KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA

Wielkość: px
Rozpocząć pokaz od strony:

Download "KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA"

Transkrypt

1 KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA Wykład 6 Systemy komputerowe w planowaniu produkcji Dr inż. Mariusz Makuchowski

2 Systemy komputerowe w planowaniu produkcji Obecnie utrzymanie znaczącej pozycji na rynku wymaga ciągłego dostosowania do potrzeb klientów, dlatego tak istotne jest udzielenie odpowiedzi na pytanie: Czy w danych warunkach produkcyjnych przedsię-biorstwo może zrealizować określone zlecenie? 2

3 Systemy komputerowe w planowaniu produkcji Obecnie na rynku znajduje się wiele małych i średnich przedsiębiorstw dla których wdrożenie systemów klasy MRP II czy ERP jest zbyt skomplikowane i kosztowne, dlatego tworzone są programy komputerowe, których celem jest wspomaganie podejmowania decyzji w przedsiębiorstwach w celu osiągnięcia sukcesu. Obecny wykład poświęcony jest planowaniu produkcji przy zastosowaniu różnych metod planowania. 3

4 Planowanie produkcji Złożoność procesów decyzyjnych w obszarze planowania produkcji uzależniona jest przede wszystkim od typu i formy organizacji - najwyższa występuje przy produkcji jednostkowej i małoseryjnej poziomu zarządzania na którym realizowane jest planowanie produkcji - Planowanie strategiczne problemy nieustrukturalizowane - Planowanie taktyczne problemy słabo lub źle ustrukturalizowane - Planowanie operacyjne - problemy dobrze ustrukturalizowane 4

5 5 Algorytmy ewolucyjne

6 Algorytmy ewolucyjne Algorytmy ewolucyjne to komputerowe systemy rozwiązywania problemów opierające się na zasadach jakie występują w ewolucji żywych organizmów. Algorytmy ewolucyjne obejmują takie metody szczegółowe, jak np.: - algorytmy genetyczne, - programowanie ewolucyjne, - strategie ewolucyjne, - programowanie genetyczne. 6

7 Algorytmy ewolucyjne Główne pole zastosowań algorytmów (metod) ewolucyjnych to problemy optymalizacji. Optymalizacja to wyznaczenie spośród dopuszczalnych rozwiązań danego problemu rozwiązania najlepszego ze względu na przyjęte kryterium (wskaźnik) jakości (np. koszt, zysk, niezawodność). 7

8 Algorytm genetyczny - Cyfrowy darwinizm 8 Źródło: R.Knosala i Zespół Komputerowe wspomaganie zarządzania przedsiębiorstwem

9 Selekcja Selekcja osobników polega na wybraniu z obecnej populacji tych chromosomów, które wejdą w skład populacji w następnej generacji. Istnieje wiele metod selekcji, najprostszą i najczęściej stosowaną jest metoda na drodze losowania tzw. metoda koła ruletki, która przydziela prawdopodobieństwa wylosowania każdego osobnika bezpośrednio na podstawie jednej funkcji oceny. Funkcja przystosowania (ang. fitness function), nazywana też funkcją dopasowania funkcja określająca sposób oceny osobnika w środowisku populacji, oceny będącej miarą jego przystosowania (dopasowania) do środowiska; funkcja przystosowania określana jest przez środowisko. 9 Funkcja ta określa jakość każdego dopuszczalnego rozwiązania. Ustanawia relację porządkową na zbiorze rozwiązań dopuszczalnych (czyli dzięki tej funkcji możemy wszystkie rozwiązania uporządkować od najlepszych po najgorsze)

10 Metody selekcji Metoda koła ruletki polega na zaznaczeniu na wirtualnym kole wycinków odpowiadających poszczególnym osobnikom. Lepszemu osobnikowi przyporządkowuje się większy wycinek koła. Rozmiar wycinków może zależeć od wartości funkcji oceny, jeśli wysoka wartość oceny oznacza wysokie przystosowanie. Taki układ zapewnia większe prawdopodobieństwo, że lepszy osobnik zostanie wybrany jako rodzic. Ewolucja przy takim algorytmie z każdym krokiem zwalnia. Osobniki podobne, otrzymują równe wycinki koła i presja selekcyjna spada. Ten algorytm słabiej rozróżnia osobniki dobre od słabszych. Metoda rankingowa - każdemu osobnikowi zostaje obliczona funkcja oceny wg której osobniki zostają ustawione w szeregu najlepszy-najgorszy. W takiej selekcji zakładamy, że rozmnażać się mogą tylko najlepsze osobniki. Wadą tej metody jest 10 niewrażliwość na różnice między kolejnymi osobnikami w kolejce.

11 Metody selekcji Istnieją także metody selekcji wielokryterialnej. Tworzy się kilka różnych funkcji oceny (oceniających pewne wybrane cechy osobników osobno). Dla przykładu osobniki mogą być ułożone nie w jednym, ale w kilku szeregach najlepszy-najgorszy, a proces selekcji jest bardziej złożony. Bardzo często metoda ruletki zastępowana jest selekcją turniejową, która polega na dzieleniu populacji na grupy i rozgrywaniu turnieju pomiędzy osobnikami z poszczególnych grup. Do populacji rodzicielskiej wybierane są najlepsze osobniki z każdej grupy. 11

12 Krzyżowanie Krzyżowanie polega na kojarzeniu osobników w populacji w pary, w sposób losowy (najlepiej więc, aby rozmiar populacji był parzysty). Jego celem jest powstanie potomka posiadającego zespół cech, który jest kombinacją cech osobników rodzicielskich. Każda para jest poddawana krzyżowaniu z pewnym prawdopodobieństwem (prawdopodobieństwo krzyżowania) - P k Z jednej pary rodziców powstaje dwóch potomków. Jeżeli doszło do krzyżowania, to osobniki potomne zastępują w nowej populacji swoich rodziców. Jeżeli nie doszło do krzyżowania (z prawdopodobieństwem 1-P k ), 12 to osobniki potomne są dokładnymi kopiami swoich rodziców.

13 Operatory krzyżowania rodzice potomstwo

14 Mutacja Mutacja wprowadza do genotypu zmiany losowe w celu wprowadzenia różnorodności w populacji. Zachodzi z niewielkim prawdopodobieństwem P m zmiana wartości elementu ciągu kodowego (zamiana jedynki na zero lub na odwrót). Prawdopodobieństwo mutacji zazwyczaj wynosi 1%. Operator mutacji

15 Algorytmy ewolucyjne Zasada działania algorytmów ewolucyjnych polega na tym, iż zamiast na oślep intensywnie poszukiwać właściwego rozwiązania problemu, staramy się je "wyhodować". Różne rozwiązania konkurują ze sobą, krzyżują się, rozmnażają, naśladując mechanizmy odpowiadające za coraz lepsze dostosowanie organizmów żywych do środowiska. Podobnie jak ma to miejsce w naturze możemy liczyć na to, że taka symulacja przyniesie nam dobre (optymalne) rozwiązanie problemu. 15

16 Algorytm genetyczny model klasyczny Cechy charakterystyczne: operuje na zbiorach łańcuchów o stałej długości złożonych z 0 i 1 długość łańcucha zależy od charakteru problemu rozwiązywanego za pomocą algorytmu genetycznego np.(1,1,0,0,1,0,0,1,0) Pojedyncze elementy łańcucha przyjmujące wartości 0 lub 1 to geny Łańcuch genów to chromosom Zbiór chromosomów o określonej liczebności to populacja w ramach jednej populacji wszystkie chromosomy są jednakowej długości Genotyp to podzbiór chromosomów definiujący strukturę danego osobnika 16

17 Algorytm genetyczny model klasyczny Ocena jakości chromosomu NIE Czy kryteria zatrzymania są spełnione? TAK Generacja populacji początkowej Krzyżowanie Selekcja do dalszego przetwarzania Najlepsze osobniki START Mutacja Generowanie nowej populacji WYNIK 17

18 Sposób działania algorytmu genetycznego Sposób działania algorytmu genetycznego: określenie sposobu kodowania rzeczywistych parametrów problemu w postaci chromosomu, przyjęcie postaci funkcji przystosowania oceniającej analizowany zestaw parametrów pod względem jakości poszukiwanego rozwiązania, losowy dobór punktów startowego zestawu parametrów, selekcja najlepiej przystosowanych chromosomów do nowej populacji, zastosowanie na nowej populacji operatorów genetycznych w postaci krzyżowania i mutacji, sprawdzenie wartości funkcji przystosowania. 18

19 Przykład zastosowania algorytmu ewolucyjnego 19

20 Algorytm ewolucyjny Algorytmy ewolucyjne mają szerokie zastosowanie np.: we wspomaganiu procesów decyzyjnych w sterowaniu gazociągiem, przetwarzaniu obrazów rentgenowskich, prognozowaniu pogody, prognozowaniu zdarzeń i ich trendów w świecie naturalnym oraz w świecie zachowań rynkowo-finansowych, alokacji zasobów, doborze proporcji składników produktu, optymalizacji przewozów, załadunku, kosztów itp. Są również stosowane jako narzędzie służące harmonogramowaniu produkcji. 20

21 Planowanie realizacji projektu w warunkach zakłóceń Przykładem zastosowania tego algorytmu może być planowanie realizacji projektu w warunkach zakłóceń. Zakłócenia to przeszkody występujące w fazie wykonawczej projektu, które powodują dezaktualizację planu pierwotnego, mogą być związane z systemem produkcyjnym bądź z otoczeniem. Istotny jest skutek jaki powstał przez dane zakłócenie np. niedotrzymanie terminów wykonania, deregulacja harmonogramu, dezaktualizacja planu zasobów, naruszenie planu nakładów i planu 21 kosztów itp

22 Planowanie realizacji projektu w warunkach zakłóceń Szczególnie podatne na zakłócenia są wszelkie zasoby ograniczone tj.: czas, koszt, dostępność w czasie rzeczywistym zasobów parku maszynowego oraz zasobów ludzkich, dlatego w razie identyfikacji zakłócenia, niezbędna jest szybka reakcja i następnie wypracowanie takiej kombinacji ograniczonych zasobów aby nadal zapewnić największą efektywność działania. Nie ma jednego optymalnego rozwiązania istnieje tylko zbiór rozwiązań kompromisowych tzw. paretooptymalnych, z których należy wybrać w możliwie krótkim czasie te dla nas najlepsze. 22

23 Planowanie realizacji projektu w warunkach zakłóceń Założenia: Średnie przedsiębiorstwo. Zarządzanie projektami w ramach realizacji długoterminowego i złożonego projektu: kocioł parowy dyrektywny czas realizacji 22 miesiące (wyburzenie starego kotła, zaprojektowanie i wyprodukowanie nowego) Realizacja podprojektu: walczak kotła 23

24 Planowanie realizacji projektu w warunkach zakłóceń W systemie produkcyjnym jest realizowany podprojekt składający się z: 16 czynności rzeczywistych {A t,p,, P t,p } gdzie: t szacowany czas trwania p potrzebne zasoby wykonawcze (dla uproszczenia przyjęto tylko ilość pracowników) i 2 pozornych {X 1, X 2 } Powyższe czynności tworzą uporządkowaną sieć czynności. 24

25 Sieć czynności podprojektu 25 Źródło: R.Knosala i Zespół Komputerowe wspomaganie zarządzania przedsiębiorstwem

26 Harmonogram i plan zasobów wykonawczych Dysponowany zasób pracowników w każdym okresie realizacji projektu został ustalony w planie pierwotnym na poziomie W=10 Dyrektywny termin zakończenia projektu mija po upływie 242 dni od planowanego terminu rozpoczęcia procesu realizacji Na podstawie przyjętego harmonogramu i planie zasobów wykonawczych czas realizacji projektu wynosi 239 dni 26

27 Harmonogram i plan zasobów dla W=10 Wykonywane czynności Zasoby wykonawcze (tutaj ilość pracowników) Jednostka czasu (tutaj dzień) 27 Źródło: R.Knosala i Zespół Komputerowe wspomaganie zarządzania przedsiębiorstwem

28 Zakłócenia W trakcie wykonywania czynności A, 3 pracowników zostało oddelegownych do realizacji nowego zlecenia co spowodowało dezaktualizację planu zasobów i harmonogramu czynności B,O,P nie mogą się rozpocząć równolegle w 25 dniu, ponieważ nie dysponujemy odpowiednią ilością zasobów wykonawczych tj. pracowników 28

29 Harmonogram i plan zasobów dla W=7 29 Źródło: R.Knosala i Zespół Komputerowe wspomaganie zarządzania przedsiębiorstwem

30 Podsumowanie Po wprowadzeniu danych do systemu, wykorzystując moduł algorytmu ewolucyjnego było możliwe szybkie wygenerowanie rozwiązań dopuszczalnych tj. takich gdzie możliwa była przebudowa harmonogramu i dostosowanie go do ograniczonych środków wykonawczych (tj.7 pracowników), przy nie zmienionym (lub mniejszym) terminie zakończenia projektu tj. 239 dni. 30

31 31 TEORIA OGRANICZEŃ

32 Teoria ograniczeń Teoria ograniczeń (Theory of Constraints TOC) stworzona została przez E.Goldratta. Jest to metoda zarządzania nastawiona na osiąganie długotrwałych zysków poprzez odpowiednie zarządzanie istniejącymi w firmie ograniczeniami, tj. wąskimi gardłami. Jest doskonałym narzędziem identyfikacji problemów związanych z przepływem produkcji i jednocześnie pomagającym je rozwiązywać. Prowadzi do wzrostu efektywności i produktywności w 32 przedsiębiorstwie.

33 Teoria ograniczeń W zakresie ograniczeń, nie mamy żadnego wyboru. Albo my zarządzamy ograniczeniami albo ograniczenia zarządzają nami! Ograniczenia będą determinowały efektywność naszych działań, bez względu na to, czy ich istnienie będzie uznane, czy też nie. 33

34 Teoria ograniczeń TOC znalazła zastosowania praktyczne w wielu obszarach działania człowieka: przemyśle, dystrybucji, zarządzaniu projektami, szkolnictwie, wojskowości, służbie zdrowia, usługach, instytucjach i organizacjach niekomercyjnych, pozwalając wszędzie na osiągnięcie znaczących rezultatów dzięki: koncentracji wysiłków na tych obszarach, w których najszybciej można osiągnąć efekty, 34 dostarczeniu niezawodnych technik umożliwiających Ciągły Proces Ulepszania

35 Teoria ograniczeń 5 Kroków Ciągły Proces Ulepszania realizujemy poprzez zastosowanie 5 Kroków: 1. Określenie celu i zidentyfikowanie ograniczenia ze względu na przyjęty cel 2. Eksploatacja ograniczenia dla fizycznego ograniczenia celem staje się uzyskanie możliwie jak największej efektywności, niefizyczne ograniczenia powinny być eliminowane 3. Podporządkowania wszystkiego (decyzji i działań) postanowieniu o eksploatacji ograniczenia każdy inny składnik (nie będący ograniczeniem) musi być regulowany do wspomagania osiągnięcia 35 maksymalnej efektywności ograniczeń

36 Teoria ograniczeń 5 Kroków 4. Wzmocnienia ograniczenia - wzmocnienie, czyli skokowy wzrost możliwości wytwórczych w wyniku inwestycji zakupu nowej maszyny, zatrudnienia dodatkowej osoby. Często trzy pierwsze kroki są na tyle skuteczne, że zasób przestaje być ograniczeniem. Wtedy krok wzmocnienia może być pominięty. 5. Powrót jeżeli poprzednie kroki wyeliminowały ograniczenie z systemu, należy powrócić do kroku 1 i postępować wg zasad z kolejnym ograniczeniem 36

37 Teoria ograniczeń Zastosowanie TOC ma na celu synchronizację produkcji według krytycznych punktów systemu wąskich gardeł. Zastosowanie tej teorii do środowiska produkcyjnego to zsynchronizowane wytwarzanie. 37

38 Klasyfikacja ograniczeń W produkcji ograniczenia mogą występować zarówno z otoczenia jak i samego przedsiębiorstwa. OGRANICZENIA Ograniczenia ze strony klienta Ograniczenia ze strony producenta silne słabe 38

39 Ograniczenia ze strony klienta Ograniczenia mogące wystąpić ze strony klienta to: Termin realizacji zamówienia Sposób odbioru wyrobów Różnorodność asortymentowa Wymagania jakościowe dotyczące wyrobu Cena wyrobu 39

40 Ograniczenia ze strony producenta Ograniczenia mogące wystąpić po stronie producenta to: Ograniczenia wynikające z polityki państwa np. koncesje i limity wprowadzone ustawami, przepisy dotyczące ochrony środowiska Ograniczenia wynikające z rynku np. popyt na produkowane wyroby, kanały dystrybucji gotowych wyrobów Ograniczenia zasobowe np. maszyny i urządzenia produkcyjne, pracownicy, zasoby finansowe Ograniczenia organizacji produkcji np. wielkość partii 40 produkcyjnej, dysponowana technologia

41 Ograniczenia silne Ze względu na konieczność spełniania ograniczeń producenta dzieli się je na silne i słabe. Ograniczenia silne muszą być spełnione w celu zapewnienia realizacji zadań. Zaliczamy do nich: 41 technologiczne kolejnościowe ograniczenia dla operacji zagregowanych ograniczenia terminowe czasów trwania operacji kontekstowe

42 Ograniczenia słabe Do ograniczeń słabych należy: Preferowanie produkcji pewnych wyrobów na określonych maszynach Równomierne wykorzystanie zasobów Utrzymanie pewnej wielkości zapasu określonych wyrobów Przekroczenie ograniczeń słabych jest możliwe, choć niekorzystne. 42

43 Teoria Ograniczenia w planowaniu produkcji 43

44 Planowanie produkcji teoria ograniczeń Założenia: Typ przedsiębiorstwa: małe i średnie Produkcja: mało i średnioseryjna, wieloasortymentowa systemach wytwórczych w dyskretnych System produkcyjny posiadający zasób taktujący (np. piec w hucie) Planowanie produkcji: zagwarantowanie, aby zlecenia zostały zrealizowane zgodnie z oczekiwaniem klienta (ilość, jakość, termin, koszt) i przy osiągnięciu zysku dla przedsiębiorstwa Tego typu warunki występują m.in. w przedsiębiorstwach wytwarzających wyroby porcelitowe, porcelanowe i szklane. 44

45 Zasób taktujący Zasób taktujący to węzeł przez który przepływają wszystkie realizowane w systemie procesy produkcyjne. Charakteryzuje się on: jednoczesnym wykonywaniem operacji dla wielu zadań identycznym czasem jednostkowym wykonania operacji bez względu na rodzaj i liczbę zadań, jednym i jednoczesnym strumieniem wejścia i wyjścia 45

46 Planowanie produkcji teoria ograniczeń Przy tworzeniu planu produkcji planista ma za zadanie ustalić: Czy w danym systemie produkcyjnym z danym zasobem taktującym, przy zbiorze zleceń Z oczekujących na realizację jest możliwa terminowa ich realizacja? Jak zapewnić możliwie wysoki poziom efektywności przy spełnieniu warunku terminowości realizacji zleceń? 46

47 Założenia systemu W systemie produkcyjnym występuje s stanowisk produkcyjnych: S = {M 1,, M k-1, M k, M k+1,, M s }, gdzie: M 1, M 2,, M k-1 zasoby znajdujące się we wszystkich przepływach produkcyjnych przed zasobem taktującym (M k ) M k+1, M k+2, M s zasoby znajdujące się za zasobem M k Dla każdego zasobu określono wielkość dysponowanych zdolności produkcyjnych oraz możliwości asortymentowe Wszystkie zasoby pracują w trybie asynchronicznym (wyłączając M k ) 47

48 Założenia systemu M k realizuje operację technologiczną jednocześnie dla p dowolnych zadań w czasie t k, przy czym p max zdolność produkcyjna, gdzie t k jest czasem jednostkowym wykonywania operacji na zasobie M k W systemie występują zasoby współdzielone Zasób M k jest węzłem wszystkich procesów realizowanych w systemie, jedna z operacji każdego z procesów jest realizowana na M k MAGAZYNY Przed każdym zasobem [M 2,, M s-1 ] znajduje się dokładnie jeden magazyn B i, gdzie i (2, s) o znanej i ograniczonej pojemności C i 48

49 Założenia systemu Magazyn wejściowy, przed M1, zapewnia materiały potrzebne do wykonania wszystkich zleceń Magazyn wyjściowy, za Ms, jest w stanie przyjąć całość zrealizowanej produkcji Czasy przygotowawczo-zakończeniowe: Nie są zależne od kolejności realizacji zadań w systemie Na danym urządzeniu występuje tylko wtedy, gdy kolejny element ma zmienioną cechę konstrukcyjno- technologiczną 49

50 System produkcyjny z zasobem taktującym 50 Źródło: R.Knosala i Zespół Komputerowe wspomaganie zarządzania przedsiębiorstwem

51 Zlecenie i zadanie produkcyjne Zlecenie produkcyjne to przyjęte do realizacji zamówienie klienta złożone w danym okresie planistycznym o określonym, dyrektywnym terminie realizacji. Zadanie produkcyjne to zbiór o następujących parametrach: Z j = {n, a (k-1), d (k+1), zd, l, w, T d }, gdzie: 51 Zj - zadanie produkcyjne n numer zlecenia w skład którego wchodzi zadanie j a (k-1) określenie pozycji asortymentowej, cechy nadawanej zadaniu j w marszrucie przed zasobem taktującym d (k+1) określenie pozycji asortymentowej, cechy nadawanej zadaniu j w marszrucie za zasobem taktującym zd cecha dla której czas trwania operacji technologicznej nie zależy od rodzaju asortymentu (np. kontrola, zdobienie)

52 Ocena realizacji zlecenia l - liczba elementów określonego typu w określenie ważności zadania dla producenta (np. w skali od 1 do 10) T d dyrektywny termin realizacji zamówienia Ocena realizacji zlecenia dokonywana jest za pomocą wskaźnika terminowej realizacji zlecenia wskaźnik ten przyjmuje: -k j wartości ujemne jeżeli termin realizacji jest przekroczony 0 -Zero gdy zlecenie zostanie wykonane dokładnie w oczekiwanym terminie k j wartości dodatnie gdy termin realizacji zastanie wyprzedzony 52

53 Ocena realizacji zlecenia współczynnika efektywności realizacji zlecenia wskaźnik ten przyjmuje: tr j - rzeczywisty możliwy do osiągnięcia termin realizacji tz j planowany lub dyrektywny termin realizacji Wartości ujemne jeżeli termin wykonania jest opóźniony zero gdy rzeczywisty termin realizacji zlecenia jest zgodny z terminem wyznaczonym przez klienta Wartości dodatnie gdy termin realizacji zastanie wyprzedzony 53 Warunkiem przyjęcia do realizacji planu produkcji jest terminowa realizacja zleceń!

54 Terminowość realizacji zleceń SYSTEM PRODUKCYJNY Z 1, Z 2, Z 3, Z 4 zlecenia do produkcji Z 1 Z 2 Z 3 Z 4 Termin realizacji zleceń t 1,t 2,t 3, t 4 dyrektywne terminy dla zleceń t 1,t 2 t 3 t 4 MAGAZYN WYJŚCIOWY 54

55 Terminowość realizacji zleceń W podanym przykładzie Z1 i Z2 mają taki sam termin dyrektywny, oba zlecenia będą wykonane przed jego terminem zatem będą wykonane terminowo (wskaźnik terminowej realizacji zlecenia przyjmie wartość dodatnią) Zlecenie Z3 będzie wykonane dokładnie w terminie dyrektywnym zatem wskaźnik terminowej realizacji zlecenia przyjmie wartość zero Zlecenie Z4 będzie wykonane po terminie dyrektywnym a wskaźnik przyjmie wartość ujemną co spowoduje, że ten plan produkcji byłby niedopuszczalny 55 Terminowa realizacja zleceń polega na wykonaniu i udostępnieniu wszystkich wyrobów (różny asortyment), na które klient złożył zamówienie w terminie przez niego wskazanym

56 Planowanie produkcji Teoria ograniczeń Istotą metody planowania produkcji w systemach z wyróżnionym zasobem taktującym jest przydział zadań do grup, które są tworzone w taki sposób, aby wchodzące w ich skład zadania nie przekraczały wielkością pojemności zasobu taktującego a czas ich realizacji był równy jednemu taktowi. Zadania do grup dobierane są początkowo na podstawie określonych wzorców. Skład i wielkość grup będą różne w zależności od kryterium zlecenia, które zostanie przyporządkowane do grupy jako pierwsze. 56

57 Kryteria przydziału zadań do grup Kolejność kryteriów przydziału zadań do grup: Zadania o najpóźniejszym dyrektywnym terminie realizacji Zadania o najwyższym priorytecie Zadania o najwcześniejszym terminie realizacji i jednocześnie najwyższym priorytecie Zadania o najwcześniejszym terminie przyjęcia zlecenia do realizacji Zadania o najmniejszej wielkości zamówienia (liczba szt.) Zadania o największej wielkości zamówienia Największe zamówienie w przeliczeniu na kg Najmniejsze zamówienie w przeliczeniu na kg losowo 57

58 Planowanie produkcji Kolejnym istotnym elementem tej metody jest tworzenie zbioru rozwiązań dopuszczalnych czyli takich, które: spełnią ograniczenia logistyczne systemu warunek producenta oraz będą dopuszczalne ze względu na terminowość realizacji zleceń warunek klienta 58

59 Tworzenie planu produkcji PRZYDZIAŁ ZADAŃ DO GRUP Spełnienie ograniczeń pracy zasobu taktującego i poziomu zapasów produkcji w toku. Ustalenie partii wielkości produkcyjnych. SZEREGOWANIE GRUP Ustalenie terminów uruchomienia poszczególnych zadań USTALENIE TERMINÓW REALIZACJI ZLECEŃ na podstawie terminów uruchomienia zleceń, marszruty technologicznej i czasów operacji technologicznych 59 WERYFIKACJA DOPUSZCZALNOŚCI ROZWIĄZANIA Z UWAGI NA TERMINOWOŚĆ wartość wskaźnika terminowej realizacji wartość wskaźnika terminowej realizacji UJEMNA - odrzucenie rozwiązania i DODATNIA - rozwiązanie dopuszczalne zapis konstruowanie nowego- zmiana kryterium i obliczanie parametrów rozwiązania przydziału pierwszego zlecenia do grupy

60 Podsumowanie Rozwiązania są generowane w ciągu całego czasu jakim dysponuje planista. Rozwiązania dopuszczalne są zapisywanie by następnie można było wybrać z nich najlepsze dla przedsiębiorstwa rozwiązanie. Kryteria wyboru rozwiązania mogą być różne i są zależne od warunków panujących w przedsiębiorstwie oraz jego otoczeniu. 60

61 Bibliografia [1] Adam Nowicki, Komputerowe wspomaganie biznesu (2006) [2] Karol Kukuła, Badania operacyjne w przykładach i zadaniach (2002) [3] Czesław Smutnicki, Algorytmy szeregowania (2002) [4] Ryszard Knosyla i Zespół, Komputerowe wspomaganie zarządzania przedsiębiorstwem Nowe metody i systemy (2007) [5] Zbigniew Klonowski, Systemy informatyczne zarządzania przedsiębiorstwem. Modele rozwoju i właściwości funkcjonalne (2004) [6] M. Fertsch, K. Grzybowska, A. Stachowiak, Logistyka i zarządzanie produkcją nowe wyzwania i odległe granice (2007) [7] S. Zieliński Inteligentne systemy w zarządzaniu. Teoria i praktyka (2000) [8] Adamczewski, Piotr. Zintegrowane systemy informatyczne w praktyce, Warszawa, PWN, 2005 [9] Szejko, Stanisław (Redakcja naukowa). Metody wytwarzania oprogramowania, Warszawa, PWN, [10] Lausen, Georgie; Vossen, Gottfried. Obiektowe bazy danych. Modele danych i języki, Warszawa, WNT, 2004

62 Bibliografia [11] Miłosz, Marek (Redakcja naukowa). Bezpieczeństwo informacji, Warszawa, PWN, 2005 [12] Dolińska, Małgorzata. Projektowanie systemów informacyjnych na przykładzie zarządzania marketingiem, Warszawa, Agencja Wydawnicza "Placet", [13] Cheesman, John; Daniels, John. Komponenty w UML. Warszawa, WNT 2004 [14] Szyjewski, Zdzisław. Zarządzanie projektami informatycznymi, metodyka tworzenia systemów informatycznych. Warszawa, Agencja Wydaw. Placet, (Biblioteka Biznesmena) [15] Leyland, Valerie. EDI Elektroniczna wymiana dokumentacji. Warszawa, WNT, 2003 [16] Orłowski, Cezary. Projektowanie hybrydowych systemów informatycznych do wspomagania zarządzania, Wydaw. Politech. Gdańskiej, [17] M.Jurczyk, R.Knosala - Terminowość i efektywność realizacji zleceń w systemach z wyróżnionym zasobem taktującym 62

63 Dziękuję za uwagę.

Algorytm genetyczny (genetic algorithm)-

Algorytm genetyczny (genetic algorithm)- Optymalizacja W praktyce inżynierskiej często zachodzi potrzeba znalezienia parametrów, dla których system/urządzenie będzie działać w sposób optymalny. Klasyczne podejście do optymalizacji: sformułowanie

Bardziej szczegółowo

SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO

SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO SCHEMAT ROZWIĄZANIA ZADANIA OPTYMALIZACJI PRZY POMOCY ALGORYTMU GENETYCZNEGO. Rzeczywistość (istniejąca lub projektowana).. Model fizyczny. 3. Model matematyczny (optymalizacyjny): a. Zmienne projektowania

Bardziej szczegółowo

ALGORYTMY GENETYCZNE ćwiczenia

ALGORYTMY GENETYCZNE ćwiczenia ćwiczenia Wykorzystaj algorytmy genetyczne do wyznaczenia minimum globalnego funkcji testowej: 1. Wylosuj dwuwymiarową tablicę 100x2 liczb 8-bitowych z zakresu [-100; +100] reprezentujących inicjalną populację

Bardziej szczegółowo

Zadanie 5 - Algorytmy genetyczne (optymalizacja)

Zadanie 5 - Algorytmy genetyczne (optymalizacja) Zadanie 5 - Algorytmy genetyczne (optymalizacja) Marcin Pietrzykowski mpietrzykowski@wi.zut.edu.pl wersja 1.0 1 Cel Celem zadania jest zapoznanie się z Algorytmami Genetycznymi w celu rozwiązywanie zadania

Bardziej szczegółowo

Algorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych

Algorytm Genetyczny. zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych Algorytm Genetyczny zastosowanie do procesów rozmieszczenia stacji raportujących w sieciach komórkowych Dlaczego Algorytmy Inspirowane Naturą? Rozwój nowych technologii: złożone problemy obliczeniowe w

Bardziej szczegółowo

Algorytmy genetyczne

Algorytmy genetyczne Algorytmy genetyczne Motto: Zamiast pracowicie poszukiwać najlepszego rozwiązania problemu informatycznego lepiej pozwolić, żeby komputer sam sobie to rozwiązanie wyhodował! Algorytmy genetyczne służą

Bardziej szczegółowo

Algorytmy ewolucyjne NAZEWNICTWO

Algorytmy ewolucyjne NAZEWNICTWO Algorytmy ewolucyjne http://zajecia.jakubw.pl/nai NAZEWNICTWO Algorytmy ewolucyjne nazwa ogólna, obejmująca metody szczegółowe, jak np.: algorytmy genetyczne programowanie genetyczne strategie ewolucyjne

Bardziej szczegółowo

Algorytmy genetyczne. Dariusz Banasiak. Katedra Informatyki Technicznej Wydział Elektroniki

Algorytmy genetyczne. Dariusz Banasiak. Katedra Informatyki Technicznej Wydział Elektroniki Dariusz Banasiak Katedra Informatyki Technicznej Wydział Elektroniki Obliczenia ewolucyjne (EC evolutionary computing) lub algorytmy ewolucyjne (EA evolutionary algorithms) to ogólne określenia używane

Bardziej szczegółowo

Algorytmy genetyczne

Algorytmy genetyczne 9 listopada 2010 y ewolucyjne - zbiór metod optymalizacji inspirowanych analogiami biologicznymi (ewolucja naturalna). Pojęcia odwzorowujące naturalne zjawiska: Osobnik Populacja Genotyp Fenotyp Gen Chromosom

Bardziej szczegółowo

Algorytmy genetyczne. Paweł Cieśla. 8 stycznia 2009

Algorytmy genetyczne. Paweł Cieśla. 8 stycznia 2009 Algorytmy genetyczne Paweł Cieśla 8 stycznia 2009 Genetyka - nauka o dziedziczeniu cech pomiędzy pokoleniami. Geny są czynnikami, które decydują o wyglądzie, zachowaniu, rozmnażaniu każdego żywego organizmu.

Bardziej szczegółowo

6. Klasyczny algorytm genetyczny. 1

6. Klasyczny algorytm genetyczny. 1 6. Klasyczny algorytm genetyczny. 1 Idea algorytmu genetycznego została zaczerpnięta z nauk przyrodniczych opisujących zjawiska doboru naturalnego i dziedziczenia. Mechanizmy te polegają na przetrwaniu

Bardziej szczegółowo

Wielokryterialne harmonogramowanie portfela projektów. Bogumiła Krzeszowska Katedra Badań Operacyjnych

Wielokryterialne harmonogramowanie portfela projektów. Bogumiła Krzeszowska Katedra Badań Operacyjnych Wielokryterialne harmonogramowanie portfela projektów Bogumiła Krzeszowska Katedra Badań Operacyjnych Problem Należy utworzyć harmonogram portfela projektów. Poprzez harmonogram portfela projektów będziemy

Bardziej szczegółowo

Algorytmy ewolucyjne. Łukasz Przybyłek Studenckie Koło Naukowe BRAINS

Algorytmy ewolucyjne. Łukasz Przybyłek Studenckie Koło Naukowe BRAINS Algorytmy ewolucyjne Łukasz Przybyłek Studenckie Koło Naukowe BRAINS 1 Wprowadzenie Algorytmy ewolucyjne ogólne algorytmy optymalizacji operujące na populacji rozwiązań, inspirowane biologicznymi zjawiskami,

Bardziej szczegółowo

PLAN WYKŁADU OPTYMALIZACJA GLOBALNA OPERATOR KRZYŻOWANIA ETAPY KRZYŻOWANIA

PLAN WYKŁADU OPTYMALIZACJA GLOBALNA OPERATOR KRZYŻOWANIA ETAPY KRZYŻOWANIA PLAN WYKŁADU Operator krzyżowania Operator mutacji Operator inwersji Sukcesja Przykłady symulacji AG Kodowanie - rodzaje OPTYMALIZACJA GLOBALNA Wykład 3 dr inż. Agnieszka Bołtuć OPERATOR KRZYŻOWANIA Wymiana

Bardziej szczegółowo

Algorytmy ewolucyjne - algorytmy genetyczne. I. Karcz-Dulęba

Algorytmy ewolucyjne - algorytmy genetyczne. I. Karcz-Dulęba Algorytmy ewolucyjne - algorytmy genetyczne I. Karcz-Dulęba Algorytmy klasyczne a algorytmy ewolucyjne Przeszukiwanie przestrzeni przez jeden punkt bazowy Przeszukiwanie przestrzeni przez zbiór punktów

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

Algorytmy genetyczne. Materiały do laboratorium PSI. Studia stacjonarne i niestacjonarne

Algorytmy genetyczne. Materiały do laboratorium PSI. Studia stacjonarne i niestacjonarne Algorytmy genetyczne Materiały do laboratorium PSI Studia stacjonarne i niestacjonarne Podstawowy algorytm genetyczny (PAG) Schemat blokowy algorytmu genetycznego Znaczenia, pochodzących z biologii i genetyki,

Bardziej szczegółowo

Algorytmy genetyczne. Materiały do laboratorium PSI. Studia niestacjonarne

Algorytmy genetyczne. Materiały do laboratorium PSI. Studia niestacjonarne Algorytmy genetyczne Materiały do laboratorium PSI Studia niestacjonarne Podstawowy algorytm genetyczny (PAG) Schemat blokowy algorytmu genetycznego Znaczenia, pochodzących z biologii i genetyki, pojęć

Bardziej szczegółowo

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA Wykład 8 Narzędzia zarządzania informacją cz. 2 Dr inż. Mariusz Makuchowski Baza wiedzy Baza wiedzy (ang. Knowledgebase) stanowi swoisty rejestr problemów zgłaszanych

Bardziej szczegółowo

Obliczenia ewolucyjne - plan wykładu

Obliczenia ewolucyjne - plan wykładu Obliczenia ewolucyjne - plan wykładu Wprowadzenie Algorytmy genetyczne Programowanie genetyczne Programowanie ewolucyjne Strategie ewolucyjne Inne modele obliczeń ewolucyjnych Podsumowanie Ewolucja Ewolucja

Bardziej szczegółowo

Algorytmy genetyczne w optymalizacji

Algorytmy genetyczne w optymalizacji Algorytmy genetyczne w optymalizacji Literatura 1. David E. Goldberg, Algorytmy genetyczne i ich zastosowania, WNT, Warszawa 1998; 2. Zbigniew Michalewicz, Algorytmy genetyczne + struktury danych = programy

Bardziej szczegółowo

Planowanie wieloasortymentowej produkcji rytmicznej Zastosowanie symulacji jako narzędzia weryfikacyjnego

Planowanie wieloasortymentowej produkcji rytmicznej Zastosowanie symulacji jako narzędzia weryfikacyjnego Planowanie wieloasortymentowej produkcji rytmicznej Zastosowanie symulacji jako narzędzia weryfikacyjnego Bożena Skołud bozena.skolud@polsl.pl Damian Krenczyk damian.krenczyk@polsl.pl MSP & micro MSP MSP

Bardziej szczegółowo

Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego

Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego IBS PAN, Warszawa 9 kwietnia 2008 Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego mgr inż. Marcin Jaruszewicz promotor: dr hab. inż. Jacek Mańdziuk,

Bardziej szczegółowo

Strategie ewolucyjne (ang. evolu4on strategies)

Strategie ewolucyjne (ang. evolu4on strategies) Strategie ewolucyjne (ang. evolu4on strategies) Strategia ewolucyjna (1+1) W Strategii Ewolucyjnej(1 + 1), populacja złożona z jednego osobnika generuje jednego potomka. Kolejne (jednoelementowe) populacje

Bardziej szczegółowo

Algorytmy stochastyczne, wykład 01 Podstawowy algorytm genetyczny

Algorytmy stochastyczne, wykład 01 Podstawowy algorytm genetyczny Algorytmy stochastyczne, wykład 01 J. Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 2014-02-21 In memoriam prof. dr hab. Tomasz Schreiber (1975-2010) 1 2 3 Różne Orientacyjny

Bardziej szczegółowo

Algorytmy genetyczne

Algorytmy genetyczne Politechnika Łódzka Katedra Informatyki Stosowanej Algorytmy genetyczne Wykład 2 Przygotował i prowadzi: Dr inż. Piotr Urbanek Powtórzenie Pytania: Jaki mechanizm jest stosowany w naturze do takiego modyfikowania

Bardziej szczegółowo

Zarządzanie łańcuchem dostaw

Zarządzanie łańcuchem dostaw Społeczna Wyższa Szkoła Przedsiębiorczości i Zarządzania kierunek: Zarządzanie i Marketing Zarządzanie łańcuchem dostaw Wykład 1 Opracowanie: dr Joanna Krygier 1 Zagadnienia Wprowadzenie do tematyki zarządzania

Bardziej szczegółowo

Strefa pokrycia radiowego wokół stacji bazowych. Zasięg stacji bazowych Zazębianie się komórek

Strefa pokrycia radiowego wokół stacji bazowych. Zasięg stacji bazowych Zazębianie się komórek Problem zapożyczania kanałów z wykorzystaniem narzędzi optymalizacji Wprowadzenie Rozwiązanie problemu przydziału częstotliwości prowadzi do stanu, w którym każdej stacji bazowej przydzielono żądaną liczbę

Bardziej szczegółowo

Przegląd problemów doskonalenia systemów zarządzania przedsiębiorstwem

Przegląd problemów doskonalenia systemów zarządzania przedsiębiorstwem Przegląd problemów doskonalenia systemów zarządzania przedsiębiorstwem Przegląd problemów doskonalenia systemów zarządzania przedsiębiorstwem pod redakcją Adama Stabryły Kraków 2011 Książka jest rezultatem

Bardziej szczegółowo

Program "FLiNN-GA" wersja 2.10.β

Program FLiNN-GA wersja 2.10.β POLSKIE TOWARZYSTWO SIECI NEURONOWYCH POLITECHNIKA CZĘSTOCHOWSKA Zakład Elektroniki, Informatyki i Automatyki Maciej Piliński Robert Nowicki - GA Program "FLiNN-GA" wersja 2.10.β Podręcznik użytkownika

Bardziej szczegółowo

Generowanie i optymalizacja harmonogramu za pomoca

Generowanie i optymalizacja harmonogramu za pomoca Generowanie i optymalizacja harmonogramu za pomoca na przykładzie generatora planu zajęć Matematyka Stosowana i Informatyka Stosowana Wydział Fizyki Technicznej i Matematyki Stosowanej Politechnika Gdańska

Bardziej szczegółowo

Controlling operacyjny i strategiczny

Controlling operacyjny i strategiczny Controlling operacyjny i strategiczny dr Piotr Modzelewski Katedra Bankowości, Finansów i Rachunkowości Wydziału Nauk Ekonomicznych Uniwersytetu Warszawskiego Plan zajęć 1, 2. Wprowadzenie do zagadnień

Bardziej szczegółowo

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA Wykład 9 Cykl życia systemu informatycznego Dr inż. Mariusz Makuchowski Cykl życia systemu informatycznego Przez cykl życia systemu informatycznego należy rozumieć określoną

Bardziej szczegółowo

ALGORYTMY GENETYCZNE (wykład + ćwiczenia)

ALGORYTMY GENETYCZNE (wykład + ćwiczenia) ALGORYTMY GENETYCZNE (wykład + ćwiczenia) Prof. dr hab. Krzysztof Dems Treści programowe: 1. Metody rozwiązywania problemów matematycznych i informatycznych.. Elementarny algorytm genetyczny: definicja

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

Katedra Informatyki Stosowanej. Algorytmy ewolucyjne. Inteligencja obliczeniowa

Katedra Informatyki Stosowanej. Algorytmy ewolucyjne. Inteligencja obliczeniowa Wydział Zarządzania AGH Katedra Informatyki Stosowanej Algorytmy ewolucyjne Treść wykładu Wprowadzenie Zasada działania Podział EA Cechy EA Algorytm genetyczny 2 EA - wprowadzenie Algorytmy ewolucyjne

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

Logistyka produkcji i dystrybucji MSP ćwiczenia 4 CRP PLANOWANIE ZAPOTRZEBOWANIA POTENCJAŁU. mgr inż. Roman DOMAŃSKI Katedra Systemów Logistycznych

Logistyka produkcji i dystrybucji MSP ćwiczenia 4 CRP PLANOWANIE ZAPOTRZEBOWANIA POTENCJAŁU. mgr inż. Roman DOMAŃSKI Katedra Systemów Logistycznych Logistyka produkcji i dystrybucji MSP ćwiczenia 4 CRP PLANOWANIE ZAPOTRZEBOWANIA POTENCJAŁU mgr inż. Roman DOMAŃSKI Katedra Systemów Logistycznych 1 Literatura Marek Fertsch Zarządzanie przepływem materiałów

Bardziej szczegółowo

Planowanie potrzeb materiałowych. prof. PŁ dr hab. inż. A. Szymonik

Planowanie potrzeb materiałowych. prof. PŁ dr hab. inż. A. Szymonik Planowanie potrzeb materiałowych prof. PŁ dr hab. inż. A. Szymonik www.gen-prof.pl Łódź 2017/2018 Planowanie zapotrzebowania materiałowego (MRP): zbiór technik, które pomagają w zarządzaniu procesem produkcji

Bardziej szczegółowo

Metody przeszukiwania

Metody przeszukiwania Metody przeszukiwania Co to jest przeszukiwanie Przeszukiwanie polega na odnajdywaniu rozwiązania w dyskretnej przestrzeni rozwiązao. Zwykle przeszukiwanie polega na znalezieniu określonego rozwiązania

Bardziej szczegółowo

Algorytmy ewolucyjne. wprowadzenie

Algorytmy ewolucyjne. wprowadzenie Algorytmy ewolucyjne wprowadzenie Gracjan Wilczewski, www.mat.uni.torun.pl/~gracjan Toruń, 2005 Historia Podstawowy algorytm genetyczny został wprowadzony przez Johna Hollanda (Uniwersytet Michigan) i

Bardziej szczegółowo

Projektowanie logistycznych gniazd przedmiotowych

Projektowanie logistycznych gniazd przedmiotowych Zygmunt Mazur Projektowanie logistycznych gniazd przedmiotowych Uwagi wstępne Logistyka obejmuje projektowanie struktury przep³ywu w procesie wytwarzania. Projektowanie dotyczy ustalania liczby, kszta³tu

Bardziej szczegółowo

Wykorzystanie technologii informacyjnych do zarządzania łańcuchami i sieciami dostaw w warunkach globalizacji rynku żywności

Wykorzystanie technologii informacyjnych do zarządzania łańcuchami i sieciami dostaw w warunkach globalizacji rynku żywności Zarządzanie łańcuchami dostaw żywności w Polsce. Kierunki zmian. Wacław Szymanowski Książka jest pierwszą na naszym rynku monografią poświęconą funkcjonowaniu łańcuchów dostaw na rynku żywności w Polsce.

Bardziej szczegółowo

Metody Rozmyte i Algorytmy Ewolucyjne

Metody Rozmyte i Algorytmy Ewolucyjne mgr inż. Wydział Matematyczno-Przyrodniczy Szkoła Nauk Ścisłych Uniwersytet Kardynała Stefana Wyszyńskiego Podstawowe operatory genetyczne Plan wykładu Przypomnienie 1 Przypomnienie Metody generacji liczb

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

System harmonogramowania produkcji KbRS

System harmonogramowania produkcji KbRS System harmonogramowania produkcji KbRS Spis treści O programie... 2 Instalacja... 2 Dane wejściowe... 2 Wprowadzanie danych... 2 Ręczne wprowadzanie danych... 2 Odczyt danych z pliku... 3 Odczyt danych

Bardziej szczegółowo

Zarządzanie Zapasami System informatyczny do monitorowania i planowania zapasów. Dawid Doliński

Zarządzanie Zapasami System informatyczny do monitorowania i planowania zapasów. Dawid Doliński Zarządzanie Zapasami System informatyczny do monitorowania i planowania zapasów Dawid Doliński Dlaczego MonZa? Korzyści z wdrożenia» zmniejszenie wartości zapasów o 40 %*» podniesienie poziomu obsługi

Bardziej szczegółowo

Algorytmy ewolucyjne 1

Algorytmy ewolucyjne 1 Algorytmy ewolucyjne 1 2 Zasady zaliczenia przedmiotu Prowadzący (wykład i pracownie specjalistyczną): Wojciech Kwedlo, pokój 205. Konsultacje dla studentów studiów dziennych: poniedziałek,środa, godz

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

LABORATORIUM 4: Algorytmy ewolucyjne cz. 2 wpływ operatorów krzyżowania i mutacji na skuteczność poszukiwań AE

LABORATORIUM 4: Algorytmy ewolucyjne cz. 2 wpływ operatorów krzyżowania i mutacji na skuteczność poszukiwań AE Instytut Mechaniki i Inżynierii Obliczeniowej Wydział Mechaniczny Technologiczny, Politechnika Śląska www.imio.polsl.pl METODY HEURYSTYCZNE LABORATORIUM 4: Algorytmy ewolucyjne cz. 2 wpływ operatorów krzyżowania

Bardziej szczegółowo

Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32

Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania 2/32 Cel analizy Celem fazy określania wymagań jest udzielenie odpowiedzi na pytanie:

Bardziej szczegółowo

Programowanie genetyczne, gra SNAKE

Programowanie genetyczne, gra SNAKE STUDENCKA PRACOWNIA ALGORYTMÓW EWOLUCYJNYCH Tomasz Kupczyk, Tomasz Urbański Programowanie genetyczne, gra SNAKE II UWr Wrocław 2009 Spis treści 1. Wstęp 3 1.1. Ogólny opis.....................................

Bardziej szczegółowo

Systemy Monitorowania Produkcji EDOCS

Systemy Monitorowania Produkcji EDOCS Systemy Monitorowania Produkcji EDOCS Kim jesteśmy? 5 Letnie doświadczenie przy wdrażaniu oraz tworzeniu oprogramowania do monitorowania produkcji, W pełni autorskie oprogramowanie, Firma korzysta z profesjonalnego

Bardziej szczegółowo

www.streamsoft.pl Katalog rozwiązań informatycznych dla firm produkcyjnych

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

Bardziej szczegółowo

5. Algorytm genetyczny przykład zastosowania

5. Algorytm genetyczny przykład zastosowania 5. Algorytm genetyczny przykład zastosowania Zagadnienie magicznych kwadratów Opis działania algorytmu Zagadnienie magicznych kwadratów polega na wygenerowaniu kwadratu n n, w którym elementami są liczby

Bardziej szczegółowo

www.e-bit.edu.pl Cennik szkoleń e-learning 2015 rok

www.e-bit.edu.pl Cennik szkoleń e-learning 2015 rok www.e-bit.edu.pl Cennik szkoleń e-learning 2015 rok LOGISTYKA ZARZĄDZANIE ZAPASAMI Podstawowe problemy zarządzania zapasami Popyt Poziom obsługi klienta Zapas zabezpieczający Podstawowe systemy uzupełniania

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

Techniki CAx. dr inż. Michał Michna. Politechnika Gdańska

Techniki CAx. dr inż. Michał Michna. Politechnika Gdańska Techniki CAx dr inż. Michał Michna 1 Sterowanie CAP Planowanie PPC Sterowanie zleceniami Kosztorysowanie Projektowanie CAD/CAM CAD Klasyfikacja systemów Cax Y-CIM model Planowanie produkcji Konstruowanie

Bardziej szczegółowo

Strategie ewolucyjne. Gnypowicz Damian Staniszczak Łukasz Woźniak Marek

Strategie ewolucyjne. Gnypowicz Damian Staniszczak Łukasz Woźniak Marek Strategie ewolucyjne Gnypowicz Damian Staniszczak Łukasz Woźniak Marek Strategie ewolucyjne, a algorytmy genetyczne Podobieństwa: Oba działają na populacjach rozwiązań Korzystają z zasad selecji i przetwarzania

Bardziej szczegółowo

K.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz

K.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz K.Pieńkosz Wprowadzenie 1 dr inż. Krzysztof Pieńkosz Instytut Automatyki i Informatyki Stosowanej Politechniki Warszawskiej pok. 560 A tel.: 234-78-64 e-mail: K.Pienkosz@ia.pw.edu.pl K.Pieńkosz Wprowadzenie

Bardziej szczegółowo

Zadania laboratoryjne i projektowe - wersja β

Zadania laboratoryjne i projektowe - wersja β Zadania laboratoryjne i projektowe - wersja β 1 Laboratorium Dwa problemy do wyboru (jeden do realizacji). 1. Water Jug Problem, 2. Wieże Hanoi. Water Jug Problem Ograniczenia dla każdej z wersji: pojemniki

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

6 Metody badania i modele rozwoju organizacji

6 Metody badania i modele rozwoju organizacji Spis treści Przedmowa 11 1. Kreowanie systemu zarządzania wiedzą w organizacji 13 1.1. Istota systemu zarządzania wiedzą 13 1.2. Cechy dobrego systemu zarządzania wiedzą 16 1.3. Czynniki determinujące

Bardziej szczegółowo

Zarządzanie projektami

Zarządzanie projektami Dr Adam Kucharski Spis treści Podstawowe pojęcia Metoda CPM 3 3 Przykład analizy metodą CPM 5 Podstawowe pojęcia Przedsięwzięcia złożone z wielu czynności spotykane są na każdym kroku. Jako przykład może

Bardziej szczegółowo

Specjalność Optymalizacja Decyzji Menedżerskich. Katedra Badań Operacyjnych Uniwersytetu Łódzkiego

Specjalność Optymalizacja Decyzji Menedżerskich. Katedra Badań Operacyjnych Uniwersytetu Łódzkiego Specjalność Optymalizacja Decyzji Menedżerskich Katedra Badań Operacyjnych Uniwersytetu Łódzkiego Kilka słów o nas Katedra Badań Operacyjnych jest częścią Instytutu Ekonomik Stosowanych i Informatyki.

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

Praca Dyplomowa Magisterska. Zastosowanie algorytmów genetycznych w zagadnieniach optymalizacji produkcji

Praca Dyplomowa Magisterska. Zastosowanie algorytmów genetycznych w zagadnieniach optymalizacji produkcji Praca Dyplomowa Magisterska Zastosowanie algorytmów genetycznych w zagadnieniach optymalizacji produkcji Cel pracy zapoznanie się z zasadami działania ania algorytmów genetycznych przedstawienie możliwo

Bardziej szczegółowo

Dobór parametrów algorytmu ewolucyjnego

Dobór parametrów algorytmu ewolucyjnego Dobór parametrów algorytmu ewolucyjnego 1 2 Wstęp Algorytm ewolucyjny posiada wiele parametrów. Przykładowo dla algorytmu genetycznego są to: prawdopodobieństwa stosowania operatorów mutacji i krzyżowania.

Bardziej szczegółowo

Planowanie i organizacja produkcji Zarządzanie produkcją

Planowanie i organizacja produkcji Zarządzanie produkcją Planowanie i organizacja produkcji Zarządzanie produkcją Materiały szkoleniowe. Część 2 Zagadnienia Część 1. Parametry procesu produkcyjnego niezbędne dla logistyki Część 2. Produkcja na zapas i zamówienie

Bardziej szczegółowo

Proces tworzenia wartości w łańcuchu logistycznym. prof. PŁ dr hab. inż. Andrzej Szymonik 2014/2015

Proces tworzenia wartości w łańcuchu logistycznym. prof. PŁ dr hab. inż. Andrzej Szymonik  2014/2015 Proces tworzenia wartości w łańcuchu logistycznym prof. PŁ dr hab. inż. Andrzej Szymonik www.gen-prof.pl 2014/2015 Proces Proces def: 1. Uporządkowany w czasie ciąg zmian i stanów zachodzących po sobie.

Bardziej szczegółowo

Zadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik

Zadanie transportowe i problem komiwojażera. Tadeusz Trzaskalik Zadanie transportowe i problem komiwojażera Tadeusz Trzaskalik 3.. Wprowadzenie Słowa kluczowe Zbilansowane zadanie transportowe Rozwiązanie początkowe Metoda minimalnego elementu macierzy kosztów Metoda

Bardziej szczegółowo

JAKOŚCI W RÓŻNYCH FAZACH I ŻYCIA PRODUKTU

JAKOŚCI W RÓŻNYCH FAZACH I ŻYCIA PRODUKTU Wykład 6. SYSTEMY ZAPEWNIANIA JAKOŚCI W RÓŻNYCH FAZACH CYKLU WYTWARZANIA I ŻYCIA PRODUKTU 1 1. Ogólna charakterystyka systemów zapewniania jakości w organizacji: Zapewnienie jakości to systematyczne działania

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

Studia stacjonarne I stopnia

Studia stacjonarne I stopnia Studia stacjonarne I stopnia Kierunek Logistyka sem. 1 Logistyka Ćwiczenia 7 Literatura Red. M. Fertsch: Logistyka produkcji Biblioteka Logistyka ILiM Poznań 2003 M. Fertsch: Podstawy zarządzania przepływem

Bardziej szczegółowo

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA Wykład 4 Systemy informatyczne ERP Dr inż. Mariusz Makuchowski Systemy informatyczne ERP Zintegrowane Systemy Informatyczne klasy ERP (Enterprise resource Planning)

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

1. WSKAŻ POZIOMY PODEJMOWANIA DECYZJI W PRZEDSIĘBIORSTWIE: 1. STRATEGICZNE 2. TAKTYCZNE 3. OPERACYJNE

1. WSKAŻ POZIOMY PODEJMOWANIA DECYZJI W PRZEDSIĘBIORSTWIE: 1. STRATEGICZNE 2. TAKTYCZNE 3. OPERACYJNE PYTANIA 1. WSKAŻ POZIOMY PODEJMOWANIA DECYZJI W PRZEDSIĘBIORSTWIE: 1. STRATEGICZNE 2. TAKTYCZNE 3. OPERACYJNE 2. CZY ZGADZASZ SIĘ Z TWIERDZENIEM, ŻE DECYZJE TAKTYCZNE SĄ NAJWAŻNIEJSZE DLA ORGANIZACJI,

Bardziej szczegółowo

Zarządzanie Produkcją IV

Zarządzanie Produkcją IV Zarządzanie Produkcją IV Dr Janusz Sasak Sterowanie produkcją Działalność obejmująca planowanie, kontrolę i regulację przepływu materiałów w sferze produkcji, począwszy od określenia zapotrzebowania na

Bardziej szczegółowo

Zarządzanie logistyką w przedsiębiorstwie

Zarządzanie logistyką w przedsiębiorstwie Zarządzanie logistyką w przedsiębiorstwie Cele szkolenia Zasadniczym celem szkolenia jest rozpracowanie struktury organizacyjnej odpowiedzialnej za organizację procesów zaopatrzeniowo - dystrybucyjnych,

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

Algorytmy genetyczne

Algorytmy genetyczne Politechnika Łódzka Katedra Informatyki Stosowanej Algorytmy genetyczne Wykład 2 Przygotował i prowadzi: Dr inż. Piotr Urbanek Powtórzenie Pytania: Jaki mechanizm jest stosowany w naturze do takiego modyfikowania

Bardziej szczegółowo

PROBLEMY DECYZYJNE KRÓTKOOKRESOWE

PROBLEMY DECYZYJNE KRÓTKOOKRESOWE PROBLEMY DECYZYJNE KRÓTKOOKRESOWE OPTYMALNA STRUKTURA PRODUKCJI Na podstawie: J. Wermut, Rachunkowość zarządcza, ODDK, Gdańsk 2013 1 DECYZJE KRÓTKOOKRESOWE Decyzje krótkookresowe to takie, które dotyczą

Bardziej szczegółowo

Studia stacjonarne I stopnia

Studia stacjonarne I stopnia Studia stacjonarne I stopnia Kierunek Logistyka sem. 1 Logistyka Ćwiczenia 2 Literatura Red. M. Fertsch: Logistyka produkcji Biblioteka Logistyka ILiM Poznań 2003 M. Fertsch: Podstawy zarządzania przepływem

Bardziej szczegółowo

Specjalność Optymalizacja Decyzji Menedżerskich. Katedra Badań Operacyjnych Uniwersytetu Łódzkiego

Specjalność Optymalizacja Decyzji Menedżerskich. Katedra Badań Operacyjnych Uniwersytetu Łódzkiego Specjalność Optymalizacja Decyzji Menedżerskich Katedra Badań Operacyjnych Uniwersytetu Łódzkiego Kilka słów o nas Katedra Badań Operacyjnych jest częścią Instytutu Ekonomik Stosowanych i Informatyki.

Bardziej szczegółowo

Dr hab. inż. Jan Duda. Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji

Dr hab. inż. Jan Duda. Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji Automatyzacja i Robotyzacja Procesów Produkcyjnych Dr hab. inż. Jan Duda Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji Podstawowe pojęcia Automatyka Nauka o metodach i układach sterowania

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

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

Zakupy i kooperacje. Rys.1. Okno pracy technologów opisujące szczegółowo proces produkcji Wałka fi 14 w serii 200 sztuk.

Zakupy i kooperacje. Rys.1. Okno pracy technologów opisujące szczegółowo proces produkcji Wałka fi 14 w serii 200 sztuk. Zakupy i kooperacje Wstęp Niewątpliwie, planowanie i kontrola procesów logistycznych, to nie lada wyzwanie dla przedsiębiorstw produkcyjnych. Podejmowanie trafnych decyzji zależy od bardzo wielu czynników.

Bardziej szczegółowo

Gospodarcze zastosowania algorytmów genetycznych

Gospodarcze zastosowania algorytmów genetycznych Marta Woźniak Gospodarcze zastosowania algorytmów genetycznych 1. Wstęp Ekonometria jako nauka zajmująca się ustalaniem za pomocą metod statystycznych ilościowych prawidłowości zachodzących w życiu gospodarczym

Bardziej szczegółowo

Controlling strategiczny i operacyjny. Zajęcia nr 2. Wprowadzenie do zagadnień controllingu (cd.)

Controlling strategiczny i operacyjny. Zajęcia nr 2. Wprowadzenie do zagadnień controllingu (cd.) strategiczny i operacyjny Zajęcia nr 2. Wprowadzenie do zagadnień controllingu (cd.) Kryteria klasyfikacji controllingu 1. Przedmiot/rodzaj działalności 2. Horyzont czasu/funkcji 3. Zakres 4. Idea/cel

Bardziej szczegółowo

E-logistyka Redakcja naukowa Waldemar Wieczerzycki

E-logistyka Redakcja naukowa Waldemar Wieczerzycki E-logistyka Redakcja naukowa Waldemar Wieczerzycki E-logistyka to szerokie zastosowanie najnowszych technologii informacyjnych do wspomagania zarządzania logistycznego przedsiębiorstwem (np. produkcją,

Bardziej szczegółowo

Metody Ilościowe w Socjologii

Metody Ilościowe w Socjologii Metody Ilościowe w Socjologii wykład 4 BADANIA OPERACYJNE dr inż. Maciej Wolny AGENDA I. Badania operacyjne podstawowe definicje II. Metodologia badań operacyjnych III. Wybrane zagadnienia badań operacyjnych

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

Zarządzanie logistyką. Zarządzanie operacyjne łańcuchem dostaw.

Zarządzanie logistyką. Zarządzanie operacyjne łańcuchem dostaw. Zarządzanie logistyką. Zarządzanie operacyjne łańcuchem dostaw. Opis Zapotrzebowanie na wykwalifikowanych menedżerów łańcuchów dostaw i pracowników integrujących zarządzanie rozproszonymi komórkami organizacyjnymi

Bardziej szczegółowo

Gospodarka zapasami. Studia stacjonarne Semestr letni 2011/2012. Wykład

Gospodarka zapasami. Studia stacjonarne Semestr letni 2011/2012. Wykład Gospodarka zapasami Studia stacjonarne Semestr letni 2011/2012 Wykład 1 9.02.2012 Program wykładów: Przedmiot Gospodarka zapasami obejmuje następujące zagadnienia: Podstawowe pojęcia w zarządzaniu zapasami

Bardziej szczegółowo

Planowanie logistyczne

Planowanie logistyczne Planowanie logistyczne Opis Szkolenie porusza wszelkie aspekty planowania w sferze logistyki. Podział zagadnień dotyczących planowania logistycznego w głównej części szkolenia na obszary dystrybucji, produkcji

Bardziej szczegółowo

METODA SYMPLEKS. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski

METODA SYMPLEKS. Maciej Patan. Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski METODA SYMPLEKS Maciej Patan Uniwersytet Zielonogórski WSTĘP Algorytm Sympleks najpotężniejsza metoda rozwiązywania programów liniowych Metoda generuje ciąg dopuszczalnych rozwiązań x k w taki sposób,

Bardziej szczegółowo

1.3. Strumienie oraz zasoby rzeczowe i informacyjne jako przedmiot logistyki 2. ROLA LOGISTYKI W KSZTAŁTOWANIU EKONOMIKI PRZEDSIĘBIORSTWA

1.3. Strumienie oraz zasoby rzeczowe i informacyjne jako przedmiot logistyki 2. ROLA LOGISTYKI W KSZTAŁTOWANIU EKONOMIKI PRZEDSIĘBIORSTWA Logistyka w przedsiębiorstwie Autor: Czesław Skowronek, Zdzisław Sarjusz-Wolski OD AUTORÓW 1. ISTOTA I PRZEDMIOT LOGISTYKI 1.1. Pojęcie i istota logistyki 1.2. Powstanie i Rozwój logistyki 1.3. Strumienie

Bardziej szczegółowo

Logistyka w sferze magazynowania i gospodarowania zapasami analiza ABC i XYZ. prof. PŁ dr hab. inż. Andrzej Szymonik

Logistyka w sferze magazynowania i gospodarowania zapasami analiza ABC i XYZ. prof. PŁ dr hab. inż. Andrzej Szymonik Logistyka w sferze magazynowania i gospodarowania zapasami analiza ABC i XYZ prof. PŁ dr hab. inż. Andrzej Szymonik www.gen-prof.pl Łódź 2016/2017 1 2 Def. zapas: Jest to rzeczowa, niespieniężona część

Bardziej szczegółowo