KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA
|
|
- Jarosław Kubiak
- 8 lat temu
- Przeglądów:
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)-
Optymalizacja W praktyce inżynierskiej często zachodzi potrzeba znalezienia parametrów, dla których system/urządzenie będzie działać w sposób optymalny. Klasyczne podejście do optymalizacji: sformułowanie
Bardziej szczegółowoSCHEMAT 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 szczegółowoALGORYTMY 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 szczegółowoZadanie 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 szczegółowoAlgorytm 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 szczegółowoAlgorytmy genetyczne
Algorytmy genetyczne Motto: Zamiast pracowicie poszukiwać najlepszego rozwiązania problemu informatycznego lepiej pozwolić, żeby komputer sam sobie to rozwiązanie wyhodował! Algorytmy genetyczne służą
Bardziej szczegółowoAlgorytmy 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 szczegółowoAlgorytmy 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 szczegółowoAlgorytmy 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 szczegółowoAlgorytmy 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 szczegółowo6. 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 szczegółowoWielokryterialne 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 szczegółowoAlgorytmy 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 szczegółowoPLAN 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 szczegółowoAlgorytmy 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 szczegółowoCechy 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 szczegółowoAlgorytmy 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 szczegółowoAlgorytmy 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 szczegółowoKOMPUTEROWE 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 szczegółowoObliczenia ewolucyjne - plan wykładu
Obliczenia ewolucyjne - plan wykładu Wprowadzenie Algorytmy genetyczne Programowanie genetyczne Programowanie ewolucyjne Strategie ewolucyjne Inne modele obliczeń ewolucyjnych Podsumowanie Ewolucja Ewolucja
Bardziej szczegółowoAlgorytmy 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 szczegółowoPlanowanie 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 szczegółowoObrona 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 szczegółowoStrategie 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 szczegółowoAlgorytmy 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 szczegółowoAlgorytmy 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 szczegółowoZarządzanie 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 szczegółowoStrefa 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 szczegółowoPrzegląd 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 szczegółowoProgram "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 szczegółowoGenerowanie 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 szczegółowoControlling 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 szczegółowoKOMPUTEROWE 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 szczegółowoALGORYTMY 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 szczegółowoSpis 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 szczegółowoKatedra 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 szczegółowoOrganizacja 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 szczegółowoLogistyka 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 szczegółowoPlanowanie 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 szczegółowoMetody przeszukiwania
Metody przeszukiwania Co to jest przeszukiwanie Przeszukiwanie polega na odnajdywaniu rozwiązania w dyskretnej przestrzeni rozwiązao. Zwykle przeszukiwanie polega na znalezieniu określonego rozwiązania
Bardziej szczegółowoAlgorytmy 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 szczegółowoProjektowanie 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 szczegółowoWykorzystanie 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 szczegółowoMetody 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 szczegółowoKatalog 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 szczegółowoSystem 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 szczegółowoZarządzanie 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 szczegółowoAlgorytmy 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 szczegółowoHarmonogramowanie 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 szczegółowoLABORATORIUM 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 szczegółowoAnaliza 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 szczegółowoProgramowanie 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 szczegółowoSystemy 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 szczegółowowww.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 szczegółowo5. 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 szczegółowowww.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 szczegółowoPlanowanie 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 szczegółowoTechniki 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 szczegółowoStrategie 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 szczegółowoK.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 szczegółowoZadania 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 szczegółowoHarmonogramowanie 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 szczegółowo6 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 szczegółowoZarządzanie 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 szczegółowoSpecjalność 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 szczegółowoHARMONOGRAMOWANIE 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 szczegółowoPraca 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 szczegółowoDobór 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 szczegółowoPlanowanie 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 szczegółowoProces 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 szczegółowoZadanie 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 szczegółowoJAKOŚCI 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 szczegółowoPlanowanie 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 szczegółowoStudia 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 szczegółowoKOMPUTEROWE 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 szczegółowoZastosowanie 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 szczegółowo1. 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 szczegółowoZarządzanie 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 szczegółowoZarządzanie logistyką w przedsiębiorstwie
Zarządzanie logistyką w przedsiębiorstwie Cele szkolenia Zasadniczym celem szkolenia jest rozpracowanie struktury organizacyjnej odpowiedzialnej za organizację procesów zaopatrzeniowo - dystrybucyjnych,
Bardziej szczegółowoSterowanie 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 szczegółowoAlgorytmy 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 szczegółowoPROBLEMY 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 szczegółowoStudia 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 szczegółowoSpecjalność 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 szczegółowoDr 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 szczegółowoPraktyczne 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 szczegółowoTypy systemów informacyjnych
Typy systemów informacyjnych Information Systems Systemy Informacyjne Operations Support Systems Systemy Wsparcia Operacyjnego Management Support Systems Systemy Wspomagania Zarzadzania Transaction Processing
Bardziej szczegółowoZakupy 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 szczegółowoGospodarcze 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 szczegółowoControlling 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 szczegółowoE-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 szczegółowoMetody 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 szczegółowoAlgorytm 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 szczegółowoZarządzanie 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 szczegółowoGospodarka 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 szczegółowoPlanowanie 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 szczegółowoMETODA 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 szczegółowo1.3. 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 szczegółowoLogistyka 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