رتبه بندي حالات بالقوه زيان آور با استفاده از تحليل خوشه اي فازي مطالعه موردي: واحد فولاد سازي شركت فولاد آلياژي ايران

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

دراين مقاله سعي شده تا با روشن كردن معايب اصلي روش مرسوم FMEA، ضمن تشريح مفهوم تحليل خوشه اي و مشخصات مدل هاي مختلف C-Means به طبقه بندي حالات بالقوه زيان آور و ارزيابي شرايط بالقوه براي بروز حوادث در واحد فولاد سازي شركت فولاد آلياژي ايران با استفاده از تلفيق روش هاي FMEA و خوشه بندي فازي بپردازد. در اين راستا، حالات بالقوه زيان آور همگن بر مبناي شاخص هاي احتمال بروز، شدت پيامد و تناوب مواجهه به كمك تكنيك خوشه بندي فازي C-Means (FCM) شناسايي گرديدند. در اين پژوهش، تحليل خوشه اي فازي در شرايط قبل از بهبود و پس از بهبود با استفاده از نرم افزار Data Engine 4.0 صورت گرفت. نتايج اين تحقيق در باب تدوين راهبرد هاي عملي در جهت پيشگيري از وقوع حالات بالقوه زيان آور براي پژوهشگران، مديران و كارشناسان ايمني و بهداشت حرفه اي مفيد خواهد بود.

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 Iranʹs 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.