فهرست نشریات علمی دسترسی آزاد ایران

هدف پژوهش حاضر طراحی یک مدل داده‌محور و پیش‌بینانه برای پیش‌بینی نرخ پذیرش محصول در محیط تولید ناب با استفاده از شبکه عصبی مصنوعی است. در گام نخست، متغیرهای بالقوه مؤثر بر پذیرش محصول از طریق مرور نظام‌مند ادبیات و اخذ دیدگاه خبرگان حوزه تولید ناب و مدیریت کیفیت شناسایی شد. سپس، انتخاب نهایی متغیرهای ورودی با بهره‌گیری از روش دلفی فازی انجام گرفت. در ادامه، ۴۸۰۰ داده استخراج‌شده از خطوط تولید صنایع غذایی طی یک بازه زمانی دوساله به‌عنوان داده‌های کمی پژوهش مورد استفاده قرار گرفت. مدل پیش‌بینی بر پایه شبکه عصبی مصنوعی پیش‌خور طراحی و آموزش داده شد و عملکرد آن با چند مدل رگرسیونی مرجع شامل رگرسیون خطی، درخت تصمیم، جنگل تصادفی و ماشین بردار پشتیبان مقایسه گردید. نتایج نشان داد که مدل شبکه عصبی مصنوعی با ضریب تعیین ۰٫۸۸، عملکرد دقیق‌تری نسبت به مدل‌های مرجع دارد و توانایی بالایی در مدل‌سازی روابط غیرخطی میان متغیرهای کیفی و فرایندی و نرخ پذیرش محصول ارائه می‌دهد. همچنین تحلیل اهمیت متغیرها نشان داد کیفیت مواد اولیه و درصد ضایعات تولید بیشترین نقش را در پیش‌بینی نرخ پذیرش محصول ایفا می‌کنند. یافته‌ها بیانگر آن است که بهبود تک‌بعدی یک عامل به‌تنهایی تضمین‌کننده افزایش پذیرش محصول نیست و مدیریت هم‌زمان چند متغیر کلیدی برای دستیابی به نتایج پایدار ضروری است.