Metode znanstveno istraivakog rada Seminarski rad II Student: Mihael Gudlin
Zagreb, svibanj 2014.
SADRAJ 1 OPIS ZADATKA .............................................................................................. 1 2 UVOD ............................................................................................................... 2 3 ISTRAIVANJE ............................................................................................... 3 3.1 Strukturiranje podataka za analizu ................................................................................ 3 3.2 Analiza podataka (3) (4) (5) .......................................................................................... 5 3.3 Zakljuci o rezultatima analize ...................................................................................... 9 4 ZAKLJUAK ................................................................................................. 11 5 LITERATURA ................................................................................................ 12
POPIS SLIKA Slika 1. Odravanje vozila Podrunica istoa ................................................... 1 Slika 2. Diferencijal vozila tip odravanja ........................................................... 1 Slika 3. Prikaz nestrukturiranih podataka ............................................................... 4 Slika 4. Prikaz provjere distribucije podataka ......................................................... 6 Slika 5. Analiza rezultata dvosmjerne ANOVE Utroeni radni sati .................... 6 Slika 6. Utjecaj pojedinih grupa nezavisne varijable Tip odravanja na zavisnu varijablu ................................................................................................................... 7 Slika 7. Rezultati regresijske analize....................................................................... 8 Slika 8. Testiranje reziduala na normalnost ............................................................ 9 Slika 9. Levene F test homogenost varijanci ..................................................... 10 Slika 10. Prikaz odnosa standardnih devijacija i aritmetiki sredina uzorka ........ 10
POPIS TABLICA Tablica 1. Podjela tipova vozila u razrede kompleksnosti ...................................... 4 Tablica 2. Broj radnih lista(podataka) za parove nezavisnih varijabli struktura podataka ................................................................................................................... 5
ISTRAIVANJE PODRUNICA ISTOA MZIR 2013/2014
1 1 OPIS ZADATKA U okviru ovog rada biti e istraena mogunost procjene potrebnog broja radnih sati nunih za obavljanje pojedinanih radnih lista odravanja vozila Podrunica istoa u ovisnosti od varijable kompleksnost vozila i varijable vrsta odravanja. Svi podaci potrebni za provedbu statistikih analiza preuzeti su iz ERP 1 sustava Imperios Podrunice, te su ostvareni preduvjeti za njihovu distribuciju i daljnju analizu. Po obavljenom strukturiranju podataka, utjecaj odabranih nezavisnih varijabli na zavisnu varijablu ispitan je primjenom softverskog paketa Statistica 8. Uzimajui u obzir prirodu problema koja se odnosni na nemogunost kontrole faktora u procesu, te uvaavajui injenicu da su koriteni povijesni podaci, istraivanje je obavljeno primjenom regresijskog pristupa uz prethodni postupak analize varijance.
Slika 1. Odravanje vozila Podrunica istoa
Slika 2. Diferencijal vozila tip odravanja
1 Enterprise resource planning uobiajeni naziv za poslovni softver koji integrira aktivnosti razliitih odjela kao to su planiranje proizvodnje, nabava, upravljanje zalihama, odravanje itd. ISTRAIVANJE PODRUNICA ISTOA MZIR 2013/2014
2 2 UVOD Jedan od najeih izazova kod planiranja poslovnih aktivnosti je kako efikasno procijeniti potreban broj radnih sati nunih za realizaciju poslovnog plana. Planiranje radnih sati je zahtjevan i vremenski iscrpan posao. Mnogi menaderi oekuju od svojih zaposlenika odgovornih za razvoj planova savrene procjene radnih sati, do te razine da obavljaju evaluaciju zaposlenika na temelju usporedbe procijenjenog broja radnih sati i stvarno utroenog broja radnih sati. Temeljna znaajka poslova odravanja sloenih sustava je takva da planer ne moe sa sigurnou procijeniti potrebno vrijeme trajanja poslova za razliku od primjerice procjene potrebnog vremena nunog za obavljanje poslova proizvodnje. Veina konvencionalnih sustava, koji slue kao potpora u donoenju odluka vezanih za aktivnosti odravanja, usmjereni su na dugotrajne analize koje nisu primjenjive u kratkom roku. Dodjeljivanje prioriteta odreenim zahvatima odravanja kljuna je aktivnost, uzimajui u obzir ograniene resurse za provedbu odravanja, stoga postojee metode koje se baziraju na iskustvu i heuristici mogu rezultirati neplaniranim zastojima i samim time financijskim gubicima. (1) Jedan od poznatih nain primjenjivanih u planiranju potrebnog broja radnih sati je upotreba industrijskih standarda za svaki segment kod planiranja zahvata, npr. vrijeme potrebno za odvijanje odreenog vijka iz sklopa. Takvo planiranje, ne samo da je dugotrajno, nego je i preciznost takvog plana veoma upitna, jer ne uzima u obzir stvarno stanje opreme i vjetinu zaposlenika koji treba obaviti posao. Procjena vremena u takvim sluajevima moe biti promaena za gotovo 100%. (2) ISTRAIVANJE PODRUNICA ISTOA MZIR 2013/2014
3 3 ISTRAIVANJE Razlog provedbe ovog istraivanja je stvaranje jasne podloge za procjenu radnih sati koje je nuno utroiti za obavljanje odreenih tipova odravanja na vozilima razliitih namjena. Zavrna posljedica analize bio bi matematiki model za procjenu radnih sati koji bi omoguio optimizaciju odreenih aktivnosti Sektora odravanja Podrunice. Aktivnosti na kojima bi se prednosti primjene matematikog modela za procjenu vremena rada jasno oitovale su: olakano planiranje i dodjeljivanje prioriteta odreenim aktivnostima odravanje vozila s obzirom na potrebe Sektora operative kod izvrenja dnevnih planova odvoza otpada; organizacija zaposlenika u svrhu ostvarivanja tjednih planova odravanja; stvaranje preduvjeta za standardizaciju zahvata razliitih tipova odravanja ovisno o kompleksnosti odravanog sustava; procjenu trokova radnih sati kod provedbe odreenih tipova odravanja, te vezano uz to donoenje odluka o isplativosti odravanja vozila (npr. generalni remont ili nabava novog vozila); planiranje aktivnosti preventivnog odravanja servis vozila. Meutim, potrebno je navesti da bi sam matematiki model imao odreene nedostatke. Glavni nedostatak je njegova vremenska ogranienost, to znai da e promijene karakteristika odravanog sustava ( starenje sustava, izmjena elemenata sustava) imati znaajan utjecaj na predvianje kod slinih buduih sluajeva. Razlog tome je to se modelom procjenjuje vrijednost na temelju uzorka koji se sastoji od podataka koji su zabiljeeni u odreenom trenutku u vremenu i kao takvi su nepromjenjivi i vjerodostojnost procjene na temelju njih opada s protekom vremena. 3.1 Strukturiranje podataka za analizu U svrhu provedbe analize iz ERP sustava Imperios preuzeti su podaci vezani za radne liste odravanja vozila Podrunice istoa za period od 1.1.2013. do 31.12.2013. Ovo istraivanje ogranieno je na zahvate odravanja izvrene od strane automehaniarskog odjela. Analizirani uzorak sadri 2313 radnih lista. Podaci koji su koriteni u provedbi analize odnose se na tip vozila, vrstu odravanja i broj sati rada utroenih na radnu listu. Odabrane varijable su kategorijske prirode. ISTRAIVANJE PODRUNICA ISTOA MZIR 2013/2014
4
Slika 3. Prikaz nestrukturiranih podataka Iz razloga to je kao nezavisna varijabla X 1 odabrana kompleksnost vozila, bilo je nuno grupirati tipove vozila u razrede s obzirom na njihovu kompleksnost. Osnovni kriterij kod definiranja kompleksnosti vozila bio je broj agregata (funkcijski sustav vozila) koje sadri pojedini tip vozila. Podjela tipova vozila u razrede kompleksnosti prikazana je tablicom 1. Tablica 1. Podjela tipova vozila u razrede kompleksnosti Tip vozila Vrste agregata Razred kompleksnosti Autopodiza Pogonski sustav 1 Teleskopski krakovi Hidrauliki sustav Cestar Pogonski sustav Tovarni sanduk Hidrauliki sustav Smear Pogonski sustav 2 Bubanj za otpad Podiza kontejnera Hidrauliki sustav Kiper s dizalicom Pogonski sustav 3 Polip grajfera Dizalica grajfera Tovarni sanduk Hidrauliki sustav Cisterna Pogonski sustav Pneumatski sustav Sustav za pranje - mlaznice Centrifugalna pumpa za vodu Rezervoar vode istilica Pogonski sustav 4 Pneumatski sustav Hidrauliki sustav Usisni sustav i turbina istilice Hidromotori i etke Spremnik otpada ISTRAIVANJE PODRUNICA ISTOA MZIR 2013/2014
5 Kao nezavisna varijabla X 2 odabrana je vrsta odravanja. Vrste odravanja definirane su unutar sustava Imperios, te se odnose na odreene vee sustave vozila. Prilikom kreiranja radnih lista, svakoj listi se pridruuje odreena vrsta odravanja s obzirom na dio vozila koji e biti odravan. Unutar ovog istraivanja odabrano je 5 vrsta odravanja koja su karakteristina za sve prethodno odabrane tipove vozila. Odabrane vrste odravanja i konana struktura analiziranog uzorka prikazana je tablicom 2. Tablica 2. Broj radnih lista(podataka) za parove nezavisnih varijabli struktura podataka
Kompleksnost vozila Vrsta odravanja 1 2 3 4 Koni sustav 130 371 230 60 Spojka i mjenja 36 136 53 19 Sustav hidraulike (agregati, instalacije i cilindri) 41 476 319 12 Upravljaki mehanizam 52 74 33 9 Zrana instalacija i kompresor 25 163 55 19
3.2 Analiza podataka (3) (4) (5) Na odabranom uzorku biti e obavljena dvosmjerna analiza varijance i viestruka regresija primjenom softverskog paketa Statistica 8. Analizom varijance provjeravaju se promjene aritmetikih sredine uzoraka, a s obzirom da se u ovom istraivanju provjera djelovanje promjene stanja dvaju faktora (nezavisne varijable) - Kompleksnost vozila i Tip odravanja na zavisnu varijablu, nuna je primjena dvosmjerne analize varijance. Cilj analize je izraun F vrijednosti na temelju koje se provodi ispitivanje hipoteze. F testom ispitujemo postavljenu hipotezu H 0 . U ovom konkretnom sluaju radi se o tri takve hipoteze, iz razloga to ispitujemo da li se aritmetike sredine svake grupe zasebno, te njihova interakcija razlikuju od zajednike aritmetike sredine svih rezultata. To moemo zapisati na slijedei nain: H 0 Kompleksnost vozila nee imati znaajan utjecaj na Utroene radne sate H 0 Tip odravanja nee imati znaajan utjecaj na Utroene radne sate H 0 Interakcija Tipa odravanja i Kompleksnost vozila nee imati znaajan utjecaj na Utroene radne sate ISTRAIVANJE PODRUNICA ISTOA MZIR 2013/2014
6 Nuno je napomenuti da je odluka o odbacivanju ili prihvaanju hipoteze probabilistika, to znai da ju donosimo sa odreenim rizikom, koji je odreen razinom pouzdanosti. U ovom sluaju odabrani rizik za odbacivanje pravog rjeenja je 5 % (p=0,05). Prije provedbe dvosmjerne analize varijance nuno je provjeriti nain na koji se analizirani podaci rasipaju, odnosno da li se podaci rasipaju po normalnoj razdiobi.
Slika 4. Prikaz provjere distribucije podataka Iz navedenih grafikih prikaza jasno je da pretpostavka normalnosti podataka nije ostvarena. Meutim, asimetrina razdioba, uzimajui u obzir veliinu uzorka, nema znaajan utjecaj na razinu pogreke 1. vrste, te je provedena daljnja analiza.
Slika 5. Analiza rezultata dvosmjerne ANOVE Utroeni radni sati Analizom varijanci dolazi se do rezultata koji ukazuju na to da se za varijablu Tip odravanja odbacuje hipoteza H 0 i prihvaa hipoteza H 1 , odnosno da ta varijabla ima statistiki znaajan utjecaj na zavisnu varijablu, tu injenicu potvrujemo s obzirom da je varijabla F ra vea od F 0 . Hipoteza H 0 je odbaena uz vjerojatnost za pogreku prve vrste od 5 %. Utjecaj varijable Kompleksnost vozila, te interakcije dvije nezavisne varijable na zavisnu varijablu nisu znaajni. to je i iz podataka o p-vrijednostima ovih dvaju sluajeva (p=0,122235 > p=0,5 i p=0,649042 > p=0,05) mogue i potvrditi. Utjecaj pojedinih grupa varijable Tip odravanja na mjereni rezultat prikazan je slikom 6. ISTRAIVANJE PODRUNICA ISTOA MZIR 2013/2014
7
Slika 6. Utjecaj pojedinih grupa nezavisne varijable Tip odravanja na zavisnu varijablu U svrhu provjere mjere povezanosti izmeu zavisnih varijabli i nezavisne varijable, te definiranja potencijalnog matematikog modela provedena je regresijska analiza. U sluaju da su odabrane varijable koje stvarno utjeu na varijablu Utroeni radni sati na RL, te su koriteni odgovarajui podaci, mogue je razviti model koji vjerodostojno opisuje proces. Cilj linearne regresijske analize je odrediti oblik krivulje(pravac) koja najbolje opisuje istraivane podatke. Iz tog razloga osnovni problem koji se rjeava je odreivanje koeficijenata regresije. U ovom sluaju iz razloga to su odabrane dvije nezavisne varijable oblik jednadbe je slijedei: Y= 0 + 1 X 1 + 2 X 2 X 1 = Kompleksnost vozila X 2 = Tip odravanja Y= Utroeni radni sati na RL Regresijski koeficijenti 1 i 2 predstavljaju nezavisne doprinose svake nezavisne varijable u procjeni zavisne varijable. 0 je konstantni lan koji predstavlja regresijsku vrijednost zavisne varijable ako su nezavisne varijable jednake 0. ISTRAIVANJE PODRUNICA ISTOA MZIR 2013/2014
8 Obavljanjem korelacijske analize odreuju se koeficijenti korelacije i determinacije. Koeficijent korelacije r govori o mjeri povezanosti zavisne varijable sa nezavisnim varijablama, dok koeficijent determinacije r 2 govori o tome koliko je promjene zavisne varijable objanjeno promjenom nezavisne varijable, i to je glavna mjera za evaluaciju pogodnosti modela. to je koeficijent determinacije vei, udio varijabilnosti objanjen regresijskom jednadbom je vei. Dio varijabilnosti koji nije objanjen modelom (rezidualna varijabilnost) potrebno je testirati na normalnost, kako bi se mogli potvrditi adekvatnost dobivenog modela. To je svojevrsna potvrda da su unutar modela obuhvaene sve nezavisne varijable koje utjeu na promjenu zavisne varijable. U nastavku dan je grafiki prikaz rezultata dobivenih regresijskom analizom.
Slika 7. Rezultati regresijske analize Rezultati potvruju informacije dobivene analizom varijance. Mogue je uoiti da varijabla X 1
Kompleksnost vozila nema utjecaj na promjenu nezavisne varijable dok rezultati za varijablu X 2 pokazuju statistiki znaajan utjecaj na nezavisnu varijablu ( 2 =-0,13). Meutim ovi koeficijenti sami po sebi nemaju neki znaaj uzimajui u obzir nizak koeficijent korelacije i determinacije (r= 0,12666 i r 2 =0,01681). To znai da model ne slijedi podatke, odnosno da je zavisna varijabla loe objanjena modelom. ISTRAIVANJE PODRUNICA ISTOA MZIR 2013/2014
9 Pregledom normalnosti reziduala, mogue je doi do istog zakljuka. Vidljivo je da postoje varijable koje imaju utjecaj na zavisnu varijablu, a nisu uzete u obzir kod odabira modela.
Slika 8. Testiranje reziduala na normalnost Konaan zakljuak je da odabranim modelom nije mogue obaviti procjenu utroenog vremena na temelju odabranih nezavisnih varijabli. Iz tog razloga nuno je provesti analizu, kako bi se utvrdili razlozi zbog kojih je dolo do ovakvih rezultata i zakljuaka izvedenih na temelju njih. 3.3 Zakljuci o rezultatima analize injenica da nije utvrena normalna raspodjela podataka ukazuje na mogue probleme kod biljeenja podataka o radnim satima u sustav Imperios utroenima na poslove odravanja. Ako se obavi provjera pretpostavke o homogenosti varijance (Levene F test) vidljivo je da je mogue odbaciti hipotezu H 0 - varijance grupa podataka unutar populacija su jednake, te se prihvaa hipoteza H 1 -postoji razlika izmeu varijanci grupa unutar populacije. ISTRAIVANJE PODRUNICA ISTOA MZIR 2013/2014
10
Slika 9. Levene F test homogenost varijanci Iako je analiza varijance robustna metoda s obzirom na neispunjenje pretpostavke o homogenosti varijance grupa, postoje sluajevi kod kojih takve analize mogu dovesti do pogrenih zakljuaka, pogotovo kada postoje outlieri (podaci koji po svojim statistikim parametrima znatno odskau od drugih parametara). Ovakav sluaj prisutan je kod ispitivanog uzorka . to je i prikazano slikom 10.
Slika 10. Prikaz odnosa standardnih devijacija i aritmetiki sredina uzorka Iz ovog razlog ne moemo govoriti o statistikoj znaajnosti donesenih zakljuaka na temelju provedene analize. Analizom su utvreni mogui razlozi koji su doveli do navedenih posljedica kod istraivanja: biljeeni radni sati nisu upisani na temelju stvarnog mjerenja ve se radi o unosu normiranih vremena rada; postoje i druge nezavisne varijable koje utjeu na utroeno radno vrijeme ; podjela podataka o tipovima odravanja nije dovoljno detaljna ( postoje podskupine unutar navedenih postojeih tipova odravanja). ISTRAIVANJE PODRUNICA ISTOA MZIR 2013/2014
11 4 ZAKLJUAK Procjena radnih sati stalni je izazov kod planiranja aktivnosti odravanja velikih tehnikih sustava. Provedbom istraivanja o ovisnosti utroenih radnih sati o karakteristinim vrstama odravanja i sloenosti vozila, ispitan je potencijal za razvoj matematikog modela za procjenu potrebnog broja radnih sati kod zahvata odravanja. Rezultati provedenih statistikih analiza na uzorku odravanih vozila Podrunice istoa naalost nisu doveli do ostvarenja eljenog cilja istraivanja, te nije potvrena ovisnost zavisne varijable o nezavisnim varijablama. Meutim, iako istraivanjem nije realiziran prvobitni cilj, provedba istraivanja posljedino je rezultirala analizom razloga koji su uzrokovali navedene rezultate istraivanja. Iz tih razloga prepoznata je vanost promijene naina biljeena radnih sati utroenih na pojedinanim radnim listama u poslovima odravanja Podrunice istoa. Kao mogua alternativa dosadanjem nainu unosa vremenskih normativa, predloen je prelazak na digitalni nain praenja radnih sati s naglaskom na mjerenju stvarnog utroenog vremena i promjenu kulture zaposlenika vezanu za navedenu aktivnost. Osim toga uoena je potreba za detaljnijom podjelom tipova odravanja unutar sustava Imperios, s obzirom na rezultate o utjecaju varijable Tip odravanja na radne sate odravanja. Ostvarenjem predloenih mjera za poboljanja navedenih elemenata sustava odravanja Podrunice osigurali bi se preduvjeti za provedbu novog istraivanja o ovisnosti radnih sati. Potencijal za uspjeh novog istraivanja porastao bi primjenom predloenih mjera, ali i uzimanjem u obzir onih nezavisnih varijabli koje su zanemarene u ovom istraivanju. ISTRAIVANJE PODRUNICA ISTOA MZIR 2013/2014
12 5 LITERATURA 1. Li L., Ni J. Short-term decision support system for maintenance task prioritization. s.l. : International Journal of Production Economics, 2009. 2. Duffuaa S.O., Al-Sultan K.S. A stohastic programming model for scheduling maintenance personnel. s.l. : Applied Mathematical Modelling, 1998. 3. Montgomery D.C., Runger G.C. Applied Statistics and Probability for Engineers, 3rd edition. s.l. : John Wiley and Sons Inc., 2003. 4. Rawlings J.O., Pantula S.G., Dickey D.A. Applied Regression Analysis: A Research Tool, 2nd edition. New York : Springer-Verlag, 1998. 5. Miles J., Shelvin M. Applying Regression and Correlation: A Guide for Students and Researchers. s.l. : SAGE Publications, 2001.