Upload
others
View
18
Download
0
Embed Size (px)
Citation preview
2011.02.24.
1
Termelési folyamatok II.Termelési folyamatok II.Költségbecslés
Dr. Mikó Balá[email protected]
Óbu
dai E
gyet
emB
ánki
Don
át G
épés
z és
Biz
tons
ágte
chni
kai
Mér
nöki
Kar
Any
agtu
dom
ányi
és
Gyá
rtás
tech
noló
giai
Int
ézet
2
Az idıAz idı-- és költségbecslés és költségbecslés feladatafeladata
Meghatározni a gyártás várható idıszükségletét és költség igényét.
?
3
A költségbecslés szerepeA költségbecslés szerepe
• Önköltségszámítás árajánlat adáshoz
• Gyártási költségek kontrollálása
• Beszállítók árajánlatainak ellenırzése
• „Venni vagy gyártani” döntés
támogatása
• Tervezési alternatívák értékelése
• Anyagszükséglet tervezés
• Gyártás ütemezés
4
A költségbecslés problémájaA költségbecslés problémája
Befektetett munka
Pontosság
Probléma:• Nem ismerjük a gyártási folyamat részleteit.• Rövid idı áll rendelkezésre.
5
Költségbecslési módszerekKöltségbecslési módszerek
• Intuitív
• Analóg
• Parametrikus
• Analitikus
• MI alapú
6
Intuitív módszerIntuitív módszerIntuícióra, tapasztalatra épít
• Nagy gyakorlat szükséges• Részletesen ismerni kell a környezetet• Pontatlan lehet• Nem átlátható
2011.02.24.
2
7
Analóg módszerAnalóg módszerÖsszehasonlítás korábbi termékekkel
• Nagy adatbázis• Hatékony keresés szükséges• Statikus környezet• Adaptálás
8
Parametrikus módszerParametrikus módszer• Egyszerő függvénykapcsolat a néhány termék-paraméter és a költség között• Általában tömeg vagy befoglaló méret
• Egyszerő• Gyors• Csak durva becslésre
Pl.: K=C0+C1*m+C2*m3
9
Analitikus módszerAnalitikus módszerA feladat részletes dekomponálása, részszámítások összegzése
• Részletes gyártási koncepció• Az egyes elemek pontosabban becsülhetık
• Pontos (± 5%)• Idıigényes
10
Költségbecslési módszerekKöltségbecslési módszerek
módszer elıny hátrány
intuitív - gyors- egyszerő alkalmazni
- szakember igényes- pontatlan- nem átlátható
analóg - figyelembe veszi a konkrét környezetet
- idıigényes- nagy adatbázist igényel
parametrikus - egyszerő- gyors
- pontatlan- heurisztikus
analitikus - pontos - idıigényes- szakember igényes- túl részletes
�
11
LHB XXXest LHBCt ⋅⋅⋅=
( )∑=
⋅⋅⋅−=n
i
Xi
Xi
Xii
HBL HBLCtS1
20=
∂∂C
S 0=∂∂
LX
S
0=∂∂
BX
S0=
∂∂
HX
S
( ) 0lnln21
2222 =⋅⋅⋅⋅+⋅⋅⋅⋅⋅−⋅=∂∂
∑=
⋅⋅⋅n
ii
Xi
Xi
Xii
Xi
Xi
Xii
L
LHBLCLHBLCtX
SHBLHBL
( ) 021
222 =⋅⋅⋅+⋅⋅⋅−⋅=∂∂
∑=
⋅⋅⋅n
i
Xi
Xi
Xi
Xi
Xi
Xii
HBLHBL HBLCHBLtC
S
( ) 0lnln21
2222 =⋅⋅⋅⋅+⋅⋅⋅⋅⋅−⋅=∂∂
∑=
⋅⋅⋅n
ii
Xi
Xi
Xii
Xi
Xi
Xii
B
BHBLCBHBLCtX
SHBLHBL
( ) 0lnln21
2222 =⋅⋅⋅⋅+⋅⋅⋅⋅⋅−⋅=∂∂
∑=
⋅⋅⋅n
ii
Xi
Xi
Xii
Xi
Xi
Xii
H
HHBLCHHBLCtX
SHBLHBL
Legkisebb négyzetek módszere
MIN
Parametrikus gyártási idı becslés
12
C, B, H, L
C1, B, H, L
C2, B, H, L
C, B1, H, L
C, B, H1, L
C, B, H2, L
C, B, H, L1
C, B, H, L2
C, B2, H, L
C1, B, H, L
C2, B, H, L
C, B1, H, L
C, B, H1, L
C, B, H2, L
C, B, H, L1
C, B, H, L2
C, B2, H, L
...
j
tt
D jji
i
∑ −=
,
m
Random
⋅+=∆
100
)100(01.0
Numerikus keresı algoritmus
Változás
Hiba
2011.02.24.
3
13
Eredmények
14
14
Zseb nagyoló marásaZseb nagyoló marása
A – HosszB – SzélességH – MélységR - Rádiusz
15
15
AdatbázisAdatbázis2028 eset: A: 40, 50, 60, 80, 100, 150, 200, 250, B: 40, 50, 60, 80, 100, 150, 200, 250, 300, 400R: 4, 5, 6, 8, 10, 12,5H: 1, 3, 5, 10, 15, 20
.xls
16
16
Szerszámút hosszaSzerszámút hossza
DJJBAJL ⋅+⋅⋅−⋅+⋅⋅= )1(2)22(1
[ ] )1(2)),(max()),(max(22 −⋅⋅=⋅−−−⋅= JDDJBADBAL
−=D
DBAJ
),min(int
Ciklusszám egy szinten:
Szerszámút hossza:
Összekötı s fogásvételi mozgás hossza:
(D=2*R)
17
17
Fogás szám:
1int +
=
pa
HI
Megmunkálási idı:
fff v
JDDJJBAJI
v
LLI
v
Lt
))1(2)1(2)22(()( 21 −⋅⋅+⋅+⋅⋅−⋅+⋅⋅⋅=+⋅==
nzfv zf ⋅⋅=
π*
*1000
D
vn c=
Elıtolási sebesség
Fordulatszám
Megmunkálási idı
18
18
SzerszámSzerszám
2011.02.24.
4
19
19
RegresszióRegresszió
x
y
++
+
+ +
+ +
δi
SS = Σ δi2
SS : Négyzetösszeg
y = f(x)
Cél: SS � MIN
Mért vagy számolt adat
y = C1+C2*x
20
20
MiniTabMiniTab v14v14
Copy + Paste Excel táblából
Eredmény terület
Diagrammok
21
21
MiniTab v14MiniTab v14
22
22
Main effects plot Main effects plot –– Interaction plotInteraction plot
A
R
H
B
400
300
250
200
150
100
80605040 12,5
10,0
8,06,05,04,0 26201510531
16000
8000
0
16000
8000
0
16000
8000
0
A
60
80
100150
200
250
40
50
B
60
80
100150
200
250300
400
40
50
R
6,0
8,0
10,012,5
4,0
5,0
Interaction Plot (data means) for t
Me
an
of t
25020015010080605040
10000
7500
5000
2500
040030025020015010080605040
12,510,08,06,05,04,0
10000
7500
5000
2500
026201510531
A B
R H
Main Effects Plot (data means) for t
23
23
#1 regresszió #1 regresszió -- lineárislineáris
TotalSS
ErrorSSR
_
_12 −=
)1/(_
)/(_1)(2
−−−=
nTotalSS
pnErrorSSadjR
SS – Sum of squares
95 felett kell lennie
Me
an
of t
25020015010080605040
10000
7500
5000
2500
040030025020015010080605040
12,510,08,06,05,04,0
10000
7500
5000
2500
026201510531
A B
R H
Main Effects Plot (data means) for t
24
24
#2 regresszió #2 regresszió –– négyzetes tagokkalnégyzetes tagokkal
2011.02.24.
5
25
25
RegressionRegression #3 #3 -- logarithmiclogarithmic
250
200
150
10080605040
8
6
4
400
300
250
200
150
10080605040 12
,510
,08,06,05,04,0 26201510531
A B R H
Main Effects Plot (data means) for ln t
26
26
RegressionRegression #4 #4 –– log, quadraticlog, quadratic
27
3-4. Febr 2009 TOOLS 2009 Zlin 27
RegressionRegression #5 #5 –– log, cubiclog, cubic
Ha a P-value 0.2 felett van, a paraméter elhagyható.
28
28
Regression #6 Regression #6 –– log, modifiedlog, modified
29
29
Results Results -- ConclusionsConclusions
32
22
H0,000480 H0,0254 - H0,465
R0,299 - B0,000013 - B0,0113 A0,000066 -A 0,0294 3,33 ln t
⋅+⋅⋅+⋅⋅⋅+⋅⋅+=
3222 H0,000480 H0,0254 - H0,465 R0,299 - B0,000013 - B0,0113 A0,000066 -A 0,0294 3,33e t ⋅+⋅⋅+⋅⋅⋅+⋅⋅+=
30
Mesterséges intelligencia Mesterséges intelligencia módszerekmódszerek
• Szabály-alapú becslés• Eset-alapú becslés• Neurális háló-alapú becslés
2011.02.24.
6
31
Alkatrész modell
Mőveletelemek
Elızési mátrix Mátrix elimináció Becsült adatok
§
1. 2. 3.
§
Heurisztikus képletek
SzabálySzabály--alapú költségbecslésalapú költségbecslés
32
Alkatrész modell
Paraméterlista
Eset bázis
Becsült adatok
Keresés
Hasonlóság megállapításaVálasztásAdaptálás
+
EsetEset--alapú költségbecslésalapú költségbecslés
33
Alkatrészmodell
ANN
Paraméter lista
Becsült adatok
Σ f(S)S
W1
W2
W3
Tanítási minta
ANNANN--alapúalapú költségbecslésköltségbecslés