طراحی مدل کنترل فرآیند آماری از طریق سیستم استنتاج فازی برای کنترل مشخصه های وصفی در صنایع غذایی

محورهای موضوعی : اصول مهندسی صنایع غذایی-مدل سازی

بهاور آذرمی زاد ¹ , کمال الدین رحمانی یوشانلوئی ² , علیرضا بافنده زنده ³ , سیروس فخیمی آذر ⁴

1 - دانشجوی دکتری، گروه مدیریت، دانشکده مدیریت، اقتصاد و حسابداری، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران.
2 - استادیار، گروه مدیریت، دانشکده مدیریت، اقتصاد و حسابداری، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران.
3 - دانشیار، گروه مدیریت، دانشکده مدیریت، اقتصاد و حسابداری، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران.
4 - استادیار، گروه مدیریت، دانشکده مدیریت، اقتصاد و حسابداری، واحد تبریز، دانشگاه آزاد اسلامی، تبریز، ایران.

تاریخ دریافت : 1401/10/15 تاریخ پذیرش : 1401/12/06 تاریخ انتشار : 1403/12/19

کلید واژه: کنترل آماری فرآیند فازی, مد فازی, میانه فازی, سیستم استنتاج فازی.,

چکیده مقاله :

اهمیت کیفیت در صنعت برای بدست آوردن و تولید محصولات با کیفیت بالا دیرزمانی است که شناخته شده است. کیفیت در محیط تولید، قابلیت اتکاء را بهبود بخشیده، تولید را بالا برده و رضایت مشتری را جلب می‌کند. نمودارهای کنترل کلاسیک با استفاده از داده‌های دقیق و معین، فرآیندهای تولیدی را در دو گروه «رد» و یا «قبول» قرار می‌دهند. مشخصه‌های وصفی به دلیل ابهام در میزان عیب در کالا و تصمیم‌گیری توسط بازرس در شرایط فازی قرار دارند و مجموعه‌های فازی با تعریف توابع عضویت پیوسته و استفاده از داده‌های مبهم و نامعین با بهره‌گیری از اعداد فازی مثلثی و ذوزنقه‌ای به‌ صورت دسته‌های کنترلی طبقه‌بندی می‌شوند و سطح کیفی محصول را به‌صورت‏ واقعی‏تر بیان می‌کنند. این تحقیق از نوع تحقیقات کاربردی و توصیفی می‌باشد که با هدف طراحی مدل کنترل فرآیند آماری از طریق سیستم استنتاج فازی برای کنترل مشخصه‌های وصفی در صنایع غذایی اجرا شده است. برای جمع‌آوری اطلاعات از سیستم نمونه‌گیری در ایستگاه بازرسی استفاده شده است و با توجه به ویژگی‌های حسی و فیزیکی، سطح کیفی شکلات‌های تولیدی تعیین گردید. در روش کلاسیک 28 مورد «تحت کنترل» و فقط 2 مورد «خارج از کنترل» شناسایی شد اما در بررسی با مدل طراحی شده فازی 28 نمونه «تحت کنترل»، 1 نمونه «نسبتاً تحت کنترل» و 1 نمونه «خارج از کنترل» بودند، بر اساس نتایج تحقیق، پیشنهادات کاربردی به صنعت مربوطه توصیه گردید.

چکیده انگلیسی:

The importance of quality in the industry to obtain and produce high quality products has been known for a long time. Quality in the production environment improves reliability, increase production and attracts customer satisfaction. Classical control diagrams, using precise and definite data, place production processes in two groups, «rejection» or «acceptance». Descriptive characteristics are in fuzzy conditions due to ambiguity in the number of defects in the product and decision making by the inspector, and fuzzy sets by defining continuous membership functions and using ambiguous and indefinite data by using triangular and trapezoidal fuzzy numbers in the form of control categories are classified and express the quality level of the product more realistically. This research is an applied and descriptive research, which was carried out with the aim of designing model of Statistical Process Control through a fuzzy inference system to control descriptive characteristics in the food industry. Sampling system has been used in the inspection station to collect information and according to sensory and physical characteristics, the quality level of the produced chocolates was determined. In the Classical Method, 28 cases were identified «under control» and only 2 cases were «out of control». But in the investigation with the fuzzy designed model, 28 samples were «under control», 1 sample was «relatively under control» and 1 sample was «out of control»; Based on the research result, practical suggestions were recommended to the relevant industry.

منابع و مأخذ:

1. اسماعیل‌پور ر، رمضانیان م، کاظم اف ف. ارائه مدل کنترل فرآیند آماري فازي با روش مد فازي براي کنترل تعداد نقص هاي محصول. نشریه مدیریت صنعتی. 1388؛1(2): 18-3.
2. جعفرنژاد، ا.، قاسمیان صاحبی، ا.، معصومی، ب.، و رفعتی، آ. 1398. تحلیل روابط میان عوامل حیاتی موفقیت کنترل فرآیند آماری. چهارمین کنفرانس بین المللی مدیریت صنعتی، یزد.
3. علینژاد خ، دباغ ر، شیرزاد ا. کنترل کیفیت آماری بر‌اساس شاخص کارایی فرآیندها و نمودارهای کنترل با رویکرد فازی (مطالعه موردی: شرکت‌ آب و فاضلاب شهری استان آذربایجان غربی). نشریه مهندسی عمران امیرکبیر. 1398؛ 51(4): 712-699.
4. فراز، ع. 1390. بناسازی نمودار کنترل آماری– فازی فرآیند. تحقیق در عملیات در کاربردهای آن (ریاضیات کاربردی)، 54-45.
5. مرادی طادی، ا. و آوخ دارستانی، س. 1393. توسعه‎ی نمودار کنترل IX-MR با استفاده از روش مد فازی. کنفرانس بین المللی مهندسی، هنر و محیط زیست.
6. Dombi J, Hussain A. A new approach to fuzzy control using the distending function. Journal of Process Control. 2020; 86: 16-29.
7. Ertugrul İ, Aytac E. Construction of quality control charts by using probability and fuzzy approaches and an application in a textile company. Journal of intelligent manufacturing. 2009; 20(2): 139-149.
8. Gulbay M, Kahraman C. Development of fuzzy process control charts and fuzzy unnatural pattern analyses. Computational statistics & data analysis. 2006; 51(1): 434-451.
9. Gulbay M, Kahraman C, Ruan D. α‐Cut fuzzy control charts for linguistic data. International journal of intelligent systems. 2004; 19(12): 1173-1195.
10. Kaya I. Construction of u Control Chart by Type-2 Fuzzy Sets, Proceedings Of the 4th International E-Conference on Advances in Engineering, Technology and Management –ICETM. 2021: 138-143.
11. Kaya, I., Devrim, E., Baracli, H. 2022. Design of Attributes Control Charts for Defects Based on Type-2 Fuzzy Sets with Real Case Studies from Automotive Industry.1173-1195.
12. Kaya I, Erdogan M, Yıldız C. Analysis and control of variability by using fuzzy individual control charts. Applied Soft Computing. 2017; 51: 370-381.
13. Kaya I, Turgut A. Design of variable control charts based on type-2 fuzzy sets with a real case study. Soft Computing. 2021; 25(1): 613-633.

14. Kim E, Park M, Ji S, Park M. A new approach to fuzzy modeling. IEEE Transactions on fuzzy systems. 1997; 5(3): 328-337.
15. Sugeno M, Yasukawa T. A fuzzy-logic-based approach to qualitative modeling. in IEEE Transactions on Fuzzy Systems. 1993;1(1): 7.


16. Wang X, Park J. H, She K, Zhong S, Shi L. Stabilization of chaotic systems with T–S fuzzy model and nonuniform sampling: A switched fuzzy control approach. IEEE Transactions on Fuzzy Systems. 2018; 27(6): 1263-1271.