شش سیگما یکی از مشهورترین نظامها برای حذف ضایعات، کاهش هزینه و بهبود کیفیت در سازمانهاست. فرآیند ایجاد و ارزیابی پروژهها، از جمله فعالیتهای اولیه در اجرای شش سیگماست که بسیاری از محققان معتقدند بهکارگیری موفقیتآمیز شش سیگما با اولویتبندی و انتخاب مناسب پروژههای شش سیگما ارتباط تنگاتنگی دارد. تحقیق حاضر با بهکارگیری شبکه‌های عصبی مصنوعی بهعنوان یک ابزار قدرتمند در پردازش اطلاعات غیرخطی، مدلی را جهت انتخاب این پروژهها معرفی نموده است. در این مدل، شش معیار هزینه پروژه، مدت زمان اجرای پروژه، تعداد افراد کمربند مشکی و سبز، افزایش رضایت مشتری، تأثیر بر استراتژی کسب وکار و میزان تأثیر مالی به عنوان عوامل ورودی در نظر گرفته شده و با استفاده از پرسپترون چندلایه، میزان بهرهوری و سطح سیگمای حاصل از هر پروژه بهبود پیشبینی شده است. در پایان نیز با استفاده از تحلیل حساسیت تأثیر هر کدام از متغیرهای ورودی بر خروجیهای مدل ارزیابی شده است. نتایج حاصل نشانگر این است که عوامل "تأثیر بر استراتژی کسب و کار" و "میزان تأثیر مالی" بهترتیب بیشترین و کمترین تأثیر را بر خروجیهای مدل شامل میزان بهرهوری و سطح سیگما داشته است.

Six Sigma is one of the most popular systems for eliminating waste, reducing cost and improving quality in organizations. The process of evaluation and selection of projects is the first step towards implementing Six Sigma and many researchers believe that these are important for the success of such projects. Respectively, in this paper, a model has been proposed based on artificial neural network (ANN) as an effective tool for non-linear information processing . In this model, six criteria of project cost, project duration, number of Black and Green Belts, improving customer satisfaction, impact on business strategy and financial impact have been identified as input factors and productivity and sigma level of improvement projects have been estimated using multi-layer perception (MLP). Finally, sensitivity analysis has been used for evaluation of the influence of inputs on outputs. The findings imply that 'business strategy' and 'financial impact' have the most and the least influence on model's outputs, including productivity and Sigma level, respectively.

  .