مهندسی و مدیریت کیفیت

چکیده هدف: این پژوهش با هدف بررسی روابط میان QMP، فناوری‌های صنعت 4.0 و عملکرد سازمانی انجام شده است و در این میان، نقش میانجی رضایت مشتری و فناوری مورد توجه قرار گرفته است. هدف اصلی مطالعه، تبیین نحوه اثرگذاری ترکیب کیفیت و فناوری بر ارتقای عملکرد سازمانی در شرکت‌های تولیدی ایران بوده است.
روش‌شناسی پژوهش: پژوهش از رویکرد ترکیبی استفاده کرده و داده‌ها با روش مدل‌سازی معادلات ساختاری (PLS-SEM) و شبکه عصبی مصنوعی (ANN) تحلیل شده‌اند. جامعه آماری شامل کارکنان شرکت‌های تولیدی ایران بوده و داده‌ها از طریق پرسشنامه‌ای معتبر با 205 پاسخ‌دهنده گردآوری شده است. ابزار پژوهش دارای پنج متغیر اصلی، چهارده مولفه فرعی و چهل‌وپنج شاخص بوده است.
یافته‎ها: نتایج نشان داده‌اند که QMP تاثیر مستقیم و معناداری بر رضایت مشتری و عملکرد سازمانی دارند. همچنین، فناوری صنعت 4.0 و رضایت مشتری نقش میانجی موثری در این روابط ایفا کرده‌اند. تحلیل شبکه عصبی نیز بیان کرده است که رضایت مشتری، مدیریت فرآیند و داده‌محوری بیشترین اهمیت را در پیش‌بینی عملکرد سازمانی داشته‌اند. یافته‌ها در مجموع تایید کرده‌اند که ترکیب QMP با فناوری‌های نوین می‌تواند راهبردی کارآمد برای بهبود عملکرد سازمانی باشد.
اصالت/ارزش افزوده علمی:این تحقیق با ترکیب دو روش PLS و ANN، رویکردی نوآورانه برای تحلیل هم‌زمان روابط علی و پیش‌بینی غیرخطی ارایه داده است. همچنین با بررسی هم‌زمان دو متغیر میانجی رضایت مشتری و فناوری و اجرای پژوهش در بستر بومی شرکت‌های ایرانی، خلأ مطالعاتی موجود را پوشش داده و به توسعه ادبیات مدیریت کیفیت و تحول دیجیتال کمک کرده است.

چکیده هدف: این پژوهش به بررسی تاثیر مولفه‌های فنی، رابطه‌ای و تجاری فرایندهای کسب‌وکار الکترونیک بر خلق ارزش در زنجیره‌تامین دیجیتال با تاکید بر نقش تسهیم اطلاعات با رویکرد مدل‌سازی شبکه عصبی می‌پردازد. تمرکز اصلی بر نقش میانجی قابلیت‌های کسب‌وکار الکترونیک در تقویت تاثیر این مولفه‌ها بر عملکرد رقابتی زنجیره‌تامین است.
روش‌شناسی پژوهش: این پژوهش کاربردی و از نوع توصیفی-همبستگی است. جامعه آماری پژوهش را کارشناسان، مدیران و کارکنان شرکت‌های تولیدی فعال در شهرک صنعتی پایتخت تشکیل داده‌اند. نمونه‌گیری به شیوه غیراحتمالی در دسترس و اقتضایی انجام و داده‌ها از طریق پرسشنامه‌ استاندارد گردآوری شد که روایی و پایایی آن توسط شاخص‌های AVE>0.5، CR>0.7، CR>AVE و α>0.7 تایید گردیده است. برای اعتبارسنجی مدل و آزمون فرضیه‌ها، از روش معادلات ساختاری واریانس‌محور در نرم‌افزار SmartPLS نسخه 4.0 و ماژول شبکه عصبی مصنوعی در نرم‌افزار SPSS29 استفاده شده است.
یافته‎ها: پس از برازش مدل تحقیق با رویکرد معادلات ساختاری واریانس محور و شبکه عصبی پرسپترون چندلایه یافته‌های پژوهش نشان داد که در هر دو رویکرد، متغیر تسهیم اطلاعاتی بالاترین تاثیر داشته و همچنین هر دو رویکرد توانایی پیش بینی عملکرد رقابتی زنجیره‌تامین دیجیتال را داشتند. برای ارزیابی مدل برازش شده با دو رویکرد، از شاخص ریشه میانگین مربعات خطا استفاده شد. مقدار ریشه میانگین مربعات خطا در رویکرد شبکه عصبی پرسپترون چندلایه برابر 0.021 و در رویکرد معادلات ساختاری واریانس محور برابر 0.879 می باشد؛ بنابراین روش شبکه عصبی پرسپترون چندلایه با خطای خیلی کمتری توانایی پیش‌بینی عملکرد رقابتی زنجیره‌تامین دیجیتال را داشته و می‌تواند به‌عنوان مدل بهینه مورداستفاده قرار گیرد.
اصالت/ارزش‌افزوده علمی: این پژوهش با ارایه مدلی تلفیقی، نقش قابلیت‌های فرایندهای کسب‌وکار الکترونیک را در بهبود عملکرد رقابتی زنجیره‌تامین تبیین می‌کند. یافته‌ها راهنمایی کاربردی برای تصمیم‌گیری و برنامه‌ریزی استراتژیک در شرکت‌های تولیدی، به‌ویژه در محیط‌های تجاری پویا ارایه می‌دهند.

چکیده هدف: یکی از چالش‌های رقابتی این روزهای شرکت‌های بیمه که بسیار اهمیت دارد ارایه خدماتی است که با کیفیت بهتر بتوانند بهره‌وری را افزایش دهند. این تحقیق با هدف بررسی تاثیر شاخص‌های مدیریت کیفیت بهره‌وری و هوش مصنوعی بر افزایش بهره‌وری تولید خدمات در بیمه پاسارگاد انجام گردید.
روش‌شناسی پژوهش: جامعه آماری بخش کمی این تحقیق شامل کلیه پرسنل شاغل در ساختمان مرکزی بیمه پاسارگاد می‌باشد. به دلیل گستردگی جامعه آماری، پرسشنامه‌ای طبقه‌بندی شده و مبتنی بر نتایج مرحله کیفی پژوهش تهیه و در میان پرسنل توزیع شد تا قابلیت تعمیم‌پذیری نتایج افزایش یابد. حجم نمونه این مطالعه با استفاده از فرمول کوکران ابتدا برابر با ۱۳۰۰ نفر برآورد شد که پس از محاسبات نهایی، حجم نمونه نهایی ۲۹۷ نفر تعیین گردید. از آن‌جا که این پژوهش به روش پیمایشی انجام شده است، داده‌ها با بهره‌گیری از روش‌های آماری توصیفی و استنباطی تحلیل شدند. سپس در بخش آمار استنباطی، پس از تعیین توزیع متغیرها در جامعه، تحلیل‌های پیشرفته‌تری انجام گرفت. برای این منظور، از مدلسازی معادلات ساختاری با نرم‌افزار Smart PLS و همچنین آزمون‌های آماری توصیفی جهت بررسی داده‌های جمعیت‌شناختی و تحلیل متغیرهای پژوهش در نرم‌افزار SPSS استفاده گردید.
یافته‎ها: با توجه به یافته‌های این پژوهش، می‌توان نتیجه گرفت که تلفیق شاخص‌های مدیریت کیفیت بهره‌وری با فناوری‌های نوین هوش مصنوعی، نقش به‌سزایی در بهبود عملکرد و افزایش بهره‌وری خدمات در صنعت بیمه، به‌ویژه در شرکت‌هایی همچون بیمه پاسارگاد دارد.
اصالت/ارزش افزوده علمی: الگوی مدیریت کیفیت بهره‌وری و هوش مصنوعی بر افزایش بهره‌وری تولید خدمات در بیمه پاسارگاد ارایه‌شده در این تحقیق، گامی علمی و کاربردی در جهت حرکت صنعت بیمه به‌سوی تحول فناورانه، چابکی سازمانی و رقابت‌پذیری بلندمدت به‌شمار می‌رود.

چکیده هدف: در شرایط پیچیده و پرنوسان بازارهای مالی ایران، نیاز به بهره‌گیری از چارچوب‌های تصمیم‌سازی مبتنی بر داده برای ارتقای کیفیت تصمیم‌های استراتژیک بیش از پیش احساس می‌شود. با این حال، مرور مطالعات پیشین نشان می‌دهد که اغلب پژوهش‌ها، کلان‌داده را صرفا از جنبه فنی و در محیط‌های باثبات کشورهای توسعه‌یافته بررسی کرده‌اند و کمتر به نقش عوامل رفتاری و شناختی مدیران در زنجیره تحول داده تا تصمیم پرداخته‌اند. از این رو، پژوهش حاضر با هدف پر کردن این خلا، به بررسی تاثیر مستقیم و غیرمستقیم استفاده از کلان‌داده بر کیفیت تصمیم‌های استراتژیک از طریق متغیرهای کیفیت داده، کیفیت اطلاعات و پذیرش اطلاعات پرداخته است.
روش‌شناسی پژوهش:  این پژوهش دارای هدفی کاربردی و روشی توصیفی–پیمایشی است. جامعه آماری شامل 697 نهاد مالی فعال در بازار سرمایه ایران بود. حجم نمونه با نرم‌افزار جی-پاور 244 شرکت تعیین شد. داده‌ها به ‌واسطه یک  پرسشنامه استاندارد آنلاین، با روش نمونه‌گیری تصادفی ساده جمع‌آوری و با  اتخاذ رویکرد مدل‌سازی معادلات ساختاری از طریق نرم‌افزار اسمارت پی‌ال‌اس 3 تحلیل شد.
یافته‎ها: تاثیر استفاده از کلان‌داده بر کیفیت داده و کیفیت اطلاعات به ترتیب با ضریب مسیر 0/405 و 0/210 در سطح اطمینان %99 تایید شد، اما تاثیر مستقیم آن بر کیفیت تصمیم‌های استراتژیک با ضریب مسیر 0/083 رد شد. همچنین، تاثیر کیفیت داده بر کیفیت اطلاعات، پذیرش اطلاعات و کیفیت تصمیم‌های استراتژیک به ترتیب با ضریب مسیر 0/381، 0/353 و 0/296 در سطح اطمینان %99 تایید شد. در نهایت، تاثیر کیفیت اطلاعات بر پذیرش اطلاعات و کیفیت تصمیم‌های استراتژیک با ضرایب مسیر 0/674 و 0/493 و تاثیر پذیرش اطلاعات بر کیفیت تصمیم‌های استراتژیک با ضریب مسیر 0/286 در سطح اطمینان %99 تایید گردید.
اصالت/ارزش‌افزوده علمی:  این پژوهش برای اولین بار با اتخاذ یک رویکرد علی (تجربی) نشان داد که پذیرش اطلاعات توسط مدیران بر بهبود کیفیت تصمیم‌های استراتژیک اثرگذار است و کیفیت داده و اطلاعات به‌ تنهایی کافی نیست. تحقق تصمیم‌های بهینه مستلزم هم‌افزایی میان توانمندی‌های فناورانه و ظرفیت‌های رفتاری–شناختی مدیران است. مدل مفهومی ارایه شده روابط میان کلان‌داده، کیفیت داده، کیفیت اطلاعات، پذیرش اطلاعات و تصمیم‌های استراتژیک را یکپارچه می‌کند و علاوه بر غنای نظری، راهنمای عملیاتی ارزشمندی برای شرکت‌ها و نهادهای مالی فعال در بازار سرمایه ایران فراهم می‌سازد.

چکیده هدف: امروزه مدیریت زنجیره‌تامین و پیش‌بینی دقیق تقاضا از عوامل کلیدی در بهبود بهره‌وری، کاهش هزینه‌های عملیاتی و افزایش انعطاف‌پذیری در صنایع مختلف محسوب می‌شوند. صنعت چاپ و نشر کتاب، به‌عنوان یکی از حوزه‌های تاثیرپذیر از نوسانات تقاضا، نیازمند اتخاذ استراتژی‌های کارآمد برای مدیریت زنجیره‌تامین و تخصیص بهینه منابع است. هدف این پژوهش بررسی تاثیر زنجیره‌تامین بر فرآیند پیش‌بینی تقاضا در این صنعت و تحلیل تفاوت‌های میان وضعیت موجود و شرایط مطلوب است.
روش‌شناسی پژوهش: در این مطالعه، از رویکرد کمی و تحلیل داده‌های واقعی فروش و تقاضای کتاب استفاده شده است. روش‌های مبتنی بر یادگیری ماشین، به‌ویژه شبکه‌های عصبی مصنوعی از نوع پیشرو با الگوریتم یادگیری پس‌انتشار خطا، برای مدل‌سازی و پیش‌بینی تقاضا به‌کار گرفته شده‌اند. عملکرد این مدل‌ها با روش‌های سنتی مانند مدل‌های سری زمانی مقایسه شده است تا میزان بهبود دقت پیش‌بینی ارزیابی شود.
یافته‎ها: نتایج تحقیق نشان می‌دهد که مدل‌های یادگیری ماشین، به‌ویژه شبکه عصبی پیشرو، دقت بالاتری در پیش‌بینی تقاضا نسبت به مدل‌های سنتی دارند. همچنین استفاده از این مدل‌ها موجب کاهش اثر شلاقی در زنجیره‌تامین و بهبود هماهنگی میان اعضای آن شده است.
اصالت/ارزش‌افزوده علمی: این پژوهش با ارایه یک مدل ترکیبی از مدیریت زنجیره‌تامین و پیش‌بینی تقاضا مبتنی بر شبکه‌های عصبی، رویکردی نوآورانه برای بهینه‌سازی تصمیم‌گیری در صنعت نشر ارایه می‌دهد. تلفیق روش‌های یادگیری ماشین با تحلیل زنجیره‌تامین می‌تواند مبنایی برای توسعه راهکارهای هوشمند در مدیریت موجودی و برنامه‌ریزی تولید در صنایع مشابه باشد.

چکیده هدف: هدف این تحقیق، شناسایی مولفه‌های ارزیابی میزان رضایت از کیفیت خدمات ارایه‌شده توسط خطوط هوایی و رتبه‌بندی 5 شرکت هواپیمایی (آسمان، آتا، ایران‌ایر، زاگرس و ماهان) بر اساس میزان رضایت مشتریان از کیفیت خدمات ارایه‌ شده می‌باشد.
روش‌شناسی پژوهش: این تحقیق شامل دو مرحله است: مرحله اول: شناسایی مولفه‌های رضایت مشتریان از کیفیت خدمات خطوط هوایی از طریق مطالعه ادبیات موضوعی و مصاحبه با 15 نفر از خبرگان (مهمانداران و خلبانان). مرحله دوم: سنجش رضایت مسافران با استفاده از دو پرسشنامه که توسط 30 نفر از مسافران کثیرالسفر تکمیل شد. برای تعیین وزن مولفه‌ها و یافتن روابط بین آن‌ها از تکنیک DEMATEL و برای رتبه‌بندی شرکت‌های هواپیمایی از تکنیک VIKOR استفاده شد. تحلیل داده‌ها نیز با نرم‌افزار Excel و BT Vikor Solver انجام شد.
یافته‎ها: از میان 20 مولفه شناسایی‌شده، تناسب قیمت بلیت با کیفیت خدمات، مدرن و به‌روز بودن هواپیما و قیمت بلیت بالاترین وزن را داشتند. شرکت‌های هواپیمایی زاگرس، آتا و آسمان رتبه یک، ایران‌ایر رتبه دوم و ماهان رتبه سوم را کسب کردند. در بررسی روابط بین مولفه‌ها، مدرن و به‌روز بودن هواپیما تاثیرگذارترین معیار و خدمات ویژه افراد ناتوان تاثیرپذیرترین معیار شناسایی شد.
اصالت/ارزش‌افزوده علمی: این پژوهش با ارایه مدل ترکیبی DEMATEL و VIKOR برای شناسایی و رتبه‌بندی مولفه‌های رضایت از خدمات خطوط هوایی، به ارتقای درک مدیران خطوط هوایی از نیازهای مشتریان کمک کرده و ابزار مناسبی برای بهبود کیفیت خدمات ارایه می‌دهد.

چکیده هدف: در فضای رقابتی کنونی، انتخاب تامین‌کنندگان مناسب نقشی کلیدی در ارتقای کارایی و پایداری زنجیره‌تامین دارد. مدل زنجیره‌تامین لارج به‌عنوان رویکردی جامع، ابعاد مختلفی را در مدیریت تامین‌کنندگان دربر می‌گیرد. با این‌حال، بعد فرهنگی با وجود نقش موثر در موفقیت تعاملات و انتخاب تامین‌کنندگان، کمتر موردتوجه قرار گرفته است. این پژوهش با هدف ارزیابی تامین‌کنندگان در چارچوب مدل لارج و با در‌نظر گرفتن بعد فرهنگی، به دنبال ارتقای عملکرد زنجیره‌تامین و دستیابی به مزیت رقابتی پایدار است.
روش‌شناسی پژوهش: این پژوهش به توسعه یک مدل تصمیم‌گیری داده‌محور و آینده‌نگر برای ارزیابی و انتخاب تامین‌کنندگان می‌پردازد. در ابتدا، با مرور ادبیات و نظرسنجی از خبرگان، معیارهای کلیدی شناسایی و با روش بهترین-بدترین فازی وزن‌دهی شدند. سپس، با تحلیل پوششی داده‌های فازی، کارایی تامین‌کنندگان ارزیابی و رتبه‌بندی شد. در ادامه، الگوریتم جنگل تصادفی برای پیش‌بینی عملکرد آتی تامین‌کنندگان به‌کار گرفته شد و نتایج دقیقی ارایه کرد.
یافته‌ها: نتایج مرحله اول نشان داد که زیرمعیارهایی نظیر کاهش گازهای گلخانه‌ای، مدیریت ریسک، کیفیت و سرعت تحویل از اهمیت بالایی در ارزیابی تامین‌کنندگان برخوردارند. در مرحله دوم، کارایی تامین­کنندگان در α- کات‌های مختلف ارزیابی گردید و در سه گروه با کارایی بالا، متوسط و پایین طبقه‌بندی شدند. مدل جنگل تصادفی نیز توانست عملکرد تامین‌کنندگان را با دقت بالا پیش‌بینی کند. همچنین، نتایج آزمون t جفتی نشان داد که در نظر گرفتن بعد فرهنگی، به‌طور معناداری موجب بهبود فرآیند انتخاب تامین‌کنندگان می‌شود.
اصالت/ارزش‌افزوده علمی: نتایج پژوهش نشان می‌دهد که مدل ارایه‌شده با شناسایی عوامل کلیدی عملکرد، ارزیابی آینده‌نگر و بهره‌گیری از تحلیل‌های دقیق، می‌تواند به بهبود تصمیم‌گیری‌های استراتژیک در انتخاب و مدیریت تامین‌کنندگان کمک کند. این مدل نه‌تنها موجب کاهش ریسک و هزینه‌ها می‌شود، بلکه به‌عنوان الگویی کاربردی برای بهبود عملکرد زنجیره‌تامین در صنایع مشابه نیز قابل استفاده است.

چکیده هدف: با توجه به چالش‌های رو به رشد زنجیره‌های به‌صورت در دنیای امروز، شامل نوسانات بازار، فشارهای فزاینده زیست‌محیطی و اجتماعی و نیز نیاز به افزایش تاب‌آوری در برابر بحران‌های پیش‌بینی‌نشده (مانند همه‌گیری کرونا و بحران‌های اقتصادی)، انتخاب به‌صورت‌کنندگانی که به‌طور همزمان معیارهای پایداری و تاب‌آوری را برآورده کنند، اهمیتی استراتژیک پیدا کرده است. در این راستا، هدف اصلی این پژوهش ارایه یک مدل تصمیم‌گیری جامع و داده‌محور با رویکردی آینده‌نگر برای ارزیابی و انتخاب به‌صورت‌کنندگان در زنجیره‌به‌صورت است که بتواند همزمان ابعاد مختلف پایداری و تاب‌آوری را مد نظر قرار دهد.
روش‌شناسی پژوهش: در مدل ارایه‌شده، ابتدا وزن معیارها و زیرمعیارهای مطرح‌شده از طریق روش بهترین-بدترین تصادفی محاسبه گردید. سپس ارزیابی عملکرد به‌صورت‌کنندگان با استفاده از روش تصمیم‌گیری چندمعیاره ویکور تصادفی انجام گرفت. در مرحله بعد، برای پیش‌بینی عملکرد آتی به‌صورت‌کنندگان از الگوریتم رگرسیون جنگل تصادفی استفاده شد. این مدل در قالب یک مطالعه موردی در شرکت خودروسازی سایپا کاشان و با بهره‌گیری از پرسشنامه‌های تخصصی و نظرات کارشناسان صنعت اجرا شد.
یافته‌ها: نتایج پژوهش نشان داد که معیارهای مرتبط با پایداری و تاب‌آوری در انتخاب به‌صورت‌کنندگان صنعت خودرو نقش کلیدی دارند. در میان زیرمعیارهای بررسی‌شده، انتشار گازهای گلخانه‌ای و کاهش مصرف انرژی به دلیل الزامات زیست‌محیطی، و هزینه و سطح موجودی ایمنی به علت تاثیر مستقیم بر عملکرد اقتصادی و تداوم عملیات، بیشترین تاثیر را بر کارایی به‌صورت‌کنندگان داشتند. علاوه‌بر این، به‌کارگیری الگوریتم جنگل تصادفی برای پیش‌بینی عملکرد آینده به‌صورت‌کنندگان نشان داد که این روش از دقت پیش‌بینی بالایی برخوردار است (RMSE = 0.0976).
اصالت/ارزش‌افزوده علمی: گرچه هر یک از روش‌های به‌کاررفته در این پژوهش (بهترین-بدترین تصادفی، ویکور تصادفی، الگوریتم جنگل تصادفی) به‌صورت جداگانه در مطالعات پیشین مورد استفاده قرار گرفته‌اند، اما ارایه چارچوبی یکپارچه که این سه روش را با یکدیگر ترکیب کند، نوآوری اصلی این مطالعه محسوب می‌شود. در واقع، این پژوهش برای نخستین بار با تلفیق روش‌های چندمعیاره و الگوریتم یادگیری ماشین، یک مدل تصمیم‌گیری جامع و داده‌محور ارایه کرده است که علاوه‌بر ارزیابی عملکرد کنونی به‌صورت‌کنندگان، قابلیت پیش‌بینی عملکرد آینده آن‌ها را نیز فراهم می‌کند. چنین ترکیبی، پیش از این در ادبیات انتخاب به‌صورت‌کننده با تمرکز همزمان بر پایداری و تاب‌آوری زنجیره‌به‌صورت در صنعت خودرو ارایه نشده و از این منظر دارای نوآوری روش‌شناختی مشخص و واضح است.

چکیده هدف: هدف پژوهش حاضر تعیین سبد بهینه سهام با استفاده از ترکیب مدل مارکوویتز با روش‌های ماشین بردار پشتیبان، تحلیل‌پوششی‌دادها و الگویتم خوشه‌بندی دی‌بی‌اسکن است. جامعه آماری پژوهش، شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران در بازه زمانی 1391 الی 1401 است.
روش‌شناسی پژوهش: در راستای دستیابی به اهداف پژوهش برای تشکیل سبد بهینه سهام، از رویکرد کاهش ابعاد، روش‌های تحلیل‌پوششی‌دادها، ماشین بردار پشتیبان و الگوریتم‌های خوشه‌بندی دی‌بی‌اسکن استفاده شده است. نسبت‌های مالی ترازنامه‌ای، نسبت‌های مالی صورت سود زیان، نسبت‌های مالی صورت گردش وجه نقد و نسبت‌های مالی ترکیبی و ریسک و بازده بر اساس مدل ترکیبی مارکوویتز به‌عنوان ورودی مدل تهیه چهار پرتفوی استفاده شده است.
یافته‌ها: یافته‌های حاصل از پژوهش، حاکی است روش بردار پشتیبان و روﯾﮑﺮد ﭼﻬﺎرم ﮐﻪ ﺷﺎﻣﻞ مدل ترکیبی اﺳﺖ، در بهینه‌سازی ﺳﺒﺪ ﺳﻬﺎم ﻋﻤﻠﮑﺮد ﺑﻬﺘﺮی داﺷﺘﻪ اﺳﺖ.
اصالت/ارزش افزوده علمی: با توجه به نوآوری این پژوهش در به‌کارگیری مدل ترکیبی مارکوییتز، نتایج می‌تواند به سرمایه‌گذاران و تحلیل‌گران سهام در مدیریت کیفیت سبد بهینه سهام کمک کند.

چکیده هدف: فرآیندهای چندمتغیره و چندحالته، به نوعی از فرآیندها اطلاق می‌شود که دارای تعداد زیادی متغیر در هر مرحله از تولید بوده و این متغیرها ممکن است با هم در ارتباط باشند. هدف از این تحقیق، ارایه روشی نوین به منظور انتخاب، کاهش و تعریف متغیرهای کنترلی جدید در فرآیندهای پیچیده تولیدی است، به‌گونه‌ای که کنترل کیفیت موثرتر و کارآمدتر انجام شود.
روش‌شناسی پژوهش: روش تحقیق این مطالعه از نوع کاربردی و توصیفی است. در این تحقیق، از روش‌های یادگیری ماشین و تکنیک‌های کاهش ابعاد همچون تحلیل مولفه‌های اصلی (PCA)، رگرسیون و بررسی همبستگی بین متغیرها استفاده شده است. همچنین برای ارزیابی عملکرد روش پیشنهادی، یک مطالعه موردی بر پایه داده‌های واقعی از فرآیند تولید اسلب‌های فولادی در شرکت فولاد مبارکه اصفهان انجام گرفته است.
یافته‌ها: فرآیند تولید اسلب شامل سه مرحله اصلی کوره، متالورژی ثانویه و ریخته‌گری بود. در هر مرحله، با استفاده از روش پیشنهادی تعداد متغیرهای کنترلی کاهش یافت. برای مثال، در واحد کوره، تعداد 9 متغیر اولیه به 3 گروه تقسیم شد و تحلیل همبستگی و PCA بر هر گروه اجرا گردید. در نتیجه، متغیرهای کلیدی استخراج شدند و نتایج پس از ارایه به خبرگان، مورد تایید قرار گرفت. یافته‌ها نشان داد که این رویکرد قادر است تعداد متغیرهای موثر بر کیفیت را به شکل موثری کاهش دهد.
اصالت/ارزش افزوده علمی: نوآوری این تحقیق در ترکیب تکنیک‌های یادگیری ماشین و کاهش ابعاد برای بهینه‌سازی کنترل کیفیت در فرآیندهای چندمرحله‌ای و چندمتغیره است. این روش در شرایطی که روش‌های سنتی ناکارآمد هستند، می‌تواند ابزار موثری برای مهندسان کیفیت و تحلیل‌گران فرآیند باشد.