موسسه انتشارات بین المللی چتر اندیشه فصلنامه مدیریت سیستم و نوآوری هوشمند 3092-7994 6 4 2025 02 18 Designing and implementing the impact of smart industrial quality management using the Internet of Things and machine learning in industries طراحی و پیاده سازی تاثیر مدیریت کیفیت صنعتی هوشمند با استفاده از اینترنت اشیاء و یادگیری ماشینی در صنایع 107 114 10.22051/jera.2021.31891.2698 FA شیما کارشناس ارشد مدیریت صنعتی، گرایش کیفیت و بهره وری، موسسه آموزش عالی باختر ایلام 2024 12 08 Given the challenges in manufacturing industries, including late detection of product defects and high waste, this paper examines the impact of IoT and machine learning in designing a smart industrial quality management system for supply chain optimization. The data in this paper were collected through IoT sensors (including temperature, pressure, vibration, and production time) in an industrial production line and analyzed using machine learning algorithms such as logistic regression and neural networks. The results showed that the proposed system increases the accuracy of defect detection by 85% and reduces the detection time from 15 minutes to 8.5 minutes. Also, the rate of defect-free products improved from 60% to 85%, indicating a significant reduction in waste and increased customer satisfaction. The findings of this research are an important step towards the digital transformation of the supply chain and can serve as a model for industries seeking to improve efficiency, sustainability, and competitiveness in global markets. با توجه به چالش‌های موجود در صنایع تولیدی، از جمله تشخیص دیرهنگام نقص‌های محصولات و ضایعات بالا مقاله حاضر به بررسی تأثیر اینترنت اشیاء و یادگیری ماشینی در طراحی یک سیستم مدیریت کیفیت صنعتی هوشمند برای بهینه‌سازی زنجیره تأمین می‌پردازد. داده‌های این مقاله از طریق سنسورهای اینترنت اشیاء (شامل دما، فشار، ارتعاش و زمان تولید) در یک خط تولید صنعتی جمع‌آوری شدند و با استفاده از الگوریتم‌های یادگیری ماشینی مانند رگرسیون لجستیک و شبکه‌های عصبی تحلیل شدند. نتایج نشان داد که سیستم پیشنهادی دقت تشخیص نقص‌ها را تا %85 افزایش می دهد و زمان تشخیص را از ۱۵ دقیقه به ۸٫۵ دقیقه کاهش می دهد. همچنین، میزان محصولات بدون نقص از %60 به %85 بهبود یافت که بیانگر کاهش چشمگیر ضایعات و افزایش رضایت مشتریان است. یافته‌های این پژوهش گامی مهم در جهت تحول دیجیتال زنجیره تأمین است و می‌تواند به عنوان الگویی برای صنایعی باشد که به دنبال بهبود کارایی، پایداری و رقابت‌پذیری در بازارهای جهانی هستند. /downloadfilepdf/12843