«توسعه مدل تصمیم یار هوشمند برای تولید بدون کارخانه در صنایع پتروشیمی با تلفیق داده کاوی و منطق فازی»

طراحی مدل هوشمند تولید بدون کارخانه در صنعت پتروشیمی با رویکرد داده کاوی، تحلیل مضمون و منطق فازی

Mohammadi.pour1@gmail.com📞
---

🍃چکیده :
تحولات اخیر در صنعت پتروشیمی و حرکت به سوی دیجیتالی سازی فرایندها، ضرورت بازنگری در ساختارهای سنتی تولید را برجسته کرده است. در این مقاله، مدل شبیه سازی شده ای از تولید بدون کارخانه (Factoryless Production) در صنعت پتروشیمی ارائه می شود که بر مبنای داده کاوی، تئوری مضمون و منطق فازی طراحی شده است.
در گام نخست، با استفاده از تحلیل مضمون بر مبنای مصاحبه های خبرگان، مولفه های کلیدی موفقیت تولید بدون کارخانه استخراج گردید. سپس با به کارگیری الگوریتم های داده کاوی (خوشه بندی K-Means، درخت تصمیم و شبکه عصبی)، روابط میان این مضامین و شاخص های عملکردی زنجیره تامین تحلیل شد.
در مرحله سوم، سیستم استنتاج فازی برای ارزیابی سناریوهای تولید و تصمیم گیری در شرایط عدم قطعیت توسعه یافت. نتایج نشان داد که مولفه های یکپارچگی اطلاعاتی، هوشمندسازی لجستیک، و کیفیت داده ها بیشترین اثر را بر موفقیت مدل تولید بدون کارخانه در پتروشیمی دارند.
این پژوهش به مدیران کمک می کند تا با تکیه بر ابزارهای تحلیلی هوشمند، مدیریت تولید، پیمانکاری و زنجیره تامین دیجیتال را در محیط های پیچیده و پرریسک پتروشیمی بهینه سازی کنند.

کلیدواژه ها: تولید بدون کارخانه، صنعت پتروشیمی، داده کاوی، تئوری مضمون، منطق فازی، زنجیره تامین دیجیتال


---

۱. مقدمه

صنعت پتروشیمی به عنوان یکی از صنایع مادر، نقشی حیاتی در اقتصاد ملی ایفا می کند. افزایش پیچیدگی فرآیندها، نوسانات قیمت مواد اولیه، و فشار رقابتی جهانی موجب شده شرکت های پتروشیمی به سمت مدل های تولید هوشمند و انعطاف پذیر حرکت کنند.
در چنین بستری، تولید بدون کارخانه می تواند با استفاده از ظرفیت پیمانکاران و شبکه های تولید مجازی، هزینه سرمایه گذاری فیزیکی را کاهش و سرعت واکنش به بازار را افزایش دهد.
از سوی دیگر، عدم قطعیت های ذاتی بازار انرژی و داده های حجیم تولیدی، نیازمند تحلیل های فازی و داده کاوی پیشرفته است تا تصمیم گیری ها از دقت و اطمینان بیشتری برخوردار شوند.


---

۲. مبانی نظری

۲-۱. تولید بدون کارخانه در پتروشیمی

در مدل تولید بدون کارخانه، شرکت مالک فناوری و دانش فنی است اما فرآیند تولید را به پیمانکاران یا زیرمجموعه های بیرونی واگذار می کند. در صنعت پتروشیمی، این مدل می تواند در زمینه هایی نظیر تولید مواد میانی، فرآورده های پایین دستی و عملیات لجستیک به کار رود.

۲-۲. داده کاوی و تحلیل مضمون

تحلیل مضمون به استخراج مفاهیم کلیدی از داده های کیفی (مصاحبه ها و گزارش ها) کمک می کند. در این پژوهش، از این روش برای شناسایی مضامین مرتبط با موفقیت در تولید بدون کارخانه استفاده شده است. داده کاوی نیز امکان تحلیل کمی روابط پنهان میان متغیرها را فراهم می آورد.

۲-۳. منطق فازی در تصمیم سازی صنعتی

منطق فازی به عنوان ابزاری برای مدل سازی ابهام و عدم قطعیت در تصمیمات صنعتی به کار می رود. در این پژوهش از سیستم استنتاج فازی Mamdani جهت رتبه بندی سناریوهای تولید و برون سپاری استفاده شد.


---

۳. روش تحقیق

این پژوهش از نوع ترکیبی (کیفی – کمی) است و شامل مراحل زیر می باشد:

1. تحلیل کیفی (تئوری مضمون):

انجام ۱۵ مصاحبه نیمه ساختاریافته با مدیران پتروشیمی، متخصصان فناوری و کارشناسان زنجیره تامین.

استخراج مضامین کلیدی با نرم افزار MAXQDA.



2. تحلیل کمی (داده کاوی):

استفاده از داده های عملکردی ۳۰ شرکت پتروشیمی طی سال های ۱۳۹۸ تا ۱۴۰۳.

تحلیل با الگوریتم های K-Means، CART و ANN در نرم افزار Python.



3. مدل سازی فازی:

تعریف ۳ متغیر ورودی فازی (یکپارچگی داده، هوشمندسازی لجستیک، کیفیت تصمیم گیری)

طراحی قواعد فازی: ۲۷ قاعده با تابع عضویت مثلثی.

خروجی: شاخص موفقیت در تولید بدون کارخانه.





---

۴. یافته های پژوهش

۴-۱. مضامین شناسایی شده

دیجیتالی سازی عملیات

هم افزایی پیمانکاران

مدیریت داده های تولید

کاهش سرمایه فیزیکی

چابکی زنجیره تامین

سیستم های تصمیم یار هوشمند


۴-۲. نتایج داده کاوی

همبستگی قوی بین سطح دیجیتالی سازی و موفقیت در اجرای تولید بدون کارخانه (r = 0.86)

الگوریتم K-Means سه خوشه از شرکت های پتروشیمی را از نظر بلوغ دیجیتال تفکیک کرد.

مدل ANN دقت پیش بینی ۹۲٪ در تعیین سطح موفقیت شرکت ها داشت.


۴-۳. نتایج سیستم فازی

با اعمال سیستم استنتاج فازی، سناریوی «هوشمندسازی لجستیک + یکپارچگی داده بالا + تصمیم گیری نیمه متمرکز» بالاترین امتیاز موفقیت (۰.۸۴ از ۱) را کسب کرد.


---

۵. نتیجه گیری

ترکیب تئوری مضمون، داده کاوی و منطق فازی ابزاری قدرتمند برای شبیه سازی تولید بدون کارخانه در صنعت پتروشیمی فراهم می آورد.
نتایج نشان می دهد که دیجیتالی سازی و یکپارچگی اطلاعاتی مولفه های کلیدی در موفقیت این مدل هستند.
پیشنهاد می شود در تحقیقات آینده، از شبیه سازی چندعامله (Agent-based) و داده های بلادرنگ (Real-time IoT Data) جهت بهبود دقت تصمیم سازی استفاده شود.


---

منابع پیشنهادی

1. Chen, C., & Zhang, Y. (2023). Fuzzy decision models for digital manufacturing networks. International Journal of Production Research.


2. Lee, J., et al. (2021). Smart petrochemical production using virtual manufacturing systems. Computers & Chemical Engineering.


3. Zadeh, L. A. (1996). Fuzzy logic and the concept of possibility. Information Sciences.


4. Strauss, A. & Corbin, J. (2015). Basics of Qualitative Research: Techniques and Procedures for Developing Grounded Theory. Sage.


5. محمدی پور، م. و همکاران (۱۴۰۳). «کاربرد علوم داده و منطق فازی در شبیه سازی تصمیمات تولید پتروشیمی». فصلنامه مدیریت فناوری.

"پایان"

جهت مشاوره طرح توجیهی در صنعت پتروشیمی با اینجانب در تماس باشید.🍃🙏