Karta przedmiotu

Metody statystyczne w zarządzaniu produkcją

Podstawowe informacje o zajęciach

Cykl kształcenia:

2016/2017

Nazwa jednostki prowadzącej studia:

Wydział Budowy Maszyn i Lotnictwa

Nazwa kierunku studiów:

Zarządzanie i inżynieria produkcji

Obszar kształcenia:

nauki techniczne

Profil studiów:

ogólnoakademicki

Poziom studiów:

drugiego stopnia

Forma studiów:

stacjonarne

Specjalności na kierunku:

Ekologia produkcji, Nowoczesne metody zarządzania produkcją, Nowoczesne technologie informacyjno-komunikacyjne w przedsiębiorstwie, Zintegrowane systemy wytwarzania

Tytuł otrzymywany po ukończeniu studiów:

Nazwa jednostki prowadzącej zajęcia:

Katedra Technologii Maszyn i Inżynierii Produkcji

Kod zajęć:

1541

Status zajęć:

obowiązkowy dla specjalności Nowoczesne metody zarządzania produkcją

Układ zajęć w planie studiów:

sem: 2 / W15 L30 / 4 ECTS / Z

Język wykładowy:

polski

Imię i nazwisko koordynatora:

prof. dr hab. inż. Jarosław Sęp

Cel kształcenia i wykaz literatury

Główny cel kształcenia:
Celem kształcenie jest nabycie przez studentów wiedzy teoretycznej oraz praktycznych umiejętności stosowania metod statystycznych do badania zdolności maszyn i procesów, projektowania i analizowania kart kontrolnych, a także tworzenia modeli matematycznych i optymalizowania procesów wytwarzania

Ogólne informacje o zajęciach:
Moduł obowiązkowy dla studentów drugiego semestru

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych
1	Hamrol A	Zarządzanie jakością z przykładami	PWN, Warszawa.	2008
2	Sęp J., Perłowski R., Pacana A. Techniki wspomagania zarządzania jakością	Techniki wspomagania zarządzania jakością	Oficyna Wydawnicza Politechniki Rzeszowskiej.	2007
3	Korzyński M	Metodyka eksperymentu	WNT, Warszawa.	2006

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych
1	Sęp J., Perłowski R., Pacana A.	Techniki wspomagania zarządzania jakością	Oficyna wydawnicza Politechniki Rzeszowskiej.	2007
2	Korzyński M	Metodyka eksperymentu	WNT, Warszawa.	2006

Literatura do samodzielnego studiowania
1	Plonka S	Wielokryterialna optymalizacja procesów wytwarzania części maszyn	WNT, Warszawa .	2011

Wymagania wstępne w kategorii wiedzy / umiejętności / kompetencji społecznych

Wymagania formalne:
Rejestracja na II semestr studiów

Wymagania wstępne w kategorii Wiedzy:
Wiedza z zakresu podstaw statystyki matematycznej. Wiedza z zakresu podstaw projektowania procesów technologicznych

Wymagania wstępne w kategorii Umiejętności:
Umiejętność prowadzenia samodzielnych analiz

Wymagania wstępne w kategorii Kompetencji społecznych:
Kreatywność, otwartość na pozyskiwanie nowej wiedzy

Efekty kształcenia dla zajęć

MEK	Student, który zaliczył zajęcia	Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia	Metody weryfikacji każdego z wymienionych efektów kształcenia	Związki z KEK	Związki z OEK
MEK01	Posiada wiedzę matematyczną niezbędną do statystycznego opisu zbioru danych, testowania hipotez statystycznych, oceny zdolności maszyn i procesów, projektowania kart kontrolnych oraz oceny adekwatności matematycznych modeli procesów wytwarzania.	wykład	zaliczenie cz. pisemna	K-W01+	W01+
MEK02	Potrafi zaprojektować i przeanalizować wyniki eksperymentu dającego możliwość utworzenia modelu matematycznego procesu, potrafi przeprowadzić obliczenia niezbędne do oceny istotności współczynników modelu oraz oceny jego adekwatności. Posiada umiejętność zaprojektowania i opracowania wyników eksperymentu oceniającego zdolność maszyny i procesu	laboratorium problemowe	raport pisemny	K-W07++ K-U08+++	W07++ U08+++
MEK03	Zna metody statystyczne umożliwiające efektywne zarządzanie jakością procesów wytwarzania, zna podstawowe metody optymalizacji procesów	wykład, laboratorium problemowe	zaliczenie cz. pisemna, raport pisemny	K-W07++ K-W09+++	W07++ W09+++
MEK04	Ma umiejętność wyciągania wniosków o kierunkach doskonalenia procesów wytwarzania oraz potrafi je optymalizować na podstawie wyników uzyskanych dzięki wykorzystaniu metod statystycznych i optymalizacyjnych	wykład, laboratorium problemowe	zaliczenie cz. pisemna, raport pisemny	K-U16+++	U16+++

Treści kształcenia dla zajęć

Sem.	TK	Treści kształcenia	Realizowane na	MEK
2	TK01	Istota statystyki, statystyczny opis zbioru danych, wnioskowanie statystyczne	W01	MEK01
2	TK02	Metody kontroli. Statystyczna kontrola odbiorcza. Statystyczne sterowanie procesem (SPC)	W02	MEK03
2	TK03	Zdolność jakościowa maszyny i procesu. Karty kontrolne i ich charakterystyka	WO3	MEK03
2	TK04	Matematyczne modelowanie procesów wytwarzania. Programy randomizowane.	W04	MEK03
2	TK05	Projektowanie eksperymentów (DoE). Programy dwu i trójpoziomowe	W05	MEK03
2	TK06	Istota i kryteria optymalizacji procesów wytwarzania. Optymalizacja na podstawie modelu matematycznego	W06	MEK03 MEK04
2	TK07	Optymalizacja bez znajomości modelu matematycznego. Optymalizacja wielkryterialna	W07	MEK03 MEK04
2	TK08	Badanie zdolności maszyny i procesu	L01	MEK02
2	TK09	Projekt i analiza karty kontrolnej	L02	MEK02
2	TK10	Modelowanie procesu wytwarzania przy wykorzystaniu planu kompletnego zdeterminowanego dwupoziomowego z uwzględnieniem skutków interakcji	L03	MEK02 MEK04
2	TK11	Modelowanie procesu wytwarzania przy wykorzystaniu planu kompletnego zdeterminowanego trójpoziomowego	L04	MEK03 MEK04
2	TK12	Optymalizacja procesu metodą przejścia po gradiencie	L05	MEK04
2	TK13	Optymalizacja procesu metodą sympleksów	L06	MEK04

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 2)	Przygotowanie do kolokwium: 15.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.	Studiowanie zalecanej literatury: 15.00 godz./sem.
Laboratorium (sem. 2)	Przygotowanie do laboratorium: 5.00 godz./sem.	Godziny kontaktowe: 30.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 10.00 godz./sem.
Konsultacje (sem. 2)		Udział w konsultacjach: 1.00 godz./sem.
Zaliczenie (sem. 2)	Przygotowanie do zaliczenia: 15.00 godz./sem.	Zaliczenie pisemne: 2.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Zaliczenie zajęć wykładowych realizowane jest w formie pisemnej. Podczas zaliczenia sprawdzane jest osiągnięcie efektów modułowych MEK01, MEK03, MEK04. Student który zaliczył na 3,0: Potrafi odpowiedzieć na pytania testowe z zakresu obejmowanego sprawdzanymi efektami modułowymi. Student, który zaliczył na ocenę 4,0 dodatkowo: potrafi odpowiedzieć na pytania opisowe, wykazując się wiedzą o podstawach omawianych metod. Student, który zaliczył na ocenę 5,0: dodatkowo posiada pogłębioną wiedzę na temat podstaw naukowych omawianych metod
Laboratorium	Warunkiem zaliczenia zajęć laboratoryjnych jest aktywny udział w zajęciach oraz poprawne wykonanie wszystkich sprawozdań. Przy zaliczaniu zajęć laboratoryjnych sprawdzane jest osiągnięcie efektów modułowych MEK02, MEK03, MEK04. Student, który zaliczył na ocenę 3,0 poprawnie wykonał wszystkie sprawozdania z zajęć laboratoryjnych. Student, który zaliczył na ocenę 4,0: dodatkowo potrafi wyciągnąć pogłębione wnioski z uzyskanych wyników. Student, który zaliczył na 5,0 dodatkowo musi wykazać się pogłębioną wiedzą z obszaru będącego tematem sprawozdania.
Ocena końcowa

Przykładowe zadania

Wymagane podczas egzaminu/zaliczenia
(-)

Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)

Inne
(-)

Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi: tak

1	K. Antosz; E. Kozłowski; S. Prucnal; J. Sęp	Application of Machine Learning to the Prediction of Surface Roughness in the Milling Process on the Basis of Sensor Signals	2025
2	K. Antosz; E. Kozłowski; S. Prucnal; J. Sęp	Integrating Sensor Systems and Signal Processing for Sustainable Production: Analysis of Cutting Tool Condition	2024
3	K. Antosz; E. Kozłowski; S. Prucnal; J. Sęp	Neural Network Predictive Model in Cutting Tool Condition Detection	2024
4	K. Antosz; E. Kozłowski; S. Prucnal; J. Sęp	Pre-processing Signal Analysis for Cutting Tool Condition in the Milling Process	2024
5	Y. Blikharskyy; Z. Blikharskyy; O. Holiian; Y. Ivanytskyi; J. Selejdak; J. Sęp	Evaluation of the Technical Condition of Pipes during the Transportation of Hydrogen Mixtures According to the Energy Approach	2024
6	M. Bucior; R. Kosturek; J. Sęp; T. Ślęzak; L. Śnieżek; J. Torzewski; W. Zielecki	Effect of Shot Peening on the Low-Cycle Fatigue Behavior of an AA2519-T62 Friction-Stir-Welded Butt Joint	2023
7	P. Cichosz; M. Drajewicz; M. Góral; A. Majka; W. Nowak; J. Sęp; R. Smusz	Design of Newly Developed Burner Rig Operating with Hydrogen Rich Fuel Dedicated for Materials Testing	2023
8	E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński	The Use of Principal Component Analysis and Logistic Regression for Cutter State Identification	2022
9	G. Budzik; K. Bulanda; D. Filip; J. Jabłoński; A. Łazorko; M. Oleksy; A. Paszkiewicz; Ł. Przeszłowski; J. Sęp; S. Snela; P. Turek; S. Wolski	Manufacturing Polymer Model of Anatomical Structures with Increased Accuracy Using CAx and AM Systems for Planning Orthopedic Procedures	2022
10	J. Sęp; G. Szyszka	Comparative Performance Evaluation of Multiconfiguration Touch-Trigger Probes for Closed-Loop Machining of Large Jet Engine Cases	2022
11	K. Antosz; E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński	Machine Multi-sensor System and Signal Processing for Determining Cutting Tools Service Life	2022
12	K. Antosz; E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński	Machining Process Time Series Data Analysis with a Decision Support Tool	2022
13	K. Antosz; E. Kozłowski; J. Sęp; T. Żabiński	The use of random forests to support the decision-making process for sustainable manufacturing	2022
14	L. Gałda; J. Sęp; S. Świrad	Effect of the Sliding Element Surface Topography on the Oil Film Thickness in EHD Lubrication in Non-Conformal Contact	2022
15	M. Bucior; W. Habrat; R. Kluz; K. Krupa; J. Sęp	Multi-criteria optimization of the turning parameters of Ti-6Al-4V titanium alloy using the Response Surface Methodology	2022
16	R. Amadio; A. Carreras-Coch; D. Mazzei; J. Merino; J. Navarro; J. Sęp; D. Stadnicka; C. Stylios; M. Tyrovolas; T. Żabiński	Industrial Needs in the Fields of Artificial Intelligence, Internet of Things and Edge Computing	2022
17	R. Bartłomowicz; A. Bednarz; J. Jaworski; J. Sęp; A. Wójcik	Analysis of the effects of simplifications on the state of loads in a centrifugal compressor	2022
18	K. Antosz; D. Kwiatanowski; J. Sęp; G. Szyszka	Automatic compensation of errors of multi-task machines in the production of aero engine cases	2021
19	K. Antosz; E. Kozłowski; D. Mazurkiewicz; J. Sęp; T. Żabiński	Integrating advanced measurement and signal processing for reliability decision-making	2021
20	M. Laciuga; J. Sęp	Analytic optimization framework for resilient manufacturing production and supply planning in Industry 4.0 context-buffer stock allocation-case study	2021
21	E. Kozłowski; D. Mazurkiewicz; S. Prucnal; J. Sęp; T. Żabiński	Machining sensor data management for operation-level predictive model	2020
22	G. Budzik; J. Jóźwik; Ł. Kochmański; M. Oleksy; A. Paszkiewicz; Ł. Przeszłowski; J. Sęp; P. Turek; D. Żelechowski	An Analysis of the Casting Polymer Mold Wear Manufactured Using PolyJet Method Based on the Measurement of the Surface Topography	2020
23	J. Sęp; D. Stadnicka; J. Zając	Przegląd wymagań stawianych specjalistom na rynku pracy w województwie podkarpackim w kontekście wymagań technologii Przemysłu 4.0	2020
24	K. Dudek; L. Gałda; R. Oliwa; J. Sęp	Surface layer analysis of helical grooved journal bearings after abrasive tests	2020