QFD difuso para la toma de decisiones multicriterio Ejemplo de aplicacin

QFD difuso para la toma de decisiones multicriterio Ejemplo de aplicacin

Fuzzy QFD for multicriteria decision making Application example
Juan Carlos Osorio Gmez1
1 Profesor Asociado, Escuela de Ingeniera Industrial y Estadstica, Universidad del Valle, Cali, Colombia. Grupo de investigacin en produccin y logstica. juan.osorio@correounivalle.edu.co

Recibido 5/05/11, Aceptado 15/11/2011

Resumen
Recientemente, la funcin de despliegue de la calidad QFD (por sus siglas en ingls) ha pasado de ser una herramienta de la gestin de calidad, para convertirse en una herramienta que facilita los procesos de toma de decisin en ambientes multicriterio. Este artculo presenta una discusin sobre la aplicacin del QFD integrado con elementos de la lgica difusa para la toma de decisiones en ambientes multicriterio y se desarrolla con un ejemplo asociado a las decisiones de seleccin de personal, en el cual se muestra la utilidad de la herramienta y se logra tomar una decisin que considera todas las valoraciones del equipo decisor, asociadas tanto a los criterios y caractersticas utilizadas para tomar la decisin, como a las alternativas existentes en el proceso. Con respecto a dichas valoraciones, la lgica difusa permite manejar la ambigedad y vaguedad inherentes a las calificaciones verbales presentadas en este tipo de procesos. Palabras clave: Despliegue de la funcin de calidad, Lgica difusa, Seleccin de personal, Toma de decisiones multicriterio, Herramientas de calidad.

Abstract
Recently, the quality function deployment - QFD has gone from being a tool of quality management into a tool that facilitates decision-making processes in multi-environments. This article presents a brief discussion on the application of QFD integrated with elements of fuzzy logic to multicriteria decision making, and its showed with personal selection example which shows the usefulness of the tool and reach a decision that considers all team ratings decision maker, associated with both the criteria and characteristics used to make the decision, as the alternatives in the process. With regard to these valuations, fuzzy logic can handle ambiguity and vagueness inherent in this type of process. Keywords: Quality function deployment, Fuzzy logic, Personal selection, Multicriteria decision making, Quality tools.

22

Prospect. Vol. 9, No. 2, Julio - Diciembre de 2011, pgs. 22-29

1. IntRoduccin Aunque inicialmente la funcin de despliegue de la calidad surgi como herramienta para el diseo y desarrollo de productos, su aplicacin ha trascendido al marco de los problemas multicriterio. Adicionalmente, esta herramienta ha sido combinada exitosamente con elementos de la lgica difusa, con lo cual se han podido obtener resultados que involucran la subjetividad y ambigedad presente en los juicios lingsticos de los encargados de tomar las decisiones de manera que se logran resultados ms cercanos a la realidad. En este trabajo se presenta de manera general una metodologa multicriterio usando QFD difuso, la cual se ilustra a partir de un tpico ejemplo de decisin multicriterio como lo es la seleccin de una persona para cubrir un cargo en la estructura organizacional de la compaa, que en el caso concreto del ejemplo, corresponde al cargo de jefe de logstica de una empresa manufacturera. Para el desarrollo del artculo es necesario primero introducir algunos elementos tericos relativos al QFD, la lgica difusa y el QFD difuso. Posteriormente, se presentar la metodologa general y al mismo tiempo se ilustrar dicha metodologa con el ejemplo de aplicacin. Se busca con la aplicacin del ejemplo, aclarar el desarrollo de la metodologa; sin embargo, es importante aclarar que la metodologa puede ser aplicada en cualquier situacin siempre y cuando se trate de un proceso de decisin multicriterio en el que tomen parte ms de un encargado decisor. 2. La funcin de despliegue de la calidad (Quality function deployment -QFD) Fue presentada por primera vez en 1966 en el Japn y su primera aplicacin formal fue desarrollada en 1972 [1] [2]. Aunque inicialmente fue concebida como herramienta para el diseo y desarrollo de productos, la funcin de despliegue de la calidad ha trascendido estas aplicaciones y hoy por hoy puede considerarse como una importante herramienta en el mbito de los problemas de decisin multicriterio. Segn [2] se pueden mencionar los siguientes campos de aplicacin del QFD; desarrollo de productos, administracin de la calidad, anlisis de las necesidades del cliente, diseo de productos, planificacin del producto y del proceso, planificacin general, planificacin estratgica, planificacin de procesos de negocios, de calidad de servicios, ingeniera concurrente, ingeniera de calidad e ingeniera simultanea, toma de decisiones, administracin, trabajo en equipo, programacin de actividades, costeo y otros. Dos trabajos importantes para ampliar la informacin sobre el QFD son [2][3].

Est claro entonces, que el QFD es una herramienta verstil, que ha demostrado su utilidad en casi todas las funciones organizacionales. Lo que se muestra en este artculo, es como a travs de la utilizacin del QFD con elementos de la lgica difusa, se pueden tomar acertadamente decisiones del tipo multicriterio. Por tanto, es importante tocar algunos elementos fundamentales de la lgica difusa. 3. Lgica difusa Aunque muchos autores atribuyan los inicios de la lgica difusa al matemtico Lotfi A. Zadeh, otros autores [4] atribuyen los inicios de esta lgica al matemtico ruso Vasilev, quien public a partir de 1909 una serie de artculos en los que desarroll una lgica trivalente, que l llamo lgica aristotlica. En 1965, Zadeh public el artculo Fuzzy Sets (Information and Control) que marc un hito histrico y proporcion el nombre a la disciplina. Pero recin a mediados de los 70`s los conjuntos difusos Fuzzy Sets tuvieron una aplicacin prctica cuando se dise un controlador borroso para un motor de vapor. Desde entonces, se ha asociado a los trminos Lgica Difusa cualquier sistema matemtico que se base en los conjuntos difusos [4]. La modelacin difusa permite la definicin de mtricas con las que se puede acceder a los factores intangibles y tratar con medidas heterogneas. Adems, lo que se busca a travs de la matemtica borrosa es describir y formalizar la realidad empleando modelos flexibles que interpreten las leyes que rigen el comportamiento humano y las relaciones entre los hombres [5]. La lgica difusa, permite expresar matemticamente los valores intermedios a los que puede acudir un evaluador de determinada situacin o problema de tipo cualitativo, en el cual, no se sentira satisfecho al calificar con solo dos valores, falso (0) o verdadero (1), sabiendo que en la vida real, es un evento que no se puede definir como totalmente verdadero o totalmente falso, si no que tiene un grado de verdad o falsedad, que puede variar de 0 a 1. En esencia, con esta lgica se amplan las opciones frente a una situacin, pues en lugar de los extremos 0 y 1, se tiene el intervalo entre ellos para emitir un juicio. Los conjuntos difusos se manejan a partir de nmeros difusos, los cuales pueden ser representados por funciones triangulares o trapezoidales [4]. En el caso especfico de este artculo se utilizarn los nmeros difusos triangulares. 4. Metodologa QFD difusa La metodologa que se presenta a continuacin est soportada fundamentalmente en el trabajo de Bevilaqua [6], sin

23

QFD difuso para la toma de decisiones multicriterio Ejemplo de aplicacin

embargo, se pueden encontrar aplicaciones recientes de QFD difuso en [7-13]. Aplicaciones locales y especficas de la metodologa se pueden encontrar en [14-16]. Para el desarrollo de la misma es necesario incluir un grupo multidisciplinario, que permita definir correctamente los objetivos del proceso que se desea trabajar y los parmetros de control que guen el buen desarrollo del sistema lo cual permitir garantizar la coherencia y fiabilidad de los resultados. Con respecto a este equipo, deber estar conformado por las personas responsables del proceso que posean conocimiento y experiencia en el rea de la decisin. En el caso especfico del ejemplo, se tiene la necesidad de contratar un jefe de logstica, para ello se ha conformado un equipo decisor con las personas de la compaa que ocupan los puestos directamente afectados y relacionados con el cargo en mencin, ellos son: gerente general (GG), jefe de recursos humanos (JRH) y gerente comercial (GC). 4.1 Identificar los Que o variables internas El equipo multidisciplinario debe definir el conjunto de atributos bsicos que deben cumplir las alternativas que se estn examinando para satisfacer todos los requerimientos establecidos por la compaa con respecto a la decisin que se quiere tomar. Estos se deben ubicar en la matriz 1 del mtodo QFD, la cual aparece en la figura 1. Para el ejemplo que se va a desarrollar, estos que son: conocimiento en el rea, conocimiento en el manejo logstico, nivel de ingls, manejo de software de inventarios, manejo de personal, y conocimientos en comercio exterior (importaciones y exportaciones). Figura 1. Modelo matricial QFD-Fuzzy. [20] Figure 1. Matricial Model Fuzzy QFD [20]

4.2 Identificar los criterios relevantes para la evaluacin: Cmo o variables externas Estos criterios son definidos por el equipo multidisciplinario a travs de su conocimiento y experiencia. Corresponden a un conjunto de atributos o criterios con los que se evala a todos los posibles candidatos permitiendo realizar una futura escala de clasificacin. Estos constituyen la matriz 3 que se observa en la figura 1. Para el caso que se viene desarrollando, se consideran estos Cmo, como los elementos de perfil que deben tener los candidatos al cargo de jefe de logstica: Ingeniero Industrial o Administrador Experiencia en el rea de logstica Especialista en logstica Excel Avanzado Idioma Ingls Experiencia en cargos directivos Conocimiento en SAP Conocimiento en comercio exterior

4.3 Determinar la importancia relativa de las variables internas Cada uno de los integrantes del equipo multidisciplinario deber determinar el nivel de importancia o peso de cada que, por medio de una variable lingstica; y es aqu donde se introducen los elementos asociados a la lgica difusa, ya que cada una de estas variables se representa a travs de un nmero difuso. Para el caso ejemplo, se emplean cinco niveles de calificacin los cuales a su vez se representan por nmeros difusos triangulares tal como se aprecia en la tabla 1. Tabla 1. Variables lingsticas para la calificacin Table 1. Linguistic variables for the score
Calificacin (Variable lingstica) Muy Bajo MB Bajo B Medio M Alto A Muy Alto MA Nmero difuso triangular (0,1,2) (2,3,4) (4,5,6) (6,7,8) (8,9,10)

En la Tabla 2 se pueden ver las calificaciones del caso. All se observa, por ejemplo, que para el Gerente General el nivel de importancia asociado al conocimiento en el rea y el manejo de personal es Muy Alto, pero no es igual para el Gerente comercial. Ahora bien, para determinar la importancia relativa o peso de cada que una vez estn asig-

24

Prospect. Vol. 9, No. 2, Julio - Diciembre de 2011, pgs. 22-29

nadas las calificaciones de todos los miembros del equipo multidisciplinario se aplica la ecuacin 1: (1)

variables internas y externas que afectan de igual forma el proceso de toma de decisiones. Tabla 3. Peso de los QUE`s Table 3. Weight of What `s
Pesos de los Ques Conocimientos en el rea Conocimientos en manejo logstico QUE`S Nivel de Ingls Manejo de software de inventarios Manejo de personal Conocimientos en comercio exterior 7 6 6 6 7 5 8 7 7 7 8 6 9 8 8 8 9 7

Donde q es el nmero de Que`s y n el nmero de miembros del equipo multidisciplinario. Cada elemento del vector es un nmero difuso triangular definido por el conjunto wi = (wi,wi,wi). Los pesos finales obtenidos al incorporar las apreciaciones de todos los miembros del equipo multidisciplinario forman la matriz de referencia No. 2 del modelo QFD (ver Figura 1). Tabla 2. Calificacin de la importancia relativa de las variables internas para el caso de estudio. Table 2. Score the relative importance of internal variables for the study case.
Jefe de Gerente Gerente Recursos General Comercial Humanos Conocimientos en el rea Conocimientos en manejo logstico QUE`S Nivel de Ingls Manejo de software de inventarios Manejo de personal Conocimientos en comercio exterior MA A A A MA M A A M M MA M A A MA MA M MA

Cada miembro del equipo multidisciplinario es responsable de emitir un juicio sobre el impacto que tiene cada uno de los Como sobre cada uno de los Que. Dichas opiniones deben ser expresadas empleando las variables lingsticas presentadas en la tabla 1, y sern cuantificadas por medio de los nmeros difusos. Para determinar el impacto total de cada Como sobre cada Que, consolidando las opiniones de los miembros del equipo multidisciplinario, se aplica la ecuacin 2: (2)

Se pueden observar en la tabla 3 los resultados para el caso de estudio. En este caso, q = 6 y n = 3. Se procede a continuacin a ilustrar el clculo del peso definitivo para el criterio Conocimiento en el rea:

Donde c es el nmero de Como`s y q y n ya fueron mencionados. En el caso especfico, c = 8. De esta forma se consolida la matriz de relaciones 4 del modelo QFD (ver Figura 1), donde cada elemento representa el valor de correlacin consolidado entre cada y cada y est representado por un nmero triangular difuso definido por el conjunto rij = (rij,rij,rij). Para el caso especfico, y tal como se aprecia en la tabla 4 se puede observar que por ejemplo los miembros del equipo han considerado que la relacin entre el conocimiento en el rea y el hecho de ser ingeniero industrial es Alta, Media y Muy Alta respectivamente. De all, que el valor de rij correspondiente (Correlacin conocimiento en el rea Ingeniero Industrial o ) sea: Administrador

4.4 Determinar los niveles de correlacin entre las variables internas y externas Este punto es fundamental para el desarrollo del modelo QFD, porque plantea el eslabn entre la definicin de las
1

Estos clculos corresponden a la suma y multiplicacin de nmeros difusos triangulares. Para ms informacin se puede ver [4].

Es importante notar que cada miembro puede expresar libremente su opinin frente a esta relacin y no importan las diferencias entre ellos, pues de lo que se trata es que

25

QFD difuso para la toma de decisiones multicriterio Ejemplo de aplicacin

todas las opiniones sean consideradas al momento de tomar la decisin. 4.5 Cuantificar la importancia relativa de cada variable externa El clculo de la importancia relativa de cada una de las variables externas corresponde al promedio de los valores consolidados de correlacin rij con los valores consolidados de la importancia relativa de cada variable interna wi, de acuerdo a la ecuacin 3, donde se asumen las convenciones habituales para q y c: (3) Cada elemento Wj, del vector Pesocomo representa la importancia relativa de cada variable externa y se encuentra definida por medio de la funcin de nmeros difusos triangulares Wj = (Wj,Wj,Wj), consolidando la matriz 6 del modelo QFD (ver Figura 1).

Para el ejemplo, se presenta el clculo de la variable Ingeniero Industrial o administrador:

4.6 Desarrollar la matriz de correlaciones entre las variables externas Esta matriz corresponde al panel triangular de la Figura 1, y permite a los miembros del comit sealar el nivel de correlacin entre pares de criterios que requieren un mejoramiento paralelo, con el fin de tener una perspectiva ms integral y conocer, el efecto que un incremento o mejora de un criterio tiene sobre los dems. A diferencia de las matrices anteriores, los valores registrados no aplican para clculos matemticos, si no que representan una gua y para indicar el nivel de correlacin se emplean los smbolos definidos en la tabla 5 como se aprecia en la figura 2.

Tabla 4. Relacin entre los Que`s y los Como`s (fragmento) Table 4. Relationship between What`s and How`s (extract)
Como`s Ingeniero Industrial o Administrador CARGO Conocimientos en el rea Conocimientos en manejo logstico Nivel de ingls Manejo de software de inventarios Manejo de personal Conocimientos en comercio exterior GG A A M A MA M JRH M A M M A A GC MA A MA A A M Experiencia en el rea de logstica GG MA A M A A A JRH A A B A M MA GC MA MA M MA M A Especializacin en logstica GG A MA B A B A JRH M MA M MA B MA GC MA MA MB MA B A

Qus

Tabla 5. Escala de Calificacin de Matriz de Correlacin de variables externas Table 5. Grading scale Correlation Matrix of external variables
X X Correlacin muy positiva Correlacin positiva Correlacin negativa Correlacin muy negativa Ambos criterios se mueven en el mismo sentido Los criterios se mueven en sentido contrario

26

Prospect. Vol. 9, No. 2, Julio - Diciembre de 2011, pgs. 22-29

Figura 2. Matriz de correlacin de variables externas. Techo del modelo QFD. Figure 2. Correlation matrix of external variables. Roof of the QFD model.

Donde p es el nmero de alternativas, 5 candidatos para el cargo; y c y n ya fueron mencionados anteriormente. es la evaluacin difusa expresada por elmiembro n del equipo decisor para la alternativa h con relacin a la variable externa j. A continuacin se presenta el clculo de la relacin entre el candidato 1 (C1) y la caracterstica Ingeniero Industrial o Administrador:

4.7 Determinar el impacto final de cada alternativa sobre los atributos considerados Una vez se consolida la ponderacin final para cada variable externa, cada uno de los miembros del comit decisor valora al conjunto de alternativas potenciales en relacin a cada variable externa, como se muestra en tabla 6, para finalmente combinar estos resultados con las ponderaciones pertinentes y determinar una clasificacin final de las alternativas. Del mismo modo, que las matrices anteriores, los juicios son expresados en trminos lingsticos y posteriormente cuantificados por medio de nmeros difusos triangulares; as mismo el valor consolidado de los juicios emitidos por los miembros del comit de decisin se obtiene a partir de la ecuacin 4: (4)

Tabla 6. Calificacin de las alternativas en funcin de las variables externas por cada miembro del grupo decisor. Table 6. Qualification of the alternatives in terms of external variables for each decision maker.
COMOS Candidatos C1 C2 C3 C4 C5 Ingeniero Industrial Experiencia en el Especializacin o Administrador rea de logstica en logstica Cargo GG A MA B A B JRH M MA M MA B GC MA MA MB MA B GG JRH A A M A MA M A M M A GC GG JRH GC MA A MA A A A A M A MA M A M M A MA A MA A A

La matriz final de clasificacin de alternativas CA (tabla 7), contiene los valores consolidados CAhj de las jth alternativas para las variables externas, cada elemento en esta matriz est definido por medio de la funcin de nmeros difusos triangulares que se presenta a continuacin: CAhj = (CAhj, CAhj, CAhj)

Tabla 7. Nmero triangular difuso para la calificacin de las alternativas en funcin de las variables externas Table 7. Triangular fuzzy number for the rating of the alternatives in terms of external variables
Car.1 C1 C2 C3 C4 C5 6 6 5 5 7 7 7 6 6 8 8 8 7 7 9 7 7 3 7 5 Car.2 8 8 4 8 6 9 9 5 9 7 6 8 2 7 2 Car.3 7 9 3 8 3 8 10 4 9 4 5 7 0 7 1 Car.4 6 8 1 8 2 7 9 2 9 3 1 3 7 1 3 Car.5 2 4 8 2 4 3 5 9 3 5 5 5 7 1 7 Car.6 6 6 8 2 8 7 7 9 3 9 5 5 0 7 0 Car.7 6 6 1 8 1 7 7 2 9 2 5 5 7 2 1 Car.81 6 6 8 3 2 7 7 9 4 3

27

QFD difuso para la toma de decisiones multicriterio Ejemplo de aplicacin

4.8 Clasificacin final de las alternativas (ranking de alternativas) Este paso representa el objetivo ltimo del modelo QFD_ fuzzy para la toma de la decisin y se resume en el clculo del ndice ID Indic difuso de afinidad para cada alternativa evaluada; este ndice expresa el grado de satisfaccin de cada alternativa con las variables analizadas. El ndice ID es un nmero triangular difuso obtenido a partir de la ecuacin general 5:

decisin. Sin embargo, es recomendable un lmite inferior, de manera que las alternativas con calificacin por debajo de este lmite sean descartadas. Para el caso en mencin, el ranking se presenta en la tabla 9, donde es evidente que el candidato ms preparado es el candidato 2 y que tambin es una opcin viable el candidato 1. Otro elemento destacable, es que el candidato 5 no debera ser considerado pues se encuentra muy por debajo de los dos mejor calificados. Tabla 9. Ranking de los candidatos Table 9. Ranking of applicants
Alternativas C2 (Candidato 2) Calificacin final 281 254 234 205 188

De este modo el vector ID estar definido por la funcin, cuyos componentes son calculados a partir de las ecuaciones 6, 7 y 8. Los resultados para el caso de estudio se pueden apreciar en la tabla 8.

C1 (Candidato 1) C4 (Candidato 4) C3 (Candidato 3) C5 (Candidato 5)

5. Conclusiones Es importante destacar que una herramienta como la funcin del despliegue de la calidad (QFD) que inicialmente fue concebida para las actividades de diseo y desarrollo de productos, se convierta en la actualidad en un importante instrumento para la toma de decisiones multicriterio. Otro elemento destacable es el uso de la lgica difusa, la cual permite incorporar los elementos subjetivos y vagos expresados en los juicios de los expertos, de manera que al final se tenga una calificacin que recoja las opiniones de todos los participantes. La organizacin que decida utilizar el modelo aqu presentado debe considerar que la conformacin del equipo decisor es fundamental para el xito del proceso. Se requiere que aquellas personas que integrarn dicho equipo sean realmente conocedoras tanto del proceso que se va a efectuar como de las alternativas (proveedores, candidatos, equipos) que se estn evaluando. Aunque el ejemplo presentado en este artculo involucra solamente evaluaciones subjetivas (cualitativas), el modelo puede involucrar elementos cuantitativos en algunos apartes. Ello implica un ajuste en el mtodo, pero dicho ajuste puede realizarse sin comprometer el xito del resultado. RefeRencias [1] Sangesa M, Mateo R y Ilzarbe L. Teora y prctica de la calidad 1 edicin. Ed Thomson. Madrid, Espaa, 2006.

Finalmente para obtener una calificacin consolidada (no difusa) se recurre al enfoque de defusificacin de nmeros difusos triangulares definido por Facchinetti tal como se presenta en la ecuacin 9:

Tabla 8. Ranking de los candidatos en nmeros difusos triangulares Table 8. Ranking of applicants in triangular fuzzy numbers
Alternativas C1 (Candidato 1) C2 (Candidato 2) C3 (Candidato 3) C4 (Candidato 4) C5 (Candidato 5)
2

Calificacin final (nmero difuso triangular) 145 164 110 131 100 245 272 197 225 180 3814 417 316 355 292

Una vez se cuenta con la calificacin final se procede a realizar un escalafn de calificaciones de mayor a menor, que determinar la alternativa seleccionada, donde la mejor calificada ser la primera opcin a la hora de tomar la
2

Se ha utilizado en la tabla la abreviatura Car.No para referirse a los Comos presentados en el apartado 4.2

28

Prospect. Vol. 9, No. 2, Julio - Diciembre de 2011, pgs. 22-29

[2] Chan L-K, Wu M-L. Quality function deployment: A literature review. European Journal of Operational Research Vol 143, No 3, 463497, 2002 [3] Carnevalli J. A., Cauchick P. Review, analysis and classification of the literature on QFDTypes of research, difficulties and benefits. International Journal of Production Economics. Vol 114, No 2, 737 754, 2008 [4] Lazzari L; Machado E; Prez R. Teora de decisin fuzzy 1 edicin. Ed. Macchi. Buenos Aires, Argentina, 1998. [5] Tsai M-T, Wu H-L y Liang W-K. Fuzzy Decision Making for Market Positioning and Developing Strategy for Improving Service Quality in Department Stores. Quality and Quantity. Vol. 42, No 3, 303 -319, 2008. [6] Bevilacqua. M., Ciarapica F.E., Giacchetta G. A fuzzyQFD approach to supplier selection. Journal of Purchasing and Supply Management, Vol 12, No 1, 14-27, 2006. [7] Bottani E y Rizzi A. Strategic management of logistics service: A fuzzy QFD approach. International Journal of Production Economics. Vol 103, No 2, 585599, 2006. [8] Bottani E. A fuzzy QFD approach to achieve agility. International Journal of Production Economics. Vol 119, No 2, 380391, 2009. [9] Celik M, Selcuk C, Kahraman C, Deha E. An integrated fuzzy QFD model proposal on routing of shipping investment decisions in crude oil tanker market. Expert Systems with Applications. Vol 36, No 3, 62276235, 2009.

[10] Sohn So Y, Choi I S. Fuzzy QFD for supply chain management with reliability consideration. Reliability Engineering and System Safety. Vol 22, No 3, 327 334, 2001. [11] Chen L-H, Ko W-C. A fuzzy nonlinear model for quality function deployment considering Kanos concept. Mathematical and Computer Modelling. Vol. 48, No 3, 581593, 2008. [12] Liu H-T. The extension of fuzzy QFD: From product planning to part deployment. Expert Systems with Applications. Vol 36, No 8, 1113111144, 2009. [13] Amin S H, Razmi J. An integrated fuzzy model for supplier management: A case study of ISP selection and evaluation. Expert Systems with Applications Vol 36, No 4, 86398648, 2009. [14] Arango D C., Rales C E. (2008). Seleccin de proveedores mediante el despliegue de la funcin de calidad difuso. Trabajo de grado de pregrado. Programa de Ingeniera Industrial. Universidad del Valle. Cali Colombia. [15] Arias D J y Pea M A (2010). Formulacin de un modelo para priorizacin de despacho de producto terminado en empresas manufactureras usando QFD fuzzy. Trabajo de grado de pregrado. Programa de Ingeniera Industrial. Universidad del Valle. Cali Colombia. [16] Giraldo P. y Martnez L. (2009). Propuesta de mejoramiento para el programa de ingeniera industrial de la universidad del valle utilizando QFD-fuzzy. Trabajo de grado de pregrado. Programa de Ingeniera Industrial. Universidad del Valle. Cali Colombia.

29