SVEUILITE U ZAGREBU

FAKULTET STROJARSTVA I BRODOGRADNJE

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.