从大规模定制化设计到大规模个性化设计

肖人彬，赖荣燊，李仁旺

(1.华中科技大学 人工智能与自动化学院，湖北 武汉 430074；2.厦门理工学院 机械与汽车工程学院，福建 厦门 361024；3.浙江理工大学 机械与自动控制学院，浙江 杭州 310018)

1 问题的提出

随着物联网、大数据、云计算、5G、人工智能等新一代信息通讯技术的持续突破和新能源、新材料、3D打印、智能制造等先进技术的快速发展，新一轮工业革命正在来临，人类社会跨入了以数据为关键生产要素的数字经济时代[1]。纵观人类文明的发展历史，科学技术的每一次重大突破都将推动生产方式、生活方式和思维方式的深刻变革和演化发展[2]。我国政府顺势而为，积极应对，国务院于2015年发布的《中国制造2025》全面部署了建设制造强国的实施战略，旨在推动新一代信息技术与制造技术的融合发展[3]，其中制造业的数字化、网络化、智能化是新一轮工业革命的核心技术，是“中国制造2025”的主攻方向[4]。大规模定制[5]则是当前智能制造的主流生产模式之一，它与大规模生产和大规模个性化[6]共同形成长尾生产方式[7]，这3种生产模式相互关联并且各有独特之处。

追溯人类生产实践活动可以发现，早期生产设备配置简单，主要依赖工匠制作经验和技术技能，其基本形式采用的是作坊生产方式。作坊生产以单件/小批量和定制化为主要特征，效率低、成本高，质量难以保证且生产周期较长，但因其完全按照客户的确定需求进行生产，故能充分满足客户特定要求，本质上是一种客户化生产，或者是定制化生产(Customized production，简记为C)。20世纪初，以福特T型车装配流水线为代表的标准化作业横空出世，大幅度提升生产效率，而且成本低廉、产品质量有可靠保障，在人们生活水平较低且商品紧缺的年代获得巨大的成功，但是由于产品设计和制造过程均由企业主导且基本没有客户参与，故难以满足客户的多样化、个性化需求，它是一种大批量生产方式，称为大规模生产(Mass production，简记为M)。从满足客户需求和生产效率/成本这两个最主要的指标来看(前者代表客户方，后者代表生产方)，定制化生产与大规模生产优缺点正好相反，具有明显的互补性。粗浅看来，似乎不可调和，很难将两者融合为一体。但标准化技术、现代设计方法、信息通讯技术和先进制造技术等现代科学技术的快速发展，使得定制化生产与大规模生产的融合成为可能。

1970年，未来学家Toffler提出一种全新的生产方式设想，即“以类似于大规模生产的时间和成本提供满足客户特定需求的产品和/或服务[8]”，此种生产方式于1987年被Davis首次定义为“大规模定制(Mass customization，简记为MC)[9]”，其核心为“产品或服务品种定制化与多样化急剧增加，满足个性化定制需求的同时不相应增加成本，最大优点在于提供战略优势和经济价值[10]”。大规模定制生产方式既能满足客户的定制化需求，又能在大量定制产品的生产中实现接近大规模生产的效率/成本指标的目标，从而在市场竞争中赢得优势[11]。若将满足客户需求的指标用客户参与度来衡量，则图1直观地刻画出客户参与度与效率/成本二维结构下定制化生产、大规模生产和大规模定制这三种生产模式的定位，其中，大规模定制生产集成了定制化生产充分满足客户个性化需求和大规模生产效率高、成本低的优势。

21世纪以来，随着社会经济的飞速发展和人们生活水平、健康意识的显著提升，医疗、健康器械和装饰类、康复类穿戴产品大量涌现，这类产品的客户本身具有完全独特性，产品制造精度或与人体贴合度等要求极高，故其设计与制造的个性化特征日益突出，更加明显。此外，产品设计与制造很大程度上依赖于客户高度个性化信息以及显性、隐性需求的获取和挖掘分析，故对客户参与度的要求急剧增加，并且呈现出大幅提升的态势。现有大规模定制生产所依托的产品平台技术和可重构制造系统等难以充分满足此类产品的个性化要求，由此急需一种与客户参与度更高要求相适应同时保持良好的效率/成本指标的生产模式，这就是大规模个性化生产(Mass personalization，简记为MP)，其在客户参与度与效率/成本二维结构下的定位如图1所示。

上述4种主要生产模式的基本发展路径为：C→M→MC→MP。对于图1所示的二维结构而言，效率/成本指标通常处于优先考虑的位置，即一个适用的生产模式必须具有良好的效率/成本指标。大规模定制和大规模个性化可以实现接近大规模生产的效率/成本，而定制化生产由于效率/成本指标的欠缺而逐渐式微，下面不再涉及。

从供求关系来看，大规模生产与大规模定制均由企业主导。前者主要通过市场调研分析并由企业直接设计制造产品后投放市场，客户只能从市场现有最终产品中进行选择；后者基于市场调研分析对市场进行细分，企业面向一个或多个细分市场开发模块化或参数化产品族，客户可根据自身需求基于既定的产品族体系结构在较为有限的范围内选择模块实例或功能参数。而大规模个性化则由客户主导，企业基于客户个性化需求开展产品设计，并在产品实现全流程与客户实时交互，及时捕捉客户体验以修正设计方案。由此可见，大规模生产、大规模定制和大规模个性化三种生产模式对客户参与的依存性逐渐增强，即大规模生产的客户参与度要求较低，大规模定制生产处于中间状态，大规模个性化生产的客户参与度要求最高，如图2所示。

为了适应大规模定制生产模式的要求，相应的大规模定制化设计(Design for Mass Customization，DFMC)[12]方法与技术发展起来，大规模定制化设计方法主要面向细分市场(Market Segment)或少数市场(Market of Few)开展产品平台规划和产品(族)设计，基于模块化或参数化产品平台配置产品变型，实现以接近大规模生产的质量、效率、成本满足客户的定制需求。而适应大规模个性化生产模式的大规模个性化设计(Design for Mass Personalization，DFMC)[13]的研究尚不充分，处于起步阶段。有鉴于此，本文下面从整体层面进行系统性探究。

图1 客户参与度与效率/成本二维结构下的生产模式定位

图2 生产模式对客户参与度的依存性描述

2 研究现状及分析

作为大规模定制的高级发展阶段，大规模个性化旨在通过客户参与价值共创(Value Co-creation)过程并充分体验企业排他的或首选的个性化服务，真正实现面向个人市场[14](Market of one)高度个性化，其最显著特征在于客户体验。为兼顾大规模个性化生产模式的客户参与度和效率/成本目标，国内外学者已就大规模个性化设计方法开展了一些研究。

2005年，Adomavicius等[15]基于迭代反馈原理提出了面向过程视角的个性化实现与优化流程，构建了“理解客户需求—传输个性化产品—测量个性化影响”的迭代过程，并进一步分解为数据收集、客户建档、推荐匹配、传输展示、影响评估和策略调整等6个阶段。2007年，Jiao等[16]提出了面向大规模定制和个性化的情感设计分析模型，应用环境智能、关联规则挖掘等技术呈现、评价和满足客户情感需求，辅助个性化产品生态系统设计决策。2010年，Tseng等[13]从设计角度总结了大规模个性化设计区别于大规模定制化设计的两大特征，即扩大产品设计空间和重视无形的客户体验，提出了以产品生态系统为内核、以产品实现全过程技术架构为背景、以客户积极参与价值共创为驱动力的大规模个性化设计系统方法。2013年，Zhou等[17]总结了大规模个性化设计的典型特征，即客户体验、产品变化和协同创造，从客户情感与认知需求的呈现、分析和实现等关键维度综述了面向大规模个性化的情感和认知设计方法。2014年，王忠杰等[18]提出了一种支持大规模个性化功能需求的服务组合方法，实现优化成本有效性和客户满意度目标。2016年，Hu等[19]提出了面向产品大规模个性化的开放式产品设计概念。Jiang等[20]针对大规模个性化和开放式创新环境，提出兼具分布式、适应性和自组织性特征的社群化制造新模式，将众包理念扩展到制造领域，通过分散的社交媒体建立信息物理社会网络，将各种社区形成复杂动态的自治系统，共同创建定制化、个性化的产品或服务。2017年，Zheng等[21]提出基于客户体验的大规模个性化产品开发系统框架，并以智能呼吸面罩为例阐述了个性化产品设计过程。2018年，针对大规模个性化设计容易导致模块数量失控和成本大幅增加问题，李浩等[22]提出面向大规模个性化的产品服务系统模块化设计方法。2020年，李强等[23]将云制造技术应用于大规模个性化领域，提出一种创新性的基于客户需求的大规模个性化的交互式云模式。

上述研究重点关注客户参与个性化产品或服务的价值共创过程，初步形成大规模个性化设计方法基本构想，为促进大规模个性化生产模式发展与实践应用提供支持。然而，因受经济和科技水平等限制，大规模个性化设计方法及应用研究进展较为缓慢。随着数据驱动[24-26]、3D打印[27-28]、韧性制造[29-31]等技术的快速发展，同时客户对与人体直接接触、关乎人体健康与生命安全等方面的个性化产品需求日益强烈，大规模个性化设计方法研究已成为产品创新设计领域的关注热点。为此必须充分运用新一代信息技术和制造技术优势开展高度个性化产品设计开发，快速精确地满足客户个性化需求，实现效率/成本最大化和积极的客户体验。

下面分析说明DFMP的概念内涵并与DFMC进行比较。

3 DFMP及其与DFMC比较

3.1 DFMP概念及其内涵

传统的大规模定制化设计方法已不能有效应对客户高度个性化需求。换言之，大规模定制化设计为客户提供的产品或服务选项有限，客户参与价值共创的程度较低，甚至可能因配置过程不顺畅造成负面的客户体验。特别地，随着客户对医疗健康、彰显个性等方面的产品或服务需求更加关注，如直接与人体接触的可穿戴设备、植入人体的医疗器械、体现地位或偏好的珠宝产品等，满足客户需求的产品或服务往往因人而异、精度要求极高，客户完全无法接受大规模定制化设计提供的“折中”产品或服务，且对效率/成本要求仍旧很高。因此，客户参与价值共创的体验对产品或服务成败的影响至关重要，大规模个性化设计应运而生。

大规模个性化设计可以用一个四元组的形式来表示：

DFMP=，

其中MO，RM，DO，MS分别表示大规模个性化设计的市场定位、实现方法、设计目标和制造系统。大规模个性化设计是指面向个人市场(MO)客户高度个性化需求，企业、客户、供应商和创新团队(或个人)等基于数据平台和产品平台协同设计(RM)，并通过韧性制造平台(MS)生产效率/成本和客户参与度俱佳(DO)的个性化产品的创新设计过程。

DFMP内涵的主体内容在于：①客户需求个性化程度极高，每一个体即为一个市场，且个体差异性明显，其需求无法通过企业预先定义的产品(模块组合)得以确切满足；②客户个性化需求包含显性和隐性需求，其中，显性需求直接由客户在交互平台上描述，而隐性需求需要企业基于数据平台进行挖掘；③面向大规模个性化设计的开放式结构产品平台包含通用功能模块和接口，可以兼容不同创新团队(或个人)开发的定制模块和个性化模块，实现近似大规模生产的成本和效益；④制造平台具备可重构能力和高韧性，可以高效地组合制造资源生产个性化产品以及快速进行极端生产状态转换，实现近似大规模生产的速度和质量。大规模个性化设计是大规模定制化设计在新一代信息技术和先进制造技术环境下的进一步发展，与大规模定制化设计紧密关联又具有自身的独特性。

3.2 DFMP与DFMC比较

大规模定制化设计是指企业采取延迟策略，应用模块化设计、产品平台规划和产品族设计等方法快速得到满足客户定制需求的配置方案，通过可重构制造系统(Reconfigurable manufacturing systems，RMS)向客户快速提供高质量低成本定制化产品的系统过程，也是企业实现产品创新的重要途径[32]。所谓延迟策略[33]，即根据客户影响定制产品设计制造的阶段，确定按订单销售(Sale-to-order，STO)、按订单装配(Assemble-to-order，ATO)、按订单制造(Make-to-order，MTO)、按订单设计(Engineering-to-order，ETO)等4个不同层次的大规模定制水平，并尽可能将客户订单分离点(Customer Order Decoupling Point，CODP)向产品设计制造链条的后端移动；模块化设计是指企业通过模块的不同组合快速配置并提供产品和/或服务的过程，是实现大规模定制构想的一种有效方法[34]；基于平台的产品族开发是指基于产品族体系结构，识别通用模块、变型模块和个性模块，构建产品平台，并根据客户定制需求配置变型产品的过程[35-36]；可重构制造系统兼具专用流水线与柔性制造系统优点以应对全球化带来的挑战，主要目标在于增强制造系统面对不可预知的产品需求的响应能力[37]，提高生产效率和延长制造系统使用寿命。

随着新一代信息技术、制造技术等快速发展以及客户高度个性化需求日益强烈，主要基于模块化或参数化产品平台配置产品变型以满足定制需求的大规模定制化设计方法的局限性凸显，主要体现在以下3个方面：第一，客户没有完全参与产品设计过程，而且设计人员没有充分考虑到客户参与价值共创的客户体验重要性，导致客户无法获得融入产品设计过程的成就感以及对产品个性化或排他性的认同感。第二，客户大多通过企业提供的特定配置器或定制平台参与价值共创，而且定制产品的设计参数、体系结构以及功能模块实例变型等都已由设计人员预先确定，导致可选配置方案有限、客户定制过程操作困难等问题。第三，大规模定制化设计主要面向特定的细分产品，普遍通过按订单配置模式“折中”满足明确的客户需求，无法有效捕捉客户潜在需求并确切满足高度个性化的客户需求，真正实现面向个人市场的设计。

针对客户需求个性化程度不高的情况，企业采用大规模定制化设计方法提供的产品不一定完全吻合客户需求，但不影响客户使用，且客户可以“容忍”这种不一致。然而，对于某些涉及生命健康、高端消费类产品或领域，客户显性及隐性需求(如个人品味、特质、先天需求和经验等)个性化程度极高，真正实现个性化设计并降低生产成本尤为重要，大规模个性化设计成为大规模定制化设计发展的必然趋势。基于文献[2]，总结促成大规模定制向大规模个性化转化的驱动因素如下：第一，新一代信息技术发展(如移动互联、物联网、云计算、电子商务等)，为广泛收集客户个性化需求提供技术条件。第二，数据挖掘技术的发展使得有效且高效地分析和挖掘客户个性化需求成为可能。第三，客户价值共创理念日益深入人心。第四，制造技术快速发展(如增材制造、可重构制造、韧性制造、社群化制造等)，为快速低成本生产个性化产品提供保障。第五，大规模定制化设计方法的应用发展(如模块化、延迟差异化、产品平台与产品族等)，有助于进一步减少制造成本和缩短周期时间。

Tseng等[13]从市场定位、驱动、客户需求、客户参与、生产方式、质量效益、产品类型等方面对大规模定制与大规模个性化进行的比较。此外，Jiao等[38]从产品变化程度、客户体验和价值共创等方面对大规模定制和大规模个性化进行比较。基于上述研究以及大规模个性化设计四元组定义，本文聚焦产品创新设计视角分析大规模定制化设计与大规模个性化设计之间的异同(见表1)。前者主要以企业利润最大化为目标，定位于预先定义的特定细分市场，基于模块化或参数化产品平台，由设计人员或由客户通过定制平台确定配置设计方案，通过可重构制造系统快速提供定制产品或服务以满足功能、性能或外观等显性客户需求；后者主要以有效且高效地满足客户个性化需求和客户体验为目标，定位于大规模个人市场(即每一个人即为一个细分市场)，并使每一客户积极参与产品价值共创全过程，开展基于产品平台的配置设计以及面向高度个性化客户需求的创新设计，获得产品和服务配置方案和创新方案，基于可重构及韧性制造系统提供满足显性及隐性个性化需求(主要包含情感、认知需求和客户体验等)的产品或服务和积极的客户体验。大规模个性化设计从设计空间及客户体验两个维度开辟大规模定制化设计的新的研究方向[13]，旨在通过提供高度个性化且具有积极客户体验的独特产品或服务以有效且高效地满足客户个性化需求，其核心在于构建基于开放式结构设计平台和积极客户参与的产品生态系统[39]。

表1 大规模定制化设计与大规模个性化设计比较

4 DFMP的基本框架与关键技术

4.1 DFMP的基本框架

基于大规模个性化设计内涵分析及其与大规模定制化设计比较，构建大规模个性化设计基本框架，如图3所示。该框架主要包含数据基础层、技术支撑层、客户交互层、协同设计层和控制决策层。其中，数据基础层为大规模个性化设计提供多源异构数据，包含客户需求描述与体验反馈、线上浏览记录与购买历史、生活习惯、专业方向、健康状况与兴趣爱好等个性化信息、产品生命周期数据、模块功能性能及供应商数据等，为挖掘客户隐性需求、优化设计方案与制造工艺过程等提供数据支撑；技术支撑层涉及数据采集、传输与挖掘分析、产品设计与制造、客户交互等环节的关键技术，如物联网、数据挖掘(聚类、分类、关联、预测分析等)、可视化、虚拟现实、增强现实等技术，实现高质高效地展现个性化设计方案和采集客户体验数据，并针对既定目标挖掘数据间存在的规律性；客户交互层主要是指基于互联网、移动互联等技术构建的客户参与价值共创的网络交互平台，是客户参与设计、接收设计方案、跟踪进度和反馈信息以促进创新的主要渠道；协同设计层是实现大规模个性化设计的核心环节，以开放式体系结构产品设计平台为中心，将个性化产品或服务分解成通用模块、定制模块和个性化模块，且模块间设置通用接口，可以兼容企业、客户、供应商、创新团队设计的模块实例；控制决策层基于客户需求和客户体验等数据实时优化设计、制造、配送、使用维护、回收处理等环节，提升客户满意度。

图3 大规模个性化设计基本框架

面向个人市场高度个性化的客户需求的实现过程，聚焦个性化需求识别与可视化、产品价值共创与客户体验评价、个性化需求的设计实现、产品精准制造等关键环节，构建以开放式体系结构产品设计平台为核心的大规模个性化设计流程，如图4所示。其主要过程描述如下：首先，大规模个性化设计过程始于客户域与设计域之间不同交互渠道以及从其他各种异构数据源收集数据，并基于数据构建最全面准确的消费者个人信息档案；其次，设计人员基于客户个性化需求和开放式产品平台体系结构与客户共同设计个性化产品和服务生态系统，并通过可视化工具将方案信息模型和/或物理原型呈现给客户；然后，基于可重构、韧性制造系统生产个性化产品交予客户；最后，使用准确性、消费者生命周期价值、忠诚度价值和购买经验等指标评估个性化产品和服务的有效性，并根据评价指标的反馈应用促进大规模个性化设计全过程的良性循环。

图4 大规模个性化设计流程

4.2 DFMP的关键技术

互联网时代的大规模个性化设计不仅需要快速、高效、精确地满足客户高度个性化需求，还应该体现客户分享、参与以及自我实现等人文关怀。大规模个性化设计是大规模定制化设计朝着面向更为聚焦的个性化客户需求方向发展的必然选择，因此，除保证大规模定制化设计成功实践的关键技术外，如模块化设计和个性化组合技术等，数据驱动、3D打印和韧性制造等是实现大规模个性化设计的关键支撑技术。

4.2.1 客户参与设计的网络交互平台

客户参与设计的网络交互平台，顾名思义，是客户参与个性化产品价值共创的网络窗口，以个性化需求驱动，客户与设计人员共同设计个性化产品实现积极客户体验的创新平台[40-41]，是实现大规模个性化设计的必要支撑条件，其作用在于收集客户相关个性化信息、理解客户显性和隐性个性化需求、展现个性化产品模型等，主要涉及多源异构数据收集与存储、高效数据挖掘、智能互联、虚拟现实、混合现实、可视化等技术，典型案例如海尔推出的以客户需求为主导的大规模定制平台COSMOPlat，实现客户全流程参与个性化产品设计。客户参与设计的网络交互平台有效打破专业知识壁垒和传统设计的规则性制约，聚集散乱的客户创意、显性和隐性个性化需求等创新设计素材，极大地提升产品创新设计效率和降低创新设计成本。

4.2.2 开放式体系结构产品平台(Open Architecture Product Platform，OAPP)

开放式体系结构产品是指基于具有通用接口的产品平台，客户通过选择定制模块变型或可扩展参数水平和共同参与设计个性化零件而得到的满足客户个性化需求的产品[39，42-43]。开放式体系结构产品平台通过定义通用接口(如机械、电气和/或软件接口等)，允许集成来自不同生产商(不一定非要是平台制造企业)的模块和客户自行设计的个性化零件，在一定范围内调整产品功能和性能，以确切地满足客户人性化需求和客户体验。换言之，制造企业设计产品平台及产品体系结构，然后面向潜在定制或个性化模块定义通用接口，最后客户通过选择自己喜欢的模块进行组合得到最终的个性化产品设计方案。

4.2.3 数据驱动

随着互联网在社会连通性、知识连通性与推理两个维度的演化发展，当前已进入WEB 4.0时代(Ubiquitous Web)，即互联网能够在任何时候、任何地方提供任何需要的数据、信息或知识。在互联网环境下，数据驱动技术在大规模定制和大规模个性化的实现过程中发挥至关重要的作用[44]。一方面，依托大数据、云计算、电子商务等相关技术运用，企业更加广泛地获取客户相关个性化信息，并用于分析和理解消费者的行为特征和个性需求；另一方面，依托数据资源的积累和数据能力的提升，企业应用数据挖掘分析方法(如聚类、分类、预测、关联规则等)更方便准确地提炼面向个性化产品需求分析、设计和制造的相关规律。

肖人彬等[24，25，32，45]提出数据驱动的产品/产品族创新设计方法和数字孪生驱动的大数据制造服务新模式，为面向数据驱动的大规模个性化设计研究奠定基础。数据驱动相关技术的发展有助于个性化需求的准确获取、有效传递、高效满足，进而促进企业前端个性化需求挖掘与后端个性化需求实现，推动实现大规模个性化。

4.2.4 3D打印

3D打印，亦称为增材制造，是基于堆积原理以逐层增加材料方式生成三维实体的先进制造技术，通过将零件三维模型切成一定厚度的薄片，应用3D打印设备逐层打印薄片并叠加成形出三维实体零件。3D打印技术突破传统车、铣、刨、磨等“减材制造”技术的诸多局限，以其在定制、成本、速度、结构、灵活等方面的独特优势，迅速在机械制造、医疗卫生、航空航天、清洁能源等领域得到广泛应用[27]。

面向客户对产品高度个性化设计要求，如新型药物剂型[46]、假体[47]、植入物[48]、牙科助具、可穿戴设备、高级运动装备等量身定制需求，3D打印具有无与伦比的优势：一方面，基于逆向工程设计方法和3D扫描仪可快速构建个性化零件的三维信息模型，扩大产品设计自由度，实现完全个性化定制设计；另一方面，3D打印不依赖与任何标准模板，不受传统加工设备限制，可经济高效地按照客户个性化设计方案生产任何复杂结构的产品，高度符合每个客户的个性化需求，使客户享受最为舒适的产品和服务体验，已成为实现大规模个性化产品设计与制造的关键支撑技术。

4.2.5 韧性制造系统

韧性是指系统抵御灾变以及灾变发生后快速恢复等能力[49]，通常用遭受灾变后恢复到平衡状态的速度进行评估，速度越快则韧性越强。韧性制造系统面对机器故障、自然灾害、恐怖袭击、传染病大流行等内外部破坏性事件时展现出极强的适应和功能恢复能力，其韧性内涵主要体现在集中控制以建立多层防护和自动调节以适应环境变化两个方面，并通过刚柔结合的制造系统结构以及基于知识和数据的实时反馈控制实现。

韧性制造系统通过材料、设计、制造技术、产品服务与循环利用等全链条优化创新，适应客户个性化需求的快速变化并高效率、高质量地完成生产任务以实现积极的客户体验；通过优化原材料或零部件供应商布局、制造系统布局、产品销售和服务网络布局，平衡制造系统节拍、使用可重构机床和可移动堆栈，消除瓶颈工艺对生产效率的影响，并通过优化调度缓解或消除机器故障的负面效应；基于工业互联网、人工智能等先进技术，构建制造系统数字孪生模型，通过工业大数据挖掘快速检测故障信息并及时采取有效的控制措施，实现制造系统的智能控制。韧性制造系统以其强大的抵御灾变和功能恢复能力，成为大规模个性化设计必不可少的支撑技术。

5 典型应用

随着大规模个性化设计关键支撑技术的快速发展，以近似大规模生产的成本效益满足客户高度个性化需求成为现实。基于开放式体系结构产品设计平台，大规模个性化设计在脊柱侧弯矫形器、植入性医疗器械和呼吸面罩等与人体健康和生命安全密切相关的产品中得以成功应用。

5.1 脊柱侧弯矫形器大规模个性化设计

因脊柱侧弯患者在性别、年龄、体型、脊柱特征、侧弯类型和侧弯位置等方面存在显著差异，脊柱侧弯矫形器具有高度个性化特征，若矫形器不合体，则矫形效果差甚至产生负面健康影响。为了满足脊柱侧弯患者高度个性化需求，张玉芳等[50]提出了基于3D打印技术的个性化脊柱侧弯矫形支具数字化设计方法，设计流程如见图5所示，具体说明如下：

图5 脊柱侧弯矫形器(大规模)个性化设计流程(改编自文献[37])

采集患者躯干X射线断层扫描(CT)图像和体表点云数据，运用医学图像处理软件、三维扫描仪和有限元分析软件等构建患者躯干骨骼—肌肉—体表三维模型；基于患者躯干三维模型和三点受力原理等设计矫形器参数模型；基于虚拟现实和增强现实等技术，模拟患者穿戴过程并仿真分析人体组织受力情况，据此改进设计方案；应用3D打印技术快速生产个性化矫形器；采集患者穿戴个性化矫形器的体验数据并对患者进行穿戴满意度评价。实例表明，个性化设计矫形器贴合患者体表，具有良好的矫形效果。

5.2 植入性医疗器械大规模个性化设计

植入性医疗器械在恶性肿瘤、脑血管病、心脏病等致死率高的疾病治疗中应用广泛，医学美容整形外科也是植入性医疗器械应用的重要领域。除材料生物相容性外，植入性医疗器械的精准性要求极高。例如，当前众多骨缺损患者因缺乏理想植入物而成为功能受限者，患者骨缺损情况因人而异，具有高度个性化特征，个性化植入物设计制造已成为精准医疗的关键。针对大尺寸个性化的聚醚醚酮(Poly-ether-ether-ketone，PEEK)植入物，李涤尘等[48]提出一种胸骨假体精准设计方法，设计流程如见图6所示，具体说明如下：

图6 植入性医疗器械(大规模)个性化设计流程(改编自文献[33])

基于患者CT扫描数据构建患者骨缺损三维模型；基于医生临床经验等制定术前规划并设计个体化胸骨假体方案；基于虚拟现实和有限元分析等技术以及植入材料力学特性等分析胸骨假体力学性能、假体与宿主骨固定可靠性和客户体验，据此开展胸骨假体迭代优化设计；基于3D打印技术建立胸骨假体物理原型。实例表明，基于患者个性化数据和医工交互紧密结合，将个性化设计胸骨假体替代自体骨骼能够有效减轻疼痛和实现功能修复。

5.3 呼吸面罩大规模个性化设计

健康相关的可穿戴设备因与人体手腕、手指、耳廓或鼻梁等部位直接贴合，具有高度个性化特征，且穿戴舒适度对客户体验和满意度产生重要影响。针对智能个性化呼吸面罩，Zheng等[21]提出了基于客户体验的大规模个性化产品开发方法，设计流程如见图7所示，具体说明如下：

将产品分解为通用零件、定制零件和个性化零件，其中，定制零件和个性化零件都可以通过适应性强的界面轻松更改或升级，而对于参数化设计，新产品能够按比例放大或缩小某些特定参数，即内置灵活性；开发客户友好的配置系统，实现客户根据系统定义的规则自由选择特定属性参数或定制零件，促进客户价值共创过程；通过眼动仪和摄像头分别捕捉客户凝视点和面部表情，结合数据分析得到客户体验；应用3D扫描仪建立个性化零件参数化信息模型；使用3D打印快速制作个性化零件原型；将带有微处理器的传感器嵌入产品原型，测试客户使用产品原型过程并记录客户体验数据；开发智能手机APP监控客户使用情况，通过客户友好界面和低能耗协议及时提供反馈信息，并开发物联网(Internet of Things，IoT)平台，所有监控数据从手机传输到平台，并以该平台作为数据中心；采集客户使用数据，设计人员据此开展产品改进设计。

6 展望

通过剖析互联网4.0环境下大规模定制的局限性，本文基于大规模定制化设计与大规模个性化设计的比较分析，提出大规模个性化设计基本框架和实施流程，阐述客户参与设计的网络交互平台、开放式体系结构产品平台、数据驱动、3D打印和韧性制造等支撑大规模个性化设计的关键技术，最后介绍大规模个性化设计在脊柱侧弯矫形器、植入性医疗器械和呼吸面罩等产品中的典型应用。

尽管新一代信息技术和制造技术为大规模个性化提供强有力的技术支撑，当前大多企业仍处于大规模定制或浅层个性化定制阶段，尚未真正实现大规模个性化设计，如服装个性化设计仍采用上门量体方式获得人体关键尺寸，而非采用三维测量技术实现自动构建精确的人体三维参数化信息模型，且无法实时精确捕捉客户体验和满意度。针对这一现状，大规模个性化设计研究的重点方向主要归结为以下三个方面：第一，充分利用数字孪生、虚拟现实、大数据等技术实现物理世界与虚拟世界的互联、产品和服务的虚实映射等，建设全流程、全方位、社群化的网络交互平台，系统实现实时收集客户关联信息、精确挖掘客户隐性个性化需求并提供个性化推荐服务、高质量展示个性化产品或服务、采集并分析客户体验数据以改进产品或服务个性化设计等功能。第二，面对个人市场的高度个性化客户需求，优化开放式体系结构产品平台设计，基于社群化设计与制造资源优化配置有效且高效地实现大规模生产的高质量与低成本。第三，基于知识推送的大规模个性化智能设计[51]，提高设计专业水平及设计效率。