英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料
使用重要表现程度分析法(IPA)、质量功能展开(QFD)和解释结构模型(ISM)的概念性混合模型提高港口供应链绩效
MManikandan*andSChidambaranathan**
港口非常的不同，即使在单个港口中，潜在活动的范围和性质也可能非常广泛，因此很难选择合适的分析工具。港口产业的发展和完善需要有效的工具，特别是需要更好的解决方案保证顾客满意。本研究试图通过连接各种有效工具即重要表现程度分析法(IPA)，质量功能展开(QFD)和解释结构模型(ISM)，建立一个概念性的混合模型，这有助于衡量和提高港口供应链绩效。使用IPA来识别属性提高港口供应链绩效。在获得客户对这些属性(what)的感知之后，需要决策者的注意，它涉及到通过QFD识别港口绩效提升策略(how)的任务。利用ISM，可以研究这些策略之间的相互关系。然后根据这些策略的驱动和依赖能力进行分组。将这三种模型结合起来时，很容易衡量港口供应链的绩效，为港口客户提供更好的解决方案。由于这种集成混合模型并不特定于某种类型的服务企业，因此该模型可能适用于广泛的服务行业。
引言
港口行业在许多国家的经济中起着越来越重要的作用。在当今的全球竞争环境中，提供高质量的服务被认为是成功和生存的基本战略(Parasuraman等人，1985；Reichheld和Sasser，1990；及Zeithaml等人，1990)。港口绩效不佳对一国贸易的影响太明显了。根据Thomas和Monie(2000)的研究，衡量港口和码头的效率是非常重要的，它对国家的经济、工业和公民的成功和福利都至关重要。港口效率是在激烈竞争的航运业世界中生存的重要要求(Bitner等人，1994)。服务质量意味着个人对组织及其服务的优劣的总体印象，因此可以将港口看作是不同的物流和运输运营商在为最终消费者带来价值的方面进行协调的组织集合。Mohammadnia等人(2010)认为面向客户是全球所有组织的最高战略，服务质量是服务组织面临的最大问题。
最近，港口开始意识到他们的整体声誉(Whittle，2012)在决定他们的长期成功上的重要性。因此，一些人个人投资市场研究(Whittle，2012)，并从市场视角提供服务。这意味着从通过认识到不同的客户或用户群体可能有不同的标准来确定满意的服务到理解和满足超出基本效率和效用的客户需求的转变。本研究旨在整合重要表现程度分析法(IPA)，质量功能展开(QFD)和解释结构模型(ISM)等方法，建立一种混合模型，以提升港口供应链绩效。将这三个工具结合起来有助于了解这些方法是否满足了客户需要和要求的关键属性。
文献综述
重要表现程度分析法
Schellinck和Brooks(2013)开发了一种基于决定因素/绩效差距分析的映射过程，以处理绩效有效性评估方法之间的冲突信号，从而帮助港口管理人员做出适当的绩效投资决策以解决用户的需求。Matzler等人(2004)确定了为了提高客户满意度，组织应该关注的服务属性。Silva和Fernand(2010)利用IPA不仅审查了一个项目的绩效，而且考察了该项目作为满足客户的决定因素的重要性。Tongzon等人(2009)从港口服务提供商(码头运营商)和用户(船公司)的角度分析了港口供应链的方向。DeMartino和Morvillo(2008)提出了港口价值创造的一般框架。DeMartino等人(2011)认为，港口是一个参与者、资源和活动的网络，通过促进通过港口的供应链之间的各种相互依赖来共同产生价值。
质量功能展开
QFD在1966年由Akao于日本开发，定义为一种以满足消费者需求为目的的设计质量开发方法，将消费者的需求转化为设计目标和贯穿生产阶段的主要质量保证点。作为一个非常重要的好处，他指出，如果应用得当，QFD被证明可以将开发时间减少一半到三分之一(Akao，1990)。QFD是一种多功能的规划工具，可用于将客户的声音从产品规划、设计、工程和制造应用到最终产品中(Hsu等人，2007；及Chen和Gao2009)。质量屋(HOQ)的主要目标是识别客户的需求和服务的权重(WHATs)，然后将这些需求转化为技术特征(HOWs)(Besterfield等人，2011；林森等人，2011；PantandRaj2013；及Yadav等人，2013)。
IPA与QFD的联系
将IPA与QFD相结合，将形成一个更加全面的战略管理体系(LeeandKo，2000)。IPA帮助识别关键属性，这些属性由于其重要性而导致服务执行不佳或执行过度。IPA是一种简单有效的客户满意度工具，将IPA与QFD相结合，对售后服务(ASS)属性进行改进，以确定合适的ASS战略行动计划，该行动计划用以提高客户满意度(Murali等人，2016)。
解释结构模型
Raj等人(2007)将ISM描述为一个将模糊不清和逻辑不清的系统转换为可见和定义良好的模型的过程。Chidambaranathan等人(2009)定义了供应商发展因素水平，以提高供应商为采购组织使用ISM的能力(DebnathandShankar，2012)，提高使用了ISM的技术教育的服务质量。Goyal等人(2017)对制造业及其提供集成价值束的相关服务组织的质量管理(QM)构建的脉络关系进行了识别和排序，这一研究受到了有限的关注。
目标
本研究的主要目的是：
- 讨论三种方法及其在实践中的应用问题；
- 建立一个改善港口供应链绩效的概念模型；及
- 通过整合这三种方法提高客户服务并创造客户价值。
方法论
连接IPA、QFD和ISM的概念框架
港口供应链绩效文献综述的结果显示，大多数港口绩效评价计划不包括港口的效用(Brooks等人，2011)，由于他们很少考虑用户感受，该结果已经被无疑问的假定效率代表竞争力的研究人员证明了(Yeo等人，2011)。这就是为什么港口绩效评价严重依赖于操作效率评价(Pallis和Vitsounis，2009)，并且也可能是港口绩效和用户期望之间差距的原因。
DeMartino等人(2011)认为，港口是一个参与者、资源和活动的网络，通过促进通过港口的供应链之间的各种相互依赖来共同产生价值。Thakker等人(2009)通过案例研究分析发现了供应链绩效评价(SCPM)框架。针对印度各种中小企业集群的二级信息，根据中小型企业(SMEs)供应链管理评价框架，阐述了最新的研究。
Manikandan和Chidambaranathan(2017a)开发了一个二维框架，用于对涵盖主要期刊文章的SCPM文献进行分类，并研究了方法论、方法和模型，确定了未来分析的差距。
可以发起调查了解支持或阻碍港口供应链在任何港口的重要性和绩效的因素。主成分分析(PCA)可用于从数据集中删除一些变量，并在数据中保留大部分原始的可变性。利用IPA模型，根据港口供应链的重要性和绩效对各因素进行分组。IPA将结果显示为网格，使数据易于管理人员阅读、解释和决策，因为每个区域都与资源分配的一个特定因素相关联。雷达图可以用来表示一个港口在组织的多个领域和多个港口指标的实际绩效和重要性差距。在IP分析的四个象限中，集中象限表示客户需求的属性，这些需求可以通过QFD进行转换，通过头脑风暴制定提高港口绩效的策略。从QFD结果中，我们能够找到需要关注的各个策略的排序。最后，将ISM应用到港口绩效提升策略中，能找出策略之间的相互关系，并且能帮助找出驱动策略和依赖策略，进而帮助港口管理者和实践者实现这些策略，提高港口供应链绩效。
服务质量
经过广泛的研究，Zeithaml等人(1990)发现顾客在评价服务质量时使用的五个维度(SERVQUAL)。他们把调查工具命名为SERVQUAL。换句话说，如果供应商在这些方面做得正确，客户已经得到了优质的服务，将会保持忠诚。
五个SERVQUAL维度
- 有形性：有形设施、设备、人员和设备的外观和交流材料。
- 可靠性：能够可靠、准确地是实现所承诺的服务的能力。
- 响应性：乐于帮助客户并提供及时的服务。
- 保证性：员工的知识和礼貌以及他们传达信任和信心的能力。
- 移情性：公司为客户提供的关怀和个性化的关注。
顾客满意在服务行业中起着至关重要的作用，服务质量成为为顾客提供最佳价值的日常实践。港口效率对于在竞争激烈的航运业中生存非常重要。在港口内运行不同的设施是昂贵的(ManikandanandChidambaranathan，2017b)。因此，使用不足会导致财务损失。然而，设施不足会导致延误，造成资本和客户的损失(TaharandHussain，2000)。
Parasuraman等人(1985)指出，消费者评价服务质量比产品质量难度大，感知服务质量是消费者期望与所体验服务的绩效进行比较的结果。他们还指出，质量评价不仅基于服务结果，而且基于服务提供的过程。
主成分分析
主成分分析法是目前应用最广的减少变量数量和检测变量之间关系的多元技术之一，也是一种首选的排序方法论。主成分分析可以推广为对应分析(CA)以处理定性变量，也可以推广为多因素分析(MFA)以处理各种变量集。
主成分分析的目的
主成分分析的目的是：
- 从数据表中提取最重要的信息；
- 仅保留重要信息以压缩数据集的大小；
- 简化数据集的描述；及
- 分析观察结果和变量的结构。
主成分分析是一个变量减少的过程。当获得大量变量(可能是大量变量)的数据，并且相信这些变量中存在一定的冗余时，这种方法非常有用。在这种情况下，冗余意味着一些变量可能与另一变量相关联，因为它们测量的是相同的概念。由于这种冗余，我们认为应该有可能将被观察的变量减少到更少的主成分(人工策略)，这些主成分将解释被观察策略的大部分差异。
主成分分析的目标是从数据集中删除一些变量，并在数据中保留大部分原始的可变性。主要的主成分占数据内可变性的最大数量，每个后续成分占剩余可变性的最大数量。利用主成分分析法分析了港口重要性因素的主成分，消除了港口的低负荷因子。
重要表现程度分析法
IPA是Martilla和James(1977)提出的，用于衡量客户对产品或服务的满意度。然后根据本研究的目标，即港口绩效质量评估，使用IPA。图1显示了IPA矩阵的结构。
这个矩阵的四个象限解释如下：
1. 象限一：集中于此——受访者认为这些指标非常重要，但是组织在这些指标上的绩效相当低。改进和发展的努力应集中在这一区域。
2. 象限二：再接再厉——受访者认为这些指标非常重要，组织在这些指标方面有非常好的表现。因此，在这一区域应保持过去的成绩。
3. 象限三：低优先级--这些指标的重要性和绩效都很低，组织应将有限的资源分配给这一区域。
4. 象限四：针对被调查对象可能的过度——该象限的指标不是很重要，但具有相对高的绩效。调查对象对组织在这些指标上的高绩效感到高兴，但管理者应大幅减少目前在这些指标上的努力。
质量功能展开
YojiAkao于1966年在日本开发的QFD是一种系统的方法，它基于对客户需求的密切关注，结合企业各职能部门的整合，它的使用贯穿于整个生产阶段。它是一种补充的方法，用于确定在生产产品或交付特定服务时如何以及在何处分配优先级(图2)。
QFD是一个综合的质量体系，它将客户的需求与营销、设计、质量、生产、制造、销售等各种企业职能和组织流程系统地联系起来，使整个公司朝着完成一个共同的目标前进。它通过寻找口头和潜在的需求，识别积极的质量和商业机会，并使用透明的分析和优先级方法将这些转化为行动和设计，帮助组织超越正常的预期，并提供一个意想不到的产生价值的兴奋水平(Sanchit和Vivek，2015)。
图3描述了开发“HOQ矩阵”的QFD方法，该矩阵用于识别为了满足客户需要所需的客户需求和产品属性。
解释结构模型
ISM最早由Warfield在1973年提出，用于分析复杂的社会经济系统。ISM被用来发现在一个系统中开发图形模型的优先级和效用水平以及策略之间的相互作用。ISM是一种计算机辅助学习过程，允许个人或团体在复杂情况的不同元素之间发展出一幅复杂关系的地图。其核心思想是利用专家的实践经验和知识，将一个复杂的系统分解成若干个子系统(元素)，构建多层次的结构模型。
集成IPA、QFD和ISM的混合模型
本研究集成IPA、QFD和ISM建立了一个提升港口供应链绩效的混合模型。图4显示了这种混合模型的方法。
主成分分析法是目前应用最广泛的减少变量数量和检测变量之间关系的
全文共5869字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[983]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
