👨🏻‍💻 زمانی که دانشجویِ دوره کارشناسی مهندسی صنایع بودم علاقه زیادی به درس «کنترل کیفیت آماری» داشتم. همیشه تو کلاس برام سؤال‌هایی مطرح می‌شد، که شاید الان سؤال شما هم باشه؛ مثلا اینکه:

1️⃣ چطور میشه با تکنیک هیستوگرام، نمودار علت معلول و یا نمودار کنترل، ضایعات و دوباره‌ کاری شرکتی رو کم کرد و یا کاری کرد که اصلاً ضایعات تولید نشه؟؟

2️⃣ اصلاً نمودار کنترل، چطور میتونه متوجه شه که وضعیت غیر عادیه؟؟ و اصلاً چه واکنشی رخ میده که ما متوجه میشیم وضعیت غیر عادیه؟؟ یا از کجا متوجه میشیم که چی باعث شده که وضعیت غیر عادی شه؟

3️⃣ یا برام سؤال بود که وظیفه افرادی که تو حوزه کنترل کیفیت و تضمین کیفیت کار میکنن چیه؟؟ آخه ما همیشه تو هر قسمت از زندگیمون داریم از کیفیت حرف می‌زنیم. اصلاً تعریف کیفیت چیه و به چی میگیم با کیفیت؟؟

🔶 پس از چندین سال کار در حوزه کنترل کیفیت آماری در صنایع مختلف و فعالیت در حوزه آکادمیک از قبیل تدریس در دانشگاه و نوشتن چندین مقاله در این زمینه، و ارتباط با افراد مختلف اعم از دانشجوها، بازرسین کنترل کیفیت، ممیزان ایران خودرو و سایپا، اساتید دانشگاه و مطالعه برخی از کتاب های کنترل کیفیت، متوجه شدم برای پاسخ به سوالاتم کتابی وجود نداره که مفاهیم کنترل کیفیت رو در قالب داستان و با زبانی عامیانه بیان کنه.

🔷 در همین این ارتباط‌ها متوجه این نکته شدم که خیلی از افراد مانند خودم در درک مفاهیم کنترل کیفیت آماری مشکل دارند و نمی دونند چطور از این تکنیک‌ها در واقعیت استفاده کنند. متاسفانه به دلیل همین عدم درک صحیح از مفاهیم، زمانی هم که به عنوان مسئول کنترل کیفیت شرکتی استخدام میشیم، تنها به جداسازی قطعات معیوب از سالم می‌پردازیم و انگار نه انگار که اصلاً کلی درس و تکنیک تو دانشگاه خوندیم که اونا رو با نرم افزارهایی از قبیل اکسل و مینی تب پیاده سازی کنیم. همیشه هم این جمله رایج رو می‌شنویم که اصلاً چیزایی که تو دانشگاه خوندیم به درد صنعت نمیخوره.

✅ همه این دلایل باعث شد که کتابی بنویسم که مفاهیم کنترل کیفیت آماری رو در قالب مثال‌های روزمره و عامیانه، با سبکی جدید و جذاب توضیح بده و بتونه برخی از مباحث پیچیده رو با روشی مفهومی و به زبان ساده و حتی طنز آمیز بیان کنه و جواب تمام سوالایی رو هم که در دوره لیسانس تو ذهنم بود رو بده.

🔔 اگر این سوال‌ها تو ذهن شما هم هست، می‌تونید با دانلود و خوندن کتاب زیر، کنترل کیفیت آماری رو به صورت مفهومی و کاربردی یاد بگیرین.👇🏼

┌ 🏷 Statistical Quality Control Book
└ 📚 SQC PDF

✍🏼 Abedin
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

👨🏻‍💻 صحبت های جالب جیمز هالیس در مورد "دانشگاه و اهمیت شبکه سازی با دیگران".👌🏼

✅ چیزی که یک دانشگاه خوب می‌تونه به شما بده کانکشنه. شبکه‌سازی و ایجاد ارتباط موثر می‌تونه به شما تو دستیابی به فرصت‌ها و منابع جدید کمک کنه و باعث بشه از تجارب و دانش اساتید ممتاز بهره‌ مند بشید.

☑️ همین شبکه ارتباطی در محیط های کاری باعث بهبود فرصت‌های شغلی، ایجاد همکاری‌های موفق و حتی رسیدن به جایگاه‌های بالاتر میشه و در نتیجه روی یادگیری و توسعه شخصی هم اثرگذاره. به قول جیم ران، ما میانگین پنج نفر از افراد نزدیکمون هستیم!

✍🏼 Emad
➖➖➖➖➖➖➖➖➖➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

👨🏻‍💻 بعد از چند ماه از انتشار پایتون در نسخه بتای اکسل، بسیاری از متخصصین اکسل و تحلیلگرای داده شروع کردن به تولید ویدیوها و فایل‌های آموزشی در مورد نحوه استفاده از پایتون در اکسل.

✅ حالا یه کانال یوتیوب اومده یک لیست از تمام ویدیوهای آموزشی مفید و تولید شده در مورد کاربرد پایتون در اکسل رو در یک پلی لیست جداگانه منتشر کرده. این لیست تا الان ۹۲ ویدیوی آموزشی رو همراه با تمرین‌ها و پروژه‌های هر ویدیو شامل میشه و قراره با انتشار هر ویدیوی جدید در مورد آموزش و کاربرد پایتون در اکسل، این پلی لیست آپدیت بشه.👌🏼

📂 لینک دسترسی به این پلی‌ لیست فوق العاده:👇🏼

┌ 🏷 Python for Excel
└ 📊 Python Playlist in Excel


✍🏼 Sepehr
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

🚀 لیست ویدیو‌های دوره رایگان
🎬 «آموزش بهینه سازی با پایتون»
🏛 دانشکده مهندسی صنایع دانشگاه تهران


◼️ قسمت اول : دانلود Python , Spyder , Cplex

◻️ قسمت دوم : نصب Pyomo و Cplex

◼️ قسمت سوم : نصب Pyomo

◻️ قسمت چهارم : Simple Model

◼️ قسمت پنجم : ساختمان‌های داده در محیط پایتون

◻️ قسمت ششم و پایانی : Two-dimensional Transportation Model


✍🏼 IEMTwitter
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

👨🏻‍💻 #یه_تجربه ؛ به دانشکده‌ای که توش‌ :

+ کنترل پروژه یاد می‌گیرین ولی MSP و Primavera، نه!
+ تحقیق در عملیات یاد می‌گیرین ولی Gams و بهینه سازی با پایتون، نه!
+ کنترل کیفیت یاد می‌گیرین ولی Minitab، نه!
+ برنامه نویسی کامپیوتر یاد می‎گیرین ولی Python، نه!
+ اقتصاد مهندسی یاد می‌گیرین ولی Comfar، نه!
+ پروژه شبیه سازی کار می‌کنین ولی یادگیری Arena، نه!
+ و تئوری یاد می‌گیرید ولی دانش تجربی و مهارت نه!

امید نداشته باشین و از ترم سه، چهار خودتون یک برنامه ریزی داشته باشین که هر ترم در کنار هر درس، نرم افزار مرتبطش رو از طریق یوتیوب یا کورس‌های آموزشی مفید ببینید و مسلط بشین.
بازار کار دنبال مهارته نه دانش تئوری !

✍🏼 Vahid
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

🔴 پاسخ به یک سوال پر تکرار !

✅ برای آموزش نرم‌افزارهای تخصصی و مورد نیاز یک مهندس صنایع؛ مانند : MS Project ,Primavera ,Python ,Excel، یا دوره‌های آموزشی علم داده، یادگیری ماشین، مدیریت محصول و ... در دوره‌های چه موسسه و چه مدرسی شرکت کنیم؟


1️⃣ تا جایی که امکان داره سعی کنین تمامی مراحل از آشنایی تا تسلط به دوره و نرم افزار رو به صورت خودآموز و با یه نقشه راه جامع پیش ببرین. در غیر این صورت به سراغ بندهای بعدی برین.

2️⃣ ابتدا به مفاهیم و اصول هر نرم افزار تسلط نسبی پیدا کنین.

3️⃣ در صورت امکان ابتدا به صورت خودآموز و با تماشای ویدیوهای آموزشی از دانشگاهی مثل یوتیوب، خوندن کتب مرتبط و پژوهش و جستجو در اینترنت مفاهیم اولیه هر نرم افزار رو یاد بگیرین.

4️⃣ اگر خواستین دوره شرکت کنین، حتما در مورد مدرس دوره و سابقه‌اش تحقیق کنین. از اینکه مدرس دوره حداقل چند سال (حداقل 5 سال) به صورت تمام وقت و جدی با نرم‌افزار مذکور (هم در فاز تئوری و هم در فاز عملی و پروژه های متعدد) درگیر بوده باشه، اطمینان حاصل کنید. به عبارتی فقط مدرس صرف نباشه! چرا که داشتن انواع گواهی به معنای تسلط بر نرم افزار نیست!
* همه این ها به این خاطره که اطمینان پیدا کنین بیشتر از مدرس دوره به سیلابس دوره تسلط نداشته باشین :)

5️⃣ حتما در مورد اینکه سایر افراد شرکت کننده در دوره هم‌ سطح شما هستند یا خیر، تحقیق کنین. شرکت در یک دوره با تنوع سطح بالا، تبعات بیشتری از عدم شرکت در چنین دوره‌ای خواهد داشت.

6️⃣ نظر افراد موثقی رو که قبلا در دوره‌های مدرس و در همان موسسه شرکت کردن، جویا بشین.

7️⃣ مجددا به بند 1 فکر کنین ...!

✍🏼 Koohyar
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

👨🏻‍💻 اگه تابحال از مدل‌های بهینه سازی برای پروژه های درسی یا کاری استفاده کرده باشین می‌دونین که «بهینه سازی» یه بخش مهم و تفکیک ناپذیر در مهندسی صنایع و زنجیره تامینه! اما همیشه بخش چالش برانگیز این کار، انتخاب بهترین مدل بهینه سازی برای پروژمونه.

☑️ آدام جونیور، کارشناس زنجیره تامین تویوتا اومده یه فلوچارتی تهیه کرده که مجموعه وسیعی از مدل های بهینه سازی رو پوشش میده. و هدفش از طراحی این فلوچارت، انتخاب بهترین الگوریتم و مدل بهینه سازی با توجه به مشکل مدنظرتونه. همچنین توصیه هایی رو برای انتخاب بهترین بسته های نرم افزاری که می تونین برای پیاده سازی الگوریتم های مدنظرتون استفاده کنین، ارائه میده.

✅ این فریم ورک باعث میشه که به درک عمق و کاربرد هر مدل بهینه سازی راحت تر بپردازین. اما این نکته رو بخاطر داشته باشین که هیچ مدل یا الگوریتمی که برای همه‌یِ مسائل مناسب باشه وجود نداره. انتخاب مناسب همیشه به مسئله خاصی که قصد حل اون رو دارین، وابسته است. برای دانلود با کیفیت بالاتر: 👇🏼

🗂 Optimization Methods Decision Flowchart

✍🏼 Alireza
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

👨🏻‍💻 خب تو این رشته توییت میخوام واسه کسایی که قصد دارن آزمون آیلتس بدن از تجربیات خودم و نکات بدرد بخور تو بحث رایتینگ و اسپیکینگ بگم. قبل از اینکه به این موارد بپردازم یه موضوعی هست در مورد آیلتس که خیلی‌‌ها بهش توجه نمی کنن. ادامه مطلب:👇🏼

⭕️ تجربیاتم از آزمون آیلتس

✍🏼 Nader
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

👨🏻‍💻 بچه‌ها این هرم، هرم شواهده. هر چقدر به رأس هرم نزدیک بشیم اعتبار اون مطلب بیشتره!!

✅ کم‌ترین اعتبار مربوط به «نظر شخصی فرد متخصص و حرفه‌ایه!» و بیشترین اعتبار برای «گایدلاینه».

🔷 پس وقتی یکی بهتون میگه بر اساس این گایدلاین، بر اساس این ریو سیستماتیک، بر اساس این داده‌های آماری قابل توجه، اونجوریه و شما در جوابش میگید "ولی فلانی اینجوری گفت یا ولی فلان مقاله اینجوری بود..." خیلی باید صبور باشه که بازم جوابتون رو با خونسردی بده.

🔶 پس بابام گفت، مدیرمون گفت، استاد تو کلاس اینجوری گفت، توی تلگرام و واتساپ خوندم و... اصلاً حتی در کف این هرم هم قرار نمی‌گیره که بخواد منبع موثق اطلاعات و استدلال‌های شما باشه! - [مگر اینکه منبع اطلاعات اون قسمت آبی رنگ هرم باشه] -

🔺 پس ما به عنوان یک فرد تحصیل کرده که داریم از مقالات برای اِبراز دانسته‌های شخصی‌مون استفاده می‌کنیم، موظف هستیم که این هرم رو بشناسیم. این هرم الفبای هر بحث علمیه!

✍🏼 Ali
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

👨🏻‍💻 رضا امیرخانی: «اصلاً معلوم نیست قراره چیکاره بشید و تا سی سالگی فرصت شاخه عوض کردن دارید.»
هر کاری رو که الان دارید انجام می‌دید، جدی بگیرید!

✍🏼 Amin
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

👨🏻‍💻 این مجموعه ویدیوهای "مهندسی صنایع از A تا Z" بنظرم خیلی جامع و خوبه و می‌تونه یه دید کاملی از این رشته به بچه‌های مهندسی صنایع، خصوصا بچه‌های ورودی بده. اگه به بچه‌های ورودی دسترسی دارین حتما این پست رو باهاشون به اشتراک بذارین. قسمت اولش رو اینجا گذاشتم و سایر قسمت هاش رو هم می تونین از طریق لینک‌های زیر بهش دسترسی داشته باشین.👇🏼


🗂 مهندسی صنایع / از A تا Z
┤ 🎬 قسمت اول: چیستی مهندسی صنایع
┤ 🎬 قسمت دوم: از مهارت آموزی تا بازار کار
┤ 🎬 قسمت سوم: روش موفقیت 20 ساله در 4 سال
┤ 🎬 قسمت چهارم: نرم افزار های صنایع (1)
┘ 🎬 قسمت پنجم: نرم افزار های صنایع (2)


✍🏼 Majid
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter

⭕️ آیا AI جایگزین شغل "مهندسی صنایع" خواهد شد؟

👨🏻‍💻 امروز از چت‌بات ChatGPT پرسیدم که آیا هوش مصنوعی پتانسیل جایگزین شدن به جای شغل مهندسی صنایع و مشاغل مرتبط با اون رو داره یا خیر. پاسخ هایی که بهم داد برام جالب بود:

🔷 هوش مصنوعی (AI) پتانسیل خودکار سازی برخی از وظایف مهندسی صنایع را دارد، اما بعید است که جایگزین کل شغل یک مهندس صنایع شود. به چند دلیل:

📗 حل مسائل پیچیده: مهندسی صنایع شامل حل مسائل پیچیده است که نه تنها به مهارت های فنی بلکه به خلاقیت و تفکر انتقادی نیز، نیاز دارد. در حالی که هوش مصنوعی می تواند برخی از وظایف معمول را خودکار کند، نمی تواند جایگزین توانایی یک مهندس صنایع برای طراحی و بهینه سازی سیستم های پیچیده شود.

📙 تعامل انسانی: مهندسان صنایع نیازمند تعامل با افرادی با زمینه های مختلف کاری، مثل دیگر مهندسان، اپراتورها، مدیران و مشتریان دارند. آن‌ها باید به طور مؤثر با دیگران ارتباط برقرار کنند تا نیازهای خود را رفع کنند و برای اجرای راه حل ها همکاری کنند. با اینکه هوش مصنوعی می تواند به ارتباطات کمک کند، اما نمی تواند جایگزین ویژگی مهم تعامل انسانی و ارتباطات در محل کار شود.

📒 تصمیم گیری: مهندسان صنایع نیاز به اتخاذ تصمیمات حیاتی دارند که بر کارایی و بهره وری فرآیندها تأثیر می گذارد. در حالی که هوش مصنوعی می تواند تجزیه و تحلیل داده ها و بینش ها را ارائه دهد، نمی تواند جایگزین توانایی یک مهندس صنایع برای تصمیم گیری آگاهانه بر اساس دانش، تجربه و داوری آن ها شود.

📕 انطباق پذیری: مهندسی صنایع شامل برخورد با موقعیت های غیر قابل پیش بینی، مثل تغییر نیازهای مشتری، اختلالات پیش بینی نشده در زنجیره تامین، یا خرابی های غیر منتظره ماشین می شود. مهندسان صنایع باید برای پاسخگویی به چنین شرایطی سازگار و انعطاف پذیر باشند. در حالی که هوش مصنوعی می تواند برخی از وظایف معمول را خودکار کند، نمی تواند جایگزین توانایی یک مهندس صنایع برای انطباق با شرایط متغیر و توسعه راه حل های نوآورانه شود.

✅ به طور خلاصه، در حالی که هوش مصنوعی می تواند برخی از وظایف را در مهندسی صنایع خودکار کند، بسیار بعید است که جایگزین کل شغل یک مهندس صنایع شود. در مقابل، هوش مصنوعی می‌تواند با ارائه ابزارها و بینش‌هایی، فرآیندها را بهبود ببخشد و آن‌ها را بهره‌ورتر کند و از این طریق به مهندسان صنایع کمک کند.

✍🏼 Shahin
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
🕊 توییتر صنایع و مدیریت
📎 @IEMTwitter