| 研究課題/領域番号 |
17K00737
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
デザイン学
|
|---|
| 研究機関 | 豊田工業大学 |
|---|
研究代表者 |
小林 正和 豊田工業大学, 工学部, 准教授 (40409652)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2019年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2018年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
2017年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
|
|---|
| キーワード | 感性工学 / 意匠設計 / ロバスト設計 / 多目的最適化 / クラスタリング / 深層学習 / タグチメソッド / 人工ニューラルネットワーク / 畳み込みニューラルネットワーク / 敵対的生成ネットワーク / 応答曲面法 / 設計工学 / ロバスト最適化 |
|---|
| 研究成果の概要 |
本研究では，顧客の感性にばらつきがあっても，すべての顧客が満足できる製品意匠を生成するために，ファジークラスタリングとタグチメソッドおよび，多目的遺伝的アルゴリズムに基づく，ロバスト最適意匠設計法を構築した．ケーススタディでは，100名の被験者を対象に，自動車のフロントマスクの設計に提案手法を適用し，提案手法を用いることで，顧客間の選好のばらつきを抑えつつ，すべての顧客が高い選好を示す製品意匠を導出することができた．
本研究では，感性工学における深層学習の適用可能性についても研究を行い，深層学習を用いることで，製品意匠と選好の対応関係を学習，推論できることや，選好の理由を分析できることを示した．
|
| 研究成果の学術的意義や社会的意義 |
提案手法を用いることで，デザイナーの知識・経験に基づくのではなく，顧客の声（アンケート）に基づく製品意匠設計が可能になった．また，提案手法は，顧客の感性のばらつきの影響を低減することができるため，工業製品のように多数の顧客を対象とする製品にも適用可能な点が新しい．
感性工学における深層学習の適用については，その適用可能性を示した点に加えて，大量のアンケートに回答しなければならないという顧客の負担や，選好や印象の評価を学習データにすることによって生じる学習データの不確実性，不正確性など，今後考慮すべき課題を明らかにした点が新しい．
|
