Cap.7.

Utilizarea inteligenei artificiale n tehnologiile de asamblare

n 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:
*

x D *y

Se utilizeaz la gruparea i clasificarea evenimentelor, la minimizarea

variabilelor aparintoare unei clase sau la reducerea unor dimensiuni.
Transformri de rotaie
x A* y ,

dar n acest caz A 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:
T
k
k
k 1
D k y y m y C y k y k m y
(7.1 )

y aparintoare clasei Sk i clasa

Aceast relaie definete distana dintre proba
k
Sk descris de media m y i matricea covariant C . Distana Mahalobian
dintre cele dou clase este:
T
1
i
i
j
i
j
D i , j m y j m y 1 / 2 C y C y m y m y
( 7.2)
k

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:
1 t
Z t yi unde t h sunt mrimi discrete ntregi.
h i t h
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 analitic
Un 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 SUFICIENT

Intrare:

FOR :

MARE
NORMAL

Ieire :

BANDA
TRANSPORTOARE:

UZAT,NEUNS
CORESPUNZTOARE

Fig.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 utilizare

Dintre 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 neurale

Este 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 :
xj

yw
i

ij

(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:

yj

1
1 e

(7.4)

x j

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 :
E

1
yi d j 2 ,

2 j

(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:
E j

E
yj dj
y j

(7.6)

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

EI j

E
E y j

E j y j 1 y
x j y j x j

(7.7)

3. Calculeaz modificarea erorii n funcie de coeficientul de ponderabilitate

ataat oricrei conexiuni ataate unitii de ieire:
EPij

E
E x j

EI j y j .
wij x j wij

(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:
E j

yi

E x j

j yi

x
j

EI

wij .

(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 intervenie
Cea 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, designerii 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 19992001. 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 mobile

n 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 7.2
Analiza 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 7.3
Sursa 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 Fuzzy
n 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 GRANN). 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, HR
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 CAD

7.5.6. Concluzii
n 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.

Referine
Baron, 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. AddisonWesley, 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.