Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "production process performance" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Wyznaczanie kluczowych wskaźników wydajności procesu produkcyjnego - część I: badania teoretyczne
Key performance indicators as a tool for production process assessment - part I: theoretical research
Autorzy:
Bartecki, K.
Król, D.
Skowroński, J.
Powiązania:
https://bibliotekanauki.pl/articles/277820.pdf
Data publikacji:
2018
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
kluczowe wskaźniki wydajności
proces produkcyjny
pomiary
eksploracja danych
straty produkcyjne
ISO 22400
key performance indicators
production process
measurements
data exploration
production losses
Opis:
Kluczowe wskaźniki wydajności są zdefiniowane jako zestaw metryk umożliwiających ocenę różnych aspektów funkcjonowania procesu produkcyjnego. Należą do nich m.in. takie wskaźniki, jak przepustowość linii produkcyjnej, dostępność oraz wydajność maszyn i ich operatorów, czy też jakość wytwarzanych produktów. W pierwszej części artykułu omówiono hierarchiczną, trójpoziomową strukturę wskaźników wydajności, zgodnie z którą wartości wskaźników podstawowych wyznaczane są na podstawie wskaźników bezpośrednich, na które składają się planowane wielkości charakteryzujące proces produkcyjny oraz ich wartości rzeczywiste, zmierzone bezpośrednio na stanowiskach produkcyjnych. Opierając się na wartościach wskaźników podstawowych, wyznaczane są następnie wartości wskaźników złożonych, umożliwiających syntetyczną ocenę efektywności wykorzystania maszyn oraz zasobów ludzkich zaangażowanych w proces produkcyjny. Znajomość wartości tych wskaźników umożliwia analizę bieżącej kondycji procesu produkcyjnego oraz podjęcie ewentualnych działań naprawczych. Wyniki badań przemysłowych, polegających na oryginalnej implementacji przedstawionej metody zostaną omówione w drugiej części artykułu.
Key performance indicators are defined as a set of metrics allowing assessment of the production process performance. These metrics include e.g. throughput of the production line, availability and effectiveness of the machines and their operators, as well as the quality of manufactured products. The first part of the paper discusses a hierarchical, three-level structure of the performance indicators in which the values of the so-called basic indicators are determined both based on the production plans as well as from the measurements carried out directly at the production units. Based on the values of the basic indicators, the values of the comprehensive indicators are determined to be used as a synthetic assessment of the effectiveness of the use of machines and human resources. These indicators allow gathering knowledge on the current condition of the production process as well as taking possible corrective actions aimed at improving its functioning. The results of the industrial research based on the original implementation of the presented theory will be discussed in the second part of the paper.
Źródło:
Pomiary Automatyka Robotyka; 2018, 22, 3; 5-13
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wyznaczanie kluczowych wskaźników wydajności procesu produkcyjnego – część II: badania przemysłowe
Key Performance Indicators as a Tool for Production Process Assessment – Part II: Industrial Research
Autorzy:
Król, Dariusz
Skowroński, Jan
Zaręba, Maciej
Bartecki, Krzysztof
Powiązania:
https://bibliotekanauki.pl/articles/277042.pdf
Data publikacji:
2020
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
kluczowe wskaźniki wydajności
proces produkcyjny
pomiary
systemy wspomagania decyzji
Przemysł 4.0
key performance indicators
production process
measurements
decision support systems
Industry 4.0
Opis:
Zastosowanie nowych technologii w Przemyśle 4.0 umożliwia lepszą organizację, monitorowanie, kontrolę oraz skuteczną optymalizację procesów produkcyjnych, szczególnie w zakresie wydajności. Prezentowane rozwiązanie opiera się na hierarchicznej analizie wskaźników efektywności, w tym głównie na kontroli wskaźnika ogólnej efektywności zasobów produkcyjnych OEE. Rosnąca liczba możliwych do uzyskania skwantyfikowanych sygnałów monitorujących pracę maszyn, temperaturę otoczenia czy częstotliwość drgań sprawia, że narzędzia wspomagające decyzje są coraz bardziej wyrafinowane i, poza prezentacją obecnego stanu zasobów, coraz częściej obejmują także analizę predykcyjną. Opisywane narzędzie PUPMT pozwala zidentyfikować kluczowe zdarzenia, które mają istotny wpływ na bieżącą lub przyszłą efektywność produkcji. Umożliwia także analizę typu what-if, dopuszczając symulację wpływu projektowanych zmian, a wyniki tej symulacji uzależnia od skutków podobnych zmian, które miały miejsce w przeszłości w danym przedsiębiorstwie. Dzięki automatycznej identyfikacji potencjalnych zależności rozwiązanie dostosowuje się do specyfiki firmy lub wybranej jednostki produkcyjnej. Początkowe rozdziały zawierają m.in. opis najważniejszych metod wykorzystywanych w rozwiązaniu PUPMT. W dalszej części przedstawiono wybrane wyniki badań przemysłowych, które przeprowadzono na kilkudziesięciu jednostkach produkcyjnych.
The use of new technologies in Industry 4.0 enables better organization, monitoring, control and effective optimization of production processes, especially in terms of efficiency. The solution is based on a hierarchical analysis of key performance indicators, including mainly the control of Overall Equipment Effectiveness (OEE). The growing number of quantifiable signals monitoring machine operation, ambient temperature or even the frequency of vibrations makes decision support tools more and more sophisticated. Moreover, they also include predictive analysis in addition to presentations of the current state of resources. PUPMT tool allows identifying key events that have a significant impact on current or future production efficiency. It also allows the what-iftype analysis, running the simulation of the impact of the proposed changes, and the results of this simulation depend on the effects of similar changes that occurred in the past in a given enterprise. Thanks to the automatic identification of potential dependencies, the proposed solution adapts to the specifics of a given company or even a selected production unit. The paper in the first part contains a description of the essential methods used in the PUPMT tool. The second part presents selected results of industrial research, which were carried out on several dozen production units.
Źródło:
Pomiary Automatyka Robotyka; 2020, 24, 3; 19-28
1427-9126
Pojawia się w:
Pomiary Automatyka Robotyka
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies