| | SLO | ENG | Cookies and privacy

Bigger font | Smaller font

Search the digital library catalog Help

Query: search in
search in
search in
search in
* old and bologna study programme

Options:
  Reset


1 - 4 / 4
First pagePrevious page1Next pageLast page
1.
Optimizacija planiranja proizvodnega procesa v podjetju daihen varstroj d.d.
Ivo Kuzma, 2019, undergraduate thesis

Abstract: V diplomski nalogi je obravnavana tema optimizacije planiranja proizvodnega procesa v podjetju Daihen Varstroj d.d. Opisane so teoretične osnove, potrebne za razumevanje podanih predlogov za optimizacijo proizvodnega procesa na podlagi obstoječega stanja v podjetju. Osrednja tema diplomskega dela je operativna priprava proizvodnje, ki deluje kot povezovalna enota med konstrukcijo in proizvodnjo. Predstavljeno je podjetje Daihen Varstroj d.d. ter informacijski sistem, ki ga podjetje uporablja za podporo pri pripravi proizvodnje. Podani so predlogi za izboljšanje obstoječega stanja proizvodnega procesa v službi operativne priprave proizvodnje ter pretoka materiala v proizvodnji. Ugotavljam, da bi z uvedbo predlogov poenostavili ter optimizirali delo v službi operativne priprave proizvodnje in skrajšali pretočne čase pretoka materiala v proizvodnji. S tem bi podjetje pridobilo na konkurenčnosti na slovenskem ter tujem trgu.
Keywords: Operativna priprava proizvodnje, planiranje proizvodnje, optimizacija proizvodnega procesa, informacijski sistem, pretok materiala
Published: 05.09.2019; Views: 715; Downloads: 130
.pdf Full text (1,37 MB)

2.
Razvrščanje naročil v proizvodnji podjetja elektro industrije
Boštjan Budja, 2019, master's thesis/paper

Abstract: Osnovni cilj proizvodnje je zagotoviti izdelke kupcem v dogovorjenih dobavnih rokih ob minimalnih stroških. Pri doseganju teh ciljev si lahko pomagamo z optimalnim razvrščanjem kapacitet. Podjetja morajo biti čim bolj fleksibilna in se zaradi konkurence pripravljena odzvati na spremembe kar se da hitro. Dinamično razvrščanje proizvodnje v malih in srednje velikih podjetjih je eden izmed najbolj zahtevnih kombinatoričnih optimizacijskih problemov, saj je izjemno kompleksno in presega človeške sposobnosti. Praktična vrednost razvrščanja se kaže neposredno pri višanju izkoristka proizvodnih resursov in s tem povezanem nižanju proizvodnih stroškov podjetja. V teoretičnem delu smo predstavili bistvene značilnost naročniške proizvodnje, podali teorijo s področja razvrščanja opravil in opisali prednostna oz. prioritetna pravila za razvrščanje delovnih nalogov. V praktičnem delu pa smo na primeru obravnavanega podjetja z naročniško proizvodnjo uporabili različna pravila razvrščanja in iskali optimalno možnost.
Keywords: proizvodnja po naročilu, dinamično razporejanje proizvodnje, prednostna pravila, planiranje (terminiranje) proizvodnega procesa, razvrščanje, optimizacija, Lekin
Published: 30.07.2019; Views: 428; Downloads: 107
.pdf Full text (3,81 MB)
This document has many files! More...

3.
Razporejanje proizvodnje z metodami strojnega učenja
Robert Rupnik, 2016, master's thesis/paper

Abstract: Procesi v kompleksnih proizvodnih okoljih postajajo vse bolj nepredvidljivi in se zaradi nenehnih spreminjajočih se zahtev odjemalcev v globalnem okolju čedalje hitreje spreminjajo. Podjetja so se tako že v preteklosti pričela podrobneje organizirati in so v procese vključevala pomagala za terminiranje proizvodnje posameznega izdelka. Danes so na trgu že zelo dodelani računalniško podprti programi, ki pa žal ne predstavljajo ustrezne rešitve v kompleksnih okoljih, kjer imamo opravka z masovnimi, stohastičnimi tokovi materialov. V nalogi smo prikazali praktično uporabo aplikacije, izdelane z metodo strojnega učenja in genetskih algoritmov, v konkretnem proizvodnem okolju jeklarne SIJ Acroni d. o. o. Podjetje sestavljajo štiri enote, optimirali pa smo sklop strojev v eni izmed njih. Zaradi kompleksnosti proizvodnje izključno unikatnih izdelkov proces optimiranja v takem primeru preseže orodja klasičnega terminiranja kakor tudi človeško kombinatoriko. Reševanja izziva zmanjšanja zastojev smo se lotili z uporabo znanja s področja umetne inteligence in genetskih algoritmov. Razvili smo model za sklop strojev in izvedli njegovo validacijo s pomočjo dogodkovne simulacije. Genetske algoritme smo uporabili za iskanje optimalnega proizvodnega razporeda. V izvedeni preliminarni študiji smo ugotovili, da lahko z uporabo genetskih algoritmov čas proizvodnje skrajšamo v povprečju tudi za 4 %, kar pomeni velike časovne prihranke in za podjetje tudi nižje stroške obratovanja proizvodnje. Na ta način smo dokazali, da predstavljajo genetski algoritmi primerno metodo za optimiranje kompleksnih proizvodnih procesov, kar pripomore k večji produktivnosti proizvodnega procesa.
Keywords: strojno učenje, genetski algoritmi, optimiranje, stohastični procesi, planiranje (terminiranje) proizvodnega procesa, proizvodni management
Published: 17.10.2016; Views: 1046; Downloads: 104
.pdf Full text (3,25 MB)

4.
Search done in 0.13 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica