بهبود کارایی خطوط تولید خودرو با استفاده از تحلیل پوششی دادههای شبکهای و الگویابی
الموضوعات :مهدی کمیجانی 1 , امیر غلام ابری 2 , نقی شجاع 3 , احمد شایان نیا 4
1 - گروه مدیریت صنعتی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران
2 - گروه ریاضی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران
3 - گروه ریاضی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران
4 - گروه مدیریت صنعتی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران
الکلمات المفتاحية: Network Data Envelopment Analysis, Modeling, Productivity, Performance evaluation, Efficiency,
ملخص المقالة :
بهبود کارایی در خطوط تولید باتوجه‌به تقاضای بازار و محدودیتهای اقتصادی از اهمیت خاصی برخوردار است. در این تحقیق از روش تحلیل پوششی دادههای شبکهای با عوامل نامطلوب به‌عنوان روش اصلی برای تجزیه‌وتحلیل صنعت خودرو و ارزیابی کارایی پنج خط تولید استفاده شده است. کارایی خطوط تولیدی محاسبه شده، سپس مجموعه مرجع که کاراترین DMUهایی است که الگوها را می‌سازند به دست آمده و بر اساس آن که خود الگو است، برای بقیه موارد شناسایی شد کدام عوامل واحد ناکارا بر اساس واحد کارا الگوسازی شود تا کارایی آنها نیز افزایش یابد. در نهایت اقدامات لازم جهت تغییر مقدار مؤلفه‌ها در مجموعه مرجع ارائه شده‌اند. نتایج به‌دست‌آمده نشان میدهد واحد اثربخشی در خط تولید E نسبت به باقی خطوط کاراتر است. دلیل عمده ناکارایی خطوط تولیدی، ضعف نرخ دستیابی ایرادات اعلام شده به شبکه خدمات پس از فروش در سه ماهه اول پس از تحویل خودرو، نرخ دستیابی به حفاظت از مشتری، ایرادات کیفی و تعمیرات و بازکاری، سطح مهارت اپراتور، موجودی در دست تعمیر و میانگین V1+V2 تأمین‌کننده است.
[1] Wu, D. and D.L. Olson, Supply chain risk, simulation, and vendor selection. International journal of production economics, 2008. 114(2): p. 646-655.
[2] Zhang, J. and W. Tan, Research on the performance evaluation of logistics enterprise based on the analytic hierarchy process. Energy Procedia, 2012. 14: p. 1618-1623.
[3] Kazan, H., Performance evaluation in research and development, intellectual capital, and firm infrastructure projects as intangible assets. African Journal of Business Management, 2012. 6(5): p. 1872-1882.
[4] Chen, C. and H. Yan, Network DEA model for supply chain performance evaluation. European journal of operational research, 2011. 213(1): p. 147-155.
[5] Charnes, A., W.W. Cooper, and E. Rhodes, A Data Envelopment Analysis Approach to Evaluation of the Program Follow through Experiment in US Public School Education. 1978, Carnegie-Mellon Univ Pittsburgh Pa Management Sciences Research Group.
[6] Färe, R. and S. Grosskopf, Network DEA. Socio Econ Plan Sci 34:35–49, 2000.
[7] Cook, W.D., L. Liang, and J. Zhu, Measuring performance of two-stage network structures by DEA: a review and future perspective. Omega, 2010. 38(6): p. 423-430.
[8] Kao, C., Network data envelopment analysis. International Series in Operations Research & Management Science. DOI, 2017. 10: p. 978-3.
[9] Banker, R.D., A. Charnes, and W.W. Cooper, Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management science, 1984. 30(9): p. 1078-1092.
[10] Miina, A., M. Saat, and E. Kolbre, Critical success factors of lean thinking implementation in Estonian manufacturing companies. 2012: TUT Press.
[11] Kumar, N., et al., Implementing lean manufacturing system: ISM approach. Journal of Industrial Engineering and Management (JIEM), 2013. 6(4): p. 996-1012.
[12] Gijo, E. and J. Scaria, Process improvement through Six Sigma with Beta correction: a case study of manufacturing company. The International Journal of Advanced Manufacturing Technology, 2014. 71(1-4): p. 717-730.
[13] Bagozzi, R.P., Performance and satisfaction in an industrial sales force: An examination of their antecedents and simultaneity. Journal of Marketing, 1980. 44(2): p. 65-77.
[14] Kiaei, H. and R. Kazemi Matin, Common set of weights and efficiency improvement on the basis of separation vector in two-stage network data envelopment analysis. Mathematical Sciences, 2020. 14(1): p. 53-65.
[15] lo Storto, C., Performance evaluation of social service provision in Italian major municipalities using Network Data Envelopment Analysis. Socio-Economic Planning Sciences, 2020. 71: p. 100821.
[16] Villano, R.A., et al., Measuring disaster resilience in the Philippines: evidence using network data envelopment analysis. Climate and Development, 2020. 12(1): p. 67-79.
[17] گلسفید, غ., دانشیان, and ر.م. خلیفه, کارایی متقاطع برای دادههای بازه‌ای و کاربرد آن جهت بهبود عملکرد یک سیستم به‌کمک شبیه‌سازی. تصمیم گیری و تحقیق در عملیات, 2021.
[18] طاهر, ف., et al., تخمین خروجیهای نامطلوب و ورودیهای مطلوب به همراه بهبود در کارایی برای واحدهای تصمیمگیری با داده های بازه ای. پژوهش های نوین در ریاضی, 2021. 7(29): p. 65-72.
[19] عباسیان, ح., ارتقاء واحدهای ناکارا (با داده های منفی) در جهت وزن های مشترک در تحلیل پوششی داده ها. Iranian Journal of Optimization, 2021. 13(3).
[20] ایرانزاده and سلیمان, کاربرد تحلیل پوششی دادهها در اندازهگیری کارآیی نسبی مراکز تلفن شهری (مطالعه موردی: مخابرات منطقه آذربایجان‌شرقی). مدیریت بهرهوری, 2022.
[21] خردرنجبر, et al., ارزیابی کارآئی سیستم نگهداری و تعمیر ساختمانها با استفاده از روش تحلیل پوششی دادهها. نشریه مهندسی سازه و ساخت, 2022. 8(شماره ویژه 4): p. 252-269
[22] نصراللهیان, پ., et al., بهبود مجموعه امکان تولید در تحلیل پوششی دادهها با استفاده از مقادیر بازه اطمینان. پژوهش های نوین در ریاضی, 2022.
[23] Mocholi-Arce, M., et al., Performance assessment of the Chilean water sector: A network data envelopment analysis approach. Utilities Policy, 2022. 75: p. 101350.
دسترسي در سايتِ http://jnrm.srbiau.ac.ir
سال دهم، شماره چهل و هفتم، فروردین و اردیبهشت 1403
|
بهبود کارایی خطوط تولید خودرو با استفاده از تحلیل پوششی دادههای شبکهای و الگویابی
مهدی کمیجانی1، امیرغلام ابری21، نقی شجاع3، احمد شایان نیا4
(1و4) گروه مدیریت صنعتی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران
(2و3) گروه ریاضی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران
تاريخ ارسال مقاله: 13/04/1401 تاريخ پذيرش مقاله: 16/09/1401
چکيده
بهبود کارایی در خطوط تولید باتوجه‌به تقاضای بازار و محدودیتهای اقتصادی از اهمیت خاصی برخوردار است. در این تحقیق از روش تحلیل پوششی دادههای شبکهای با عوامل نامطلوب به‌عنوان روش اصلی برای تجزیه‌وتحلیل صنعت خودرو و ارزیابی کارایی استفاده شده است. مدل پوششی و اجرا شد که از آن دو چیز به دست آمد، مجموعه مرجع که واحدهاي تصميمگيرنده است که الگوها را می‌سازند و معيار که خود الگو است. سپس شناسایی شد کدام عوامل واحد ناکارا باید تغییر کنند و عواملی که باید تغییر کنند تابعی از چه پارامترهایی هستند. در نهایت اقدامات لازم جهت تغییر مقدار مؤلفه‌ها در مجموعه مرجع ارائه شده‌اند. نتایج به‌دست‌آمده نشان میدهد واحد تصميمگيرنده 5 در خط E نسبت به باقی خطوط کاراتر است. دلیل عمده ناکارایی خطوط تولیدی، ضعف نرخ دستیابی ایرادات اعلام شده به شبکه خدمات پس از فروش در سه ماهه اول پس از تحویل خودرو، نرخ دستیابی به حفاظت از مشتری، ایرادات کیفی و تعمیرات و بازکاری، سطح مهارت اپراتور، موجودی در دست تعمیر و میانگین V1+V2 تأمین‌کننده است.
واژه‌های کلیدی: تحلیل پوششی دادههای شبکهای، کارایی، الگویابی، ارزیابی عملکرد، بهرهوری
1. مقدمه
صنعت خودرو در اقتصاد کشور مهم است و رشد آن و افزایش متقاضیان عام و خاص محصولات آنها، روزبه‌روز بر اهمیت کیفیت آن میافزاید. در صنایع خودروسازی، همانطور که نیازمند تحقیق و توسعه، طراحی و تکوین محصول جدید هستند، نیازمند حفظ شرایط فعلی به‌صورت پایدار نیز هستند. یکی از مهم‌ترین استراتژیهای شرکتهای خودروسازی در فضای رقابتی، توجه روزافزون به ارزیابی عملکرد است. شاخصهای مختلفی برای ارزیابی عملکرد در دسته‌هایی نظیر هزینه، زمان، سود، کیفیت و نیروی انسانی و ... اندازهگیری میشوند [1]. در سالهای اخیر، آگاهی از عملکرد سازمان برای مدیران اهمیت بسیاری دارد تا به اهداف سازمانی خود برسند زیرا در محیطی رقابتی فعالیت دارند و بایستی از مدل ارزیابی عملکرد مناسب سازمان خود استفاده نمایند [2]. بهرهوری و ارزیابی یکی از خواستههای اصلی و مهم سازمانها، شرکتها و موسسات است.
در ادامه، در بخش دوم به بررسی ادبیات نظری و پیشینه تحقیق، بخش سوم به ارائه مدل، بخش چهارم به یافتههای تحقیق و بخش پنجم به ارائه نتایج پرداخته خواهد شد.
2. مرور ادبیات
تحلیل پوششی دادهها تکنیکی است که نقش مهمی در اندازهگیری کارایی نسبی دارد و به‌عنوان یک روش برنامهریزی ریاضی برای ارزیابی واحدهای تصمیمگیری مورد استفاده قرار میگیرد. مدلهای تحلیل پوششی دادهها بر اساس میزان توانایی هر واحد تصمیمگیری در تبدیل ورودیها به خروجیها در یک فضای مقایسهای به کار گرفته میشوند [5]. اولین ظهور اصطلاح تحليل پوششي دادههاي شبکهای در سال 2000 بود [6]. اندازهگیری عملکرد کل واحد یا جعبه سیاه برای انجام کار نسبتاً ساده است، زیرا فقط ورودیهای عرضه شده و خروجیهای تولید شده توسط واحد تصميمگيرنده باید در نظر گرفته شوند که این امر بیان سیستماتیک از مدل را امکانپذیر میسازد. در مقابل، اندازهگیری عملکرد سیستم شبکهای با استفاده از یک مدل کلی برای بیان دشوار است، زیرا ساختارهای مختلف از سیستم تولید شبکهای درگیر هستند. سادهترین ساختار سیستمهای شبکهای، سیستم دو مرحلهای پشتیبان است که ورودیهای عرضه شده از خارج، همگی در مرحله اول برای تولید مجموعهای از محصولات واسطه مورد استفاده قرار میگیرند که در مرحله دوم برای تولید خروجیهای نهایی سیستم استفاده میشوند [7]. بررسی ارائه شده در کائو در سال 2017 باتوجه‌به تحليل پوششي دادههاي شبکهای جزئیات بسیاری از مدلها و برنامههای مرتبط را ارائه میدهد و یک نمای کلی درباره این موضوع ارائه میدهد [8].
درصورتی‌که 
و 
، 
مین ورودی 
و 
مین خروجی 
از 
مین واحد تصميمگيرنده را تعریف کنند، مدل تحليل پوششي دادههاي توسعه یافته توسط چارنز در سال 1978 برای اندازهگیری بازده نسبی واحد تصميمگيرنده 
با فرض بازده ثابت به مقیاس در فرم چند برابر به شرح زیر است:
(1) 
که 
و 
ضریب مجازی و 
یک عدد کوچک غیر ارشمیدسی است که برای جلوگیری از نادیده گرفتن هر عاملی در محاسبه بازده مورد استفاده قرار میگیرد [9] و از این مدل به‌عنوان مدل CCR یاد میشود. اگر بازده به مقیاس مجاز متغیر باشد، متغیر نامحدود 
از 
در تابع هدف و 
در مجموعه محدودیتها کم میشود. مدل (1) ورودی است. مدل تحليل پوششي دادهها همچنین میتواند به‌عنوان یک مدل برون سازمانی تنظیم شود. در این حالت، مدل تحت بازده ثابت به مقیاس همان مدل (1) است در حالی که یکی از متغیرهای برگشت یافته به مقیاس، یک متغیر نامحدود 
را به 
و 
در مجموعه محدودیت اضافه میکند. این مدل که اجازه میدهد بازگشت به مقیاس متغیر باشد، از آن به‌عنوان مدل BCC یاد میشود. مدل (1) دارای دوگانی است که میتواند به‌صورت زیر تنظیم شود:
(2) 
نامحدود در علامت
این مدل ورودی گرا و از نوع پوششی است. اگر مدلی خروجی گرا موردنظر باشد، عملکرد تابع به 
تغییر مییابد و متغیر متصل به 
به 
منتقل میشود. علاوه بر این، هنگامی که فرض بازده ثابت به مقیاس به بازده متغیر به مقیاس تغییر مییابد، محدودیت محدب بودن 
به آن اضافه میشود.
مدل (1) (یا مدل (2)، معادل آن) ساختار داخلی سیستم را در اندازهگیری بهرهوری در نظر نمیگیرد و بنابراین معمولاً مدل جعبه سیاه نامیده میشود. مدل جعبه سیاه فقط ورودیهای 
مصرف شده و خروجیهای 
تولید شده از سیستم را در نظر میگیرد. در مقایسه با مدل جعبه سیاه، یک مدل شبکه عملکرد فرآیندهای جزء را در اندازهگیری کارایی در نظر میگیرد. وقتی ساختار داخلی یک سیستم در نظر گرفته شود، ورودیهای عرضه شده از خارج میتوانند مستقیماً توسط کلیه فرآیندها مورد استفاده قرار گیرند و خروجیهای هر فرآیند میتواند یا خروجی نهایی سیستم یا محصولات واسطهای باشد که توسط سایر فرایندها برای تولید استفاده میشود.
اجرای موفقیتآمیز سیستمهای تولیدی با کیفیت، از اوایل دهه 1900، یک مشکل کلی برای شرکتهای تولیدی خودرو در سرتاسر جهان بوده است [10-12]. سیستمهای تولیدی با کیفیت نامناسب، بر شاخصهای عملکرد بهرهوری تولید، فرآیندهای ناب، تغییرات چرخه زمان، توان مصرفی، تغییر زمان، خرابی، زمان انتظار، بازنگری و چرخه زمان تأثیر منفی میگذارند [13].
بر تعداد مقالات در زمینه تحلیل پوششی دادهها و محاسبه و بهبود کارایی سیستم سال به سال افزوده میشود، همانطور که در چندین مطالعه مروری سالهای اخیر در ادامه نشان داده شده است.
كيايي و متين در سال 2020 به منظور ارزیابی واحدها و زیر مجموعههای موجود در تحلیل پوششی دادههای شبکهای دو مرحلهای بر اساس یک معیار یکسان، پیشنهاد میکنند از روش CSWs بر اساس بردار جدایی استفاده شود [14]. در مقاله لو استورتو در سال 2020 از آنالیز پوششی دادههای شبکه برای سنجش عملکرد شهرداری استفاده شده است. رویکرد تحلیل پوششی دادههای شبکهای اجازه میدهد تا در صورت مقایسه با تحلیل پوششی دادههای سنتی، ارزیابی جامعتری از عملکرد شهرداری داشته باشیم [15]. در مقاله ويلانو و همكاران در سال 2020، استحکام خانهها را در پاسخ به سوانح ناشی از آب و هوا از جمله سیل ناشی از فلش و رانش زمین در دره کمپوستلا فیلیپین ارزیابی میکنیم [16]. با استفاده از ارائه زوج مدلهای پیشنهادی گلسفيد و همكاران در سال 2021 توانستند عملکرد یک سیستم خدماتی را به کمک شبیه‌سازی سناریوهای مختلف برای آن سیستم بهبود دهند. نتایج حاکی از آن است که سناریوی معرفی شده توانسته کارایی سیستم را %22 افزایش دهد [17]. طاهر و همكاران در سال 2021 در مقاله خود به مطالعه تحلیل پوششی دادههای معکوس می‌پردازد. آنها با در نظر گرفتن دادهها به صورت بازه‌ای، روش تحلیل پوششی دادههای معکوس را با استفاده از مدل برنامهریزی خطی چندهدفه، به کار گرفتند، به‌طوری که کارایی واحد تحت ارزیابی بهبود پیدا کند [18]. هدف اصلی مقاله عباسيان در سال 2021، ارتقا و بهبود واحدهای ناکارا به وسیله وزنهای مشترک به دست آمده از همه واحدهای مورد مطالعه میباشد. در واقع وزنهای مشترک ورودیها و خروجیهایی که شامل دادههای منفی است را به وسیله حل یک مدل برنامهریزی خطی به دست میآورند و بردار وزنها را به عنوان جهتی در نظر میگیرند که واحدهای ناکارا در آن مسیر ارتقا مییابند [19]. ايرانزاده و همكاران در سال 2022 در صدد پاسخگویی به این سوال برآمدند که چگونه میتوان مراکز تلفن شهری ناکارا را به مرز کارایی رساند. آنها به روش «تحلیل پوششی دادهها» و در شرایط «بازده به مقیاس ثابت و متغیر»، امتیاز کارایی مراکز محاسبه، رتبهبندی و در نهایت راه‌کارهای بهبود کارایی مراکز ناکارا استخراج کردند و عوامل مهم ناکارایی را اعلام کردند [20]. در پژوهش خردرنجبر و همكاران در سال 2022 با هدف ارزیابی عملکرد و بررسی کارایی سیستم نت در ساختمانها با استفاده از روش کمی و قابل اثبات تحلیل پوششی دادهها، پس از تعیین شاخصهای خروجی و ورودی، با استفاده از روش تحلیل پوششی دادهها میزان کارآئی هر یک از ساختمانها مبتنی بر شاخصهای سیستم نت و هزینه آن (در مطالعه موردی شهر کرج) مشخص گرديد و با بررسی نتایج، برای بهبود کارایی هر کدام از ساختمانهای ناکارا بر اساس هزینههای نگهداری و تعمیر، پیشنهاداتي جهت بهبود کارایی ارائه گرديد [21]. در مقاله نصراللهيان در سال 2022 سعی شده تا با افزون واحدهای تصمیمگیرنده مجازی با استفاده از فاصله اطمینان، مرز مجموعه امکان تولید را بهبود داد تا بتوان رتبهبندی بهتری نسبت به رتبهبندی مرسوم ارائه کرد. زیرا ساخت مجموعه امکان تولید و استفاده از آن برای رتبهبندی واحدهای تصمیمگیرنده یک روش مرسوم در علم تحلیل پوششی دادهها میباشد. اما از آنجا که مجموعه امکان تولید تخمینی از مجموعه تکنولوژی واقعی T میباشد، در بسیاری از مواقع فاصله زیادی از آن میگیرد و این سبب ایجاد مشکلاتی در رتبهبندی میشود [22]. مطالعه موچولي آرس و همكاران در سال 2022 یک مدل ساختار شبکه دو مرحلهای را برای ارزیابی هزینه ارائه‌دهندگان خدمات آب و عملکرد عملیاتی دربرگیرنده متغیرهای کیفیت خدمات اعمال میکند. یک تحلیل تجربی از صنایع آب و فاضلاب شیلی در دوره 2010-2018 ارائه شده است. علاوه بر این، در مرحله دوم تحلیل، تأثیر مجموعهای از متغیرهای برون‌زا بر عملکرد شرکتهای آب را تحلیل کردهاند [23].
با مطالعه تحقيقات گذشته مشخص ميشود محاسبه کارایی، ارزیابی عملکرد و تعیین اولويتبندی شاخصهای عملکرد، نمونههایی از کاربردهای موثر تحلیل پوششی دادهها به شمار میرود. مزیت این کاربردها آن است که علاوه بر تعیین میزان کارایی نسبی نقاط ضعف سازمانها را در شاخصهای مختلف تعیین کرده با ارائه میزان مطلوب آنها خط مشی سازمان را به سوی ارتقای کارایی و بهرهوری مشخص میکند. مدلهای شبکهای تحلیل پوششی دادهها این امکان را فراهم میكنند تا علاوه بر كارایی كلی هر واحد تصمیمگیرنده، به بررسی فرایندهای داخلی و مراحل كاری واحدهای تصمیمگیرنده و در نتیجه بهبود آنها پرداخته شود.
3. روش پژوهش
گاهی کاهش کارایی به منزله بهبود کارایی اشکالی ندارد. مثلاً شخصی به دلیل بیماری 60 درصد مواقع نمی‌تواند پله را بالا برود. پس از عمل برای بهبود بیماری به دلیل دوره نقاهت بیماری بالارفتن از پله به 10 درصد می‌رسد. پس از گذشت دوران نقاهت بالارفتن از پله شخص به 90 درصد افزایش مییابد. همه سازمانها نیز بدین‌گونه هستند و هنگام افزایش کارایی انتظار دارند به‌صورت خطی روند بهبود را بپیمایند درصورتی‌که این روند به دلیل اصلاح فرایندها و هر چیزی که در آن سازمان وجود دارد، کارایی ابتدا افت میکند و سپس افزایش مییابد. مدت‌زمان و میزان افت کارایی بستگی به سازمان و نوع آن دارد، اینکه سازمان چقدر ظرفیت تغییرات جهت بهبود را دارد. بیشتر مدیران به دلیل ترس از افت کارایی سعی میکنند کارایی و شرایط سازمان را ثابت نگه دارند و روزمرگی میکنند. فقط این نیست که بگوییم کجا باشد، چند تا نکته در آن وجود دارد. نکته اول اینکه الگویابی را برای زمان حال به دست میآورند این در حالی است که الگویابی برای آینده باید اتفاق بیفتد. ما در تمام سازمانها کاهش هزینه زمان صفر است چون مثلاً از الان دستور می‌دهیم اضافه‌کاری‌ها قطع شود و انجام میشود، یا می‌گوییم چراغ‌های اضافه خاموش شوند و همین‌الان یک چراغ میشود یا می‌گوییم از این هفته حقوق‌ها نصف شود و همین‌الان انجام میشود. ولی این فی‌البداهه نیست که بگوییم درآمد زیاد شود، فروش زیاد شود، تولید زیاد شود و ... در فروش بازاریاب ابتدا باید بازاریابی کند، تبلیغات نمود، قرارداد بست و با مشتری جلسه گذاشت تا بتوان محصول را فروخت و یک‌زمان تولید و یک‌زمان فروش داریم، پس زیادشدن فروش زمان می‌خواهد و بزرگ‌تر از صفر است. بسته به نوع کالا مدت‌زمان آن متفاوت است. در مدت‌زمانی که طولی می‌کشد تا ما کارایی را بهبود دهیم و به نقطه مشخص شده برسیم، موجودیت‌های کارا نیز بهبود مییابند و مقدار کارایی آنها افزایش مییابد؛ بنابراین زمانی که ما به نقطه مشخص شده می‌رسیم، باز هم کارا نیستیم و مقدار کارا نیز جابه‌جا شده و افزایش‌یافته است. دلیل این است که زمان را حساب نکردیم که با گذشت زمان نقاط کارا نیز به دلایلی مثل تکنولوژی تولید بهبود خواهند یافت و با گذشت زمان به چه نقطه‌ای خواهند رسید. در نتیجه به فرایندی به نام پیش‌بینی نیاز است. نکته دوم راه رسیدن به نقطه معيار است که شامل مسیر حرکت و اینکه چه تغییراتی لازم است و کجای سیستم را باید تغییر دهیم. مدلهای کمی هیچ‌کدام این پاسخ را به ما نمی‌دهند و نمی‌توانند بگویند باید چه کرد، دستگاه‌ها کالیبره شود، نیروها آموزش داده شود، تبلیغات افزایش یابد تا سازمان کاراتر شود. در تحلیل پوششی دادهها در این جا چیزی به نام مجموعه مرجع داریم که به آن مجموعه مرجع گفته میشود. مجموعه مرجع چیست؟ ما وقتی یک نقطه‌ای را برای رسیدن به کارایی هدف‌گذاری میکنیم، این نقطه روی مرز کارایی از ترکیب نقاط حقیقی که روی مرز قرار دارند به وجود می‌آید که به آنها واحد تصميمگيرنده گفته میشود. بر اساس این که نقطه کارایی که شرکت در آن قرار دارد، نزدیک به کدام یک از نقاط روی مرز کارایی است، برای آن مجموعه مرجع تعریف میکنیم. مرجع این نقطه نیستند اما مرجعی برای یافتن نقطه الگو هستند. این مرجع بسته به اینکه نقطه موردنظر به کدام یک نزدیک‌تر است، آن مرجع وزن بالاتری میگیرد و می‌گوید نقطه الگوی ما به کدام واحدهاي تصميمگيرنده نزدیک‌تر است و هرکدام که وزن بالاتری دارد، باید ببینیم مدیریت آن سازمان چگونه در آن کار کرده و چه کارهایی در آن انجام میشود و چه تغییراتی در سیستم به وجود آورده که کاراتر است و از آنها برای رسیدن به آن الگو، الگوبرداری انجام دهیم. تحلیل پوششی دادهها می‌گوید که ما 
داریم و باید به 
تبدیل شود. الگویابی را به این صورت میتوان پیاده‌سازی نمود که با شناسایی زیرمجموعه‌ها، شناسایی مجموعههاي مرجع، شناسایی معيار، از طریق پرسش‌نامه ببینیم در مجموعههاي مرجع معيارها چه تغییری ایجاد کردهاند و بعد پیشنهاد دهیم.
در این تحقیق برای محاسبه کارایی، تعیین واحدهای ناکارا و نهایتاً کارا نمودن واحدهای ناکارا گام‌های زیر پیشنهاد میشود:
گام اول. تعریف متغیرهای ورودی و خروجی
گام دوم. محاسبه کارایی واحدها و تعیین واحدهای ناکارا
گام سوم. شناسایی شود عواملی که باید تغییر کنند تابعی از چه پارامترهایی هستند. مثلاً می‌گوییم 
تابعی است از 
تا 
.
گام چهارم. تحقیق شود که بردار یا مؤلفه‌های 
چگونه در مجموعه مرجع تغییر کردهاند (با استفاده از پرسش‌نامه جهت به دست آوردن روش ابتکاری-بله خیر نیست). منظور روشهای مدیریت آیتمها و روشهای تغییر است نه مقدار تغییر.
گام پنجم. از تحقیق 'گام چهارم پیشنهاد برای ناکارا ارائه شود.
گام اول. تعریف متغیرهای ورودی و خروجی
در مدلهای تحلیل پوششی دادههای شبکهای هر واحد تصمیمگیرنده از چند جز تشکیل شده است. ساختار مورد استفاده در مدل موردنظر ترکیبی است و اندیسها، متغیرهای تصمیم و پارامترهای مدل در زیر آورده شده است:
| اندیس ورودی هر بخش | ||||||||||||||||||
| اندیس بخش مورد بررسی | ||||||||||||||||||
| اندیس خروجی هر بخش | ||||||||||||||||||
| متغیر وزن داده شده به خروجی | ||||||||||||||||||
| متغیر وزن داده شده به ورودی | ||||||||||||||||||
| مقدار ورودی | ||||||||||||||||||
| مقدار خروجی | ||||||||||||||||||
| مقدار میانی تولید شده توسط بخش | ||||||||||||||||||
| x(i,j) | بهرهگیری از سرمایه | تعداد کل کارکنان | زمان سیکل خرید سفارشات | زمان گردش مالی کل | هزینه موجودی کل | هزینه هر ساعت عملیات |
A | DMU1 | 2.4 | 2.2 | 2.8 | 2.8 | 3.6 | 2.4 |
DMU2 | 2.4 | 3.2 | 2.2 | 2.2 | 2.2 | 2.4 | |
DMU3 | 3.6 | 4 | 2.8 | 2.8 | 3.6 | 3.6 | |
DMU4 | 2.2 | 2.6 | 3 | 3 | 3 | 2.2 | |
DMU5 | 4 | 2.6 | 3.4 | 3.4 | 3.4 | 4 | |
B | DMU1 | 1.2 | 5 | 5 | 2.4 | 2.6 | 1.2 |
DMU2 | 1.8 | 4.6 | 4.5 | 3.5 | 1.3 | 1.8 | |
DMU3 | 2.4 | 4.7 | 2.3 | 5 | 5 | 2.4 | |
DMU4 | 1.4 | 3.6 | 3.2 | 4 | 4.2 | 1.4 | |
DMU5 | 3.2 | 3.6 | 2.1 | 4.1 | 2.2 | 3.2 | |
C | DMU1 | 4.2 | 1.5 | 2.6 | 2.9 | 3.8 | 4.2 |
DMU2 | 5 | 4.1 | 1.3 | 5 | 3.6 | 5 | |
DMU3 | 3.3 | 3.7 | 2.9 | 5 | 2 | 3.3 | |
DMU4 | 1.5 | 4 | 1.4 | 2.5 | 1.2 | 1.5 | |
DMU5 | 3.4 | 4.8 | 3.9 | 1.3 | 2.3 | 3.4 | |
D | DMU1 | 1.3 | 5 | 3 | 4.5 | 3.6 | 1.3 |
DMU2 | 1.6 | 2.9 | 2.2 | 1.7 | 5 | 1.6 | |
DMU3 | 2 | 2.9 | 5 | 5 | 2.3 | 2 | |
DMU4 | 4.3 | 4 | 2.2 | 2.5 | 5 | 4.3 | |
DMU5 | 2.1 | 2.1 | 1.7 | 5 | 2 | 2.1 | |
E | DMU1 | 1.3 | 1 | 1.5 | 1 | 1.4 | 1.3 |
DMU2 | 2 | 2.8 | 1 | 1.7 | 1.2 | 2 | |
DMU3 | 2.5 | 1.9 | 4.9 | 3.7 | 2 | 2.5 | |
DMU4 | 3.4 | 3.1 | 2.5 | 1.9 | 1.6 | 3.4 | |
DMU5 | 1.3 | 5 | 2.7 | 5 | 1.8 | 1.3 |
جدول 2. مقادیر مربوط به شاخصهای میانی
| z(d,j) | بهرهگیری از سرمایه | زمان سیکل خرید سفارشات | زمان گردش مالی کل | هزینه هر ساعت عملیات | Short-AVES | S-AVES convergence V1, V2 (GAP ratio) | S-AVES V1 | DPU-OFF / DPHU-OFF | Proper employee ratio L or U level employee ratio | L Level operator (Job observation) Standard and training |
A | DMU1 | 5 | 4 | 3.2 | 1.7 | 2.1 | 4.3 | 1.6 | 4.5 | 2 | 3.3 |
DMU2 | 4.9 | 1.2 | 5 | 3 | 2 | 1.7 | 2 | 4 | 2.5 | 2 | |
DMU3 | 1.8 | 2.4 | 5 | 1.1 | 4 | 3.8 | 1 | 5 | 4 | 2.5 | |
DMU4 | 3.8 | 5 | 1.9 | 2.5 | 5 | 4.4 | 3 | 4.7 | 1.5 | 4.5 | |
DMU5 | 2.2 | 1.5 | 3 | 4 | 2.1 | 2 | 4.9 | 1.4 | 5 | 3.4 | |
B | DMU1 | 3.8 | 1.1 | 1.4 | 4.8 | 1.8 | 1.4 | 2.2 | 4 | 1.6 | 2.9 |
DMU2 | 1.2 | 3 | 1.8 | 3.5 | 4.4 | 5 | 1.5 | 3.1 | 1.4 | 5 | |
DMU3 | 5 | 3.3 | 2.6 | 2 | 2.8 | 1 | 3.2 | 1.6 | 5 | 1.4 | |
DMU4 | 2.1 | 1.5 | 3.1 | 3.9 | 3.1 | 2.9 | 3.7 | 2.7 | 3.7 | 5 | |
DMU5 | 4.4 | 1.1 | 4.6 | 5 | 3.6 | 4.9 | 5 | 2.3 | 3.1 | 3 | |
C | DMU1 | 1.2 | 5 | 2.6 | 5 | 3.5 | 4.4 | 1.9 | 5 | 1.2 | 1.6 |
DMU2 | 5 | 3.5 | 3.5 | 1 | 5 | 5 | 5 | 5 | 3.6 | 4.7 | |
DMU3 | 1.8 | 4.3 | 3.5 | 4.2 | 5 | 2 | 5 | 3.7 | 1.4 | 2.8 | |
DMU4 | 5 | 5 | 5 | 1.8 | 4 | 4.5 | 5 | 2.4 | 5 | 1.8 | |
DMU5 | 1.4 | 4.8 | 3 | 5 | 5 | 5 | 4.6 | 5 | 5 | 5 | |
D | DMU1 | 5 | 5 | 5 | 1.2 | 4.5 | 3.6 | 3.1 | 2.1 | 1.6 | 5 |
DMU2 | 4.2 | 4.7 | 3.3 | 3.8 | 3.7 | 4.6 | 4.3 | 5 | 2.7 | 4.7 | |
DMU3 | 1.9 | 1.4 | 1.1 | 3.8 | 4.7 | 4 | 3.3 | 4.6 | 1.3 | 5 | |
DMU4 | 5 | 4 | 3.3 | 5 | 2.9 | 2.3 | 1.4 | 5 | 4 | 2 | |
DMU5 | 3.7 | 3.6 | 1.4 | 2.7 | 4.5 | 4.4 | 5 | 3.7 | 5 | 1.8 | |
E | DMU1 | 1.5 | 2.2 | 3 | 1.7 | 2.3 | 3.9 | 1.7 | 2.9 | 1.9 | 2 |
DMU2 | 1.3 | 1.3 | 2.4 | 5 | 2.1 | 1.9 | 3.5 | 1.8 | 4.9 | 1.7 | |
DMU3 | 1.6 | 2 | 3.5 | 4.8 | 1.8 | 2.3 | 5 | 1.6 | 1.7 | 5 | |
DMU4 | 2.2 | 3.5 | 1.6 | 3.1 | 1.6 | 2.7 | 1 | 1.8 | 4.6 | 1 | |
DMU5 | 2.5 | 1.6 | 2.6 | 2.2 | 2.9 | 1.8 | 1 | 5 | 4.7 | 1.1 |
جدول 3. مقادیر مربوط به شاخصهای خروجی
|
| Output (Product) | Output (Process) | ||||||||||||||||
| y(r,j) | نرخ دستیابی ایرادات اعلام شده به شبکه خدمات پس از فروش در سه ماهه اول پس از تحویل خودرو 3MIS achievement ratio | نرخ دستیابی به حفاظت از مشتری 3MIS Q3 / Customer protection ratio | Short-AVES | S-AVES convergence V1, V2 (GAP ratio) | S-AVES V1 | Inspection Capability of Final area | قابلیت تعمیر | عبور مستقیم F-STR | DPU-OFF / DPHU-OFF | DPU/ DPHU بدنه | DPU / DPHU رنگ | Proper employee ratio L or U level employee ratio | L Level operator (Job observation) Standard and training | عملکرد جلسات QRQC | موجودی تعمیر | میانگین V1+V2 تأمین‌کننده | ||
A | DMU1 |
|
|
|
|
| 3.5 | 2.5 | 3.5 | 1.5 | 2.5 | 2 | 4.5 | 4 | 2 | 3.5 | 2.5 | ||
DMU2 | 3.5 | 3 | 3.5 | 4.2 | 3.2 |
|
|
|
|
|
|
|
|
|
|
| |||
DMU3 | 3.2 | 4.2 | 3.5 | 2.7 | 3.2 |
|
|
|
|
|
|
|
|
|
|
| |||
DMU4 | 2 | 3 | 3.5 | 3.2 | 2.2 |
|
|
|
|
|
|
|
|
|
|
| |||
DMU5 | 4 | 4.2 | 4.5 | 2.7 | 3.2 | 2 | 2.5 | 5 | 4 | 2.5 | 3 | 3.5 | 2.5 | 3.5 | 4.5 | 4 | |||
B | DMU1 |
|
|
|
|
| 5.1 | 1.7 | 4.7 | 5.1 | 4.5 | 5.1 | 2.6 | 4 | 1.8 | 4.6 | 5.8 | ||
DMU2 | 1.9 | 1.4 | 5.2 | 1.6 | 5.1 |
|
|
|
|
|
|
|
|
|
|
| |||
DMU3 | 4.8 | 5.5 | 4.3 | 4.8 | 2.6 |
|
|
|
|
|
|
|
|
|
|
| |||
DMU4 | 3.9 | 3.3 | 2.2 | 3.8 | 3 |
|
|
|
|
|
|
|
|
|
|
| |||
DMU5 | 1.3 | 1.2 | 3.1 | 2.8 | 3.4 | 2.5 | 4.2 | 3.7 | 1.5 | 4.6 | 2.6 | 1.1 | 5.9 | 4.7 | 4 | 2.5 | |||
C | DMU1 |
|
|
|
|
| 2 | 5.5 | 3.7 | 2.5 | 3.3 | 3.3 | 3.4 | 3.1 | 2.6 | 2 | 4.2 | ||
DMU2 | 5 | 2 | 3.7 | 3.9 | 1.4 |
|
|
|
|
|
|
|
|
|
|
| |||
DMU3 | 3.4 | 4.4 | 2.8 | 5.5 | 1.7 |
|
|
|
|
|
|
|
|
|
|
| |||
DMU4 | 1.3 | 2.8 | 3.8 | 4.3 | 4.5 |
|
|
|
|
|
|
|
|
|
|
| |||
DMU5 | 3.5 | 2.7 | 1.9 | 3.3 | 2.3 | 5.8 | 2.9 | 5.9 | 3.3 | 5.7 | 2.7 | 1.7 | 4.2 | 4.1 | 1.2 | 5.4 | |||
D | DMU1 |
|
|
|
|
| 3.8 | 1.8 | 5.7 | 3.3 | 1.1 | 2.7 | 1 | 3 | 1.2 | 5.9 | 1.7 | ||
DMU2 | 5.7 | 4.6 | 4.2 | 2.7 | 2.7 |
|
|
|
|
|
|
|
|
|
|
| |||
DMU3 | 3.9 | 3.6 | 5.9 | 1.7 | 1.5 |
|
|
|
|
|
|
|
|
|
|
| |||
DMU4 | 4.3 | 5.3 | 5.3 | 3.7 | 1.2 |
|
|
|
|
|
|
|
|
|
|
| |||
DMU5 | 5.4 | 4.1 | 3.3 | 5.4 | 5.9 | 2.3 | 2.1 | 4.1 | 4.2 | 4.2 | 4.1 | 1.6 | 4.2 | 1.6 | 3.6 | 1.3 | |||
E | DMU1 |
|
|
|
|
| 2.9 | 1.5 | 2.3 | 4.6 | 4.8 | 5.3 | 2 | 1.8 | 4.8 | 3 | 2.1 | ||
DMU2 | 5.6 | 1.6 | 4.8 | 5.5 | 2.5 |
|
|
|
|
|
|
|
|
|
|
| |||
DMU3 | 6 | 2.5 | 4.6 | 1.5 | 2.8 |
|
|
|
|
|
|
|
|
|
|
| |||
DMU4 | 1.3 | 2.7 | 1.4 | 5 | 3.9 |
|
|
|
|
|
|
|
|
|
|
| |||
DMU5 | 5.6 | 3.8 | 3.9 | 2.1 | 2.6 | 4.2 | 5.7 | 5.8 | 1.4 | 3.9 | 5.6 | 2.9 | 1.5 | 4.9 | 3.6 | 1.4 | |||
با استفاده از نرم‌افزار GAMS win64 25.1.2 مقدار ضرایب λ هر پنج خط تولید به ازای هر واحد تصميم گيرنده محاسبه گردیده و در جدول 4 آورده شده است و همانطور که مشاهده میشود، 5 در خط E نسبت به باقی خطوط کاراتر است.
جدول 4. مقدار ضرایب λ و کارایی خطوط تولید
| Lambda 1 | Lambda 2 | Lambda 3 | Lambda 4 | Lambda 5 | Black-Box 1 | Black-Box 2 | Black-Box 3 | Black-Box 4 | Black-Box 5 | Black-Box 6 | Black-Box 7 | Black-Box 8 | |
A | DMU1 |
|
| 1.33 | 1.33 |
| 0.72 | 1 | 0.64 | 0.87 | 0.34 | 0.55 | 0.71 | 0.24 |
DMU2 |
|
|
|
|
| 1 | 0.87 | 1 | 0.99 | 0.95 | 0.86 | 0.99 | 0.56 | |
DMU3 |
| 0.34 |
|
|
| 0.68 | 0.8 | 1 | 0.79 | 1 | 0.63 | 0.71 | 0.68 | |
DMU4 | 1 | 0.17 |
|
| 1 | 0.99 | 0.46 | 0.84 | 1 | 1 | 0.39 | 0.71 | 0.95 | |
DMU5 |
| 0.15 |
|
|
| 1 | 0.69 | 1 | 0.64 | 1 | 0.44 | 0.71 | 0.96 | |
B | DMU1 |
|
| 1.33 | 0.94 |
| 0.63 | 1 | 0.64 | 1 | 0.47 | 0.64 | 0.63 | 0.3 |
DMU2 |
|
|
|
|
| 0.08 | 0.41 | 1 | 0.76 | 0.26 | 0.31 | 0.08 | 0.06 | |
DMU3 |
|
|
| 0.24 |
| 0.33 | 1 | 1 | 1 | 0.63 | 1 | 0.63 | 0.21 | |
DMU4 | 1 | 1 |
| 0.2 | 1 | 0.18 | 0.48 | 0.77 | 0.62 | 1 | 0.23 | 0.63 | 0.18 | |
DMU5 |
|
|
|
|
| 1 | 0.45 | 0.9 | 1 | 1 | 0.41 | 0.63 | 0.96 | |
C | DMU1 |
|
| 0.39 |
|
| 0.67 | 1 | 1 | 1 | 0.13 | 1 | 0.68 | 0.09 |
DMU2 | 0.16 |
|
|
| 0.16 | 1 | 0.94 | 0.48 | 0.59 | 0.51 | 0.26 | 0.92 | 0.63 | |
DMU3 | 1.07 |
| 0.39 |
| 0.24 | 1 | 0.66 | 1 | 0.78 | 1 | 0.52 | 0.68 | 0.95 | |
DMU4 |
| 0.39 |
| 0.79 | 0.82 | 0.46 | 1 | 0.77 | 1 | 1 | 0.77 | 0.68 | 0.48 | |
DMU5 |
|
|
|
|
| 0.69 | 0.81 | 0.8 | 0.53 | 1 | 0.34 | 0.68 | 0.67 | |
D | DMU1 |
|
| 0.38 |
|
| 1 | 0.62 | 1 | 0.22 | 1 | 0.13 | 0.15 | 0.15 |
DMU2 | 0.29 |
|
|
| 0.29 | 0.32 | 0.35 | 0.79 | 0.5 | 1.04 | 0.14 | 0.15 | 0.15 | |
DMU3 | 0.94 |
| 0.38 |
| 0.12 | 1 | 0.4 | 1 | 0.43 | 0.72 | 0.17 | 0.15 | 0.15 | |
DMU4 |
| 0.38 |
|
| 0.82 | 0.4 | 0.52 | 0.86 | 1 | 0.4 | 0.45 | 0.15 | 0.18 | |
DMU5 |
|
|
| 0.77 |
| 0.67 | 1 | 0.98 | 1 | 1 | 0.98 | 0.15 | 0.94 | |
E | DMU1 | 0.17 |
| 0.76 |
|
| 0.6 | 0.71 | 0.81 | 0.6 | 0.44 | 0.35 | 0.59 | 0.26 |
DMU2 | 0.95 |
|
|
| 0.34 | 0.7 | 0.7 | 1 | 0.5 | 0.48 | 0.35 | 0.69 | 0.23 | |
DMU3 |
|
|
| 0.19 |
| 0.82 | 0.77 | 0.91 | 0.22 | 1 | 0.15 | 0.59 | 0.77 | |
DMU4 |
| 0.61 |
| 0.19 | 0.34 | 1 | 0.83 | 0.96 | 0.66 | 1 | 0.52 | 0.59 | 0.97 | |
DMU5 |
|
| 0.3 | 0.69 | 0.58 | 1 | 1 | 1 | 1 | 1 | 1 | 0.59 | 1 |
باتوجه‌به اینکه در گذشته دیدن مسیر حرکتی سازمان بسیار مشکل بود، لذا شرکتها نمیتوانستند اقداماتی متناسب با شرایطی که سازمان در آن قرار داشت، ارائه دهند. لذا به سیستمی نیاز است که بتواند این مسیر حرکتی را به ما نشان دهد تا با تعریف اقدامات صحیح و به موقع کل سازمان را در مسیر حرکتی درست آن قرار داد. در اینجا میتوان با سرلوحه قرار دادن بخش کاراتر، باقی خطوط را با آن مقایسه کرده و اقدامات لازم را تدوین نمود.
گام سوم. شناسایی شود عواملی که باید تغییر کنند تابعی از چه پارامترهایی هستند.
مؤلفه‌های مؤثر بر هر شاخص ورودی و خروجی را میتوان در جدول 5 مشاهده نمود.
جدول 5. مؤلفه‌های مؤثر بر شاخصها جهت کارا نمودن واحدهای ناکارا
ردیف | عنوان شاخص | مؤلفه بهبود شاخص کیفی | تعریف |
1 | نرخ دستیابی ایرادات اعلام شده به شبکه خدمات پس از فروش در سه ماهه اول پس از تحویل خودرو 3MIS achievement ratio | جلسات QRQC Customer | نوعی سیستم مدیریت ایرادات کیفی کشف شده توسط مشتری نهایی است که به‌منظور اجرا و پیگیری اقدامات متقابل سریع جهت حفاظت از مشتری و عدم عبور ایراد و نیز جلوگیری از تکرار ایراد کیفی از طریق شناسایی و حذف علل ریشه‌ای آن، طراحی شده است. |
2 | نرخ دستیابی به حفاظت از مشتری 3MIS Q3 / Customer protection ratio | Live Case ایرادات مشتریان | جلسات رویت و بررسی ایرادات |
استانداردسازی سیستم اعلام ایرادات مشتریان | طراحی نوعی سیستم مدیریت ایرادات کیفی کشف شده توسط مشتری نهایی، به‌منظور اجرا و پیگیری اقدامات متقابل سریع جهت حفاظت از مشتری و عدم عبور ایراد و نیز جلوگیری از تکرار ایراد کیفی از طریق شناسایی و حذف علل ریشه‌ای آن | ||
اجرای سیستم کیفی حل مسئله و پیگیری اقدامات اصلاحی | |||
استانداردسازی فعالیت‌ها و اطمینان‌بخشی در جهت عدم عبور ایراد | |||
پایش اثربخشی و اطلاع‌رسانی وضعیت | پایش اقدامات تضمینی صورت گرفته برای حفاظت از مصرف‌کنندگان و در صورت نیاز تعریف اقدامات جدید و همچنین ایجاد و پیگیری یک راهبرد تحلیلی برای ریشه‌کن کردن ایرادات اعلامی از مصرف‌کنندگان | ||
3 | Short-AVES | انجام Job Observation توسط سرپرست و رئیس | ارزیابی ایستگاه کاری جهت حصول اطمینان از رعایت استانداردها، کشف موارد عدم انطباق، تشخیص نقاط قابل بهبود اجباری و همچنین بهبود برنامه سرپرست جهت دستیابی به اهداف Q-C-T |
انجام صحیح بازکاری ایرادات | اقدام انجام شده بر روی یک محصول نامنطبق به‌طوری‌که بتواند الزامات را برآورده سازد. بازکاری نباید به‌گونه‌ای باشد که بر بخشی محصول تأثیر بگذارد یا آن را تغییر دهد. این عملیات توسط اپراتورهای تولید انجام میشود. | ||
تکمیل صحیح CP برای عدم عبور ایرادات کیفی | منظور از CP عبارت است از مجموعه فعالیتی که فوراً و تا زمانی که بتوان راه‌حل قطعی عیب را تعیین و اجرائی کرد، انجام میشود تا مشتریان بعدی و مصرف‌کنندگان نهائی را در برابر عیوب کیفی محصولات دارای عیب یا مشکوک به عیب، محافظت نمود. | ||
استانداردسازی بازکاریهای آنلاین | انجام بازکاریهای مجازی که توسط حوزه مهندسی با درنظرگرفتن استانداردها، مقررات ایمنی و قانونی و ملاحظات فنی و مهندسی و کیفی، مجاز اعلام میشود. | ||
جلوگیری از جابه‌جایی غیراصولی اپراتورها | جلوگیری از جابه‌جایی غیراصولی اپراتورها در یک ایستگاه مشخص | ||
TPM | بازدید و کنترل ماشین‌آلات و تجهیزات عملیاتی طبق فرم‌های نت خودگردان به‌صورت روزانه و توسط اپراتور تولید انجام میگیرد. | ||
چیدمان استاندارد خودروها | نقشه جانمایی وضعیت چیدمان خودروها در پارکینگ (رعایت فواصل طولی، عرضی، جریان مواد و ...) | ||
چکمنها و میلرها | *میلر (دستیار کیفی مدیر): مسئول ارائه بازخورد و نظارت مداوم برای دسترسی به سطح کیفیت مورد انتظار و محافظت از مشتریان در برابر ریسک‌های کیفی محصول است. همچنین میلر، تضمین‌کننده اجرای اقدامات واکنشی عیوب کیفی محصول عمل نموده و هماهنگی‌های لازم را میان واحدهای کیفیت و تولید به انجام می‌رساند. دستیار کیفی مدیر باید دانش و سابقه کافی را برای انتخاب‌شدن به‌عنوان دستیار کیفی با تشخیص مدیر کیفیت داشته باشد. *چکمن: مسئول کنترل عملیات ایمنی/قانونی و ریسک‌های کیفی محصول بر اساس فهرست کنترلی مدون در انتهای محدوده EWT مربوطه و اصلاح موارد قابل‌رفع در محصول است. | ||
4 | S-AVES convergence V1, V2 (GAP ratio) | Inspection Capability (IC%) | ارتقاء قابلیت بازرسان کیفیت |
نرخ عبور کامل در ایستگاه قبل از تجاری‌سازی | تولید خودروی کامل | ||
Repair capability (RC%) | ارتقاء قابلیت بازکاری | ||
1D(G&S) & 3D(cmm) | بهبود وضعیت ابعادی بدنه‌ها | ||
L Level operator | بهبود وضعیت استانداردسازی اپراتورها | ||
Conformity Index | آدیت فرایند، ابزاری است که با نگرشی فرآیند گرا، فازهای مختلف شکل‌گیری محصول را مورد ارزیابی قرار داده و نسبت به شناسایی نقاط قوت و ضعف فرآیند، اقدام می‌نماید. | ||
DPU off | کلیه ایراداتی که تعمیراتشان پس از اتمام فرایند خط تولید صورت میگیرد. | ||
کاهش سهم نمره منفی قطعات در ارزشیابی | بهبود کیفیت مواد و قطعات ورودی | ||
افزایش اثربخشی و واکنش‌پذیری QRQC و اثربخشی QRQE | کار گروهی به‌منظور توسعه روحیه پاسخگویی و واکنش سریع به مسائل | ||
شرایط محیطی ایستگاه‌های CSC1,2 و چکمنها | استانداردسازی شرایط بهداشت صنعتی محیط کار و شرایط بازرسی استاندارد | ||
5 | S-AVES V1 | Skills management | انجام اقدامات ذیل برای پیشگیری از بازرسی اشتباه (Mis Inspection) |
تأمین شرایط محیطی مناسب | ایجاد تمهیدات مناسب برای ثبت ایرادات کیفی و پیشگیری از Difficult to Check | ||
جلوگیری از انجام Poor Repair | انجام بازکاری و تعمیرات مناسب ایرادات کیفی | ||
Levelling | یکسان‌سازی سطح قضاوت بازرسین | ||
پیشگیری از ایجاد Secondary Damage | پیشگیری از بروز ایرادات ثانویه | ||
Visual Inspection و DOJO | ارائه آموزش‌های بازرسی چشمی و ارتقاء مهارت بازرسان کیفیت | ||
HELP CALL | استفاده از ابزار هشدار HELP CALL در زمان مشاهده ایرادات کیفی | ||
رویه برخورد با خودروهای دارای کسری و یا با ماندگاری بالا | استانداردسازی رویکرد مدیریت خودروهای دارای کسری قطعات یا ماندگاری بالا | ||
6 | Inspection Capability of Final area | Leveling بازرسان | یکسان‌سازی سطح قضاوت بازرسین |
DOJO | ارائه آموزش‌های بازرسی چشمی و ارتقاء مهارت بازرسان کیفیت | ||
شناسایی تعمیرات بد | انجام بازکاری و تعمیرات مناسب ایرادات کیفی | ||
قابلیت فردی بازرسان | یکسان‌سازی سطح تشخیص و قضاوت بازرسین کیفیت | ||
Job Observation و OJT توسط سرپرست | مشاهده کار و آموزش حین کار و جوار کارگاهی | ||
شرایط محیطی و ارگونومی ایستگاه‌های کاری | بهبود شرایط محیطی ارگونومی و نور ایستگاه‌های کاری | ||
7 | قابلیت تعمیر Repair capability | تعداد ایرادات V1 و V2 شناسایی و رفع شده | تعداد ایرادات V1 و V2 شناسایی و رفع شده قبل از ارزیابی S-AVES |
تعداد تعمیرات اثربخش بر روی خودروهای آفلاین | بهبود وضعیت ریورک ایرادات | ||
8 | عبور مستقیم F-STR | تخصیص ریورکرهای آنلاین در خطوط تولیدی | انجام بازکاری در خط تولید بر اساس استانداردهای بازکاری مجاز |
Help Call | استفاده از ابزار هشدار HELP CALL در زمان مشاهده ایرادات کیفی | ||
Animate کردن موارد Help Call ایرادات کیفی به تفکیک اپراتورها و ایستگاه‌های کاری | کاهش ایرادات خروجی از خط مونتاژ | ||
دستیابی به تارگت ILU 3*3 | کاهش ایرادات خروجی از خط مونتاژ | ||
سیستماتیک کردن خروجیها و ایستگاه‌های تعمیراتی | نرخ عبور مستقیم | ||
پایش نوع ایرادات در ایستگاه‌های تعمیراتی و ارسال آن به مبادی ایجادکننده | نرخ عبور مستقیم | ||
پایش نوع ایرادات در خروجیهای تعیین شده | نرخ عبور مستقیم | ||
ایجاد فلو جریان حرکت خودروها در رتوش | نرخ عبور مستقیم | ||
9 | DPU-OFF / DPHU-OFF | DOJO Dexterity School | مدرسه مهارت DOJO |
Rework Capability | تعریف شاخص قابلیت بازکاری برای بهبود فرایندهای مرتبط | ||
ثبت عیوب کیفی خودرو در سیستم ERP | ثبت مکانیزه ایرادات کیفی | ||
ایجاد فرایند کنترلی روزانه برای CPها و ایجاد دیتابیس در سیستم ERP برای پیگیری آنلاین | کنترلی روزانه CPها و ایجاد سیستم مکانیزه ایرادات کیفی | ||
استقرار سیستم Help Call و پیگیری موارد ثبت شده توسط سرپرست و استادکاران | کاهش ایرادات خروجی از خط مونتاژ | ||
پیگیری و دریافت اقدامات جهت کاهش ایرادات با منشأ طراحی از تأمین‌کنندگان و سازندگان | پیگیری و دریافت برنامه اقدام اصلاحی | ||
تخصیص ریورکرهای آنلاین در خطوط تولیدی | تخصیص نفرات تعمیرکار در خطوط تولیدی | ||
کاور نمودن ابزارآلات و قسمت‌های در معرض آسیب بدنه | پروتکت ابزارهای خط تولید | ||
فرهنگ‌سازی در بین اپراتورها برای جلوگیری از ایجاد ایرادات ثانویه | ایجاد فرهنگ مناسب بین اپراتورها برای پیشگیری از secondary damage | ||
10 | DPU/ DPHU بدنه | استفاده از tampon کنترلی در انتهای خط درب بندی | استفاده از تجهیزات کنترلی (شابلون، تامپون، و...) در انتهای خط درب سازی |
استفاده از ابزار مخصوص در خط درب بندی و کنترل توسط چکمن در انتهای خط صافکاری | کنترل ابعادی 1D در خطوط تولیدی (کنترل گپ و استپ moving partها) | ||
11 | DPU / DPHU رنگ | IC individually& calculating inspection capability | محاسبه قابلیت کشف و قضاوت بازرسان کیفیت |
PM for dust | بهبود PM برای حفظ وضعیت و کاهش ذرات | ||
Improving the ergonomic | بهبود ارگونومی | ||
Respect secondary damage rules in paint shop | حفظ قوانین مربوط به ایرادات ثانویه در سالن رنگ | ||
Preparing the grid in green card | استفاده از کارت سبز برای مشخص نمودن مکان ایرادات | ||
Providing the collection of defects with clear pictures at the end of line | مشخص نمودن ایرادات با تصاویر در انتهای خط | ||
standard Lighting Tunnel | بازرسی استاندارد کیفی | ||
12 | Proper employee ratio L or U level employee ratio | کاهش نرخ جابه‌جایی نیروهای تولیدی در سالن | نرخ جابه‌جایی نیروهای تولیدی |
بالابردن نرخ تخصیص کار مناسب ایستگاه‌های کاری | تخصیص کار متناسب به اپراتور بر اساس تخصص و دانش و مهارت آنها | ||
13 | L Level operator (Job observation) Standard and training | بازآموزی استاندارد AVES برای بازرسان در DOJO | بازآموزی استانداردهای بازرسی |
برنامهریزی JO | طرح‌ریزی برای مشاهده کار (JO) | ||
بالانس بودن متوسط زمان انجام عملیات مطابق با زمان انجام عملیات | استاندارد بودن زمان انجام عملیات | ||
آشنایی اپراتور با مراحل اصلی انجام فرآیند و رعایت صددرصدی مطابق با A-SOS | آشنایی اپراتور از Main Stepهای فرایند در SOS | ||
Important A/B, CSR/PANNE IMMO, High voltage رعایت نکات | آشنایی اپراتور از نکات کلیدی فرایند در SOSها | ||
آموزش الزامات ایمنی و قانونی (CSR & IMMO) | تدوین دوره‌های آموزشی مربوطه در OJTهای ماهانه سرپرستان تولید | ||
شرایط محیطی و ارگونومی ایستگاه‌های کاری | بهبود شرایط محیطی، ارگونومی و نور در ایستگاه‌های کاری | ||
14 | عملکرد جلسات QRQC | برگزاری اثربخش جلسات QRQC APW | مدیریت ایرادات کیفی در سیستم جلسات QRQC |
نحوه ورود و خروج ایرادات به جلسات QRQC | مدیریت ایرادات کیفی در سیستم جلسات QRQC | ||
فعالیت صحیح نفرات شرکت‌کننده در جلسات | بهبود عملکرد افراد شرکت‌کننده در جلسات | ||
15 | موجودی تعمیر | استفاده از سیستم هشدار خودروها در مناطق دوباره‌کاری | استفاده و مدیریت منظم سیستم هشدار برای حفظ تعداد خودروها در مناطق دوباره‌کاری |
کارتوگرافی منطقه تعمیراتی | مشخص‌کردن فضای مجاز برای تعمیرات سبک‌وسنگین | ||
D-STR | عبور مستقیم تولید | ||
16 | میانگین V1+V2 تأمین‌کننده | آنالیز بهبود شاخص S-AVES مربوط به قطعات | تجزیه‌وتحلیل شاخص کیفی SAVES قطعات |
گام چهارم. تحقیق شود که بردار یا مؤلفه‌های α چگونه در مجموعه مرجع تغییر کردهاند (با استفاده از پرسش‌نامه جهت به دست آوردن روش ابتکاری-بله خیر نیست). منظور روش های مدیریت آیتم ها و روش های تغییر است نه مقدار تغییر که در جدول 6 جمع آوری شده است.
جدول 6. اقدامات مورد نیاز مؤلفه‌های مؤثر بر شاخصها جهت کارا نمودن واحدهای ناکارا
ردیف | عنوان شاخص | مؤلفه بهبود شاخص کیفی | اقدامات |
1 | نرخ دستیابی ایرادات اعلام شده به شبکه خدمات پس از فروش در سه ماهه اول پس از تحویل خودرو 3MIS achievement ratio | جلسات QRQC Customer | 1- سنجش اثربخشی و واکنش‌پذیری جلسات QRQC Customer 2- ایجاد فرایند کنترلی با دوره روزانه برای کنترل دقیق CPها و ایجاد یک دیتابیس در سیستم ERP برای پیگیری آنلاین |
2 | نرخ دستیابی به حفاظت از مشتری
3MIS Q3 / Customer protection ratio | Live Case ایرادات مشتریان | پیاده‌سازی و اجرای بازدیدهای هفتگی منظم و هدفمند از ایرادات مشتریان در نمایندگی‌های خدمات پس از فروش (Live Case) |
استانداردسازی سیستم اعلام ایرادات مشتریان | تشکیل و برگزاری جلسات کمیته ورودی ایرادات مشتریان به سیستم حل مسئله | ||
اجرای سیستم کیفی حل مسئله و پیگیری اقدامات اصلاحی | برگزاری جلسات منظم QRQC Customer و پیگیری برنامههای اقدام اصلاحی از پایلوت‌ها و واحدهای مختلف | ||
استانداردسازی فعالیت‌ها و اطمینان‌بخشی در جهت عدم عبور ایراد | انجام آدیت C.P و بازنگری مستندات ارائه شده | ||
پایش اثربخشی و اطلاع‌رسانی وضعیت | سنجش اثربخشی اقدامات اصلاحی و ارائه گزارش ماهانه به واحدهای مرتبط | ||
3 | Short-AVES | انجام Job Observation توسط سرپرست و رئیس | انجام مشاهده کار به‌صورت مدون و بر اساس برنامه ILU ماهانه توسط سرپرست و رئیس |
انجام صحیح بازکاری ایرادات | انجام صحیح فرآیند بازکاری محصول نامنطبق که در جریان پیوسته تولید توسط اپراتورها در خطوط تولید یا خارج از آن، مطابق با استاندارد RW | ||
تکمیل صحیح CP برای عدم عبور ایرادات کیفی | تکمیل صحیح قسمت اقدامات حفاظت از مشتری (CP) از فرم EWT Conformity | ||
استانداردسازی بازکاریهای آنلاین | استانداردسازی نمودن بازکاریهای آنلاین | ||
جلوگیری از جابه‌جایی غیراصولی اپراتورها | انجام Job Rotation بر اساس استانداردهای ILU ماهانه، جدول ORT و برگه پیشرفت مهارت‌های فردی اپراتورها | ||
TPM | اپراتور پیش از شروع به کار، عملکرد تجهیز را بر اساس دستورالعمل/راهنمای انجام کار/برگه‌های استاندارد عملیات و... را در ابتدای هر شیفت مورد ارزیابی قرار داده و در صورت مشاهده هرگونه عملکرد نامناسب دستگاه و خارج‌شدن از حدود استاندارد دستگاه، مورد مشاهده شده را طبق TPM TAG به سرپرست خود گزارش میدهد. | ||
چیدمان استاندارد خودروها | 1- کنترل مناسب بودن وضعیت چیدمان خودروها مطابق با نقشه جانمایی چیدمان خودروها 2- اجرای آدیت لجستیک و پارکینگ بر اساس الزامات استاندارد محافظت از محصول | ||
چکمنها و میلرها | سازمان‌دهی چکمن و دستیار کیفی مدیر | ||
4 | S-AVES convergence V1, V2 (GAP ratio) | Inspection Capability (IC%) | بهبود قابلیت کشف و قضاوت بازرسان کیفیت (محاسبه ماهانه شاخص IC%) |
نرخ عبور کامل در ایستگاه قبل از تجاری‌سازی | افزایش نرخ عبور مستقیم (STR) سالن‌های تولیدی | ||
Repair capability (RC%) | بهبود وضعیت ریورک ایرادات کیفی | ||
1D(G&S) & 3D(cmm) | اجرای هایژن و تکرارپذیری فیکسچرهای تولیدی در سالن‌های بدنه‌سازی | ||
L Level operator | سنجش امتیاز سطح مهارتی L اپراتورها بر اساس شاخصه‌هایی از قبیل: کنترل بالانس بودن متوسط زمان انجام عملیات مطابق با زمان انجام عملیات - کنترل آشنایی اپراتور مراحل اصلی انجام فرآیند - رعایت نکات کلیدی SOS- کنترل جدول پیشرفت مهارت‌های فردی - استفاده از ابزار Help Call در موارد غیرعادی استفاده از تجهیزات فردی - انجام فرآیند مطابق SOS و بالانس - آشنایی اپراتور از آخرین ایراد کیفی پیش‌آمده در EWT- آشنایی از نحوه راه‌اندازی و استفاده از تجهیزات - رعایت 4 اصل اقتصاد حرکت - اجرای دقیق CPهای تعریف شده در خط - داشتن توانایی جبران زمان ازدست‌رفته (باتوجه‌به شرایط ایستگاه) | ||
Conformity Index | بهبود درصد انطباق آدیت فرایندهای دوره‌ای در هر EWT تولیدی (بر اساس: کنترل میزان کنترل و انطباق کیفیت فرایند تولید و فعالیت‌های مرتبط با یک محصول با آنچه که در طرح‌ها، دستورالعمل‌ها، استانداردها و ... و نیز بررسی کفایت طرح‌ها، دستورالعمل‌ها و ...) | ||
DPU off | - بهبود نمره شاخص DPU - نمونه‌گیری بیشتر از 40 دستگاه خودرو روند به‌صورت روزانه/هفتگی/ماهانه - پایش و موارد و مدیریت نتایج ایراداتی که در خط تولید کشف و تعمیر می‌گردند. | ||
کاهش سهم نمره منفی قطعات در ارزشیابی | صیانت از قطعات ورودی به شرکت تا زمان ارسال به سالن‌های تولیدی | ||
افزایش اثربخشی و واکنش‌پذیری QRQC و اثربخشی QRQE | بهبود سیستم حل مسئله | ||
شرایط محیطی ایستگاه‌های CSC1,2 وچکمنها | - ایجاد تمهیدات مناسب برای ثبت ایرادات کیفی - پیشگیری از Difficult to Check | ||
5 | S-AVES V1 | Skills management | ارائه آموزش جدید برای پرسنل جدیدالورود - ارتقا شناخت و آگاهی پرسنل نسبت به‌شدت ایرادات - کشف ایرادات ابعادی - افزایش مهارت و دانش استانداردها برای همکاران انتقالی - تدوین SOSهای بازرسی وچکمن - آموزش‌های APW مورد نیاز از قبیل ATWI،JO و QRQC - انجام Coaching (مربیگری) مربوط به QRR در شیفت‌های مختلف |
تأمین شرایط محیطی مناسب | انجام آدیت فرایند انجام آدیت GK انجام آدیت مدیریت کارخانه | ||
جلوگیری از انجام Poor Repair | - راه‌اندازی سیستم FVR - اخذ مجوز (Certificate) جهت اپراتورهای تعمیر ایرادات - انجام صحیح j/o در تمام سطوح سالن مونتاژ و روتوش - تهیه و تدوین sosها تعمیراتی - رعایت فرآیند رفع ایراد بر اساس استاندارد تعریف شده | ||
Levelling | Mis judgments عدم یکسان بودن سطح قضاوت بازرسین با انجام کالیبراسیون و همسطح سازی بازرسان توسط واحد ارزشیابی محصول | ||
پیشگیری از ایجاد Secondary Damage | - آدیت محافظت از محصول خودروهای تولیدی و دپو شده در سطح پارکینگ - محافظت از محصول تجاری نشده و دپو شده در سطح پارکینگ توسط اپراتورها و رانندگان | ||
Visual Inspection و DOJO | DOJO برای بازرسین Visual Inspection برای بازرسین | ||
HELP CALL | اجرای اثربخش سیستم HELP CALL | ||
رویه برخورد با خودروهای دارای کسری و یا با ماندگاری بالا | اجرای صحیح رویه برخورد با خودروهای دارای کسری و یا با ماندگاری بالا | ||
6 | Inspection Capability of Final area | Leveling بازرسان | برگزاری دوره سطح‌بندی توسط همکاران ارزشیابی محصول طبق استاندارد AVES |
DOJO | ایجاد DOJO برای آموزش بازرسین کیفی، آموزش نفرات جهت کشف و رفع ایرادات و بازآموزی استاندارد AVES برای بازرسان در DOJO | ||
شناسایی تعمیرات بد | شناسایی تعمیرات بد (موارد تعمیر نشده) | ||
قابلیت فردی بازرسان | پایش اثربخشی قابلیت فردی بازرسان | ||
Job Observation و OJT توسط سرپرست | انجام JO و OJT توسط سرپرست | ||
شرایط محیطی و ارگونومی ایستگاه‌های کاری | اجرای آدیتهای GK ، آدیت فرایند، تحلیل ریسک‌های ایمنی و بهداشت صنعتی | ||
7 | قابلیت تعمیر Repair capability | تعداد ایرادات V1 و V2 شناسایی و رفع شده | - پیگیری ایرادات کیفی در قالب پانچ لیست پیگیری - تشکیل کمیته‌های تخصصی پیگیری رفع ایرادات کیفی |
تعداد تعمیرات اثربخش بر روی خودروهای آفلاین | شاخص RC | ||
8 | عبور مستقیم F-STR | تخصیص ریورکرهای آنلاین در خطوط تولیدی | کاهش ایرادات خروجی از خط مونتاژ |
Help Call | استقرار سیستم Help Call و پیگیری موارد ثبت شده توسط سرپرست و استادکاران | ||
Animate کردن موارد Help Call ایرادات کیفی به تفکیک اپراتورها و ایستگاه‌های کاری | - پیگیری ایرادات کیفی در قالب پانچ لیست پیگیری - تشکیل کمیته‌های تخصصی پیگیری رفع ایرادات کیفی | ||
دستیابی به تارگت ILU 3*3 | آموزش‌های اپراتور مطابق با ORT هر ایستگاه کاری JO مدون و برنامهریزی شده ایستگاه کاری | ||
سیستماتیک کردن خروجیها و ایستگاه‌های تعمیراتی | بهبود نرخ عبور مستقیم | ||
پایش نوع ایرادات در ایستگاه‌های تعمیراتی و ارسال آن به مبادی ایجادکننده | بهبود نرخ عبور مستقیم | ||
پایش نوع ایرادات در خروجیهای تعیین شده | بهبود نرخ عبور مستقیم | ||
ایجاد فلو جریان حرکت خودروها در رتوش | بهبود نرخ عبور مستقیم | ||
9 | DPU-OFF / DPHU-OFF | DOJO Dexterity School | آموزش نفرات جهت کشف و رفع ایرادات |
Rework Capability | شاخص RC | ||
ثبت عیوب کیفی خودرو در سیستم ERP | ایجاد زیرساخت‌ها برای ثبت کامل و به‌روز ایرادات خودرو در سیستم erp برای دریافت گزارش کامل | ||
ایجاد فرایند کنترلی روزانه برای CPها و ایجاد دیتابیس در سیستم ERP برای پیگیری آنلاین | رعایت حفاظت از مشتری | ||
استقرار سیستم Help Call و پیگیری موارد ثبت شده توسط سرپرست و استادکاران | رفع ایرادات مربوط به طرح و قطعه | ||
پیگیری و دریافت اقدامات جهت کاهش ایرادات با منشأ طراحی از تأمین‌کنندگان و سازندگان | رفع ایرادات مربوط به طرح و قطعه | ||
تخصیص ریورکرهای آنلاین در خطوط تولیدی | رفع ایرادات مربوط به طرح و قطعه | ||
کاور نمودن ابزارآلات و قسمت‌های در معرض آسیب بدنه | ایجاد مکانیزم کنترلی دقیق برای پروتکت ابزارهای خط تولید | ||
فرهنگ‌سازی در بین اپراتورها برای جلوگیری از ایجاد ایرادات ثانویه | ایجاد کلاس‌های آموزشی مداوم | ||
10 | DPU/ DPHU بدنه | استفاده از tampon کنترلی در انتهای خط درب بندی | استفاده از تجهیزات کنترل ابعادی در خط تولید بدنه |
استفاده از ابزار مخصوص در خط درب بندی و کنترل توسط چکمن در انتهای خط صافکاری | - استفاده از تجهیزات کنترل ابعادی (از قبیل: گپ گیج و خط کش) در خط تولید بدنه - تحلیل شاخص IQG 1D و IQG 3D | ||
11 | DPU / DPHU رنگ | IC individually& calculating inspection capability | - محاسبه قابلیت کشف بازرسان - پایش قابلیت کشف بازرسان و نفرات CSC برای کل سالن توسط پایش جداگانه نفرات |
PM for dust | انجام ذرات سنجی توسط واحد PM بر اساس طرح کنترل و طرح نگهداری، در سالن‌های رنگ | ||
Improving the ergonomic | بهبود ارگونومی برای انتهای ایستگاه‌ها (مثلاً: چک سقف) | ||
Respect secondary damage rules in paint shop | آموزش نحوه پیشگیری از بروز "ایرادات ثانویه" در سالن رنگ | ||
Preparing the grid in green card | استفاده از کارت سبز برای مشخص نمودن مکان ایرادات | ||
Providing the collection of defects with clear pictures at the end of line | نصب پوسترهای ایرادات کیفی در خطوط تولیدی | ||
standard Lighting Tunnel | ایجاد تونل نور برای ایستگاه‌های بازرسی و کیفیت و تولید | ||
12 | Proper employee ratio L or U level employee ratio | کاهش نرخ جابه‌جایی نیروهای تولیدی در سالن | تولید روزانه مطابق با برنامه تولید جهت جلوگیری از نوسانات و جابه‌جایی نیروها |
بالابردن نرخ تخصیص کار مناسب ایستگاه‌های کاری | - زمان‌سنجی مناسب با استفاده از سیستم APW - ارائه تخصیص کار مناسب برای هریک از ایستگاه‌های کاری - شاخص JLR | ||
13 | L Level operator (Job observation) Standard and training | بازآموزی استاندارد AVES برای بازرسان در DOJO | آموزش سرپرستان و استادکاران در مدرسه DOJO و مهارت‌های چشمی |
برنامهریزی JO | برنامهریزی دقیق برای هر اپراتور برای دستیابی به سطح مهارت L | ||
بالانس بودن متوسط زمان انجام عملیات مطابق با زمان انجام عملیات | اجرای استاندارد عملیات بر اساس سایکل تایم | ||
آشنایی اپراتور با مراحل اصلی انجام فرآیند و رعایت صددرصدی مطابق با A-SOS | اجرای استاندارد عملیات بر اساس سایکل تایم | ||
Important A/B, CSR/PANNE IMMO, High voltage رعایت نکات | رعایت نکات کلیدی انجام عملیات توسط اپراتور و آشنایی آنها با دلایل آن | ||
آموزش الزامات ایمنی و قانونی (CSR & IMMO) | راه‌اندازی DOJO DEXTIRY SCHOOL و آموزش جهت کشف ایراد | ||
شرایط محیطی و ارگونومی ایستگاه‌های کاری | اجرای آدیت GK و آدیت فرایند و آدیت مدیریت کارخانه | ||
14 | عملکرد جلسات QRQC | برگزاری اثربخش جلسات QRQC APW | - برقراری ارتباط بین جلسات QRR و QRQC – نفرات شرکت‌کننده در جلسه، مسئول حداکثر یک ایراد باشند - برگزاری منظم جلسات QRQC سطح مدیران |
نحوه ورود و خروج ایرادات به جلسات QRQC | - کنترل اثربخشی CPها - انتقال به QRQC - مشخص‌بودن رویکرد حل مسئله - تصدیق تأثیرات توسط واحد کیفیت - انجام فعالیت‌ها قبل از جلسه برای انتخاب ایراد روز با همکاری واحدهای کیفیت و تولید | ||
فعالیت صحیح نفرات شرکت‌کننده در جلسات | اثربخشی آنالیزهای سطوح 0، 1 و 2- حضور نفرات واحدهای مسئول در جلسات | ||
15 | موجودی تعمیر | استفاده از سیستم هشدار خودروها در مناطق دوباره‌کاری | سیستم Help Call |
کارتوگرافی منطقه تعمیراتی | کارتوگرافی منطقه تعمیراتی و مناطق انتظار (خارج از خط تعمیرات) | ||
D-STR | بهبود نرخ شاخص عبور مستقیم | ||
16 | میانگین V1+V2 تأمین‌کننده | آنالیز بهبود شاخص S-AVES مربوط به قطعات | آنالیز بهبود شاخص SAVES مربوط به مواد و قطعات ورودی |
گام پنجم. از تحقیق 'گام چهارم پیشنهاد برای ناکارا ارائه شود. شناسایی شود کدام عوامل واحد ناکارا باید تغییر کنند که معيار به ما می‌گوید.
جدول 7. اقدامات مورد نیاز جهت بهبود شاخصها جهت کارا شدن
ردیف | عنوان شاخص | از | به | اقدامات مورد نیاز جهت بهبود شاخص |
1 | نرخ دستیابی ایرادات اعلام شده به شبکه خدمات پس از فروش در سه ماهه اول پس از تحویل خودرو 3MIS achievement ratio | 1.3 | 6 | ایجاد فرایند کنترلی با دوره روزانه برای کنترل دقیق CPها و ایجاد یک دیتابیس در سیستم ERP برای پیگیری آنلاین |
2 | نرخ دستیابی به حفاظت از مشتری 3MIS Q3 / Customer protection ratio | 1.2 | 5.5 | تشکیل و برگزاری جلسات کمیته ورودی ایرادات مشتریان به سیستم حل مسئله انجام آدیت C.P و بازنگری مستندات ارائه شده سنجش اثربخشی اقدامات اصلاحی و ارائه گزارش ماهانه به واحدهای مرتبط |
3 | Short-AVES | 1.4 | 5.9 | انجام صحیح فرآیند بازکاری محصول نامنطبق که در جریان پیوسته تولید توسط اپراتورها در خطوط تولید یا خارج از آن، مطابق با استاندارد RW تکمیل صحیح قسمت اقدامات حفاظت از مشتری (CP) از فرم EWT Conformity انجام Job Rotation بر اساس استانداردهای ILU ماهانه، جدول ORT و برگه پیشرفت مهارت‌های فردی اپراتورها |
4 | S-AVES convergence V1, V2 (GAP ratio) | 1.5 | 5.5 | افزایش نرخ عبور مستقیم (STR) سالن‌های تولیدی بهبود وضعیت ریورک ایرادات کیفی بهبود درصد انطباق آدیت فرایندهای دوره‌ای در هر EWT تولیدی نمونه‌گیری بیشتر از 40 دستگاه خودرو روند به‌صورت روزانه/هفتگی/ماهانه ایجاد تمهیدات مناسب برای ثبت ایرادات کیفی پیشگیری از Difficult to Check |
5 | S-AVES V1 | 1.2 | 5.9 | - تدوین SOSهای بازرسی و چکمن - آموزش‌های APW مورد نیاز از قبیل ATWI،JO و QRQC - انجام Coaching (مربیگری) مربوط به QRR در شیفت‌های مختلف انجام آدیت GK - راه‌اندازی سیستم FVR - تهیه و تدوین sosها تعمیراتی - آدیت محافظت از محصول خودروهای تولیدی و دپو شده در سطح پارکینگ - محافظت از محصول تجاری نشده و دپو شده در سطح پارکینگ توسط اپراتورها و رانندگان DOJO برای بازرسین Visual Inspection برای بازرسین |
6 | Inspection Capability of Final area | 2 | 5.8 | ایجاد DOJO برای آموزش بازرسین کیفی، آموزش نفرات جهت کشف و رفع ایرادات و بازآموزی استاندارد AVES برای بازرسان در DOJO اجرای آدیتهای GK، آدیت فرایند، تحلیل ریسک‌های ایمنی و بهداشت صنعتی - پیگیری ایرادات کیفی در قالب پانچ لیست پیگیری - تشکیل کمیته‌های تخصصی پیگیری رفع ایرادات کیفی شاخص RC |
7 | قابلیت تعمیر Repair capability | 1.5 | 5.7 | - پیگیری ایرادات کیفی در قالب پانچ لیست پیگیری |
8 | عبور مستقیم F-STR | 2.3 | 5.9 | کاهش ایرادات خروجی از خط مونتاژ پیگیری ایرادات کیفی در قالب پانچ لیست پیگیری تشکیل کمیته‌های تخصصی پیگیری رفع ایرادات کیفی |
9 | DPU-OFF / DPHU-OFF | 1.4 | 5.1 | ایجاد زیرساخت‌ها برای ثبت کامل و به‌روز ایرادات خودرو در سیستم erp برای دریافت گزارش کامل رفع ایرادات مربوط به طرح و قطعه ایجاد مکانیزم کنترلی دقیق برای پروتکت ابزارهای خط تولید |
10 | DPU/ DPHU بدنه | 1.1 | 5.7 | - استفاده از تجهیزات کنترل ابعادی (از قبیل: گپ گیج و خط کش) در خط تولید بدنه - تحلیل شاخص IQG 1D و IQG 3D |
11 | DPU / DPHU رنگ | 2 | 5.6 | - محاسبه قابلیت کشف بازرسان - پایش قابلیت کشف بازرسان و نفرات CSC برای کل سالن توسط پایش جداگانه نفرات انجام ذرات سنجی توسط واحد PM بر اساس طرح کنترل و طرح نگهداری، در سالن‌های رنگ بهبود ارگونومی برای انتهای ایستگاه‌ها (مثلاً: چک سقف) استفاده از کارت سبز برای مشخص نمودن مکان ایرادات |
12 | Proper employee ratio L or U level employee ratio | 1 | 4.5 | تولید روزانه مطابق با برنامه تولید جهت جلوگیری از نوسانات و جابه‌جایی نیروها زمان‌سنجی مناسب با استفاده از سیستم APW ارائه تخصیص کار مناسب برای هریک از ایستگاه‌های کاری شاخص JLR |
13 | L Level operator (Job observation) Standard and training | 1.5 | 5.9 | برنامهریزی دقیق برای هر اپراتور برای دستیابی به سطح مهارت L اجرای استاندارد عملیات بر اساس سایکل تایم اجرای آدیت GK و آدیت فرایند و آدیت مدیریت کارخانه |
14 | عملکرد جلسات QRQC | 1.2 | 4.9 | - برقراری ارتباط بین جلسات QRR و QRQC - کنترل اثربخشی CPها - مشخص‌بودن رویکرد حل مسئله - تصدیق تأثیرات توسط واحد کیفیت اثربخشی آنالیزهای سطوح 0، 1 و 2- حضور نفرات واحدهای مسئول در جلسات |
15 | موجودی تعمیر | 1.2 | 5.9 | سیستم Help Call کارتوگرافی منطقه تعمیراتی و مناطق انتظار (خارج از خط تعمیرات) |
16 | میانگین V1+V2 تأمین‌کننده | 1.3 | 5.8 | آنالیز بهبود شاخص SAVES مربوط به مواد و قطعات ورودی |
4. نتیجهگیری
در این مقاله با استفاده از دادههای حاصل از پنج خط تولیدی شرکت خودروسازی در ایران و به‌منظور سنجش کارایی خطوط در دوره زمانی سال 1398 و با استفاده از روش ناپارامتریک تحلیل پوششی دادهها انجام شده است. باتوجه‌به ضعف مدلهای معمولی و کلاسیک تحلیل پوششی دادهها در سنجش کارایی خطوط تولید از مدل شبکهای با خروجی نامطلوب در تجزیه‌وتحلیل کارایی شرکتهای مزبور استفاده شده است. باتوجه‌به ملاحظات موجود در سیستم سلامت، توقف در سیستم برای ایجاد تغییرات امکانپذیر نیست. ازاین‌رو باید از راهکاری برای آن استفاده شود که اختلالی در ارائه خدمات ایجاد نکند.
مدل این مقاله باتوجه‌به درنظرگرفتن خروجیهای مطلوب و نامطلوب در کنار هم به دنیای واقعی نزدیک‌تر است و در آن کارایی پنج خط تولیدی شرکت خودروسازی با استفاده از مدل تحلیل پوششی دادههای شبکهای مورد بررسی قرار گرفته که با استفاده از ضرایب محاسبه شده برای شاخصهای ورودی و خروجی شناسایی شده مطلوب و نامطلوب مرتبط بر سلامت کیفی خطوط، مدلی برای ارزیابی سلامت کیفیت خطوط تولید خودرو ارائه گردیده است. مهم‌ترین ویژگی عملیاتی مدل ارائه شده، شناسایی و تدوین اقدامات اصلاحی موقت و دستیابی به اقدامات اصلاحی دائم به همراه مسئول دقیق حل مسئله و زمان‌بندی عملیاتی باتوجه‌به کاراترین سازمان/خط تولید است که در نتیجه بررسی ایراد به منشأ ایراد بازمی‌گردد و از بروز مشکل جلوگیری میکند؛ بنابراین باتوجه‌به ارائه بازخوردهای مناسب جهت تدوین اقدامات اصلاحی در منشأ بروز مشکل، سبب کاهش هزینههای ناشی از افت کیفیت، دوباره‌کاری، ارتقاء سطح کیفی محصولات و نیز افزایش سطح قابلیت فرایند میگردد. این مدل قابلیت تعمیم به سایر شرکتهای خودروسازی سبک‌وسنگین در صنعت خودروسازی کشور را دارد.
رویکرد ارائه شده در این پژوهش میتواند برای تحلیل و بهینه‌سازی سایر بخش‌ها نیز استفاده شود و به مدیران ارشد کمک کند که تأثیر تغییرات در سیستم‌ها را بهتر درک کنند و بتوانند با استفاده از رویکردی مشابه برای بهبود وضعیت سیستم‌ها اقدام کنند. پیشنهاد میشود در مطالعات آتی معیارهای موردنظر را به‌صورت غیرقطعی یا سطوح تأمین‌کننده و توزیع‌کننده را در مدل در نظر گرفت، همچنین میتوان از سایر مدلهای تحلیل پوششی دادهها یا روشهای دیگر برای رتبهبندی شاخصها استفاده نمود.
فهرست منابع
[1] Wu, D. and D.L. Olson, Supply chain risk, simulation, and vendor selection. International journal of production economics, 2008. 114(2): p. 646-655.
[2] Zhang, J. and W. Tan, Research on the performance evaluation of logistics enterprise based on the analytic hierarchy process. Energy Procedia, 2012. 14: p. 1618-1623.
[3] Kazan, H., Performance evaluation in research and development, intellectual capital, and firm infrastructure projects as intangible assets. African Journal of Business Management, 2012. 6(5): p. 1872-1882.
[4] Chen, C. and H. Yan, Network DEA model for supply chain performance evaluation. European journal of operational research, 2011. 213(1): p. 147-155.
[5] Charnes, A., W.W. Cooper, and E. Rhodes, A Data Envelopment Analysis Approach to Evaluation of the Program Follow through Experiment in US Public School Education. 1978, Carnegie-Mellon Univ Pittsburgh Pa Management Sciences Research Group.
[6] Färe, R. and S. Grosskopf, Network DEA. Socio Econ Plan Sci 34:35–49, 2000.
[7] Cook, W.D., L. Liang, and J. Zhu, Measuring performance of two-stage network structures by DEA: a review and future perspective. Omega, 2010. 38(6): p. 423-430.
[8] Kao, C., Network data envelopment analysis. International Series in Operations Research & Management Science. DOI, 2017. 10: p. 978-3.
[9] Banker, R.D., A. Charnes, and W.W. Cooper, Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management science, 1984. 30(9): p. 1078-1092.
[10] Miina, A., M. Saat, and E. Kolbre, Critical success factors of lean thinking implementation in Estonian manufacturing companies. 2012: TUT Press.
[11] Kumar, N., et al., Implementing lean manufacturing system: ISM approach. Journal of Industrial Engineering and Management (JIEM), 2013. 6(4): p. 996-1012.
[12] Gijo, E. and J. Scaria, Process improvement through Six Sigma with Beta correction: a case study of manufacturing company. The International Journal of Advanced Manufacturing Technology, 2014. 71(1-4): p. 717-730.
[13] Bagozzi, R.P., Performance and satisfaction in an industrial sales force: An examination of their antecedents and simultaneity. Journal of Marketing, 1980. 44(2): p. 65-77.
[14] Kiaei, H. and R. Kazemi Matin, Common set of weights and efficiency improvement on the basis of separation vector in two-stage network data envelopment analysis. Mathematical Sciences, 2020. 14(1): p. 53-65.
[15] lo Storto, C., Performance evaluation of social service provision in Italian major municipalities using Network Data Envelopment Analysis. Socio-Economic Planning Sciences, 2020. 71: p. 100821.
[16] Villano, R.A., et al., Measuring disaster resilience in the Philippines: evidence using network data envelopment analysis. Climate and Development, 2020. 12(1): p. 67-79.
[17] گلسفید, غ., دانشیان, and ر.م. خلیفه, کارایی متقاطع برای دادههای بازه‌ای و کاربرد آن جهت بهبود عملکرد یک سیستم به‌کمک شبیه‌سازی. تصمیم گیری و تحقیق در عملیات, 2021.
[18] طاهر, ف., et al., تخمین خروجیهای نامطلوب و ورودیهای مطلوب به همراه بهبود در کارایی برای واحدهای تصمیمگیری با داده های بازه ای. پژوهش های نوین در ریاضی, 2021. 7(29): p. 65-72.
[19] عباسیان, ح., ارتقاء واحدهای ناکارا (با داده های منفی) در جهت وزن های مشترک در تحلیل پوششی داده ها. Iranian Journal of Optimization, 2021. 13(3).
[20] ایرانزاده and سلیمان, کاربرد تحلیل پوششی دادهها در اندازهگیری کارآیی نسبی مراکز تلفن شهری (مطالعه موردی: مخابرات منطقه آذربایجان‌شرقی). مدیریت بهرهوری, 2022.
[21] خردرنجبر, et al., ارزیابی کارآئی سیستم نگهداری و تعمیر ساختمانها با استفاده از روش تحلیل پوششی دادهها. نشریه مهندسی سازه و ساخت, 2022. 8(شماره ویژه 4): p. 252-269
[22] نصراللهیان, پ., et al., بهبود مجموعه امکان تولید در تحلیل پوششی دادهها با استفاده از مقادیر بازه اطمینان. پژوهش های نوین در ریاضی, 2022.
[23] Mocholi-Arce, M., et al., Performance assessment of the Chilean water sector: A network data envelopment analysis approach. Utilities Policy, 2022. 75: p. 101350.
[1] . عهدهدار مکاتبات :Email: amirgholamabri@gmail.com
سند
الروابط
المراكز ذات الصلة
دعامة
الصفحات الرسمية
حقوق هذا الموقع الإلكتروني مملوكة لنظام SANAD Press Management. © 1442-1447