国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx

基于變權(quán)-VIKOR理論的產(chǎn)品外觀方案評價(jià)方法研究

2022-09-05 08:22:48李?yuàn)^強(qiáng)張書濤盧彥鈉韓素斌
關(guān)鍵詞:變權(quán)外觀排序

李?yuàn)^強(qiáng), 殷 樂, 張書濤, 盧彥鈉, 韓素斌

(1. 蘭州理工大學(xué) 設(shè)計(jì)藝術(shù)學(xué)院, 甘肅 蘭州 730050; 2. 駝人醫(yī)療器械有限公司, 河南 新鄉(xiāng) 453400; 3. 重慶三峽學(xué)院 電子與信息工程學(xué)院, 重慶 404020)

在產(chǎn)品設(shè)計(jì)開發(fā)進(jìn)程中,產(chǎn)品的功能、技術(shù)結(jié)構(gòu)確定之后,設(shè)計(jì)師會(huì)提出眾多外觀設(shè)計(jì)方案,一般都是采用定性的視覺感受方法來確定外觀設(shè)計(jì)方案.能否有偏定量的方法來比較理性、科學(xué)地篩選外觀設(shè)計(jì)方案是本研究所要解決的問題.

在外觀方案決策優(yōu)選問題的研究中,常應(yīng)用模糊理論來表達(dá)決策信息的復(fù)雜性、模糊性和不確定性[1].Tuzkaya等[2]等綜合運(yùn)用模糊集、網(wǎng)格分析法和多目標(biāo)決策方法,解決了物料搬運(yùn)設(shè)備的優(yōu)選問題.Sanayei等[3]將語言變量表達(dá)的評價(jià)值和權(quán)重信息轉(zhuǎn)化為模糊集合的形式,采用多準(zhǔn)則妥協(xié)優(yōu)化解(VIKOR)法結(jié)合模糊決策理論解決群體決策問題.Llamazares等[4]提出了變權(quán)確定方案,每個(gè)評價(jià)者都能根據(jù)自身的評價(jià)標(biāo)準(zhǔn)確定出最適合自己的權(quán)重向量,減少了權(quán)重確定的主觀性.在目前具體的設(shè)計(jì)流程中,常常側(cè)重于對評價(jià)對象進(jìn)行打分評價(jià),而忽略了當(dāng)前市場中競品分析對外觀方案篩選的影響.同時(shí),在評價(jià)過程中往往存在主觀賦值的模糊性和主觀與客觀結(jié)合時(shí)權(quán)重比例分配不夠系統(tǒng)完善的現(xiàn)象[5].這使得在產(chǎn)品外觀方案評價(jià)中缺乏較為系統(tǒng)、科學(xué)、完善的評判標(biāo)準(zhǔn).

本研究所涉及的外觀方案評價(jià)問題屬于多屬性決策的類別,常用的多屬性決策方法有ELECTRE法、PROMETHEE法、TOPSIS法.與VIKOR法相比,TOPSIS法較少考慮2個(gè)理想點(diǎn)之間的相關(guān)性,ELECTRE法忽略了群體效用對排序的影響,PROMETHEE法較少考慮個(gè)體遺憾的影響[6].而VIKOR法可以彌補(bǔ)上述諸方法之不足.因此,本研究結(jié)合熵-變權(quán)和VIKOR法,從用戶滿意度和競品分析兩方面出發(fā),構(gòu)建了滿足群體效益最大化和個(gè)體遺憾最小化的產(chǎn)品外觀設(shè)計(jì)方案評價(jià)方法.該方法對企業(yè)和設(shè)計(jì)師科學(xué)準(zhǔn)確地篩選方案具有一定的指導(dǎo)意義,進(jìn)而在提升產(chǎn)品造型創(chuàng)新設(shè)計(jì)和市場競爭力方面具有一定的推動(dòng)作用.

1 理論基礎(chǔ)

1.1 熵-變權(quán)理論

1.1.1熵權(quán)法

熵是指體系的混亂程度,熵值越小,指標(biāo)的離散程度越大.同時(shí),熵也是系統(tǒng)處于某宏觀狀態(tài)可能性(概率)的量度,熵值越小,該指標(biāo)的權(quán)重就越大[7].因此,可運(yùn)用信息熵這個(gè)概念來計(jì)算產(chǎn)品評價(jià)指標(biāo)的權(quán)重.

1.1.2變權(quán)法

變權(quán)法是根據(jù)每個(gè)評價(jià)者自身的情況確定指標(biāo)權(quán)重的方法[8].相比于常權(quán)向量確定指標(biāo)權(quán)重,變權(quán)法的優(yōu)勢是既可以減少主觀因素的影響,又可以減小評價(jià)者個(gè)體差異對評價(jià)結(jié)果的影響,能更加準(zhǔn)確合理地得到評價(jià)指標(biāo)權(quán)值[9].

1.2 VIKOR群決策方法

VIKOR法是基于理想點(diǎn)的多屬性決策方法[10].基本思想是:首先,根據(jù)調(diào)研分析確定設(shè)計(jì)方案的正、負(fù)理想解;其次,計(jì)算各設(shè)計(jì)方案與確定的理想方案之間的接近程度[11];最后,獲得融入了決策者偏好且群體效益最大化和個(gè)別遺憾最小化相妥協(xié)的方案排序,使評價(jià)結(jié)果更加合理和全面[10].

1.3 用戶感知相似度

通過對相似度計(jì)算與相似度問卷的對比研究,獲得用戶感覺產(chǎn)品相似時(shí)的客觀相似度數(shù)值,本研究將其定義為用戶感知相似度.

2 熵-變權(quán)VIKOR產(chǎn)品外觀方案評價(jià)模型的構(gòu)建

熵-變權(quán)VIKOR產(chǎn)品外觀方案評價(jià)模型是用于產(chǎn)品方案優(yōu)選與排序的有效方法,主要分為3部分:競品相似度分析、產(chǎn)品外觀評價(jià)指標(biāo)權(quán)重計(jì)算和設(shè)計(jì)方案滿意度排序.如圖1所示.

圖1 研究流程

2.1 競品相似度分析

競品相似度分析主要通過線上購物平臺、期刊等方法收集用戶滿意度較高的樣本圖片,并對樣本集進(jìn)行初步篩選,運(yùn)用產(chǎn)品形態(tài)相似度計(jì)算模型和MATLAB軟件按照兩兩對比的方式計(jì)算出所有對比樣本間的相似程度,再與樣本相似度調(diào)查問卷結(jié)果進(jìn)行對比分析,最終獲得用戶感知相似度.低于用戶感知相似度的樣本新穎性較強(qiáng),而高于用戶感知相似度的樣本雷同性較高.因此,保留低于用戶感知相似度的樣本,刪除高于用戶感知相似度的樣本,構(gòu)建既滿足用戶偏好又造型獨(dú)特的典型案例庫和設(shè)計(jì)方案集.

2.1.1樣本形態(tài)相似度計(jì)算

通過對市場上現(xiàn)有產(chǎn)品的調(diào)研和分析發(fā)現(xiàn),產(chǎn)品各形態(tài)要素(形狀、大小、位置和角度)對產(chǎn)品的整體造型相似度影響均較大[12].因此,從形狀相似度、大小相似度、位置相似度與角度相似度4個(gè)方面出發(fā),通過描點(diǎn)計(jì)算的方式對形態(tài)間的相似度進(jìn)行分析與計(jì)算,求得對比樣本的整體形態(tài)相似度[12],即

式中:Q為兩對比樣本的整體形態(tài)相似度;h為形態(tài)要素?cái)?shù);q(uk)為兩對比樣本間對應(yīng)第k形態(tài)要素的相似度;ek為第k個(gè)形態(tài)要素在整體形態(tài)相似度中的權(quán)重;q1、q2、q3、q4分別為形狀、大小、位置、角度相似度.

2.1.2用戶感知相似度計(jì)算

首先,建立樣本集A={a1,a2,…,an}的樣本間相似度調(diào)查問卷,獲取用戶對樣本相似度的評分?jǐn)?shù)據(jù).其次,根據(jù)樣本相似度問卷數(shù)據(jù)篩選出z對問卷平均分為“相似”的產(chǎn)品對,并將其對應(yīng)的相似度數(shù)值加權(quán)取平均值,獲得用戶感覺產(chǎn)品相似時(shí)的客觀相似度數(shù)值,本研究定義為用戶感知相似度q0,即

(3)

式中:r為問卷平均分為“相似”的產(chǎn)品對;Qr為對應(yīng)的相似度數(shù)值.

以此為標(biāo)準(zhǔn)剔除相似產(chǎn)品,篩選并構(gòu)建典型案例庫C和產(chǎn)品方案集D.

2.2 確定VIKOR決策評價(jià)指標(biāo)的綜合權(quán)重

產(chǎn)品外觀評價(jià)指標(biāo)綜合權(quán)重的確定主要過程如下:首先,運(yùn)用層次分析法(analytic hierarchy process,AHP)確定不同認(rèn)知主體權(quán)重;其次,運(yùn)用熵權(quán)理論確定產(chǎn)品外觀評價(jià)指標(biāo)的常權(quán)向量;再次,運(yùn)用變權(quán)法結(jié)合單個(gè)用戶(設(shè)計(jì)師)的產(chǎn)品評價(jià)指標(biāo)權(quán)重對產(chǎn)品外觀評價(jià)指標(biāo)的常權(quán)向量進(jìn)行調(diào)整,分別獲得用戶和設(shè)計(jì)師的產(chǎn)品外觀評價(jià)指標(biāo)權(quán)重;最后,將認(rèn)知主體權(quán)重與用戶和設(shè)計(jì)師的產(chǎn)品外觀評價(jià)指標(biāo)權(quán)重相結(jié)合,獲得產(chǎn)品外觀評價(jià)指標(biāo)的綜合權(quán)重.

采用語義差分法對產(chǎn)品方案集D={d1,d2,…,dn′}和產(chǎn)品外觀評價(jià)指標(biāo)集B={b1,b2,…,bm}建立五級滿意度評價(jià)量表,讓st個(gè)評價(jià)者(用戶、設(shè)計(jì)師)對產(chǎn)品方案分別進(jìn)行打分,構(gòu)建產(chǎn)品外觀滿意度評價(jià)矩陣Xt,即

(4)

2.2.1認(rèn)知主體權(quán)重

本研究中涉及用戶和設(shè)計(jì)師對產(chǎn)品的評價(jià)差異,應(yīng)用AHP對產(chǎn)品外觀滿意度評價(jià)矩陣Xt數(shù)據(jù)進(jìn)行分析,獲得不同認(rèn)知主體(用戶、設(shè)計(jì)師)的權(quán)重向量L[13].

2.2.2熵-變權(quán)產(chǎn)品外觀評價(jià)指標(biāo)權(quán)值調(diào)整模型

1) 評價(jià)指標(biāo)的常權(quán)向量

(5)

式中:yij為第i個(gè)設(shè)計(jì)方案的第j評價(jià)指標(biāo)歸一化后的值.

(6)

(7)

式中:k為常數(shù),k=1/lnm.

由此分別得到用戶和設(shè)計(jì)師的產(chǎn)品外觀評價(jià)指標(biāo)常權(quán)向量.

2) 運(yùn)用變權(quán)法調(diào)整評價(jià)指標(biāo)常權(quán)向量

常權(quán)的計(jì)算過程中往往忽略了評價(jià)者個(gè)體意見對評價(jià)指標(biāo)重要度的影響,而變權(quán)向量在這方面的適應(yīng)性更好.因此,在熵權(quán)確定常權(quán)向量的基礎(chǔ)上引入變權(quán)理論對常權(quán)向量進(jìn)行調(diào)整,可以有效減少評價(jià)者個(gè)體差異所帶來的評價(jià)誤差[5].

根據(jù)滿意度評價(jià)量表所得的用戶偏好信息,得到第t類認(rèn)知主體的單個(gè)評價(jià)者評價(jià)指標(biāo)權(quán)重矢量ωtl,即

(8)

式中:l為認(rèn)知主體的單個(gè)評價(jià)者數(shù)量,l=1,2,…,st.

將評價(jià)指標(biāo)集B={b1,b2,…,bm}定義為因素狀態(tài)矢量,產(chǎn)品評價(jià)指標(biāo)熵權(quán)向量ωt定義為常權(quán)矢量,參與評價(jià)的單個(gè)評價(jià)者評價(jià)指標(biāo)權(quán)重向量ωtl定義為狀態(tài)變權(quán)矢量.計(jì)算ωt和ωtl的Hadamard乘積,獲得單個(gè)認(rèn)知主體(用戶、設(shè)計(jì)師)的產(chǎn)品評價(jià)指標(biāo)變權(quán)矢量Wtl,即

(9)

在變權(quán)綜合中引入變權(quán)平均值分析調(diào)權(quán)水平[14],根據(jù)變權(quán)平均值Ml分析變權(quán)結(jié)果.其中,

(10)

取變權(quán)平均值Ml最大值對應(yīng)的Wtl為最終認(rèn)知主體的產(chǎn)品評價(jià)指標(biāo)權(quán)重[14],記為Wt.

2.2.3產(chǎn)品評價(jià)指標(biāo)綜合權(quán)值確定

由于產(chǎn)品評價(jià)指標(biāo)綜合權(quán)值由用戶和設(shè)計(jì)師認(rèn)知主體權(quán)重共同決定,所以產(chǎn)品指標(biāo)綜合權(quán)重為

(11)

2.3 熵-變權(quán)VIKOR決策方案評價(jià)

確定產(chǎn)品指標(biāo)綜合權(quán)重為Wj后,運(yùn)用VIKOR法對產(chǎn)品方案進(jìn)行綜合評價(jià),具體方法如下:

(12)

(13)

2) 計(jì)算評價(jià)對象的群體效益值Si和個(gè)體遺憾值Ri,即

群體效益值越大和個(gè)體遺憾值越小代表評價(jià)對象越優(yōu)越[15].

3) 計(jì)算產(chǎn)品設(shè)計(jì)方案折中可行解.綜合考慮產(chǎn)品方案的群體效益值和個(gè)別遺憾值,計(jì)算設(shè)計(jì)方案排序的折中可行解Fi為

(16)

式中:S+=maxSi,S-=minSi為群體效益的最大和最小值;R+=maxRi,R-=minRi為個(gè)別遺憾的最大值和最小值;v為決策機(jī)制系數(shù),v=0.5表示采用折中妥協(xié)的方法.

4) 計(jì)算產(chǎn)品設(shè)計(jì)方案指數(shù)值.折中可行解Fi是產(chǎn)品方案與確定的理想方案之間的距離,取值范圍為[0,1],F(xiàn)i值越小,代表評價(jià)者對相應(yīng)設(shè)計(jì)方案的認(rèn)可度越高.為了使評價(jià)值在設(shè)計(jì)實(shí)踐中應(yīng)用更加便利,需對Fi進(jìn)行逆向調(diào)整,本研究定義產(chǎn)品設(shè)計(jì)方案評價(jià)值Ei為

Ei=1-Fi

(17)

則可根據(jù)Ei大小對產(chǎn)品外觀方案進(jìn)行排序,Ei越大,所對應(yīng)產(chǎn)品造型設(shè)計(jì)方案的綜合滿意度越高.

5) VIKOR排序可接受的前提條件為

條件2可接受的評價(jià)可靠度.在根據(jù)Fi排序后,F(xiàn)′i是在Si或Ri的排序中也排在F″i前邊的對象.

3 實(shí)例研究

3.1 研究樣本和評價(jià)指標(biāo)確定

以智能出液器的外觀設(shè)計(jì)方案評價(jià)為例,通過樣本分析,篩選出24款產(chǎn)品樣本作為研究對象,并構(gòu)建樣本集A={a1,a2,…,a24}.為避免除形態(tài)外的其他因素對調(diào)查結(jié)果造成影響,將樣本集A中的樣本圖片進(jìn)行灰度處理,如圖2所示.

圖2 出液器產(chǎn)品樣本集Fig.2 Samples of liquid outlet

根據(jù)智能出液器產(chǎn)品的形態(tài)特征,搜集并篩選出與出液器屬性相匹配的感性意象詞匯15個(gè),利用SD法建立感性意象詞匯的相似度問卷.通過對問卷數(shù)據(jù)處理和K-means聚類分析,將感性意象詞匯聚為4類,分別為獨(dú)特感、簡潔感、輕便感與時(shí)尚感,構(gòu)建產(chǎn)品評價(jià)指標(biāo)集B={b1,b2,b3,b4}.

3.2 出液器產(chǎn)品相似度分析

3.2.1出液器樣本形態(tài)相似度計(jì)算

通過對樣本集A中產(chǎn)品的形態(tài)特征進(jìn)行分析,得到出液器產(chǎn)品形態(tài)的項(xiàng)目與類目,結(jié)合樣本集A和指標(biāo)評價(jià)集B運(yùn)用數(shù)量化I類理論方法,獲得智能出液器的各形態(tài)要素權(quán)重:正面輪廓權(quán)重e1=0.649 2,側(cè)面輪廓權(quán)重e2=0.233 7,外露儲液盒形狀權(quán)重e3=0.184 7,出液口形狀權(quán)重e4=0.368 8,分割線權(quán)重e5=0.579.從形狀、大小、位置與角度4個(gè)方面出發(fā),結(jié)合出液器產(chǎn)品的各形態(tài)要素權(quán)重,利用式(1~2)計(jì)算產(chǎn)品樣本集A={a1,a2,…,a24}中樣本之間的整體形態(tài)相似度.計(jì)算結(jié)果如表1所列,由于數(shù)量眾多,所以這里僅以樣本1和2的相似度計(jì)算為例.

3.2.2用戶感知相似度計(jì)算

首先,建立樣本集A的樣本相似度調(diào)查問卷,采用五級打分的方式,即不相似(1分)、一般相似(2分)、相似(3分)、很相似(4分)、非常相似(5分),獲取樣本相似度評分?jǐn)?shù)據(jù).其次,將所求樣本整體形態(tài)相似度數(shù)值與樣本相似度問卷數(shù)據(jù)相對應(yīng),篩選出樣本相似度問卷平均分為2分及以上的產(chǎn)品對,部分?jǐn)?shù)據(jù)如表2所列.運(yùn)用式(3)將其對應(yīng)的相似度數(shù)值進(jìn)行加權(quán)平均,獲得用戶感知相似度q0=0.787.

以此為標(biāo)準(zhǔn)對樣本集A和設(shè)計(jì)方案進(jìn)行篩選,選取相似度數(shù)值小于q0的樣本對,并構(gòu)建典型案例庫C(例如樣本3和樣本6的相似度數(shù)值Q

圖3 產(chǎn)品方案集Fig.3 Product solution set

3.3 評價(jià)指標(biāo)綜合權(quán)重計(jì)算

對產(chǎn)品方案集D={d1,d2,…,d10}和產(chǎn)品外觀評價(jià)指標(biāo)集B={b1,b2,b3,b4}制作五級評價(jià)量表,構(gòu)建產(chǎn)品外觀滿意度評價(jià)矩陣Xt.該過程共發(fā)放調(diào)查問卷40份,其中,產(chǎn)品用戶代表20份,設(shè)計(jì)專業(yè)人員20份.

3.3.1認(rèn)知主體權(quán)重的計(jì)算

運(yùn)用AHP法對40名評價(jià)者的產(chǎn)品外觀滿意度評價(jià)矩陣Xt進(jìn)行分析,獲得認(rèn)知主體的權(quán)重,即用戶和設(shè)計(jì)師的權(quán)重L=(0.455,0.545).

3.3.2熵-變權(quán)產(chǎn)品外觀評價(jià)指標(biāo)權(quán)值調(diào)整模型

1) 確定評價(jià)指標(biāo)的常權(quán)向量.根據(jù)產(chǎn)品外觀滿意度評價(jià)矩陣Xt,利用式(5~7)分別獲得用戶和設(shè)計(jì)師的產(chǎn)品評價(jià)指標(biāo)常權(quán)向量.用戶的評價(jià)指標(biāo)常權(quán)向量ω1=(0.237,0.315 8,0.197 3,0.249 9),設(shè)計(jì)師的評價(jià)指標(biāo)常權(quán)向量ω2=(0.088 3,0.182,0.384 5,0.345 2).

2) 運(yùn)用變權(quán)法對評價(jià)指標(biāo)常權(quán)向量調(diào)整.綜合常權(quán)向量和變權(quán)向量,利用式(8~9)分別獲得用戶、設(shè)計(jì)師的產(chǎn)品評價(jià)指標(biāo)變權(quán)矢量W1l、W2l,如表3和表4所列.

利用式(10)計(jì)算得出用戶和設(shè)計(jì)師的狀態(tài)變權(quán)矢量和產(chǎn)品評價(jià)指標(biāo)權(quán)重.

可以發(fā)現(xiàn)用戶2和設(shè)計(jì)師3的變權(quán)平均值最大,將其對應(yīng)的評價(jià)指標(biāo)權(quán)重矢量確定為狀態(tài)變權(quán)矢量.用戶最終的產(chǎn)品外觀評價(jià)指標(biāo)權(quán)重W1=(0.235 1,0.313 1,0.213 4,0.247 8),設(shè)計(jì)師最終的產(chǎn)品外觀評價(jià)指標(biāo)權(quán)重W2=(0.107 4,0.190 8,0.354 7,0.347 4).

3.3.3出液器評價(jià)指標(biāo)綜合權(quán)值確定

在獲得用戶和設(shè)計(jì)師的產(chǎn)品外觀評價(jià)指標(biāo)權(quán)重基礎(chǔ)上,結(jié)合認(rèn)知主體權(quán)重,利用式(11)獲得用戶和設(shè)計(jì)師的產(chǎn)品外觀評價(jià)指標(biāo)綜合權(quán)重W=(0.165 5,0.246 5,0.290 4,0.302).

3.3.4出液器設(shè)計(jì)方案排序

將產(chǎn)品外觀評價(jià)指標(biāo)綜合權(quán)重運(yùn)用到VIKOR排序中,根據(jù)產(chǎn)品外觀滿意度評價(jià)綜合矩陣X,利用式(12~17)計(jì)算可得設(shè)計(jì)方案的群體效益、個(gè)別遺憾、折中可行解Fi以及產(chǎn)品方案滿意度評價(jià)值Ei,計(jì)算結(jié)果如表5所列.

3.3.5排序結(jié)果分析

此排序結(jié)果在實(shí)際項(xiàng)目方案外觀評價(jià)中是可以接受的,證明了本研究方法在方案排序中的有效性.

2) 為了進(jìn)一步說明本研究方法的可行性和優(yōu)越性,將本研究方法與變權(quán)-TOPSIS法和熵權(quán)-VIKOR法進(jìn)行對比分析,得到的排序結(jié)果如表7所列.

可以看出,本研究方法的排序結(jié)果與其他2種方法基本相符,說明本研究方法在實(shí)際方案評選中是可行的.

對比VIKOR法和TOPSIS法可以發(fā)現(xiàn),2種方法都為逼近理想解法,在評價(jià)指標(biāo)權(quán)重相同的條件下,獲得的排序結(jié)果基本一致.而TOPSIS法雖確定出方案3為最優(yōu)解,但并不能準(zhǔn)確地區(qū)分出方案1、8、9、10之間的差異,精度較低.本研究方法確定出既考慮了個(gè)體遺憾又兼顧到群體效益的方案排序,其模型更加穩(wěn)定.

在使用VIKOR法進(jìn)行多屬性決策時(shí),將熵權(quán)法與變權(quán)法進(jìn)行對比,通過一致性檢驗(yàn)對比2種方法的折中可行解Fi.可以發(fā)現(xiàn),變權(quán)-VIKOR法所得折中可行解之間的差異更加顯著,說明在方案排序評價(jià)中能更好地區(qū)分方案之間的差異,可獲得更加清晰明確的排序結(jié)果.

3) 通過產(chǎn)品相似度計(jì)算模型獲得了產(chǎn)品設(shè)計(jì)方案創(chuàng)新性的優(yōu)先排序,可以發(fā)現(xiàn),方案3、4和8在創(chuàng)新性方面表現(xiàn)較好.由此也驗(yàn)證了本研究方法在產(chǎn)品外觀方案創(chuàng)新性方面評價(jià)的有效性,同時(shí)也考慮了用戶偏好對評價(jià)的影響.此排序可為企業(yè)的設(shè)計(jì)方案選擇提供科學(xué)有效的參考.

4 結(jié)語

本研究提出從用戶和設(shè)計(jì)師視角出發(fā),通過相似度理論獲取樣本形態(tài)相似度和用戶感知相似度,結(jié)合熵-變權(quán)理論和VIKOR法,在功能、材料、結(jié)構(gòu)統(tǒng)一的基礎(chǔ)上,構(gòu)建了獲得折中可行解的產(chǎn)品外觀設(shè)計(jì)方案評價(jià)和排序方法.以智能出液器為研究實(shí)例,運(yùn)用該方法進(jìn)行外觀概念設(shè)計(jì)方案的排序和優(yōu)選.結(jié)果表明,該方法不僅進(jìn)一步為企業(yè)產(chǎn)品外觀設(shè)計(jì)方案排序和選擇提供了理性參考,而且通過感知相似度篩選保證了方案外觀具有一定的創(chuàng)新性,并在此基礎(chǔ)上驗(yàn)證了該方法的科學(xué)性與有效性.

猜你喜歡
變權(quán)外觀排序
外觀動(dòng)作自適應(yīng)目標(biāo)跟蹤方法
A Shopping Story to Remember
排序不等式
不論外觀還是聲音,它都很美 Yamaha(雅馬哈)A-S3200合并功放
恐怖排序
節(jié)日排序
變權(quán)空間權(quán)重構(gòu)造及空間效應(yīng)分析
刻舟求劍
兒童繪本(2018年5期)2018-04-12 16:45:32
新疆生產(chǎn)建設(shè)兵團(tuán)城鎮(zhèn)化水平的變權(quán)組合預(yù)測
方外觀遺跡舊照
紫禁城(2017年6期)2017-08-07 09:22:52
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
404 Not Found

404 Not Found


nginx
磴口县| 巫溪县| 五峰| 隆安县| 辽中县| 澄迈县| 仁寿县| 福建省| 洛阳市| 台州市| 察隅县| 昔阳县| 蓬莱市| 鹤庆县| 漾濞| 文成县| 潮安县| 凤山县| 乐业县| 札达县| 福贡县| 双桥区| 永靖县| 台中县| 固安县| 周至县| 道孚县| 萍乡市| 和平区| 定安县| 隆林| 灵宝市| 交城县| 韩城市| 萝北县| 高雄县| 北安市| 永新县| 尚志市| 双鸭山市| 祁阳县|