METODYKA SZACOWANIA DŁUGOŚCI OKRESU PLANOWANIA Z ZASTOSOWANIEM TECHNIK EKSPLORACJI DANYCH METHODOLOGY OF TIME PERIOD ESTIMATION USING DATA MINING

Wielkość: px
Rozpocząć pokaz od strony:

Download "METODYKA SZACOWANIA DŁUGOŚCI OKRESU PLANOWANIA Z ZASTOSOWANIEM TECHNIK EKSPLORACJI DANYCH METHODOLOGY OF TIME PERIOD ESTIMATION USING DATA MINING"

Transkrypt

1 PAWEŁ WOJAKOWSKI METODYKA SZACOWANIA DŁUGOŚCI OKRESU PLANOWANIA Z ZASTOSOWANIEM TECHNIK EKSPLORACJI DANYCH METHODOLOGY OF TIME PERIOD ESTIMATION USING DATA MINING S t r e s z c z e n i e A b s t r a c t W artykule przedstawiono w sposób ogólny metodykę szacowania długości okresu planowania. Do szacowania długości okresu planowania wykorzystano wybrane techniki eksploracji danych, w szczególności regresję i klasyfikację. Opisano metody szacowania czasu realizacji zleceń produkcyjnych występujące w literaturze. Sklasyfikowano oraz wymieniono najczęściej stosowane techniki i metody eksploracji danych. Na koniec ogólnie opisano algorytm SDOP do szacowania długości okresu planowania. Słowa kluczowe: planowanie produkcji, okres planowania, eksploracja danych Methodology of time period estimation is depicted in this paper. Selected techniques of data mining such as regression and classification are exploited to time period estimation. A review of lead time estimation methods is presented as well as an overview of data mining techniques and methods. Finally, a new algorithm called SDOP for time period estimation is briefly described. Keywords: production planning, time period, data mining Mgr inż. Paweł Wojakowski, Instytut Technologii Maszyn i Automatyzacji Produkcji, Wydział Mechaniczny, Politechnika Krakowska.

2 Wstęp W dzisiejszym bardzo konkurencyjnym środowisku biznesu firmy produkcyjne, które usiłują zostać liderami w swoich dziedzinach działalności, muszą ciągle dążyć do stosowania ulepszonych metod zarządzania produkcją. Powodem jest nacisk na ograniczanie kosztów produkcji przy jednoczesnym wzroście wydajności systemu wytwórczego. Ciągłych zmian doskonalących wymagają trzy podstawowe aspekty aktywności biznesowej: jakość, koszt i dostawa. Ma to szczególne znaczenie w przypadku przedsiębiorstw o typie produkcji małoseryjnej, tj. z dużą rotacją wyrobów, ukierunkowanych na produkcję na zlecenie klienta [7]. W systemach charakteryzujących się produkcją małoseryjną istotne są trzy czynniki zarządzania produkcją. Należą do nich: szacowanie czasu realizacji zleceń produkcyjnych, ustalenie terminu realizacji zleceń produkcyjnych oraz kontrola przebiegu pracy nad zleceniem produkcyjnym [10] Kluczowym czynnikiem wśród wyżej wymienionych jest szacowanie czasu realizacji zleceń produkcyjnych. Poprawne oszacowanie czasu realizacji zlecenia daje gwarancję terminowości jego realizacji, a w konsekwencji spełnienia oczekiwań klienta względem przedsiębiorstwa. Termin realizacji zlecenia jest ustalany na podstawie oszacowanego czasu realizacji tego zlecenia. Oczywiste jest, że im krótszy czas realizacji zlecenia, tym większa satysfakcja klienta i lepszy wizerunek firmy. Z drugiej strony jednak, im krótszy czas realizacji zleceń produkcyjnych, tym większe zapchanie systemu oraz większe problemy z dotrzymaniem wyznaczonych terminów z powodu pojawiających się strat na efektywności produkowanych wyrobów. Zjawisko zapchania systemu produkcyjnego szczególnie jest zauważalne w systemach klasy MRP. System MRP charakteryzuje się stałą i ustaloną długością trwania czasu planowania. W okresie planowania planuje się produkcję jednego etapu procesu wytwórczego. Czas realizacji zlecenia jest znany i równy ilości etapów procesu wytwórczego. Jeżeli w jednym okresie planowania w określonej komórce produkcyjnej wykonującej etap procesu wytwórczego pojawi się wiele zleceń produkcyjnych różnych wyrobów, wówczas dochodzi do zapchania komórki produkcyjnej. Niektóre zlecenia muszą zostać opóźnione z powodu braku zdolności produkcyjnych zasobów w komórce produkcyjnej, dlatego terminy realizacji tych zleceń zostaną przekroczone [1]. Zjawisko przekroczenia terminu realizacji zlecenia w systemach klasy MRP można wyeliminować na dwa sposoby. Po pierwsze możliwe jest odłożenie terminu realizacji zlecenia w czasie. Sposób jest raczej mało realny do osiągnięcia, ponieważ psuje wizerunek firmy. Klienci oczekują skrócenia czasu realizacji zlecenia, a nie jego wydłużenia. Pozostaje więc druga możliwość, tj. opracowanie precyzyjnej metody oszacowania długości trwania okresu planowania, aby korzystając z systemu klasy MRP unikać zjawiska zapchania. Do tego celu niezbędna jest analiza danych historycznych o dotychczasowym przebiegu produkcji. Do takiej analizy najlepiej wykorzystać właściwe techniki eksploracji danych, w szczególności regresję oraz klasyfikację. Układ artykułu jest następujący. W części drugiej opracowano przegląd literatury z zakresu metod szacowania czasu realizacji zleceń produkcyjnych. W części trzeciej sklasyfikowano techniki eksploracji danych. W części czwartej przedstawiono nowe podejście do szacowania długości trwania okresu planowania na podstawie opracowanego algorytmu SDOP. Na koniec podsumowano zawartość artykułu.

3 2. Przegląd metod szacowania czasu realizacji zleceń produkcyjnych 525 Oszacowanie czasu realizacji zlecenia produkcyjnego decyduje o ustaleniu terminu jego realizacji. Jest to więc problem decyzyjny, którego głównym celem jest wypracowanie rozwiązania stanowiącego kompromis pomiędzy wieloma zleceniami, których głównym celem jest uzyskanie jak najwcześniejszego terminu realizacji. Rozwój metod szacujących czas realizacji zlecenia stanowi wyzwanie w literaturze związanej z tym tematem. Powodem nasuwających się trudności jest wiele czynników podlegających analizie, wśród których do najważniejszych należą: uwarunkowania procesów wytwórczych oraz ich straty efektywności wytwarzania, dobór wielkości produkcyjnych, poziom obciążenia systemu zleceniami czy też stosowanie reguł priorytetów. Ponadto, większość czasu, jaki dane zlecenie przebywa w systemie wytwórczym, jest tracone na oczekiwaniu w kolejkach lub magazynach aż niezbędne zasoby wytwórcze zostaną zwolnione do pracy ze zleceniem. Szacowanie czasu realizacji jest tym trudniejsze, im dłużej dane zlecenie przebywa w systemie. Ma to związek z narastającym poziomem niepewności produkcji przy dużej zmienności pracy oraz przy zwiększającej się wielkości produkcji. Do rozwiązania problemu szacowania czasu realizacji zleceń opracowano wiele metod analitycznych, eksperymentalnych oraz heurystycznych. W większości przypadków są to metody analizy i eksploracji danych historycznych. Zlecenia produkcyjne odczytane z hurtowni danych (jako dane historyczne) dzieli się na etapy. Każdy etap wykonywany jest w innej komórce produkcyjnej określonego stopnia. Analizie poddaje się czas przepływu poszczególnych zleceń przez komórki produkcyjne. W pracach [5, 6] czas przepływu potraktowano jako zmienną losową o rozkładzie normalnym. W pracach [11, 16] dokonano analizy zmienności czasu przepływu metodą regresji liniowej kilku zmiennych. Z kolei w pracach [10, 12] zastosowano algorytm drzew decyzyjnych do poszukiwania wartości czasu przepływu. Natomiast w pracy [3] zastosowano algorytm szeregów czasowych do szacowania czasu oczekiwania zleceń produkcyjnych przed każdą operacją w komórce produkcyjnej. W powyższych pracach zakładano, że w komórce produkcyjnej występuje 6 10 maszyn o unikalnych możliwościach technologicznych. Badaniu podlegał czas przepływu każdego zlecenia przez komórkę produkcyjną, przy czym marszruty technologiczne (jako określone zlecenia produkcyjne) przebiegały w nieukierunkowany sposób. Inna grupa prac zajmuje się przypadkiem realizacji operacji w okresie planowania na maszynach o tych samych możliwościach technologicznych. W pracach [2, 4, 9, 13] zaprezentowano podejścia do szacowania czasu realizacji zleceń produkcyjnych, gdy w systemie wytwórczym występuje jedna maszyna danego typu. Z kolei w pracach [14, 17] opracowano metody szacowania czasu realizacji zleceń dla kilku maszyn danego typu. Na sposób analizy danych do szacowania czasu realizacji zlecenia kluczową sprawę stanowi dobór metody ustalania terminu realizacji zleceń. W strategii MTO za czas realizacji zlecenia przyjmuje się datę dostawy wyrobów do klienta. Są dwie grupy metod ustalania terminu realizacji zleceń [16]: metody egzogeniczne, w których terminy realizacji zleceń są ustalane przez klientów systemu wytwórczego, metody endogeniczne, w których terminy realizacji zleceń są ustalane za pomocą systemu planowania.

4 526 W metodach egzogenicznych, system planowania narzuca na poszczególne zlecenia produkcyjne priorytety. Przepływ produkcji jest regulowany za pomocą reguł priorytetów, dzięki czemu pierwszeństwo mają zawsze zlecenia z najwcześniejszym terminem realizacji. W praktyce najczęściej wykorzystywaną metodą egzogeniczną jest metoda zmiennej zawartości pracy (RWK ang. Random Work Content). W metodach endogenicznych, ustalenie terminów realizacji zleceń odbywa się w odniesieniu do poziomu obciążenia pracą komórek produkcyjnych oraz do zawartości pracy w poszczególnych zleceniach produkcyjnych. W tym przypadku obecnie dominują trzy metody: metoda dynamiczna czasu przetwarzania i oczekiwania (DPPW ang. Dynamic Processing and Waiting Time), metoda całkowitej zawartości pracy (TWK ang. Total Work Content) oraz metoda dynamiczna całkowitej zawartości pracy (DTWK ang. Dynamic Total Work Content). Cechą charakterystyczną wymienionych metod jest to, że do obliczeń wykorzystuje się miary tendencji centralnej w celu odsunięcia (opóźnienia) terminu realizacji zleceń w czasie. 3. Przeględ technik i metod eksploracji danych Eksplorację danych definiuje się jako zbiór technik do zbierania, przechowywania, analizowania i współużytkowania danych w celu umożliwienia podejmowania trafnych decyzji biznesowych [8, 15]. Techniki eksploracji danych korzystają z klasycznych metod statystyki i probabilistyki w celu zautomatyzowania analizy przechowywanych w bazach analitycznych dużych ilości informacji. Wyniki eksploracji danych zależą od jakości danych źródłowych. Dane źródłowe przechowywane są zwykle w hurtowniach danych. Wszelkie wahania rynku powodują, że wyniki otrzymane techniką eksploracji danych mogą być niewiarygodne. Rolą eksploratora danych jest więc poprawna interpretacja otrzymanych wyników. Również odpowiednio zastosowana metoda eksploracji danych ma wpływ na jakość otrzymanych wyników. Techniki eksploracji danych dzieli się na dwie kategorie: techniki wykorzystujące dane zmienne, które reprezentują mierzalne wartości posiadające jednostki, np. wagi, wymiary, czasy, temperatury, itp., techniki wykorzystujące dane atrybutowe, które reprezentują klasyfikację pomiarów w jednej z dwóch kategorii (np. prawda lub fałsz) albo liczbę wystąpień pewnego zjawiska. Podstawowym kryterium podziału metod eksploracji danych jest wskaźnik typu analizy, który dzieli metody eksploracji na dwie grupy. W pierwszej grupie analizie podlegają określone atrybuty oraz ich stopień powiązań ze sobą. Do drugiej grupy zaliczane są metody, w których zależności pomiędzy danymi zmiennymi lub atrybutami są niezidentyfikowane, a celem analizy jest przewidywanie jak analizowane dane mogą się zachowywać w przyszłości. Rysunek 1 przedstawia podział najczęściej wykorzystywanych technik oraz metod eksploracji danych. Do najczęściej stosowanych technik należą: klasyfikacja, regresja, asocjacja i prognozowanie do analizy danych z nadzorem, następnie segmentacja oraz analiza sekwencyjna do analizy danych bez nadzoru. Klasyfikację przeprowadza się za pomocą wybranych metod, do których należą: drzewa decyzyjne, sieci neuronowe, klasyfikatory Bayesa, k-sąsiadów oraz algorytm SVM. Regresję przeprowadza się najczęściej z wykorzystaniem metod regresji liniowej, logistycznej lub sieci neuronowych.

5 527 Asocjacja polega na zastosowaniu algorytmu reguł asocjacyjnych, natomiast do prognozowania stosuje sie algorytm szeregów czasowych. W przypadku segmentacji wykorzystuje się np. algorytmy aglomeracyjne lub klastrowania k-średnich oraz samoorganizujące sie mapy. Do analizy sekwencyjnej stosuje sie algorytm klastrowania sekwencyjnego. Rys. 1. Klasyfikacja technik i metod eksploracji danych Fig. 1. A classification of data mining techniques and methods 4. Algorytm szacowania długości trwania okresu planowania Do poprawnego przeprowadzenia eksploracji danych wymagane jest opracowanie hurtowni danych jako składnicy informacji historycznych potrzebnych do przeprowadzenia analizy biznesowej określonego typu. Dla celów szacowania długości trwania okresu planowania dane przechowywane w hurtowni danych muszą być tak dobrane, aby pozwoliły przewidzieć racjonalną długość okresu. Odpowiednia długość trwania okresu planowania to długość zoptymalizowana pod względem minimalizacji czasu realizacji zleceń produkcyjnych oraz minimalizacji ilości przekroczonych terminów realizacji tych zleceń, biorąc pod uwagę zjawisko niepewności produkcji, wyrażające się przez powstawanie strat na efektywności zasobów wykonujących zlecenia. Na rysunku 2 przedstawiono schemat opracowanej hurtowni danych dla celów szacowania długości trwania okresu planowania. Metodyka szacowania długości trwania okresu planowania jest oparta na algorytmie SDOP przetwarzania danych z hurtowni danych. Algorytm SDOP składa się z następujących kroków: agregacja zawartości pracy dla każdej pozycji asortymentu w poszczególnych okresach planowania w określonych komórkach produkcyjnych, budowa histogramu prezentującego udział pracy nad każdą pozycją asortymentu w poszczególnych komórkach produkcyjnych w horyzoncie planowania, selekcja pozycji asortymentu, których czas przebywania w poszczególnych komórkach produkcyjnych był najdłuższy, biorąc pod uwagę tylko całkowitą zawartość pracy, przewidywanie rzeczywistego czasu realizacji wyselekcjonowanych pozycji asortymentu w poszczególnych komórkach produkcyjnych metodą regresji,

6 528 selekcja czynników wpływających na opóźnienie czasu realizacji pozycji asortymentu w poszczególnych komórkach produkcyjnych metodą klasyfikacji, oszacowanie długości okresu planowania w poszczególnych komórkach produkcyjnych na podstawie całkowitej zawartości pracy oraz rzeczywistego czasu realizacji wybranych pozycji asortymentu. Rys. 2. Schemat hurtowni danych dla potrzeb szacowania długości trwania okresu planowania za pomocą algorytmu SDOP Fig. 2. The scheme of data warehouse for time period estimation using SDOP algorithm 5. Wnioski W artykule zaprezentowano ogólne informacje na temat metodyki szacowania długości okresu planowania z wykorzystaniem wybranych technik eksploracji danych. Metodyka szacowania długości trwania okresu planowania została opracowana po przeprowadzeniu szczegółowej analizy literatury z zakresu istniejących metod szacowania czasu realizacji zleceń produkcyjnych oraz technik eksploracji danych. Opracowano algorytm SDOP, którego zadaniem jest oszacowanie długości trwania okresu planowania na podstawie przebiegu zleceń produkcyjnych wybranych pozycji asortymentu. Algorytm SDOP wspomaga decyzję o doborze długości okresu planowania na podstawie danych historycznych o przebiegu produkcji wybranych pozycji asortymentu. Użytkownik ma możliwość podjęcia decyzji co do długości okresu planowania, znając zarówno całkowitą zawartość pracy potrzebną do wytworzenia pozycji asortymentu, jak i wystąpienia opóźnień z tytułu realizacji tych pozycji asortymentu. Dzięki zastosowaniu odpowiednich technik eksploracji danych, w szczególności regresji i klasyfikacji, algorytm daje rozwiązania łatwe do interpretacji. L i t e r a t u r a [1] A s k i n R., G o l d b e r g J., Design and analysis of Lean Production systems, Wiley & Sons Inc., New York [2] B a k e r K., T r i e t s c h D., Safe scheduling: setting due dates in single machine problems, European Journal of Operational Research 196, 2009,

7 529 [3] B a y k a s o g l u A., G o c k e n M., U n u t m a z Z., New approaches to due date assignment in job shops, European Journal of Operational Research 187, 2008, [4] C h a n g P., H s i n C h e n S., M a n i V., A note on due date assignment and single machine scheduling with a learning/aging effect, International Journal of Production Economics 117, 2009, [5] E n n s S., A dynamic forecasting model for job shop flowtime prediction and tardiness control, International Journal of Production Research 33, 1995, [6] H o p p W., S t u r g i s M., Quoting manufacturing due dates subject to a service level constraint, IIE Transactions 32, 2000, [7] I m a i M., Gemba Kaizen. Zdroworozsądkowe, niskokosztowe podejście do zarządzania, Wydawnictwo MT Biznes, Warszawa [8] M e n d r a l a D., S z e l i g a M., Serwer SQL Usługi biznesowe, Helion, Gliwice [9] O g u z C., S a l m a n F., Y a l c i n Z., Order acceptance and scheduling decisions in make-to-order systems, International Journal of Production Economics 125, 2010, [10] Ö z t ü r k A., K a y a l i g i l S., Ö z d e m i r e l N.E., Manufacturing lead time estimation using data mining, European Journal of Operational Research 173, 2006, [11] R u b e n R., M a h m o o d i F., Lead time prediction in unbalanced production systems, International Journal of Production Research 38, 2000, [12] S h a D., L i u C., Using data mining for due-date assignment in a dynamic job shop environment, International Journal of Advanced Manufacturing Technology 25, 2005, [13] S h a b t a y D., Scheduling and due date assignment to minimize earliness, tardiness, holding, due date assignment and batch delivery costs, International Journal of Production Economics 123, 2010, [14] S u L., L i e n C., Scheduling parallel machines with resource-dependent processing times, International Journal of Production Economics 117, 2009, [15] T r u e b l o o d R.P., L o v e t Jr. J.N., Zastosowanie języka SQL do analizy statystycznej i eksploracji danych, Mikom, Warszawa [16] V i n o d V., S r i d h a r a n R., Simulation modeling and analysis of due date assignment methods and scheduling decision rules in a dynamic job shop production system, International Journal of Production Economics 129, 2011, [17] W a n g X., C h e n g T., Heuristics for parallel machine scheduling with job class setups and delivery to multiple customers, International Journal of Production Economics 119, 2009,

ORGANIZACJA PROCESÓW DYSTRYBUCJI W DZIAŁALNOŚCI PRZEDSIĘBIORSTW PRODUKCYJNYCH, HANDLOWYCH I USŁUGOWYCH

ORGANIZACJA PROCESÓW DYSTRYBUCJI W DZIAŁALNOŚCI PRZEDSIĘBIORSTW PRODUKCYJNYCH, HANDLOWYCH I USŁUGOWYCH Systemy Logistyczne Wojsk nr 41/2014 ORGANIZACJA PROCESÓW DYSTRYBUCJI W DZIAŁALNOŚCI PRZEDSIĘBIORSTW PRODUKCYJNYCH, HANDLOWYCH I USŁUGOWYCH ORGANIZATION OF DISTRIBUTION PROCESSES IN PRODUCTIVE, TRADE AND

Bardziej szczegółowo

Szkolenia SAS Cennik i kalendarz 2017

Szkolenia SAS Cennik i kalendarz 2017 Szkolenia SAS Spis treści NARZĘDZIA SAS FOUNDATION 2 ZAAWANSOWANA ANALITYKA 2 PROGNOZOWANIE I EKONOMETRIA 3 ANALIZA TREŚCI 3 OPTYMALIZACJA I SYMULACJA 3 3 ROZWIĄZANIA DLA HADOOP 3 HIGH-PERFORMANCE ANALYTICS

Bardziej szczegółowo

Cechy systemu MRP II: modułowa budowa, pozwalająca na etapowe wdrażanie, funkcjonalność obejmująca swym zakresem obszary technicznoekonomiczne

Cechy systemu MRP II: modułowa budowa, pozwalająca na etapowe wdrażanie, funkcjonalność obejmująca swym zakresem obszary technicznoekonomiczne Zintegrowany System Informatyczny (ZSI) jest systemem informatycznym należącym do klasy ERP, który ma na celu nadzorowanie wszystkich procesów zachodzących w działalności głównie średnich i dużych przedsiębiorstw,

Bardziej szczegółowo

Harmonogramowanie produkcji

Harmonogramowanie produkcji Harmonogramowanie produkcji Przedmiot: Zarządzanie zasobami przedsiębiorstwa Moduł: 4/4 Opracował: mgr inż. Paweł Wojakowski Instytut Technologii Maszyn i Automatyzacji Produkcji Zakład Projektowania Procesów

Bardziej szczegółowo

dr inż. Olga Siedlecka-Lamch 14 listopada 2011 roku Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Eksploracja danych

dr inż. Olga Siedlecka-Lamch 14 listopada 2011 roku Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Eksploracja danych - Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska 14 listopada 2011 roku 1 - - 2 3 4 5 - The purpose of computing is insight, not numbers Richard Hamming Motywacja - Mamy informację,

Bardziej szczegółowo

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie

1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie Wykaz tabel Wykaz rysunków Przedmowa 1. Wprowadzenie 1.1. Wprowadzenie do eksploracji danych 1.2. Natura zbiorów danych 1.3. Rodzaje struktur: modele i wzorce 1.4. Zadania eksploracji danych 1.5. Komponenty

Bardziej szczegółowo

Hurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu

Hurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu i business intelligence Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl Wrocław 2005-2007 Plan na dziś : 1. Wprowadzenie do przedmiotu (co będzie omawiane oraz jak będę weryfikował zdobytą wiedzę

Bardziej szczegółowo

System monitorowania i sterowania produkcją

System monitorowania i sterowania produkcją Plan prezentacji System monitorowania i sterowania produkcją Tomasz Żabiński, Tomasz Mączka STAN PRAC 2013 GZPŚ, POIG, 8.2 Harmonogramowanie produkcji Monitorowanie produkcji w toku Sterowanie produkcją

Bardziej szczegółowo

Krótkookresowe planowanie produkcji. Jak skutecznie i efektywnie zaspokoić bieżące potrzeby rynku w krótszym horyzoncie planowania?

Krótkookresowe planowanie produkcji. Jak skutecznie i efektywnie zaspokoić bieżące potrzeby rynku w krótszym horyzoncie planowania? 4 Krótkookresowe planowanie produkcji Jak skutecznie i efektywnie zaspokoić bieżące potrzeby rynku w krótszym horyzoncie planowania? Hierarchia systemu zarządzania produkcją DECYZJE DŁUGOOKRESOWE (PROJEKTOWANIE)

Bardziej szczegółowo

Narzędzia doskonalenia produkcji - LEAN, KAIZEN, TOC, GEMBA

Narzędzia doskonalenia produkcji - LEAN, KAIZEN, TOC, GEMBA Narzędzia doskonalenia produkcji - LEAN, KAIZEN, TOC, GEMBA Opis W jaki sposób angażować pracowników w doskonalenie procesów produkcji? Co motywuje ludzi do aktywnego uczestnictwa w rozwiązywaniu problemów

Bardziej szczegółowo

Hurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu

Hurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu i business intelligence Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl Wrocław 2005-2012 Plan na dziś : 1. Wprowadzenie do przedmiotu (co będzie omawiane oraz jak będę weryfikował zdobytą wiedzę

Bardziej szczegółowo

Zastosowanie metod eksploracji danych (data mining) do sterowania i diagnostyki procesów w przemyśle spożywczym

Zastosowanie metod eksploracji danych (data mining) do sterowania i diagnostyki procesów w przemyśle spożywczym POLITECHNIKA WARSZAWSKA Instytut Technik Wytwarzania Zastosowanie metod eksploracji danych (data mining) do sterowania i diagnostyki procesów w przemyśle spożywczym Marcin Perzyk Dlaczego eksploracja danych?

Bardziej szczegółowo

Harmonogramowanie produkcji

Harmonogramowanie produkcji Harmonogramowanie produkcji Przedmiot: Zarządzanie produkcją Moduł: 2/3 Prowadzący: mgr inż. Paweł Wojakowski Instytut Technologii Maszyn i Automatyzacji Produkcji Zakład Projektowania Procesów Wytwarzania

Bardziej szczegółowo

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU

Analiza danych. http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Analiza danych Wstęp Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/ TEMATYKA PRZEDMIOTU Różne aspekty analizy danych Reprezentacja graficzna danych Metody statystyczne: estymacja parametrów

Bardziej szczegółowo

WIELOKRYTERIALNY DOBÓR ROZTRZĄSACZY OBORNIKA

WIELOKRYTERIALNY DOBÓR ROZTRZĄSACZY OBORNIKA Inżynieria Rolnicza 7(95)/2007 WIELOKRYTERIALNY DOBÓR ROZTRZĄSACZY OBORNIKA Andrzej Turski, Andrzej Kwieciński Katedra Maszyn i Urządzeń Rolniczych, Akademia Rolnicza w Lublinie Streszczenie: W pracy przedstawiono

Bardziej szczegółowo

Krótkookresowe planowanie produkcji. Jak skutecznie i efektywnie zaspokoić bieżące potrzeby rynku w krótszym horyzoncie planowania?

Krótkookresowe planowanie produkcji. Jak skutecznie i efektywnie zaspokoić bieżące potrzeby rynku w krótszym horyzoncie planowania? 4 Krótkookresowe planowanie produkcji Jak skutecznie i efektywnie zaspokoić bieżące potrzeby rynku w krótszym horyzoncie planowania? Hierarchia systemu zarządzania produkcją DECYZJE DŁUGOOKRESOWE (PROJEKTOWANIE)

Bardziej szczegółowo

4.1. Wprowadzenie...70 4.2. Podstawowe definicje...71 4.3. Algorytm określania wartości parametrów w regresji logistycznej...74

4.1. Wprowadzenie...70 4.2. Podstawowe definicje...71 4.3. Algorytm określania wartości parametrów w regresji logistycznej...74 3 Wykaz najważniejszych skrótów...8 Przedmowa... 10 1. Podstawowe pojęcia data mining...11 1.1. Wprowadzenie...12 1.2. Podstawowe zadania eksploracji danych...13 1.3. Główne etapy eksploracji danych...15

Bardziej szczegółowo

Planowanie produkcji w systemie SAP ERP w oparciu o strategię MTS (Make To Stock)

Planowanie produkcji w systemie SAP ERP w oparciu o strategię MTS (Make To Stock) Planowanie produkcji w systemie SAP ERP w oparciu o strategię MTS (Make To Stock) Patrycja Sobka 1 1 Politechnika Rzeszowska im. I. Łukasiewicza, Wydział Budowy Maszyn i Lotnictwa, Koło Naukowe Nowoczesnych

Bardziej szczegółowo

Szczegółowy opis przedmiotu zamówienia

Szczegółowy opis przedmiotu zamówienia ZP/ITS/19/2013 SIWZ Załącznik nr 1.1 do Szczegółowy opis przedmiotu zamówienia Przedmiotem zamówienia jest: Przygotowanie zajęć dydaktycznych w postaci kursów e-learningowych przeznaczonych dla studentów

Bardziej szczegółowo

Dopasowanie IT/biznes

Dopasowanie IT/biznes Dopasowanie IT/biznes Dlaczego trzeba mówić o dopasowaniu IT-biznes HARVARD BUSINESS REVIEW, 2008-11-01 Dlaczego trzeba mówić o dopasowaniu IT-biznes http://ceo.cxo.pl/artykuly/51237_2/zarzadzanie.it.a.wzrost.wartosci.html

Bardziej szczegółowo

Dopasowanie IT/biznes

Dopasowanie IT/biznes Dopasowanie IT/biznes Dlaczego trzeba mówić o dopasowaniu IT-biznes HARVARD BUSINESS REVIEW, 2008-11-01 Dlaczego trzeba mówić o dopasowaniu IT-biznes http://ceo.cxo.pl/artykuly/51237_2/zarzadzanie.it.a.wzrost.wartosci.html

Bardziej szczegółowo

Hurtownie danych. Wstęp. Architektura hurtowni danych. http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH

Hurtownie danych. Wstęp. Architektura hurtowni danych. http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH Wstęp. Architektura hurtowni. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH B. Inmon, 1996: Hurtownia to zbiór zintegrowanych, nieulotnych, ukierunkowanych

Bardziej szczegółowo

ZARZĄDZANIE PROCESAMI I PROJEKTAMI. Zakres projektu. dr inż. ADAM KOLIŃSKI ZARZĄDZANIE PROCESAMI I PROJEKTAMI. Zakres projektu. dr inż.

ZARZĄDZANIE PROCESAMI I PROJEKTAMI. Zakres projektu. dr inż. ADAM KOLIŃSKI ZARZĄDZANIE PROCESAMI I PROJEKTAMI. Zakres projektu. dr inż. 1 ZARZĄDZANIE PROCESAMI I PROJEKTAMI 2 ZAKRES PROJEKTU 1. Ogólna specyfika procesów zachodzących w przedsiębiorstwie 2. Opracowanie ogólnego schematu procesów zachodzących w przedsiębiorstwie za pomocą

Bardziej szczegółowo

Etapy modelowania ekonometrycznego

Etapy modelowania ekonometrycznego Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,

Bardziej szczegółowo

Wydział Inżynierii Produkcji i Logistyki Faculty of Production Engineering and Logistics

Wydział Inżynierii Produkcji i Logistyki Faculty of Production Engineering and Logistics Wydział Inżynierii Produkcji i Logistyki Faculty of Production Engineering and Logistics Plan studiów niestacjonarnych I stopnia (inżynierskich) na kierunku ZARZĄDZANIE I INŻYNIERIA PRODUKCJI MANAGEMENT

Bardziej szczegółowo

WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW

WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW Uniwersytet Ekonomiczny we Wrocławiu WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW Wprowadzenie Wrażliwość wyników analizy wielokryterialnej na zmiany wag kryteriów, przy

Bardziej szczegółowo

PODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE

PODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE UNIWERSYTET WARMIŃSKO-MAZURSKI W OLSZTYNIE PODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE http://matman.uwm.edu.pl/psi e-mail: psi@matman.uwm.edu.pl ul. Słoneczna 54 10-561

Bardziej szczegółowo

Politechnika Krakowska. Metoda projektowania przepływu produkcji w warunkach zmiennego zapotrzebowania

Politechnika Krakowska. Metoda projektowania przepływu produkcji w warunkach zmiennego zapotrzebowania Politechnika Krakowska M6 - Instytut Technologii Maszyn i Automatyzacji Produkcji M65 - Zakład Projektowania Procesów Wytwarzania STUDIA STACJONARNE III STOPNIA PRACA DOKTORSKA mgr inż. Paweł Wojakowski

Bardziej szczegółowo

prospektywna analiza technologii

prospektywna analiza technologii WSTĘP Innowacyjne technologie w coraz większym stopniu decydują o przewadze konkurencyjnej przedsiębiorstw. Stanowią również podstawę nowoczesnych procesów wytwórczych, umożliwiających spełnienie potrzeb

Bardziej szczegółowo

... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu...

... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu... 4 Prognozowanie historyczne Prognozowanie - przewidywanie przyszłych zdarzeń w oparciu dane - podstawowy element w podejmowaniu decyzji... prognozowanie nie jest celem samym w sobie a jedynie narzędziem

Bardziej szczegółowo

Organizacja systemów produkcyjnych / Jerzy Lewandowski, Bożena Skołud, Dariusz Plinta. Warszawa, Spis treści

Organizacja systemów produkcyjnych / Jerzy Lewandowski, Bożena Skołud, Dariusz Plinta. Warszawa, Spis treści Organizacja systemów produkcyjnych / Jerzy Lewandowski, Bożena Skołud, Dariusz Plinta. Warszawa, 2014 Spis treści Wstęp 11 Rozdział 1. Podstawowe pojęcia 15 1.1. Rodzaje produkcji 15 1.2. Formy organizacji

Bardziej szczegółowo

SZKOLENIA SAS. ONKO.SYS Kompleksowa infrastruktura inforamtyczna dla badań nad nowotworami CENTRUM ONKOLOGII INSTYTUT im. Marii Skłodowskiej Curie

SZKOLENIA SAS. ONKO.SYS Kompleksowa infrastruktura inforamtyczna dla badań nad nowotworami CENTRUM ONKOLOGII INSTYTUT im. Marii Skłodowskiej Curie SZKOLENIA SAS ONKO.SYS Kompleksowa infrastruktura inforamtyczna dla badań nad nowotworami CENTRUM ONKOLOGII INSTYTUT im. Marii Skłodowskiej Curie DANIEL KUBIK ŁUKASZ LESZEWSKI ROLE ROLE UŻYTKOWNIKÓW MODUŁU

Bardziej szczegółowo

Indeksy w bazach danych. Motywacje. Techniki indeksowania w eksploracji danych. Plan prezentacji. Dotychczasowe prace badawcze skupiały się na

Indeksy w bazach danych. Motywacje. Techniki indeksowania w eksploracji danych. Plan prezentacji. Dotychczasowe prace badawcze skupiały się na Techniki indeksowania w eksploracji danych Maciej Zakrzewicz Instytut Informatyki Politechnika Poznańska Plan prezentacji Zastosowania indeksów w systemach baz danych Wprowadzenie do metod eksploracji

Bardziej szczegółowo

HARMONOGRAMOWANIE OPERACYJNE Z OGRANICZENIAMI W IFS APPLICATIONS

HARMONOGRAMOWANIE OPERACYJNE Z OGRANICZENIAMI W IFS APPLICATIONS HARMONOGRAMOWANIE OPERACYJNE Z OGRANICZENIAMI W IFS APPLICATIONS Cele sterowania produkcją Dostosowanie asortymentu i tempa produkcji do spływających na bieżąco zamówień Dostarczanie produktu finalnego

Bardziej szczegółowo

Cena netto (PLN) IV kwartał. Cena netto (PLN) Podstawy SAS INTRO 1 1 200 1 260 2 20 4 1 7 2

Cena netto (PLN) IV kwartał. Cena netto (PLN) Podstawy SAS INTRO 1 1 200 1 260 2 20 4 1 7 2 2015 SAS Education sas.com/poland/training Centrum Szkoleniowe SAS Institute sp. z o.o. ul. Gdańska 27/31, 01-633 Warszawa (22) 560 46 20 cs@spl.sas.com Kalendarz szkoleń Grow With Us Nazwa szkolenia Kod

Bardziej szczegółowo

dr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2018/2019

dr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2018/2019 dr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2018/2019 KONTAKT Z PROWADZĄCYM dr inż. Paweł Morawski e-mail: pmorawski@spoleczna.pl www: http://pmorawski.spoleczna.pl

Bardziej szczegółowo

WYBÓR PUNKTÓW POMIAROWYCH

WYBÓR PUNKTÓW POMIAROWYCH Scientific Bulletin of Che lm Section of Technical Sciences No. 1/2008 WYBÓR PUNKTÓW POMIAROWYCH WE WSPÓŁRZĘDNOŚCIOWEJ TECHNICE POMIAROWEJ MAREK MAGDZIAK Katedra Technik Wytwarzania i Automatyzacji, Politechnika

Bardziej szczegółowo

Six Sigma Black Belt. Program szkoleniowy

Six Sigma Black Belt. Program szkoleniowy Six Sigma Black Belt Program szkoleniowy Program Six Sigma Black Belt Etap procesu: Czas trwania [godz.] Define 32 Measure 24 Analyse 32 Improve 24 Control 32 Sesje przeglądu projektów 16 Obrona projektów

Bardziej szczegółowo

dr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2016/2017

dr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2016/2017 dr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2016/2017 KONTAKT Z PROWADZĄCYM dr inż. Paweł Morawski e-mail: pmorawski@spoleczna.pl www: http://pmorawski.spoleczna.pl

Bardziej szczegółowo

HEURYSTYCZNY ALGORYTM SZEREGOWANIA ZADAŃ W SYSTEMIE MASZYN RÓWNOLEGŁYCH Z KRYTERIUM MINIMALNO-CZASOWYM

HEURYSTYCZNY ALGORYTM SZEREGOWANIA ZADAŃ W SYSTEMIE MASZYN RÓWNOLEGŁYCH Z KRYTERIUM MINIMALNO-CZASOWYM EURYSTYCZNY ALGORYTM SZEREGOWANIA ZADAŃ W SYSTEMIE MASZYN RÓWNOLEGŁYC Z KRYTERIUM MINIMALNO-CZASOWYM Zbigniew BUCALSKI Streszczenie: Artykuł dotyczy zagadnienia czasowo-optymalnego przydziału zasobu podzielnego

Bardziej szczegółowo

WYKORZYSTANIE MODELI AUTOREGRESJI DO PROGNOZOWANIA SZEREGU CZASOWEGO ZWIĄZANEGO ZE SPRZEDAŻĄ ASORTYMENTU HUTNICZEGO

WYKORZYSTANIE MODELI AUTOREGRESJI DO PROGNOZOWANIA SZEREGU CZASOWEGO ZWIĄZANEGO ZE SPRZEDAŻĄ ASORTYMENTU HUTNICZEGO 5/18 ARCHIWUM ODLEWNICTWA Rok 2006, Rocznik 6, Nr 18 (1/2) ARCHIVES OF FOUNDRY Year 2006, Volume 6, N o 18 (1/2) PAN Katowice PL ISSN 1642-5308 WYKORZYSTANIE MODELI AUTOREGRESJI DO PROGNOZOWANIA SZEREGU

Bardziej szczegółowo

ZASTOSOWANIE METOD OPTYMALIZACJI W DOBORZE CECH GEOMETRYCZNYCH KARBU ODCIĄŻAJĄCEGO

ZASTOSOWANIE METOD OPTYMALIZACJI W DOBORZE CECH GEOMETRYCZNYCH KARBU ODCIĄŻAJĄCEGO MODELOWANIE INŻYNIERSKIE ISSN 1896-771X 40, s. 43-48, Gliwice 2010 ZASTOSOWANIE METOD OPTYMALIZACJI W DOBORZE CECH GEOMETRYCZNYCH KARBU ODCIĄŻAJĄCEGO TOMASZ CZAPLA, MARIUSZ PAWLAK Katedra Mechaniki Stosowanej,

Bardziej szczegółowo

Widzenie komputerowe (computer vision)

Widzenie komputerowe (computer vision) Widzenie komputerowe (computer vision) dr inż. Marcin Wilczewski 2018/2019 Organizacja zajęć Tematyka wykładu Cele Python jako narzędzie uczenia maszynowego i widzenia komputerowego. Binaryzacja i segmentacja

Bardziej szczegółowo

Typy systemów informacyjnych

Typy systemów informacyjnych Typy systemów informacyjnych Information Systems Systemy Informacyjne Operations Support Systems Systemy Wsparcia Operacyjnego Management Support Systems Systemy Wspomagania Zarzadzania Transaction Processing

Bardziej szczegółowo

WYKŁAD 4. Podejmowanie decyzji dla modeli probabilistycznych Modelowanie Gaussowskie. autor: Maciej Zięba. Politechnika Wrocławska

WYKŁAD 4. Podejmowanie decyzji dla modeli probabilistycznych Modelowanie Gaussowskie. autor: Maciej Zięba. Politechnika Wrocławska Wrocław University of Technology WYKŁAD 4 Podejmowanie decyzji dla modeli probabilistycznych Modelowanie Gaussowskie autor: Maciej Zięba Politechnika Wrocławska Klasyfikacja Klasyfikacja (ang. Classification):

Bardziej szczegółowo

Problem eliminacji nieprzystających elementów w zadaniu rozpoznania wzorca Marcin Luckner

Problem eliminacji nieprzystających elementów w zadaniu rozpoznania wzorca Marcin Luckner Problem eliminacji nieprzystających elementów w zadaniu rozpoznania wzorca Marcin Luckner Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska Elementy nieprzystające Definicja odrzucania Klasyfikacja

Bardziej szczegółowo

Organizacja zajęć projektowych i seminaryjnych

Organizacja zajęć projektowych i seminaryjnych Organizacja zajęć projektowych i seminaryjnych Przedmiot: Zarządzanie produkcją Wprowadzenie Prowadzący: mgr inż. Paweł Wojakowski mgr inż. Łukasz Gola Instytut Technologii Maszyn i Automatyzacji Produkcji

Bardziej szczegółowo

Optymalizacja produkcji oraz lean w przemyśle wydobywczym. Dr inż. Maria Rosienkiewicz Mgr inż. Joanna Helman

Optymalizacja produkcji oraz lean w przemyśle wydobywczym. Dr inż. Maria Rosienkiewicz Mgr inż. Joanna Helman Optymalizacja produkcji oraz lean w przemyśle wydobywczym Dr inż. Maria Rosienkiewicz Mgr inż. Joanna Helman Agenda 1. Oferta dla przemysłu 2. Oferta w ramach Lean Mining 3. Potencjalne korzyści 4. Kierunki

Bardziej szczegółowo

Dane Klienta: ZLP Trokotex Sp. z o.o. ul. Wapienna 10. 87-100 Toruń. www.trokotex.pl

Dane Klienta: ZLP Trokotex Sp. z o.o. ul. Wapienna 10. 87-100 Toruń. www.trokotex.pl Dane Klienta: ZLP Trokotex Sp. z o.o. ul. Wapienna 10 87-100 Toruń www.trokotex.pl Zakłady Laminatów Poliestrowych Trokotex Sp. z o.o. są obecne na polskim rynku od 1987 roku, a ich produkty, głównie zbiorniki

Bardziej szczegółowo

Wydział Inżynierii Produkcji i Logistyki Faculty of Production Engineering and Logistics

Wydział Inżynierii Produkcji i Logistyki Faculty of Production Engineering and Logistics Wydział Inżynierii Produkcji i Logistyki Faculty of Production Engineering and Logistics Plan studiów stacjonarnych II stopnia (magisterskich) na kierunku ZARZĄDZANIE I INŻYNIERIA PRODUKCJI MANAGEMENT

Bardziej szczegółowo

LOGISTYKA. Zapas: definicja. Zapasy: podział

LOGISTYKA. Zapas: definicja. Zapasy: podział LOGISTYKA Zapasy Zapas: definicja Zapas to określona ilość dóbr znajdująca się w rozpatrywanym systemie logistycznym, bieżąco nie wykorzystywana, a przeznaczona do późniejszego przetworzenia lub sprzedaży.

Bardziej szczegółowo

Systemy pomiarowo-diagnostyczne. Metody uczenia maszynowego wykład I dr inż. 2015/2016

Systemy pomiarowo-diagnostyczne. Metody uczenia maszynowego wykład I dr inż. 2015/2016 Systemy pomiarowo-diagnostyczne Metody uczenia maszynowego wykład I dr inż. Bogumil.Konopka@pwr.edu.pl 2015/2016 1 Wykład I - plan Sprawy organizacyjne Uczenie maszynowe podstawowe pojęcia Proces modelowania

Bardziej szczegółowo

FINALYSE Wykrywanie wyłudzeń w zautomatyzowanych systemach decyzyjnych. Kongres Antyfraudowy. Amsterdam I Brussels I Luxembourg I Warsaw

FINALYSE Wykrywanie wyłudzeń w zautomatyzowanych systemach decyzyjnych. Kongres Antyfraudowy. Amsterdam I Brussels I Luxembourg I Warsaw FINALYSE Wykrywanie wyłudzeń w zautomatyzowanych systemach decyzyjnych Kongres Antyfraudowy Amsterdam I Brussels I Luxembourg I Warsaw 10-2017 AGENDA Wprowadzenie Wyzwania Best Practise Korzyści Confidential

Bardziej szczegółowo

MODELOWANIE POŁĄCZEŃ TYPU SWORZEŃ OTWÓR ZA POMOCĄ MES BEZ UŻYCIA ANALIZY KONTAKTOWEJ

MODELOWANIE POŁĄCZEŃ TYPU SWORZEŃ OTWÓR ZA POMOCĄ MES BEZ UŻYCIA ANALIZY KONTAKTOWEJ Jarosław MAŃKOWSKI * Andrzej ŻABICKI * Piotr ŻACH * MODELOWANIE POŁĄCZEŃ TYPU SWORZEŃ OTWÓR ZA POMOCĄ MES BEZ UŻYCIA ANALIZY KONTAKTOWEJ 1. WSTĘP W analizach MES dużych konstrukcji wykonywanych na skalę

Bardziej szczegółowo

PLANOWANIE PRZEZBROJEŃ LINII PRODUKCYJNYCH Z WYKORZYSTANIEM METODY MODELOWANIA I SYMULACJI

PLANOWANIE PRZEZBROJEŃ LINII PRODUKCYJNYCH Z WYKORZYSTANIEM METODY MODELOWANIA I SYMULACJI Dariusz PLINTA Sławomir KUKŁA Akademia Techniczno-Humanistyczna w Bielsku-Białej PLANOWANIE PRZEZBROJEŃ LINII PRODUKCYJNYCH Z WYKORZYSTANIEM METODY MODELOWANIA I SYMULACJI 1. Planowanie produkcji Produkcja

Bardziej szczegółowo

Zalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel

Zalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel według przewidywań internetowego magazynu ZDNET News z 8 lutego 2001 roku eksploracja danych (ang. data mining ) będzie jednym z najbardziej rewolucyjnych osiągnięć następnej dekady. Rzeczywiście MIT Technology

Bardziej szczegółowo

Integracja systemu CAD/CAM Catia z bazą danych uchwytów obróbkowych MS Access za pomocą interfejsu API

Integracja systemu CAD/CAM Catia z bazą danych uchwytów obróbkowych MS Access za pomocą interfejsu API Dr inż. Janusz Pobożniak, pobozniak@mech.pk.edu.pl Instytut Technologii Maszyn i Automatyzacji produkcji Politechnika Krakowska, Wydział Mechaniczny Integracja systemu CAD/CAM Catia z bazą danych uchwytów

Bardziej szczegółowo

Katalog rozwiązań informatycznych dla firm produkcyjnych

Katalog rozwiązań informatycznych dla firm produkcyjnych Katalog rozwiązań informatycznych dla firm produkcyjnych www.streamsoft.pl Obserwować, poszukiwać, zmieniać produkcję w celu uzyskania największej efektywności. Jednym słowem być jak Taiichi Ohno, dyrektor

Bardziej szczegółowo

STATYSTYKA EKONOMICZNA

STATYSTYKA EKONOMICZNA STATYSTYKA EKONOMICZNA Analiza statystyczna w ocenie działalności przedsiębiorstwa Opracowano na podstawie : E. Nowak, Metody statystyczne w analizie działalności przedsiębiorstwa, PWN, Warszawa 2001 Dr

Bardziej szczegółowo

ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Seria: TRANSPORT z. 82 Nr kol. 1903

ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Seria: TRANSPORT z. 82 Nr kol. 1903 ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2014 Seria: TRANSPORT z. 82 Nr kol. 1903 Piotr FOLĘGA 1 DOBÓR ZĘBATYCH PRZEKŁADNI FALOWYCH Streszczenie. Różnorodność typów oraz rozmiarów obecnie produkowanych zębatych

Bardziej szczegółowo

Inżynieria oprogramowania. Część 8: Metoda szacowania ryzyka - PERT

Inżynieria oprogramowania. Część 8: Metoda szacowania ryzyka - PERT UNIWERSYTET RZESZOWSKI KATEDRA INFORMATYKI Opracował: mgr inż. Przemysław Pardel v1.01 2010 Inżynieria oprogramowania Część 8: Metoda szacowania ryzyka - PERT ZAGADNIENIA DO ZREALIZOWANIA (3H) PERT...

Bardziej szczegółowo

ZAGADNIENIA NA EGZAMIN DYPLOMOWY INŻYNIERSKI KIERUNEK ZARZĄDZANIE I INŻYNIERIA PRODUKCJI

ZAGADNIENIA NA EGZAMIN DYPLOMOWY INŻYNIERSKI KIERUNEK ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZAGADNIENIA NA EGZAMIN DYPLOMOWY INŻYNIERSKI KIERUNEK ZARZĄDZANIE I INŻYNIERIA PRODUKCJI MIKROEKONOMIA 1. Rynek pojęcia i zależności. 2. Pieniądz i system bankowy. 3. Przedsiębiorstwo kategorie systemu

Bardziej szczegółowo

Sterowanie wykonaniem produkcji

Sterowanie wykonaniem produkcji STEROWANIE WYKONANIEM PRODUKCJI (Production Activity Control - PAC) Sterowanie wykonaniem produkcji (SWP) stanowi najniŝszy, wykonawczy poziom systemu zarządzania produkcją, łączący wyŝsze poziomy operatywnego

Bardziej szczegółowo

29. kwietnia 2013 roku

29. kwietnia 2013 roku 29. kwietnia 2013 roku "Aby móc zachować konkurencyjność na rynku konieczna była decyzja o wdrożeniu nowoczesnego i zintegrowanego rozwiązania, które usprawni i ujednolici nasze procesy, a także zautomatyzuje

Bardziej szczegółowo

Risk-Aware Project Scheduling. SimpleUCT

Risk-Aware Project Scheduling. SimpleUCT Risk-Aware Project Scheduling SimpleUCT DEFINICJA ZAGADNIENIA Resource-Constrained Project Scheduling (RCPS) Risk-Aware Project Scheduling (RAPS) 1 tryb wykonywania działań Czas trwania zadań jako zmienna

Bardziej szczegółowo

Spis treści. Wstęp 11

Spis treści. Wstęp 11 Spis treści Wstęp 11 Rozdział 1. Znaczenie i cele logistyki 15 1.1. Definicje i etapy rozwoju logistyki 16 1.2. Zarządzanie logistyczne 19 1.2.1. Zarządzanie przedsiębiorstwem 20 1.2.2. Czynniki stymulujące

Bardziej szczegółowo

XIII International PhD Workshop OWD 2011, October 2011 METODA REEINGINEERINGU ORGANIZACJI Z WYKORZYSTANIEM SYMULATORA PROCESÓW BIZNESOWYCH

XIII International PhD Workshop OWD 2011, October 2011 METODA REEINGINEERINGU ORGANIZACJI Z WYKORZYSTANIEM SYMULATORA PROCESÓW BIZNESOWYCH XIII International PhD Workshop OWD 2011, 22 25 October 2011 METODA REEINGINEERINGU ORGANIZACJI Z WYKORZYSTANIEM SYMULATORA PROCESÓW BIZNESOWYCH METHOD OF REEINGINEERING ORGANIZATION USING BUSINESS PROCESS

Bardziej szczegółowo

OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI

OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI Autoreferat do rozprawy doktorskiej OPTYMALIZACJA HARMONOGRAMOWANIA MONTAŻU SAMOCHODÓW Z ZASTOSOWANIEM PROGRAMOWANIA W LOGICE Z OGRANICZENIAMI Michał Mazur Gliwice 2016 1 2 Montaż samochodów na linii w

Bardziej szczegółowo

ANALIZA ZDOLNOŚCI PROCESU O ZALEŻNYCH CHARAKTERYSTYKACH

ANALIZA ZDOLNOŚCI PROCESU O ZALEŻNYCH CHARAKTERYSTYKACH Małgorzata Szerszunowicz Uniwersytet Ekonomiczny w Katowicach ANALIZA ZDOLNOŚCI PROCESU O ZALEŻNYCH CHARAKTERYSTYKACH Wprowadzenie Statystyczna kontrola jakości ma na celu doskonalenie procesu produkcyjnego

Bardziej szczegółowo

Systemy baz danych i hurtowni danych

Systemy baz danych i hurtowni danych Krzysztof Dembczyński Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska Technologie Wytwarzania Oprogramowania Semestr zimowy 2005/06 Celem wykładu jest przypomnienie

Bardziej szczegółowo

Zintegrowany System Informatyczny (ZSI)

Zintegrowany System Informatyczny (ZSI) Zintegrowany System Informatyczny (ZSI) ZSI MARKETING Modułowo zorganizowany system informatyczny, obsługujący wszystkie sfery działalności przedsiębiorstwa PLANOWANIE ZAOPATRZENIE TECHNICZNE PRZYGOTOWANIE

Bardziej szczegółowo

4. KRÓTKOOKRESOWE PLANOWANIE PRODUKCJI Istota i zadania planowania krótkookresowego

4. KRÓTKOOKRESOWE PLANOWANIE PRODUKCJI Istota i zadania planowania krótkookresowego 4. KRÓTKOOKRESOWE PLANOWANIE PRODUKCJI 4.1. Istota i zadania planowania krótkookresowego Krótkookresowe planowanie produkcji (ang. Short Term Planning) realizowane jest w trakcie bieżącego funkcjonowania

Bardziej szczegółowo

XII International PhD Workshop OWD 2010, 23 26 October 2010. Metodyka pozyskiwania i analizy wyników badań symulacyjnych ścieżek klinicznych

XII International PhD Workshop OWD 2010, 23 26 October 2010. Metodyka pozyskiwania i analizy wyników badań symulacyjnych ścieżek klinicznych XII International PhD Workshop OWD 2010, 23 26 October 2010 Metodyka pozyskiwania i analizy wyników badań symulacyjnych ścieżek klinicznych Methodology of Acquiring and Analyzing Results of Simulation

Bardziej szczegółowo

Możliwości minimalizacji liczby wymian narzędzi z wykorzystaniem oprogramowanego modelu numerycznego

Możliwości minimalizacji liczby wymian narzędzi z wykorzystaniem oprogramowanego modelu numerycznego Michał Dobrzyński * Piotr Waszczur ** Możliwości minimalizacji liczby wymian narzędzi z wykorzystaniem oprogramowanego modelu numerycznego Wstęp Efektywność zautomatyzowanych systemów produkcyjnych uzależniona

Bardziej szczegółowo

PLANY I PROGRAMY STUDIÓW

PLANY I PROGRAMY STUDIÓW WYDZIAŁ INŻYNIERII PRODUKCJI I LOGISTYKI PLANY I PROGRAMY STUDIÓW STUDY PLANS AND PROGRAMS KIERUNEK STUDIÓW FIELD OF STUDY - ZARZĄDZANIE I INŻYNIERIA PRODUKCJI - MANAGEMENT AND PRODUCTION ENGINEERING Studia

Bardziej szczegółowo

Usługi analityczne budowa kostki analitycznej Część pierwsza.

Usługi analityczne budowa kostki analitycznej Część pierwsza. Usługi analityczne budowa kostki analitycznej Część pierwsza. Wprowadzenie W wielu dziedzinach działalności człowieka analiza zebranych danych jest jednym z najważniejszych mechanizmów podejmowania decyzji.

Bardziej szczegółowo

doc. dr Beata Pułska-Turyna Zarządzanie B506 mail: mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505.

doc. dr Beata Pułska-Turyna Zarządzanie B506 mail: mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505. doc. dr Beata Pułska-Turyna Zakład Badań Operacyjnych Zarządzanie B506 mail: turynab@wz.uw.edu.pl mgr Piotr J. Gadecki Zakład Badań Operacyjnych Zarządzania B 505. Tel.: (22)55 34 144 Mail: student@pgadecki.pl

Bardziej szczegółowo

Algorytmy decyzyjne będące alternatywą dla sieci neuronowych

Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Piotr Dalka Przykładowe algorytmy decyzyjne Sztuczne sieci neuronowe Algorytm k najbliższych sąsiadów Kaskada klasyfikatorów AdaBoost Naiwny

Bardziej szczegółowo

System rejestracji i raportowania czasu standardowego w AgustaWestland. Informacja dla Związków Zawodowych PZL-Świdnik

System rejestracji i raportowania czasu standardowego w AgustaWestland. Informacja dla Związków Zawodowych PZL-Świdnik System rejestracji i raportowania czasu standardowego w AgustaWestland Informacja dla Związków Zawodowych PZL-Świdnik Opracowano: Technologiczne Wsparcie Produkcji < Document title > Agenda Wprowadzenie

Bardziej szczegółowo

Praktyczne aspekty stosowania metody punktów funkcyjnych COSMIC. Jarosław Świerczek

Praktyczne aspekty stosowania metody punktów funkcyjnych COSMIC. Jarosław Świerczek Praktyczne aspekty stosowania metody punktów funkcyjnych COSMIC Jarosław Świerczek Punkty funkcyjne Punkt funkcyjny to metryka złożoności oprogramowania wyznaczana w oparciu o określające to oprogramowanie

Bardziej szczegółowo

Wprowadzenie do technologii informacyjnej.

Wprowadzenie do technologii informacyjnej. Wprowadzenie do technologii informacyjnej. Data mining i jego biznesowe zastosowania dr Tomasz Jach Definicje Eksploracja danych polega na torturowaniu danych tak długo, aż zaczną zeznawać. Eksploracja

Bardziej szczegółowo

PRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR. Wojciech Zieliński

PRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR. Wojciech Zieliński PRZYKŁAD ZASTOSOWANIA DOKŁADNEGO NIEPARAMETRYCZNEGO PRZEDZIAŁU UFNOŚCI DLA VaR Wojciech Zieliński Katedra Ekonometrii i Statystyki SGGW Nowoursynowska 159, PL-02-767 Warszawa wojtek.zielinski@statystyka.info

Bardziej szczegółowo

Błędy procesu tworzenia oprogramowania (Badania firmy Rational Software Corporation)

Błędy procesu tworzenia oprogramowania (Badania firmy Rational Software Corporation) Błędy procesu tworzenia oprogramowania (Badania firmy Rational Software Corporation) Zarządzanie wymaganiami Ad hoc (najczęściej brak zarządzania nimi) Niejednoznaczna, nieprecyzyjna komunikacja Architektura

Bardziej szczegółowo

Wykład organizacyjny - W0

Wykład organizacyjny - W0 Wykład organizacyjny - W0 dr inż. Janusz Granat 1 Systemy informatyczne zarządzania Prowadzący: dr inż. Janusz Granat Konsultacje: środa 16.30-18.00 pok.23 E-mail: j.granat@ia.pw.edu.pl Strona www wykładu:

Bardziej szczegółowo

DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI

DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI DWUKROTNA SYMULACJA MONTE CARLO JAKO METODA ANALIZY RYZYKA NA PRZYKŁADZIE WYCENY OPCJI PRZEŁĄCZANIA FUNKCJI UŻYTKOWEJ NIERUCHOMOŚCI mgr Marcin Pawlak Katedra Inwestycji i Wyceny Przedsiębiorstw Plan wystąpienia

Bardziej szczegółowo

Od Expert Data Scientist do Citizen Data Scientist, czyli jak w praktyce korzystać z zaawansowanej analizy danych

Od Expert Data Scientist do Citizen Data Scientist, czyli jak w praktyce korzystać z zaawansowanej analizy danych Od Expert Data Scientist do Citizen Data Scientist, czyli jak w praktyce korzystać z zaawansowanej analizy danych Tomasz Demski StatSoft Polska www.statsoft.pl Analiza danych Zaawansowana analityka, data

Bardziej szczegółowo

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu Podstawy baz danych PODSTAWY BAZ DANYCH 19. Perspektywy baz danych 1 Perspektywy baz danych Temporalna baza danych Temporalna baza danych - baza danych posiadająca informację o czasie wprowadzenia lub czasie ważności zawartych

Bardziej szczegółowo

Algorytm indukcji klasyfikatora za pomocą EA z automatycznym przełączaniem ukierunkowań

Algorytm indukcji klasyfikatora za pomocą EA z automatycznym przełączaniem ukierunkowań Algorytm indukcji klasyfikatora za pomocą EA z automatycznym przełączaniem ukierunkowań Anna Manerowska, Michal Kozakiewicz 2.12.2009 1 Wstęp Jako projekt na przedmiot MEUM (Metody Ewolucyjne Uczenia Maszyn)

Bardziej szczegółowo

Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów

Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów Eksploracja danych Piotr Lipiński Informacje ogólne Informacje i materiały dotyczące wykładu będą publikowane na stronie internetowej wykładowcy, m.in. prezentacje z wykładów UWAGA: prezentacja to nie

Bardziej szczegółowo

Analiza procesu odzyskiwania środków z masy upadłości banków

Analiza procesu odzyskiwania środków z masy upadłości banków Tomasz Obal Analiza procesu odzyskiwania środków z masy upadłości banków Charakter działalności Bankowego Funduszu Gwarancyjnego daje unikalną szansę na przeprowadzenie pogłębionej analizy procesów upadłościowych

Bardziej szczegółowo

HURTOWNIE DANYCH I BUSINESS INTELLIGENCE

HURTOWNIE DANYCH I BUSINESS INTELLIGENCE BAZY DANYCH HURTOWNIE DANYCH I BUSINESS INTELLIGENCE Akademia Górniczo-Hutnicza w Krakowie Adrian Horzyk horzyk@agh.edu.pl Google: Horzyk HURTOWNIE DANYCH Hurtownia danych (Data Warehouse) to najczęściej

Bardziej szczegółowo

Parametry wydajnościowe systemów internetowych. Tomasz Rak, KIA

Parametry wydajnościowe systemów internetowych. Tomasz Rak, KIA Parametry wydajnościowe systemów internetowych Tomasz Rak, KIA 1 Agenda ISIROSO System internetowy (rodzaje badań, konstrukcja) Parametry wydajnościowe Testy środowiska eksperymentalnego Podsumowanie i

Bardziej szczegółowo

SAS wybrane elementy. DATA MINING Część III. Seweryn Kowalski 2006

SAS wybrane elementy. DATA MINING Część III. Seweryn Kowalski 2006 SAS wybrane elementy DATA MINING Część III Seweryn Kowalski 2006 Algorytmy eksploracji danych Algorytm eksploracji danych jest dobrze zdefiniowaną procedurą, która na wejściu otrzymuje dane, a na wyjściu

Bardziej szczegółowo

Algorytmy klasteryzacji jako metoda dyskretyzacji w algorytmach eksploracji danych. Łukasz Przybyłek, Jakub Niwa Studenckie Koło Naukowe BRAINS

Algorytmy klasteryzacji jako metoda dyskretyzacji w algorytmach eksploracji danych. Łukasz Przybyłek, Jakub Niwa Studenckie Koło Naukowe BRAINS Algorytmy klasteryzacji jako metoda dyskretyzacji w algorytmach eksploracji danych Łukasz Przybyłek, Jakub Niwa Studenckie Koło Naukowe BRAINS Dyskretyzacja - definicja Dyskretyzacja - zamiana atrybutów

Bardziej szczegółowo

Planowanie produkcji w systemie SAP ERP w oparciu o strategię MTO (make to order)

Planowanie produkcji w systemie SAP ERP w oparciu o strategię MTO (make to order) Planowanie produkcji w systemie SAP ERP w oparciu o strategię MTO (make to order) Ewelina Gielarek 1 1 Politechnika Rzeszowska im. I. Łukasiewicza, Wydział Budowy Maszyn i Lotnictwa, Streszczenie Koło

Bardziej szczegółowo

CECHY TECHNICZNO-UŻYTKOWE A WARTOŚĆ WYBRANYCH TECHNICZNYCH ŚRODKÓW PRODUKCJI W ROLNICTWIE

CECHY TECHNICZNO-UŻYTKOWE A WARTOŚĆ WYBRANYCH TECHNICZNYCH ŚRODKÓW PRODUKCJI W ROLNICTWIE Inżynieria Rolnicza 9(107)/2008 CECHY TECHNICZNO-UŻYTKOWE A WARTOŚĆ WYBRANYCH TECHNICZNYCH ŚRODKÓW PRODUKCJI W ROLNICTWIE Zbigniew Kowalczyk Katedra Inżynierii Rolniczej i Informatyki, Uniwersytet Rolniczy

Bardziej szczegółowo

1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja.

1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja. 1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja. Zadanie 1. Celem zadania jest oszacowanie modelu opisującego

Bardziej szczegółowo

DOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE:

DOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE: DOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE: DATAMINING 1 S t r o n a WSTĘP Czyli jak zastąpić wróżenie z fusów i przysłowiowego nosa, statystyką i modelami ekonometrycznymi. Niniejszy dokument,

Bardziej szczegółowo

Eksploracja Danych. wykład 4. Sebastian Zając. 10 maja 2017 WMP.SNŚ UKSW. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 10 maja / 18

Eksploracja Danych. wykład 4. Sebastian Zając. 10 maja 2017 WMP.SNŚ UKSW. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 10 maja / 18 Eksploracja Danych wykład 4 Sebastian Zając WMP.SNŚ UKSW 10 maja 2017 Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 10 maja 2017 1 / 18 Klasyfikacja danych Klasyfikacja Najczęściej stosowana (najstarsza)

Bardziej szczegółowo

Zarządzanie bezpieczeństwem informacji przegląd aktualnych standardów i metodyk

Zarządzanie bezpieczeństwem informacji przegląd aktualnych standardów i metodyk Zarządzanie bezpieczeństwem informacji przegląd aktualnych standardów i metodyk dr T Bartosz Kalinowski 17 19 września 2008, Wisła IV Sympozjum Klubu Paragraf 34 1 Informacja a system zarządzania Informacja

Bardziej szczegółowo