چکیده
طراحی محصول پایدار به عنوان یکی از مهمترین شیوههای دستیابی به پایداری در نظر گرفته شده است. با این حال، به منظور بهبود عملکردهای زیست محیطی یک محصول از طریق طراحی محصول، یک شرکت اغلب نیاز به ایجاد سازش فنی سختی بین ویژگیهای سنتی و زیست محیطی که نیازمند مفاهیم جدید طراحی و مشخصات فنی هستند دارد. ما در این مقاله، کاربرد نوینی از تحلیل پوششی دادههای (DEA) شبکهی دو مرحلهای را برای ارزیابی عملکردهای طراحی مناسب محصول ارائه میدهیم. ما «کارایی طراحی» را به عنوان معیاری کلیدی از عملکرد طراحی با توجه به میزان خوب بودن ترکیب مشخصات و ویژگیهای متعدد محصول در یک طراحی محصول به طوری که منجر به کاهش اثرات زیست محیطی یا بهبود عملکردهای زیست محیطی شود مفهومسازی میکنیم. یک مدل DEA شبکهی دو مرحلهای، برای ارزیابی عملکرد طراحی پایدار با یک «مدول طراحی صنعتی» و یک «مدول طراحی زیستی» توسعه مییابد. ما برای نشان دادن کاربردهای روش DEA-محور خود، از دادههای مشخصات کلیدی فنی، ویژگیهای محصول، و عملکردهای انتشار (گازهای گلخانهای) در پایگاه داده آزمایشهای انتشارات خودرو، منتشر شده توسط EPA ایالات متحده، برای ارزیابی عملکردهای طراحی پایدار تولیدکنندگان مختلف خودرو استفاده میکنیم. نتایج آزمایش ما نشان میدهند که طراحی پایدار ما نیاز به ایجاد سازش بین ویژگیهای سنتی و زیست محیطی ندارد. از طریق پردازش همبستگی سیستمهای فرعی در طراحی محصول، یک شرکت میتواند موثرترین روش برای ترکیب مشخصات و ویژگیهای محصول را به طوری که منجر به کاهش اثرات زیست محیطی یا بهبود عملکردهای زیست محیطی شوند پیدا کند. این مقاله به وسیلهی توسعهی چارچوب تحقیقاتی جدیدی برای ارزیابی عملکردهای طراحی پایداری و همچنین به وسیلهی ارائهی کاربرد جدیدی از DEA شبکهی دو مرحلهای برای یافتن سازگارترین راهکار با محیط زیست برای دستیابی به عملکردهای زیست محیطی بهتر از طریق طراحی محصول، به تحقیقات موجود کمک میکند.
Abstract
Sustainable product design has been considered as one of the most important practices for achieving sustainability. To improve the environmental performances of a product through product design, however, a firm often needs to deal with some difficult technical trade-offs between traditional and environmental attributes which require new design concepts and engineering specifications. In this paper, we propose a novel use of the two-stage network Data Envelopment Analysis (DEA) to evaluate sustainable product design performances. We conceptualize “design efficiency” as a key measurement of design performance in terms of how well multiple product specifications and attributes are combined in a product design that leads to lower environmental impacts or better environmental performances. A two-stage network DEA model is developed for sustainable design performance evaluation with an “industrial design module” and a “bio design module.” To demonstrate the applications of our DEA-based methodology, we use data of key engineering specifications, product attributes, and emissions performances in the vehicle emissions testing database published by the US EPA to evaluate the sustainable design performances of different automobile manufacturers. Our test results show that sustainable design does not need to mean compromise between traditional and environmental attributes. Through addressing the interrelatedness of subsystems in product design, a firm can find the most efficient way to combine product specifications and attributes which leads to lower environmental impacts or better environmental performances. This paper contributes to the existing literature by developing a new research framework for evaluating sustainable design performances as well as by proposing an innovative application of the two-stage network DEA for finding the most eco-efficient way to achieve better environmental performances through product design.
چکیده
1. پیشگفتار
2. مرور تحقیقات
3. چارچوب پژوهشی
3.1. مرحلهی 1: عملکرد طراحی صنعتی
3.2. مرحلهی 2: عملکرد طراحی زیستی
3.3. ارزیابی عملکرد طراحی
3.4. پیامدهای استراتژیک
4. جمعآوری دادهها و روش تحقیق
4.1. دادهها
4.2. روش تست
5. نتایج تحقیق
5.1. مقایسهی عملکرد کلی
5.2. مقایسهی عملکرد کارلین انفرادی
6. نتیجهگیریها
Abstract
1. Introduction
2. Literature review
3. Research framework
3.1. Stage 1: industrial design performance
3.2. Stage 2: bio design performance
3.3. Design performance evaluation
3.4. Strategic implications
4. Data collection and research procedure
4.1. Data
4.2. Testing procedure
5. Research results
5.1. Overall performance comparison
5.2. Individual carline performance comparison
6. Conclusion