ارائه مدلی جهت پیش بینی و بهبود کیفیت تولید با استفاده از الگوریتم های درخت تصمیم و برنامه ریزی خطی ( مورد مطالعه: شرکتهای تولید کننده موج گیرتیبا در ایران)
الموضوعات :
نادره سادات راست قلم
1
,
رویا محمدعلی پور اهری
2
,
احمد رضا شکرچی زاده
3
,
عاطفه امین دوست
4
1 - گروه مهندسی صنایع، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد ، ایران
2 - گروه مهندسی صنایع، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد ، ایران
3 - گروه مدیریت، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد ، ایران
4 - گروه مهندسی صنایع، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد ، ایران
الکلمات المفتاحية: داده کاوی, کنترل کیفیت, کاهش ضایعات, مدل تحلیل پوششی داده‌ها, الگوهای درخت تصمیم,
ملخص المقالة :
امروز در اکثر صنایع کشور از ابزار کنترل کیفیت آماری جهت بهبود کیفیت محصولات استفاده می‌نمایند ولی با توجه به حجم بالای داده‌ها در حال حاضر نیاز به ابزاری قوی‌تر می‌باشد که بتواند فرایندهای کنترل کیفیت آماری را تحت کنترل قرار دهد با توجه به گستردگی الگوریتم‌های داده‌کاوی در این تحقیق از ابزار داده‌کاوی جهت بهبود فرایند استفاده شده است و همچنین هدف اصلی تحقیق ارائه روشی جهت کشف اقلام معیوب قبل از تولید کامل آنها و جلوگیری از تولید اقلام معیوب می‌باشد. روش کار بدین گونه است که در ابتدا پایگاه داده خرابی تشکیل می‌گردد و پس از جمع آوری داده های کنترل کیفیت، با استفاده از الگوریتم‌های مختلف درخت تصمیم دقت پیش بینی کیفیت قطعات تعیین می‌گردد و در مرحله بعد با استفاده از مدل-تحلیل‌پوششی‌داده‌ها هر یک از قوانین ارزیابی می گردد و در نهایت با استفاده از قوانینی که در هر ایستگاه کاری صدق می‌کنند ارزیابی ایستگاه های کاری انجام می گیرد. بر این اساس در این پژوهش جامعه آماری تمامی قطعات تولیدی موج‌گیر تیبا در سال 1398 می‌باشد. خصیصه ها شامل 9 ایستگاه کاری هستند، بر اساس نتایج بدست آمده بهترین الگوریتم در پیش‌بینی خرابی C5 می‌باشد و مهم‌ترین خصیصه‌های انتخابی توسط آن تعیین می‌گردند عبارت‌اند از: کیفیت خنک کاری، کیفیت سوراخ کاری و کیفیت برش. همچنین ارزیابی قوانین نیز با استفاده از مدل‌تحلیل‌پوششی‌داده‌ها انجام شده و مهم‌ترین قوانین استخراج شده‌اند و در نهایت بر اساس حل مدل دستگاه‌هایی که در اولویت اصلاحی برای سال جاری قرار گیرند عبارتند از: رولینگ، لحیم کاری و برش
.
_||_.
