KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2026 / Cilt: 26 Sayı: 2

KALİTE FONKSİYON YAYILIMINDA (KFY) BİR VERİ ZARFLAMA ANALİTİK AĞ SÜRECİ (VZAAS) UYGULAMASI

Süleyman Ersöz
Adnan Aktepe
Sayfa
—
Yayın Tarihi
2013-02-20
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

VZAAS algoritması ile eldeedilen sonuçların AAS tekniği ile elde edilen sonuçlardan daha iyi olduğu pazarlama uzmanları tarafından dadoğrulanmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada çoklu müşteri gruplarının değerlendirilmesi durumunda Kalite Fonksiyon Yayılımı (KFY)’de ilkadımı oluşturan müşteri gereksinimlerinin önemini ön plana çıkaran bir çözüm yaklaşımı geliştirilmiştir.
📊
Temel Bulgular & Veri:AnalitikAğ Süreci (AAS) tekniği kullanılarak geliştirilen bir KFY algoritmasına, müşteri grubunun birden fazla olduğudurumlarda müşteri beklentilerini önem derecelerine göre sıralamak yerine etkin olanları tespit etmek amacıylaVZA adımları eklenmiştir.
💡
Sonuç & Katkı:VZAAS algoritması ile eldeedilen sonuçların AAS tekniği ile elde edilen sonuçlardan daha iyi olduğu pazarlama uzmanları tarafından dadoğrulanmıştır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Veri Zarflama Analizi · Analitik Ağ Süreci · Kalite Fonksiyon Yayılımı

Özet

Bu çalışmada çoklu müşteri gruplarının değerlendirilmesi durumunda Kalite Fonksiyon Yayılımı (KFY)’de ilkadımı oluşturan müşteri gereksinimlerinin önemini ön plana çıkaran bir çözüm yaklaşımı geliştirilmiştir. AnalitikAğ Süreci (AAS) tekniği kullanılarak geliştirilen bir KFY algoritmasına, müşteri grubunun birden fazla olduğudurumlarda müşteri beklentilerini önem derecelerine göre sıralamak yerine etkin olanları tespit etmek amacıylaVZA adımları eklenmiştir. Veri Zarflama Analizi (VZA) ve Analitik Ağ Süreci (AAS)’yi birleştiren bu yaklaşımVZAAS algoritması olarak adlandırılmıştır. Ürün teknik gereksinimlerinin göreceli önem değerleri bu yöntemlehesaplanmış ve Türkiye’de beyaz eşya üreticisi olan bir firmada uygulanmıştır. VZAAS algoritması ile eldeedilen sonuçların AAS tekniği ile elde edilen sonuçlardan daha iyi olduğu pazarlama uzmanları tarafından dadoğrulanmıştır.

🔖

Bu Makaleye Atıf Yap

Ersöz, S., Aktepe, A. (2013). KALİTE FONKSİYON YAYILIMINDA (KFY) BİR VERİ ZARFLAMA ANALİTİK AĞ SÜRECİ (VZAAS) UYGULAMASI. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 26 Sayı: 2. https://ajindex.com/articles/1078560

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (136)

  1. Kahraman C.,Ertay T., Büyükozan G., “A fuzzy
  2. optimization model for QFD planning process
  3. using analytic network approach”, European
  4. Journal Of Operational Research,171,390-, 2006.
  5. Hao-Tien Liu, Chih-Hong Wang “An advanced
  6. quality function deployment model using fuzzy
  7. analytic network process” Applied
  8. Mathematical Modelling, Volume 34, Issue 11,
  9. November, Pages 3333-3351, 2010.
  10. Karsak E. E., Sozer S., Alptekin Emre S.,
  11. “Product planning in quality function
  12. deployment using a combined analytic network
  13. process and goal programming approach”
  14. Computers & Industrial Engineering, 44-1,, 171-190, 2003.
  15. Partovi F.Y., “An analytic model for locating
  16. facilities strategically”, Omega, 33-1, 41-55,
  17. Partovi F.,Y., “An analytical model of process
  18. choice in the chemical industry”, International
  19. Journal of Production Economics, 105-1, 213-, 2007.
  20. Ridder K., Rivera C. A., Bongers P., Bruin S.,
  21. Flapper S. D., “Dealing with subjectivity in early
  22. product design phase: A systematic approach to
  23. exploit Quality Function
  24. Deployment potentials”, Computers &
  25. Industrial Engineering, 55- 1, 253-278, 2008.
  26. Raharjo H., Brombacher A. C., Xie M., “Multi
  27. criteria decision making in product
  28. driven Process Synthesis”, Computer Aided
  29. Chemical Engineering, 25, 1021-1026, 2008.
  30. Ertay T., Büyükozan G., Kahraman C., Ruan D.,
  31. “Quality Function Deployment Implementation
  32. Based on Analytic Network Process with
  33. Linguistic Data: An application in automotive
  34. industry”, Journal of Intelligent and Fuzzy
  35. Systems, 16, 221-232, 2005.
  36. Chen L.,Weng M.,“An evaluation approach to
  37. engineering design in QFD processes using
  38. fuzzy goal programming models”, European
  39. Journal Of Operational Research, 172, 230-
  40. Delano G., Parnell G.S., Smith C. and Vance M.
  41. “Quality function deployment and decision
  42. analysis – A R&D case study”, International
  43. Journal of Operations and Production
  44. Management, 20, pp. 591–609, 2000.
  45. Önder H., Türker A. K., Ersöz S., “KOBİ’lerin
  46. Sorunlarının Tespiti ve QFD Yaklaşımı ile
  47. Çözümü”, YA-EM 2007 Bildiriler Kitabı,
  48. Sayfa 1134-1139, İzmir, 2007.
  49. Kauli, M.A., “Consumer and user involvement
  50. in product development: a framework and a
  51. review of selected methods”, Total Quality
  52. Management, 9(1),141-149, 1998.
  53. Shen X.X., Tan K.C.,Xie M., “An integrated
  54. approach to innovative product development
  55. using kano’s model and QFD”, European
  56. Journal Of Innovation Management,,3(2),91-, 2000.
  57. Bennera M., Linnemanna A.R:, Jongena
  58. W.M.F., Folstara P., “Quality function
  59. deployment –can it be used to develop food
  60. products?”, Food quality and preferences,,327-339, 2003.
  61. Anjard R.P., Management and planning tools,
  62. Training for quality, 3(2),34-37, 1995.
  63. Hassan A.,Baksh M.S.N., Shahroun A.M.
  64. , “Issues in quality engineering research”,
  65. International Journal Of Quality And
  66. Relaibility Management, 17,858-875, 2000.
  67. Saaty T.L., “The analytic hierarchy process”,
  68. New York: McGraw -Hill, 1980.
  69. Yüksel İ., Dağdeviren M., “Using the analytic
  70. network process (ANP) in a SWOT analysis – A
  71. case study for a textile firm”, Information
  72. Sciences, 177, 3364–3382, 2007.
  73. Saaty T.L, “Decision making with dependence
  74. and feedback: The analytic network process”,
  75. Pittsburg: RWS Publication, 1996.
  76. Chung, Amy H.I. Lee, W.L. Pearn Shu-Hsing,
  77. “Analytic network process (ANP) approach for
  78. product mix planning in semiconductor
  79. fabricator”, Int. J. Production Economics, 96,
  80. 36, 2005.
  81. Saaty T.L., Vargas L. G.,” Diagnosis with
  82. dependent symptoms: bayes theorem and the
  83. analytic hierarchy process”, Operation
  84. Research, 46,491-502, 1998.
  85. Charnes A., Cooper W., Lewin A.Y., Seiford
  86. L.M., “Data envelopment analysis: theory,
  87. methodology and applications”, Kluwer, Boston,
  88. Ramanathan R., “Data envelopment analysis for
  89. weight derivation and aggregation in the analytic
  90. hierarchy process”, Computers And Operation
  91. Research, 33,1289-1307, 2006.
  92. Donthu N., Hersberger E.K., Osmonbekov T.,
  93. “Benchmarking marketing productivity using data envelopment analysis”, Journal Of
  94. Business Research, 58, 1474-1482, 2005.
  95. Seol H., Choi J., Park G., Park Y., “A framework
  96. for benchmarking service process using data
  97. envelopment analysis and decision tree”, Expert
  98. Systems With Applications, 2006.
  99. Kuosmanen T., Cherchye L.,Sipilanen T., “The
  100. law of one price in data envelopment analysis:
  101. Restricting weight flexibility across firms”,
  102. European Journal Of Operational Research,,735-757, 2006.
  103. Lahdelma R., Salminan P., “Stochastic
  104. multicriterian acceptability analysis using the
  105. data envelopment model”, European Journal
  106. Of Operational Research, 170, 241-252, 2006.
  107. Ulutaş B., Ulutaş B., “An ANP Combined DEA
  108. Methodology to Evaluate the Performance of
  109. Airports in Turkey”, Proceedings of the 10th
  110. International Symposium on the Analytic
  111. Hierarchy/Network ProcessMulti-criteria
  112. Decision Making, 2009.
  113. Ertay T., Ruan D., “Data envelopment analysis
  114. based decision model for optimal operator
  115. allocation in CMS”, European Journal of
  116. Operational Research, 164, 800-810, 2005.
  117. Ramanathan R, “A multi factor efficiency
  118. perspective to the relationship among world
  119. GDP, energy consumption and carbon dioxide
  120. emissions”, Technological Forecasting &
  121. Social Change, 73, 483-494, 2006.
  122. Bernroider E., Stix V., “A method using weight
  123. restriction in data envelopment analysis for
  124. ranking and validity issues in decision making”,
  125. Computers& Operation Research, 34-9, 2637-
  126. Ramanathan R., “An introduction to data
  127. envelopment analysis”, Sage, New Deldhi, 2003.
  128. Charnes D.,Cooper WW., Rhodes E.,
  129. “Measuring the efficiency of decision making
  130. units”, European Journal of Operational
  131. Research, 429-444, 1978.
  132. Ersöz S., Yaman N.,Birgören B., “Müşteri
  133. İlişkileri Yönetiminde Verilerin Yapay Sinir
  134. Ağları ile Modellenmesi ve Analizi”, Journal of
  135. the Faculty of Engineering and Architecture
  136. of Gazi University. Vol 23, No 4, 759-767,