徐博群,孙 艳,刘肖健,卢纯福,洪 滔,朱昱宁
(1.浙江工业大学 设计与建筑学院,浙江 杭州 310023;2.浙江农林大学 管理学院,浙江 杭州 311300)
在网络化与全球化背景下,基于开放式创新的团队成为设计活动的新型组织形式[1]。网络平台和信息技术为远程协作提供了实现条件,设计师可以跨时间与空间开展项目合作。由于产品概念创新阶段的任务整体性较强,难以分工并开展同步协作,异步协作便成为创新设计团队的重要行为特征。有别于网络协同领域的异步协作概念,本文的“异步协作”主要指团队成员对设计方案的改进与优化的非并行性特征。
笔者的前期研究[2]已证明协作是获得群体智慧的重要途径,以“引用”为特征的协作模式对团队与个人产出均有显著的激励作用。本文在这种协作模式基础上,将“引用”行为偏好差异作为设计师的异质性,通过仿真实验,从创新产出质量、协作网络特征等方面分析不同数量比例的异质设计师组成的团队结构对异步协作模式带来的影响,并基于仿真结果对团队结构设计给出操作建议。
设计团队创新的目标可以抽象表述为“在一个小型群体中形成群体智慧”,这是一种基于重复博弈的合作行为,相关领域已有若干经典研究,如Axelrod等[3]和Nowak[4]的群体合作仿真实验,以及Woolley等[5]的真人团队实验。大量文献研究表明,个体之间的互动和关联是群体产生智慧的根本原因,其中“社会原子(social atom)”假说指出,规划合理的个体互动模式可以让只具备简单行为能力的个体组成的群体产生超常智慧——增量效应[6]。然而,根据DeGroot[7]和Jackson等[8]的研究,群体的“聪明”和“效率”是一对矛盾指标,如何合理配置团队决定了这种智慧能否出现。这些成果对设计团队管理模式极有启发,但尚需针对产品创新团队的具体背景做进一步深入研究。
Belbin[9]于上世纪60年代创建的九型团队角色理论将团队成员分为9种角色,认为一个团队的角色构成决定了团队的能力与绩效。团队角色的不同与成员的多元性/异质性密切相关,有学者在技术创业团队的研究中比较了同质性和异质性对绩效的影响,提出对团队异质性进一步分类的需求[10]。团队异质性理论大多用于研究管理团队或创业团队,也有少量对研发团队的探索,但关注重点主要是团队多元性、知识共享,以及反映团队成员倾向于相互交流和合作的程度与创新绩效的关系。
互联网为异步协作模式提供了必要的环境,产生了维基百科和开源软件两个典型的异步协作群体智慧案例,两者分别以优化完善和模块组合为基本特征,且均有具体产出物,与产品研发有诸多相似之处,是产品创新团队研究的理想借鉴对象,为获取团队产物之间的隐性关联提供了思路。与异步协作相关的维基百科研究主要有文章与用户相互之间的网络结构及其特征[11],以及词条和网络的演化特征,例如赵东杰等[12]基于复杂适应性系统理论建立了群体协作词条编辑模型并进行仿真实验,获得了词条编辑演化的规律。相对于词条编辑,软件开发任务要复杂得多,因此开源软件的经验对产品开发协作更具借鉴价值。目前开源软件的研究已经突破技术范畴,吸引了有关开放式创新、群体协作、群体智慧等多方面兴趣,其中与异步协作有关的研究主要集中在协作网络方面,即由参与者发生互动行为而涌现出的关系网络,如成员网络结构对协作的影响[13]、开发者与软件网络的协同演化[14]、网络中的角色模型等[15]。
目前针对产品设计协作模式的探索较少,主要集中在设计师与工程师、企业、用户之间的协作,有关设计师之间合作的直接相关研究仍较稀缺。已有少数学者对产品创新团队的异步协作模式进行探索,孙艳等[2,16]和刘肖健等[17]提出基于“引用”行为的开放式群体协作模式,先后通过产品形态与配色设计任务进行了几次真人对照实验,观察到了明显的协作特征,发现异步协作模式对团队产出的数量和质量均有积极影响;赵宇[18]和吕畅[19]针对这种协作模式分别开展了真人实验与仿真实验;黄红艺[20]对虚拟设计师行为进行建模,总结出不同设计策略对设计产出带来的影响。
前期研究虽已开展多次真人实验,但均未考虑团队成员结构的影响。因正交实验耗时耗力,本文尝试使用多Agent仿真手段模拟设计团队协作的动态过程,并基于设计师的异质性研究不同类型的成员构成对创新产出与协作网络的影响,从而获得设计团队协作管理的宏观知识。Axelrod等[3]将个体的社交行为简化为“合作”与“背叛”两种基本形式,获得了良好的效果,证明了这种简化原则在重复博弈中的可行性,为简化设计师和团队模型提供了依据。本文据此简化了仿真条件,只保留与产品创新直接相关的工作关系,将设计师的行为特征简化为“原创”和“引用”两种基本博弈决策来体现异质性。
国内外使用多Agent方法进行团队仿真的研究案例比较丰富,例如Meslec等[21]面向群体智慧的群体结构设计实验,陈恒等[22]基于输入—中介—输出—再输入(Input-Mediator-Output-Input,IMOI)模型的产品开发团队仿真研究,喻登科等[23]对团队知识网络结构、行为与绩效之间的多重循环仿真研究等。目前有数款软件支持多Agent仿真,如MATLAB,NetLogo,Swarm,Repast,MASON等,因为这些软件的任务对象是抽象化的,无法形成可供评价的真实设计产物,所以本文以设计软件为平台进行二次开发建立仿真平台,使Agent可以产生真实设计方案,并接受外部评价,作为团队产出的一种客观评估。
异步协作通常是一种基于网络环境的非实时合作模式,该模式在每一次协作过程中会预留出延迟时间。维基百科和开源软件是两种典型的异步协作模式,参与者可以在不同时间段对词条或软件进行自由修改并提交新版本来继续完善,这种协作产物均带有异步协作特有的链式演化特征。如图1所示,第一代产物版本在演化网络中体现为入度为零的节点,其子代版本以引用或改进的形式体现为渐进和组合两种协作模式,维基以渐进式为主,其改进仅在前一个版本的基础上进行;开源以组合式为主,体现为入度大于零的节点,即可以同时引用多个模块,并可在任意版本基础上工作。本文的异步协作模式针对产品设计的概念设计阶段,将上述两种模式的基本特征引入设计团队,是一种基于他人设计方案、以引用加修改的串行方式产生新方案的协作方式,最终产物体现为多人合作的结果,其演化的主要驱动力来源于设计师对彼此成果的吸收和转化行为,体现了设计团队内部的开放性。不同于维基与开源软件,设计团队对同一任务的异步协作需要在有限的时间内结束,在协作过程中,每一代方案的信息均设置为公开状态,以供其他设计师做出决策,设计师可以引用任何一个历史方案,而不仅是最新产物。
设计团队异步协作模式如图2所示,在设计任务发布后,所有设计师在首轮中完成原创方案,从第二轮开始,参与者可以引用前一轮或前几轮中他人或自己的旧方案,也可以选择继续原创。
对设计团队异步协作过程进行建模,包括设计师个人行为与团队协作模型两部分。
本文研究的设计师行为是指其在团队协作过程中的决策行为而非设计能力。根据前期实验结果[2,16-17],设计师行为特征的差异性主要体现在对原创和引用两种模式的偏好程度上。在仿真过程中,设计师的决策模型用于设置设计师在这两种模式中做出选择的条件,例如基于不同的概率分布随机选择或根据方案得分高低选择等。
团队中的每一个设计师为一个独立的Agent,并具有独立的决策模型。基于前期的真人实验结果,本文将Agent的决策行为简化为两类:①原创决策(直接形成全新方案),即在产品网络中增加一个孤立的新节点;②引用决策(基于已有作品修改),即生成新节点后将其连接到某个旧节点上。采用复杂网络结构描述新方案的增加过程时,设计师的决策行为模型即节点连接模型。Agent的节点连接选择受备选方案自身吸引力和Agent选择方式两方面因素影响,在复杂网络中,前者被称为适应度,后者被称为择优模型。Agent的目标是让自己的方案获得最高分,其决策依据与其对获胜概率的判断相关。除了个性化因素,外部环境因素也会影响其判断,如图3所示。
仿真实验根据原创率高低将Agent分为原创型(O型)和引用型(C型)两大类。O型Agent的原创方案概率P(O)超过80%;C型Agent的原创方案概率低于20%,即引用其他方案的概率P(C)超过80%。每个Agent的P(O)与P(C)之和为1,如表1所示。
表1 Agent决策类型
因为异步协作主要面向产品概念创新阶段,暂不考虑分工,所以假设Agent的设计任务是同质化的,其均能独立完成设计方案。决策模型采用两个假设:①能力稳定假设,即Agent的个人禀赋具有稳定性,不随设计过程发生变化;②诚信假设,设计团队工作是小群体重复博弈,诚信问题(如引用他人方案而伪称原创)代价昂贵,因此不存在诚信问题。
团队模型是以团队作为黑箱系统,对其输入、输出、影响因素以及内部的结构、机制进行描述,目前主要有角色模型、输入—过程—输出(Input-Process-Output,IPO)模型和IMOI模型等,其输出通常是直接的团队绩效,而产品创新团队更多关注的是产品方案的演化过程是否具有优化潜质,这需要引入优化方法的评估指标。
设计团队IPO模型如图4所示,通过调节团队的输入变量对两类Agent之间可能产生的互动过程进行分析,可以总结出团队协作的演化结果,即输出变量。本文的仿真实验中,输入变量包括设计任务和团队结构两类;过程指团队成员之间为达到目标,使用原创或引用决策进行方案互动;团队输出包括从设计方案演化过程的数据中提取的若干指标,如产品收敛性、多样性、搜索完全性、方案外部评价得分、协作网络特征等。
设计团队的异步协作仿真流程如图5所示。
仿真实验需要进行两方面设置:①团队结构,包括人数规模和成员行为模型;②设计任务,主要是在原创和引用两种模式下如何生成一款新方案。每个Agent执行若干轮方案设计,每轮各产出一个方案,结束后由外部评价者为方案打分,并将得分信息输入系统供Agent决策时参考。第一轮设计中每个方案均为原创,在随后几轮设计中,不同行为模型的设计师将根据方案信息进行决策,原创一个新方案或是引用一个旧方案继续优化,同时更新方案池。仿真终止判断的依据为方案代数是否到达指定数量。仿真实验的运作模式为通过调节输入变量,观察比较输出变量是否达到优化目标,目的在于求出能使输出达到极值的输入变量组合。
本文仿真模型的特点为,通过在实验过程中产生实际设计方案以使协作成果更加直观,选择使用产品配色为任务载体的原因如下:①配色是产品概念设计中的重要环节之一,符合实际设计任务背景;②对配色的评价完全基于评价者的审美意象,抛开了产品其他复杂因素的干扰;③配色设计内容相对可参数化,易于计算机自动生成方案并得到可供比较与分析的数据。
3.2.1 仿真功能模块
根据配色设计任务的特点,本文在矢量图形设计软件CorelDraw的基础上开发了设计团队异步协作仿真系统(Design-team Asynchronous Collaboration Simulation System,DACSS),系统包括5个模块,分别为初始设置模块、设计任务模块、方案生成模块、方案评价模块和信息获取模块,如图6所示。
(1)初始设置 模块主要用于创建团队和设定评分初始值,如图7所示。团队的创建有两种方式:①通过用户输入参数设置团队规模、成员结构和成员行为特征;②通过读取事先画好的团队信息图形数据,以圆点直径数值作为原创率,这种方式可以单独设置每一个Agent的决策特征。
(2)设计任务模块 用于为Agent准备标准格式的设计对象。系统在CorelDraw页面上提供待配色产品的分色线框图,需要赋同色的区域被归为一组,以便赋色时同时操作。在同一页面上还提供有一组色彩网络作为配色候选。
(3)方案生成模块 用于生成配色设计方案。通过CorelDraw内部自带的组合指令集开发了设计方案快速生成模块,作为Agent决策的执行部件。团队创建完成后,激活图7下方的“生成新一代方案”按钮,点击后程序自动读取页面中的待配色产品图形分区,第一轮每位成员产出一件从色彩网络里随机挑选出的颜色组合作为原创方案,从第二轮开始,程序根据Agent的决策行为进行相应调整;若选择引用,则该Agent新一轮方案将选择一个已有方案,并在该方案配色基础上做小幅度修改,如交换颜色位置或更改某一种颜色;若选择原创,则继续产生随机配色方案。
(4)方案评价模块 用于为设计方案评分。一轮方案生成后,由外部评价者在“得分”框内输入对方案的评价,具体方法是:①选中要评价的方案;②输入分数;③点“确认打分”按钮。评价分值被写入该方案的记录后,其信息对所有Agent可见。为了便于缩短每一轮方案的外部评分时间,设置方案默认评分,即评价者仅需对高于或低于默认值的作品输入分数。根据实际设计经验,随着轮次的递增,生成时间越早的方案越可能被忽略,其被引用频率将逐轮衰退,因此设置一个取值在0~1之间的“旧方案保留系数”来衰减旧方案的得分。若保留系数为1,则旧方案得分值保持不变,否则每轮乘以一次该系数。
(5)信息存储模块 用于管理仿真过程中的各类信息。该模块从其他模块中调用并记录团队成员协作的过程数据,包括方案得分、方案引用与被引情况、父代方案序号、子代方案序号、设计师平均得分、被引数量等信息。程序基于外部Excel文档存储和传递数据,在仿真过程中可以中断存储至Agent产生的设计方案,等得到外部评价数据后再继续运行。
3.2.2 Agent决策仿真实现
Agent决策行为的实现是本文仿真系统中的关键部分,包括原创决策和引用决策两种情况。
(1)原创决策
原创决策指Agent选择以原创方式进行设计的行为。仿真系统通过原创比参数p表示Agent的原创方案在所有方案中所占的比例,具体方法是使用随机数c作为原创决策函数,决策过程如图8所示。
(2)引用决策
引用决策包括两层涵义:①Agent通过引用其他作品进行创新的行为;②Agent挑选引用方案的方式。后者是个复杂的过程,设计师有多种类型的决策模式,可能会受到各种外部环境与内部因素的影响,作为初步的仿真研究,本文实验对此进行了简化处理,以方案的得分数据为依据,用轮盘赌算法作为引用对象的选择函数,基本思想是:按照方案得分分配被选中的概率,即个体被选中的概率与其得分占比成正比,得分越高,被选中的机会越大。轮盘赌算法表示为
(1)
式中:Pi为第i个方案被选中的概率;Si为方案得分;n为方案总数,Sj为所有方案累计得分值。
本节以机车外观配色任务为例进行仿真研究。提供一辆已划分图案区域的机车矢量图形和一组从地域文化照片中提取出的色彩网络作为候选色,如图9所示。色彩网络用于表达从单幅源图中提取的色彩信息,其用途有两方面:①真实描述源图多方面的色彩特征;②辅助配色设计任务,实现提取色的重用。图9b所示为基于源图提取出的源网结构,包含如下3类信息:
(1)节点 每个节点(圆点)表示一种提取色,其数量由用户指定。节点色彩与提取色一致,节点面积与该色在源图中所占面积的比例一致。
(2)节点外环 节点外环尺寸表示该提取色在源图中的分散度。节点外环是一个大于节点直径的圆,直径越小(即与节点直径最接近),像素集中度越高,与网络图中的视觉直观印象一致。
(3)连接 节点之间有连线表示两种色彩所包含的像素在源图中毗邻,连线的粗细与毗邻像素的数量成正比,因此连线反映了色彩的邻接信息,源网又可称为“像素邻接网络”。两色之间的邻接关系通过计算聚类结果中两色毗邻像素的数量确定,并基于毗邻像素数确定节点间连接线的粗细。
评委结合两方面标准对仿真产出进行打分:①机车配色与源图像的匹配程度,可通过色彩网络图的信息进行辅助评价;②将色彩与车身形态的和谐程度作为次要评分依据。
团队成员结构由不同比例的两类Agent组成,根据二八定律,调整O型与C型两类Agent在团队中的占比,比较两种类型设计师在团队占优时设计产出的区别。同时,考虑到团队规模也是团队构建的重要因素,调研现实中执行同一任务的产品设计团队人数后,将团队规模分为8人和4人两类。基于上述两项参数,实验设计了4种设计团队结构进行对比。团队结构参数如表2所示,每个团队中的Agent成员类型如表3所示。每组进行10轮配色设计,每轮结束后外部专家组根据评分标准对方案进行打分,用0~10的分数范围表示设计满意度,方案权重保留系数设为中间值0.5。每组实验的外部评价人员固定。
表2 团队结构参数表
表3 Agent编号与类型参数表
仿真实验结束后,A,B二组各产生80个配色方案,a,b二组各产生40个配色方案。本文从团队产出质量、方案引用特征、Agent个体发展3方面对4组协作数据进行比较分析,以发现异质团队结构对异步协作的影响。图10所示为Agent生成的部分配色方案。
4.3.1 团队产出质量对比
设计方案的评价得分是团队产出质量最直观的体现方式,统计每一组历轮方案的平均得分,观察其分值和变化情况。各组方案的得分变化情况如图11所示。
A组和a组的每轮方案平均得分分别高于B组和b组。A组之于B组的优势在中间几轮比较明显,但A组的平均得分在后几轮开始回落,甚至在第10轮低于B组。a组得分从第4轮开始逐渐与b组拉开差距,并持续领先到第10轮。说明团队成员结构配置对群体协作的演化结果有较大影响,不论团队规模大小,引用行为都为团队产出带来积极影响。数量占优的引用型Agent通过模仿其他高分者达到自己的目标,从而提高整个团队的方案质量。引用型Agent占优团队的得分优势在设计后期都有一定程度减弱,各组的最后一轮方案得分差距不大,说明引用行为的效果有衰退期。
Agent的方案得分标准差代表了各个设计方案得分数据的离散程度,通过观察每一轮方案得分标准差数值与变化趋势可以对团队成员对任务认知的一致性做出判断,若标准差逐渐降低,则表示Agent之间认知的分歧越来越小,达成一致将有助于提高团队整体产出效率。如图12所示,随着设计轮次的递进,每组方案得分数据的收敛特征均不明显,相对来说B组和a组有平缓下降的趋势,说明各种团队结构对协作一致性方面没有特别强的影响。标准差仅代表团队成员对任务目标认知程度的一致性,不包括认知水平的高低,例如收敛值有可能是一个比较低的平均得分,说明团队的认知虽然一致,但整体水平不高。因此,一致性水平还要根据收敛值来体现,即图11所示的平均得分。结合图11和图12的数据来看,A组和a组分别在第5轮和第8轮达到最优状态,即高平均分、低标准差,每个Agent表现俱佳;B组的方案虽然质量不高,但是其得分标准差平均数值最小且变化最为平缓,说明组内Agent的表现比较接近且都不够好;b组的得分标准差变化起伏最大且数值高,Agent表现差异大,易形成两极分化的情况,从侧面解释了该组每轮方案评价得分不高的原因。
4.3.2 协作特征对比
协作特征对比主要分析方案引用与被引用的原因及引起的结果,包括方案得分、被引用次数、链长数、方案数量等因素之间的相互联系。
图13所示为10代设计运行结束后4组方案的演化关系与Agent协作网络(独立的节点未列出),图中每个节点的数字为配色方案编号,数字下面的字母为Agent代号,箭头连接的两个方案之间有引用与被引用的关系,箭头左侧为父代方案,右侧为子代方案。可以看到,由于引用型Agent人数占优,A组和a组的方案演化关系网络较B组和b组更密集,引用关系更复杂。
图14所示为剔除最后一轮方案后各组方案被引用的次数和方案得分之间的联系,其中A组和b组数据趋势正相关,即得分越高,更容易被引用,这种关系在B组和a组的数据中则不明显,这两组中都存在几例低分高被引或高分低被引的现象,符合实践中设计师的决策并非完全以方案分数为依据,而更忠实于自己对方案本身质量的判断,这种情况从侧面保留了方案的多样性。
链长数指方案在演化网络中距离初代方案的步长数,独立方案的链长数为0。如图15所示,A组、a组、b组的方案质量与链长数关系明显,即方案链越长,得分越高,说明持续的修改方案能够提高质量;B组由于引用行为较少,大多数都是独立方案,方案最长链数不超过2,因此看不出其方案质量与链长数之间有明显联系。值得注意的是,b组链长数为3的方案得分反而低于链长数为2的方案,结合图13的演化网络发现,b组链长数为3的方案仅一件,且与前两个父代方案均为同一作者,可以假设持续引用修改自己方案的次数多于一定值会带来某些负面影响。
A组、B组、b组的方案被引用次数与方案数量趋势线符合指数规律,如图16所示。图中a组接近线性分布,与前期真人实验[2,16-17]结果基本一致,A组和a组、B组和b组的趋势线分别相交,说明无论团队规模大小,相同结构团队之间的方案被引用次数和方案数量的关系一致程度较高。
图17所示为各组方案的链长数与方案数量的关系,其特征与图16所示的方案被引用次数与方案数量的关系非常相似,说明团队协作的广度与深度联系密切。结合方案被引用次数、方案链的长数与各自方案数量可以推测出协作网络结构特征,例如a组和B组除0外的相同被引次数方案的数量相似,但a组方案链长数值普遍较大,说明其协作网络结构呈扁平状;B组方案链长数值较小,判断其协作网络呈分散碎片化。
4.3.3 Agent个体产出质量对比
Agent的方案得分和被引用数量是衡量其个体能力的两个指标,前者代表外部评价的认可,后者代表团队内部的追随,两个指标结合可以体现Agent的个体产出质量。
图18所示为经过10轮设计后,每组Agent的方案平均得分对比情况,可见A组和a组的成员整体得分水平明显高于B组和b组。从组内分数分布来看,A组成员之间的得分差距远大于B组,B组各个成员之间的得分标准差为0.34,A组则达到0.91,原因如图19所示。图中A组的原创型Agent得分远落后于同组的引用型Agent,B组的引用型Agent的得分在组内基本没有优势;a组与b组的比较情况恰恰相反,a组的原创型Agent与引用型Agent的得分差距不大,其成员得分标准差为0.40,b组的引用型Agent得分优势明显,导致b组成员成绩的标准差高达1.12。从以上情况可以得出,异质结构团队在不同团队规模下进行协作对Agent的影响不同。引用型成员占优的8人团队中,引用策略为个体带来了激励作用,但在原创型成员占优的8人团队中,引用行为基本没有为个体带来优势;在4人团队规模下,引用策略在原创型成员占优的团队中对引用型Agent发挥了积极作用,在引用型成员占优的团队中两类Agent都受到引用行为的激励影响。
从整体上看,大多数引用型Agent的方案被引率高于原创型Agent(如图20),仅有的两个低被引的引用型Agent出现在B组,这与B组的引用型Agent方案得分不高有关。通过观察方案得分与被引用数量两个指标,Agent的产出表现符合前期真人实验中总结出的设计师角色特征,即原创率与两个指标呈现近似负相关关系,进一步验证了本文仿真模型的相对有效性。
基于以上分析,对设计团队运作模式提出若干建议:①增加团队中的引用型设计师能提高团队产出的整体质量;②根据团队规模将设计轮次控制在5~8次,以使产出达到一致性与评价结合的最佳演化效果;③鼓励成员之间深度协作,即延长方案链长数,增加获得最优方案的概率;④需要限制自引(引用自己的方案)比例,避免演化结果倒退。
本文提出的团队设计协作模式还处于定性研究阶段,仿真实验在团队规模、成员类型的数量比例、协作轮次的设置上比较简单,还需要大量实验进行比较分析,以获得更有实际操作意义的设计团队协作指导建议。同时,由于设计团队协作过程的复杂性,未来还有若干问题需要解决。首先,本文以策略行为异质性作为设计师建模标准,模型构成较单一,设计团队成员的异质性除了设计决策外还包括其个人禀赋、性格特征等,需要建立一种能够覆盖表达设计师各种差异化特征的Agent模型;其次,创新团队内部竞争显著,研究其合作还涉及个体利益分配模式的设计,其模式在团队中的有效应用需要有合理的贡献度计算方式来配合;第三,不同的设计创新任务可能有不同的优化指标,例如颠覆型创新会关注多样性和全局性指标,渐进式或系列化产品改型任务对全局性不敏感,短期项目会关注时间复杂度,长期项目则关注收敛性等。本文仿真实验结果中的方案代数收敛情况不如前期真人实验[16]结果明显,也有可能是受任务类型不同的影响。
另外,本文采用的实验案例本身也有一定的局限性。采用产品配色作为案例主要考虑使用程序进行自动化和批量化操作的技术较成熟,但配色方案只在一个有界空间内进行搜索和优化,不能充分代表概念创新的发散性特征。未来的研究将尝试基于前期的功能性产品概念创新实验和参数化造型设计任务对设计团队的异步协作模式进行探索。
在设计团队异步协作趋势化背景下,本文根据团队IPO框架,将以成员决策行为异质性为基础的团队结构作为输入变量,协作产出方案演化过程的优化特性作为输出变量,采用多Agent仿真建模的方法建立了协作过程模型,通过分组仿真对比实验求出输入变量对输出结果的影响机制,为设计团队运作模式的个性化设计提供理论依据;开发了可生产真实方案的仿真系统,弥补了多数仿真系统缺乏产物演化的不足。实验结果表明,引用型设计师占优团队较原创型设计师占优团队的平均产出质量更高,引用行为在一定条件下对团队和个人产出都有激励作用,通过调整团队结构与团队规模等输入变量可以寻得一个相对较优的团队协作模式解,从而证明合理的异步协作设计模式将有助于激发团队合作的潜能,并形成群体智慧。