| پیشبینی روزهای بحرانی درخطوط تولید با استفاده از یادگیری ماشین خودکار مبتنیبر برنامهریزی ژنتیک |
| کد مقاله : 1028-ICM |
| نویسندگان |
|
محمد رضا مهرگان *1، آرمان رضاسلطانی2، امیرمحمد خانی2 1استاد، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. 2دانشجوی دکتری، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. |
| چکیده مقاله |
| این پژوهش چارچوبی مبتنیبر یادگیری ماشین خودکار و برنامهریزی ژنتیک ارائه میدهد که با استفاده از TPOT، فرآیند پیشبینی روزهای بحرانی در خطوط تولید صنعتی را بهینهسازی میکند. روزهای بحرانی زمانهایی هستند که احتمال وقوع نقصهای تولیدی افزایش مییابد و شناسایی آنها میتواند از کاهش کیفیت، افزایش هزینهها و افت بهرهوری جلوگیری کند. مدل پیشنهادی از روش SVMSMOTE برای متوازنسازی دادهها و RFECV برای انتخاب ویژگیهای کلیدی بهره میبرد. سپس، TPOT با استفاده از برنامهریزی ژنتیک، ترکیب بهینهای از مدلهای یادگیری ماشین را انتخاب کرده و تنظیمات ابرپارامترها را خودکارسازی کرده است. نتایج نشان میدهند که TPOT با صحت 76/95درصد، دقت 16/94درصد، بازخوانی 58/97درصد و امتیاز F1 معادل 83/95درصد، عملکرد برتری در شناسایی روزهای بحرانی ارائه داده است. این روش به مدیران تولید امکان میدهد تا پیش از وقوع مشکلات، اقدامات اصلاحی انجام دهند. اجرای این مدل در زمان واقعی و در محیطهای صنعتی پیچیده، قابلیت آن را برای بهبود فرآیندهای تولید نشان میدهد. این پژوهش با پُر کردن شکافهای مطالعات پیشین و ارائه یک راهکار مقیاسپذیر، میتواند در کاهش هزینههای عملیاتی و افزایش بهرهوری خطوط تولید نقش مؤثری ایفا کند. |
| کلیدواژه ها |
| برنامهریزی ژنتیک، پیشبینی نقص، یادگیری ماشین خودکار |
| وضعیت: پذیرفته شده برای ارائه شفاهی |