第三章 研究方法
第二節 模糊解析 Kano 模式
32
表 4(續)
構面 題項
回應性 15. 學校對設備損壞的修繕情形 16. 學校師長在處理學生事務的態度 17. 學校對班級建議事項的處理速度 18. 學校對同學學習需求的回應
19. 學校對各班公物修繕的處理（如門窗、課桌椅、 燈管）
20. 學校對同學突遭變故、困境的處理與協助 保證性 21. 學校承諾溝通的問題可以獲致適當處理 22. 學校師長服務的能力（專業知識和技能）
23. 學校師長在輔導學生各項競試之情形
24. 學校在舉辦安全維護演習和訓練（如消防演習、CPR）情形 25. 學校師長與學生的溝通與了解
26. 學校校園的安全維護 27. 學校教師的教學態度
關懷性 28. 學校師長對同學的尊重與關懷 29. 與學校聯繫的便利性
30. 學校能提供校刊或心靈交流園地 31. 社團活動的多樣性與自由選擇空間 32. 在學校各處室找師長為我服務的便利性 33. 各種報名或相關資料的提供
34. 學校舉辦親師懇談會並與家長交換意見之情形 35. 學校會採納學生建設性的建議
33
改善 Kano 二維品質要素在問卷語意尺度填答上過於主觀的缺憾，讓受訪者根據自 己的觀感，利用隸屬度及任意數值表達心中對於問卷選項屬意的程度，較具合理 性並且更能完整的表達真實的想法。
傳統眾數在統計上指的是大多數人的意見，然而，每個個體對論域U的看法 通常並不明確。例如，對護手霜的感覺是「有點油，又不會太油」，對天氣的感受 是「有點熱，又不會太熱」等，這種情況十分常見。因此，如何在模糊的概念下 獲得統計上的共識就相當的重要。當問項具模糊性且論域因子可明確區分為數類 時，可利用離散型模糊眾數求得此一議題的共識。離散型模糊眾數的定義如下：
設U為一論域，{ } 與{ } 為分佈於論域U 上的 kano 正向、反向問題 且 k 為語意變數的項目個數，{ } 為一組 Kano 模糊眾數問卷的受測者，同時
，受測者 對應語意變數 與 分別給予一標準化隸屬度 (∑ )與 (∑ )；透過模糊集合關係運算式，計算二維模糊關係認知程度；再 藉由文獻探討之方式，定義 Kano 二維品質要素分類情形，且 α–cut 顯著隸屬水準 下，計算所符合顯著水準的品質要素分類，其中擁有最大 值之M̃，Õ，Ã，Ĩ，R̃和 Q̃ kano 模糊品質屬性分類，即為 Kano 模糊模式。
如果有兩組以上 Kano 模糊品質要素分類其最大值𝑠 相同，則這組數據被稱為 具有多個模糊眾數或是具有多種共識。如果最後分數相同，對於結果的影響通常 是按下列順序做屬性分類：M̃ > Õ > Ã > Ĩ (CQM, 1993)。
假設某校的 10 的畢業班級欲選擇製作畢業紀念冊的廠商，想以問卷的方式決 定，如果使用民主化的眾數方式，讓多數人表決同意的廠商成為最終的方案。以 下四個廠商分別為 A, B, C, D，問卷經回收整理後如表 5 所示。
34
表 5
傳統問卷與傳統眾數調查結果表 畢業班級
廠商 A B C D
1 v
2 v
3 v
4 v
5 v
6 v
7 v
8 v
9 v
10 v
經由表 5 的傳統問卷及傳統眾數方法選擇承辦的廠商，統計得票結果決定得 到 4 票的 B 廠商，原因是它的得票數是最高的。然而這裡出現了一些值得大家注 意的問題，就是只有 4 個班級選擇 B 廠商，也就是說另外 6 個班級是不中意 B 廠 商的。如果選擇了 B 廠商會不會結果只有 4 個班級滿意，但另外 6 個班級卻抱怨 連連呢？
若我們將存在於現實世界中人們具有模糊、多重感受的事實做為設計問卷方向
，讓每個班級可以隨意地寫下自己對四個提案廠商的中意程度，這樣不僅可以知 道更多班級內心真正的想法，也可以進一步利用這些資訊，產生令多數人都能欣 然接受的結果。經使用模糊問卷與模糊眾數之調查方式，結果如表 6 所示。
35
表 6
模糊問卷與模糊眾數調查結果表 畢業班級
廠商 A B C D
1 0.45 0.55
2 0.65 0.35
3 0.45 0.55
4 0.6 0.4
5 0.4 0.45 0.15
6 0.45 0.55
7 0.45 0.55
8 0.5 0.35 0.15
9 0.45 0.55
10 0.4 0.6
相較於傳統眾數方法讓受訪者只能做一個選擇的方法，模糊問卷的方式並不 限制每位受訪者回答問題的任何可能，只要受訪者覺得喜歡，就可以用程度大小 的方式來表達個人的喜好。而這種可能具有多重的喜好及不同程度的問題，正是 模糊理論最擅長處理的議題，也是現實社會中時常碰到的情況。
針對畢業紀念冊製作廠商選擇這個議題，若要找出最多班級中意的廠商，就 可以利用這個具有充分訊息的模糊問卷，找到最多人滿意的廠商－－A 廠商，共 有 9 個班級滿意，或者也可以解釋為有 9 個班級可以接受這個廠商。此外經由不 同顯著水準cut門檻值調整之後，可以得到更多不同的結果。由此結果可發現，
模糊眾數相較於傳統眾數方法更能表現出多數民意的看法，且能找出一個令大家 在可接受的程度之下都能接受的廠商，如表 7 所示。
36
表 7
模糊模式選取結果表
廠商 傳統模式
模糊模式
55 .
0
模糊模式
45 .
0
模糊模式
4 .
0
A 2 1 7 9
B 4 4 4 4
C 3 2 3 4
D 1 1 1 1
二、模糊解析 Kano 分析法
Xu, et al. (2009)所提出的解析 kano 模式，延續傳統 kano 模式採用定量客戶滿 意度的方法，提出功能指標，採用測量顧客的滿意度指數和不滿意度指數，透過 坐標的形式表示，有利於探討客戶滿意度的性質，了解顧客的需求，為客戶的需 求進行分析調查，可以在產品規劃設計階段做的更好。
原本要判別顧客滿意度影響因素在 Kano 模式中的屬性分類時，是運用縱軸為 SII 與橫軸為 DDI 所計算得出值的大小來判斷，值越大，改善效益越明顯，值越小
，改善效益愈不明顯。但是若只透過 SII 與 DDI 仍無法精確指出欲改善顧客滿意 度的要素(Berger et al., 1993& Xu et al., 2009)。
為找出哪些品質要素較具改善效果，本研究採用 Lee and Huang(2009)所提出 之模糊 Kano 問卷、模糊 Kano 眾數及 Xu et al. (2009)所提出之解析式 Kano 模型整 合後的方法。運用模糊解析 Kano 方法，當有 i 個學校服務品質要素，位填答者
，就可算出第 i 項學校服務品質要素的重要性指數rfi與第 i 項學校服務品質要素的 滿意度指數fi，rfi 的值越大，代表該學校服務品質要素的重要性越高及影響越 顯著。fi的值越大，代表該學校服務品質要素對提高學生滿意度的能力越高。
37
以向量r 代表滿意度及不滿意度的理論基礎，亦即向量的大小表示對學生的fi 整體重要性，而夾角fi則決定滿意度及不滿意度的相對程度；因此，向量rfi 的大
小稱之為重要性指數，而夾角fi則稱之為滿意度指數，兩者整體而言則稱為 Kano 指數。
完整的模糊解析 Kano 方法分類步驟與程序分別如下所述。
步驟一：發放問卷建立樣本集合及二維模糊集合 若P N~
~,
表示正反問卷初始樣本集合，F~S
代表抽樣結果所形成的樣本集合，即
P~k
Pi ip1
(1) N~k
Nj nj 1
(2) F~S
FSk rk 1
(3) p,n=正向問卷與反向問卷的選項數目
k 1,2,...,r，r代表樣本大小 步驟二：標準化初始評價值
p
i ki ki ki
P P P
m
1
) (
(4)
n
j kj kj kj
N N N
m
1
) (
(5) k = 1,2,…,r
m(P),m(N) = P N , ~
~ 正規化後的結果 步驟三：建立二維模糊關係集合S~
38
p
i n
j
kj ki
kij m P m N
S
1 1
) ) ( ) (
~ (
(6) k =1,2,…,r
步驟四：定義Kano品質屬性分類集合M O A I R Q~
~,
~,
~,
~,
~,
C
ci mi
M O A I R Q
,~ ,~ ,~ ,~ ,~
~ ~
1
(7) Supp ci
xuci x x S
, ~ 0 )
(
(8)
此處，M~O~A~I~R~Q~S~ 其中，M~
、O~
、A~
、I~
、R~
、Q~
分別表示Kano模型之屬性分類為「必需品 質集合」 、 「一維品質集合」、 「魅力品質集合」、 「無差異品質集合」、 「反 向品質集合」與「疑問品質集合」結果。
步驟五：計算各項品質屬性的總隸屬程度T~k
T~k
M~, O~, A~, I~, R~, Q~
(9) 步驟六：以cut求共識水準認同集合
T~kh
, 0
, 1
iff iff
kh kh
T T
, (10)
此處，h 代表M~
、O~
、A~
、I~
、R~ 或Q~ 步驟七：求出Kano品質屬性的判別結果
FKM = (
~ )1
rk
Tkh
Max
(11)
r
fi (r
fi,α
fi)
(12) rfi rfi SII2fi DDI2fi
0 rfi 2 (13) 1 fi fi)
fi tan ( SII DDI
α 0
fi
2 (14)39
步驟八：依不同屬性，個別分析A、O、M、I、R
將各品質要素繪製於對應座標位置，並進行個別分析。
40