ΜΕΛΕΤΗ ΣΥΣΤΗΜΑΤΩΝ ΕΛΕΓΧΟΥ ΠΑΡΑΓΩΓΗΣ

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "ΜΕΛΕΤΗ ΣΥΣΤΗΜΑΤΩΝ ΕΛΕΓΧΟΥ ΠΑΡΑΓΩΓΗΣ"

Transcript

1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΑΣ ΤΟΜΕΑΣ ΟΡΓΑΝΩΣΗΣ ΠΑΡΑΓΩΓΗΣ & ΒΙΟΜΗΧΑΝΙΚΗΣ ΔΙΟΙΚΗΣΗΣ ΜΕΛΕΤΗ ΣΥΣΤΗΜΑΤΩΝ ΕΛΕΓΧΟΥ ΠΑΡΑΓΩΓΗΣ ΕΠΙΒΛΕΠΩΝ ΔΙΠΛΩΜΑ ΤΙΚΗ ΕΡΓΑΣΙΑ ΔΡ Γ. ΛΥΜΠΕΡΟΠΟΥΑΟΣ ΝΙΚ. ΚΩΝ. ΔΗΜΑΔΗΣ ΒΟΛΟΣ /0/ :24:7 EET

2 ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ i J H At ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΒΙΒΛΙΟΘΗΚΗ & ΚΕΝΤΡΟ ΠΛΗΡΟΦΟΡΗΣΗΣ Ειλικη Συλλογή «Γκρίζα Βιβλιογραφία» Αριθ. Εισ.: 151/1 Ημερ. Εισ.: Δωρεά: Συγγραφέα Ταξιθετικός Κωδικός: ΠΤ - ΜΜΒ 1999 ΔΗ Μ 06/0/ :24:7 EET

3 ΠΕΡΙΕΧΟΜΕΝΑ 1. ΕΙΣΑΓΩΓΗ Σύνοψη Διπλωματικής Εργασίας Εργαλεία Ανάλυσης Εισαγωγή σ\ο λογισμικό προσομοίωσης SIMFACTORY Ανάλυση Αναφοράς (Report) Υπολογισμός των Παραμέτρων του Κόστους ΣΥΣΤΗΜΑΤΑ ΕΝΟΣ ΣΤΑΔΙΟΥ Εισαγωγή KCS (Kanban Control System) Περιγραφή Συστήματος KCS Ενός Σταδίου με Μια Μηχανή GKCS (Generalized Kanban Control System) Περιγραφή Συστήματος GKCS Ενός Σταδίου με Μια Μηχανή GKCS Ενός Σταδίου με Τέσσερις Μηχανές ΣΥΣΤΗΜΑΤΑ ΜΕ ΔΥΟ ΚΑΤΑΣΚΕΥΑΣΤΙΚΑ ΣΤΑΔΙΑ ΚΑΙ ΕΝΑ ΣΤΑΔΙΟ ΣΥΝΑΡΜΟΛΟΓΗΣΗΣ Εισαγωγή Περιγραφή του Συστήματος SEKCS...7. Περιγραφή του Συστήματος IEKCS Συγκρίσεις των SEKCS και IEKCS ΣΥΜΠΕΡΑΣΜΑΤΑ ΒΙΒΛΙΟΓΡΑΦΙΑ ΠΑΡΑΡΤΗΜΑ- ΑΝΑΦΟΡΕΣ ΣΥΣΤΗΜΑΤΩΝ /0/ :24:7 EET

4 1. ΕΙΣΑΓΩΓΗ 1.1 Σύνοψη Διπλωματικής Εργασίας Τα συστήματα παραγωγής αποτελούνται από σταθμούς εργασίας στους οποίους εργασίες όπως μηχανουργικές κατεργασίες, συναρμολόγηση, επιθεώρηση, έλεγχος κλπ, λαμβάνουν χώρα σε κομμάτια, προϊόντα και συναρμολογημένα εξαρτήματα με σκοπό τη δημιουργία προϊόντων ετοίμων να παραδοθούν στους πελάτες. Με δεδομένο ότι η πλειοψηφία των σημερινών εργοστασίων υποφέρει από μεγάλα αποθέματα, μεγάλους χώρους αποθήκευσης και συχνά χαοτική ροή των υλικών, η αποτελεσματική διαχείριση της ροής των υλικών διαμέσου ενός συστήματος παραγωγής είναι εξέχουσας σημασίας. Η διαχείριση της ροής των υλικών είναι ένα πρόβλημα βελτιστοποίησης στο οποίο πρέπει να αποφασισθεί πότε και πόσα τεμάχια να κατασκευασθούν ώστε να επιτευχθεί ένα ικανοποιητικό επίπεδο εξυπηρέτησης των πελατών, με όσο το δυνατόν χαμηλότερα αποθέματα. Οι δυσκολίες στη διαχείριση προέρχονται κυρίως από τη μεταβλητότητα που χαρακτηρίζει την ικανότητα παραγωγής των μηχανών και την άφιξη των ζητήσεων. Μια πρακτική προσέγγιση επίλυσης του προβλήματος διαχείρισης της ροής των υλικών είναι να ομαδοποιηθούν διάφορα τμήματα της παραγωγής σε στάδια και να ελέγχεται η ροή των υλικών μόνο μεταξύ των σταδίων. Ο καταμερισμός των λειτουργιών και των διαφόρων πόρων σε στάδια είναι ένα πολύ σημαντικό μέρος της διαδικασίας σχεδιασμού του συστήματος διαχείρισης της ροής των υλικών. Μια εξίσου σημαντική απόφαση σχεδιασμού του συστήματος διαχείρισης είναι ο καθορισμός του μηχανισμού συντονισμού μεταξύ των σταδίων. Πολλά συστήματα παραγωγής χρησιμοποιούν έναν «ελκυόμενο» (pull) μηχανισμό ελέγχου για να συντονίσουν τα διάφορα στάδια παραγωγής. Σε ένα σύστημα που η παραγωγή ελέγχεται με έναν ελκυόμενο μηχανισμό, το έναυσμα για την κατασκευή ενός νέου τεμαχίου ενός σταδίου το δίνει η άφιξη μιας ζήτησης για ένα τέτοιο τεμάχιο. Με τον όρο «τεμάχιο» εννοούμε είτε ένα απλό εξάρτημα είτε μια τυποποιημένη παρτίδα εξαρτημάτων. Η παρούσα διπλωματική χωρίζεται σε δύο μέρη. Στο πρώτο μέρος μελετούμε την επίδραση της μεταβλητότητας των χρόνων επεξεργασίας και των χρόνων άφιξης στα μέτρα απόδοσης των συστημάτων ενός σταδίου που ελέγχονται με τους μηχανισμούς Kanban και Generalized Kanban. Στο δεύτερο μέρος μελετούμε τον μηχανισμό ελέγχου Extended Kanban σε δύο του εκδοχές για συστήματα παραγωγής 06/0/ :24:7 EET

5 με συναρμολόγηση. Οι δύο εκδοχές διαφέρουν στο κατά πόσο τα εξαρτήματα προς συναρμολόγηση και τα Kanban (κάρτες εξουσιοδότησης της παραγωγής) απελευθερώνονται ταυτόχρονα ή ανεξάρτητα πριν την συναρμολόγηση. Ο μικρός αριθμός των παραμέτρων του μηχανισμού ελέγχου στο πρώτο μέρος μας επιτρέπει να προβούμε σε βελτιστοποίησή τους. Αντίθετα, ο μεγάλος αριθμός των παραμέτρων των δύο μηχανισμών ελέγχου στο δεύτερο μέρος μας οδηγεί στο να συγκρίνουμε μερικές μόνο περιστάσεις των δύο μηχανισμών και όχι να βελτιστοποιήσουμε τις παραμέτρους τους. 1.2 Εργαλεία Ανάλυσης Εισαγωγή στο λογισμικό προσομοίωσης SIMFACTORY Για την ανάλυση των συστημάτων που εξετάζουμε χρησιμοποιούμε το λογισμικό προσομοίωσης SIMFACTORY 115 for Windows Release 7.1 [1]. To πρόγραμμα αυτό παρέχει μια σειρά από ευκολίες έναντι μιας συμβατικής γλώσσας προγραμματισμού όπως: 1) μια σειρά ετοίμων συναρτήσεων κατανομής που μπορούν να χρησιμοποιηθούν στην είσοδο του μοντέλου, 2) γραφικό περιβάλλον, ) ευκολίες στη μοντελοποίηση συστήματος ουρών λόγω της ύπαρξης εντολών όπως RELEASE και REQUEST που απλοποιούν την διαδικασία προγραμματισμού της μεταφοράς των κομματιών διαμέσου του συστήματος, 4) αυτόματη εξαγωγή αναφοράς στο τέλος της προσομοίωσης, σε μορφή γραφήματος ή κειμένου, που συμπεριλαμβάνει όλα τα βασικά μεγέθη, μαζί με τις μέσες τιμές και τις τυπικές αποκλίσεις τους, όπως την ποσότητα των κομματιών στα διάφορα τμήματα (ουρές, σταθμούς εργασίας, κλπ), τους χρόνους που καθυστερούν στα τμήματα αυτά και το χρόνο που χρειάζεται μια εργασία να ολοκληρωθεί και 5) εύκολη διαμόρφωση των μεταβλητών του μοντέλου μια και η εισαγωγή των χαρακτηριστικών τους, όπως αρχικές τιμές προϊόντων στα διάφορα τμήματα του συστήματος, χωρητικότητα των τμημάτων αυτών, γίνεται με εύκολο τρόπο με τη βοήθεια παραθύρων (Windows) Ανάλυση Αναφοράς (Report) Μετά το τέλος της προσομοίωσης το SIMFACTORY μας παρέχει την δυνατότητα της παρουσίασης πολλών από τις μεταβλητές που εμπλέκονται στο σύστημα με τη μορφή μιας αναφοράς (report) για περαιτέρω μελέτη. Για καλλίτερη μελέτη της αναφοράς αυτής το πρόγραμμα έχει την επιλογή της μετατροπής της αναφοράς αυτής σε διάφορες μορφές όπως ιστογράμματα η απλό κείμενο. Τέτοιες 06/0/ :24:7 EET

6 αναφορές απλού κειμένου φαίνονται στο παράρτημα Β. Στη συγκεκριμένη αναφορά κειμένου (text report) για κάθε τμήμα του συστήματος όπως οι ουρές ή οι σταθμοί εργασίας δίνονται τα εξής χαρακτηριστικά: LEVEL: ο αριθμός των κομματιών που περιέχονται στην ουρά ή στο σταθμό. DELAY: ο χρόνος που παρέμεινε το κάθε κομμάτι στη συγκεκριμένη ουρά (ή σταθμό) όπως επίσης και μια αναφορά του ποσοστού τον κομματιών που παρέμειναν στο σύστημα για ένα συγκεκριμένο χρονικό πεδίο. NO. RELEASE: ο αριθμός των κομματιών που εξήλθαν αυτής της ουράς STATE: το ποσοστό του χρόνου στον οποίο βρίσκεται ένας σταθμός εργασίας η μια διεργασία σε κατάσταση εργασίας (busy), αδράνειας (idle), ζήτησης (REQUEST) ή δέσμευσης (blocked). NO. CREATE και NO. EXIT : ο αριθμός των κομματιών που άρχισαν την συγκεκριμένη διεργασία και ο αριθμός των κομματιών που την ολοκλήρωσε. MAKESPAN: ο χρόνος που κράτησε η διεργασία. Εδώ αξίζει να σημειώσουμε ένα πρόβλημα του προγράμματος. Ένα από τα σημαντικότερα από τα μεγέθη που προαναφέρθηκαν είναι σίγουρα το επίπεδο των κομματιών που περιέχεται σε μια ουρά ή σταθμό (LEVEL). Το εξαιρετικά χρήσιμο αυτό χαρακτηριστικό παρατηρήθηκε ότι επανειλημμένα σε διάφορες προσομοιώσεις έδινε εσφαλμένα αποτελέσματα. Μετά μάλιστα από ερώτημα στην εταιρία παραγωγής του SIMFACTORY μας έγινε γνωστό ότι αυτό αποτελεί σφάλμα του προγράμματος. Αυτό είχε αποτέλεσμα στη συνέχεια να μην χρησιμοποιούμε τα στοιχεία που μας δίνει το LEVEL αλλά ο υπολογισμός του αριθμού των κομματιών σε κάποιο σημείο του συστήματος να γίνεται με έμμεσους τρόπους, όπως πολλαπλασιάζοντας την καθυστέρηση των κομματιών στο σημείο αυτό με τον ρυθμό που διέρχονται τα κομμάτια από το σημείο αυτό, σύμφωνα με τον νόμο του Little [6] Υπολογισμός των Παραμέτρων του Κόστους Τα μεγέθη που συνήθως μας απασχολούν για τον υπολογισμό του κόστους είναι το μέσο απόθεμα των ημιετοίμων κομματιών στο σύστημα, το μέσο απόθεμα των ετοίμων προϊόντων στην έξοδο του συστήματος, ο μέσος αριθμός των ζητήσεων σε αναμονή μιας και αυτά τα τρία μεγέθη επηρεάζουν το συνολικό κόστος του συστήματος. Ο τρόπος που τα υπολογίζουμε είναι ο εξής: 1) Το μέσο απόθεμα των ημιετοίμων είναι το γινόμενο του μέσου χρόνου που κράτησε η διεργασία 06/0/ :24:7 EET

7 κατασκευής του προϊόντος (WIP MAKESPAN) επί του αριθμού τον κομματιών που διακινούνται μέσω του συστήματος στη μονάδα του χρόνου ο οποίος δεν είναι άλλος από τον ρυθμό αφίξεων των ζητήσεων στο σύστημα. 2) Το μέσο απόθεμα των ετοίμων προϊόντων υπολογίζεται πολλαπλασιάζοντας τον μέσο χρόνο που παραμένουν τα κομμάτια στο σύστημα (PRODUCT MAKESPAN) επί του αριθμού τον κομματιών που διακινούνται μέσω του συστήματος και ) Ο μέσος αριθμός των ζητήσεων σε αναμονή είναι το γινόμενο του μέσου χρόνου παραμονής των ζητήσεων στο σύστημα (ORDER MAKESPAN) επί του αριθμού τον κομματιών που διακινούνται μέσω του συστήματος. 06/0/ :24:7 EET

8 2. ΣΥΣΤΗΜΑΤΑ ΕΝΟΣ ΣΤΑΔΙΟΥ 2.1 Εισαγωγή Στο μέρος αυτό εξετάζουμε συστήματα ελέγχου ροής της παραγωγής ενός σταδίου. Συγκεκριμένα, μελετούμε την επίδραση της μεταβλητότητας των χρόνων επεξεργασίας και των χρόνων άφιξης σε μέτρα απόδοσης συστημάτων ενός σταδίου που ελέγχονται με τους μηχανισμούς Kanban Control System (KCS) και Generalized Kanban Contol System (GKCS) (βλ. [l]-[6]) Στην αρχή εξετάζουμε ένα απλό σύστημα με μία μόνο μηχανή και στη συνέχεια ένα πιο πολύπλοκο σύστημα με τέσσερις μηχανές στη σειρά. 2.2 KCS (Kanban Control System) Εικόνα 2.1 KCS ενός σταδίου Περιγραφή Συστήματος Το σύστημα KCS ενός σταδίου φαίνεται στο σχήμα 2.1.Το σύστημα έχει Κ εξουσιοδοτήσεις παραγωγής ή Kanban. Η ουρά ΡΑ αναπαριστάνει το χώρο αποθήκευσης εξερχόμενων υλών και περιέχει ζεύγη Kanban και τελειωμένων εξαρτημάτων του συστήματος. Η ουρά DA περιέχει ζεύγη Kanban και ζητήσεων για την παραγωγή εξαρτημάτων του συστήματος. Η ουρά Ρο αναπαριστάνει το χώρο αποθήκευσης πρώτων υλών και η ουρά D περιέχει ζητήσεις για τελικά προϊόντα. Η ουρά I αναπαριστάνει το χώρο αποθήκευσης εισερχομένων υλών και με MF αναπαριστάνεται το σύστημα παραγωγής του σταδίου. Όταν το σύστημα βρίσκεται στην αρχική του κατάσταση, δηλαδή προτού φτάσουν οποιεσδήποτε ζητήσεις στο σύστημα, η ουρά Ρο θεωρούμε ότι περιέχει μεγάλο αριθμό (πρακτικά άπειρο) 06/0/ :24:7 EET

9 πρώτων υλών, η ουρά ΡΑ περιέχει Κ τελειωμένα εξαρτήματα όπου κάθε εξάρτημα έχει επικολλημένο ένα Kanban, και όλες οι άλλες ουρές του συστήματος είναι άδειες. Το Κ είναι η μόνη παράμετρος ελέγχου του συστήματος. Το σύστημα KCS λειτουργεί ως εξής. Όταν μια ζήτηση ενός πελάτη φτάσει στο σύστημα εισέρχεται στην ουρά D ζητώντας την παράδοση ενός τελειωμένου προϊόντος από την ουρά ΡΑ στον πελάτη. Εάν υπάρχει ένα τελειωμένο προϊόν, παραδίδεται στον πελάτη αφού πρώτα απελευθερώσει το Kanban του. To Kanban αυτό αποστέλλεται πίσω στην ουρά DA μεταφέροντας μαζί του μια ζήτηση για την παραγωγή ενός νέου εξαρτήματος και εξουσιοδοτώντας την εισαγωγή ενός εξαρτήματος από την ουρά Ρο στην ουρά I. Κατά αυτόν τον τρόπο η ζήτηση του πελάτη που αρχικά έφτασε στην ουρά D μεταφέρεται προς τα ανάντη του συστήματος μέσω των Kanban. Η φιλοσοφία του KCS είναι ότι μια ζήτηση μεταφέρεται προς τα ανάντη του συστήματος μόνο όταν ένα τελικό προϊόν μεταφερθεί προς τα κατάντη του συστήματος. Μία επωφελής συνέπεια της λειτουργίας του KCS είναι ότι ο αριθμός των εξαρτημάτων στο σύστημα περιορίζεται από των αριθμό των Κ που υπάρχουν στο σύστημα. Το μειονέκτημα είναι ότι δεν μπορεί να διαχωριστεί ο αριθμός του αρχικού αποθέματος έτοιμων προϊόντων από τον αριθμό των εξουσιοδοτήσεων για την παραγωγή νέων προϊόντων αφού ο αριθμός Κ καθορίζει και τα δύο αυτά μεγέθη KCS Ενός Σταδίου με Μια Μηχανή Θεωρούμαι ένα σύστημα KCS ενός σταδίου με ένα σταθμό εργασίας του οποίου ο χρόνος εξυπηρέτησης ακολουθεί την εκθετική κατανομή με μέση τιμή ίση με 1. Η χωρητικότητα της μηχανής είναι ένα κομμάτι ενώ όλες οι ουρές έχουν άπειρη χωρητικότητα. Ο χρόνος μεταξύ δύο αφίξεων της ζήτησης ακολουθεί λογοκανονική (lognormal) κατανομή με μέση τιμή 1,25. Η τυπική απόκλιση της λογοκανονικής κατανομής είναι στην πρώτη περίπτωση 1,25 και στην δεύτερη περίπτωση 5. Η διάρκεια της προσομοίωσης είναι χρονικές μονάδες (περίπου 8000 αφίξεις) με 5 επαναλήψεις. Επαναλαμβάνουμε την προσομοίωση για διάφορες τιμές του Κ (αριθμός Kanbans) που είναι η παράμετρος σχεδιασμού του συστήματος για την οποία αναζητούμε την ιδανική τιμή. Στη συνέχεια συγκεντρώνουμε από τις αναφορές τα στοιχεία που απαιτούνται για τον υπολογισμό του κόστους για διάφορες τιμές του Κ. Τα στοιχεία αυτά είναι: 1) WIP MAKESPAN που είναι ο χρόνος παραμονής των ημιετοίμων στο σύστημα, 2) ORDER MAKESPAN που είναι ο 06/0/ :24:7 EET

10 χρόνος που παραμένουν οι ζητήσεις στο σύστημα και ) PRODUCT MAKESPAN που είναι ο χρόνος που παραμένουν τα έτοιμα προϊόντα στο σύστημα. Το συνολικό κόστος υπολογίζεται αθροίζοντας το κόστος διατήρησης του αποθέματος των ημιετοίμων που παραμένουν στο σύστημα, το κόστος του αποθέματος των ετοίμων που βρίσκονται στη ουρά εξόδου του συστήματος και το κόστος των ζητήσεων που εξυπηρετούνται με καθυστέρηση. Για απλοποίηση θεωρούμε ότι τα κόστη αυτά είναι γραμμική συνάρτηση του πλήθους των ημιετοίμων, των προϊόντων και των ζητήσεων σε αναμονή αντίστοιχα. Το πλήθος των ημιετοίμων, των ετοίμων προϊόντων και των ζητήσεων σε αναμονή υπολογίζεται πολλαπλασιάζοντας την ποσότητα των κομματιών που διακινήθηκαν στο σύστημα με τον χρόνο παραμονής στο σύστημα των ημιετοίμων, των ετοίμων προϊόντων και των ζητήσεων σε αναμονή αντίστοιχα. Συνεπώς το συνολικό κόστος υπολογίζεται από την ακόλουθη σχέση: C(K) = W1P + FP + aqd = (WIP ΜΑΚΕ8ΡΑΝ)*λ + (PRODUCT ΜΑΚΕδΡΑΝ)*λ + a*(order ΜΑΚΕδΡΑΝ)*λ, όπου α είναι ο συντελεστής βαρύτητας του κόστους των ζητήσεων σε αναμονή στο συνολικό κόστος για το οποίο επιλέχτηκε α=5 και λ ο ρυθμός άφιξης των ζητήσεων με λ= 1/1,25=0,8 αφίξεις ανά χρονική μονάδα. Τα αποτελέσματα φαίνονται στους Πίνακες και τα Διαγράμματα που ακολουθούν. κ WIP ORDER PRODUCT COST MAKESPAN MAKESPAN MAKESPAN 1 1,00,812 0,247 16,248 5,49 1,465 2,904 10, ,92 0,422 8,115 11, ,69 0,125 14,071 15, ,784 0,01 20,2 20,176 Πίνακας 2,1 Απόδοση του KCS ενός σταδίου με μια μηχανή με χρόνο εξυπηρέτησης exp[l] και χρόνο μεταξύ αφίξεων log[l,25-1,25]. 06/0/ :24:7 EET

11 WIP makespan Order makespan Product makespan Διάγραμμα 2.1 Απόδοση του KCS ενός σταδίου με μια μηχανή με χρόνο εξυπηρέτησης exp[l] και χρόνο μεταξύ αφίξεων Iog[l,25-l,25]. COST Διάγραμμα 2.2 Συνολικό κόστος για KCS ενός σταδίου με μια μηχανή με χρόνο εξυπηρέτησης exp[l] και χρόνο μεταξύ αφίξεων log[l,25-l,25] 06/0/ :24:7 EET

12 κ WIP ORDER PRODUCT COST MAKESPAN MAKESPAN MAKESPAN 1 0,996 18,445 0,298 74, ,468 14,991 1,997 65, ,842 11,629 5,087 56, ,41 9,062 8,982 51, ,65 7,11 1,498 49, ,854 5,624 18,476 48,6 0 15,01 4,468 2,787 48, ,928,55 29,6 50, ,287 2,19 40,91 55, ,742 1,74 46,918 58,688 Πίνακας 2.2 Απόδοση του KCS ενός σταδίου με μια μηχανή με χρόνο εξυπηρέτησης exp[l] και χρόνο μεταξύ αφίξεων log[l,25-5]. - WIP makespan Order makespan " Product makespan Διάγραμμα 2. Απόδοση του KCS ενός σταδίου με μια μηχανή με χρόνο εξυπηρέτησης exp[l] και χρόνο μεταξύ αφίξεων Iog[l,25-5]. 06/0/ :24:7 EET

13 COST Διάγραμμα 2.4 Συνολικό κόστος για KCS ενός σταδίου με μια μηχανή με χρόνο εξυπηρέτησης exp[ll και χρόνο μεταξύ αφίξεων log[l,25-5] Τα Διαγράμματα μας οδηγούν να κάνουμε τρεις παρατηρήσεις. Η πρώτη παρατήρηση είναι ότι ο χρόνος που παραμένουν οι ζητήσεις στο σύστημα είναι φθίνουσα συνάρτηση του Κ που για Κ τείνει στο άπειρο προσεγγίζει το (0). Η δεύτερη παρατήρηση είναι ότι ο χρόνος παραμονής των ημιετοίμων προϊόντων είναι αύξουσα συνάρτηση του Κ που όμως δεν ξεπερνάει ένα όριο καθώς το Κ τείνει στο άπειρο. Αυτό είναι φυσιολογικό αφού καθώς το Κ τείνει στο άπειρο, ουσιαστικά είναι σαν να μη χρειάζονται εξουσιοδοτήσεις για την εισαγωγή νέων πρώτων υλών στο σύστημα, οπότε οι πρώτες ύλες εισέρχονται μαζί με την άφιξη των ζητήσεων. Η τρίτη παρατήρηση είναι ότι ο χρόνος που παραμένουν τα έτοιμα προϊόντα στο σύστημα είναι αύξουσα συνάρτηση του Κ, που για μεγάλες τιμές του Κ τείνει στο άπειρο. Αυτό είναι φυσιολογικό αφού καθώς το Κ τείνει στο άπειρο ο αρχικός αριθμός των ετοίμων προϊόντων τείνει επίσης στο άπειρο. Για τις τιμές του Κ που επιλέχτηκαν, το ελάχιστο κόστος για την περίπτωση όπου η τ.α του χρόνου μεταξύ αφίξεων είναι 1,25 (Πίνακας 2.1) είναι C= 10,864 και αντιστοιχεί σε Κ=5. Αντίστοιχα το ελάχιστο κόστος για την περίπτωση όπου η τ.α του χρόνου μεταξύ αφίξεων είναι 5 (Πίνακας 2.2) είναι C=48,6 και αντιστοιχεί σε Κ=25. Στα Διαγράμματα που ακολουθούν δείχνονται τα τρία μέτρα απόδοσης για τις δύο περιπτώσεις της τ.α του χρόνου μεταξύ αφίξεων καθώς και για 12 06/0/ :24:7 EET

14 την περίπτωση όπου ο χρόνος μεταξύ αφίξεων έχει εκθετική κατανομή με μέση τιμή 1,25. Για την τελευταία περίπτωση υπάρχουν αναλυτικές λύσεις για τον υπολογισμό των μέτρων απόδοσης [5]. Συνοπτικά, οι αναλυτικές αυτές λύσεις είναι οι εξής. 1 ηκ 1 WIP MAKESPAN = * Ι-p μ 1 ORDER MAKESPAN = Ρ 1-/9 μ PRODUCT MAKESPAN = ί < λ κ 1 - ρ Ρ ι-ρ όπου μ είναι ο μέσος ρυθμός εξυπηρέτησης και ρ είναι η απασχόληση του σταθμού και ισούται με. Στην περίπτωσή μας μ=1 και ρ=0,8. Διάγραμμα 2.5 Συγκρίσεις για το WIP MAKESPAN 06/0/ :24:7 EET

15 ORDER MAKESPAN exp[1 ]-log[1,25-1,25] exp[1 ]-log[1,25-5] exp[1 ]-exp[1,25] Διάγραμμα 2.6 Συγκρίσεις για ORDER MAKESPAN Διάγραμμα 2.7 Συγκρίσεις για PRODUCT MAKESPAN Παρατηρούμε από τα Διαγράμματα 2.5, 2.6 και 2.7 ότι αν αλλάξουμε την κατανομή του χρόνου μεταξύ δύο αφίξεων από εκθετική με μέση τιμή 1,25 δηλ. exp[l,25] σε λογοκανονική με μέση τιμή 1,25 και τυπική απόκλιση 1,25 δηλ. log[ 1,25-1,25] τότε ο μέσος χρόνος των ημιέτοιμων κομματιών στο σύστημα δηλ. το 14 06/0/ :24:7 EET

16 WIP MAKESPAN, ο μέσος χρόνος των ανικανοποίητων ζητήσεων στο σύστημα δηλ. το ORDER MAKESPAN και ο μέσος χρόνος των έτοιμων προϊόντων που κάθονται στο σύστημα δηλ. το PRODUCT MAKESPAN είναι περίπου τα ίδια. Αυτό είναι λογικό εφόσον και η διακύμανση του χρόνου μεταξύ των αφίξεων παραμένει η ίδια και στις δύο περιπτώσεις. Περαιτέρω αύξηση της τυπικής απόκλισης από 1,25 σε 5 στην λογοκανονική κατανομή άφιξης των ζητήσεων έχει ως αποτέλεσμα το WIP MAKESPAN και το ORDER MAKESPAN να αυξάνονται ενώ το PRODUCT MAKESPAN μειώνεται. Αυτό γίνεται διότι, όταν αυξάνεται η μεταβλητότητα της ζήτησης, αυξάνεται η μεταβλητότητα στις αφίξεις των τεμαχίων στο σύστημα δηλαδή αυξάνεται ο χρόνος παραμονής των ημιέτοιμων κομματιών στο χώρο επεξεργασίας καθώς και ο χρόνος αναμονής των ζητήσεων [5]. Αυτό έχει σαν συνέπεια να μειώνεται ο χρόνος παραμονής των έτοιμων κομματιών. Μάλιστα για τετραπλασιασμό της τ.α. (από 1,25 σε 5) για Κ-1 το WIP και το PRODUCT MAKESPAN παραμένουν στα ίδια επίπεδα ενώ το ORDER MAKESPAN αυξάνεται περίπου 4,8 φορές. Αντίθετα για Κ=20 το WIP MAKESPAN αυξάνεται περίπου 2,5 φορές, το PRODUCT MAKESPAN μειώνεται περίπου 1,5 φορά, ενώ το ORDER MAKESPAN αυξάνεται περίπου 20 φορές. Η επίδραση της αύξησης της τ.α. του χρόνου μεταξύ αφίξεων φαίνεται να είναι εντονότερη στον χρόνο αναμονής ανικανοποίητων ζητήσεων και άρα στο επίπεδο εξυπηρέτησης των πελατών. 2. GKCS (Generalized Kanban Control System) Σχήμα 2.2 Σύστημα GKCS ενός σταδίου με μία μηχανή. 06/0/ :24:7 EET

17 2..1 Περιγραφή Συστήματος Το σύστημα GKCS ενός σταδίου με μία μηχανή στο στάδιο φαίνεται στο σχήμα 2.2. Με D2 συμβολίζουμε την ουρά όπου συγκεντρώνονται οι ζητήσεις για τα έτοιμα προϊόντα, με D1 την ουρά όπου αποθηκεύονται οι ζητήσεις για έναρξη της παραγωγικής διαδικασίας, με ΡΟ το χώρο των πρώτων υλών, με Α την ουρά όπου μαζεύονται τα Kanbans, με I το χώρο αποθήκευσης των εισερχομένων υλών, με MF το σύστημα παραγωγής, και με Ρ το χώρο αποθήκευσης των τελειωμένων προϊόντων. Αρχικά, πριν έρθει η πρώτη ζήτηση στο σύστημα, στην ουρά Ρ βρίσκεται ένα απόθεμα S έτοιμων προϊόντων, στην ουρά Α βρίσκονται Κ Kanbans, ενώ στην ουρά ΡΟ θεωρητικά άπειρο απόθεμα πρώτων υλών. Όλες οι υπόλοιπες ουρές είναι άδειες. Η παραγωγή προκαλείται από τις ζητήσεις που καταφθάνουν στο σύστημα. Κατά την άφιξη μιας ζήτησης στο σύστημα, μια ζήτηση για ένα έτοιμο προϊόν εισέρχεται στην ουρά D2 και μια εντολή για παραγωγή νέου προϊόντος στην ουρά D1. Οι ουρές Ρ και D2 τροφοδοτούν ένα σταθμό συγχρονισμού. Με αυτό τον τρόπο όταν μια ζήτηση φθάσει στην ουρά D2 και υπάρχει ένα έτοιμο προϊόν στην ουρά Ρ τότε αυτό παραδίδεται στον πελάτη και η ζήτηση στην D2 ικανοποιείται. Αν αντίθετα τη στιγμή που εισέλθει η ζήτηση στην ουρά D2 δεν υπάρχει έτοιμο προϊόν στην ουρά Ρ τότε η ζήτηση παραμένει στην D2 (ζήτηση σε αναμονή) μέχρι κάποιο έτοιμο κομμάτι εισέλθει στην ουρά Ρ. Επίσης και οι ουρές Α,ΡΟ και D1 οδηγούνται σε σταθμό συγχρονισμού. Αν κάποια στιγμή μια ζήτηση για κατασκευή νέου προϊόντος εισέλθει στην ουρά D1 και υπάρχει Kanban στην ουρά Α τότε το Kanban προσκολλάται στην πρώτη ύλη εγκρίνοντας την επεξεργασία του στον σταθμό MF. Αφού υποστεί την επεξεργασία στους σταθμούς του MF το έτοιμο πλέον κομμάτι εισέρχεται στην ουρά Ρ. Λίγο πριν εισέλθει στην ουρά αυτή αποκολλάται από πάνω του το Kanban το οποίο μεταφέρεται αντίθετα της πορείας επεξεργασίας και εναποτίθεται στην ουρά Α Αν αντιθέτως κατά την άφιξη μιας ζήτησης στην ουρά D1 δεν υπάρχει κανένα Kanban στην ουρά Α τότε παραμένει η ζήτηση στην D1 και ικανοποιείται όταν το πρώτο Kanban έλθει στην Α. Χαρακτηριστικά Συστήματος: Οι παράμετροι ελέγχου του GKCS είναι ο αριθμός των Kanbans (Κ) και το αρχικό απόθεμα ετοίμων προϊόντων (S). Σε αντίθεση με το KCS ο αριθμός Κ έχει μοναδικό ρόλο τον καθορισμό του πλήθους των κομματιών που βρίσκονται στο 06/0/ :24:7 EET

18 στάδιο της επεξεργασίας (στο στάδιο MF και I) αφού το αρχικό απόθεμα έτοιμων κομματιών που βρίσκεται στην ουρά Ρ καθορίζεται από το S GKCS Ενός Σταδίου με Μια Μηχανή. Θεωρούμε το σύστημα GKCS όπως φαίνεται στο σχήμα 2.2. Η μηχανή μπορεί να επεξεργάζεται μόνο ένα κομμάτι κάθε μια φορά την και ο χρόνος εξυπηρέτησης της μηχανής ακολουθεί εκθετική κατανομή με μέση τιμή 1. Ο χρόνος μεταξύ δύο αφίξεων της ζήτησης για έτοιμα κομμάτια ακολουθεί λογοκανονική κατανομή με μέση τιμή 1,25 και τυπική απόκλιση 1,25 την πρώτη φορά και 5 την δεύτερη. Η χρονική περίοδος προσομοίωσης είναι χρονικές μονάδες με πέντε επαναλήψεις. Όπως είπαμε οι παράμετροι ελέγχου του συστήματος είναι το Κ και το S. Για αυτό το απλό σύστημα το ελάχιστο επιτυγχάνεται για Κ=1. Αυτό συμβαίνει γιατί οποιοδήποτε Κ μεγαλύτερο του 1 το μόνο που επιτυγχάνει είναι να αυξήσει το μέσο απόθεμα της ουράς I και τον χρόνο αναμονής των πρώτων υλών στην ουρά I χωρίς να αυξάνει ταυτόχρονα την ταχύτητα αντίδρασης του συστήματος στην ζήτηση. Τα αποτελέσματα που παίρνουμε για Κ=1 και διάφορες τιμές του S για τις δύο περιπτώσεις της τ.α. του χρόνου άφιξης φαίνονται στους παρακάτω Πίνακες και Διαγράμματα S WIP ORDER 1 PRODUCT COST MAKESPAN MAKESPAN MAKESPAN 0 1,00 4, , ,00 1,465 2,904 8, ,00 0,422 8,115 8, ,00 0,125 14,071 12, ,00 0,01 20,2 17,1128 Πίνακας 2. Απόδοση του GKCS ενός σταδίου με μια μηχανή με χρόνο εξυπηρέτησης exp[l] και χρόνο μεταξύ αφίξεων Iog[l,25-l,25] /0/ :24:7 EET

19 K= WP makespan Orderl makespan Product makespan 5 Διάγραμμα 2.7 Απόδοση του GKCS ενός σταδίου με μια μηχανή με χρόνο εξυπηρέτησης exp[l] και χρόνο μεταξύ αφίξεων log[l,25-l,25]. Διάγραμμα 2.8 Συνολικό κόστος για GKCS ενός σταδίου με μια μηχανή με χρόνο εξυπηρέτησης exp[l] και χρόνο μεταξύ αφίξεων log[ 1,25-1,25] 06/0/ :24:7 EET

20 S WIP ORDER1 PRODUCT COST MAKESPAN MAKESPAN MAKESPAN 0 0,996 19, , ,996 14,991 1,997 62, ,996 11,629 5,087 51, ,996 9,062 8,982 44, ,996 7,11 1,498 40, ,996 4,468 2,787 7, ,996 2,796 5,048 40,0192 Πίνακας 2.4 Απόδοση του GKCS ενός σταδίου με μια μηχανή με χρόνο εξυπηρέτησης exp[l] και χρόνο μεταξύ αφίξεων log[l,25-5] WP makespan Orderl makespan Product makespan s Διάγραμμα 2.9 Απόδοση του GKCS ενός σταδίου με μια μηχανή με χρόνο εξυπηρέτησης exp[l] και χρόνο μεταξύ αφίξεων log[l,25-5]. 06/0/ :24:7 EET

21 COST Διάγραμμα 2.10 Συνολικό κόστος για GKCS ενός σταδίου με μια μηχανή με χρόνο εξυπηρέτησης exp[l] και χρόνο μεταξύ αφίξεων Iog[l,25-5] Για τις τιμές του S που εξετάζονται, για την περίπτωση όπου η τ.α. του χρόνου ανάμεσα στις ζητήσεις είναι 1,25 (Πίνακας 2.) το ελάχιστο κόστος είναι C=8,9824 και αντιστοιχεί σε S =10. Για την περίπτωση όπου η τυπική απόκλιση του χρόνου ανάμεσα στις αφίξεις είναι 5 (Πίνακας 2.4) το ελάχιστο κόστος είναι C=7,6984 και αντιστοιχεί σε S=0. Όπως είπαμε παραπάνω, το ελάχιστο κόστος επιτυγχάνεται για Κ=1. Όμως για λόγους σύγκρισης υπολογίζουμε τα τρία μεγέθη απόδοσης και για τιμές Κ>1 για τις δυο περιπτώσεις της τ.α. του χρόνου μεταξύ καθώς και για την περίπτωση όπου ο χρόνος μεταξύ αφίξεων έχει εκθετική κατανομή με μέση τιμή 1,25. Για την τελευταία περίπτωση υπάρχουν οι εξής αναλυτικές λύσεις για τον υπολογισμό των μέτρων απόδοσης. 1 _ Κ Λ WIP MAKESPAN=---- * 1 ~ Ρ μ _ Λ I ORDER MAKESP ΑΝ= *- 1 -ρ μ PRODUCT MAKESPAN= V/7 s Λ 1 -ρ * 1 - Ρ μ 06/0/ :24:7 EET

22 Στην περίπτωσή μας μ=1 καν ρ=0,8. Στον Πίνακα και <στα Διαγράμματα 2.11, 2.12, και 2.1 δείχνονταιl τα τρία μέτρα απόδοσης για τις τρεις περιπτώσεις. S=10 WIP MAKESPAN κ exp[ 1 ]-log[ 1,25-1,25] exp[l]-log[l,25-5] exp[l]-exp[l. 1 1,00 0, ,441 2,8 2,44 5,49 4,468, ,92 7,842 4, ,69 10,41 4, ,784 12,65 4,942 S=10 ORDER MAKESPAN Κ exp[l]-log[l,25-1,25] exp[l]-log[ 1,25-5] exp[l]-exp[l,: 1 0,422 11,629 0,56 0,422 11,629 0,56 5 0,422 11,629 0, ,422 11,629 0, ,422 11,629 0, ,422 11,629 0,56 S=10 PRODUCT MAKESPAN κ exp[l]-log[l,25-l,25] exp[l]-log[ 1,25-5] exp[l]-exp[l,: 1 8,115 5,085 8,06 8,115 5,085 8,06 5 8,115 5,085 8, ,115 5,085 8, ,115 5,085 8, ,115 5,085 8,06 06/0/ :24:7 EET

23 Διάγραμμα 2.11 Συγκρίσεις στο GKCS για WIP MAKESPAN. ORDER MAKESPAN S= ; exp[1]-log[1,25-1,25] exp[1]-log[1,25-5] exp[1]-exp[1,25] ο τ - - Τ ~ Κ Διάγραμμα 2.12 Συγκρίσεις στο GKCS για το ORDER MAKESPAN /0/ :24:7 EET

24 Κ=5 WIP ORDER PRODUCT MAKESPAN MAKESPAN MAKESPAN S σΐ σ2 σΐ σ2 σΐ σ2 0 6,966 7,908 9,27 55, ,966 7,908 2,271 47,786,111 1, ,966 7,908 0,464 41,284 11,78 4, ,966 7,908 0,102 5,665 21,092 7, ,966 7,908 0,0 0,821 1,094 12,17 Κ=10 WIP ORDER PRODUCT MAKESPAN MAKESPAN MAKESPAN S σΐ σ2 σΐ σ2 σΐ σ2 0 7,561 11,79 7,626 21, ,561 11,79 1,141 14,421,51, ,561 11,79 0,065 9,474 12,4 8,0 15 7,561 11,79 0 6,115 22,67 14, ,561 11,79 0,91 2,68 22,782 Κ=15 WIP ORDER PRODUCT MAKESPAN MAKESPAN MAKESPAN S σΐ σ2 σΐ σ2 σΐ σ2 0 7,666 14,125 7,669 18, ,666 14,125 1,187 11,587,59, ,666 14,125 0,068 7,015 12,49 8, ,666 14,125 0,002 4,114 22,91 16, ,666 14, ,62 2,405 24,485 Κ=20 WIP ORDER PRODUCT MAKESPAN MAKESPAN MAKESPAN S σΐ σ2 σΐ σ2 σΐ σ2 0 7,67 15,66 7,67 17, ,67 15,66 1,182 11,40,59, ,67 15,66 0,068 6,97 12,45 9, ,67 15,66 0,002 4,095 22,412 17, ,67 15,66 0 2,17 2,41 26,281 Πίνακας 2.6. Απόδοση GKCS ενός σταδίου με 4 μηχανές με κατανομή χρόνου εξυπηρέτησης exp[l] και κατανομές χρόνου μεταξύ αφίξεων log[2-2] και Iog[2-10] αντίστοιχα /0/ :24:7 EET

25 Διάγραμμα 2.14 Απόδοση GKCS ενός σταδίου με 4 μηχανές με κατανομή χρόνου εξυπηρέτησης exp[l] και κατανομή χρόνου μεταξύ αφίξεων Iog[2-2] Κ=1 Διάγραμμα 2.15 Απόδοση GKCS ενός σταδίου με 4 μηχανές με κατανομή χρόνου εξυπηρέτησης exp[l] και κατανομή χρόνου μεταξύ αφίξεων Iog[2-10] 06/0/ :24:7 EET

26 S\K 0 12,72 11, ,502 11, ,095 6,678 6,7895 6, ,66 10,062 10, , ,11 14,964 15,005 15, ,06 19, ,055 20,0505 Πίνακας 2.6 Κόστη για σ!=2 COST Διάγραμμα 2.16 Μεταβολή κόστους για σ1=2 S\K ,19 58, ,665 52, ,5425 4,555 7,7495 8, ,515,706 29,08 0, ,51 28,685 25,422 26, ,86 27,04 25,21 26,7645 Πίνακας 2.7 Κόστη για σ2=10 06/0/ :24:7 EET

27 COST Διάγραμμα 2.17 Μεταβολή κόστους για σ2=10 Για τις τιμές των Κ και S που εξετάζονται για την περίπτωση όπου η τ.α του χρόνου ανάμεσα στις ζητήσεις είναι 2 το ελάχιστο κόστος είναι C=6,678 και αντιστοιχεί σε Κ=10 και S=5. Στην περίπτωση όπου η τ.α =10 τότε το ελάχιστο κόστος το βρίσκουμε για Κ=15 και S=20 και είναι C=25,21. Από τα Διαγράμματα.1 και.2 προκύπτει ότι το WIP MAKESPAN παραμένει σταθερό που σημαίνει είναι ανεξάρτητο του S και εξαρτάται μόνο από το Κ. To ORDER MAKESPAN όπως είναι φυσικό μειώνεται καθώς αυξάνεται το αρχικό απόθεμα S ενώ το PRODUCT MAKESPAN αυξάνεται με την αύξηση του αρχικού αποθέματος τελικών κομματιών. Μάλιστα πενταπλασιάζοντας την τυπική απόκλιση του χρόνου μεταξύ αφίξεων για Κ=1 και S=0 το WIP MAKESPAN και το PRODUCT MAKESPAN μεταβάλλονται ελάχιστα ενώ το ORDER MAKESPAN αυξάνεται περίπου 6 φορές. Αντίστοιχα για Κ=1, και S=20 το WIP MAKESPAN αυξάνεται ελάχιστα, το PRODUCT MAKESPAN μειώνεται περίπου 2,5 φορές ενώ το ORDER MAKESPAN αυξάνεται 1000 φορές Για Κ=20, S=0 το WIP MAKESPAN αυξάνεται περίπου 2 φορές το PRODUCT MAKESPAN δεν μεταβάλλεται ενώ το ORDER MAKESPAN αυξάνεται περίπου 2,5 φορές. 06/0/ :24:7 EET

28 Από τα παραπάνω φαίνεται ότι η επίδραση της αύξησης της τ.α είναι εντονότερη στον χρόνο αναμονής ανικανοποίητων ζητήσεων και άρα στο επίπεδο εξυπηρέτησης των πελατών Κατόπιν μελετούμε το ίδιο σύστημα GKCS ενός σταδίου με 4 μηχανές. Με τη διαφορά ότι ο χρόνος άφιξης μεταξύ δύο αφίξεων ακολουθεί εκθετική κατανομή με μέση τιμή 2 ενώ ο χρόνος εξυπηρέτησης ακολουθεί λογοκανονική κατανομή με μέση τιμή 1 και τυπικές αποκλίσεις για σ1=1 και σ2=2. Τα αποτελέσματα φαίνονται στον παρακάτω Πίνακα και Διαγράμματα. Κ=5 WIP MAKESPAN ORDER MAKESPAN PRODUCT MAKESPAN S σΐ σ2 σΐ σ2 σΐ σ2 0 6,885 10,176 9, , ,885 10,176 2, ,44,145 0, ,885 10,176 0,72 160,8 11,12 0,8 15 6,885 10,176 0, ,29 20,6 0, ,885 10,176 0,055 15,87 0,519 1,65 Κ=10 WIP MAKESPAN ORDER MAKESPAN PRODUCT MAKESPAN S σΐ σ2 σΐ σ2 σΐ σ2 0 7,878 1,148 8,111 21, ,878 1,148 1,658 1,5,51 1, ,878 1,148 0,2 8,564 12,047 6, ,878 1,148 0,024 5,64 21,8 1, ,878 1,148 0,001,822 1,77 21,647 Κ=15 WIP MAKESPAN ORDER MAKESPAN PRODUCT MAKESPAN S σΐ σ2 σΐ σ2 σΐ σ2 0 7,955 14,908 7,986 18, ,955 14,908 1,545 10,156,50 1, ,955 14,908 0,199 5,664 12,101 7, ,955 14,908 0,01,255 21,879 15, ,955 14,908 0,008 1,957 1,804 2,788 Κ=20 WIP MAKESPAN ORDER MAKESPAN PRODUCT MAKESPAN S σΐ σ2 σΐ σ2 σΐ σ2 0 7,98 15,605 7,99 17, ,98 15,605 1,51 9,24,508 2, ,98 15,605 0,184 4,986 12,116 7, ,98 15,605 0,02 2,74 21,89 15, ,98 15,605 0,001 1,6 1,805 24,01 Πίνακας 2.8 Απόδοση GKCS ενός σταδίου με 4 μηχανές με κατανομές χρόνου εξυπηρέτησης log[l-l] και log[l-2] και κατανομή χρόνου μεταξύ αφίξεων exp[2] 29 06/0/ :24:7 EET

29 S\K , ,05 11,965 11, ,796 7,52 7,274 7, , , ,227 10, , ,86 14,948 14, ,757 19, , ,8725 Πίνακας 2.9. Κόστη για τ.α=1 Κ= VMP makespan Orderl makespan Product makespan Ο S Διάγραμμα 2.17 Απόδοση GKCS ενός σταδίου με 4 μηχανές με κατανομή χρόνου εξυπηρέτησης log[l-l] και κατανομή χρόνου μεταξύ αφίξεων exp[2] 06/0/ :24:7 EET

30 COST 20 Η Διάγραμμα 2.18 Συνολικό κόστος για τ.α =1 Κ=15 Διάγραμμα 2.19 Απόδοση GKCS ενός σταδίου με 4 μηχανές με κατανομή χρόνου εξυπηρέτησης log[l-2] και κατανομή χρόνου μεταξύ αφίξεων exp[2] 06/0/ :24:7 EET

31 COST Διάγραμμα 2.20 Συνολικό κόστος για τ.α=2 S\K ,148 28,27 25,621 25, ,57 20,959 18,605 18, , ,451 16,866 16, ,82 18,997 18, , , , ,05 21,418 Πίνακας Κόστη για τ.α=2 Στο Διάγραμμα 2.18 φαίνεται η μεταβολή του κόστους συναρτήσει του S και του Κ. Το βέλτιστο κόστος το βρίσκουμε για S=5 και Κ=20 και είναι C=7,26. Στο Διάγραμμα 2.20 φαίνεται η μεταβολή του κόστους συναρτήσει των Κ και S. Το βέλτιστο κόστος το βρίσκουμε για S=10 και Κ=20 και είναι C= 16,587. Παρατηρούμε ότι διπλασιάζοντας την τυπική απόκλιση του χρόνου εξυπηρέτησης των μηχανών για Κ=5 και S=0 το WIP MAKESPAN αυξάνεται 1,5 φορά, το PRODUCT MAKESPAN δεν μεταβάλλεται καθόλου ενώ το ORDER MAKESPAN αυξάνεται περίπου 17 φορές. 06/0/ :24:7 EET

32 Αντίστοιχα για Κ=5, και S=20 το WIP MAKESPAN και το ORDER MAKESPAN ενώ το PRODUCT MAKESPAN μειώνεται 25 περίπου φορές. Από τα παραπάνω φαίνεται ότι η επίδραση της αύξησης της τ.α είναι εντονότερη στον χρόνο αναμονής ανικανοποίητων ζητήσεων και άρα στο επίπεδο εξυπηρέτησης των πελατών. Τα αποτελέσματα που βρήκαμε πιο πάνω θα τα συγκρίνουμε με αποτελέσματα προηγούμενης εργασίας στην οποία εξετάσθηκε το σύστημα GKCS με 4 μηχανές, όπου στην κάθε μηχανή ο χρόνος εξυπηρέτησης ακολουθεί εκθετική κατανομή με μέση τιμή 1 ενώ ο χρόνος μεταξύ δύο αφίξεων της ζήτησης ακολουθεί και αυτός εκθετική κατανομή με μέση τιμή 2. Έτσι θα συγκρίνουμε αυτό το σύστημα καταρχάς με σύστημα GKCS με 4 μηχανές στις οποίες ο χρόνος εξυπηρέτησης ακολουθεί εκθετική κατανομή με μέση τιμή 1 ενώ ο χρόνος μεταξύ δύο αφίξεων της ζήτησης ακολουθεί λογοκανονική κατανομή με μέση τιμή 2 και τυπική απόκλιση α)σ1=2 και β)σ2=10. Κατόπιν θα συγκρίνουμε το αρχικό σύστημα με το GKCS 4 μηχανών, των οποίων ο χρόνος εξυπηρέτησης ακολουθεί λογοκανονική κατανομή με μέση τιμή 1 και τυπικές αποκλίσεις α) σ1=1 και β)σ2=2. Ο χρόνος μεταξύ δύο αφίξεων της ζήτησης ακολουθεί εκθετική κατανομή με μέση τιμή 2. Τα αποτελέσματα των συγκρίσεων φαίνονται στα παρακάτω Διαγράμματα. WIP MAKESPAN exp[1]-log[2-2] exp[1]-log[2-10] exp[1]-exp[2] Κ Διάγραμμα 2.21 Συγκρίσεις στο WIP MAKESPAN 06/0/ :24:7 EET

33 ORDER MAKESPAN exp[1]-log[2-2] exp[ 1 ]-log [2-10] exp[1]-exp[2] K Διάγραμμα 2.22 Συγκρίσεις στο ORDER MAKESPAN PRODUCT MAKESPAN exp[1]-log[2-2] exp[1]-log[2-10] exp[1]-exp[2] Διάγραμμα 2.2 Συγκρίσεις στο PRODUCT MAKESPAN Από τα Διαγράμματα 2.21, 2.22 και 2.2 παρατηρούμε ότι αν αλλάξουμε την κατανομή άφιξης από εκθετική σε λογοκανονική τότε τα μεγέθη είναι περίπου ίδια. Ακόμη, αν αυξήσουμε την τυπική απόκλιση της λογοκανονικής κατανομής τότε θα έχουμε αύξηση του WIP MAKESPAN και του ORDER MAKESPAN ενώ μείωση του PRODUCT MAKESPAN (βλέπε 2.2). 06/0/ :24:7 EET

34 WIP MAKESPAN log[1-1]-exp[2] log[1-2]-exp[2] exp[1]-exp[2] Διάγραμμα 2.24 Συγκρίσεις στο WIP MAKESPAN ORDER MAKESPAN log[1-1]-exp[2] log[1-2]-exp[2] 1 exp[1]-exp[2] Διάγραμμα 2.25 Συγκρίσεις στο ORDER MAKESPAN 06/0/ :24:7 EET

35 PRODUCT MAKESPAN log[1-1]-exp[2] bg[1-2]-exp[2] 1 exp[1]-exp[2] K Διάγραμμα 2.26 Συγκρίσεις στο PRODUCT MAKESPAN Από τα Διαγράμματα 2.24, 2.25 και 2.26 παρατηρούμε ότι αν αλλάξουμε την κατανομή του χρόνου εξυπηρέτησης της κάθε μηχανής από εκθετική σε λογοκανονική τότε στο WIP στο ORDER MAKESPAN και στο PRODUCT MAKESPAN τα αποτελέσματα είναι παραπλήσια. Αν αυξήσουμε την τυπική απόκλιση της λογοκανονικής κατανομής τότε θα έχουμε αύξηση για τα WIP και ORDER MAKESPAN και μείωση για το PRODUCT MAKESPAN. Αυτό γίνεται διότι, όταν αυξάνεται η τυπική απόκλιση του χρόνου εξυπηρέτησης των μηχανών τότε αυξάνεται ο κίνδυνος να μαζευτούν πολλά ημιέτοιμα κομμάτια στο χώρο επεξεργασίας [5] άρα και το WIP MAKESPAN αυτό έχει ως αποτέλεσμα την μείωση του PRODUCT MAKESPAN και αύξηση του ORDER MAKESPAN 06/0/ :24:7 EET

36 . ΣΥΣΤΗΜΑΤΑ ΜΕ ΔΥΟ ΚΑΤΑΣΚΕΥΑΣΤΙΚΑ ΣΤΑΔΙΑ ΚΑΙ ΕΝΑ ΣΤΑΔΙΟ ΣΥΝΑΡΜΟΛΟΓΗΣΗΣ..1 Εισαγωγή Στο Κεφάλαιο 2 μελετήσαμε συστήματα ενός σταδίου όπου έγινε βελτιστοποίηση κόστους, στην παραγωγή τελικών κομματιών, κατά πρώτο λόγο, και αφετέρου σύγκριση των αποτελεσμάτων με αυτά προηγούμενης εργασίας. Στο παρόν κεφάλαιο μελετούμε τον μηχανισμό ελέγχου Extended Kanban [7] σε δύο του εκδοχές για συστήματα παραγωγής με συναρμολόγηση. Οι δύο εκδοχές διαφέρουν στο κατά πόσο τα εξαρτήματα προς συναρμολόγηση και τα Kanban (κάρτες εξουσιοδότησης της παραγωγής) απελευθερώνονται ταυτόχρονα ή ανεξάρτητα πριν την συναρμολόγηση [8]..2 Περιγραφή του Συστήματος SEKCS Το πρώτο σύστημα που θα περιγράφουμε είναι το SEKCS (Simultaneous Extended Kanban Control System) και φαίνεται στο σχήμα 4.1. Οι ουρές ΡΑ1, ΡΑ2 και ΡΑ αναπαριστάνουν το χώρο αποθήκευσης εξερχόμενων υλών των σταδίων 1,2 και αντίστοιχα, και περιέχουν ζεύγη Kanban και τελειωμένων κομματιών των σταδίων 1,2 και. Δηλαδή στην ουρά ΡΑ1, περιέχεται το ζεύγος ΚΙ και PRODUCT1, στην ΡΑ2 το ζεύγος Κ2 και PRODUCT2 και στη ΡΑ το ζεύγος Κ και PRODUCT. Στην ουρά D4 μαζεύονται οι ζητήσεις για τα τελικά κομμάτια PRODUCTS. Στις ουρές Dl, D2 και D μαζεύονται οι ζητήσεις για έναρξη της παραγωγικής διαδικασίας στα στάδια 1, 2 και και παραγωγή των PRODUCT 1, PRODUCT2 και PRODUCT αντίστοιχα. Στις ουρές Al, Α2 και A συγκεντρώνονται τα ελεύθερα Kanbans ΚΙ, Κ2 και Κ αντίστοιχα. Στις ουρές Ρ01 και Ρ02 οι πρώτες ύλες για τα στάδια 1 και 2 αντίστοιχα, όπου και τις θεωρούμε σχεδόν άπειρες. Στις ουρές 111, 112, 11, 114, 121, 122, 12, 124, 11, 12, 1 και 14 αποθηκεύονται τα ημιέτοιμα κομμάτια προς επεξεργασία στις μηχανές MF11, MF12, MF1, MF14, MF21, MF22, MF2, MF24, MF1, MF2, MF και MF4 αντίστοιχα. Αρχικά, πριν έλθει η πρώτη ζήτηση στο σύστημα, στις ουρές ΡΑ1, ΡΑ2 και ΡΑ βρίσκονται αποθέματα S1,S2 και S κομματιών PRODUCT1, PRODUCT2 και PRODUCTS με επικολλημένα Kanbans ΚΙ, Κ2 και Κ αντίστοιχα. Στις ουρές Α1, Α2 και A βρίσκονται ένας αριθμός ελεύθερων Kanbans ΚΙ, Κ2 και Κ αντίστοιχα. 06/0/ :24:7 EET

37 Το άθροισμα των επικολλημένων ΚΙ, Κ2, Κ και των ελεύθερων ΚΙ, Κ2, Κ είναι το σύνολο των ΚΙ, Κ2, Κ που βρίσκονται στο σύστημα. Όλες οι άλλες ουρές, (εκτός των Ρ01 και Ρ02), είναι άδειες. Καθώς έρχεται μια ζήτηση ενός πελάτη, εισέρχεται στην ουρά D4, ζητώντας την παράδοση ενός τελειωμένου κομματιού PRODUCT από την ουρά ΡΑ. Αν υπάρχει στην ουρά ΡΑ κομμάτι PRODUCT η ζήτηση ικανοποιείται ελευθερώνοντας ένα Kanban Κ. To Κ με τη σειρά του επιστρέφει στην ουρά A. Αν δεν υπάρχει κομμάτι PRODUCT τότε η ζήτηση παραμένει ανικανοποίητη στην ουρά D4. Συγχρόνως η ίδια ζήτηση δημιουργεί ζητήσεις, στις ουρές Dl, D2 και D, για έναρξη της παραγωγικής διαδικασίας, στα στάδια 1, 2 και, και παραγωγή των PRODUCT1, PRODUCT2 και PRODUCT αντίστοιχα. Έτσι η ζήτηση που φθάνει στην D1 θα ικανοποιηθεί αν υπάρχει πρώτη ύλη στην Ρ01 (υπάρχει και είναι άπειρη), και υπάρχει ένα ΚΙ στην ουρά Α1. Κατόπιν θα επεξεργαστεί στο χώρο επεξεργασίας του σταδίου 1, ως WIP1 ημιέτοιμο κομμάτι. Αν δεν υπάρχει ΚΙ στην ουρά Α1 τότε η ζήτηση μένει ανικανοποίητη και αναμένει στην ουρά D1. Ομοίως και για τη ζήτηση που φθάνει στην ουρά D2. Ικανοποιείται αν υπάρχει πρώτη ύλη στην Ρ02 (υπάρχει και είναι άπειρη), και υπάρχει ένα ελεύθερο Κ2 στην ουρά Α2. Κατόπιν θα επεξεργαστεί στο χώρο επεξεργασίας του σταδίου 2, ως WIP2 ημιέτοιμο κομμάτι. Αν δεν υπάρχει Κ2 στην ουρά Α2 τότε η ζήτηση μένει ανικανοποίητη και αναμένει στην ουρά D2. Η ζήτηση που φθάνει στην D θα ικανοποιηθεί αν α) υπάρχει ένα κομμάτι PRODUCT1 (το οποίο δημιουργείται από την επεξεργασία του σταδίου 1) στην ΡΑ1, β) υπάρχει ένα κομμάτι PRODUCT2 (το οποίο δημιουργείται από την επεξεργασία του σταδίου 2 στην ΡΑ2 και γ) υπάρχει ένα ελεύθερο Kanban Κ στην ουρά A. Όταν ικανοποιηθεί αυτή η ζήτηση τότε τα κομμάτια PRODUCT 1 και PRODUCT2 συναρμολογούνται και αυτό το συναρμολογημένο κομμάτι εισέρχεται στο χώρο επεξεργασίας του σταδίου ως WIP ημιέτοιμου κομματιού απελευθερώνοντας συγχρόνως τα επικολλημένα Kanbans ΚΙ και Κ2 που ήταν επικολλημένα στα PRODUCT1 και PRODUCT2 αντίστοιχα. Τα ΚΙ και Κ2 επανέρχονται στις ουρές Α1 και Α2 αντίστοιχα. Η επεξεργασία του ημιέτοιμου κομματιού στο χώρο επεξεργασίας του σταδίου δημιουργεί το τελικό προϊόν PRODUCT το οποίο με τη σειρά του εισέρχεται στην ουρά ΡΑ περιμένοντας έως ότου έρθει μία ζήτηση του πελάτη για τελικό προϊόν PRODUCT κ,ο.κ. 06/0/ :24:7 EET

38 . Περιγραφή του Συστήματος IEKCS Η δεύτερη εναλλακτική περίπτωση για την ίδια παραγωγική διαδικασία με την προηγούμενη φαίνεται στο σχήμα 4.2. Πρόκειται για το IEKCS (Independent Extended Kanban Control System). Οι ουρές PA1, PA2 και PA αναπαριστάνουν το χώρο αποθήκευσης εξερχόμενων υλών των σταδίων 1,2 και αντίστοιχα, και περιέχουν ζεύγη Kanban και τελειωμένων κομματιών των σταδίων 1,2 και. Δηλαδή στην ουρά ΡΑ1, περιέχεται το ζεύγος ΚΙ και PRODUCT1, στην ΡΑ2 το ζεύγος Κ2 και PRODUCT2 και στη ΡΑ τα Κ, Κ4 και PRODUCT. Στην ουρά D5 μαζεύονται οι ζητήσεις για τα τελικά κομμάτια PRODUCT. Στις ουρές Dl, D2 μαζεύονται οι ζητήσεις για έναρξη της παραγωγικής διαδικασίας στα στάδια 1, 2 και παραγωγή των PRODUCT1, PRODUCT2 αντίστοιχα. Ενώ στις ουρές D, D4 οι ζητήσεις για απελευθέρωση των PRODUCT1, PRODUCT2 από τα στάδια 1 και 2 αντίστοιχα. Στις ουρές Β1 και Β2 τα κομμάτια PRODUCT1 και PRODUCT2 αντίστοιχα, χωρίς τα Kanban τους. Στις ουρές Al, Α2, A και Α4 συγκεντρώνονται τα ελεύθερα Kanbans ΚΙ, Κ2, Κ και Κ4 αντίστοιχα. Στις ουρές Ρ01 και Ρ02 οι πρώτες ύλες για τα στάδια 1 και 2 αντίστοιχα, όπου και τις θεωρούμε σχεδόν άπειρες. Στις ουρές 111, 112, 11, 114, 121, 122, 12, 124, 11, 12, 1 και 14 αποθηκεύονται τα ημιέτοιμα κομμάτια προς επεξεργασία στις μηχανές MF11, MF12, MF1, MF14, MF21, MF22, MF2, MF24, MF1, MF2, MF και MF4 αντίστοιχα. Αρχικά, πριν έλθει η πρώτη ζήτηση στο σύστημα, στις ουρές ΡΑ1, ΡΑ2 και ΡΑ βρίσκονται αποθέματα S1,S2 και S κομματιών PRODUCT1, PRODUCT2 και PRODUCT με επικολλημένα Kanbans ΚΙ, Κ2 στα PRODUCT1, PRODUCT2 και Κ, Κ4 στο PRODUCT. Στις ουρές Al, Α2, A και Α4 βρίσκονται ένας αριθμός ελεύθερων Kanbans ΚΙ, Κ2, Κ και Κ4 αντίστοιχα. Όλες οι άλλες ουρές, (εκτός των Ρ01 και Ρ02), είναι άδειες. Καθώς έρχεται μια ζήτηση ενός πελάτη, εισέρχεται στην ουρά D5, ζητώντας την παράδοση ενός τελειωμένου κομματιού PRODUCT από την ουρά ΡΑ. Αν υπάρχει στην ουρά ΡΑ κομμάτι PRODUCT η ζήτηση ικανοποιείται ελευθερώνοντας δύο Kanbans τα Κ και Κ4. Τα Κ, Κ4 με τη σειρά τους επιστρέφουν στις ουρές A, Α4 αντίστοιχα. Αν δεν υπάρχει κομμάτι PRODUCT τότε η ζήτηση παραμένει ανικανοποίητη στην ουρά D5. Συγχρόνως η ίδια ζήτηση δημιουργεί ζητήσεις, στις ουρές Dl, D2, D και D4. Έτσι η ζήτηση που φθάνει στην D1 θα ικανοποιηθεί αν υπάρχει πρώτη ύλη στην Ρ01 (υπάρχει και είναι άπειρη), και υπάρχει ένα ΚΙ στην ουρά Α1. Κατόπιν θα επεξεργαστεί στο χώρο επεξεργασίας του 06/0/ :24:7 EET

39 σταδίου 1, ως WIP1 ημιέτοιμο κομμάτι. Αν δεν υπάρχει ΚΙ στην ουρά Α1 τότε η ζήτηση μένει ανικανοποίητη και αναμένει στην ουρά D1. Ομοίως και για τη ζήτηση που φθάνει στην ουρά D2. Ικανοποιείται αν υπάρχει πρώτη ύλη στην Ρ02 (υπάρχει και είναι άπειρη), και υπάρχει ένα ελεύθερο Κ2 στην ουρά Α2. Κατόπιν θα επεξεργαστεί στο χώρο επεξεργασίας του σταδίου 2, ως WIP2 ημιέτοιμο κομμάτι. Αν δεν υπάρχει Κ2 στην ουρά Α2 τότε η ζήτηση μένει ανικανοποίητη και αναμένει στην ουρά D2. Η ζήτηση που φθάνει στην D θα ικανοποιηθεί αν α) υπάρχει ένα κομμάτι PRODUCT 1 (το οποίο δημιουργείται από την επεξεργασία του σταδίου 1) στην ΡΑ1 και β) υπάρχει ένα ελεύθερο Kanban Κ στην ουρά A. Όταν ικανοποιηθεί αυτή η ζήτηση τότε το κομμάτι PRODUCT1 αποκολλάται, (αποκολλώντας ταυτόχρονα το Kanban ΚΙ που ήταν επικολλημένο στο PRODUCT1), από το στάδιο 1 και εισέρχεται στην ουρά Β1. Με αυτό τον τρόπο δίνεται η δυνατότητα στο ΚΙ να επιστρέφει στην ουρά Α1 έτσι ώστε να αρχίσει η παραγωγική διαδικασία στο στάδιο 1 δημιουργώντας εκ νέου PRODUCT1. Η ζήτηση που φθάνει στην D4 θα ικανοποιηθεί αν α) υπάρχει ένα κομμάτι PRODUCT2 (το οποίο δημιουργείται από την επεξεργασία του σταδίου 2) στην ΡΑ2 και β) υπάρχει ένα ελεύθερο Kanban Κ4 στην ουρά Α4. Όταν ικανοποιηθεί αυτή η ζήτηση τότε το κομμάτι PRODUCT2 αποκολλάται, (αποκολλώντας ταυτόχρονα το Kanban Κ2 που ήταν επικολλημένο στο PRODUCT2), από το στάδιο 2 και εισέρχεται στην ουρά Β2. Με αυτό τον τρόπο δίνεται η δυνατότητα στο Κ2 να επιστρέφει στην ουρά Α2 έτσι ώστε να αρχίσει η παραγωγική διαδικασία στο στάδιο 2 δημιουργώντας εκ νέου PRODUCT2. Κατόπιν αν υπάρχει ένα κομμάτι PRODUCT1 στην Β1 και ένα κομμάτι PRODUCT2 στην Β2 συναρμολογούνται και αυτό το συναρμολογημένο κομμάτι εισέρχεται στο χώρο επεξεργασίας του σταδίου ως WIP ημιέτοιμου κομματιού. Η επεξεργασία του ημιέτοιμου κομματιού στο χώρο επεξεργασίας του σταδίου δημιουργεί το τελικό προϊόν PRODUCT το οποίο με τη σειρά του εισέρχεται στην ουρά ΡΑ περιμένοντας έως ότου έρθει μία ζήτηση του πελάτη για τελικό προϊόν PRODUCT κ.ο.κ..4 Συγκρίσεις των SEKCS και IEKCS Τα συστήματα SEKCS και IEKCS έχουνε 6 παραμέτρους (K1,K2,K,S1,S2,S) οπότε καταλαβαίνουμε ότι η βελτιστοποίηση κόστους θα ήταν χρονοβόρα διαδικασία. Αυτό θα μπορούσαμε να κάνουμε είναι να συγκρίνουμε τα δύο συστήματα ως προς δυνατότητα παραγωγής τελικών προϊόντων PRODUCT, το 06/0/ :24:7 EET

40 μέσο χρόνο παραμονής των τελικών κομματιών PRODUCT στο σύστημα και το μέσο χρόνο αναμονής των ανικανοποίητων ζητήσεων, για τελικά κομμάτια, στο σύστημα. Στους Πίνακες 4.1, 4.2, 4. και 4.4 που ακολουθούν βλέπουμε, κατά ένα τρόπο, τις περιπτώσεις τις οποίες διαλέγουμε για να συγκρίνουμε τα δύο συστήματα και κατά δεύτερο, μερικά από τα αποτελέσματα που παίρνουμε από τις αναφορές του προγράμματος προσομοίωσης. Έτσι τα WIP1, WIP2 και WIP MAKESPAN αναφέρονται στο μέσο χρόνο παραμονής των ημιέτοιμων κομματιών στο χώρο επεξεργασίας των σταδίων 1,2 και αντίστοιχα. Τα ORDER, ORDER4 και ORDER5 MAKESPAN αναφέρονται στο μέσο χρόνο αναμονής των ζητήσεων στις ουρές D,D4 και D5 αντίστοιχα. Τα PRODUCT 1, PRODUCT2 και PRODUCT MAKESPAN αναφέρονται στο μέσο χρόνο αναμονής των κομματιών PRODUCT1, PRODUCT2 και PRODUCT στις ουρές ΡΑ1, ΡΑ2 και ΡΑ αντίστοιχα. To PRODUCT NO TO EXIT αναφέρεται στο μέσο αριθμό των τελικών κομματιών PRODUCT που παρήγαγε το σύστημα μέσα στα χρονικά όρια του προγράμματος /0/ :24:7 EET

41 Σ χ ή μ α Σ ύ σ ι η μ α SEKCS ~Ί Μ Γ ψ5 ψ! MS ϊ 1_ ΐϊ" Ml τ,τ Μ η? ο > 42 06/0/ :24:7 EET

42 Λ ι s o li i t / } 4 06/0/ :24:7 EET

43 Q ax> L O ή χ ) \ L O l l j f J - y Λ 9 Χ 9 Α 7 J / (Λ ro ro ro ro ro o cd (D x 7 ro X 7 ro X 7 X 7 cd X 7 X 7 X 7 ro X 7 CO ro ro cd cd X X 7 7 ro * OO Xa. co ro Q δ 7^ in on ro 00 co Q -i Q' O* o Q H Q* O' O ro Q -H Q' O' o CO 0) m * o c/> o'n c a ~o o -1 TZ JD X Q < S' < ro ro O CO oo ro CO oo ro ro OO ro CO ro ro xa. -'j ro ro co oo ro ro ro ro ro ro ro ro co oo ro xa. -* "J ro ro oo co ro Ol CO ro ro OO ro co Q. CO ω ττ O ro ro -* o ro ro -* cd oo Γ* oo ro ro cd ro ro oo OO ro xa. ro ro co ro CO xa. -* ro ro ro ro ro ro ro ro co * ->J ro -"J cd * ro xa. co "O OO OO -Hj» CO ro ^vj Q. Xa. ω T1 o CO xa. oo o> Xa OO ro ω Γ TJ o CO ~-vj oo Xa. oo <0 ro XI» 'vj ro vxa ro co co ro o Xa CO Xa o ro ω 7T TJ o CL c o O O O CO ω pc TJ o Q. C o CO CO CO ro co co X» CO ro co co ro co oo oo co co ro oo oo CO OO CO CO oo oo oo CO CO CO oo (jj o oo OO co ro ~>J cd ro CO CO CO OO oo oo ''J 0 X -O x^ CO Xa ' J X^ X^. CO CO OO ro -"4 -* "VJ ro CO 12 ω 7C ro Xa. J'-J ro ro 00^0 ro OO ~sj CO -* ^ CO CO Ό CO CO CO X^ CO CO CO xa. '-O oo Xa OO ^ O OO CO Ο - CO cd ro CO CO CO xa CO <o ro CO ro CO ro ro ro ro >1 CO ro co Xa. -Ό CO oo -* CO OO ro CO Xa. TJ ro O) 7Γ D CO ω 7C 44 06/0/ :24:7 EET

44 Π ί ν ο χ ο γ * 2 Α ϊτ ο ί ε λ έ σ β ο π a Μ Μ ΓΟ Μ ΓΟ ΓΟ ίό -* a cji σ> <ο σ> 45 06/0/ :24:7 EET

45 Δ ιά γ ρ α μ μ α Σ υ γ κ ρ ί σ ε ι ς γ ι α ά φ ιξ η & χ ρ [ 2 ] 46 06/0/ :24:7 EET

46 χ>ίλ 'Z 'f- ORDER MAKESPAN 06/0/ :24:7 EET

47 "J ro e. Q Π ί ν α χ ο γ 4.. Σ ύ σ τ η μ α SEKCS ro ro ro ro ro ro σ ο ο ο ο ο ro ro ro ro ο ο ο ο cd cd ro * ro ro ro ro O ;i Λ lo ro CO CO m * O CO X o X T ro Ό X -Ck X Ό X)k > -6 S s. t o Q o «ο O Q- (D ro sj ro CO to 7Γ O Q- Ε. 0) cd CO is. -fck to to Cjl) O Vj cd ro Xik oo 'ro oo co JO O CO X*. ω * TJ o CL c o ro to TJ o CL C o J J» CO CO ΟΙ cd ro ro oo ^>1 co co cd co CO ro oo " CO ~ TJ o o CO -C* Ο Ο O CO co -* -* σ> cd -* oo co» o co co ro ^ oo x* to to k to CO» o X S Ό "Ό ro co XSk CO CO CO ro oo oo x* co cd ) to CO oo ro X* v Ό co to ro x* cd CO CO CO OO to ω tc to ro CO to CO ) OO σ> co CO ro v co oo -σ> ro co ro vj o to ^ o> cd cd ro to to ro ro co to -U co to 0) 7T CO -* cd ro to ~0 k ro ro CO ro co to CO CO '-k XSk CO cd ro ro ro to s ro co to OO o CO to x* g TJ co cd a) 'ro * 48 06/0/ :24:7 EET

48 o J i l l t o n s γ ' γ A o x o a t u 49 06/0/ :24:7 EET

49 Δ ιά γ ρ α ρ ρ α 4.. Σ υ γ κ ρ ί σ ε ι ς γ ι α ά φ ιξ η ε χ ρ ξ 4 ] 06/0/ :24:7 EET

50 Δ ιά γ ρ α μ μ α Σ υ γ κ ρ ί σ ε ι ς γ ι α ά α φ ιξη α χ ρ [ 4 ] 51 06/0/ :24:7 EET

51 ΓΟ ο σ> <-ο ^ <η -' J <=> οο <=> Δ ιά γ ρ α μ μ α Σ υ γ κ ρ ί σ ε ι ς γ ι ο : ά φ ιξ η e x p [ 4 ] "Ό 7 Ο σ c Ρ Ξ > s m (Λ Τ > m Ο m ο οο 52 06/0/ :24:7 EET

52 Από τα Διαγράμματα 4.1 και 4.2 παρατηρούμε ότι όταν ο ρυθμός άφιξης της εξωτερικής ζήτησης για τελικά κομμάτια είναι σχετικά γρήγορος (exp[2]) τότε το σύστημα IEKCS φαίνεται λίγο πιο γρήγορο από το SEKCS καθώς στις περισσότερες περιπτώσεις το μέγεθος PRODUCT no to exit είναι λίγο μεγαλύτερο. Ακόμη το ORDER MAKESPAN το οποίο εκφράζει το μέσο χρόνο αναμονής της ανικανοποίητης ζήτησης για τελικά κομμάτια είναι μικρότερο στο IEKCS από ότι στο SEKCS. Αν μειώσουμε το ρυθμό άφιξης της ζήτησης (exp[4]) τότε παρατηρούμε από τα Διαγράμματα 4., 4.4, και 4.5 ότι στις περισσότερες περιπτώσεις τα αποτελέσματα των δύο συστημάτων είναι πολύ κοντινά ή και ίδια πολλές φορές. Αυτό γίνεται διότι η δυνατότητα επεξεργασίας των μηχανών στα στάδια προλαβαίνει τη ζήτηση, ανεξάρτητα αν ο χρόνος εξυπηρέτησης των μηχανών στα στάδια είναι exp[l] ή exp[2]. 5 06/0/ :24:7 EET

53 4. ΣΥΜΠΕΡΑΣΜΑΤΑ Σε μια παραγωγική διαδικασία τα κόστη αποθεμάτων και το κόστος λόγω ανικανοποίητων ζητήσεων παίζουν πρωταρχικό ρόλο στην διαμόρφωση του τελικού κόστους σε ένα προϊόν. Τα παραπάνω μεγέθη ήταν αυτά που μας απασχόλησαν σε όλη την παρούσα εργασία. Έτσι στο πρώτο μέρος συλλέξαμε αυτά τα μεγέθη αφενός για την βελτιστοποίηση κόστους και αφετέρου για την μεταβολή τους με την αύξηση της μεταβλητότητας είτε της κατανομής του χρόνου μεταξύ δύο αφίξεων, είτε της κατανομής του χρόνου εξυπηρέτησης των μηχανών. Καταλήξαμε στο συμπέρασμα ότι η αύξηση της μεταβλητότητας ουσιαστικά αυξάνει τον κίνδυνο για συγκέντρωση πολλών ανικανοποίητων ζητήσεων και συνωστισμό των ημιέτοιμων κομματιών στο σύστημα. Στο δεύτερο μέρος εξετάσαμε δυο εναλλακτικές περιπτώσεις ενός συστήματος τριών σταδίων με συναρμολόγηση. Την βελτιστοποίηση κόστους την αποφύγαμε λόγω της χρονικής ανεπάρκειας. Συγκρίναμε όμως τα δύο συστήματα ως προς την αποτελεσματικότητα στην ποσοτική παραγωγή τελικών κομματιών. Καταλήξαμε στο συμπέρασμα ότι το ένα από αυτά είναι πιο γρήγορο υπό ορισμένες συνθήκες. Η προσομοίωση της παραγωγικής διαδικασίας όλων των συστημάτων έγινε με το πρόγραμμα Simfactory το οποίο μας ταλαιπώρησε αρκετά σε ορισμένες περιπτώσεις καθώς έδινε λανθασμένα αποτελέσματα σε μεγέθη όπως το (LEVEL), το (delay) ή ακόμη και στην αντιμετώπιση της κανονικής κατανομής με μέση τιμή κοντά στο μηδέν και μεγάλη μεταβλητότητα /0/ :24:7 EET

54 5. ΒΙΒΛΙΟΓΡΑΦΙΑ [1] SIMFACTORY II.5 for Windows Release 7.1 Users Manual (October 1995), CACI Products Company, La Jolla, California, USA. [2] Γ. Λυμπερόπουλος, Γ. και Y. Dallery, (1998) Ένα ενοποιημένο πλαίσιο για τον χαρακτηρισμό ελκυόμενων (pull) συστημάτων ελέγχου της παραγωγής, 12 Εθνικό Συνέδριο Ε.Ε.Ε.Ε Επιγείρηση & Νέες Τεγνολονίεε: ΣύνΥοονα Εργαλεία Υποστήριζε. Διαγείρισηε και Λειτουργίας. Σάμος [] Π.Θανόπουλος (1998), Βελτιστοποίηση συστημάτων ελέγχου της παραγωγής τύπου Kanban για συστήματα ενός σταδίου, Διπλωαατική εργασία. Τμήμα Μηγανολόνων Μηγανικών Βιομηγανίαε. Πανεπιστήμιο Θεσσαλίας. [4] G. Liberopoulos and Υ. Dallery (1995), On the Optimization of Single-Stage Generalized Kanban Control System in Manufacturing, Proceedings of the INRIA/IEEE Symposium on Emerging Technologiesand Factory Automation. Paris, October. [5] Y. Frein, M. Di Mascolo and Y. Dallery (1995), On the Design of Generalized Kanban Control Systems, International Journal of Operation and Production Management. Special issue on Modeling and Analysis of Just-In-Time manufacturing Systems. [6] J. A. Buzacott and J. G. Shanthikumar (1991 Stochastic Models of Manufacturing Systems. Prentice-Hall. [7] Y. Dallery and G. Liberopoulos (1999), Extended Kanban Control System: Combining Kanban and Basestock, I I E Transactions on Design and Manufacturing, υπό έκδοση. [8] C. Chaouiya, G. Liberopoulos and Y. Dallery (1998), The Extended Kanban System for Production Control of Assembly Systems, Laboratoir d Informatique de Paris 6. Rapport de Recherche LIP6 1998/ /0/ :24:7 EET

55 6. ΠΑΡΑΡΤΗΜΑ- ΑΝΑΦΟΡΕΣ ΣΥΣΤΗΜΑΤΩΝ 56 06/0/ :24:7 EET

56 1 KCS 1 Ετάδιο 1 μηχανή exp[l] Άφιξη log[l,25-5], Κ=25 TEXT FOR MODEL KCS SIMFACTORY II.5 Release 7.1 Report generated 06/27/ :1:17 *** REPORT DESCRIPTION *** Show text report for all stats number Types: Elements: Attributes: Run number: Sort order: ALL ALL ALL 904 by resource, by type, by attribute, by run Average coefficient of variance: 9.8 % Coefficients below 10% indicate good accuracy. D 5 level Lower Cl:.747 Upper Cl: 8.7 Than Including ervations D delay - Infinity Infinity 4.00 Number of ervations: 5 06/0/ :24:7 EET

57 2 D delay Lower Cl: Upper Cl: D no. releas DA level Lower Cl: Upper Cl: 1.00 Than Including ervations DA delay - Infinity Infinity 2.64 Number of ervations: 5 DA delay Lower Cl: Upper Cl: DA no. releas kanban makespan Lower Cl: Upper Cl: kanban no. to exi /0/ :24:7 EET

58 kanban no. create State Percent kanban state request busy MF level Lower Cl: Upper Cl: State Percent MF state request blocked idle busy Than Including ervations MF delay - Infinity Infinity 1.87 Number of ervations: 5 MF delay Lower Cl:.498 Upper Cl:.498 MF no. releas order makespan Lower Cl:.07 Upper Cl: order no. to exi order no. create /0/ :24:7 EET

59 4 State Percent order state request PA level Lower Cl: Upper Cl: Than Including ervations PA delay - Infinity Infinity 7.62 Number of <ervations: 5 PA delay Lower Cl: Upper Cl: PA no. releas product level Lower Cl:.500 Upper Cl:.500 product makespan Lower Cl: Upper Cl: Cotint product no. to exi product no. create State Percent 06/0/ :24:7 EET

60 5 product state idle request raw parts 5 level 0. Lower Cl: Upper Cl: raw parts 5 makespan 0. Lower Cl: Upper Cl: raw parts no. create raw parts no. to exi * End of report 185 lines ***** 06/0/ :24:7 EET

61 6 GKCS ΙΕτάδιο 1 μηχανή exp[l] Αφιξη log[l,25-5] Κ=1, S=0 TEXT FOR MODEL GKCS SXMFACTORY II.5 Release 7.1 Report generated 06/27/ :28:6 *** REPORT description *** Show text report for all stats number Types: ALL Elements: ALL Attributes: ALL Run number: 904 Sort order: by resource, by type, by attribute, by run Average coefficient of variance: 11.5 % Kanban level Lower Cl:.500 Upper Cl:.500 State Percent Kanban state idle request Kanban makespan Lower Cl:.228 Upper Cl:.68 Kanban no. to exi Kanban no. create State Percent WIP state request busy /0/ :24:7 EET

62 7 WIP makespan Lower Cl:. 98 Upper Cl: WIP no. to exi WIP no. create A level Lower Cl:.500 Upper Cl:.500 Than Including ervations A delay - Infinity Infinity.08 Number of ervations: 5 A delay Lower Cl:.228 Upper Cl:.68 A no. releas level Lower Cl: Upper Cl: Than Including ervations 01 delay - Infinity /0/ :24:7 EET

63 10 MF 5 delay 0. Lower Cl: Upper Cl: MF no. releas orderl 5 makespan 0. Lower Cl: Upper Cl: orderl no. to exi orderl no. create State Percent orderl state request order2 5 makespan 0. Lower Cl: Upper Cl: order2 no. to exi order2 no. create State Percent order2 state request P level Lower Cl: Upper Cl: /0/ :24:7 EET

64 11 Than Including ervations P delay - Infinity Infinity Number of 1ervations: 5 P delay Lower Cl: Upper Cl: P no. releas product level Lower Cl:.500 Upper Cl:.500 product makespan Lower Cl: Upper Cl: product no. to exi product no. create State Percent product state idle request raw parts level Lower Cl:.500 Upper Cl: /0/ :24:7 EET

65 12 Min Mean Max raw parts makespan raw parts no. create raw parts no. to exi * End of report lines 06/0/ :24:7 EET

66 1 GKCS ΙΣτάδιο 4μηχανές exp[l] Άφιξη log[2-2], Κ=15, S=15 TEXT FOR MODEL GKCS4ENG SIMFACTORY II.5 Release 7.1 Report generated 06/28/ :5:04 *** REPORT DESCRIPTION *** Show text report for all stats number Types: Elements: Attributes: Run number: Sort order: ALL ALL ALL 90 by resource, by type, by attribute, by run Average coefficient of variance:.8 % Coefficients below 10% indicate good accuracy. Kanban level Lower Cl:.500 Upper Cl:.500 State Percent WIP state request busy WIP makespan Lower Cl: Upper Cl: 7.86 WIP no. to exi 9982 CN WIP no. create A level Lower Cl: Upper Cl: /0/ :24:7 EET

67 14 Greater Than Up To and Including Percent of ervations A delay - Infinity Infinity Number of ervations: A delay Lower Cl: Upper Cl: A no. releas D1 level Lower Cl: Upper Cl: Than Including ervations D1 delay - Infinity Infinity.04 Number of ervations: D1 delay Lower Cl:.001 Upper Cl: /0/ :24:7 EET

68 15 D1 no. releas Min Mean Max D2 level Lower Cl:.501 Upper Cl:.501 Than Including ervations D2 delay - Infinity Infinity.08 Number of ervations: D2 delay Lower Cl:.002 Upper Cl:.002 D2 no. releas level Lower Cl:. 805 Upper Cl:.890 Than Including ervations 11 delay - Infinity Infinity 1.49 Number of ervations: II delay Lower Cl:.704 Upper Cl: /0/ :24:7 EET

69 16 11 no. releas level Lower Cl:. 884 Upper Cl:.957 Than Including ervations 12 delay - Infinity Infinity 4.17 Number of ervations: 12 delay Lower Cl:. 84 Upper Cl: no. releas level Lower Cl:. 926 Upper Cl: 1.04 Than Including ervations 1 delay - Infinity Infinity 1.6 Number of ervations: 1 delay Ο /0/ :24:7 EET

70 17 Lower Cl:.900 Upper Cl: no. releas level Lower Cl:. 968 Upper Cl: 1.01 Than Including ervations 14 delay - Infinity Infinity 9.79 Number of ervations: 14 delay Lower Cl:. 959 Upper Cl: no. releas State Percent MF1 state request busy idle MF1 level Lower Cl:.500 Upper Cl:.500 Than Including ervations MF1 delay - Infinity Infinity 8.56 Number of ervations: 06/0/ :24:7 EET

71 18 MF1 delay Lower Cl:. 992 Upper Cl:. 99 MF1 no. releas MF2 level Lower Cl:.500 Upper Cl:.500 State Percent MF2 state request idle busy Than Including ervations MF2 delay - Infinity Infinity.70 Number of ervations: MF2 delay Lower Cl:. 998 Upper Cl:. 998 MF2 no. releas MF level Lower Cl:.500 Upper Cl:.500 State Percent MF state request /0/ :24:7 EET

72 19 idle busy Than Including ervations MF delay - Infinity Infinity.77 Number of ervations: MF delay Lower Cl:. 970 Upper Cl: 1 06 MF no. releas MF4 level Lower Cl: Upper Cl: State Percent MF4 state request blocked idle busy Than Including ervations MF4 delay - Infinity Infinity 5.22 Number of ervations: MF4 delay Lower Cl:.5 Upper Cl:.5 MF4 no. releas /0/ :24:7 EET

73 20 orderl makespan Lower Cl:.002 Upper Cl:.002 orderl no. to exi orderl no. create State Percent orderl state request order2 makespan Lower Cl:.002 Upper Cl:.002 order2 no. to exi order2 no. create State Percent order2 state request P level Lower Cl: Upper Cl: Than Including ervations P delay - Infinity /0/ :24:7 EET

74 Infinity Number of ervations: P delay Lower Cl: Upper Cl: P no. releas product level Lower Cl:.500 Upper Cl:.500 product makespan Lower Cl: Upper Cl: product no. to exi product no. create State Percent product state idle request raw parts level Lower Cl: /0/ :24:7 EET

75 22 ***** Upper Cl:.500 End of report 80 lines ***** 06/0/ :24:7 EET

76 2 GKCS 1 Στάδιο 4 μηχανές log[l-2] Αφιξη exp[2], Κ=10, S=10 TEXT FOR MODEL GKCS4ENG SIMFACTORY II.5 Release 7.1 Report generated 06/28/ :5:29 *** REPORT DESCRIPTION *** Show text report for all stats number Types: Elements: Attributes: Run number: Sort order: ALL ALL ALL 90 by resource, by type, by attribute, by run Average coefficient of variance: 9.4 % Coefficients below 10% indicate good accuracy. Kanban level Lower Cl:.500 Upper Cl:.500 State Percent WIP state request busy WIP makespan Lower Cl: Upper Cl: WIP no. to exi WIP no. create /0/ :24:7 EET

77 24 Λ level Lower Cl: Upper Cl: Than Including ervations A delay - Infinity Infinity Number of ervations: A delay Lower Cl: Upper Cl: A no. releas D1 level Lower Cl:.579 Upper Cl: Than Including ervations D1 delay - Infinity Infinity Number of ervations: 06/0/ :24:7 EET

78 25 D1 delay D1 no. releas D2 level 0. Lower Cl: Upper Cl: Greater Than Up To and Including Percent of ervations D2 delay - Infinity Infinity Number of ervations: D2 delay D2 no. releas II level Lower Cl: Upper Cl: II delay Than Including ervations - Infinity /0/ :24:7 EET

79 Infinity 0. Number of ervations: 11 delay Lower Cl: Upper Cl: no. releas level Lower Cl: Upper Cl: Than Including ervations 12 delay - Infinity Infinity 1.60 Number of ervations: 12 delay J Lower Cl: 2.15 Upper Cl: no. releas Min Mean S td Dev Max 06/0/ :24:7 EET

80 27 1 level Lower Cl: Upper Cl: Than Including ervations 1 delay - Infinity Infinity Number of <ervations: 1 delay Lower Cl: Upper Cl: no. releas level Lower Cl: Upper Cl: Than Including ervations 14 delay - Infinity Infinity Number of ervations: 14 delay Lower Cl: Upper Cl: no. releas /0/ :24:7 EET

81 28 MF1 level Lower Cl:.500 Upper Cl:.500 State Percent MF1 state request idle busy Than Including ervations MF1 delay - Infinity Infinity 0. Number of ervations: MF1 delay Lower Cl:. 9 Upper Cl: MF1 no. releas State Percent MF2 state request busy idle /0/ :24:7 EET

82 29 MF2 level Lower Cl:.500 Upper Cl:.500 Than Including ervations MF2 delay - Infinity Infinity Number of <ervations: MF2 delay Lower Cl: Upper Cl: MF2 no. releas MF level Lower Cl:.500 Upper Cl:.500 State Percent MF state request idle busy Than Including ervations MF delay - Infinity Infinity 7.45 Number of ervations: MF delay Lower Cl:.9 Upper Cl: /0/ :24:7 EET

83 0 MF no. releas MF4 level Lower Cl: Upper Cl: State Percent MF4 state request blocked idle busy Than Including ervations MF4 delay - Infinity Infinity 2.41 Number of ervations: MF4 delay Lower Cl:.7 Upper Cl:.7 MF4 no. releas Kanban level Lower Cl:.500 Upper Cl:.500 A level Lower Cl: Upper Cl: 4. Oil Than Including ervations 06/0/ :24:7 EET

84 1 A delay - Infinity Infinity Number of ervations: A delay Lower Cl: Upper Cl: A no. releas D1 level Lower Cl:.579 Upper Cl: Than Including ervations 01 delay - Infinity Infinity Number of ervations: D1 delay D1 no. releas /0/ :24:7 EET

85 2 D2 level Lower Cl:.081 Upper Cl: 9.68 Than Including ervations D2 delay - Infinity Infinity Number of ervations: D2 delay D2 no. releas level Lower Cl: Upper Cl: Than Including ervations 11 delay - Infinity /0/ :24:7 EET

86 Infinity 0. Number of ervations: 11 delay Lower Cl: Upper Cl: no. releas level Lower Cl: Upper Cl: Than Including ervations 12 delay - Infinity Infinity 1.60 Number of ervations: 12 delay Lower Cl: 2.15 Upper Cl: no. releas level Lower Cl: Upper Cl: /0/ :24:7 EET

87 4 Than Including ervations 1 delay - Infinity Infinity Number of ervations: 1 delay Lower Cl: Upper Cl: no. releas level Lower Cl: Upper Cl: Than Including ervations 14 delay - Infinity Infinity Number of ervations: 14 delay Lower Cl: Upper Cl: no. releas MF1 level /0/ :24:7 EET

88 5 Lower Cl:.500 Upper Cl:.500 State Percent MF1 state request idle busy Than Including ervations MF1 delay - Infinity Infinity 0. Number of ervations: MF1 delay Lower Cl:.9 Upper Cl: MF1 no. releas State Percent MF2 state request busy idle MF2 level Lower Cl:.500 Upper Cl: /0/ :24:7 EET

89 6 Than Including ervations MF2 delay - Infinity Infinity Number of <ervations: MF2 delay Lower Cl: Upper Cl: MF2 no. releas MF level Lower Cl:.500 Upper Cl:.500 State Percent MF state request idle busy Than Including ervations MF delay - Infinity Infinity 7.45 Number of ervations: MF delay Lower Cl:. 9 Upper Cl: 1.07 MF no. releas /0/ :24:7 EET

90 7 MF4 level Lower Cl: Upper Cl: State Percent MF4 state request blocked idle busy Than Including ervations MF4 delay - Infinity Infinity 2.41 Number of ervations: Min Mean Std De/ Max MF4 delay Lower Cl:.7 Upper Cl:.7 MF4 no. releas orderl makespan orderl no. to exi orderl no. create State Percent Std > 01 Q orderl state request orderl makespan orderl no. to exi /0/ :24:7 EET

91 8 orderl no. create Min Mean Max order2 makespan order2 no. to exi order2 no. create State Percent order2 state request P level Lower Cl: Upper Cl: Than Including ervations P delay - Infinity Infinity Number of ervations: P delay /0/ :24:7 EET

92 Lower Cl: Upper Cl: P no. releas order2 makespan order2 no. to exi order2 no. create P level Lower Cl: Upper Cl: Than Including ervations P delay - Infinity Infinity Number of ervations: P delay Lower Cl: Upper Cl: /0/ :24:7 EET

93 40 P no. releas product level Lower Cl:.500 Upper Cl:.500 product makespan Lower Cl: Upper Cl: product no. to exi product no. create State Percent product state request idle State Percent product state request idle product makespan Lower Cl: Upper Cl: product no. to exi product no. create /0/ :24:7 EET

94 41 raw parts level Lower Cl:.500 Upper Cl:.500 State Percent WIP state request busy WIP makespan Lower Cl: Upper Cl: WIP no. to exi WIP no. create State Percent orderl state request State Percent order2 state request product level Lower Cl:.500 Upper Cl:.500 raw parts level Lower Cl:.500 Upper Cl:.500 ***** End of report 807 lines ***** 06/0/ :24:7 EET

95 44 S1,S2,S=20 SEKCS στάδια, Άφιξη exp[4], Κ1,Κ2,Κ=20, στάδιο πρώτο 4μηχανές exp[l] στάδιο δεύτερο 4μηχανές exp[l] στάδιο τρίτο 4μηχανές exp[2] TEXT FOR MODEL SEKCS SIMEACTORY II.5 Release 7.1 Report generated 06/28/ :42:56 *** REPORT DESCRIPTION *** Show text report for all stats number Types: ALL Elements: ALL Attributes: ALL Run number: 901 Sort order: by resource, by type, by attribute, Average coefficient of variance: 1.5 % Coefficients below 10% indicate good accuracy. by run State Percent Std Dev K1 state request idle K1 level Lower Cl:.500 Upper Cl:.500 K1 makespan Lower Cl: Upper Cl: K1 no. to exi K1 no. create State Percent K2 state request idle /0/ :24:7 EET

96 45 K2 level Lower Cl:.500 Upper Cl:.500 K2 makespan Lower Cl: Upper Cl: K2 no. to exi Κ2 no. create State Percent Κ state request idle Κ level Lower Cl:.500 Upper Cl:.500 Κ makespan Lower Cl: Upper Cl: Κ no. to exi Κ no. create State Percent ORDER1 state request /0/ :24:7 EET

97 47 ORDER4 no. create State Percent PRODUCT1 state request idle PRODUCT1 level Lower Cl:.500 Upper Cl:.500 PRODUCT1 makespan Lower Cl: Upper Cl: PRODUCT1 no. to exi PRODUCT1 no. create State Percent PRODUCT2 state request idle PRODUCT2 level Lower Cl:.500 Upper Cl:.500 PRODUCT2 makespan Lower Cl: Upper Cl: PRODUCT2 no. to exi PRODUCT2 no. create State Percent 06/0/ :24:7 EET

98 48 PRODUCT state request idle PRODUCT level Lower Cl:.500 Upper Cl:.500 PRODUCT makespan Lower Cl: Upper Cl: PRODUCT no. to exi PRODUCT no. create State Percent WIP1 state request busy WIP1 makespan Lower Cl: 5.28 Upper Cl: WIP1 no. to exi WIP1 no. create State Percent WIP2 state request busy WIP2 makespan Lower Cl: Upper Cl: /0/ :24:7 EET

99 49 WIP2 no. to exi WIP2 no. create State Percent WIP state busy request WIP makespan Lower Cl: Upper Cl: WIP no. to exi WIP no. create A1 level Lower Cl: Upper Cl: Than Including ervations A1 delay - Infinity Infinity 7.00 Number of ervations: 06/0/ :24:7 EET

100 50 A1 delay Lower Cl: Upper Cl: A1 no. releas A2 level Lower Cl: Upper Cl: Than Including ervations A2 delay - Infinity Infinity 7.00 Number of ervations: A2 delay Lower Cl: Upper Cl: A2 no. releas /0/ :24:7 EET

101 51 A level Lower Cl: Upper Cl: Than Including ervations A delay - Infinity Infinity 7.00 Number of ervations: A delay Lower Cl: Upper Cl: A no. releas D1 level Lower Cl: Upper Cl: Than Including ervations D1 delay - Infinity Infinity Number of ervations: 06/0/ :24:7 EET

102 52 D1 delay D1 no. releas D2 level Lower Cl: Upper Cl: Than Including ervations D2 delay - Infinity Infinity Number of ervations: D2 delay D2 no. releas D level Lower Cl: Upper Cl: Than Including ervations D delay - Infinity Infinity 0. Number of ervations: D delay D no. releas /0/ :24:7 EET

103 5 D4 level Lower Cl: Upper Cl: Than Including ervations D4 delay - Infinity Infinity Number of ervations: D4 delay D4 no. releas level Lower Cl:.557 Upper Cl:. 619 Than Including ervations 111 delay - Infinity Infinity 6.66 Number of ervations: 111 delay Lower Cl:.242 Upper Cl: no. releas level Lower Cl:.580 Upper Cl: /0/ :24:7 EET

104 54 Than Including ervations 112 delay - Infinity Infinity.78 Number of ervations: 112 delay Lower Cl:.284 Upper Cl: no. releas level Lower Cl:.577 Upper Cl:. 577 Than Including ervations 11 delay - Infinity Infinity.61 Number of ervations: 11 delay Lower Cl:. 20 Upper Cl: no. releas level Lower Cl:.58 Upper Cl:.58 Than Including ervations 114 delay - Infinity /0/ :24:7 EET

105 Infinity.57 Number of ervations: 114 delay Lower Cl:.282 Upper Cl: no. releas level Lower Cl:.581 Upper Cl:.581 Than Including ervations 121 delay - Infinity Infinity 6.1 Number of 1ervations: 121 delay Lower Cl:.29 Upper Cl: no. releas level Lower Cl:.584 Upper Cl:.584 Than Including ervations 122 delay - Infinity Infinity 8.16 Number of ervations: 06/0/ :24:7 EET

106 delay 0. Lower Cl: Upper Cl: no. releas Min Mean Max 12 level Lower Cl:.555 Upper Cl:.606 Than Including ervations 12 delay - Infinity Infinity 6.06 Number of ervations: 12 delay Lower Cl:.270 Upper Cl: no. releas level Lower Cl:.547 Upper Cl:.61 Than Including ervations 124 delay - Infinity Infinity I6.66 Number of (ervations: 124 delay Lower Cl:.248 Upper Cl: /0/ :24:7 EET

107 no. releas level Lower Cl:. 959 Upper Cl: 1.0 Than Including ervations 11 delay - Infinity Infinity 4.60 Number of ervations: 11 delay Lower Cl: Upper Cl: no. releas level Lower Cl:. 946 Upper Cl: Than Including ervations 12 delay - Infinity Infinity 20.4 Number of ervations: 12 delay Lower Cl: Upper Cl: no. releas /0/ :24:7 EET

108 58 1 level Lower Cl: Upper Cl:. 905 ] L. 107 Greater Than Up To and Including Percent of ervations - Infinity Infinity 6.71 Number of ervations: 1 delay Lower Cl: Upper Cl: no. releas level Lower Cl:.87 Upper Cl: Than Including ervations 14 delay - Infinity Infinity 6.1 Number of ervations: 14 delay /0/ :24:7 EET

109 59 Lower Cl: Upper Cl: no. releas PA1 level Lower Cl: Upper Cl: Than Including ervations PA1 delay - Infinity Infinity 6.00 Number of ervations: PA1 delay Lower Cl: Upper Cl: PA1 no. releas PA2 level Lower Cl: Upper Cl: /0/ :24:7 EET

110 60 PA2 delay Than Including ervations - Infinity Infinity 7.00 Number of ervations: PA2 delay Lower Cl: Upper Cl: PA2 no. releas PA PA level delay Lower Cl: Upper Cl: Than Including ervations - Infinity /0/ :24:7 EET

111 Infinity 5.00 Number of ervations: PA delay Lower Cl: Upper Cl: PA no. releas RAW PARTI level Lower Cl:.500 Upper Cl:.500 RAW PARTI makespan RAW PARTI no. to exi RAW PARTI no. create RAW PART2 level Lower Cl:.500 Upper Cl:.500 RAW PART2 makespan RAW PART2 no. to exi /0/ :24:7 EET

112 62 RAW PART2 no. create 5011 Min Mean Max MF11 level Lower Cl:.500 Upper Cl:.500 State Percent MF11 state request idle busy Than Including ervations MF11 delay - Infinity Infinity 2.55 Number of ervations: MF11 delay Lower Cl:. 978 Upper Cl: 1.04 MF11 no. releas MF12 level Lower Cl:.500 Upper Cl:.500 State Percent MF12 state request idle busy Than Including ervations MF12 delay Infinity /0/ :24:7 EET

113 Infinity.42 Number of ervations: MF12 delay Lower Cl:. 96 Upper Cl: MF12 no. releas State Percent MF1 state request busy idle MF1 level Lower Cl:.500 Upper Cl:.500 Than Including ervations MF1 delay - Infinity Infinity. Number of ervations: MF1 delay Lower Cl:. 999 Upper Cl: MF1 no. releas State Percent MF14 state request blocked busy idle /0/ :24:7 EET

114 64 MF14 level Lower Cl: Upper Cl: Than Including ervations MF14 delay - Infinity Infinity.82 Number of <ervations: MF14 delay Lower Cl:.498 Upper Cl:.498 MF14 no. releas MF21 level Lower Cl:.500 Upper Cl:.500 State Percent MF21 state request idle busy Than Including ervations MF21 delay - Infinity Infinity 9.81 Number of ervations: Min Mean : Max MF21 delay Lower Cl: 1.00 Upper Cl: /0/ :24:7 EET

115 65 MF21 no. releas 5011 State Percent MF22 state request busy idle MF22 level Lower Cl:.500 Upper Cl:.500 Than Including ervations MF22 delay - Infinity Infinity 7.74 Number of ervations: MF22 delay Lower Cl:. 965 Upper Cl: MF22 no. releas State Percent MF2 state request busy idle Min Mean : Max MF2 level Lower Cl:.500 Upper Cl:.500 Than Including ervations MF2 delay - Infinity Infinity 1.6 Number of ervations: 06/0/ :24:7 EET

116 66 MF2 delay Lower Cl: Upper Cl: MF2 no. releas State Percent MF2 4 state request blocked busy idle MF24 level Lower Cl: Upper Cl: Than Including ervations MF24 delay - Infinity Infinity 1.68 Number of ervations: MF24 delay Lower Cl:.491 Upper Cl:.491 MF2 4 no. releas Min Mean : Max MF1 level Lower Cl:.500 Upper Cl:.500 State Percent MF1 state request idle busy /0/ :24:7 EET

117 67 Greater Than Up To and Including Percent of ervations MF1 delay - Infinity Infinity 1.67 Number of ervations: MF1 delay Lower Cl: Upper Cl: MF1 no. releas State Percent MF2 state request busy idle MF2 level Lower Cl:.500 Upper Cl:.500 Than Including ervations MF2 delay - Infinity Infinity 5.91 Number of ervations: Min Mean : Max MF2 delay Lower Cl: Upper Cl: MF2 no. releas State Percent 06/0/ :24:7 EET

118 68 MF state request busy idle MF MF level delay Lower Cl:.500 Upper Cl:.500 Than Including ervations - Infinity Infinity 2.17 Number of ervations: MF delay Lower Cl: Upper Cl: MF MF4 no. releas state State Percent request blocked busy idle MF4 MF4 level delay Lower Cl: Upper Cl: Than Including ervations - Infinity /0/ :24:7 EET

119 Infinity.52 Number of ervations: MF4 delay 0. Lower Cl: Upper Cl: MF4 no. releas ***** End of report 1102 lines 06/0/ :24:7 EET

120 70 SI,S2,S=20 IEKCS Άφιξη exp[4], Kl,K2,K,Κ4=20, Στάδιο πρώτο 4μηχανές exp[l] Στάδιο δεύτερο 4μηχανές exp[l] Στάδιο τρίτο 4μηχανές exp[2] TEXT FOR MODEL IEKCS SIMFACTORY II.5 Release 7.1 Report generated 06/28/ :01:59 *** REPORT DESCRIPTION *** Show text report for all stats number Types: ALL Elements: ALL Attributes: ALL Run number: 901 Sort order: by resource, by type, by attribute, Average coefficient of variance: 1.4 % Coefficients below 10% indicate good accuracy. by run State Percent Std Dev Kl state request idle Kl level Lower Cl:.500 Upper Cl:.500 Kl makespan Lower Cl: Upper Cl: Kl no. to exi Kl no. create State Percent K2 state request idle /0/ :24:7 EET

121 71 K2 level Lower Cl:.500 Upper Cl:.500 K2 makespan Lower Cl: Upper Cl: K2 no. to exi Κ2 no. create Κ level Lower Cl:.500 Upper Cl:.500 State Percent Κ state request idle Κ makespan Lower Cl: Upper Cl: K no. to exi Κ no. create Κ4 level Lower Cl:.500 Upper Cl: /0/ :24:7 EET

122 72 State Percent K4 state request idle K4 makespan Lower Cl: Upper Cl: K4 no. to exi Κ4 no. create State Percent ORDER1 state request ORDER1 makespan ORDER1 no. to exi ORDER1 no. create State Percent ORDER2 state request ORDER2 makespan ORDER2 no. to exi ORDER2 no. create /0/ :24:7 EET

123 7 0RDER level Lower Cl:.500 Upper Cl:.500 State Percent 0RDER state request idle RDER makespan RDER no. to exi RDER no. create ORDER4 level Lower Cl:.500 Upper Cl:.500 State Percent ORDER4 state request idle ORDER4 makespan ORDER4 no. to exi ORDER4 no. create State Percent ORDER5 state request ORDER5 makespan /0/ :24:7 EET

124 74 ORDER5 no. to exi ORDER5 no. create State Percent PRODUCT1 state request PRODUCT1 makespan Lower Cl: Upper Cl: PRODUCT1 no. to exi PRODUCT1 no. create PRODUCT2 level Lower Cl:.500 Upper Cl:.500 State Percent PRODUCT2 state idle request PRODUCT2 makespan Lower Cl: Upper Cl: PRODUCT2 no. to exi PRODUCT2 no. create State Percent PRODUCT state request idle /0/ :24:7 EET

125 75 PR0DUCT level 0. Lower Cl: Upper Cl: Min Mean Max PRODUCT makespan Lower Cl: Upper Cl: PRODUCT no. to exi PRODUCT no. create State Percent WIP1 state request busy WIP1 makespan Lower Cl: 5.28 Upper Cl: WIP1 no. to exi WIP1 no. create State Percent WIP2 state request busy WIP2 makespan Lower Cl: Upper Cl: WIP2 no. to exi /0/ :24:7 EET

126 76 WIP2 no. create 5011 State Percent WIP state busy request WIP raakespan Lower Cl: Upper Cl: WIP no. to exi WIP no. create A1 level Lower Cl: Upper Cl: Than Including ervations A1 delay - Infinity Infinity 7.00 Number of ervations: A1 delay /0/ :24:7 EET

127 77 Lower Cl: Upper Cl: A1 no. releas 5011 Min Mean Max A2 level Lower Cl: Upper Cl: Than Including ervations A2 delay - Infinity Infinity 7.00 Number of ervations: A2 delay Lower Cl: Upper Cl: A2 no. releas A1 level Lower Cl: Upper Cl: /0/ :24:7 EET

128 78 A1 delay Than Including ervations - Inif inity , , , , , Infinity Number of ervations: A1 delay Lower Cl: Upper Cl: A1 no. releas A 2 A2 level delay Lower Cl: Upper Cl: Than Including ervations - Infinity , , , , , , , , /0/ :24:7 EET

129 Infinity 7.00 Number of ervations: A2 delay Lower Cl: Upper Cl: A2 no. releas B1 level Lower Cl: Upper Cl: Than Including ervations B1 delay - Infinity Infinity Number of ervations: B1 delay B1 no. releas B2 level Lower Cl:.500 Upper Cl:.500 Than Including ervations B2 delay - Infinity Infinity Number of (ervations: 06/0/ :24:7 EET

130 80 B2 delay B2 no. releas D1 level Lower Cl: Upper Cl: Than Including ervations D1 delay - Infinity Infinity Number of ervations: D1 delay D1 no. releas D2 level Lower Cl: Upper Cl: Than Including ervations D2 delay - Infinity Infinity Number of ervations: D2 delay /0/ :24:7 EET

131 81 D2 no. releas 5011 Min Mean Max D level Lower Cl:.500 Upper Cl:.500 Than Including ervations D delay - Infinity Infinity Number of ervations: D delay D no. releas D4 level Lower Cl:.500 Upper Cl:.500 Than Including ervations D4 delay - Infinity Infinity Number of ervations: D4 delay D4 no. releas D5 level Lower Cl: Upper Cl: /0/ :24:7 EET

132 82 Than Including ervations D5 delay - Infinity Infinity 0. Number of ervations: D5 delay D5 no. releas level (D Lower Cl:.557 Upper Cl:. 619 Than Including ervations 111 delay - Infinity Infinity 6.66 Number of ervations: 111 delay Lower Cl:.242 Upper Cl: no. releas level Lower Cl:.580 Upper Cl:.580 Than Including ervations 112 delay - Infinity Infinity.78 06/0/ :24:7 EET

133 Number of ervations: 112 delay Lower Cl:.284 Upper Cl: no. releas level Lower Cl:.577 Upper Cl:.577 Than Including ervations 11 delay - Infinity Infinity.61 Number of ervations: 11 delay Lower Cl:.20 Upper Cl: no. releas level Lower Cl:.58 Upper Cl:.58 Than Including ervations 114 delay - Infinity Infinity.57 Number of ervations: 06/0/ :24:7 EET

134 delay Lower Cl:.282 Upper Cl: no. releas level Lower Cl:.581 Upper Cl:.581 Than Including ervations 121 delay - Infinity Infinity 6.1 Number of ervations: 121 delay Lower Cl:.29 Upper Cl: no. releas level Lower Cl:.584 Upper Cl:.584 Than Including ervations 122 delay - Infinity Infinity 8.16 Number of ervations: Lower Cl:.278 Upper Cl: /0/ :24:7 EET

135 no. releas Min Mean Max 12 level Lower Cl:.555 Upper Cl:. 606 Than Including ervations 12 delay - Infinity Infinity 6.06 Number of ervations: 12 delay Lower Cl:.270 Upper Cl: no. releas level Lower Cl:.547 Upper Cl:. 61 Than Including ervations 124 delay - Infinity Infinity Number of (ervations: 124 delay Lower Cl:.248 Upper Cl: no. releas /0/ :24:7 EET

136 86 11 level Lower Cl:. 959 Upper Cl: 1.0 Than Including ervations 11 delay - Infinity Infinity 4.60 Number of ervations: Min Mean Std. Dev Max 11 delay Lower Cl: Upper Cl: no. releas level Lower Cl:. 946 Upper Cl: Than Including ervations 12 delay - Infinity Infinity 20.4 Number of ervations: 12 delay Lower Cl: Upper Cl: no. releas /0/ :24:7 EET

137 Lower Cl:. 905 Upper Cl: Than Including ervations 1 - Infinity Infinity 6.71 Number of ervations: 1 delay Lower Cl: Upper Cl: no. releas level Lower Cl:.87 Upper Cl: Than Including ervations 14 delay - Infinity Infinity 6.1 Number of ervations: 14 delay Lower Cl: Upper Cl: /0/ :24:7 EET

138 88 14 no. releas 5009 Min Mean Max PA1 level Lower Cl: Upper Cl: Than Including ervations PA1 delay - Infinity Infinity.00 Number of ervations: PA1 delay Lower Cl: Upper Cl: PA1 no. releas PA2 level Lower Cl: Upper Cl: Than Including ervations PA2 delay - Infinity /0/ :24:7 EET

139 , , , , , , , , Inf inity. 00 Number of ervati ons: PA2 delay Lower Cl: 6.00 Upper Cl: PA2 no. releas PA level Lower Cl: Upper Cl: Than Including ervations PA delay - Infinity /0/ :24:7 EET

140 Infinity 5.00 Number of ervations: PA delay Lower Cl: Upper Cl: PA no. releas RAW PARTI level Lower Cl:.500 Upper Cl:.500 RAW PARTI makespan RAW PARTI no. to exi RAW PARTI no. create RAW PART2 level Lower Cl:.500 Upper Cl:.500 RAW PART2 makespan RAW PART2 no. to exi RAW PART2 no. create /0/ :24:7 EET

141 91 MF11 level Lower Cl:.500 Upper Cl:.500 State Percent MF11 state request idle busy Than Including ervations MF11 delay - Infinity Infinity 2.55 Number of <ervations: MF11 delay Lower Cl:. 978 Upper Cl: 1.04 MF11 no. releas Min Mean : Max MF12 level Lower Cl:.500 Upper Cl:.500 State Percent MF12 state request idle busy Than Including ervations MF12 delay - Infinity Infinity.42 Number of ervations: 06/0/ :24:7 EET

142 92 MF12 delay Lower Cl:. 96 Upper Cl: MF12 no. releas State Percent MF1 state request busy idle MF1 level Lower Cl:.500 Upper Cl:.500 Than Including ervations MF1 delay - Infinity Infinity. Number of ervations: MF1 delay Lower Cl:. 999 Upper Cl: MF1 no. releas State Percent MF14 state request blocked busy idle MF14 level /0/ :24:7 EET

143 9 Lower Cl: Upper Cl: Greater Than Up To and Including Percent of ervations MF14 delay - Infinity Infinity.82 Number of ervations: MF14 delay Lower Cl:.498 Upper Cl:.498 MF14 no. releas MF21 level Lower Cl:.500 Upper Cl:.500 State Percent MF21 state request idle busy Than Including ervations MF21 delay - Infinity Infinity 9.81 Number of ervations: MF21 delay Lower Cl: 1.00 Upper Cl: 1.00 MF21 no. releas State Percent 06/0/ :24:7 EET

144 94 MF22 state request busy idle MF22 level Lower Cl:.500 Upper Cl:.500 Than Including ervations MF22 delay - Infinity Infinity 7.74 Number of <ervations: MF22 delay Lower Cl:. 965 Upper Cl: MF22 no. releas State Percent MF2 state request busy idle MF2 level Lower Cl:. 500 Upper Cl:.500 Than Including ervations MF2 delay - Infinity Infinity 1.6 Number of ervations: Min Mean ; Max 06/0/ :24:7 EET

145 95 MF2 delay Lower Cl: Upper Cl: MF2 no. releas State Percent MF2 4 state request blocked busy idle MF24 level Lower Cl: Upper Cl: Than Including ervations MF2 4 delay - Infinity Infinity 1.68 Number of 'ervations: MF24 delay Lower Cl:.491 Upper Cl:.491 MF24 no. releas MF1 level Lower Cl:.500 Upper Cl:.500 State Percent MF1 state request idle busy Than Including ervations 06/0/ :24:7 EET

146 96 MF1 delay - Infinity Infinity 1.67 Number of <ervations: MF1 delay Lower Cl: Upper Cl: MF1 no. releas State Percent MF2 state request busy idle MF2 level Lower Cl:.500 Upper Cl:.500 Than Including ervations MF2 delay - Infinity Infinity 5.91 Number of ervations: MF2 delay Lower Cl: Upper Cl: MF2 no. releas State Percent MF state request busy idle /0/ :24:7 EET

147 97 MF level Lower Cl:.500 Upper Cl:.500 Than Including ervations MF delay - Infinity Infinity 2.17 Number of ervations: MF delay Lower Cl: Upper Cl: MF no. releas State Percent MF 4 state request blocked busy idle MF4 level Lower Cl: Upper Cl: Than Including ervations MF4 delay - Infinity Infinity.52 06/0/ :24:7 EET

148 98 Number of ervations: Min Mean Max MF4 delay Lower Cl:.955 Upper Cl: MF4 no. releas End of report 1225 lines ***** 06/0/ :24:7 EET

7. Η ΔΥΝΑΜΙΚΗ ΤΟΥ ΕΡΓΟΣΤΑΣΙΟΥ

7. Η ΔΥΝΑΜΙΚΗ ΤΟΥ ΕΡΓΟΣΤΑΣΙΟΥ 7. Η ΔΥΝΑΜΙΚΗ ΤΟΥ ΕΡΓΟΣΤΑΣΙΟΥ Για να αναπτυχθούν οι βασικές έννοιες της δυναμικής του εργοστασίου εισάγουμε εδώ ορισμένους όρους πέραν αυτών που έχουν ήδη αναφερθεί σε προηγούμενα Κεφάλαια π.χ. είδος,

Διαβάστε περισσότερα

ΕΝΑ ΕΝΟΠΟΙΗΜΕΝΟ ΠΛΑΙΣΙΟ ΓΙΑ ΤΟΝ ΧΑΡΑΚΤΗΡΙΣΜΟ ΕΛΚΥΟΜΕΝΩΝ (PULL) ΣΥΣΤΗΜΑΤΩΝ ΕΛΕΓΧΟΥ ΤΗΣ ΠΑΡΑΓΩΓΗΣ

ΕΝΑ ΕΝΟΠΟΙΗΜΕΝΟ ΠΛΑΙΣΙΟ ΓΙΑ ΤΟΝ ΧΑΡΑΚΤΗΡΙΣΜΟ ΕΛΚΥΟΜΕΝΩΝ (PULL) ΣΥΣΤΗΜΑΤΩΝ ΕΛΕΓΧΟΥ ΤΗΣ ΠΑΡΑΓΩΓΗΣ ΕΝΑ ΕΝΟΠΟΙΗΜΕΝΟ ΠΛΑΙΣΙΟ ΓΙΑ ΤΟΝ ΧΑΡΑΚΤΗΡΙΣΜΟ ΕΛΚΥΟΜΕΝΩΝ (PULL) ΣΥΣΤΗΜΑΤΩΝ ΕΛΕΓΧΟΥ ΤΗΣ ΠΑΡΑΓΩΓΗΣ Γιώργος Λυμπερόπουλος Πανεπιστήμιο Θεσσαλίας Τμήμα Μηχανολόγων Μηχανικών Βιομηχανίας Yves Dallery Laboratoire

Διαβάστε περισσότερα

ΔΕΟ13 - Επαναληπτικές Εξετάσεις 2010 Λύσεις

ΔΕΟ13 - Επαναληπτικές Εξετάσεις 2010 Λύσεις ΔΕΟ - Επαναληπτικές Εξετάσεις Λύσεις ΘΕΜΑ () Το Διάγραμμα Διασποράς εμφανίζεται στο επόμενο σχήμα. Από αυτό προκύπτει καταρχήν μία θετική σχέση μεταξύ των δύο μεταβλητών. Επίσης, από το διάγραμμα φαίνεται

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΑΣ ΤΟΜΕΑΣ ΟΡΓΑΝΩΣΗΣ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΒΙΟΜΗΧΑΝΙΚΗΣ ΔΙΟΙΚΗΣΗΣ Δητλωματική εργασία: Βελτιστοποίηση Γενικευμένοu Συστήματος Ελέγχου Παραγωγής Extended

Διαβάστε περισσότερα

3.ΟΥΡΕΣ ΑΝΑΜΟΝΗΣ

3.ΟΥΡΕΣ ΑΝΑΜΟΝΗΣ www.olieclaroom.gr.ουρεσ ΑΝΑΜΟΝΗΣ Ως ουρά αναμονής ή ισοδύναμα ένα σύστημα εξυπηρέτησης, ορίζεται το σύστημα το οποίο παρέχει εξυπηρέτηση σε πελάτες που προσέρχονται σε αυτό. Πρόκειται για τη μοντελοποίηση

Διαβάστε περισσότερα

Ο Π Ε Υ Ελάχιστα γραμμών Ο *maximin (A) Π Ε Υ * minimax (B)

Ο Π Ε Υ Ελάχιστα γραμμών Ο *maximin (A) Π Ε Υ * minimax (B) ΑΣΚΗΣΗ Β Μέγιστο στήλης Ο Π Ε Υ Ελάχιστα γραμμών Ο 60 5 55 65 5*maximin (A) Π 50 75 70 45 45 Ε 56 30 30 50 30 Υ 40 30 35 55 30 *60 75 70 65 minimax (B) Επειδή maximin (A) minimax (B) δεν υπάρχει ισορροπία

Διαβάστε περισσότερα

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 1

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 1 ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ 1 Συστήµατα αναµονής Οι ουρές αναµονής αποτελούν καθηµερινό και συνηθισµένο φαινόµενο και εµφανίζονται σε συστήµατα εξυπηρέτησης, στα οποία η ζήτηση για κάποια υπηρεσία δεν µπορεί να

Διαβάστε περισσότερα

Το Πρόβλημα Μεταφοράς

Το Πρόβλημα Μεταφοράς Το Πρόβλημα Μεταφοράς Αφορά τη μεταφορά ενός προϊόντος από διάφορους σταθμούς παραγωγής σε διάφορες θέσεις κατανάλωσης με το ελάχιστο δυνατό κόστος. Πρόκειται για το πιο σπουδαίο πρότυπο προβλήματος γραμμικού

Διαβάστε περισσότερα

ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΗΣ - ΑΠΟΘΕΜΑΤΩΝ

ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΗΣ - ΑΠΟΘΕΜΑΤΩΝ ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΗΣ - ΑΠΟΘΕΜΑΤΩΝ Γιώργος Λυμπερόπουλος Γ. Λυμπερόπουλος, ΠΘ 1 Εφοδιαστική Αλυσίδα (ΕΑ) Όλες οι δραστηριότητες που σχετίζονται με το κύκλωμα προμήθειας, μεταποίησης, αποθήκευσης, μεταφοράς

Διαβάστε περισσότερα

ιοίκηση Παραγωγής και Υπηρεσιών

ιοίκηση Παραγωγής και Υπηρεσιών ιοίκηση Παραγωγής και Υπηρεσιών Τεχνικά στοιχεία και εφαρµογές του Just-in-Time Γιώργος Ιωάννου, Ph.D. Αναπληρωτής Καθηγητής Σύνοψη διάλεξης Εφαρµογή του JIT Push και Pull παραγωγή Βασικές δραστηριότητες

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΕΛΙΚΕΣ ΕΞΕΤΑΣΕΙΣ (11/05/2011, 9:00)

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΤΕΛΙΚΕΣ ΕΞΕΤΑΣΕΙΣ (11/05/2011, 9:00) ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραμμα Σπουδών Θεματική Ενότητα Διοίκηση Επιχειρήσεων & Οργανισμών ΔΕΟ 3 Ποσοτικές Μέθοδοι Ακαδημαϊκό Έτος 00-0 ΤΕΛΙΚΕΣ ΕΞΕΤΑΣΕΙΣ (/05/0, 9:00) Να απαντηθούν 4 από τα 5

Διαβάστε περισσότερα

ΣΧΕΔΙΑΣMΟΣ ΠΑΡΑΓΩΓΙΚΗΣ ΔΙΑΔΙΚΑΣΙΑΣ

ΣΧΕΔΙΑΣMΟΣ ΠΑΡΑΓΩΓΙΚΗΣ ΔΙΑΔΙΚΑΣΙΑΣ ΔΙΟΙΚΗΣΗ ΒΙΟΜΗΧΑΝΙΚΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ III ΣΧΕΔΙΑΣMΟΣ ΠΑΡΑΓΩΓΙΚΗΣ ΔΙΑΔΙΚΑΣΙΑΣ Ι. Γιαννατσής ΣΧΕΔΙΑΣMΟΣ ΠΑΡΑΓΩΓΙΚΗΣ ΔΙΑΔΙΚΑΣΙΑΣ Σχεδιασμός Επιλογή Παραγωγικής παραγωγικής Διαδικασίας (πως) ικανότητας (πόσο)

Διαβάστε περισσότερα

Τεχνο-οικονοµικά Συστήµατα ιοίκηση Παραγωγής & Συστηµάτων Υπηρεσιών

Τεχνο-οικονοµικά Συστήµατα ιοίκηση Παραγωγής & Συστηµάτων Υπηρεσιών Τεχνο-οικονοµικά Συστήµατα ιοίκηση Παραγωγής & Συστηµάτων Υπηρεσιών 4. Σχεδιασµός υναµικότητας Το πρόβληµα της δυναµικότητας ιαδικασία Σχεδιασµού Συστήµατα αναµονής Εισηγητής: Θοδωρής Βουτσινάς ρ Μηχ/γος

Διαβάστε περισσότερα

Τυχαία μεταβλητή (τ.μ.)

Τυχαία μεταβλητή (τ.μ.) Τυχαία μεταβλητή (τ.μ.) Τυχαία μεταβλητή (τ.μ.) είναι μια συνάρτηση X ( ) με πεδίο ορισμού το δειγματικό χώρο Ω του πειράματος και πεδίο τιμών ένα υποσύνολο πραγματικών αριθμών που συμβολίζουμε συνήθως

Διαβάστε περισσότερα

Δυναμικότητα (GWh) A B C Ζήτηση (GWh) W X Y Z

Δυναμικότητα (GWh) A B C Ζήτηση (GWh) W X Y Z Άσκηση Η εταιρία ηλεκτρισμού ELECTRON έχει τρείς μονάδες ηλεκτροπαραγωγής Α, Β, C και θέλει να καλύψει τη ζήτηση σε τέσσερις πόλεις W, Χ, Υ, Ζ. Η μέγιστη παραγωγή, η απαιτούμενη ζήτηση και το κόστος μεταφοράς

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΑΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΑΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΑΣ ΒΟΛΟΣ, ΟΚΤΩΒΡΙΟΣ 2000 Πανεπιστήμιο Θεσσαλίας ΒΙΒΛΙΟΘΗΚΗ & ΚΕΝΤΡΟ ΠΛΗΡΟΦΟΡΗΣΗΣ Ειλικη Συλλογή «Γκρίζα Βιβλιογραφία» Αριθ. Εισ.: 789/1 Ημερ.

Διαβάστε περισσότερα

Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων

Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων Ακαδ. Έτος 2017-2018 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής

Διαβάστε περισσότερα

Μοντέλα Διαχείρισης Αποθεμάτων

Μοντέλα Διαχείρισης Αποθεμάτων Μοντέλα Διαχείρισης Αποθεμάτων 2 Εισαγωγή (1) Ο όρος απόθεμα αναφέρεται σε προϊόντα και υλικά που αποθηκεύονται από την επιχείρηση για μελλοντική χρήση Τα αποθέματα μπορεί να περιλαμβάνουν Πρώτες ύλες

Διαβάστε περισσότερα

5.1. Χωροταξικός Σχεδιασμός Κριτήρια αξιολόγησης Χωροταξικού Σχεδιασμού Δραστηριότητες Χωροταξικού Σχεδιασμού...

5.1. Χωροταξικός Σχεδιασμός Κριτήρια αξιολόγησης Χωροταξικού Σχεδιασμού Δραστηριότητες Χωροταξικού Σχεδιασμού... ΚΕΦΑΛΑΙΟ 5. ΧΩΡΟΤΑΞΙΚΟΣ ΣΧΕΔΙΑΣΜΟΣ Περιεχόμενα 5.1. Χωροταξικός Σχεδιασμός... 2 5.2. Κριτήρια αξιολόγησης Χωροταξικού Σχεδιασμού... 4 5.3. Δραστηριότητες Χωροταξικού Σχεδιασμού... 5 5.4. Τύποι Χωροταξίας...

Διαβάστε περισσότερα

Άσκηση 5. Εργοστάσια. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης

Άσκηση 5. Εργοστάσια. Συστήματα Αποφάσεων Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης Άσκηση Μια μεγάλη εταιρεία σκοπεύει να μπει δυναμικά στην αγορά αναψυκτικών της χώρας διαθέτοντας συνολικά 7 μονάδες κεφαλαίου. Το πρόβλημα που αντιμετωπίζει είναι αν πρέπει να κατασκευάσει ένα κεντρικό

Διαβάστε περισσότερα

Πρόλογος Κατανόηση της εφοδιαστικής αλυσίδας Σχεδιασμός δικτύου εφοδιαστικής αλυσίδας...41

Πρόλογος Κατανόηση της εφοδιαστικής αλυσίδας Σχεδιασμός δικτύου εφοδιαστικής αλυσίδας...41 Περιεχόμενα Πρόλογος...7 1 Κατανόηση της εφοδιαστικής αλυσίδας...9 2 Σχεδιασμός δικτύου εφοδιαστικής αλυσίδας...41 3 Πρόβλεψη της ζήτησης σε μια εφοδιαστική αλυσίδα...109 4 Συγκεντρωτικός προγραμματισμός

Διαβάστε περισσότερα

ΔΕΟ13(ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΛΙΟΥ )

ΔΕΟ13(ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΛΙΟΥ ) ΔΕΟ13(ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ ΙΟΥΛΙΟΥ ) ΑΣΚΗΣΗ 1 Μια εταιρεία ταχυμεταφορών διατηρεί μια αποθήκη εισερχομένων. Τα δέματα φθάνουν με βάση τη διαδικασία Poion με μέσο ρυθμό 40 δέματα ανά ώρα. Ένας υπάλληλος

Διαβάστε περισσότερα

Συστήματα Κοστολόγησης: Κοστολόγηση Συνεχούς Παραγωγής

Συστήματα Κοστολόγησης: Κοστολόγηση Συνεχούς Παραγωγής ΚΕΦΑΛΑΙΟ 3 Συστήματα Κοστολόγησης: Κοστολόγηση Συνεχούς Παραγωγής Τεχνικές Κόστους 12η Needles Powers Crosson human/istockphoto ΑΝΤΙΚΕΙΜΕΝΑ ΜΑΘΗΣΗΣ Περιγραφή του συστήματος κοστολόγησης συνεχούς παραγωγής.

Διαβάστε περισσότερα

Προγραμματισμός και έλεγχος αποθεμάτων. Source: Corbis

Προγραμματισμός και έλεγχος αποθεμάτων. Source: Corbis Προγραμματισμός και έλεγχος αποθεμάτων Source: Corbis Προγραμματισμός και έλεγχος αποθεμάτων Προγραμματισμός και έλεγχος αποθεμάτων Στρατηγική παραγωγής Η αγορά απαιτεί μια ποσότητα προϊόντων και υπηρεσιών

Διαβάστε περισσότερα

Διοικητική Λογιστική Κοστολόγηση συνεχούς παραγωγής. Δημήτρης Μπάλιος

Διοικητική Λογιστική Κοστολόγηση συνεχούς παραγωγής. Δημήτρης Μπάλιος Διοικητική Λογιστική Κοστολόγηση συνεχούς παραγωγής Δημήτρης Μπάλιος ΘΕΩΡΙΑ Κοστολόγηση συνεχούς παραγωγής Η επιχείρηση παράγει πολλά τεμάχια ενός μοναδικού προϊόντος (τυποποιημένο προϊόν) για μεγάλο χρονικό

Διαβάστε περισσότερα

Π Ο Λ Ι Τ Ι Κ Α Κ Α Ι Σ Τ Ρ Α Τ Ι Ω Τ Ι Κ Α Γ Ε Γ Ο Ν Ο Τ Α

Π Ο Λ Ι Τ Ι Κ Α Κ Α Ι Σ Τ Ρ Α Τ Ι Ω Τ Ι Κ Α Γ Ε Γ Ο Ν Ο Τ Α Α Ρ Χ Α Ι Α Ι Σ Τ Ο Ρ Ι Α Π Ο Λ Ι Τ Ι Κ Α Κ Α Ι Σ Τ Ρ Α Τ Ι Ω Τ Ι Κ Α Γ Ε Γ Ο Ν Ο Τ Α Σ η µ ε ί ω σ η : σ υ ν ά δ ε λ φ ο ι, ν α µ ο υ σ υ γ χ ω ρ ή σ ε τ ε τ ο γ ρ ή γ ο ρ ο κ α ι α τ η µ έ λ η τ ο ύ

Διαβάστε περισσότερα

Θέμα 1 (20%) (α) Πότε είναι εργοδικό το παραπάνω σύστημα; Για πεπερασμένο c, το σύστημα είναι πάντα εργοδικό.

Θέμα 1 (20%) (α) Πότε είναι εργοδικό το παραπάνω σύστημα; Για πεπερασμένο c, το σύστημα είναι πάντα εργοδικό. ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Τομέας Επικοινωνιών, Ηλεκτρονικής & Συστημάτων Πληροφορικής Εργαστήριο Διαχείρισης & Βέλτιστου Σχεδιασμού Δικτύων - NETMODE

Διαβάστε περισσότερα

ΠΡΟΟΡΙΣΜΟΣ ΑΠΟΘΗΚΕΣ Ζ1 Ζ2 Ζ3 Δ1 1,800 2,100 1,600 Δ2 1,100 700 900 Δ3 1,400 800 2,200

ΠΡΟΟΡΙΣΜΟΣ ΑΠΟΘΗΚΕΣ Ζ1 Ζ2 Ζ3 Δ1 1,800 2,100 1,600 Δ2 1,100 700 900 Δ3 1,400 800 2,200 ΑΣΚΗΣΗ Η εταιρεία logistics Orient Express έχει αναλάβει τη διακίνηση των φορητών προσωπικών υπολογιστών γνωστής πολυεθνικής εταιρείας σε πελάτες που βρίσκονται στο Hong Kong, τη Σιγκαπούρη και την Ταϊβάν.

Διαβάστε περισσότερα

Κοστολόγηση κατά προϊόν ΛΟΓΙΣΤΙΚΗ ΚΟΣΤΟΥΣ Ι

Κοστολόγηση κατά προϊόν ΛΟΓΙΣΤΙΚΗ ΚΟΣΤΟΥΣ Ι ΛΟΓΙΣΤΙΚΗ ΚΟΣΤΟΥΣ Ι Εισαγωγή ΕΙΣΑΓΩΓΗ Έχουμε αναφέρει ότι η κοστολόγηση προϊόντος είναι η διαδικασία υπολογισμού και διανομής του κόστους παραγωγής στα παραγόμενα αγαθά Η κατανόηση της διαδικασίας αυτής

Διαβάστε περισσότερα

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1

ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1 ΑΚΕΡΑΙΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ & ΣΥΝΔΥΑΣΤΙΚΗ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΚΕΦΑΛΑΙΟ 1 1 Βελτιστοποίηση Στην προσπάθεια αντιμετώπισης και επίλυσης των προβλημάτων που προκύπτουν στην πράξη, αναπτύσσουμε μαθηματικά μοντέλα,

Διαβάστε περισσότερα

ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΕΛΕΓΧΟΣ ΑΠΟΘΕΜΑΤΩΝ. Από το βιβλίο: Κώστογλου, Β. (2015). Επιχειρησιακή Έρευνα. Θεσσαλονίκη: Εκδόσεις Τζιόλα

ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΕΛΕΓΧΟΣ ΑΠΟΘΕΜΑΤΩΝ. Από το βιβλίο: Κώστογλου, Β. (2015). Επιχειρησιακή Έρευνα. Θεσσαλονίκη: Εκδόσεις Τζιόλα ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΚΑΙ ΕΛΕΓΧΟΣ ΑΠΟΘΕΜΑΤΩΝ 1 Εισαγωγικά Απόθεμα εννοείται κάθε είδους αγαθό, το οποίο μπορεί να αποθηκευτεί με στόχο την τρέχουσα ή μελλοντική χρησιμοποίησή του. Αποθέματα συναντώνται σε κάθε

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2ο ΠΡΟΣΟΜΟΙΩΣΗ ΔΙΑΚΡΙΤΩΝ ΓΕΓΟΝΟΤΩΝ

ΚΕΦΑΛΑΙΟ 2ο ΠΡΟΣΟΜΟΙΩΣΗ ΔΙΑΚΡΙΤΩΝ ΓΕΓΟΝΟΤΩΝ ΚΕΦΑΛΑΙΟ 2ο ΠΡΟΣΟΜΟΙΩΣΗ ΔΙΑΚΡΙΤΩΝ ΓΕΓΟΝΟΤΩΝ 2.1 Εισαγωγή Η μέθοδος που θα χρησιμοποιηθεί για να προσομοιωθεί ένα σύστημα έχει άμεση σχέση με το μοντέλο που δημιουργήθηκε για το σύστημα. Αυτό ισχύει και

Διαβάστε περισσότερα

Ασκήσεις Αποθεµάτων. Υποθέστε ότι την στιγμή αυτή υπάρχει στην αποθήκη απόθεμα για 5 μήνες.

Ασκήσεις Αποθεµάτων. Υποθέστε ότι την στιγμή αυτή υπάρχει στην αποθήκη απόθεμα για 5 μήνες. Ασκήσεις Αποθεµάτων 1. Το πρόγραμμα παραγωγής μιας βιομηχανίας προβλέπει την κατανάλωση 810.000 μονάδων πρώτης ύλης το χρόνο, με ρυθμό πρακτικά σταθερό, σε όλη τη διάρκεια του έτους. Η βιομηχανία εισάγει

Διαβάστε περισσότερα

Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων

Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ Μοντελοποίηση, Ανάλυση και Σχεδιασμός Στοχαστικών Συστημάτων Ακαδ. Έτος 2017-2018 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής

Διαβάστε περισσότερα

Κεφάλαιο 6: Προσομοίωση ενός συστήματος αναμονής

Κεφάλαιο 6: Προσομοίωση ενός συστήματος αναμονής Κεφάλαιο 6: Προσομοίωση ενός συστήματος αναμονής Τεχνικές Εκτίμησης Υπολογιστικών Συστημάτων Γιάννης Γαροφαλάκης Αν. Καθηγητής ιατύπωση του προβλήματος (1) Τα συστήματα αναμονής (queueing systems), βρίσκονται

Διαβάστε περισσότερα

Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση

Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση Εκεί που είμαστε Κεφάλαια 7 και 8: Οι διωνυμικές,κανονικές, εκθετικές κατανομές και κατανομές Poisson μας επιτρέπουν να κάνουμε διατυπώσεις πιθανοτήτων γύρω από το Χ

Διαβάστε περισσότερα

Ηρώων Πολυτεχνείου 9, Ζωγράφου, Αθήνα, Τηλ: , Fax: URL

Ηρώων Πολυτεχνείου 9, Ζωγράφου, Αθήνα, Τηλ: , Fax: URL ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Τομέας Επικοινωνιών, Ηλεκτρονικής & Συστημάτων Πληροφορικής Εργαστήριο Διαχείρισης και Βέλτιστου Σχεδιασμού Δικτύων - NETMODE

Διαβάστε περισσότερα

ΠΑΡΑΓΟΝΤΕΣ ΕΝΙΣΧΥΣΗΣ ΣΤΗΝ ΑΝΑΠΤΥΞΗ ΤΩΝ LOGISTICS Όσο λοιπόν αυξάνει η σημασία και οι απαιτήσεις του διεθνούς εμπορίου, τόσο πιο απαιτητικές γίνονται

ΠΑΡΑΓΟΝΤΕΣ ΕΝΙΣΧΥΣΗΣ ΣΤΗΝ ΑΝΑΠΤΥΞΗ ΤΩΝ LOGISTICS Όσο λοιπόν αυξάνει η σημασία και οι απαιτήσεις του διεθνούς εμπορίου, τόσο πιο απαιτητικές γίνονται ΠΑΡΑΓΟΝΤΕΣ ΕΝΙΣΧΥΣΗΣ ΣΤΗΝ ΑΝΑΠΤΥΞΗ ΤΩΝ LOGISTICS Όσο λοιπόν αυξάνει η σημασία και οι απαιτήσεις του διεθνούς εμπορίου, τόσο πιο απαιτητικές γίνονται και οι συνθήκες μεταφοράς και διανομής. Το διεθνές εμπόριο

Διαβάστε περισσότερα

Κεφάλαιο 5: Στρατηγική χωροταξικής διάταξης

Κεφάλαιο 5: Στρατηγική χωροταξικής διάταξης K.5.1 Γραμμή Παραγωγής Μια γραμμή παραγωγής θεωρείται μια διάταξη με επίκεντρο το προϊόν, όπου μια σειρά από σταθμούς εργασίας μπαίνουν σε σειρά με στόχο ο κάθε ένας από αυτούς να κάνει μια ή περισσότερες

Διαβάστε περισσότερα

α n z n = 1 + 2z 2 + 5z 3 n=0

α n z n = 1 + 2z 2 + 5z 3 n=0 Η ύλη συνοπτικά... Στοιχειώδης συνδυαστική Γεννήτριες συναρτήσεις Σχέσεις αναδρομής Θεωρία Μέτρησης Polyá Αρχή Εγκλεισμού - Αποκλεισμού Η ύλη συνοπτικά... Γεννήτριες συναρτήσεις Τι είναι η γεννήτρια Στην

Διαβάστε περισσότερα

Διοίκηση Παραγωγής και Υπηρεσιών

Διοίκηση Παραγωγής και Υπηρεσιών Διοίκηση Παραγωγής και Υπηρεσιών Διαχείριση Αποθεμάτων Βασικές Αρχές και Κατηγοριοποιήσεις Γιώργος Ιωάννου, Ph.D. Αναπληρωτής Καθηγητής Σύνοψη διάλεξης Ορισμός αποθεμάτων Κατηγορίες αποθεμάτων Λόγοι πίεσης

Διαβάστε περισσότερα

ΠΡΟΣΟΜΟΙΩΣΗ & ΣΥΣΤΗΜΑΤΑ ΣΤΗΡΙΞΗΣ ΑΠΟΦΑΣΕΩΝ. Διδάσκων: Γεώργιος Γιαγλής. Παράδειγμα Μπαρ

ΠΡΟΣΟΜΟΙΩΣΗ & ΣΥΣΤΗΜΑΤΑ ΣΤΗΡΙΞΗΣ ΑΠΟΦΑΣΕΩΝ. Διδάσκων: Γεώργιος Γιαγλής. Παράδειγμα Μπαρ ΠΡΟΣΟΜΟΙΩΣΗ & ΣΥΣΤΗΜΑΤΑ ΣΤΗΡΙΞΗΣ ΑΠΟΦΑΣΕΩΝ Διδάσκων: Γεώργιος Γιαγλής Παράδειγμα Μπαρ Σκοπός της παρούσας άσκησης είναι να προσομοιωθεί η λειτουργία ενός υποθετικού μπαρ ώστε να υπολογίσουμε το μέσο χρόνο

Διαβάστε περισσότερα

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο

Εισαγωγή στο Γραμμικό Προγραμματισμό. Χειμερινό Εξάμηνο Εισαγωγή στο Γραμμικό Προγραμματισμό Χειμερινό Εξάμηνο 2016-2017 Εισαγωγή Ασχολείται με το πρόβλημα της άριστης κατανομής των περιορισμένων πόρων μεταξύ ανταγωνιζόμενων δραστηριοτήτων μιας επιχείρησης

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΑΣ ΤΟΜΕΑΣ ΟΡΓΑΝΩΣΗΣ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΒΙΟΜΗΧΑΝΙΚΗΣ ΔΙΟΙΚΗΣΗΣ Αιπλωματική εργασία «Το απόθεμα ασφάλειας έναντι του χρόνου προειδοποίησης αβέβαιων

Διαβάστε περισσότερα

Case 10: Ανάλυση Νεκρού Σημείου (Break Even Analysis) με περιορισμούς ΣΕΝΑΡΙΟ

Case 10: Ανάλυση Νεκρού Σημείου (Break Even Analysis) με περιορισμούς ΣΕΝΑΡΙΟ Case 10: Ανάλυση Νεκρού Σημείου (Break Even Analysis) με περιορισμούς ΣΕΝΑΡΙΟ Η «OutBoard Motors Co» παράγει τέσσερα διαφορετικά είδη εξωλέμβιων (προϊόντα 1 4) Ο γενικός διευθυντής κ. Σχοινάς, ενδιαφέρεται

Διαβάστε περισσότερα

ΔΙΟΙΚΗΣΗ ΒΙΟΜΗΧΑΝΙΚΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ III

ΔΙΟΙΚΗΣΗ ΒΙΟΜΗΧΑΝΙΚΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ III ΔΙΟΙΚΗΣΗ ΒΙΟΜΗΧΑΝΙΚΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ III ΘΕΩΡΙΑ ΤΩΝ ΠΑΡΑΓΩΓΙΚΩΝ ΠΕΡΙΟΡΙΣΜΩΝ KAI ΛΙΤΗ ΠΑΡΑΓΩΓΗ/JIT Ι. Γιαννατσής ΠΑΡΑΓΩΓΙΚΑ ΣΥΣΤΗΜΑΤΑ ΚΑΙ ΡΟΗ Ροή Για τη διαχείριση ενός συστήματος παραγωγής και τη βελτίωσή

Διαβάστε περισσότερα

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Τομέας Επικοινωνιών, Ηλεκτρονικής & Συστημάτων Πληροφορικής Εργαστήριο Διαχείρισης και Βέλτιστου Σχεδιασμού Δικτύων - NETMODE

Διαβάστε περισσότερα

Case 12: Προγραμματισμός Παραγωγής της «Tires CO» ΣΕΝΑΡΙΟ (1)

Case 12: Προγραμματισμός Παραγωγής της «Tires CO» ΣΕΝΑΡΙΟ (1) Case 12: Προγραμματισμός Παραγωγής της «Tires CO» ΣΕΝΑΡΙΟ (1) Ένα πολυσταδιακό πρόβλημα που αφορά στον τριμηνιαίο προγραμματισμό για μία βιομηχανική επιχείρηση παραγωγής ελαστικών (οχημάτων) Γενικός προγραμματισμός

Διαβάστε περισσότερα

Σχεδιασμός διαδικασιών. Source: Joe Schwarz, www.joyrides.com

Σχεδιασμός διαδικασιών. Source: Joe Schwarz, www.joyrides.com Σχεδιασμός διαδικασιών Source: Joe Schwarz, www.joyrides.com Σχεδιασμός διαδικασιών Σχεδιασμός διαδικασιών Σχεδιασμός δικτύου εφοδιασμού Στρατηγική παραγωγής Διάταξη και ροή Σχεδιασμός Διοίκηση παραγωγής

Διαβάστε περισσότερα

Ο Ι ΚΟ Ν Ο Μ Ι Κ Α / Σ ΤΑΤ Ι Σ Τ Ι Κ Η

Ο Ι ΚΟ Ν Ο Μ Ι Κ Α / Σ ΤΑΤ Ι Σ Τ Ι Κ Η Ο Ι ΚΟ Ν Ο Μ Ι Κ Α / Σ ΤΑΤ Ι Σ Τ Ι Κ Η Σ χ ε τ ι κ ά μ ε τ ι ς ε κ τ ι μ ή σ ε ι ς - σ υ ν ο π τ ι κ ά Σεμινάριο Εκτιμήσεων Ακίνητης Περιουσίας, ΣΠΜΕ, 2018 ΣΤΑΤΙΣΤΙΚΗ Σ Χ Ε Τ Ι Κ Α Μ Ε Τ Ι Σ Ε Κ Τ Ι Μ

Διαβάστε περισσότερα

6. Στατιστικές μέθοδοι εκπαίδευσης

6. Στατιστικές μέθοδοι εκπαίδευσης 6. Στατιστικές μέθοδοι εκπαίδευσης Μία διαφορετική μέθοδος εκπαίδευσης των νευρωνικών δικτύων χρησιμοποιεί ιδέες από την Στατιστική Φυσική για να φέρει τελικά το ίδιο αποτέλεσμα όπως οι άλλες μέθοδοι,

Διαβάστε περισσότερα

ΔΙΑΓΩΝΙΣΜΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ 2008

ΔΙΑΓΩΝΙΣΜΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ 2008 Τετάρτη 25/6/2008 Σελ 1/8 Π Α Ν Ε Π Ι Σ Τ Η Μ Ι Ο Θ Ε Σ Σ Α Λ Ι Α Σ Π Ο Λ Υ Τ Ε Χ Ν Ι Κ Η Σ Χ Ο Λ Η Τ Μ Η Μ Α Μ Η Χ Α Ν Ι Κ Ω Ν Η Λ Ε Κ Τ Ρ Ο Ν Ι Κ Ω Ν Υ Π Ο Λ Ο Γ Ι Σ Τ Ω Ν, Τ Η Λ Ε Π Ι Κ Ο Ι Ν Ω Ν Ι

Διαβάστε περισσότερα

ΣΤΑΤΙΣΤΙΚΟΙ ΠΙΝΑΚΕΣ. ΓΕΝΙΚΟΙ (περιέχουν όλες τις πληροφορίες που προκύπτουν από μια στατιστική έρευνα) ΕΙΔΙΚΟΙ ( είναι συνοπτικοί και σαφείς )

ΣΤΑΤΙΣΤΙΚΟΙ ΠΙΝΑΚΕΣ. ΓΕΝΙΚΟΙ (περιέχουν όλες τις πληροφορίες που προκύπτουν από μια στατιστική έρευνα) ΕΙΔΙΚΟΙ ( είναι συνοπτικοί και σαφείς ) Πληθυσμός (populaton) ονομάζεται ένα σύνολο, τα στοιχεία του οποίου εξετάζουμε ως προς τα χαρακτηριστικά τους. Μεταβλητές (varables ) ονομάζονται τα χαρακτηριστικά ως προς τα οποία εξετάζουμε έναν πληθυσμό.

Διαβάστε περισσότερα

ΣΥΣΤΗΜΑΤΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

ΣΥΣΤΗΜΑΤΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΣΥΣΤΗΜΑΤΑ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ΑΠΑΙΤΟΥΜΕΝΩΝ ΥΛΙΚΩΝ (MRP) Δημ. Εμίρης Αναπλ. Καθηγητής Πειραιάς, 2012 ΔΙΑΡΘΡΩΣΗ ΤΗΣ ΕΝΟΤΗΤΑΣ Εισαγωγή Ορισμοί Είδη ζήτησης Χρόνοι υστέρησης Κοινόχρηστα είδη Δομή και συστατικά

Διαβάστε περισσότερα

ιαχείριση Εφοδιαστικής Αλυσίδας

ιαχείριση Εφοδιαστικής Αλυσίδας ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙ ΕΥΤΙΚΟ Ι ΡΥΜΑ ΙΟΝΙΩΝ ΝΗΣΩΝ ΣΧΟΛΗ ΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΣΑΓΩΓΙΚΗ ΚΑΤΕΥΘΥΝΣΗ: ΙΟΙΚΗΣΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ιαχείριση Εφοδιαστικής Αλυσίδας Εφοδιαστική Αλυσίδα (ΕΡΓ.)

Διαβάστε περισσότερα

3.7 Παραδείγματα Μεθόδου Simplex

3.7 Παραδείγματα Μεθόδου Simplex 3.7 Παραδείγματα Μεθόδου Simplex Παράδειγμα 1ο (Παράδειγμα 1ο - Κεφάλαιο 2ο - σελ. 10): Το πρόβλημα εκφράζεται από το μαθηματικό μοντέλο: max z = 600x T + 250x K + 750x Γ + 450x B 5x T + x K + 9x Γ + 12x

Διαβάστε περισσότερα

Εργαστηριακή Άσκηση Το σύστημα αναμονής M/G/1

Εργαστηριακή Άσκηση Το σύστημα αναμονής M/G/1 Εργαστηριακή Άσκηση 2011-2012 Το σύστημα αναμονής M/G/1 Γιάννης Γαροφαλάκης, Καθηγητής Αθανάσιος Ν.Νικολακόπουλος, Υποψ. Διδάκτορας Σκοπός της παρούσας εργασίας είναι η εξερεύνηση των βασικών ιδιοτήτων

Διαβάστε περισσότερα

ΔΕΙΓΜΑ ΠΡΙΝ ΤΙΣ ΔΙΟΡΘΩΣΕΙΣ - ΕΚΔΟΣΕΙΣ ΚΡΙΤΙΚΗ

ΔΕΙΓΜΑ ΠΡΙΝ ΤΙΣ ΔΙΟΡΘΩΣΕΙΣ - ΕΚΔΟΣΕΙΣ ΚΡΙΤΙΚΗ Συναρτήσεις Προεπισκόπηση Κεφαλαίου Τα μαθηματικά είναι μια γλώσσα με ένα συγκεκριμένο λεξιλόγιο και πολλούς κανόνες. Πριν ξεκινήσετε το ταξίδι σας στον Απειροστικό Λογισμό, θα πρέπει να έχετε εξοικειωθεί

Διαβάστε περισσότερα

Χρησιμοποιείται για να δηλώσουμε τους διάφορους τύπους ουρών. A/B/C. Κατανομή εξυπηρετήσεων

Χρησιμοποιείται για να δηλώσουμε τους διάφορους τύπους ουρών. A/B/C. Κατανομή εξυπηρετήσεων Συμβολισμός Kedel Χρησιμοποιείται για να δηλώσουμε τους διάφορους τύπους ουρών. A/B/C Κατανομή αφίξεων Κατανομή εξυπηρετήσεων Αριθμός των εξυπηρετητών Όπου Α,Β μπορεί να είναι: M κατανομή Posso G κατανομή

Διαβάστε περισσότερα

Kanban μέθοδος για τη Διαχείριση Έργων Λογισμικού

Kanban μέθοδος για τη Διαχείριση Έργων Λογισμικού Kanban μέθοδος για τη Διαχείριση Έργων Λογισμικού Ενότητα 1- Kanban μέθοδος Δρ. Δημήτριος Τσέλιος Καθηγητής Εφαρμογών Τμήμα Μηχανικών Πληροφορικής Τ.Ε.- ΤΕΙ Θεσσαλίας Μεταπτυχιακό Πρόγραμμα Μηχανική Λογισμικού

Διαβάστε περισσότερα

Οι κλασσικότερες από αυτές τις προσεγγίσεις βασίζονται σε πολιτικές αναπαραγγελίας, στις οποίες προσδιορίζονται τα εξής δύο μεγέθη:

Οι κλασσικότερες από αυτές τις προσεγγίσεις βασίζονται σε πολιτικές αναπαραγγελίας, στις οποίες προσδιορίζονται τα εξής δύο μεγέθη: 4. ΔΙΑΧΕΙΡΙΣΗ ΑΠΟΘΕΜΑΤΩΝ ΥΠΟ ΑΒΕΒΑΙΑ ΖΗΤΗΣΗ Στις περισσότερες περιπτώσεις η ζήτηση είναι αβέβαια. Οι περιπτώσεις αυτές διαφέρουν ως προς το μέγεθος της αβεβαιότητας. Δηλαδή εάν η αβεβαιότητα είναι περιορισμένη

Διαβάστε περισσότερα

Οι παραγγελίες ακολουθούν την κατανομή Poisson. Σύμφωνα με τα δεδομένα ο

Οι παραγγελίες ακολουθούν την κατανομή Poisson. Σύμφωνα με τα δεδομένα ο ΘΕΜΑ 1 ο (ΜΟΝΑΔΕΣ 10) Μια βιοτεχνία καθαρισμού ρούχων λειτουργεί καθημερινά 8 ώρες. Η βιοτεχνία δέχεται κατά μέσο όρο 4 παραγγελίες την ημέρα για καθαρισμό ενδυμάτων. (ι). Να υπολογισθεί η πιθανότητα να

Διαβάστε περισσότερα

4 Το άτομο ως παραγωγός (η προσφορά των αγαθών)

4 Το άτομο ως παραγωγός (η προσφορά των αγαθών) 4 Το άτομο ως παραγωγός (η προσφορά των αγαθών) Σκοπός Στο προηγούμενο κεφάλαιο εξετάσαμε τη ζήτηση των αγαθών, η οποία προέρχεται από τα νοικοκυριά (τους καταναλωτές). Τα αγαθά αυτά παράγονται και προσφέρονται

Διαβάστε περισσότερα

Γραμμικός Προγραμματισμός Μέθοδος Simplex

Γραμμικός Προγραμματισμός Μέθοδος Simplex ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επιχειρησιακή Έρευνα Γραμμικός Προγραμματισμός Μέθοδος Simplex Η παρουσίαση προετοιμάστηκε από τον Ν.Α. Παναγιώτου Περιεχόμενα Παρουσίασης 1. Πρότυπη Μορφή ΓΠ 2. Πινακοποίηση

Διαβάστε περισσότερα

Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017

Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017 Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017 2 Γιατί ανάλυση διακύμανσης; (1) Ας θεωρήσουμε k πληθυσμούς με μέσες τιμές μ 1, μ 2,, μ k, αντίστοιχα Πως μπορούμε να συγκρίνουμε τις μέσες τιμές k πληθυσμών

Διαβάστε περισσότερα

Διοίκηση Παραγωγής και Υπηρεσιών

Διοίκηση Παραγωγής και Υπηρεσιών Διοίκηση Παραγωγής και Υπηρεσιών Διαχείριση Αποθεμάτων Συστήματα Συνεχούς και Περιοδικής Αναθεώρησης Γιώργος Ιωάννου, Ph.D. Αναπληρωτής Καθηγητής Σύνοψη διάλεξης Συστήματα ελέγχου αποθεμάτων Σύστημα συνεχούς

Διαβάστε περισσότερα

ΛΥΜΕΝΕΣ ΕΦΑΡΜΟΓΕΣ ΣΤΟ 2 ο ΚΕΦΑΛΑΙΟ

ΛΥΜΕΝΕΣ ΕΦΑΡΜΟΓΕΣ ΣΤΟ 2 ο ΚΕΦΑΛΑΙΟ ΛΥΜΕΝΕΣ ΕΦΑΡΜΟΓΕΣ ΣΤΟ 2 ο ΚΕΦΑΛΑΙΟ 1. Έστω συνάρτηση ζήτησης με τύπο Q = 200 4P. Να βρείτε: α) Την ελαστικότητα ως προς την τιμή όταν η τιμή αυξάνεται από 10 σε 12. 1ος τρόπος Αν P 0 10 τότε Q 0 200 410

Διαβάστε περισσότερα

3. Κοστολόγηση Συνεχούς Παραγωγής. Cost Accounting

3. Κοστολόγηση Συνεχούς Παραγωγής. Cost Accounting 3. Κοστολόγηση Συνεχούς Παραγωγής Cost Accounting 1 Συστήματα Κοστολόγησης Εξατομικευμένης και Συνεχής Παραγωγής Οι επιχειρηματικοί οργανισμοί συνήθως υιοθετούν δύο βασικούς τύπους κοστολογικών συστημάτων:

Διαβάστε περισσότερα

P (M = n T = t)µe µt dt. λ+µ

P (M = n T = t)µe µt dt. λ+µ Ουρές Αναμονής Σειρά Ασκήσεων 1 ΑΣΚΗΣΗ 1. Εστω {N(t), t 0} διαδικασία αφίξεων Poisson με ρυθμό λ, και ένα χρονικό διάστημα η διάρκεια του οποίου είναι τυχαία μεταβλητή T, ανεξάρτητη της διαδικασίας αφίξεων,

Διαβάστε περισσότερα

ΕΝΔΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ 3 ΗΣ ΓΡΑΠΤΗΣ ΕΡΓΑΣΙΑΣ

ΕΝΔΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ 3 ΗΣ ΓΡΑΠΤΗΣ ΕΡΓΑΣΙΑΣ ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραμμα Σπουδών : Θεματική Ενότητα : Διοίκηση Επιχειρήσεων & Οργανισμών ΔΕΟ 11 Εισαγωγή στη Διοικητική Επιχειρήσεων & Οργανισμών Ακαδ. Έτος: 2007-08 ΕΝΔΕΙΚΤΙΚΕΣ ΑΠΑΝΤΗΣΕΙΣ

Διαβάστε περισσότερα

Άσκηση 1. (σημειώστε πως 1KB = 2 10 bytes, 1Mbps = 10 6 bits/sec).

Άσκηση 1. (σημειώστε πως 1KB = 2 10 bytes, 1Mbps = 10 6 bits/sec). Άσκηση Υπολογίστε τον συνολικό χρόνο που απαιτείται για την μετάδοση ενός αρχείου 500KB πάνω από μια ζεύξη (Link), στις παρακάτω περιπτώσεις, θεωρώντας πως η καθυστέρηση μιας κατεύθυνσης (one way delay)

Διαβάστε περισσότερα

Συνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών

Συνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών Συνήθεις διαφορικές εξισώσεις προβλήματα οριακών τιμών Οι παρούσες σημειώσεις αποτελούν βοήθημα στο μάθημα Αριθμητικές Μέθοδοι του 5 ου εξαμήνου του ΤΜΜ ημήτρης Βαλουγεώργης Καθηγητής Εργαστήριο Φυσικών

Διαβάστε περισσότερα

Ελλιπή δεδομένα. Εδώ έχουμε 1275. Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 1275 ατόμων

Ελλιπή δεδομένα. Εδώ έχουμε 1275. Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 1275 ατόμων Ελλιπή δεδομένα Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 75 ατόμων Εδώ έχουμε δ 75,0 75 5 Ηλικία Συχνότητες f 5-4 70 5-34 50 35-44 30 45-54 465 55-64 335 Δεν δήλωσαν 5 Σύνολο 75 Μπορεί

Διαβάστε περισσότερα

ΔΙΑΛΕΞΗ2 η : Σχεδιασμός διαδικασιών

ΔΙΑΛΕΞΗ2 η : Σχεδιασμός διαδικασιών Διοίκηση Λειτουργιών ΔΙΑΛΕΞΗ2 η : Σχεδιασμός διαδικασιών Δρ. Β. Ζεϊμπέκης (vzeimp@fme.aegean.gr) Τμήμα Μηχανικών Οικονομίας & Διοίκησης Πολυτεχνική Σχολή, Πανεπιστήμιο Αιγαίου Copyright 2017 Ατζέντα Η

Διαβάστε περισσότερα

Ηρώων Πολυτεχνείου 9, Ζωγράφου, Αθήνα, Τηλ: , Fax: URL

Ηρώων Πολυτεχνείου 9, Ζωγράφου, Αθήνα, Τηλ: , Fax: URL ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Τομέας Επικοινωνιών, Ηλεκτρονικής & Συστημάτων Πληροφορικής Εργαστήριο Διαχείρισης και Βέλτιστου Σχεδιασμού Δικτύων - NETMODE

Διαβάστε περισσότερα

Ονοματεπώνυμο: Ερώτημα: Σύνολο Μονάδες: Βαθμός:

Ονοματεπώνυμο: Ερώτημα: Σύνολο Μονάδες: Βαθμός: ΕΤΥ: Ανάλυση Απόδοσης Πληροφοριακών Συστημάτων Χειμερινό Εξάμηνο 2014-15 Τελική Εξέταση 28/02/15 Διάρκεια Εξέτασης: 3 Ώρες Ονοματεπώνυμο: Αριθμός Μητρώου: Υπογραφή: Ερώτημα: 1 2 3 4 5 6 Σύνολο Μονάδες:

Διαβάστε περισσότερα

Σήματα και Συστήματα. Διάλεξη 1: Σήματα Συνεχούς Χρόνου. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής

Σήματα και Συστήματα. Διάλεξη 1: Σήματα Συνεχούς Χρόνου. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής Σήματα και Συστήματα Διάλεξη 1: Σήματα Συνεχούς Χρόνου Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Εισαγωγή στα Σήματα 1. Σκοποί της Θεωρίας Σημάτων 2. Κατηγορίες Σημάτων 3. Χαρακτηριστικές Παράμετροι

Διαβάστε περισσότερα

Γραμμικός Προγραμματισμός

Γραμμικός Προγραμματισμός Γραμμικός Προγραμματισμός Παράδειγμα ΕΠΙΠΛΟΞΥΛ Η βιοτεχνία ΕΠΙΠΛΟΞΥΛ παράγει δύο βασικά προϊόντα: τραπέζια και καρέκλες υψηλής ποιότητας. Η διαδικασία παραγωγής και για τα δύο προϊόντα περιλαμβάνει την

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ (16/06/2010, 18:00)

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ (16/06/2010, 18:00) ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ Πρόγραμμα Σπουδών Θεματική Ενότητα Διοίκηση Επιχειρήσεων & Οργανισμών ΔΕΟ 13 Ποσοτικές Μέθοδοι Ακαδημαϊκό Έτος 2009-2010 ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΞΕΤΑΣΕΙΣ (16/06/2010, 18:00) Να απαντηθούν

Διαβάστε περισσότερα

Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 5 o Φροντιστήριο

Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 5 o Φροντιστήριο Πρόβλημα ο Ασκήσεις Φροντιστηρίου 5 o Φροντιστήριο Δίνεται το παρακάτω σύνολο εκπαίδευσης: # Είσοδος Κατηγορία 0 0 0 Α 2 0 0 Α 0 Β 4 0 0 Α 5 0 Β 6 0 0 Α 7 0 Β 8 Β α) Στον παρακάτω κύβο τοποθετείστε τα

Διαβάστε περισσότερα

Διοίκηση Παραγωγής και Υπηρεσιών

Διοίκηση Παραγωγής και Υπηρεσιών Διοίκηση Παραγωγής και Υπηρεσιών Εισαγωγή -3 Γιώργος Ιωάννου, Ph.D. Αναπληρωτής Καθηγητής Σύνοψη διάλεξης Σχεδιασμός διαδικασιών ορισμός Συστημική προσέγγιση Μεθοδολογίες σχεδιασμού διαδικασιών Διαγράμματα

Διαβάστε περισσότερα

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Άσκηση Προσομοίωσης Στατιστικές Εξόδου Ουράς Μ/Μ/1 - Θεώρημα Burke Ανοικτά Δίκτυα Ουρών Μ/Μ/1 - Θεώρημα Jackson

ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Άσκηση Προσομοίωσης Στατιστικές Εξόδου Ουράς Μ/Μ/1 - Θεώρημα Burke Ανοικτά Δίκτυα Ουρών Μ/Μ/1 - Θεώρημα Jackson ΣΥΣΤΗΜΑΤΑ ΑΝΑΜΟΝΗΣ Queuing Systems Άσκηση Προσομοίωσης Στατιστικές Εξόδου Ουράς Μ/Μ/1 - Θεώρημα Burke Ανοικτά Δίκτυα Ουρών Μ/Μ/1 - Θεώρημα Jackson Βασίλης Μάγκλαρης maglaris@netmode.ntua.gr 26/4/2017 ΠΡΟΣΟΜΟΙΩΣΗ

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΜΕΤΑΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΕΚΤΙΜΗΣΗ ΤΗΣ ΑΠΟ ΟΣΗΣ ΚΑΙ ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΣΥΣΤΗΜΑΤΩΝ ΠΑΡΑΓΩΓΗΣ-ΑΠΟΘΕΜΑΤΩΝ ΤΥΠΟΥ KANBAN ΜΕ ΠΡΟΣΟΜΟΙΩΣΗ ΜΕΣΩ ΤΗΣ ΧΡΗΣΗΣ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ

Διαβάστε περισσότερα

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ με το EXCEL

ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ με το EXCEL ΓΡΑΜΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ με το EXCEL ΠΡΟΒΛΗΜΑ ΓΡΑΜΜΙΚΟΥ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΥ ( Μαθηματικών Γ Γυμνασίου έκδοση ΙΑ 99 σελ. 236 / Έχει γίνει μετατροπή των δρχ. σε euro.) Ένας κτηνοτρόφος πρόκειται να αγοράσει

Διαβάστε περισσότερα

Εργαστήριο Λειτουργικών Συστημάτων - Αλγόριθμοι Χρονοπρογραμματισμού. Εργαστηριακή Άσκηση

Εργαστήριο Λειτουργικών Συστημάτων - Αλγόριθμοι Χρονοπρογραμματισμού. Εργαστηριακή Άσκηση Εργαστηριακή Άσκηση Οι Αλγόριθμοι Χρονοπρογραμματισμού First Come First Serve (FCFS), Shortest Job First (SJF), Round Robin (RR), Priority Weighted (PRI) Επιμέλεια: Βασίλης Τσακανίκας Περιεχόμενα Αλγόριθμοι

Διαβάστε περισσότερα

ΤΕΧΝΟΛΟΓΙΑ ΔΙΚΤΥΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ

ΤΕΧΝΟΛΟΓΙΑ ΔΙΚΤΥΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ Το πρωτόκολλο Διαδικτυου (Internet Protocol, ) είναι το βασικό πρωτόκολλο του επιπέδου δικτύου της τεχνολογίας TCP/. Η λειτουργία του βασίζεται στην ιδέα των αυτοδύναμων πακέτων (datagrams), τα οποία μεταφέρονται

Διαβάστε περισσότερα

ΣΧΕΔΙΑΣMΟΣ ΠΑΡΑΓΩΓΙΚΗΣ ΔΙΑΔΙΚΑΣΙΑΣ

ΣΧΕΔΙΑΣMΟΣ ΠΑΡΑΓΩΓΙΚΗΣ ΔΙΑΔΙΚΑΣΙΑΣ ΔΙΟΙΚΗΣΗ ΒΙΟΜΗΧΑΝΙΚΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ III ΣΧΕΔΙΑΣMΟΣ ΠΑΡΑΓΩΓΙΚΗΣ ΔΙΑΔΙΚΑΣΙΑΣ Ι. Γιαννατσής ΣΧΕΔΙΑΣMΟΣ ΠΑΡΑΓΩΓΙΚΗΣ ΔΙΑΔΙΚΑΣΙΑΣ Σχεδιασμός Παραγωγικής Διαδικασίας (πως) Επιλογή παραγωγικής ικανότητας (πόσο)

Διαβάστε περισσότερα

ΜΕΘΟΔΟΣ ΥΠΟΛΟΓΙΣΜΟΥ ΤΗΣ ΤΙΜΗΣ ΑΓΟΡΑΣ ΕΝΕΡΓΕΙΑΣ ΑΠΟ ΑΠΕ-Η. Δεκέμβριος Αριθμός Έκθεσης 08/2016

ΜΕΘΟΔΟΣ ΥΠΟΛΟΓΙΣΜΟΥ ΤΗΣ ΤΙΜΗΣ ΑΓΟΡΑΣ ΕΝΕΡΓΕΙΑΣ ΑΠΟ ΑΠΕ-Η. Δεκέμβριος Αριθμός Έκθεσης 08/2016 ΜΕΘΟΔΟΣ ΥΠΟΛΟΓΙΣΜΟΥ ΤΗΣ ΤΙΜΗΣ ΑΓΟΡΑΣ ΕΝΕΡΓΕΙΑΣ ΑΠΟ ΑΠΕ-Η Δεκέμβριος 2016 Αριθμός Έκθεσης 08/2016 Οποιαδήποτε αλληλογραφία για το παρόν έγγραφο να αποστέλλεται στη Ρυθμιστική Αρχή Ενέργειας Κύπρου Μέθοδος

Διαβάστε περισσότερα

Απορρόφηση Αερίων (2)

Απορρόφηση Αερίων (2) Απορρόφηση Αερίων (2) Λεπτομερής Ανάλυση Θεωρούμε έναν πύργο απορρόφησης που μπορεί να περιέχει δίσκους ή να είναι τύπου πληρωτικού υλικού ή άλλου τύπου. Τελικός σκοπός είναι να βρούμε το μέγεθος του πύργου.

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΑΠΟΘΕΜΑΤΩΝ. Ι. Προσδιοριστικά Μοντέλα αποθεµάτων

ΘΕΩΡΙΑ ΑΠΟΘΕΜΑΤΩΝ. Ι. Προσδιοριστικά Μοντέλα αποθεµάτων ΘΕΩΡΙΑ ΑΠΟΘΕΜΑΤΩΝ Οι αποφάσεις σχετικά µε την διαχείριση ή «πολιτική» των αποθεµάτων που πρέπει να πάρει κάποιος, ασχολείται µε το «πόσο» πρέπει να παραγγείλει (ή να παράγει) και «πότε» να παραγγείλει

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΑΣ ΤΟΜΕΑΣ ΟΡΓΑΝΩΣΗΣ ΠΑΡΑΓΩΓΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΑΣ ΤΟΜΕΑΣ ΟΡΓΑΝΩΣΗΣ ΠΑΡΑΓΩΓΗΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΑΣ ΤΟΜΕΑΣ ΟΡΓΑΝΩΣΗΣ ΠΑΡΑΓΩΓΗΣ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΣΧΕΔΙΑΣΜΟΣ ΚΑΙ ΑΝΑΛΥΣΗ ΣΥΣΤΗΜΑΤΩΝ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΑΡΑΓΩΓΗΣ ΜΕ ΤΗΝ

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΑ. 1 ο ΔΙΑΓΩΝΙΣΜΑ. ΘΕΜΑ 1 ο Δίνεται η συνάρτηση f x. Ι. Το πεδίο ορισμού της f είναι:., 1 υ -1, B. 1, Γ. -1,., 1.

ΜΑΘΗΜΑΤΙΚΑ. 1 ο ΔΙΑΓΩΝΙΣΜΑ. ΘΕΜΑ 1 ο Δίνεται η συνάρτηση f x. Ι. Το πεδίο ορισμού της f είναι:., 1 υ -1, B. 1, Γ. -1,., 1. Γ ΛΥΚΕΙΟΥ-ΓΕΝΙΚΗ ΠΑΙΔΕΙΑ ΜΑΘΗΜΑΤΙΚΑ ο ΔΙΑΓΩΝΙΣΜΑ ΘΕΜΑ ο Δίνεται η συνάρτηση f Ι. Το πεδίο ορισμού της f είναι:., υ -, B., Γ. -,.,., ΙΙ. Το όριο f lm 0 είναι ίσο με: Α. 0 Β. Γ. Δ. Ε. Τίποτε από τα προηγούμενα

Διαβάστε περισσότερα

Η φύση του προγραμματισμού και του ελέγχου. Source: Arup

Η φύση του προγραμματισμού και του ελέγχου. Source: Arup Η φύση του προγραμματισμού και του ελέγχου Source: Arup Προγραμματισμός και έλεγχος Προγραμματισμός και έλεγχος Η αγορά απαιτεί προϊόντα και υπηρεσίες που διανέμονται στον απαιτούμενο χρόνο, ποσότητα και

Διαβάστε περισσότερα

Μέθοδοι μονοδιάστατης ελαχιστοποίησης

Μέθοδοι μονοδιάστατης ελαχιστοποίησης Βασικές αρχές μεθόδων ελαχιστοποίησης Μέθοδοι μονοδιάστατης ελαχιστοποίησης Οι μέθοδοι ελαχιστοποίησης είναι επαναληπτικές. Ξεκινώντας από μια αρχική προσέγγιση του ελαχίστου (την συμβολίζουμε ) παράγουν

Διαβάστε περισσότερα

Διαχείριση Εφοδιαστική Αλυσίδας. ΤΕΙ Κρήτης / Τμήμα Διοίκησης Επιχειρήσεων

Διαχείριση Εφοδιαστική Αλυσίδας. ΤΕΙ Κρήτης / Τμήμα Διοίκησης Επιχειρήσεων Διαχείριση Εφοδιαστική Αλυσίδας ΤΕΙ Κρήτης / Τμήμα Διοίκησης Επιχειρήσεων Εισαγωγικές Έννοιες Δρ. Ρομπογιαννάκης Ιωάννης 1 Διαχείριση Εφοδιαστικής Αλυσίδας Ορισμοί - 1 - Εφοδιαστική/ Logistics: Η ολοκληρωμένη

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΡΟΣΟΜΟΙΩΣΗ ΔΙΕΡΓΑΣΙΩΝ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ΛΟΓΙΣΜΙΚΟ EXTEND. 1 ο εργαστήριο Διοίκησης και Παραγωγής Έργων

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΡΟΣΟΜΟΙΩΣΗ ΔΙΕΡΓΑΣΙΩΝ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ΛΟΓΙΣΜΙΚΟ EXTEND. 1 ο εργαστήριο Διοίκησης και Παραγωγής Έργων ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΡΟΣΟΜΟΙΩΣΗ ΔΙΕΡΓΑΣΙΩΝ ΧΡΗΣΙΜΟΠΟΙΩΝΤΑΣ ΤΟ ΛΟΓΙΣΜΙΚΟ EXTEND 1 ο εργαστήριο Διοίκησης και Παραγωγής Έργων ΙΣΤΟΤΟΠΟΣ ΕΡΓΑΣΤΗΡΙΟΥ http://www.mech.upatras.gr/~adamides/dpe ΠΡΟΣΟΜΟΙΩΣΗ Η τεχνική

Διαβάστε περισσότερα

Επώνυµη ονοµασία. Ενότητα 13 η Σχεδίαση,Επιλογή, ιανοµή Προϊόντων 1

Επώνυµη ονοµασία. Ενότητα 13 η Σχεδίαση,Επιλογή, ιανοµή Προϊόντων 1 Επώνυµη ονοµασία Η επώνυµη ονοµασία είναι αυτή η ονοµασία που ξεχωρίζει τα προϊόντα και τις υπηρεσίες µας από αυτές των ανταγωνιστών. Οι σχετικές αποφάσεις θα επηρεαστούν από τις εξής ερωτήσεις: 1. Χρειάζεται

Διαβάστε περισσότερα

Α. Έστω δύο σύνολα Α και Β. Ποιά διαδικασία ονομάζεται συνάρτηση με πεδίο ορισμού το Α και πεδίο τιμών το Β;

Α. Έστω δύο σύνολα Α και Β. Ποιά διαδικασία ονομάζεται συνάρτηση με πεδίο ορισμού το Α και πεδίο τιμών το Β; σελ 1 από 5 ΚΕΦΑΛΑΙΟ 1 Ο Α. Έστω δύο σύνολα Α και Β. Ποιά διαδικασία ονομάζεται συνάρτηση με πεδίο ορισμού το Α και πεδίο τιμών το Β; 1. Σ-Λ Η σχέση με:, είναι συνάρτηση. 2. Σ-Λ Η σχέση είναι συνάρτηση.

Διαβάστε περισσότερα

Δρ. Δημήτρης Μπάλιος. Λογιστική και Χρηματοοικονομική (Π.Μ.Σ.) Συστήματα συγκέντρωσης κόστους. Κοστολόγηση και ποια η χρησιμότητά της

Δρ. Δημήτρης Μπάλιος. Λογιστική και Χρηματοοικονομική (Π.Μ.Σ.) Συστήματα συγκέντρωσης κόστους. Κοστολόγηση και ποια η χρησιμότητά της Λογιστική και Χρηματοοικονομική (Π.Μ.Σ.) Κοστολόγηση και ποια η χρησιμότητά της Συστήματα συγκέντρωσης Απορροφητική κοστολόγηση Κοστολόγηση Πλήρης (ή απορροφητική) κοστολόγηση Δρ. Δημήτρης Μπάλιος Κανονικό

Διαβάστε περισσότερα

Βελτιστοποίηση Γ ενικευμένου Συστήματος Ελέγχου Παραγωγής KANBAN ενός σταδίου, με Έγκαιρη Προειδοποίηση της Ζήτησης.

Βελτιστοποίηση Γ ενικευμένου Συστήματος Ελέγχου Παραγωγής KANBAN ενός σταδίου, με Έγκαιρη Προειδοποίηση της Ζήτησης. ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΒΙΟΜΗΧΑΝΙΑΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΤΟΜΕΑΣ ΟΡΓΑΝΩΣΗΣ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΒΙΟΜΗΧΑΝΙΚΗΣ ΔΙΟΙΚΗΣΗΣ «Μ Μεταπτυχιακή Εργασία: Βελτιστοποίηση Γ ενικευμένου

Διαβάστε περισσότερα