بهینه سازی هزینه کیفیت با شش سیگما تقویت شده به وسیله هوش مصنوعی در مدیریت چرخه عمر پروژه

چکیده مقاله

در محیط های رقابتی امروز، مدیریت چرخه عمر پروژه نیازمند رویکردهای نوین برای کنترل و کاهش هزینه های کیفیت Cost of Quality – CoQ است این پژوهش، مدل یکپارچه ای مبتنی بر شش سیگما تقویت شده با هوش مصنوعی را برای بهینه سازی CoQ در پروژه های صنعتی ارائه می دهد چارچوب پیشنهادی، چرخه DMAIC شش سیگما را با الگوریتم های یادگیری ماشین و روش های هوش مصنوعی قابل توضیح XAI تلفیق نموده و داده های واقعی حاصل از سیستم های ERP و MES را در مراحل تحلیل و بهبود به کار می گیرد در مرحله تعریف و اندازه گیری، شاخص های کلیدی عملکرد پروژه شامل درصد ضایعات، زمان تحویل به موقع OTD و میانگین زمان شناسایی مشکل MTTI تعیین می شوند در گام تحلیل، مدل XAI روندهای پنهان و عوامل ریشه ای بروز انحرافات را شناسایی می کند، و در گام بهبود، اقدامات اصلاحی مبتنی بر شواهد به WBS پروژه اضافه می گردد در اجرای آزمایشی، استفاده از این رویکرد منجر به کاهش ۱۷٪ هزینه های عدم کیفیت، افزایش ۱۴٪ تحویل به موقع و بهبود ۳۲٪ در سرعت شناسایی مشکلات گردید نتایج این تحقیق نشان می دهد که ترکیب هوش مصنوعی با شش سیگما، رویکردی کارآمد برای مدیریت فعالانه کیفیت در کل چرخه عمر پروژه فراهم می آورد و می تواند به عنوان یک ابزار راهبردی برای ارتقاء عملکرد پروژه ها در صنایع خودرویی و تولید انبوه مورد استفاده قرار گیرد

کلیدواژه‌ها

نویسندگان

فرگل پاک طینت

سرپرست برنامه ریزی و کنترل پروژه شرکت ماهان صنعت پارس ایرتویا دانشجوی ارشد مدیریت صنعتی

رزومه علمی کاربران

درباره سیویلیکاتبلیغات در سیویلیکاآمار علمی ایرانتقویم علمی ایرانداده کاوی مقالاتطرح های پژوهشی

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید: پاک طینت، فرگل،1404،بهینه سازی هزینه کیفیت با شش سیگما تقویت شده به وسیله هوش مصنوعی در مدیریت چرخه عمر پروژه،نهمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندسی،https://civilica.com/doc/2606370

ارائه‌شده در

مجموعه مقالات نهمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندسی7 اسفند 1404