بکارگیری برنامه ریزی آرمانی خطی در روش گسترش عملکرد کیفیت در شرایط خاکستری (مطالعه موردی: بررسی کیفیت روغن زیتون)

فصلنامه مدیریت راهبردی در سیستم های صنعتی (مدیریت صنعتی سابق)

مقاله 10، دوره 8، شماره 24، شهریور 1392، صفحه 145-158   

نوع مقاله: مقاله پژوهشی

نویسندگان

بهزاد باباخانی^{* 1}؛ عماد روغنیان²؛ شیما آذرنیا¹

¹کارشناسی ارشد مهندسی صنایع، دانشگاه آزاد اسلامی واحد اراک

²استادیار مهندسی صنایع، دانشگاه خواجه نصیر، تهران، ایران

چکیده

روش گسترش عملکرد کیفیت (QFD)، یکی از روشهای پیشرفته در مهندسی کیفیت می باشد که با مطالعه بازار، شناسایی خواسته ها و الزامات مشتریان(CR) و شناسایی مشخصه های فنی و مهندسی (EC)، سعی درلحاظ نمودن آن در تمام مراحل طراحی و تولید برای توسعه محصول جدید (NPD)، در جهت افزایش سهم بازار و جلب رضایت مشتریان دارد. یکی از گام های مهم در روش QFD تعیین مقادیر عددی خانه کیفیت (HOQ) می باشد. امروزه با توجه به افزایش پیچیدگی و عدم قطعیت اطلاعات، انجام ارزیابی و تصمیم گیری برای تعیین مقادیر عددی خانه کیفیت بصورت یک عدد قطعی امری دشوار است. در تحقیقات انجام شده پیشین از اعداد فازی در تعیین مقادیر عددی خانه کیفیت برای شرایطی که تصمیم گیرنده با اطلاعات زبانی و یا بسیار مبهم روبرو است، استفاده شده است. اما از آنجایی که در دنیای واقعی اطلاعات اغلب به صورت ناقص و ناکافی وجود دارد می توان از اعداد خاکستری در قالب یک بازه به جای اعداد قطعی و فازی جهت تعیین امتیاز هر شاخص استفاده کرد تا ضمن پرهیز از پیچیدگی های مدل سازی اعداد فازی و خطاپذیری مدل های قطعی از سادگی اعداد خاکستری  استفاده شود. در این پژوهش به ارائه مدل ترکیبی گسترش عملکرد کیفیت و برنامه ریزی آرمانی خطی در شرایط خاکستری پرداخته ایم. ابتدا به دلیل وجود اطلاعات ناقص و ناکافی در زمینه مورد مطالعه از تئوری اعداد خاکستری در روش گسترش عملکرد کیفیت استفاده شده است. همچنین برای تعیین اهمیت نسبی CRها از روش وزن دهی برنامهریزی آرمانی خطی  مبتنی بر اعداد خاکستری استفاده می شود. با توجه به نتایج بدست آمده از این مدل می توان ادعا کرد مدل ارائه شده قادر است روش گسترش عملکرد کیفیت را در شرایطی که اطلاعات ناقص و مبهمی در دسترس قرار دارد نیز مورد استفاده قرار داد. اعتبار روش پیشنهادی در قالب یک مطالعه موردی که به بررسی رضایتمندی مشتری از کیفیت روغن زیتون ایرانی نسبت به نمونه خارجی میپردازد، بررسی میشود.
 

کلیدواژه‌ها

روش گسترش عملکرد کیفیت؛ رضایت مندی مشتری؛ برنامه ریزی آرمانی خطی؛ اعداد خاکستری

مراجع

1- Ahmadi, A., & Fatola, M. (2003). A comprehensive approach to strategic management. Tehran, Publication of Knowledge.

2- Bennera, M., & Linnemann, A.R, & Jongen, W.M.F, & Folstar, P. (2003). Quality Function Deployment (QFD) can it be used to develop food products. Food Quality and Preference, 14, 327–339.

3- Bevilacqua, M., &Ciarapica, F.E., & Marchetti, B. (2012). Development and test a new fuzzy-QFD approach for characterizing customers rating. Food Quality and Preference, 24, 75-84.

4- Chang, P.C. (2006). Managing business attributes and performance for commercial banks. Journal of American Academy of Business, 9, 104-109.

5- Deng, G. (1988). Introduction of grey system theory. The Journal of Grey Systems, 1, 1-24.

6- Dikmen, I., & Birgonul, M.T., & Kiziltas, S. (2005). Strategically uses of quality function deployment (QFD) in the construction industry. Building and Environment, 40, 245–255.

7- Dong, G., & Yamaguchi, D., & Nagai, M. (2006). A grey-based decision makingapproach to the supplier selection problem. Mathematical andComputer Modeling, 46, 573-581.

8- Fang, M., & Tzeng, G. (2004). Combining grey relational and TOPSISconcepts for selecting an expatriate host country.Mathematical andcomputer modeling, 46, 1473-1490.

9- Jafarnejad, A., & Momeni, M., Abdali, M. (2010). Quality chocolate products in the food industry using QFD and AHP. Journal of Industrial Management, Faculty of Humanities, Islamic Azad University.

10- K, D. (1994). Grey system and grey relational model ACM SIGCEBulletin. The Journal of Grey Systems 20, 1-9.

11- Kuo, D., & Yang, T., & Hung, G. (2008).The use of grey relational analysis in solving multiple attribute decision making problem. Computers and Industrial Engineering, 55, 80-93.

12- Li, G. D., Yamaguchi, D., & Nagai, M. (2007). A grey based decision-making approach to the supplier selection problem. Mathematical and Computer Modeling, 46(3-4), 573-581.

13- Lin, Y. H., Lee, P. C., & Ting, H. I. (2008). Dynamic multi attribute decision making model with grey number evaluations. Expert Systems with Applications, 35(4), 1638-1644.

14- Liu, H.T., & Tsai, Y.L. (2012).A fuzzy risk assessment approach for occupational hazards in the construction industry. Safety Science, 50, 1067–1078.

15- Liu, S., & Lin, Y. (2006). Grey information: Theory and practical applications. Springer.

16- Li, Y.L., & Tang, J.F., & Chin, K.S.,& Han, Y., & Luo, X.G. (2012).A rough set approach for Estimating correlation measures in quality function deployment. Information Sciences, 189,126–142.

17- Mohamadi, A., Molaei, N. (2010). Application of gray multi-criteria decision making in evaluating companies' performance. Industrial Management, 2(4), 125-142.

18- Rezaeifar, A. (2005). The risk ranking of projects using multi-criteria decision making model. Second International Conference on Project Management.

19- Rezaei, K., Ashtiani, H. (2001). Client-centered approach to the design and improvement of product quality.

20- Shih, C.S., & Hsu, Y.T., & Yeh, J., & Lee, P.C. (2011). Grey number prediction using the grey modification model withprogression technique. Applied Mathematical Modeling, 35, 1314–1321.

21- Tai, Y.Y, & Lin, J.Y., & Chen, M.S., & Lin, M.C. (2011). A grey decision and prediction model for investment in the core-competitiveness of product development. Technological Forecasting & Social Change, 78(7), 1254- 1267.

22- Wang, Y.M., & Elhag, T. (2007). A goal programming method for obtaining interval weights from an interval comparison matrix. European Journal of Operational Research, 177, 458–471.

23- Wei, G.(2011). Grey relational analysis model for dynamic hybrid multiple attribute decision making. Knowledge-Based Systems, 24, 672–679.

24- Wiecek, M., & Ehrgott, M., & Fadel, G., & Figueira, J.R. (2005). Multiple criteria decision making for engineering. Omega, 36, 337-339.

25- Yousefie, S., & Mohammadi, M., & Haghighat Monfared, J. (2011). Selection effective management tools on setting European Foundation for Quality Management (EFQM) model by a quality function deployment (QFD) approach. Expert Systems with Applications, 38, 9633–9647.

26- Zarei, M., & Fakhrzad, M.B., & Jamali, M. (2011). Food supply chain leanness using a developed QFD model. Journal ofFood Engineering, 102, 25–33.

27- Zhai, L.Y., & Khoo, L.P, & Zhong, Z.W. (2010). Towards a QFD-based expert system: A novel extension to fuzzy QFD methodology using rough set theory. Expert Systems with Applications, 37, 8888–8896.