آنالیز و طراحی سیستم هوش تجاری سیار برای ارزیابی بهره وری در خط تولید تایر
سیستم هوش تجاری (BI) به عنوان معماری رقابت ها، فرایندها، فناوری ها، کاربردها و اقدامات به منظور پشتیبانی از ارزیابی بهره وری در نظر گرفته می شود و بطور واضح به BI ای نیاز دارد که از سازمان در اعلان هر نوع محدودیت تولیدی که هم اکنون یا در گذشته در صنعت تولید تایر وجود داشته است، حمایت کند. تاثیربخشی تجهیزات کلی (OEE) به عنوان ارزیابی بهره وری کمّی استفاده می شود و مبنای بهبود و ارزیابی پیوسته شرکت گشته است. اهداف این مطالعه شامل شناسایی پارامترهای بحرانی خط تولید در ارزیابی تاثیربخشی و مصرف تجهیزات، آنالیز نیازمندی های سیستم اطلاعات مانند سیستم BI سیار مبتنی بر اندروید و ادغام انواع طرح ها در یک سیستم سیار می باشند. نیازمندی های سیستم به تجزیه و تحلیل هر ارزیابی وابسته در دنیای واقعی پیپیدگی با استفاده از BPMN 2.0 پرداختند. این ارزیابی ها بخشی از مولفه های اصلی در BI پیشنهادی می باشند. داده های بدست آمده از صنعت تایر ملی، OEE را در سه ارزیابی نسبی دسترس پذیری، کارایی و کیفیت با 78%، 82.5% و 99.8% امتیاز نشان می دهند. به منظور تعیین وضعیت تولید، روش نزدیک ترین همسایه k (k-NN)، 67.5% نرخ صحت تولید می کند. شناسایی پارامترهای بحرانی، 8 شرط عمده دارد که با استفاده از انتخاب مشخصه RELIEF مبتنی بر فاصله محاسبه می شود. در نهایت، این راهکار چهار محدودیت مهم مطرح می سازد: (الف) تعمیر قالب، (ب) تنظیم قالب، (ج) کمبود تایر سبز و (د) بهبود معایب.
An analysis and design of mobile business intelligence system for productivity measurement and evaluation in tire curing production line
Procedia Manufacturing Volume 4, 2015, Pages 438-444 open access
Business intelligence (BI) system as an architecture of competencies, processes, technologies, applications and practices to support productivity measurement. It obviously needs a BI that support organization to declare any production constraints that currently or already occurred in such as tire curing industry. Overall Equipment Effectiveness (OEE) is used as a quantitative productivity measurement and become the base of company continuous improvement and evaluation. The objectives of this study are to identify critical parameters of production line in effectiveness measurement and machine utilization, analyze the requirement of information system as an Android based mobile BI System and to integrate the design into a mobile system. System requirement analyzed each interdependent measure in the real world of complexity by using BPMN 2.0. These measures are part of dashboard components in the proposed BI. The acquired data from a National forefront tire industry shows the OEE in three ratio measurement of availability, performance, and quality with 78%, 82.5% and 99.8% of scorecard respectively. In order to determine the status of production, the deployment of k-nearest neighbour (k-NN) gives 67.5% of accuracy rate. The critical parameters identification results to 8 (eight) significant constraints, which calculated using distance-based RELIEF attribute selection. Eventually this approach results big four constraints to be noted: (a) mold repair, (b) mold setting, (c) green tire shortage and (d) defect cure.
