O wykorzystaniu metod statystycznych we wsparciu decyzji sterujących procesami wsadowymi

• Autorzy: Stelmach J.

Warianty tytułu

EN

On applying statistical methods in support of control decisions in batch processes

• Języki publikacji: PL

Abstrakty

PL

Trafne decyzje operacyjne dotyczące poza procesami produkcyjnymi także planowania prac remontowych, decyzji zakupowych, przewidywania zmian rynkowych mogą zapewnić istotną przewagę konkurencyjną. Wsparciem takich decyzji, opartym na danych historycznych, może być wnioskowanie statystyczne. Zaawansowane metody statystyczne, pomimo empirycznych ograniczeń, mogą zapewnić wymaganą dokładność prognoz oraz moc testów statystycznych. Artykuł prezentuje propozycje wykorzystania parametrycznych i nieparametrycznych metod statystycznych oraz oszacowania mierzalnych korzyści zastosowania wnioskowania statystycznego w pewnych modelowych przedsiębiorstwach stosujących procesy wsadowe.

EN

Accurate operational decisions regarding not only production processes but also planning renovations, purchasing decisions, prediction of changes in the market can lead to a significant competitive advantage. The support of such a decision, based on historical data may be statistical inference. Advanced statistical methods can provide the required accuracy of forecasts and the power of statistical tests despite the empirical limitations. This paper presents proposals for the use of parametric and non-parametric statistical methods and estimation of quantitative advantages of statistical inference in certain models of enterprises using batch processes.

Słowa kluczowe

PL

wnioskowanie statystyczne; metoda nieparametryczna; proces wsadowy

EN

statistical inference; nonparametric method; batch process

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska
• Rocznik: 2015
• Tom: z. 83
• Strony: 641--650
• Opis fizyczny: Bibliogr. 14 poz.

Twórcy

autor

Stelmach J.

• Polwax S.A., Jasło

Bibliografia

• 1. Abel O., Helbig A., Matquardt W., Zwisk H., Daszkowski T.: Productivity optimization of an industrial semi-batch polymerization reactor under safety constrains, Journal of Process Control, vol. 10, 2000, p. 351-362.
• 2. AlGhazzawi A., Lennox B.: Model predictive control monitoring using multivariate statistics, Journal of Process Control, vol. 19, 2009, p. 314-327.
• 3. Barker M., Rawtani J.: Practical batch process management, Elsevier, Oxford 2005.
• 4. Domański C., Pruska K.: Nieklasyczne metody statystyczne, PWN, Warszawa 2000.
• 5. Good P. I.: Resampling Methods. A Practical Guide to Data Analysis, Birkhauser, Boston 2005.
• 6. Hastie T., Tibshirani R., Friedman J.: The Elements of Statistical Learning. Data Mining, Inference, and Prediction, Springer Science+Business Media B. V., New York 2008.
• 7. Korovessi E., Linninger A.: Batch processes, Taylor@Francis Group, Boca Raton 2006.
• 8. Kępiński J.: Technologia chemiczna nieorganiczna, PWN, Warszawa 1984.
• 9. Maddala G.S.: Ekonometria, Wydawnictwo Naukowe PWN, Warszawa 2008.
• 10. Marjanovic O., Lennox B., Sandoz D., Smith K., Milton C.: Real-time monitoring of an industrial batch process, Science Direct, vol. 30, 2006, p. 1476-1481.
• 11. Odiase J.I., Ogbonmwan S.M.: Correlation Analysis: Exact Permutation Paradigm, Matiemaczki Wiesnik, vol. 59, 2007, p. 161-170.
• 12. Sokołowski A.: O niewłaściwym stosowaniu metod statystycznych, StatSoft Polska, 2004.
• 13. Stelmach J.: The use of Monte Carlo simulation to support management decisions of industrial batch processes. Proceedings of the 8th Proffesor Aleksander Zelias International Conference on Modelling and Forecasting of Socio-Economic Phenomena in Zakopane 2014, p. 185-193.
• 14. Welfe A.: Ekonometria, PWN, Warszawa 2003.