Cap

Cap.7. Utilizarea inteligenei artificiale n tehnologiile de asamblaren cadrul activitilor de automatizare a activitilor de control ale proceselor tehnologice, una din sarcinile principale const n modelarea proceselui pe baza datelor iniiale i a informaiilor provenite de la senzori , n aa fel ca pe baza acestuia s se poat lua deciziile instantanee necesare. Acest proces de prelucrare primar i secundar a informaiilor presupune, printre altele, folosirea unor algoritmi matematici adecvai. Cu ajutorul acestor algoritmi se caut soluionarea urmtoarelor dou probleme principale:

filtrarea informaiilor principale din mulimea informaiilor culese i comasarea acestora;

interpretarea cu ajutorul modelrii a evenimentelor ntmpltoare care apar n timpul procesului.

La majoritatea metodelor matematice aceste dou probleme se amestec

7.1.Metodele comasrii (comprimrii) informaiilor i selectarea celor importante

Din punct de vedere matematic cu ocazia selectrii informaiilor, pe baza unei transformri, de regul liniare, se definete cu ajutorul a unui numr mic de elemente vectorul scop . Acest vector trebuie s corespund unui criteriu ( funcie scop), bine determinat.

Din punct de vedere al metodelor utilizate se deosebesc dou grupe:

a. Metode analitice:

Transformri diagonale

Transformri de rotaie

b. Metode euristice :

de exemplu metoda distanei Mahalanobiane

Transformri diagonale

Vectorul y de dimensiunea M al caracteristicilor , iniial se nmulete cu o matrice diagonal:

Se utilizeaz la gruparea i clasificarea evenimentelor, la minimizarea variabilelor aparintoare unei clase sau la reducerea unor dimensiuni.

Transformri de rotaie

,

dar n acest caz nu mai este matrice diaginal. Semnificaia lui const n faptul c x ajunge intr-un nou sistem de coordonate. De exemplu transformrile Fourier i Walsh-Hadamard.

Distana Mahalanobian ia n consideraie i corelaia dintre caracteristici. Definiia ei este:

(7.1 )Aceast relaie definete distana dintre proba

EMBED Equation.3 aparintoare clasei Sk i clasa Sk descris de media i matricea covariant . Distana Mahalobian dintre cele dou clase este:

( 7.2)

7.2. Realizarea practic a scoaterii n eviden a esenialului

De la nceput trebuie precizat, c digitizarea semnalelor analoage liniare este nsoit de pierderi semnificative. Prelucrarea cea mai simpl a mulimii de date care se afl astfel la dispoziie se poate realiza considernd pentru o anumit perioad de timp ( de exemplu pentru o roataie), valoarea medie. La acele evenimente la care modificrile nu sunt semnificative sau au o scurgere lent i aceast metod simpl este satisfctoare ( de exemplu este adecvat pentru supravegherea deformaiilor unui dispozitiv de manipulare). De asemenea metoda este adecvat i pentru arhivarea/comasarea datelor.

Semnalele obinute de la procese reale ( msurate) sunt insoite de greeli care sunt stohastice. Ca urmare modificrile survenite n proces apar foarte greu sau chiar deloc n semnalul msurat. Este nevoie de filtrarea semnalului zgomotos. n multe cazuri este suficient dac putem urmri numai modificrile caracteristice, adic dac are tendin de cretere sau de scdere. Este nevoie de o metod care s filtreze variaiile semnalelor perturbtoare i evideniaz modificrile caracteristice cu durat mai lung. n acest scop este util metoda calculrii mediei mobile. Rezultatul acestui calcul este valoarea medie a parametrului caracteristic al procesului, peste care se suprapune conform considerentelor noastre zgomotul perturbator.

Fie y0, y1,...,yn proba de lungime n a caracteristicii. Media mobil Zt,, Zt+1, ...,Zn stabilit din aceasta este:

unde sunt mrimi discrete ntregi.

n relaia de mai sus, pentru determinarea mediei mobile s-a utilizat metoda mediei aritmetice, dar sunt posibiliti de utilizare i a mediei ponderate. Desvoltarea metodei de determinare a mediei mobile ( moving average MA) este denumit ARMA autoregresion moving average, care determin linia medie a semnalului prin combinarea metodei medie cu cea a regresiei .

Dac procesul este rapid i dorim s urmrim modificrile sale instantanee,, metoda frecvent utilizat este cea a analizei datelor care se schimb periodic-analiza Fourie. Principiul acestei metode const n faptul c modificrile complexe care apar n multe situaii, se scriu cu ajutorul unor funcii armonice cu perioad i amplitudine diferite.. In general chiar pentru definirea matematic a variaiilor complexe , din termenii cu sinus ale funciei sunt sufcieni primii 10, iar funcia simplificat se poate defini cu primii 4 termeni ( astfel n total 40 de date). Aceast analiz ne furnizeaz datele cele mai semnificative ale variaiilor, frecvenele caracteristice i amplitudinile acestora.

Pentru comprimarea datelor, se pot utiliza transformrile de funcii , ca de exemplu Walsh-Hadamard, Wavelet. Desigur n cadrul acestui curs nu putem s intrm n definirea matematic a acestor metode.

7.3. Metodele modelrii evenimentelor

Metodele folosite n scopul modelrii matematice a proceselor i evenimentelor, se pot mpri n trei mari grupe:

modelare analitic

modelare logic

modelare structural

n toate cele trei cazuri scopul modelrii este una i aceai : obinerea unei date output utilizabile, din informaiile obinute la culegerea i comprimarea datelor.

Cu ajutorul modelrii cutm s obinem relaiile matematice dintre variaiile procesului i modificrile de stare rezultate din acestea. Obinerea acestor interdependene poate avea loc prin:

a. analiza teoretic ( matematic, chimic, mecanic,etc.) a procesului ( prin modelare),

b. prin folosirea rezultatelor unor cercetri experimentale.

Rezultatele cele mai bune i de ncredere se obin prin combinarea celor dou metode.

Modelarea analiticUn exemplu caracteristic de modelare a unei stri cu ecuaii matematice ( deterministice , stohastice) este cea a modelrii deplasrii unui agregat de asamblare.

Metoda se obinuiete s se numeasc i metoda expresiilor empirice, ntruct constantele i exponenii se determin prin metoda regresiei folosind rezulatele msurtorilor experimentale.

Metoda prezint avantajul unei utilizri relativ simple i rapide.

Ca desavantaje : modele matematice de multe ori nu sunt suficient de exacte, de multe ori nu sunt apte nici pentru aproximri. Dac se elaboreaz modele mai complexe, atunci prelucrarea rezultatelor cu acestea dureaz foarte mult.

Modelarea logic

a) prin utilizarea logicei elementare clasice

Metoda se bazeaz pe nsumarea i prelucrarea cu ajutorul regulilor logicii elementare a rezulatelor experimentale acumulate cu ocazia supravegherii proceslor de prelucrare. Dac rmnem la exemplul deplasrii unui container pe banda rulant , avem:

Regul:

DAC FORA NECESAR DEPLASRII ESTE PREA MARE ATUNCI NSEAMN C GHIDAJELE BENZII SUNT UZATE SAU NU ESTE UNS SUFICIENTIntrare: FOR : MARE

NORMAL

Ieire :BANDA

UZAT,NEUNSTRANSPORTOARE:CORESPUNZTOAREFig.7.1. Funcia logic a forei

Desigur, cu ajutorul relaiilor logice clasice, se pot se pot utiliza i mai multe intrri iesiri.

Avantaje : Simplicitate, reguli uor de neles, rapiditate

Dezavantaje : procesele nu pot fi scris esimplu, este mare procentul de eroare, nu sunt reguli generale.

b) Prin utilzarea logicii fuzzy

Logica Fuzzy, spre desosebire de logica clasic, nu scrie interdependenele dintre stri univoc adevrate sau false, ci stabilete legtur ntre aa numitele variabile fuzzy. Rmnnd la exemplul precedent , fie i n continuare legtura logic :

DAC FORA ESTE MARE ATUNCI FRECAREA PE GHIDAJELE BENZII ESTE MARE.FORA, considerat ca o variabil fuzzy , deja poate lua mai multe stri ( foarte mic, mic, mijlocie, mare, foarte mare). Valoarea logic a variabilei se poate determina sau delimita, cu ajutorul aa ziselor funcii de membru ( sau funcii de apartenen).De exemplu funcia de apartenen a FOREI MARI se poate vizualiza conform figurii 7.2 i pe baza acestei interpretri toate forele cu valoarea peste 700 N se ncadreaz n mulimea fuzzy a FOREI MARI. i forele ntre 200 700 N vor fi membrii ai acestei mulimi, dar numai ntr-o mai mic msur. Mrimea aa numitei grad de apartenen, ntre 0 1 , determin msura de apartenen. Sub 200 N, variabila FOR deja nu mai este de loc membru a mulimii FORELOR MARI.

H.fig.8.6

Fig.7.2. Funcia Fuzzy de apartenen a FOREI MARI

Astfel, din punct de vedere matematic funca fuzzy FOR MARE este compus din perechi de elemente, formate din valoarea mrimii aparintoare mulimii i valoarea gradului de apartenen a acestuia. Se noteaz cu X domeniul de variaie a gradului de apartene i cu A mulimea Fuzzy a FOREI MARI.

n mod asemntor se gsesc i definiri de funcii de apartenen i pentru funcii care definesc mulimi de variable mici, mijlocii ,etc.

Cele mai frecvent utilizate funcii de apartenen sunt reprezentate n figura 7.3.

H.fig.8.7.

Fig.7.3. Tipuri caracteristice de funcii de apartenen Fuzzy.

Este important s scoatem n eviden diferena fundamental dintre gradul de apartenen i probabilitate. Dac , de exemplu fora de 500N are un grad de apartenen 0,6, aceasta nseamn c desi este membru permanent al mulimii dar ndeplinete numai n msur de 60% condiiile de apartenen. Contrar acestuia probabilitatea se nterpreteaz c n 60% din cazuri mrimile sunt, iar n 40% din cazuri nu sunt membre ale mulimii i nu putem cunoate anticipat n care caz va fi i n care nu membru.

Astfel interpretnd ipotezele i consecinele ca variabile fuzzy, putem obine concluzii mai nuanate, de exemplu n cazul abordat albenzii transportoare, putem obine c aceasta se ncadreaz n msur de 0,6 n grupa benzilor uzate, adic ea se mai poate utiliza , dar prezint deja semne de uzur. Interpretarea geometric a fenomenului este reprezenat n figura 7.4.

H fig.8.8

Fig.7.4. Interpretarea geometric a deduciei Fuzzy

Legturile dintre diferitele variabile fuzzy n multiplele stri posibile se numesc reguli fuzzy. Aceste reguli pot comanda diferite stri de ieire pentru diferitele stri ale variabilelor i la diferite nivele. Astfel ele acoper ntregul domeniu de stri posibile. Relaiile care definesc matematic regulile fuzzy se scriu cu ajutorul Algebrei Fuzzy.

Avantaje: Regulile se scriu ntr-un limbaj general accesibil. Este uoar integrarea diferitelor experiene omeneti anterioare. Parametri i evenimentele care definesc procesul se pot scrie mult mai nuanat. Este relativ simplu i rapid.

Desavantaje : ncadrarea variabilelor logice n clase fuzzy este greoaie i de multe ori nesigur.

Domeniu de utilizareDintre metodele inteligenei artificiale, putem considera c, comanda fuzzy este cel mai adecvat , corespunde necesitilor, se poate utiliza curent i care este cel mai bine desvoltat. Din acest motiv considerm c merit s amintim cteva din exemplele caracteristice de utilizare a acestuia:

prima comand fuzzy fabricat n serie este legat de mainile de splat AISI. Dup cntrirea rufelor introduse, prin comand fuzzy se dozeaz apa i detergentul . Procesul de splare este supravegheat de un senzor optic care analizeaz ct de tulbure este apa i pe baza acestuia trage concluzii privind gradul de murdrie a rufelor i felul acestuia. Pe baza unor reguli de deducie Fuzzy alege cel mai adecvat program de splare. Pe lng economia de energie i de timp, are marele avantaj c maina poate fi pus n funciune cu un singur buton.

- Camerele video cu stabilizator de imagine care scot din nregistrare, tremurturile minii. Principiul de funcionare este urmtorul : la anumite intervale de timp se compar imaginea cu una precedent i consider drept imagini poriuni de imagine corecte pe cele care se regsesc n ambele i pe acestea le multiplic pe imaginea final. Aceast mrire nu se poate observa, n schimb calitatea nregistrrii crete substanial, uurnd inregistrrile de amatori. Problem apare atunci cnd obiectele de pe imagine ( oameni, animale, maini, etc.) se mic relativ una fa de cealalt. n aceste cazuri trebuie examinat dac deplasarea imaginii trebuie sau nu filtrat i dac da atunci fa de care poriune a acestuia. Decizia o ia un chip fuzzy. Prezentm mai jos, ca exemple, dou din regulile folosite :

dac sensurile vectorilor de micare sunt opuse i diferena dintre ele este n cretere, atunci concluzia este c pe imagine exist un obiect mictor,

dac sensurile vectorilor de micare coincid i diferena dintre ele este mic atunci concluzia este c micarea a fost generat de tremurarea minii.- Logistica deservirii liniilor de asamblare flexibile : selectarea, aducerea i manipularea diferitelor componente ale produselor, n funcie de ritmul de asamblare, se poate realiza corespunztor prin utilizarea logicii fuzzy ( n capitolul urmtor vom da un exemplu concret n acest sens).

Modelare structural

n acest caz nu cutm interdependen logic sau matematic ntre intrri i ieiri, modelul rezult din construcia structurii sistemului de prelucrare.. Un exemplu clasic este Metoda Reelelor Neurale. Metoda are la baz analogia biologic, ncearc s modeleze structura creerului uman cu mijloace electronice. n locul celulelor creerului se pun procesoare, firele nervoase, sunt nlocuite cu conductori i astfel se obine o reea, structur desigur mult mai simpl dect creerul uman.Metoda reelelor neuraleEste cunoscut c creerul uman este capabil s prelucreze foarte rapid chiar semnale foarte perturbate, bruiate sosite de la organele de sesizare ( astfel filtreaz convorbirile din zgomotul din jur, recunoate obiectele chiar n condiiile unui complex de lumini). Cea mai deosebit capacitate const n faptul c pe baza unui proces de memorare este capabil s-i mbunteasc propria capacitate de prelucrare a semnalelor, chiar este capabil s soluioneze noi probleme.

Visul specialitilor care se ocup de prelucrarea informaiiloe este un asemenea sistem de prelucrare . Se efectueaz o serie de ncercri pentru dezvoltarea unor structuri asemntoare creerului uman care s poat imita structura i funcionarea acestuia. Aceste ncercri au condus la elaborarea metodei reelelor neurale.

Celule nervoase ale creerului uman sunt legate ntre ele printr-o mulime de dendrite. Informaiile din exterior , de la celelalte celule ajung prin axoni. Construcia i funcionarea exact a creerului uman nc nu s-a putut descoperi precis, dar studierea acestuia a condus la ideea reelelor neurale.

S nlocuim celulele nervoase cu procesori, s le legm ntre ele cumva cu conductori i s le facem capabile de autoreglare( nvarea), cu ajutorul unor relaii matematice simple.

Procesoarele care nlocuiesc celulele nervoase( neuronii) , funcioneaz foarte simplu. Semnalele care intr sunt amplificate cu un factor de ponderare, aceste semnale de intrare ponderate sunt nsumate i apoi cu ajutorul unei funcii de transformare se calculeaz nivelul semnalului de ieire ( fig. 7.5). Figura arat funciile neuronilor i prezint un exemplu de funcie de transformare caracteristic.

H. fig.8.9

Fig.7.5. Funcia de transformare a unui neuron

Reeaua neuronilor este format din trei grupe de procesoare ( fig.7.6). Prima este stratul de intrare, n care se gsete un numr de procesoare egal cu numrul de semnale de intrare. Cel de-al doilea strat este stratul ascuns iar n final este stratul de ieire n care numrul procesoarelor corespunde cu numrul semnalelor de ieire necesare. Aceste straturi sunt n legtur ntre ele prin toate cile posibile, dar n interiorul straturilor nu poate exista legtur ntre neuroni.

H. fig.8.10

Fig.7.6. Reea neural

Un model de nvare a structurii astfel construit poate fi asa numitul algoritm de conectare invers ( backpropagation algoritm). Acest algoritm, cu ajutorul unui proces de iteraie determin factorii de ponderare cu care reeaua neural furnizeaz pentru semnalul de intrare dat semnalul de iesire cunoscut . Algoritmul matematic se poate descrie astfel:

Dac yi este nivelul de activitate al unitii stratului anterior , xj intrarea ponderat a procesorului stratului dat, wj factorul de ponderabilitate dintre unitile i i j, atunci se poate scrie :

.

(7.3)Nivelul de iesire ( de activare) a stratului curent, este determinat de ctre funcia de transformare, cu ajutorul acestei valori de intrare xj. De exemplu astfel:

(7.4)Cu metoda prezentat mai sus putem s calculm activitile tuturor unitilor de ieire i putem s determinm abaterea dintre valoarea de ieire i cea calculat, eroarea :

,

(7.5)unde dj este valorea dorit a semnalului de ieire a unitii j.

Cu ajutorul acestei definiri matematice, algoritmul de conectare invers, se poate exprima prin urmtorii patru pai:

1. Calculeaz cu ce valoare se modific eroarea (abaterea), la modificarea unitii de ieire:

(7.6)2. Calculeaz modificarea erorii n funcie de semnalul de intrare rezultant:

(7.7)3. Calculeaz modificarea erorii n funcie de coeficientul de ponderabilitate ataat oricrei conexiuni ataate unitii de ieire:

.

(7.8)4. n final calculeaz modificarea erorii n funcie de variaia activitii unei uniti ale stratului precedent. Acest pas produce legtura ntre straturi i cu ajutorul acestuia se pot soluiona regresiv reelele cu mai multe straturi:

(7.9)Deci cu ajutorul pailor 2 i 4 se poate determina variaia erorii prin decodificare invers a fiecrui strat. Dup aceasta , cu ajutorul pailor 2 i 3 se poate calcula variaia factorilor de ponderabilitate. Corectnd astfel n mod progresiv factorii iniiali de ponderabilitate, procedeul se continu pn la dispariia abaterii semnalului de ieire..

Procedura de mai sus este denumit nvarea reelei neurale. Acast procedur de nvare se poate repeta prin modificarea semnalelor de intrare i iesire. n aceste cazuri reeaua memoreaz procesul deoadat cu bruiajul semnalelor i la utilizare le recunoate pe acestea, respectiv le accept sau le respinge.

7.4.Sisteme de supraveghere ( de control)Modelul este o asemenea reprezentare abstract a proceselor fizice care servete la cuplarea ( conexiunea) cauzelor, consecinelor i a influenelor. Domeniul de utilizare al modelelor sunt simularea constructiv i funcional.

Simularea : urmrirea dinamic discret a proceselor cu ajutorul modelelor abstracte, paralele cu valori discrete ale timpilor ( tab.7.1).

Tabelul 7.1. Modele, simulare si control

H.tab.8.3

Strategii de intervenieCea mai dificil parte a controlului, const n aceea c la o oarecare degenerare , n ce mod s intervin n proces. Chiar i pentru inteligena uman este o problem dificil de decizie, ca n cazul unei degenerri a procesului s lase s continue prelucrarea pn la capt sau s intervin imediat. Dac alege intervenia atunci, poate decide s aibe loc o corecie a procesului sau s se opreasc complect urmnd s se continue dup instruciunile tehnologului. Asemenea decizii sunt sigure, dar din punct de vedere economic nu totdeauna se pot accepta.

n cazul asamblrii, o alt decizie poate consta n nlocuirea benzii de transport sau ungerea lagrelor i a ghidajelor . Aceast metod prezint riscul c nlocuirea unei benzi care sunt doar parial uzate conduce la creterea costurilor aferente. Dar de fapt fr risc logic, nu se poate concepe un control util al procesului. Decizia bazat pe un anumic risc, pretinde o foarte bun cunoatere a procesului.

Comanda adaptiv se poate considera ca o strategie de intervenie on-line n sistemele de monitorizare. Aceasta nseamn c se intervine n proces nainte s apar o avarie att de pronunat care ar necesita schimbarea benzii i oprirea procesului. n aceste cazuri se comand schimbarea parametrilor procesului. n aceste situaii se ia n considerare faptul c la drept rezultant poate apare necesitatea modificrii unor parametrii de micare a benzii, care iniial au fost considerai drept optimi.

Avantajele i problemele controlului automat al proceselor

Prin realizarea controlului automat al proceselor funciile de pstrare a calitii ajung n fa. Devine posibil exploatarea echipamentelor complexe scumpe i la sfrit de sptmn. Desigur realizarea sistemului de control este scump i necesit timp. De asemenea i preul utilajelor dotate cu control automat crete. Aceast suplimentare de pre poate fi compensat prin utilizarea n continuare a informaiilor obinute cu ocazia procesului de memorare-nvare.

7.5. Studiu de caz : analiza asamblabilitii i design de telefon mobil bazat pe logica fuzzy *7.5.1. Introducere

Aceast lucrare prezint o nou abordare a logicii fuzzy pentru a obine cea mai bun combinaie de elemente de form de telefon mobil, pentru o potrivire a imaginii dat a produsului. Un studiu experimental orientat ctre consumator este realizat pentru a examina relaia dintre elementele de form cheie, precum i imaginea de produs a telefoanelor mobile. Cele mai influente elemente de form a telefoanelor mobile sunt identificate cu ajutorul relaiei gri de analiz. A se trage o linie orizontal la marginea de jos a paginii si sub ea se va scrie nota :* Studiu efcetuat n colaborare cu Drd. Bocan Iulia Andreea Se desfoar un nou proces experimental pentru a genera n mod obiectiv un set de reguli fuzzy cu elementele de form cele mai influente, pe baza unei evaluri a subiectelor de imagini simplu+complex pe 33 de eantioane reprezentative pentru telefonul mobil.

Regulile fuzzy generate produc modele de reele neuronale, n estimarea imagini de produs al unui telefon mobil cu un anumit set de elemente de form. Abordarea prevede nelegeri utile n facilitarea i simularea procesului de proiectare a formei telefoanelor mobile.

ntr-o pia competitiv mare, cum ar fi cea de telefoane mobile, design-erii de produs trebuie s ofere consumatorilor produse de diferite stiluri. Imaginea produsului joac un rol important n preferinele consumatorilor i alegerea produsului (Chuang et al., 2001). Pe baza relaiei ntre forma produsului, precum i imaginea produsului perceput de ctre consumatori, au fost dezvoltate modele sprijin de design pentru a facilita procesul de design al formei produsului (Hsiao i Tsai, 2005; Jindo et al., 1995). n mod special, Ingineria Kansei orientat spre consumator a dezvoltat o metodologie de transformare a senzaiei sau a imaginii unui produs a consumatorului n elemente de design a produsului (Nagamachi, 1995). S-a aplicat cu succes n domeniul proiectrii produselor pentru a cerceta relaia dintre sentimentul (perceperea de imagine a produsului) consumatorilor i elemente de design a produsului. De exemplu, Yang, et al. (1999) a dezvoltat un model de interferen pe baz de reguli. Aceasta const din cinci reguli i dou abordri de deducie pentru a traduce un sentiment uman al unui produs n elemente de design a produsului. Lin et al. (2001) utilizeaz metodologia Kansei pentru a optimiza combinaia formelor produsului i culorile produsului pentru telefoanele mobile.Hsiao i Liu (2002) utilizeaz o metod de transformare a formei i de predicie a imaginii pentru a construi un model tridimensional (3-D), n scopul de a ajuta design-erii s obin rapid forma unui monitor . Logica fuzzy a fost dezvoltat pentru a examina relaia ntre variabilele unui sistem observabil unde informaiile disponibile sunt subiective i imprecise (Negnevitsky, 2002). Logica fuzzy a fost utilizat ntr-o gam larg de domenii, iar rezultatele unor aplicaii recente au scos n eviden eficiena manipulrii de informaii neclare, pentru explorarea de informaii necunoscute (Baron et al., 2001; Chang i Yeh, 2004; Yeh et al., 2000). Aceast metod ofer n special, un cadru eficient pentru modelarea senzaiei de cuvinte a omului pentru luarea deciziilor (Youji i Tomio, 1995). Ca atare, logica fuzzy se potrivete pentru modelarea procesului de proiectare a produselor pentru a descrie relaia dintre forma produsului (ca variabil de intrare) i percepia consumatorului despre imaginea produsului (ca variabil de ieire), unde percepia consumatorului este adesea exprimat subiectiv i imprecis. Hsiao i Tsai (2005) au dezvoltat un sistem automat de proiectare prin utilizarea reelelor neuronale fuzzy si a algoritmilor genetici pentru a ajuta design-erii de produs la crearea formei specifice a unui produs. n studiul lor, au aplicat un algoritm fuzzy de reele neuronele pentru a stabili relaii ntre parametrii de intrare a formei i o serie de imagini de produs. Un algoritm genetic este apoi utilizat pentru a cauta un design optim apropiat, care satisface o anumit imagine de produs.

n acest studiu de caz , se prezent o nou abordare a logicii fuzzy pentru a examineaz relaia dintre elementele de form a telefoanelor mobile i o imagine specific de produse. Dezvoltarea acestei abordri este motivat de necesitatea de a face cu studiul de caz a telefoanelor mobile, care sunt n prezent cel mai popular produs de larg consum i care prezint o mare varietate de forme. In modelarea elementelelor de form complexe a telefoanelor mobile, ar fi dificil de utilizat metoda tradiional de solicitare a experilor prin care s genereze i s evalueze n mod direct i subiectiv regulile fuzzy , aa cum s-a folosit n studii anterioare. Ca atare, noua abordare construiete reguli fuzzy n un mod obiectiv bazate pe un proces experimental nou orientate spre consumator. Aceast abordare este adecvat n special pentru modelarea unui sistem sau a unui produs cu intrri variabile numeroase (de exemplu, multiple elemente de form ) i multiple variabilele de ieire (de exemplu, mai multe imagini de produs.n seciunile ulterioare, se descrie mai nti un proces experimental orientat spre consumator pentru extragerea probelor i elementelor de form reprezentative a telefoanelor mobile, care sunt utilizate ca seturi de date numerice pentru construirea i testarea modelului logic fuzzy. Se prezint apoi noua abordare a logicii fuzzy pentru a construi un set de reguli fuzzy pentru potrivirea elementelor de form extrase cu o imagine specific a produsului. n cele din urm, se compar performana modelului logic fuzzy cu modelele existente, n termenii de predicie a capacitii acestora.

7.5.2. Relevana pentru industrie

Alegerea unui produs de ctre consumatori depinde n mare msur de percepia lor fat de imaginea produsului. Abordarea prezentat ajut designerii de produs s se concentreze pe formele produsului care contribuie cel mai mult la imaginea produsului dorit.

Cu toate c design-ul formei telefonului mobil este utilizat ca un studiu de caz, abordarea se poate aplica i la alte produse cu diverse elemente de design. Abordarea ofer un mecanism eficient pentru a facilita procesul de design al produselor orientat ctre consumatori.

7.5.3. Experimente orientate spre consumator

Ingineria Kansei orientat spre consumator a fost utilizat pentru a face legtura ntre sentimentul consumatorului pentru un produs, reprezentat de o imagine de perechi de cuvinte, cu elemente de design a produsului, utiliznd sondaje sau experimente (Nagamachi, 1995). Sunt apoi prezentate studiile experimentale i rezultatele opinute n contextul celor patru faze principale ale Ingineriei Kansei orientate spre consumator.

7.5.3.1. Subiecte experimentale

Studiu experimental a implicat 35 de subieci, divizat n trei grupuri. Cu excepia celui de al doilea grup, se cerceteaz punctele de vedere ale tinerilor, pentru c de obicei, acestea acord mai mult atenie la telefoanele mobile dect grupuri de alt vrst. S-a rugat primul grup, format din opt brbai i apte femei, s extrag eantioane reprezentative de telefoanele mobile. Media vrstei membrilor grupului a fost de 22.8 ani i fiecare a avut o experien de peste 5 ani de utilizare a telefoanelor mobile.

S-a rugat al doilea grup, format de cinci design-eri experi de telefoane mobile (doi brbai i trei femei), pentru a efectua analiz morfologic, n scopul de a extrage elementele de form a telefoanelor mobile. Cei cinci experi din acest grup au avut cel puin 6 ani de experien n design de produs. Al treilea grup a avut opt brbai i apte femelele pentru evaluarea imaginii produsului din probele experimentale, a cror rezultate sunt utilizate ca baz pentru evaluarea performanei modelului logic fuzzy. Medie de vrst a celor 15 membrii al ultimului grup a fost 25.3 ani i fiecare a avut o experien de peste 5 ani de utilizare a telefonului mobil.

7.5.3.2. Mostre experimentale

n aceast lucrare, s-au luat n considerare pentru eantioanele experimentale doar telefoane mobile fr clapet, dup cum se arat n fig. 7.7.

Pentru a identifica elementele de form a telefoanelor mobile utilizate n mod obinuit pe pia, se selecteaz pentru nceput 100 de telefoane mobile de diveri productori i diverse modele, care au intrat pe piata n perioada 1999-2001. S-a rugat apoi primul grup format din 15 persoane de a clasifica aceste 100 de telefoane mobile dup gradul lor de similitudine, folosind metoda Kawakida Jirou (Cross, 1994). Aceast metod a fost introdus de Kawakida Jirou n 1953, pentru a clasifica idei, concepte, sau obiecte n mai multe grupuri n funcie de gradul lor de similitudine.

Fig.7.7. 33 de eantopane reprezentative de telefoane mobilen continuare, s-a efectuat analiza scalrii multidimensionale (MDS - multidimensional scaling) i analiza de grup (Hair et al., 1995) bazat pe separarea rezultatului obinut de la cei 15 participani. Acest rezultat a fost apoi utilizat pentru a extrage cele 33 de eantioane reprezentative de telefoane mobile (aa cum se arat n Fig.7.7) pentru identificarea elementelor comune de form i, ulterior, pentru construirea i testarea modelului logic fuzzy. Procedeele experimentale pentru extragerea eantioanelor de telefoane mobile sunt sintetizate n urmtorii nou pai (Lai et al., 2005, 2006; Lin et al., 2001):

Pasul 1: Se selecteaz 100 de telefoane mobile de diveri productori i diverse modele. Pasul 2: Se fac 100 de cri mici de hrtie n funcie de mrimea original a fiecrui telefon mobil. Pasul 3: Se separ crile mici de hrtie n grupuri diferite n funcie de gradul lor de similitudine, folosind metoda KawakidabJirou. Pasul 4: Se construiete o matrice de similitudine din rezultatul obinut la separarea de la Pasul 3. Pasul 5: Se transform matricea asemnrii ntr-o matrice de neasemnare pentru analiz la Pasul 6. Pasul 6: Se aplic analiza MDS la datele matricei de neasemnare. Pasul 7: Se aleg mai multe dimensiuni, ca urmare a analizei MDS cu variabile de corectare a colurilor i a variabilelor tensiunii.Pasul 8: Se efectuiaz analiza de grup bazat pe rezultatul MDS, i apoi se genereaz o diagram arbore de grup . Pasul 9: Se extrag eantioane reprezentative pentru telefoanele mobile bazat pe diagrama de grup de tip arbore.

7.5.3.3. Analiz morfologic a elementelor de form a produsului

Se folosete o analiz morfologic n dou etape, pentru a extrage elementele de form de a celor 33 de eantioane reprezentative date n figura 7.7. n prima etap, cele cinci persoane (experti n design de produs) din al doilea grup au fost rugai s scrie individual, elementele de form cheie a telefoanelor mobile n funcie de cunotinele i experiena lor. Rezultatele sondajului au fost grupate n dou pri: caracteristica de form i forma de tratament. Caracteristica de form include: mrimea i forma componentelor de contur care alctuiesc telefonul mobil, cum ar fi butoanele, ecranul sau carcasa. A 2-a parte indic relaia dintre componentele de contur, de exemplu, aranjarea echidistan a butoanelor sau rata dimensiunii ecranului i carcasa. n a doua etap, cei cinci experi au format un focus grup (Nielsen, 1993) pentru a combina opinii similare ale rezultatelor experimentului. Ca rezultat al analizei morfologice,

Tabelul 7.2 prezint cele nou elemente extrase din cele 33 de eantioane reprezentative pentru telefonul mobil, mpreun cu tipurile lor de form asociate. Fiecare element de forma are diferite tipuri de form proprii, variind de la 2 la 4, dup cum este indicat de numerele 1, 2, 3 sau 4 din tabelul 1. De exemplu, elementul de form '' (X3 din partea de jos)''are trei tipuri de form, inclusiv linia (L, X31), curba (C, X32) ,i arc-ul (A, X33)''.Tabel 7.2Analiza morfologic a celor 33 de eantioane reprezentative de telefoane mobile

7.5.3. 4. Percepia consumatorului despre imaginea produsului

Cele 15 persoane din al treilea grup au fost implicate n evaluarea gradului n care cele 33 de eantioane reprezentative de telefon mobil se potrivesc cu o imagine dat a unui anumit produs. Perechi de cuvinte sunt adesea folosite pentru a descrie sentimentul psihologic al consumatorului i percepia despre imaginea unui produs nou. Pentru a extrage imaginile de perechi de cuvinte reprezentative pentru a descrie percepia consumatorului cu privire la imagine de produs a telefoanului mobil, s-au efectuat urmtoarele etape (Lin et al., 2001): Pasul 1: Se colecteaz un set mare de perechi de imagini de cuvinte din reviste si cataloage de produse. Pasul 2: Se evalueaz perechile de imagini de cuvinte colectate utiliznd metoda de difereniere semantic (SD) (Osgood i Suci, 1957).

Pasul 3: Se aplic analiza factorilor i analiza de grup la rezultatul SD obinute la pasul2

Pasul 4: Se determin perechile de imagini de cuvinte reprezentative a imaginii produsului pe baza analizelor efectuate la Pasul 3.

n cele din urm se selecteaz trei perechi de imagini de cuvinte reprezentative pentru a descrie imaginile de produs pentru telefoanele mobile, printre care simplu-complex (S-C), dragu (hansome)-rustic (H-R) i de agrement (leisure)-formal (L-F).

S-au folosit apoi aceste trei perechi de cuvinte pentru a evalua percepia consumatorului despre cele 33 de eantioane reprezentative pentru telefonul mobil, folosind teoria cantitativ de tip I (Nagamachi, 1989) i metodele reelelor neuronale (Nelson i Illingworth, 1991). Rezultatele ambelor metode au artat c perechile de cuvinte S-C (coeficientul de determinare (R2) fiind 0.80 i rata de predicie (PR) fiind 91.67%) au avut cea mai mare predicie de coeren, n comparaie cu perechi le de cuvinte H-R (R2 fiind 0.69 i PR fiind 75.00%) i L-F (R2 fiind 0.76 si PR fiind 50.00%).

Ca atare, s-a folosit perechea de cuvinte S-C ca fiind imaginea produsului primar pentru telefoanele mobile n scopul de a construi modelul logic fuzzy ca o ilustrare pentru abordarea logicii fuzzy dezvoltat n aceast lucrare. Dou alte imagini de produs au fost utilizate pentru evaluarea performanelor n continuare a modelului logic fuzzy. S-a folosit o scar de apte puncte (1-7) a metodei SD pentru a obine valoarea de evaluare pentru imaginea S-C a unui telefon mobil dat.

Cele 15 persoane din al treilea grup au fost rugate s evalueze forma produsului (aspectul) din cele 33 de eantioane reprezentative pentru telefonul mobil pe o scara 1-7 pentru simplitate-complexitatea , unde 1 i 7 au reprezentat cel mai simplu aspect i respectiv cel mai complex.

Tabel 7.3Sursa numeric de date pentru cele 33 de eantioane reprezentative de telefon mobil Tabelul 7.3 reprezint rezultatul evalurii. Pentru fiecare telefon mobil n tabelul 7.3, prima coloan indic numrul telefonului mobil i coloanele 2-10 arat tipul de numr corespunztor pentru cele nou elemente de form, aa cum figureaz n tabelul 7.2

. De exemplu, telefonul mobil cu nr. 18 are cea mai ''simpl'' imagine de produs, cu o valoare medie S-C de 2.533, comparativ cu alte telefoane mobile, precum i tipul numrului su corespunztor din cele nou elemente de form sunt X1 L 2, X2 L 3, X3 L 1, Y , i respectiv X9 L 2. Tabelul 2 ofer sursa numerice de date pentru construirea regulilor fuzzy pentru a determina valoarea imaginii S-C pentru un anumit telefon mobil.7.5.4. Modelul logic Fuzzyn aceast seciune, se explic modul n care modelul logic fuzzy cu regulile "fuzzy" pot fi construite pentru a determina valoarea imaginii S-C pentru un anumit telefon mobil. Construirea unui model de logica "fuzzy" implic definirea variabilelor lingvistice de intrare i ieire, precum i construirea regulilor fuzzy.

7.5.4.1. Definirea variabilelor lingvistice de intrare i ieire

Pentru a afla factorii de influen a unui produs i pentru a descrie o imagine a unui anumit produs, analiza relaional gri (GRA- grey relational analysis) (Deng, 1982) poate fi utilizat (Lai et al., 2005). S-a efectuat GRA pentru a determina elementele de form cele mai influente de telefoane mobile pentru imaginea S-C. Cu o valoare cuprins ntre 0 i 1, gradul relaional gri r(X0, Xi) ntre imaginea S-C (Xo) i fiecare element din cele nou formate (Xi, i = 1, 2,..., 9) se obine de ctre GRA, dup cum urmeaz:

r(X0;X1)= 0.811; r(X0;X2)=0.755; r(X0;X3)=0.714,

r(X0;X4)= 0:794; r(X0;X5)=0.795; r(X0;X6)= 0.751,

r(X0;X7)= 0.681; r(X0;X8)= 00758; si r(X0;X9)= 0.659.

n cazul n care r(X0, Xi)>r(X0, Xj) atunci elementul de form Xi este mai aproape de imaginea S-C X0 dect elementul de form Xj. Cu ct este mai mare valoarea r(X0, Xi),cu att mai influent este elementul de form Xi. Ca atare, elementul de form a prii superioare (X1), cu cea mai mare valoare GRA de 0.811, afecteaz imaginea S-C cea mai mult, urmat de elementul (X5) ''stilul butoanelor de funcie'' i ''raportul dintre lungimea i limea corpului'', elementul (X4) . Acest lucru implic faptul c design-erii ar trebui s-i concentreze atenia mai mult pe aceste trei elemente de form cele mai influente, cnd obiectivul este de a concepe un telefon mobil cu o imagine S-C dorit i reuit.

Dimpotriv, design-erii pot s acorde o atenie mai sczut pentru elementele de form mai puin influente, cum ar fi '' stilul conturului''(X9), ''dimensiunea ecranului'' elementul (X7), precum i elementuli (X3) ''forma de de baz'' deoarece aceste elemente au o contribuie relativ mic la percepia consumatorilor, a imaginii S-C. Rezultatul GRA poate ajuta design-erii de produs s se concentreze pe elementele de form cele mai influente iar acest metod poate fi folosit pentru a simplifica procesul de modelare, precum i performana modelului construit nu va fi compromis de utilizarea doar a elementelor cele mai influente.

n continuare se vor construi regulile fuzzy ale modelului logic fuzzy folosind cele mai influente ase elemente de form de telefoane mobile pentru imaginea S-C. Ca atare, ase variabilele lingvistice de intrare sunt utilizate n regulile fuzzy: - forma prii superioare (X1, GRA= 0.811),- forma corpului (X2, GRA= 0.755),- raportul dintre lungimea i limea corpului (X4, GRA = 0.794),- stilul butoanelor de funcie (X5, GRA= 0.795),- aranjamentul butoanelor cu numere (X6, GRA= 0.751), - faa ecranului i butoanele de funcii (X8, GRA = 0.758). Variabila lingvistic de ieire (y) este imaginea S-C, a crei valoare este valoarea medie S-C evaluat de ctre cei 15 participani din al treilea grup, dup cum se arat n tabelul 7.3.

7.5.4.2. Determinarea funciilor de membru al variabilelelor lingvistice

Numerele fuzzy pot avea o varietate de forme. O form triunghiular sau trapezoidal ofer deseori o reprezentare adecvat a cunotinei de specialitate, i simplific n mod semnificativ procesul de calcul (Yeh i Deng, 2004). n aplicaii practice, forma triunghiular sau trapezoidal a funciei de membru este utilizat cel mai adesea pentru reprezentarea numerelor fuzzy (Klir i Yuan, 1995). Ecuaia. (7.10) arat funcia de membru A(x) a unui numr fuzzy triunghiular reprezentat printr-un triplu (a, b, c), unde a, b, i c sunt numere reale, cu abc:

(7.10) Numrul triunghiular fuzzy (a, b, c) poate fi folosit pentru a da valoarea aproximativ unei clase lingvistice. b este valoarea cea mai posibil a clasei, i a si c sunt limitele inferioare i superioare, respectiv, utilizate pentru a reflecta valorilor vagi ale clasei. n acest studiu de caz, se utilizeaz funciile de membru triunghiulare sau trapezoidale pentru a reprezenta valorile diferitelor tipuri de form (adic termenii lingvistici) din cele ase elemente de form, utilizate n regulile fuzzy a modelului logic fuzzy, dup cum se arat n figura 7.8.

Fiecare variabil lingvistic din fig.7.8 este definit n funcie de numrul tipului de form al elementul su de forma de baz, prezentat n tabelul 7.2. De exemplu,''forma prii superioare (X1)''are patru tipuri de form (linie, curba, arc, i form neregulat). Prin urmare, patru termeni lingvistici (linie, curb, arc, i neregulat), caracterizai prin patru numere triunghiulare fuzzy sunt utilizate, dup cum se arat n tabelul 7.4 i fig. 7.8 (a).

Valoarea scar de 1-3 este dat pentru o form specific a parii superioare, pentru a indica gradul n care se potrivete cu primele trei tipuri de form a prii superioare caracterizate prin termenii corespunztori (linie, curba, i arc). De exemplu, o valoare de 2,5 indic forma real a prii superioare, care este o combinaie de 50% a Tipului 2 (curba) i 50% a Tipului 3 (ARC) a elementului de form '' a parii superioare '' definite n tabelul 1. Se folosete o singur valoare 4 pentru forma ''neregulat'' pentru a indica faptul c aceast tip de form nu are relevan cu primele trei tipuri.

Fig.7.8. Funciile de membru al termenilor lingvistici pentru variabilele lingvistice utilizate n modelul logic fuzzy: (a) forma prii superioare (X1), (b) forma corpului (X2), (c),dintre lungimea i limea corpului (X4), (d) stilul butoanelor de funcie (X5), (e) aranjamentul butoanelor cu numere (X6), (f), faa ecranului i butoanele de funcii (X8), (g) valoarea S-C (Y)..

Dup cum sa discutat n seciunea 7.5.3.4, pentru cele 15 exemple s-a folosit o scar de apte puncte a metodei SD pentru a evalua gradul n care aspectul fiecrei din cele 33 de eantioane reprezentative de telefon mobil se potrivesc cu imaginea S-C. Ca rezultat, se obine valoarea S-C, variind dela 1 la 7 cum se vede n tabelul 7.3.Cele apte posibile valori S-C sunt fuzzificate cu apte numere triunghiulare fuzzy care s reprezinte valoarea celor apte faze (apte termeni lingvistici) a imaginii S-C (ca variabil lingvistic de ieire), cum se arat n Tabelul 7.4 i Fig . 7.8,g.Tabel 7.4

Numere triunghiulare fuzzy a elementului de form (X1) a prii superioare

7.5.4.3. Construirea regulilor fuzzy

Pentru a obine reguli fuzzy ntr-un mod obiectiv, cele 15 exemple au fost evaluate individual din perspectiva formei produsului din cele 33 de eantioane reprezentative de telefon mobil i notate cu S-C, fiind scar de la 1-7, aa cum sa discutat n seciunea 2.4.

Valoarea medie a evalurii subiecilor luai ca exemplu este utilizat ca ieire pentru regulile fuzzy, i, de obicei are un membru parial n termenii corespunztori lingvistici dup cum se arat n Fig. 3. De exemplu, valoarea medie S-C a telefonului nr. 2 este 3.13, aa cum figureaz n tabelul 7.3.

Fig. 7.9. arat c, valoarea S-C de 3.13 este un membru al termenului lingvistic "S" (simplu), cu un grad de membru de 0.87 (= (1-0) x (4-3.13) / (4-3)+ 0) , i este, de asemenea, un membru al termenului lingvistic "N" (neutru), cu un grad de membru de 0.13 (= (1-0) x (3.13-3) / (4-3) + 0).

Fig. 7.9. Grade de membru al unei valori S-C, n termeni lingvistici de ieire.

Gradul de membru reprezint gradul de sprijin (DoS) pentru regula corespunztoare. Cu o gam de valori cuprins ntre 0 i 1, DoS indic greutatea regulii (Negnevitsky, 2002). Ultima coloan din tabelul 7.5 indic DoS-ul regulilor fuzzy. Pentru a reflecta produsul sub forma procesul de proiectare care implic mai multe elemente de form, vom folosi regulile fuzzy cu condiii multiple (antecedente), dup cum urmeaz:

Relul: DAC X1 ESTE A1 i X2 ESTE A2 . . .I Xn ESTE An ATUCNI Y ESTE B,

unde, A1, A2,...... An i B sunt termeni lingvistici fuzzy, luati ca variabilele lingvistice de intrare X1, X2....... Xn i respectiv variabilele lingvistice de ieire Y. Aceti termeni sunt reprezentate de un numr triunghiular sau trapez fuzzy. Cu studiul experimental pe 33 de eantioane reprezentative de telefoane mobile, un set de 66 (33x2 =66) de reguli fuzzy sunt construite.

Fiecare regul fuzzy este asociat unei anumite combinaii de elemente de forma de telefon mobil, cu o valoare de stat a imaginii S-C. Tabelul 7.5 prezint aceste reguli fuzzy.

De exemplu, Regula 1 prevede c ''dac forma din partea superioar a telefonului (X1) este curb (C), forma corpului (X2) este ridicat curb (RC), lungimea i limea raportul corpului (X4) este raportul subire (SR ), stilul butoanelor pentru funcii (X5) este stilul simetric (SS), aranjamentul butoanelor cu numere (x6) este neregulat (I), precum i faa ecranului i butoanele de funcie (X8) sunt dependente (D), atunci valoarea S-C este neutr (N), cu un grad de sprijin (DoS) de 0.53''.Tabel 7.5 Reguli fuzzy pentru determinarea valoarii S-C a elementelor de form a telefonului mobil

n procesul de inferen, toate regulile fuzzy sunt executate efectiv n paralel (Chang et al., 1998). Intrarea dat determin gradul de adevr (sau potrivire) pentru antecedentele corespunztoare n fiecare regul fuzzy. Acest lucru limiteaz gradul de adevr pentru consecin n regul la nu mai mult de acelai grad pentru oricare din antecedentele sale. Concluzia (ieirea) fiecrei reguli este astfel obinut prin trunchierea numrului fuzzy pentru consecina n regul ,de gradul minim de adevr pentru antecedentul su. Unind toate numerele trunchiate fuzzy pentru toate regulile efective fuzzy se obine concluzia inferen general , care este de asemenea un numr fuzzy.Acest numr fuzzy agregat , astfel reflect gradul de contribuie din fiecare antecedent, n setul dat de reguli fuzzy. Pentru a traduce numrul de agregate fuzzy obinut prin procesul de inferen, ntr-o aciune executabil, este necesar o metod de defuzzyficare. Defuzzzficarea unui numr fuzzy va avea ca rezultat o singur valoare scalar.

Pentru acest studiu, s-a folosit cea mai frecvent utilizat metod numit centrul -de-maxim (center-of-maximum (COM)) (Zimmermann, 1996), calculat ca

(7.11)unde i reprezint fiecare termen lingvistic a unei variabile de ieire lingvistice (de exemplu, imaginea S-C); Yi este maxima fiecrui termen lingvistic I (de exemplu, simple sau neutru), i (Yi) este funcia de membru de ieire agregat.

7.5.4.4. Testarea regulilor fuzzy

Pentru a verifica regulile fuzzy construite n determinarea valoarii S-C pentru o combinaie dat de elemente de form a telefonului mobil , se folosesc cinci eantioane de testare , prezentate n tabelul 7.6. Coloanele 2-7 din tabelul 6 arat tipurile corespunztoare pentru fiecare din cele ase elemente de form influente. Ultima coloan din tabelul 7. 6 arat de ieira corespunztoare valorii S-C, defuzzificat prin metoda defuzzification COM. Prin utilizarea unei scale de apte puncte, valoarea de ieire variaz de 1 la 7.

Tabel 7.6. Valorile de intrare i ieire a celor cinci modele testate

7.5.5. Evaluarea performanei i discuii

Pentru a examina posibilitatea de predicie a modelului logic fuzzy, vom compara performana acestuia cu reelele neuronale (NN) i cu modelele GRA- NN). Aceste modele pe baz de NN folosesc alte mode pentru a determina cea mai bun combinaie de elemente de form de telefon mobil, pentru realizarea unei anumite imagini de produs. Modelul NN folosete toate cele nou elemente de form identificate din studiul experimental, n timp ce modelul GRA-NN utilizeaz cele mai influente ase elemente, aa cum este folosit n modelul logic fuzzy. Prin urmare, modelul NN are 27 neuroni de intrare, care sunt cele 27 de tipuri din cele nou de elemente de form prezentate n tabelul 7.2.

Modelul GRA-NN are 18 neuroni de intrare, care sunt cele 18 tipuri a celor mai influente ase elemente . Tabelul 7.7 arat neuronii din modelul NN i modelul GRA-NN, inclusiv stratul de intrare, stratul ascuns, iar stratul de ieire. Pentru ambele modele, n cazul n care un telefon mobil are un anumit tip de element de form, valoarea corespunztoare a neuronului de intrare este de 1, n caz contrar, valoarea este 0. Neuronul de ieire al ambelor modele este valoarea S- C, variind de la 1 i 7. Pentru a evalua performana unui model, rdcina medie ptrat a erorilor (RMSE) este frecvent utilizat , dup cum urmeaz

(7.12)unde xi este a i-a valoare de ieire prezis de model i x0 valorile ateptate evaluate de ctre subieci n experiment.Tabelul 7.7.Neuroni ai modelului NN i GRA-NN

Tabelul 7.8. Rezultatul RMSE al regulii logice fuzzy, al modelului NN i GRA-NN

Dac nu exist nici o diferen sau eroare ntre valoarea de ieire i valoarea ateptat, RMSE este 0. Cu cele cinci probe de testare ca intrare, Tabelul 7.8 indic valoarea S-C corespunztoare estimat a acestora prin utilizarea modelului logic fuzzy, modele NN i respectiv GRA- NN. Ultima coloan din tabelul 7.8 indic rdcina medie ptrat a erorilora (RMSE) acestor modele, n comparaie cu valorile S-C evaluate de 15 subieci. Modelul logic fuzzy are cel mai mic RMSE (0.8645, 12.35% =0.864 / 7), n comparaie cu modelul NN (RMSE fiind 2.4787, 35.41% = 2.4787 / 7) i modelul GRA- NN (RMSE fiind 1.7094, 24.42% =1.7094 / 7).A doua coloan din Tabelul 7.8 indic valoarea S-C medie a celor cinci probe de testare, evaluate de ctre cei 15 subieci din al treilea grup, utiliznd metoda SD cu scala de apte puncte.

Rezultatul indic faptul c modelul logic fuzzy are cea mai mare coeren (87.65% =100-12.35%) pentru estimarea valorii imaginii S- C, prin urmare, sugernd c aceasta este o abordare promitoare pentru a potrivi un anumit set de elemente de form a unui produs cu o imagine specific de produs. Performan a modelului logic fuzzy sugereaz faptul c poate fi folosit pentru a ajuta pe designerii de produs s dezvolte cea mai bun combinaie de elemente de form de telefon mobil pentru un concept de design special, reprezentat de o pereche de cuvinte a imaginii produsului , cum ar fi simplu - complex, frumos-rustic, sau a tnr-vechi. Abordarea logic fuzzy, prin urmare ofer un mecanism eficient pentru proiectarea unui nou telefon mobil, care reflect o imagine de produs dorit .

De exemplu, designerii de produs pot utiliza modelul logic fuzzy, dnd valorile de intrare a elementelor de form, iar apoi pot obine valoarea prezis pentru imaginea de produs vizat. n cazul n care designerii de produse nu sunt mulumii cu valoarea estimat, ei pot modifica combinaia de elemente de form i ulterior, s obin o nou valoare . Acest proces poate fi efectuat n mod eficient pn cnd se obine valoarea mulumit. n cazul n care consumatorii sau designerii trebuie s ia n considerare mai mult de o imagine de produs, se pot aplica regulile fuzzy DAC-ATUNCI cu mai multe condiii.

De exemplu,Regul : DAC X1 ESTE A1 I X2 ESTE A2 . . .I Xn ESTE An,

ATUNCI Y1 ESTE B1 I Y2 ESTE B2 . . .I Yn ESTE Bn,

(7.13),n cazul n care A1, A2,.., An i B1, B2,..., Bn sunt termenii lingvistici fuzzy, luai pentru variabilele lingvistice de intrare X1, X2,..., Xn i respectiv variabilele lingvistice de ieire Y1, Y2,..., Yn. Variabilele lingvistice de ieire Y1, Y2,..., Yn reprezint un set de perechi de cuvinte a imaginii produsului.

De exemplu, designerii de produs pot da valorile de intrare a celor ase elemente de form de telefon mobil X1 =2, X2 =2, X4 =2, X5 = 2, X6 = 2, X8 = 1, or X1 =1, X2 =2, X4 =1, X5 =3, X6 =1, X8 =1 n modelul logic fuzzy, dup cum se arat n tabelul 7.9.

Apoi, modelul logic fuzzy va da valorile imaginii produsului ca '' valoarea S-C este 2.46, H-R este 4.60, i Y-R este 2.69'', sau '' valoarea S-C este de 1.80, H-R este 3.92, i Y-R este 3.76''.n plus, modelul logic fuzzy pote fi utilizat, mpreun cu un sistem de proiectare asisitat de calculator (CAD) sau de sistemul de realitate virtual (VR) (Jindo et al., 1995), pentru a construi un model 3-D pentru facilitarea i simularea procesului de proiectare.

Ca un exemplu, figura 7.10 prezint un model de 3-D, pentru cele dou telefoane mobile a cror elemente de form sunt prezentate n tabelul 7.9.

Tabel 7.9 . Dou seturi de elemente de form de telefon mobil ca intrri la modelul Logic fuzzy Logic

Fig. 7.10. Modele 3D realizate cu sistemul CAD7.5.6. Concluziin aceststudiu de caz s-a prezentat o abordare a logicii fuzzy pentru potrivirea elementelor de form cheie a unui produs cu o imagine de produs dat, aa cum este perceput de ctre consumatori. Pentru a ilustra abordarea, s-a efectuat un studiu experimental pe telefoanele mobile bazat pe procesul Kansei Engineering orientat ctre consumatori. Pentru a determina modul n care elementele de form a telefoanelor mobile pot fi combinate pentru a se potrivi cu o imagine dorit simpl-complex, s-a construit un set de reguli fuzzy. Aceste reguli fuzzy au fost generate n mod obiectiv, bazate pe evaluarea subiecilor din studiul experimental. Pentru a justifica aceast abordare, s-a comparat performana modelului logic fuzzy cu alte modele cum sunt NN i GRA-NN.Rezultatul experimental a demonstrat c modelul logic fuzzy are o performan mai bun. Acest lucru sugereaz c abordarea logica fuzzy este o metodologie alternativ promitoare pentru modelarea percepiei consumatorilor despre un produs, caracterizat de un set de elemente de design. Cu toate c telefoanele mobile sunt folosite ca un studiu de caz, abordarea poate fi aplicat i la alte produse, cu diverse elemente de design.

ReferineBaron, L., Achiche, S., Balazinski, M., 2001. Fuzzy decision support system knowledge base generation using a genetic algorithm. International Journal of Approximate Reasoning 28, 125148.

Chang, Y.-H., Yeh, C.-H., 2004. A new airline safety index. Transportation Research Part B: Methodological 38 (4), 369383.

Chang, Y.-H., Yeh, C.-H., Cheng, J.-H., 1998. Decision support for bus operations under uncertainty: a fuzzy logic approach. Omega 26, 367380.

Chuang, M.-C., Chang, C.-C., Hsu, S.-H., 2001. Perceptual elements underlying user preferences toward product form of mobile phones. International Journal of Industrial Ergonomics 27, 247258.

Cross, M., 1994. Engineering Design Methods. Wiley, London.

Deng, J.-L., 1982. Control problems of grey system. System and Control Letters 1, 288294.

Hair, J., Anderson, R., Tatham, R., Black, W., 1995. Multivariate Data Analysis. Macmillan Publishing, New York.

Hsiao, S.-W., Liu, M.-C., 2002. A morphing method for shape generation and image prediction in product design. Design Studies 23, 533556.

Hsiao, S.-W., Tsai, H.-C., 2005. Applying a hybrid approach based on fuzzy neural network and genetic algorithm to product form design. International Journal of Industrial Ergonomics 35, 411428.

Jindo, T., Hirasago, K., Nagamachi, M., 1995. Development of a design support system for office chairs using 3-D graphics. International Journal of Industrial Ergonomics 15, 4962.

Klir, G.R., Yuan, B., 1995. Fuzzy Sets and Fuzzy Logic Theory and Applications. Prentice-Hall, Upper Saddle River, NJ.

Lai, H.-H., Lin, Y.-C., Yeh, C.-H., 2005. Form design of product image using grey relational analysis and neural network models. Computers and Operations Research 32, 26892711.

Lai, H.-H., Lin, Y.-C., Yeh, C.-H., Wei, C.-H., 2006. User oriented design for the optimal combination on product design. International Journal of Production Economics 100, 253267.

Lin, Y.-C., Lai, H.-H., Guan, S.-S., 2001. A study of form and color collocation of mobile phones using Kansei methods. In: Proceedings of International Conference on Advanced Industrial Design (ICAID),Taiwan, pp. 137142.

Negnevitsky, M., 2002. Artificial Intelligence. Addison-Wesley, New York.

Nelson, M., Illingworth, W.T., 1991. A Practical Guide to Neural Nets. Addison-Wesley, New York.

Nielsen, J., 1993. Usability Engineering. AP Professional, New York.

Osgood, C.E., Suci, C.J., 1957. The Measurement of Meaning. University of Illinois Press, Urbana.

Park, J., Han, S.H., 2004. A fuzzy rule-based approach to modeling affective user satisfaction towards office chair design. International Journal of Industrial Ergonomics 34, 3147.

Yang, S.M., Nagamachi, M., Lee, S.Y., 1999. Rule-based inference model for the Kansei engineering system. International Journal of Industrial Ergonomics 24, 459471.

Yeh, C.-H., Deng, H., 2004. A practical approach to fuzzy utilities comparison in fuzzy multicriteria analysis. International Journal of Approximate Reasoning 35, 179194.

Yeh, C.-H., Deng, H., Chang, Y.-H., 2000. Fuzzy multicriteria analysis for performance evaluation of bus companies. European Journal of Operational Research 126, 459473.

Youji, S., Tomio, J., 1995. A fuzzy logic analysis method for evaluating human sensitivities. International Journal of Industrial Ergonomics 15, 3947.

Zimmermann, H.J., 1996. Fuzzy Set Theory and Its Applications. Kluwer, Boston.

_1128357743.unknown

_1128877555.unknown

_1388655715.unknown

_1388656100.unknown

_1128879671.unknown

_1128880853.unknown

_1388655706.unknown

_1128880394.unknown

_1128879321.unknown

_1128877021.unknown

_1128877263.unknown

_1128357882.unknown

_1128315871.unknown

_1128356084.unknown

_1128356176.unknown

_1128355908.unknown

_1128315058.unknown

_1128315147.unknown

_1128314845.unknown