ارزیابی کیفیت محصولات تولیدی با ارائه رویکردی مبتنی بر شبکه عصبی ـ فازی ANFIS (مورد مطالعه: شرکت تولیدی و صنعتی خزر پلاستیک) | ||
| چشمانداز مدیریت صنعتی | ||
| دوره 14، شماره 1 - شماره پیاپی 53، 1403، صفحه 114-134 اصل مقاله (1 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.48308/jimp.14.1.114 | ||
| نویسندگان | ||
| سمانه راش1؛ میثم عفتی2؛ مصطفی ابراهیم پور* 3 | ||
| 1دانشجوی دکتری، گروه مدیریت، دانشکده مدیریت و اقتصاد، دانشگاه گیلان، گیلان، ایران. | ||
| 2دانشیار، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه گیلان، گیلان، ایران. | ||
| 3دانشیار، گروه مدیریت، دانشکده مدیریت و اقتصاد، دانشگاه گیلان، گیلان، ایران. | ||
| چکیده | ||
| مقدمه و اهداف: در حال حاضر، گسترش تضمین کیفیت دقیق و سریع برای ارائه محصولات تولیدی با کیفیت بالا و ایمن ضروری است. کیفیت بیشتر بر مسائل درون سازمانی تمرکز دارد که برای کنترل و بهبود فرآیندهای داخلی بهکار میرود و بهدنبال بهبود عملکرد بهمنظور رضایت مشتری و رقابتپذیری است. کیفیت حوزهای است که بر تلاش برای توسعه روشهای خودکار تجزیهوتحلیل دادهها با هدف نهایی بهبود مستمر کیفیت محصولات و فرآیندها در صنعت، دولت و جامعه تأکید دارد. سیستم ارزیابی عملکرد کیفیت بهشدت به شناسایی و انتخاب عوامل حیاتی موفقیت و همچنین شاخصهای آن در چارچوب مدیریت کیفیت وابسته است. برای رسیدن به این هدف در صنعت تولید، مشکلاتی مانند بازده تولید پایین، دقت پایین و عدمنوآوری در محصولات وجود دارد. روشها: بر این اساس، طرحی برای معرفی روش هوش مصنوعی به شرکتهای تولیدی برای حل مشکلات ذکرشده و درنتیجه بهبود کیفیت محصولات و کارایی تولید پیشنهاد شده است. بدین منظور، شبکهای مبتنی بر یک سیستم استنتاج عصبی ـ فازی تطبیقی برای ارزیابی و بررسی دقت نتایج و مقایسه کارایی آن ارائه شده است. روش پیشنهادی در تقابل با محاسبات سخت قرار میگیرد و موجب صرفهجویی در زمان و هزینه خواهد شد. در صنایع حجم دادهها افزایش یافته است که به ظهور مفاهیم جدیدی مانند تجزیهوتحلیل دادههای بزرگ منجر شده است و محدودیتها و مزایای راهحلهای مبتنی بر هوش مصنوعی موردبحث قرار میگیرد تا توجه خلاقانه به راهحلهای جدید و جهتگیریهای جدید در صنایع تولیدی، تجاری و خدماتی برای بهبود کارایی فرآیندهای خود، افزایش ارزش راهحلهای خود و طراحی محصولات جدید برای یافتن مشاغل و بازارهای جدید را برانگیزد. تقریباً تمام نقشههای راه بینالمللی که بر نوآوری و پژوهش متمرکز شدهاند، هوش مصنوعی را بهعنوان محرک اساسی فناوری آینده دربرمیگیرند. یکی از چالشهای روشهای سنتی در مدیریت کیفیت، مدیریت دادههای تولیدی با ابعاد بالا و غیرخطی است. برای حل این مشکلات، فرآیندی مبتنی بر هوش مصنوعی برای بهبود کیفیت محصول و کارایی تولید در این پژوهش توسعه داده شده است. در این پژوهش یک مدل استتنتاج عصبی ـ فازی تطبیقی که همزمان دارای مزایای شبکه عصبی و استنتاج فازی است، برای ارزیابی و استخراج درجه کیفیت محصولات تولیدی و برای استنباط اینکه چگونه مجموعهای از پارامترهای تولید و کیفیت فرآیند یک سیستم تولید مرتبط هستند، پیشنهاد شده است. یافتهها: بهمنظور آموزش مدل پیشنهادی از دادههای مربوط به فرایند کیفیت یک قطعه از خط تولید «شرکت صنعتی خزر پلاستیک» استفاده شد و 550 داده مرتبط با فرایند کیفیت با تأکید بر متغیرهایی تأثیرگذار شامل«معیار ظاهری، قطر خارجی چرخدنده بزرگ، ضخامت چرخدنده، طول شافت فلزی، ارتفاع شافت فلزی، قطر خارجی شافت فلزی» بهعنوان متغیر ورودی و کیفیت نهایی بهعنوان متغیر خروجی در نظر گرفته شد. درنهایت دقت نتایج و کارایی مدل استتنتاج عصبی ـ فازی تطبیقی پیشنهادی با استفاده از شاخصهای آماری ضریب همبستگی و جذر میانگین مربعات خطا موردارزیابی قرار گرفت. نتیجهگیری: با توجه به نتایج، دادههای مورداستفاده برای ارزیابی کیفیت قطعه تولیدی در روش نرو فازی تطبیقی ـ پیشنهادی با ضریب همبستگی 95/0 و میانگین مربعات خطا 42869/0 تطابق خوبی بین کیفیت خروجی مدل و مقادیر واقعی ارائه داد. | ||
| کلیدواژهها | ||
| سیستم استنتاج عصبی ـ فازی تطبیق (ANFIS)؛ یادگیری نظارتشده؛ مدیریت کیفیت؛ بهبود کیفیت؛ تولید | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 5,737 تعداد دریافت فایل اصل مقاله: 3,474 |
||
| تعداد نشریات | 41 |
| تعداد شمارهها | 1,611 |
| تعداد مقالات | 14,143 |
| تعداد مشاهده مقاله | 97,795,737 |
| تعداد دریافت فایل اصل مقاله | 62,436,096 |