Wyniki wyszukiwania - Biblioteka Nauki

Ten serwis zostanie wyłączony 2025-02-11.

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Computer aided assembly planning using MS Excel software – a case study

100%

Brzozowska J. , Gola A.

Applied Computer Science

2021

tom Vol. 17, no 2

70--89

The issue of planning assembly operations remains crucial decision-making area for many of manufacturing companies. It becomes particularly significant in case of small and medium enterprises that perform unit or small-scale production, where the option of applying specialized software is often very limited – both due to high purchase price, but also due to its applicability to single unit manufacturing, that is executed based on individual customer orders. The present article describes the possibility of applying the MS Excel spreadsheet in the planning of machine assembly processes. It emphasises, in particular, the method for using the spreadsheet in subsequent stages of the process, and the identification of possible causes that have impact on problems with the planning process. We performed our analysis on the basis of actual data from one of the machine industry enterprises that manufactures in central Poland.

Problems of forecasting the length of the assembly cycle of complex products realized in the MTO (make-to-order) model

80%

Brzozowska J. , Gola A. , Kulisz M.

Technologia i Automatyzacja Montażu

2023

tom nr 3

13--20

This article presents the problem of forecasting the length of machine assembly cycles in make-to-order production (Make-to-Order). The model of Make-to-Order production and the technological process of manufacturing the finished product are presented. The possibility of developing a novel method, using artificial intelligence solutions, to estimate machine assembly times based on historical company data on manufacturing times for structurally similar components, is described. It is assumed that the result of the developed method will be an intelligent system supporting efficient and accurate estimation of machine assembly time, ready for implementation in production conditions. Such data as part availability, human resource availability and novelty factor will be used as input data for learning the neural network, while the output variable during learning the neural network will be the actual machine assembly time.

W niniejszym artykule przedstawiono problem prognozowania długości cyklu montażu maszyn w produkcji na zamówienie (Make-to-Order). Przedstawiony został model produkcji na zamówienie oraz proces technologiczny wytwarzania wyrobu gotowego. Opisana została możliwość opracowania nowatorskiej metody, wykorzystującej rozwiązania z zakresu sztucznej inteligencji, umożliwiającej szacowanie czasu montażu maszyn w oparciu o dane historyczne przedsiębiorstw, dotyczące czasów wytwarzania podobnych konstrukcyjnie elementów. Zakłada się, iż rezultatem opracowanej metody będzie inteligentny system wspomagający skuteczne i dokładne szacowanie czasu montażu maszyn, gotowy do implementacji w warunkach produkcyjnych. Jako dane wejściowe do uczenia sieci neuronowej wykorzystane zostaną takie dane jak: dostępność części, dostępność zasobów ludzkich oraz czynnik nowości, zaś zmienną wyjściową podczas uczenia sieci neuronowej będzie rzeczywisty czas montażu maszyny.

Data engineering in CRISP-DM process production data – case study

61%

Brzozowska J. , Pizoń J. , Baytikenova G. , Gola A. , Zakimova A. , Piotrowska K.

tom Vol. 19, no 3

83--95

The paper describes one of the methods of data acquisition in data mining models used to support decision-making. The study presents the possibilities of data collection using the phases of the CRISP-DM model for an organization and presents the possibility of adapting the model for analysis and management in the decision-making process. The first three phases of implementing the CRISP-DM model are described using data from an enterprise with small batch production as an example. The paper presents the CRISP-DM based model for data mining in the process of predicting assembly cycle time. The developed solution has been evaluated using real industrial data and will be a part of methodology that allows to estimate the assembly time of a finished product at the quotation stage, i.e., without the detailed technology of the product being known.