کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
9951809 1428031 2018 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Balancing homogeneity and heterogeneity in design exploration by synthesizing novel design alternatives based on genetic algorithm and strategic styling decision
ترجمه فارسی عنوان
تعادل یکنواختی و ناهمگنی در اکتشاف طراحی با تلفیق جایگزین های طراحی جدید بر اساس الگوریتم ژنتیک و تصمیم گیری استراتژیک است
کلمات کلیدی
طراحی محاسباتی، جایگزین طراحی اکتشاف طراحی، استراتژی طراحی طراحی سنتز، نگاه خانوادگی،
ترجمه چکیده
طراحان به طور مداوم و همواره پیش نویس و توسعه مفاهیم و دستورالعمل های کلی برای شناسایی راه حل که به بهترین وجه متناسب با اهداف یک ظاهر طراحی شده طراح سرب است. طراحان اغلب با تظاهرات طراحی مواجه می شوند که شناختی برای کشف ترکیب های مختلف طراحی می کنند. همانطور که تیم های طراحی طیف وسیعی از فضاهای طراحی طراحی یک استراتژی طراحی خاص را بررسی می کنند، فرصتی برای روشی محاسباتی برای بهبود فرایند ظاهر وجود دارد. با در نظر گرفتن شباهت ظاهر محصول و استراتژی یک ظاهر طراحی شده در سنتز طراحی محاسباتی، می توان ترکیباتی را کشف کرد که در غیر این صورت توسط طراحان انسانی مورد بررسی قرار نگرفت. مطالعات متعدد در مورد سنتز طراحی انجام شده است. با این حال، تمرکز بر سنتز مورفولوژیکی طرح با تصمیم گیری استراتژیک یک ظاهر طراحی شده است. با توجه به این، مطالعه پیشنهادی یک روش برای تلفیق ظاهر خودرو بر اساس شباهت ظاهر محصول برای اکتشاف طراحی موثر در مرحله تولید مفهوم را توسعه می دهد. شباهت های محصولات در نسل های مختلف، پرتفوی محصولات و محصولات رقبا برای ارزیابی تصمیم گیری استراتژیک طراحی محاسبه می شود. نتایج تصمیم اتفاقی استراتژیک برای تدوین یک برنامه تناسب اندام استفاده می شود. یک ظاهر طراحی شده با استفاده از یک الگوریتم ژنتیکی بر اساس این عملکرد تناسب برای تولید ظاهر خودرو مطابق با تصمیم طراحی استراتژیک است. در این راستا، طراحان می توانند به صورت محاسباتی از گزینه های نوین طراحی استفاده کنند که هر دو همگن (نگاه خانواده به طراحی) و ناهمگونی (روند طراحی در بازار) را با تعیین محل کاوش مورد نظر طراحی می کنند. در نهایت، روش سنتز سبک ارائه شده در این تحقیق می تواند طراحان را به استفاده از تجسم تدریجی استراتژی های طراحی ظاهری برای تصمیم گیری های موثرتر و کارآمد مدیریت طراحی کمک کند. برای انجام این کار، پنج وظیفه اصلی را انجام می دهیم: ابتدا داده های طراحی ماشین برای سنتز طراحی جمع آوری می شوند. دوم، شباهت ظاهر محصول برای اندازه گیری تصمیم گیری استراتژیک یک ظاهر طراحی شده است. سوم، اعتبار سنجی سنتز برای بررسی اینکه آیا روش پیشنهادی می تواند طرح های خارج از جعبه ایجاد کند، انجام می شود. چهارم، الگوریتم ژنتیک برای ساختن طرح های خودرو با توجه به تصمیم طراحی استراتژیک استفاده می شود. در نهایت، یک سری مصاحبه عمیق با متخصصین و آزمایشهای اعتبارسنجی با طراحان خودرو در خانه برای بررسی تاثیر روش پیشنهادی انجام می شود. نتایج نشان داد که طراحان می توانند به طور کمی اندازه گیری و مقایسه استراتژی های یک ظاهر طراحی شده در هر نام تجاری را انجام دهند و سپس ارتقاء طراحی را انجام دهند و در عین حال حفظ سبک خاصی نیز داشته باشند. به همین ترتیب، جایگزین های طراحی شده با محاسبات، رضایت را در سهولت، زمان، انعکاس عینی و تکرار نتایج طراحی در هنگام طراحی استراتژی های طراحی در مرحله تولید مفهوم بهبود می بخشند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
تعادل یکنواختی و ناهمگنی در اکتشاف طراحی با تلفیق جایگزین های طراحی جدید بر اساس الگوریتم ژنتیک و تصمیم گیری استراتژیک است
چکیده انگلیسی
Designers constantly and consistently draft and develop both general concepts and directions to identify the solution that best fits the styling objectives of the lead designer. Designers often confront design fixations that cognitively clash to explore different design combinations. As design teams explore the range of possible design spaces of a certain design strategy, there is an opportunity for computational approaches to improve the styling process. By implementing product appearance similarity and styling strategy in computational design synthesis, it is possible to discover combinations that would otherwise remain unexplored by human designers. Numerous studies on design synthesis have been conducted. However, there has been no focus on the morphological synthesis of designs with strategic styling decisions. Considering this, the proposed study develops a method to synthesize car styling based on product appearance similarity for effective design exploration in the concept generation phase. The similarities of products across different generations, product portfolios, and competitors' products are calculated to evaluate the strategic styling decision. The results of the strategic styling decision are used to formulate a fitness function. Car styling is then synthesized with a genetic algorithm based on this fitness function to generate car styling in accordance with the target strategic styling decision. In this respect, designers can computationally synthesize novel design alternatives that consider both homogeneity (family look in design) and heterogeneity (design trend in the market) by pinpointing the desired design exploration area. Ultimately, the style synthesis methodology proposed in this research can help designers to utilize the gradual visualization of styling strategies for more effective and efficient managerial design decisions. To do this, we conduct five major tasks: first, car design data are collected for design synthesis; second, the product appearance similarity is calculated to measure the strategic styling decision; third, synthesis validation is conducted to test whether the proposed methodology can create outside-the-box designs; fourth, a genetic algorithm is used to synthesize car designs in consideration of the strategic styling decision; finally, a series of in-depth interviews with experts and validation experiments are conducted with in-house automobile designers to examine the impact of the proposed methodology. The results showed that designers can quantitatively measure and compare the styling strategies of each car brand, then implement design upgrades, while still maintaining that specific style. Correspondingly, computationally generated design alternatives improve the satisfaction in ease, time, objective reflection and novelty of design outcomes when formulating design strategies in the concept generation phase.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Advanced Engineering Informatics - Volume 38, October 2018, Pages 113-128
نویسندگان
, ,