動、技術加持的機會。國家不斷提出政策為工業設計引流;市場的擴大推動創作流程水平;顛覆性技術驅動工業設計發展。

流程上的劣勢與威脅則構成了大數據優化的必要性。工業設計創作流程具有流程復雜、信息孤島、管理不足的劣勢。流程的復雜性造成了任務間的割裂;各個任務小組間的信息不能共享形成了孤島;創作過程對生產要素的管理不到位，容易導致風險產生。工業設計創作流程存在行業競爭、資源配置紊亂、融而不和的威脅。行業間存在著競爭的關系，資源的分配效率無法滿足需求，流程之間存在未能有效銜接的融而不和現象。

三、大數據環境下工業設計創作流程的階段優化

如今工業設計正面臨著數據化、智能化轉型，而工業設計的現狀促進大數據對工業設計創作流程展開優化。大數據對工業設計創作流程的階段優化體現在兩者融合架構中，如圖3。此架構由應用層、邏輯層、基礎層和數據層組成[8]，并輔以國家政策法規及行業標準和安全保障體系。

（一）應用層：按照大數據對工業設計創作流程階段的優化，在探索階段大數據可以提供對市場趨勢的分析，客戶需求的展示及以往材料的數據資源[9]。以期應用更加迅速高效的方式對靈感的不斷篩選、評分、測試，更加豐富細致的表述突顯構思的產生。在探索階段大數據與工業設計創作融合的流程為圖3的A1需求痛點與A3資料收集與整理。此階段大數據使工業設計創作更加明確產品需求目標，適應政策趨勢，避免信息孤島隱患。

在碰撞階段通過大數據分析獲取競爭信息，找到自己的設計定位;同時做好相關與支持產業的匹配，生產要素的選擇。通過大規模數據的數據挖掘得到更令顧客滿意、受市場歡迎、解決消費者痛點的方案信息。在碰撞階段大數據與工業設計創作融合的流程為圖3的B1調查研究、B2解析問題、B3設定定位、B5可行性分析。此階段大數據使工業設計定位順應市場提升行業競爭力，并降低了產品帶來的創作流程復雜性。

在優化階段通過大數據渠道，完善對產品的定義，保證工業設計功能、結構、包裝設計達到應有的效果，進一步提升產品的商業價值及藝術價值;在不斷優化的過程中做好每一階段的生產評估來呈現最終令客戶滿意的產品。運用大數據技術對在制產品進行文化資源的優化匹配，提升產品的文化附加值。在優化階段大數據與工業設計創作融合的流程為圖3的C1設計構思及C2構思草圖。此階段大數據賦能工業設計，在流程上分工更明確，使創作過程更融合。

在反饋階段中，大數據的階段優化可體現在以下幾方面。大批量生產創作時對人員、材料、機器、環境相關狀況的監管，達成人崗匹配、智慧物流、智能設計的效果;通過看板監管的方式得到各流程甚至操作步驟的數據信息，來核實創作流程進度及各流程產出狀況。憑借大數據技術完成市場對產品的反饋，結合大數據相關方法得出客戶的滿意度，通過一系列反饋數據的分析，對流程管理進一步完善。在反饋階段大數據與工業設計創作融合的流程為圖3的D2大批量生產、D3市場反饋。此階段大數據能提高反饋成果水平，提升創作管理能力并優化創作資源配置大數據對工業設計創作的場景優化支撐著工業設計創作流程的階段優化。其優化場景包含了工業設計創作中需求、研發、生產、管理和服務等部分。

（二）邏輯層：邏輯層分為技術層和技術支撐層。技術層包含客戶需求畫像、產品創作生命周期管理、創作執行系統、供應鏈管理和運行維護系統。技術支撐層包含數據采集、數據儲存與管理、數據預處理、數據分析與挖掘、數據可視化[10]。大數據對工業設計創作流程階段優化的本質體現在通過數據分析技術為階段目標快速提供方案，提升效率與質量。技術支撐層對技術層起支持作用，邏輯層對應用層起驅動作用。

（三）基礎層：基礎層包含網絡系統與服務器系統和儲存系統，為大數據技術提供服務。儲存系統包含為工業數據庫、工業設計資源庫、知識庫、算法庫。基礎層連接著邏輯層為實現工業設計階段目標提供保證，是促進大數據應用于工業設計的基礎環節。

（四）數據層：數據層內通過對外部數據和內部數據的獲取，進行數據屬性的識別，完成數據形式的分類，組成不同數據的管理儲存方式。外部數據分為社會環境數據與社會經濟數據;內部數據分為產品創作數據和生產性數據。數據屬性包括度量值、時間序列、標簽、數據組、域等;數據形式分為結構化數據、半結構化數據和非結構化數據;數據管理方式分為非關系型數據庫和關系型數據庫。數據層是大數據與工業設計創作融合的根本保障，其儲存的數據資源是為優化工業設計流程的有力支撐。

四、大數據環境下工業設計創作流程的整體優化

以工業設計產品創作流程為主線，各階段能積累大量數據[11]，為整體優化奠定基礎。數據作為一種新生的生產資料，為工業設計創作過程與信息化的加速融合提供了方向和條件。從階段上看，大量數據通過融合架構的各個層次建設實現階段優化;從整體上看，針對問題表征，面向大數據環境依托融合架構為對象賦能，通過優化路徑實現優化目標，最終達到整體優化的效果。整體優化分析框架如圖4所示。

（一）問題表征：問題表征為工業設計創作流程中的劣勢與威脅。流程復雜與行業競爭為創作的價值問題，管理不足與融而不和為創作的制度問題，信息孤島與資源配置為創作的技術問題。這些現象亟待提升，同時大數據的發展對問題的解決起著推動的作用。

（二）賦能對象：大數據針對問題的屬性，通過對涉及主體進行賦能，從而進行多種邏輯優化。賦能對象包括人、團隊組織、管理、技術[12]。人員在創作過程中鏈接著顧客需求和最終產品，大數據使人員獲得更多的信息、資源與機會，擴大人員能力范圍并達到創作人員與顧客實現緊密相連的關系，促使利益最大化。團隊組織屬于內部化結構，大數據使團隊層級因素導致的限制減少，縮短了溝通的路徑和通道，減少了消息的失真，提升了團隊協作能力。管理為創作過程中計劃、組織、領導、控制等一系列的指令，通大數據加持使企業的決策更具預見性、準確性、科學性。為技術賦能對安全檢查、質量管理、人機互聯等方面建立堅實的后盾。

（三）優化路徑：速度、靈活、質量、高效、安全是大數據時代下工業設計注重的特性，為實現工業設計創作更快速、更靈活、高質量、高效率、更安全，在為對象賦能的基礎上創作流程整體應從價值、制度、技術三方面進行優化[13]。

進行價值導向，實現市場創新，提高新需求的適應能力。在文化傳承與文化發展的創新引導與伴隨人類命運共同體產生的市場格局的創新驅動下，面對行業的競爭及復雜的創作流程，應按照價值導向更積極解決用戶痛點，拓寬市場及受眾人群，進行新的用戶定位與競品分析，從而滿足更加個性化、更加定制化的新需求[14]。傳統創作流程適應能力較弱，僅適應同質化、大規模的批量生產。大數據可以提高創作流程對個性化、定制化需求的適應能力，從而實現市場創新。海爾的中央空調互聯工廠利用大數據技術實現價值導向，為客戶明確需求項目，提供更具競爭力的產品模型，為用戶提供全流程的創新增值服務。流程上注重價值導向能銳化市場對產品的差異化個性化需求與現有生產系統普遍缺乏柔性的矛盾。

進行制度引領，實現組織管理創新，提升流程效能。工業設計的政策創新引流與商業模式環境的創新建立的環境下，面對管理不足及融而不和的現象，應加強制度引領，采用大數據實現行之有效的溝通機制與信息共享體系，實現組織管理創新，保障創作安全與質量的雙向發展，縮短創作周期并節約成本。管理不足及融而不和的現象往往附帶著高風險，通過數據共享、網絡化協調、智能化管控進行組織管理、迅速感知、提前預警、實時監控保障安全生產，最終實現實現柔性生產、預測性維保來降低風險。通過科學有效的組織管理水平對故障進行科學決策，對流程進行業務評估，提升流程的效能。德國西門子結合大數據運用數據化組織管理推進工業制造，完成數字化企業轉型。

進行技術驅動，實現投入創新，提升資源利用效率。在高新技術及其大數據服務的創新推動下，信息孤島及資源配置問題的影響程度將逐漸減小。從創作流程啟動的那一刻起，大數據就能發揮重要的作用，無論是前期的通過合理的數據調查與分析得出的靈感，還是中期人機匹配，亦或是后期反饋信息的處理，大大提升了資源利用效率，實現投入創新[15]。從資源的角度上講，通過大數據做到參數可視故障預警、數據核驗、工業質量檢測保障在輸入穩定的情況下提高輸出;從時間和成本的角度上講，迅速找到適合的方案、使用共享數據進行各方協同工作縮短了創作流程周期，提高生產效率，增大庫存周轉率，降低管理成本。犀牛智能工廠運用大數據技術優化資源配置完成“從5分鐘生產2000件相同產品，到不同產品”走上以銷定產的精益化路線并提升了創作效率。通過大數據技術的結合可以快速滿足個性化用戶需求需要從流程驅動轉向數字驅動，實現深度融合，極大的提高工業設計創作效率。

（四）優化目標：通過價值導向、制度引領、技術驅動的優化路徑為工業設計創作建立優化戰略，塑造學習成長、內部運作、利益主體、經濟效益四個構面的優化目標[16]。在學習成長構面，通過大數據培養專業化的工業設計創作人才團隊;形成適應發展的數字化團隊文化;建設有效執行的管理方法;提高數字驅動的技術能力。在內部運作層面，通過對大數據應用，滿足以用戶為中心的需求分析;進行業務分析整合數據信息，實現數字化再現，完成創新研發;實現人機協作完成的創作生產;對設備、倉儲、物流等環節進行管理實現科學高效決策;提供對直接構成產品與非直接構成產品的綜合服務運行來完成工業設計創作流程的數字化傳遞。利益主體構面為企業、利益相關者、顧客，通過大數據最終達到經濟效益構面的利潤、社會影響、顧客滿意度的提升。優化目標的實現為優化問題的解決情況提供信息反饋。

結論

本文從創作模式、設計思維及驅動方式分析了典型的工業設計創作流程，并結合一般性工業設計創作流程包括探索階段、碰撞階段、優化階段、反饋階段四個部分提出面臨現狀。從工業設計創作流程的角度，提出大數據與工業設計創作流程的融合，數據層、基礎層、邏輯層緊密結合支持應用層，實現大數據對工業設計創作流程的階段優化。以此為基礎從問題表征、賦能對象、優化路徑和優化目標四方面分析整體優化。流程的界定可以減緩創作過程中信息不對稱的情況，完善各組織之間的銜接，保障創作的有機進行。通過掌握運用大數據關鍵技術，為工業設計產業的高質量發展賦能;實現大數據對工業設計的有機結合，立足政策，完善信息技術對工業設計領域的優化，為工業設計企業轉型數字化提供理論參考。