رسول نورالسناء - استاد، دانشکده صنایع دانشگاه علم و صنعت ایران
سودابه میلانلویی - دانشجوی کارشناسی ارشد مهندسی صنایع، دانشگاه صنعتی شریف
مریم خیر اندیش - دانشجوی کارشناسی ارشد، دانشکده صنایع دانشگاه علم و صنعت ایران

امروزه شش سیگما به عنوان یکی از رویکردهای موثر جهت بهبود کیفیت، حذف تغییرپذیری و ضایعات فرآیند مورد توجه قرار گرفته است. رویکرد DMAIC (Define,Measure,Analyze,Improvement,Control) به عنوان یک رویه ساختاریافته حل مسأله با بهره گیری از ابزارهای آماری، کارشناسان را قادر می سازد نقاط قابل بهبود در فرآیند را شناسایی کنند. کارایی روش های تحلیل آماری در مواجهه با پایگاه های داده بزرگ با اطلاعات کم، به میزان چشمگیری کاهش می یابد. از طرفی استفاده از آزمون های آماری در شرایطی که فرض اولیه ای وجود نداشته و یا فرضیاتی مانند استقلال داده ها و نرمال بودن توزیع خطا معنی دار نباشد؛ با محدودیت جدی رو به رو است. از آنجا که تکنیک های داده کاوی جهت کشف روابط بین داده ها با محدودیت های مذکور مواجه نیست، در این مقاله سعی شده با بکارگیری این تکنیک ها در گام های DMAIC، نارسایی های روش های آماری را برطرف نموده و تصویری غنی تر از شش سیگما ارائه شود. در این مقاله روش های داده کاوی مانند درخت تصمیم و شبکه عصبی به صورت تلفیقی با تکنیک های آماری برای تقسیم بندی هر چه بهتر مشتریان و یافتن نقاط قابل بهبودی که شناسایی آنها با استفاده از روش های آماری به تنهایی ممکن نبود، به کار گرفته شده است.

متدولوژی شش سیگما، رویکرد حل مسئله DMAIC، روش های آماری، داده کاوی