رويكردي نوين به تحليل هزينه‌هاي كيفيت با استفاده از شبكه‌هاي بيزين هيبريدي

A Novel Approach to Analyze Quality Cost Using Hybrid Bayesian Networks

هزينه‌هاي كيفيت (COQ) - كه عموماً شامل هزينه‌هاي پيشگيري از كيفيت ضعيف (هزينۀ انطباق) و هزينه‌هاي ناشي از كيفيت ضعيف (هزينۀ عدم انطباق) است - بخش شاخصي از سيستم مديريت كيفيت جامع به­شمار مي­رود. با بررسي دقيق و اصلاح اين هزينه‌ها مي‌توان كيفيت محصول يا خدمت را تا حد زيادي بهبود بخشيد. از اين‌رو، مدل پيشگيري-ارزيابي-شكست (PAF)، به‌عنوان يكي از رايج‌ترين رويكردها براي تعيين و طبقه‌بندي هزينه‌هاي كيفيت ارائه شده است. در اين رويكرد، هزينه‌هاي كيفيت از پارامترهاي متعددي تشكيل شده‌اند، اما شاخصي براي شناسايي و ميزان اثرگذاري عدم قطعيت (ريسك) اين پارامترها درنظر گرفته نشده است. علاوه ­براين، عوامل محيطي، كيفي و روابط علي ميان پارامترها ناديده گرفته شده‌اند. در اين پژوهش، با تركيب هزينه‌هاي كيفيت با روش شبكه‌هاي بيزين هيبريدي، به مدلي احتمالي براي ارزيابي هزينه‌هاي كيفيت پرداخته مي شود. شبكه‌هاي بيزين، چارچوب مناسبي براي مدل‌سازي عدم قطعيت، استفادۀ رسمي از ديدگاه­هاي خبرگان و استنتاج احتمالات بين متغيرها ارائه مي‌كند. در اين رويكرد، ابتدا مدلي كيفي براي اولويت‌بندي گروه‌هاي سه‌گانۀ PAF ارائه مي­شود و پس از آن به‌عنوان نمونه در گروه با اولويت بيشتر، مدلي كمي معرفي مي­شود كه به تحليل احتمالي پارامترها و عوامل كيفي تأثيرگذار پرداخته است. روش پيشنهادي، در يك شركت توليدكنندۀ مواد شيميايي، اجرا و نتايج آن ارائه شد. رويكرد پيشنهادي، پارامترهاي مهم COQ را براي محصول مورد نظر شناسايي مي­كند و با تهيه و استخراج داده‌هاي بيشتر، امكان تحليل محتمل را از طريق تحليل سناريو فراهم مي‌آورد.

Cost of quality (COQ) is an essential element of total quality management (TQM) system. It generally consists of conformance (preventing poor quality), and non-conformance (failure of product and service) costs. The accurate assessment and analysis of such costs can improve managing the quality of products and services significantly. The prevention–appraisal–failure (PAF) model is one of the most widely used models for analyzing and classifying the cost of quality. This approach identifies the different parameters affecting on COQ, which is generally affected by many parameters. However, the PAF model doesn’t take into account the uncertainty (risk) involved in these parameters. Moreover, the casual relationships among these parameters and also environmental and qualitative factors, are not properly addressed. This paper aims to offer a probabilistic model to assess COQ by mapping the PAF model to Bayesian networks (BNs). BNs provide a framework for presenting inherent uncertainties, formal use of experts’ judgments and probabilistic inference among a variables set. In this approach, first a qualitative model is developed to prioritize PAF groups. Then, in the group with highest priority (i.e. prevention) a quantitative model is presented. The model captures the affecting parameters in more details and provides a probabilistic analysis for qualitative and quantitative factors. The capabilities of the proposed approach are explained using data collected in a chemical products manufacturing company as a case study.