مدل‌سازی عوامل آمادگی سازمانی استقرار کنترل فرایند آماری هوشمند در عصر صنعت 4.0 با رویکرد ساختاری - تفسیری فازی

یکی از ویژگی‌های انقلاب صنعتی چهارم، ایجاد هوشمندی تولید از طریق داده‌های بلادرنگ برای اخذ تصمیم‌های دقیق و به‌موقع است؛ بنابراین انتظار می‌رود که کنترل فرآیندهای آماری مبتنی بر داده به میزان زیادی به پیشرفت تولید هوشمند کمک کند. به همین سبب کنترل فرایند آماری به یکی از پرکاربردترین ابزارها برای حفظ سطح قابل‌قبولی از خصوصیات کیفی در عصر صنعت 4.0 تبدیل شده است. در این پژوهش، عوامل آمادگی سازمانی برای استقرار کنترل فرایند آماری هوشمند در عصر انقلاب صنعتی چهارم در صنعت گاز موردبررسی قرار گرفت. بدین منظور پس از شناسایی ساختار کنترل فرایند آماری هوشمند با به‌کارگیری مبانی نظری، 12 عامل آمادگی سازمانی در راستای دستیابی به این مهم در قالب یک چارچوب ارائه شد؛ سپس ارتباط و توالی این عوامل با مدل‌سازی ساختاری تفسیری فازی مشخص شد. در ادامه مدل به‌دست‌آمده با استفاده از رویکرد مدل‌سازی معادلات ساختاریافته تایید شد. مدل ارائه‌شده می‌تواند راهنمای صنعت گاز در پیاده‌سازی سیستم کنترل فرایند آماری هوشمند برای ارائه خدمات بهتر و نقص کمتر باشد.

modeling organizational readiness factors for smart statistical process control in the era of industry 4.0 with fuzzy interpretative structural modeling

one of the characteristics of the fourth industrial revolution is the creation of production intelligence through real-time data to make accurate and timely decisions. therefore, data-driven statistical process control is expected to significantly contribute to the advancement of intelligent manufacturing. for this reason, statistical process control has become one of the most widely used tools to maintain an acceptable level of quality characteristics in the era of industry 4.0. in this article, organizational readiness factors for the establishment of intelligent statistical process control in the age of the fourth industrial revolution in the gas industry were investigated. for this purpose, after identifying the control structure of the intelligent statistical process of applying the literature review, 12 factors of organizational readiness in order to achieve this goal were presented in the form of a framework. then the relationship and sequence of these factors were determined by fuzzy interpretive structural modeling. next, the obtained model was verified using the structured equation modeling approach. the presented model can be a guide for the gas industry in implementing an intelligent statistical process control system to provide better services and less defects.