توسعه سیستم پشتیبان تصمیم برای اپراتورهای خط تولید

این پژوهش از نوع کاربردی بوده و با هدف توسعه و ارزیابی یک سیستم پشتیبان تصمیم‌گیری مبتنی بر هوش مصنوعی جهت پیشنهاد راه‌حل برای عیوب محصولات در خط تولید کاشی و سرامیک انجام می‌گیرد. رویکرد اصلی پژوهش، ترکیبی است که در دو مرحله‌ی عمده اجرا می‌شود: ۱. مرحله اول: تحلیل داده‌ها و طراحی مدل در این مرحله، داده‌های تاریخی ثبت‌شده در سیستم ترابل‌شوتینگ ایفاسرام شامل موارد زیر استخراج و پاک‌سازی می‌شوند: • نوع عیب (مثلاً ترک، تاب‌دار شدن، تغییر رنگ و...) • محل بروز عیب در خط تولید • شرایط فرآیندی هنگام بروز عیب (مثلاً دمای کوره، نوع لعاب، اپراتور مسئول و...) • راه‌حل اتخاذشده برای رفع آن • نتیجه نهایی (موفق/ناموفق بودن راه‌حل) سپس با استفاده از الگوریتم‌های داده‌کاوی و یادگیری ماشین مانند: • K-Nearest Neighbors (KNN) • Decision Trees • Support Vector Machines (SVM) • یا مدل‌های هیبریدی (در صورت نیاز) مدلی برای پیش‌بینی و پیشنهاد بهترین راه‌حل در شرایط مشابه آموزش داده می‌شود. همچنین ممکن است از الگوریتم‌های سیستم‌های توصیه‌گر مانند Content-Based Filtering یاCollaborative Filtering بسته به ساختار داده استفاده شود. ۲. مرحله دوم: پیاده‌سازی و ارزیابی مدل پس از طراحی مدل، یک نسخه آزمایشی از سیستم توصیه‌گر توسعه داده می‌شود و عملکرد آن در محیط واقعی یا شبیه‌سازی‌شده بررسی می‌گردد. برای ارزیابی اثربخشی سیستم طراحی‌شده، از معیارهای زیر استفاده خواهد شد: • دقت پیشنهادها • نرخ موفقیت در رفع عیوب با راه‌حل پیشنهادی • میزان کاهش زمان واکنش اپراتور • میزان رضایت اپراتورها از استفاده از سیستم )از طریق پرسش‌نامه( در صورت امکان، قبل و بعد از استفاده از سیستم، مقایسه آماری عملکرد خط تولید و کیفیت خروجی‌ها نیز انجام می‌گیرد تا اثر مستقیم سیستم در کاهش ضایعات و بهبود تصمیم‌گیری سنجیده شود. ابزارها و نرم‌افزارهای مورد استفاده: • پایتون (کتابخانه‌هایی مانند scikit-learn،pandas ،NumPy ،matplotlib) • پاور بی ای یا اکسل برای تحلیل و مصورسازی داده‌ها • ابزارهای پرسش‌نامه‌سازی برای ارزیابی کیفی (مانند Google Forms) جامعه آماری و نمونه: داده‌های تاریخی ثبت‌شده طی یک یا چند سال گذشته در سیستم ترابل‌شوتینگ ایفاسرام، و بازخورد اپراتورهای خط تولید که به‌صورت مستقیم با این سیستم کار می‌کنند، به‌عنوان جامعه آماری در نظر گرفته می‌شود. در صورت نیاز، نمونه‌گیری هدفمند از داده‌ها و افراد صورت خواهد گرفت.