انتخاب و طراحی محصول با استفاده از رویکردهای qfd فازی و mcdm فازی

چکیده: گسترش عملرد کیفیت(QFD) یک ابزار تحلیلی سودمند در طراحی و توسعه محصول است. برای رفه عدم قطعیت و یا نادرستی در QFD ، محققان بسیاری نظریه مجموعه فازی را بر QFD اعمال کرده و مدل های QFDفازی بسیاری را بوجود آورده اند. سه موضوع با استفاده از مدل های آنها بررسی شده است. اول اینکه اغلب مطالعات بر شناسایی ممیزه های مهم مهندسی تمرکز کرده اند و تعداد اندکی از آنها موضوع انتخاب نمونه اولیه محصول متعاقب را مورد کاوش قرار داده اند. دوم اینکه مطالعات قبلی معمولاً از عملیات جبری اعداد فازی برای محاسبه مجموعه های فازی در QFD استفاده کرده اند. این احتمال وجود دارد که چنین رویکردی باعث انحراف شدید نتایج نسبت به مقدار صحیح شود. سوم اینکه مطالعات معدودی به آنالیزهای رقابتی در QFD توجه کرده اند. با این حال انها می توانند انبوه اطلاعات ارزشمند را در اختیار توسعه دهندگان قرار دهند. این مطالعه با در نظر داشتن سه مسئله فوق، QFD فازی را با مدل انتخاب نمونه اولیه محصول مجتمع می سازد تا رویکرد طراحی و انتخاب محصول(PDS) بوجود آورد. در QFD فازی ، عملکرد گسستگی آلفا(α-cut) برای محاسبه مجموعه فازی هر جزء بکار گرفته شده است. انالیزهای رقابتی و همبستگی های میان ممیزه های مهندسی نیز در نظر گرفته می شوند. در فرایند انتخاب نمونه اولیه محصول ، ممیزه های مهندسی و و عوامل دخیل در توسعه محصول نیز بررسی خواهند شد. یک رویکرد تصمیم گیری فازی چنداصلی(MCDM) برای انتخاب بهترین نمونه اولیه محصول ارائه گردیده است. یک بررسی موردی برای روشن ساختن مراحل مطالعه مدل PDS پیشنهادی ارائه شده است. مدل پیشنهادی اطلاعات سودمند و نتایج ارزشمند آنالیز را در اختیار توسعه دهندگان قرار خواهد داد. از این رو روش PDS قادر است به عنوان ابزار سود مند تصمیم گیری در طراحی محصول عمل کند.

مقدمه
به دلیل رشد سریع تقاضا برای عملکردهای محصول، چرخه حیات محصول به میزان قابل توجهی کاهش یافته است و شرکت ها را بر ان داشته است تا محصولات جدید را به منظور تامین نیازهای مشتری در کوتاهترین زمان ممکن، توسعه دهند. با این حال چگونگی تبدیل کارآمد نیازهای مشتری به ممیزه های مهندسی و عواملی کیفی که می بایست در فرایند طراحی و توسعه محصول لحاظ گردند، یکی از مهمترین مشکلات شرکت های امروزی است.
تاکنون چندین رویکرد طراحی و توسعه محصول تدوین و بر حوزه های متعددی اعمال شده است. رش های مذکور شامل مهندسی وارونه، مهندسی ارزش، روش تاگوچی و گسترش کارکرد توسعه(QFD) می باشند. سه روش اول بیشتر بر عملکردهای محصول تاکید دارند و کمتر به نیازهای مشتری و عملیات تولید می پردازند. در مقابل QFD بیشتر بر درخواست های مشتری و هماهنگی در فرایند تولید تاکید می کند. واسرمان و لوکامی و خاورانا عنوان داشته اند که محدودیت های فنی QFD کمتر است که امکان هماهنگی بین دپارتمان ها را فراهم آورده و نظرات دقیق تری را به دنبال دارد و از این رو برای طراحی محصولات جدید مناسب تر خواهد بود. بنابراین QFD به عنوان روش طراحی محصول در این تحقیق بکار برده خواهد شد. QFD روشی برای تبدیل عملکردها و الزامات کیفیت مشتریان به ممیزه های مهندسی(EC) است که در فرایند طراحی محصول مدنظر قرار می گیرند. QFD نه تنها به تیم طراحی محصول در درک نیازهای مشتری و روند بازار کمک می کند بلکه به طور کارآمدی زمان توسعه محصول را کوتاه خواهد کرد.
QFD سنتی بر پیمایش بازار و ارتباطات با مشتریان برای بدست آوردن نیازهای مشتریان(CR) اتکا دارد. علاوه بر این توسعه دهندگان محصول معمولاً مجبورند از متغیرهای کلامی برای تعیین پارامترهای مختلف استفاده کنند. با این حال نتیجه پیمایش بازار و متغیرهای کلامی معمولاً غیرقطعی و نادرست هستند و عمدتا نتایج انالیزها را به صورت یکطرفه تغییر می دهند. برای حل این مشکل تعدادی از دانشندان نظریه مجموعه فازی را بر QFD اعمال کرده و رویکردهای مختلف QFD فازی را تدوین کرده اند. رویکردهای مذکور عبارتند از محاسبه سنتی QFD با استفاده از متغیرهای فازی، رتبه بندی فازی، انتروپی، انالیز تمایل فازی، MCDM فازی، انتگرال فازی، فرایند شبکه تحلیلی فازی ، ارزش منتظره فازی، برنامه سازی هدف فازی، سیستم های تخصصی فازی و غیره. توجه داشته باشید که رویکردهای QFD فازی معمولاً بر بدست آوردن رتبه بندی اهمیت ECها تمرکز می کنند.
با مرور منابع مربوطه خواهیم توانست که سه موضوع دیگر را بیشتر بررسی کنیم که عبارتند از : 1- پس از محاسبه اهمیت هر EC ، تیم طراحی محصول قادر خواهد بود تا از ECهای مهم برای طراحی محصولات جدید موردعلاقه مشتریان استفاده کند. با این حال در فرایند طراحی معمولاً بیش از یک محصول اولیه وجود دارد. بواسطه منابع محدود، سرمایه ها و امکانات تنها بهترین نمونه اولیه محصول را می توان برای تولید انبوه انتخاب کرد. مطالعات بیشماری بر شناسایی ECهای مهم پرداخته اند و معدودی از آنها موضوع انتخاب نمونه اولیه محصول متعاقب بر تجزیه و تحلیل کرده اند. 2- مطالعات قبلی معمولاً از عملگرهای جبری اعداد فازی برای محاسبه مجموعه فازی هر کدام از اجزاء در QFD استفاده کرده اند. از لحاظ نظری پس از ضرب و یا جمع اعداد فازی، نتیجه بایستی بیشتر به صورت منحنی باشد تا به صورت خطی و در این بین احتمال وقوع خطا وجود دارد. در خلال فرایندهای ضری و یا تقسیم ، خطاها به تدریج افزایش یافته و باعث انحراف شدید نتایج از مقدار واقعی خواهند شد. 3- تنها معدود مطالعاتی به انالیزهای رقابتی در QFD توجه کرده اند و این در حالی است که مسائل کیفیت طراحی و میزان فروش نیز درگیر هستند. چنین آنالیزهایی توسعه دهندگان محصول را به درک نقاط قوت، نقاط ضعف و الزامات کیفیتی یک محصول خاص آگاه می سازند و از این رو چنین موضوعی درخور توجه بیشتر است.
مطالعه حاضر برای رفع مسائل فوق سعی دارد تا QFD فازی و مدل انتخاب نمونه اولیه محصول را یکپارچه سازد تا رویکرد انتخاب و طراحی محصول(PDS) را تدوین کند که PDS اساس قادر است توسعه دهندگان را در فرایند طراحی محصول یاری دهد. در QFD فازی ،انالیزهای رقابتی و همبستگی بینEC ا در نظر گفته می شود. علاوه بر این عملگر گسستگی الفا برای محاسبه مجموعه فازی هر جزء در QFD بکار برده می شود. در فرایند انتخاب نمونه اولیه علاوه بر ECها ، عوامل تولید نیز به عنوان اصول ارزیابی مد نظر خواهند بود. انتخاب محصول یک مسئله MCDM است و یک روش MCDM فازی در این تحقیق ارائه خواهد شد. براساس مفهوم اسناد خطی ، بهترین نمونه اولیه محصول را می توان برای توسعه متعاقب محصول انتخاب کرد.
QFD و QFD فازی
2.1. QFD
QFD در سال 1972 در ژاپن متولد شد و تاکنون ابزاری موفقی برای کمک به تیم طراحی و توسعه محصول (که از این به بعد تیم نامیده می شود) در تبدیل سیستماتیک تحقیقات بازار و نیازهای مشتری به الزامات فنی که باید در طراحی محصول رعایت شوند، بوده است. بنا به گفته بتانی و ریزی ، QFD از چهار متریک متوالی تشیل شده است، ماتریس برنامه سازی نیازهای مشتری، ماتریس گسترش ممیزه های محصول، ماتریس کنترل کیفیت و فرایند محصول و ماتریس دستورالعمل عملیاتی. در اینجا بر اولین ماتریس تمرکز خواهیم کرد.
ماتریس برنامه سازی نیازهای مشتری که انجمن کیفیت(HOQ) نیز نامیده می شود اولین گام در راه بررسی نیازهای مشتری و الزامات بازار است. HOQ با نیازمندهای مشتری (CR) اغاز بکار می کند که معمولاً CRها از پیمایش بازار یا مصاحبه با مشتری بدست می آیند. CR بدست امده به لیستی از ECهای قابل اندازه گیری تبدیل می شوند. تیم براساس CR ها و EC های بدست آمده، قادر خواهد بود که رابطه بین EC و CR ، انالیزهای رقابتی و همبستگی بین EC ها را تعیین کند. می توان اطلاعات بدست آمده را برای محاسبه اهمیت EC بکار برد. اجزاء HOQ در شکل شماره 1 نمایش یافته اند. استدلال بنیادین HOQ در انتشارات متعددی بیان شده است.
ساح اصول QFD را گسترش داد و رویکرد جدیدی را تحت عنوان طراحی بنداشتی (AD) را معرفی کرد. AD یک روش طراحی عقلانی و ساختاریافته است که به منظور بهبود فعالیت های طراحی در حوزه مختلف ایجاد شده است. AD عموما از چهار حوزه طراحی تشکیل می شوند: حوزه مشتری، حوزه عملکردی، حوزه فیزیکی و حوزه فرایند. هر حوزه بواسطه مجموعه ای از اطلاعات تممیز داده می شود. حزه های مذکور از طریق چندین نگاشت مانند شکل شماره 2 متصل هستند.
AD به منظور بهبود طراحی از دو اصل بدیهی استفاده می کند: اصل بدیهی استقلال و اصل بدیهی اطلاعات. دو اصل بدیهی حکایت از آن دارند که باید استقلال تمامی الزامات کارکردی را حفظ کرده و حجم اطلاعات را در طراحی به حداقل رساند. براساس دو اصل بدیهی بالا، می توان ماتریس طراحی را برای توصیف رابطه بین الزامات کارکردی و پارامترهای طراحی بوجود آورد. روش AD ابزار طراحی قدرتمندی را فراهم می سازد که طراحان به راحتی می توانند آنرا درک و بکار گیرند. AD با موفقیت در حوزه های کاربردی متعددی بکار رفته است مانند طراحی سیستم تولید، طراحی محصول و فرایند ، گسترش کارکرد کیفیت ، مدیریت زنجیره تولید، تصمیم گیری و غیره .
2.2 QFD فازی
تعدادی از پژوهندگان نظریه مجموعه فازی را بر QFD اعمال کرده اند و رویکردهای مختلف فازی QFD فازی را بوجود آورده اند. مثلا خو و هو مفهوم QFD فازی و متغیرهای کلامی فازی شده را برای مستدل ساختن آنها، پیشنهاد داده اند. علاوه بر این آنها همبستگی بین CRها و نیز همبستگی بین EC ها را در نظر گرفته اند. چان و همکارانش روش های عدد فازی و انتروپی را برای بدست آوردن اهمیت CR ها بکار گرفته اند و نتایج حاصل را برای بدست آوردن اهمیت نهایی CR ها ترکیب کرده اند. وانگ QFD را به عنوان یک مسئله تصمیم گیری چنداصلی قلمداد نموده است و یک روش رتبه بندی فازی را برای بدست آورده رتبه بندی اهمیت EC ابداع کرده است. شن و همکارانش به لزوم تبدیل نیازهای مشتری به رویه آنالیزهای آتی پی بردند. آنها شاخص تمایل آتی را به اهمیت CR افزودند تا اهمیت نهایی CR را محاسبه کنند. شن و همکارانش عنوان داشتند که رتبه بندی EC ها احتمالاً تحت تاثیر عوامل مختلفی قرار خواهد گرفت شامل انواع اعداد فازی، روش های غیرفازی کردن و تعداد اعداد فازی. مشخص گردید که روش های غیرفازی کردن تاثیر نسبتاً بیشتری بر نتایج رتبه بندی دارند. شون و چوی QFD فازی را بر زنجیره تامین اعمال کردند و قابلیت اعتمادپذیری را در ارزشیابی های خود لحاظ قرار دارند. انها از روش MCDM فازی و ترکیب بهینه اعتماد پذیری و رضایت مشتری را برای انتخاب طرح انتخاب کردند. ونگس و لبیب یک فرایند سلسله مراتبی فازی تحلیلی (AHP) را برای استنتاج اهمیت CR ها دیگر عوامل دخلر مانند رضایت مشتری، هزینه و دشواری تکنیکی بکار برد تا اهمیت نهایی EC ها را نیز بدست آورند. لین به مشکلات موجود در طراحی EC پرداخت و این عامل را برای محاسبه اهمیت EC ها افزود. تسای انتگرال فازی را بر رتبه بندی EC براساس اهمیت همراه با شاخص پیش بینی تصمیم گیری بازار اعمال نمود. بویوکوژان شبکه سلسله مراتبی را براساس چارچوب QFD بنا نهاد و آنالیزهای امل فازی را برای محاسبه درصد وزنی هر ماتریس دوبدو بکار برد. نتایج بعدها در سوپرماتریس قرار گرفتند تا اهمیت EC ها محاسبه گردد. چن و همکارانش یک رویکرد یکپارچه ارزش منتظره فازی را معرفی کردند که در آن دو مدل ارزش منتظره فازی به مظور تعیین اهمیت EC ها بکار گرفته شده بود. بوتانی و ریزی QFD را در مدیریت لجستیک ها و زنجیره تولید بکار گرفتند. آنها مقادیر کلامی نیازهای مشتری را به اعداد فاز تبدیل کردند و اهمیت EC ها را با استفاده از روش قراردادی QFD محاسبه کردند. کهرمان فرایند شبکه تحلیلی(ANP) را برای تعیین اهمیت EC بکار گرفت و قیدهای منابع را با قیدهایی مانند بودجه هزینه همراه ساخت تا مسئله برنامه سازی چندمنظوره بوجود آورد و از این راه اهمیت EC را بدست آورد. کونگ و همکارانش رویکرد سیستم کارشناسی فازی را برای اندازه گیری اهمیت EC ها و نیز همبستگی بین آنها، بوجود آورد. دو معیار فوق برای محاسبه اهمیت تجمعی EC ترکیب شدند. توجه داشته باشید که رویکردهای QFD فازی فوق معمولاً بر بدست اوردن رتبه بندی اهمیت EC ها تاکید دارند اما اهمیت موضوع انتخاب نمونه اولیه محصول متعاقب را نادیده گرفته اند.
رویکرد PDS پیشنهادی
هدف از این تحقیق ، تدوین رویکرد انتاب و طراحی محصول(PDS) است که از دو فاز اصلی تشکیل شده است: استقرار QFD فازی و ارزیابی و انتخاب نمونه های اولیه محصول.
قبل ازهمه باید گفت که تیم می تواند در خلال تحقیقات بازار و یا پیمایش مشتری اهمیت نسبی CR ها را بدست آورد. علاوه بر این PDS شامل انالیزهای رقابتی برای محاسبه اهمیت نهایی CR ها خواهد بود. سپس تیم براساس CR شناخته شده ECهای متناظر را پدید می اورد تا ماتریس رابطه را برقرار سازدو در نهایت اینکه تیم می تواند اهمیت نهایی EC ها را براساس ماتریس روایط و ماتریس همبستگی محاسبه کند.
PDS به منظور ارزیابی بهترین نمونه اولیه محصول هم از EC ها و هم از تقاضای تولید محصول شرکت به عنوان اصول ارزیابی استفاده خواهد کرد. سپس تیم برحسب هر اصل ارزیابی به ارزیابی درجه بندی عملکرد نمونه اولیه محصولات خواهد پرداخت. نتایح ارزیابی ماتریس تصمیم گیری را بوجود خواهند آود. با استفاده از مفهوم اسناد خطی، ماتریس تصمیم گیری به مسئله برنامه سازی خطی فازی(FLP) تبدیل خواهد شد. در نهایت خواهیم توانست که مسئله FLP را حل ره و بهترین نمونه اولیه محصول را شناسایی کنیم. ساختار سیستم PDS در شکل شماره 3 نمایش یافته است.
3.1 تشکیل QFD فازی
هدف از فاز QFD فازی محاسبه اهمیت نهایی EC هاست. این فاز را می توان به سه گام تقسیم بندی کرد: محاسبه اهمیت نسبی CR ها، محاسبه اهمیت نهایی CR ها و محاسبه اهمیت نهایی EC ها.
3.1.1 محاسبه اهمیت نسبی CR ها
اولین فعالیت در فرایند انتخاب و طراحی تولید ، تشکیل تیمی است که هر عضو آن باید سرشار از دانش بوده و متخصص توسعه و طراحی محصول باشد. اعضای تیم احتمالاً از دپارتمان های مختلفی خواهند آمد مانند دپارتمان تولیدف طراحی، کیفیت، مالی و تحقیقات بازار. تیم بایستی ابتدا پیمایش اولیه مشتری و یا تحقیق بازاری را برای شناسایی تمامی CR های ممکن به عمل آورد. تیم براساس CR های انتخاب شده یک پرسشنامه مشتری طراحی می کند تا اهمیت نسبی هر CR را بدست آورد. در رویکردهای سنتی QFD ، اهمیت نسبی هر CR بسادگی با میانگین گیری درجه بندی CR ها توسط مشتری، بدست می آید. از انجا که نظرات مشتریان ورودی اصلی فرایند QFD را تشکیل می دهند از این رو صحت اهمیت تعیین شده CR ها به شدت بر صحت نتایج آنالیزشده و فرایند بعدی QFD تاثیر خواهد گذاشت. بنابراین PDS در صدد است تا از روش های پیشرفته تری استفاده کند و به مقایسه دوتایی CR ها بپردازد تا درجه بندی اهمیت آنها را بدست آورد. در پرسش نامه مشتریان هر مشتری باید درجه بندی اهمیت نسبی بین دوتایی های CR ها را برحسب متغیرهای کلامی ارزشیابی کند. در این تحقیق متغیرهای کلامی با استفاده از اعداد فازی مثلثی (TFN) نشان داده می شوند. می توان یک TFN را به صورت زیر نشان داد: A ̃=(a_1,a_2,a_3) بشرطی که a_1≤a_2≤a_3باشد. متغیرهای کلامی درج بندی اهمیت در جدول شماره 1 ارائه شده اند.
نتایج ارزیابی شده یک ماتریس دوتایی مقایسه را برای هر مشتری بوجود می اورند. ماتریس مقایسه دو تایی را k فرض کنید که به صورت ** نشان داده می شود که در آن ** نشان دهنده اهمیت نسبی CRi توسط مشتری k در مقایسه با CRj است. توجه داشته باشید که ** برابر است با ** . در اینجا PDS از الگوریتم DSW که دنگ و همکارانش آنرا ارایه کرده اند برای استنتاج مجموعه های فازی استفاده می کند که آنها را به صورت گسستگی های الفا نشان خواهیم داد. از این رو می توان اهمیت نسبی CRi را در ماتریس **با استفاده از فرمول زیر محاسبه کرد:
(1)
پس از بدست آوردن اهمیت نسبی CRi در ماتریس k می توانیم اهمیت نسبی تجمعی ** را با استفاده از فرمول زیر محاسبه کنیم:
(2)
3.1.2 محاسبه اهمیت نهایی CRها
آنالیزهای رقابتی در HOQ نقش حیاتی بر عهده دارند زیرا به تیم در شناسایی نقاطقوت، ضعف، وضعیت محصول شرکت در بازار کمک می کند. تیم برای انجام انالیزهای رقابتی باید درجه بندی عملکرد محصول شرکت و محصولات رقبا را از لحاظ هر CR با استفاده از متغیرهای کلامی ارزیابی کند.
تیم براساس نتایج درجه بندی عملکرد و پیش بینی عملکرد محصول، می تواند موقعیت موردنظر شرکت را در هر CR تعیین کند. نسبت پیشرفت هر کدام از CR ها در مرحله بعدی با استفاده از فرمول زیر محاسبه می گردد:
(3)
که
**: نرخ پیشرفت CRi
**: موقعیت موردنظر CRi در بازار
**: عملکرد فعلی CRi
تیم با آنالیز عملکرد فعلی و موقعیت موردنظر هر CR، می تواند مشخص کند که کدام CR ها نقطه فروش خواهند. اهمیت نهایی CR ها در مرحله بعد با ترکیب اهمیت نسبی CR ، نرخ پیشرفت و نقطه فروش بدست خواهد آمد. فرمول ریاضیاتی آن به صورت زیر ی باشد :
(4)
که
**: اهمیت نهایی CRi
**: سطح نقطه فروش CRi
3.1.3 محاسبه اهمیت نهایی EC ها
تیم به خاطر رعایت اصل تویعه محصول، به تبدیل CR ها به لیسیتی از EC های قابل اندازه گیری در دیدگاه فنی نیاز دارد تیم می تواند از نمادهای گرافیکی برای نشان دادن سطح رابطه بین CR ها و EC ها استفاده کند. نتایج ارزیابی شده ماتریس روابط را بوجود می اورند. امیت مطلق EC ها با انتگرال گیری اهمیت نهایی CR ها و ماتریس روابط بدست خواهد آمد:
(5)
که
**: اهمیت مطلق ECi
**: میزان رابطه بین CRi و ECi
از انجا که روابط درونی بین دوتایی EC ها معمولاً در HOQ وجود دارد از این رو PDS این عامل را در نظر می گیرد. هنوز هم تیم می تواد از نشانه های گرافیکی برای نشان دادن میزان رابطه داخلی استفاده کند. نتایج ارزیابی شده ماتریس همبستگی را بوجود خواهند آورد. با انتگرال گیری از اهمیت مطلق EC ها و ماتریس همبستگی ، PDS خواهد توانست که اهمیت EC را دقیق تر بدست آورد. در اینجا از فرمول خو و هو برای محاسبه اهمیت نهایی EC ها استفاده خواهد شد. فرمول آنها به صورت زیر می باشد:
(6)
که **: اهمیت نهایی ECj
**: میزان همبستگی بین ECj و CRi است بشرطی که i و j برابر نباشند.
پس از بدست آوردن اهمیت نهایی EC ها و CR ها ، از روش رتبه بندی فازی برای تعیین مرتبه آنها ساتفاده خواهد شد. در اینجا از روش رتبه بندی فازی چن و لو استفاده می شود زیرا روش آنها در رابطه با عملیات محاسباتی تاحدودی ساده اسان و در عوض به مقایسه اعداد بزرگ فازی نیاز دارد. روش رتبه بندی آنها به طور خلاصه توضیح داده خواهد شد. فرض کنید که * و * نشاندهنده اعداد فازی i و j هستند. تفوق مثبت * بر * به صورت زیر محاسبه می شود:
(7)
که
**
در اینجا * نشاندهنده kامین گسستگی آلفاست، و ** . برتری کلی * بر * به صورت زیر مجتمع می گردد:
(8)
که β یک شاخص خوش بینانه است.
مقایسه بین * و * با استفاده از روابط زیر انجام می گیرد:
**
نتایج رتبه بندی به تیم برای شناسایی EC ها و CR های مهم برای توسعه و طراحی محصول متعاقب کمک می کند.
3.2 ارزیابی و انتخاب نمونه های اولیه محصولات
هدف از فاز انتخاب محصول ، ارزیابی و انتخا بهترین نمونه اولیه براساس تقاضاهای تولیدی شرکت و EC هاست. این فاز از سه گام تکشیل شده است: ساختاربندی ماتریس تصمیم فازی ، ایجاد ماتریس درصد وزنی تجمعی و فرمول بندی مسئله برنامه سازی خطی فازی.
3.2.1 ساختاربندی ماتریس تصمیم فازی
درصدهای وزنی اصول ارزیابی باید ابتدا برای انتخاب نمونه اولیه محصول تعیین شوند. از آنجا که اصول ارزیابی شامل EC ها و تقاضای تولیدی شرکت می باشند، از این رو PDS از رویکردهای متفاوتی برای بدست اوردن درصد وزنی دو اصل فوق استفاده خواهد کرد. اهمیت نهایی گروه EC ها را می توان به عنوان درصد وزنی اصل ارزیابی قلمداد نمود. برای مجتمع سازی متعاقب با تقاضای تولیدی شرک، اهمیت نهایی EC ها باید نرمال گردد. پس از انجام نرمال سازی، مقادیر اهمیت نهایی EC ها در بازه [0,1] قرار خواهد گرفت. فرمول نرمال سازی به صورت زیر می باشد:
(9)
که
**: درصدهای وزنی نرمال شده ECj
**: انتهای سمت راست بزرگترین ** ، زمانی که α=0 و j=1,2,. . . , n
PDS برای تعیین درصد وزنی تقاضاهای تولیدی شرکت از روش برآورد نرخ استفاده می کند که این روش در SMART بکار برده می شود. یعنی اینکه هر تقاضای تولیدی با کم اهمیت ترین EC مقایسه می شود. نتیجه مقایسه برای محاسبه درصد وزنی هر تقاضای محصول استفاده می شود. در اینجا تیم متغیرهای کلامی مناسب را برای بیان اهمیت نسبی تقاضاهای تولیدی در مقایسه با کم اهمیت ترین EC بکار خواهد گرفت. متغیرهای کلامی و اعداد متناظر فازی آنها در جدول شماره 3 نمایش یافته اند.
بنابراین درصد وزنی نهایی اصول ارزیابی به صورت زیر محاسبه خواهند شد:
(10)
که
**: ورن نهایی اصل j است.
**: کمترین مقدار ***
**: اهمیت نسبی تقاضای تولید j در مقایسه با **
تیم پس از آنکه تمامی اصول ارزیابی را بدست آورد به ارزیابی درجه بندی عملکرد نمونه اولیه محصولات نسبت به هر اصل ارزیابی واهد پرداخت. در اینجا تیم می تواند از متغیرهای کلامی جدول شماره 2 برای ارزیابی درجه بندی عملکرد استفاده کند.
بنابراین ماتریس تصمیم فازی به صورت تدوین خوهد شد:
**
که
**: نمونه اولیه محصول i است، i=1,2,. . . , r
*: اصول ارزیابی j ، j=1,2, . . . ,n+s
*: درجه بندی عملکرد نمونه اولیه محصول i که نسبت به اصل j ارزیابی شده است.
3.2.2 ایجاد ماتریس درصد وزنی تجمعی
از آنجا که مقادیر درجه بندی عملکرد نمونه اولیه محصولی که ارزیابی شده است(*) اعداد فازی هستند، از روش رتبه بندی چن و لو برای تعیین رتبه بندی تمامی نمونه های اولیه محصول با توجه به اصول ارزیابی استفاده خواهد شد. فرض کنید که نتایج رتبه بندی نمونه های اولیه محصول به ازای اصول ارزیابی ** به صورت **می باشند. از این رو ماتریس رتبه بندی را به صورت زیر ساختاربندی کنید:
**
توجه داشته باشید که درجه بندی عملکرد دو (چند)نمونه اولیه محصول نسبت به اصول ارزیابی یکسان است چرا که نمونه های اولیه همگی به یک رتبه اسناد شده اند. نمونه های اولیه محصولات در ماتریس رتبه بندی به درجه بندی متناظر ** تبدیل می شوند. علاوه بر این PDS تفاوت درصد وزنی بین هر اصل ارزیابی را نیز در نظر خواهد گرفت. با این وجود می توانیم ماتریس رتبه بندی بالا را به ماتریس رتبه بندی درصد وزنی تغییر دهیم:
(11)
که ** درصد وزنی نمونه اولیه محصول i نسبه به اصل ارزیابی j است.
براساس ماتریس بالا و ماتریس رتبه بندی درصد وزنی خواهیم توانست که درصد وزنی تجمعی هر نمونه محصول اولیه را در رتبه های مختلف محاسبه کنیم. بعنوان مثال نمونه محصول اولیه Ar ابتدا در ماتریس رتبه بندی نسبت به اصل *** رتبه بندی خواهد شد. بنابراین درصد وزنی تجمعی نمونه اولیه محصول Ar با رتبه اول با جمع زدن المان های متناظر در ماتریس رتبه بندی درصد وزنی بدست می اید که برابر است با: ** . همین طور می توانیم دیگر درصدهای وزنی تجمعی نمونه محصولات اولیه را در رتبه های مختلف محاسبه کنیم و سپس ماتریس درصد وزنی تجمعی را به صورت زیر بوجود آوریم:
**
که** درصد وزنی تجمعی نمونه اولیه محصول i در رتبه j است. **
3.2.3 فرمول بندی مسئله برنامه سازی خطی فازی
از انجا که ماتریس درصد وزنی تجمعی نشان دهنده درصد وزنی فازی هر نمونه اولیه محصول در رتبه های مختلف است از این رو می توان این ماتریس را به صورت مسئله اسناد خطی فازی فرمول بندی کرد:
(12)
که tij نشان دهنده مقدار نمونه اولیه محصول i در رتبه j است. نمونه اولیه محصول i قطعاً در رتبه j ام قرار می گیرد و یا اینکه نمونه اولیه محصول i به رتبه j ام تعلق ندارد.
از انجا که می توان مسئله اسناد خطی فازی فوق را به عنوان نوع خاصی از برنامه سازی خطی فازی(FLP) قلمداد نمود، از این رو از یک الگوریتم FLP برای حل آن و بدست اوردن رتبه نهایی تمامی نمونه های اولیه محصول استفاده خواهد شد. تاکنون رویکردهای متفاوت بسیاری برای حل مسائل FLP طراحی و تدوین شده اند. در اینجا روش روملفانگر برای حل مسئله اسناد خطی فازی بکار خواهد رفت زیرا این روش سرراست بوده و ابتدا به مسئله برنامه سازی خطی چندمنظوره(MOLP)تبدیل می شود. نتایج تبدیل یافته مسئله FLP بالا به صورت زیر خواهد بود:
(13)
که ** و ** به ترتیب انتهاهای چپ و راست بازه ** هستند.
در ادامه از روش وزن دهی برای تبدیل مسئله MOLP بالا به مسئله برنامه سازی خطی قطعی(LP) استفاده کنید:
(14)
که λ درصد وزنی اولین تابع هدف در مسئله MOLP بالاست. 0≤λ≤1
در اینجا مقدار λ برابر 0.5 تعریف می شود زیرا اهمیت هر دو تابع هف برابر است توجه داشته باشید که مسئله LP تبدیل شده در واقع یک مسئله برنامه سازی انتگرالی صفر و یک است. نرم افزار ریاضیاتی را می توان برای حل مسئله LPدقیق بکار برد. راه حل بدست آمده رتبه بندی نهایی هر نمونه حصول اولیه را نشان می دهد و به تیم برای انتخاب بهترین نمونه محصول اولیه کمک می کند.
انالیزهای تجربی
در این بخش مثال شرکت تولید و طراحی پنجره های الومینیومی برای توضیح مراحل تحقیق روش پیشنهادی عنوان شده است. این شرکت مختص طراحی، و تولید پنجره های الومینیومی، درهای آلومینیومی و جالباسی آلومینیومی می باشد. اغلب تولیدات آن یعنی چیزی بیش از 80% محصولات را به توزیع کنندگان محلی می فروشد و بقیه را به مین لند، ویتنام و کشورهای جنوب شرقی اسیا صادر می کند. پنجره های الومینیومی تولید شده توسط شرکت عمدتاً به شرکت های مارون و مشتریان از طریق شبکه های توزیع فروخته می شوند. در حال حاضر شرکت با دو موضوع اساسی روبرو است: 1- به دلیل رکود بازار مسکن در تایوان ، بازار پنجره های آلومینیومی نیز کاهش یافته است. انکه چگونه بازار جدیدی بوجود آید و منابع مشتریان توسعه داده شود یکی از مسائل الزامی است. 2- با رشد استانداردهای زندگی ، امروزه مشتریان تقاضاهای سختیگرانه تری را بروز می دارند. با این حال پنجره های الومینیومی تولید شده توسط شرکت هنوز هم تا حدود زیادی از همتایان خود در اروپا و امریکا از لحاظ کیفیت، نرخ تولید و پردازش سطح عقب هستند. چگونگی تقویت کارکردهای تولیدی و کیفی برای برآورده سازی نیازهای مشتریان یکی دیگر از مسائلی است که شرکت باید با آن دست و پنجه نرم کند.
4.1. اعمال PDS
شرکت به منظور بهبود کیفیت محصول و توسعه محصولات جدید که نیازمندی های مشتری را براورده می سازند، ابتدا تیم توسعه محصول را تشکیل داد که کارکنان بخش های تولید، طراحی، کنترل کیفی و آنالیز بازار عضو آن بودند. تیم از طریق انجام مصاحبه با توزیع کنندگان و پیمایش نظات مشتریان در خلال سالها، پنج CR مهم را که در جدول شماره 4 نشان داده شده اند نتیجه گیری کرد.
براساس CR ها انتخاب شده یک پرسش نامه مشتری طراحی و در بین استفاده کنندگان محصولات توزیع گردید. در مجموع 30 مشتری در پیمایش شرکت کردند. مشتری یک را به عنوان مثال در نظر بگیرید. نتایج پیمایش در جدول شماره 5 نشان داده شده است.
در جدول شماره 5، CR1 در مقایسه با CR2 بسیار کم اهمیت است بنابراین آنرا با WU نشان خواهیم داد. مقادیر دیگر جدول شماره 5 نیز اینگونه نشان داده شد. در اینجا از مشتری یک خواسته شد تا اعداد ارزیابی را در قسمت هاشور زده جدول شماره 5 وارد نماید. مقادیر موقعیت های قطری به عنوان دارای اهمیت مساوی(EI) نشان داده شده اند. دیگر مقادیر براساس مقادیر بخش هاشورزده انتخاب شدند؛ به منظور کاهش زمان پرسشنامه. مقادیر ارزیابی جدول شماره 5 به اعداد فازی متناظر تبدیل شدند(جدول شماره1). اهمیت نسبی CR ها چنانکه توسط مشتری ارزیابی شده بود را می توان با استفاده از معادله 1 بدست آورد. با فض اینکه مقادیر گسستگی های آلفا برابر 0,0.2,0.4,0.8,1 هستند، نتایج بدست آمده را در جدول شماره 6 نشان خواهیم داد.
براساس پاسخ هر مشتری، می توانیم اهمیت نسبی تجمعی هر CR را محاسبه کنید(به مانند جدول شماره7).
تیم به منظور درک هر چه بیشتر وضعیت رقابتی محصول شرکت در بازاردو رقیب دیگر (شرکت B و شرکتC) را انتخاب کرد و محصولات آنها را در رابطه با CR ها مقایسه نمود. متغیرهای کلامی عنوان شده در جدول شماره 2 برای ارزیابی عملکرد هر محصول شرکت در رابطه با هر CR بکار برده شد. نتایج ارزیابی در جدول شماره 8 نمایش یافته اند.
با توجه به داده های جدول شماره 8 از معادلات 3 و 4 برای استنتاج اهمیت نهایی هر CR استفاده شد که نتایج در جدول شماره 9 نشان داده شده است.
تیم در ادامه پنج CR را به EC تبدیل کرد تا در فرایند طراحی محصول مدنظر قرار گیرند. تیم از طریق انجام بحث و آنالیز در مجموع پنج EC را استنتاج نمود که عبارتند از : عبور هوا(EC1)، مقاومت در برابر اب(EC2)، ضخامت شیشه(EC3)، ضخامت الومینیوم(EC4) و میزان پردازش سطح(EC5). میزان شدت رابطه بین EC ها و CR ها و همچنین رابطه درونی EC ها با استفاده از نمادهای گرافیکی(**) نشان داده شده است.(شکل شماره4)
براساس شکل 4 اهمیت نهایی EC ها چنانکه در جدول شماره 10 نشان داده شده است بدست آمد.
با استفاده از رتبه بندی فازی ، به رتبه بندی EC های جدول شماره براساس ترتیب اهمیت ** پرداختیم. می توان دید که مقاومت در برابر آب مهمترین EC در طراحی محصول است. براساس EC های بدست آمده، شرکت A چهار نمونه اولیه محصول را تولید کرد. شرکت به دلیل محدودیت منابع، تنها یک نمونه اولیه را برای تولید بیشتر انتخاب کرد. علاوه بر EC، باید تقاضاهای تولیدی شرکت نیز در انتخاب نمونه اولیه مدنظر قرار گیرد. تیم بواسطه تامل بیشتر تصمیم گرفت که سه عامل دیگر را در نظر بگیرد که عبارتند از : هزینه تولید،پیچیدگی تکنیک های تولید و توسعه پذیری محصول. سه عامل فوق همراه با پنج EC قبلی مجموعاً هشت اصل ارزیابی (C1-C8) را تشکیل دادند که برای انتخاب نمونه اولیه محصول بکار خواهند رفت. برای ارزیابی اهمیت سه عامل فوق با کم اهمیت ترین EC مقایسه شدند. در بین پنج EC، EC3 کم اهمیت ترین بود. تیم از متغیرهای کلامی جدول شماره 3 برای ارزیابی اهمیت نسبی سه عامل مقایسه شده با EC3 استفاده کرد. نتایج ارزشیابی نشان دادند که آنها به ترتیب بسیار قوی، بسیارکم اهمیت و به یک اندازه مهم بودند. از معادلات9 و 10 برای محاسبه اهمیت هشت اصل ارزیابی استفاده شد. (جدول شماره 11)
پس از تعیین اهمیت نسبی هشت اصل، متغیرهای کلامی جدول شماره دو برای ارزیابی اهمیت چهار نمونه اولیه در ارتباط با هشت اصل استفاده شدند. نتایج ارزیابی به صورت زیر می باشد:
متغیرهای کلامی ماتریس بالا به اعداد فازی متناظر تبدیل شدند. رتبه بندی فازی به منظور تعیین مرتبه نمونه های اولیه برحسب هر اصل بکار برده شد. نتایج رتبه بندی ماتریس رتبه بندی زیر را به دنبال داشتند.
**
بادر نظر گرفتن تفاوت درصد وزنی هر اصل ، ماتریس بالا به ماتریس رتبه بندی درصد وزنی تبدیل شد که در ادامه به ماتریس وزن تجمعی مبدل گردید. با فرض ** ماتریس وزنی تجمعی به صورت زیر بدست آمد:
*
براساس مفهوم اسناد خطی، ماتریس وزنی تجمعی بالا به مسئله FLP تبدیل گردید که با گسستگی های الفا مشخص می گردد:
*
مسئله FLP به مسئله MOLP تبدیل شد که در ادامه به مسئله برنامه سازی خطی دقیق به حالت زیر تغییر داده شد:
نرم افزار برنامه سازی ریاضیاتی(LINGO) برای حل مسئله قطعی LP بکار برده است. نتیجه به صورت ** بود. بنابراین اگر * باشد آنگاه عنوان خواهد کرد که هر چهار نمونه اولیه باید برای تولید انتخاب شوند.
4.2 بحث درباره بررسی موردی و آنالیز آن
زمانیکه PDS در این مورد اعمال گردید، به چهار نکته دست یافتیم که بایستی بحث و بررسی شوند: 1- در میان اهداف تحقیق مشاهده شد که عملکردهای گسستگی های الفا در مقایسه با عملکردهای جبری اعداد فازی بیشتر برای محاسبه مجموعه فازی هر عامل مدل پیشنهادی بکار رفته است.برای مقایسه تفاوت بین دو روش محاسباتی به مقایسه یکی از EC ها یعنی عبور هوا(EC1) پرداختیم. (شکل شماره5)
می توان در شکل شماره 5 به این نتیجه رسید که نتیجه استفاده از گسستگی الفا منحنی شکل است و این در حالی است که نتیجه اعداد فازی به صورت خطی خواهد بود. تفاوت قابل توجهی در این بین وجود دارد. بنابراین استفاده از اعداد فازی برای استنتاج مجموعه فازی احتمالاً نتایج دوپهلو را به دنبال خواهد داشت. 2- در QFD آنالیز رقابتی توسعه دهندگان را به شناسایی هرچه بیشتر CR سودمندتر(بدتر) قادر می سازد. در این رابطه زمانی که در جدول شماره دیدیم که شرکتA از CR4 به مزیت دست یافته بود اما شرکت b در CR2 و CR5 و این در حالی است که شرکت C از CR3 و CR1. بنابراین شرکت A باید محصولات خود را بخصوص در رابطه با CR2 و CR5 و CR3 و CR1 تقویت کند و در نتیج محصولات خود رقابتی تر سازد. 3- با توجه به جدول شماره 7 مشخص گردید که رتبه بندی اهمیت CR ها به صورت ** بود. با در نظر گرفتن انالیز رقابتی و همبستگی EC ها خواهیم دید که رتبه بندی اهمیت CR ها بصورت ** خواهد بود(جدول شماره9). بنابراین CR2 مهمترین عامل بود چه قبل از اصلاح و چه بعد از اصلاح. و این در حالی است که رتبه بندی دیگر CR پس از اصلاح تغییر کرده است. 4- نمونه اولیه شماره 4 محصو براساس* انتخاب شد. اگر مقادیر مختلف گسستگی الفا استفاده شود آنگاه نتیجه متفاوت خواهد بود. زمانی که α=0,0.2,0.4,0.6,0.8 باشد انگاه نتیجه رتبه بندی به صورت ** خواهد بود. اگر ** باشد آنگاه رتبه بندی به صورت ** خواهد بود. به عبارت دیگر اگر ** باشد آنگاه شرکت A باید نمونه شماره 4 را برای تولید انتخاب کند. اگر * باشد آنگاه شرکت باید نمونه یک را برای تولید انتخاب کند. توجه داشته باشید که مقادیر گسستگی الفا نشان دهنده میزان اطمینانی است که توسعه دهندگان محصول دارند. سطح اطمینان را می توان براساس قضاوت ذهنی، تخصص، تجربه و یا اطلاعات موجود تعیین کرد. اگر توسعه دهندگان محصول درباره ارزش های ارزیابی شده مطمئن تر باشند (نباشد) آنگاه آنها باید مقادیر بیشتر(کمتر) گسستگی الفا را انتخاب کنند. در اینجا رهنمون ساده ای برای انتخاب الفا در جدول شماره 12 ارائه شده است. بنابراین PDS خواهد توانست که پیشنهادها مختلفی را در مورد انتخاب نمونه اولیه محصول در سطوح مختلف اطمینان ارائه دهد.
نتیجه گیری و چند رهنمون
در این تحقیق رویکرد طراحی و انتخاب محصول (PDS) عنوان گردید. این رویکرد QFD فازی را با MCDM فازی همراه می سازد. روش پیشنهادی می تواند به توسعه دهندگان محصول در شناسایی EC های مهم و انتخاب بهترین نمونه اولیه کمک کند.این روش در مقایسه با مطالعات قبلی QFD فازی دارای مزیت های زیر می باشد: 1- روش محاسباتی بهتری(عملکردهای گسستگی الفا) را برای محاسبه مجموعه فازی هر جزء در PDS فراهم می سازد بطوری که مجموعه فازی بدست آمده دقیق تر می باشد. 2- بجای روش های ساده مجتمع سازی درصد وزنی از از روش مقایسه دوبه دو برای استنتاج دقیق تر اهمیت نسبی CR ها استفاده می کند. 3- انالیز رقابتی را در QFD در بر می گیرد بطوری که توسعه دهندگان محصول به راحتی قادرند نقاط قوت، ضعف ، موقعیت موردنظر در بازار و نقاط فروش محصول که باید توسعه یافند ، را شناسایی کنند. 4- هم نیازهای مشتری و هم تقاضاهای تولیدی از شرکت را در نظر می گیرد بطوری که انتخاب نمونه اولیه محصول جامع تر و دقیق تر خواهد بود. 5- یک رویکرد MCDM فازی جدید را ارائه می کند که قادر است به توسعه دهندگان محصول در انتخاب بهترین نمونه اولیه محصول برای تولید انبوه کمک کند. 6- توسعه دهندگان محصول را قادر خواهد ساخت تا انالیزهای حساست را در رابطه با انتخاب نمونه اولیه به انجام برسانند؛ در شرایطی که از سطوح مختلف اطمینان گسستگی الفا استفاده می شود.
خصوصیات برجسته این تحقیق را می توان از طریق فعالیت های زیر تقویت کرد: 1- بسط روش تحقیق در سیستم حمایت از تصمیمات که می تواند بطور قابل توجهی اراده توسعه دهندگان برای استفاده از محصول را افزایش می دهد و زمان و تلاش موردنیاز برای محاسبه را کاهش خواهد داد. 2- استفاده از الفاهای بیشتر در محاسبه رتبه بندی اهمیت ECها و انتخاب نمونه اولیه محصول برای انجام یک انالیز جامع حساسیت؛ چرا که توسعه دهندگان را به شناسایی سطوح اعتمادی که تصمیمات در آنها تغییر می کنند قادر خواهد ساخت و همچنین آنها خواهند توانست تا آنرا به عنوان مرجع مهمی در توسعه محصول بکار گیرند.


منبع