Planowanie procesu produkcyjnego wyrobu innowacyjnego

pol Artykuł w języku polskim DOI: 10.14313/PAR_215/57

wyślij Izabela Kutschenreiter-Praszkiewicz Akademia Techniczno-Humanistyczna w Bielsku-Białej, Katedra Inżynierii Produkcji

Pobierz Artykuł

Streszczenie

W artykule przedstawiono problematykę planowania procesu produkcyjnego wyrobu innowacyjnego, a w szczególności została przeprowadzona analiza zadań technicznego przygotowania produkcji TPP ukierunkowanych na automatyzację wybranych zadań planowania wyrobu innowacyjnego. Zwrócono uwagę na modułowość wyrobu, jako sposób na spełnienie indywidualnych wymagań klienta przy ponoszeniu niewielkich kosztów. Istnieje wiele sposobów udoskonalania istniejących rozwiązań prowadzących do satysfakcji klienta – literatura podaje między innymi metodę TRIZ, QFD. W artykule poddano analizie problematykę identyfikacji potrzeb klienta. Przedstawiono zagadnienia dekompozycji wyrobu. Zastosowanie koncepcji wyrobów modułowych wymaga opracowania modeli, które w uniwersalny sposób przedstawią strukturę wyrobu wraz z możliwymi alternatywami. W artykule przedstawiono model atrybutowy wyrobu. Zaproponowano zastosowanie metody QFD do identyfikacji wymagań klienta oraz określenia korelacji między wymaganiami klienta a cechami technicznymi wyrobu oraz korelacji między kolejnymi atrybutami generowanymi w ramach etapów TPP. Przedstawiono możliwość zastosowania sztucznych sieci neuronowych, jako metody generowania danych niezbędnych dla potrzeb planowania TPP wyrobu innowacyjnego. Zaproponowano regułową metodę oceny podobieństwa wyrobów.

Słowa kluczowe

ocena wariantów, QFD, techniczne przygotowanie produkcji

Production process planning of innovative product

Abstract

Paper presents innovative product production planning issues, especially technical product preparation tasks focused on chosen data assessment ware taken into consideration. Product modularity was taking into consideration as a cost reduced method for customer particular needs fulfilment. There are a lot of methods applicable for product development – according to literature review TRIZ and QFD are especially promising. In the paper the customer needs analysis was presented. The product modularity issue was presented. The idea of product modularity needs product models, which taking into consideration product structure and modules alternatives. The product attribute model was presented in the paper. The QFD method was apply for customer needs identification and correlation analysis for product structure and another data created during production process preparation. Artificial neural network was used for innovative product planning data prediction. Rule based method product similarity assessment was applied.

Keywords

assessment, QFD, technical production preparation

Bibliografia

  1. Akao Y., QFD: Past, Present, and Future. International Symposium on QFD. Linköping 1997.
  2. Bahrami A., Dagli C., Design science. Intelligent Systems in design and manufacturing. Edited by C. Dagli and Kusiak A. Asme Press. New York 1994.
  3. Chieh-Yuan Tsai, Chih-Jung Chen, Yu-Ting Lo, A costbased module mining method for the assemble-to-order Strategy. Journal of Intelligent Manufacturing 25 (2014), 1377–1392.
  4. Chlebus T., Stefaniak P., Ewolucja produktu w odniesieniu do warunków użytkowania. Materiały z konferencji: Innowacje w Zarządzaniu i Inżynierii Produkcji, Zakopane 2014.
  5. HARTING, Modularyzacja i specjalizacja w budowie maszyn. Pomiary Automatyka Robotyka. 3(2014), 58-59.
  6. Hernandez-Matias J.C., Vizan A., Hidalgo A., Rios J.: Evaluation of techniques for manufacturing process analysis. Journal of Intelligent Manufacturing, 17(2006), 571-583.
  7. Hong, G., Xue, D., & Tu, Y., Rapid identification of the optimal product configuration and its parameters based on customer-centric productmodeling for one-of-a-kind production. Computers in Industry, 61(2010)3, 270–279.
  8. Karaszewski R., Nowoczesne koncepcje zarządzania jakością. TNOIK. Toruń 2006.
  9. Karsak E.E., Sozer S., Alptekin S.E., Product planning in quality function deployment using a combined analytic network process and goal programming approach. Computers & Industrial Engineering, 44(2003), 171-190.
  10. Kutschenreiter-Praszkiewicz I., Systemy bazujące na wiedzy w technicznym przygotowaniu części maszyn. Wydawnictwo ATH. Bielsko-Biała 2012.
  11. Kutschenreiter-Praszkiewicz I., Wykorzystanie sztucznych sieci neuronowych do prognozowania czasu projektowania przekładni zębatych w warunkach niepewności i ryzyka. Archiwum Technologii Maszyn i Automatyzacji, 27(2007)2, 113-120.
  12. Lasota M., TRIZ – udoskonalanie istniejących rozwiązań. Pomiary Automatyka Robotyka 11(2013), 76-77.
  13. Motyka S., Model kreowania system innowacji w przedsiębiorstwie. Materiały z konferencji: Innowacje w Zarządzaniu i Inżynierii Produkcji, Zakopane 2014.
  14. Sener Z, Karsak E., A decision model for setting target levels in quality function deployment using nonlinear programming-based fuzzy regression and optimization. International Journal of Advanced Manufacturing Technology, 2009.
  15. Sosnowska A., Jak wdrażać innowacje technologiczne w przedsiębiorstwie. Poradnik dla przedsiębiorców. Warszawa 2005.
  16. Wawak S., Zarządzanie jakością. Teoria i praktyka. Helion. Gliwice 2006.