ارزیابی داده‌محور عملکرد ماشین‌آلات با تعدیل اثر ترکیب محصول بر ضایعات: مطالعه موردی صنعت سیم و کابل

ارزیابی داده‌محور عملکرد ماشین‌آلات با تعدیل اثر ترکیب محصول بر ضایعات: مطالعه موردی صنعت سیم و کابل

پروانه احمدی1 پیمان درخشان برجویی2

1) کارشناس ارشد مهندسی صنایع_ گرایش بهینه سازی سیستم کارشناس کنترل کیفیت در شرکت سیم و کابل شیرکوه، یزد، ایران
2) دانشجوی دکتری مدیریت صنعتی_ تحقیق در عملیات گروه مدیریت،دانشگاه آزاد اسلامی یزد، مدیر برنامه ریزی و کیفیت سیم و کابل شیرکوه، یزد، ایران

کد IOI مقاله : ACEF-ACAZKG
محل انتشار : ششمین کنگره بین المللی مهندسی، تکتولوژی و علوم کاربردی(etas2027.com)
چکیده :
    کاهش ضایعات و ارزیابی دقیق عملکرد ماشین‌آلات از مسائل مهم صنایع تولیدی چندمحصولی است؛ با این حال، مقایسه مستقیم ماشین‌ها بر اساس مقدار خام ضایعات می‌تواند به دلیل تفاوت در حجم و ترکیب محصولات، تصویری نادرست از عملکرد واقعی تجهیزات ارائه دهد. پژوهش حاضر با هدف ارائه یک رویکرد داده‌محور برای ارزیابی تعدیل‌شده عملکرد ماشین‌آلات در یک کارخانه تولید سیم و کابل انجام شد. داده‌های واقعی تولید و ضایعات مربوط به سال‌های 2024 تا 2026 پس از پاک‌سازی و یکپارچه‌سازی در سطح ماشین–شیفت مورد تحلیل قرار گرفت و مجموعه نهایی شامل 1240 مشاهده بود. متغیرهایی نظیر ماشین، متراژ و وزن تولید، ترکیب محصول، تعداد اجرای تولید، اپراتور و ویژگی‌های زمانی برای برآورد ضایعات مورد انتظار مورد استفاده قرار گرفتند. عملکرد مدل‌های Random Forest، CatBoost و XGBoost مقایسه شد و XGBoost با MAE برابر با 64/5 کیلوگرم، RMSE برابر با 10/12 کیلوگرم و ضریب تعیین 488/0 بهترین عملکرد را به دست آورد. سپس اختلاف میان ضایعات واقعی و مورد انتظار به‌عنوان شاخص عملکرد تعدیل‌شده محاسبه شد. نتایج نشان داد ماشین‌های A و B به‌طور متوسط عملکردی بهتر از سطح مورد انتظار داشته‌اند، در حالی که ضایعات ماشین‌های C و D بالاتر از سطح مورد انتظار بوده است. همچنین تحلیل SHAP نشان داد متغیرهای زمانی، متراژ تولید، شناسه ماشین و تعداد اجرای تولید از عوامل مهم در برآورد ضایعات هستند. چارچوب پیشنهادی می‌تواند مبنایی برای مقایسه منصفانه‌تر ماشین‌آلات، شناسایی شرایط پرریسک و پشتیبانی از تصمیم‌های بهبود فرآیند در صنعت سیم و کابل فراهم کند.

کلمات کلیدی : واژه‌هاي كليدي ضایعات تولید ارزیابی عملکرد ترکیب محصول یادگیری ماشین صنعت سیم و کابل