İki Parametreli Weibull Dağılımını Esas Alan Maliyet Modeli ile Makine Parça Değişim Sürelerinin Tahmin Edilmesi

Year 2015, Volume: 8 Issue: 2, 0 - 0, 29.12.2015

Seda Hatice Gökler , İsmail Ulus Furkan Cihat Semra Boran

Abstract

Üretimde yararlanılan makine parçalarının bozulma veya eskime gibi nedenlerden dolayı değiştirilme sıklığı üretim maliyetlerini etkiler. Aynı özelliklere sahip olmalarına rağmen makine parçalarından yararlanma süreleri değişkendir ve genellikle kesin olarak bilinmez. Planlı değişimlerde operatörün yoğunluğu gibi nedenlerden dolayı çoğu zaman küçük sapmalar görülebilir. Plansız değişimlerde ise parça bozulduğunda değiştirilme işlemi gerçekleştirildiği için sapma çok daha büyük olmaktadır. Bu nedenle parça değişim zamanları tahmin edilebilmektedir. Tahminin doğru olması üretim maliyeti açısından önemlidir. Tahminin küçük olması makine parçasının ömrünü tamamlamadan kullanım dışı kalma maliyeti ve değiştirme maliyetlerinin artışına; tahminin büyük olması ise kullanım esnasında bozulma ile makinede işlenen ürünün de zarar görmesine dolayısı ile daha büyük maliyete neden olur. Bu nedenle en düşük maliyeti verecek makine parça kullanım süresinin belirlenmesi önemlidir.   

İşletmelerde makine parça değişim zamanını belirleme genellikle uzmanların deneyimlerine ve geçmiş dönem kayıtlarına göre yapılır. Ancak bu şekildeki değişim sürelerinin tahmininde hata yapma riski yüksektir aynı zamanda uzmanlara bağımlılık söz konusudur.

Bu çalışmada bir makine parçası değişim süresini en uygun (optimum) yapacak bir maliyet modeli geliştirilmiştir. Geliştirilen maliyet modeli iki parametreli Weibull dağılımını esas almaktadır. Maliyet, planlı ve plansız parça değişim maliyeti ile onların alt maliyet bileşenlerinden oluşmaktadır. Maliyet modeli, otomobil lastiği üreten bir işletmede, lastik pişimi aşamasında preslerde kullanılan bladder’ın en uygun kullanım süresini belirlemede uygulanmıştır. Duyarlılık analizi ile de maliyet modelindeki önemli parametrelerin maliyet ve en uygun kullanım süresi üzerindeki etkisi incelenmiştir.

Anahtar kelimeler:  Weibull dağılımı, maliyet modeli, makine parça değişim süresi

Keywords

Endüstri Mühendisliği

References

• Ahmad R., Kamaruddin S., 2012, An overview of time-based and condition-based maintenance in industrial application, Computers&Industrial Engineering 63(1), pp 135-149.
• Anderson, T.W. ve Darling, D. A.,1954. A test of goodness of fit, J. Ame. Statist. Assoc. 49, pp.765-769.
• Barlow R.E., Hunter L., 1960, Optimal preventive maintenance policies, Operation Research, 8, pp.90-100.
• Cohen, A.C., 1965. Maximum likelihood estimation in the Weibull distribution based on complete and on censored samples, Technometrics, 7(4).
• Evans J.W., Johnson R.A. ve Green D.W., 1989. Two and Three Parameter Weibull Goodness-of-Fit Tests, United States Department of Agriculture Forest Service Forest Products Laboratory Research Paper FPL-RP-493.
• Handlarski, J., Mathematical analysis of preventive maintenance schemes, The Journal of the Operational Research Society, 31 (3), pp. 227-237
• Harter, H.L.ve Moore A.H.,1965a. Point and interval estimators based on order statistics, for the scale parameter of Weibull population with known shape parameter, Technometrics, 7 (3), pp.405-422.
• Harter, H.L. ve Moore A.H., 1965b. Maximum likelihood estimation of the parameters of Gamma and Weibull populations from complete and from censored samples, Technometrics, 7(4). pp.639-643.
• Hennessey Jr. J.P.,1977. Some aspects of wind power statistics, J. Appl. Meteorol. 16 (2).
• Hsu, B-M. ve Shu M-H., 2010. Reliability assessment and replacement for machine tools under wear deterioration, Int. J. Manuf. Technol. 48, pp.355-365.
• Jeang, A., 1998. Reliable tool replacement policy for quality and cost, European Journal of Operational Research, pp. 334-344.
• Jukic ´ D., Benšic ´ M. ve Scitovski R., 2008. On the existence of the nonlinear weighted least squares estimate for a three-parameter Weibull distribution, Comput. Stat. Data Anal. 52 (9) pp.4502–4511.
• Lad, B.K. ve Kulkarni, M.S., 2012. Optimal maintenance Schedule decisions for machine tools considering the use’s cost structure. International Journal of Production Research. 50 (20), pp.5859-5871.
• Lewis E.E.,1996. Introduction to Reliability Engineering, 2.ed. John Wiley & Sons, Inc.
• Pandey M., 2000. Direct estimation of quantile functions using the maximum entropy principle, Struct. Saf. 22 (1), pp. 61–79.
• Romeu,J.L., 2003. Anderson-Darling: A Goodness of Fit Test for small Samples Assumptions, Selecting Topics in Assurance Related Technologies (START). A Publication of the Reliability Analysis Center. 10(5).
• Sanni S.S. ve W.I.E. Chukwu W.I.E., 2013. An economic order quantity model for items with three-parameter Weibull distribution deterioration, ramp-type demand and shortages, Appl. Math. Model. 37 (23), pp. 9698–9706.
• Shabtay D. ve Kaspi M., 2003. The efficiency range of economical cutting conditions and tool replacement under the age replacement strategy, Int. J. Prod. Res. 41 (11), pp.2563-2580.
• Van Boekel M.A.J.S., 2002. On the use of the Weibull model to describe thermal inactivation of microbial vegetative cells, Int. J. Food Microbiol. 74 (1–2), pp. 139–159.
• Wadagale A.V., Thatkar P.V., Dase R.K. ve Tandale D.V., 2011. Modified Anderson-Darling Test for Wind Speed Data, International Journal of Computer Science & Emerging Technology 2 (2), pp. 249-251.
• Weibull, W., 1938. Investigations into Strength Properties of Brittle Materials, Ingeniörs Vetenskaps Akademiens Handlingar, Royal Swedish Institute for Engineering Research, Stockholm, 27.
• Xu, W. ve Cao L., 2015. Optimal tool replacement with product quality deterioration and random tool failure, International Journal of Production Research. 53 (6), pp.1736-1745.
• Yang F. ve Yue Z., 2014. Kernel density estimation of three-parameter Weibull distribution with neural network and genetic algorithm, Applied Mathematics and Computation 247, pp. 803–814.
• Zhou, C., Chandra J., ve Wysk R.,1990. Optimal cutting tool replacement based on tool wear status, Int. J. Prod. Res., 28 (7), pp.1357-1367.