Czasopismo
Tytuł artykułu
Autorzy
Treść / Zawartość
Pełne teksty:
![http://www.logforum.net/vol14/issue3/no8/14_3_8_18.pdf [zdalny]](images/mime-icons/pdf.gif "14_3_8_18.pdf")
Warianty tytułu
Porównanie metod planowania projektów weryfikujących działalność produkcyjną i ich efektywność
Vergleich von Methoden für die Planung der Projekte, die den Produktionsbetrieb und Dessen Effektivität Verfizieren
Języki publikacji
Abstrakty
Background: Warehouse Production management systems now require IT aspects which can be automated, so that processes can be easily reviewed. During our research, we analyzed four and a half years of database and machine stock of 3 food companies. We have found that companies in this industry prefer process-based production. It is important that manufacturing companies pay close attention to the proper design of automation, the purpose of which is to acquire and maintain a competitive advantage through the efficient, rapid manufacture of products. The expansion of industrial robots has increased considerably (Figure 4.), increasing the productivity, accuracy and flexibility of manufacturing processes, and has enabled a number of business processes to be re-established and new business models brought to life.
Methods: The two best time-oriented methods, the PERT and CPM analysis, were used to assess the individual stages of the production, which made estimates for the duration of the activities. When drawing the box graph, we extracted outlying data from the data set, so we obtained a more accurate statistical estimate. Using this, we made a recommendation for the expected completion of workflows, which is more accurate in determining delivery dates for sales orders. Analyzing the four-and-a-half year dataset, we determined, by using Student's t-test, that the average of the sample elements in reality is different from the estimates we made. The PERT and CPM methods have proven themselves in the past decades and continue to be of great value. The ever-changing business world and the high cost have an impact on the economy.
Results: The production times of individual companies are influenced by the use of more modern machines and well developed manufacturing plans and schedules. Using PERT and CPM methods, we've helped to better define production time, making it easier to calculate delivery dates correctly. Automation does not stop all occupations, but only triggers certain activities and redefines jobs. There is no doubt that the technological development of manufacturing processes will change the organization of the industries concerned and affect the geographic location of each activity. There is a serious chance that the production of these products will go elsewhere to save on shipping costs.
Conclusions: During our analysis, we have found that new technologies have an impact on productivity, employment and the transformation of the geographic structure of value-added activities, that's why their role is important both for food companies and companies operating in other industries. Automation is made possible by scientific achievements and technological advances that are used to develop industry 4.0 technologies. The huge amount of data produced in the Intelligent Production Systems (Big Data) analysis and on this basis, the continuous modification of production systems, results in significant material and labor saving, efficiency gains and productivity gains, which have an impact on employment and the transformation of geographic structures. Food processing and delivery to consumers is a key factor in the security of food supply, and therefore has an essential importance in the further development of the sector. (original abstract)
Methods: The two best time-oriented methods, the PERT and CPM analysis, were used to assess the individual stages of the production, which made estimates for the duration of the activities. When drawing the box graph, we extracted outlying data from the data set, so we obtained a more accurate statistical estimate. Using this, we made a recommendation for the expected completion of workflows, which is more accurate in determining delivery dates for sales orders. Analyzing the four-and-a-half year dataset, we determined, by using Student's t-test, that the average of the sample elements in reality is different from the estimates we made. The PERT and CPM methods have proven themselves in the past decades and continue to be of great value. The ever-changing business world and the high cost have an impact on the economy.
Results: The production times of individual companies are influenced by the use of more modern machines and well developed manufacturing plans and schedules. Using PERT and CPM methods, we've helped to better define production time, making it easier to calculate delivery dates correctly. Automation does not stop all occupations, but only triggers certain activities and redefines jobs. There is no doubt that the technological development of manufacturing processes will change the organization of the industries concerned and affect the geographic location of each activity. There is a serious chance that the production of these products will go elsewhere to save on shipping costs.
Conclusions: During our analysis, we have found that new technologies have an impact on productivity, employment and the transformation of the geographic structure of value-added activities, that's why their role is important both for food companies and companies operating in other industries. Automation is made possible by scientific achievements and technological advances that are used to develop industry 4.0 technologies. The huge amount of data produced in the Intelligent Production Systems (Big Data) analysis and on this basis, the continuous modification of production systems, results in significant material and labor saving, efficiency gains and productivity gains, which have an impact on employment and the transformation of geographic structures. Food processing and delivery to consumers is a key factor in the security of food supply, and therefore has an essential importance in the further development of the sector. (original abstract)
Wstęp: Zarządzanie magazynem produkcyjnym wymaga nowego podejścia od strony system IT, który może być zautomatyzowany i dzięki temu możliwe jest uzyskanie większej przejrzystości procesów. W czasie badań, przeprowadzono analizę w oparciu o dane z okresu czterech i pół roku dla trzech firm z branży spożywczej. Stwierdzono, ż firmy z tej branży preferują produkcję procesową. Istotne jest, że przedsiębiorstwa produkcyjne zwracają istotną uwagę na właściwe zaprojektowanie automatyzacji, której celem jest utrzymanie przewagi konkurencyjnej poprzez szybka i efektywną produkcję wyrobów. Wzrost zastosowania robotów przemysłowych jest istotny, zwiększając przy tym produktywność, dokładność oraz elastyczność procesów produkcyjnych. Doprowadziło to stworzenie i wdrożenia nowego modelu biznesowego w życie.
Metody: Dwie najlepsze metody planowania projektowego, analizy PERT i CPM, zostały zastosowane dla stworzenie poszczególnych etapów procesu produkcji, które były oceniane w trakcie ich trwania. W trakcie tworzenie wykresu pudełkowego, usunięte zostały dane, mocno odbiegające od większości wyników, uzyskując dzięki temu bardziej dokładne dane statystyczne. Poprzez zastosowanie takiej metody analizy danych, uzyskano większą dokładność w określeniu dat dostawy dla zleceń sprzedaży. Analizując dane z okresu czterech i pół roku przy użyciu testu t-Studenta, stwierdzono, że średnia badanych elementów jest inna od poczynionych estymacji. Metody PERT i CPM są metodami sprawdzonymi i przydatnymi. Zmieniający się model biznesowy i wysoki poziom kosztów mają wpływ na ekonomię.
Wyniki: Czasy produkcyjne poszczególnych przedsiębiorstw są uzależnione od nowoczesnych maszyn oraz dobrze wdrożonego planu produkcyjnego i harmonogramów produkcyjnych. Stosując metody PERT i CPM, możliwe jest lepsze zdefiniowanie czasów produkcji a co jest z tym związane, ułatwia obliczanie wymaganych czasów dostaw. Automatyzacja nie powoduje zaprzestania tych czynności, narzuca jedynie ich przedefiniowanie. Nie ma wątpliwości, że rozwój technologiczny procesów produkcyjnych zmieni organizację przemysłu jak również geograficzną lokalizację poszczególnych czynności. Istnieje duże prawdopodobieństwo, że produkcja tych wyrobów zostanie przesunięta w inną lokalizację w celu obniżki kosztów transportu.
Wnioski: W wyniku przeprowadzonej analizy, stwierdzono, że nowe technologie mają wpływ na produkcyjność, zasoby ludzkie oraz transformację struktury geograficznej aktywności zwiększających wartość dodaną. Ich rola jest istotna zarówno dla przedsiębiorstw z branży spożywczej jak i przedsiębiorstw prowadzących działalność w obrębie innych dziedzin. Automatyzacja jest możliwa dzięki postępowi naukowemu i nowych rozwiązaniom technologicznych, których wdrożenie jest częścią rozwoju technologii Industry 4.0. Duża ilość danych wytwarzanych w inteligentnych systemach produkcyjnych (Big Data) i w oparciu o nie, ciągła modyfikacja procesów produkcyjnych, umożliwia osiągnięcie istotnych oszczędności surowcowych oraz w poziomie zatrudnienia, zwiększeniu efektywności i produktywności, co ma wpływ na poziom zatrudnienia i transformację struktur geograficznych. Produkcja żywności jak i dystrybucja do klientów mają kluczowe znaczenie dla bezpieczeństwa zaopatrzenia w żywność i dlatego istotny jest dalszy rozwój tego sektora. (abstrakt oryginalny)
Metody: Dwie najlepsze metody planowania projektowego, analizy PERT i CPM, zostały zastosowane dla stworzenie poszczególnych etapów procesu produkcji, które były oceniane w trakcie ich trwania. W trakcie tworzenie wykresu pudełkowego, usunięte zostały dane, mocno odbiegające od większości wyników, uzyskując dzięki temu bardziej dokładne dane statystyczne. Poprzez zastosowanie takiej metody analizy danych, uzyskano większą dokładność w określeniu dat dostawy dla zleceń sprzedaży. Analizując dane z okresu czterech i pół roku przy użyciu testu t-Studenta, stwierdzono, że średnia badanych elementów jest inna od poczynionych estymacji. Metody PERT i CPM są metodami sprawdzonymi i przydatnymi. Zmieniający się model biznesowy i wysoki poziom kosztów mają wpływ na ekonomię.
Wyniki: Czasy produkcyjne poszczególnych przedsiębiorstw są uzależnione od nowoczesnych maszyn oraz dobrze wdrożonego planu produkcyjnego i harmonogramów produkcyjnych. Stosując metody PERT i CPM, możliwe jest lepsze zdefiniowanie czasów produkcji a co jest z tym związane, ułatwia obliczanie wymaganych czasów dostaw. Automatyzacja nie powoduje zaprzestania tych czynności, narzuca jedynie ich przedefiniowanie. Nie ma wątpliwości, że rozwój technologiczny procesów produkcyjnych zmieni organizację przemysłu jak również geograficzną lokalizację poszczególnych czynności. Istnieje duże prawdopodobieństwo, że produkcja tych wyrobów zostanie przesunięta w inną lokalizację w celu obniżki kosztów transportu.
Wnioski: W wyniku przeprowadzonej analizy, stwierdzono, że nowe technologie mają wpływ na produkcyjność, zasoby ludzkie oraz transformację struktury geograficznej aktywności zwiększających wartość dodaną. Ich rola jest istotna zarówno dla przedsiębiorstw z branży spożywczej jak i przedsiębiorstw prowadzących działalność w obrębie innych dziedzin. Automatyzacja jest możliwa dzięki postępowi naukowemu i nowych rozwiązaniom technologicznych, których wdrożenie jest częścią rozwoju technologii Industry 4.0. Duża ilość danych wytwarzanych w inteligentnych systemach produkcyjnych (Big Data) i w oparciu o nie, ciągła modyfikacja procesów produkcyjnych, umożliwia osiągnięcie istotnych oszczędności surowcowych oraz w poziomie zatrudnienia, zwiększeniu efektywności i produktywności, co ma wpływ na poziom zatrudnienia i transformację struktur geograficznych. Produkcja żywności jak i dystrybucja do klientów mają kluczowe znaczenie dla bezpieczeństwa zaopatrzenia w żywność i dlatego istotny jest dalszy rozwój tego sektora. (abstrakt oryginalny)
Słowa kluczowe
Twórcy
autor
- University of Debrecen, Hungary
autor
- University of Debrecen, Hungary
autor
- University of Debrecen, Hungary
Bibliografia
- Adetoye A., Adegboyega O., Olusegun B., Lizzy O., 2017. Program Evaluation and Review Technique Analysis of an Engineering Project, 2, 1. UOYE Journal of Engineering and Technology.
- Burmeister C., Luettgens D., Piller F.T., 2015. Business Model Innovation for Industrie 4.0: Why the "Industrial Internet" Mandates a New Perspective on Innovation. RWTHTIM Working Paper, Aachen: RWTH, 2. http://dx.doi.org/10.2139/ssrn.2571033
- Bughin J., 2016. Big data, Big bang? Journal of Big Data, 3 (1), 1-14. http://dx.doi.org/10.1186/s40537-015-0014-3
- Deacon H., Lingen E., 2015. The use of the critical path and critical chain methods in the South African construction industry, Journal for the Physical and Development Sciences, 22, 1, 73-97.
- Deng H.Z., Jial S.Z., 2003. New Method for Calculating Path Float in Program Evaluation and Review Technique (PERT), Journal of Construction Engineering and Management, 129, 5. http://dx.doi.org/10.1061/(ASCE)0733-9364(2003)129:5(501)
- East W., 2015. Critical Path Method (CPM) Tutor for Construction Scheduling (P/L Custom Scoring Survey).
- Elizaphan Nuguti, 2015. Project Management Scheduling: Bar Charts and Network Diagrams, Ekon Publishers.
- Graetz G., Michaels G., 2015. Robots at work. CEP Discussion Papers, No. 1335. London: Centre for Economic Performance, ISSN: 2042-2695.
- Hunt A.G., Sahimi M., 2017. Flow, Transport, and Reaction in Porous Media: Percolation Acaling, Critical - Path Analysis, and Effective Medium Approximation, Reviews of Geophysics, 55, 4. http://dx.doi.org/10.1002/2017RG000558
- Hunyadi L., Vita L., 2003. Statistics for economists: Statistical methods in the social and economic analyses, Központi Statisztikai Hivatal, Budapest, ISBN: 963-215-632-3.
- IFR, 2013, Positive Impact of Industrial Robotics on Employment. International Federation of Robotics, London: Metra Martech Ltd., http://www.ifr.org/uploads/media/Update_Study_Robot_creates_Jobs_2013.pdf
- Ilie-Zudor E., Ekárt A., Kemény Z., Buckingham C., Welch P., Monostori L., 2015. Advanced predictive-analysis-based decision support for collaborative logistics networks. Supply Chain Management: An International Journal, 20, 4, 369-388. http://dx.doi.org/10.1108/SCM-10-2014-0323
- Lem S., Onghena P., Verschaffel L., Dooren W., 2017. The power of refutational text: changing intuitions about the interpretation of box plots, European Journal of Psychology of Education, 32, 4, 537-550. http://dx.doi.org/10.1007/s10212-016-0320-y
- Monostori L., 2015. Cyber-physical production systems: roots from manufacturing science and technology. at-Automatisierungstechnik 63, 10, 766-776. http://dx.doi.org/10.1515/auto-2015-0066
- Nafkha R., 2016. The pert method in estimating project duration, Information Systems in Management, 5, 4, 542-550. ISSN: 2084-5537 , e-ISSN: 2544-1728.
- Obádovics J.GY., 2016. Probability theory and Mathematical Statistics, Scolar Kiadó, ISBN: 99789632440675.
- Oláh J., Popp J., 2016. Lean Management, Six Sigma and Lean Six Sigma: Possible Connections. Óbuda University EBullentin, 6, 2, 25-31. http://www.uniobuda.hu/e-bulletin/issue8.htm
- Oláh J., Popp J., 2017. Challenges of the operational planning of supply chains, Controller info, 5, 4, 15-24. http://dx.doi.org/10.24387/CI.2017.4.3
- Plotnick F., 2009. CPM in Construction Management, Seventh Edit, ISBN-13: 978-0071636643
- Porter M.E., Heppelmann J.E., 2014. How smart, connected products are transforming competition. Harvard Business Review, 92, 64-88.
- Rietz F., Stannarius R., 2017, Beads in a Rotating Box, Complexity and Synergetics, 51-60. http://dx.doi.org/10.1007/978-3-319-64334-2_5
- Strategic Policy Forum, 2015. Digital Transformation of European Industry and Enterprises. Report by the Strategic Policy Forum on Digital Entrepreneurship, http://ec.europa.eu/growth/tools
- Takács SZ., 2016. Bevezetés a matematikai statisztikába - Elmélet és gyakorlat [Introduction to Mathe-matical Statistics - Theory and Practice], Antarész Kiadó, ISBN: 9786158054409.
- Thirumalai C., Kanimozhi R., Vaishnavi B., 2017, Data analysis using box plot on electricity consumption, Electronics, Communication and Aerospace Technology (ICECA), 2. http://dx.doi.org/10.1109/ICECA.2017.8212735
- Vad V., Cedrim D., Busch W., Filzmoser P., Viola I., 2017. Generalized box-plot for root growth ensembles, BMC Bioinformatics, 18, 2, 65. Proceedings of the Symposium on Biological Data Visualization at VIS 2016, BioMed Central. http://dx.doi.org/10.1186/s12859-016-1445-3
- Verde R., Irpino A., Rivoli L., 2014. A Box-Plot and Outliers Detection Proposal for Histogram Data: New Tools for Data Stream Analysis, Analysis and Modeling of Complex Data in Behavioral and Social Sciences, 283-291. http://dx.doi.org/10.1007/978-3-319-06692-9_30
- WEF (The World Economic Forum), 2016. The Future of Jobs. Employment, Skills and Workforce Strategy for the Fourth Industrial Revolution. Geneva, Beijing, New York: World Economic Forum. http://www3.weforum.org/docs/WEF_Future_of_Jobs.pd
- Woolf M.B., 2012. CPM Mechanics: The Critical Path Method of Modeling Project Execution Strategy. ISBN-13: 978-0985409104.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171519437
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.