logo PRZ
Karta przedmiotu
logo WYDZ

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