این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت تولید و عملیات، جلد ۲، شماره ۲، صفحات ۳۷-۵۴
عنوان فارسی طراحی مدلی جهت ارزیابی و انتخاب پروژه‌های بهبود شش سیگما با استفاده از شبکه‌های عصبی مصنوعی
چکیده فارسی مقاله شش سیگما یکی از مشهورترین نظام­ها برای حذف ضایعات، کاهش هزینه و بهبود کیفیت در سازمان­هاست. فرآیند ایجاد و ارزیابی پروژه­ها، از جمله فعالیت­های اولیه در اجرای شش سیگماست که بسیاری از محققان معتقدند به­کارگیری موفقیت­آمیز شش سیگما با اولویت­بندی و انتخاب مناسب پروژه­های شش سیگما ارتباط تنگاتنگی دارد. تحقیق حاضر با به­کارگیری شبکه‌های عصبی مصنوعی به­عنوان یک ابزار قدرتمند در پردازش اطلاعات غیرخطی، مدلی را جهت انتخاب این پروژه­ها معرفی نموده است. در این مدل، شش معیار هزینه پروژه، مدت زمان اجرای پروژه، تعداد افراد کمربند مشکی و سبز، افزایش رضایت مشتری، تأثیر بر استراتژی کسب­ وکار و میزان تأثیر مالی به عنوان عوامل ورودی در نظر گرفته شده و با استفاده از پرسپترون چندلایه، میزان بهره­وری و سطح سیگمای حاصل از هر پروژه بهبود پیش­بینی شده است. در پایان نیز با استفاده از تحلیل حساسیت تأثیر هر کدام از متغیرهای ورودی بر خروجی­های مدل ارزیابی شده است. نتایج حاصل نشانگر این است که عوامل "تأثیر بر استراتژی کسب و کار" و "میزان تأثیر مالی" به­ترتیب بیشترین و کمترین تأثیر را بر خروجی­های مدل شامل میزان بهره­وری و سطح سیگما داشته است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Developing an integrated model for evaluation and selection of six sigma projects using ANN
چکیده انگلیسی مقاله  Six Sigma is one of the most popular systems for eliminating waste, reducing cost and improving quality in organizations. The process of evaluation and selection of projects is the first step towards implementing Six Sigma and many researchers believe that these are important for the success of such projects. Respectively, in this paper, a model has been proposed based on artificial neural network (ANN) as an effective tool for non-linear information processing . In this model, six criteria of project cost, project duration, number of Black and Green Belts, improving customer satisfaction, impact on business strategy and financial impact have been identified as input factors and productivity and sigma level of improvement projects have been estimated using multi-layer perception (MLP). Finally, sensitivity analysis has been used for evaluation of the influence of inputs on outputs. The findings imply that 'business strategy' and 'financial impact' have the most and the least influence on model's outputs, including productivity and Sigma level, respectively.     .  
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله فایزه اسدیان اردکانی | asadian ardakani
دانشگاه یزد
سازمان اصلی تایید شده: دانشگاه یزد (Yazd university)

سیدحبیب اله میرغفوری | s h
دانشگاه یزد
سازمان اصلی تایید شده: دانشگاه یزد (Yazd university)

زهرا صادقی آرانی | sadeqi arani
دانشجوی دکتری مدیریت دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://jpom.ui.ac.ir/article_19773_c25b7bc454fedae146b233918b0ca0fa.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1074/article-1074-341829.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات