Resumen

Aplicación de
la Ingeniería La Ingeniería Kansei, relaciona
las emociones que sienten
Kansei los consumidores con las
características y propiedades
con redes que poseen los productos a
través de la estimación de un
neuronales modelo matemático, que permite
establecer cuáles tienen mayor
relación con las emociones,
permitiendo al diseñador,
*Gerardo Avendaño P. PhD incorporarlas con el fin de activar

Revista de la Facultad de Ingeniería-ONTARE

**Héctor René Álvarez L. PhD. los factores que las intensifican y
dar soluciones efectivas de diseño.
Fecha de recepción: 17 de abril de 2013
Fecha de aprobación: 2 de mayo de 2013
Pag. 7 a 27 Tradicionalmente, la formulación y
estimación del modelo matemático,
se hace través de un modelo
* Postdoctorado Penn State University, de regresión múltiple (QT1) y
Manufacturing Engenniering. Doctora- análisis factorial; sin embargo,
do Universidad Politécnica de Valen- una de las desventajas es que
cia, Métodos Estadísticos Avanzados. está condicionado a cumplir los
Especialización en Ingeniería de Pro- supuestos del modelo. En este
ducción, Universidad Distrital Francis- trabajo, se muestra cómo las redes
co José de Caldas. Pregrado en Inge- neuronales se pueden aplicar en
niería Química, Universidad Nacional los estudios de Ingeniería Kansei y
de Colombia.
nos da resultados similares, permi-
** Consultor Senior Productiva de Co- tiendo que se puedan utilizar
lombia Ltda. Doctorado Universidad cuando no se cumplen los
Politécnica de Cataluña Aplicaciones supuestos estadísticos.
Técnicas e Informáticas de La Estadis.
Maestría Universidad Nacional de Co-
lombia, Magister en Estadística, Espe-
cialización Universidad Distrital Fran- Palabras clave
cisco José de Caldas, Especializacion
en Ingeniería de Producción, Pregrado Ingeniería Kansei
en Matemáticas, Universidad Nacional Red neuronal
de Colombia. Modelo de síntesis
Diseño emocional
Número 1/Universidad EAN/ Facultad de Ingeniería/2013

Abstract

Kansei Engineering (emotions)

relates that consumers feel with
features and properties that have
the products through the estimation
of a mathematical model, which
allows for properties which are high
relative to the emotions, allowing
the designer incorporate these
relations to activate factors which
enhance the Kansei design and
give effective solutions.

Traditionally the development

Kansei
8
of the mathematical model and
estimation is done through a
Engineering
multiple regression model (QT1)
and factor analysis, one of the
applications
disadvantages of the estimation of
this model is that is conditioned to
with neural
meet the model assumptions. This
paper shows how neural networks
networks.
can be applied in studies of Kansei
Engineering and gives similar
results, allowing for use when no
statistical assumptions are met.

Keywords
Kansei Engineering
Neural Network
Model Synthesis
Emotional Design
 1. Introducción

L a ingeniería Kansei (IK), es

una metodología creada en
Japón en los años 80 por Mitsuo
Conjunto de sentimientos y emo-
ciones que se perciben de un pro-
ducto en el con-texto funcional y
Nagamachi. Busca desarrollar pro- su apariencia, que no se expresan
ductos teniendo en cuenta no sólo en forma directa”.
las necesidades racionales, sino
las emociones y sentimientos del La impresión sicológica y emocio-
consumidor. Nagamachi (1994), la nal del consumidor, se traduce en
define como “una metodología de soluciones de diseño, a través de
desarrollo de productos orientada al valoraciones emocionales realiza-
9
usuario, que establece procedimien- das mediante escalas de semán-
tos para traducir las percepciones, tica diferencial (Osgood, 1969) y
gustos y sensaciones de productos estos resultados, son integrados en
existentes o conceptos, en términos un conjunto de propiedades de los

Revista de la Facultad de Ingeniería-ONTARE

de soluciones y parámetros de productos, empleando métodos es-
diseño concreto”. tadísticos especiales.

Kansei, es una palabra japonesa La Ingeniería Kansei es una metodo-

que hace referencia a los senti- logía para el desarrollo sistemático
mientos y emociones que despier- de nuevas soluciones o de innova-
ta el producto en el usuario y la ciones. Sin embargo, también puede
imagen psicológica con el mismo ser usada como una técnica para
respecto del producto. Sin embar- mejorar productos y conceptos exiten-
go, Nagamachi considera que va tes, fundamentado en el trabajo de la
más allá de las emociones: “Es un estimación subjetiva de las emociones
sentimiento personal hacia un pro- actuales comunicadas por el producto
ducto (imagen o estímulo), que al que se pretende mejorar.
ser percibido aumenta la calidad.

la Ingeniería Kansei
 2. Metodología de la ingeniería KANSEI
Número 1/Universidad EAN/ Facultad de Ingeniería/2013

L os diferentes modelos utilizados

en la IK pretenden traducir las
expresiones o palabras emocionales
conduce una prueba de validez,
incluyendo varios tipos de análisis.
Una vez realizada la validación, se
comunicadas por los clientes. El construye un modelo que describe
resultado de estas relaciones no la forma como el espacio semántico
necesariamente refleja la estructura y las propiedades están asociadas.
verdadera Kansei que tiene de un
producto. Schütte (2005), propone
un proceso de seis pasos con dife- 2.1 Selección del dominio
rentes métodos que se pueden usar
en cada etapa para el desarrollo de El dominio Kansei se puede descri-
un estudio de la Ingeniería Kansei. bir como la idea perfecta detrás de
10
Al final, enlaza el estudio de las un producto (Schütte et al, 2004).
emociones del producto con las pro- Se incluye la selección de un gru-
piedades del mismo, en desarrollo. po objetivo, segmento de mercado,
La metodología propuesta por se obtienen muestras y se prepara
Schütte se centra en tres líneas de la información comercial necesaria.
acción: la descripción semántica, la Es importante anotar que, el domi-
descripción de las propiedades del nio Kansei es una estructura mental
producto y la relación entre ellas. abstracta, mientras que los produc-
tos representativos son tangibles.
La descripción semántica produce A partir de la información recogida,
un espacio factorial, que permite se seleccionan las muestras o estí-
caracterizar los estímulos o pro- mulos que se van a emplear y se
ductos analizados y producir la definen las propiedades que se van
matriz de valoraciones Kansei, a evaluar. El dominio puede incluir
que describe las propiedades del tanto productos existentes, como
producto. Estas matrices, se unen conceptos y solución de diseños
en la fase de síntesis, indicando desconocidos. Las acciones que se
cuáles de las propiedades evocan realizan en este primer paso están
el impacto semántico. Después dirigidas a contextualizar el estudio
que se ha medido el impacto, se de IK y encontrar representacio-
nes (productos, imágenes, dibujos, 2.3 Generación del espacio
muestras, gráficos 3D, etc.) que cu- de propiedades
bren en lo posible dicho dominio.
Los métodos para la construcción
del espacio de propiedades no es-
2.2 Generación del espa- tán plenamente desarrollados y la
cio semántico investigación sobre este tema es re-
ducida. En la literatura especializada,
Schütte (2004) propone un modelo
La generación del espacio semán- inicial de tres pasos para la genera-
tico se realiza en dos pasos: ción del espacio de propiedades.

• Recogida de palabras Kansei: • Colección: en esta fase se reco-

los palabras Kansei describen el gen las muestras de productos
dominio del producto (emocional). existentes. A partir de estos pro-
Son recogidas de las posibles ductos se identifican las propie-
fuentes disponibles, donde las dades y las diferentes catego-
palabras son usadas para descri- rías posibles. Adicionalmente, se
11
bir el dominio. incluyen los nuevos conceptos
creados por los profesionales
• Selección de palabras Kansei que hacen parte del estudio. Se
usando métodos de reducción

Revista de la Facultad de Ingeniería-ONTARE

define la imagen de marca y se
de datos: generalmente, es con- seleccionan las propiedades.
siderado ventajoso usar el número
original de palabras, ya que si se • Selección: cada grupo de pro-
utiliza alguna selección, se puede piedades es priorizada. Para el
perder información valiosa; pero caso de los productos se utilizan
a su vez dificulta la valoración, los consumidores. Para los con-
porque los cuestionarios no son ceptos, se utiliza un grupo de
tan efectivos al ser muy exten- expertos. Para las de imagen de
sos. Por lo tanto, la calidad de marca se utiliza un grupo de di-
los datos está afectada por el rección y de Marketing.
número de palabras Kansei y la
extensión del cuestionario. Es • Compilación: se seleccionan los
así como se sugiere reducir el ítems de evaluación integrando
número de palabras. todas las propiedades priorizadas.
Esta selección puede estar condi-
cionada por requerimientos de
 índole estadístico. Finalmente, se gar la valoración del mismo. La
seleccionan los productos repre- matriz de propiedades depende
sentativos que formarán junto completamente de los estímulos
Número 1/Universidad EAN/ Facultad de Ingeniería/2013

con sus categorías, el espacio de considerados.

propiedades que normalmente se
expresan en una matriz llamada
de propiedades. 2.4 Síntesis
Esta matriz se utiliza en la fase de La etapa más importante en un es-
síntesis y se puede obtener de dos tudio Kansei es la de síntesis, que
formas: establece y cuantifica las relaciones
existentes entre cada una de las
• Cuando los estímulos se constru- propiedades que poseen los estí-
yen (prototipos). En este caso, la mulos y los Kansei analizados. Se
matriz de propiedades se obtiene puede establecer el impacto que
a partir de una matriz de diseño tiene globalmente todo el espacio
de experimentos, donde se con- de propiedades sobre ella, pero
trolan los ítems que serán selec- también se puede determinar qué
12
cionados para cada propiedad. propiedad tiene un efecto significati-
vo sobre cada uno de ellos.
• Cuando los estímulos ya existen.
Este es el caso, en el que por el Para la construcción del espacio de
alto coste se recurre a estímulos propiedades se utilizan matrices de
existentes, que no pueden ser unos y ceros que tengan propieda-
modificados ni manipulados. Por des de ortogonalidad, como las
lo tanto, los estímulos utilizados que poseen las matrices de diseño
son los que generan la matriz de experimentos factoriales. Esta
de propiedades. Es posible, que es una característica aconsejable
las propiedades no puedan ser para mejorar la fiabilidad de los
analizadas en su totalidad, pues resultados de la etapa de síntesis
el espacio está condicionado to- y por esta razón, se recomienda
talmente a los estímulos dispo- tomar como referencia una matriz
nibles. Otro factor importante, es de diseño de experimentos en la
que los estímulos existentes ya construcción de la de propiedades,
tengan algún parámetro de forma o por lo menos que sea muy similar
o color, que identifique la marca en su estructura.
del estímulo, lo que puede ses-
Para establecer y cuantificar la Donde Y es la valoración Kansei
relación entre los ítems de las pro- promedio de todos los individuos
piedades de los estímulos y la que se incluyen en el estudio y
valoración de cada palabra Kansei, X1, X2,….,Xp son las variables que
se construye un modelo matemático indican los ítems evaluados de las
con la siguiente forma: propiedades de los estímulos (cada
variable Xj representa un de los
Y = f ( X1,.....,Xp) (1) ítems Iij de la tabla de propiedades).

13

Revista de la Facultad de Ingeniería-ONTARE

 3. Modelo de síntesis:
3. Modelo de Teoría de
Número 1/Universidad EAN/ Facultad de Ingeniería/2013

Cuantificación
síntesis: Teoríade
deHayashi (QT1)
Cuantificación de
Hayashi (QT1)

E l modelo propuesto por Naga-

machi, relaciona el espacio de
propiedades y el semántico, don-
A partir de las variables indicadoras
Xjk(i) se deben estimar los paráme-
tros βjk del modelo:
de se estima la contribución de los
ítems de cada propiedad, sobre la (2)
valoración Kansei realizada por los
consumidores. Está basado en el
modelo de regresión lineal y es el Hayashi llamó a los βjk como los pun-
14 llamado Teoría de Cuantificación tajes de las Categorías (Category
QT1 (Nagamachi, 2008). El método Scores, CS) y propuso estimarlos
QT1 fue propuesto por Hayashi maximizando el coeficiente de
(1952), permite formular un método correlación entre p y Yj y X11 +
de cuantificación de las relaciones ...+Xmkm. Existen varias versiones
existentes entre el conjunto de del algoritmo de estimación de los
variables categóricas sobre una CS; los más importantes son el
numérica. de Tanaka (1976) que también es
basado en la maximización de la
Para expresar formalmente el mo- correlación p y el de Murai (1988),
delo de la ecuación (1), se definen que minimiza la suma de los errores
las variables indicadoras Xjk (i) que al cuadrado:
identifican cada ítem de la propie-
dad en el espacio de propiedades, (3)
de la siguiente forma:

Si el i-édimo estímulo poseeel

item j en la propiedad k para
otro caso
3.1 Modelo de síntesis en Para establecer la significancia del
la práctica R2 se utiliza el análisis de varianza
del modelo de regresión. En caso de
Cuando se estima el modelo de resultar significante la contribución
síntesis a través de la regresión global del espacio de propiedades,
múltiple (que Schütte llama la re- se establece la significancia del CCP.
gresión de Hayashi), en realidad se Aunque Schütte y Eklund (2004)
estiman dos modelos: uno (M1) para plantean que CCP >70% se puede
las propiedades y otro (M2) para considerar significativo, pero no se
los ítems de cada propiedad. En el hace una justificación técnica de
modelo M1, se incluyen las variables este criterio. También es posible
Xjk pero como variables Dummy, del usar una prueba estadística para
modelo de regresión clásico, donde la significancia del CCP y esta es
en cada propiedad se incluyen kj-1 descrita en Álvarez (2009).
ítems; en el modelo M2, se incluyen
todas las variables Xjk. De esta forma Para los βjk no se hace prueba de
con el M1 se hace la estimación del significancia, simplemente interesa
efecto de las propiedades sobre las establecer su signo: si es positivo,
15
valoraciones Kansei y con el M2 se genera un efecto de intensificación
hace la estimación del efecto de los positiva del Kansei y si es negativo,
ítems de cada propiedad sobre las el efecto es de intensificación nega-
tivo. Con este criterio se establecen

Revista de la Facultad de Ingeniería-ONTARE

valoraciones Kansei.
las conclusiones del estudio así:
Usando el modelo M1 se puede esti-
mar el coeficiente de determinación En el ejemplo del diseño de un en-
R2 y los Coeficientes de Correlación vase cosmético (Álvarez, 2009), se
Parcial (CCP) para cada Xjk. El co- describe como se interpreta. En esta
eficiente de determinación mide el aplicación se analizaron ocho estí-
efecto global del espacio de propie- mulos de un envase para crema. En
dades sobre cada valoración Kan- un ejemplo del diseño Kansei de un
sei y el CCP, mide el efecto de cada envase para un producto cosmético,
propiedad sobre esta. El modelo M2 se analizaron ocho estímulos y se
permite estimar los (CS) Category estudiaron cinco propiedades: color,
Scores o □jk que cuantifica el efecto acabado, material, forma y grosor
de cada ítem (de cada propiedad) de pared, en este caso se analizó el
sobre la valoración Kansei. Kansei Elegante. El efecto global es
R2=99,9%.
 Para establecer el efecto de cada de los Category Score estimados
propiedad, se calcula el CCP y se del modelo QT1, se puede concluir
observa que el color, material y groso que los ítems que contribuyen positi-
Número 1/Universidad EAN/ Facultad de Ingeniería/2013

de pared tienen CCP significativos vamente al Kansei estudiado son:

y las propiedades que generan un color, monocolor; material, plástico y
efecto significativo son color, material el grosor de pared, delgada.
y grosor de pared. Finalmente, a partir

Tabla 1. Resultados del modelo de síntesis para el Kansei “Elegante”

PROPIEDAD CCP ITEM CATEGORY SCORE CS
0,99 *
Monocolor 0,4271
Color
P=0,0000 Multicolor -0,4271
0,55 Brillante -0,0083
Acabado
P=0,1650 Mate 0.0083
0,99 *
Plástico 0,2429
Material
P=0,0000 Vidrio -0,2429
0,10 Irregular -0,0013
16 Forma
P=0.4527 Lineal 0,0013
Grosor de 0,99* Delgado 0,0917
Pared P=0,0005 Grueso -0,0917
Fuente. Elaboración de los autores.
 4. Redes neuronales e ingeniería Kansei
4. Redes
neuronales e
ingeniería Kansei

L a aplicación de redes neurona-

les a los estudios de ingeniería
Kansei, se han planteado frente a la
de sistemas de información permite
obviar este supuesto, la cons-
trucción del modelo no está basada
restricción que tienen los modelos en los supuestos estadísticos.
estadísticos que permiten relacio-
nar el espacio semántico y la matriz Otra dificultad que se presenta tiene
de propiedades de los productos que ver con lo que plantea el Dr.
que se están analizando. Nagamachi (2006); algunos Kansei
tienen características lineales, pe-
La primera restricción, es que el su- ro otros no, es como el caso del 17
puesto básico de normalidad de las Kansei Estilizado que se incrementa
observaciones por lo general, no se linealmente con la propiedad longi-
cumplen, debido a que la valoración tud de diseño, pero al evaluar el

Revista de la Facultad de Ingeniería-ONTARE

de la emocionalidad, se hace en Kansei Bello, este muestra un com-
escala de Osgood y esta se mide portamiento no lineal al incrementar
en escala discreta y no en continuo; la longitud (en envases). Si posee
es una limitación que han tenido la esta característica no lineal, no sería
gran mayoría de estudios de IK. Una correcto aplicar el análisis estadístico
forma de manejar esta limitación es basado en regresión lineal.
usando muestras grandes, pero es
evidente que logísticamente, rea- Nagamachi sugiere que para evi-
lizar estudios de Ingeniería Kansei tar el efecto de la linealidad y algu-
en estas proporciones se hace com- nos supuestos estadísticos como la
plicado y costoso (Álvarez, 2009). normalidad, se puede aplicar otras
metodologías como la Rough Sets
El utilizar el modelamiento nacido (conjuntos aproximados) o las redes
de la inteligencia artificial y análisis neuronales.
 El Dr. Ishihara, quien trabaja conjun- Guan y Lin, (2001), plantearon apli-
tamente con el Dr. Nagamachi, fue car las redes neuronales en el diseño
quien propuso por primera vez apli- emocional de teléfonos celulares, allí
Número 1/Universidad EAN/ Facultad de Ingeniería/2013

car las redes neuronales a la IK con ellos abordaron la problemática que

un entorno de sistemas de apren- implicaba tener características de
dizaje. Planteó un modelo aplicado productos con muchas categorías, y
al de síntesis (Ishihara et al 1996) y con un gran número de estímulos.
pensó en usar un modelo multicapa
como (figura 1.)

Figura 1. Estructura neuronal artificial aplicada a la IK

Capa Capa Capa

Entradas entradas oculta Salida Salida

Propiedades Kansei

18 Propiedades 1 Kansei 1

Propiedades 2 Kansei 2

Propiedades 3 Kansei 3

Propiedades 4 Kansei 4

Fuente. Elaborado de los autores.

 5. Aplicación en diseño de un envase
5. Aplicación
cosmético
en diseño de un
envase cosmético

P ara describir la aplicación de las

redes neuronales en la Ingenie-
ría Kansei se utilizará un ejemplo
que permitan establecer las carac-
terísticas finales del producto y su
presentación. Se trata del diseño
que muestra Álvarez (2009), del Kansei de un envase de desodoran-
diseño emocional de un envase te en espray perfumado para caba-
cosmético. En la industria cosmética llero, donde se rediseñó bajo una
uno de los factores determinantes óptica emocional y desde un claro
para la aceptación y el éxito de un reposicionamiento del producto.
producto cosmético es el llamado 19
envase cosmético. Desde el punto de vista de la Ingenie-
ría Kansei, este tipo de estudios son
Este tipo de productos se asocian los más comunes que se realizan en

Revista de la Facultad de Ingeniería-ONTARE

a las características holísticas emo- la industria cosmética, diseño o re-
cionales, las cuales se complemen- diseño de envases, comparándolos
tan con las funcionales. El caso de con productos Benchmarking, de cara
los envases para desodorantes para a tratar de identificar qué propieda-
hombre, es un típico ejemplo donde des del envase se asocian a valores
además de la fragancia y la funcio- emocionales de los productos, que ya
nalidad del envase, son muy impor- están posicionados. Por esta razón,
tantes los factores emocionales aso- estos estudios deben realizarse con
ciados la marca y la visión holística cuidado y detalle, porque muchos ya
varonil mezclada con la elegancia. son conocidos e identificados por la
forma o la estética del envase, por lo
En esta aplicación, se tuvo especial tanto, se debe ocultar la marca en el
atención en los aspectos emocio- momento de exposición para la valo-
nales del envase es decir, aquellos ración emocional.
 5.1 Selección del dominio estudiantes de una universidad los
Kansei cuales fueron encuestados previa-
mente, con el fin de que cumplie-
Número 1/Universidad EAN/ Facultad de Ingeniería/2013

ran con los requisitos básicos de

El objetivo del estudio, consistía
mayores de 20 años y usuarios de
en establecer qué ajustes debian
desodorante en espray. Finalmen-
hacerse al diseño del envase para
te participaron 27 estudiantes en el
lograr que el consumidor pudiera
estudio que se consideró como ex-
percibir valores emocionales (Kan-
ploratorio; aparte se seleccionaron
sei), de forma tal que fuera compa-
cinco estudiantes distintos para rea-
rado con otros conocidos y de alto
lizar la prueba piloto con la cual se
valor. El segmento de mercado a
validó el método de captura de da-
quien iba dirigido el estudio, estaba
tos y la forma de exposición de los
definido por el objetivo del estudio,
estímulos; a partir de allí se diseño
debido a que se queria posicionar
una guía del estudio de campo.
el producto de referencia dentro del
estrato medio. Las características
Para la selección de estímulos, se
emocionales de productos Bench
visitaron las tiendas de venta de cos-
20 de segmento alto (desodorantes
méticos de mayor prestigio asi mis-
con alto valor de marca), dirigido
mo, se consultaron catálogos y re-
a hombres mayores de 20 años y
vistas especializadas de cosméticos
de segmento socioeconómico me-
y se seleccionaron inicialmente 25
dio. Se tomaron en cuenta produc-
productos de alto valor de marca. De
tos representativos del mercado de
estos, se excluyeron aquellos enva-
desodorantes perfumados y con
ses cuya forma difería radicalmente
prestigio existentes en el mercado
del producto de estudio. En esencia,
cosmético español, por tanto, se in-
lo que se quería era rediseñar el en-
cluyeron diseños reales.
vase sin hacer cambios radicales de
concepto y al final se seleccionaron
nueve productos (incluyendo el de
5.2 Selección del dominio
rediseño). Es importante señalar que
Kansei
para la selección de los estímulos se
utilizaron dos criterios, propiedades
En esta fase, se definio la selección
ya definidas de los envases de des-
de la muestra de consumidores, se
odorante de espray tales como: la
seleccionaron los estímulos a eva-
combinación de color y continuidad
luar, y la planeación logística para la
de la tapaenvase; altura total, textu-
ejecución. Se tomó como muestra a
ra del material; alcance funcional al
dispensar el producto y relación tapa- mántico, se recolectaron palabras
envase. El otro criterio que se utilizó, Kansei, tomando como fuentes los
fue el de garantizar que por lo menos informes de estudios comerciaes
la mitad de los estímulos tuvieron las realizados anteriormente por la
características anteriormente men- compañía; además, se consulta-
cionadas, esto con el propósito de ron a los clientes directamente en
mantener el balance de cada una de las tiendas, revistas especializadas
las categorías consideradas. de cosmética, catálogos y personal
de venta. En total se recogieron 65
La matriz de propiedades (figura 2), palabras Kansei, que luego del pro-
define las variables regresoras del ceso de compresión a través del
modelo. Es importante notar que diagrama de afinidad y el análisis
la columna continuidad tiene un cluster, se redujeron a diez palabras
número de ceros y unos no balan- Kansei, ellas fueron: fresco, elegan-
ceado, por esto, la matriz pierde la te, moderno, estilizado, deportivo,
propiedad de ortogonalidad y afecta protector, exclusivo, estético, alegre
al modelo y los supuestos. y dinámico.
Para la construcción del espacio se-
21
Figura 2. Matriz de propiedades del envase de desodorante
Color
Altura Continuidad del Relación
tapa- Alcance funcional Textura

Revista de la Facultad de Ingeniería-ONTARE

envase envase envasetapa
envase
Un
dos Alto Medio Continuo Discuntin Clase A Clase B Alta Normal Media Suave
color

0 1 1 0 1 0 0 1 1 0 1 0

1 0 0 1 0 1 1 0 0 1 0 1

1 0 0 1 0 1 1 0 0 1 1 0

1 0 1 0 0 1 1 0 1 0 0 1

0 1 1 0 1 0 0 1 0 1 1 0

1 0 0 1 0 1 1 0 0 1 1 0

0 1 1 0 0 1 0 1 1 0 0 1

1 0 0 1 0 1 0 1 1 0 0 1

0 1 1 0 0 1 0 1 0 1 1 0

Fuente. Elaboración de los autores.

 6.6.Análisis
Análisisde
delos
losresultados
Número 1/Universidad EAN/ Facultad de Ingeniería/2013

resultados

P ara el análisis e interpretación

de los resultados del modelo,se
consideró primero, el estudio de
con que se ha diseñado el estimulo
de referencia. Usando el método
estadístico con el QT1 (tabla 2).
posicionamiento emocional de los Se observa que el espacio de
estímulos de acuerdo a las valora- propiedades que se está analizando,
ciones Kansei realizadas por los aporta un 93.3% a la variabilidad de
consumidores, En particular se la valoración del Kansei. Al entrar a
obtuvo que los estímulos cuatro y analizar en detalle las propiedades,
seis se observan como los más ele- se encuentra que la continuidad del
22 gantes y estéticos, mientras que el envase, junto con el alcance, son las
uno no se muestra como elegante ni significativas es decir, que las otras
estético, pero si alegre y deportivo; no le aportan realmente al Kansei
el cinco se muestra fresco. Por otro Elegante. De esta forma, concluye
lado, el siete, que se estaba redi- que, la continuidad envase-tapa y el
señando, se mostró protector y esti- alcance clase A, son las que aportan
lizado, pero poco elegante. positivamente al Kansei Elegante.
Al analizar en detalle el estímulo de
Para el análisis del modelo de referencia ya se habia notado que
síntesis se considero el segundo es discontinuo entre envase-tapa y
Kansei que se refiere a Elegante. el alcance es de clase B.
Este hace parte del valor de marca
Tabla 2. Evaluación del modelo de síntesis del Kansei Elegante.
Propieda-
R2 CCP Categorias CS
des -1 0 1
Color Tapa/ Uno -0,51
0,49
envase Dos 0,51
Alto -0,49
Altura 0,38
Medio 0,49
Continuo 1,10
Continuidad 0,75 Discontinuo -1,10
93.3% 0,89
Clase A
Alcance 0,67
Clase B -0,89
Relación Alta -0,43
envase/ 0,31
tapa Normal 0,43

Medio -0,65
Textura 0,20
Suave 0,65
Fuente. Elaboración de los autores. 23

Al realizar la validación del modelo de síntesis que lo podemos escribir de

la forma:

Revista de la Facultad de Ingeniería-ONTARE

YElegante = 4,7 - 1,7 ColorTapa/envase - 1,3 Altura + 2 Continuidad + 2 Alcance + 0,1 RelaciónEnvase/tapa - 0,5 Textura

Se puede observar que la continui- representa las propiedades, una

dad y el alcance son los que tienen capa intermedia de procesamiento
coeficientes más altos dentro del y en la capa de salida se represen-
modelo, siendo coherente con los tan los Kansei.
parámetros. Al revisar los supuestos,
se encuentra que este modelo tiene Específicamente, para el kansei
una alta colinealidad; así mismo, al Elegante (Y) se entrenó una red
hacer la prueba de normalidad de tipo Backpropagation con los datos
los residuos, no cumple. encontrados (tabla 3). Se encontró
una red óptima de seis nodos en la
Se muestra la red neuronal tipo capa de entrada (que representan
Backpropagation (figura 3) Avenda- las propiedades X1 a X6: color,
ño (2009), donde la primera capa altura continuidad, alcance, relación
 y textura respectivamente); una que representa el Kansei Elegante
capa oculta y una capa de salida (Y) dando un valor r de 0,95.
Número 1/Universidad EAN/ Facultad de Ingeniería/2013

Tabla 3. Valores para entrenamiento de la red neuronal

X1 X2 X3 X4 X5 X6 Y1
0 1 1 0 1 1 4,2
1 0 0 1 0 0 4,2
1 0 0 1 0 1 4,3
1 1 0 1 1 0 5,3
0 1 1 0 0 1 4,4
1 0 0 1 0 1 4,8
0 1 0 0 1 0 5,0
1 0 0 0 1 0 4,0
0 1 0 0 0 1 5,2

Fuente. Elaboración de los autores.

24
 7. Conclusiones

A quí se ha demostrado con un

ejemplo, como a través del
uso de las redes neuronales, se
cuando se tienen un mayor núme-
ro de propiedades (columnas, en la
matriz de propiedades), que de es-
obtienen resultados similares a los tímulos. Esta situación hace que no
obtenidos con el modelo clásico, a pueda estimarse el modelo de sín-
pesar de las falencia encontrados. tesis con regresión clásica ni QT1 y
En este caso, la red neuronal está en tal caso la metodología de redes
validando los resultados del mode- neuronales es más robusta e inde-
lo, pero en ocasiones esto no ocu- pendiente de estos supuestos.La
rre, especialmente cuando la matriz red encontrada es óptima ya que da
dista demasiado de ser ortogonal. un r de 0.95 superior al valor del mo-
También, se puede mostrar que las delo matemático planteado.
25
redes neuronales son muy útiles

Revista de la Facultad de Ingeniería-ONTARE

 8. Referencias
Número 1/Universidad EAN/ Facultad de Ingeniería/2013

Álvarez H. R. (2006). Proceso de Síntesis en un estudio de Ingeniería Kansei.

Disponible en: http://www.ingenieria-kansei.com/papersintesis.pdf

Álvarez H. R. (2009). Análisis de valoraciones atípicas en los estudios de

ingeniería Kansei: consideraciones estadísticas y prácticas. Tesis
Doctoral. Universidad Politécnica de Cataluña.

Avendaño, G. (2009). Aplicación al control de calidad. Editorial ARFO.

26
Guan, S. S. y Lin Y.C. (2001). A Study on the Color and Style Collocation of
Mobile Phones Using Neural Network Method. Journal of the Chinese
Institute of Industrial Engineers, 18(6), 84-94

Hayashi, C. (1952). On the prediction of phenomena from qualitative data

on the quantification of qualitative data from the mathematic-statistical
point of view. Annals of Mathematical statistics. Vol 3 (69).

Hayashi C. (1974). Methods of Quantification. Tokyo Keizai Shipo Publishing

Co. Tokyo.

Ikeda G, Gagai H. y Sagara Y. (2004) Development of Food Kansei Model

and Its Application for Designing Tastes and Favors of Green Tea
Beverages. Food Sci. Technol. Res. Vol 10 (4) p 396-404

Ishihara, S., Ishihara, K., Nagamachi, M. and Matsubara, Y. (1996).

Neural network approach for Kansei analysis on milk carton design.
Proceedings of Human Factors in Organizational Design and
Management - V, Elsevier Science B.V., Breckenridge, USA, p. 7-12.
Komazawa, T. y Hayashi, C. (1976). A Statistical Method for Quantification
of Categorical Data and its Applications to Medical Science. de
Dombal, F. T. y Gremy, F. (ed.), North-Holland Publishing Company

Lin R., Lin C.Y. y Wong J. (1996). An application of multidimensional scaling

in product semantics. Int Journal of Industrial Ergonomics 18.
Elsevier. pp 193-204

Murai T., Kudo Y and Akama S. (2006). A role of Granularity and

Background Knowledge in Reasoning Process. Kansei Engineering
International. Vol 6. No 3 p 41-46

Nagamachi, M. (1994). Kansei Engineering: An ergonomic technology

for a product development. Proceedings of IEA '94. 1220-122

Nagamachi, M. (2007). Perspectives and new trend of Kansei/Affective

Engineering. 1st European Conference on Affective Design and
Kansei Engineering. Lund University & Linköping University
27
Nagamachi, M, Nishino, T and Okuo, H (2007). An application of kansei
Engineering and Rough Set Model to designing a comprehensive
ball pen. Proceedings Of the QMOD 2007

Revista de la Facultad de Ingeniería-ONTARE

Osgood C. E. y Suci G. J. (1969). Factor Analysis of Meaning. Semantic
Differential Technique – a Source Book. Osgood, C. E. and Snider
J. G. (ed) Aldine Publishing Company, Chicago, p42-55

Schütte S., Ecklund J, Axellson J.R.C., y Nagamachi, M (2004). Concepts,

methods and tools in Kansei Engineering” Theoretical Issues in
Ergonomics Science, May–June 2004, vol. 5, no. 3, 214–231

Schütte S. (2005). Engineering Emotional Values in Product Design:

Kansei Engineering in Development. Thesis PhD. Linköping
Studies in Science and Technology. Linköpings Universitet

Tanaka, Y. (1979). Review of the Methods of Quantification. Environmental

Health Perspectives. Vol 32 pg: 113-123.