docAgnieszka Olejnik-Krugły - Zachodniopomorski Uniwersytet
download 
Reklamacja Transkrypt
Agnieszka Olejnik-Krugły - Zachodniopomorski Uniwersytet
Model systemu informatycznego
monitorowania jakości produktu
poligraficznego na poziomie operacyjnym
AUTOREFERAT ROZPRAWY DOKTORSKIEJ
Mgr inż. Agnieszka Olejnik-Krugły
Promotor:
dr hab. inż. Emma Kusztina, prof. nadzw. ZUT
Recenzenci:
prof. dr hab. inż. Antoni Wiliński
Wydział Informatyki
Zachodniopomorski Uniwersytet Technologiczny w Szczecinie
dr hab. inż. Georgij Petriaszwili
Wydział Inżynierii Produkcji
Politechnika Warszawska
Szczecin, 2012
1
Spis treści
1. Aktualność problemu ....................................................................................................... 3
2. Przedmiot badań ............................................................................................................... 3
3. Metody naukowe stosowane podczas wykonywania badań ........................... 4
4. Główny cel rozprawy ...................................................................................................... 4
5. Zadania do rozwiązania .................................................................................................. 4
6. Wartość teoretyczna ........................................................................................................ 5
7. Wartość praktyczna .......................................................................................................... 5
8. Akceptacja wyników przez społeczność naukową ................................................. 5
9. Na obronę wnosi się ........................................................................................................ 6
10. Skrótowa prezentacja struktury i układu pracy ................................................... 6
11. Zawartość pracy ............................................................................................................... 6
11.1. Struktura modelu Systemu Monitorowania Jakości Produktu
Poligraficznego ....................................................................................................................... 7
11.2. Analiza jakości produktu poligraficznego .................................................................. 10
11.3. Metoda identyfikacji przyczyn wad jakości produktu poligraficznego ............ 11
11.4. Metoda dopasowania parametrów maszyny drukującej do wskaźników
jakości produktu poligraficznego .................................................................................. 13
11.4.1. Budowa modelu matematycznego zależności parametrów jakości
od parametrów nastawu maszyny drukującej ............................................. 13
11.4.2. Korekta parametrów nastawu maszyny drukującej na podstawie
modelu ich wpływu na parametry jakości produktu ................................ 16
11.5. Weryfikacja i walidacja wyników Systemu Monitorowania Jakości
Produktu Poligraficznego ................................................................................................ 17
11.5.1. Badanie stabilności algorytmu określającego prawdopodobieństwo
wystąpienia związków przyczynowo-skutkowych ..................................... 17
11.5.2. Badanie stabilności algorytmu korekty parametrów nastawu
maszyny drukującej na podstawie modelu ich wpływu na
parametry jakości produktu ................................................................................ 19
11.6. Studium przypadku, wg zaproponowanego podejścia, do opracowania
Systemu Monitorowania Jakości Produktu Poligraficznego ............................... 19
12. Zakończenie ..................................................................................................................... 23
13. Spis publikacji związanych z treścią rozprawy .................................................... 24
2
1. Aktualność problemu
Jakość jest definiującą cechą każdego produktu. Odgrywa ona szczególną rolę w
przemyśle poligraficznym, którego produkty są narzędziem reklamy i marketingu wielu
przedsiębiorstw. Osiągnięcie wysokiej jakości tych produktów stanowi złożone
zagadnienie, które wymaga pracochłonnych regulacji nastawczych maszyny drukującej.
Złożoność ta wynika ze stosowania różnych podłoży, farb, środków chemicznych i
popełnianych błędów, co wiąże się z wykonywaniem wielu serii wydruków, a co za tym
idzie – zużyciem materiałów, mediów oraz dużej ilości czasu. Rozwiązaniem problemów
osiągnięcia wysokiej jakości produktów są odpowiedniej klasy systemy informatyczne.
Współczesna produkcja poligraficzna jest obecnie bardzo dynamicznie rozwijającą się
gałęzią przemysłu. W 2010 roku wartość rynku poligraficznego w Polsce wyniosła 9,9 mld
złotych, do roku 2013 rynek może wzrosnąć do prawie 12 mld złotych1. Według danych
Eurostat2 w 2010 roku w Polsce funkcjonowało ponad 8,9 tys. podmiotów poligraficznych,
co daje polskiej poligrafii siódme miejsce w Unii Europejskiej. Badania pokazują, że
dominującą techniką drukarską jest offset (stosowany przez 70% przedsiębiorstw), w
dalszej kolejności sitodruk (10%) i fleksodruk (9%)3.
Rosnąca ilość przedsiębiorstw poligraficznych powoduje spadek cen i jednocześnie
wzrost presji na jakość produkowanych wyrobów. Zatem, w najbliższych latach kondycja
sektora poligraficznego uwarunkowana będzie umiejętnością przystosowania się
przedsiębiorstw do nowych warunków rynkowych. Koniecznością stanie się standaryzacja
i informatyzacja procesów produkcyjnych, wdrożenie standardu informatycznego JDF4,
norm jakości np. ISO 126475 oraz systemów informatycznych wspomagających zarządzanie
i kontrolę jakości produktu poligraficznego.
Rezultatem badań nad jakością produktu poligraficznego prowadzonych przez
instytucje naukowe i badawcze (Fogra, CIP4, ICC, COBiRPP, Ghent PDF Workgroups,
QuadTech) jest szereg norm i standardów, np. PDF, JDF, ISO, ICC. Producenci skupiają się
na problemach zarządzania przepływem prac w oparciu o standard informatyczny JDF, a
opracowane przez nich rozwiązania informatyczne (np. Prinect 2008, Measuring Systems
2010, PECOM 2010, FALCON-66 2009, iQ300 2010, SISTEMAS INELME 2010, CtC/CoRC
2011, PrintControl 2010) dedykowane są do konkretnych procesów poligraficznych i
określonych modeli maszyn drukujących.
Wadą istniejących systemów informatycznych jest wąska specjalizacja i brak
uwzględnienia wielu czynników wpływających na końcową jakość produktu, np.
przygotowanie form drukowych, rodzaj stosowanych materiałów, parametry projektu.
Poza tym, nie biorą one pod uwagę wielu, określonych w normach, np. ISO 12647,
parametrów jakości produktu oraz nie oferują wsparcia w likwidacji wykrytych wad
jakości. Dodatkowo, wdrożenie tych rozwiązań wiąże się z dużymi inwestycjami w park
maszynowy i infrastrukturę informatyczną, których koszty są poza zasięgiem finansowym
większości przedsiębiorstw poligraficznych.
Przedstawione wady istniejących rozwiązań uzasadniają konieczność opracowania
kompleksowego podejścia do zapewnienia jakości produktów poligraficznych, poprzez
opracowanie systemu informatycznego.
2. Przedmiot badań
Przedmiotem badań rozprawy jest opracowanie modelu Systemu Informatycznego
Monitorowania Jakości Produktu Poligraficznego. Monitorowanie jakości rozumiane jest
1 Rynek poligraficzny w Polsce: badanie (raport) KPMG i PBKG. Warszawa: Publisher 2012.
2 Industry, trade and services: statistics database Eurostat. European Commission 2010.
3 Rynek poligraficzny w Polsce: badanie (raport) KPMG i PBKG. Warszawa: Publisher 2012.
4 JDF release 1.4a Process Integration Technology: specification. Zurich: The International Cooperation for the Integration of
Processes in Prepress, Press, and Postpress Organization 2009, dostępne 13 września 2012r., www.cip4.org.
5 ISO 12647-2. Graphic technology - Process control for the production of half-tone color separations, proof and production
prints.
3
jako seria obserwacji prowadzonych w określonym czasie w celu określenia stopnia
zgodności obserwowanego obiektu ze sformułowanymi oczekiwaniami6. Zadaniem
proponowanego systemu informatycznego jest wsparcie drukarza w procesie kontroli
jakości realizowane poprzez zbieranie danych, kompleksową analizę parametrów jakości
produktu poligraficznego w odniesieniu do norm jakości, raportowanie oraz opracowanie
instrukcji naprawy wykrytych wad.
3. Metody naukowe stosowane podczas wykonywania badań
Do rozwiązania problemów przedstawionych w rozprawie zastosowano metody
sztucznej inteligencji, metody statystyczne (analizę regresyjną, twierdzenie Bayesa),
metody planowania eksperymentu, metodologię tworzenia systemów informatycznych
oraz analizę systemową.
4. Główny cel rozprawy
Za główny cel rozprawy przyjęto opracowanie modelu referencyjnego dla potrzeb
formalizacji systemu informacyjnego ze szczególnym uwzględnieniem dopasowania
wewnętrznych parametrów jakości produktu poligraficznego do norm ISO. Należy
zaznaczyć, że podstawą budowy modelu systemu informatycznego są modele referencyjne
reprezentujące wiedzę o procesie produkcyjnym i kontroli jakości.
W rozprawie sformułowano hipotezę, że zastosowanie w modelowaniu referencyjnym
metod o charakterze regresyjnym pozwoli na usprawnienie procesu dopasowania
wewnętrznych parametrów jakości do zewnętrznych standardów stawianych w
normach ISO.
5. Zadania do rozwiązania
Zadaniem niezbędnym do opracowania modelu Systemu Informatycznego
Monitorowania Jakości Produktu Poligraficznego jest opracowanie metod:
1. Identyfikacji przyczyn wad jakości produktu poligraficznego.
2. Dopasowania parametrów maszyny drukującej do wskaźników jakości produktu
poligraficznego.
Powyższe metody wymagają rozwiązania następujących problemów badawczych:
− Określenie modelu parametrów jakości produktu poligraficznego oraz przyczyn
−
−
−
−
−
wpływających na nieprawidłowe wartości zadanych wskaźników jakości.
Określenie sposobu formalizacji heterogenicznych źródeł danych w poligraficznym
procesie produkcyjnym.
Opracowanie metody wyboru jednej (spośród wielu możliwych) przyczyny wad jakości
produktu, która jest najbardziej prawdopodobna w konkretnych warunkach
produkcyjnych (na podstawie twierdzenia Bayesa).
Opracowanie modelu wpływu parametrów nastawu maszyny drukującej na wskaźniki
parametrów jakości produktu poligraficznego (model regresji).
Opracowanie metody doboru prawidłowych parametrów nastawu maszyny drukującej
względem zadanych norm jakości produktu poligraficznego (model regresji).
Określenie sposobu weryfikacji i walidacji metod oraz modelu Systemu
Informatycznego Monitorowania Jakości Produktu Poligraficznego.
Ponadto, opracowanie modelu Systemu Informatycznego Monitorowania Jakości
Produktu Poligraficznego wymaga zaprojektowania struktury przechowywania danych i
wiedzy (baza danych relacyjno-obiektowa), zdefiniowania protokołu wymiany danych z
innymi systemami informatycznymi (standard informatyczny JDF), a także określenia
zbioru danych wejściowych i wyjściowych systemu informatycznego.
6
Hellawell J.M.: Rozwój – uzasadnienie monitorowania. Londyn, 1991.
4
6. Wartość teoretyczna
System Monitorowania Jakości Produktu Poligraficznego stanowi rozszerzenie
istniejących rozwiązań informatycznych DSS w poligrafii poprzez analizę większej ilości
parametrów jakości produktu oraz uwzględnienie całego procesu produkcyjnego jako
źródeł potencjalnych wad jakości produktu. Dodatkowo, opracowany system
informatyczny integruje, rozproszone dotychczas, procesy kontroli jakości, standardy
informatyczne i normy jakości.
Uwzględnienie w modelu systemu informatycznego wielu, do tej pory
nierozpatrywanych, parametrów jakości oraz szczegółowa analiza ich przyczyn, ujawniła
luki w dotychczasowych podejściach przedstawionych, m.in. (Verikas et al.)7, (Briggs, Tse)8.
Zastosowane w tych podejściach systemy ekspertowe sprawdzają się tylko przy założeniu
braku zmienności zamówień, natomiast opracowane w rozprawie podejście bierze pod
uwagę współczesną różnorodność produktów poligraficznych.
W ramach rozprawy została także opracowana baza wiedzy opisująca zależności
pomiędzy wadami jakości produktów a ich przyczynami.
7. Wartość praktyczna
System Informatyczny Monitorowania Jakości Produktu Poligraficznego dostosowany
jest do realiów rynku przedsiębiorstw poligraficznych9. Został przetestowany w typowej
drukarni offsetowej, umożliwiając osiągnięcie zadanego poziomu jakości produktów oraz
wykazując realne zyski w postaci skrócenia czasów przygotowawczych o 80% i
zmniejszenia zużywanej ilości papieru rozbiegowego o około 100 arkuszy.
System oparty jest na standardach informatycznych (ISO, JDF, PDF, XML) i nie
wymaga użycia płatnych komponentów informatycznych (np. bibliotek, baz danych,
frameworków) i może być bezpłatnie rozpowszechniany. Zadania realizowane przez
systemu wpisują się w panujący obecnie nurt badawczy komputerowej integracji
procesów produkcyjnych10.
System informatyczny, oprócz przemysłu, może być wykorzystany w edukacji jako
program szkoleniowy przygotowujący ludzi do zawodu. Ma to szczególne znaczenie w
kontekście likwidacji szkół zawodowych i zmniejszenia kadry rzemieślniczej.
8. Akceptacja wyników przez społeczność naukową
Wyniki badań zostały opublikowane i zaprezentowane na przedstawionych poniżej
krajowych i zagranicznych konferencjach naukowych oraz seminariach branżowych.
1. Czasopisma i materiały konferencyjne, w których recenzenci ocenili wyniki rozprawy:
− Metody Informatyki Stosowanej, 2006.
− Systems Science, materiały międzynarodowej konferencji, 2007.
− Problemy regionalnego i miejskiego zarządzania, materiały międzynarodowej
konferencji, 2007.
− IFAC Workshop on Intelligent Manufacturing Systems, materiały międzynarodowej
konferencji, 2008.
− Inżynieria Wiedzy i Systemy Ekspertowe, materiały krajowej konferencji, 2009.
− IFAC Symposium on Information Control Problems in Manufacturing, materiały
międzynarodowej konferencji, 2009.
− Polskie Stowarzyszenie Zarządzania Wiedzą, studia i materiały, 2010.
− Computer graphics - selected issues, 2010.
7
Verikas A., Lundström J., Bacauskiene M., Gelzinis A.: Advances in computational intelligence-based print quality
assessment and control in offset colour printing. Expert Systems with Applications, 2011, vol. 38, issue 10, pp. 13441–13447.
Briggs J., Tse M.K.: Objective Print Quality Analysis and The Portable Personal IAS. Image Analysis System, 2005.
9
Zachodniopomorska Platforma Poligraficzna: projekt - analiza potrzeb przedsiębiorców. Szczecin: Szczeciński Park
Naukowo-Technologiczny 2007, aktualizacja badań 2010.
10
Regh J., Kraebber H.: Computer-Integrated Manufacturing. Prentice Hall, 2004.
8
5
− Materiały Krajowej Konferencji Edukacyjnej Centralnego Ośrodka Badawczo-
Rozwojowego Przemysłu Poligraficznego, 2011.
− Problemy sterowania bezpieczeństwem systemów złożonych, materiały
międzynarodowej konferencji, 2007, 2008, 2009, 2010, 2011.
2. Konferencje, na których wyniki pracy zostały przedyskutowane:
− 16th International Conference on Systems Science, 4-6 wrzesień, 2007.
− 9th IFAC Workshop on Intelligent Manufacturing Systems, 9-10.10.2008.
− Inżynieria Wiedzy i Systemy Ekspertowe, 23-24.06.2009.
− 13th IFAC Symposium on Information Control Problems in Manufacturing,
3-5.06.2009.
− Zawodowe szkolnictwo poligraficzne w epoce technologii cyfrowych, 12.04.2011.
9. Na obronę wnosi się
Poniżej przedstawiono listę osiągnięć deklarowanych do obrony:
stanu wiedzy z dziedziny procesów poligraficznych i systemów
informatycznych wspomagających zarządzanie drukarnią oraz monitorowanie jakości
procesu drukowania; szczegółowa analiza możliwości funkcyjnych dedykowanych
rozwiązań informatycznych typu DSS w poligrafii.
Opracowanie modelu referencyjnego Systemu Informatycznego Monitorowania Jakości
Produktu Poligraficznego; opracowanie relacyjno-obiektowej bazy danych; opracowanie
formy przesyłu danych wejściowych i wyjściowych systemu za pomocą standardu
informatycznego JDF.
Model regułowej bazy wiedzy opisujący wielowymiarową przestrzeń relacji pomiędzy
parametrami jakości produktu poligraficznego a przyczynami mającymi wpływ na ich
nieprawidłowe wskaźniki.
Opracowanie metody identyfikacji przyczyn wad jakości produktu, w tym wyboru
jednej spośród wielu możliwych przyczyn wad jakości produktu, która jest najbardziej
prawdopodobna w konkretnych warunkach.
Opracowanie metody dopasowania parametrów maszyny drukującej celem korekty
wskaźników jakości produktu poligraficznego, pozwalającej na budowę modelu
matematycznego zależności parametrów jakości od parametrów nastawu maszyny
drukującej oraz na korektę parametrów nastawu maszyny podczas realizacji bieżącego
zadania produkcyjnego.
Opracowanie prototypów istotnych fragmentów Systemu Informatycznego
Monitorowania Jakości Produktu Poligraficznego.
− Analiza
−
−
−
−
−
10. Skrótowa prezentacja struktury i układu pracy
Rozprawa doktorska składa się ze wstępu, pięciu rozdziałów, zakończenia, bibliografii,
spisu rysunków, spisu tabel oraz 3 załączników. Rozprawa została spisana na 141 stronach i
zawiera 27 rysunków i 11 tabel. Spis literatury pracy obejmuje 125 cytowanych pozycji
literaturowych.
11. Zawartość pracy
We wstępie (8 stron) przedstawiono tematykę rozprawy w kontekście aktualnych
kierunków badań, wykazano fakt istnienia luki naukowej oraz sformułowano cel pracy i
hipotezę naukową.
W rozdziale pierwszym „Kontrola jakości produktu w procesie produkcji poligraficznej”
(14 stron) przedstawiono przegląd głównych zagadnień z dziedziny, charakterystykę
procesu poligraficznego oraz definicję jakości produktu poligraficznego.
Rozdział drugi, „Systemy informatyczne wspomagające proces kontroli jakości produktu
poligraficznego” (17 stron), zawiera przegląd metod, narzędzi oraz analizę porównawczą
stosowanych w przemyśle systemów informatycznych wspomagających zarządzanie oraz
kontrolę jakości produktu poligraficznego.
6
W rozdziale trzecim „Model referencyjny Systemu Monitorowania Jakości Produktu
Poligraficznego” (20 stron) przeprowadzono analizę poligraficznego procesu
produkcyjnego, w szczególności dokonano: 1) klasyfikacji parametrów jakości produktu
poligraficznego (zgodnej z ISO 12647, Systemem Brunner, PN-80/P-55207, BN-88/7714-04,
BN-75-7419-02, BN-80-7439) i analizy stopnia ich złożoności, 2) identyfikacji i klasyfikacji
przyczyn wpływających na nieprawidłowe wartości wskaźników jakości (w oparciu o
literaturę przedmiotu, raporty branżowe, dokumentację techniczną maszyn i urządzeń
poligraficznych, wywiady z drukarzami) oraz 3) analizy przepływu danych w typowym
przedsiębiorstwie poligraficznym. W rozdziale określono również sposób komunikacji
proponowanego systemu z innymi systemami informatycznymi i informacyjnymi
przedsiębiorstwa, w tym MIS. Dokonano charakterystyki rodzajów i sposobu transmisji
danych niezbędnych do prawidłowego funkcjonowania Systemu Monitorowania Jakości
Produktu Poligraficznego (standard informatyczny JDF, JMF i XML).
Rozdział czwarty, „Model funkcjonowania informatycznego Systemu Monitorowania
Jakości Produktu Poligraficznego na poziomie operacyjnym” (36 stron), przedstawia model
funkcjonowania zaproponowanego systemu informatycznego oraz metody i algorytmy
realizujące jego główne zadania. Ten rozdział rozprawy zostanie przedstawiony w
punktach 11.1.-11.5.
Przykład działania opracowanego prototypu istotnych fragmentów systemu z
wykorzystaniem danych rzeczywistego procesu produkcyjnego przedstawiono w rozdziale
piątym „Studium przypadku, wg zaproponowanego podejścia, do opracowania Systemu
Monitorowania Jakości Produktu Poligraficznego na poziomie operacyjnym” (14 stron).
Ten rozdział rozprawy zostanie przedstawiony w punkcie 11.6.
W załącznikach przedstawiono sformalizowany zapis wiedzy niezbędnej do realizacji
algorytmów zaproponowanego systemu informatycznego (załącznik 1 i 2 do rozprawy)
oraz wybrane ekrany opracowanego prototypu systemu informatycznego (załącznik 3 do
rozprawy).
11.1. Struktura modelu Systemu Monitorowania Jakości Produktu Poligraficznego
Model Systemu Informatycznego Monitorowania Jakości Produktu Poligraficznego
przedstawiony na rysunku 1 składa się z trzech elementów: modułów realizujących
poszczególne zadania systemu, bazy danych oraz interfejsu umożliwiającego komunikację
użytkownika z systemem.
Zadaniem modułu 1 jest analiza jakości produktu poligraficznego. Dokonywana jest ona
na podstawie danych o kontrolowanych parametrach jakości produktu (obszar i sposób
pomiaru), parametrach zlecenia produkcyjnego (specyfika produktu) oraz wartościach
parametrów jakości zmierzonych podczas operacji kontroli jakości produktu poligraficznego
(bieżące dane produkcyjne). Formalny zapis analizy jakości produktu poligraficznego został
przedstawiony w punkcie 11.2.
Uzyskane wyniki analizy (z modułu 1) są podstawą do identyfikacji przyczyn
wykrytych wad jakości produktu poligraficznego (moduł 2). Na podstawie
przeprowadzonych badań określono obszary procesu produkcyjnego wpływające na
konkretne parametry jakości (rozdział 3.3. rozprawy). Opracowane związki przyczynowoskutkowe zostały przedstawione w postaci macierzy, a następnie sformalizowane do
postaci reguł (załącznik 1 i 2 rozprawy). Złożoność procesu produkcyjnego powoduje, że
wiedza na temat tych związków staje się niekompletna, co skutkuje tym, że nie można
wyodrębnić jednej, konkretnej przyczyn wad jakości produktu. W związku z tym
opracowano metodę pozwalającą na sprecyzowanie zawartej w regułach wiedzy,
przedstawioną w punkcie 11.3. Opracowana metoda pozwala określić kierunek dalszego
postępowania systemu, czyli sposobu likwidacji wykrytych wad jakości produktu.
W przypadku identyfikacji wad jakości produktu związanych z warunkami procesu
druku,
eksploatacją
maszyny
drukującej
czy
procesami
przygotowawczymi
7
(scharakteryzowana w rozdziale 3.3. rozprawy), wynikiem działania systemu
informatycznego będzie udzielenie szczegółowych instrukcji naprawczych.
W przypadku identyfikacji wad jakości produktu związanych z parametrami nastawu
maszyny drukującej, należy przeprowadzić ponowną jej kalibrację ustawiając inne, niż
początkowe, parametry nastawu (moduł 3). Złożoność tej czynności wymagała
opracowania autorskiej metody dopasowania parametrów nastawu maszyny do
wskaźników jakości produktu poligraficznego, przedstawionej w punkcie 11.4.
Rysunek 1. Struktura modelu Systemu Monitorowania Jakości Produktu Poligraficznego (opracowanie własne).
Przedstawiony system informatyczny należy do klasy systemów wspomagania decyzji
(DSS) typu model-driven (md) oraz knowledge-driven (kd)11, skupiającym się na
wykorzystaniu danych od użytkownika do analizy sytuacji za pomocą modeli
statystycznych (md) oraz dostarczającym ekspertyz odnośnie problemu zapisanego jako
fakty, reguły, procedury, itd. (kd).
Wszystkie dane przechowywane są w bazie danych sprzężonej ze wszystkimi modułami
systemu. Dodatkowo, moduł identyfikacji przyczyn wad jakości produktu wymaga
utworzenia bazy wiedzy do przechowywania związków przyczynowo-skutkowych. Do
opracowania struktury bazy danych zastosowano hybrydę architektoniczną, w której baza
wiedzy będzie przechowywana w formie modelu obiektowego, którego implementacja
będzie zrealizowana za pomocą bazy danych relacyjno-obiektowej12. Na rysunku 2
przedstawiono diagram klas zapisany w UML, reprezentujący strukturę bazy danych
relacyjno-obiektowej. Wyróżniono w nim trzy najważniejsze klasy: Analiza_jakości,
Reguła, Maszyna_drukująca. Szczegółowa charakterystyka klas podstawowych została
przedstawiona w rozprawie.
11
Power D.J.: Decision Support Systems: Concepts and Resources for Managers: Studies in Informatics and Control 2002,
nr 11(4), s. 349-350.
12
Connolly T., Begg C.: Database systems: a practical approach to design, implementation, and management, Addison
Wesley, 2010.
8
Rysunek 2. Diagram klas podstawowych występujących w bazie danych Systemu Monitorowania Jakości Produktu Poligraficznego (opracowanie własne).
9
11.2. Analiza jakości produktu poligraficznego
Wymagania jakościowe dla produktu poligraficznego zdefiniowane są w zleceniu
produkcyjnym Z p {z 1 , z 2 , z3 , , z n } , gdzie zi jest parametrem zlecenia produkcyjnego;
i 1,2,3, , n , a n jest ilością parametrów zlecenia produkcyjnego.
Jakość produktu oceniana jest podczas operacji kontroli jakości produktu oznaczonej
jako K x1 , x 2 , x3 , , xk , gdzie xi jest parametrem operacji kontroli jakości produktu;
i 1,2,3, , k , a k jest ilością parametrów operacji kontroli jakości produktu. Dla każdej
operacji kontroli jakości produktu istnieje zbiór danych wejściowych określany jako
zbiór parametrów jakości X x1 , x 2 , x3 , , xr , gdzie xi jest parametrem kontroli jakości;
i 1,2,3, , r , a r jest ilością parametrów kontroli jakości produktu. Dla każdego
parametru jakości xi X istnieje zakres wartości xi min xi xi max określanych jako
norma jakości. Wartość parametru jakości może być różnie klasyfikowana w zależności
od rodzaju tego parametru i przedziału normy jakości:
− W pierwszym przypadku, dla parametru jakości xi spełniającego warunek xi ximax
przypisywana jest flaga b(x i ) 1 dla określenia położenia pomiaru powyżej górnej
granicy tolerancji. Analogicznie dla parametru jakości xi spełniającego warunek
xi ximin przypisywana jest flaga b(xi ) 1 dla określenia położenia pomiaru poniżej
dolnej granicy tolerancji. Dla wartości parametrów zgodnych z normą jakości
przypisywana jest flaga b(xi ) 0 , wynikająca ze spełnienia warunku ximin xi ximax .
− W drugim przypadku, zdefiniowane są tylko dwie flagi: b(xi ) 2 dla wartości
parametrów xi spełniających warunek xi ximin xi ximax , oraz b(xi ) 0 dla
warunku ximin xi ximax .
Przypisanie powyższych flag parametrom jakości jest niezbędne w celu identyfikacji
przyczyn odchyleń względem norm jakości. Dla każdej flagi oznaczonej jako 1, -1 lub 2
istnieje inny zbiór czynników identyfikujących przyczynę występowania wad.
Wynik operacji kontroli jakości oznaczany jako S określa status zlecenia
produkcyjnego i jednocześnie gotowość przejścia produktu do kolejnego etapu
wytwarzania. Zatem, dla każdego Sxi , gdzie xi jest parametrem kontroli jakości
operacji technologicznej; i 1,2,3, , k , wartość parametru Sxi może przyjąć postać:
1
S(xi )
0
dla
dla
xi ximin xi ximax
ximin xi ximax
Na podstawie powyższego sformułowano następujące założenie zadania analizy
jakości produktu poligraficznego. Mając dane wejściowe w postaci:
− Zbioru parametrów zlecenia produkcyjnego Z p {z 1 , z 2 , z 3 , , z n } ,
− Zbioru parametrów jakości produktu X x1 , x 2 , x3 , , xr ,
− Norm jakości, definiowanych jako spełnienie warunku xi min xi xi max dla każdego z
określonych parametrów jakości xi X ,
− Dla każdego zmierzonego parametru jakości xi określony status Sxi taki, że dla
xi ximin xi ximax 1 i dla ximin xi ximax 0
należy określić status kontroli jakości produktu, gdzie:
− Status A (spełnia wymagania) dla warunku S(xi ) 0
i
− Status B (nie spełnia wymagań) dla warunku S(xi ) 0
i
10
11.3. Metoda identyfikacji przyczyn wad jakości produktu
Zadanie oceny wpływu przyczyn wad jakości P p1 , p 2 , p3 , , pl na konkretny
wskaźnik parametru jakości xi dla którego Sxi 1 dla xi ximin xi ximax , opiera się
na zastosowaniu systemu ekspertowego i aparatu matematycznego wykorzystującego
twierdzenie Bayesa (przedstawionego na rys. 3).
Zaproponowany aparat pozwala zapisać wpływ poszczególnych przyczyn na
parametr jakości w postaci reguły (defrule R i (xi b) (assert (pi ))) 13, gdzie R i jest
regułą; i 1,2,3, , n , (xi b) jest parametrem jakości z przypisaną flagą, a pi jest
przyczyną nieprawidłowej wartości parametru jakości xi . Zbiór opracowanych reguł
przedstawiono w załączniku 1 i 2 rozprawy. Pierwotny zbiór został uproszczony ze 105
reguł prostych do 20 złożonych, obejmujących łącznie 28 konkluzji.
Złożoność procesu produkcyjnego powoduje, że nie można wskazać jednoznacznej
przyczyny wykrytych wad jakości produktu. Sytuację, w której dla takiego samego
zbioru parametrów jakości istnieje więcej niż jedna przyczyna wystąpienia wad jakości
nazwano wariantem decyzyjnym w postaci W(x1 , x 2 , x3 , , xr ) p1 , p 2 , p3 , , pl , gdzie W
jest wariantem decyzyjnym dla stałych parametrów jakości xi , pi jest przyczyną wady
dla zestawu parametrów jakości xi .
Sprecyzowanie zgromadzonej w systemie wiedzy może nastąpić poprzez dodanie do
wniosków (przyczyn wad jakości pl ) wskaźnika mówiącego o sprawdzalności danej
reguły w konkretnych warunkach produkcyjnych.
Niech R będzie zbiorem reguł określających zależności pomiędzy zbiorem
parametrów jakości X , a zbiorem przyczyn wad P . Dla każdej utworzonej reguły r R
określenie stopnia sprawdzalności będzie przebiegało w następujących krokach:
1. Określenie zbioru danych uczących D . Zrealizowane zostało za pomocą algorytmu
zliczania poprawnych wystąpień konkretnej reguły r R w rzeczywistości, czyli w
sytuacji gdy wyeliminowała wykrytą wadę jakości produktu. Za każdym razem,
kiedy system wyświetla listę możliwych przyczyn wad jakości i podjęte zostają kroki
jej naprawy, operator wskazuje, która z wyświetlonych reguł była rzeczywistą
przyczyną wady jakości. Za każdym razem, kiedy konkretna reguła zostanie
wybrana, zostaje dla niej zwiększony licznik o wartość 1.
2. Wyliczenie prawdopodobieństwa wystąpienia reguły r R ze wzoru Bayesa14:
P(r | D)
P(D | r ) P(r )
r 'R P(r' ) P(D | r' )
gdzie P(r | D) jest prawdopodobieństwem hipotezy (reguły) r po zaobserwowaniu
danych D , P(D | r ) jest prawdopodobieństwem zaobserwowania danych D przy
założeniu poprawności hipotezy (reguły) r , P(r ) jest prawdopodobieństwem
wystąpienia hipotezy (reguły) r , a r 'R P(r' ) P(D | r' ) jest sumą iloczynów dopełnień
prawdopodobieństw r i D | r .
3. Określenie mocy dla każdej z reguł wariantu decyzyjnego poprzez wskazanie, która z
nich najczęściej rozwiązała konkretny problem w przeszłości oraz wyliczenie
prawdopodobieństwa, z jakim sprawdzi się w kolejnej sytuacji w przyszłości.
Na rysunku 3 przedstawiono metodę identyfikacji przyczyn wad jakości produktu
poligraficznego opartą na regułach systemu ekspertowego i twierdzeniu Bayesa.
13
14
Formalny zapis związków przyczynowo-skutkowych w języku implementacji Clips.
Hadama M.S., Wilson A.G., Reese C.S., Marts H.F.: Bayesian Reliability. Berlin: Springer, 2008.
11
Rysunek 3. Metoda identyfikacji przyczyn wad jakości produktu poligraficznego (opracowanie własne).
Przyjmując, że r jest indeksem rzeczywistej przyczyny usterki, k indeksem
sugerowanej przez moduł odpowiedzi, która najczęściej w przeszłości była prawdziwa, a
yk
odpowiedzią
sugerowaną,
algorytm
określający
prawdopodobieństwo
poszczególnych reguł można uogólnić do następującej postaci pseudokodu:
FOR i:=1 TO n: c[i]:=0 FOR i:=1 TO n: READ y[i] from user k=1 temp=c[1] FOR i:=2 TO n: IF c[i]>temp: temp:=c[i] k:=i WRITE “suggested answer is” + y[k] WRITE “correctness probability is” + calc_Bayes(k) READ r c[r]:= c[r]+1 i ‐ jest licznikiem pętli, l ‐ jest licznikiem ilości wystąpień danej odpowiedzi, temp ‐ jest zmienną tymczasową (pomocniczą).
Kod 1. Formuła wyliczania prawdopodobieństwa reguł (opracowanie własne).
Przedstawiona metoda pozwala uporządkować zbiór możliwych przyczyn wad
jakości produktu w kolejności od najbardziej prawdopodobnej do najmniej. W miarę,
jak wiedza w module identyfikacji przyczyn wad jakości będzie ulepszana i stanie się
bardziej dokładna, System Monitorowania Jakości Produktu Poligraficznego może w
końcu funkcjonować na wyższym poziomie, niż jakikolwiek pojedynczy ekspert ludzki w
dokonywaniu ocen w specyficznym, zwykle wąskim, zakresie ekspertyzy.
12
11.4. Metoda dopasowania parametrów maszyny drukującej do wskaźników
jakości produktu poligraficznego
Metoda dopasowania parametrów maszyny drukującej do wskaźników jakości
produktu poligraficznego realizowana jest w dwóch krokach przedstawionych
szczegółowo w punkcie 11.4.1. i 11.4.2. Pierwszym krokiem zaproponowanej metody jest
konstrukcja modelu matematycznego maszyny drukującej opisującego zależności
pomiędzy parametrami jakości produktu, a parametrami nastawu maszyny drukującej.
W drugim kroku, na podstawie wcześniej skonstruowanego modelu, dokonywana jest
korekta parametrów nastawu maszyny do wymaganego poziomu jakości produktu.
Korekta dokonywana na bieżąco, podczas realizacji zlecenia produkcyjnego, a dobór
odpowiednich parametrów nastawu maszyny drukującej odbywa się środowisku
maszyny wirtualnej. Takie rozwiązanie umożliwia sprawdzenie kombinacji parametrów
nastawu maszyny bez konieczności kontynuacji procesu druku.
11.4.1. Budowa modelu matematycznego zależności parametrów jakości
od parametrów nastawu maszyny drukującej
Istnieje zbiór parametrów X x1 , x 2 , x3 , , xr , które nie spełniają wymagań jakości i
w procesie analizy zostały oznaczone statusem Sxi 1 . Dla tych parametrów istnieje
zbiór przyczyn P p1 , p 2 , p3 , , pl , wśród których wyróżnić można przyczyny związane z
nieprawidłowym doborem parametrów nastawu maszyny drukującej określanych jako
zbiór U {u1 , u 2 , u3 , , us } , gdzie ui jest parametrem nastawu maszyny drukującej;
i 1,2,3, , s . Wiedząc, że parametry jakości produktu są od siebie zależne, należy je
traktować
jako
zbiór
wzajemnie
powiązanych
zmiennych
takich,
że
'
n
x1 f(x), x 2 f (x), x3 f" (x), , xr f (x) . Parametr jakości xi jest zmienną losową,
zależną od parametru maszyny drukującej ui . Ponieważ wartości zmiennej xi zależą od
wartości wielu zmiennych niezależnych u1 , u2 , u3 , , us , ich relacje można napisać w
postaci x f(u1 , u2 , u3 , , us ) .
Sformułowano następujące zadanie dopasowania parametrów maszyny drukującej
do wskaźników jakości produktu poligraficznego. Wiedząc, że:
− X x1 , x 2 , x3 , , xr - jest zbiorem zmiennych zależnych (objaśnianych),
− U u1 , u2 , u3 , , us - jest zbiorem zmiennych niezależnych (objaśniających),
− Istnieje współzależność parametrów jakości przedstawiona funkcją
x1 f(x ), x 2 f ' (x ), x3 f" (x ), , xr f n (x ) ,
− zmienna xi zależy od więcej niż jednej zmiennej ui
należy sformułować model matematyczny opisujący związek wielu zmiennych
x1 , x 2 , x3 , , xr , u1 , u 2 , u3 , , us , gdzie x1 , x 2 , x3 , , xr są zmiennymi zależnymi, a
u1 , u2 , u3 , , us zmiennymi niezależnymi.
Konstrukcja takiego modelu opiera się, co zostało wykazane w pracy, na liniowej
funkcji regresji z wieloma zmiennymi w postaci:
xi 0 1u1 2u 2 s us
(1)
gdzie xi jest zmienną objaśnianą; i 1,2,3, , r , ui jest zbiorem zmiennych objaśniających;
i 1, 2, , s , 0 jest wyrazem wolnym funkcji regresji, i jest zbiorem parametrów
strukturalnych liniowej funkcji regresji x względem u , jest składnikiem losowym.
Dodatkowo, wiedząc że końcowa jakość produktu poligraficznego zależy od kilku
X x1 , x 2 , x3 , , xr ,
rozwiązaniem
parametrów
jakości
opisanych
zbiorem
rozpatrywanego problemu będzie zbiór funkcji regresyjnych, gdzie dla każdego
13
rozpatrywanego x i funkcja regresji będzie konstruowana w postaci (1). Przy tak
skonstruowanym modelu przyjęto następujące założenia, których słuszność została
udowodniona w rozprawie: zależność między zmiennymi ma charakter liniowy,
normalny rozkład prawdopodobieństwa, wartość oczekiwana składnika losowego
E( ) 0 , wariancja składnika losowego jest identyczna dla wszystkich obserwacji
i var( i ) 2 , kowariancja między dwoma różnymi błędami losowymi wynosi zero
i j cov( i , j ) 0 , składnik losowy ma rozkład normalny N(0, 2I) , egzogeniczność
zmiennych niezależnych E[i | ui,1 , ui,2 , , ui, k ] 0 .
Na rysunku 4 przedstawiono algorytm budowy takiego modelu. Zmienna zależna
(parametr jakości) poddawana jest serii eksperymentów, w wyniku których uzyskiwane
są dane odzwierciedlające wpływ parametru nastawu maszyny drukującej na tę
zmienną. Każdy z kroków algorytmu od 1 do 5 omówiono w dalszej części pracy.
Start
1a. Skonstruowanie funkcji regresji według wzoru (1) dla zbioru
zmiennych zależnych względem zbioru zmiennych niezależnych.
1b. Zbadanie zależności pomiędzy dwiema zmiennymi przy wyłączeniu
wpływu innych zmiennych według schematu c xui .ui 1 ,,s
Przedstawienie zależności w postaci funkcji regresji ze wzoru (2).
2. Wygenerowanie zbioru liczb losowych zgodnie z rozkładem
normalnym w zakresie odpowiadającym właściwościom tej zmiennej.
3. Wyznaczenie metodą empiryczną wartości zmiennej zależnej dla
zbioru wylosowanych zmiennych niezależnych.
4a. Szacowanie parametrów strukturalnych funkcji regresji metodą
najmniejszych kwadratów.
tak
tak
4b. Budowa funkcji regresji dla badanej pary zmiennych c xui .ui 1 ,,s
c xui .ui 1 ,,s
nie
5. Sumowanie składowych elementów funkcji regresji
x i (a 0 a 1ui ) (a 0 a 2u 2 ) (a 0 a ius )
nie
Stop
Rysunek 4. Algorytm budowy modelu matematycznego zależności parametrów jakości od parametrów nastawu maszyny
drukującej (opracowanie własne).
14
1a, 1b. Określenie założeń modelu funkcji regresji. Rozpatrując poszczególne liniowe
funkcje regresyjne w postaci (1) wyznaczono zależność regresyjną między dwiema
zmiennymi, przy wyłączeniu wpływu innych zmiennych.
Przyjęto oznaczenie c xui .ui1 ,, k , gdzie dwa pierwsze indeksy oznaczają cechy, między
którymi wyznaczana jest zależność regresyjna, natomiast subskrypty po kropce
oznaczają cechy eliminowane. Dla każdej rozpatrywanej pary zmiennych zbudowano
model opisujący zależność zmiennej losowej x od u w postaci xi f(u) 0 iui i ,
gdzie x są teoretycznymi wartościami funkcji regresji x f(u) odpowiadającymi danemu
poziomowi realizacji zmiennej u , 0 , i są parametrami strukturalnymi liniowej funkcji
regresji x względem u , jest składnikiem losowym.
Oszacowaniem funkcji regresji (1) x względem u w populacji generalnej jest funkcja
regresji x względem u w próbie losowej przyjmująca postać:
xi a0 a1ui
(2)
gdzie i 1, 2, , n są kolejnymi numerami jednostek wylosowanych z populacji
generalnej do próby.
Dla każdej funkcji regresji rozpatrywanego układu par zmiennych xij.nm,, z przyjęto:
− Związek pomiędzy xi a ui opisany równaniem xi a0 a1ui .
− Zależność regresyjna określana między dwiema zmiennymi xi i ui przy wyłączeniu
wpływu innych zmiennych (przyjmowanych jako pewna stała).
− Istnienie tylko jednej zmiennej objaśniającej u .
2. Określenie liczności oraz sposobu generowania próby losowej. Do wylosowania
zbioru liczb losowych charakteryzujących zmienną niezależną ui wykorzystano
generator liczb losowych, a jego liczebność określono metodą Steina15.
3. Określenie wartości zmiennej zależnej metodą eksperymentalną. Dla każdej
wylosowanej zmiennej objaśniającej ui zgodnie z zakresem ui (ui min , uimax ) i rozkładem
prawdopodobieństwa N(m; ) zbadano jej wpływ na zmienną objaśnianą x . Badanie
zależności przeprowadzone zostało w rzeczywistych warunkach produkcyjnych na
podstawie przygotowanego planu eksperymentu (DoE).
4a, 4b. Szacowanie parametrów strukturalnych funkcji regresji metodą najmniejszych
kwadratów. Do oszacowania parametrów strukturalnych funkcji regresji 0 i i
wykorzystano metodę najmniejszych kwadratów.
5. Sumowanie składowych elementów funkcji. Ostateczną postać funkcji regresji dla
zbioru zmiennych niezależnych ui U względem zmiennej zależnej xi uzyskano poprzez
zsumowanie funkcji cząstkowych wyliczonych dla konkretnych par zmiennych c xui .ui1 ,, s
według schematu xi (a0 a1ui ) (a0 a 2u2 ) (a0 aius ) . W rezultacie otrzymano
liniową zależność funkcyjną w postaci xi 0 1ui 2u2 ius , gdzie xi jest
zmienną zależną od zbioru zmiennych ui U , 0 , i są parametrami strukturalnymi
liniowej funkcji regresji x względem u .
Przedstawiona powyżej metoda pozwala sformułować model zależności parametrów
jakości produktu poligraficznego (zmiennych zależnych) od parametrów nastawu
15
Sobczyk M.: Statystyka. Warszawa: PWN, 2008.
15
maszyny drukującej (zmiennych niezależnych). Liniowe funkcje regresyjne określono dla
wszystkich zmiennych zależnych, tworząc zbiór funkcji w postaci:
x1 0 11u1 12u 2 1ius
x 2 0 21u1 22u 2 2ius
x3 0 31u1 32u 2 3ius
(3)
xn 0 n1u1 n2u 2 nius
11.4.2. Korekta parametrów nastawu maszyny drukującej na podstawie modelu
ich wpływu na parametry jakości produktu
Zadanie, którego algorytm przedstawiony został na rysunku 5, można sformułować
następująco. Znając:
− Zbiór i zakres poszczególnych parametrów jakości.
− Przedział regulacji poszczególnych parametrów nastawu maszyny drukującej.
− Współczynnik charakteryzujący wpływ parametru nastawu maszyny ui na parametr
jakości xi .
należy dokonać korekty parametrów nastawu maszyny drukującej do zadanego
poziomu jakości produktu poligraficznego.
xi
us
us
xi
Rysunek 5. Algorytm korekty parametrów nastawu maszyny drukującej (opracowanie własne).
Pierwszym krokiem realizacji algorytmu jest przypisanie zmiennym xi ' , u1 ' , , us ' ,
0 , 1,,i następujących wartości początkowych:
1. Dla xi ' wymagany poziom jakości dla konkretnego zlecenia produkcyjnego Zp , przy
czym zadana wartość xi ' zapisywana jest w stosunku procentowym takim, że dla
każdego xi ' 100% 1 . Oznaczając a jako wartość początkową przedziału, a b jako
końcową i przypisanym im odpowiednio udziałem procentowym 0 i 1 , oraz
16
zmienną tymczasową ut s ' dla początkowej wartości ustawienia maszyny z zakresu
us ' (a, b) , wartość procentową us ' należy obliczyć z zależności us '
1
ut s ' .
ba
2. Dla 0 , 1,,i wartości określone na etapie badania zależności pomiędzy zmiennymi
modelu (3).
3. Dla zbioru u1 ' , , us ' parametry nastawu maszyny drukującej, dla których nie
osiągnięto żądanego poziomu jakości produktu.
Następnie dla zmierzonej wartości parametru jakości xi określany jest wpływ
zmiany wartości parametru u1 na ogólną postać równania (3), przy założeniu że
0 , 1,,i , u2 ' , , uk ' const . Dla badanej zmiennej u1 sprawdzana jest wartość jaką
osiągnęła podczas kontroli jakości. Jeśli u1 osiągnęło wartości xi ' , to sprawdzany jest
kolejny parametr us . W przeciwnym wypadku, generowana jest wartość losowa dla u1
z zakresu (u1 min , u1 max ) odczytanego z funkcji regresji dla danej pary zmiennych xiu1 dla
wartości oczekiwanej xi ' w przedziale powiększonym obustronnie przez zmierzoną
wartości xi ; xi ' xi xi ' xi ' xi . Dla każdej wylosowanej wartości u1 w zakresie
(x1 ' min , x 2 ' max ) należy sprawdzić poprawność równania (3) dla xi ' . Generowanie wartości
powtarzane jest dla n wylosowanych wartości u1 , gdzie po każdej interakcji (dla której
xi było zbieżne do xi ' ) granica przedziału (u1 min , u1 max ) zostaje zawężona względem tej
wartości. Z całego zbioru wylosowanych ui przypisujemy tylko tą wartość dla której
xi ' xi min .
11.5. Weryfikacja i walidacja wyników Systemu Monitorowania Jakości
Produktu Poligraficznego
Weryfikację i walidację zrealizowano poprzez testowanie prototypów istotnych
fragmentów (załącznik 3 do rozprawy) systemu w rzeczywistych i symulacyjnych
warunkach produkcyjnych. W szczególności sprawdzono poprawność realizacji
algorytmów obliczeniowych oraz funkcji rachunkowych, zgodność systemu z
założeniami projektowymi, ocenę użyteczności wyników systemu w oparciu o
wymagania i oczekiwania jakościowe klienta, integralność systemu ze środowiskiem
informacyjnym i informatycznym przedsiębiorstwa oraz adekwatność wyników systemu
do charakteru przedsiębiorstwa. Przykładowe testy przedstawiono w punkcie 11.5.1. i
11.5.2.
11.5.1. Badanie stabilności algorytmu określającego prawdopodobieństwo
wystąpienia związków przyczynowo-skutkowych (moduł 2 na rys. 1)
Celem eksperymentu było określenie ilości kroków potrzebnych do stabilizacji
algorytmu określającego prawdopodobieństwo wystąpienia reguł w konkretnej sytuacji.
Przyjęto następujące warunki eksperymentu: ilość wariantów decyzyjnych
W {w1 , , w5 } , próba wynosząca 1000 iteracji, pi występuje z równym niezerowym
prawdopodobieństwem, wartości wylosowano za pomocą generatora liczb
pseudolosowych każdorazowo inicjowanego innym ziarnem, zmiennym pi przypisano
rzeczywiste prawdopodobieństwa wystąpienia p1 0,08 , p 2 0,09 , p3 0,09 , p4 0,09 .
Wyniki przeprowadzonego eksperymentu przedstawione zostały na rysunku 6.
17
Rysunek 6. Stabilizacja algorytmu określającego prawdopodobieństwo wystąpienia związków przyczynowo-skutkowych
(opracowanie własne).
Wyniki przeprowadzonego eksperymentu wykazały, że algorytm osiąga stabilizację
w granicach 100 iteracji i ten poziom utrzymany jest do końca procesu produkcyjnego
(z niewielkimi odchyleniami). Wahania pomiędzy zmiennymi w pierwszych 100
iteracjach związane są z tym, że różnice pomiędzy zmiennymi systemu a rzeczywistymi
są bardzo wysokie.
W celu określenia poziomu uzyskanych odchyleń prawdopodobieństw od wartości
pożądanej, przeprowadzono drugie badanie, w którym badaniu poddano losowy
wariant decyzyjny z pierwszego eksperymentu. Przyjęto następujące założenia: ilość
powtórzeń wariantu W {w1 , , w5 } wynosi 10 razy, zmiennym pi przypisano
następujące rzeczywiste prawdopodobieństwa wystąpienia wynoszące: p1 0,4 ,
p 2 0,1 , p3 0,3 , p 4 0,2 , wielkość próby wynosząca 1000 iteracji. Na rysunku 7
przedstawiono wartości bezwzględne odchylenia standardowego uśrednionych
prawdopodobieństw z dziesięciu kolejnych powtórzeń.
Rysunek 7. Uśrednione wartości odchylenia standardowego dla jednego wariantu decyzyjnego (opracowanie własne).
Wyniki drugiego eksperymentu wykazały, że system stabilizuje się, zaś wartości
parametrów jakości są zbieżne do założonych (rzeczywistych). Dodatkowo, standardowe
odchylenia zmniejszają się w skokach, które następują około 100. i 200. iteracji. Na
podstawie przeprowadzonych eksperymentów, można zaobserwować zależność
pomiędzy liczbą iteracji, a ilością zmiennych pi . W miarę zwiększania ilości zmiennych,
czas potrzebny na stabilizację całego systemu zmniejsza się. Wynika to z faktu, iż więcej
zmiennych pi oznacza większą ilość wyjść (konkluzji), pomiędzy które dzieli się
prawdopodobieństwo niewystąpienia najbardziej prawdopodobnej z przyczyn. System
dość trafnie określa prawdopodobieństwa, średnio po zaledwie 100 iteracjach przy
założeniu, że występują różne rodzaje wad. Jednakże, niezależnie od różnorodności wad,
po 200 iteracjach (biorąc pod uwagę element losowości), każdy wariant się stabilizuje.
18
11.5.2. Badanie stabilności algorytmu korekty parametrów nastawu maszyny
drukującej na podstawie modelu ich wpływu na parametry jakości
produktu (moduł 3 na rys. 1)
Celem eksperymentu było określenie kroków potrzebnych do osiągnięcia przez
algorytm zadanego przedziału normy jakości. Przyjęto następujące warunki
eksperymentu: jeden parametr jakości z przypisanym zbiorem parametrów nastawu
maszyny drukującej, ilość stanów początkowych parametrów nastawu maszyny
drukującej w próbie wynoszącej 10, gdzie dla każdej próby przyjęto 10 parametrów
nastawu maszyny drukującej, którym przypisano rzeczywiste wartości początkowe;
próba wynosząca 2000 iteracji; zadanym poziomem jakości jest środek przedziału normy
równoznaczny z wartością 100%. Na rysunku 8 przedstawiono wyniki zrealizowanego
eksperymentu.
próba 1
250,00%
próba 2
próba 3
poziom jakości
200,00%
próba 4
próba 5
150,00%
próba 6
próba 7
100,00%
próba 8
50,00%
próba 9
próba 10
0,00%
0
20
40
60
80
100
120
140
160
180
200
iteracje
Rysunek 8. Stabilizacja algorytmu korekty parametrów nastawu maszyny drukującej (opracowanie własne).
Wyniki eksperymentu przeprowadzone dla 10 różnych stanów początkowych
parametrów nastawu maszyny drukującej pokazują, że korekta ich wartości umożliwiła
osiągnięcie zadanego poziomu jakości. Na początku eksperymentu żadna próba nie
dawała poziomu jakości przyjętego za akceptowalny. Osiągnięcie tego poziomu
nastąpiło zaledwie po 80 iteracjach i utrzymało się do końca procesu produkcyjnego.
Oznacza to, że algorytm spełnił założone zadanie i pozwolił na właściwą korektę
pierwotnych parametrów nastawu maszyny drukującej.
11.6. Studium przypadku, wg zaproponowanego podejścia, do opracowania
Systemu Monitorowania Jakości Produktu Poligraficznego
1. Charakterystyka zlecenia produkcyjnego. Ulotka, format: A4 (trójdzielna), podłoże
klasa 2, kolory: CMYK, nakład: 2000 sztuk, rozdzielczość projektu: 300dpi, wysoka
jakość wydruku, spady: 3mm, znaczniki drukarskie wg projektu (w powyższym tylko
linie cięcia i falcowania), liniatura rastra: 80l/cm dla całego CMYK, kąt skręcenia rastra:
C 75o, M 15o, Y 0o, K 45o, kształt punktów rastrowych: okrągłe.
2. Analiza jakości produktu poligraficznego. Wartości pomiarów parametrów jakości
produktu pobrane w trakcie operacji kontroli jakości: gęstość optyczna x1 1,95 , przyrost
pokrycia rastrowego x 2 23% , kontrast druku x3 40,9 , pasowanie x4 0,15 , murzenie
x5 stwierdzono, dublowanie x6 stwierdzono. Wszystkim wprowadzonym do systemu
wartościom przypisano następujące flagi: b(x1 ) 1 , b(x 2 ) 0 , b(x3 ) 0 , b(x4 ) 0 ,
b(x5 ) 2 , b(x6 ) 2 , oraz statusy: Sx1 1 , Sx 2 0 , Sx3 0 , Sx 4 0 , Sx5 1 , Sx6 1 .
Dla powyższych danych, wynik przeprowadzonej kontroli jakości jest negatywny
S(xi ) 0 , produkt poligraficzny nie spełnia wymagań jakości określonych przez
i
przedsiębiorstwo oraz klienta.
3. Identyfikacja przyczyn wad jakości produktu poligraficznego. Zbiór danych
wejściowych stanowią wyniki przeprowadzonej analizy jakości produktu, czyli: gęstość
19
optyczna: b(x1 ) 1 Sx1 1 , przyrost pokrycia rastrowego: b(x 2 ) 0 Sx 2 0 , kontrast
druku: b(x3 ) 0 Sx3 0 , pasowanie: b(x4 ) 0 Sx4 0 , murzenie: b(x5 ) 2 Sx5 1 ,
dublowanie: b(x6 ) 2 Sx6 1 . System wyodrębnił 5 reguł dla zdefiniowanych
predykatów: R 5 , R6 , R 7 , R8 , R 16 . Na podstawie przypisanych parametrom jakości flag
oraz zdefiniowanych reguł, wyodrębniono następującą sytuację wraz z poszczególnymi
wariantami decyzyjnymi:
Dla r 6 parametrów jakości produktu trzy nie spełniały wymagań i oznaczono je
flagami: b(x1 ) 1 , b(x5 ) 2 , b(x6 ) 2 , czyli b(x 2 ) b(x3 ) b(x4 ) 0 . System wskazał 6
możliwych przyczyn wystąpienia błędów (po wyeliminowaniu przyczyn związanych z
warunkami produkcyjnymi, takimi jak temperatura, zastosowane podłoże itd.): p6 , p8 ,
p9 , p10 , p 23 , p 25 . Taka ilość możliwych przyczyn wprowadza u drukarza dezorientację i
niemoc w podejmowaniu decyzji, dlatego też wprowadzono do systemu mechanizm
określenia prawdopodobieństwa wystąpienia konkretnej przyczyny.
Określenie mocy dla poszczególnych reguł zostało przeprowadzone na podstawie
danych historycznych, zebranych po 1000 kontrolach jakości przeprowadzonych w
oparciu o proponowany system (okres ok. 3 miesięcy). Dane historyczne dotyczą
wszystkich reguł, jednak poniżej przedstawiono tylko reguły związane z omawianym
przykładem. Zebrane dane obrazują ilość sytuacji, w których reguła była rzeczywistą
przyczyną wad jakości, ilość razy, gdy konkretna reguła była uznawana przez system za
najbardziej prawdopodobną oraz ilość razy kiedy podpowiadana reguła okazała się nią
w rzeczywistości. Wycinek zbioru danych historycznych przedstawiono w tabeli 1.
Tabela 1. Zbiór danych historycznych wystąpień przyczyn wad jakości produktu
(opracowanie własne na podstawie zebranych danych analitycznych).
Numer
reguły
p6
p8
p9
p10
p23
p25
Ilość rzeczywistych
wystąpień
23
48
49
43
36
36
Ilość sugestii systemu
Ilość trafionych sugestii
0
117
102
213
0
22
0
4
6
8
0
0
Na podstawie zebranych danych obliczono prawdopodobieństwo wystąpienia
konkretnej reguły korzystając z twierdzenia Bayesa. Wartość prawdopodobieństwa
wystąpienia reguły P(r ) oszacowano w porozumieniu z ekspertem oraz operatorem
maszyny drukującej. Suma iloczynów dopełnień prawdopodobieństwa r i D | r
obliczona została dla każdej reguły ze zbioru n 31 i ze względu na ilość danych nie
zostały one przedstawione w omawianym przykładzie. Dla zbioru n 6 otrzymano
następujące prawdopodobieństwa:
Reguła p6 : P(D | r ) 0 ; P(r ) 0,010 (po znormalizowaniu 0,0212) ; r 'R P(r' ) P(D | r' ) 0,0082 ;
prawdopodobieństwo wystąpienia p6 : P(r6 | D) 0
Reguła p8 : P(D | r ) 4 / 117 0,0342 ; P(r ) 0,028 (po znormalizowaniu 0,0593) ;
r 'R P(r' ) P(D | r' ) 0,0082 ; prawdopodobieństwo wystąpienia p8 : P(r8 | D) 0,2473
Reguła p9 : P(D | r ) 6 / 102 0,0588 , P(r ) 0,023 (po znormalizowaniu 0,0487) ;
r 'R P(r' ) P(D | r' ) 0,0082 ; prawdopodobieństwo wystąpienia p9 : P(r9 | D) 0,3492
Reguła p10 : P(D | r ) 8 / 213 0,0375 ; P(r ) 0,020 (po znormalizowaniu 0,0424 ;
r 'R P(r' ) P(D | r' ) 0,0082 ; prawdopodobieństwo wystąpienia p10 : P(r10 | D) 0,1939
Reguła p23 : P(D | r ) 0 ; P(r ) 0,015 (po znormalizowaniu 0,0318) ; r 'R P(r' ) P(D | r' ) 0,0082 ;
prawdopodobieństwo wystąpienia p23 : P(r23 | D) 0
20
Reguła p25 : P(D | r ) 0 ; P(r ) 0,015 (po znormalizowaniu 0,0318) ; r 'R P(r' ) P(D | r' ) 0,0082 ;
prawdopodobieństwo wystąpienia p23 : P(r25 | D) 0
Wyniki otrzymane dla zbioru omawianych przyczyn wad jakości produktu
poligraficznego
pozwalają
ułożyć
reguły
w
kolejności
najwyższego
prawdopodobieństwa ich wystąpienia w konkretnej sytuacji (tab. 2.)
Tabela 2. Zestawienie reguł z określonym prawdopodobieństwem wystąpienia w konkretnej sytuacji
(opracowanie własne)
nr
Numer reguły
Ilość
wystąpień
Prawdopodobieństwo
wystąpienia
Nr
Numer
reguły
Ilość
wystąpień
Prawdopodobieńs
two wystąpienia
1
p9
49
P(r9 | D) 0,3492
4
p 23
36
P(r23 | D) 0
2
p8
48
P(r8 | D) 0,2473
5
p 25
36
P(r25 | D) 0
3
p10
43
P(r10 | D) 0,1939
6
p6
23
P(r6 | D) 0
W prezentowanym przykładzie operator maszyn testujący system zdecydował się
wybrać wariant pierwszy oznaczony najwyższym prawdopodobieństwem. Jak wynika z
analizy wad jakości przeprowadzonej w rozprawie przyczyny p8 i p9 związane są z
maszyną drukującą. W tej sytuacji konieczne jest dopasowanie parametrów nastawu
maszyny drukującej do wymaganego poziomu jakości, co wymaga uprzedniego
skonstruowania matematycznego modelu zależności tych parametrów. Gdyby operator
zdecydował się na wariant trzeci p10 odpowiedzią systemu byłaby instrukcja naprawy
tej wady przedstawiona w szczegółowych krokach.
4. Budowa modelu matematycznego zależności parametrów jakości od parametrów
nastawu maszyny drukującej. Model matematyczny zależności parametrów jakości od
parametrów nastawu maszyny drukującej został skonstruowany poprzez wykonanie
serii testowych wydruków, podczas których sprawdzano zachowanie wskaźników
jakości dla losowo ustalonych wartości kolejnych parametrów nastawu maszyny
drukującej. Zebrane dane pozwoliły sformułować model opisujący te zachowania. Ze
względu na powtarzalność procedury, postępowanie przedstawiono tylko dla jednego
parametru – uśrednionej wartości gęstości optycznej x1 . Przyjęto następujące założenia
eksperymentu:
− Celem badania jest określenie wielkości wpływu (oznaczonego jako 0 i 11,..., 2 )
parametrów nastawu maszyny drukującej na wartość parametru jakości.
− Rozpatrywany moduł maszyny drukującej: Cyjan
− Parametry nastawu maszyny drukującej: 10 stref farbowych ( u11 ,..., u110 ) w zakresie
od 1 do 20 oraz docisk ( u 2 ) w zakresie od 1 do 5.
Dla powyższych założeń ogólną postać funkcji regresji:
x1 0 11u11 12u12 13u13 14 u14 15u15 16u16 17 u17 18u18
19u19 110u110 2u 2
Następnie dla każdej pary zmiennych funkcji zbadano zależność przy wyłączeniu
wpływu pozostałych zmiennych według schematu c xui .ui1 ,, s . Zależność pomiędzy
wybraną parą zmiennych c x1u11.u12 ,, u2 przedstawiono według wzoru (2). Dla tej pary
zmiennych wybrano zbiór parametrów nastawu maszyny drukującej, biorących udział
w eksperymencie. Z uwagi na stosunkowo małą liczebność zbioru s 20 ,
przeprowadzono eksperyment całościowy, nie wykluczając żadnej wartości zmiennej u11 .
W przypadku zbioru o większej liczebności, wybór próby należy przeprowadzić według
zaproponowanej w pracy metodyki.
21
Dla każdej zmiennej niezależnej w przedziale u11 1;20 zmierzono wartość
zmiennej zależnej x1 . Na podstawie tych pomiarów oszacowano metodą najmniejszych
kwadratów parametry strukturalne funkcji (2) przedstawione następująco: dla funkcji
x1 a0 a11u11 ; a0 0,286 , a11 0,162 ; dla funkcji x1 a0 a12u12 ; a0 0,464 , a12 0,211 ;
dla funkcji x1 a0 a 13u13 ; a0 0,633 , a13 0,201 ; dla funkcji x1 a0 a 14 u14 ; a0 0,711 ,
a14 0,098 ; dla funkcji x1 a0 a 15u15 ; a0 0,385 , a15 0,212 ; dla funkcji x1 a0 a16u16 ;
a0 0,149 , a16 0,132 ; dla funkcji x1 a0 a17 u17 ; a0 0,326 , a17 0,152 , dla funkcji
x1 a0 a 18u18 ; a0 0,182 , a18 0,206 ; dla funkcji x1 a0 a 19u19 ; a0 0,397 , a19 0,144 ;
dla funkcji x1 a0 a110u110 ; a0 0,523 , a110 0,073 ; dla funkcji x1 a0 a 2u2 ; a0 0,319 ,
a 2 0,531 .
Końcowa postać modelu parametru x1 po zsumowaniu równań stronami:
X 1 0,146 0,015u11 0,019u12 0,018u13 0,009u14 0,019u15 0,012u16 0,014 u17
0,019u18 0,013u19 0,007 u110 0,048u2
5. Korekta parametrów nastawu maszyny drukującej na podstawie modelu ich
wpływu na parametry jakości produktu. Skonstruowany powyżej model stanowi
podstawę do bieżącej korekty parametrów nastawu maszyny drukującej. Zdefiniowano
następujące dane wejściowe:
− x1 ' - zadana wartość parametru jakości dla danego zlecenia produkcyjnego, w tym
przypadku dla parametru x1 dla wyciągu Cyjan mieści się w przedziale x1 1,25;1,4 .
− x1 - wartość parametru jakości zmierzona podczas kontroli jakości produktu: x1 1,95 .
− u1 ' , , u 2 ' - wartości wstępnych parametrów nastawu maszyny drukującej, dla
których x1 nie było w normie: u11 15; u12 13; u13 11; u14 8; u15 12; u16 16;
u17 19; u18 15; u19 12; u110 10; u 2 3
Przypisane wartości początkowych zmiennym modelu i wyliczenie wartości
parametru jakości:
x 1 0,146 0,015 15 0,019 13 0,018 11 0,009 8 0,019 12 0,012 16 0,014 19
0,019 15 0,013 12 0,007 10 0,048 3
x 1 1,931 co jest zbliżone do zmierzonej wartości parametru jakości równej 1,95.
Ponieważ wartość parametru stanowi 193% pożądanej normy, następuje modyfikacja
w sposób losowy wartość parametru u11 . Wybór kolejnych parametrów nastawu
maszyny do modyfikacji nastąpił losowo. Podczas 10 iteracji w przeprowadzonym
eksperymencie najlepszą wartość parametru jakości (1,818) osiągnięto dla wartości
u11 8,039 . Wyniki dalszych iteracji przedstawia tabela 3.
Tabela 3. Wyniki poszczególnych iteracji dopasowania parametrów nastawu maszyny drukującej do parametrów jakości
produktu poligraficznego (opracowanie własne).
Zmieniany parametr
nastawu maszyny
drukującej
Wartość parametru nastawu
dająca najlepszą wartość
parametru jakości
Uzyskana wartość
parametru jakości
Osiągnięty procent
normy jakości
Wartość wyjściowa
Nie dotyczy
1,931
193,2%
u11
8,514
1,825
176,9%
u11
8,039
1,818
176,7%
u14
13,000
1,796
172,5%
u16
8,212
1,680
154,6%
u17
8,789
1,519
129,8%
u12
7,236
1,365
106,2%
22
u13
8,894
1,324
99,8%
u13
8,898
1,325
100,0%
Wartości parametrów nastawu maszyny drukującej przez użyciem na fizycznej
maszynie powinny zostać zaokrąglone do najbliższej sprogowanej wartości.
W rezultacie otrzymujemy zbiór nowych ustawień maszyny drukującej:
u11 8,039; u12 7,236; u13 8,898; u14 13,000; u15 12,000; u16 8,212; u17 8,789;
u18 15,000; u19 12,000; u110 10,000; u 2 3,000
Na rysunku 9 przedstawiono pozycję parametrów nastawu maszyny drukującej
przed i po zastosowaniu wyżej przedstawionego algorytmu.
Rysunek 9. Pozycja parametrów nastawu maszyny drukującej przed i po korekcie według zaproponowanego algorytmu
(opracowanie własne).
Algorytm dokonał korekty zbyt wysokich nastaw, sprowadzając wartość parametru
jakości do pożądanego zakresu. Warto zauważyć, że po osiągnięciu celu (przedziału
normy) przez algorytm, jego dalsze działanie stabilizuje się i nie wprowadza znaczących
zmian. Sprawdzenie proponowanych przez system ustawień odniosło pozytywny skutek
w postaci prawidłowej wartości zmierzonej gęstości optycznej (1,28).
Powyższy przykład stanowi wycinek całego problemu, przedstawiony w sposób
uproszczony dla pojedynczego parametru jakości. Zamodelowanie całości maszyny
drukarskiej wymaga zbudowania modeli regresyjnych dla wszystkich parametrów
jakości, a następnie przeprowadzania zademonstrowanego powyżej algorytmu na
kolejnych parametrach jakości, aż do uzyskania prawidłowej wartości wszystkich z nich.
12. Zakończenie
Korzyścią dla przedsiębiorstwa z zaproponowanego w rozprawie Systemu
Monitorowania Jakości Produktu Poligraficznego jest minimalizacja kosztów
zapewnienia wysokiej jakości produktu poligraficznego oraz wsparcie drukarza,
zwłaszcza niedoświadczonego. Obecnie stosowane podejście prób i błędów powoduje
23
konieczność czasochłonnego powtarzania przebiegów testowych, które pociągają za sobą
duże koszty. Przedstawiony system informatyczny zastępuje w tym procesie rzeczywistą
maszynę maszyną wirtualną, co eliminuje marnotrawienie np. papieru oraz wielokrotnie
skraca czas przestojów.
Proponowane rozwiązanie pozwoliło na osiągnięcie i utrzymanie wysokiego
poziomu jakości produktów przez cały czas trwania procesu produkcyjnego oraz
doprowadziło do znacznego skrócenia nieproduktywnych czasów przygotowawczych,
które trwały nawet do 1 godziny oraz przestojów maszyny spowodowanych
pojawiającymi się błędami jakościowymi. Zaproponowane metody pozwoliły na
skrócenie czasów przygotowawczych do kilku minut oraz natychmiastowe wykrywanie
odchyleń wartości parametrów jakość produktu. Skutkiem przeprowadzenia testów
proponowanego rozwiązania (w formie prototypu) było zmniejszenie ilości zużywanego
papieru rozbiegowego o około 100 arkuszy na każdy nieproduktywny przebieg.
Zmniejszyło się również zużycie farb drukarskich. System znajduje prawidłowy zestaw
parametrów nastawu w ciągu średnio 80 iteracji, których wykonanie zajmuje mniej niż
sekundę. Wykonanie takiej samej ilości prób przez drukarza zajęłoby kilkanaście godzin
i, jako ekonomicznie nieuzasadnione, w ogólne nie miałoby miejsca. Zastosowanie
systemu pozwala zatem zwiększyć końcowy poziom jakości ze względu na fakt, iż
przeprowadzenie nawet dużej ilości prób nie tylko gwarantuje osiągnięcie parametrów
jakości, ale także nie wiąże się ze stratami czasu i materiałów.
System może stanowić rozszerzenie istniejących rozwiązań desktopowych oraz
obszaru badań prowadzonych przez wiodące w branży poligraficznej instytucje
naukowo-badawcze (FOGRA, CIP4, ICC). Opracowany system informatyczny może być z
powodzeniem wykorzystany zarówno w przemyśle, jak i w edukacji. W przemyśle
poligraficznym będzie stanowił instrument kontroli jakości i źródło informacji dla
większości obszarów zarządzania jakością. W edukacji będzie sprawował program
szkoleniowy przygotowujący ludzi do zawodu.
Możliwości rozwoju opracowanego systemu informatycznego obejmują:
− Optymalizację algorytmu wybierania parametrów nastawy maszyny drukującej do
korekty.
− Zastosowanie metod data mining do analizy zbieranych danych na temat
parametrów zleceń produkcyjnych, co pozwoli na identyfikację nieznanych jeszcze
relacji oraz aktualizację istniejącej bazy wiedzy (co zostało już częściowo
zaproponowane w artykule16.
− Dostosowanie metod i algorytmów do innych technik druku, w szczególności
identyfikacja związków przyczynowo-skutkowych oraz opracowanie bazy reguł.
− Opracowanie metody przechowywania modeli wielu maszyn drukujących opartej na
wspólnej bazie danych i regułach.
13. Spis publikacji związanych z treścią rozprawy
1.
Olejnik-Krugły A.: System kontroli jakości w procesie druku.: Metody informatyki
stosowanej 2006, nr 10, s. 193-198.
2. Zaikin O., Korytkowski P., Olejnik-Krugły A.: Quality control system for offset
printing supported by expert system. W: Materiały XVI Międzynarodowej
Konferencji (Systems Science). Wrocław, 2007, s. 520-528.
3. Zaikin O., Olejnik-Krugły A.: Parameters affecting correct proceeding of printing
process control. W: Materiały XV Międzynarodowej Konferencji (Problemy
sterowania bezpieczeństwem systemów złożonych). Moskwa, 2007, s. 100-103.
16
Zaikin O., Olejnik-Krugły A.: System ekspertowy zapewniający jakość procesu produkcyjnego w druku offsetowym. W:
Materiały IX Krajowej Konferencji (Inżynieria wiedzy i systemy ekspertowe). Wrocław, 2009 s. 545-557.
24
4. Zaikin O., Olejnik-Krugły A.: Quality control system in printing process supported
by expert system. W: Materiały Międzynarodowej Konferencji (Problemy
regionalnego i miejskiego zarządzania). Moskwa, 2007, s. 177-180.
5. Korytkowski, P., Zaikin O., Olejnik-Krugły A.: A model of a quality control for
integrated manufacturing systems, W: Materiały Międzynarodowej Konferencji
(IFAC Workshop on intelligent manufacturing systems). Szczecin, 2008, s. 251-256.
6. Zaikin O., Olejnik-Krugły A.: A model for product quality control system. W:
Materiały
XVI
Międzynarodowej
Konferencji
(Problemy
sterowania
bezpieczeństwem systemów złożonych). Moskwa, 2008, s. 404 –407.
7. Kusztina E., Olejnik-Krugły A.: A model of printing product quality monitoring
system in a virtual machine environment. W: Materiały XVII Międzynarodowej
Konferencji (Problemy sterowania bezpieczeństwem systemów złożonych).
Moskwa, 2009, s. 327-329.
8. Zaikin O., Olejnik-Krugły A.: System ekspertowy zapewniający jakość procesu
produkcyjnego w druku offsetowym. W: Materiały IX Krajowej Konferencji
(Inżynieria wiedzy i systemy ekspertowe). Wrocław, 2009 s. 545-557.
9. Korytkowski, P., Olejnik-Krugły A., Zaikin O.: A Framework for a Quality
Assurance in Offset Printing. W: Materiały XIII Międzynarodowej Konferencji
(IFAC Symposium on Information Control in Manufacturing). Moskwa, 2009, s.
1866-1871.
10. Kusztina E., Olejnik-Krugły A.: Methodology for conducting virtual experiments
for sheetfed offset printing. W: Materiały XVIII Międzynarodowej Konferencji
(Problemy sterowania bezpieczeństwem systemów złożonych). Moskwa, 2010, s.
370-373.
11. Różewski P., Olejnik-Krugły A., Kusztina E.: Model systemu informatycznego
monitorowania jakości produktu poligraficznego. W: Materiały Polskiego
Stowarzyszenia Zarządzania Wiedzą (Studia i Materiały), Bydgoszcz, 2010, nr 27, s.
196-203.
12. Różewski P., Olejnik-Krugły A., Kusztina E.: Analysis of quality factors in printing
production process: information systems based approach. Computer graphics.
Selected Issues 2010, rozdział 8, s. 131-141.
13. Zaikin O., Kusztina E., Olejnik-Krugły A.: Science experiment design procedure. W:
Materiały
XIX
Międzynarodowej
Konferencji
(Problemy
sterowania
bezpieczeństwem systemów złożonych). Moskwa, 2011.
14. Różewski P., Olejnik-Krugły A., Kusztina E.: Informatyczne aspekty kształcenia
poligrafów na przykładzie procesu zarządzania jakością. W: Materiały II
Konferencji Edukacyjnej COBRPP (Zawodowe szkolnictwo poligraficzne w epoce
technologii cyfrowych), Poznań, 2011, s. 29-35.
25
