طراحی مدل پیش بینی نرخ پذیرش محصول در تولید ناب با استفاده از شبکه عصبی مصنوعی

هدف پژوهش حاضر طراحی یک مدل داده محور و پیش بینانه برای پیش بینی نرخ پذیرش محصول در محیط تولید ناب با استفاده از شبکه عصبی مصنوعی است. در گام نخست، متغیرهای بالقوه موثر بر پذیرش محصول از طریق مرور نظام مند ادبیات و اخذ دیدگاه خبرگان حوزه تولید ناب و مدیریت کیفیت شناسایی شد. سپس، انتخاب نهایی متغیرهای ورودی با بهره گیری از روش دلفی فازی انجام گرفت. در ادامه، ۴۸۰۰ داده استخراج شده از خطوط تولید صنایع غذایی طی یک بازه زمانی دوساله به عنوان داده های کمی پژوهش مورد استفاده قرار گرفت. مدل پیش بینی بر پایه شبکه عصبی مصنوعی پیش خور طراحی و آموزش داده شد و عملکرد آن با چند مدل رگرسیونی مرجع شامل رگرسیون خطی، درخت تصمیم، جنگل تصادفی و ماشین بردار پشتیبان مقایسه گردید. نتایج نشان داد که مدل شبکه عصبی مصنوعی با ضریب تعیین ۰٫۸۸، عملکرد دقیق تری نسبت به مدل های مرجع دارد و توانایی بالایی در مدل سازی روابط غیرخطی میان متغیرهای کیفی و فرایندی و نرخ پذیرش محصول ارائه می دهد. همچنین تحلیل اهمیت متغیرها نشان داد کیفیت مواد اولیه و درصد ضایعات تولید بیشترین نقش را در پیش بینی نرخ پذیرش محصول ایفا می کنند. یافته ها بیانگر آن است که بهبود تک بعدی یک عامل به تنهایی تضمین کننده افزایش پذیرش محصول نیست و مدیریت هم زمان چند متغیر کلیدی برای دستیابی به نتایج پایدار ضروری است.

کلیدواژه ها:

تولید ناب ، پذیرش محصول ، شبکه عصبی مصنوعی ، کیفیت تولید ، صنعت مواد غذایی