PROGRAM WYKŁADU WSTĘP ORGANIZACJA PRODUKCJI STEROWANIE PRODUKCJĄ

Slides:



Advertisements
Podobne prezentacje
TRADYCYJNE METODY PLANOWANIA I ORGANIZACJI PROCESÓW PRODUKCYJNYCH
Advertisements

Układy eksperymentalne analizy wariancji. Analiza wariancji Planowanie eksperymentu Analiza jednoczynnikowa, p poziomów czynnika, dla każdego obiektu.
SKUTECZNOŚĆ i EFEKTYWNOŚĆ SYSTEMU
IV Tutorial z Metod Obliczeniowych
Budżetowanie kapitałów
INŻYNIERIA PRODUKCJI Wydział Elektroniki Mikrosystemów i Fotoniki
PROF. DR HAB. WIESŁAWA PRZYBYLSKA-KAPUŚCIŃSKA
zarządzanie produkcją
SYSTEMY ZARZĄDZANIA - GENEZA
Statystyka w doświadczalnictwie
Kontrola jakości.
Rozpoznawanie Twarzy i Systemy Biometryczne, 2005/2006
Antoni Omondi Postsocjalistyczna transformacja z perspektywy nowej ekonomii instytucjonalnej.
Projekt współfinansowany przez Unię Europejską w ramach Europejskiego Funduszu Społecznego Inwestycja w kadry 3 Praca zaliczająca moduł Dr G.Maniak.
Niepewności przypadkowe
ALGORYTMY STEROWANIA KILKOMA RUCHOMYMI WZBUDNIKAMI W NAGRZEWANIU INDUKCYJNYM OBRACAJĄCEGO SIĘ WALCA Piotr URBANEK, Andrzej FRĄCZYK, Jacek KUCHARSKI.
Podstawy projektowania i grafika inżynierska
Program przedmiotu “Metody statystyczne w chemii”
Analiza wariancji ANOVA efekty główne
Metody i techniki wspomagające zarządzanie jakością
Wykład 2 Cykl życia systemu informacyjnego
Doświadczalnictwo.
Analiza wariancji.
Metody matematyczne w inżynierii chemicznej
Paweł Górczyński Badania operacyjne Paweł Górczyński
ETO w Inżynierii Chemicznej MathCAD wykład 4.. Analiza danych Aproksymacja danych.
Jak optymalizować procesy. Jak działać efektywniej
ALGORYTMY OPTYMALIZACJI
USTALANIE NORM WYDAJNOSCI PRACOWNIKÓW
COBIT 5 Streszczenie dla Kierownictwa
Różne sposoby prezentacji danych
Zarządzanie jakością projektu
PREZENTACJA ŚCIĄGNIĘTA ZE STRONY www. zygmunt. legutko. edu
Metody zarządzania i sterowania jakością
Hipotezy statystyczne
Systemy zapewnienia jakości
Elementy Rachunku Prawdopodobieństwa i Statystyki
PROBLEMY DECYZYJNE KRÓTKOOKRESOWE WYBÓR OPTYMALNEJ STRUKTURY PRODUKCJI
Prof. Aleksander Surdej
Analiza wariancji ANOVA czynnikowa ANOVA
Dopuszczalne poziomy hałasu
Badania operacyjne, Solver
Henryk Rusinowski, Marcin Plis
Regresja wieloraka.
Seminarium licencjackie Beata Kapuścińska
Analiza wariancji ANOVA efekty główne. Analiza wariancji ANOVA ANOVA: ANalysis Of VAriance Nazwa: wywodzi się z faktu, że w celu testowania statystycznej.
Metoda badań eksperymentalnych i quasi-eksperymentalnych
Analiza i zarządzanie ryzykiem systemów informatycznych
Sterowanie populacją i eksploatacja populacji
Etapy rozwoju zarządzania jakością
EXCEL Wstęp do lab. 4. Szukaj wyniku Prosta procedura iteracyjnego znajdowania niewiadomej spełniającej warunek będący jej funkcją Metoda: –Wstążka Dane:
ZASTOSOWANIE KOMPUTEROWEGO WSPOMAGANIA W ZARZĄDZANIU JAKOŚCIĄ - METODY FMEA I QFD Politechnika Śląska, Wydział Organizacji i Zarządzania, Katedra Zarządzania.
Analiza wariancji ANOVA czynnikowa ANOVA
JAKOŚĆ TECHNICZNA WĘGLA
Adaptacyjne Systemy Inteligentne Maciej Bielski, s4049.
Logical Framework Approach Metoda Macierzy Logicznej
EKSPERYMENTY I OBSERWACJE NA LEKCJACH BIOLOGII I PRZYRODY
METODOLOGIA I METODYKA NAUK PRZYRODNICZYCH
1 © copyright by Piotr Bigosiński DOKUMENTACJA SYSTEMU HACCP. USTANOWIENIE, PROWADZENIE I UTRZYMANIE DOKUMENTACJI. Piotr Bigosiński 1 czerwiec 2004 r.
Nikogo nie trzeba przekonywać, że eksperymenty wykonywane samodzielnie przez ucznia czy prezentowane przez nauczyciela sprawiają, że lekcje są bardziej.
COBIT 5 Streszczenie dla Kierownictwa
Inżynieria systemów informacyjnych
Struktury i algorytmy wspomagania decyzji
MATEMATYCZNE MODELOWANIE PROCESÓW BIOTECHNOLOGICZNYCH
Sztuczne Sieci Neuronowe
Sterowanie procesami ciągłymi
Tytuł projektu naukowego
* PROCESÓW TECHNOLOGICZNYCH
Wyniki projektu naukowego
Zapis prezentacji:

PROGRAM WYKŁADU WSTĘP ORGANIZACJA PRODUKCJI STEROWANIE PRODUKCJĄ LOGISTYKA ZARZĄDZANIE JAKOŚCIĄ, TQM KOMUNIKACYJNE ASPEKTY ZARZĄDZANIA PLANOWANIE DOŚWIADCZEŃ DOE INŻYNIERIA JAKOŚCI; PODEJŚCIE TAGUCHI’EGO SYSTEM ZARZĄDZANIA JAKOŚCIĄ ISO

ROZWÓJ DoE PLANOWANIE DOŚWIADCZEŃ (Design of Experiments) JEST METODĄ STATYSTYCZNĄ WPROWADZONĄ PRZEZ Sir RONALDA A. FISHERA W ANGLII WE WCZESNYCH LATACH 20 UBIEGŁEGO WIEKU OPTYMALNE WARUNKI WYDAJNOŚĆ UPRAW NAWADNIANE, OPADY DESZCZU, SŁONECZNA POGODA, NAWOŻENIE, JAKOŚĆ GLEBY DOŚWIADCZENIA CZĘŚCIOWO-CZYNNIKOWE (lata 40) RSM (Responce Surface Modeling) (lata 50) JAPONSKIE „PROJEKTOWANIE JAKOŚCI” (lata 60-70); Genichi Taguchi PROJEKTOWANIE NUMERYCZNE Obiekt prototypowy Model numeryczny Analiza powierzchniowa odpowiedzi Obiekt zoptymalizowany Projektowanie eksperymentów tworzenie modelu numerycznego optymalizowanego obiektu, zaprojektowanie oraz wykonanie eksperymentu w oparciu o metodę projektowania doświadczeń, stworzenie przybliżonego modelu matematycznego odpowiedzi obiektu, w oparciu o procedurę analizy powierzchni odpowiedzi, optymalizacji wybranej funkcji celu, projektowania jakości w oparciu o analizę czułości odpowiedzi oraz analizę tolerancji.

EKSPERYMENT EKSPERYMENT (DOŚWIADCZENIE) TO ZAPLANOWANA SERIA TESTÓW, KTÓREJ CELEM JEST UDOWODNIENIE (lub wykazanie fałszu) HIPOTEZY OPISUJĄCEJ PROCES, KTÓREGO REZULTAT JEST ZALEŻNY OD TEGO, W JAKI SPOSÓB TEN PROCES PRZEBIEGA TEST  ODPOWIEDŹ W JAKI SPOSÓB JEDEN CZYNNIK (LUB ZESPÓŁ PODOBNYCH CZYNNIKÓW) WPŁYWA NA WARUNKI PROCESU. EKSPERYMENT  ODPOWIEDŹ NA PYTANIE CZY ORAZ CO SPOWODOWAŁO OKREŚLONY SKUTEK.

EKSPERYMENT EKSPERYMENT Przykład: chcemy opracować nową (lepszą) drogę z budynku Wydziału do domu. JEŚLI POSZUKUJEMY SZYBSZEJ DROGI – SZYBKO JĄ ZNAJDUJEMY.  TO JEST TEST EKSPERYMENT NALEŻY JEDNOZNACZNIE OKREŚLIĆ CEL EKSPERYMENTU: co chcemy wykazać, potwierdzić, lub o czym chcemy się dowiedzieć. (W przykładzie celem jest znalezienie najszybszej drogi do domu, przy czym na czas jej pokonania będzie miała wpływ najmniejsza ilość zmiennych i to niezależnie od dnia). NALEŻY ZDEFINIOWAĆ GRANICE, W JAKICH MOGĄ ZMIENIAĆ ZMIENNE NIEZALEŻNE. (Należy uwzględnić np. czas wyjazdu z parkingu i włączenia się do ruchu ulicznego i dojazdu do miejsca garażowania.. Przypadek intensywnej burzy śnieżnej powinien znaleźć się poza przyjętymi granicami, jako „specjalny przypadek”). NALEŻY OPRACOWAĆ LUB PRZYJĄĆ SYSTEM POMIAROWY, który jednoznacznie określi rezultaty serii testów. (Niech to będzie naręczny zegarek mierzący czas z dokładnością minuty). NALEŻY ZAPLANOWAĆ SEKWENCJE TESTÓW OKREŚLAJĄC STRATEGIĘ EKSPERYMENTU. (Przejechać wybrane drogi 15 minut wcześniej lub później, zbadać, czy dzień tygodnia nie ma znaczenia)

EKSPERYMENT DOBRY EKSPERYMENT MUSI BYĆ STARANNIE ZAPLANOWANY I PRZEMYŚLANY WE WSZYSTKICH FAZACH, A NASTĘPNIE SYSTEMATYCZNIE PRZEPROWADZONY CEL: NAJWIĘKSZY (NAJWIĘKSZY ZYSK, NAJWIĘKSZA WYTRZYMAŁOŚĆ, NAJDŁUŻSZA TRASA) NAJMNIEJSZY (NAJKRÓTSZY CZAS, NAJMNIEJSZY SKURCZ, NAJMNIEJSZY ODPAD) NAJBLIŻEJ CELU (NAJMNIEJSZE FLUKTUACJE WYMIARÓW, MINIMALNE RÓŻNICE W CZASACH UTWARDZANIA, NAJMNIEJSZE RÓŻNICE W WYMIARACH CZĄSTEK).

PODEJŚCIE TRADYCYJNE (jeden-w-czasie) Przykład: Na rezultat eksperymentu D, mają wpływ trzy czynniki (zmienne niezależne), R, T i A (czynniki będą się zmieniały tylko na czterech poziomach) var best WADY TRADYCYJNEGO EKSPERYMENTU: MOŻLIWOŚĆ BŁĘDNEJ KONKLUZJI DUŻA ILOŚĆ TESTÓW (WYKONYWANA NIEPOTRZEBNIE). BRAK OCENY BŁĘDU EKSPERYMENTU BRAK ZALEŻNOŚCI (INTERAKCJI) POMIĘDZY CZYNNIKAMI. best var var best ??? Może (R4, T3 i A4) ??? ZBADANIE WSZYSTKICH KOMBINACJI

STRATEGIA EKSPERYMENTU METODY PLANOWANIA EKSPERYMENTU TWORZĄ RODZINY O WSPÓLNYCH CECHACH: EKSPERYMENTY PEŁNO-CZYNNIKOWE (Full-factorials), EKSPERYMENTY CZĘŚCIOWO-CZYNNIKOWE (Fractional-factorial), EKSPERYMENTY SELEKCJONUJĄCE (Screening Experiments), MAPY POWIERZCHNIOWEJ ODPOWIEDZI (Response Surface Analysis) PROCEDURY EWOLUCYJNE (Evolutionary Operations, EVOP), EKSPERYMENTY MIESZANE EKSPERYMENT PEŁNO-CZYNNIKOWY UZYSKUJE SIĘ DANE ZE WSZYSTKICH KOMBINACJI ZMIENNYCH ORAZ ICH WARTOŚCI (POZIOMÓW) MA ON ZASTOSOWANIE PRZY BADANIU ZMIENNYCH O DWÓCH, LUB NAJWYŻEJ TRZECH POZIOMACH, POZWALA NA DOBRĄ OCENĘ BŁĘDU EKSPERYMENTU ORAZ INTERAKCJI DOSTARCZA DUŻO INFORMACJI, ALE NIESTETY WYMAGA DUŻEJ LICZBY PRZEPROWADZANYCH TESTÓW

STRATEGIA EKSPERYMENTU EKSPERYMENT CZĘŚCIOWO-CZYNNIKOWY WYMAGA USTALENIA Z GÓRY JAKA CZĘŚĆ (EKSPERYMENTU PEŁNO-CZYNNIKOWEGO) BĘDZIE PRZEPROWADZONA MNIEJSZA ILOŚĆ TESTÓW I KONIECZNOŚĆ STUDIOWANIA INTERAKCJI MNIEJ TESTÓW, ALE I MNIEJ INFORMACJI. EKSPERYMENT SELEKCJONUJĄCY EKSTREMALNY PRZYPADEK EKSPERYMENTU CZĘŚCIOWO-CZYNNIKOWEGO POZWALA NA OCENĘ F ZMIENNYCH TYLKO PRZY F+1 ILOŚCIACH TESTÓW DOBRY DO ZROZUMIENIA KTÓRE ZE ZMIENNYCH MAJĄ ISTOTNY WPŁYW NA PROCES, ALE MOŻE WPROWADZAĆ W BŁĄD PRZY POJAWIAJĄCYCH SIĘ INTERAKCJACH STOSUNKOWO DUŻA ILOŚĆ INFORMACJI PRZY NIEWIELU TESTACH

STRATEGIA EKSPERYMENTU MAPY POWIERZCHNIOWEJ ODPOWIEDZI PLANOWANIE OPTYMALIZUJĄCE MUSZĄ BYĆ WCZEŚNIEJ ZNANE GŁÓWNE ZMIENNE NIEZALEŻNE OGRANICZONA ILOŚĆ TESTÓW, UZYSKANE JEDYNIE WYBIÓRCZE INFORMACJE. PROCEDURY EWOLUCYJNE POWTARZAJĄCE SIĘ PLANOWANIE OPTYMALIZUJĄCE EKSPERYMENTY SĄ PRZEPROWADZANE W ISTNIEJĄCYCH RAMACH OKREŚLONYCH PRZEZ PARAMETRY PROCESU STOSUNKOWO DUŻA LICZBA TESTÓW, INFORMACJE WYBIÓRCZE

STRATEGIA EKSPERYMENTU START EKSPERYMENT SELEKCJONUJĄCY EKSPERYMENT PEŁNO- LUB CZĘŚCIOWO-CZYNNIKOWY OPTYMALIZACJA (RSM)

DIAGRAM PRZYCZYNOWO-SKUTKOWY ISHIKAWY. GRUPY PRZYCZYN KOLOKWIUM 2 DIAGRAM PRZYCZYNOWO-SKUTKOWY ISHIKAWY. GRUPY PRZYCZYN CO WSKAZUJE NA KARCIE KONTROLNEJ SHEWHARTA, ŻE PRZEBIEG PROCESU PRODUKCYJNEGO JEST STATYSTYCZNIE NIEKONTROLOWALNY 10 ZASAD PRZEJRZYSTEGO PISANIA WADY TRADYCYJNEGO EKSPERYMENTU JEDEN-W-CZASIE