ارائه مدلی جهت کنترل فرآیندآماری به منظور بهینه سازی راندمان و کیفیت در صنایع تولیدی (مقاله پژوهشی دانشگاه آزاد)
درجه علمی: علمی-پژوهشی (دانشگاه آزاد)
آرشیو
چکیده
در این پژوهش یک مدل کنترل فرآیند آماری ترکیبی برای شناسایی عوامل تأثیرگذار بر راندمان و کیفیت در صنایع تولیدی و قطعه ساز ارائه شده و سپس تحت کنترل قراردادن و بهینه سازی این فرآیندها مد نظر قرار می گیرد. صنایع تولیدی و قطعه ساز به عنوان بدنه اصلی صنایع کشور جهت مطالعه موردی و پیاده سازی در نظر گرفته شده است. جهت کشف عوامل اثرگذار بر راندمان از تکنیک های خوشه بندی استفاده می شود. و سپس با استفاده از الگوریتم های درخت تصمیم به پیش بینی راندمان و کیفیت در این صنایع پرداخته می شود و در مرحله پایانی جهت رسم نمودارهای کنترل، از نمودارهای کنترل پراکندگی و میانگین متغیرها استفاده می گردد. جدول مقایسه ای پارامترها توسط خروجی نرم افزار کلمنتاین تهیه شده و در بخش شبکه عصبی از نرم افزار رپیدماینر استفاده می شود. نتایج حاصل از شناسایی عوامل اثرگذار و پیش بینی از نظر فنی به مقادیر هدف نزدیک بوده و نمودارهای کنترل با حدود کنترل فنی مشخصه ها همخوانی داشته و جهت بهینه سازی مقدار هدف که راندمان و کیفیت است مفید می باشد.Presenting a model for statistical process control in order to optimize efficiency and quality in manufacturing industries
In this research, a combined statistical process control model is presented to identify factors affecting efficiency and quality in manufacturing and component manufacturing industries, and then controlling and optimizing these processes is considered. Manufacturing and component industries are considered as the main body of the country's industries for case study and implementation. Clustering techniques are used to discover factors affecting efficiency. And then using decision tree algorithms to predict efficiency and quality in these industries, and in the final stage, control charts of dispersion and average variables are used to draw control charts. The comparison table of the parameters is prepared by the output of the Clementine software, and RapidMiner software is used in the neural network section. The results obtained from the identification of influencing and forecasting factors are close to the target values from a technical point of view, and the control charts are consistent with the technical control limits of the characteristics and are useful for optimizing the target value, which is efficiency and quality.