Разработка и применение Группа Решение модели с применением нечеткой логики: Дело об отношении потребителей к риску,
Качество развертывания соединения (QFD) является методом по включению предпочтений клиентов в процессе разработки продукта или услуги. Он требует, чтобы потребительских предпочтений, созданная в рамках рыночных исследований, быть классифицированы и продукты или услуги, то развитых, атрибуты которого соответствуют или поместить этих преференций. Проблема здесь заключается в том, что предпочтения могут быть созданы лишь условно, само следствие того, что клиенты имеют различные взгляды (оптимистический, пессимистический) в направлении рисков при покупке услуг и товаров. Для решения этой проблемы, в настоящем исследовании развивается группового принятия решений модели с использованием нечеткой логики для создания потребительских предпочтений. Затем применяется модель QFD на случай клиентов по самым оптимистическим (высокий риск) и пессимистический (низкий риск) отношение к покупке услуг и товаров. На этом примере 5 клиентов и группа из семи руководителей оценили значение ключевых переменных в модели. Эти рейтинги внесло свой вклад в модели, которая затем используется для расчета оптимальных решений в различных условиях. Результаты показывают, что модель может быть полезной в этих общих условиях.
(ProQuest: ... означает формулы опускается.)
1. Введение
Чтобы повысить уровень удовлетворенности клиентов, организации должны всегда стараемся улучшить их процессов и продукции с помощью различных методов [5, 15]. Качественное Развертывание Функции (QFD) является ориентированные на клиентов системы контроля качества для удовлетворения потребностей клиентов и повышения их удовлетворенности продуктами организации и услуги [3, 22, 23]. Идея системы или методом философии является "перевод" Заказчик отношение к-определенных услуг или продуктов на меры, которые организация может использовать и применять на каждом этапе операции или производственного цикла на "конечном итоге с довольных клиентов [4, 12 , 20]. Как правило, QFD состоит из четырех аспектов и этапов; продукт планирования, развертывания частей, процесс планирования и планирования производства [2, 4, 13, 24]. Чен и Wu [4] утверждают, что HOQ (Дом Quality), этап планирования продукции или аспект QFD, как показано на рисунке 1, могут быть использованы или направлены в "охватывают" или "сделка с" каждого этапа или аспект QFD через свои связи требований клиентов на различные меры, которые используются или используются на каждом этапе QFD. В QFD продукты и услуги предназначены для удовлетворения потребностей клиентов. Он требует от отдела маркетинга, инженеров-конструкторов, и производственного персонала, чтобы работать в тесном контакте с момента продукт первой зачала его окончательного доставки клиентов [21] ..
Есть шесть основных шагов в реализации HOQ, условия которых являются: (1) клиента (Что), (2) матрицы планирования, (3) технические меры (хау), (4) матрица отношений (между Что и хау), (5) технические корреляционной матрицы и (6) технические матрице [2, 4]. Для реализации HOQ успешно, клиенты должны быть сначала найти, их требования, установленные и проанализировать, а матрица отношений между Что хау и рассчитывается. Результаты анализа неправильно матрицы (отношений) используются в более поздних этапах разработки продуктов и услуг. Основные методы для выяснения требований заказчиков рыночных исследований, фокус-группы и интервью [11, 12]. На практике, определение требований заказчика является группа процесса принятия решений. Это в основном из-за "опасности" полагаться на одного исследователя с его или ее ограничения опытом, предпочтения или предубеждения о связанных с этим вопросов, а также тот факт, что люди часто не могут четко определить свои собственные психические состояния. В отличие от требований заказчиков определяется, кросс-функциональные команды обычно используется для определения взаимосвязи между Что хау и [6]. Здесь часто преимущество, что члены группы могли бы существенно разные мнения в оценке отношения, основанные на собственном опыте.
Стрелка [1] утверждает, результаты группового решения не могут удовлетворить предпочтения всех лиц, принимающих решения, даже если они являются членами одного и того же различные функциональные группы. Хотя ни один из методов не совершенен, применения теории нечетких множеств к группе процессов принятия решений может в помощи или улучшить результаты в случае принятия решения групп лиц в условиях неопределенности, когда их опыт ограничены, и информации, является неточным. При таких обстоятельствах, отдельных лиц, принимающих решения, как правило, как правило, либо более оптимистично и более пессимистические (консервативной) в их подходе к решений. Настоящее исследование применения теории нечетких множеств для принятия решений группы QFD в случае, когда лицами, участвующими в процессе принятия решений были определены как имеющие ни оптимистические или консервативной (пессимистический) подходы к решению проблем вопросов ..
В этом исследовании предлагается нечеткой модели группы QFD, чтобы помочь улучшить или решений, принятых лиц с оптимизмом и консервативных взглядов на вопросы. В остальной части этой статьи изложены следующим образом: В разделе 2, основные понятия вводятся с особым акцентом на идею или понятие взвешенной Мин и Макс скоплений. Предложенная модель для группы принятия решений приводится в разделе 3. Иллюстрация группового принятия решений с использованием или применением модели приведена в разделе 4. Наконец, выводы в разделе 5.
В этом разделе теории нечетких применительно к индивидуальным предпочтениям рассматривается наряду с понятием взвешенных Мин и Макс скоплений. Известный нечеткой модели - привилегированных отношений - в том, что Накамуры [18], хотя и не без критики, заметный Юань [33), который утверждал, что Накамура 'с нечеткой реляционной модели предпочтение не является совершенным и не в состоянии дискриминации между случаями, в некоторых ситуациях. Тем не менее, модель, предложенная юаней (33), чтобы преодолеть этот недостаток по-прежнему имеет свои трудности. Чтобы преодолеть эти, Li [16] была предложена модель с нечеткой алгоритм, основанный на уровне масс. Потенциально полезных нечеткой модели (16), со ступенчатым алгоритма, представлена ниже, и только первые пять шагов, показано на рисунке.
Шаг 1: Определение 'языковое' понятия или идеи, участвующих в условиях нечетких треугольных чисел.
Шаг 2: Агрегированные нечетких весов "всех судей путем долгих сложения и скалярного умножения в форме всеобъемлющего векторов веса W, в которой каждый вес ... является треугольной нечеткой число вида
Шаг 3: Агрегированные производительности нечетких 'рейтингов всех судей путем долгих сложения и скалярного умножения в форме всеобъемлющего выполнения матрицы 5, в котором каждая оценка эффективности ... является треугольной нечеткой число вида
Шаг 4: совокупный нечеткой оценки производительности с нечеткими весами с помощью расширенного умножения в форме 'значение' взвешенный комплексное решение матрицы E, в которых е ^ т ^ к югу = S ^ ^ т к югу номер с параболической функции членства, основанного на Кауфман и Гупта [14], в виде ..., (3)
если ...,
...,
...,
...,
...,
...,
и ...
Шаг 5: Определение каждого варианта в виде нечеткого числа ^ ^ я к югу, где я = 1,2,3, ..., т, путем долгих сложения и скалярного умножения все соответствующие атрибуты, представленные в уравнении (4 ).
с параболической функции принадлежности в виде ..., где
Ягер [32] рассмотрел взвешенных Мин и Макс агрегаты, имеющие отношение к вышеупомянутого анализа. Тема весовых агрегации изучали ряд исследователей, таких, как Ягер [25, 26, 27, 28], Дюбуа и Прейд [8], Дюбуа и др.. [9], а Санчес [19]. Преимущества и свойства этого подхода к решению 'нечетких данных ", были широко обсуждены Ягер [32]. Многие приложения многокритериального принятия решений, распознавания, диагностики и контроля нечеткой логики нечетких множеств встречи взвешенных проблема агрегирования. Ягер [32] привел доводы в пользу включения Мин скопления на анализ, чтобы убедиться, что снижение неважных элементов или аспектов процесса принятия решений не фиктивно значительные последствия. Обзоры литературы для взвешенных Мин и Макс агрегаты были проведены целым рядом исследователей [29, 30, 31, 32]: В отличие от Макса агрегации, агрегации Мин анти-монотонных в мощности, с особенностями оператора
Предположим, что связанные с каждым нечеткого множества A ^ ^ я к югу (характеризующие-го атрибута или критерия) является весовой ^ ^ к югу я ? = Л, 2,3 ,..., n. Пусть ^ ^ к югу гг быть агрегации оператора, Макс и Мин. Пусть х альтернативных и пусть (^ ^ 1 к югу, к югу ^ 2 ^,..., ^ ^ к югу п) обозначим, в какой степени? удовлетворяет критериям, т. е. к югу ^ я = ^ к югу я (х) я = 1,2,3,. . . , Н.
Мы первые преобразования каждого из членов классов использованием весов ..., а затем получить взвешенный совокупный .... Класс функций, которые могут быть использованы для включения значение агрегации Мин была определена Ягер [32] ... , где S является т-со-нормой. Два существенных проявлений этой операции ... (T-MAX совместно нормы) ^ (со ^ югу я ^ ^ ^ к югу я) = 1 - ш к югу ^ я ^ ^ ^ к югу я W ^ ^ к югу я с помощью S (а, Ь) = S (аб - А. Б.), которая является Мин (а к югу 1 ^,..., A ^ п ^ к югу), где г (W ^ ^ я к югу, к югу я ^ ^) = A ^ ^ я к югу, я = 1,2,3 ,..., n.
Если W ^ ^ к югу я = 0, то по характеру т-со-норм следует, что S (1 - со югу ^ я ^ ^ ^ к югу я) = S (1, ш ^ к югу я ^) = 1. Таким образом, в результате этого уравнения становится одним из нулевого значения.
Следующий класс функций, которые могут быть использованы для выполнения указанных выше преобразований в агрегации Макс был предложен Ягер [32], г (W ^ ^ я к югу, к югу ^ я ^) = T (W ^ ^ я к югу , ^ ^ я к югу), где Т т-нормой. Значительным проявлением этой операции г (W ^ ^ я к югу, к югу я ^ ^) = югу W ^ я ^ ^ ^ я к югу (вероятностные). Если W ^ ^ к югу я = 0, то по характеру T-нормы следует, что T (W ^ югу я ^ ^ ^ к югу я) = 0. Таким образом, T (W ^ ^ я к югу, к югу я ^ ^) уменьшается при беспроводной уменьшается. Гартуэйт и др.. [10] рассматривается ситуация, когда более чем один человек участвует в процесс принятия решений и где большинство их предпочтения не транзитивно. Стрелка (10) показал, что группа принятия решений может обеспечить лучшие решения, чем лица, действуя в одиночку в процессе принятия решений. В настоящем исследовании мы рассматриваем применение к QFD группы принятия решений в предложенной модели на основе алгоритма Ли [16] и взвешенных Мин и Макс скопления предложенный Ягер [32], где члены группы могут быть определены, как проведение оптимизма и консервативных взглядов соответственно вопросов.
В этом разделе мы разрабатываем изменение модели группового принятия решений применительно к QFD основе алгоритма Ли [16] и взвешенных Мин и Макс скопления предложенный Ягер [32]. Предположим, что существуют м межфункциональных членов команды;? опрошенных клиентов; я технические мероприятия, где я = л, 2, 3 ,..., р, и / заказчика, где / = 1, 2, 3,. . ., Q. Обозначение е ^ т ^ к югу представляет "четкое значение 'после общую производительность оценок (отношения между заказчиком требований и мер) с нечеткими весами (заказчика) с помощью взвешенного Мин и Макс скоплений. Предложенная модель выглядит следующим образом:
Шаг 1: Определение лингвистических терминов, как трехстороннее нечетких чисел.
Шаг 2: совокупный вес нечетких требований заказчика до конца? опрошенных клиентов с помощью расширенного сложения и скалярного умножения в форме всеобъемлющего весовой вектор W, в которых вес ... является треугольной нечеткой число вида
Шаг 3: Агрегированные нечеткой оценки производительности отношений между заказчиком требований и технических мер, с помощью м межфункциональных членов группы путем долгих сложения и скалярного умножения в форме всеобъемлющего выполнения матрицы S, в котором оценка эффективности ... является треугольной нечеткой число вида
Шаг 4: совокупный нечеткой оценки производительности отношений между заказчиком требований и мер, с нечеткими весами с помощью взвешенного Мин и Макс агрегатов (методы нечеткой логики), чтобы сформировать взвешенный, всесторонний агрегации матрицы E, где E = [е ^ ^ к югу т] , где ... или ... на основе Ягер [32], и существуют два способа перечислены ниже:
Шаг 5: Вычислить значения рейтинга (в среднем) к югу ^ я ^, где ^ ^ 1 подпункта определяется следующим образом:
Шаг 6: Рейтинг альтернатив согласно рейтингу значений и выберите вариант с максимальным значением рейтинга в качестве оптимального варианта.
Иллюстрированный Пример
Для иллюстрации предложенной модели, предполагается, что QFD, для простоты, имеет три требования заказчика, обозначается как ЧР, а 5 технических мер, обозначается как ТМ. Предположим, что 5 Есть клиенты, участвующие в определении веса каждого CR, а Есть 7 членов в многофункциональную рабочую группу для оценки взаимосвязи между ЧР и TM. Для применения предложенной модели приводится в разделе 3, мы следуем сИезе действия: В шаге 1, языковых значений значение веса для каждого CR и отношения между КР и TM должны быть определены. В нашем примере, 5 ряды использовать там, где CR = В.Л.: Очень низкая, L: низкая, M: Ближний, H: Высокий, VH: Очень высокие) и отношения между КР и ТМ VW: Очень слабый, W: Слабое , М: средняя, S: Сильные, В. С.: Очень сильная). "Разумный" нормальных нечетких чисел с треугольными функциями принадлежности для CR и отношения между КР и TM, приведенные в таблицах 1 и 2, соответственно. Кроме того, треугольных нечетких чисел для "языковых 'значения изображаются в таблицах 1 и 2, в то время членства функции треугольных нечетких чисел выводятся на рисунках 2 и 3, соответственно. Пять клиентов было предложено оценить важность каждого CR, и результаты приведены в таблице 3, где мнение клиентов весьма различны.
В шаге 2, совокупный вес нечеткой значение для каждого CR через пять клиентов путем применения формулы (5). Нечетких весов важность этих трех требований заказчика представлены в таблице 5. На шаге 3 мы собираем нечетких отношений между ЧР и TM, применяя уравнение (6), на кросс-функциональных членов команды. В результате нечеткого отношения в таблице 6. В шаге 4, взвешенный и всеобъемлющее решение матрицы, изображенной в таблицах 7 и 8, была рассчитана на основе применения взвешенного Мин и Макс агрегаты приведены в уравнения (7) и (8) с оптимизмом и консервативной точки зрения, соответственно.
На шаге 5 мы рассчитали рейтинг значения (в среднем) ^ ^ к югу я с я = 1, 2, 3, 4 и 5 с помощью уравнения (9). Значения ^ 1 ^ к югу, к югу 2 ^ ^ ^ ^ 3 к югу, к югу 4 ^ ^ и ^ ^ 5 югу за эти пять мер в связи с оптимистичным настроением 0,814, 0,839, 0,773, 0,788 и 0,798, соответственно, и значения ^ 1 ^ к югу, к югу 2 ^ ^ ^ ^ 3 к югу, к югу 4 ^ ^ и ^ ^ 5 югу за эти пять технических мер по отношению к консервативные настроения 0,549, 0,582, 0,51 1, 0,52 и 0,537, соответственно. С MESE результаты, представляется разумным сделать вывод, что "ценности" оптимистические настроения, очевидно, больше "ценности" для консервативных взглядов. Наконец, пять мер место с точки зрения относительной "важности" в соответствии с этими ценностями. Меры с максимальным значением рейтинга принимается самое главное, чтобы первым приоритетом. В данном случае, результаты или рядах оптимизма и консервативных взглядов даются TM югу ^ 2 ^> TM ^ подпункта 1 ^> TM ^ подпункта 5 ^> TM ^ подпункта 4 ^> TM ^ ^ 3 подпункта с ТМ югу ^ 2 ^ благосостояния наиболее важными.
Чтобы показать, как эта модель работает предполагалось, QFD только три требования клиента и пять мер. Однако аргументы будут применяться одинаково хорошо больше требований и мер. Предложенная модель может быть применена к группе принятия решений в QFD, поскольку она не требует установки или ограничений на количество клиентов и членов группы и риски, которые принимаются во внимание членов с оптимизмом и консервативных взглядов. Использование взвешенного Мин и Макс агрегаты, анализировать QFD процессах принятия решений, а также отношения между Что и хау, позволяет исследования решений на основе неточных и неоднозначных данных. Как отмечалось ранее, QFD состоит из основных направлений деятельности. Во-первых, заключается в определении требований заказчика, а во-вторых, другой расчет отношений между сИезе и различные меры,-из них. 'Нечеткий ", разработанных в данной работе, ценно, что так часто решения в группах на основе субъективных мнений лиц, имеющих ограниченный опыт у которых нет точной информации. В этой статье мы приведем пример, чтобы проиллюстрировать модель в действии, показывая, что это практический путь следственную группу процессов принятия решений в QFD между членами в разное отношение к рисковать в своих решениях ..
Ссылки
1. K.J. Стрелка, социальных выбор и индивидуальные ценности, второе издание (М., Нью-Йорк, 1963).
2. L.K. Чен и MX. Ву, приоритетов технических мер в области качества развертывания функции, качества инженерных 10 (3) (1998) 467-479.
3. L.K. Чен и М.Л. Ву функций качества Развертывание: Обзор литературы, Европейский журнал исследования операций 143 (2002) 463-497.
4. L.K. Чен и М.Л. Ву функций качества Развертывание: всеобъемлющий обзор своей концепции и методы, качества инженерных 15 (1) (2002-03) 23-35.
5. H-K. Chen, H.-Y. Chen, H.-H. Ву и W.-T. Лин, TQM Внедрение в здравоохранение и фармацевтическая организация логистики: случай Zuellig Pharma в Тайване, всеобщего управления качеством
6. D. Клаузинг всего развития Качество: Шаг за шагом руководство мирового класса параллельное проектирование (ASME Пресс, Нью-Йорк, 1994).
7. D. Дюбуа и H. Прейд, операции на нечетких чисел, Международный научный журнал "Системы науки 9 (6) (1978) 613-626.
8. D. Дюбуа и H. Прейд, взвешенное Минимальный и максимальный операций в теории нечетких множеств, информатика 39 (1986) 205-210.
9. D. Дюбуа, H. Прейд, С. Testemale, взвешенное нечеткой, соответствующих шаблону, нечетких множеств и системы 28 (1988) 313-331.
10. PH. Гартуэйт, JB Kadane и О'хаган Энтони, Статистические методы для Выявление вероятностных распределений, Журнал Американской статистической ассоциации, 100 (470) (2005) 680-700.
11. А. Гриффин и JR Хаузер, Голос потребителей, маркетинг науки 12 (1) (1993) 1-27.
12. EM. Gryna, качества планирования и анализа: от разработки продукта за счет использования, Fourth Edition (McGraw-Hill International Edition, Сингапур, 2001).
13. CH. Хан, J.K. Ким, а S.H. Чой, приоритетов техническими характеристиками в области качества функции развертывания с неполной информацией: Линейный частичное упорядочение подхода, Международный научный журнал "Экономика производства 91 (2004) 235-249.
14. А. Кауфман и M.M. Gupta, "Введение в нечеткой арифметике" (ИЛ, Нью-Йорк, 1985).
15. Ю. Кондо, удовлетворенности клиентов: Как можно измерить? Системное управление качеством
16. RJ. Ли, нечеткий, включенных в группу принятия решений, Компьютеры
17. G.-S. Лян и M.-J.J. Wang, нечетких Multi-критерии принятия решений подход для роботов выбора, робототехника
18. К. Накамура отношений предпочтений на множество нечетких утилиты, как основы для принятия решений, нечеткие множества и системы 20 (1986) 147-162.
19. Е. Санчес, значение в системах знаний, информационные системы 14 (1989) 455-464.
20. Л. Салливан, Качественное Развертывание Функции, качество Прогресс 19 (6) (1986) 39-50.
21. KC. Тан и X.X. Shen, Интеграция Кано 'S Модель в матрице планирования, качества Развертывание Функции, Всеобщее управление качеством 1 1 (8) (2000) 1 141-1 151.
22. H-H. Ву, реализация серый Реляционная анализа в Качественное Развертывание Функции по укреплению Несколько Решение атрибутов процессах принятия журнал качества 9 (+2) (2002) 19-39.
23. H.-H. Ву, Сравнительное исследование Использование Серый Реляционная анализ в нескольких атрибутов внесении Решение проблем качества инженерно 15 (2) (2002-03) 209-217.
24. H-H. Ву, A.Y.H. Ляо, и П.-C. Wang, Серый Использование теории в области качества Развертывание Функции для анализа динамических требований Заказчика, Международный научный журнал "Передовые технологии производства 25 (1 +1
25. RR. Ягер, нечеткие Принятие решений Использование неравной Цели, нечетких множеств и систем 1 (1978) 87-95.
26. RR-Ягер, новой методологии Порядковый несколько Решения аспект основании нечетких множеств, решение наук 12 (1981) 589-600.
27. RR. Ягер, форм многокритериального решающих функций и привилегированных Информация типов, в Примерный рассуждений в экспертных системах (под редакцией Гупта, М., Кандель, А., Bandler, У. и Киска, JB, Северная Голландия: Амстердам, 167-177, 1985).
28. RR-Ягер, Замечание о весовых запросов в информационно-поисковых систем, журнал Американского общества информационных наук 38 (1987) 23-24.
29. RR. Ягер, MAM и MOM операторов для агрегации, информатика 69 (1993) 259-273.
30. RR. Ягер, единого подхода к агрегации Исходя из MOM и МАМ (технический доклад
31. RR-Ягер, К единого подхода к агрегации в нечетких и нейронных системах, материалы Всемирной конференции по нейронных сетей, Портленд? (1993) 619-622.
32. RR. Ягер, О весовых Средний агрегации, Международный журнал неопределенности, размытости и знаний систем на базе 2 (1) (1994) 101-113.
33. Ю. Юань, критерии оценки нечеткой Рейтинге Методы, нечеткие множества и системы 44 (1991) 139-157.
34. Л. А. Заде, нечетких множеств, информации и контроля 8 (1965) 338-353.
35. Л. А. Заде, "Концепция лингвистической переменной и его применение к Ориентировочная Рассуждения (I), информатика 8 (1975) 199-249.
36. Л. А. Заде, "Концепция лингвистической переменной и его применение к Ориентировочная интеллект (II), информатика 8 (1975) 301-357.
37. Л. А. Заде, "Концепция лингвистической переменной и его применение к Ориентировочная рассуждений, информатика 9 (1976) 43-80.
Чин Хун Лю
Национальный Чин-Yi технологический университет, Тайвань
Контактный адрес электронной почты: <a <href="mailto:chungl@ncut.edu.tw"> chungl@ncut.edu.tw />