Zastosowanie sztucznych sieci neuronowych w organizacji procesu produkcyjnego

Kutschenreiter-Praszkiewicz, Izabela

Author

Kutschenreiter-Praszkiewicz Izabela (Akademia Techniczno-Humanistyczna w Bielsku-Białej)

Title

Zastosowanie sztucznych sieci neuronowych w organizacji procesu produkcyjnego
Application of Neural Network in Process Production Organisation

Source

Zarządzanie Przedsiębiorstwem / Polskie Towarzystwo Zarządzania Produkcją, 2003, nr 1, s. 24-29, rys., bibliogr. 6 poz.

Keyword

Projektowanie systemu produkcji, Organizacja procesów produkcyjnych, Uczenie sieci neuronowych, Sieci neuronowe, Pracochłonność, Zarządzanie produkcją
Design of production system, Organization of production processes, Learning of neural networks, Neural networks, Labour intensity, Production management

Note

summ.

Abstract

Wraz z pojawieniem się nowych metod projektowania opartych o zaawansowane systemy komputerowe pojawiły się możliwości określania pracochłonności prac przez zastosowanie metod opartych o sztuczną inteligencję. Takie postępowanie umożliwia skrócenie czasu, a co za tym idzie kosztów opracowania normy. Wspomaganie normowania czasu techniką komputerową umożliwia racjonalizację zarządzania czasem pracy poprzez:

skrócenie czasu potrzebnego na ustalenie norm czasowych,
stosowanie jednakowych kryteriów określania normy czasowej,
skuteczne ocenianie pracochłonności na etapie projektowania konstrukcyjnego wyrobów.

W warunkach produkcji jednostkowej i małoseryjnej efektywnym narzędziem do określania pracochłonności są metody sztucznej inteligencji - w szczególności sieci neuronowe. Znajomość czasów realizacji zadań wykonywanych w obszarze technicznego przygotowania produkcji i wytwarzania jest podstawą taktycznego i operatywnego zarządzania procesem produkcyjnym Obecnie zanika rola norm czasu jako wyłącznej podstawy ustalania wynagrodzeń. W prawidłowo zarządzanych przedsiębiorstwach normy czasu powinny być wykorzystywane do:

poprawy technologiczności wyrobu,
unifikacji elementów wyrobu,
optymalizacji przebiegu procesu produkcyjnego w ujęciu statycznym i dynamicznym,
planowania procesu produkcji,
obniżenia kosztów produkcji oraz kalkulacji kosztów,
racjonalnego wykorzystania zasobów przedsiębiorstwa,
ustalania zdolności produkcyjnych.

Zastosowanie metod sztucznej inteligencji w określaniu pracochłonności pozwala na:

planowanie prac w działach rozwoju,
sprawne określanie czasu prac bezpośrednio produkcyjnych.

Prace realizowane w ramach TPP należą do grupy trudno mierzalnych i czas ich realizacji zależy w dużym stopniu od kwalifikacji i motywacji pracowników. Dlatego bazy danych pracochłonności muszą być tworzone indywidualnie dla warunków przedsiębiorstwa. Podstawą planowania przebiegu prac (zleceń) realizowanych w przedsiębiorstwie produkcyjnym jest znajomość cyklu produkcyjnego, który powinien być określany na podstawie wszystkich czynników decydujących o jego długości. Dotychczas cykl produkcyjny określano uwzględniając działania pracowników i środki produkcji. Wymagania rynku wymuszają konieczność skracania cyklu produkcyjnego stąd konieczność analizy tego zagadnienia. Długość cyklu produkcyjnego jest uzależniona od czasów projektowania, obsługi klienta, wytwarzania, transportu. Wskaźnik obliczany jako iloraz czasu przepływu materiału do czasu cyklu jest miernikiem sprawności organizacyjnej zakładu. (fragment tekstu)

The paper presents methodology of time standard determination concerned with design and production part of machine. Presented methodology is used to determination of cost and term of process production. This methodology is especially important in medium and small batch production methods in machine industry. Market economy conditions force actions upon enterprises, aiming at quality improvement, production cycle shortening and cost reduction. To reach this goal it's necessary to determine precise operational times, on the base of which we can establish the costs of operations to be carried out. Good organisation is determined by extend of using of enterprise resources such as material, human, machine, finance, information. The uses of schedule based on time standard well prepared help to manage the production process. This is especially important in small and medium batch production methods. In these conditions it is necessary to design a lot of different construction. In this situation methods of work measurement based on analytical estimating have greater meaning opposed to conventional ones, which use more time and has a larger cost. Methods of work measurement, known from literature, aren't sufficient. Enterprise aided computer systems need a new fast and easy to use methods of work measurement. Traditional work measurement methods are too difficult and expensive in case of small and medium batch production. Majority of methods of work measurement are useful in case of production task. But a lot of task realised particularly in technical production preparation can't measure easy. This kind of work is characterised by: variable of tasks, no repeatable conditions, long term realisation, determined by a lot of factors, a lot of conceptual work. For this kind of job can't use the conventional method of work measurement based on time study. It's necessary to create a new method based on artificial intelligence methods. There are lot of methods considering an artificial intelligence methods. Author used the pattern recognition based on neural network. Those methods characterised by "teach yourself procedures, considered continuous changes in enterprise. To determine work time standards for composed tasks determined by many conditions we can use the pattern recognition. Pattern recognition consists on allocation of a target 10 appropriate class. This classification realised use to neural network. Neural network is based on model of human nerve cell. Neural network opposed to sequence data processing enables parallel data processing. Based on presented model a new method of work measurement has been elaborated. (short original abstract)

Accessibility

The Main Library of the Cracow University of Economics
The Main Library of Poznań University of Economics and Business

Full text

Bibliography

Kutschenreiter-Praszkiewicz I.: Metodologia planowania przebiegu prac technicznego przygotowania produkcji elementów maszyn. Praca doktorska, Politechnika Łódzka Filia w Bielsku-Białej, Bielsko-Biała 2000.
Kutschenreiter-Praszkiewicz I.: Zastosowanie sztucznych sieci neuronowych w metodologii planowania technicznego przygotowania produkcji. Materiały z VI Międzynarodowej Konferencji Naukowej, Część I, s. 85-100, Bielsko-Biała 12-13.10.2000.
Osowski S.: Sieci neuronowe, WNT, Warszawa 1996.
Tadeusiewicz R.: Elementarne wprowadzenie do techniki sieci neuronowych z przykładami programowymi,. Akademicka Oficyna Wydawnicza PLJ, Warszawa 1998.
Matuszek J.: Tendencje rozwoju systemów komputerowego wspomagania projektowania procesów produkcyjnych. Przegląd Mechaniczny, 17-18/98.
Praca zbiorowa: "Methodenlehre des Arbeitsstudiums", Teil 2, Dalenermittlung. REFA - Verband fur Arbeitsstudien und Betriebsorganisation e.V. Carl Hanser Verlag, Munchen 1997.

Cited by

ISSN

1643-4773

Language

pol

BazEkon - The Main Library of the Cracow University of Economics

Main menu