طراحی مدلی برای ارزیابی و انتخاب پروژه های بهبود شش سیگما با استفاده از شبکه های عصبی مصنوعی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 طراحی مدلی برای ارزیابی و انتخاب پروژه های بهبود شش سیگما با استفاده از شبکه های عصبی مصنوعی دارای ۲۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد طراحی مدلی برای ارزیابی و انتخاب پروژه های بهبود شش سیگما با استفاده از شبکه های عصبی مصنوعی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی طراحی مدلی برای ارزیابی و انتخاب پروژه های بهبود شش سیگما با استفاده از شبکه های عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن طراحی مدلی برای ارزیابی و انتخاب پروژه های بهبود شش سیگما با استفاده از شبکه های عصبی مصنوعی :

نام کنفرانس، همایش یا نشریه : مدیریت تولید و عملیات

تعداد صفحات :۲۲

شش سیگما یکی از مشهورترین نظام ها برای حذف ضایعات، کاهش هزینه و بهبود کیفیت در سازمان هاست. فرآیند ایجاد و ارزیابی پروژه ها، از جمله فعالیت های اولیه در اجرای شش سیگماست که بسیاری از محققان معتقدند به کارگیری موفقیت آمیز شش سیگما با اولویت بندی و انتخاب مناسب پروژه های شش سیگما ارتباط تنگاتنگی دارد. تحقیق حاضر با به کارگیری شبکه های عصبی مصنوعی به عنوان یک ابزار قدرتمند در پردازش اطلاعات غیرخطی، مدلی را جهت انتخاب این پروژه ها معرفی نموده است. در این مدل، شش معیار هزینه پروژه، مدت زمان اجرای پروژه، تعداد افراد کمربند مشکی و سبز، افزایش رضایت مشتری، تاثیر بر استراتژی کسب و کار و میزان تاثیر مالی به عنوان عوامل ورودی در نظر گرفته شده و با استفاده از پرسپترون چندلایه، میزان بهره وری و سطح سیگمای حاصل از هر پروژه بهبود پیش بینی شده است. در پایان نیز با استفاده از تحلیل حساسیت تاثیر هر کدام از متغیرهای ورودی بر خروجی های مدل ارزیابی شده است. نتایج حاصل نشانگر این است که عوامل «تاثیر بر استراتژی کسب و کار» و «میزان تاثیر مالی» به ترتیب بیشترین و کمترین تاثیر را بر خروجی های مدل شامل میزان بهره وری و سطح سیگما داشته است.

کلید واژه: شش سیگما، پروژه های بهبود، شبکه عصبی مصنوعی (ANN)، پرسپترون چندلایه (MLP)، تحلیل حساسیت