بهینه‌سازی هزینه کیفیت با شش‌سیگما تقویت‌شده به وسیله هوش مصنوعی در مدیریت چرخه عمر پروژه

بهینه‌سازی هزینه کیفیت با شش‌سیگما تقویت‌شده به وسیله هوش مصنوعی در مدیریت چرخه عمر پروژه

فرگل پاک طینت1

1) دانشجوی کارشناسی ارشد مدیریت صنعتی

کد IOI مقاله : AAGF-AAHBAB
محل انتشار : نهمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندسی(carseconf.com/9th)
چکیده :
    در محیط‌های رقابتی امروز، مدیریت چرخه عمر پروژه نیازمند رویکردهای نوین برای کنترل و کاهش هزینه‌های کیفیت (Cost of Quality – CoQ) است. این پژوهش، مدل یکپارچه‌ای مبتنی بر شش‌سیگما تقویت‌شده با هوش مصنوعی را برای بهینه‌سازی CoQ در پروژه‌های صنعتی ارائه می‌دهد. چارچوب پیشنهادی، چرخه DMAIC شش‌سیگما را با الگوریتم‌های یادگیری ماشین و روش‌های هوش مصنوعی قابل توضیح (XAI) تلفیق نموده و داده‌های واقعی حاصل از سیستم‌های ERP و MES را در مراحل تحلیل و بهبود به کار می‌گیرد. در مرحله تعریف و اندازه‌گیری، شاخص‌های کلیدی عملکرد پروژه شامل درصد ضایعات، زمان تحویل به‌موقع (OTD) و میانگین زمان شناسایی مشکل (MTTI) تعیین می‌شوند. در گام تحلیل، مدل XAI روندهای پنهان و عوامل ریشه‌ای بروز انحرافات را شناسایی می‌کند، و در گام بهبود، اقدامات اصلاحی مبتنی بر شواهد به WBS پروژه اضافه می‌گردد. در اجرای آزمایشی، استفاده از این رویکرد منجر به کاهش ۱۷٪ هزینه‌های عدم‌کیفیت، افزایش ۱۴٪ تحویل به‌موقع و بهبود ۳۲٪ در سرعت شناسایی مشکلات گردید. نتایج این تحقیق نشان می‌دهد که ترکیب هوش مصنوعی با شش‌سیگما، رویکردی کارآمد برای مدیریت فعالانه کیفیت در کل چرخه عمر پروژه فراهم می‌آورد و می‌تواند به عنوان یک ابزار راهبردی برای ارتقاء عملکرد پروژه‌ها در صنایع خودرویی و تولید انبوه مورد استفاده قرار گیرد.

کلمات کلیدی : شش‌سیگما هوش مصنوعی قابل توضیح هزینه کیفیت چرخه عمر پروژه بهبود مستمر مدیریت ریسک پروژه