Application of Bayess principle optimum - optimization model for managerial decision and continual improvement

• Autorzy: Teplicka K. , Culkova K. , Zeleznik O.

Warianty tytułu

PL

Zastosowanie zasady optimum Bayesa - modelu optymalizacji dla decyzji kierowniczych i ciągłego doskonalenia

• Języki publikacji: EN

Abstrakty

EN

This contribution presents utilization of quantitative method of operational analysis - Bayes principle optimum in the area of utilizing alternative power sources. By this quantitative model we can find out solution of economic and technical difficulty in the area of biomass. Optimization of production processes brings lower cost and continual input – wood pulp for boiler plant. Following application of this model we can support decisions of processes and to optimize parameters of processes. Results of this optimization bring low cost, high quality and optimal processing time. It is direction to continual improvement in the firm that it brings competitive advantages for classification of the firm as” world-class business”.

PL

Niniejszy artykuł prezentuje wykorzystanie metody ilościowej analizy operacyjnej - zasady optimum Bayesa w zakresie wykorzystywania alternatywnych źródeł energii. W tym modelu ilościowym możemy znaleźć rozwiązanie ekonomicznej i technicznej trudności w zakresie biomasy. Optymalizacja procesów produkcyjnych przynosi niższe koszty i nieprzerwaną moc wejścia - pulpę drzewną do kotłowni. Po zastosowaniu tego modelu możemy wspierać decyzje dotyczące procesów i optymalizować parametry procesów. Wyniki tej optymalizacji przynoszą niskie koszty, wysoką jakość i optymalny czas przetwarzania. Jest to kierunek do ciągłego doskonalenia w firmie, który przynosi przewagę konkurencyjną klasyfikującą firmę jako " biznes światowej klasy".

Słowa kluczowe

EN

model; quantitative method; optimization; profit; business management

PL

model; metoda ilościowa; optymalizacja; zysk; zarządzanie przedsiębiorstwem

• Wydawca: Czestochowa University of Technology
• Czasopismo: Polish Journal of Management Studies
• Rocznik: 2015
• Tom: Vol. 12, No. 2
• Strony: 170--179
• Opis fizyczny: Bibliogr. 27 poz., rys., tab.

Twórcy

autor

Teplicka K.

• Technical University of Košice, Faculty BERG

autor

Culkova K.

• Technical University of Košice, Faculty BERG

autor

Zeleznik O.

• Technical University of Košice, Faculty BERG

Bibliografia

• 1. Beránková M. Houšková, Houška, M., 2011, Data, Information and Knowledge in Agricultural Decision-Making, “Agris On-Line Papers in Economics & Informatics”, 3(2).
• 2. Dinu A.M., 2015, Informatic models used in economic analysis of correlation between GDP and FDI, “Polish Journal of Management Studies”, 11(2).
• 3. Gros I., 2003, Kvantitatívne metódy v manažérskom rozhodovaní, Grada Publishing, Praha.
• 4. Huzsvai L., Nagy J., 1995, Optimalization of experiments in planning agricultural, plant production research activities, “Agronomy”, 44(5-6).
• 5. Imai M., 2005, Gemba Kaizen. Řízení a zlepšování kvality na pracovišti, Computer press a.s., Brno.
• 6. Ivaničová Z., 1997, Kvantitatívne metódy pre manažérov, [in:] Ekonómia, Bratislava.
• 7. Ivaničová Z., Brezina I., Pekár J., 2002, Operačný výskum, [in:] Edícia Ekonómia, Bratislava.
• 8. Jerz V., 2010, Simulačné a optimalizačné modely –základný nástroj na zlepšovanie procesov, “Posterus”, 11(3).
• 9. Kassay Š., 2001, Marketingová stratégia firmy holdingového typu, STRATEG, Nové Zámky.
• 10. Kassay Š., 2001, Podnik svetovej triedy, STRATEG, Nové Zámky.
• 11. Kauffman R.J., Liu J., Ma D., 2015, Technology investment decision making under uncertainty, “Information Technology and Management”, 16(2).
• 12. Konno H., Yamazaki H., 1991, Mean absolute deviation portfolio optimization model and its applications to Tokyo stock market, “Management Science”, 37(5).
• 13. Khir R., Haouari M., 2015, Optimization model for a single plant district cooling system, “European Journal of Operational Research”, 247(2).
• 14. Łęgowik – Świącik S., 2015, Evaluation of decision making processes with reference to cost information management, “Polish Journal of Management Studies”, 11(2).
• 15. Novak M., Koller M., Braunegg G., Horvat P., 2015, Mathematical modelling as a tool for optimized PHA production, “Chem. Biochem. Eng.“, 29(2).
• 16. Potkány M., 2005, Outsourcing, možná cesta k znižovaniu nákladov vo firme, [in:] Výkonnosť organizácie prístupy k jej meraniu a hodnoteniu. Slovenský komitét pre vedecké riadenie ZSVTS Bratislava, PRINT Poprad.
• 17. Skřivánek J., 2005, Kvantitatívne metódy finančných operácií, Iura Edition, Bratislava.
• 18. Stevenson M., Vanharanta M., 2015, The effects of managerial decision making behavior and order book size on workload control system implementation in Make to Order companies, “Production Planning and Control”, 26(2).
• 19. Sebej P., Hrubina K., Wessely E., 2004, Creation of production planning using the mathematical model and multicriterion optimalisation, [in:] DAAAM - 15th International Symposium of the Danube-Adria-Association-for-Automation-and-Manufacturing, Austria.
• 20. Sujová A., Marcineková K., 2015, Modern methods of process management used in Slovak enterprises, “Procedia Economics and Finance”, 23.
• 21. Tian X., Zhao R., 2015, Energy Network Flow model and optimization based on energy hub for big harbor industrial park, “Journal of coastal research”, 78.
• 22. Tauš P., Kosco J., Rybár R., Kudelas D., 2011,Technical and economical analysis of electric energy production from biomass, [in:] SGEM- Multidisciplinary Scientific GeoConference Location, Albena, Bulgaria, (1), 93-100.
• 23. Taušová M., Tauš P., Erdelyiova K., et al., 2011, Economical analysis of the electric energy production from biomass, [in:] SGEM- Multidisciplinary Scientific GeoConference Location, Albena, Bulgaria, (3).
• 24. Vörös J., 2013, Multi-period models for analyzing the dynamics of process improvement activities, “European Journal of Operational Research”, 230.
• 25. Vrugt J.A., Gupta H.V., Bastidas L.A., 2003, Effective and efficient algorithm for multiobjective optimization of hydrologic models, “Water resources research”, 39(8).
• 26. Vrugt J.A., Diks C.G.H., Gupta H.V., 2005, Improved treatment of uncertainty in hydrologic modeling: Combining the strengths of global optimization and data assimilation, “Water resources research”, 41(1).
• 27. Yang H., Lu L., Zhou W., 2007, A novel optimization sizing model for hybrid solar wind power generation system, “Solar energy”, 81(1).

Uwagi

EN

1. The paper is part of project Vega 1/0961/13 and Vega 1/0669/13.