Informacja

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

Wyszukujesz frazę "Rosienkiewicz, M." wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
Idea of adaptation value stream mapping method to the conditions of the mining industry
Koncepcja adaptacji metody mapowania strumienia wartości do warunków przemysłu wydobywczego
Autorzy:
Rosienkiewicz, M.
Powiązania:
https://bibliotekanauki.pl/articles/348601.pdf
Data publikacji:
2012
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
mapowanie strumienia wartości VSM
marnotrawstwo
value stream mapping (VSM)
wastes
mining industry
Opis:
The article presents a concept of adaptation the Value Stream Mapping method (VSM) to the mining industry environment. VSM method is widely used mainly in the automotive industry and in manufacturing enterprises. The method stems from the Toyota Production System (TPS). The paper describes an attempt to define "value" and "waste" for the copper mine conditions. The analyzed method enables mapping and imaging the material and information flow in the production system. A value stream can be defined as all the activities - both value added and non-value added - required to take a product or service through a value flows. The core aspect of value stream mapping is to see the flow and waste, and its sources in a value stream. The paper discuses also an algorithm of observing and measuring the chosen process. The algorithm enables developing a current- state map. Examples of the process division into value-added and non-value-added activities and a comparison of 7 types of waste defined in the automotive industry with potential waste that can be noticed in a mine are also presented in the article.
W artykule przedstawiono koncepcję adaptacji metody mapowania strumienia wartości VSM (Value Stream Mapping) do warunków przemysłu wydobywczego. Metoda VSM była dotychczas powszechnie stosowana głównie w przemyśle motoryzacyjnym i przedsiębiorstwach stricte produkcyjnych. Wywodzi się z systemu produkcyjnego Toyoty (Toyota Production System TPS). W pracy podjęto próbę zdefiniowania pojęcia wartości i marnotrawstwa dla uwarunkowań panujących w kopalni miedzi. Metoda, którą poddano analizie pozwala na odwzorowanie przepływu materiału i informacji w systemie produkcyjnym. Przez strumień wartości należy rozumieć wszystkie czynności - zarówno dodające, jak i nie dodające wartości, które konieczne są przeprowadzenia produktu lub usługi przez główne przepływy wartości. Istotą mapowania strumienia wartości jest dostrzeżenie przepływu oraz marnotrawstwa, a także jego źródeł w strumieniu wartości. W pracy przedstawiono koncepcję algorytmu zbierania danych i dokonywania pomiarów, który pozwala na opracowanie mapy stanu obecnego. Zaprezentowano także przykład podziału operacji wykonywanych w kopalni na dodające i nie dodające wartości oraz porównanie potencjalnych przykładów występowania marnotrawstwa w kopalni z siedmioma podstawowymi typami marnotrawstwa występującymi w przemyśle motoryzacyjnym.
Źródło:
AGH Journal of Mining and Geoengineering; 2012, 36, 3; 301-307
1732-6702
Pojawia się w:
AGH Journal of Mining and Geoengineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza efektywności wykorzystania kryteriów informacyjnych w prognozowaniu zapotrzebowania na części zamienne
Efficiency analysis of information criteria application in spare parts demand forecasting
Autorzy:
Rosienkiewicz, M.
Powiązania:
https://bibliotekanauki.pl/articles/1377738.pdf
Data publikacji:
2013
Wydawca:
Polskie Wydawnictwo Ekonomiczne
Tematy:
logistyka
gospodarka materiałowa
części zamienne
sztuczne sieci neuronowe
logistics
materials management
artificial neural networks
Opis:
W artykule przedstawiono klasyczne metody prognozowania zapotrzebowania na części zamienne oraz nowy trend w tej dziedzinie - wykorzystanie jednej z metod sztucznej inteligencji - sztucznych sieci neuronowych SSN (Sztuczne Sieci Neuronowe; Artificial Neural Networks, ANN).
The paper presents a new approach to the spare parts forecasting issue - a method which combines regression modeling, information criteria and artificial neural networks ANN. The research presented in this article compares efficiency of classical methods with the artificial intelligence tool in the scope of spare parts forecasting. Artificial Neural Networks have been advocated as an alternative to traditional statistical forecasting methods. Classical methods, such as exponential smoothing or mean average, have been used for several decades in forecasting demand. However, many of these techniques may perform poorly when demand for an item is lumpy or intermittent. In the paper three concepts of using ANN in spare parts forecasting - micro, macro and hybrid - were described. The article presents also the variable selection issue, which is of a great importance in any model building.
Źródło:
Gospodarka Materiałowa i Logistyka; 2013, 5; 11-21
1231-2037
Pojawia się w:
Gospodarka Materiałowa i Logistyka
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