MétaCan
Menu
Retour à la cohorte
Enregistrement W2149957235 · doi:10.5267/j.msl.2012.07.012

Utilizing QFD model to determine quality characteristics of the products and priority needs of customers in the medical industry products (Case Study: Plasma seat product in mashhad`s Sahateb medical equipment company)

2012· article· en· W2149957235 sur OpenAlexvenueno aff
Zeinab Armoun, Mojtaba Javidnia, Zahra Nikkhah Farkhani, Somaye Nasiri

Notice bibliographique

RevueManagement Science Letters · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality Function Deployment in Product Design
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuality function deploymentHouse of QualityBenchmarkingProduct (mathematics)Quality (philosophy)Customer satisfactionBusinessService (business)Voice of the customerIdentification (biology)Operations managementProcess managementNew product developmentMarketingEngineering managementComputer scienceManufacturing engineeringService qualityEngineeringCustomer retentionMathematics

Résumé

récupéré en direct d'OpenAlex

Quality Function Deployment (QFD) as one of the quality engineering methods; originates from market study and product or service customers identification, where by determining their needs; tries to involve them in all stages of product or service development.This study uses QFD method to apply customers' criteria in production of Coach Plasma in Mashhad`s Sahateb Company.Coach Plasma is used for healthy bloodletting.The proposed study of this paper designed and distributed a questionnaire, which includes identification & determination of customers' needs and investigation of their satisfaction of manufactured products, while looking for technical and engineering characteristics related to their needs.The Coach Plasma costumers are categorized into two groups of local and external customers.Data collection was done based on available documents, experts opinions, structured interview with managers and questionnaire.Customers' needs were studied in QFD teams.Collecting essential information such as needs importance degree and competitive benchmarking of customer`s needs, the weight of each need has been evaluated.In this research, House of Quality was used from first matrix of QFD leading to estimation of engineering & technical characteristics in order to enter to the quality deployment matrix.Take a look at obtained results, we could mention the role of each of these external factors in satisfaction of Sahateb Company customers and technical characteristics of the company in providing these factors and the prioritization of the customer's needs.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,084
Tête enseignante GPT0,312
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetQuality Function Deployment in Product DesignTravaux en français237 207