روشی جدید برای وزن‌دهی به خواسته‌های مشتریان و اولویت‌بندی مشخصه‌های فنی محصول با رویکرد Q‌F‌D فازی

نویسندگان

چکیده مقاله:

امروزه برای تبدیل خواسته‌های مشتریان به مشخصه‌های فنی محصول از رویکرد گسترش عملکرد کیفیت یا گسترش کارایی کیفی Q‌F‌D به‌طور وسیعی استفاده می‌شود. در این رویکرد رتبه‌بندی و وزن‌دهی صحیح هریک از خواسته‌های مشتریان حائز اهمیت است، چرا که این امر بر ارزش نهایی مشخصه‌های فنی محصول تأثیر خواهد گذاشت. هر فرد تصمیم‌گیرنده درک متفاوتی از ارزیابی متغیرهای زبانی در محیط فازی دارد، هدف از این تحقیق روش جدید وزن‌دهی به خواسته‌های مشتریان و مشخصه‌های فنی براساس اطلاعات رقبا و ارائه‌ی روش سیستماتیک Q‌F‌D فازی است. موفقیت یک محصول نه‌تنها به مطابقت با نیازهای مشتریان، بلکه به مقایسه و ارزیابی محصولات رقبا نیز بستگی دارد. اکثر روش‌های پیشین تنها بر دیدگاه مشتری متمرکز بوده و از محیط رقابتی چشم‌پوشی کرده‌اند. روش پیشنهادی شامل موقعیت رقبا، وزن‌دهی متفاوت مشتریان گوناگون، عملکرد فعلی و نظر مشتریان به درک‌های متفاوت از متغیرهای زبانی،درنظر گرفتن سقف خانه‌ی کیفیت فازی، به‌علاوه استفاده از ریاضیات فازی به‌جای اعداد قطعی در مقایسه با روش‌های قبل است. این روش می‌تواند بهترین استراتژی طراحی محصول را در اختیار سازمان قرار دهد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

روشی جدید برای وزن دهی به خواسته های مشتریان و اولویت بندی مشخصه های فنی محصول با رویکرد q f d فازی

امروزه برای تبدیل خواسته های مشتریان به مشخصه های فنی محصول از رویکرد گسترش عملکرد کیفیت یا گسترش کارایی کیفی q f d به طور وسیعی استفاده می شود. در این رویکرد رتبه بندی و وزن دهی صحیح هریک از خواسته های مشتریان حائز اهمیت است، چرا که این امر بر ارزش نهایی مشخصه های فنی محصول تأثیر خواهد گذاشت. هر فرد تصمیم گیرنده درک متفاوتی از ارزیابی متغیرهای زبانی در محیط فازی دارد، هدف از این تحقیق روش جدید...

متن کامل

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

متن کامل

تبیین نقش انتقال تکنولوژی در QFD فازی برای رقابتی‎شدن محصول (مورد مطالعاتی : شرکت ایران ترانسفوری)

امروزه با گسترش رقابت میان شرکت‎ها، ساخت محصول یا خدمت مطابق با الزامات مشتریان، مسئله‎ای مهم تلقی می‎شود. به‎گفتۀ دیگر، شرکت‎ها می‎بایست شناسایی مطلوبی از نیازمندی‎های مشتریان داشته باشند و بتوانند آنها را در الزامات فنی محصول خود پیاده‎سازی کنند و برای عملی‎کردن الزامات فنی محصول، باید تضادهای میان این الزامات را در کوتاه‎ترین زمان ممکن برطرف کنند. پژوهش حاضر، ابزاری برای طراحی محصول ترانسفور...

متن کامل

توسعه مدل ریاضی گسترش عملکرد کیفیت(QFD) با رویکرد فازی

امروزه انتقال سیستماتیک خواست و نظر مشتریان و تبدیل آنها به اقدام عملی در راستای تغییر یا اصلاح محصول، به واسطه ضرورت کسب موفقیت و مزیت رقابتی، برای شرکت ها از اهمیت فوق العاده ای برخوردار شده است. در این راه شرکت ها به جستجوی سطوح بالاتری از کیفیت برای محصولات و خدماتشان و نیز بهبود مستمر برای حفظ گام های سریع پیشرفت و تغییر در سراسر جهان پرداخته اند. به همین منظور دراین تحقیق سعی شده است مدلی...

متن کامل

اولویت‌بندی مشخصه‌های فنی و مهندسی در مدل QFD با استفاده از روش TOPSIS در حالت فازی

نظام ترجمان کیفیت فرایندی نظام یافته است که با اعتقاد کامل به ارضای نیازها و خواسته‌های مشتری شروع می‌شود و پس از جمع‌آوری این خواسته‌ها که اصطلاحاً «ندای مشتری» نامیده می‌شود آن‌ها را به مشخصه‌های کیفی تبدیل و ترجمه می‌کند و ضمن یک سلسله عملیات محاسباتی ماتریسی، پارامترهایی را که در دست‌یابی به آن خواسته‌ها مهم‌اند برجسته کرده و با استفاده از این پارامترها، فرایند دست‌یابی دقیق به آن خواسته‌ها ...

متن کامل

روشی جدید برای عضویت‌دهی به داده‌ها و شناسایی نوفه و داده‌های پرت با استفاده از ماشین بردار پشتیبان فازی

Support Vector Machine (SVM) is one of the important classification techniques, has been recently attracted by many of the researchers. However, there are some limitations for this approach. Determining the hyperplane that distinguishes classes with the maximum margin and calculating the position of each point (train data) in SVM linear classifier can be interpreted as computing a data membersh...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره دوره 1-30  شماره 1.1

صفحات  137- 150

تاریخ انتشار 2014-06-22

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023