Kansei Mühendisliği Üzerine Bir Uygulama

Transkript

1 6 th International Advanced Technologies Symposium (IATS 11), May 2011, Elazığ, Turkey Kansei Mühendisliği Üzerine Bir Uygulama C. Göloğlu 1, E. Zurnacı 2 1 Karabük Üniversitesi, Mühendislik Fakültesi, Makine Mühendisliği Bölümü, Karabük cgologlu@karabuk.edu.tr 2 Karabük Üniversitesi, Fen Bilimleri Enstitüsü, Karabük/Türkiye, ermanzrnc@hotmail.com An Application on Kansei Engineering Abstract This study presents a method by Kansei Engineering that user s views are effective instead of designer s views in product design. The study has been accomplished on flash memories. Product models on different sizes are evaluated by users and mathematical relation between user demands and product parameters is modelled based on the evaluation results. The users who have similar preferences are clustered by using their own evaluations and the product sizes that fit to members of the cluster are determined for every cluster. The method developed enables that customised product design for a user or a group of user and also makes user s response determination possible before the product comes to market. Keywords Kansei Engineering, Orthogonal Array Design, Response Surface Methodology, Hierarchical Cluster Analysis M I. GĠRĠġ ÜġTERĠLER, farklı rakip firmaların ürettikleri ürünler içerisinden hangisini alacaklarına karar vermede zorlanır hale gelmiģlerdir [1]. Bu nedenle ürün ergonomisi, estetik, his ve ürün etkisi gibi müģteri gözünde ürüne değer katan özelliklerin belirlenmesi gereksinimi öncelik kazanan ölçütler olmuģtur [2-3]. Kansei Mühendisliği, ürün geliģtirmede Japonya da kullanılan ve ürün ile müģteri arasındaki etkileģimi ortaya çıkarmayı hedefleyen bir yaklaģım olarak ortaya çıkmıģtır [5]. MüĢteri bu yaklaģımla tasarım sürecine katılmakta, görüģ ve istekleri ürün tasarım özelliklerine prototip üretim aģamasında yansıtılmaktadır [5]. Kansei Mühendisliği (KM) çalıģmalarının büyük bölümünde ürün görüntüsü ile tasarım parametreleri arasındaki iliģki ortaya çıkarılmaya çalıģılmıģtır [6]. MüĢterinin karģılaģtığı ilk olgu ürünün görüntüsüdür ve ürün görüntüsü ile müģteri beklentileri arasındaki iliģki belirlenirse, müģterinin tercih edeceği ürünleri üretmek mümkün olacaktır [7]. ÇalıĢmada, kullanıcıların ürünü ifade etmekte kullandığı Kansei kelimeleri belirlenmiģ, faktör analizi ile bu kansei kelimelerinden bileģenler oluģturulmuģtur. Ardından ürünün değerlendirme için seçilen tasarım parametrelerinin farklı boyut kombinasyonlarını içeren bir dikey dizin (orthogonal array) oluģturulmuģtur. Dikey dizin ile belirlenen tasarım parametrelerinin farklı boyutlardaki kombinasyonları 3B li modeller olarak bilgisayar ortamında modellenmiģtir. Modellenen prototipler tüketici değerlendirilmesine sunulmuģ ve değerlendirme için önce belirlenen ilgili bileģenler kullanılmıģtır. Ardından benzer ürün tercihlerine sahip kullanıcılar değerlendirme puanlarına göre gruplandırılmıģ ve tepki eniyilenimi (response optimization) yapılmıģtır. Bu yöntemle grup içindeki benzer ürün tercihlerine sahip kullanıcılara hitap eden ürünün, tasarım parametre değerleri ve bu değerlere göre üretilecek ürünün gruptaki kullanıcılardan alacağı tahmini tepki puanları, regresyon analizi ile oluģturulan matematiksel model kullanılarak hesaplanmıģtır. Tahmini tepki puanlarının hesaplanması, tasarım aģamasındaki ürünün piyasa tepkisini önceden tahmin edilmesine imkân sağlamaktadır. Kullanıcıların, ürün tercihlerine göre gruplandırılması farklı ürün isteklerine sahip kullanıcılara özgün ürünler üretebilmeyi sağlamaktadır. II. KANSEĠ KELĠMELERĠ ĠLE DEĞERLENDĠRME VE FAKTÖR ANALĠZĠ ÇalıĢmada kullanılacak olan ürün, taģınabilir bellek olarak seçilmiģtir. Kullanıcıların ilgili ürünü ifade etmekte kullandığı 24 adet kansei kelimesi, ürünle ilgili dergi ve internet sitelerinden seçilmiģtir (Tablo 1). 25 adet kullanıcı bu kelimeleri kullanarak 30 adet ürünü değerlendirmiģ ve Kansei kelimeleri faktör analizi yöntemi ile tercih puanlarına göre değerlendirilmiģtir. Analiz sonucunda 24 adet kansei kelimesinden dört bileģen oluģmuģtur. Bunlar; Kullanışlılık (B 1 ), Memnuniyet (B 2 ), Estetik (B 3 ) ve Gençlere Hitap Eden (B 4 ) diye adlandırılmıģtır. Tablo 1: Kansei Kelimeleri Saklaması kolay Kullanışlı Kavramak kolay Göze hitap eden Güzel Pratik Düzenli Teknolojik Bireysel İhtişamlı Çağdaş Zarif Sportif Geleneksel Kentsel Gençlere hitap eden Popüler Yeni model Simetrik Basit Albenili Güven veren Makul Sıra dışı III. DĠKEY DĠZĠN TASARIMI Tasarım parametreleri olarak; ürünün temel boyutları olan boy (X 1 ), geniģlik (X 2 ) ve kalınlık (X 3 ) belirlenmiģtir (ġekil 1). Ürünün değerlendirilmesi amacıyla piyasadaki ürün çeģitleri incelenerek, belirlenen her tasarım parametresi için üç boyut seviyesi kararlaģtırılmıģtır. Tasarım parametrelerinin en düģük boyut seviyesi -1, en yüksek 166

2 Kansei Mühendisliği Üzerine Bir Uygulama boyut seviyesi 1 ve bu iki seviyenin aritmetik ortalamasından oluģan orta boyut seviyesi 0 olarak kodlanmıģtır. X2 farklı tercih derecelerini yansıtmaktadır. Buna karģın birbirine benzer tercihlere sahip kullanıcılar olacaktır. Bu sebeple tercihleri arasında benzerlikler olan kullanıcıları gruplandırmak ver her kullanıcı grubuna özgü tasarımlar yapmak ürünün farklı kullanıcı gruplarına hitap etmesini sağlayacaktır. X1 X3 ġekil 1: Ürün Tasarım Parametreleri Dikey dizin tasarımı yöntemi ile tasarım parametrelerinin boyut seviyeleri kullanılarak, farklı boyut seviyelerinin kombinasyonun en az sayıda deneyi içeren dikey dizin oluģturulmuģtur. Dikey dizin oluģturulurken; tasarım parametrelerinin alt seviyeleri Tablo 2 deki gibi kodlanmıģtır. Tablo 2: KodlanmıĢ Tasarım Parametreleri Seviye X 1 (mm) X 2 (mm) X 3 (mm) , Dikey dizin ile üç adet parametrenin farklı seviyelerinin kullanıldığı dokuz kombinasyon oluģturulmuģtur. Bu dokuz farklı kombinasyon, birbirinden farklı dokuz ürün modelini temsil etmektedir (Tablo 3) [8]. Tablo 3: Dikey Dizin X 1 X 2 X OluĢturulan her kombinasyon, ürün değerlendirilmesinin gerçekleģtirilmesi için Bilgisayar Destekli Tasarım (BDT) yazılımı ile modellenmiģtir (ġekil 2). Modellemenin ardından dokuz ürün modeli, faktör analizi ile elde edilen dört bileģen kullanılarak on adet ürün tasarımcısı (kullanıcı) tarafından değerlendirilmiģtir. Tasarımcılar değerlendirmelerini on dereceli Anlam ĠliĢki Dağıtımı (Semantik Diferansiyel) ölçeğini kullanarak yapmıģlardır. Değerlendirmede her tasarımcı kendi kiģisel zevklerine göre puanlar vermiģtir ve her değerlendirme farklı kiģilerin ġekil 2: Modellenen Ürün Örnekleri IV. HĠYERARġĠK KÜMELEME ANALĠZĠ Dikey dizin ve değerlendirme sonuçları kullanılarak hiyerarģik kümeleme analizi (Hierarchical Cluster Analysis) yapılmıģtır. HiyerarĢik kümeleme analizi ile farklı ürün tercihlerine sahip müģteri gruplarının (kümelerinin) belirlenmesi ve farklı tercih gruplarına hitap eden ürün modellerinin oluģturulması amaçlanmıģtır. HiyerarĢik kümeleme analizi sonucunda oluģan grup sayısı dendrograma bakıldığında görülmektedir (ġekil 3). Dendrogram, elde edilen grupların görselleģtirilmesini sağlamaktadır. ġekil 3: Dendrogram 1. Grup 2. Grup Dendrogram hiyerarģik kümeleme ile kullanıcı gruplarının oluģumunu ve oluģan gruplar arasındaki benzerlik farkını gösterir. Grup sayısı belirlenirken gruplar arasındaki benzerlik farkına bakılır. Dendograma bakıldığında en yüksek benzerlik farkının 16 ile 25 değerleri arasında oluģtuğu ve bu farkın iki grup arasında olduğu görülmektedir. Dendrograma göre ve 5. tasarımcılar (K1, K2, K3, K4, K5) birinci grupta yer almakta, ve 10. tasarımcılar (K6, K7, K8, K9, K10) da ikinci grubu oluģturmaktadır. 167

3 C. Göloğlu, E. Zurnacı BileĢenler (B 1, B 2, B 3, B 4 ) için grup üyelerinin değerlendirme puan ortalamaları (Tablo 4) ve dikey dizin değerleri kullanılarak, her bileģen için tepki eniyilenimi yapılmıģtır. Artık hata 2 0,382 0,382 0,191 Toplam 8 14,675 Tablo 4: Dikey Dizin ve 1. Grup Değerlendirme Puan Ortalamaları X 1 X 2 X 3 B 1 B 2 B 3 B ,2 5 4,6 5, ,4 7, ,2 5,4 4, ,4 6,6 6 7, ,2 5 7, ,2 2 3,6 4, ,4 7,2 7,4 6, ,6 8,4 6 5, ,6 5,2 9,2 V. TEPKĠ YÜZEYĠ YÖNTEMBĠLĠMĠ Tepki Yüzeyi Yöntembilimi (TYY), ilgilenilen tepkinin (bileģenlerin) birkaç değiģken (tasarım parametresi) tarafından etkilenmesi sonucunda, bu tepkiyi eniyilemek için problemlerin modellenmesi ve analiz edilmesi amacıyla kullanılan matematiksel ve istatistiksel tekniklerin bir grubudur [9]. TYY, bu çalıģmada tasarım parametrelerinin, kullanıcı değerlendirmelerine uygun olarak eniyilenmesi amacıyla kullanılacaktır. Bu sayede elde edilen ölçülerle birden fazla kullanıcıya hitap eden tek bir ürün elde edilmiģ olacaktır. Kullanıcıların tasarlanan modellere verdiği puanlar (tepkiler) kullanılarak regresyon analizi ve varyans analizi uygulanmıģtır. Regresyon analizi sonucunda her bileģen için bileģen ile tasarım parametreleri arasındaki iliģkinin matematiksel ifadesi olan regresyon denklemi (Denklem (1)) oluģturulmuģtur. Formülde; ise bağımlı değiģken (tepki değiģkeni), çarpan katsayıları, bağımsız değiģkenler (tasarım parametreleri), gözlenen hatadır. Örnek olarak, B 1 için elde edilen katsayı tablosu ve varyans analiz sonuçları sırasıyla Tablo 5 ve Tablo 6 de verilmiģtir. Ardından çarpan katsayıları kullanılarak bileģenlere ait matematiksel modeller oluģturulmuģtur (Denklem (2)-(5)). Tablo 5: B 1 Ġçin Katsayı Tablosu Terimler Çarpan katsayısı T P Sabit 12,753 4,256 0,051 X 1 0,011 0,082 0,942 X 2-0,052-0,239 0,833 X 3-1,575-2,934 0,099 X 1 *X 2-0,008-1,553 0,261 X 1 *X 3 0,010 1,200 0,353 X 2 *X 3 0,065 1,624 0,246 Tablo 6: B 1 Ġçin Varyans Analizi Sonuçları SD Ard. KT Kom. KT Kom. KO F Regresyon 6 14,293 14,2933 2,382 12,47 VI. TEPKĠ ENĠYĠLENĠMĠ Tepki eniyilenimi ile oluģturulan dokuz adet deney modelinin 1. Gruba ait beģ adet kullanıcı tarafından değerlendirilerek elde edilen tepkileri eniyileyecek parametre seviyelerinin oluģturulması amaçlanmıģtır. Tepki eniyileniminde; kullanıcı puanlamasında kullanılan alt değer (En alt), üst değer (En üst), kullanıcıdan beklenen puan değeri (Hedef) ve hedef değerleri en yüksek puan değerleri olduğundan eniyileniminde Amaç (Azami) olarak kullanılmıģtır (Tablo 6). Ürün tasarımındaki asıl amaç kullanıcının üründen memnuniyetini en üst düzeye çıkarmaktır. Bu yüzden eniyilenim değerlerinin belirlenmesinde hedef değer olarak 10 puanı alınmıģ ve buna göre eniyilenim edilmiģtir. Tablo 6: Tepki Eniyilenimi Parametreleri Amaç En alt En üst Hedef B 1 Azami B 2 Azami B 3 Azami B 4 Azami Eniyilenim iģlemi ilk olarak eniyilenim bileģen ayarlarının araģtırılmasına baģlamak için bazı baģlangıç noktaları seçmektedir. Bunun için iki çözüm yolu bulunmaktadır; bölgesel çözüm ve küresel çözüm. Bu çözümler, bir baģlangıç noktasından baģlayarak bulunan tasarım parametre değerlerinin kombinasyonudur [10]. Küresel çözüm, istenilen tepkileri (bileģen değerleri) gerçekleģtiren tasarım parametre değerlerinin en iyi kombinasyonudur. Yapılan analizden elde edilen küresel çözüm sonuçları Tablo 7 de verilmiģtir. Tablo 7: Küresel Çözüm Sonuçları Tasarım Parametresi Boyut (mm) X 1 20 X 2 14,989 X 3 9 Küresel çözüm değerlerinin belirlenmesinin ardından, tasarım parametre değerleri kullanılarak oluģturulan modelin kullanıcılar tarafından alacağı tepkisi, matematiksel model kullanılarak hesaplanmıģ ve tahmini tepki tablosu oluģturulmuģtur (Tablo 8). Tabloda her bir bileģen için küresel çözüm değerleri kullanılarak üretilen ürünün tahmini 168

4 Kansei Mühendisliği Üzerine Bir Uygulama tepki puanları ve her kullanıcı için bireysel istenirlilik (desirability) değeri yer alır. Burada bireysel istenirlik değeri; her bir cevap değiģkeni nin, bir istenirlilik değeri ye dönüģtürülmesi ile bulunur. Burada istenirlilik aralığındadır. Söz konusu bileģenin istenirliği arttığında (tepki arzu edilen değere yaklaģtığında), karģılık geldiği değeri de artmaktadır. Bireysel istenirlilik değerlerinin belirlenmesinin ardından geometrik ortalama kullanılarak Kompozit Ġstenirlik (Composite Desirability, D) adı verilen genel bir değerde birleģtirilmiģtir. Bu değer birleģik tepki seviyelerinin genel bir değerini vermektedir. D değeri, aralığında bir değer alır ve değerin artması modelin daha fazla arzu edilen bir ürünü ifade ettiğini gösterir [9]. Tablo 8: Tahmini Tepki Tablosu BileĢen Hesaplanan Tercih Puanı Ġstenirlik B 1 6, , B 2 8, , B 3 7, , B 4 9, , Kompozit Ġstenirlik 0, VII. ENĠYĠLENĠM TEPKĠ DĠYAGRAMI Eniyilenim tepki diyagramı her bir bileģenin, tahmini tepkileri nasıl değiģtirdiğini gösterir. Grafik üzerindeki sütunlar bileģenleri, satırlar ise tepki değerlerini temsil eder. Grafikteki hücreler, diğer tüm değerler sabit kaldığında o tepki değiģkeninin nasıl değiģtiğini yansıtır. Her sütunun baģındaki köģeli parantez (kırmızı renkte) içindeki değerler o bileģenin önerilen bileģen seviyesini, parantez içine alınmayan (siyah renkte) değerler ise bileģenin sınır değerlerini gösterir. Satırların solunda ise hedef değeri, tahmini tepkiyi (Y), ve istenirlilik değerini gösterir. Tablonun sol üst köģesinde kompozit istenirlik (D) değeri gösterilir. Sütunlardaki grafik eğrilerini kesen dikey (kırmızı) çizgiler bileģen ayarlarını, satırlardaki yatay kesik (mavi) çizgiler ise tahmini tepki değerlerini gösterir (ġekil 4). ġekil 4: Eniyilenim Tepki Diyagramı VIII. SONUÇ MüĢteri odaklı rekabet stratejisinin çok büyük önem kazandığı günümüzde, müģteri fikir ve istekleri, tasarımdan üretime kadar her basamakta dikkat edilmesi gereken bir hususiyet halini almıģtır. Artan ürün ve marka çeģitliliği müģteriye çok seçenek sunmuģ, müģterinin isteklerine hitap eden firmalar rekabet ortamında bir adım öne çıkmıģtır. iģlevsellik ve teknik açıdan birbirine çok benzeyen ürünlerin üretildiği piyasada, artık ürünün iģlevselliğinden çok ürünün görünümü, ürünün beklentileri karģılaması ve estetik gibi kavramlar üretimde ön plana çıkmıģtır. KM, bu kavramları dikkate alan ve müģteri odaklı ürünler geliģtirmeyi amaçlayan bir yaklaģımdır. MüĢterinin üründen beklentilerini ürüne yansıtmada, tasarımcıya önemli bir rol düģmektedir. Klasik üretim yöntemlerinde müģterinin beklentilerinden çok tasarımcının beklentileri doğrultusunda ürün tasarımı yapılmaktadır. Bu da üretici firma için hem zaman hem de para kaybına sebep olmaktadır. Bu çalıģmada müģteri beklentilerini ölçüp, analiz edip, değerlendirdikten sonra ürün tasarımına yansıtan bir yaklaģım önerilmiģtir. Üretilecek ürünün faklı boyut kombinasyonlarına sahip prototipleri modellenmiģ ve müģteri değerlendirmesine sunulduktan sonra ürün tasarım parametreleri ile müģteri beklentileri arasındaki iliģkinin istatistik destekli matematiksel modeli yapılmıģtır. Bu sayede müģteriyi anlama ve çözüm yolu üretme noktasında, sayısal veriler oluģturulmuģtur. Ardından müģteriler değerlendirme puanlarına göre istatistiki analizler sonucunda, benzer beklentilere sahip kullanıcılar gruplandırılmıģ, farklı beklentilere sahip müģteri gruplarına uygun ürünler üretebilmek amaçlanmıģtır. ÇalıĢmada, oluģan her iki grup içinde hiyerarģik kümeleme analizi ve tepki eniyilenimi yapılmıģtır. Bu makalede elde edilen çözümlerden sadece Grup 1 için olan sonuçlar ayrıntılarıyla yer almaktadır. Bu yaklaģımın uygulanabilirliği ve geçerliliği, örnek ürün olarak seçilen taģınabilir bellekler üzerinde yapılan deneysel bir çalıģmayla gösterilmiģtir. Bilgisayar ile uğraģan kiģilerin günlük yaģantılarında önemli bir yer tutan ve taģınabilir olmasından dolayı boyutları önemli olan taģınabilir bellekler, kullanıcı fikirleri değerlendirilerek belirlenen tasarım parametrelerinin boyutları eniyilenime tabi tutulmuģtur. Farklı beklentilere sahip müģteri gruplarına özgü ürünler üretebilmek için, literatüre farklı bir bakıģ açısı sunmaktadır. Tasarım aģamalarının en baģından itibaren müģteri odaklı bir yaklaģım olması tasarım sonrasındaki aģamalarda da kolaylıklar sağlayacaktır. MüĢteri odaklı tasarımların önem kazandığı günümüzde, her ürün bu açıdan değerlendirilerek tasarlanmalıdır. Aksi takdirde ağır rekabet koģulları altında baģarıyı yakalamak çok zor olacaktır. Önerilen bu yeni yaklaģım diğer ürün çeģitleri üzerinde de uygulanabildiğinden müģteri odaklı tasarımlar için çözüm yolu sunmaktadır. KAYNAKLAR [1]. Cross, N., Engineering design methods: Strategies for product design (3rd ed.), Chichester, UK: Wiley (2000). [2]. Helander, M.G., Khalid, H.M. and Tham, M.P.. Proceedings of International Conference on Affective Human Factors Design, London: Asean Academic Press (2001). 169

5 C. Göloğlu, E. Zurnacı [3]. Fung. R.Y.K., Chong. S.P.Y., and Wang, Y., A framework of product styling platform approach: styling as intangible modules, Concurrent Engineering: Research and Applications, (2006). [4]. Nagamachi. M., Kansei engineering: a new ergonomic consumeroriented technology for product development, International Journal of Industrial Ergonomics, 15: 3-11 (1995). [5]. Kontogiannis. T., and Embrey. D., User centered design approach for introducing computer based information systems, Applied Ergonomics, 28: (1997). [6]. Hsu, S.H., Chuang, M.C., and Chang, C.C., A semantic differential study of designers and users product form perception, International Journal of Industrial Ergonomics, 25: (2000). [7]. Gologlu, C. and Mizrak, C., An integrated fuzzy logic approach to customer-oriented product design, Journal of Engineering Design, 22: 2, (2011). [8]. Kuang. J, Jiang. P, Product platform design for a product family based on Kansei engineering, Journal of Engineering Design, (2009). [9]. Myers, R.H., Montgomery, D.C., Response Surface Methodology, John Wiley and Sons, Inc., New York (2002). [10]. Ġlbay. I,Ġ, Kopolimer polyester esaslı yalancı büküm tekstüre prosesinde ürün tasarımı ve optimum üretim Ģartlarının belirlenmesi Doktora Tezi, Çukurova Üniversitesi Fen Bilimleri Enstitüsü Tekstil Mühendisliği Anabilim Dalı, Adana (2009). 170