大数据条件下算法驱动设计创新模型构建研究
来源:用户上传
作者:
摘要：随着智能化时代的来临，互联网、大数据、人工智能等技术迅猛发展，产品创新设计也步入了全新的智能化发展阶段。本文通过分析产品创新设计发展现状，结合大数据的信息价值，利用人工智能神经网络算法探索产品创新设计的新方法。文章通过对产品大数据概念、数据来源和数据获取的研究，分析了算法驱动产品设计创新建模的基本流程。
关键词：大数据;产品设计;算法驱动;模型构建
中图分类号：TB476 文献标识码：A
文章编码：1672-7053（2020）07-0028-02
1国内外发展现状
在互联网、人工智能技术的推动下，大数据分析在教育、医疗、经济和管理等方面都得到了广泛地应用，工业设计在这些应用理论研究案例的基础上开创了产品创新设计的新方法，用于改善下一代产品和服务。许多国内外学者都将著名的创新理论与产品设计相结合，为大数据条件下算法驱动产品创新设计理论和技术提供了大量丰富的研究成果。
算法驱动产品设计创新模型构建，重点就是利用计算机收集数据分析用户需求，构建产品创新设计模型的研究。国外学者Yan HB等为获取准确的用户需求研究语意差分法和聚类分析法分析产品的大数据;Ryan Ruvald等使用经典原型技术进行数据信息采集和挖掘，构建数据驱动产品服务系统设计。国内学者殷雪梅等提出复杂产品数据模型用于产品建模驱动产品协同设计方法;马家齐利用AHP层次分析法分析数据构建产品协同设计系统研究。这些理论对推动产品创新设计的发展奠定了至关重要的理论基础和研究方向。
2产品大数据概述
2.1产品大数据的概念
在产品设计中，大数据主要分为产品数据和用户数据两类。产品数据分析是提高产品市场竞争力，完善优化产品的重要参考指标，主要分为产品基础数据、产品消费数据、产品用户数据和产品反馈数据四种。产品基本数据是指产品的整体数据，包括尺寸、外观、结构数据等，用于分析产品的整体设计趋势;产品消费数据指的是产品上市以后产品的销售数据，包括产品销售地区、销售数量、产品的盈亏等，用于分析产品的价值和市场营销方式;产品用户数据是指产品销售过程中用户的购买量和产品使用后的用户体验数据，用于分析用户需求，满足用户的个性化需求;产品反馈数据指的是产品在产品生命周期的成熟期和衰退期的市场反馈和用户反馈数据，用于研究产品更迭和演化，提高产品的市场竞争力。产品生命周期中的各个时期的产品数据都有着不同的变化，设计师可以通过研究产品数据的变化分析用户的需求，指导产品版本迭代，判断产品价值，规划产品演化和发展的方向。不同产品的侧重点不同，其相对应的产品数据也有差异，是产品、人和环境相互作用產生的数据。
用户数据主要划分为静态数据和动态数据两个部分，静态数据主要包括用户的基本数据（姓名年龄、生活形态、职位工作）、用户社交数据、用户消费数据等，用于分析用户心理需求，构建用户基本画像;动态数据主要指的是用户的行为动态，产品的购买和退换记录，用户对产品的操作和使用过程数据等。用户数据是用户参与产品设计决策的重要参考指标，对产品的优化和提高市场竞争力起到至关重要的作用。
2.2产品大数据的获取
2.2.1数据来源
现如今，大数据的来源多种多样，总结起来主要分为内部数据和外部数据两个方面。内部数据主要来源于企业、机构、工厂等在长期发展过程中产生的生产数据、机器数据、决策数据、营销数据、市场数据和用户数据等;外部数据主要包含国家的官方数据库、各互联网平台（如淘宝、京东等）的公开数据、网络爬虫技术挖掘的互联网信息和专业大数据采集机构的付费数据等。了解数据来源、明确目标数据是设计师了解用户需求的重要渠道，也是企业利用大数据的价值实现产品创新的前提。
2.2.2有效数据获取
大数据获取途径主要包括从互联网中寻找国家公布的官方数据、利用网络爬虫技术快速模拟用户浏览保存网页中的相关信息、通过商业采购的方式向有关企业购买实时更新的产品数据、通过问卷调查、用户访谈、市场反馈等方法逐一获取产品对象的信息和需求等。产品设计创新是不断分析研究用户需求改善设计方案、提高产品质量的过程，期间需要大量客观准确的用户数据和产品数据。由于产品创新设计对获取产品有效数据的要求高、范围广、成本大，因此产品设计的有效数据的获取主要通过利用自身企业数据和机器数据、采买相关企业数据和收集官方数据和互联网电商数据为主。
3大数据条件下算法驱动产品设计创新模型构建的流程
3.1数据信息提取和处理
对于工业设计而言，产品数据和用户数据对产品设计方案形成的作用是不同的。用户数据主要用于反馈产品的市场信息，为改善现有产品提供用户情感需求和功能需求;产品数据主要用于构建产品形态库，通过储存大量的产品外观、尺寸和功能协助设计师构建产品方案，快速完成产品迭代，减缓产品进入衰退期的步伐，保证产品长期拥有市场竞争力。
3.1.1用户数据提取和分析
用户数据通过网络爬取、购买和调研等方法获取提取权限，根据数据的来源划分区域和等级，对数据的客观性和准确性做出初步判断，分层次进行下载和储存;将不同类型的数据进行整理归类，将图像、数字、音频视频等转化为文本形式呈现;利用自然语言划分工具切割划分成单独的词向量，根据专家经验和行业资料对信息进行筛选，去除无效信息和错误信息，合并同义词，获取有效信息;运用K-means聚类分析法区别文本的词性，SD法分析文本情感词汇和功能词汇的关系，构建用户情感——功能需求信息库（如图1）。
3.1.2产品数据提取和分析
产品数据的提取重点主要是机器数据和企业内部数据，与用户数据不同的是，提取的产品数据需转化为二维平面图形语言进行分析，用形态分析法解析产品部件，DFA分析法提取产品部件的关键特征，利用感性工程学方法对形态特征进行设计师语言描述，并以聚类分析法完成产品数据的风格聚类，按照产品风格——产品功能——产品形态的步骤构建产品二维模型数据库（如图2）。
3.2产品设计创新模型构建
3.2.1初步设计方案的形成
产品二维模型数据库是设计师的素材库，用户数据信息库是实现产品进化的推手。首先确定设计需求、计算设计需求与用户需求信息库的情感需求的相似度，找出对应的功能需求;利用BP神经网络计算功能需求与产品二维模型库中产品模型的结构相似度，找出与设计需求风格统一、功能一致、形态新颖的产品部件形态样式，将多个部件样式模块化组合创新形成多个产品初步设计方案。
3.2.2创新设计方案的细化
通过设计师和专家经验对初步设计方案进行结构补充，绘制设计草图，将草图反馈到设计需求上，利用AHP层次分析法对各个设计方案的需求权重比进行排序，确定最符合设计需求的方案。由设计师按照人机工程学原理对产品进行相应地细节处理，例如产品的接口、倒角、按钮位置等的细微调整，最后得到完整的产品设计方案（如图3）。
3.3设计创新趋势预测
首先利用TRIZ理论和需求进化定律预测未来需求的进化方向，并在此方向上挖掘数据变量，通过BP神经网络模型不断训练变化数据，构建变量数据进化曲线实时更新设计需求并同步于产品功能的进化，从而预测设计需求和产品形态的进化趋势。
4结语
在大数据迅速膨胀的今天，算法驱动产品创新设计已经成为时代发展的趋势。对于企业而言，如何快速将大数据融入到产品设计过程中，利用互联网技术、人工智能算法改善现有产品生产结构，快速获取用户需求，加快企业研发效率，提高产品市场竞争力已成为企业迈向数据时代的新台阶和新方向。对于设计师而言，学会如何通过分析大数据获取精准客观的用户需求，设计出更符合时代发展的产品方案也将成为新的设计潮流。
转载注明来源:https://www.xzbu.com/2/view-15301073.htm
