How Subjective Clustering aids Affinity Diagram in grouping Customer needs inconsumer products

• Main Author: Vurukkara Boopal, Sandheep Kumar
• Format: Others
• Language: English
• Published: KTH, Maskinkonstruktion (Inst.) 2016
• Subjects: Mechanical Engineering; Maskinteknik
• Online Access: http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-210215

Insamling och analys av kundernas behov är viktiga delar i produktutvecklings- och innovationsprocesser. Dessa kundbehov måste vara i en form som lätt kan kommuniceras och förstås  särskilt avproduktutvecklare i ett företag. Affinity Diagram är ett vanligt använt verktyg för att strukturera kundbehov. På grund av att metoden bygger på gruppdiskussioner, finns det risk för att enskilda individers åsikter inte tas tillvara. En metod som tar hänsyn till de individuella bedömningarna är Subjective clustering, vilkenhar utvecklats för att stödja Affinity Diagram.   Tidigare forskare har tillämpat båda dessa metoder i ett vetenskapligt och industriellt sammanhang och har funnit att det finns 92,5% av koppling mellan Affinity Diagram och Subjective clustering och drog slutsatsen att Subjective clustering stödjer Affinity Diagram. Det saknas forskning om huruvida Subjective clustering stödjer Affinity Diagram för  konsumentprodukter. För att undersöka detta har en fallstudie på konsumentprodukter i ett produktutvecklingsprojekt i Creaffective GmbH genomförts.   Studien har undersökt hur kundbehov stuktureras både från produktutvecklarensoch från kundens perspektiv. Affinity Diagram och Subjective clustering utfördes i var och en av grupperna och jämfördes. Det konstaterades att det fanns 70% av association mellan Affinity Diagram och Subjective clustering i produktutvecklingsgruppenoch 58% av association mellan Affinity Diagram och Subjective clustering med kunderna som fokusgrupp. Från analysen framgår att Affinity Diagram ensam utgör är  lämplig metod för att strukturera kundernas behov för konsumentprodukter. Bakomliggande skäl till detta diskuteras i rapporten samt förslag på fortsatta studier. === Collection and analysis of customer needs are important parts of product development and innovation processes. These customer needs must be in a form that can be easily communicated and easily understood especially by the R&D personnel. Affinity Diagram is one such tool to structure these data. Because of the nature of the Affinity diagram method, it is prone to biases. An alternative method that exists is Subjective clustering. It has been developed as an aid to support affinity diagram. Previous researcher has applied both these methods in a scientific and industrial context and has found that there is 92.5% of association between affinity diagram and subjective clustering and concluded that Subjective clustering aids affinity diagram. However there has been no research on whether subjective clustering aids affinity diagram in consumer products context. Taking this as a research gap, this thesis is performed, taking the Innovation project at Creaffective GmbH, as a case study. The research is conducted from both Product Development Team’s and Customer’s perspective. Affinity Diagram and Subjective clustering were separately performed with each of the group and then compared. It was found that there was 70% of association between Affinity Diagram and Subjective clustering by Product Development Team and 58% of association between Affinity Diagram and Subjective clustering by customers. It was concluded from the analysis that Affinity Diagram is the only suitable method to structure the customer needs for consumer products. Underlying reasons to the result is discussed in the thesis and further studied suggested,