El control de la calidad de un servicio hasta ahora ha sido realizado a través de técnicas de muestreo estadístico, usando para ello cuestionarios que permiten el recojo de las percepciones, supuestos y creencias del Cliente, relacionadas al cumplimiento de los requisitos de calidad esperados. La calidad de un servicio es evaluada en forma polivalente: excelente, buena, regular, mala, muy mala. La opinión del cliente es de vital importancia para medir el grado de calidad del servicio, sin embargo, existen otros aspectos que mantiene estrecha relación con el nivel de calidad logrado tales como la performance del proceso y el desempeño del personal. En la actualidad no existe una evaluación que integre la información obtenida de estos tres aspectos dado que los métodos de estimación estadísticos clásicos no ofrecen la incorporación de aspectos blandos (como la percepción del cliente) de manera coherente con indicadores de medición. Dada la inexactitud existente y asociada a la medición de satisfacción del cliente, creemos apropiado la introducción de metodologías blandas para abordar el tema. Se propone el análisis del grado logrado de calidad de un servicio, mediante la generación de un modelo de control basado en lógica difusa, que mediante criterio experto obtenido de la aplicación de la metodología de sistemas suaves en la intervención en un caso específico como es el proceso de quejas en una superintendencia gubernamental, se construya e implemente un sistema de indicadores de la calidad del proceso.
Inteligencia Artificial aplicada en el control de la Calidad de un Servicio
1. Diseño de un Sistema de Indicadores para Controlar la Calidad de un Servicio aplicando Lógica Difusa y la Metodología de Sistemas Suaves Jorge M. Valenzuela P. Alumno MS CS de Ingeniería de Sistemas Universidad Nacional de Ingeniería [email_address] AGOSTO 02, 2007 ECI 2007 PERU
9. Diseñando indicadores de procesos Atención al Cliente Promedio de tiempo de resolución de controversias. Suma(fecha de resolución de controversia – fecha de originada la demanda queja)/Total de controversias resueltas. JPmTC Días Mensual Recursos Desviación estándar de tiempo de resolución de controversias. Desviación Estándar(fecha de resolución de controversia – fecha de originada la demanda queja,) JDvTC Días Mensual Recursos Promedio de personas que participan en la solución de controversias. Suma(total de personas que participan en la solución de controversias)/Total de controversias resueltas. JPmPC Personas Mensual Recursos Desviación estándar de de personas que participan en la solución de controversias. Desviación Estándar(total de personas que participan en la solución de controversias, JPmPC) JDvPC Personas Mensual Recursos Controversias Resueltas Total de Controversias Resueltas JTtC Cantidad Mensual Eficacia Eficiencia del proceso en base al promedio Total Eficacia Ponderada/ Total del Promedio de Recursos Utilizados Ponderado (la suma de los pesos ponderados debe ser igual a 1, la ponderación para los recursos es independiente a la ponderación para la eficacia) JTtPmE Cantidad Mensual Eficiencia Eficiencia del proceso en base a la desviación estándar. Total Eficacia Ponderada/ suma((Promedio de Recurso utilizado + Desviación Estándar de Recurso Utilizado)*Peso ponderado del recurso) (la suma de los pesos ponderados debe ser igual a 1, la ponderación para los recursos es independiente a la ponderación para la eficacia) JTtDvE Cantidad Mensual Eficiencia Calidad A definir
10. Relacion entre indicadores de gestion e indicadores de procesos Indicadores Financieros Indicadores Del Cliente Indicadores De procesos Indicadores Del Personal Indicador de la Calidad del Servicio logrado
11.
12.
13. Aspectos Blandos al Medir la Calidad del Servicio 1. Desempeño del Personal 2. Requisitos y Satisfacción del Cliente Procesos Diferentes percepciones, creencias y Supuestos de la calidad. Las mejores soluciones son las culturalmente factibles y Técnicamente deseables
35. BIBLIOGRAFIA [7] B. Kosko, Neural Networks and Fuzzy Systems: A Dynamical Systems Approach to Machine Intelligence . Englewood Cliffs,NJ: Prentice Hall, 1992. [8] P R. Kruse, J. Gebhardt, F. Klawonn, Foundations of Fuzzy Systems '. John Wiley &Sons, 1994. [9] P F.M. McNeill, E. Thro, Fuzzy Logic: A Practical Approach . AP professional, 19 [10] Bob Hayes Como medir la satisfacción del cliente. Oxford.1999 [11] Peter Checkland. Pensamiento de Sistemas, Practica de Sistemas. Wiley.1997 [12] ISO 9000:2004 Sistema de Gestión de la Calidad. 2000