این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های نوین در تصمیم گیری، جلد ۳، شماره ۳، صفحات ۱-۲۶
عنوان فارسی پیاده‌سازی مدل رگرسیون خطی فازی با استفاده از مقدار h بهینه برای شناسایی روابط عملکردی درQFD
چکیده فارسی مقاله امروزه مهم‌ترین جنبه طراحی محصول، طراحی بر اساس نیازها و خواسته‌‌های مشتریان است؛ ازاین‌رو، یکی از روش‌‌هایی که به‌منظور افزایش رضایت مشتری مورداستفاده قرار می‌‌گیرد، رویکرد گسترش عملکرد کیفیت (QFD) است. در برنامه‌‌ریزی QFD به دلیل ابهام و نادقیق بودن ویژگی‌‌ها در روابط، اغلب ضرایب فازی مورداستفاده قرار می‌‌گیرند؛ لذا در این تحقیق برای شناسایی روابط کارکردی غیردقیق و مبهم بین نیازمندی‌‌های مشتری و مشخصه‌های مهندسی، از رویکرد رگرسیون خطی فازی استفاده شد. در این رویکرد، در حالت داده‌‌های غیرفازی، مقادیر بهینه پارامترها به‌طوری تعیین می‌‌شود که مجموعه خروجی مدل رگرسیون دارای درجه عضویت بزرگ‌تر یا مساوی  باشند که این مقدار، میزان فازی‌بودن خروجی مدل رگرسیون فازی را نشان می‌دهد. در این مطالعه، هدف استفاده از مدل رگرسیون خطی فازی، شناسایی روابط کارکردی در QFD با مقدار  بهینه در شرکت صنعتی لاماالکترونیک است. نتایج این مطالعه حاکی از آن است که مقادیر گستره ضرایب در حالت  بهینه، نسبت به زمانی که این مقدار صفر است، جواب‌‌های بهتری داده و قابلیت اطمینان سیستم را افزایش می‌‌دهد.
کلیدواژه‌های فارسی مقاله گسترش عملکرد کیفیت، روابط عملکردی، مدل رگرسیون خطی فازی، h بهینه،
عنوان انگلیسی Implementing Fuzzy Linear Regression Model Using Optimized H Value to Identify Functional Relationships in Qfd
چکیده انگلیسی مقاله Today, the most important aspect of product design is based on the needs and requirements of customers, therefore, the Quality Function Deployment (QFD) approach is one of the ways that is used to increase customer satisfaction. Due to the uncertainty and inaccuracy of the properties in the relationships, the fuzzy coefficients are often used in planning QFD. In the present study, the fuzzy linear regression approach is used to identify inaccurate and ambiguous functional relationships between customer requirements and engineering indicators. In this approach, for non-fuzzy data situation, the optimal values of the parameters would be determined based on the output set of the regression model so that it has a membership degree greater than or equal to h, which indicates how much fuzzy the output of the fuzzy regression model is being. In this study, the aim of using a fuzzy linear regression model is to identify the functional relationships in QFD to optimize h value in the industrial lama electronics industry. The results of this study indicate that the values of the range of coefficients in optimal h model, when compared to zero, give better data and increase the reliability of the system.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله منیره احمدی منش |
دانشجوی دکترای مدیریت گرایش تحقیق در عملیات، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران

فاطمه خریدار |
دانشجوی دکترای مدیریت گرایش تحقیق در عملیات، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران

زهرا ناجی عظیمی |
دانشیار گروه مدیریت، دانشکده علوم اداری و اقتصادی، دانشگاه فردوسی مشهد، مشهد، ایران

نشانی اینترنتی http://journal.saim.ir/article_33467_c8c7d5a946cf4a10bd5eca5dd48799f0.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات