تجزيه و تحليل حالات خرابي بالقوه و اثرات آن با استفاده از تحليل پوششي داده هاي استوار

Failure Mode and Effects Analysis by Using Robust Data Envelopment Analysis

بهبود و ارتقاي سطح كيفيت محصول و خدمات ارايه شده توسط بنگاهها اولين و اصليترين عامل پيشرفت نسبت به رقبا و گرفتن سهم عمده بازار ميباشد. در همين راستا تجزيه و تحليل حالتهاي خطا و آثار آنها ابزاري كارآمد بمنظور بهبود كيفيت در مديريت كيفيت ميباشد. با توجه به انتقادات فراوان به روش سنتي، عدد تقدم ريسك در تجزيه و تحليل حالات خرابي بالقوه از ضرب سه عدد شدت، وقوع و تشخيص تشكيل ميشود. به منظور برطرف كردن عيوب موجود، روش جديدي براي محاسبه عدد تقدم ريسك در تجزيه و تحليل حالات خرابي بالقوه بر پايه روش تحليل پوششي دادهها معرفي مي گردد. هدف از اين تحقيق ارايه نوع جديدي از عدد تقدم ريسك با تخصيص وزنهاي مختلف براي هر يك از فاكتورهاي ريسك ميباشد. همچنين با توجه به اين كه اعداد شدت، وقوع و تشخيص توسط تيمي متشكل از گروههاي مختلف خبرگان بدست مي آيد و عاملي قطعي و ثابت نميباشد، در اين پژوهش از روش بهينهسازي استوار كه نتايج تحليل پوششي دادهها را ميپوشاند و پيچيدگي كمتري نسبت به روش فازي دارد، استفاده شده است. نتايج حاصل از مثال حل شده حكايت از موثرتر بودن مدل پيشنهادي نسبت به RPN سنتي دارد و رتبهبندي كاملي از حالات خرابي را ارايه ميكند.

Improving Products Quality and Services is the Best and Most Important Factor to Win Competitors and Get Majority of the Market Share. In this Regard, Failue Mode and Effect Analysis is an Efficient Tool to mprove the Quality Products. Considering Many Criticisms to Taraditional Method, the Risk Priority Number in FMEA is Formed by Multiplying of Three Factors (Seveirity, Occurrence and Detect). In Order to Existing Defects, a New Method to Calculate the Risk Priority Number in FMEA Based on Data Envelopment Analysis Method is Introduced. The Aim of This Study is to Provide a New Kind of Risk Priority Number by Assigning Different Weights to Each of the Risk Factors. Also According to Severity, Occurance and Detection Numbers that are Achieved by a Team of Experts and Are not a Constant and Certain Factor, in this Research has been Used Robust Optimization Because of Covering the Result of DEA and Less Complexity. The Results of Example Indicate that, Proposed Model is More Effective than Traditional RPN and Provide a Full Ranking