품질에 대한 정의는 계속 진화하고 있다. 최근 들어서는 고객관점의 품질을 중시하며 고객의 잠재적 요구를 얼마나 잘 충족시키고 있는가에 대한 관심이 커지고 있다. 카노가 제안한 2차원적 품질의 개념은 고객만족에 중요한 품질속성을 발견하는 데 유용한 프레임워크를 제공하며 제품 및 서비스 개발을 위해 널리 적용되고 있다. 카노모델은 제품 및 서비스 품질요소를 매력적, 일원적, 필수적, 무관심, 그리고 역 품질요소로 구분한다. 그 중 매력적 요소를 발견하는 것은 고객만족의 효과적인 달성에 중요하다. 하지만 카노가 제시한 분류방법은 고객의 애매하고 복잡한 생각을 다루는 데 한계가 있다. 고객응답에는 그 자체로 불확실성과 불완전성이 포함되기 때문이다. 이를 극복하기 위해 본 논문은 퍼지기법을 이용한 품질요소 분류절차를 제시한다. 수치실험 결과, 제안된 방법은 고객의 다양한 반응을 수용하는 데 효과적이며 잠재적 요구를 식별하는 데에도 유용한 것으로 나타났다.
품질에 대한 정의는 계속 진화하고 있다. 최근 들어서는 고객관점의 품질을 중시하며 고객의 잠재적 요구를 얼마나 잘 충족시키고 있는가에 대한 관심이 커지고 있다. 카노가 제안한 2차원적 품질의 개념은 고객만족에 중요한 품질속성을 발견하는 데 유용한 프레임워크를 제공하며 제품 및 서비스 개발을 위해 널리 적용되고 있다. 카노모델은 제품 및 서비스 품질요소를 매력적, 일원적, 필수적, 무관심, 그리고 역 품질요소로 구분한다. 그 중 매력적 요소를 발견하는 것은 고객만족의 효과적인 달성에 중요하다. 하지만 카노가 제시한 분류방법은 고객의 애매하고 복잡한 생각을 다루는 데 한계가 있다. 고객응답에는 그 자체로 불확실성과 불완전성이 포함되기 때문이다. 이를 극복하기 위해 본 논문은 퍼지기법을 이용한 품질요소 분류절차를 제시한다. 수치실험 결과, 제안된 방법은 고객의 다양한 반응을 수용하는 데 효과적이며 잠재적 요구를 식별하는 데에도 유용한 것으로 나타났다.
The definition of quality continues to evolve. In recent years, there has been growing interest in how to satisfy customers' potential needs with an emphasis on customer-oriented quality. Two-dimensional quality proposed by Kano provides a useful framework for discovering quality attributes critical...
The definition of quality continues to evolve. In recent years, there has been growing interest in how to satisfy customers' potential needs with an emphasis on customer-oriented quality. Two-dimensional quality proposed by Kano provides a useful framework for discovering quality attributes critical to customer satisfaction and it is widely employed for product and service development. In Kano model, quality attributes are classified into attractive, one-dimensional, must-be, indifferent, and reverse ones. Finding attractive elements among them is important for achieving customer satisfaction effectively. However, Kano's classification method has limitations in dealing with customers' ambiguous and complex ideas. The customer response itself includes uncertainty and incompleteness. To overcome this problem, fuzzy methods are incorporated with Kano's classification in this paper. According to numerical comparisons, it is shown that the fuzzy Kano method is useful for accommodating various response of customer and is helpful to identify potential needs.
The definition of quality continues to evolve. In recent years, there has been growing interest in how to satisfy customers' potential needs with an emphasis on customer-oriented quality. Two-dimensional quality proposed by Kano provides a useful framework for discovering quality attributes critical to customer satisfaction and it is widely employed for product and service development. In Kano model, quality attributes are classified into attractive, one-dimensional, must-be, indifferent, and reverse ones. Finding attractive elements among them is important for achieving customer satisfaction effectively. However, Kano's classification method has limitations in dealing with customers' ambiguous and complex ideas. The customer response itself includes uncertainty and incompleteness. To overcome this problem, fuzzy methods are incorporated with Kano's classification in this paper. According to numerical comparisons, it is shown that the fuzzy Kano method is useful for accommodating various response of customer and is helpful to identify potential needs.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
퍼지기법은 카노 설문지 분석절차에 유연하게 결합될 수 있으며 특히 잠재적인 품질요소를 발견하는 데 유용한 것으로 나타났다. 그 과정과 결과는 예제를 통해 비교하고자 한다. 본 연구는 제품 및 서비스의 품질개선과 마케팅에 시급한 핵심요소를 찾아내는 데 기여할 수 있을 것이다.
다시 말해, 품질요소에 대한 고객의 느낌을 기능적 충족이 잘 되었을 때(functional)와 그렇지 않았을 때(dysfunctional)로 나누어 측정하고자 하는 것이다. 각 질문에 대해서 좋다(like), 당연하다(must-be), 관계없다(neutral), 어쩔 수 없다(live-with), 싫다(dislike) 중 하나를 택해 응답을 하게 되며, 이러한 응답 결과를 취합하면 다음 표 2와 같은 형태로 정리할 수 있다.
두 가지 질문에 대해 각각 복수의 범주를 선택하고 적절한 가중치를 부여해야 하므로 실무 조사단계에서 많은 어려움을 겪을 수 있다. 따라서 OKQ를 그대로 이용하더라도 응답자의 불확실하고 애매한 생각을 수용할 수 있도록 본 논문은 퍼지소속함수를 이용하는 방안을 검토한다. 즉 OKQ 설문응답이 주어지면 해당 범주를 중심으로 퍼지소속함수를 통해 응답결과를 퍼지화한 후 카노매트릭스를 구한다.
하지만 카노의 분류방법은 고객의 불확실하고 애매한 반응을 효과적으로 반영하지 못한다는 지적을 받아왔다. 본 논문은 카노모델에서 퍼지기법을 이용하여 품질요소를 분류하는 방안에 대해 다루었다.
뿐만 아니라, 패턴분류기의 특징선택에도 Fuzzy Mapping이 적용되고 있다[8]. 본 논문은 카노의 품질요소 분류에 퍼지기법을 적용하는 방안에 대해서 다룬다. 퍼지기법은 카노 설문지 분석절차에 유연하게 결합될 수 있으며 특히 잠재적인 품질요소를 발견하는 데 유용한 것으로 나타났다.
이상과 같이 표 3의 예제는 OKQ 와 FKQ 모두 동일한 결과를 낳았지만, 카노설문은 일반적으로 다수의 응답자를 대상으로 하므로 FKQ 응답은 보다 많은 변수의 영향 하에 놓이게 되고 따라서 분류 결과 역시 상이하게 나타날 수 있다. 이를 간단한 예제를 통해 살펴보고자 한다. 표 4의 예제는 10명의 응답자들로부터 얻어진 FKQ 설문응답 결과이다.
가설 설정
일본의 노리아키 카노 (Noriaki Kano)가 제안한 2차원적 품질의 개념은 품질과 고객만족을 동시에 다룰 수 있는 프레임워크를 제공하며 제품 및 서비스 품질개선과 마케팅을 위해 널리 활용되고 있다. 카노모델은 제품의 품질을 매력적(Attractive), 일원적(One-dimensional), 필수적(Must-be), 무관심 (Indifferent), 그리고 역(Reverse) 품질요소로 구성된다고 가정한다. 이와 같은 품질요소 분류는 Kano Questionnaire라 불리우는 설문지 조사와 빈도분석을 통해 이루어진다.
제안 방법
기존의 카노설문지를 수정한 퍼지 카노설문지를 이용하는 방안으로서 우선 퍼지카노 기법과 퍼지모드 기법을 살펴보았다. 예제를 통해 확인한 결과, 퍼지카노 기법은 Better=0.
성능/효과
예제를 통해 확인한 결과, α가 작을 때에는 퍼지카노 기법과 유사하였고 α가 클 때에는 Hard Classification에 가까운 분류 결과를 보여주었다.
기존의 카노설문지를 수정한 퍼지 카노설문지를 이용하는 방안으로서 우선 퍼지카노 기법과 퍼지모드 기법을 살펴보았다. 예제를 통해 확인한 결과, 퍼지카노 기법은 Better=0.61, Worse=0.35로서 해당 항목을 매력적 요소로 분류하였다. 원래는 Better=0.
본 논문은 카노의 품질요소 분류에 퍼지기법을 적용하는 방안에 대해서 다룬다. 퍼지기법은 카노 설문지 분석절차에 유연하게 결합될 수 있으며 특히 잠재적인 품질요소를 발견하는 데 유용한 것으로 나타났다. 그 과정과 결과는 예제를 통해 비교하고자 한다.
후속연구
하지만 수치실험 결과가 Hard Classification에 가깝다는 점에서 퍼지소속함수 기법은 응답자의 불완전성과 애매함을 다루는 데 다소 한계가 있다고 하겠다. 또한 소속함수나 그 파라미터 선택에 따라 결과가 바뀔 수 있으므로 역시 민감도 분석과 시뮬레이션이 필요할 전망이다.
그 과정과 결과는 예제를 통해 비교하고자 한다. 본 연구는 제품 및 서비스의 품질개선과 마케팅에 시급한 핵심요소를 찾아내는 데 기여할 수 있을 것이다. 이후 본 논문의 구성은 다음과 같다.
예제를 통해 확인한 결과, α가 작을 때에는 퍼지카노 기법과 유사하였고 α가 클 때에는 Hard Classification에 가까운 분류 결과를 보여주었다. 향후 보다 확장된 수치실험을 통한 민감도 분석이 요구되는 부분이다.
질의응답
핵심어
질문
논문에서 추출한 답변
카노모델에서 제품의 품질은 무엇으로 구성된다고 가정하는가?
일본의 노리아키 카노 (Noriaki Kano)가 제안한 2차원적 품질의 개념은 품질과 고객만족을 동시에 다룰 수 있는 프레임워크를 제공하며 제품 및 서비스 품질개선과 마케팅을 위해 널리 활용되고 있다. 카노모델은 제품의 품질을 매력적(Attractive), 일원적(One-dimensional), 필수적(Must-be), 무관심 (Indifferent), 그리고 역(Reverse) 품질요소로 구성된다고 가정한다. 이와 같은 품질요소 분류는 Kano Questionnaire라 불리우는 설문지 조사와 빈도분석을 통해 이루어진다.
카노모델의 품질요소 5가지는 각각 무엇을 의미하는가?
카노는 고객만족과 기능적 충족도(또는 품질수준)를 동시에 고려하여 품질요소를 5가지로 구분하였다. 매력적 요소란 기능적 충족도가 다소 미흡하더라도 고객만족이 높은 품질요소를 말한다. 일원적 요소는 기능적 충족도와 고객만족이 비례하는 경우에 해당된다. 필수적 요소는 기능적 충족도가 매우 높아도 고객만족이 향상되지 않는 품질요소이다. 한편, 품질수준이 높거나 낮아도 고객만족도가 변하지 않는다면 무관심 품질요소라고 부른다. 간혹 문제가 있거나 예외적으로 고객만족도가 기능적 충족도와는 반대로 움직일 경우는 역 품질요소로 분류한다. 이들 5가지 품질요소를 그림으로 나타내면 그림 1과 같다.
노리아키 카노가 제안한 2차원적 품질의 개념은 어떻게 활용되는가?
일본의 노리아키 카노 (Noriaki Kano)가 제안한 2차원적 품질의 개념은 품질과 고객만족을 동시에 다룰 수 있는 프레임워크를 제공하며 제품 및 서비스 품질개선과 마케팅을 위해 널리 활용되고 있다. 카노모델은 제품의 품질을 매력적(Attractive), 일원적(One-dimensional), 필수적(Must-be), 무관심 (Indifferent), 그리고 역(Reverse) 품질요소로 구성된다고 가정한다.
참고문헌 (8)
M. Lofgren and L. Witell, "Kano's theory of attractive quality and packaging," Quality Management Journal, vol. 12, pp. 7-20, 2005.
C. H. Wang and J. Wang, "Combining fuzzy AHP and fuzzy Kano to optimize product varieties for smart cameras: A zero-one integer programming perspective," Applied Soft Computing, vol. 22, pp. 410-416, 2014.
K. Bu and S. Y. Park, "Are consumers in collectivist culture mostly indifferent to sports lesson programs?: A directly asked question simulation on the Kano fuzzy model," Journal of Business Research, vol. 69, pp. 1656-1660, 2016.
R. Florez-Lopez and J. M. Ramon-Jeronimo, "Managing logistics customer service under uncertainty: An integrative fuzzy Kano framework," Information Sciences, vol. 202, pp. 41-57, 2012.
S. Y. Lee, "On the fuzzy membership function of fuzzy support vector machines for pattern classification of time series data," Journal of Korea Institute of Intelligent Systems, vol. 17, no. 6, pp. 799-803, 2007.
T. Ahn, S. Roh, K. Hwang, J. Wang, and Y. S. Kim, "Design of fuzzy pattern classifier based on extreme learning machine," Journal of Korea Institute of Intelligent Systems, vol. 25, no. 5, pp. 509-514, 2015.
S. Roh, Y. S. Kim, and T. Ahn, "Feature selection of fuzzy pattern classifier by using fuzzy mapping," Journal of Korea Institute of Intelligent Systems, vol. 24, no. 6, pp. 646-650, 2014.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.