Odpowiedź na recenzję

Wrocław 20.01.2014 r.
Mgr inż. Maria Rosienkiewicz
doktorantka
Prof. dr hab. inż. Zbigniew Banaszak
Wydział Elektroniki i Informatyki
Politechnika Koszalińska
Ul. Śniadeckich 2
Odpowiedź na recenzję
pracy doktorskiej pt. „Opracowanie metody prognozowania
zapotrzebowania na części zamienne w przemyśle wydobywczym”
Szanowny Panie Profesorze,
W załączeniu przekazuję odpowiedź na otrzymaną od Pana Profesora
recenzję mojej rozprawy doktorskiej.
Z poważaniem,
Maria Rosienkiewicz
Wrocław, dn. 20.01.2014 r.
Mgr inż. Maria Rosienkiewicz
ODPOWIEDŹ NA RECENZJĘ PRACY DOKTORSKIEJ PT.
OPRACOWANIE METODY PROGNOZOWANIA ZAPOTRZEBOWANIA NA CZĘŚCI ZAMIENNE W
PRZEMYŚLE WYDOBYWCZYM
Z DNIA 3 STYCZNIA 2014 ROKU
Uwagi ogólne:
Uwaga 1:
Bardzo obszerny, w różnych wątkach, sposób prezentacji odbił swoje piętno na braku pogłębionej dyskusji
wielu istotnych wątków pracy. Szczególny niedosyt w tym względzie budzi brak dyskusji związanej z
ograniczeniem rozważań do jednej z czterech technik utrzymania ruchu, a mianowicie do tzw. utrzymania
reaktywnego, w którym pozwala się urządzeniu pracować aż do chwili wystąpienia awarii. Związane z tym
pytanie dotyczy możliwości rozszerzenia problematyki planowania zaopatrzenia na pozostałe techniki
utrzymania zapobiegawczego: periodycznego, opartego na inspekcjach, czy też opartego na zdalnym
monitorowaniu parametrów opisujących stan techniczny urządzenia. Wiążące się z tym pytanie dotyczy
możliwości wykrywania zmian stanu maszyny prowadzących do awarii i szacowania, na tej podstawie, czasu
po którym nastąpi awaria?
Odpowiedź 1:
Faktycznie ze względu na dość szeroki zakres i interdyscyplinarność pracy nie wszystkie poruszane w niej
zagadnienia zostały dostatecznie omówione. W literaturze można spotkać różne klasyfikacje strategii
utrzymania ruchu, jednak najogólniej można podzielić je na reaktywne (korygujące), zapobiegawcze
(profilaktyczne) i proaktywne (oparte na stanie technicznym urządzenia). W metodzie przedstawionej w pracy
opisane zostały dwa warianty prognozowania zapotrzebowania na części zamienne. Gdyby odnieść te
warianty do klasyfikacji technik utrzymania ruchu, to należałoby stwierdzić, że zaprezentowany wariant
„makro” metody odpowiada strategii reaktywnej, z kolei wariant „mikro” strategii proaktywnej. W
empirycznej części pracy przedstawiono obliczenia w wariancie „makro”, wariant „mikro” nie został
zweryfikowany ze względu na brak odpowiednich danych rzeczywistych. Ogólnie przyjmuje się, że
usprawniając systemy utrzymania ruchu najkorzystniej jest stosować utrzymanie ruchu bazujące na
niezawodności, a gdy to nie jest możliwe na utrzymaniu opartym na stanie technicznym (proaktywne). Gdy
jest to niewykonalne z przyczyn technicznych lub finansowych (np. brak systemu monitoringu), wówczas
należy wdrożyć utrzymanie zapobiegawcze. W przypadku braku możliwości utrzymania zapobiegawczego
należy stosować utrzymanie reaktywne. Zaproponowana w pracy metoda zakłada budowanie zbiorów
zmiennych objaśniających (na podstawie których konstruowane są modele lub sieci) właśnie odpowiadające
strategii reaktywnej i proaktywnej. Wybranie odpowiedniego wariantu metody przez jej użytkownika
uzależnione jest od możliwości zebrania danych. Wariant metody określony mianem „mikro” (str. 81, 84,
tabela 20) zakłada, że odpowiednie dane będą zbierane z poszczególnych (wytypowanych odpowiednio)
maszyn. W tym wariancie przyjęto, że do zbioru zmiennych objaśniających wejdą m.in. zmienne będące
parametrami opisującymi stan techniczny maszyny. Stosowanie tego wariantu w analizowanym
przedsiębiorstwie ograniczono do oddziału mechanicznego ponieważ stosowanie go w skali makro – tzn. przez
np. cały magazyn – oznaczałoby konieczność akwizycji danych ze wszystkich pracujących maszyn, których jest
bardzo wiele. Wdrożenie takiego podejścia byłoby niezwykle kosztowne i najprawdopodobniej
niewspółmierne do oczekiwanych korzyści. Największą zaletą tego podejścia jest fakt, że prognoza budowana
jest na wielu niezależnych zmiennych, a nie tylko na przeszłych wartościach zapotrzebowania. Jednakże
implementacja tego wariantu wymaga posiadania, gromadzenia i ciągłego monitorowania wielu danych. W
kopalni powodować to może dodatkowe obciążenie załogi obowiązkiem analizowania takich danych.
Wykorzystanie tego wariantu pociąga za sobą konieczność przeszkolenia pracowników w zakresie
pozyskiwania odpowiednich danych, opracowania sposobu ich przechowywania, segregacji oraz analizy.
Jednakże należy zauważyć, że jeśli jakaś grupa maszyn byłaby wyposażona w odpowiedni sprzęt (z
oprogramowaniem) umożliwiający zdalne monitorowanie parametrów opisujących stan techniczny, wówczas
zastosowanie tego wariantu jest jak najbardziej zasadne, ponieważ pozyskanie danych do budowy prognozy
przestaje już stanowić problem. Wówczas istniałaby możliwość wykrywania zmian stanu maszyny, które
prowadzą do awarii i szacowania, na tej podstawie, czasu po którym nastąpi awaria. W konsekwencji dla
procesu prognozowania zapotrzebowania części zamiennych zaistniałaby możliwość oszacowania czasu, w
którym należy zamówić potrzebną część zamienną. Tym samym wykorzystane zostałyby założenia strategii
proaktywnej opartej na monitorowaniu parametrów opisujących stan techniczny urządzenia.
Uwaga 2:
W przedstawionym kontekście ciekawą byłaby również dyskusja „drożności” rozważanego łańcucha
dostaw obejmującego komory maszyn ciężkich, oddziału mechanicznego, magazynu, hurtowni i producentów
części zamiennych. Interesującym, w szczególności, byłoby tutaj oszacowanie wpływu efektu tzw. „byczego
bicza”, na skutki podejmowanych decyzji planistycznych? Inaczej mówiąc, pytanie sprowadza się do
możliwości oszacowania prognozy skutków przyjmowanych prognoz?
Odpowiedź 2:
Efekt byczego bicza (bullwhip effect) wyjaśnia wahania popytu, produkcji i dostaw. Termin ten oznacza
zniekształcenia popytu, nasilające się wraz z przesuwaniem się w górę łańcucha dostaw. Efekt byczego bicza
zazwyczaj polega na zwiększaniu popytu przez poszczególne ogniwa łańcucha logistycznego. Wynika w
głównej mierze z nieefektywnego przepływu informacji w łańcuchu dostaw, co powoduje gromadzenie
nadmiernych zapasów u poszczególnych partnerów. Wyróżnić można cztery przypadki efektu byczego bicza efekt Forrestera, Burbidge’a, Houlihana i efekt promocji. Wydaje się, że w omawianym przypadku można
rozważyć w szczególności wystąpienie efektu Forrestera związanego z czasem realizacji i przetwarzania
sygnału o poziomie zapotrzebowania oraz efektu Burbidge’a, który związany jest z grupowaniem zamówień.
Próbując oszacować wpływ efektu „byczego bicza” na skutki podejmowanych decyzji planistycznych
należałoby przeanalizować szczegółowo sposób przepływu informacji od momentu wyliczenia prognozy,
poprzez podjęcie decyzji o złożeniu zamówienia, aż do realizacji tego zamówienia. Można spodziewać się, że o
ile wystąpienie tego efektu na etapie prognozowania zapotrzebowania z poziomu komory maszyn ciężkich lub
oddziału jest mało prawdopodobne, a jeśli wystąpi, to mało szkodliwe, to jednak rzeczywiście efekt ten
mógłby pojawić się już na poziomie magazynu lub w kolejnych ogniwach łańcucha dostaw.
Jedną z głównych przyczyn powstawania efektu byczego bicza jest podejmowanie decyzji o złożeniu
zamówienia odrębnie w każdym ogniwie łańcucha logistycznego. Zarządzający zamówieniami części
zamiennych samodzielnie, w oparciu o procedury, własne prognozy i doświadczenie zamawiają
odpowiednie, według nich, ilości towaru. Często nie analizują przy tym danych historycznych oraz nie
uwzględniają czynnika czasu, upływającego od złożenia zamówienia do czasu jego realizacji i dotarcia do
zamawiającego. Drugim ważnym czynnikiem zwiększania przenoszonych zmian popytu jest grupowanie
zamówień.
Jeżeli dobrze rozumiem pytanie Pana Profesora należy rozważyć wpływ agregacji prognoz pochodzących z
poszczególnych komórek organizacyjnych, a co za tym m.in. idzie kumulujących się błędów prognoz. Uważam,
że uniknięcie efektu byczego bicza można osiągnąć poprzez ciągłe badanie poprawności prognoz w każdym
ogniwie łańcucha logistycznego (to znaczy bieżące powiększanie próby o nowe obserwacje, wyliczanie błędów
prognoz i jeśli zajdzie taka potrzeba – ulepszanie modelu/sieci) a równocześnie poprzez wdrożenie
odpowiedniego modułu systemu informatycznego (sprzężonego z istniejącym systemem klasy ERP), w którym
wyznaczone na podstawie prognoz poziomy zapotrzebowania byłyby wyliczane i agregowane – zastosowanie
tego systemu powinno wyeliminować problem polegający na nieefektywnym przepływie informacji w
łańcuchu dostaw (do minimum zostałby ograniczony wpływ czynnika ludzkiego). Aby zaproponowana metoda
mogła zadziałać możliwie najefektywniej powinna być stosowana na każdym etapie łańcucha logistycznego
osobno – tzn. odpowiedni wariant metody powinien służyć zamawiającym części zamienne w komorze
maszyn ciężkich (na odpowiednio zebranych danych), w oddziale, a także magazynie. Oznacza to, że
przykładowo na poziomie magazynu – gdzie agregowane są zamówienia z kilku komór – osoba zamawiająca
nie powinna opierać się tylko na skumulowanym poziomie zamówień, ale analizować dane historyczne
dotyczące danego typu części z punktu widzenia magazynu (wariant „makro” metody). Należy także
podkreślić, że konieczne jest dołożenie starań aby prognozy zapotrzebowania i decyzje z tym związane były
dokonywane na podstawie wiarygodnych danych. Z pewnością dążenie do stabilizacji wewnątrz całego
łańcucha dostaw może wpłynąć na ograniczenie efektu byczego bicza. Wymaga to jednak szybkiego
przesyłania danych, pomiędzy poszczególnymi ogniwami łańcucha, a co najważniejsze przesyłania danych
wiarygodnych i niezafałszowanych.
Uwaga 3:
Opracowana metoda umożliwia podejmowanie decyzji z różną częstotliwością, jak Autorka deklaruje,
kilkudniową, tygodniową czy też miesięczną. Oznacza to, że proponowana metoda umożliwia wypracowanie
pewnego harmonogramu predykcyjnego determinującego terminy i wielkości partii zamawianych
asortymentów części zamiennych. Związane z tym pytanie dotyczy oceny pojemności i/lub przepustowości
środków gwarantujących realizację harmonogramu wyznaczonego przez proponowana metodę.
Odpowiedź 3:
Rzeczywiście jest to bardzo dobre pytanie, które wymaga rozważenia. Zagwarantowanie przepustowości
środków gwarantujących realizację harmonogramu wyznaczonego przez zaproponowaną metodę będzie
możliwe tylko jeśli jej implementacja zostanie sprzężona z odpowiednimi działaniami obejmującymi proces
zamawiania części od komory, poprzez cały oddział, magazyn – aż do dostawców. Wykorzystanie tej metody
do wyliczenia prognozy zapotrzebowania na daną część zamienną (przykładowo z poziomu KMC) jest zasadne
przy założeniu, że ta wyliczona wartość zapotrzebowania będzie mogła być natychmiastowo zamówiona i bez
zbędnej zwłoki dostarczona z magazynu. Żeby to założenie mogło być zrealizowane magazyn powinien
utrzymywać odpowiedni zapas części zamiennych i również efektywnie planować zapotrzebowanie. Należy
także zauważyć, że do realizacji zamówienia pod ziemią potrzebna jest dostępność osoby i pojazdu – oprócz
dostępności danej części zamiennej - jest to bowiem warunek konieczny umożliwiający zrealizowanie
zamówienia.
Uwagi szczegółowe:
1. Lekturę pracy utrudnia brak podsumowań jej poszczególnych rozdziałów, a także listy stosowanych
symboli.
2. Struktury językowe nie budzą większych zastrzeżeń. Zamieszczone rysunki, tabele i diagramy, na
ogół, dobrze ilustrują treści pracy.
3. Warto odnotować brak korekty redakcyjnej – praca sprawia wrażenie pisanej w dużym pośpiechu.
Brak tej staranności widać m.in. w:
• kolizji oznaczeń, np. tym samym symbolem α oznaczany jest wektor parametrów str. 64, poziom
istotności str. 145 oraz stała wygładzania str. 53,
• usterkach typograficznych, np.: 477 „…zapotrezbawania…”, 1185 „W ocelu…”, 547 „…co raz…”,
• braku legend utrudniających analizę rysunków, np. Rys. 5 -6,
• permanentnym braku numeracji przytaczanych wzorów oraz braku opisu wykorzystywanych w nich
symboli i oznaczeń,