文献

J-GLOBAL ID：202202278235755943   整理番号：22A0684169

新エネルギー自動車外装設計のための感性工学:インターネットビッグデータマイニングアプローチ【JST・京大機械翻訳】

Kansei engineering for new energy vehicle exterior design: An internet big data mining approach

著者 (5件)： Lai Xinjun (State Key Laboratory of Precision Electronic Manufacturing Technology and Equipment, Guangdong CIM Provincial Key Lab, School of Electro-Mechanical Engineering, Guangdong University of Technology, Guangzhou, China) ,  Zhang Sheng (State Key Laboratory of Precision Electronic Manufacturing Technology and Equipment, Guangdong CIM Provincial Key Lab, School of Electro-Mechanical Engineering, Guangdong University of Technology, Guangzhou, China) ,  Mao Ning (State Key Laboratory of Precision Electronic Manufacturing Technology and Equipment, Guangdong CIM Provincial Key Lab, School of Electro-Mechanical Engineering, Guangdong University of Technology, Guangzhou, China) ,  Liu Jianjun (State Key Laboratory of Precision Electronic Manufacturing Technology and Equipment, Guangdong CIM Provincial Key Lab, School of Electro-Mechanical Engineering, Guangdong University of Technology, Guangzhou, China) ,  Chen Qingxin (State Key Laboratory of Precision Electronic Manufacturing Technology and Equipment, Guangdong CIM Provincial Key Lab, School of Electro-Mechanical Engineering, Guangdong University of Technology, Guangzhou, China)
資料名： Computers & Industrial Engineering  (Computers & Industrial Engineering)
巻： 165  ページ： Null  発行年： 2022年 
JST資料番号： D0502B  ISSN： 0360-8352  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 電子自動車のような新しいエネルギー自動車(NEV)は自動車産業における主要な傾向を表しており,そこでは,ほとんどの外部設計が,まだ,従来の燃料自動車(FV)のそれらに追従している。NEVユーザが,従来のユーザとは異なるユニークな要求を持つかどうかを調べることは,重要である。感性工学は,知覚的需要分析のための実用的ツールである。しかし,従来の方法は,限られたデータ収集を行うためのアンケートまたは調査を必要とする。本研究では,NEV外部設計に対するユーザKansei要求を収集するために大規模インターネットデータを利用した。Scrapy crawlerをデータ収集のために採用し,双方向長短期メモリ,条件付きランダム場,および多層パーセプトロンフレームワークをテキストマイニングのために開発した。設計特徴およびKansei画像スコアを定量化するために,ハイブリッドApriori+構造方程式モデル(SEM)システムを提案して,そこで,データ駆動Aprioriアルゴリズムは,大きなユーザ生成コメントにおける隠れ関係を探索することができ,一方,SEMモデルは,解釈可能な結果を提供するために,ユーザの挙動および決定手順を捉えた。さらに,Aprioriによるユーザコメントからマイニングされた相関ルールは,複雑なSEMモデルの仕様を容易にし,モデリングとキャリブレーション努力を大幅に削減できる。適合結果は,提案モデルが従来のモデルより優れていることを示唆する。1805自動車,287ブランド,および369105コメントに関する事例研究を行い,結果は,従来のFVのKansei画像スコアを増加させるいくつかの設計特徴が,NEVに逆効果を持つかもしれないことを示唆する。工学と管理の洞察に関する議論を示し,発見された規則と関係を用いて設計支援システムを開発した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  CAD【計算機】 ,  *自動車 ,  ブランド ,  需要分析 ,  モデリング ,  モデル ,  事例研究 ,  データ収集 ,  知識獲得 ,  多層パーセプトロン ,  学習アルゴリズム
準シソーラス用語： テキストマイニング ,  Aprioriアルゴリズム ,  構造方程式モデリング ,  *外装 ,  データ駆動 , 【Automatic Indexing@JST】

著者キーワード (5件)： 感性工学 ,  自動車外装 ,  テキストマイニング ,  構造方程式モデル ,  深層学習

分類 (5件)： 数理計画法  (KA03030M) ,  人間機械系  (IB03000G) ,  図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  工程管理  (KB03030P)

タイトルに関連する用語 (4件)： 新エネルギー ,  自動車 ,  外装設計 ,  感性工学