پژوهش های نوین در تصمیم گیری

چکیده هدف این پژوهش طراحی یک مدل داده‌محور برای استخراج قوانین مؤثر بر نرخ پذیرش محصول در خطوط تولید صنایع غذایی است. بدین منظور، ابتدا ۲۵ متغیر مرتبط با اصول تولید ناب شناسایی و با استفاده از روش دلفی فازی، ۶ متغیر کلیدی شامل درصد تطابق مواد اولیه با استانداردهای کیفی، درصد ضایعات تولید، نرخ تأیید استثنایی محصول نهایی، میانگین زمان انبارش مواد اولیه، شیفت کاری و نرخ بازگشت محصول انتخاب شد. سپس پایگاه داده‌ای شامل ۴۲۰۰ رکورد واقعی از دو سال عملکرد خطوط تولید گرد آوری و پس از انجام مراحل پیش‌پردازش، مدل‌سازی با بهره‌گیری از الگوریتم‌های یادگیری ماشین انجام گرفت. در این میان، الگوریتم درخت تصمیم (CART) به‌عنوان مدل اصلی برای استخراج قوانین تصمیم‌پذیر به‌کار گرفته شد و عملکرد آن با سایر الگوریتم‌های طبقه‌بندی مقایسه گردید. نتایج نشان داد که «درصد تطابق مواد اولیه» و «درصد ضایعات» بیشترین تأثیر را بر پذیرش محصول دارند و مدل درخت تصمیم با دقت ۹۱ درصد توانست نمونه‌ها را در طبقات پذیرش و عدم پذیرش دسته‌بندی کند. همچنین قوانین استخراج‌شده روابط شفاف و قابل تفسیر میان متغیرها را آشکار ساخت و زمینه ارائه الگوهای تصمیم‌یار برای مدیران تولید و کنترل کیفیت را فراهم نمود. یافته‌ها بیانگر کارایی رویکردهای داده‌محور مبتنی بر تولید ناب در بهبود پیش‌بینی کیفیت و کاهش ضایعات در مورد مطالعه این پژوهش می باشد.