طبقه بندی ریسک کاهش یافته در پروژه مهندسی مجدد فرآیند کسب و کار (BPR) با استفاده از تحلیل پوششی داده های قوی (RDEA)

این پژوهش رویکرد جامعی برای مدیریت ریسکهای فرآیندی در پروژههای مهندسی مجدد فرآیند کسبوکار (BPR) با استفاده از تحلیل پوششی دادههای قوی (RDEA) و یادگیری ماشین (ML) ارائه داده است. هدف این مدل، رتبهبندی ریسکها براساس سه عامل PFMEA (شدت، وقوع، تشخیص) و دو خروجی نامطلوب (هزینه شکست و مدت زمان خرابی) است. مدل با اعمال درصد اخ تالل در چارچوب PFMEA-RDEA، تاثیر عدمقطعیت را در نظر گرفته است و از یادگیری ماشین برای پیشبینی تغییرات استفاده نموده است. این رویکرد در شرکت مپنا پارس، تولیدکننده ژنراتورهای نیروگاهی و ماشینهای دوار، به کار رفته و نشان داده که چگونه عدمقطعیت بر ارزشها با مقایسه روشهای مختلف RPN، PFMEA-DEA، PFMEA-RDEA تاثیر می گزارد. نتایج منجر به ایجاد طبقهبندی ریسک جدیدی شده است که به تصمیمگیرندگان کمک میکند تا بر اقدامات اساسی تمرکز کنند. استفاده از روشهای تحلیلی قوی و یادگیری ماشین به بهبود کارایی و دقت ارزیابیها کمک کرده و این رویکرد طبقهبندی ریسک جدیدی ارائه داده است که به کاهش ریسکها و بهبود فرآیندها کمک نموده است.

کلیدواژه ها:

فرایند کسب و کار ، بهینه سازی قوی ، تحلیل پوششی داده ها ، ارزیابی ریسک