رتبه بندی حالات بالقوه زیان آور با استفاده از تحلیل خوشه ای فازی مطالعه موردی: واحد فولاد سازی شرکت فولاد آلیاژی ایران

نوع مقاله: مقاله پژوهشی

نویسندگان

1 عضو هیات علمی دانشکده اقتصاد یزد

2 کارشناس ارشد مدیریت صنعتی موسسه اموزش عالی جهاد دانشگاهی یزد

3 دانشجوی کارشناسی ارشد مدیریت جهانگردی دانشگاه علامه طباطبایی

چکیده

من تشریح مفهوم ،FMEA دراین مقاله سعی شده تا با روشن کردن معایب اصلی روش مرسوم
به طبقه بندی حالات بالقوه زیان آور و C-Means تحلیل خوشه ای و مشخصات مدل های مختلف
ارزیابی شرایط بالقوه برای بروز حوادث در واحد فولاد سازی شرکت فولاد آلیاژی ایران با استفاده از
و خوشه بندی فازی بپردازد. در این راستا، حالات بالقوه زیان آور همگن بر FMEA تلفیق روش های
مبنای شاخص های احتمال بروز، شدت پیامد و تناوب مواجهه به کمک تکنیک خوشه بندی فازی
شناسایی گردیدند. در این پژوهش، تحلیل خوشه ای فازی در شرایط قبل از بهبود )FCM( C-Means
صورت گرفت. نتایج این تحقیق در باب Data Engine و پس از بهبود با استفاده از نرم افزار 4.0
تدوین راهبرد های عملی در جهت پیشگیری از وقوع حالات بالقوه زیان آور برای پژوهشگران،
مدیران و کارشناسان ایمنی و بهداشت حرفه ای مفید خواهد بود.

کلیدواژه‌ها


عنوان مقاله [English]

Harmful Modes and Effects Classification Using Fuzzy Cluster Analysis Case Study: Steel Making Factory of Iran Alloy Steel Company

نویسندگان [English]

  • Sayed Heidar Mirfakhredini1 1
  • Masoud Pourhamidi 2
  • Faeze Sadat Mirfakhradini3 3
چکیده [English]

Despite the extensive use of failure mode and effects analysis (FMEA) in
the manufacturing and services, emphasis on the results of this method with
concern to the disadvantages such as providing definitive results is not
correct. This paper tries to clarify the main disadvantages of FMEA
conventional method and explain the concept of cluster analysis and
specifications of different models of C-Means to classify harmful modes and
effects in the steel making factory of Iran's alloy steel company using FMEA
and fuzzy clustering techniques. In this context, homogeneous harmful
modes and effects based on occurrence, severity and frequency indicators
with Fuzzy C-Means clustering (FCM) were identified. In this study, the
fuzzy cluster analysis in terms of before and after improvement was
performed by Data Engine 4.0 software. The results of this research will be
useful for researchers, managers, and safety professionals for developing
practical strategies in order to prevent the consequences of harmful modes
and effects

کلیدواژه‌ها [English]

  • Failure modes and effects analysis
  • Partitional clustering
  • Fuzzy clustering
  • FCM
پورحمیدی، مسعود. تحلیل ریسک و ارزیابی شرایط بالقوه برای بروز حوادث در معادن
فازی مطالعه موردی: معدن شهید نیلچیان FMEA زیرزمینی با استفاده از روش
.0- )دوپلان(، دومین کنگره خاورمیانه ای مدیریت ریسک، 0387 ، صص 5
QFD 2. رضائی، کامران. حسینی آشتیانی، حمید رضا. هوشیار، محمد. وزیری، فرزانه. مبانی
. رویکردی مشتری مدار، چاپ سوم، نشر آتنا، 0384
3. سپهر، ریحانه. مرادی، محمد حسن. مشایخی، غنچه. کاردر، لاله. بامدادیان، عطیه. بررسی و
مقایسه روش های مختلف خوشه بندی فازی تفکیکی مبتنی بر روش استاندارد خوشه بندی
- هفتمین کنفرانس سیستم های فازی، دانشگاه فردوسی مشهد، 0386 ، صص 5 ،FCM فازی
.0
4. عدل، جواد. قهرمانی، ابوالفضل. نسل سراجی، جبرائیل. ارزیابی ریسک در بخش شیرین
سازی واحد تصفیه گاز پالایش گاز، مجله دانشکده بهداشت و انستیتو تحقیقات بهداشتی،
.0- 0384 ، صص 4 ، دوره 3، شماره 4
5. عسگریان، احسان. معین زاده، حسین. سریانی، محسن. حبیبی، جعفر. رویکرد جدید برای
خوشه بندی فازی بوسیله الگوریتم ژنتیک، سیزدهمین کنفرانس ملی انجمن کامپیوتر
.0- ایران، جزیره کیش، 0386 ، صص 3
. 6. فرشادفر، عزت الله. اصول و روش های آماری چند متغیره، چاپ دوم، طاق بستان، 0384
7. ماردیا، کانتی.کنت، جان. بی بی، جان. تحلیل چند متغیره، طباطبایی، محمد مهدی، مرکز نشر
. دانشگاهی، تهران، 0376
8. Chang, C. L., Wei, C. C., & Lee, Y.H. (1999). Failure mode and effects
analysis using fuzzy method and grey theory. Kybernetes , 28 (9), 1072-
1080.
9. Chensong, D. (2007). Failure mode and effects analysis based on fuzzy
utility cost estimation. International Journal of Quality & Reliability
Management , 24 (9), 958-971.
10. Chi, Z., Yan, H., & Pham, T. (1996). Fuzzy algorithms: with applications
to image processing and pattern recognition. Singapore : World
Scientific Publishing Co. Pte. Ltd.
11. D’Ursoa, P., & Giordani, P. (2006). A weighted fuzzy c-means clustering
model for fuzzy data. Computational Statistics & Data Analysis , 50, 1496
– 1523.
12. Kalyani, S., & Swarup, K. S. (2010). Supervised fuzzy c-means
clustering technique for security assessment and classification in power
systems. International Journal of Engineering, Science and Technology , 2
(3), 175-185.
رتبه بندی حالات بالقوه زیان آور با استفاده از... 62
13. Kockara, S., Mete, M., & Chen B, A. K. (2010). Analysis of density based
and fuzzy c-means clustering methods on lesion border extraction in
dermoscopy images. BMC Bioinformatics , 11 (6), 1-11.
14. Krouwer, J. S. (2004). An improved failure mode effects analysis for
hospitals. Archives of Pathology & Laboratory Medicine , 128 (6), 663-
667.
15. Schwämmle, V., & Jensen, O. N. (2010). A simple and fast method to
determine the parameters for fuzzy c-means cluster analysis.
Bioinformatics , 26 (22), 2841-2848.
16. Sharma, R. K., Kumar, D., & Kumar, P. (2005). Systematic failure mode
effect analysis (FMEA) using fuzzy linguistic modelling. International
Journal of Quality, 22 (9), 986-1004.
17. Szilágyi, L., Szilágyi, S. M., & Benyó, Z. (2010). Analytical and
numerical evaluation of the suppressed fuzzy c-means algorithm: a
study on the competition in c-means clustering models. Soft Computing
, 14 (5), 495–505.
18. Tay, K. M., & Lim, C. P. (2006). Fuzzy FMEA with a guided rules
reduction system for prioritization of failures. International Journal of
Quality & Reliability Management , 23 (8), 1047-1066.
19. Valente de Oliveira, J., & Pedrycz, W. (2007). Advances in fuzzy
clustering and its applications. Chichester: John Wiley & Sons Ltd.
20. Wang, X., Wang, Y., & Wang, L. (2004). Improving fuzzy c-means
clustering based on feature-weight learning. Pattern Recognition Letters
, 25, 1123–1132.
21. Xu, L., Tang, L., Xie, M., Ho, L., & Zhu, M. (2002). Fuzzy assessment of
FMEA for engine systems. Reliability Engineering & System Safety , 1
(75), 9-17.