مهندسی و مدیریت کیفیت

چکیده هدف این مقاله ارائه مدلی جامع برای هم‌افزایی کیفیت، پایداری و چابکی در سیستم‌های تولید دارو با استفاده از داده‌های جمع‌آوری ‌شده توسط سیستم‌های بازرسی خودکار برای ارتقای کیفیت محصول، برنامه‌ریزی تعمیر و نگهداری پیشگیرانه و بهینه‌سازی برنامه‌ریزی تولید می‌باشد. با بررسی ادبیات مرتبط با مدیریت کیفیت، پایداری و چابکی در تولید، مدل یکپارچه کیفیت، نگهداری و تولید (IQMP) با استفاده از رویکردهای بیزی طراحی و توسعه داده شد. نتایج نشان می‌دهد که مدل می‌تواند به طور مؤثری در جهت ارتقای کیفیت محصول، افزایش پایداری تولید و چابکی سیستم در برابر تغییرات و نوسانات محیطی عمل کند. استفاده از داده‌های بازرسی آنلاین می‌تواند به عنوان یک ابزار استراتژیک برای مدیران تولید و نگهداری به کار گرفته شود. با پیاده‌سازی این مدل در شرایط واقعی، شرکت‌ها قادر خواهند بود که از داده‌های جمع‌آوری ‌شده توسط سیستم‌های بازرسی خودکار بهره ببرند و برنامه‌ریزی‌های دقیق‌تری برای نگهداری و کنترل کیفیت انجام دهند.

چکیده در این پژوهش، یک رویکرد ترکیبی برپایه منطق فازی و شبکه عصبی مصنوعی برای پیش بینی خرابی ماشین آلات در راستای افزایش بهره‌وری ارائه می شود. مورد مطالعه این پژوهش یکی از کارخانجات صنعت خودروسازی با نام دیاکو ایده آریا بوده که در حوزه تولید قطعات خودرو فعالیت می کند. برای مدل سازی شبکه فازی-عصبی پرسپترون چند لایه(MLP)، نخست تعداد 100 خرابی و توقف در بازه زمانی 15 ماه جمع آوری شده و سپس در نرم افزار MATLAB وارد شده است. نتایج بدست آمده نشان می دهد پیاده سازی شبکه فازی-عصبی و پیش بینی زمان خرابی ماشین آلات سبب کاهش مدت زمان و هزینه تعمیرات شده است. بنابراین مدت زمان کاری و دسترس پذیری ماشین آلات افزایش یافته و در نهایت سبب افزایش میزان بهره وری به میزان 57 درصد می‌شود، همچنین، میزان دقت مدل فازی- عصبی توسعه داده شده 94 درصد برآورد شده است.