Documente Academic
Documente Profesional
Documente Cultură
Referenţi ştiinţifici
Prof.univ.dr.ing. Radu Leontie CENUŞĂ
Conf.univ.dr.ing. Marian DRĂGOI
62
CONSIDERAŢII INTRODUCTIVE
Analiza statistică a proceselor tehnologice este
instrumentul principal în monitorizarea, controlul, analiza stării şi
identificarea erorilor de funcţionare pentru toate componentele
activităţii productive. Scopul principal este cel de îmbunătăţire a
calităţii producţiei.
Odată cu creşterea calităţii se produce o „reacţie în lanţ” cu
influenţe benefice pe ansamblu:
reducerea costurilor prin utilizarea mai eficientă a mijloacelor de
muncă şi a materialelor (minimizarea rebuturilor, eliminarea
operaţiilor suplimentare pentru remedierea defecţiunilor şi
diminuarea întreruperilor în procesul productiv),
creşterea productivităţii,
extinderea pieţei de desfacere favorizată de nivelul calitativ
superior al produselor şi de preţul mai scăzut,
poziţionarea firmei la un nivel superior de competitivitate,
majorarea numărului de locuri de muncă odată cu dezvoltarea
firmei sau menţinerea aceluiaşi număr de posturi, însă cu un
nivel de calificare superior.
Încă din deceniul al treilea al secolului trecut, Walter
Shewhart de la Bell Labs (Bell Telephone Laboratories) a propus
utilizarea metodelor statistice pentru controlul calităţii produselor
ca fiind varianta cea mai economică de reducere a variaţiei
calitative a componentelor şi a produselor finite (Leavengood și
Reeb, 1999). Acesta a conceput chiar şi un mijloc vizual de
monitorizare a calităţii produselor (cartelele Shewhart).
Controlul calităţii produselor (SPC – Statistical Process
Control) s-a dezvoltat şi perfecţionat, alături de cercetările
operaţionale, în perioada celui de-al doilea război mondial, odată cu
creşterea volumului şi nivelului calitativ superior solicitat mai ales
pentru producţia de armament.
O contribuţie deosebită în perioada ce a urmat au avut-o
Joseph M. Juran şi W. Edwards Deming, recunoscuţi pe plan
mondial ca experţi în domeniul managementului calităţii. Metodele
propuse de aceştia au fost aplicate în practică, mai întâi în Japonia,
pentru refacerea industriei afectate de război, iar apoi (după 1980)
După 1990 se observă o creştere a interesului pentru SPC, un
număr tot mai mare de firme (inclusiv cele de procesare a lemnului)
investind timp şi resurse pentru programe de îmbunătăţire
4 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
ELEMENTE CONCEPTUALE
ALE TEORIEI SISTEMELOR
În decursul timpului, dezvoltarea tehnico-ştiinţifică şi
evoluţia condiţiilor social-economice au impus modificarea
modului de abordare a proceselor din domeniul silvic.
Iniţial, pădurea a fost considerată un rezervor inepuizabil,
aspectele disparate abordate în studiul acesteia limitându-se la
observarea empirică a unor proprietăţi şi relaţii. În această etapă au
prezentat interes doar problemele referitoare la recoltarea şi
valorificarea produselor şi serviciilor pădurii.
Un salt calitativ s-a produs într-o etapă ulterioară în
percepţia şi analiza proceselor din silvicultură prin asimilarea
conceptuală a pădurii cu un instrument economic necesar
satisfacerii permanente a cerinţelor. Au fost studiaţi cu precădere
factorii ce ar putea influenţa creşterea rolului economic al pădurii.
Perioada actuală se caracterizează printr-un efort susţinut
pentru aducerea într-o categorie de importanţă superioară a rolului
8 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
OUTPUT t S t1 , INPUT t
10 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
1 – feed-back pozitiv
2 – feed-back negativ
a) b)
1 – conexiune directă
2 – feed-back
CONDUCEREA PROCESELOR
Controlul proceselor din domeniul forestier este una
dintre funcţiile subsistemului conducător (silvicultorul) ce poate fi
realizată cu succes prin această abordare sistemică a proceselor şi
Funcţiile fenomenelor din silvicultură. Funcţiile conducerii sunt:
conducerii
programarea (în sensul de planificare)
organizarea
decizia
controlul
reglarea.
14 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
Cea mai importantă funcţie este decizia prin care se asigură Decizia
structurarea şi funcţionarea sistemelor (fig.1.6) şi, prin folosirea
metodelor prezentate, explicarea şi conducerea fenomenelor şi
proceselor din silvicultură în vederea realizării obiectivelor naturale
sau impuse (atribuite) în condiţiile cele mai avantajoase.
REZOLVARE
Întrebare Răspuns
1. numărul 16 ? Nu
2. numărul 8 ? Da
3. numărul 12 ? Da
4. numărul 14 ? Da
5. numărul 15 ? Nu
Se observă că, după 5 întrebări, numărul 15 este
determinat ca fiind singurul care este mai mare decât 14 şi care nu
este strict mai mare decât 15.
În acest caz H log 2 n log 2 2 5 5 .
Dacă mulţimea M ar fi avut 26 = 64 elemente, ar mai fi fost
necesară o primă întrebare suplimentară, dacă numărul 32 cu
răspunsul „nu”. În acel caz ar fi necesare 6 teste, iar cantitatea de
informaţie ar deveni H log 2 n log 2 2 6 6 .
p
i 1
i
i 1
log b x
log a x . (1.3)
log b a
18 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
IMPORTANŢA CONTROLULUI
STATISTIC AL PROCESELOR
SPC SPC (Statistical Process Control) reprezintă o metodă din
cadrul managementului calităţii care utilizează procedeele
statistice pentru supravegherea unui proces tehnologic complex în
scopul identificării abaterilor sistematice ale acestuia.
Pot fi fundamentate astfel deciziile privind intervenţiile în
vederea reglării (corectare înainte de a rezulta neconformităţi),
proces prin care caracteristicile calitative sunt menţinute în limitele
de toleranţă prestabilite. SPC este o metodă preventivă care
contribuie, prin identificarea erorilor şi mai ales prin limitarea lor,
la reducerea costurilor datorate defectelor, rebuturilor sau
prelucrărilor ulterioare suplimentare.
O importanţă deosebită reprezintă etapa de intervenţie în
desfăşurarea procesului tehnologic prin procedeele specifice de
reglare şi optimizare (fig.2.1).
20 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
N
unităţi de produs
m
=
m=1 1
Control
m= m+1
xi=1 sau xi=0
T2 k m h2 , (2.5)
în care:
1
lg lg
h1 1 , h2 , (2.6)
p 1 p1 p 1 p1
lg 2 lg 2
p1 1 p 2 p1 1 p 2
1 p1
lg
1 p2
iar: k .
p 1 p1
(2.7)
lg 2
p1 1 p2
~ se rezolvă tabelar sau grafic prin continuarea sondajului atât
timp cât xi este cuprinsă între T1 şi T2; dacă xi > T2 lotul se
respinge, iar dacă xi < T1, lotul se acceptă.
Tipul de grafic utilizat este redat în figura 2.3.
x N
p 2 p1
y p2
N 0,5 (2.8)
ln
p1
~ punctele de intersecţie între dreptele de control şi abscisă sunt
(m1, 0) şi (m2, 0) cu:
1
N p2 p1
şi
m1 N 1
1
1
1 N p 2 p1
m 2 N 1 , (2.9)
acestea, împreună cu punctul P (x, y) determinând dreptele T1 şi T2.
~ există o a treia dreaptă de control:
T3 p1 N (2.10)
x
Prin transformarea de variabilă ( u ), se obţine
Distribuţia funcţia normală normată. În acest caz ’0 şi ’1, iar funcţia de
normală densitate de probabilitate devine:
normată
u2
1
u , .
f u e 2
, (2.12)
2
Funcţia de repartiţie se obţine prin integrarea funcţiei de
densitate de probabilitate şi se numeşte integrala lui Gauss sau
integrala erorilor:
x u
F x f x dx sau F u f u du . (2.13)
suprafaţa cuprinsă
z1 x1 z2 x2
(%)
- 68,26
-2 2 95,44
-3 3 99,73
-1,96 1,96 95,00
-2,58 2,58 99,00
-3,29 3,29 99,90
P X r C n p r 1 p
r nr
Pr , (2.14)
în care:
n!
C
r
. (2.15)
n
r! n r !
n
(observaţie: P 1 ).
i 0
i
Număr de
Eşantion
rebuturi
k
xi
1 2
2 1
3 2
4 3
5 1
6 1
Total 10
30 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
x i
10 x 1,6
x i 1
1,6 ; p 0,16 ; q 1 p 0,84 .
k 6 n 10
Pentru simplificarea calculelor, se aplică relaţia de definiţie
pentru obţinerea valorilor funcţiei de repartiţie numai pentru x=0,
caz în care:
f( 0 ) q n . (2.17)
varianţa s2 n p q (2.20)
REZOLVARE
Se calculează x şi s2 cu datele din figura 2.8:
2
5
5 5
ni xi
i 1
ni x i
16
i 1
n i x i2
i 1
N
16 2
18
220 0,07
x 0,07 ; s 2
N 220 N 1 219
Număr de Număr
tractoare de zile
defecte pe an ni xi ni xi2
xi ni
0 205 0 0
1 14 14 14
2 1 2 4
3 0 0 0
4 0 0 0
5 0 0 0
Total 220 16 18
x x
i
2
s i 1
(2.28)
n 1
- capabilitatea procesului, Cp, sau indicele capacităţii performante,
T
Cp . (2.29)
6s s
40 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
n
(volumul
probei) 2 3 4 5 6 7 8 9 10
A2 1,880 1,023 0,729 0,577 0,483 0,419 0,373 0,337 0,308
SISTEME DE AŞTEPTARE
Fenomenele de aşteptare sunt frecvent observate în
domenii diverse de activitate productivă şi în viaţa cotidiană.
Clienţii sau consumatorii sunt cei care beneficiază de un anumit
serviciu oferit de staţia de servire (cel sau cei ce satisfac solicitările
consumatorilor).
Sistemul Şirul (firul) de aşteptare este ansamblul format din
de aşteptare
consumatorii ce aşteaptă să fie serviţi, iar sistemul de aşteptare
reprezintă şirul de aşteptare plus consumatorul (consumatorii) în
curs de servire. Aceste sisteme de aşteptare pot fi:
deschise, atunci când numărul posibililor consumatori poate fi
considerat practic nelimitat (ex. casele marilor magazine,
ghişeele publice etc.), sau
închise, atunci când numărul consumatorilor este cunoscut şi
limitat, însă există posibilitatea revenirii periodice a acestora la
staţia de servire.
Fenomenul de aşteptare se manifestă dacă servirea nu se
realizează imediat ce un consumator a ajuns la o staţie de servire.
44 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
Funcţiile
conducerii
ta Ac As
sosiri/oră serviri/oră ore ore ore lei/schimb
0,90 2,00 0,41 2,95 4,40 498,91
0,50 2,00 0,17 0,67 6,00 613,33
1,00 2,00 0,50 4,00 4,00 480,00
1,50 2,00 1,50 18,00 2,00 560,00
1,25 2,00 0,83 8,33 3,00 466,67
1,18 2,00 0,72 6,86 3,27 463,84
1,13 2,00 0,64 5,79 3,50 465,71
48 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
ta Ac As
s
sosiri/oră serviri/oră ore ore ore lei/T
2
3
Soluţia se obţine atunci când, prin iteraţii succesive, se
ajunge la o valoare (s) pentru care:
(s 1) (s) (s 1) . (3.6)
capitolul 4 STUDIUL MUNCII 49
M
Categorii de muncă:
manuală comandată de la distanţă
(muncitorul se află în altă
manual-mecanizată locaţie decât cea a maşinii
(dispozitive motorizate pe care o comandă)
acţionate manual)
automatizată
mecanizată (muncitorul comandă
(muncitorul este operator al desfăşurarea automată a
unei maşini sau instalaţii) unei secvenţe de lucru)
TIMPUL DE MUNCĂ
Studiul timpului de muncă se realizează prin măsurarea,
clasificarea şi prin analiza sistematică şi critică a succesiunii
operaţiilor şi a consumului de timp în cadrul procesului de
producţie. Scopul principal este cel de a elimina consumul de timp
nejustificat.
Studiul mişcărilor din cadrul procesului de muncă
urmăreşte ca prin descrierea şi analiza critică şi sistematică a
acestora să se realizeze o optimizare a succesiunii observaţiilor prin
eliminarea deplasărilor inutile şi fluidizarea fluxului tehnologic.
Timpul de muncă (TM) reprezintă timpul în care se Timpul
consideră că un sistem productiv (sau o parte a acestuia) este de muncă
implicat în realizarea unor activităţi specifice din cadrul procesului
de producţie. Acesta este compus, aşa cum se prezintă în figura 4.2,
din timp productiv (TP) şi timp neproductiv (TN).
Timpul productiv este timpul în care sistemul analizat
realizează activităţi direct productive, iar muncitorii execută strict
operaţiile de bază specifice postului.
Timpul neproductiv este parte din timpul de muncă în
care se desfăşoară activităţi conexe activităţilor de bază, neincluse
în sarcinile de muncă.
TP = Top + Tas (4.1)
organizatorice
thon: timp de hrană, tto: timp pentru
tehnică
tpi: timp de tdl: timp de tst: timp de td: întreruperi
53
54 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
Pdt
Pw 100 (%). (4.4)
100 Pdt
56 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
480 1 N pi
Top' . (4.9)
1 N dl N st N hon N to
Cunoscând timpul operativ normat şi durata zilei de lucru
normate (480 minute), prin intermediul normelor de timp se
calculează durata proiectată a fiecărei categorii de timp.
Durata unitară, Du, reprezintă timpul utilizat pentru
realizarea unei unităţi de produs. Se obţine ca raport dintre timpul
operativ înregistrat prin fotografierea zilei de lucru şi numărul,
cantitatea sau volumul produselor, Q, obţinute de muncitor în
această perioadă:
Top
Du . (4.10)
Q
În exemplul considerat anterior, dacă volumul mediu
440
colectat în ziua de lucru este 75 m3, Du 5,867 min·m-3.
75
Norma de
Cu elementele stabilite se pot determina în continuare producţie
norma de producţie (NP) şi norma de timp (NT) după relaţiile:
Norma de
' timp
Top 480
NP şi NT . (4.11)
Du NP
Pentru situaţia din exemplul prezentat:
391 480
NP 66,64 m3 şi NT 7,203 min·m-3.
5,867 66,64
În situaţia în care procesul de muncă analizat este compus
din operaţii executate de formaţii de lucru trebuie să se aplice
fotografierea colectivă ceea ce înseamnă observarea simultană a
tuturor muncitorilor ce realizează un element de lucru. Timpul total
consumat se exprimă, în acest caz, în [om·minute]. Se repartizează
apoi pe categorii de timp şi se parcurg aceleaşi etape, prezentate
anterior, până la obţinerea normelor de muncă.
Valori pentru o
Element de calcul Notaţie
zi de lucru
Timpul total de muncă T 480 min
Număr total de unităţi de produs supuse
50 unităţi
operaţiei analizate (rezultate în procesul k
tehnologic) de produs
Proporţia timpului de lucru productiv p 90%
Proporţia timpului de aşteptare
(inactivitate)
1-p 10%
a i1 x1 a i 2 x 2 a ij x j a in x n bi
a x a x a x a x b
m1 1 m 2 2 mj j mn n m
~ condiţia de ne-negativitate
x j 0 j=1,…,n
~ funcţia-obiectiv
a
j 1
ij x j bi i=1,…,m a
j 1
ij x j bi i=1,…,m
c j xj min c j xj max
j 1 j 1
x1 , x3 0 ; x 4 oarecareşi x 2 0
f x 5 x1 x 2 x3 3 x 4 max
Se presupune că, în vederea utilizării unui anumit algoritm
de optimizare, este necesară transformarea în forma standard şi în
forma canonică a acestui model.
REZOLVARE
Pentru început se asigură condiţia de ne-negativitate a variabilelor:
x 4 x5 x 6 cu x5 , x 6 0
x 2 x 7 cu x 7 0
x8 , x9 0 variabilede egalizare
capitolul 5 PROGRAMAREA MATEMATICĂ 67
Forma standard a modelului matematic este:
2 x1 4 x 3 5 x 7 x8 4
2 x 7 5 x 3 3 x 5 3 x 6 7
7 x 5 x 6 x 6 x x 5
1 7 5 6 9
x1 , x3 , x5 , x 6 , x 7 , x8 , x9 0
f x 5 x1 x 7 x3 3 x5 3 x 6 max
Pentru a obţine forma canonică se porneşte de la modelul
modificat anterior fără variabilele de egalizare:
2 x1 4 x 3 5 x 7 4
2 x 7 5 x 3 3 x 5 3 x 6 7
7 x 5 x 6 x 6 x 5
1 7 5 6
x1 , x3 , x5 , x 6 , x 7 0
f x 5 x1 x 7 x3 3 x5 3 x 6 max
Bj Beneficiari
Ai b1 b2 ... bj ... bn
ci1 ci2 cij cin
ai ... ...
xi1 xi2 xij xin
cm1 cm2 cmj cmn
am ... ...
xm1 xm2 xmj xmn
68 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
i 1
ai b
j 1
j (5.1)
x
i 1
ij b j pentru j=1,…,n (n restricţii) (5.2)
x
j 1
ij a i pentru i=1,…,m (m restricţii) (5.3)
~ ne-negativitatea variabilelor
xij 0 pentru i=1,…,m şi j=1,…,n (5.4)
Funcţia-obiectiv este:
m n
f x c
i 1 j 1
ij xij min . (5.5)
REZOLVARE
Beneficiari (n=4)
Total
dispo-
B1 B2 B3 B4 nibil
8 10 7 6
A1 x11 x12 x13 x14 300
Furnizori (m=3)
6 5 8 9
A2 x21 x22 x23 x24 280
7 11 14 12
A3 x31 x32 x33 x34 390
Total
necesar
160 270 200 340 970
b
i 1
ai
j 1
j 970 m3, deci problema este echilibrată;
70 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
Succesiunea egalării cu 0 a
8 10 7 6
100 0 200 0 300 100 variabilelor:
x22 x34 x31 x13
6 5 8 9
10 270 0 0 280 10 Soluţia este nedegenerată pentru
că are:
7 11 14 12 m n 1 6 valori xij0 şi
50 0 0 340 390 50
m 1n 1 6 valori xij=0
160 270 200 340 970 Funcţia-obiectiv are valoarea:
f(x)=1008+2007+106+2705+
110 +507+34012=8040m3km
Succesiunea egalării cu 0 a
8 10 7 6
160 140 0 0 300 140 variabilelor:
x11 x12 x22 x23
6 5 8 9
0 130 150 0 280 150 Soluţia este nedegenerată pentru
că are:
7 11 14 12 m n 1 6 valori xij0 şi
0 0 50 340 390
m 1n 1 6 valori xij=0
Funcţia-obiectiv are valoarea:
160 270 200 340 970
f(x)=1608+14010+1305+1508+
130 50 +5014+34012=8040m3km
Se observă că f(x) are o valoare mai mare (nu se modifică în sensul optimizării).
Succesiunea egalării cu 0 a
8 10 7 6
0 0 0 300 300 variabilelor:
x14 x22 x21 x31
6 5 8 9
10 270 0 0 280 10 Soluţia este nedegenerată pentru
că are:
7 11 14 12 m n 1 6 valori xij0 şi
150 0 200 40 390
m 1n 1 6 valori xij=0
Funcţia-obiectiv are valoarea:
160 270 200 340 970
f(x)= 3006+106+2705+1507+
150 40 +20014+4012=7540m3km
Succesiunea egalării cu 0 a
8 10 7 6
0 150 150 0 300 150 variabilelor:
x21 x22 x12 x13
6 5 8 9
160 120 0 0 280 120 Soluţia este nedegenerată pentru
că are:
7 11 14 12 m n 1 6 valori xij0 şi
0 0 50 340 390
m 1n 1 6 valori xij=0
Funcţia-obiectiv are valoarea:
160 270 200 340 970
f(x)= 15010+1507+1606+1205
150 50 +5014+34012=8890m3km
Succesiunea egalării cu 0 a
8 10 7 6
0 0 0 300 300 variabilelor:
x22 x14 x21 x31
6 5 8 9
10 270 0 0 280 10 Soluţia este nedegenerată pentru
că are:
7 11 14 12 m n 1 6 valori xij0 şi
150 0 200 40 390
m 1n 1 6 valori xij=0
Funcţia-obiectiv are valoarea:
160 270 200 340 970
f(x)= 3006+106+2705+1507+
150 40 +20014+4012=7540m3km
Succesiunea egalării cu 0 a
8 10 7 6 dif.
0 0 0 300 300 1,
variabilelor:
x22 x31 x14 x23
6 5 8 9 Soluţia este nedegenerată pentru
0 270 10 0 280 10 1,2,1
că are:
7 11 14 12 m n 1 6 valori xij0 şi
390 230 4,5,2
160 0 190 40 m 1n 1 6 valori xij=0
Funcţia-obiectiv are valoarea:
160 270 200 340 970
f(x)= 3006+2705+108+1607+
190 40 +19014+4012=7490m3km
ALGORITMI DE OPTIMIZARE
Algoritmii de optimizare sunt constituiţi din iteraţii
succesive care, pornind de la o soluţie de bază iniţială determinată
anterior să se ajungă la soluţia optimă.
Metoda Unul dintre aceşti algoritmi este metoda distributivă (fig.5.10
distributivă şi 5.11). Se procedează astfel:
pentru fiecare celulă cu xij=0 se poate construi câte un singur
contur poligonal de transfer cu laturile paralele cu liniile şi
coloanele (chiar intersectate, uneori), cu un număr par de
vârfuri, un singur vârf fiind într-o celulă cu xij=0 (celelalte în
celule cu xij0);
se atribuie alternativ semnele „+” şi „-” vârfurilor, începând cu
„+” în vârful cu xij=0;
se însumează algebric, în funcţie de semnele atribuite, valorile
cij pe contur. Se obţin (m-1)(n-1) valori dij.;
pentru minimizare, se ia în considerare valoarea dij minimă
(maximă în modul, dar cu semnul „-”); cantitatea de transferat
este valoarea xij minimă din vârfurile negative; aceasta se adună
74 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
8 10 7 6
Dacă se consideră soluţia de bază de la
0 0 0 300 300 procedeul diferenţelor maxime (Vogel):
f(x)= 7490m3km
6 5 8 9
0 270 10 0 280 d11= 8-7+12-6=7
d12= 10-5+8-14+12-6=5
7 11 14 12
160 0 190 40 390 d13=7-14+12-6=-1 (contur de transfer)
d21= 6-7+14-8=5
160 270 200 340 970 d24= 9-8+14-12=3
d32= 11-14+8-5=0
8 10 7 6 f(x)= 7300m3km
0 0 190 110 300
d11= 8-7+12-6=7
6 5 8 9 d12= 10-5+8-7=6
0 270 10 0 280
d21= 6-7+12-6+7-8=4
7 11 14 12 d24= 9-6+7-8=2
160 0 0 230 390
d32= 11-12+6-7+8-5=1
d33= 14-12+6-7=1
160 270 200 340 970
toate valorile dij sunt strict pozitive.
f(x)= 7060m3km
8 10 7 6
0 0 190 150 340 d11= 8-7+12-6=7
d12= 10-5+8-7=6
6 5 8 9
0 270 10 0 280 d21= 6-7+12-6+7-8=4
d24= 9-6+7-8=2
7 11 14 12
160 0 0 190 350 d32= 11-12+6-7+8-5=1
d33= 14-12+6-7=1
160 270 200 340 970 toate valorile dij sunt strict pozitive, a
fost egalat cu 0, iar degenerarea a
dispărut.
76 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
b
i 1
ai
j 1
j (5.6)
Beneficiari (n=4)
Total
dispo-
B1 B2 B3 B4 nibil
8 10 7 6
A1 x11 x12 x13 x14 300
Furnizori (m=3)
6 5 8 9
A2 x21 x22 x23 x24 280
7 11 14 12
A3 x31 x32 x33 x34 390
Total
160 270 200 330 970
necesar 960
Beneficiari (n=5)
Total
dispo-
B1 B2 B3 B4 B5 nibil
8 10 7 6 0
Furnizori (m=3) A1 160 140 0 0 0 300
6 5 8 9 0
A2 0 130 150 0 0 280
7 11 14 12 0
A3 0 0 50 330 10 390
Total
necesar
160 270 200 330 10 970
CATEGORII DE STOCURI
Organizarea activităţii în domeniul forestier poate fi
optimizată prin constituirea unor rezerve sau stocuri (de materii
prime, materiale, combustibili etc.).
Tipul de Formula de
Semnificaţie Notaţii
stoc calcul
Stocul curent cantitatea de materiale
(Sc) sau materii prime desti- q - consumul mediu
nată desfăşurării în zilnic, estimat
statistic
condiţii normale a pro-
S c qt t - intervalul mediu
cesului de producţie în de timp dintre
intervalul de timp dintre două aprovizio-
două aprovizionări suc- nări, în zile
cesive.
ns ni I E (6.1)
REZOLVARE
REZOLVARE
Rata consumului zilnic, calculat pentru 220 zile lucrătoare pe an,
4500
este q 20,45 m3. În condiţiile menţionate, volumul optim al
220
unei tranşe de aprovizionare (la o comandă) este:
2 20,45 225
n0 78,33 m3 (6.9)
1,5
Intervalul optim dintre două aprovizionări succesive este:
2225
t0 3,83 4 zile, (6.10)
20,451,5
iar costul mediu optim pe unitatea de timp rezultă:
C (t 0 ) 220,451,5225 117 lei/zi (6.11)
Există relaţia:
p 1 sau p 100 [%] (6.12)
x x S sig
u S sig u s (6.13)
s s
în care u este valoarea variabilei normale normate corespunzătoare
probabilităţii de acoperire a consumului ce s-a considerat justificată
pentru procesul analizat (frecvent p=95%).
S sig u s (6.14)
REZOLVARE
Se obţin valorile din tabelul 6.3. Rezultă x q 20,45 m3/zi şi
s2
n x x
i i
2
ni x x
i
2
220 1 219
90 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
18,33304,9587
25,5293 m6 s 5,05 m3. (6.15)
219
CONCEPTUL DE FIABILITATE
Fiabilitatea unui produs, a unui element funcţional sau a
unui sistem, reprezintă probabilitatea ca, în condiţii bine determinate
şi într-o perioadă prestabilită, acesta să-şi îndeplinească toate
funcţiunile pentru care a fost creat.
Această probabilitate nu poate fi considerată niciodată
100% pentru că apar întreruperi sau blocaje în funcţionarea
oricărui produs, generate de defecţiuni, de încheierea ciclului de
viaţă sau de accidente.
Fiabilitatea Sensul termenului este cel de „siguranţă în funcţionare” (eng.
reliability) şi este măsura statistică a performanţelor produsului
analizat în raport cu timpul şi cu intensitatea utilizării.
Devine şi mai importantă stabilirea nivelului de fiabilitate
în cazul în care produsul respectiv este, la rândul său, mijloc de
producţie într-un proces prin care se obţin alte produse, pentru că
parametrii funcţionali îşi extind influenţa asupra ritmului de lucru
şi asupra calităţii producţiei.
92 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
REZOLVARE
În aceste condiţii, coeficientul de disponibilitate a serverului este:
30 30
kD 0,9814 98,14% .
4 30,57
30
7
capitolul 7 FIABILITATEA 97
REZOLVARE
Probabilitatea R de funcţionare a sistemului de cântărire este:
R 1 1 0,971 0,90 0,997 99,7% .
REZOLVARE
Fiabilitatea sistemului cu redundanţă rezultă printr-un calcul simplu
al probabilităţii:
R 110,7510,8010,8510,0075 0,9925 99,25% .
capitolul 7 FIABILITATEA 99
0 pentru t 0
F t Qt t (7.12)
1 e pentru t 0
Rata de f (t ) f (t )
defectare z (t ) (7.14)
1 F (t ) R(t )
În cazul distribuţiei exponenţiale, rata de defectare este
constantă:
e t
z (t ) (7.15)
e t
100 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
REZOLVARE
Soluţia, conform relaţiei din figura 7.7, este:
1000
P (T 1000) R (1000) e 1650 e 0,606 0,5455 54,55% .
REPARTIŢIA WEIBULL
Repartiţia Weibull biparametrică este considerată o
generalizare a legii de distribuţie exponenţiale.
Densitatea de probabilitate a legii Weibull de variabilă t are
forma:
0 pentru t 0
f t , ,
Distribuţia Weibull
(7.16)
t 1 e t pentru t 0
biparametrică
0 pentru t 0
F t , , t (7.17)
1 e pentru t 0
102 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE
N N
i 1
y i N
i 1
ln(t i )
N N N
(7.26)
i 1 i i 1
i
y ln(t ) ln(t ) ln 2 (t )
i
i 1
i
BIBLIOGRAFIE
Barlow, J.F., 2005, Excel models for business and operations
management, 2nd ed., John Wiley&Sons Ltd., West Sussex,
England, 415p.
Brennan, L.L., 2011, Operations management, 36-Hour Course,
McGraw-Hill, USA, 241p., ISBN: 978-0-07-174613-7
Constantinescu, P., 1990, Sinergia, informaţia şi geneza sistemelor,
Ed. Tehnică, 319p., ISBN 973-31-0130-7
Ghiani, G., Laporte, G., Musmanno, R., 2004, Introduction to logistics
system planning and control, John Wiley&Sons Ltd., West
Sussex, England, 377p.
Hartley, R.V.L., 1928, July, Transmision of information, Bell System
Technical Journal, presented at the International Congress of
Telegraphy and Telephony, Lake Como, Italy, September 1927
Heizer, J., Render, B., 2011, Operations management. Global edition,
10th ed., Pearson Education Inc., Prentice Hall, Upper Saddle
River, New Jersey, USA, 888p., ISBN: 978-0-13-511143-7
Isaic-Maniu, A., 1985, În căutarea optimului, Ed. Albatros, 238p.
Niebel, B. W., 1993, Motion and time study, 9th edition, Richard D.
Irwin (Edt.), Homewood (Ill.), USA, 850p.
Oakland, J.S., 2008, Statistical Process Control, 6th edition, Ed.
Elsevier Butterworth-Heinemann, Linacre House, Jordan
Hill, Oxford OX2 8DP, UK, 458p.
Rausand, M., Høyland, A., 2004, System reliability theory: models,
statistical methods, and applications, John Wiley & Sons, Inc.,
Hoboken, New Jersey, USA,, 636p.
Shannon, C. E., Weaver, W., 1964, The mathematical theory of
communication, 10th printing, The University of Illinois
Press, Urbana, USA, 125p.
Stapenhurst, T., 2005, Mastering Statistical Process Control. A
Handbook for Performance Improvement Using Cases, Ed.
Elsevier Butterworth-Heinemann, Linacre House, Jordan
Hill, Oxford OX2 8DP, UK, 460p.
Suárez, J.G., 1992, Three Experts on Quality Management: Philip B.
Crosby, W. Edwards Deming, Joseph M. Juran, Department of
the Navy, Total Quality Leadership Office Publication No.
92-02, Arlington, VA, USA
Tamaş, Ş., 1983, Optimizări în silvicultură şi exploatări forestiere,
Ed. CERES, 320p.
Trandafir, R., 2004, Modele şi algoritmi de optimizare, Editura
AGIR, Bucureşti, 250p., ISBN 973-8466-76-8
Wald, A., 1947, Sequential analysis, New York, John Wiley&Sons
Ltd., 212p.
109
Consideraţii introductive 3
Studiul muncii 49
Utilitatea studiului muncii
Timpul de muncă
Analiza statistică a activităţii
Programarea matematică 63
Formularea modelului matematic
Algoritmi de optimizare
Optimizarea stocurilor 79
Categorii de stocuri
Modele de realizare a stocurilor
Bibliografie 107
110 ANALIZA STATISTICĂ A PROCESELOR TEHNOLOGICE