Rosnące zapotrzebowanie na energię cieplną i elektryczną powoduje drastyczne kurczenie się naturalnych zasobów paliw konwencjonalnych, tj. węgla kamiennego i brunatnego, ropy naftowej oraz gazu ziemnego. Nadmierna eksploatacja złóż naturalnych nośników energetycznych powoduje w konsekwencji degradację środowiska naturalnego oraz stałe zmniejszanie się terenów zieleni na naszej planecie.
Wysoka jakość i bezpieczeństwoza przystępną cenę - tego dzisiejszy klient oczekuje od produktu spożywczego. Dlatego optymalizacja procesów odgrywa ważną rolę w oszczędzaniu zasobów, osiągnięciu celów produkcyjnych oraz uzyskaniu lepszych wyników finansowych. W artykule zaprezentowano zasady optymalizacji oraz przedstawiono pomocne narzędzia do jej prowadzenia takie jak: rachunek ekonomiczny, eksperyment, Six-Sigma, Lean Management oraz benchmarking.
EN
High quality, product safety and low price - these are today product attributes client is looking for. This why process optimization has a crucial role for saving valuable resources, meet ambitious production goals, and achieve the best possible profit margins. The article presents the rules of optimization and describes useful modern tools like six-Sigma, Lean Management and benchmarking.
Już od lat 80-tych systemy doskonalenia ukierunkowane na redukcję kosztów oraz zapewnienie wysokiej jakości wdrażane są w przedsiębiorstwach. Spośród nich najbardziej znane to Lean Management oraz Six Sigma, które swą popularność zawdzięczają sukcesom wielkich korporacji tj. Motoroli oraz Toyoty oraz publikacjom m.in. Lean Thinking. Od wielu lat trwają spory i rozważania na temat skuteczności poszczególnych metod. W Polsce jednak niewiele jest przedsiębiorstw, które odniosły tak spektakularne sukcesy w doskonaleniu jak Toyota czy Motorola. Zdaniem autora skuteczność wdrożeń, a tym samym uzyskiwane oszczędności, wzrost wydajności oraz jakości nie zależą od przyjętego modelu czy doboru metod lecz od zaangażowania pracowników na wszystkich szczeblach organizacji. Celem tego artykułu jest przyczynienie się do lepszego zrozumienia istotności właściwego przywództwa i kultury organizacyjnej we wdrażaniu Lean w przedsiębiorstwach.
EN
From the 80s improvement systems focused on reducing costs and ensuring high quality are being implemented in enterprises. Among them the best known are Lean Management and Six Sigma, that its popularity owe successes of large corporations ie. Motorola and Toyota as well as publications among others "Lean Thinking". For many years are conducted disputes and deliberations on the effectiveness of each method. In Poland, however, there are only a few companies that have been so spectacularly successful in improving as Toyota and Motorola. Author believes the effectiveness of implementation, and thus achieved savings, productivity and quality growth does not depend on the adopted model and choice of methods, but the involvement of employees at all levels of the organization. The purpose of this article is to contribute to a better understanding of the significance of proper leadership and organizational culture in the implementation of Lean in companies.
Wytop miedzi w piecu zawiesinowym jest procesem bardzo złożonym [1, 2], a sterowanie nim w warunkach przemysłowych opiera się głównie na doświadczeniu technologów i operatorów pieca. Spotykane modele tego procesu [3÷6] są mało przydatne dla celów sterowania i optymalizacji ze względu na długie czasy obliczeń, jak również na znaczne uproszczenia. Przedstawiono ideę systemu umożliwiającego optymalizację procesu zawiesinowego wytwarzania miedzi opartego o narzędzia sztucznej inteligencji oraz eksplorację danych („data mining"). Do optymalizacji procesu wykorzystano metodę algorytmów genetycznych (AG) oraz model procesu oparty o sztuczne sieci neuronowe (SSN). Zastosowano optymalizację z dodatkowymi ograniczeniami sterujących parametrów wejściowych procesu. Ograniczenia te wyznaczono w wyniku analizy skupień przemysłowych danych pomiarowych. Przedstawiono wyniki optymalizacji wybranych parametrów procesu zawiesinowego.
EN
The objective of the work is optimisation of the copper flash smelting process using the techniques based on artificial inteligence and data mining. The copper flash smelting process is very complex [1, 2]. In the industrial conditions, the control of the process is based on the experience of engineers and operators. The existing models of the process [3÷6] are useless from the automatic control system point of view, because of the long computation time and low accuracy. In the paper, the results of optimisation of the chosen process parameters are presented. The genetic algorithm (GA) and artificial neural networks (ANN) model were used to optimisation of the process. In this work, the optimisation with additional constraints of the input process parameters was applied. These constraints were obtained in the result of the clustering of industrial data.
6
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
KGHM P.M. S.A. is the example of multi-plant enterprise, where the whole copper production process, from extracting the ore to electrolytic copper production, takes part in one company. In the article, the model describing the operating of company, taking into consideration characteristic of ores’ selectivity, total drawn-costs of mining, processing, and metallurgical process and also the way of concentrates’ distribution to specific copper smelters, was presented. Solution of model enable us tomaximize company’s profit by steering of the quality of concentrates processing in processing plants, taking into consideration properties of ores and the level of metal prices on world metal exchanges. Chosen modeling results, on the basis of which we can assume that the optimal quality of concentrates, assuring the highest possible profit at given conditions, mainly depends on metal prices on world metal exchanges and in a minor degree on processing costs, are presented in the article.
PL
KGHM „Polska Miedź” S.A. jest przykładem wielozakładowego przedsiębiorstwa, gdzie całość produkcji od wydobycia rudy po produkcję miedzi elektrolitycznej odbywa się w ramach jednego przedsiębiorstwa. W artykule przedstawiono model działalności przedsiębiorstwa uwzględniający charakterystykę wzbogacalności rud przerabianych w zakładach wzbogacania, koszty ciągnione procesu górniczo-przeróbczo-metalurgiczne oraz sposób dystrybucji koncentratów do hut. Uzyskane rozwiązanie zezwala na zmaksymalizowanie zysku przedsiębiorstwa poprzez sterowanie jakością koncentratów miedzi produkowanych w poszczególnych zakładach wzbogacania, głównie w zależności od właściwości przerabianych rud oraz poziomu cen metali nieżelaznych na rynkach światowych. W artykule przedstawiono wybrane wyniki modelowania, na podstawie których można stwierdzić, że optymalna jakość koncentratu gwarantująca najwyższy, w danych warunkach, zysk przedsiębiorstwa zależy głównie od cen metali na rynkach i własności przerabianych rud, a w mniejszym od kosztów przeróbki imetalurgicznych.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.