Ekonomicko-statistický návrh regulačního diagramu

Podobne dokumenty
Necht je funkce f spojitá v intervalu a, b a má derivaci v (a, b). Pak existuje bod ξ (a, b) tak, že f(b) f(a) b a. Geometricky

DFT. verze:

Komplexní analýza. Martin Bohata. Katedra matematiky FEL ČVUT v Praze Martin Bohata Komplexní analýza Mocninné řady 1 / 18

Inverzní Z-transformace

Numerické metody minimalizace

Statistika (KMI/PSTAT)

Funkce zadané implicitně. 4. března 2019

Numerické metody 8. května FJFI ČVUT v Praze

MATEMATIKA 3. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

Co nám prozradí derivace? 21. listopadu 2018

1 Soustava lineárních rovnic

Úvodní informace. 18. února 2019

Kristýna Kuncová. Matematika B2 18/19

Geometrická nelinearita: úvod

Jednoduchá zobrazení. Podpořeno z projektu FRVŠ 584/2011.

5. a 12. prosince 2018

Jednoduchá zobrazení. Podpořeno z projektu FRVŠ 584/2011.

Tvarová optimalizace pro 3D kontaktní problém

Matematika (KMI/PMATE)

Kristýna Kuncová. Matematika B3

Kapitola 4: Soustavy diferenciálních rovnic 1. řádu

Aproximace funkcí 1,00 0,841 1,10 0,864 1,20 0,885. Body proložíme lomenou čarou.

Stavový popis Stabilita spojitých systémů (K611MSAP) Katedra aplikované matematiky Fakulta dopravní ČVUT. čtvrtek 20. dubna 2006

(2) Funkce. Kristýna Kuncová. Matematika B2. Kristýna Kuncová (2) Funkce 1 / 25

Design of Experiment (DOE) Petr Misák. Brno 2016

Linea rnı (ne)za vislost

Návod k použití BUBNOVÁ SUŠIČKA

Paradoxy geometrické pravděpodobnosti

FAKULTA STAVEBNÍ. Stavební statika. Telefon: WWW:

Vybrané kapitoly z matematiky

Kristýna Kuncová. Matematika B2

Anna Kratochvílová Anna Kratochvílová (FJFI ČVUT) PDR ve zpracování obrazu / 17

NÁVOD K POUŽITÍ KEZELÉSI KÉZIKÖNYV INSTRUKCJA OBSŁUGI NÁVOD NA POUŽÍVANIE. Česky. Magyar. Polski. Slovensky

Zwój Prawoskrętny. Vinutí Pravé

Kristýna Kuncová. Matematika B2 18/19. Kristýna Kuncová (1) Vzorové otázky 1 / 36

Cauchyova úloha pro obyčejnou diferenciální rovnici

Logika V. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı BI-MLO, ZS 2011/12

(13) Fourierovy řady

Matematika 2, vzorová písemka 1

Matematika sexu a manželství. Masarykova univerzita, Přírodovědecká fakulta Ústav matematiky a statistiky

Petr Křemen FEL ČVUT. Petr Křemen (FEL ČVUT) Vysvětlování modelovacích chyb 133 / 156

Určitý (Riemannův) integrál a aplikace. Nevlastní integrál. 19. prosince 2018

Internet a zdroje. (Zdroje na Internetu) Mgr. Petr Jakubec. Katedra fyzikální chemie Univerzita Palackého v Olomouci Tř. 17.

Teorie plasticity. Varianty teorie plasticity. Pružnoplastická matice tuhosti materiálu

Katedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti

Statistika (KMI/PSTAT)

Register and win!

Operace s funkcemi [MA1-18:P2.1] funkční hodnota... y = f(x) (x argument)

ROBUST January 19, Zdeněk Fabián Ústav informatiky AVČR Praha

Obsah. Zobrazení na osmistěn. 1 Zobrazení sféry po částech - obecné vlastnosti 2 Zobrazení na pravidelný konvexní mnohostěn

Edita Pelantová, katedra matematiky / 16

kontaktní modely (Winklerův, Pasternakův)

Powyższe reguły to tylko jedna z wersji gry. Istnieje wiele innych wariantów, można też ustalać własne zasady. Miłej zabawy!

(1) Derivace. Kristýna Kuncová. Matematika B2 17/18. Kristýna Kuncová (1) Derivace 1 / 35

Martin Dlask (KSI FJFI) 3. března 2016

Ústav teorie informace a automatizace. Tato prezentace je k dispozici na:

IEL Přechodové jevy, vedení

podle přednášky doc. Eduarda Fuchse 16. prosince 2010

Stochastické modelování v ekonomii a financích Konzistence odhadu LWS. konzistence OLS odhadu. Předpoklady pro konzistenci LWS

Zadání: Vypočítejte hlavní momenty setrvačnosti a vykreslete elipsu setrvačnosti na zadaných

Biosignál II. Lékařská fakulta Masarykovy univerzity Brno

Rovnice proudění Slapový model

Kombinatorika a grafy I

Internetová matematická olympiáda 8. ročník, Baví se student Fakulty strojního inženýrství VUT v Brně (FSI) s kamarádem:

Reprezentace dat. BI-PA1 Programování a Algoritmizace I. Ladislav Vagner

Univerzita Karlova v Praze Matematicko-fyzikální fakulta. rizik. Katedra pravděpodobnosti a matematické statistiky

Skraplacze wyparne. Odpaøovací kondenzátory D 127/3-5 PL/CZ

Scheelova kometa. Dušan Merta. Colours of Sepsis 2019, OSTRAVA!!!

Co to znamená pro vztah mezi simultánní a marginální hustotou pravděpodobnosti f (x) (pravděpodobnostní funkci p(x))?

Energetické principy a variační metody ve stavební mechanice

prof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Pravděpodobnost a statistika Katedra teoretické informatiky Fakulta informačních technologií

Průvodce studiem V této kapitole se budeme zabývat diferenciálním počtem pro funkce více

Elementární funkce. Edita Pelantová. únor FJFI, ČVUT v Praze. katedra matematiky, FJFI, ČVUT v Praze

POLIURETANOWE SPRĘŻYNY NACISKOWE. POLYURETHANOVÉ TLAČNÉ PRUŽINY

Obsah. 1 Konstrukce (definice) Riemannova integrálu Výpočet Newtonova Leibnizova věta Aplikace výpočet objemů a obsahů 30

ENA 5 Załącznik. Instrukcja montażu i obsługi. Flamco.

Návod k obsluze 2 Ďäçăßĺň ńţóçň 10 Instrukcja obsugi 18 Kullanma Kýlavuzu 26

Matematika III Stechiometrie stručný

fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu (reg. č. CZ.1.07/2.2.00/28.

Dräger Alcotest 6820 Měřič obsahu alkoholu v dechu Urządzenie do pomiaru stężenia alkoholu w wydychanym powietrzu

Plyny v dynamickém stavu. Jsou-li ve vakuovém systému různé teploty, nebo tlaky dochází k přenosu energie, nebo k proudění plynu.

Vybrané partie z kvantitativního řízení rizik - kreditní riziko

L FL L FL CS PRAČKA NÁVOD K POUŽITÍ 2 PL PRALKA INSTRUKCJA OBSŁUGI 34

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava

Lineární algebra - iterační metody

Martin Pergel. 26. února Martin Pergel

7. Aplikace derivace

TGH01 - Algoritmizace

Matematická analýza II pro kombinované studium. Konzultace první a druhá. RNDr. Libuše Samková, Ph.D. pf.jcu.cz

Diferenciální rovnice základní pojmy. Rovnice se

Katedra aplikované matematiky FEI VŠB Technická univerzita Ostrava

Automatové modely. Stefan Ratschan. Fakulta informačních technologíı. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti

Metody, s nimiž se seznámíme v této kapitole, lze použít pro libovolnou

Obsah. Limita posloupnosti a funkce. Petr Hasil. Limita posloupnosti. Pro a R definujeme: Je-li a < 0, pak a =, a ( ) =. vlastní body.

Matematika pro ekonomiku

Shrnutí. Vladimír Brablec

Obecná orientace (obvykle. Makroskopická anizotropie ( velmi mnoho kluzných rovin )

Univerzita Palackého v Olomouci

A71100TSW0 CS MRAZNIČKA NÁVOD K POUŽITÍ 2 PL ZAMRAŻARKA INSTRUKCJA OBSŁUGI 18 SL ZAMRZOVALNIK NAVODILA ZA UPORABO 35

Příručka k rychlé instalaci: NWD2105. Základní informace. 1. Instalace softwaru

Transkrypt:

Ekonomicko-statistický návrh regulačního diagramu Eliška Cézová Centrum pro jakost a spolehlivost výroby, Ústav technické matematiky, Fakulta strojní Robust 2012 9. 14. září 2012, Němčičky

Obsah Úvod Základní model Rozšířený model Model s údržbou

Úvod Tn. Symbolem Základní Tf označíme čas potřebný k nalezení příčiny, která způsobila posun ve model Rozšířený model výrobním procesu. Pátý časový úsek Tr představuje dobu potřebnou k opravě výrobního Model s údržbou procesu a jeho navrácení do stavu pod kontrolou. Tato doba se do celkové délky cyklu započítává pouze tehdy, pokud výrobní proces vyrábí v průběhu opravy. Pokud proces po dobu opravy stojí, čas Tr = 0 a do celkové délky cyklu se nezapočítává. Na obr. 2.10. je Celková doba zobrazena celková procesu délka cyklu výrobního procesu. V dalším textu budeme předpokládat, že časový interval h mezi inspekcemi se po dobu řízení nemění. Dále předpokládejme, že známe rozdělení doby do vzniku vymezitelné příčiny (doby do poruchy). Začátek Poslední Nastává První Inspekce Detekce Nalezení Odstranění procesu inspekce zjistitelnáinspekce signalizujíctelné příčiny příčiny zjisti- zjistitelné zjistitelné pod před zjistitelnotelné zjistitel- příčiny příčina po zjisti- kontrolou příčinou příčině nou příčinu h Ts TIn Td TOut Tn T Cyklus obnovy Tf Obrázek 2.11: Celková délka cyklu procesu T In délka doby procesu pod kontrolou Použité symboly: T Out délka doby procesu mimo kontrolu Ts doba od počátku běhu procesu do s-té inspekce, kdy je proces pod kontrolou [hod] Td doba od s-té inspekce do n-té inspekce při níž je posun detekován [hod] Tn doba potřebná pro odebrání n vzorků a zakreslení výsledků měření do regulačního diagramu při inspekci [hod] 87 Tr

Celková doba procesu je součet středních hodnot délek jednotlivých období: E(T ) = E(T s ) + E(T d ) + E(T n ) + E(T f ) + γe(t r ), T s doba od počátku běhu procesu do s-té inspekce, kdy je proces pod kontrolou [hod] T d doba od s-té inspekce do n-té inspekce při níž je posun detekován [hod] T n doba potřebná pro odebrání n vzorků a zakreslení výsledků měření do regulačního diagramu při inspekci [hod] T f doba potřebná k nalezení zjistitelné příčiny, která způsobila posun v procesu [hod] T r doba potřebná k opravení zjistitelné příčiny [hod] γ = 1 proces pracuje po dobu opravy (mimo statistickou kontrolu) a γ = 0 pokud proces po dobu opravy stojí.

Úvod hodnotou sledované Základní model veličiny W na požadované úrovni Rozšířený µ0. Inspekce model provádíme po h hodinách. Model s údržbou Po určitém čase nastane zjistitelná příčina, která způsobí posunutí střední hod- noty. Posun ve střední hodnotě je δσw, zatímco µ0 ± δσw je hodnota procesu po té, co nastala zjistitelná příčina. V uvažovaném modelu je sledovanou veličinou aritmetický průměr n měření provedených při jedné inspekci a tedy CL je rovna µ0, UCL, resp. LCL, Délka cyklu je rovno procesu pro Duncanův model µ0 + k(σ/ n) resp. µ0 k(σ/ n). Při hledání zjistitelné příčiny výrobní proces nezastavujeme, snažíme se pouze upravovat parametry daného procesu. Předpokládáme, že známe parametry µ0, δ a σ, zatímco n, h a k jsou neznámými parametry, které optimalizujeme, viz [28], [62], [79], [30], [29]. Začátek Poslední Nastává První Inspekce Detekce Nalezení Odstranění procesu inspekce zjistitelnáinspekce signalizujíctelné zjisti- zjistitelné zjistitelné pod před zjistitelnotelné příčina po zjisti- příčiny příčiny kontrolou zjistitel- příčiny příčinou příčině nou příčinu 1/λ (h/(1 β)) τ proces τ posunutí procesu pod mimo kontrolu kontrolou (h/(1 β)) TIn TOut gn TA hledání příčiny oprava procesu T Cyklus obnovy Obrázek 2.12: Délka cyklu procesu pro Duncanův model Použité symboly: h doba mezi inspekcemi [hod] n je rozsah výběru vzorku [-] 91

Duncanův model Příklad: Vypočítejme minimální náklady pro daný výrobní proces regulovaný pomocí Shewhartova regulačního diagramu. Posun ve střední hodnotě δ = 2. Pravděpodobnost vzniku poruchy λ = 0.01. Náklady za hodinu procesu ve stavu pod kontrolou a mimo kontrolu M = 100 Kč. Inspekce jsou prováděny každé tři minuty tj. g = 0.05 hod. Doba k nalezení zjistitelné příčiny T A = 2 hod. Náklady na falešný signál C f = 50 Kč. Náklady na hledání zjistitelné příčiny C r = 25 Kč. Náklady na odebírání vzorků a zakreslení výběrového bodu do regulačního digramu C F = 0.50 Kč. Náklady na měření odebraného vzorku C V = 0.10 Kč. L = λmb + αc f h + λc r 1 + λb + C s h (1)

λh B ( M αc f n h λh 2 B ( M αc f h h λ B k λc r ( M αc f h λc r ) + C V (1 + λb) 2 = 0 (2) ) αc f (1 + λb) C s (1 + λb) 2 = 0 (3) λc r ) + C f h λh2 M P P 2 n + C V ( 1 λh 2 M P 1 2 λh2 M P 2 α (1 + λb) = 0 (4) k. = 0, (5) ) αc f C s. = 0, (6) P k + C α f k. = 0. (7)

Duncanův model Dopočítané hodnoty k, h a L. n volíme od 1... 25 k = 2 log C V 2πn. (8) δc f h =. αcf + C s λm ( 1 P 1 ). (9) 2 n k α P h B L 1 3.4609 0.00053843 0.0720 0.2164 4.9467 7.8426 2 3.3592 0.00078157 0.2978 0.5085 3.5536 5.1239 3 3.2983 0.00097260 0.5658 0.8183 3.1876 4.3666 4 3.2544 0.0011 0.7720 1.0969 3.0733 4.0950 5 3.2200 0.0013 0.8947 1.3126 3.0621 4.0230 6 3.1915 0.0014 0.9561 1.4645 3.1012 4.0484 7 3.1673 0.0015 0.9832 1.5714 3.1647 4.1210 8 3.1461 0.0017 0.9940 1.6530 3.2388 4.2143

Výsledek získaný pomocí Nelder-Meadovy metody: L = 4.0121, n = 4.8054, h = 1.3863, k = 3.0571. Výsledek získaný prohledáváním v dvojrozměrné oblasti pro h a k s krokem 0.001 při různých volbách n = 1,..., 25 L = 4.0133 n = 5, h = 1.4072, k = 3.0822.

Průběh ztrátové funkce v Duncanově modelu pro různé hodnoty n = 4, 5 a 6 5.4 5.2 5 Nákladová funkce 4.8 4.6 4.4 n = 6 n = 5 4.2 4 0.5 1 1.5 2 2.5 3 3.5 n = 4 4 h k

Lorenzen-Vancův model V roce 1986 T. J. Lorenzen a L. C. Vance uvedli ekonomický model, který v sobě zahrnuje náklady: náklady na vyhledání falešného signálu, náklady na hledání zjistitelné příčiny, náklady na opravu procesu, náklady na inspekce (na odběr vzorků). Dobu mezi odebíráním vzorků h bereme jako parametr, který optimalizujeme. T0 průměrná doba potřebná na vyhledání falešného signálu, T1 a T 2 očekávaná doba na odhalení a opravení zjistitelné příčiny. E(T In ) = 1 λ + (1 γ 1 )st 0, (10) ARL 0 střední doba do poruchy běžícího procesu, prodlužuje dobu, kdy je proces pod kontrolou o intervaly, ve kterých proces stojí a my detekujeme falešný signál. Parametr γ 1 = 1, pokud proces po dobu detekce běží jinak 0. E(T Out ) = τ + ng + h(arl δ ) + T 1 + T 2. (11) nastane zjistitelná příčina v procesu, aniž by byla detekována regulačním diagramem. (h τ), kde τ je doba, kdy nastane zjistitelná příčina mezi i-tým a (i + 1)-ním vzorkem. doba signalizující stav mimo kontrolu h(arlδ 1). doba potřebná na odebírání a zakreslení vzorků do diagramu je gn. doba k detekování zjistitelné příčiny T1 doba k odstranění zjistitelné příčiny a opravy procesu T2.

Úvod Celková doba, Základní kdy je model proces mimo kontrolu v sobě zahrnuje Rozšířený čtyři části. model První je doba, kdy Model s údržbou nastane zjistitelná příčina v procesu, aniž by byla detekována regulačním diagramem. Jde o dobu mezi prvním odběrem vzorku a okamžikem vzniku zjistitelné příčiny v procesu, která je rovna (h τ), kde τ je doba, kdy se nastane zjistitelná příčina mezi i-tým a (i + 1)-ním vzorkem. Druhou část tvoří doba, která signalizuje stav mimo kontrolu je Délka cyklu pro Lorenzen a Vancův model h(arlδ 1). Třetí část obsahuje dobu potřebnou na odebírání a zakreslení vzorků do diagramu je gn. Konečně čtvrtá část je složena z doby k detekování zjistitelné příčiny T1 a doby k odstranění zjistitelné příčiny a opravy procesu T2, viz. [2], [46], [49], [50]. Začátek Poslední Nastává První Inspekce Detekce Nalezení Odstranění procesu inspekce zjistitelnáinspekce signalizujíctelné příčiny příčiny zjisti- zjistitelné zjistitelné pod před zjistitelnotelné zjistitel- příčiny příčina po zjisti- kontrolou příčinou příčině nou příčinu vznik zjistitelné příčiny mezi dvěmi vzorky h TIn 1/λ + st0/arl0 τ h(arlδ 1) záznam hledání oprava dat do RD příčiny procesu TOut ng T1 T2 1/λ + st0/arl0+h τ +h(arlδ 1)+ng +T1 +T2 Obrázek 2.14: Délka cyklu procesu pro Lorenzen a Vancův model Použité symboly: h doba mezi inspekcemi [hod] n počet měření v rámci jedné inspekce (rozsah výběru vzorku) [-] Ekonomicko-statistický návrh regulačního g doba potřebná diagramu k provedení jednoho měření a jeho zakreslení při inspekci [hod]

Lorenzen Vancův model Střední ztráta plynoucí z nekvalitní výroby za cyklus je rovna E(C Q ) = C ( ) I λ + C O τ + ng + h(arl δ ) + γ 1 T 1 + γ 2 T 2. Náklady na detekci a opravu zjistitelné příčiny zahrnují i náklady na vyšetřování falešného signálu: E(C D ) = sc f ARL 0 + C r. Náklady na odběr vzorků za cyklus vyjádříme jako: E(C S ) = C ( 1 s λ τ + ng + h(arl ) δ) + γ 1 T 1 + γ 2 T 2. h Celkové náklady za jednotku času E(L) vyjádříme jako: E(L) = E(C Q) + E(C D ) + E(C S ) E(T )

Lorenzen Vancův model Příklad: Uvažujme proces řízený Shewhartovým regulačním diagramem X s těmito parametry: zjistitelná příčina způsobí posunutí ve střední hodnotě δ = 2, pravděpodobnost doby do vzniku poruchy má exponenciální rozdělení s parametrem λ = 0.01, náklady za hodinu v procesu pod kontrolou jsou C I = 0 Kč, náklady za hodinu v procesu mimo kontrolu činí C O = 100 Kč. náklady na vyšetření falešného signálu C f = 50 Kč, náklady na vyhledání zjistitelné příčiny a její odstranění C r = 25 Kč, variabilní náklady za vzorek C V = 0.10 Kč, fixní náklady za vzorek C F = 0.50 Kč, doba mezi odebíráním vzorků g = 0.05 hod, dobu k nalezení zjistitelné příčiny T 2 = 2 hod. Dobu na hledání falešného signálu T 0 a dobu na odhalení zjistitelné příčiny T 1 neuvažujeme. a) Výsledek pomocí Nelder-Meadovy simplexové metody je nejminimálnější hodnota ztrátové funkce L = 4.0116 pro hodnoty n = 4.8020, h = 1.3870, k = 3.0547. b) Výsledek pomocí prohledávání v dvojrozměrné oblasti pro h a k s krokem 0.001 při různých volbách n = 1,..., 25, je minimální hodnota ztrátové funkce L = 4.0128 pro hodnoty n = 5, h = 1.408, k = 3.08.

Průběh ztrátové funkce v Lorenzově-Vancově modelu pro hodnotu n = 5. 5 4.9 4.8 4.7 Nákladová funkce 4.6 4.5 4.4 4.3 4.2 4.1 4 4 3.5 k 3 2.5 0.8 1 1.2 h 1.4 1.6 1.8 2

4.2.3 Ekonomická analýza statistické regulace výrobního procesu s údržbou (scénáře S 1 - S 3 ) Model s údržbou Integrované přístupy k systému řízení procesu a údržby Systém řízení procesu a údržby vychází ze tří scénářů. Průběh procesu zaznamenáváme do Jak je vidět z obr. 2.15., systém řízení procesu a údržby vychází ze tří scénářů. Průběh regulačníchprocesu diagramů, zaznamenáváme kterýchdo zjišťujeme, regulačníchzda diagramů, je proces z kterých pod statistickou zjišt ujeme, zda kontrolou je proces nebo mimo statistickoupod kontrolu. statistickou Pokud kontrolou je ve stavu nebo není. pod kontrolou, Pokud je veprovedeme stavu pod kontrolou, v plánovaném provedeme časev údržbu procesu, která plánovaném předchází čase údržbu porušeprocesu, v procesu kteráa předchází reaktivníporuše údržbě. v procesu Reaktivní a reaktivní údržbuúdržbě. provádíme tehdy, kdy regulační Reaktivní diagram údržbu detekuje provádíme proces tehdy, mimo kdy regulační kontrolu. diagram Po provedení detekujereaktivní proces mimo nebo kontrolu. Po vrací provedení do stavu reaktivní pod nebo statistickou plánované kontrolu. údržby se proces vrací do stavu pod statis- plánované údržby se proces tickou kontrolu, viz. [43], [44]. Monitorování pomocí RD Proces mimo kontrolu Detekování procesu mimo kontrolu Nedetekování procesu mimo kontrolu Reaktivní údržba Reaktivní údržba S 1 S 2 Proces pod kontrolou Proces pod kontrolou Plánovaná údržba S 3 Obrázek 2.15: Integrovaný model regulačního diagramu a řízení údržby pro tři scénáře Použité symboly: h je doba mezi vzorkováním [hod] Ekonomicko-statistický návrh n je regulačního rozsah výběru diagramu vzorků (měření) při jedné inspekci [-]

Úvod Začátek Poslední Základní procesu model inspekce Nastává První Inspekce zjistitelnáinspekce signalizujíctelné Detekce Nalezení Odstranění zjisti- Rozšířený zjistitelné model zjistitelné Model s údržbou pod před zjistitelnotelné příčina po zjisti- příčiny příčiny kontrolou zjistitel- příčiny příčinou příčině nou příčinu Ve všech třech scénářích předpokládáme, že začínáme ve stavu pod kontrolou, inspekce provádíme po h hodinách h a poj údržbě se proces (j + 1) vrací (j + i) do stavureaktivní jako nový. inspekce údržba TIn TOut Začátek Poslední Nastává První Inspekce Detekce Nalezení Odstranění procesu inspekce zjistitelnáinspekce signalizující procesu telné mimo příčiny kontrolu) příčiny zjisti- zjistitelné zjistitelné pod Obrázek před zjistitelnotelné zjistitel- příčiny 2.16: příčina Scénář (S1) po zjisti- (detekování kontrolou příčinou příčině nou příčinu Ve scénáři (S2) dojde k posunu procesu v intervalu mezi j-tou a (j + 1)-ní inspekcí, nicméně proces pokračuje, protože regulační diagram nedetekoval posun v procesu, a tudížhnevyslal signál, že je proces mimo kontrolu před plánovanou údržbou. V (m + 1)- j (j + 1) (j + i) Reaktivní ním intervalu by měla začít plánovaná preventivní údržba nicméně, protože je indikován inspekce údržba stav mimo kontrolu bude provedena reaktivní údržba, která odstraní problém na zařízení TIn TOut a uvede jej do stejného stavu jako plánová preventivní údržba. Začátek Poslední Nastává První Inspekce Nalezení Odstranění procesu Obrázek inspekce 2.16: zjistitelná Scénář (S1) inspekce (detekování signalizující příčiny příčiny procesu mimo zjistitelné kontrolu) zjistitelné pod před zjistitelnou (S2) dojde k posunutelné procesu vzjistitel- intervalu mezi j-tou a (j + 1)-ní inspekcí, příčina po zjisti- Ve kontrolou scénáři nicméně proces příčinou pokračuje, protožepříčině regulační nou diagram příčinunedetekoval posun v procesu, a tudíž nevyslal signál, že je proces mimo kontrolu před plánovanou údržbou. V (m + 1)- ním intervalu by měla začít plánovaná preventivní údržba nicméně, protože je indikován stav mimo h kontrolu j bude provedena(j reaktivní + 1) údržba, která m odstraní m + 1problém na zařízení a uvedeinspekce jej do stejného stavu jako plánová preventivní údržba. Reaktivní TIn TOut údržba Začátek Poslední Nastává První Inspekce Nalezení Odstranění procesu inspekce zjistitelnáinspekce signalizující procesu mimo příčiny kontrolu) příčiny zjistitelné zjistitelné podzačátek Obrázek před zjistitelné zjistitel- 2.17: příčina Scénář (S2) po zjisti- (nedetekování kontrolou procesutelnou pod příčinou příčině nou příčinu Ve scénáři kontrolou (S3) začínáme ve stavu pod kontrolou a jsme ve stavu pod kontrolou i před provedením plánované údržby. Plánovaná údržba se uskutečňuje v (m + 1)-ním vzorkovacím h intervalu, tato údržba zabrání poruše v procesu. Plánovaná údržba je méně j (j + 1) m m + 1 nákladná než reaktivní údržba, protože přípravné práce mohou být provedeny za běhu inspekce Reaktivní procesu 1 před zahájením této údržby. TIn 2 TOut m údržba m + 1 inspekce Plánovaná TIn údržba Obrázek 2.17: Scénář (S2) (nedetekování procesu mimo kontrolu) Obrázek 2.18: Scénář (S3) (Proces 105pod kontrolou před plánovanou údržbou) Ekonomicko-statistický návrh regulačního Vediagramu scénáři (S3) začínáme ve stavu pod kontrolou a jsme ve stavu pod kontroloučeské i vysoké učení technické v Praze Figure:

Hodnota ztrátové funkce: Celková průměrná délka cyklu: E(L) = E(C)/E(T ) Celkové průměrné náklady: E(T ) = E[T S 1 ]P(S 1 ) + E[T S 2 ]P(S 2 ) + E[T S 3 ]P(S 3 ). E(C) = E[C S 1 ]P(S 1 ) + E[C S 2 ]P(S 2 ) + E[C S 3 ]P(S 3 ). Proces začíná ve stavu pod kontrolou s mechanismem poruchy, které má Weibullovo rozdělení s hustotou f (t) = λ ν νt ν 1 e (λt)ν, kde λ, ν, t 0 a distribuční funkcí, kterou označíme F(t). Pravděpodobnosti jednotlivých scénářů vyjádříme těmito vztahy: P[S 1 ] = F (mh)p(signál stav mimo kontrolu) P[S 2 ] = F ((m + 1)h) F (mh)p(signál stav mimo kontrolu) P[S 3 ] = 1 F((m + 1)h) V době pod kontrolou počítáme s průměrnou dobou do poruchy a počtem zjištěných falešných poplachů, které vyjádříme pomocí useknutého Weibullova rozdělení na intervalu 0, (m + 1)h s hustotou f Tr (t; m + 1) = λν νt ν 1 e (λt) ν, 0 t (m + 1)h. 1 e (λ(m+1)h)ν

Ve scénáři (S 1 ) předpokládáme detekci zjistitelné příčiny, která posune proces do stavu mimo kontrolu, po které následuje provedení reaktivní údržby. Střední dobu cyklu obnovy za předpokladu scénáře (S1), lze vyjádřit jako součet doby pod kontrolou a doby mimo kontrolu: E[T S 1 ] = E[T in S 1 ] + E[T out S 1 ]. Vezmeme-li do úvahy možnost zastavení procesu v dobách identifikace falešných poplachů (viz. (10)), dostáváme mh E[T in S 1 ] = tf Tr (t; m + 1)dt + (1 γ A ) st 0, 0 ARL 0 kde s je počet inspekcí, které proběhnou, když je proces pod kontrolou ve scénáři (S 1 ). V době, kdy je proces mimo kontrolu ve scénáři (S 1 ), detekujeme zjistitelnou příčinu, kterou vypočítáme následovně: E[T out S 1 ] = harl δ τ + gn + T A + T R, kde τ = m (i+1)h (t ih)f ih Tr (t; m + 1)dt. Celkové náklady ze scénáře (S 1 ) jsou součtem nákladů ze ztráty kvality, nákladů na i=0 vzorkování a nákladů na hledání falešného poplachu a údržbu: Náklady ze ztráty kvality ve scénáři (S1) jsou: E[C Q S 1 ] = C I mh Náklady na vzorkování ve scénáři (S1) jsou: E[C S S 1 ] = Cs Náklady na hledání falešného poplachu a údržbu jsou: E[C S 1 ] = E[C Q S 1 ] + E[C S S 1 ] + E[C D S 1 ]. 0 tf Tr (t; m + 1)dt + C O [ harl δ τ + gn + γ A T A + γ R T R ]. mh 0 tf Tr (t; m + 1)dt + h(arl δ ) τ + gn + γ A T A + γ R T R h E[C D S 1 ] = sc f ARL 0 + C R

Ve scénáři (S 2 ) předpokládáme, že zjistitelná příčina není detekována a proces je mimo kontrolu, provádíme reaktivní údržbu. Celková doba ze scénáře (S 2 ), která součtem doby pod kontrolou a dobou mimo kontrolu ze scénáře (S 2 ), je: E[T S 2 ] = E[T in S 2 ] + E[T out S 2 ] (m+1)h E[T in S 2 ] = tf Tr (t; m + 1)dt + (1 γ A ) st 0 0 ARL 0 (m+1)h E[T out S 2 ] = (m + 1)h tf Tr (t; m + 1)dt + T R 0 Celkové náklady ze scénáře (S 2 ) jsou součtem nákladů ze ztráty kvality, nákladů na vzorkování a nákladů na hledání falešného poplachu a údržbu: E[C S 2 ] = E[C Q S 2 ] + E[C S S 2 ] + E[C D S 2 ] Náklady ze ztráty kvality ve scénáři (S 2 ) jsou: (m+1)h E[C Q S 2 ] = C I tf Tr ] (m+1)h (t; m + 1)dt + C O [(m + 1)h tf (t)dt + γ R T R 0 0 Náklady na vzorkování ve scénáři (S 2 ) jsou: E[C S S 2 ] = mcs Náklady na hledání falešného poplachu a provedení reaktivní údržby ve scénáři (S 2 ) jsou: E[C D S 2 ] = sc f ARL 0 + C R

Ve scénáři (S 3 ) předpokládáme stav pod kontrolou, provedeme pouze plánovanou údržbu, která předchází zjistitelné příčině. Dobu potřebnou pro realizaci plánované údržby budeme dále označovat symbolem T P. Celková doba ve scénáři (S 3 ) je: E[T S3] = (m + 1)h + (1 γ A ) mt 0 ARL 0 + T P Celkové náklady ze scénáře S 3 jsou součtem nákladů ze ztráty kvality, nákladů na vzorkování a nákladů na hledání falešného poplachu a údržbu: E[C S 3 ] = E[C Q S 3 ] + E[C S S 3 ] + E[C D S 3 ] Náklady ze ztráty kvality ve scénáři (S 3 ) jsou (γ P je indikátor běhu procesu v průběhu plánované údržby): E[C Q S 3 ] = C I [(m + 1)h + γ P T P ] Náklady na vzorkování ve scénáři (S 3 ) jsou: E[C S S 3 ] = mcs Náklady na plánovanou údržbu ve scénáři (S 3 ) jsou: E[C D S 3 ] = mc f ARL 0 + C P

Příklad: Uvažujme proces řízený Shewhartovým diagramem X s těmito parametry: zjistitelná příčina způsobí posunutí ve střední hodnotě δ = 2, pravděpodobnost doby vzniku do poruchy má weibullovo rozdělení s parametrem měřítka λ = 0.05 a tvaru ν = 1, náklady za hodinu v procesu pod kontrolou C I = 0 Kč, náklady za hodinu v procesu mimo kontrolu činí C O = 100 Kč, náklady na vyšetření falešného poplachu C f = 5 Kč, náklady na provedení reaktivní údržby C R = 50 Kč, náklady na provedení plánované údržby C P = 75 Kč, variabilní náklady na odebírání vzorku jsou C V = 1Kč, fixní náklady za vzorek jsou C F = 5 Kč, počet vzorků před plánovanou údržbou m = 300, doba na odběr a jejich zakreslení do diagramu g = 0.05 hod, doba strávená hledáním falešného signálu T 0 = 1 hod, doba k určení výskytu zjistitelné příčiny T A = 1 hod, doba k provedení reaktivní údržby T R = 3, dobu k provedení plánované údržby T P = 8. Proces běží během hledání příčiny, reaktivní údržby a plánované údržby stanovíme parametr γ A = γ R = γ P = 1. Průběh ztrátové funkce pro n = 5 je na následujícím obrázku. Minimální hodnoty L = 28.4632 je dosaženo při h = 2.7 a k = 0.7.

31 30.5 Nákladová funkce 30 29.5 29 28.5 28 1 0.9 0.8 k 0.7 0.6 0.5 2 2.2 2.4 h 2.6 2.8 3 Figure: Průběh ztrátové funkce pro tři scénáře pro hodnotu n = 5.

140 120 Nákladová funkce 100 80 60 40 20 5 4 3 h 2 1 0 0 5 n 10 15 20 Figure: Průběh ztrátové funkce pro tři scénáře pro hodnotu k = 3.024. Samotná ekonomická optimalizace nevede vždy k nejlepším výsledkům. V daném případě by nízká hodnota k vedla k nepřijatelně nízké hodnotě ARL 0 = 3.621, tedy k velmi četným falešným poplachům. provedeme ekonomicko-statistickou optimalizaci, kde určíme optimální hodnotu k0 pro požadovanou minimální hodnotu ARL 0, provedeme ekonomickou optimalizaci pro tuto optimální hodnotu k0 = 3.024 pro požadovanou hodnotu ARL 0 = 400, výsledkem ekonomické optimalizace je: L = 31.3277, n = 11, h = 2.4, výsledná hodnota ARL0 = 400.8716.

Použitá literatura: Cézová, E. (2008) Ekonomicko-statistický návrh regulačního diagramu, Request 08, CQR VUT Brno Duncan, A. J. (1956), The economic design of X-charts used to maintain current control of a process. Journal of the American Statistical Association, Vol. 51, No. 274, pp. 228-242 Linderman K., Anderson J. C., McKone-Sweet K.E. (2005), An integrated systems approach to process control and maintenance. Europen Journal of Operational Research 164, pp. 324-340 Lorenzen, T. J. and Vance, L.C. (1986), The economic design of control charts: a unified approach. Technometrics 28, pp. 3-10 McWilliams P. T., (1994), Economic, statistical and economic-statistical X chart designs. Journal of Quality Technology, vol. 26, No.3, pp. 227-238

Děkuji za pozornost.