PYXIDA Institutional Repository
and Digital Library
 Home
Collections :

Title :Μετάβαση από τον συμβατικό στον έξυπνο έλεγχο ποιότητας
Alternative Title :Transition from conventional to smart quality control
Creator :Μπαντές, Φώτιος
Contributor :Χατζηστέλιος, Γεώργιος (Επιβλέπων καθηγητής)
Κηρυττόπουλος, Κωνσταντίνος (Εξεταστής)
Πόνης, Σταύρος (Εξεταστής)
Οικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Οργάνωσης και Διοίκησης Επιχειρήσεων (Degree granting institution)
Type :Text
Extent :92σ.
Language :el
Identifier :http://www.pyxida.aueb.gr/index.php?op=view_object&object_id=11227
Abstract :Στην παρούσα διπλωματική εργασία εξετάζεται η μετάβαση από τον συμβατικό ποιοτικό έλεγχο σε ένα σύγχρονο μοντέλο ελέγχου ποιότητας στον κλάδο της χύτευσης αλουμινίου υπό πίεση. Η έρευνα επικεντρώνεται στο να αποτιμήσει τα οικονομικά αλλά και τεχνικά οφέλη που μπορεί να έχει αυτή η μετάβαση για μία μικρομεσαία εταιρεία του κλάδου. Τεχνολογίες οι οποίες έχουν εξελιχθεί σημαντικά τα τελευταία χρόνια μπορούν να εφαρμοστούν στην παραγωγική διαδικασία ενεργώντας συμπληρωματικά στις παραδοσιακές διαδικασίες ελέγχου ποιότητας ή αντικαθιστώντας μέρος αυτών.Αρχικά διενεργείται μία εκτενής βιβλιογραφική έρευνα με σκοπό να εντοπισθούν κύρια χαρακτηριστικά και προβλήματα στον κλάδο που χρήζουν βελτίωσης, να βρεθούν νέες τεχνικές παρακολούθησης της διαδικασίας που μπορούν να εφαρμοστούν, να μελετηθούν τα αποτελέσματα και οι προτεινόμενες μεθοδολογίες από σχετικές μελέτες περίπτωσης και τέλος να κατανοηθούν τα κόστη ποιότητας και παράμετροι οι οποίες τα επηρεάζουν. Έπειτα παρουσιάζονται τα εργαλεία του συμβατικού ελέγχου ποιότητας και τα νέα εργαλεία στα πλαίσια της ποιότητας 4.0 τα οποία μπορούν να χρησιμοποιηθούν.Αντλώντας πραγματικά δεδομένα από την εταιρεία ΒΙΟΡΑΛ ΑΒΕ αναλύεται η παρούσα κατάσταση υπολογίζοντας συνολικά τα κόστη ποιότητας και τις επιμέρους συνιστώσες τους. Εστιάζοντας σε ένα συγκεκριμένο προϊόν της εταιρείας γίνεται ανάλυση της παραγωγικής διαδικασίας και εντοπίζονται τα σημεία εκείνα, τα οποία συνεισφέρουν τα μέγιστα στο κόστος ποιότητας και δεν αποτελούν εργασίες προστιθέμενης αξίας, όπως οι εσωτερικές απορρίψεις και οι οπτικοί έλεγχοι ποιότητας.Συνδυάζοντας διαφορετικές μεθοδολογίες από την βιβλιογραφία και έχοντας υπόψη την υπάρχουσα υποδομή της εταιρείας σχεδιάζεται ένα σύστημα βελτιστοποίησης και πρόβλεψης ελαττωμάτων που μπορεί να εφαρμοστεί στην παραγωγική διαδικασία. Το προτεινόμενο σύστημα βασίζεται σε δεδομένα της παραγωγής τα οποία αναλύονται με την χρήση μηχανικής μάθησης και αναμένεται βοηθήσει στην μείωση των αστοχιών και των ελέγχων μειώνοντας έτσι το συνολικό κόστος ποιότητας.Μεταβαίνοντας στην παραπάνω μέθοδο ελέγχου ποιότητας η εταιρεία μπορεί να μειώσει σημαντικά το κόστος παραγωγής προσφέροντας καλύτερες τιμές στους πελάτες της και παράλληλα αυξάνοντας τα κέρδη της. Το σύστημα μπορεί να ενισχύσει την ποιότητα των προϊόντων και να προστατεύσει τον πελάτη και την εταιρεία από υπέρογκα κόστη εξωτερικής αποτυχίας. Τέλος θεωρείται πως το σύστημα αυτό αλλά και αντίστοιχες μέθοδοι θα βοηθήσουν στην εξέλιξη της χύτευση από μια διαδικασία βασιζόμενη στην εμπειρία των ανθρώπων σε διαδικασία βασιζόμενη σε δεδομένα και αντικειμενικά μοντέλα.
This thesis investigates the transition from conventional quality control to a modern quality control model in the sector of aluminium high pressure die casting. The research focuses on evaluating the economic and technical benefits arising from this transition for a small to medium sized company of the industry. Technologies that have significantly evolved during the last years can be applied to the process assisting the traditional quality control methods or replacing parts of them.Initially, an extended literature review was carried out to identify the key characteristics and problems of the industry that can be improved, to find new methods for process monitoring, to study the results and the suggested methodologies from similar case studies, and finally to understand the cost of quality and its parameters. Using real data from the company Vioral S.A. the current situation was analyzed by calculating the cost of quality in corporate level and its components. Focusing on a specific product, the production process was analyzed identifying the components that contribute the most to the quality cost and the non-value-adding processes, such as internal rejects and visual inspection.Combining different methodologies from the literature and taking into account the current infrastructure of the company, an optimization and defect detection system was designed. The recommended system was based on machine learning algorithms using equipment data and is expected to facilitate the reduction of failures and inspections, thus reducing the overall cost of quality.Through the transition to the proposed quality control method, the company can significantly reduce the production costs, offer better prices to the customers and increase the profit. The method can enhance the quality of the products and protect the customer and the company against high external failure costs. Finally, it is expected that this method can help transform high pressure die casting from an experience-based process to one relying on data and objective models.
Subject :Ποιότητα 4.0
Μηχανική μάθηση
Παρακολούθηση διαδικασιών
Πρόβλεψη ελαττωμάτων
Κόστος ποιότητας
Quality 4.0
Machine learning (ML)
Process monitoring
Defect prediction
Quality cost
Date Available :2024-03-30 12:32:58
Date Issued :05-03-2024
Date Submitted :2024-03-30 12:32:58
Access Rights :Free access
Licence :

File: Bantes_2024.pdf

Type: application/pdf