Resumen

Las necesidades kansei de los consumidores reflejan su percepción sobre un producto y siempre constan de un gran número de adjetivos. Reducir la complejidad dimensional de estas necesidades para extraer las palabras primarias no sólo permite posicionar explícitamente el producto objetivo, sino que también proporciona una base de diseño conveniente para los diseñadores que se dedican al trabajo de diseño. En consecuencia, este estudio emplea una matriz de estructura de diseño numérico (NDSM) mediante la parametrización de una DSM convencional y la integración de algoritmos genéticos para encontrar agrupaciones Kansei óptimas. Se aplica un método de escala de cuatro puntos para asignar pesos de enlace de cada dos adjetivos Kansei como valores de las celdas al construir una NDSM. Se utilizan algoritmos genéticos para agrupar el NDSM Kansei y encontrar agrupaciones óptimas. Además, se presenta el proceso del método propuesto. Los detalles del enfoque propuesto se ilustran utilizando un ejemplo de patinete electrónico para la agrupación de necesidades Kansei. El estudio de caso revela que el método propuesto es prometedor para agrupar los adjetivos de las necesidades Kansei en el diseño emocional del producto.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:métodos propuestos, algoritmo genético, valor de la celda, matriz de estructura de diseño, base de diseño conveniente, kansei, número de adjetivo, métodos de escala de puntos, agrupación óptima de kansei, dsm convencional
• Keywords:proposed methods, genetic algorithm, value of cell, design structure matrix, convenient design basis, kansei, number of adjective, point scale methods, optimum kansei cluster, conventional dsm