Kansei Mhendislii Kullanlarak Mteri Odakl rn Tasarm: Web Sayfas Tasarmnda Uygulanmas Eylem Ko DOKTORA TEZ statistik Anabilim Dal ubat 2009

Customer Oriented Product Design Using Kansei Engineering: An Application of Web Page Design Eylem Ko DOCTORAL DISSERTATION Department of Statistics February 2009

Kansei Mhendislii Kullanlarak Mteri Odakl rn Tasarm: Web Sayfas Tasarmnda Uygulanmas

Eylem Ko

Eskiehir Osmangazi niversitesi Fen Bilimleri Enstits Lisansst Ynetmelii Uyarnca statistik Anabilim Dal Yneylem Aratrmas Bilim Dalnda DOKTORA TEZ Olarak Hazrlanmtr

Danman: Do. Dr. enol Erdomu

ubat 2009

ONAY statistik Anabilim Dal Doktora rencisi Eylem Koun DOKTORA tezi olarak hazrlad Kansei Mhendislii Kullanlarak Mteri Odakl rn Tasarm: Web Sayfas Tasarmnda Uygulanmas balkl bu alma, jrimizce lisansst ynetmeliin ilgili maddeleri uyarnca deerlendirilerek kabul edilmitir.

Danman

: Do. Dr. enol Erdomu

kinci Danman : -

Doktora Tez Savunma Jrisi: ye : Prof. Dr. Nimetullah Burnak ye : Prof. Dr. Emel klar ye : Prof. Dr. Ahmet zmen ye : Yrd. Do. Dr. Nihal Erginel ye : Do. Dr. enol Erdomu

Fen Bilimleri Enstits Ynetim Kurulunun ............................. tarih ve ........................ sayl kararyla onaylanmtr.

Prof. Dr. Nimetullah BURNAK Enstit Mdr

v ZET

Gnmzde yaanan youn rekabet ortamnda bymek ve ayakta kalmak isteyen iletmeler, mteri ihtiyalar ya da alg/hislerine uygun rnler retmelidirler. nk, alg/hisler, satn alma kararn dorudan etkilemektedir. Bir rnn mteri alg/hislerine dayanlarak tasarlanmas ok boyutlu bir problemdir. Son yllarda bu problemin zmnde en sk kullanlan metodoloji, Kansei mhendisliidir. Mteri odakl bir rn tasarm metodolojisi olan Kansei mhendislii, bir rne ilikin mteri alg/hislerini lerek, bu alg/hislerin dokunulabilir/hissedilebilir tasarm bileenlerine dntrlmesini salar. Bu almada, Kansei mhendislii metodolojisi ayrntl ekilde ele alnm ve mteri odakl web sayfas tasarmnda kullanlabilecek bir Kansei mhendislii sreci nerilmitir. nerilen sre, Eskiehir Osmangazi niversitesi Fen Edebiyat Fakltesi web sayfasnn payda alg/hislerine gre tasarlanmas probleminin zmnde kullanlmtr. Paydalarn aidiyet hissini etkileyen tasarm zellikleri ve bu zelliklerin dzeyleri sral lojistik regresyon analizi ve konjoint analizi kullanlarak incelenmitir. Sonu olarak bu alma, mteri odakl web sayfas tasarm konusunda alan aratrmaclar ve karar vericiler iin nemli ipular salamaktadr.

Anahtar Kelimeler: Kansei Mhendislii, Mteri odakl rn tasarm, Mteri alg/hisleri, Web sayfas tasarm

vi

SUMMARY

To ensure growth and survival in todays intense competitive environment, companies must produce products that are fit to the needs or perceptions/feelings of customers. purchasing. Because, the perceptions/feelings are directly affect the decision of Product design by capturing the customers feelings/perceptions is a

multidimensional problem. In recent years, the most common methodology used to solve the problem is Kansei engineering. Kansei engineering is a customer oriented product design methodology that transforms customer perceptions/feelings related to a product into touchable/sensible design components.

In this study, Kansei engineering methodology has been dealt in detail and a Kansei engineering process is proposed to design a customer oriented web page. The process is used to solve the web page design problem for the Faculty of Art and Science at Eskiehir Osmangazi University according to the stakeholders perceptions/feelings. Ordinal logistic regression and conjoint analysis are used to investigate the design properties and their levels that affect the state of belonging for the stakeholders. As a result, this study provides insights for researchers and decision makers who study the customer oriented web page design.

Key Words:

Kansei engineering, customer oriented product design, customer

perceptions/feelings, Kansei engineering methodology, web page design

vii TEEKKR Doktora almalarm boyunca benden yardmn ve desteini hi bir zaman esirgemeyen, yla yolumu aydnlatan deerli danman hocam Do. Dr. enol Erdomua en iten teekkrlerimi sunarm. Doktora tez izleme jrimde bulunarak yaptklar katklardan dolay Do. Dr. Muzaffer Kapanolu ve Yrd. Do.Dr. Nihal Erginel hocama ve ayrca, Prof.Dr. Emel klar, Prof. Dr. Ahmet zmen ve Prof. Dr. Nimetullah Burnak hocalarma teekkr bir bor bilirim. Yrttm anket almalarm esnasnda, anketlerin oluturulmas ve verilerin depolanmas aamalarnda bilgilerini ve kaynaklarn benden esirgemeyen Serdar Karahisarl, Yrd. Do. Dr. mit Yldz ve Fevzi Kraa ve beni her zaman destekleyen deerli arkadam Ar.Gr.Sevgi Ayhana teekkr ederim. Ayrca, doktora almalarm boyunca her zaman yanmda olan sevgili anneme ve babama bana hayatm boyunca gsterdikleri destek ve sabrdan dolay sonsuz teekkrlerimi sunarm. Gzlerine baktka iimi umutla dolduran, almalarm boyunca en byk sabr gstererek kocaman kalbiyle beni bekleyen kzm Ekine ve uzak olsa da hep yanmda hissettiim eim lkere tm kalbimle teekkr ediyorum.

viii NDEKLER Sayfa ZET SUMMARY TEEKKR EKLLER DZN TABLOLAR DZN v vi vii xii xiii

1. GR

1

2. MTER/TKETC ODAKLI RN TASARIMI 2.1. Temel Kavramlar 2.1.1. rn 2.1.2. rn tasarm 2.1.3. Mteri, tketici, kullanc ve alc 2.2. Mteri/Tketici Odakl rn Tasarm ve Bu Amala Kullanlan Yntemler

4 5 5 6 7

9

3. KANSE MHENDSL 3.1. Temel Kavramlar 3.1.1. Duygulanm 3.1.2. Duygu, his ve ruh hali 3.1.3. zlenim ve alg 3.2. Kansei Nedir?

12 12 13 14 16 16

ix NDEKLER (devam) Sayfa 3.2.1. Kansei kavramnn kelime yaps 3.2.2. Kansei kavramnn szlk anlam 3.2.3. Kansei kavramnn rn tasarm alannda kullanm 3.2.4. Kansei kavramnn felsefe ve psikoloji bilimlerinde kullanm 3.2.5. Kanseilerin llmesi 3.3. Kansei Mhendisliinin Tarihsel Geliimi ve Literatr ncelemesi 3.4. Kansei Mhendislii Sreci 3.4.1. Etki alannn seilmesi 3.4.2. Anlamsal uzayn taranmas 3.4.3. zellikler uzaynn taranmas 3.4.4. Sentez ve geerliliin test edilmesi 3.4.5. Modelleme 4. WEB SAYFASI TASARIMI VE KANSE MHENDSL 4.1. Temel Kavramlar 4.1.1. nternet 4.1.2. Dnya apnda a, web sitesi ve web sayfas 4.2. Web Sayfalarnda Grsel Tasarmn nemi 4.3. Web Sayfalarnn Grsel Tasarmnda Kansei Mhendisliinin Kullanlmas ve Literatr ncelemesi 5. KANSE MHENDSL KULLANILARAK BR FAKLTENN WEB SAYFASININ TASARLANMASI 5.1. Problemin Tanmlanmas 5.2. Etki Alannn Belirlenmesi 5.3. Faklte Web Sayfas rneklerinin Gelitirilmesi 5.3.1. Web sayfas tasarm zelliklerinin aratrlmas ve zelliklerin belirlenmesi 5.3.2. Web sayfas rneklerinin tasarlanmas 69 76 63 67 69 69 59 17 18 18 19 20 23 44 46 47 48 49 51

52 52 53 55 56

x NDEKLER (devam) Sayfa 5.4. Payda Alg/Hislerinin Belirlenmesi 5.4.1. Kelimelerin toplanmas 5.4.2. Kansei kelimelerinin belirlenmesi 5.5. Payda Alg/Hislerinin llmesi 5.5.1. Anketin tasarlanmas 5.5.2. rnekleme ynteminin seilmesi 5.5.3. rneklem hacminin belirlenmesi 5.5.4. Pilot alma 5.5.5. Verilerin elde edilmesi 5.6. Verilerin Analiz Edilmesi 5.6.1. Aidiyet hissi ile Kansei kelimeleri arasndaki ilikinin aratrlmas 5.6.2. Her bir payda grubuna ilikin aidiyet hissi ile Kansei kelimeleri arasndaki ilikinin modellenmesi 5.6.2.1. rencilerin aidiyet hissi ile Kansei kelimeleri arasndaki ilikinin modellenmesi 5.6.2.2. Akademik personelin aidiyet hissi ile Kansei kelimeleri arasndaki ilikinin modellenmesi 5.6.2.3. niversite hazrlk rencilerinin aidiyet hissi ile Kansei kelimeleri arasndaki ilikinin modellenmesi 5.6.2.4. Ailelerin aidiyet hissi ile Kansei kelimeleri arasndaki ilikinin modellenmesi 5.6.2.5. dari personelin aidiyet hissi ile Kansei kelimeleri arasndaki likinin modellenmesi 5.6. 3. Aidiyet hissi ile web sayfas tasarm zellikleri arasndaki ilikinin modellenmesi 5.6.4. Her bir payda grubu iin aidiyet hissi ile web sayfas tasarm zellikleri arasndaki ilikinin aratrlmas ve modellenmesi 5.6.4.1. rencilerin aidiyet hissi ile tasarm zellikleri arasndaki ilikinin modellenmesi 116 115 108 106 105 103 102 100 100 77 77 77 79 79 79 84 86 91 93 96

xi NDEKLER (devam) Sayfa 5.6.4.2. Akademik personelin aidiyet hissi ile tasarm zellikleri arasndaki ilikinin modellenmesi arasndaki ilikinin modellenmesi 5.6.4.4. Ailelerin aidiyet hissi ile tasarm zellikleri arasndaki ilikinin modellenmesi 5.6.4.5. dari personelin aidiyet hissi ile tasarm zellikleri arasndaki likinin modellenmesi 5.7. Analiz Sonularnn zetlenmesi ve Deerlendirilmesi 6. SONU VE TARTIMA 7. KAYNAKLAR DZN 128 131 125 119 5.6.4.3. niversite hazrlk rencilerinin aidiyet hissi ile tasarm zellikleri 122

134

138

EKLER ZGEM

xii EKLLER DZN ekil 2.1. Mteri, tketici, alc ve kullanc kavramlarna ilikin ekilsel bir gsterim 3.1. Duygunun szel ifadesi 3.2. Kanseinin kelime yaps 3.3. Anlamsal farkllklar leinde kullanlan farkl gsterimler 3.4. Schtte tarafndan nerilen Kansei mhendislii sreci 3.5. Mteri/tketici Kanseilerinin llmesi amacyla gelitirilmi anketlere ilikin rnekler 50 5.1. Bir faklte web sayfas tasarm iin gelitirilen Kansei mhendislii sreci 65-66

Sayfa 8 15 17 22 46

xiii TABLOLAR DZN

Tablo 4.1. nsan duyularnn toplam algdaki rol 5.1. Herhangi bir web sayfasnn ierebilecei tasarm zellikleri 5.2. almada ele alnan faklte web sayfas tasarm zellikleri ve dzeyleri 5.3. Baz ortogonal diziler ve tam faktriyel tasarm karlatrmas 5.4. almada kullanlan Kansei kelimeleri 5.5. rnek bir ikili karlatrma matrisi 5.6. Grup kararn temsil eden ikili karlatrma matrisi 5.7. Tabakalara (payda gruplarna) ilikin arlklar 5.8. renci tabakasnn alt tabakalarna (blmler) ilikin arlklar 5.9. Tabakalardan seilecek birim saylar 5.10. renci tabakasnn alt tabakalarndan seilecek birim saylar 5.11. Bartlett kresellik testi ve KMO rnek uygunluk testi sonular 5.12. Faktr analizi sonular 5.13. Toplam varyansn aklanma yzdesine ilikin sonular 5.14. Elde edilen faktrler ve faktrlerde yer alan Kansei kelimeleri 5.15. Aidiyet hissi ile Kansei kelimeleri arasndaki iliki iin yaplandrlan sral lojistik regresyon modellerine ilikin sonular 5.16. Cloglog balantl sral lojistik regresyon modeli kullanlarak elde edilen parametre tahminleri ve p deerleri 5.17. rencilerin aidiyet hissi ile Kansei kelimeleri arasndaki ilikinin modellenmesi ile elde edilen sonular

Sayfa 56 70 74 76 78 80 82 83 83 85 86 87 88 89 90

96

99

101

5.18. Akademik personelin aidiyet hissi ile Kansei kelimeleri arasndaki ilikinin modellenmesi ile elde edilen sonular 5.19. niversite hazrlk rencilerinin aidiyet hissi ile Kansei kelimeleri arasndaki ilikinin modellenmesi ile elde edilen sonular 5.20. Ailelerin aidiyet hissi ile Kansei kelimeleri arasndaki ilikinin modellenmesi ile elde edilen sonular 5.21. dari personelin aidiyet hissi ile Kansei kelimeleri arasndaki ilikinin modellenmesi ile elde edilen sonular 107 105 104 102

xiv TABLOLAR DZN (devam)

Tablo 5.22. Aidiyet hissi ile tasarm zellikleri arasndaki iliki iin yaplandrlan sral lojistik regresyon modellerine ilikin paralel eriler varsaym, uyum iyilii ve model uygunluu testi sonular 5.23. Probit balantl sral lojistik regresyon modelinin tahmin edilen parametre deerleri ve anlamllk snamas 5.24. Aidiyet hissi uyandran bir faklte web sayfasnn tasarlanmasnda kullanlacak en iyi tasarm kombinasyonu 5.25. Konjoint analizi sonular 5.26. Probit balantl sral lojistik regresyon modeline ilikin parametre tahminleri ve p deerleri (renciler) 5.27. renciler iin en iyi tasarm kombinasyonu 5.28. Probit balantl sral lojistik regresyon modeline ilikin parametre tahminleri ve p deerleri (Akademik personel) 5.29. Akademik personel iin en iyi tasarm kombinasyonu 5.30. Probit balantl sral lojistik regresyon modeline ilikin parametre tahminleri ve p deerleri (niversite hazrlk rencileri) 5.31. niversite hazrlk rencileri iin en iyi tasarm kombinasyonu 5.32. Probit balantl sral lojistik regresyon modeline ilikin parametre tahminleri ve p deerleri (Aileler) 5.33. Aileler iin en iyi tasarm kombinasyonu 5.34. Probit balantl sral lojistik regresyon modeline ilikin parametre tahminleri ve p deerleri (dari personel) 5.35. dari personel iin en iyi tasarm kombinasyonu 5.36. Paydalarn aidiyet hissi zerinde etkili olan alg/hisler (Kansei kelimeleri) 5.37. En iyi genel tasarm kombinasyonu ve payda gruplar iin belirlenen tasarm kombinasyonlar

Sayfa

109

110

112 114

117 118

120 121

123 124

126 127

129 130

131

132

1 BLM 1 GR

nl bilim adam Charles Darwinin canllarn evrimi zerine syledii "Hayatta kalanlar, trlerinin en kuvvetlisi olmad gibi, en aklls da deildir. Deiime en iyi ayak uydurabilenlerdir" sz, gnmzdeki kreselleme ortamnda hayatta kalabilme abasnda olan iletmeler iin de geerlidir. lkeler arasndaki ticari snrlarn ortadan kalkarak mteriye ok sayda alternatif rnn sunulmas, mteri beklentilerinin artmasna ve srekli deimesine neden olmutur. Ayrca teknolojik alanda yaanan gelimeler rnlerin fiziksel kalite standartlar arasndaki farkllklar ortadan kaldrm ve artk kalite, tek bana rekabet stnl salayan bir zellik olmaktan kmtr. Dolaysyla srekli deien mteri beklentileri, kresel pazar ynlendiren en nemli g haline gelmitir. Bu ortamda faaliyet gsteren iletmeler, mteri beklentilerindeki deiimlere ayak uydurmak zorundadrlar. Artk Ne retirsem satarm anlay yerine, Ne? retirsem satarm sorusuna cevap aramaldrlar. Sonu olarak iletmeler, bu pazar ortamnda hayatta kalmak istiyorlarsa mterilerinin sesini dinlemeli, onlarn istek ve gereksinimlerini tam olarak karlayacak ve onlar satn almaya yneltecek rnler retmelidirler. Pazar aratrmalar, mteri alg/hislerinin satn alma davranlarn ok fazla etkilediini sylemektedir. Ancak, mterilerin bir rne ilikin alg/hislerini lmek ve onlar deerlendirmek zor bir grevdir. Mteriler alg/hislerinin bir ksmn ak ekilde ifade ederken, zellikle olumsuz olanlar saklama gerei duyarlar. Bazen de baz alg/hislerinin farknda bile deildirler. Mterilerin alg/hislerini lmede ve onlar rn tasarmna yanstmada kullanlan bir metodoloji, Kansei mhendisliidir. Bir rn tasarm metodolojisi olan Kansei mhendislii, rne ilikin mteri alg/hislerini lerek, bu alg/hislerin dokunulabilir/hissedilebilir tasarm bileenlerine dntrlmesini salar.

2 Kansei mhendislii Prof. Mitsuo Nagamachi tarafndan 1970lerde Japonyada gelitirilmitir. Mazda Miata MX5 adl spor arabann 1986 ylnda tasarmnda baaryla kullanlmas sonucunda, nceleri Japonyada ve 1990l yllardan sonra Amerika ve Avrupada adn hzla duyurmutur (Grimsaeth, 2005). Bilimsel literatre girii ise Nagamachinin 1995 ylnda yaynlad makalesiyle olmutur. yeni bir metodolojidir. almalar iin Kansei mhendislii, hem bilimsel hem de endstriyel alanda kullanm yakn gemie dayanan Dolaysyla bugne kadar Kansei mhendislii konusunda kapsaml bir Kansei mhendislii kavramlarn srecinin yeterince yaplan almalar snrl saydadr. Szkonusu literatr incelendiinde zellikle, tm kullanlabilecek ve bu gelitirilemedii srete kullanlabilecek temel

tartlamad grlmektedir.

Bu nedenle almamzn ilk amac, Kansei

mhendisliinde kullanlan temel kavramlar ve Kansei mhendislii srecini kapsaml biimde ele almaktr. almann dier bir amac ise, web sayfalarnn tasarlanmasnda Kansei mhendislii metodolojisini kullanan bir sre gelitirmektir. Bu srecin temel ilevi web sayfalarnn tasarmna ilikin payda alg/hislerini ortaya karmak, lmek ve onlar web sayfas tasarmna yanstmaktr. Bylece alma gerek gelitirilen sre ve srete farkl amalar iin kullanlan ok sayda teknik asndan gerekse elde edilen sonular asndan deerlendirildiinde; karar vericiler, web sayfas tasarmclar ve Kansei mhendislii ile web sayfas tasarm konusunda alan aratrmaclar iin nemli ipular salayacaktr. Yukarda oluturulmutur. sz edilen amalar dorultusunda alma alt blmden

almann ilk blm, mteri odakl rn tasarm ve Kansei

mhendisliinin ksaca tantld giri blmdr. kinci blmde, mterinin rn tasarm srecine aktif olarak katlmnn saland bir tasarm yaklam olan mteri odakl rn tasarm ele alnmtr. Bu blm iki ksmdan olumaktadr. lk ksmda mteri odakl rn tasarmnda kullanlan temel kavramlara, ikinci ksmda ise mteri odakl rn tasarm ve bu amala kullanlan yntemlere yer verilmitir. almann nc blm Kansei mhendislii temel kavramlarnn ve Kansei mhendislii srecinin tartld blmdr. Bu blm drt ksmdan olumakta olup, ilk ksmda Kansei mhendislii temel kavramlar tartlmtr. Kansei kavramnn detayl olarak incelendii ikinci ksmda, Kansei kavramnn kelime yaps ve szlk

3 anlam verilerek bu kavramn rn tasarm, felsefe ve psikoloji alanlarndaki kullanm incelenmitir. nc ksmda Kansei mhendisliinin tarihsel geliimi ve literatr incelemesine yer verilmitir. Bu blmn drdnc ksmnda ise farkl aratrmaclar tarafndan nerilen Kansei mhendislii srelerine deinilmi ve Kansei mhendislii literatrnde yaygn ekilde kullanlm olan ve Schtte tarafndan 2005 ylnda nerilen sre ayrntl olarak ele alnmtr. Drdnc blmde web ile ilgili temel kavramlar, web sayfalarnda grsel tasarmn nemi ve bu alanda Kansei mhendislii uygulamalarna yer verilmitir. Bu amala drdnc blm ksma ayrlmtr. lk ksmda internet, dnya apnda a (world wide web-www), web sitesi ve web sayfas kavramlar ele alnmtr. kinci ksmda, web sayfalarnda grsel tasarmn nemi tartlmtr. Son ksmda ise web sayfalarnn grsel tasarmnda Kansei mhendisliinin kullanmna ilikin literatr incelenmitir. Beinci blmde Kansei mhendislii metodolojisinin bir web sayfasnn tasarmnda kullanlmasna ilikin kapsaml bir Kansei mhendislii sreci gelitirilmitir. Gelitirilen sre ayrntl olarak aklanm ve Eskiehir Osmangazi niversitesi Fen Edebiyat Fakltesi web sayfasnn tasarm probleminin zmnde uygulanmtr. Ayrca bu blmde uygulama sonucunda elde edilen web sayfas tasarm kombinasyonlar deerlendirilerek, hem faklte ynetimine hem de web sayfas tasarmclarna yol gsterecek tasarm nerileri sunulmutur. almann son blm olan altnc blm, sonu ve tartma blmdr. Bu blmde, almadan elde edilen bilgiler nda Kansei mhendislii uygulamalarnda karlalabilecek olas zorluklar ve kolaylklar tartlm ve ileride bu konuda alacak aratrmaclar ile web sayfas tasarmclar iin nemli karmlarda bulunulmutur.

4 BLM 2 MTER/TKETC ODAKLI RN TASARIMI

inde bulunduumuz ada, lkeler arasndaki snrlar ortadan kalkm ve kresel bir pazar ortam olumutur. Bunun sonucunda her alanda rn eitlilii artm ve kresel pazarda zorlu rekabet koullar yaanmtr. Bu srete yaanan teknolojik gelimelere bal olarak, rnler arasndaki fiziksel kalite farkllklar da ortadan kalkmtr. Bugn gelinen noktada iletmeler, sadece kaliteli rn reterek rekabet avantaj salayamaz hale gelmilerdir. Pazardaki bu gelimelerden, ayn kalite standartlarna sahip pek ok rn eidi iinden seim yapabilen mteriler de etkilenmitir. Bu durum, yetmili yllarn ihtiyalarn gideren her rn satn alan mteri profilinin deimesine neden olmutur. Gnmzde, satn almada seici olan ve beklentilerine hitap eden rnleri alan bir mteri profili ortaya kmtr. Dolaysyla bu pazar ortamnda iletmeler, tercih edilen olabilmek iin mterilerinin sesini dinlemeli ve onlarn istek/gereksinimlerini tam olarak karlayacak rnler retmelidirler. Baka bir ifadeyle, iletmelere rekabet stnlnn kaplarn aacak anahtar, mteride gizlidir. Bu anahtar mteriden almak ve kapy amak ise mteri odakl rnlerin tasarlanmasyla mmkndr. rn tasarmnda mteri isteklerini dikkate almak (i) satn alnan/tercih edilen rnler yaratlmasna rehberlik edecek (ii) kullanlabilirlik sorunlarnn giderilmesini salayarak maliyeti drecektir. Sonu olarak iletmeler bu kresel pazar ortamnda yaamlarn srdrmek istiyorlarsa, mterilerin istek ve gereksinimlerini karlayacak, alg/hislerine hitap edecek ve mteride satn alma hissi uyandracak rnlerin tasarmna yatrm yapmaldrlar. Mterinin rn tasarm srecine aktif olarak katld mteri odakl rn tasarmnn ele alnd bu blm, iki ksmdan olumaktadr. lk ksmda rn, rn tasarm, mteri, tketici, kullanc ve alc kavramlarnn tanmlamalarna yer verilmitir. kinci ksmda ise mteri odakl rn tasarm ve bu amala kullanlan yntemlerden sz edilmitir.

5

2.1. Temel Kavramlar Mteri odakl rn tasarm bir rnn, mteri istek ve gereksinimleri gz nne alnarak tasarlanmas eklinde ksaca tanmlanabilir. Bu tanm ilgili literatrde ska kullanlan kavramlar olan rn, mteri ve rn tasarm gibi kavramlar iermektedir. Dolaysyla mteri odakl rn tasarmnn iyi anlalabilmesi iin, bu temel kavramlar aklamak faydal olacaktr. Bu nedenle almann bu ksmnda szkonusu temel kavramlar ayrntl ekilde incelenmitir.

2.1.1. rn Trkede rn kelimesi, sonu (result) ya da kazan (gain) anlamna gelen Latince productum kelimesinden tretilmi olan ngilizce product kelimesine karlk gelmektedir (www.etymonline.com). Trk Dil Kurumu tarafndan rn (i) doadan elde edilen, retilen yararl ey, mahsul (ii) bir tutum veya davrann ortaya kard ey (iii) trl endstri alanlarnda hammaddelerin ilenmesiyle elde edilen ey olarak tanmlanmaktadr (www.tdk.gov.tr). Endstri devriminden sonra ticari alanda kullanlmaya balayan rn kavram, gnmzde retilen tm ktlar kapsayan genel bir kavram haline gelmitir. Pazarlamada rn kavram, kar amal olan ya da olmayan rgtlerin, potansiyel ya da mevcut mterilerine arz ettikleri sunumlar eklinde tanmlanabilir (Tenekeciolu vd., 2004). letme bilimi asndan rn, gereksinim/istekleri karlayan ve deiime konu olan her trl ekonomik deerdir (Karalar, Bar ve Veliolu, 2006). rn kavramnn tasarm alanndaki tanm ise belirli bir ama dorultusunda gelitirilmi, insan yapm (man made) olan her ey eklindedir (Schtte, 2005). rnler, somut ya da soyut nitelikte olabilirler (Arnold, 1987). Somut rnler fiziksel varl olan nesneler, yani mallar; soyut rnler ise konaklama, eitim, tamaclk gibi fiziksel varl olmayan rnler, yani hizmetlerdir (Fry and Dann, 1999). Baz rnler, hem somut hem de soyut niteliklere sahiptirler. rnein; somut bir rn olan buzdolab alm, tama, montaj ve belli aralklarla yaplan bakm hizmetleri gibi soyut rnlerin almna sebep olur.

6 rn kavramna ilikin farkl alanlarda yaplan yukardaki tanmlamalar incelendiinde, bu tanmlarn birbirinden ok farkl olmad grlmektedir. Dolaysyla bir rnden sz edildiinde, kar amal olsun ya da olmasn, insanlarn ihtiyalarn karlamak zere sunulan bir mal ya da hizmet anlalacaktr.

2.1.2. rn tasarm Tasarm kelimesi ngilizcede design kelimesine karlk gelmektedir. Tasarm kelimesinin Trk Dil Kurumu tarafndan, Bir sanat eserinin, yapnn veya teknik rnn ilk tasla, desen, tasar izim, dizayn olarak tanmland grlmektedir (www.tdk.gov.tr). ngilizcede ise tasarm kelimesi, bir rnn nasl yaplaca, alaca ve grneceini gstermek iin yaplan izim ya da izimler kmesi olarak tanmlanmaktadr (http://dictionary.cambridge.org). Literatrde rn tasarm, farkl aratrmaclar tarafndan farkl ekillerde tanmlanmtr. Bu tanmlara gre rn tasarm; - Bir rnn estetik, ekil, fonksiyon gibi bileenlerinin oluturulmasn kapsayan bir sretir (Noble and Kumar, 2008). - Mteri ihtiyalarna uygun en iyi rnn tasarlanmas problemini zme faaliyetidir (Hsiao and Liu, 2002). - Grnm, performans, kullanm kolayl ve retim gibi faktrlere uygun olan malzeme ve bileenlerin seimidir (Roy and Riedel, 1997: Chiva-Gomezden (2004)). - Hem rnn ilevselliine katkda bulunmak hem de rnn grnmn deitirerek pazarlamaya yardmc olmak amacyla yrtlen bir faaliyettir (Doulis and Simon, 2005). - letmelerin tketici ihtiyalar dorultusunda retecekleri rnn fiziksel zelliklerini ve fonksiyonlarn ortaya karmak ve fikir halindeki bir rn

7 fiziksel bir rne dntrmek iin gsterdikleri sistematik ve rgtl bir abadr (Krsalolu, 1997). Bu tanmlamalardan hareketle rn tasarm, rne (mal ya da hizmet) ilikin tasarm zelliklerinin belirlenmesi ve bu tasarm zellikleri dorultusunda rne ilikin izim, resim ya da maket eklinde olan rn rneklerinin oluturulmas sreci olarak tanmlanabilir. Mutlu (2003) ve Marxt and Hacklin (2005), rn tasarm ile rn gelitirme kavramlarnn literatrde ayn anlama gelen kavramlar olarak kullanldn sylemektedirler. Oysa ki rn gelitirme, rn tasarmnn da dahil olduu ve herhangi bir rn fikrinin oluturulup nihai rn elde edilene kadar geen btn faaliyetleri kapsayan bir sretir. Yani rn tasarm, rn gelitirme srecinin bir parasdr

(World Intellectual Property Organization, 2004).

2.1.3. Mteri, tketici, kullanc ve alc rn tasarm literatrnde mteri, tketici, kullanc ve alc kavramlar genellikle e anlaml olarak kullanlmaktadr. ngilizce customer kelimesine karlk gelen mteri kelimesinin szlk anlamna bakldnda bu kavramn hizmet veya mal alan ve karlnda cret deyen kimse olarak ifade edildii grlmektedir (www.tdk.gov.tr). Mteri, belirli bir ama iin mal ya da hizmet alan bir kii ya da Bu noktada kullanc, alc ve tketici kurulu olabilir. Mteri, mal ya da hizmeti ya kendi kullanm iin ya da baka bir kiinin kullanmna sunmak iin satn alr. kavramlar ortaya kmaktadr. Eer mteri mal ya da hizmeti baka bir kiinin

kullanmna sunmak iin alyorsa alc, kendi kullanm iin alyorsa kullanc/alc olarak adlandrlr (Schtte, 2005). Dier taraftan, baka bir kii tarafndan bedeli denmi bir mal ya da hizmeti kullanan kiiler, rn satn almaya ynelik bir faaliyette bulunmadklar iin sadece rnn kullancs konumundadrlar. Baka bir ifadeyle kullanclar, mal ya da hizmet ihtiyalarn karlamak iin herhangi bir aba sarf etmeyen ya da bedel demeyen kiilerdir. Alclar ise mal ya da hizmetin alnmasnda bedel deyen ancak alnan mal ya da hizmetten yararlanmayan kiilerdir. rnein;

8 kk ocuklarn ihtiyalar ebeveynleri tarafndan karlandndan ebeveynler mal ya da hizmeti belirli bir bedel deyerek alan alclar ya da mteriler, ocuklar ise alnan mal ya da hizmetten yararlanan kullanclar ya da tketicilerdir. Tketici kavram ise Trk Dil Kurumu tarafndan Mal ve hizmetlerden yararlanan, tketen kimse eklinde tanmlanmaktadr (www.tdk.gov.tr). Mitchell (1999) ve Englis et al. (2008), tketiciyi son kullanc olarak tanmlamlardr. Ayrca Englis et al. (2008), tketicilerin mal ya da hizmetleri bir bedel karlnda alm olabilecekleri gibi, baka bir kii tarafndan bedeli denmi bir mal ya da hizmeti kullanan kiiler de olabileceklerini belirtmitir. ekil.2.1.de verilmitir. Bu tanmlamalardan yola karak mteri, tketici, alc ve kullanc kavramlarna ilikin ekilsel bir gsterim

Tketici Kullanc/ Alc

Mteri

Kullanc

Alc

ekil.2.1. Mteri, tketici, alc ve kullanc kavramlarna ilikin ekilsel bir gsterim

ekil.2.1den de grld gibi mteri, bir mal ya da hizmeti baka birisinin kullanmna sunmak zere satn alabilecei gibi (alc), kendi ihtiyalar iin de kullanabilir. Benzer ekilde tketici de, bir mal ya da hizmeti karlnda bedel demeden sadece kullanan (kullanc) olabilecei gibi hem satn alan hem de kullanan kii olabilir. Bu balamda, kullanc ve alc kavramlarnn kesitii blgede, mteri kavram ile tketici kavram ayn eyi ifade etmektedir. Baka bir ifadeyle, bir kii ya da kurulu kendi kullanm iin bir mal ya da hizmeti bir bedel deyerek satn alyorsa mteri ya da tketici olarak adlandrlabilir.

9 rn tasarm literatrnde sk sk hedef kitle ve payda kavramlaryla da karlalmaktadr. Hedef kitle rn almas ve/veya kullanmas hedeflenen grup, payda ise iletmenin faaliyetlerinden dorudan veya dolayl olarak etkilenen ve iletmeyi etkileyen kii, grup ya da kurumlar eklinde tanmlanabilir (DPT, 2003; Curtice, 2006).

2.2. Mteri/Tketici Odakl rn Tasarm ve Bu Amala Kullanlan Yntemler Son yllarda srekli olarak farkl zelliklere sahip kaliteli rnler mterilere sunulduka mterilerin beklenti dzeyi ykselmitir. Artk mteriler, satn alacaklar rnn kaliteli olmasn kazanlm bir hak ve olmazsa olmaz bir zellik olarak grmektedirler (Eryrek ve Tanya, 2003). Bu nedenle gnmz iletmeleri, hem mteri isteklerini tam olarak karlamak hem de rakip rnler arasndan tercih edilen/satn alnan rnleri tasarlamak ve retmek zorundadrlar. rn tasarmna mteri/tketici isteklerinin yanstlmas aslnda yeni bir dnce deildir. II. Dnya Sava sonrasnda Avrupa ekonomisi gittike bymeye balam ve 1970lerin banda pazara Avrupa dndaki lkelerden yeni rakipler dahil olmutur. zellikle Avrupa pazarna dahil olan Japon iletmelerin yaratt rekabet sonucunda rn eitlii artm ve rnlerin kalitesi ykselmitir. Bu gelimelerden mteriler de etkilenmi ve sonuta beklenti dzeyi yksek, seici bir mteri profili ortaya kmtr. Bylece rn tasarmnda retici-odakl yaklam etkisini kaybetmi ve yeni yaklamlar aranmaya balanmtr. Bunun sonucunda da 1990l yllarn bandan itibaren mteri/tketici odakl rn tasarm fikri nem kazanmtr. Mteri/tketici odakl rn tasarm, rnn fikir aamasndan retimine kadar gerekletirilen tm admlara mteri istek ve gereksinimlerini yani mterinin sesini dahil eden bir yaklamdr. rnn tasarlanma aamasnda mteri/tketici isteklerini dikkate almak, daha sonradan saptanmas halinde geri dn zor olan kullanlabilirlik sorunlarnn giderilmesini salayarak maliyeti drecek ve rnn byk lde kullanlabilirlik sorunlarndan arndrlmasn salayacaktr (www.utest.metu.edu.tr/servislerimiz.html).

10 Mteri/tketici odakl rn tasarmnda, mteri/tketici istekleri, gereksinimleri ve hisleri belirlenir ve rnler buna gre tasarlanr. rn tasarm yapldktan sonra mteri/tketicilerden rnle ilgili geri bildirimler alnr ve bylece mteri/tketicilerin rn tasarm srecine aktif ekilde katlm salanm olur. Mteri/tketici istek ve gereksinimlerini lmek ve bu istek/gereksinimleri rn tasarmna dahil etmek amacyla bugne kadar literatrde eitli yntemler gelitirilmitir. Bu yntemlerden en fazla kullanlanlar Kalite fonksiyon gerimi, Konjoint analizi, Anlamsal evre/ortam tanmlamas ve Kansei mhendislii yntemleridir. Kalite fonksiyon gerimi, bir rnn kullanmna ilikin mteri/tketici istek ve gereksinimlerinin belirlenmesi ve bu istek/gereksinimlerin rnn teknik zelliklerine yanstlmasn salayan bir yntemdir (Chen and Ko, 2008). Bu yntemde mteri/tketici istek ve gereksinimleri gemba analizi, odak grup almas, anket teknii, yz yze grme, pazar aratrmalar gibi eitli teknikler ile belirlenir (Olcay, 2007; abuk v.d., 2008; Ronney, Olfe and Mazur, 2000). Daha sonra kalite evi kullanlarak, mteri/tketici istek ve gereksinimleri ile rnn teknik zellikleri ilikilendirilir. Bylece mteri/tketici istek ve gereksinimleri rn tasarm srecine aktarlm olur. Genellikle pazarlama aratrmalarnda mteri/tketici tercihlerinin belirlenmesi amacyla kullanlan Konjoint analizi ise son yllarda rn tasarmnda da etkin ekilde kullanlmaktadr. Konjoint analizinde, rn rnekleri mteri/tketiciler tarafndan Deerlendirme sonucunda, (i) nem deerleri (ii) tasarm zelliklerine verdikleri tercih edilme dzeylerine gre deerlendirilir. mteri/tketicilerin

mteri/tketicilerin rn tercihinde etkili olan rn zelliklerine ilikin dzeyler belirlenerek en iyi rn tasarm kombinasyonu elde edilir. (Hultman and Larsson, 2005). Anlamsal evre/ortam tanmlamas, mimari yaplarn estetik grnmlerinin deerlendirilmesi amacyla gelitirilmi bir yntemdir (Lin and Zhang, 2006). Ancak bir evin, ofisin ya da bir arabann i tasarmnn ve konaklama alanlar ya da peyzajlarn deerlendirmesi gibi alanlarda da kullanlmaktadr (Schtte, 2005; Karlsson, Aronsson

11 and Svensson, 2003). Bu yntemde eitli ortamlara ilikin resimler, maketler ya da videolar mteri/tketicilere gsterilir ve mteri/tketicilerden bu rnekleri, yarattklar duygusal izlenimler (emotional impressions) asndan deerlendirmeleri istenir (Schtte, 2005). Deerlendirmede Kller tarafndan gelitirilen ve duygusal izlenimleri temsil eden 36 sfattan oluan bir anket kullanlr (Aslfallah, 2008). Sonuta her bir rn rnei 36 sfat gz nne alnarak deerlendirilir ve karlatrlr. Kansei mhendislii bir rne ilikin mteri/tketici alg/hislerinin llmesi, analiz edilmesi ve bu alg/hislerin rnn boyut, ekil ve renk gibi tasarm bileenlerine dntrlmesini salayan bir rn tasarlama yntemidir. zellikle Japonyada ve 1990l yllarda ise Amerika ve Avrupada kullanlarak hzla gelimitir (Grimsaeth, 2005). Kansei mhendisliinde, rn rnekleri mteri/tketicilere gsterilir ve mteri/tketicilerden rn rneklerini uyandrdklar alg/hisler gznne alnarak deerlendirmeleri istenir. Sonu olarak uygun istatistiksel teknikler kullanlarak veriler analiz edilir ve mteri/tketicilerde hedeflenen alg/hisleri uyandran en iyi rn tasarm kombinasyonu belirlenir. Yukarda ksaca sz edilen yntemler, temelde ayn amaca hizmet etseler de mteri/tketici istek ve gereksinimlerinin rn tasarmna dahil edilmesinde farkl yaklamlar kullanmaktadrlar. Kalite fonksiyon gerimi, rnn teknik zelliklerine ilikin mteri/tketici istek ve gereksinimlerini rn tasarmna yanstrken; Kansei mhendislii ve Anlamsal evre/ortam tanmlamas yntemlerinde rn tasarmna yanstlan mteri/tketicinin alg/hisleridir. Daha ok pazarlama aratrmalarnda kullanlan Konjoint analizi ise mteri/tketicilerin bir rn tercih etme/satn alma isteklerinin rn tasarmna yanstlmasn salamaktadr. Dolaysyla her biri farkl metodolojiye sahip bu yntemler, tasarm probleminin amacna gre tek balarna kullanlabilecekleri gibi btnleik bir yapda kullanlarak mteri/tketici istek ve gereksinimlerinin salayabilirler. rn tasarmna yanstlmas problemine etkin bir zm

12 BLM 3 KANSE MHENDSL

Bir rnn mteriler tarafndan tercih edilebilmesi iin, rnn teknik zelliklerinin yannda mteride o rn satn almaya/kullanmaya yneltecek alg/hisleri de yaratmas gerekir. Bu nedenle son yllarda, mteri alg/hislerini rn tasarm srecine dahil eden yaklamlarn kullanmna ynelik ilgi giderek artmtr. Kansei mhendislii, mteri alg/hislerinin rnn boyut, ekil ve renk gibi tasarm bileenlerine dntrlmesini salayan bir rn tasarm yntemidir. Kansei mhendisliinin incelendii bu blm, drt ksmdan olumaktadr. lk ksmda, Kansei mhendisliinde ska kullanlan temel kavramlara ve bu kavramlara ilikin tanmlamalara yer verilmitir. kinci ksmda, Kansei kavram detayl olarak ele alnmtr. nc ksmda, Kansei mhendisliinin tarihsel geliimi ve literatr incelemesi sunulmutur. Son ksmda ise Kansei mhendislii srecine ilikin literatr incelemesine yer verilerek, Schttenin 2005 ylnda nerdii sre ayrntl ekilde incelenmitir.

3.1. Temel Kavramlar Kansei mhendisliinin zn oluturan ve Japonca bir kelime olan Kansei, iinde duygulanm (affect), his (feeling), duygu (emotion), alg (perception) ve izlenim (impression) gibi bir ok kavram barndrr. Dolaysyla Kansei mhendisliinin ne olduunu anlamadan nce Kansei kavramnn ve bu kavramla ilikili olan duygulanm, his, duygu, izlenim ve alg kavramlarnn anlalmas nemlidir. tanmlamalarna yer verilmitir. Bu nedenle bu ksmda, Kansei mhendisliinde kullanlan temel kavramlara ve bu kavramlarn

13 3.1.1. Duygulanm Duygulanm (affect) kavram, psikoloji ve psikiyatri alanndaki bir ok bilim adam tarafndan stnde allan bir kavramdr. Bu kavramn szlk anlamna Baka bir bakldnda, duygusal tepkiler gsterme durumu ya da duygunun gzlenen da vurumu olarak tanmland grlmektedir (http://en.wiktionary.org). ifadeyle duygulanm, kiinin bir olay, kii ya da duruma kar gsterdii fke, sevgi, nee, alama ve zlme gibi tepkimelerdir (nal, 2005). Pankseppe (2005) gre, duygulanmn szl olarak ifade edilmesi ok zordur. nk duygulanm, duygular biyolojik tepkilerle, zellikle de yzdeki ifade ile, da vurma biimidir (Doksat, 2003). Benzer ekilde, Shouse de 2005 ylnda yaynlad Feeling, Emotion, Affect isimli makalesinde, duygulanm kavramnn soyut ve bilin d bir kavram olduuna ve szlerle tam olarak ifade edilemeyeceine deinmitir (Shouse, 2005). almalarnda duygularn rn tasarmndaki etkisini inceleyen psikolog bilim adam Normana (2003) gre duygulanm, manta gre farkl fonksiyonlara sahip olan ancak onun gibi bir bilgi ileme sistemidir. Ayrca Norman, duygulanm kavramnn evresel etkilere kar hzl bir ekilde yargda bulunulmasna (iyi, kt, gvenli gibi) yardm eden yargsal bir sistem olduunu belirtmitir. Dier aratrmaclardan farkl olarak Norman, duygulanm kavramnn bilinli ya da bilinsiz meydana gelebileceini, ancak bu kavramn yargsal sistem iin genel bir kavram olduuna deinmitir (Norman, 2003). Khalid (2006) duygulanm kavramn, bir rnn tasarm zelliklerinin mteride yaratt psikolojik tepkiler olarak tanmlamtr. Ayrca Khalid (2006), Normana

(2003) benzer olarak duygulanmdan, his (feeling), duygu (emotion) ve ruh durumunu (mood) kapsayan genel bir kavram olarak sz etmitir. Kansei mhendislii almalarnda duygulanm kavram iin Amerikal psikolog Edward Titchenern duygulanm, hislerin memnunluk-memnuniyetsizlik (pleasantness-unpleasantness) boyutudur tanm benimsenmektedir (Schtte, 2005).

14

3.1.2. Duygu, his ve ruh hali Gncel hayatta genellikle ayn anlamda kullanlan duygu (emotion) ve his (feeling) kavramlar, aslnda birbiriyle ilikili ancak birbirinden farkl olan iki kavramdr. Gnmze dein, duygu ve his kavramlarna ilikin birok aratrmac tarafndan farkl tanmlamalar yaplmtr. Kleinginna and Kleinginna (1981), literatrde duygu kavram iin 92 farkl tanmn bulunduunu belirtmilerdir. APA Psikoloji Szlne gre duygu, davransal ve psikolojik bileenleri ieren karmak yapda tepkisel bir durumdur. His ise duygusal tepkinin farkna varmak olarak tanmlanmaktadr (http://en.wikipedia.org). James (1884) duyguyu, heyecan verici bir olgunun alglanmasndan sonra meydana gelen bedensel deiiklikler olarak tanmlam ve duygularn ortaya kmasyla birlikte bu deiikliklerin hissedildiini belirtmitir. Jamese gre, bir olgu alglandktan sonra nce bedensel deiiklikler (rnein; kalp atnn hzlanmas veya kan basncnn artmas) meydana gelir. Daha sonra bu deiiklikler birey tarafndan fark edilerek hissedilir (James, 1884: Handan (2007)). Duygu ve his kavramlar iin yaplan bu tanmlara benzer olarak Norman (2003), duygu kavramn duygulanmn farkna varma durumu, hissi ise duygunun ifade edilmesi olarak tanmlamtr. almalarnda, karar vermede duygularn nemini vurgulayan nrolog bilim adam Damasio ise, duygu kavramndan mantn zt anlamls olarak sz etmektedir. Damasioya gre duygu, ounlukla belirli bir zihinsel ierik tarafndan harekete geirilen, hem beyinde hem de bedende meydana gelen deiiklikler kmesi, his ise bu deiikliklerin alglanmas olarak tanmlanmaktadr (Schtte, 2005). Bu tanmlardan hareketle, duygularn hislere gre daha karmak bir yapda olduu ve ifade edilmesinin daha zor olduu sylenebilir (Grimsaeth, 2005). Gonzalez et al. (1998) duygularn, davranlar, jestler, mimikler ve kelimelerle ifade edilebileceini belirtmitir. Duygularn szel olarak ifade edilmesinde hem nicel hem de nitel bileenlerin kullanldna deinen Gonzalez et al. (1998), duygunun szel ifadesi iin ekil.3.1de gsterilen yapy tanmlamlardr.

15

Duygu =

Nicel bileen ok

+

Nitel bileen anlalrSevmek stemek Anlamak Mutlu olmak

Pozitif duygular

ok fazla olduka ok

Derece

az az ok olduka ok fazla

Negatif duygular

zlmek Korkmak Endielenmek Gvenmemek

olduka ekil 3.1. Duygunun szel ifadesi

zc

Kansei mhendislii literatrnde duygu ve his kavramlar kadar ok youn kullanlmamakla birlikte, tanmlanmas gereken bir dier kavram da ruh hali (mood) kavramdr. Ruh hali kavramnn szlk tanm zihinsel ya da duygusal durum olarak verilmitir (http://en.wikipedia.org). srebilir (Cerezo, 2004). Duygulanm, duygu, his ve ruh hali kavramlarna ilikin verilen bilgiler nda, bu drt kavram arasndaki farkllklar yle zetlenebilir: Duygu (emotion) dier kavramlara gre daha ksa srelidir, daha youndur ve belirli bir nesne ya da olay ile ilikilidir. Ruh hali (mood) daha uzun srelidir, daha az youndur ve belirli bir nesne ya da olayla ilikili deildir. His (feeling) ise hem duygunun hem de ruh halinin fark edilerek ifade edilmesidir. Duygulanm (affect) kavram ise dier kavramlar (duygu, his ve ruh hali) da kapsayan genel bir kavramdr. Doksata (2003) gre ruh hali, uzun sreli duygusal bir durumdur. Yani ruh hali, duygu ve hislerin aksine saatler ya da gnlerce

16 3.1.3. zlenim ve alg zlenim (impression) ve alg (perception) kavramlar Kansei mhendislii almalarnda direkt olarak kullanlmasa da bireyin bir nesne ya da olaya verdii tepkiler ile dorudan ilikilidir. Lee and Lee (2007), bir rnn kullanclarda zlenim uyandrd hislerin, szkonusu rnn kullanclar tarafndan nasl algland ve kullanclar zerinde brakt ilk izlenimden etkilendiini belirtmilerdir. kavramnn szlk anlamna bakldnda bir durum veya olayn duyular yolu ile insan zerinde brakt etki, intiba, imaj ya da bir durum veya olayn toplam etkisi olarak tanmland grlmektedir (www.tdk.gov.tr; http://en.wiktionary.org). zlenim, gemi deneyimlere dayanlarak u anki durum ya da olay hakkndaki hisler ve genel bir duygusal deerlendirme olarak tanmlanabilir. Alg kavramnn szlk anlam ise bir eye dikkati ynelterek, duyular yoluyla o eyin bilincine varma olarak belirtilmitir (www.tdk.gov.tr). Bir nesne ya da olay duyular araclyla alglanr. Bu duyumlar, bilince ileten olay ise algdr (Bchler, 2007).

3.2.

Kansei Nedir? Japonca bir kelime olan Kansei, Japon kltrne yerlemi bir kavramdr ve dier

dillerde tam karl bulunmamaktadr. kavramn farkl ekillerde tanmlamtr. literatrde 60 farkl Kansei

Bu nedenle, bir ok aratrmac Kansei Harada (1998)de yapt almasnda tanmnn bulunduunu belirlemitir

(http://en.wikipedia.org). Ayrca Harada, elde ettii tanmlar istatistiksel olarak analiz etmi ve bu tanmlar be temel boyuta indirgemitir (Lvy and Yamanaka, 2006). Buna gre Kansei, subjektif ve aklanamayan bir fonksiyondur. hem doutan hem de yaam boyunca kazanlm bilgi ve tecrbelerin kavramsal olarak ifade edilmesidir. sezgi ve zihinsel aktiviteler arasndaki etkileimdir. sezgisel olarak dsal durumlar deerlendirme ve tepki verme yeteneidir. imajlar yaratan zihinsel bir fonksiyondur.

17 Yukarda verilen tanmlardan da grld gibi, Kansei ok boyutlu bir kavramdr. Kanseinin kelime yaps incelendiinde de iinde bir ok kavram barndrd grlebilir. zleyen ksmlarda Kanseinin kelime yaps ve szlk tanm ile rn tasarm, felsefe ve psikoloji alanlarnda Kansei kavramnn kullanm ayrntl olarak ele alnmtr.

3.2.1. Kansei kavramnn kelime yaps Japonca, Kana (Hirogana, Katakana) ve Kanji karakterleri olmak zere iki alfabeye sahiptir (Leong and Tamaoka, 1998). Kkleri in kltrne dayanan Kanji alfabesinde, bir karakterin genellikle birden fazla anlam vardr ve yalnzca baka bir karakterle birletiinde kesin (tam) anlam ortaya km olur (Schtte, 2005). Kansei kelimesi, Kan ve Sei olmak zere iki farkl Kanji karakterinden olumutur. Ayrca Sei karakteri de iinde iki farkl Kanji karakterini barndrr (Lee, Harada and Stappers, 2000). Kanseinin kelime yaps ve her bir Kanji karakterinin anlam ekil 3.2de gsterilmitir.

= Kan Sei

+ ( + )Kalp-heart Zihin-mind Ruh-soul Hayatta olmak-be alive Hareketli-dynamic

His-feel Temas-touch Dokunma-tactile Duyu-sensation Duygu-emotion zlenim-impression Alg-perception

ekil.3.2. Kanseinin kelime yaps (Lee, 2003)

18 ekil 3.2.den de grld gibi, Kansei kavramnn dier dillerde tek bir kelime ile ifade edilmesi zordur. Bu nedenle yaplan aratrmalarda, Kanseinin kelime yapsn ve buna bal olarak iinde barndrd anlamlar kavrayarak tercme etmeden kullanmak daha doru olacaktr.

3.2.2. Kansei kavramnn szlk anlam lk basm 1915de yaplan Dainihon Japonca Szlke gre Kansei, duyarllkhassasiyet (sensitivity) anlamna gelen Kanjusei kelimesinin ksaltlm halidir (Schtte, 2005). Nagasawa (2004) ise Japonca bir szlk tarafndan Kansei kavramnn, d evreden gelen uyarclara kar oluan duyum (sensation) ya da algnn (perception) bir duyu organ tarafndan hissedilmesidir eklinde tanmlandn belirtmitir. Ayrca Nagasawa ayn almasnda eski bir Japonca kaynak olan Ukiyazoshinin Ten-Inch-Diameter Mirror of Homoerotism adl almasndan alnt yaparak, Kanseinin z hissetmek (feeling the core) olarak tanmlandn da belirtmitir (Nagasawa, 2004).

3.2.3. Kansei kavramnn rn tasarm alannda kullanm rn tasarm alannda Kansei kavram ilk kez 1986 ylnda Mazda Motor A..nin bakan olan Kenichi Yamamoto tarafndan Michigan niversitesinde verdii seminerde kullanlmtr (Grimsaeth, 2005). Yamamoto Kanseiyi duyarllk (sensibility), his (feeling), duyu (sense) kavramlarn kullanarak ngilizceye evirmeye alm, ancak bu kelimelerden hi birinin Kanseiyi tam olarak ifade etmediini belirtmitir (Nagasawa, 2004). Daha sonraki yllarda Kansei, rn tasarm alannda alan bir ok aratrmac tarafndan farkl ekillerde tanmlanmtr. paragraflarda farkl aratrmaclar tarafndan yaplan tanmlara yer verilmitir: zleyen

19 Kansei mhendisliini gelitiren Mitsuo Nagamachi tarafndan Kansei, bir rnn kullancda uyandrd rn imaj ve duygular olarak tanmlanmaktadr (Nagamachi, 1995). Japon Kansei Mhendislii Dernei (JSKE) tarafndan ise Kansei, insan beyninde alglama-tepki verme sreleri arasnda ortaya kan btnleik bir fonksiyon olarak tanmlanmtr. JSKEye gre Kansei, algnn szlmesi, bilgi edinme, tahmin etme, farkna varma, modelleme, ilikilendirme, retme, bilgi verme ve bilgiyi sunma gibi fonksiyonlar kapsar (www.jske.org). Bu tanma paralel olarak Shimizu et al. (2004) Kanseinin, duyarllk (sensibility), tanma (recognition), belirleme (identification), iliki kurma (relationship making) ve yaratc hareket (creative action) gibi insanlarn karmak yetenekleriyle ilikili olduunu belirtmilerdir. Lee, Harada and Stappersa (2000) gre Kansei, duyarllk (sensibility), duyu (sense), his (feeling), estetik (aesthetics), duygu (emotion) ve sezgi (intuition) kavramlarn ieren bir kavramdr. Harada (1998) ise literatrde 60 farkl Kansei tanmnn bulunduunu belirlemitir. Gerekten de yukarda sz edilen tanmlar dikkate alndnda Kansei kavram iin ortak bir tanmn olmad grlmektedir. Bunun nedeni Kansei kavramnn iinde his, duygu, izlenim, alg gibi farkl kavramlar barndrmasdr. Bu nedenle bu almada Kansei, his, duygu, izlenim ve alg kavramlarn ieren genel bir kavram olarak ele alnacak ve tercme edilmeden kullanlacaktr.

3.2.4. Kansei kavramnn felsefe ve psikoloji bilimlerinde kullanm Kansei kavram sadece rn tasarm alannda deil, felsefe ve psikoloji bilimlerinde de kullanlan ve aratrmaclar tarafndan tanmlanmaya allan bir kavramdr. Felsefe biliminde Kansei kavramnn kullanm, Alman felsefeci Baumgartenn 1750 ylnda yaynlad, estetikin tanmn ve felsefik olarak teorik yapsn aklad Aesthetica adl kitabna dayanmaktadr (Lee, Harada and Stappers, 2000). Baumgarten kitabnda, estetiin sadece gzel sanatlarda kullanlan bir teori

20 olmadn, bu kavramn felsefede duygularn farkna varma bilimi olarak yer almas gerektiini belirtmitir (Shtte, 2005). Baumgartenn kitabnn yaynlanmasndan 20 yl sonra, nl Alman felsefeci Immanuel Kant da Die Kritik der reinen Vernunft-Critique of pure reason adl kitabnda bu konuya deinmitir. Kantn kitab 1921 ylnda Teiyu Amano tarafndan Japoncaya evrilmitir (Nagasawa, 2004). Amanonun evirisinde, Kantn kulland Almanca Sinnlichkeit kelimesini Japoncaya Kansei olarak evirmesiyle bu kavram felsefe literatrne girmitir (Miyazaki, 1997). Nagasawa (2004), Almanca Sinnlichkeit kelimesini ngilizceye Sensibility (duyarllk) olarak evirmitir. te yandan Alman bilim adam Schtte (2005) ise Sinnlichkeit kelimesinin Kansei ile ayn anlamda olduunu, ancak ngilizcede tam karlnn bulunmadn belirtmitir. Nagasawa (2004), Japonyada Kansei kavramnn felsefe biliminde ilk olarak Amane Nishi (1829-1897) tarafndan tanmlandn belirtmitir. kavramn, duyarllk (sensibility) olarak tanmlamtr. Psikolojide Kansei kavram, felsefe bilimindeki kadar eski bir gemie sahip deildir. Psikolojide kabul grm kavramlar olan duyum (sensation), kavrama (cognition) ve alg (perception) kavramlar ile ilikili olan Kansei, son yllarda zerinde allmaya balanan bir kavramdr. Nagamura (1991) mantn, beynin sol taraf ile Kanseinin ise beynin sa taraf ile ilgili kavramlar olduunu belirtmitir (Nagamura, 1991: Schtteden (2005)). Japonyaya Bat felsefesini tantan Nishi, bir ok felsefi kavramn tanmn yapmtr. Nishi Kansei

3.2.5. Kanseilerin llmesi Yukarda sz edilen tanmlamalardan hareketle Kansei, herhangi bir duyu organ tarafndan hissedilen bir girdinin (nesne, olay vb.) bireyde uyandrd duygu, his, alg ve izlenimler olarak tanmlanabilir. Bireylerde herhangi bir nesne ya da olay karsnda oluan Kanseilerin ortaya karlmas ve llmesi, zor bir grevdir. nk birey baz duygu, his ya da alglarnn farknda olup ak bir ekilde ifade etse de, zellikle

21 olumsuz duygu/his/alglarn saklama gerei duyar. Bazen de baz duygu/his/alglarnn farknda bile deildir. Bir ok aratrmac Kanseilerin yakalanmas (ortaya karlmasnda) ve llmesi konusunda alm ve bu amala kullanlabilecek eitli yaklamlar nermilerdir. Nagamachi, literatrde yer alan bu yaklamlar; Fizyolojik tepkilerin lm (elektromiyografi-EMG ve kalp at hz gibi), Davranlarn gzlenmesi, Yz ve vcut ifadelerinin gzlenmesi ve Kelimeler

eklinde snflandrmtr (Nagamachi, 2002). Nagasawa da Nagamachinin verdii snflandrmay benimsemi ve bu yaklamlar; Fizyolojik lmler: nsan vcudunun verdii fizyolojik tepkilerin llmesi, davranlar, yz ve vcut ifadelerinin gzlenmesi; Psikolojik lmler: Kelimeler yardmyla Kanseilerin ortaya karlmas ve anlamsal farkllklar lei (semantic differential scale) kullanlarak Kanseilerin llmesi eklinde iki gruba ayrmtr (Schtte, 2005). Fizyolojik lmler temel olarak bir uyarc karsnda insan vcudunun verdii tepkilerle ilgilenirler. Bu tepkiler, kaslarn kaslmasn salayan elektriksel aktivitenin izlendii elektromiyografi (EMG), beyin dalgalar aktivitesinin elektriksel yntemle izlendii elektroensefalografi (EEG), kalp at hznn llmesi, davranlarn ya da yz/vcut ifadelerinin gzlenmesi ile belirlenmeye allr. Ancak fizyolojik lmler, uygulamas zor ve uzmanlk gerektiren lmler olduundan aratrmaclar tarafndan ok tercih edilmese de literatrde bu konuda yaplan almalar bulunmaktadr (Lvy, Lee and Yamanaka, 2007; Shimizu, 2003; Ishihara et.al, 2008). Psikolojik lmlerde ise Kanseiler kelimeler yardmyla ortaya karlmakta ve anlamsal farkllklar lei kullanlarak llmesi amalanmaktadr. Anlamsal farkllklar lei, 1950li yllarda Osgood ve arkadalar tarafndan gelitirilmitir

22 Bu lek kullanlarak bir uyarcnn bireyde yaratt Kanseileri

(Garland, 1990).

temsil eden kelimelerin (Kansei kelimeleri), 5li ya da 7li derecelendirme kullanlarak deerlendirilmesi amalanmaktadr. lekte yer alan kelimeler ya da kelime iftleri (olumsuz-olumlu), farkl ekilde dzenlenebilir. Farkl dzenlemelere ilikin rnek gsterimler ekil.3.3de verilmitir.

(a) (b)

Kalitesiz

Kaliteli

Kaliteli deil Kaliteli Hi deil

Kaliteli

(c)

ok fazla

ekil.3.3. Anlamsal farkllklar leinde kullanlan farkl gsterimler

ekil.3.3de grld gibi lekte yer alacak kelimeler, (a) zt kelimeleriyle birlikte (kaliteli-kalitesiz), (b) eer zt kelime bulunamyorsa deil ifadesi ile birlikte (kaliteli-kaliteli deil) ya da (c) tek balarna ok fazla ve hi deil ifadeleriyle birlikte kullanlabilir. Literatrde Kanseilerin llmesinde, fizyolojik lmlerden ok psikolojik lmlerin yaygn olarak kullanld grlmektedir. teknik aralar gerektirmemesidir. Bunun nedeni, psikolojik lmlerin uygulanmasnn daha kolay olmas ve fizyolojik lmlerde olduu gibi Ayrca fizyolojik lmler bir uyarc karsnda insan vcudunun verdii tepkilerle ilgilendiklerinden, bu tepkilerin sadece gz nne alnan uyarcnn etkisiyle oluup olumad konusunda kesin bir yargya varlamaz. nk duyu organlar araclyla srekli uyarlan insan vcudu, fizyolojik lmlerin yapld ortamda bulunan baka bir uyarc tarafndan da uyarlm olabilir. Dolaysyla, fizyolojik lmler ilerinde sadece gznne alnan uyarcnn etkisini deil, gz nne alnmayan uyarclarn etkisini de ieriyor olabilir. Bu nedenle

23 Kanseilerin llmesinde fizyolojik lmler yerine psikolojik lmlerin tercih edilmesi gvenilir verilerin elde edilmesi asndan daha uygun olacaktr.

3.3. Kansei Mhendisliinin Tarihsel Geliimi ve Literatr ncelemesi Kansei mhendislii 1970li yllarda Prof. Mitsuo Nagamachi tarafndan Japonyada gelitirilmitir (Nagamachi, 1999). zellikle 1986 ylnda Mazda Miata MX5 adl spor arabann tasarmnda baaryla kullanlmas sonucunda, Japonyada birok tasarmc ve bilim adamnn stnde alt bir alan haline gelmitir. Ayrca, yine bu yllarda Japonya Eitim Bakan Kansei mhendisliini ncelikli alanlardan birisi olarak kabul etmi ve bu konuda yaplan aratrmalara destek verilmesine nderlik etmitir. Kansei mhendislii, 1990l yllarda Amerika ve Avrupaya yaylarak hzla gelimitir (Grimsaeth, 2005). Kansei mhendislii bilimsel literatre Prof. Mitsuo Nagamachinin 1995 ylnda yaynlad makalesi ile girmitir. Bu alma Kansei mhendisliinin yapsnn ve uygulama alanlarnn tantld temel bir alma niteliindedir. Nagamachi almasnda, Kansei mhendisliini mteri hislerini rn tasarm elemanlarna dntren bir teknoloji olarak tanmlamtr. Ayrca bu srete gznne alnmas gereken drt nemli noktaya deinmitir: (1) Bir rnn mteride uyandrd hisler nasl yakalanr? (2) Mteri Kanseilerinden hareketle rn tasarm zellikleri nasl belirlenir? (3) Kansei mhendislii bir ergonomik teknoloji olarak nasl yaplandrlr? (4) Toplumsal deiimler ve mteri tercihlerindeki deiimler rn tasarmna nasl uyarlanr?. Nagamachi yukarda sz edilen drt nemli soruya Kansei mhendisliinde nasl cevap bulunduunu aklam ve dolaysyla Kansei mhendislii srecini genel olarak tariflemitir. Ancak almada srece ilikin detayl bir aklama verilmemi, sre genel olarak tantlm ve uygulama alanlarna yer verilmitir. Ayrca almada farkl Kansei mhendislii prosedrne (Kategori snflandrma-Category classification (Tip-1), Kansei mhendislii bilgisayar sistemi-Kansei Engineering computer system (Tip-2) ve Kansei mhendislii modelleme-Kansei Engineering

24 modelling (Tip-3)) deinilmi ve otomotiv, elektrikli aletler ve giyim gibi alanlardaki baarl uygulamalardan sz edilmitir (Nagamachi, 1995). Nagamachi daha sonraki yllarda, bilim ve tasarm alannda yeni bir yntem olan Kansei mhendisliini ve uygulama alanlarn tantan eitli almalar yaynlamtr. Nagamachi 1999 ylnda yaynlad makalesinde, Kansei mhendislii ve farkl Kansei mhendislii eitlerini ksaca tantmtr. Bu almada, 1995 ylnda yaynlad makalesine benzer olarak, Kansei mhendisliindeki drt nemli konudan sz etmitir. Ancak farkl olarak mteri alg/hislerinin sadece kelimelerle deil, gerektiinde fizyolojik lmler (EEG, EMG, HR, GSR ve gz hareketlerinin incelenmesi gibi) kullanlarak da llebileceini belirtmitir. Nagamachi ayrca, 1995 ylnda yaynlad almasnda yer verdii farkl Kansei mhendislii (Tip-1,2 ve 3) prosedrne ek olarak bu almasnda Melez Kansei mhendislii (Tip-4) ve Grsel Kansei mhendislii (Tip-5) prosedrlerini tantm ve Kansei mhendisliinin otomotiv, moda ve mimari gibi eitli alanlarda yaplan uygulamalarna yer vermitir (Nagamachi, 1999). Nagamachi, 2002 ylnda yaynlad makalesinde ise zellikle Kansei mhendisliini rn tasarm srecinde kullanan irketlerden, bu irketlerdeki uygulamalardan ve Milbon kozmetik irketi ile yrtlen almasndan detayl bir ekilde sz etmitir. Milbon kozmetik irketi ile yrtlen almada, Kansei mhendislii sa bakm rnlerinin ve rn ielerinin tasarmnda kullanlmtr. Uygulamada ncelikle, sa bakm rn kullanan bayanlar zerinde bir aratrma yaplarak, bu rnlere ilikin ikayetleri belirlenmi ve elde edilen veriler Quantification Teori Tip 3 (QT3) teknii kullanlarak analiz edilmitir. Analiz sonucunda kullanclarn yeni tasarlanacak sa bakm rnnden beklentilerinin, yumuak ve canl salar yaratmas olduu belirlenmitir. Belirlenen bu kavramdan yola karak, aratrmaclar farkl kimyasal kombinasyonlar deneyerek bu kavrama uyan eitli kimyasal materyaller retmilerdir. Daha sonra retilen farkl kimyasal zellie sahip sa bakm rnleri bir sa tasarmcs tarafndan deerlendirilerek, yumuak ve canl kavramn en iyi salayan sa bakm rn seilmitir. Seilen sa bakm rn ielerinin tasarm da Kansei mhendislii kullanlarak yaplmtr. Bu uygulamada ise 60 farkl kozmetik ie, 40 Kansei kelimesi kullanlarak deerlendirilmitir. Elde edilen

25 verilere Kofonen modeline dayal bir sinir a modeli olan ARTsss ve Quantification Teori Tip 1 (QT1) teknikleri uygulanarak, yumuak ve canl konseptine uygun bir ie tipi tasarlanmtr (Nagamachi, 2002). Kansei mhendisliinin bilimsel literatre girmesiyle birlikte, bir ok aratrmac farkl teknikleri ve yaklamlar Kansei mhendislii srecine dahil ederek srecin gelimesine katkda bulunmutur. Kansei mhendislii (Kansei srecinde kelimelerin elde edilen ok ve deikenli anlamsal verilerin yapnn

kmelenmesinde

bulunmasnda

belirlenmesinde) faktr ve kmeleme analizi uygulamada ska kullanlan tekniklerdir. Ishihara et al. (1995), faktr ve kmeleme analizi tekniklerine alternatif olarak arboART ad verilen ART-tipi sinir alarna dayal bir hiyerarik kmeleme teknii nermilerdir. nerilen bu teknik renk rneklerinin deerlendirilmesi deneyinde uygulanmtr. Bu deney iin JIS (Japonya Endstriyel Standart) renkleri arasndan 18 renk rnei seilmi ve 10 denekten 40 sfat kullanarak seilen renkleri deerlendirmeleri istenmitir. Deneklerden elde edilen verilere dayanlarak 18 renk rnei arboART kmeleme teknii kullanlarak kmelenmitir. Kmeleme ileminin ardndan ise her kmenin tipik zellikleri belirlenmitir. Yani her bir kmedeki renklerle ilikili olan Kansei kelimeleri belirlenmitir. rnein; 1. kmede sar-yeil, koyu yeil, mavi ve mavi-mor renkleri yer almaktadr ve bu kmenin ilikili olduu kelimeler ise aydnlk, salkl ve canldr. Her kmenin ilikili olduu Kansei kelimesinin bulunmas nemli karsama kurallarnn elde edilmesini salayacaktr. Yaplan tm denemelerden sonra, arboART kmeleme teknii ile elde edilen sonular Centroid kmeleme teknii ile karlatrlm ve arboART kmeleme teknii ile hiyerarik kmelemede baarl sonulara ulald belirtilmitir. Ancak almada, ayn kmede yer alan renklerin hangi zelliklerinden dolay deneklerde belirlenen Kanseileri yaratt konusu zerinde allmamtr. Sinir alarnn Kansei mhendisliinde kullanmna ilikin dier bir alma Ishihara et al.un (1997) almasdr. Bu almada, literatrde kullanc alg/hislerinin analiz almada, edilmesinde ok deikenli teknikler kullanldndan ancak, bu tekniklerin gvenilir olmasna karn byk hesaplama yk getirdiinden sz edilmitir. aratrmaclar hesaplama yknden kurtaracak ve daha hzl sonu almaya yardmc olacak iki farkl kendi kendine organize olan (self-organizing) sinir ann (PCAnet ve

26 ART1.5-SSS) kullanld bir Kansei uzman sistemi (AKSYONN4) gelitirilmitir. Gelitirilen AKSYONN4 uzman sistemi, kural reteci ve Kansei uzman sistemi retecinden olumaktadr. lk aamada, PCAnet ve ART1.5-SSSye dayal kural reteci kullanlarak Kansei kelimeleri ile tasarm elemanlar arasndaki kurallar ile anlamsal yap kurallar belirlenir. kinci aamada ise Kansei uzman sistemi birinci aamada belirlenen kurallar analiz eder ve sonular kullancya grafiksel bir arayz kullanarak iletir. almada gelitirilen uzman sistemin uygulamada kullanlabilir olduunu gereklemek iin 42 ayakkab rneinin yer ald deneysel bir alma yaplmtr. Bu deneysel almada, 18 denek 42 ayakkab rneini 45 Kansei kelimesi kullanarak deerlendirmitir. Elde edilen veriler hem temel bileenler analizi hem de AKSYONN4 kullanlarak analiz edilmi ve gelitirilen uzman sistemin temel bileenler analizine gre daha az hesaplama yk gerektirdii ve daha hzl zmleme yapt belirtilmitir (Ishihara, et al., 1997). Kansei mhendislii almalarnda, mteri/tketici alg/hisleri ile rne ilikin tasarm zellikleri arasndaki ilikiyi modellemede Hayashinin gelitirdii quantification teori tip-1 (QT1) analizi yaygn olarak kullanlmaktadr. Matsubara and Nagamachi (1997), mteri/tketici alg/hisleri ile tasarm zellikleri arasndaki ilikiyi modellemek iin QT1 analizinin kullanlabileceini belirtmilerdir. Ayrca almada, Kansei mhendisliinde ayr ayr kullanlan, mteri/tketici odakl leri Kansei mhendislii sistemi ile tasarmc odakl Geri Kansei mhendislii sistemlerinin bir arada kullanld Melez Kansei mhendislii sistemi ayrntl olarak aklanmtr. leri Kansei mhendislii sistemi, mteri karar destek sistemidir. Bu sistemde mteri nasl bir rn almak istediini yani satn alaca rnn hangi hissi ya da Kanseiyi uyandrmasn istediini (rnein; lks grnml bir ev satn almak gibi) bilgisayar araclyla sisteme girer. Mterinin bu isteini karlayan rn ya da rnler bilgisayar vastasyla mteriye gsterilir. Yani ileri Kansei sistemi, mterilere rn seiminde yardmc olan bir karar destek sistemidir. Geri Kansei mhendislii sistemi ise yeni bir rnn tasarlanmas aamasnda kullanlr. Bir tasarmc yeni bir rn tasarladnda, bir tasarm hedefi belirler. Tasarmc, belirledii tasarm hedefini yararlanarak

tarifleyen kelimeleri sisteme girer ve sistem, veritabanlarndan

tasarmcnn belirledii kelimelere en uygun rn izimini grafiksel olarak gsterir.

27 Eer gsterilen izim tasarmcnn dndnden farklysa, tasarmc bu izime mdahale edebilir. Geri Kansei mhendislii sistemi de tasarmclar iin bir karar destek sistemidir. Melez Kansei mhendislii sistemi ise ileri ve geri Kansei mhendislii sistemlerinin bir arada kullanld ve hem mteri/tketici hem de tasarmcnn yararlanabilecei bir karar destek sistemidir. almada nerilen melez Kansei mhendislii sistemi drt ana modl ve be veri tabanndan olumaktadr. Ana modller; tasarm modl, karm modl, Kansei kelimesi modl ve sistem denetleyici modldr. Sistemde yer alan veri tabanlar ise tasarm, grafik, bilgi, imaj ve Kansei kelimesi veri tabanlardr. Sistemin alma mant ksaca u ekilde zetlenebilir: Sisteme kullanc (mteri/tketici ya da tasarmc) tarafndan bir Kansei kelimesi girildiinde, sistem Kansei kelimesi veri tabann tarar ve girilen kelimeye uyan aday tasarmlar bulur. Bulunan aday tasarmlar grafik ve tasarm veri tabanlar yardmyla kullancya gsterilir. Sistem bu ilemi yaparken, ileri Kansei mhendislii sistemi mant ile alr. Eer sisteme kullanc tarafndan bir izim girildiyse, imaj ileme (image prosessing) ve tanma teknikleri (recognition techniques) kullanlarak girilen izime uygun Kansei kelimeleri belirlenir. almada nerilen bu sistem, evlerin n kap tasarmnda uygulanmtr. Bu uygulamada 13 tasarm bileeni gz nne alnarak 82 kap rnei seilmi ve 77 denekten 40 sfat ikilisi kullanarak kap rneklerinin deerlendirilmesi istenmitir. Elde edilen sonular QT1 teknii Ayrca almada, kullanlarak analiz edilmi ve tasarm nerileri sunulmutur.

uygulama iin seilen rnn (kap) ok kompleks bir rn olmad ve tanma teknikleri ile kolayca ileme tabii tutulabildii ancak kompleks rnler (rnein araba gibi) iin yeni bir algoritma zerinde alld belirtilmitir. Yang, Nagamachi and Lee (1999) ise Kansei mhendislii sisteminin Kansei analiz, Kansei karsama ve Kansei sunum olarak adlandrdklar alt sistemden olutuunu belirterek, Kansei karsama alt sisteminde kullanlabilecek kural tabanl bir karsama modeli (rule-based inference model) nermilerdir. nerilen yaklam aamadan olumaktadr: Standartlatrma prosedr, deerlendirme prosedr ve karlatrma prosedr. Standartlatrma prosedrnde, nerilen modelin en nemli parametreleri olan ve QT1 analizi sonucunda elde edilen regresyon katsaylar, oklu ve ksmi korelasyon katsaylar standartlatrlr. almada, farkl deer aralklarndaki bu

28 katsaylarn Kansei kelimelerinin karlatrlmas srecinde baz yetersiz sonulara neden olabilecei belirtilmitir. Bu nedenle ilk aamada standartlatrma ilemi yaplm ve karsama modelinde ayn deer aralndaki parametrelere yer verilmitir. Yaklamn ilk aamasnda standartlatrlan bu katsaylar, deerlendirme prosedrnde birer parametre olarak ele alnm ve karsama kurallar gelitirilmitir. Yaklamn son aamas olan karlatrma prosedrnde ise, gelitirilen karsama kurallar karlatrlm ve karlatrma sonucunda seilen kurala gre tasarm zelliklerinin belirlenebilecei belirtilmitir. Lai et al. (2006), en iyi rn tasarm kombinasyonunun belirlenmesinde kullanlabilecek kullanc odakl bir yaklam nermilerdir. almada zellikle, rnn ekli ve rengi arasndaki iliki aratrlmtr. nerilen yaklam aamadan olumaktadr. lk aamada rnn ekli ve rengine ilikin rnekler ve Kansei kelimeleri belirlenerek veriler elde edilir. kinci aamada, elde edilen verilere dayanlarak rn zellikleri ile kullanc alg/hisleri arasndaki iliki QT1 analizi kullanlarak modellenir. nc aamada ise geri yaylm renme algoritmas (backpropagation learning algorithm) ile alan ok katmanl ileri beslemeli sinir alar (multilayered feedforward neural networks) kullanlarak en iyi rn kombinasyonu belirlenir. almada, iki farkl sinir a modeli (karma sinir a modeli ve tekli sinir a modeli) kullanlmtr. Ayrca cep telefonlar zerine deneysel bir alma yaplarak hem nerilen yaklamn uygulanabilirlii gsterilmi hem de iki farkl sinir a modeli karlatrlmtr. Yazarlarn bulgular, tekli sinir a modelinin karma sinir a modeline gre daha yksek tutarlla sahip olduudur. almada sadece deneysel bir uygulama yaplm, ancak nerilen yaklamn farkl rnler iin uygulanabilir olduu belirtilmitir. Mteri/tketici alg/hisleri ile rn tasarm zellikleri arasndaki ilikinin modellenmesinde yaygn olarak kullanlan QT1 analizine alternatif olarak aratrmaclar eitli teknikler nermilerdir. Lottum, Pearce and Colemann (2006) almalarnda, szkonusu iliki sral lojistik regresyon analizi kullanlarak modellenmitir. Sral lojistik regresyon analizinin kullanlmasnn nedeni, Kansei mhendislii almalarnda mteri/tketici alg/hislerinin llmesinde kullanlan leklerle (anlamsal farkllklar ya da Likert) elde edilen verilerin sral (ordinal) veriler olmasdr. almada Kansei mhendislii, Avrupa Komisyonu 5. ereve projesi olan ve Kensys olarak adlandrlan

29 proje kapsamnda erkek ayakkablarnn tasarmnda uygulanmtr. Kensys

aratrma merkezi ve drt ayakkab irketi olmak zere yedi katlmcnn dahil olduu bir aratrma projesidir ve lkenin (ngiltere, Fransa ve spanya) ortak almasyla yrtlmektedir. Kensysnin endstriyel katlmclar ayakkab sektrnn farkl almada iki farkl Kansei mhendislii Bu uygulamadaki ana ama, tm gn alanlarnda faaliyet gsteren irketlerdir. irketin katlmyla gerekletirilmitir.

uygulamas bulunmaktadr. lk uygulama, ngiltere ve spanyada faaliyet gsteren iki kullanlabilen erkek ayakkablarna ilikin tasarm zelliklerinin elde edilmesidir. Bu ama iin ncelikle 400 adet kelime eitli kaynaklardan toplanm ve bu kelimeler indirgenerek 33 Kansei kelimesi elde edilmitir. Bu Kansei kelimeleri kullanlarak, ngiletereden 34 katlmc 27 ayakkab rneini deerlendirmitir. Bu deerlendirme sonucunda elde edilen verilere faktr analizi uygularak 33 Kansei kelimesi yedi faktre indirgenmitir. Daha sonra bu yedi faktr kullanlarak, ikinci bir anket tasarlanm ve iki lkedeki kullanclar ayakkab rneklerini deerlendirmilerdir. analizi kullanlarak modellenmitir. almada, ayakkab zellikleri ile kullanc alg/hisleri arasndaki iliki sral lojistik regresyon Her bir faktr iin ayr bir regresyon modeli belirlenmitir. Her bir modelde, faktrler baml deiken ve rn tasarm zellikleri ise bamsz deiken olarak ele alnmtr. Sral lojistik regresyon analizi sonucunda, ayakkab zelliklerinin kullanc alg/hisleri zerindeki etkisi belirlenmi ve pozitif etkisi bulunan zellikler dikkate alnarak ayakkab irketlerine tasarm nerileri sunulmutur. kinci uygulamada ise klasik erkek ayakkablarnn kullanclarda uyandrd alg/hisler incelenmitir. Bu ama iin, eitli kaynaklar taranarak toplam 200 kelime elde edilmi ve bu kelimeler proje yeleri tarafndan 11 Kansei kelimesine indirgenmitir. Bayan ve erkek olmak zere toplam 42 kullanc 11 Kansei kelimesini kullanarak 14 rn deerlendirmitir. Elde edilen verilere faktr analizi uygulanm ve kullanc alg/hislerinin anlamsal (semantic) yaps belirlenmitir. almann ikinci uygulanmas sadece anlamsal yapnn belirlenmesi dzeyinde kalm, kullanc alg/hisleri ile tasarm zellikleri arasndaki iliki incelenmemitir (Lottum, Pearce and Coleman, 2006). Sral lojistik regresyon analizinin kullanld dier bir alma ise Fonti, Notaro and Tarantinonun (2006) almalardr. Bu almada, konjoint analizi ve

30 arlklandrlm sral lojistik regresyon analizinin kullanld btnleik bir Kansei mhendislii yaklam nerilmitir. almada, Kansei mhendislii srecinde rn tasarm zelliklerinin seilmesi aamasnn salkl sonular elde edilmesinde nemli olduundan, ancak bu konuyla ilgili literatrde ak ve kesin bilgiler bulunmadndan sz edilmitir. Bu nedenle tasarm zelliklerinin kullanc tercihleri gz nne alnarak arlklandrlmas nerilmitir. Arlklandrma ilemi iin ise konjoint analizinden faydalanlabilecei belirtilmitir. nerilen yaklamda, ncelikle tasarm zelliklerine ilikin kullanc tercihleri belirlenir ve konjoint analizi kullanlarak zellikler arlklandrlr. Kullanc alg/hisleri ile tasarm zellikleri arasndaki iliki ise konjoint analizi sonucunda elde edilen arlklar kullanlarak arlklandrlm sral regresyon analizi yardmyla modellenir. almada bir gerek yaam problemine yer verilmemi, nerilen sre cep telefonu tasarm problemi zerinde deneysel olarak gsterilmitir (Fonti, Notaro and Tarantino, 2006). Yukarda sz edilen almalarda tasarm zellikleri ve mteri/tketici alg/hisleri arasndaki dorusal iliki, QT1 ya da sral lojistik regresyon gibi dorusal regresyon analizleri kullanlarak modellenmitir. olmayan bir yapda da olabilir. Oysaki szkonusu iliki dorusal Tsuchiya et al. (1999), rn tasarmnda tasarm

zelliklerinin kombinasyonlarnn da alg/hisler zerinde etkili olduunu, ancak bu etkinin dorusallk varsaymna dayal teknikler kullanlarak ortaya karlamadn belirtmilerdir. Bu amala almada, tasarm zellikleri ile kullanc alg/hisleri arasndaki dorusal olmayan ilikilerin de modellenmesine imkan tanyan bir yaklam nerilmitir. nerilen yaklam, genetik algoritmalar kullanlarak gelitirilen renme tabanl bir karar aac (learning decision tree) metodudur. Bu yaklam aamadan olumaktadr: karar aacnn yaplandrlmas, deerlendirilmesi ve populasyonun yeniden dzenlenmesi. lk aamada karar aac, rn tasarm zellikleri ve kullanclarn deerlendirmeleri sonrasnda elde edilen veriler gz nne alnarak yaplandrlr. kinci aamada ise yaplandrlan karar aacna ilikin uygunluk deeri belirlenir. Son aamada ise belirlenen uygunluk deerine gre, bir araya gelmesi dorumantkl olan rnler bir araya getirilerek karar aac yeniden yaplandrlr ve deerlendirilir. Uygun bir karar aac yaplandrldktan sonra ise son aamaya geilir ve genetik operasyonlar kullanlarak kullanc alg/hisleri ve tasarm zellikleri

31 arasndaki iliki modellenir. almada nerilen yaklam kahve paketi tasarmna

uygulanm ve sonular QT1 analizi ile elde edilen sonularla karlatrlmtr. nerilen yaklamla elde edilen sonularn QT1 analizi sonularyla rtt belirtilmitir. Ancak yazarlar, nerilen yaklamn kullanlmasyla kullanc alg/hisleri zerinde rn zellikleri kombinasyonlarnn etkisinin de incelenebilecei ve QT1 analizine gre daha detayl bilgilere ulalabileceini vurgulamlardr. Nagamachi, Okazaki and Ishikawa (2006) ise Kansei mhendislii almalarnda elde edilen Kansei verilerinin genellikle ok deikenli istatistiksel teknikler kullanlarak analiz edildiini, ancak bu verilerin her zaman normal dalm gstermedii ve dorusal zellikler tamayabileceini belirtmilerdir. Bununla birlikte, kullanc alg/hislerinin yaplan almaya uygun aralar kullanlarak (kelimeler, EEG, EMG vb.) llmesinin ve elde edilen verilerin sahip olduu zelliklerin aratrlarak bu zelliklere uygun teknikler ile analiz edilmesinin Kansei mhendislii almalarnda nemli olduunu vurgulamlardr. Bu bilgiler nda, Kansei mhendisliinde kaba kme teorisinin kullanmn nermilerdir. almada, ok deikenli istatistiksel tekniklerin kullanld standart Kansei mhendislii sreci ile kaba kme teorisinin kullanld sre, ayakkab tasarm rneinde uygulanarak karlatrlmtr. Ancak almada uygulamaya ilikin detaylar verilmemi, sadece QT1 ve kaba kme teorisi kullanlarak elde edilen sonular genel olarak yorumlanmtr. Son yllarda bilgisayar teknolojisi ve internet kullanmnda meydana gelen gelimeler, Kansei mhendislii alannda alan aratrmaclar da etkileyerek, bilgisayar-internet destekli sistemler gelitirmeye yneltmitir. Aratrmaclar zellikle internet araclyla veri elde etme, veritaban oluturma ve birden fazla tasarm grubunun srete yer ald ibirliki tasarm srecinin oluturulmas gibi bilgisayarinternet destekli Kansei mhendislii sistemleri zerinde almlardr. Chuang and Chen (2003), XML tabanl bilgisayar destekli bir Kansei mhendislii sistemi nermilerdir. Bu sistem ana modlden olumaktadr: deney tasarm, veri analizi ve bilgi sorgulama modlleri. Deney tasarm modlnde aratrmaclar, etkileimli anketler oluturarak internet yoluyla kullanc alg/hislerini lebilirler. Elde edilen veriler, veri analizi modlnde eitli istatistiksel teknikler ve grsel eler kullanlarak analiz edilir ve XML dosyas iinde toplanrlar. nerilen sistemin en nemli zellii,

32 bilgi sorgulama modldr. Bu modl vastasyla, nceden yaplm olan farkl

almalara ilikin eitli XML dosyalar kayt altnda tutulur ve aratrmaclar kendi almalar ile ilikili bilgilere bu modl sayesinde ulaabilirler. Ishihara et al. (2005), internet balantl Kansei mhendislii sistemi ve iletiim aralarn kullanarak ibirliki tasarm sreci uygulamasn gerekletirmilerdir. Bu uygulamada, biri svete dieri ise Japonyada bulunan iki farkl tasarm grubu internet zerinden grsel ve iitsel iletiim salayarak bira ambalaj tasarm iin ibirliki bir tasarm almas yrtmlerdir. Yukarda sz edilen almalar, Kansei mhendislii iin temel tekil eden, srece ilikin yeni yaklamlar sunarak katkda bulunan almalardr. zleyen ksmda Kansei mhendisliinin gerek yaam problemlerinde uygulanmasna ilikin almalar incelenmitir. Literatr incelemesinin bu ksmnda almalar, uygulama alanlarna gre snflandrlarak verilmitir:

Otomotiv sektrndeki tasarm problemlerinin zmnde Kansei mhendislii uygulamalar Tanoue, Ishizaka and Nagamachi (1997) almalarnda, iki tasarm hedefi (ferahlk ve skclk) gz nne alarak tatlarn i tasarmlarnn deerlendirilmesinde Kansei mhendisliini kullanmlardr. almada zellikle iki tasarm bileeni (gsterge paneli ve direksiyon) incelenmitir. Bu amala 20 tat rnei seilmi ve 41 katlmcdan 100 Kansei kelimesi kullanlarak rnekleri deerlendirmeleri istenmitir. Katlmclar deerlendirmelerini 5-dzeyli anlamsal farkllklar leini kullanarak yapmlardr. Elde edilen verilere faktr analizi uygulanm ve anlamsal uzayn iki faktr kullanlarak ifade edilebilecei belirlenmitir. Daha sonra hem gsterge panelinin hem de direksiyonun her iki tasarm hedefi ile olan ilikilerini belirlemek amacyla QT1 analizi yaplmtr. Elde edilen sonulara dayanlarak, gsterge paneli ve direksiyon iin tasarm nerileri verilmitir. Jindo and Hirasago (1997) tarafndan Kansei mhendislii bir arabann i tasarm elemanlar olan hz gstergesi ve direksiyon simidinin tasarmnda kullanlmtr.

33 ncelikle hz gstergesi, hz gstergesinin konumu ve farkl montaj eitleri iin kullanc alg/hisleri llmtr. Hz gstergesi iin yaplan almada, 24 rn rnei 23 katlmc tarafndan sekiz sfat ikilisi kullanlarak deerlendirilmitir. Deerlendirme sonucunda verilere faktr analizi uygulanm ve iki faktr elde edilmitir. Szkonusu iki faktr Kansei kelimeleri olarak belirlenmitir. Belirlenen Kansei kelimeleri ile rn tasarm zellikleri arasndaki iliki QT1 analizi kullanlarak ayr ayr modellenmitir. Elde edilen sonulara dayanlarak hz gstergesi iin her iki Kansei kelimesi gz nne alnarak tasarm nerileri sunulmutur. Hz gstergesinin konumuna ilikin almada ise hz gstergesi ile ayn sfat ikilileri kullanlm ve 24 katlmc sekiz farkl konum eklini deerlendirmitir. Elde edilen verilere faktr analizi uygulanm ve sekiz sfat ikilisi iki faktre indirgenmitir. Uygulamann bu ksmnda, kullanc alg/hisleri ile hz gstergesinin konumu arasndaki iliki incelenmemi, sadece faktr analizi sonucundaki bulgular yorumlanmtr. tipini deerlendirmitir. Hz gstergesinin montajnn deerlendirilmesinde ise 13 Deerlendirme sonrasnda, 13 kelime iinden bir kelime kelime kullanlmtr. Bu kelimeler gz nne alnarak 30 katlmc 10 farkl montaj uzmanlar tarafndan seilmi ve bu kelime ile montaj tipi arasndaki iliki QT1 analizi kullanlarak modellenmitir. Elde edilen sonular nda tasarmclara, montaj tipi iin neriler sunulmutur. Hz gstergesi iin yaplan btn uygulamalarda deerlendirmeler 7-dzeyli anlamsal farkllklar lei kullanlarak gerekletirilmitir. almadaki son uygulama ise direksiyon simidine ilikin tasarm zellikleri ile kullanc alg/hisleri arasndaki ilikinin belirlenmesine yneliktir. deerlendirilmitir. kullanlmtr. Deerlendirmede 5-dzeyli anlamsal Uygulamada 59 lei direksiyon simidi rnei 41 sfat ikilisi kullanlarak 50 katlmc tarafndan farkllklar Verilerin elde edilmesinden sonra, kullanc hisleri ile direksiyon

simidine ilikin tasarm zellikleri arasndaki iliki QT1 analizi kullanlarak modellenmi ve tasarm nerileri verilmitir. Ayrca, analizler sonucunda hz gstergesi ve direksiyon simidi iin en iyi tasarm kombinasyonlar belirlenmitir. Nakada (1997), i makinelerinin operatr koltuu ve d renk tasarmnda Kansei mhendisliini uygulamtr. eitli kaynaklardan Operatr koltuunun deerlendirilmesinde iki tasarm 10 operatr koltuu bu kelimelere gre hedefi (iyi ve gzel) belirlenmitir. ncelikle tasarm hedefleriyle ilgili 349 sfat ikilisi toplanarak

34 deerlendirilmitir. Daha sonra elde edilen bu verilere faktr analizi uygulanarak

kelimeler be faktre indirgenmitir. Uzmanlar szkonusu be faktr iinden 19 adet kelimeyi Kansei kelimesi olarak belirlemilerdir. Daha sonra bu Kansei kelimeleri kullanlarak 56 operatr koltuu 7-8 kiiden oluan 6 grup kullanc tarafndan deerlendirilmitir. Elde edilen verilere dayanlarak, her iki tasarm hedefi ile operatr koltuuna ilikin tasarm zellikleri arasndaki iliki QT1 analizi kullanlarak modellenmitir. Daha sonra sonular elde edilmi ve operatr koltuuna ilikin tasarm nerileri tartlmtr. almada i makinelerinin d renk tasarmna ilikin bir uygulama da yaplmtr. Bu ama iin i makineleri kk ve orta-byk olmak zere iki snfa ayrlm ve her iki snf iin ayr deerlendirmeler yaplmtr. JIS (Japonya Endstriyel Standart) renkleri arasndan be renk rnei seilmi ve bu renkler kullanlarak farkl zelliklere sahip 10 adet renk rnei hazrlanmtr. Belirlenen rnek renkler 20 katlmc tarafndan 46 Kansei kelimesi kullanlarak deerlendirilmitir. Deerlendirme sonrasnda, Kansei kelimeleri ile renk zellikleri arasndaki iliki QT1 analizi kullanlarak modellenmitir. Zhang and Shen (1999), Kansei mhendisliini kamyon kaplarnn i tasarmnda kullanmlardr. almann amac, kullanclarn ihtiyalarn belirlemek ve grsel tasarm zelliklerinin kullanc zerindeki etkilerini lmektir. Bu ama iin kamyon kaplarnn i tasarmlarn gsteren alt adet rnek seilmi ve 26 kamyon srcs 12 Kansei kelimesini kullanarak szkonusu rnekleri deerlendirmitir. Elde edilen sonulara faktr analizi uygulanm ve kullanc alg/hisleri boyuta indirgenmitir. alma sadece kullanc ihtiyalarnn belirlenmesi ve alg/hislerinin llmesi ile snrl kalm, tasarm zellikleri ile kullanclarn alg/hisleri arasnda ilikinin modellenmesine ynelik bir analiz yaplmamtr. Axelsson (2001), BT irketi ile ortak olarak yrtlen almada forkliftler iin asma platform parasnn tasarmnda Kansei mhendisliini kullanmtr. almada ncelikle forklift kullanclarnn sr hislerini tarifleyen 70 kelime eitli kaynaklardan toplanmtr. edilmitir. Toplanan kelimeler forklift srcleri ve uzmanlardan oluan 10 kiilik bir grup tarafndan snflandrlm ve 12 Kansei kelimesi elde Szkonusu Kansei kelimeler kullanlarak 17 src, 10 asma platform Her bir Kansei kelimesi ile asma platform zellikleri rneini deerlendirmitir.

35 arasndaki ilikinin modellenmesinde QT1 analizi kullanlm ve tasarm nerileri sunulmutur. Schtte and Eklund (2005), i makinalar iin elektrikli ama-kapama dmesi tasarmnda Kansei mhendisliini uygulamlardr. Bu almada ama, ama-kapama dmesinin hangi zelliklerinin kullanclar nasl etkilediini belirlemektir. Bu ama dorultusunda eitli kaynaklardan 118 kelime toplanm ve bu kelimeler yaknlk diyagram teknii kullanlarak 14 gruba ayrlmtr. Sz konusu gruplardan 29 kelime seilmi ve Kansei kelimeleri olarak belirlenmitir. kullanarak deerlendirmilerdir. Belirlenen Kansei kelimeleri kullanlarak 71 katlmc 13 rn rneini 7-dereceli anlamsal farkllklar leini Elde edilen verilere faktr analizi uygulanarak kullanc alg/hisleri drt boyutta ifade edilmitir. rn tasarm zellikleri ile kullanc alg/hisleri arasndaki ilikinin modellenmesinde ise QT1 analizi kullanlmtr. Analiz sonularna dayanlarak farkl elektrikli ama-kapama dmesi tasarm nerilmitir.

Gda

sektrndeki

tasarm

problemlerinin

zmnde

Kansei

mhendislii

uygulamalar Yasuyuk (2002), tketicilerin alg/hislerini dikkate alarak yiyecek maddesi retilmesi amacyla kullanlan ve Kansei mhendisliinin olduka yeni bir alan olan Gda Kansei mhendisliini tantan bir alma yaynlamtr. almada Gda Kansei mhendisliinin herhangi bir uygulamas yaplmamtr. Tketicilerin yiyecek tercihlerinde psikolojik faktrlerin etkisinden sz edilmi ve yiyecek ieriklerinin belirlenmesine ynelik eitli yaklamlardan (elektro-manyetik dalgalar, optik alglama sistemleri gibi) bahsedilmitir. Gda Kansei mhendisliinin uygulamas Ikeda et al. (2006) tarafndan susam aromal salata sosunun kalitesinin deerlendirilmesi probleminde gerekletirilmitir. Deerlendirme soslarn kokular baz alnarak gerekletirilmitir. Laboratuvar ortamnda gerekletirilen uygulamada, tketicilerin koku hissini tarifleyen 15 kelime belirlenmi ve 20 katlmc yedi rn rneini bu kelimelere gre deerlendirmitir.

36 Elde edilen verilere dayanlarak dorusal regresyon analizi ile tketici alg/hisleri ve rn zellikleri arasndaki iliki modellenmitir.

Moda alanndaki tasarm problemlerinin zmnde Kansei mhendislii uygulamalar Chang et al. (2003), moda alannda Kansei mhendisliinin kullanmna ilikin bir alma yapmlardr. Bu almada, bayanlara ynelik farkl giyim stillerinin tasarmclarda ve kullanclarda uyandrd alg/hisler llmtr. Kmeleme analizi ve ok boyutlu lekleme teknikleri kullanlarak giyim stilleri kullanclarda uyandrdklar alg/hislere gre gruplara ayrlmtr. Giyim stilleri ile kullanc alg/hisleri arasndaki ilikinin belirlenmesinde ise konjoint analizi kullanlmtr. Sonuta giyim stilleri kullanc alg/hislerine dayanlarak 20 farkl grupta toplanm ve moda tasarmclarna neriler sunulmutur. Ying and Yan (2006), bayan paltolarnn tasarmnda Kansei mhendisliini uygulamlardr. Bayan paltolar ile ilgili alg/hisleri ifade eden 316 kelime eitli kaynaklardan elde edilmitir. Szkonusu kelimeler benzerliklerine gre alma grubu tarafndan snflandrlm ve kelime snflarndan alt sfat ikilisi Kansei kelimesi olarak belirlenmitir. rn rneklerinin belirlenmesinde ise analitik ekil metodu (shape analytical method) kullanlm ve 20 farkl bayan paltosu rnek olarak seilmitir. Sonu olarak almada, 70 katlmc 20 farkl stildeki palto rneini alt Kansei kelimesi kullanarak deerlendirmitir. Deerlendirmede 7-dzeyli anlamsal farkllklar lei kullanlmtr. Deerlendirme sonucunda elde edilen verilere QT1 analizi uygulanm ve alt Kansei kelimesi ile palto zellikleri arasndaki iliki modellenmitir. Pearce and Coleman (2008), Avrupa Birlii 5. ereve projesi olan ve Kensys olarak adlandrlan proje kapsamnda Kansei mhendisliini SME irketi tarafndan retilen klasik ayakkablarn tasarmlarnn deerlendirilmesinde uygulamlardr. Uygulama, ngiltere ve spanya olmak zere iki lkede yrtlmtr. almada ncelikle kullanc alg/hislerini tarifleyen 200 kelime dergiler, kitaplar ve gazeteler gibi eitili kaynaklardan toplanmtr. SME alanlar ve alma grubu yeleri tarafndan kelimeler benzerliklerine gre snflandrlarak 11 Kansei kelimesine ulalmtr.

37 ngiltereden 100 ve spanyadan 40 katlmc, 27 ayakkab rneini (14 tanesi tekrar retim ve 13 tanesi orjinal olmak zere) 11 Kansei kelimesini kullanarak deerlendirmitir. Deerlendirmede 5-dzeyli Likert lei kullanlmtr. Elde edilen veriler nda, parametrik olmayan Wilcoxon Mann Withney testi kullanlarak kullanc alg/hisleri arasndaki farklar eitli deikenlere gre (rn:cinsiyet, orjinalyeniden retim olma, spanya-ngiltere katlmcs olma) karlatrlmtr. Son olarak her iki lkeden elde edilen verilere ayr ayr faktr analizi uygulanarak kullanc alg/hislerinin anlamsal yaps belirlenmitir. alma anlamsal yapnn belirlenmesiyle snrl kalm, kullanc alg/hisleri ve rn tasarm zellikleri arasndaki iliki incelenmemitir.

Mimari alanndaki tasarmlarda Kansei mhendislii uygulamalar Kinoshita, Cooper and Kamei (2003), binalarn d cephe renklerinin belirlenmesinde Kansei mhendisliinin de kullanld bir renk planlama destek sistemi gelitirmilerdir. Sistemde, sinir alarna dayanan Kansei deerlendirme modelinin yan sra renk uyum modeli ve maliyet deerlendirme modelleri de kullanlarak renk kombinasyonlar belirlenmektedir. belirlenmitir. Uygulamada konu ile ilgili kaynaklardan 470 kelime elde edilmi ve bu kelimelerden 16 sfat ikilisi Kansei kelimesi olarak Szkonusu Kansei kelimeleri kullanlarak 20 katlmc 100 resim rneini 5-dzeyli anlamsal farkllklar leini kullanarak deerlendirmilerdir. Deerlendirme sonucunda elde edilen verilere dayanlarak, her bir sfat ikilisi iin bir sinir a modeli gelitirilmitir. Bylece mteri alg/hislerinin binalarn d cephe renklerinden nasl etkilendii konusunda gerek hayatta kullanlabilecek bulgulara ulalmtr. Takagi, Watada and Yubazaki (2004), Kansei mhendisliini kullanarak konforlu alanlarn nasl tasarlanabilecei zerinde almlardr. Bu almay dier almalardan ayran en nemli zellik kullanc alg/hislerinin alpha dalgalar kullanlarak llmesidir. almada nerilen yaklam, oda scaklnn belirlenmesi rneine uygulanmtr. almada farkl oda scaklklar kullanlarak kiilerin alpha dalgalar llmtr. Ancak alpha dalgalarnn kiiden kiiye deitii ve bu yolla

38 yaplan lmlerin herkes iin geerli olmayacana deinilmitir. gruplandrlmas nerilmitir. Bu sakncadan

kanmak iin farkl deikenler (cinsiyet ve ya gibi) gz nne alnarak kiilerin Bu gruplara dahil kiiler iin ayr ayr genellemeler yaplmasnn daha salkl sonular verecei de vurgulanmtr. Llinares and Page (2007), konut seiminde mteri alg/hislerini Kansei mhendislii kullanarak incelemilerdir. Elde edilen 60 Kansei kelimesi Bu ama iin kaynaklardan 142 kelime 115 katlmc, 112 konutu toplanm ve bu kelimeler benzerlikleri dikkate alnarak 60 kelimeye indirgenmitir. kullanlarak deerlendirmitir. Deerlendirmede 5-dzeyli Likert lei kullanlmtr. Elde edilen verilere faktr analizi uygulanarak mteri alg/hisleri 15 faktr ile aklanmtr. Bu faktrler Spearman korelasyon katsaylar kullanlarak nemlerine gre sralanm ve karlatrlmtr. almada konut zellikleri ve mteri alg/hisleri arasndaki ilikiyi belirlemeye ynelik bir analiz yaplmamtr. Ayas, Eklund and Ishihara (2008), bir hastanenin bekleme odasnn tasarlanmas probleminde Kansei mhendisliini kullanmlardr. Bu amala alt farkl bekleme odas 88 kii tarafndan deerlendirilmitir. Elde edilen veriler kaba (rough) kme teorisi kullanlarak analiz edilmi ve bekleme odas tasarmna ilikin tasarm nerileri sunulmutur.

Havaclk alanndaki tasarmlarda Kansei mhendislii uygulamalar Guerin (2004), Boeing irketinin ticari uaklar departman ile ortak yrtlen almasnda, uaklarn i tasarmn Kansei mhendisliini kullanarak deerlendirmitir. almada 60 katlmc, 15 sfat ikilisi kullanarak be farkl i Deerlendirmede 7-dzeyli anlamsal farkllklar

tasarm rneini deerlendirmitir. edilmitir.

lei kullanlmtr. Elde edilen verilere faktr analizi uygulanarak, iki faktr elde almada Kansei mhendislii Tip-1 (Kategori belirleme) kullanlarak uaklarn i tasarm zellikleri ile kullanc alg/hisleri eletirilmitir.

39 Teknolojik rnlerin tasarmnda Kansei mhendislii uygulamalar Saito et al. (1998), kullanc alg/hislerini dikkate alarak grnt verebilen bir kamera kontrol sistemini Kansei mhendislii kullanarak gelitirmilerdir. ncelikle kullanc alg/hislerini ifade eden 59 kelime toplanm ve bu kelimeler indirgenerek 14 sfat ikilisi Kansei kelimesi olarak belirlenmitir. grnty sz konusu Kansei kelimelerini Uygulama, 24 katlmcnn 19 kullanarak deerlendirmesiyle

gerekletirilmitir. almada kamerann as, nesnenin ekrandaki yn ve nesnenin bykl gibi grsel kamera parametreleri olarak adlandrlan tasarm zellikleri gz nne alnmtr. Bu tasarm zelliklerinin farkl dzeylerinin kullanlmasyla elde edilen grntlerin kullanclarda ne gibi etkiler brakt Wilcoxson testi kullanlarak analiz edilmitir. Mantelet, Bouchard and Aoussat (2003), etkileimli televizyon tasarmnda Kansei mhendisliini kullanmlardr. Bu almann dier almalardan fark tasarm almalarnn ilk aamas olan, rnn tasarmclar tarafndan bilgisayar ortamnda yaratlmas srecinde kullanclarn bu srece dahil edilmesidir. Uygulama iki aamadan olumaktadr. lk aamada rn rnekleri incelenerek kelimeler tretilmi ve 19 kelime belirlenmitir. kinci aamada ise rnn potansiyel kullanclar gz nne alnarak belirlenen katlmclar rnekleri szkonusu kelimeleri dikkate alarak deerlendirmilerdir. Deerlendirmede 7-dzeyli anlamsal farkllklar lei kullanlmtr. Elde edilen verilere dayanlarak, kullanc alg/hislerinin anlamsal yaps grafiksel gsterimler yardmyla yorumlanmtr. almada etkileimli televizyonun sadece kullanc ara yzne ilikin bir uygulama gerekletirilmi, dier zellikleri iin de bu almann yaplabilecei belirtilmitir. Xing-yuan and Xu (2006), farkl mp3-alar rneklerinin kullanc alg/hisleri temel alnarak deerlendirilmesinde Kansei mhendisliini kullanmlardr. Kansei kelimelerin belirlenmesi iin ncelikle eitli kaynaklardan 60 kelime toplanm ve szkonusu kelimeler snflandrlarak 15 Kansei kelimesi belirlenmitir. almada, 35 mp3-alar rnei 50 kullanc tarafndan 15 Kansei kelimesi kullanlarak deerlendirilmitir. Kullanc alg/hislerinin llmesinde 7-dzeyli anlamsal

farkllklar lei kullanlmtr. Uygulama sonunda elde edilen verilere faktr analizi

40 uygulanarak kullanc alg/hislerinin be faktr ile ifade edilebilecei bulunmutur. Genel memnuniyet dzeyi ile faktrler arasndaki iliki temel bileen regresyon analizi kullanlarak modellenmi ve kullanc memnuniyetinin hangi faktrlerle ilikili olduu bulunmutur. Bu almada sadece kullanc alg/hisleri analiz edilmi, rn tasarm zellikleri ile ilikileri aratrlmamtr.

Mzik alannda Kansei mhendislii uygulamalar Deng and Kao (2003), rn promosyonlarnda ya da rnn bir zellii olarak kullanlabilecek mzik paralarnn seiminde Kansei mhendisliini kullanmlardr. almada ncelikle 150 cep telefonu belirlenerek, zelliklerine gre uzman bir grup tarafndan be snfta toplanmtr. Daha sonra szkonusu snflar temsil edecek be rn, uygulamada kullanlmak zere seilmitir. Mzik paralarnn seiminde de, 57 mzik paras uzman bir grup tarafndan be farkl snfa ayrlm ve her bir snf temsil eden be mzik paras rnek olarak seilmitir. Kelimelerin toplanmas aamasnda ise cep telefonu iin toplam 148 ve mzik paralar iin toplam 52 kelime belirlenmitir. Kelimeler benzerliklerine gre gruplandrlarak hem cep telefonu hem de mzik paralar iin 30ar sfat ikilisi belirlenmitir. Belirlenen cep telefonu rnekleri ve mzik paralar Kansei kelimeleri kullanlarak 5-dzeyli 25 katlmc tarafndan lei deerlendirilmitir. Deerlendirmede, anlamsal farkllklar

kullanlmtr. Elde edilen verilere faktr analizi uygulanm ve kullanc alg/hislerinin be faktr ile ifade edilecei belirlenmitir. Daha sonra sz konusu be faktr gz nne alnarak kullanclarda hedeflenen imaj yaratacak cep telefonu-mzik paras kombinasyonlar, QT1 ve benzerlik faktr teknikleri kullanlarak belirlenmitir.

Ev aralarnn tasarmnda Kansei mhendislii uygulamalar Barnes et al. (2004), kullanclarda przszlk hissi uyandran ve zellikle kozmetik alannda kullanlan cam yzeylerin tasarmnda Kansei mhendisliini kullanmlardr. ncelikle pilot bir alma yaplarak be cam yzey, 24 sfat ikilisi kullanlarak 22 bayan katlmc (niversite mensubu) tarafndan deerlendirilmitir.

41 Daha sonra be cam yzey, ayn sfat ikilileri kullanlarak 40 katlmc (niversite mensubu deil) tarafndan deerlendirilmitir. Katlmclar deerlendirmelerini 7Elde edilen verilere dzeyli anlamsal farkllklar leini kullanarak yapmlardr.

temel bileenler analizi ve kmeleme analizi uygulanarak kullanclarda ayn alg/hisleri uya