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)

محورهای موضوعی : آینده پژوهی

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

تاریخ دریافت : 1400/01/24 تاریخ پذیرش : 1400/12/03 تاریخ انتشار : 1402/06/01

کلید واژه: داده کاوی, کنترل کیفیت, کاهش ضایعات, مدل تحلیل پوششی داده‌ها, الگوهای درخت تصمیم,

چکیده مقاله :

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

چکیده انگلیسی:

Today, most industries and factories in the country use statistical quality control tools to improve product quality, but due to the high volume of data, now there is a need for a more powerful tool that can control statistical quality control processes, given the extent Data Mining Algorithms and Its Ability to Discover Rules In this research, data mining tools have been used to improve the quality control process and increase it. The method is that first the failure database is formed and after collecting quality control data, the accuracy of predicting the quality of parts is determined using different decision tree algorithms and in the next step using Modeling, Coverage Analysis, Data Each of the rules is evaluated, and finally the workstations are evaluated using the rules that apply to each workstation. Accordingly, in this study, the statistical population of all Tiba surge arresters in 1398. The attributes consist of 9 workstations. Based on the results, the best algorithm in predicting C5 failure is and the most important attributes selected by it are determined as the most important attributes, which are: Cooling quality, hole quality and cutting quality. Also, the evaluation of the rules has been done using the model of cover analysis, data and the most important rules have been extracted. Finally, based on solving the model, the devices that will be in the corrective priority for the current year are: Rowling , Solder and cutting