استفاده از الگوریتم درخت تصمیم جهت پیش بینی و بهبود کیفیت محصولات صنعتی ( مطالعه موردی : رادیاتور پژو 206)

استفاده از الگوریتم درخت تصمیم جهت پیش بینی و بهبود کیفیت محصولات صنعتی ( مطالعه موردی : رادیاتور پژو 206)

علی قنبری1 سید علی پشت مشهدی2 فرناز جوادی گرگری3 محجوبه صیاد4

1) کارشناسی ارشد مهندسی صنایع، دانشگاه آزاد اسلامی واحد تهران جنوب
2) کارشناسی ارشد مهندسی مالی، دانشگاه آزاد اسلامی واحد تهران جنوب
3) کارشناسی ارشد مهندسی صنایع، دانشگاه الزهرا
4) کارشناسی ارشد مهندسی صنایع، دانشگاه الزهرا

کد IOI مقاله : XCCZ-EKDAG
محل انتشار : دهمین کنفرانس بین المللی پیشرفت های اخیر در مدیریت و مهندسی صنایع(mieconf.ir)
چکیده :
    در این پژوهش با استفاده از داده کاوی و الگوریتم های آن سعي در پيش بيني كيفيت قطعات خودرو در مورد رادیاتور 206 و افزايش كيفيت نموده ایم. بر این اساس در ابتدا فرایند تولید مورد بررسی قرار گرفته و معیارهایی که در تولید موثراند شناسایی شده اند. در گام بعد پایگاه داده بر اساس رکوردهای QC در سال 1397 و میزان کیفیت قطعات تشکیل شده است. در تشکیل پایگاه داده 9 معیار جهت ارزیابی و پیش بینی کیفی رادیاتور 206 شناسایی و 4012 برای آموزش و تست در اختیار الگوریتم ها قرار گرفته است که این معیار ها عبارت اند از: کیفیت برش، کیفیت ماشین¬کاری، کیفیت رولینگ، کیفیت ترک یابی، کیفیت قاب گیری، کیفیت فرمینگ، کیفیت سوراخ کاری، روز کاری و شیفت کاری كه داده¬ها در 3 گروه به لحاظ کنترل کیفی قرار گرفته اند كه عبارتند از: کیفیت بالا که محصول قابل استفاده می باشد، کیفیت متوسط که محصول نیاز به انجام اقدام اصلاحی دارد و کیفیت پایین كه ضایعات تولید محسوب می گردد. پس از تشكيل پايگاه داده با استفاده از سه الگوريتم درخت تصميم QUEST TREE، C&R TREE و 5 Cبه تحليل پايگاه داده پرداخته شده است. بر اساس نتياج بدست آمده الگوريتم C5 با دقت 97.8 در اعتباريابي متقاطع 10 تايي داراي بالاترين دقت پيش بيني كيفيت مي باشد. با استفاده از این الگوریتم ها مهمترین معیارهای موثر بر کنترل کیفیت و قوانین منجر به میزان کیفیت قطعات تعیین شده است كه بر اين اساس مهم¬ترين معيارها به ترتيب عبارتند از: کیفیت ماشین کاری، شیفت کاری و کیفیت ترک یابی. همچنين از نتايج درختان تصميم مي¬توان جهت تعيين نودهايي كه داراي خرابي بالايي هستند مي توان استفاده نمود و بر اساس شناسائي آن نودها مي¬توان قوانين منتج به خرابي را تعيين نمود كه اين كا با استفاده از سه الگوريتم درخت تصميم در اشكال 5-1 الي 3-5 قابل مشاهده است و بر اين اساس مي¬توان با ايجاد يك سيسيتم اتوماسيون ضايعات را كاهش داد.

کلمات کلیدی : دیتاماینینگ الگوریتم درخت تصمیم کنترل کیفیت آماری پیش بینی کیفیت الگوریتم quest tree الگوریتم c&r tree الگوریتم c5 tree