QFD中常用的决策方法，本文主要内容关键词为：常用论文,方法论文,QFD论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号 F224.5 文献标识码 A 文章编号 1001－7348（2002）03－105－03
1 前言
在新推出的ISO9000／CD（2000）版中，新增了顾客满意度（CSI）这一标准，该标准强调公司应该营造一种具有顾客意识并满足顾客要求的环境，应规定并管理为确保产品和服务符合顾客要求所必须的过程。可以这样认为，按照ISO9000／CD（2000）标准设计的质量体系，其内容将会比ISO9000.1994标准有所扩展。
然而，由于顾客需求往往是一个模糊的概念，顾客常常难以定量地、确切地表示他们对产品和服务的要求。因此，定量分析顾客需求并把其实现到产品中去，已成为贯彻CSI标准的核心问题。 一个有效的解决方法就是质量功能展开（Quality Function Deployment，QFD）。
QFD于20世纪70年代初起源日本，80年代中期， 已被许多家企业广泛采用。其中包括摩托罗拉、福特、AT&T、施乐、柯达等全球知名企业。在福特公司，有5400人都接受过QFD培训， 其成功应用使设计成本减少了60％，设计时间减少了40％。近年来的一项全球范围内的调查表明，QFD已成为企业内10项最有绩效的工具之一。
2 QFD介绍
QFD是一套以顾客需求为导向的质量管理系统， 其目的是创造更高的顾客满意度。它在产品设计的初期阶段就考虑到顾客对质量的需求，并在产品设计与生产的各个阶段都尽力确保这一需求得到实现。因此，QFD代表了从制造过程质量控制到产品开发质量控制的一个转变。
一套完整的QFD系统由4个阶段组成（见图1）。 每一阶段的产出（HOWs）都来自于这一阶段的投入（WHATs）。随后，该阶段的产出又成为下一阶段的投入。质量屋（House of Quality，HOQ）是QFD系统的第1阶段，它通过一张质量屋图表把顾客需求转化为产品设计特性。由于QFD中的其它3个阶段的分析方法与第1阶段基本相似，因此本文主要以第1阶段为例来比较各种方法。
一张质量屋图表上应该包括3 个方面的重要信息：①顾客需求的相对重要性等级；②设计特性的绝对与相对重要性等级；③顾客需求与设计特性相互关系的权重（见图2）（在这3方面的信息中，顾客需求的相对重要性等级主要来自于对顾客、供应商、销售人员的统计调查，顾客需求与设计特性相互关系的权重值主要来自于工程技术人员的技术知识及有关的技术资料，而设计特性的重要性等级则是通过这两者计算而来的）。
在QFD的应用中，质量屋图表关系矩阵的一个方格可被赋值1、3、9，分别表示第i个顾客需求（CN[,i]）与第j个设计特性（DC[,j]）的关系为弱，中，强。事实上，HOQ 可被看作是一个典型的多属性决策选择重要设计特性的过程。在一个多属性决策问题中，通常包含n个备选方案H[,1]，…，H[,n]，每个备选方案都同样具有m个属性W[,1]，…，W[,m]。实际应用中，这些属性被划分为两类，第一类是“输入”属性，第二类是“输出”属性（一般说来，第一类所包含的元素数目小于第二类）。假定W[,1]，…，W[,k]是“输入”属性，W[,k+1]，…，W[,m]是“输出”属性，备选方案H[,j]在属性W[,i]上的评分为X[,ij]，那么我们就有了如下的决策矩阵。
备选方案H[,j]是一个H[,j]对所有属性的评分组成的列向量：
H[,j]＝（x[,ij]，…，x[,mj]），j＝1，…，n属性W[,i]是一个由所有备选方案对属性W[,i]的评分组成的行向量：
W[,i]＝（x[,il]，…，x[,in]）’，j＝1，…，n
几乎所有的多属性决策问题都要求预先给定各个属性的相对重要性等级，假定为f＝（f[,1]，…，f[,m]）
把f化为权重系数，可化为
w＝（w[,1]，…，w[,m]），w[i]＝f[,i]／（f[,1]＋…＋f[,m]），i＝1，…，m
3 QFD中常用的决策方法
3.1 简单加权法
简单加权法是处理多属性决策问题最常用的一种方法。如图2 所示，DC的绝对与相对重要性等级是通过计算CN[,s]的重要性等级与权重（1，3，9）得到的，对于每一个DC，绝对重要性等级（AI[,j]）为：
例如，在图2中，CN与DC[,1]关系值已经给出，DC[,1] 的绝对重要性等级为3.8（＝0.3×9＋0.2×1＋0.3×3），其相对重要性等级为0.35（＝3.8／（3.8＝1.6＋0.9＋4.5））。类似的，DC[,2]，DC[,3]，DC[,4]绝对重要性等级分别为1.6，0.9，4.5，其相对重要性分别为0.15，0.08，0.42。DC[,4]相对重要性等级最高，因此在提高整体设计质量方面是最重要的。
简单加权法比较简单，但是有一个问题必须注意。顾客的需求与设计特性之间的关系值通常是人为给定的，在具体应用中，很难说清为什么要采用特定的权重值，如1－3－9而非1－5－9或1－3－5等。 更进一步的说，这样的权重值只是为了描绘不同的顾客需求与设计特性之间的关系强弱，它说明不了不同关系强度之间的具体差异。例如，采用1－3－9关系值时，我们把强相关赋值为9，适中相关赋值为3，但这并不是说强相关的重要性是适中相关的3倍。
3.2 欧氏距离法
欧氏距离法是基于如下的直观原理：被挑选的备选方案应当距离最优解决方案最近，并且距离最差解决方案最远。
事实上，最优解决方案是由决策矩阵中所有的最优属性值组成的：H[,+]＝（x[,1+]，…，x[,m+]）＝（Min｛x[,1j]｝，…，Min｛x[,kj]｝，Max｛x[,k+1,j]｝，…，Max｛x[,mj]｝） j＝1，…，n
最差解决方案是由所有最差属性值组成的：H[,-]＝（x[,1-]，…，x[,m-]）＝Max｛x[,1j]｝，…，Max｛x[,kj]｝，Min｛x[,k+1,j]｝，…，Min｛x[,mj]｝）j＝1，…，n
有一种解决多属性决策问题的办法是挑选到最差解决方案欧几里德距离最近的方案。但是，H[,j]距离H[,+]最近并不同时意味着它距离H[,-]最远。因此，我们介绍的这种方法通过计算H[,j]到H[,+]的相对接近程度，同时考虑了H[,j]到H[,+]，H[,-]的距离， 该方法分以下几个步骤：
（1）把W[,i]化为W[*][,i]
（4）按照ρ[,j]的大小给各个备选方案排序，ρ越小， 备选方案越优。
事实上，上述方法可以扩展到QFD的每一个阶段。如果①WHATs被看作是属性，②HOWs被看作是备选方案，③WHATs和HOWs之间的关系被看作为备选方案在属性上的权重，那么上述方法就可用来计算各个HOWs和最理想的HOW之间的相对接近程度。相应地，可以确定HOWs的优先等级，而一些重要的HOWs可作为下一阶段的WHATs投入。
3.3 主成分分析法
由于简单加权法存在各评价指标不独立的问题，为了消除各评价指标的相关性，我们可采用主成分分析法。
步骤2：计算样本相关系数矩阵
我们可根据所求得的y[,j]，即第j个设计特性的指标值（表现为重要度）对设计特性进行排序选优。通常，指标值越高的设计特性越优。
4 结束语
概括地说，简单加权法比后两种方法的公式要简单得多，但这并不是说对于一个给定的决策问题，第一种方法就优于后两种方法。事实上，对于一个特定的决策问题，选用哪种方法来解决，本身就是一个多属性决策问题。因此，排定备选方案优先等级的一个最有效的方法就是对同一问题同时采用几种方法，比较它们的结果，然后作出最终决策。CK
1 周光亚，夏立显.非定量数据分析及其应用［M］.北京：科学出版社，1993
2 孙文爽，陈兰祥.多元统计分析［M］.北京：高等教育出版社，1994
3 Hauser,J.R.and Clausing,D..The house of quality,harvard bus.rev.,
4 Kinnar K.G.,A.Terry bahill and william L.G.QFD:validating robustness,quality engineering,1999
5 Lai K.Chan and Ming L.Wu:prioritizing the technical measures in quality function deployment,quality enginerring,1998