Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

sgh1

442 views

Published on

  • Be the first to comment

  • Be the first to like this

sgh1

  1. 1. 1 Analiza Szeregów Czasowych Prognoza usterek i awarii maszyn i urządzeń firmy produkcyjnej w podziale na wycinki linii technologicznych Maciej Matysek Studia Podyplomowe Akademia Analityka – Analizy Statystyczne i Data Mining w Biznesie Edycja 2 14 czerwca 2015Warszawa
  2. 2. 2 Przedmiotem analizy jest awaryjność i usterkowość maszyn i urządzeń linii produkcyjnych w zakładzie produkcyjnym Wykrycie determinant które wpływają na wystąpienie nieprawidłowości w eksploatacji maszyn i urządzeń jest kluczowa dla serwisu technicznego i służb utrzymania ruchu. Wiedza o tym jakie cechy (wskaźniki eksploatacyjne wpływają na prawdopodobieństwo wystąpienia awarii umożliwia predykcję usterek i awarii. Pozwala to uniknąć nieplanowane przestoje i przerwy w produkcji, będące przyczyną poważnych strat finansowych i wizerunkowych firm produkcyjnych. Problem Badawczy
  3. 3. 3
  4. 4. 4 Zbiór danych zawiera dane o rzeczywistych usterkach i awariach maszyn i urządzeń w zakładzie produkcyjnym w perspektywie 18 miesięcy. Zbiór danych zawiera zmienne charakteryzujące poszczególne usterki i awarie (np. czas usuwanie awarii, nieplanowanego przestoju). Opis zbioru danych
  5. 5. 5 •Red. E. Frątczak, ZAAWANSOWANE METODY ANALIZ STATYSTYCZNYCH, Oficyna Wydawnicza SGH, 2013 •Strona internetowa SAS (http://support.sas.com/documentation/) •Przewodnik do systemów i narzędzi Organizacji i Zarządzania Produkcją, Łódzkie Centrum Doskonalenia Nauczycieli i Kształcenia Praktycznego •MATERIAłY DO ZAJĘĆ Studia Podyplomowe Analizy Statystyczne I Data Mining w Biznesie, BLOK VI. Analiza Szeregów Czasowych, SGH, 2009 •TPM for Workshop Leaders, Kunio Shirose,Productivity Press, Portland, Oregon, 1992r. Bibliografia
  6. 6. Prognoza awarii 6
  7. 7. Model Regresji Logistycznej • Podsumowanie: wpływ na zmienną uzyskanie dopuszczalnego tygodniowego czasu trwania awarii mają staż pracy, wynagrodzenie oraz wykształcenie. Największy wpływ ma wykształcenie. Większe prawdopodobieństwo uzyskania dopuszczalnego czasu trwania awarii mają pracownicy z co najmniej średnim wykształceniem technicznym. Zbudowany model w niewielkim stopniu wyjaśnia, co wpływa na uzyskanie dopuszczalnego tygodniowego czasu trwania awarii. Jednakże podjęta próba stworzenia modeli z grupy modeli regresji logistycznej binarnej oraz szeregu czasowego wskazała kierunki poszukiwań predyktorów w obszarze kompetencji pracowników. Barierą w zastosowaniu wnioskowania statystycznego jest brak danych do budowania modeli statystycznych oraz brak systemu zbierania danych. Systemowe archiwizowanie danych o awariach i ich wykorzystanie do usprawnienia procesu utrzymania ruchu nie jest powszechną praktyką w przemyśle polskim. 7
  8. 8. Szereg Czasowy • Podjęta próba stworzenia modelu predykcyjnego wskazała na możliwości wykorzystania wnioskowania statystycznego w systemie prewencyjnego utrzymania ruchu. Aby zbudować model predykcyjny należy wdrożyć system pomiarowy wskaźników eksploatacyjnych, wykorzystywanych w budowaniu modelu. • 8

×