ارائه رویکردی تلفیقی از ابزارهای داده کاوی و متدولوژی شش سیگما
Publish place: 10th International Industrial Engineering Conference
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,868
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
IIEC10_173
Index date: 1 September 2014
ارائه رویکردی تلفیقی از ابزارهای داده کاوی و متدولوژی شش سیگما abstract
امروزه شش سیگما به عنوان یکی از رویکردهای موثر جهت بهبود کیفیت، حذف تغییرپذیری و ضایعات فرآیند مورد توجه قرار گرفته است. رویکرد DMAIC (Define,Measure,Analyze,Improvement,Control) به عنوان یک رویه ساختاریافته حل مسأله با بهره گیری از ابزارهای آماری، کارشناسان را قادر می سازد نقاط قابل بهبود در فرآیند را شناسایی کنند. کارایی روش های تحلیل آماری در مواجهه با پایگاه های داده بزرگ با اطلاعات کم، به میزان چشمگیری کاهش می یابد. از طرفی استفاده از آزمون های آماری در شرایطی که فرض اولیه ای وجود نداشته و یا فرضیاتی مانند استقلال داده ها و نرمال بودن توزیع خطا معنی دار نباشد؛ با محدودیت جدی رو به رو است. از آنجا که تکنیک های داده کاوی جهت کشف روابط بین داده ها با محدودیت های مذکور مواجه نیست، در این مقاله سعی شده با بکارگیری این تکنیک ها در گام های DMAIC، نارسایی های روش های آماری را برطرف نموده و تصویری غنی تر از شش سیگما ارائه شود. در این مقاله روش های داده کاوی مانند درخت تصمیم و شبکه عصبی به صورت تلفیقی با تکنیک های آماری برای تقسیم بندی هر چه بهتر مشتریان و یافتن نقاط قابل بهبودی که شناسایی آنها با استفاده از روش های آماری به تنهایی ممکن نبود، به کار گرفته شده است.
ارائه رویکردی تلفیقی از ابزارهای داده کاوی و متدولوژی شش سیگما Keywords:
ارائه رویکردی تلفیقی از ابزارهای داده کاوی و متدولوژی شش سیگما authors
رسول نورالسناء
استاد، دانشکده صنایع دانشگاه علم و صنعت ایران
سودابه میلانلویی
دانشجوی کارشناسی ارشد مهندسی صنایع، دانشگاه صنعتی شریف
مریم خیر اندیش
دانشجوی کارشناسی ارشد، دانشکده صنایع دانشگاه علم و صنعت ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :