طراحی مدل کنترل آماری فرآیند در محیط فازی و بررسی نتایج آن در صنعت شکلات

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری مدیریت صنعتی، 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.

10.22034/jsqm.2021.302798.1359

چکیده

در مهندسی و تولید صنعتی، بخش کنترل کیفیت و مهندسی کیفیت به طراحی روش‌هایی مشغول است تا کارخانه بتواند به‌وسیله آن روش‌ها از مرغوبیت و مشتری‌پسند بودن کالای تولیدی خود مطمئن گردد. عمده بحث کنترل کیفیت مربوط به انجام نمونه گیری از محصولات، بازرسی آن نمونه ها و تعمیم نتایج به کل انباشت محصول است که بر اساس روش‌های آماری انجام می‌گیرد. هدف از پژوهش حاضر طراحی مدل کاربردی کنترل آماری فرآیند در محیط فازی و اثرات آن در شرکت صنعتی داداش برادر می‌باشد. این پژوهش از نوع تحقیقات کاربردی و توصیفی است. جمع‌آوری اطلاعات برای اجرای مدل از روش نمونه‌گیری در ایستگاه بازرسی تبعیت می‌کند و به‌صورت 30 نمونه 50 تایی شکلات شیری، محصول شرکت صنعتی داداش برادر می‌باشد. با توجه به ویژگی‌های هفت گانه شکلات، نقص محصولات تولیدی مشخص گردید. روش آن نیز بدین ترتیب است که با انجام مطالعات کتابخانه‏ای برای استخراج تعداد نقص‌ها مدل مد فازی طراحی شده است، سپس طی جلساتی با خبرگان و بررسی نمونه‏های محصول اعداد فازی متناسب با نوع نقص شناسایی گردید، در ادامه با استفاده از نرم‏افزار Matlab برای مدل مد فازی در نمودار U-C کدنویسی شد تا خروجی‏ها را به صورت‏ اصطلاحات زبانی نمایش داده شود. روش تجزیه‌وتحلیل اطلاعات و فرآیند اجرایی بدین‌صورت است که بعد از جمع‌آوری داده‌ها با استفاده از فرمول‌های مربوطه، مقدار سطح قابل‌قبول کیفیت و سطوح کنترل به‌دست‌آمده و نتایج با روش کلاسیک مقایسه گردیده است. سپس مشخص گردید روش کنترل آماری فرآیند در محیط فازی نسبت به روش کلاسیک، عملکردی دقیق تر و هوشمندانه تر دارد که با توجه به این مهم اجرای روش جدید به شرکت مذکور پیشنهاد گردید.

کلیدواژه‌ها


  • علی‌نژاد، خسرو، دباغ، رحیم، شیرزاد، اکبر. (1398). کنترل کیفیت آماری بر‌اساس شاخص کارایی فرایندها و نمودارهای کنترل با رویکرد فازی (مطالعه موردی: شرکت‌ آب و فاضلاب شهری استان آذربایجان غربی). نشریه مهندسی عمران امیرکبیر, 51(4), 699-712.
  • ابراهیمی، الف.، اکبری،م.، اطمینان،ج. (1391). نمودار کنترل کیفیت c بر اساس دادههای فازی بااستفاده از فاصله اطمینان بوتاسترپی و متر یائو-ویو. یازدهمین کنفرانس سیستمهای هوشمند ایران.
  • اسماعیل‌پور، ر.، رمضانیان، م.، کاظم اف، ف. (1388). ارائه مدل کنترل فرآیند آماری فازی با روش مد فازی برای کنترل تعداد نقصهای محصول، نشریه مدیریت صنعتی،2 ،18 -3.
  • نقندریان، کاظم. (1388)، کنترل کیفیت آماری، تهران : دانشگاه علم و صنعت ایران.
  • Zhang, D. and Lu, Q. (2016), Robust regression analysis with LR-type fuzzy input variables and fuzzy output variable, Journal of Data Analysis and Information Processing, 4, 64-80.
  • Sarina Abdul Halim Lim, Jiju Antony, Norin Arshed & Saja Albliwi (2017) A systematic review of statistical process control implementation in the food manufacturing industry, Total Quality Management & Business Excellence, 28:1-2, 176-189, DOI: 10.1080/14783363.2015.1050181
  • Sogandi, F., Mousavi, S. M., & Ghanaatiyan, R. (2014). An extension of fuzzy P-control chart based on-level fuzzy midrange. Advanced computational techniques in electromagnetics, 2014, 1-8. DOI:10.5899/2014/acte-00177
  • Alizadeh, H. M., & Ghomi, S. M. T. (2011). Fuzzy development of Mean and Range control charts using statistical properties of different representative values. Journal of intelligent & fuzzy systems, 22(5, 6), 253-265.
  • Kaya, İ., & Kahraman, C. (2011). Process capability analyses based on fuzzy measurements and fuzzy control charts. Expert systems with applications, 38(4), 3172-3184.
  • Erginel, N., Sentürk, S., Kahraman, C., & Kaya, I. (2011). Evaluating the packing process in food industry using fuzzy and [stilde] control charts. International journal of computational intelligence systems, 4(4), 509-520.
  • Noghondarian, K., (2009). Statistical Quality Control, Iran University of Science and Technology Press. Tehran. Iran. (In Persian).
  • I, & Aytac .E (2009). Construction of quality control charts by using probability and fuzzy approaches and an application in a textile company. Journal of Intelligent Manufacturing, 20, 139–149.
  • Gülbay, M., Kahraman, C., & Ruan, D. (2004). α‐Cut fuzzy control charts for linguistic data. International journal of intelligent systems, 19(12), 1173-1195.
  • Ross, T. J. (2004), “Fuzzy Logic with Engineering Applications,” PrenticeHall International Inc., New Jersey, USA.
  • El-Shal, S. M. and Morris, A. S., (2000) "A Fuzzy Rule-Based Algorithm to Improve the Performance of Statistical Process Control in Quality Systems", Journal of Intelligent and Fuzzy Systems Vol. 9, pp. 207-223.
  • Montgomery, D. C. (1997). Introduction to statistical quality control. New York, NY [u.a.]: Wiley. ISBN: 0471303534
  • Kahraman, C. and et al, (1995) "Using Triangular Fuzzy Numbers in the Tests of Control Charts for Unnatural patterns", INRIA/IEEE Conference, Paris-France, vol. 3, pp. 291-298.
  • Kanagawa, A., Tamaki, F., & Ohta, H. (1993). Control charts for process average and variability based on linguistic data. The International Journal of Production Research, (1), 91 -922.
  • Wang, J. H., & Raz, T. (1990). On the construction of control charts using linguistic variables. The international journal of production research, 28(3), 477-487.
  • Raz, T., & Wang, J. H. (1990). Probabilistic and membership approaches in the construction of control charts for linguistic data. Production planning & control, 1(3), 147-157.