داده کاوی صنایع (داده کاوی در مهندسی صنایع)

مهندسی صنایع یکی از رشته هایی است که جز اولین مشتریان داده کاوی و استفاده کنندگان از انواع تکنیک های تحلیل داده بوده است. در حوزه های مختلف مهندسی صنایع می توان کاربردهای متعددی از داده کاوی را برشمرد که به عنوان نمونه به برخی از آنها اشاره می شود.

داده کاوی در مدیریت و کنترل موجودی ها

در رابطه با موجودی ها می توان از الگوریتم های داده کاوی برای کشف الگوهای مربوط به اقلام پرمصرف در انبار استفاده نمود. یکی دیگر از چالش های مورد توجه در کنترل موجودی جایی است که واحدهای مختلف سازمان (مانند واحدهای تولیدی، نگهداری و تعمیرات و بخش های اداری) نیازمند اقلامی بوده اند و در هنگام صدور درخواست، اقلام مورد نظر در انبار موجود نبوده است. در نتیجه در اینجا تاخیر در برآورده سازی نیاز واحدهای سازمانی رخ داده و بایستی این کالاها خریداری شده و به واحد متقاضی ارائه شوند. برای شناسایی این موارد و جلوگیری از رخداد چنین مواردی می توان از داده کاوی استفاده نمود تا بتوان مشخص نمود که کدام دسته و گروه از کالاها و با چه ویژگی هایی بیشتر دچار کمبود می شوند؟ 

داده کاوی در مدیریت و کنترل پروژه

در مدیریت پروژه چالش های زیادی ممکن است رخ دهد. یکی از این موارد به طولانی شدن پروژه و تاخیر در اتمام فعالیت ها (خصوصا فعالیت های مسیر بحرانی) و در نتیجه تاخیر در کل زمان پروژه می باشد. به این منظور می توان یک دیتاست از کل فعالیت های یک یا چند پروژه تشکیل داد و بر پایه آن به شناسایی و کشف الگوها و قواعد مشترک، پرتکرار و واجد ارزش افزوده در فعالیت های دارای تاخیر پرداخت. سازمان های پروژه محور به دلیل دراختیار داشتن حجم زیادی از داده های فعالیت های متنوع در پروژه های مختلف به خوبی می توانند از این تحلیل ها بهره گیرند. مورد دیگر بحث اتمام پروژه ها با هزینه ای بسیار بیشتر از بودجه برآوردی اولیه می باشد. در این باره نیز می توان از تکنیک های داده کاوی استفاده نمود تا الگوهای مربوط به ایجاد هزینه زیاد در پروژه ها را با دقت خوبی بتوان شناسایی نمود.

داده کاوی در برنامه ریزی و مدیریت تولید

در این باره داده کاوی به کمک مدیران و سرپرستان تولید آمده تا بتوانند به صورت هوشمند به ریشه یابی دلایل بروز تاخیر در انجام برنامه تولید در ایستگاه های تولیدی مختلف، بپردازند.