Agnieszka Kujawińska, Krzysztof Żywicki Model systemu sterowania przepływem I jakością produkcji; [w:] A. Balcerak, W. Kwaśnicki (red.) Metody symulacyjne w badaniu organizacji i w dydaktyce menedżerskiej. Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 2008, ss. 175-187. ROZDZIAŁ 11 MODEL SYSTEMU STEROWANIA PRZEPŁYWEM I JAKOŚCIĄ PRODUKCJI W rozdziale przedstawiono założenia systemu sterowania przepływem i jakością produkcji dedykowanego dla małych i średnich przedsiębiorstwach (MSP). Charakterystycznym elementem systemu jest dynamiczna zmiana harmonogramu produkcji, zależna od zmieniających się warunków wykonania zadań produkcyjnych. System pozwoli na określanie optymalnego przepływu produkcji oraz na dobór optymalnych warunków realizacji przewidzianych w harmonogramie. Słowa kluczowe: sterowanie przepływem produkcji, sterowanie jakością, wariantowanie procesów technologicznych 11.1. WPROWADZENIE Cechą charakterystyczną małych i średnich przedsiębiorstw jest łatwość przystosowania się do zmiennych i zróżnicowanych wymagań klientów (np. kosztów, czasu wykonania, jakości wyrobów, itd.). Przedsiębiorstwa te są elastyczne i z tego względu szybko reagują na zmiany zachodzące w otoczeniu firmy. Ich efektywność działania i tym samym konkurencyjność na rynku zależą nie tylko od zasobów firmy, ale także od stopnia wykorzystania tych zasobów. Problem wykorzystania zasobów jest ściśle związany z problemem sterowania przepływem produkcji. Nie można do tego celu adaptować ani metod postępowania, ani systemów komputerowych przeznaczonych przede wszystkim dla większych firm i to nie tylko ze względu na znaczne koszty, ale również na większą stabilizację produkcji w ich warunkach możliwe jest opracowanie stabilnego harmonogramu. Sterowanie produkcją w małych i średnich firmach wiąże się z koniecznością opracowania elastycznego planu sprzedaży (planu zleceń warsztatowych, produkcyjnych), reagującego na zmiany w zamówieniach klientów, jak i składanie przez nich nowych zamówień nie przewidywanych w dotychczasowym planie produkcji. Do tak dynamicznego planu sprzedaży należy dostosować równie dynamiczny harmonogram produkcji. Jest on podstawą inicjowania zaopatrzenia, przyporządkowania
176 Część II. Konceptualizacje i aplikacje operacji technologicznych do stanowisk roboczych (efektywnego zarządzania zasobami firmy), jak również określania terminów realizacji poszczególnych zadań. Rys. 11.1. Schemat systemu sterowania przepływem i jakością produkcji Opracowanie własne Opisywane badania obejmują założenia dotyczące systemu sterowania przepływem i jakością produkcji (SSPiJP) dedykowanego dla małych i średnich przedsiębiorstw, uwzględniającego możliwość szybkiego reagowania na zmiany warunków produkcji, portfela zamówień (w tym zmian w realizowanych już zleceniach produkcyjnych). Zmienność portfela zamówień jest przede wszystkim wynikiem coraz szerszego zastosowania w przedsiębiorstwach efektu ssania, co jest korzystne z punktu widzenia producenta wyrobu finalnego (produkuje on taką ilość wyrobów, na którą jest zapotrzebowanie). Jednocześnie wspomniana zmienność powoduje duże utrudnienia w firmach kooperujących z producentem wyrobów finalnych, wymuszając na nich konieczność dynamicznego przystosowywania się do tych zmian. Istota systemu SSPiJP przedstawiona została na rysunku 11.1. Funkcjonowanie systemu SSPiJP rozpoczyna się w chwili przyjęcia do realizacji nowego zamówienia
Rozdział 11. Model systemu sterowania przepływem i jakością produkcji 177 obejmującego: dokumentację konstrukcyjną oraz inne informacje odnośnie do zakresu i terminów. Dla każdego zamówienia określa się kategorię ważności, wyrażaną pewną wagą, która może uwzględniać kryteria np. dotyczące klienta (tu: klient o stałej współpracy, płatności dokonywane w terminie) bądź też przewidywanego efektu związanego z realizacją zamówienia (zakładany zysk). Dane konstrukcyjne związane z wyrobem wykonywanym w ramach zamówienia stanowią dane wejściowe do opracowania wariantów procesu technologicznego (blok wariantowanie procesu technologicznego). Opracowane warianty wyrażają alternatywne przebiegi realizacji procesu technologicznego, możliwych i realnych do wykonania w warunkach danego przedsiębiorstwa pod względem konstrukcyjnym i jakościowym. Stworzy to podstawę do opracowania harmonogramu przepływu produkcji, najkorzystniejszego pod kątem najlepszego wykorzystania zasobów przedsiębiorstwa oraz kosztów wykonania zlecenia. Za kryterium wariantowania przyjęty zostanie koszt i czas realizacji procesu technologicznego, oczywiście przy spełnieniu ograniczeń jakościowych. Wariantowanie opierać się będzie na metodzie nazwanej przez autorów rozdziału metodą powierzchni elementarnych (MPE). System sterowania przepływem i jakością produkcji wykorzystuje opracowane warianty procesu technologicznego oraz wagę zamówienia do opracowania dynamicznego harmonogramu produkcji. Informacje wynikające z tego harmonogramu stanowią podstawę uruchomienia zleceń warsztatowych (produkcyjnych, rozdziału zleceń na poszczególne zasoby firmy). W trakcie wykonywania zleceń na stanowiskach roboczych, do bloku sterowania przepływem i jakością produkcji przekazywane będą na bieżąco informacje dotyczące: statusu stanowiska roboczego (np. status zajęty, zgodnie z harmonogramem lub wolny), statusu produkcji w toku (np. wykonywany wyrób, seria produkcyjna, operacja technologiczna), uzyskiwanej w operacjach jakości wyrobów/procesów (np. wymiarów, chropowatości powierzchni), zdarzeń zakłócających przebieg operacji (np. utrata zdolności jakościowej, podjęte działania korygujące). Informacje o występujących na poziomie komórek roboczych zakłóceniach lub ich prawidłowej pracy (zgodnej z harmonogramem dynamicznym), umożliwiają podjęcie racjonalnych decyzji dotyczących przyjęcia nowych zleceń produkcyjnych lub też dokonanie ewentualnej korekty w realizowanych aktualnie zleceniach. Wiąże się to z koniecznością dokonania zmiany w harmonogramie produkcyji przez co nastąpi dostosowanie go do aktualnej sytuacji komórek roboczych oraz zaktualizowanych wymagań klientów.
178 Część II. Konceptualizacje i aplikacje 11.2. WARIANTOWANIE PROCESÓW TECHNOLOGICZNYCH Projektowanie procesu technologicznego powinno cechować się poszukiwaniem najlepszego (optymalnego) rozwiązania w celu osiągnięcia wymaganego kryterium. Jest to zatem wielowariantowy i wieloetapowy proces decyzyjny, w którym w przechodzeniu z etapu na etap przedmiot obróbki ulega zmianie, zaczynając od półfabrykatu, a kończąc na wyrobie gotowym. W trakcie projektowania procesów technologicznych rozpatrywanych jest wiele wariantów. Każdy z nich musi podlegać ocenie z punktu widzenia przyjętego kryterium, np. czasu czy kosztów wytworzenia. Wariantowanie może odbywać się na różnych poziomach struktury procesu technologicznego dla przyjętego rodzaju półfabrykatu [Żurek 1987, Feld 2000]. Zasadniczo wariantowanie procesu technologicznego można podzielić na dwa obszary: wariantowanie struktury procesu technologicznego (optymalizacja globalna; optymalizacja podstawowych powiązań elementów struktury procesu technologicznego): układu operacji, zabiegów, przejść obróbkowych opracowywanie alternatywnych rozwiązań na tym poziomie nazywane jest optymalizacją strukturalną, wariantowanie parametryczne (optymalizacja lokalna; optymalizacja podsystemów procesu technologicznego) na tym etapie czynniki podlegające wariantowaniu nie mają wpływu na inne poziomy, dotyczy to np. optymalizacji parametrów skrawania. Przykłady metod wariantowania i optymalizacji strukturalnej zostały ujęte w wielu opracowaniach [Feld 2000, Cichosz 1998, Jaskulski 2004, Susz i Chlebus 2004]. Metody te przede wszystkim polegają na wykorzystaniu teorii grafów. Ich głównym celem jest określenie alternatywnych rozwiązań dla danej sekwencji wykonywania operacji lub zabiegów obróbkowych. Sekwencja ta jest wynikiem ustalenia zależności (kolejności) i relacji wykonywania danych zabiegów z punktu widzenia wymogów procesu technologicznego. Wariantowanie (optymalizacja) parametryczna procesu technologicznego dotyczy przede wszystkim parametrów skrawania. Dobór i optymalizacja parametrów skrawania jest elementem szerszego zagadnienia, jakim jest dobór warunków skrawania procesu obróbki skrawaniem. Celem optymalizacji jest ustalenie spośród możliwych do zastosowania w danych warunkach, w obszarze rozwiązań dopuszczalnych określonych ograniczeniami, takich wartości parametrów, jak: prędkość skrawania, posuw i głębokość skrawania pozwalających uzyskać dla stosowanego kryterium optymalizacji jego ekstremalną wartość [Knosala 2002, Trentesaux i in. 1997].
Rozdział 11. Model systemu sterowania przepływem i jakością produkcji 179 Na podstawie przeprowadzonej analizy można stwierdzić, że nie istnieją metody dotyczące wariantowania uwzględniające łącznie rozpatrywanie tych dwóch obszarów. Opracowanie wariantów procesu technologicznego w systemie sterowanie przepływem i jakością produkcji będzie się odbywało przy wykorzystaniu metodyki zawierającej autorską metodę powierzchni elementarnych (MPE). Metodyka wariantowania w swej istocie obejmuje wariantowanie procesu technologicznego dwóch wymienionych obszarów struktury i parametryzacji. Założeniem metody powierzchni elementarnych (MPE) jest to, że w danej części obrabianej możliwe jest wydzielenie powierzchni elementarnych (ang. features), które można zdefiniować jako wydzielone fragmenty części obrabianej składające się na jej konstrukcyjny kształt końcowy, mające charakterystyczne wymiary geometryczne i parametry jakościowe (np. chropowatość powierzchni, dokładność wykonania), które determinują sposób wykonania tej części. Ten typ powierzchni elementarnych nazwano konstrukcyjnymi powierzchniami elementarnymi (PE K). Kształtowanie półfabrykatu następuje w wyniku wykonania powierzchni elementarnych operacyjnych (PE-O), czyli powierzchni powstających w wyniku zaplanowanego wykonania PE-K składających się na daną część obrabianą mających określony stan początkowy (wymiary geometryczne, parametry jakościowe), który w wyniku zastosowania danego sposobu obróbki przechodzi w stan końcowy (zbliżając PE-O do PE-K). Wariantowanie z wykorzystaniem metody powierzchni elementarnych dotyczy (rys. 11.2.): wyznaczenia wariantów zbiorów PE-O określających strategię kształtowania danej części, ustalenia wariantów sposobów wykonania PE-O wchodzących w skład zbiorów. Wariantowanie sposobu wykonania PE-O odbywa się w dwóch obszarach: środków technicznych: obrabiarek i narzędzi obróbkowych, które umożliwiają wykonanie danej PE-O, ze względu na typ powierzchni (np. walcowa cylindryczna), parametry geometryczne (kształt i wymiary charakteryzujące powierzchnię), jakościowe (dokładność wykonania, chropowatość), parametrów skrawania: prędkość skrawania, posuw, głębokość skrawania. W efekcie otrzymywany jest zbiór rozwiązań obejmujący obrabiarki, narzędzia obróbkowe dla każdej zdefiniowanej PE-O. Zbiór ten podlega regułom, w wyniku których uzyskiwany jest zbiór PE-O możliwych do wykonania na danej obrabiarce przy wykorzystaniu danych narzędzi i określonych parametrach obróbki, czasie i koszcie. Zakres ten w rozumieniu definicji jest operacją technologiczną, a więc kolejne zakresy PE-O składają się na proces technologiczny. Każdy zbiór zakresów posiada także
180 Część II. Konceptualizacje i aplikacje określony łączny koszt i czas realizacji. Z tego punktu widzenia system wskazuje zbiór zakresów optymalny z punktu widzenia kryterium kosztów i czasu. Rys. 11.2. Etapy wyznaczenia sposobu wykonania PE-O 11.3. HARMONOGRAMOWANIE Harmonogramowanie produkcji jest etapem niezwykle ważnym, istotnie rzutującym na koszty całego procesu produkcyjnego. Jest to również etap bardzo złożony, o czym świadczy chociażby znaczna liczba publikacji, dotyczących tej problematyki. Należy jednak zauważyć, że duża część z nich dotyczy tylko szczególnych przypadków harmonogramowania. Znajdowanie optymalnych ze względu na założone kryteria wariantów (najczęściej są to możliwie najniższe koszty i terminowe zakończenie produkcji), ich wdrożenie i kontrola nie zawsze jest możliwa z uwagi na sprzeczne
Rozdział 11. Model systemu sterowania przepływem i jakością produkcji 181 wymagania oraz możliwość wystąpienia zakłóceń produkcji [Berliński i Honczarenko 2003, Buchalski 2004]. Harmonogramowanie nabiera jeszcze większego znaczenia w przypadku nowych wymagań, jakimi są produkcja elastyczna (krótkie serie produkcyjne, zmienne wymagania klientów), czy też produkcja szybka (ciągłe zmniejszanie czasu między koncepcją produktu a jego wyprodukowaniem) [Caridi i Sianesi 2000]. Prawidłowe zaplanowanie i dalej, sterowanie przepływem produkcji stanowi kluczowy warunek terminowego przekazania klientowi produktu o wymaganej jakości. Jednocześnie rośnie też stopień złożoności zagadnienia harmonogramowania i jego powiązania z resztą systemu przygotowania produkcji [Kalinowski i Knosala 2003]. W dotychczas spotykanych rozwiązaniach problemu harmonogramowania stosowane były różne metody, poczynając od programowania dyskretnego, na metaheurystykach i wykorzystaniu metod sztucznej inteligencji kończąc. Niestety, praktyczne implementacje były dokonywane tylko dla określonych warunków, np. jednej lub dwóch maszyn, dla produkcji rytmicznej a dodatkowe założenia (np. nieskończona pojemność magazynów) sprawiały, że rozwiązania te w większości wypadków trudno jest bezpośrednio stosować w praktyce produkcyjnej [Grabowski i Pampera 2004]. Wynikiem prowadzonych badań w obszarze harmonogramowania jest opracowana metodyka, w której proces harmonogramowania przeprowadzany jest za pomocą metody analitycznej, wykorzystującej reguły priorytetów. Kolejne, pojawiające się w systemie zadania są sekwencyjnie przydzielane do odpowiednich dla nich rodzajów zasobów (zdefiniowanych na wcześniejszym etapie wariantowania procesu technologicznego), przy czym zadania pochodzące ze zlecenia o najwyższym priorytecie są rozmieszczane w pierwszej kolejności. W przypadku dokonywania zmian harmonogramu w wyniku pojawienia się określonych sygnałów z systemu (np. wystąpienie awarii na stanowisku roboczym, zakończenie wykonywania partii obróbkowej), wykorzystywana jest ta sama metoda, przy czym zmieniane są tylko te przyporządkowania zadań do zasobów, które są niezbędne (nie jest przebudowywany cały harmonogram). Aktualizacja harmonogramu dynamicznego jest wykonywana cyklicznie. Częstotliwość aktualizacji jest stała. Sygnały pochodzące z systemu są pomiędzy kolejnymi zmianami gromadzone i szeregowane według ważności (kluczowe znaczenie mają ponownie priorytety poszczególnych zleceń). Algorytm harmonogramujący sprawdza na bieżąco terminy zakończenia poszczególnych zleceń i porównuje je z terminami zdefiniowanymi we właściwościach zlecenia, aby uniknąć ich przekroczenia. Jeśli danego zlecenia nie udaje się rozplanować w taki sposób, by zostało ono zakończone w wymaganym terminie, powiadamiany jest operator, który może wprowadzić korekty (np. poprzez zmianę priorytetów). Planuje się na dalszym etapie rozbudować moduł harmonogramujący o system doradczy, który wskazywałby operatorowi rozwiązania problemu, optymalne z punktu widzenia przyjętych kryteriów. Po zakończeniu etapu harmonogramowania uaktualnione listy zadań są dostarczane do systemu
182 Część II. Konceptualizacje i aplikacje produkcyjnego, a ściślej do tych stanowisk, których program produkcji został zmieniony. Należy zaznaczyć, że przyjęta na obecnym etapie badań metoda harmonogramowania może zostać zmodyfikowana lub zastąpiona przez inną. Wynika to z faktu ciągłego poszukiwania metody najlepiej przystosowanej do zadania harmonogramowania dynamicznego, które wymaga nie tylko obecności pewnych mechanizmów optymalizujących, ale także dużej efektywności. 11.4. OCENA JAKOŚCI PROCESU Wymagania jakościowe w odniesieniu do procesów wytwarzania części maszyn sprowadzają się głównie do wymagań dotyczących dokładności wymiarowej i kształtowej wyrobu oraz właściwości warstwy wierzchniej. Cechy te muszą zapewnić bezawaryjną eksploatację wyrobu przez okres przewidziany przez projektanta i konstruktora. Jednym ze środków prowadzących do osiągnięcia tego celu przy jednoczesnym zachowaniu ekonomicznej efektywności wytwarzania jest sterowanie jakością w całym cyklu życia wyrobu [Hamrol 2005]. Sterowanie jakością opiera się na wykorzystaniu danych powstających podczas szeroko rozumianej kontroli jakości. Polega na aktywnym i dynamicznym (adaptacyjnym) sterowaniu przebiegiem procesów wytwarzania we wszystkich fazach produkcji, jak: koncepcji wyrobu, projektowania, technicznego przygotowania produkcji, wykonania, eksploatacji. Do niedawna podejście do problematyki zapewnienia jakości polegało na kontroli i podejmowaniu działań sterujących po zakończeniu kolejnych etapów produkcji (np. kontrola techniczna przeprowadzona po zakończeniu operacji). Współcześnie sterowanie jakością przeprowadzane jest w sposób ciągły, już w czasie realizacji procesu produkcyjnego [Dietrich i Schulze 2000]. Ma ono charakter doraźnych działań, interwencji i ma na celu operacyjne zabezpieczenie wymaganej jakości wykonania. Działania te mogą polegać między innymi na wymianie narzędzia, skorygowaniu parametrów procesu, zaostrzeniu kryteriów kontroli, itp. Pomimo dysponowania zaawansowana techniką pomiarową, stosowania coraz bardziej przyjaznego i rozbudowanego oprogramowania do przetwarzania wyników kontroli jakości, zrealizowanie sprawnie działającego sprzężenia informacyjnego pomiędzy procesem wytwarzania, a pozostałymi elementami systemu stwarza w praktyce nadal duże problemy. W wielu przypadkach dane pozyskiwane w toku produkcji są marnotrawione służą jedynie do bieżącej regulacji procesu, często są gromadzone tylko po to, aby spełnić wymagania odbiorców odnośnie do tzw. zapisów jakości. Tradycyjne narzędzia sterowania jakością wykazują często wiele słabości. Przykładowo karty kontrolne procesu oraz inne wskaźniki zdolności jakościowej nie przenoszą informacji na temat przyczyn zakłóceń procesu oraz wskazówek
Rozdział 11. Model systemu sterowania przepływem i jakością produkcji 183 dotyczących działań korygujących. Jest to powodem tego, że potencjalne możliwości narzędzi statystycznego sterowania procesami nie są w pełni wykorzystywane. W literaturze tematu brak jest również informacji, które wskazywałby na rozwiązania pozwalające na wykorzystanie informacji o jakości (wyrobów, maszyn, procesów) w obszarze sterowania przepływem produkcji (harmonogramowania) [Woodwall 2000, Smith 2004]. Uzasadnione jest zatem podjęcie prac w celu wyeliminowania lub przynajmniej ograniczenia tych słabości oraz wykorzystania zgromadzonych informacji jakościowych w podejmowaniu decyzji w harmonogramie dynamicznym. W ramach realizowanych badań dotyczących systemu sterowania przepływem i jakością produkcji opracowano rozwiązania pozwalające na zebranie zbioru danych dyskretnych o jakości procesu i zapisanie ich w postaci funkcji ciągłej pozwalającej na ocenę globalną jakości określonego wariantu. Rys. 11.4. Koncepcja wykorzystania narzędzi tradycyjnych i sztucznej inteligencji w ocenie jakości procesu Dane i informacje uzyskiwane z procesu dotyczą parametrów nastawień maszyny, parametrów procesu, wartości określonych cech wyrobu lub statystyk (średnia, odchylenie standardowe, itd.), wartości wskaźników jakościowych, zbioru informacji o zaistniałych przyczynach rozregulowania procesu (np. wykruszenie ostrza, starcie ostrza, błąd w obsłudze, itd.), podjętych działaniach korygujących (np. wymiana narzędzia, korekcja ustawienia, zmiana głębokości skrawania, itd.). Są one gromadzone
184 Część II. Konceptualizacje i aplikacje i przetwarzane z wykorzystaniem analizy zdarzeń, logiki rozmytej oraz sztucznej sieci neuronowej (rys. 11.4.). Ocena jakości wyrobu/procesu pozwala na stworzenie oceny procesu, jaką można uzyskać stosując odpowiedni wariant produkcji. Jest ona jednym z kryteriów branych pod uwagę przy harmonogramowaniu zlecenia. Dane diagnostyczne procesu wytwarzania (sygnały diagnostyczne, zdarzenia, nastawienia określane wspólną nazwą miar stanów procesu), zebrane i zbierane podczas jego trwania wraz z wynikami pomiarów charakterystyk jakościowych wytworzonych wyrobów, są podstawą do wydawania decyzji o stabilności/bezpieczeństwie procesu wytwarzania. Autorzy określili ją mianem wskaźnika bezpieczeństwa procesu (ang. process safety index, PSI). Wskaźnik bezpieczeństwa procesu pozwala oszacować prawdopodobieństwo uzyskania (na wyjściu procesu wytwarzania) wyrobu spełniającego wymagania jakości. Miałby on tę przewagę nad innymi tradycyjnymi wskaźnikami jakościowymi procesu (c p, c pk ) 1, że uwzględniałby więcej niż jedną cechę wyrobu (nie tylko cechę krytyczną). Wskaźnik PSI w tym rozumieniu jest prognozą jakości wytwarzanych wyrobów, innymi słowy określa prawdopodobieństwo uzyskania wyrobów spełniających wymagania jakości na wyjściu procesu. Dotychczasowym wynikiem poszukiwań modelu matematycznego funkcji bezpieczeństwa procesu (PSF) jest metoda HamSter, 2 w której dopracowano się następującego rozwiązania: Dla przypadku jednowymiarowego funkcja jest wyznaczona metodą najmniejszych kwadratów (z danych statystycznych). Dla przypadku wielowymiarowego zastosowano sieć neuronową (konieczność uczenia sieci). Autorzy uznali jednak, że ocenę stanu procesu wytwarzania można przyrównać/sprowadzić do wielokryterialnego problemu decyzyjnego (WWD), a co za tym idzie do jego rozwiązania można wykorzystać metody wielokryterialnego wspomagania decyzji. Wybór metody rozwiązania problemu, po jego zdefiniowaniu w terminologii nauk decyzyjnych, polegał na dobraniu metody wypracowanej przez WWD najbardziej odpowiedniej do rozwiązywanego zadania. Na jej wybór miały wpływ następujące czynniki: kategoria problemu decyzyjnego (wybór, porządkowanie, klasyfikacja), sposób podawania informacji preferencyjnej (np. przykłady decyzji; porównanie parami wszystkich wariantów i/lub kryteriów; progi nierozróżnialności, preferencji i veta), wymagania odnośnie do niezbędnej wiedzy użytkownika (decydenta) o stosowanej przez niego metodzie, 1 cp, cpk wskaźniki zdolności jakościowej procesu. 2 Autor: Adam Hamrol.
Rozdział 11. Model systemu sterowania przepływem i jakością produkcji 185 łatwość interpretacji i akceptacji wyników, łatwość implementacji rozwiązania w warunkach produkcyjnych (wynikająca częściowo z powyższych). Powyższe czynniki spowodowały ograniczenie się do 2 grup metod: stosujących wieloatrybutową funkcję użyteczności (metoda UTA) oraz reprezentujących preferencje decydenta w postaci reguł decyzyjnych. Obie pozwalają na podanie informacji preferencyjnej w postaci przykładów decyzji (ludziom ze swej natury łatwiej jest podawać przykłady własnych decyzji, niż uzasadniać je poprzez podanie parametrów modelu). Dalej, zrozumienie przez decydenta (użytkownika metody, tu: inżyniera procesu lub operatora maszyny) sposobu eksploatacji modelu preferencji podanych w postaci addytywnej funkcji użyteczności lub reguł decyzyjnych nie wymagałoby od niego dużego wysiłku poznawczego. Wybrano podejście oparte na teorii zbiorów przybliżonych, modelujące preferencje decydenta w postaci zbioru reguł decyzyjnych jeśli..., to. Uznano ten wybór (na tym etapie rozeznania metod) za najlepsze rozwiązanie problemu oceny stanu procesu wytwarzania. Podejście to może być zastosowane we wszystkich typach problemów decyzyjnych, jednak najbardziej nadaje się do problemów klasyfikacji. Modelowanie preferencji decydenta w postaci reguł decyzyjnych jest naturalne - ludzie bez problemów potrafią zinterpretować i zrozumieć reguły decyzyjne. Co więcej, podejście to zakłada, że informacja preferencyjna podawana jest w postaci przykładów decyzji, z których odkrywane ( wyciągane ) są później reguły decyzyjne. Inżynier procesu (lub operator maszyny) jest w stanie podać przykłady decyzji (a nie gotowe reguły) bez żadnego dodatkowego przygotowania. O elastyczności i ogólności tego podejścia świadczy także fakt, że model preferencji w postaci reguł decyzyjnych jest najbardziej ogólny wśród znanych modeli preferencji (operatorów agregacji). To znaczy, jeśli dla jakiegoś problemu istnieje model funkcyjny lub relacyjny, to na pewno istnieje także regułowy. Ta elastyczność podejścia regułowego wydaje się szczególnie istotna, gdy mowa o jego zastosowaniu w zmiennym i opisanym charakterystykami różnej natury środowisku produkcyjnym. 11.5. PODSUMOWANIE W ramach badań zostały podjęte prace prowadzące do opracowania systemu sterowania przepływem oraz jakością produkcji, dedykowanego dla małych i średnich firm o elastycznym, często zmieniającym się programie produkcji. System taki pozwoli na: zwiększenie efektywności wykorzystania zasobów, co winno przełożyć się na zmniejszenie kosztów produkcji, skrócenie czasu wykonywania zróżnicowanych zamówień produkcyjnych,
186 Część II. Konceptualizacje i aplikacje utrzymanie, niezależnie od działających na system produkcyjny zakłóceń, wymaganej jakości wykonania, prognozowanie jakości procesu dla różnych wartości wejść (kryteriów), przewidywanie. Zastosowanie systemu sterowania przepływem i jakością produkcji w przedsiębiorstwach małych i średnich umożliwi dostosowanie firmy do tych zmiennych warunków przy jednoczesnym uzyskaniu możliwie największej produktywności. Jest to niezwykle ważny warunek uzyskania przewagi konkurencyjnej na rynku i to nie tylko w skali kraju, ale również w skali globalnej. LITERATURA BERLIŃSKI A., HONCZARENKO J. 2003. Harmonogramowanie zadań produkcyjnych w ESW metodami programowania dyskretnego; [w:] Prace naukowe Instytutu Technologii Maszyn i Automatyzacji Politechniki Wrocławskiej, nr 41. Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław; ss. 56-67. BUCHALSKI Z. 2004. Heurystyczny algorytm szeregowania zadań w systemach produkcyjnych z maszynami równoległymi w warunkach ograniczeń zasobowych; [w:] Materiałach VI Konferencji Komputerowo Zintegrowane Zarządzanie, Zakopane. Wydawnictwo Naukowo-Techniczne, ss. 10-20. CARIDI M., SIANESI A. 2000. Multi-agent systems in production planning and control: An application to the scheduling of mixed-model assembly lines; [w:] Int. J. Production Economics 68 (2000); ss. 29-42. CICHOSZ P. 1998. Efektywność kształtowania skrawaniem przedmiotów osiowosymetrycznych w zintegrowanym wytwarzaniu. Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław. DIETRICH E., SZCHULZE A. 2000. Metody statystyczne w kwalifikacji środków pomiarowych maszyn i procesów produkcyjnych. Wydawnictwo Notika System, Warszawa. FELD M. 2000. Projektowanie procesów technologicznych typowych części maszyn. PWN, Warszawa. GRABOWSKI J., PAMPERA J. 2004. Dwumaszynowy problem przepływowy z dwiema operacjami na drugiej maszynie; [w:] VI Konferencja Komputerowo Zintegrowane Zarządzanie, Zakopane. Wydawnictwo Naukowo-Techniczne; ss. 31-46. GRABOWSKI J., WODECKI M. 2004. Nowe elementy algorytmu symulowanego wyżarzania dla problemu przepływowego; [w:] VI Konferencja Komputerowo Zintegrowane Zarządzanie, Zakopane 2004. Wydawnictwo Naukowo-Techniczne; ss. 47-58. HAMROL A. 2005. Zarządzanie jakością z przykładami. Wydawnictwo Naukowe PWN. JASKULSKI Z. 2004. Terminowa realizacja zleceń produkcyjnych z wykorzystaniem zróżnicowanych kryteriów przydziału zadań; [w:] VI Konferencja Komputerowo Zintegrowane Zarządzanie, Zakopane 2004. Wydawnictwo Naukowo-Techniczne; ss. 72-81. KALINOWSKI K., KNOSALA R. 2003. Harmonogramowanie produkcji w warunkach zakłóceń, wspomagane systemem eksperckim; [w:] Zarządzanie przedsiębiorstwem, nr 1'2003. Polskie Towarzystwo Zarządzania Produkcją, Opole; ss. 124-135.
Rozdział 11. Model systemu sterowania przepływem i jakością produkcji 187 KNOSALA R. 2002. Zastosowania metod sztucznej inteligencji. Wydawnictwo Naukowo-Techniczne. SMITH G. M. 2004. Statistical Process Control and Quality Improvement, Pearson Prentice Hall. SUSZ S., CHLEBUS E. 2004. Metodyka komputerowego wspomagania symulacji zleceń produkcyjnych; [w:] VI Konferencja Komputerowo Zintegrowane Zarządzanie, Zakopane 2004. Wydawnictwo Naukowo-Techniczne; ss. 234-243. SZADKOWSKI J. 1992. Model matematyczny strukturalnej i parametrycznej optymalizacji wielonarzędziowych procesów obróbki skrawaniem; [w:] Archiwum Technologii Budowy Maszyn, nr. 9.; ss. 129-137. TANGA H., WONG T. 2004. Reactive multi-agent system for assembly cell control; [w:] Robotics and Computer-Integrated Manufacturing 21; ss. 87 98. TRENTESAUX D., TAHON C., LAD P. 1997. Hybrid production control approach for JIT scheduling; [w:] Artificial Intelligence in Engineering 12; ss. 49-61. WOODALL W. H. 2000. Controversies and Contradictions in Statistical Process Control; [w:] Journal of Quality Technology Session, October 2000; ss. 57-62. ŻUREK J. 1987. Zastosowanie optymalizacji wielokryterialnej przy wariantowaniu procesu technologicznego; [w:] Archiwum Technologii Budowy Maszyn, nr. 6; ss. 123-131.