臺灣博碩士論文加值系統

在產品造形設計上，快速取得消費者的認知資訊，是現今瞬息萬變的消費市場中取得競爭優勢的重要途徑。以往這些情報來源大多以「消費者調查」為主要手段，調查所需花費的成本、時間、統計程序，均造成產品開發過程的嚴重負擔，降低產品的競爭力。
本研究以手機的造形設計為例，主要目的是發展一種有效率的方法能幫助判斷消費者感知數據於產品造形，首先，運用感性工學技術，將消費者偏好與感性認知加以量化，經由數量化 I 類分析結果，推論出20組造形語彙之相對應的造形要素，進而建立行動電話之造形法則，並將其應用於該產品造形設計上。接著透過多項式類神經網路(Polynomial Networks)，尋找出特徵參數與造形意象的關連。由於類神經網路在模擬造形認知的問題上確實較線性多變量模式有更高的處理能力，其在造形認知上更接近人們的認知狀況。
以上述結果為基礎 本研究進一步建立一個多重風格意象的產品基本外廓操作介面，設計師能透過此一系統於設計初期判斷消費者對造形的認知，並經由此2D繪圖軟體，改變特徵參數值，產生新的造形或進行細部設計。解決在設計過程裡人類感性難以掌握的困難，進而幫助設計師以最有效率的方法，創造符合消費者感覺的產品造形，以期達成掌握消費者對造形感覺的目的。

It is a core competition ability on product form design to get user’s needs and perceptual cognition data efficiently. In the past, most of the data came from customer survey, which is time and energy consuming in the collection and analysis of the marketing study. Consequently, it causes lower competition and substantial burdens in manpower and costs in product development stage.
The main purpose for this research is to develop an efficient approach that can help quantify consumer’s perceptual data into design specifications of product form. In this study, mobile phone design was adopted as an example to quantify consumer’s perceptions of product form in Polynomial Networks. Firstly, Kansei Engineering was used to switch user’s cognition of product styles, from which 20 pairs of image words were extracted from Quantification Type I and Multiple Regression analyses. In this way, designing rules for new mobile phone design, particularly the relationships between image perceptions and form treatments, were specified. Later, the theory of “Polynomial Networks” was adopted to apply the results obtained due to its better performance than linear (multi-variance) model. Some advanced relationships between parameters of and images of product form were then identified.
To solve the design problem on human perception, and to help designers meet consumers’ requirements, a 2D interface for consumer’s multiple images was constructed. In a backward Kansei approach, designers could expect the outcome of consumers’ perceptions onto the redesigned or varying product forms. From changing the parameters, the system makes it possible for an efficient redesign for the profile of new mobile phone design.

誌 謝....................I
摘 要....................II
ABSTRACT.................III
目 錄....................V
表 錄....................VIII
圖 錄....................XI
第一章 緒 論.............1
1.1 研究動機..............1
1.2 研究範圍釐定...........2
1.3 研究目的..............3
1.4 論文組織架構..........4
第二章 文獻探討..........7
2.1消費者認知為導向的造形設計.......7
2.2消費者認知模擬.................12
2.2.1 造形的認知屬性與特徵.........12
2.2.2 型態辨識理論................14
2.2.3 電腦圖形辨識理論............15
2.3 造形描述.....................18
2.3.1 B’ezier..................19
2.4 語意差異法...................21
2.5 類神經網路模式................22
2.6 多項式類神經網路系統基本原理....25
2.6.1多項式類神經網路系統的使用步驟.30
2.7 造形意象與類神經之應用相關研究..32
第三章 研究方法..................35
3.1目標產品選定與蒐集.............36
3.2人體手部計測..................38
3.3建構偏好造形意象與造形設計法則..40
3.4收集與選取造形語彙與造形要素....41
3.4.1問卷目的....................41
3.4.2語彙收集與選取...............41
3.4.3造形要素的收集與選取..........42
3.5造形語彙與造形要素之對應關係.....43
3.5.1實驗目的.....................43
3.5.2實驗問卷設計.................44
3.6造形的數量化轉換................45
3.6.1設定行動電話輪廓描述線段.......46
3.6.2確立樣本正面造形數值...........48
3.7誘導式類神經網路演算法...........49
第四章 研究結果與分析..............52
4.1語彙收集彙整分析................52
4.1.1造形語彙的選取-語意收集彙整分析.53
4.2產品造形圖片的收集與篩取.........54
4.2.1代表性樣本收集彙整............54
4.2.2樣本分類結果.................55
4.3感性意象語彙與圖片造形型態對應關係.60
4.3.1感性意象語彙量測實驗...........61
4.3.2語彙因素分析結果...............62
4.3.3利用統計分析萃取實驗語彙........65
4.4產品樣本形態分析.................70
4.4.1造形形態分析...................71
4.5多項式類神經網路模式結果分析.......79
4.5.1多項式類神經網路關係式建立結果...80
4.5.2多項式網路與受測者模式結果的比較分析..87
4.6系統程式建構及操作介面設計..........90
4.6.1程式介面說明....................91
第五章 結論與建議....................95
5.1結論.............................95
5.2後續研究與建議....................96
參考文獻............................97
附錄一：語彙問卷.....................100
附錄二：問卷.........................103
附錄三：語彙對程式碼..................105
附錄四：誤差值統計圖..................154

英文文獻
01. T. Kondo, (1998) The learning algorithms of the GMDH neural network and their application to the medical image recognition, SICE.

02. T. Kondo, A. S. Pandya and J. M. Zurada, (1999) Logistic GMDH-type neural networks and their application to the identification of the x-ray film characteristic curve, IEEE.

03. A. R. Barron, (1984) Predicted square error: a criterion for automatic model selection, in S. J. Farlow(Ed.) Self-organizing methods in modeling:GMDH type algorithm, Marcel Deckker, New York.

04. R. L. Barron, (1984) A. N. Mucciardi, F.J. Cook, N. Craig, and A. R. Barron, Adaptive learning networks: development and application in the United States of algorithms related to GMDH, Self-Organizing Methods in Modeling: GMDH Type Algorithms, ed. By S. J. Farlow, Marcel-Dekker, New York.

05. Abdolhamid Modares, Samerkae Somhom and Takao Enkawa,(1999) “ A Self-organizing Neural Network Approach for Multiple Traveling Salesman and Vehicle Routing Problems”, Journal of International Transactions in Operational Research, Vol. 6, pp. 591-606.

06. Chang Guanghsu A (2001),“A Neural Network Model for The Handling Time of Design for Assembly”, Journal of the Chinese Institute of Industrial Engineers, Vol. 9, No. 1, pp. 35-48.

07. Abdolhamid Modares, Samerkae Somhom and Takao Enkawa,(1999) “ A Self-organizing Neural Network Approach for Multiple Traveling Salesman and Vehicle Routing Problems”, Journal of International Transactions in Operational Research, Vol. 6, pp. 591-606.

08. Bruess, P., Christopher D. Watkins, Alberto Sadun, Stephen Marenk,(1993) “ Modern Image Processing : Warping, Morphing and Classical Techniques”, Academic Press, Boston, pp. 32-41.

09. Chang Guanghsu A(2001).,“A Neural Network Model for The Handling Time of Design for Assembly”, Journal of the Chinese Institute of Industrial Engineers, Vol. 9, No. 1, pp. 35-48.

中文文獻

01. 陳宏明(2006) “結合多項式網路與基因演算法於按鍵橡膠彈片外型尺寸最佳化設計” 大同大學，機械工程研究所碩士論文，台北。

02. 蘇木春，張孝德(2000)機器學習類神經網路、模糊系統以及基因演算法則，全華科技圖書股份有限公司，台北。

03. 周政宏(1997)，神經網路-理論與實務，松崗電腦圖書資料股份有限公司，台北。

04. 宋伊可(2001)，消費者對產品外觀價值感認知差異之研究-以行動電話為例，國立台北科技大學，創新設計研究所碩士論文，台北。

05. 張建成(2000)，使用者對產品造形意象認知的影響因素研究，國立交通大學，工業工程與管理學系博士論文。

06. Boxter, Mike，(1998)，產品設計與開發，張建成譯，六和，台北。

07. 黃俊英(2001)，多變量分析，七版三刷，中國經濟研究所，台北。

08. 邵承珍、陳俊中、童鼎鈞(2000)，“行動電話產品造形與消費者感性關聯之建立”，工業設計，第28 卷第2 期，頁154-159。

09. 陳青海(1996)，“功能導向的產品造形衍生與整合模式研究”，國立成功大學，工業設計研究所碩士論文。

10. 陳鴻源(2001)，“汽車輪廓形態意象與區分特徵關係之研究”，國立成功大學，工業設計研究所碩士論文。

11. 張華城(2000)，“應用類神經網路模式於產品造形特徵辨識之研究”，國立成功大學，工業設計研究所碩士論文。

12. 魏士超(2001)，“應用網際網路建立產品造形意象設計系統之研究”，國立成功大學，工業設計研究所碩士論文。

13. 黃美菁(1999)，”行動電話偏好意象建構造型法則之研究” 國立成功大學，工業設計研究所碩士論文。

14. 陳建昌(2005)，”汽車正面造形特徵與意象認知之關聯性研究”華梵大學，工業設計研究所碩士論文。

15. 祝華健(1990)，“電腦繪圖的數學基礎”儒林圖書公司，台北市。

16. 謝政峰(2001)，“產品造形屬性特徵對使用者感官意象的影響—以行動電話為例”，雲林科技大學，工業設計研究所碩士論文。

17. 林忠志(2003)，”應用特徵導向與類神經網路於產品造形衍生之研究”國立成功大學，工業設計研究所碩士論文。

18. 張志南(2003)”具有新學習法則之多項式網路研究” 義守大學，電機工程學碩士班碩士論文。