Rádi György - A Termelésirányítás Szervezési Módszerei (MeRSZ)

A TERMELÉSIRÁNYÍTÁS SZERVEZÉSI MÓDSZEREI
Rádi György
Impresszum
Bevezetés
I. A Termeléshez közvetlenül tartozó tevékenységek
szervezése
II. Vállalati szolgáltató folyamatok szervezése
Irodalomjegyzék
Impresszum
A jelen digitális kiadás alapjául a 2018-ben megjelent A termelésirányítási rendszerek
szervezési módszerei (Akadémiai Kiadó, Budapest) című mű szolgált
Írta
Rádi György
ISBN 978 963 454 191 2
Kiadja az Akadémiai Kiadó,

az 1795-ben alapított
Magyar Könyvkiadók és Könyvterjesztők Egyesülésének tagja
1117 Budapest, Prielle Kornélia u. 21–35.
www.akademiai.hu
Első magyar nyelvű digitális kiadás: 2018
© Rádi György, 2018

© Akadémiai Kiadó, 2018
A kiadásért felelős az Akadémiai Kiadó Zrt. igazgatója
Minden jog fenntartva, beleértve a sokszorosítás, a nyilvános előadás, a rádió- és

televízióadás, valamint a fordítás jogát, az egyes fejezeteket illetően is.
Bevezetés
A termelésirányítás a vállalat minden folyamatát érinti valamilyen módon, de nyilvánvalóan
ezen jegyzet nem térhet ki mindenre. Fő szempontunk a feldolgozott témák kiválasztásában az
volt, hogy legyen egy áttekintésünka termelésirányítás elméletéről, de ahol csak lehetséges,
ott konkrét és akár általánosan használható szervezési technikákat mutassunk be. Ezen
módszerek bemutatásához a ma már mindenki számára könnyen elérhető Excelt használjuk a
legtöbb esetben.
E jegyzethez egy Excel munkafüzet is tartozik, mely a kidolgozott példákat tartalmazza.
Maga a jegyzet is leírja ugyan ezen feladatok zömét, de nem mindet, és egyébként is könnyíti
a megértést, ha Excelben is látható a megoldás, nem csak hivatkozás van rá. Ez az Excel
állomány a www.pszfsalgo.atw.hu oldal „Letöltések” füléről a „Szervezési módszerek”
címszó alól tölthető le.
Tekintsük át, hogy egy iparvállalat rendszertechnikai és funkcionális modelljében hogyan
kapcsolódnak össze az anyag-, erőforrás- és adattranszformációk az iparvállalat alapvető
funkcióival, alrendszereivel:
1. ábra. A vállalkozások alrendszerei

Forrás: Dr. Kinczel Ferenc, Számítógépes termelésirányítás diasorozat
I. A Termeléshez közvetlenül tartozó tevékenységek

szervezése
I.1. Tervezés
I.2. Termelési feltételek biztosítása
I.3. Termelésirányítás (TIR)
I.1. Tervezés
I.1.1. Vállalati tervek
I.1.2. A tervkészítés információi
I.1.3. Tervezési módszerek
I.1.1. Vállalati tervek

A terv időtartam szerint lehet:
• hosszú távú (10–15 év),

• középtávú (3–5 év),
• rövid távú (kb. 1 év).
A terv a következő területekre térhet ki:
• termelés,
• műszaki fejlesztés,
• anyag- és energiafelhasználás,
• állóeszköz-fejlesztés,
• munkaügy,
• pénzügy,
• értékesítés.
I.1.2. A tervkészítés információi

I.1.2.1. Rendszeren (vállalaton) kívüli információk
I.1.2.2. Rendszeren (vállalaton) belüli információk
I.1.2.1. Rendszeren (vállalaton) kívüli információk

I.1.2.1.1. Központi előírások
• kormányzati irányelvek
• ágazati fejlesztési koncepciók
• funkcionális irányítószervek információi (Pénzügyminisztérium, környezetvédelem stb.)
I.1.2.1.2. Piaci információk
• várható kereslet
• versenytársak várható lépései
• a piaci versenyt érintő egyéb információk
I.1.2.2. Rendszeren (vállalaton) belüli információk
• munkaerővel kapcsolatos normák, fajlagosak

• anyag- és energianormák
• termelő berendezésekkel kapcsolatos normatívák
• a rendelkezésre álló erőforrások mértéke
• célok
I.1.3. Tervezési módszerek

I.1.3.1. Kézi módszerek
I.1.3.2. Gépi módszerek
I.1.3.1. Kézi módszerek

• heurisztikus vagy rávezető, kitaláló (kisebb üzemekben, tapasztalat alapján)
• gyártmánykarakterisztikák (Ha csak egy szűk kapacitásunk van, akkor azt kell alapul venni. Pl. 1
normaórára jutó fedezet, 1 gépórára jutó fedezet, egységnyi anyagfelhasználásra jutó fedezet.)
• grafikus (2 termék esetén, kevés gyártási korlátnál)
I.1.3.1.1. Példa gyártmánykarakterisztika tervezésre
Tízféle terméket gyárthatunk, és csak a normaóra mennyisége a szűk kapacitásunk. A gyártásra

szánható normaóra mennyisége órában: 1000. Mi legyen a termékösszetétel, ha maximalizálni
szeretnénk a fedezetösszeget? Az alábbi táblázat tartalmazza a szükséges adatokat.
(Vegyük észre, hogy az alapadatok az Excel által könnyen létrehozható sorozatok, amelyeket néhol
csak kicsit módosítottunk!)
1. táblázat. Alapadatok
Számítsuk ki az alábbi adatokat!

2–3. táblázat. Származtatott adatok számokkal és képletekkel
Most, hogy már megvan az egy normaórára jutó fedezet, e szerint kell sorba raknunk a termékeket.
Az Excel több lehetőséget is nyújt a rendezésre. Itt tekintjük át ezen lehetőségeket, hogy egyszer ezt
együtt is láthassuk, illetve hogy ne kelljen később a többi példában magyarázni, hanem mindenki
kiválaszthatja a megfelelő rendezési módot az adott feladathoz.
A legegyszerűbb az Excel „Kezdőlap” menüszalagján lévő „Rendezés és szűrés” parancs (ez az

„Adatok” menüszalagról is elérhető). Gyakran szokták „helyben” rendezésnek is nevezni, mert az
eredeti adatterületen végzi ezt el. Két változata lehet. Az egyik az, hogy csak a rendezendő terület egy
celláján állunk. A cellát úgy kell megválasztanunk, hogy abból az oszlopból kerüljön ki, amely szerint
rendezni akarunk. Tehát jelen esetben a H9:H18 terület egy celláján kellene állnunk. Ez a megoldás azt
használja ki, hogy az Excel az adatbázis jellegű műveleteknél (Rendezés, Szűrő, Diagramok, Kimutatás,
Táblázat stb.) az aktuális cellától minden irányba kiterjeszti a feladatra értelmezett területet a
legközelebbi üres sorig, oszlopig, de legfeljebb a munkalap széléig. Ez a legegyszerűbb és leggyorsabb
megoldás, de nem mindig működik. Például most sem, mert a területhez hozzájelöli a táblázat 7. és 8.
sorában lévő egyesített cellákat is, és így már nem tudja végrehajtani a rendezést. Erről az alábbi
üzenetben tájékoztat is minket. Itt látható az is, hogy a H9-es aktív cella körül hogyan terjesztette ki a
feladat végrehajtásához (szerinte) szükséges területet (A7:H18).
4. táblázat. A Microsoft Excel üzenete, ha az egyesített cellák miatt nem tudja végrehajtani a
rendezést
A második megoldás az, ha mi jelöljük ki a szerintünk szükséges területet (A9:H18). Ebben az esetben
nem használhatjuk közvetlenül a „Rendezés (A–Z)” vagy a „Rendezés (Z–A)” parancsot vagy ikont, mert
ilyenkor mindig a kijelölt terület első oszlopa szerint rendezne („A” oszlop szerint). A „Kezdőlap”
menüszalag „Rendezés és szűrés” menüjéből az „Egyéni sorrend…” parancsot kell használnunk. Lásd
az alábbi képen a menürészletet.
5. táblázat. Rendezés és szűrés – Egyéni sorrend
Megjelenik a „Rendezés” nevű ablak (lásd lent). Mögötte jól látszik az általunk kijelölt terület. Az ablak
paramétereit a képen látható módon állítjuk be, azaz a „H” oszlop szerint rendezünk csökkenő
sorrendben („A legnagyobbtól a legkisebbig”).
6. táblázat. Rendezés a H oszlop szerint „A legnagyobbtól a legkisebbig”
Ez a rendezési mód most megfelelne, de hátránya, hogy az eredeti területünk átrendeződne, ami nem
mindig szerencsés.
Ha szeretnénk megőrizni az eredeti adatterület is, vagy csak nincs szükség a teljes terület
rendezésére, akkor használhatjuk a harmadik lehetőséget. Olyan esetben sem rendezhetünk helyben,
ha a rendezendő oszlop több sorra hivatkozó képletet tartalmaz, hiszen ilyenkor a rendezés
tönkreteszi a képletek logikáját. (Például láncviszonyszám oszlopa szerint nem tanácsos helyben
rendezni.) Ezt statikus rendezésnek is nevezhetjük, mert egy külön területre másoljuk át a rendezéshez
szükséges oszlopokat, és ott az első két módszer valamelyikével rendezzük. Ennek az a
következménye, hogy elveszítjük a kapcsolatot az eredeti terület és az átmásolt rendezett terület
között. Az eredeti területen bekövetkező változás esetén meg kell ismételni a másolást és a rendezést.
A negyedik lehetőség az, amikor képletek segítségével rendezzük adatainkat. Itt is változatlan
marad az eredeti adathalmaz, mint a statikus rendezésnél. A rendezett területen viszont célszerű
képleteket alkalmazunk, ami biztosítja a dinamikus kapcsolatot a két terület közt. Ezért ezt a rendezést
dinamikus rendezésnek nevezhetjük.
Nézzük először a statikus rendezés megvalósítását! A képleteket tartalmazó oszlop esetében (H)
nem a képletet másoljuk át – hiszen ilyenkor a relatív címzés szabályai szerint megváltoznának a
képletek –, hanem csak az értékét. Ezért a H oszlop adatait (H9:H18) az „Irányított beillesztés”
segítségével csak értékként átmásoljuk a J9-re illesztve. Az A9:A18 területről a neveket is átmásoljuk
a K9 területre, illetve az F9:F18 területről a fajlagos normaóra-szükségletet az L9-re, hogy ebben az
elrendezésben is meglegyenek a további számításokhoz. Célszerű a megnevezéseket (J7:L8) is a
megfelelő oszlop fölé másolni (utólag, mert egyesített cellákról van szó).
Jelöljük ki a rendezendő területet (J9:L18). Hívjuk meg az „Adatok” menüszalag „Rendezés”

parancsát (vagy lehetne a „Kezdőlap” menüszalagról is). Az alábbi ábra szerint állítsuk be, hogy az
„Oszlop J” nevű oszlop szerint „A legnagyobbtól a legkisebbig” rendezze „Értékek” szerint.
7. táblázat. A rendezendő terület kijelölése
8–9. táblázat. Balra a rendezés eredménye, jobbra dinamikus rendezés
10. táblázat. A dinamikus rendezés területe képlettel
Az alábbi ábrán láthatjuk, hogyan célszerű az egyes termékek termelési tervét összeállítani a rangsor
alapján. A T15-ös cellába még be kell írni a kép alsó részén lévő számítások 72-es eredményét! A
számításokat tanulmányozzuk is át! Célszerű számításainkat Solverrel is ellenőriznünk, amit a
következő részekben tanulunk meg részleteiben.
11. táblázat. Az egyes termékek termelési tervének összeállítása a rangsor alapján, ellenőrzés
Solverrel
12. táblázat. Az egyes termékek termelési tervének összeállítása a rangsor alapján, ellenőrzés
Solverrel – képlettel
A T15-ös cella tartalma meghatározható a bináris keresés elvével (célszerű próbálgatással) vagy
célértékkereséssel is.
A „Célértékkeresés…” menüpont az „Adatok” menüszalag „Lehetőségelemzés” legördülő menüből

érhető el. Lásd az alábbi ábrán a menüszalagot és a Célértékkeresés paraméterezését. Ezáltal kérjük,
hogy az U19-es cella képlete legyen egyenlő 1000-rel, miközben a T15-ös cella változhat. Ez a változó,
amely ezért van zöld színnel jelölve. A későbbi feladatokban (Solver, Célértékkeresés) is zöld színnel
lesznek jelölve a változó szerepkört játszó cellák.
13. táblázat. Célérték keresése
I.1.3.1.2. Példa grafikus tervezésre

Legyen 2 termékünk (X1 és X2 darabot gyártsunk belőlük) 2 gyártási korláttal az alábbiak szerint:
X1 és X2 >= 0 (csak nem negatív lehet a termelés).
1. gyártási korlát: 2X1 + X2 <= 4 (pl. esztergagépidő-felhasználás, miszerint 1 db X1 termék

legyártásához 2 óra esztergagépidőre van szükség, míg 1 db X2 termék legyártásához 1 óra
esztergagépidőre. Legfeljebb 4 óra esztergagépidőnk van erre a célra).
2. gyártási korlát: 2X1 + 3X2 <= 6 (pl. marógép gépidő felhasználása).
Célfüggvény: max z = X1 + X2 (pl. minél többet gyártsunk a termékekből, vagy mindkét termék
fedezete 1).
A két gyártási korlát egyenlőtlenségét átrendezhetjük az alábbiak szerint, hogy ábrázolhassuk az

alábbi ábrán:
X2 <= 4 – 2X1
X2 <= (6 – 2X1) / 3
A célfüggvényt is célszerű ilyen formára hozni: X2 = max z – X1.
2. ábra. Két gyártási korlát és célfüggvény

Forrás: saját szerkesztés
Mivel a célfüggvénynél nem ismerjük a metszéket, csak a meredekséget, ezért egy tetszőleges
metszékre (jelen esetben max z = 6) felvesszük az egyenest, majd vele párhuzamosan eltoljuk, amíg el
nem érjük a két korlátunk közös metszetéből (lehetséges megoldások halmazából) az egyik pontot
úgy, hogy a metszék a lehető legnagyobb legyen. Ezt célszerű két derékszögű vonalzóval végezni. Az
egyik most kék színnel látszik, és a vonalzó egyik befogója ráesik a célfüggvényünk vonalára. A másik
derékszögű vonalzó most piros színű, és az egyik befogója rásimul a másik befogójára. Ezen a vonalon
addig toljuk a második vonalzót, amíg annak másik befogója úgy éri el a két korlátunk közös
metszetéből az egyik pontot, hogy a célfüggvényünk metszéke a legnagyobb legyen.
Az ábráról leolvashatjuk az X1 értékét (ahol a piros vonalzó éppen eléri a két egyenesünk és a
tengelyek által behatárolt területet): 1,5; a hozzá tartozó X2 értékét: 1 és a max z értékét, ami a kettő
összege, de a piros vonalzó függőleges tengellyel való metszékeként is megkapjuk: 2,5.
Használjuk ki az Excel lehetőségeit és oldjuk meg azzal is.
Ehhez először a két egyenlőtlenséget egyenlőséggé alakítjuk (elhagyjuk a < jelet), majd az Excel
grafikus ábrázolásához felvesszük az értéktáblázatukat az alábbi táblázatok szerint. Lásd az A, B és C
oszlopokat eredményekkel és képletekkel is!
Az Excel megkönnyíti a diagram elkészítését, ha gondoskodunk arról, hogy az adatok egy zárt
téglalappal lefedhetők legyenek. Az első oszlopban az X értékei legyenek, míg az első sorban az
ábrázolt függvények neve: (lásd a példánk szerint):
14–15. táblázat. A diagram elkészítése Excelben eredményekkel és képletekkel
Ha már kellő részletezettségű értéktáblázattal felvettük a két függvényt, akkor ennek segítségével is
kiszámolhatjuk a célfüggvényünk értékeit az X1 függvényében. Ehhez a D oszlopban a B és C oszlopban
lévő X2 értékek közül kiválasztjuk a minimális értéket a MIN függvény segítségével, mert kisebb
egyenlőre kell teljesítenünk mindkét egyenletet. Lásd a két képletet:
X2 <= 4 – 2X1
X2 <= (6 – 2X1) / 3
A célfüggvényünk a fentiek szerint így néz ki: max z = X1 + X2. Ezt az E oszlopban számoljuk ki. Az E
oszlopból már csak a legnagyobbat kell kikeresnünk, hogy meglegyen a célfüggvényünk értéke. Az E24-
es cellában láthatjuk a legnagyobb elem kikeresését a MAX függvény segítségével. Az értéke: 2,5.
Kikereshetjük szemmel is, hogy hol van ez az érték az E oszlopban, de a HOL.VAN függvénnyel is
megoldhatjuk. Lásd az E25-ös cellát. Innen leolvashatjuk, hogy a 16. elem az (az Excel táblázatban a
17. sor, mert a legelsőben a megnevezések vannak), amelynél az X1-hez az 1,5 érték, míg az X2-höz az
1 tartozik (D oszlopból leolvasva).
A feladatot meg is oldottuk, de azért grafikusan is ábrázoljuk, és olvassuk le róla is az eredményt.
A grafikus megoldáshoz elég volna kijelölni az A1:C22 területet. Célszerű azonban a Ctrl segítségével
még hozzájelölni az E1:E22 tartományt is. Pont-, más néven XY diagramot kell használnunk, mert csak
ennél a diagramtípusnál kerül számegyenes az X tengelyre (más diagramtípusoknál az X
tengelyre kategóriák – szövegek – kerülnek).
Így az X1 függvényében a célfüggvényértékeket is ábrázolhatjuk. Lásd a lenti ábrán. Ezáltal

egyszerűsödik a maximális érték leolvasása, amely kb. X1=1,5 értékénél lesz a legnagyobb, kb. 2,5. Az
X2 értékét a két alapegyenletünkből olvashatjuk le az X1=1,5 pontnál (ha eltérők volnának az
egyenletekben, akkor a kisebb X2-t kell választanunk), amely szerint X2=1.
3. ábra. A feladat ábrázolása grafikusan

I.1.3.2. Gépi módszerek

I.1.3.2.1. Grafikus megoldás ellenőrzése Solverrel
Láthattuk, hogy grafikusan számítógép nélkül is megoldhatjuk a feladatot, persze könnyebb ezt is
számítógép segítségével elvégezni. Igazán pontos értéket persze csak egzakt számítással kaphatunk.
Ebben is sokat segít az Excel Solver menüpontja. Oldjuk meg azért egzaktan is a Solver segítségével a
feladatot. Lássuk az alábbi ábrákon az adatok, képletek és a Solver paramétereinek megadását! Az
ábrán már a megoldás utáni állapotot látjuk. A H2-es cellából olvashatjuk le az X1 értékét, amely 1,5.
Az I2-es cellában az X2-es értéke pedig 1. Induláskor ezeket a cellákat általában üresen hagyjuk. A
célfüggvény értéke a J5-ös cellából olvasható le: 2,5. A kerek értékek miatt tehát itt a grafikus
megoldás is a pontos megoldást adta.
16–17. táblázat. Grafikus megoldás ellenőrzése Solverrel eredményekkel és képletekkel
18. táblázat. A Solver paraméterei
Az operációkutatás számos modellt kínál az optimális termelési programok kialakításához. Még több
számítógépes program szolgálja mindezt. A legkönnyebben alkalmazható operációkutatási modell
a lineáris programozás. A legegyszerűbben hozzáférhető program ehhez pedig az Excel „Adatok”
menüszalagjában található Solver parancs. Ha a szalagon nem látszik, akkor be kell kapcsolni a „Fájl”
menü „Beállítások” ablakában a „Bővítmények” panel alján lévő „Ugrás” parancsgombbal („Excel
bővítmények”-re ugrunk). A megjelenő „Bővítménykezelő” ablakban bejelöljük a Solver bővítményt és
az OK gombbal nyugtázzuk.
Ráadásul a Solver nemcsak a lineáris modellt kezeli, hanem a nem lineárist is, de tudja
az egészértékű(néhány változó csak egészértékű lehet) és a bináris (néhány változó csak 0 és 1 értéket
vehet fel) programozást is. Az Excel 2010-es és későbbi verziói lehetővé teszik az úgynevezett „dif”
(„MindKülönböző”) feltétel megadását is, ami egy N darabból álló változócsoport értékeit korlátozza
be 1 és n közötti egész számmá.
Nézzük a gépi tervezés munkafázisait:
1. A probléma megfogalmazása: vezetői feladat, amely valamilyen gazdasági, termelési

célkitűzés.
2. Adatgyűjtés.
3. Modellszerkesztés: valósághű legyen, de számítástechnikailag kezelhető maradjon.
1. változók kijelölése
2. feltételrendszer kialakítása
1. kapacitáskorlát
2. nyersanyagkorlát
3. energiakorlát
4. önköltségkorlát
5. beruházási korlát
6. létszámkorlát
7. deviza-felhasználási korlát
8. termékmérleg
9. piaci korlátok
3. célfüggvény kijelölése
1. nyereségmaximalizálás
2. fedezetmaximalizálás
3. termelésiérték-maximalizálás
4. árbevétel-maximalizálás
5. ráfordításminimalizálás
6. devizabevétel-maximalizálás
7. importkiadás-minimalizálás
4. A matematikai modell felállítása.
5. A konkrét program igénye szerinti bemeneti adatok előkészítése.
6. A számítások elvégzése, az eredmények értékelése, a szükséges módosítások végrehajtása.
I.1.3.2.2. Primál-duál feladatpár, az árnyékár jelentősége
Egy klasszikus termelésprogramozási feladatban csak a technológiai korlátokat vesszük figyelembe.

Ezt láttuk a grafikus példában is. Matematikai modellje a primál feladat. A feladat matematikailag egy
másik módon is felírható, amelyet duál feladatnak nevezünk.
Primál feladat:
Duál feladat:
A két feladat optimuma megegyezik:

Az A mátrixot technológiai együtthatók mátrixának is szoktuk nevezni, mivel egy eleme (aij) azt adja
meg, hogy az oszlopban lévő (j) termék egy egységének legyártásához mennyi erőforrásra van szükség
a sorokban lévő (i) erőforrásokból. (A grafikus feladatnál az eszterga- és marógépidő-szükségletek.)
Xj a j. termékből gyártandó mennyiség
bi az i. erőforrás felső határa
Cj a j. termék egységára, fedezete, nyeresége stb.
wi kifejezi, hogy az i. erőforrás egységnyi növelésével hány egységgel nő a célfüggvény értéke.

Egységár jellegű mennyiség. Az erőforrás árnyékárának nevezzük azt, amit a Solver érzékenységi
jelentéséből olvashatunk le. Lásd később.
A primál feladat célja egy maximális árbevételt biztosító termelési program készítése, amely az
erőforrásainkból végrehajtható. A duál feladat célja az erőforrások olyan áron (árnyékáron) történő
eladása, amely minimális költséggel jár a vásárlónak, de biztosítja azt az árbevételt az eladónak,
amelyet ő várna az erőforrások termelésben történő felhasználása esetén.
Az i. duál változó csak ott nagyobb nullánál, ahol az i. erőforrást teljesen felhasználtuk.
A duál feladat duál feladata a primál feladat. A duál feladat magoldása leolvasható a primál feladat
megoldásából is, és fordítva is.
Az árnyékárakat a Solver is kiszámolja, ha kérjük a jelentések közül az „Érzékenység jelentést”.
I.1.3.2.3. A Solver jelentései
Ezt a Solver „Megoldás” gombjának megnyomása után kapott, „A Solver eredményei” ablakban
kérhetjük az alábbiak szerint, ahol most az összes jelentést bejelöltük.
19. táblázat. A Solver eredményei
I.1.3.2.3.1. Eredményjelentés
A „Jelentésvázlatok” jelölőnégyzet bejelölésével kérhetjük, hogy az eredményjelentés vázlat jellegű
legyen. Ekkor a jelentés egyes részei vázlat jellegűen kinyithatók vagy bezárhatók. Lásd alább az
eredményjelentés mindkét változatát. Az első ábra a teljes képernyőt tartalmazza, hogy az alkalmazott
menüszalagot is lássuk. Itt nem kértük a vázlat jellegű megjelenítést. A második ábrán már kértük. A
bal szélen lévő és , illetve gombokkal lehet a szokásos módon kinyitni, bezárni az egyes
szinteket.
Vegyük észre a jelentéseken, hogy a táblázatunkban célszerűen elhelyezett magyarázószövegeket

a jelentések beépítik tartalmunkba, így azok sokkal jobban értelmezhetők!
20. táblázat. Eredményjelentés
21. táblázat.
A jelentések általában elég jól érthetők, csak egy-két dologgal érdemes kiegészíteni őket. Az „Állapot”
részhez érdemes megjegyezni, hogy a „Korlátoz” érték kerül ide, ha az érintett korlátot kimerítettük.
Ilyenkor a „Korlátváltozó” értéke nulla. A „Nem korlátoz” szöveg kerül be, ha nincs kihasználva a
kapacitás. Ilyenkor a „Korlátváltozó” nem nulla. Az „Egész” oszlopba „Egész” szöveg kerül, ha egészre
korlátoztuk azt, a „Bináris”, ha binárisra és a „MindKülönböző”, ha arra. Egyébként a „Folytonos”
szöveg íródik ide, mint most is.
I.1.3.2.3.2. Érzékenységi jelentés

22. táblázat. Érzékenységi jelentés
A „Csökkentett költség” (régebbi változatokban „Redukált költség”) a duál feladat megfelelő

feltételének bal és a jobb oldala közötti különbségét jelenti, hasonlóan az eredményjelentés
„Korlátváltozó”-jához, amely a primál feladat feltételeinél jelentkező különbséget adja.
Láthatjuk, hogy mindkét erőforrásnál az árnyékár nagyobb mint nulla (0,25 mindkettőnél, lásd az
érzékenységi jelentés E15:E16 celláit). Tehát, ha egy egységgel bővítenénk valamelyik erőforrást,
akkor 0,25-dal nőne a célfüggvény értéke. Sajnos ez csak erre az egy egység bővítésre igaz. Az
eredményjelentésből egyúttal azt is láthatjuk, hogy mindkét erőforrást teljesen felhasználtuk
(G27:G28 cellák jelzik ezt). Ezért lehet nullánál nagyobb az árnyékár.
Az érzékenységi jelentés „Megengedhető növelés” és „Megengedhető csökkenés” adatai a „Változó

cellák” táblázatrészben (G9:H10) változónként adják meg, hogy a célfüggvény-együtthatójuk
mennyivel növekedhet, illetve csökkenhet, hogy még ugyanaz maradjon az optimális termékszerkezet.
Az érzékenységi jelentés „Megengedhető növelés” és „Megengedhető csökkenés” adatai a

„Korlátozó feltételek” táblázatrészben (G15:H16) erőforrásonként adják meg, hogy az erőforrás
korlátja mennyivel növekedhet, illetve csökkenhet, hogy még ugyanazokat a termékeket vonjuk be az
optimális termékszerkezetbe.
I.1.3.2.3.1. Korlátjelentés
23. táblázat. Korlátjelentés
A korlátjelentésben a 11. sortól kezdődő táblázatrész azt mutatja meg, hogy egy-egy változó milyen
alsó és felső korlát közt mozoghat, illetve hogy ekkor mennyi lesz a célfüggvény értéke, ha a többi
változó marad az optimális értéken.
Végül érdemes megjegyezni, hogy a Solver paramétereit mindig egy munkalapon kell tárolni, mert
a Solver a második meghívástól kezdve elfelejti, hogy más munkalapra hivatkoztunk. Egyszerűen
elhagyja a munkalapnév minősítést a cellahivatkozásból, tehát mindig az aktív munkalapra fog
hivatkozni.
Az Excel egy munkalapon csak az utolsó Solver feladat paraméterbeállítását őrzi meg, ezért minden
egyes Solver feladatot külön munkalapon érdemes kezelni. Csak így tudjuk később a Solver feladatot
könnyen megnézni, módosítani. A „Solver paraméterei” ablakban a „Betöltés/mentés”
nyomógombbal szükség esetén több Solver feladat is menthető. betölthető egy munkalapon is, de
ettől már egyszerűbb a külön munkalapok használata.
I.1.3.2.4. Mintafeladatok és modellek
Most már érdemes megnézni az előzőekben ismertetett „Gyártmánykarakterisztika” feladatunk

megoldását az Excelben, ahol a Solvert meghívva megnézhetjük, tanulmányozhatjuk paramétereit.
A www.pszfsalgo.atw.hu honlap „Letöltések” füléről még számos, Solverben megoldott feladatot és

modellt tölthetünk le.
A következőket javasoljuk átnézni: Számítástechnikai mintafeladatok (2005) című könyv

„Táblázatkezelés” fejezete, 271–277 oldal. A „Könyveinkhez kapcsolódó tananyagok, mintafeladatok”
csoportból a Számítástechnikai mintafeladatok (2005) könyv pontból a Módszertan Excel állományt,
különösen az utolsó 7 munkalapot (termékszerkezet optimálás, egészértékű programozás, bináris
programozás, szállítási feladat).
A Számítógépes termelésirányítás előadásanyag idevágó része (az első 27 dia, köztük: telephely-
allokálási modell, termelés és termelési kapacitás bővítési modell, durvaprogramozási modell).
Infoprog (számítástechnikai versenyfeladatok) 2011. 1. házi feladat 2. feladata, illetve 2008. 2. házi
feladata (egyenletrendszer megoldása). Érdemes a többi munkalapot is megnézni!
Néhány feladatot külön is részletezünk a következő fejezetekben.
I.1.3.2.4.1. Szállítási feladat
A szállítási feladat kicsit más, mint az eddig megismert termelésprogramozási feladatok. Itt egy
szállítási terv minimális költségből való megvalósítása a cél. Nézzünk egy egyszerű feladatot, rögtön
Excelben a célszerű elrendezés miatt.
24–25. táblázat. Munkagépek szállítási költségei eredményekkel és képletekkel
Forrás: Dr. Gubán Miklós PhD, BGE, főiskolai tanár
A zöld színű változó cellák most a megoldást tartalmazzák, de nyilvánvalóan először legtöbbször
üresen hagyjuk ezeket a cellákat vagy esetleg 1-et írunk (esetleg más praktikus érték is lehet)
mindenhová, mert így könnyebb ellenőrizni a beírt képleteket.
A Solver paramétereit az alábbi módon célszerű beállítani.
Nézzük meg a szállítási feladat matematikai modelljét!

Célfüggvény:
Jelölések:
Ti: az i. telephely (i=1, ..., m)
qi: Ti kapacitása (db)
Éj: a j. építkezés (j=1, ..., n)
rj: Éj igénye (db)
cij: szállítási költség. a Ti-Éj relációban (Ft/db)
xij: Ti szállítása Éj számára (db)
I.1.3.2.4.2. Fejlesztési feladat (bináris változókkal)
Gyakori feladat, hogy alternatívák (most fejlesztési témák) közül kell választanunk. Ilyenkor jól jön a
bináris programozás lehetősége, amely a változó értékét nullára vagy egyre korlátozza be.
Nézzük meg itt is a feladat célszerű elrendezését Excelben! A zöld szín itt is a változók celláit jelöli.
27–28. táblázat. Fejlesztési feladat bináris változókkal, eredményekkel és képletekkel

Forrás: Dr. Kinczel Ferenc, a BGF PSZF-i Kar Salgótarjáni Intézetének docense
Vegyük észre, hogy a B10-es cella, amely az éves kamat értékét tartalmazza, „p”-nek van elnevezve.
Bármely cellát elnevezhetünk, ha aktuálissá tesszük (vagy tömb esetén kijelöljük azt), és a
szerkesztőléc bal szélén beírjuk a nevét. Most a „p” név látszik ott.
29. táblázat. A B10-es cella az éves kamat értéke, „p”-nek elnevezve
Érdemes áttanulmányoznunk, hogyan számolódik ki a 19. sorban a nettó jelenérték. Ezt pénzügyi
függvénnyel is ki lehetne számolni, ha a B19-es cellába ezt a képletet írnánk:
=NMÉ(p;B12;B13;B14;B15;B16;B17). Ekkor ugyanaz számolódna ki, és másolható is lenne, mert a „p”
név abszolút címzés módjára viselkedik.
30. táblázat. A Solver paramétereinek beállítása
Az egészértékű programozásnál (a bináris programozás is egészértékű) az Excel 2010-es változatától

állítható az egészértékűség figyelembevétele. Ilyenkor a „Beállítások” nyomógombbal meg kell hívni
a „Beállítások” ablakot, és az „Egész korlátozások figyelmen kívül hagyása” jelölő négyzet bejelölést
törölni kell, ha be van jelölve.
31. táblázat. A Solver paraméterei – „Beállítások” ablak
A fejlesztési feladat matematikai modellje:
Célfüggvény:
Jelölések:
Ei: az i. erőforrás (i=1, ..., m)
bi: Ei kapacitása
Fj: a j. fejlesztési alternatíva (j=1, ..., n)
aij: j. fejlesztési alternatíva i. erőforrás szükséglete
cj: j. fejlesztési alternatíva becsült hozadéka jelenértékre számítva
xj: megvalósítsuk-e a j. fejlesztést (0 vagy 1 az értéke)
I.1.3.2.4.3. Telephely-allokálási modell

Ebben a feladatban ötvözzük a „szállítási feladat” és a „fejlesztési feladat” problémáját. Célunk itt is
az összköltség (szállítási és fejlesztési költség) minimalizálása.
Nézzünk erre egy példát, a feladatot Dr. Kinczel Ferenc, a BGF PSZF-i Kar Salgótarjáni Intézetének
docense készítette.
Adott egy üzem, amely egyetlen termékcsoportot termel, pl. kerítésfonatot. Kapacitása elégtelen a
hosszabb távra prognosztizált kereslet kielégítésére. Az üzem vagy eredeti telephelyén fejleszti
kapacitását, vagy új telephelyek üzembe helyezésével oldja meg a problémát (a két változat egymás
mellett is realizálható). Hol érdemes új telephelyeket működtetni és honnan történjen a fogyasztók
ellátása? Nézzük Excelben az adatokat, azok célszerű elrendezését és a számításokat! Látszik, hogy
Salgótarjánban nem tervezünk beruházást.
32. táblázat. Alapadatok: távolság, termelőkapacitás, a beruházás tervezett költsége
Az alapadatokból először a szállítási költségeket (1 tonnára vetítve) és az 5 évre szóló igény- és

kapacitásadatokat kell kiszámolnunk az alábbi módon:
33–34. táblázat. Szállítási költség és a tervidőszakra szóló kapacitás és igény eredményekkel és

képletekkel
Tervezzük meg, hogy honnan hová, mennyit szállítsunk! Zöld színnel jelöltük a változók celláit. A
sorok és az oszlopok összegezve vannak, ahogyan a szállítási feladatban is. Most a zöld területen látszik
a helyes megoldás, de induláskor ezek a cellák általában üresek, vagy valamilyen kezdőértéket is
beírhatunk.
35–36. táblázat. Szállítási terv eredményekkel és képletekkel
További változóink, hogy mely telephelyeket hozzuk létre (yi). Értéke bináris, azaz 1, ha létrehozzuk,
0, ha nem. Tervezzük meg ezek helyét is, és számoljuk ki létrehozásuk költségét (yiqi) is, azaz vegyük
figyelembe, hogy létrehozzuk vagy sem őket. Egyben fogalmazzuk meg a célfüggvényünket, azaz
számoljuk ki a teljes költséget. Most is zöld a változó cellák színe, amelyben már a megoldás látható.
37–38. táblázat. Telephelyek létrehozásának és létrehozási költségüknek a kiszámítása

eredményekkel és képletekkel
Tanulmányozzuk át a Solver paraméterezését!

A feladat matematikai modellje:
Célfüggvény:
Jelölések:
Ti: az i. termelőüzem (i=1, ..., m)
qi: Ti kapacitása a tervidőszakban (Me)
si: Ti üzembe állításának költsége (eFt)
yi: 1, ha Ti üzembe áll, 0 egyébként
Fj: a j. fogyasztó (j=1, ..., n)
rj: Fj igénye a tervidőszakban (Me)
cij: szállítási ktg. a Ti-Fj relációban (E Ft/me)
xij: Ti termelése Fj számára (Me)

I.1.3.2.4.4. Termelőkapacitás-bővítési modell
Ebben a feladatban a termelésprogramozási feladatot és a fejlesztési feladatot ötvözzük. Célunk a

maximális nyereség vagy fedezet elérése.
Nézzünk egy példát erre, amelyet részben Dr. Kinczel Ferenc, a BGF PSZF-i Kar Salgótarjáni
Intézetének docense készített.
Gyártsunk háromféle terméket (laposfogó, orvosi fogó és kombinált fogó) négyféle

gép segítségével(eszterga, marógép, síkköszörű és sajtoló). Vizsgáljuk meg. hogy esetleges
gépbeszerzéssel mi lesz az optimális termékszerkezet! Az adatokat és az alapszámításokat nézzük meg
rögtön Excelben, hogy lássuk azok célszerű elrendezését is! Most is zöld a változó cellák színe. (A
megoldást látjuk már benne, amelyet célszerű kitörölni, ha mi magunk is meg akarjuk oldani!)
40–42. táblázat. Az optimális termékszerkezet kiszámítása eredményekkel és képletekkel

A feladat matematikai modellje:
Célfüggvény:
Jelölések:
Gi: az i. homogén gépcsoport (i=1, ...,m)
ti: Gi produktív időalapja a tervidőszakban (óra)
Tj: a j. termékcsoport (j=1, ..., n)
rj: Tj tervidőszaki kereslete (Me)
fj: Tj termékegységnyi fedezete (Ft/Me)
tij: időnorma a Gi-Tj relációban (óra/Me)
xj: tervidőszaki termelés Tj-ből (Me)
yi: az új gépek száma Gi-ben
Dti: egy Gi-hez tartozó új gép produktív időalapja (óra)
ai: egy Gi-hez tartozó új gép beszerzési és üzembe helyezési költsége (Ft)
ki: egy Gi-hez tartozó új gép amortizációs és üzemeltetési költsége a tervidőszakban (Ft)
H: a kapacitásbővítéshez felvett hitel (Ft)
S: saját erő a kapacitásbővítéshez (Ft)
N: a hiteltörlesztés futamideje (év)
p: éves kamatláb (%/100)
R: törlesztőrészlet (Ft/év)
Az eredménnyel azonban még nem lehetünk elégedettek. Meg kell vizsgálnunk a fejlesztés
gazdaságosságát is, azaz hogy a termelésbővítésre fordított pénzt nem lett volna-e jobb pl. a bankban
kamatoztatnunk, vagy ha hitelt vettünk fel, akkor hoz-e annyit, mint amennyit majd a hiteltörlesztésre
fordítunk! Most egyszerűsítsük a feladatunkat, és csak hitelből hajtsuk végre a beruházásunkat!
Nézzük meg, hogyan tudjuk ezt a problémát megoldani:
1. Határozzuk meg az optimális termelési tervet fejlesztés nélkül (x1, ..., xn) H=0, S=0
értékekkel! Jelentése: nincs pénz bővítésre, tehát y1=y2=...ym=0 eredményt kapunk. Ha x1=r1,
x2=r2, ..., xn=rn, akkor minden igény ki van elégítve, bővítésre nincs szükség. Ellenkező
esetben jegyezzük föl a célfüggvény értékét (összes fedezet: F1).
2. Fejlesztéssel (állítsuk be H és S értékét a megfelelő értékre) optimáljunk újra! Jegyezzük fel
a célfüggvény értékét (összes fedezet bővített gépparkkal: F2).
3. Számítsuk ki a fedezet növekményt (ΔF=F2-F1).
4. Rögzített p és N értékekkel számítsuk ki az éves törlesztő részletet (R)! Ha nem találunk
olyan reális p, N értékpárt, ahol ΔF>R, akkor a bővítés nem gazdaságos! R kiszámítását
a RÉSZLET függvénnyel, vagy az annuitás képletével történhet:
R=Hp1+pN1+pN-1
Lássuk Excelben a megvalósítást!
44–45. táblázat. A fejlesztés gazdaságosságának vizsgálata eredménnyel és képlettel
Láthatjuk, hogy most érdemes ezekkel a feltételekkel a beruházást végrehajtani (3200 > 2929).
I.1.3.2.4.5. Egyéb modellek
Még megadunk néhány modellt az Excel munkafüzetben, de kisebb jelentőségük miatt ezen
jegyzetben nem magyarázzuk el. Megértésük az előző példák alapján már elvárható az Excel
munkafüzetből is. Ezek a következők:
• Egyenletrendszer megoldása
• Utazó ügynök problémája
• CPM hálótervezés Solverrel
I.2. Termelési feltételek biztosítása

A termelés legfontosabb kellékei a következők:
• pénz,
• munkaerő,
• munkaeszköz,
• anyag.
Most csak az anyagbiztosítással foglalkozunk.
I.2.1. Anyagbiztosítás
I.2.1. Anyagbiztosítás
I.2.1.1. Az ABC-analízis lényege, Lorenz–Pareto-diagram
I.2.1.2. A készletezéssel kapcsolatos költségek
I.2.1.3. Az anyagrendeléssel kapcsolatos taktikai megfontolások
I.2.1.4. Erőforrás-szükséglet számítása
I.2.1.1. Az ABC-analízis lényege, Lorenz–Pareto-diagram

A vizsgálandó anyagok körét célszerű a meglévő elemzési kapacitás szintjére szűkíteni, illetve azon
anyagok körére, amelyeknél az elemzés költsége megtérül az elemzés révén. Ennek egyik módszere az
ABC-analízis. Célszerű elkészítenünk az ABC-diagramot, vagy más néven a Lorenz–Pareto-diagramot,
amely a következő gondolatot fejezi ki: „Az okok kis hányada okozza a hatások (okozatok) nagy részét!”
Gyakran 80/20-as szabálynak is nevezik, ami arra utal, hogy az esetek 80%-át a kiváltó okok 20%-a
okozza. Sok területen használható az elv, nem csak az anyaggazdálkodásnál.
4. ábra. Lorenz–Pareto-diagram
A legfontosabb anyagok kb. 20%-át „A” anyagnak nevezzük. Ezek jellemzői:
• a felhasználás nagy volumenű

• a termelési folyamatban kulcsanyag
• a felhasználás folyamatos
• mozgására kényszerpályát írnak elő
Nézzünk egy kisebb példát ABC-analízisre és Lorenz–Pareto-diagram készítésére! Vizsgáljuk meg az
alábbi Excel táblázatrészeket értékekkel és képletekkel is! Itt is kihasználtuk az Excel
kitöltési, sorozatkészítési funkcióját, amelyet néhol egyedi beírással törtünk meg. 26 anyag adataival
dolgoztunk, ami már elegendő egy szép diagramhoz, de még nem túl sok adat egy bemutató példához.
46–47. táblázat. Az anyagok alapadatai és származtatott adatai eredményekkel és képletekkel
A rendezés menetét a gyártmánykarakterisztika részben már ismertettük. Az ABC-analízishez a lenti

képeken már fontosságuk szerint, sorban látjuk az anyagokat. Számoljuk ki ezek alapján az érték
halmozott relatív gyakoriságát!
48–49. táblázat. Az érték statikus rendezése és halmozott relatív gyakorisága eredményekkel és

képletekkel
A Lorenz–Pareto-diagram X tengelyére kellenek az anyagféleségek halmozott relatív gyakoriságának

adatai. Számoljuk ki értéküket az alábbiak szerint!
50–51. táblázat. Az anyagféleségek halmozott relatív gyakorisága eredményekkel és képletekkel
Az anyagféleségek halmozott relatív gyakoriságából látjuk, hogy az első 5 anyag adja ki kb. a 20%-ot,
amit „A” anyagnak szoktunk tekinteni. Az érték statikus rendezése adatokból pedig láthatjuk, hogy
az első 5 anyag az érték 46%-át adja.
A diagram elkészítéséhez jelöljük ki az L4:L30 területet mint az X tengely adatainak értékeit. Jelöljük
hozzá a Ctrl gomb nyomva tartása mellett az I4: I30 területet mint az Y tengely adatait. Készítsünk
belőle egy „Pont görbített vonalakkal” típusú diagramot!
52. táblázat. Az anyagféleségek halmozott relatív gyakorisága diagrammal ábrázolva
Sajnos az Excel nem ismerte fel szándékunkat. Felcserélte az X és Y adatokat, mert mindig a fizikailag
előbb lévő területet veszi az X tengelyre, és az utána lévőket az Y tengelyre.
Ezért hívjuk meg az „Adatok kijelölése” menüpontot a diagrameszközök tervezés menüszalagjáról

(a helyét lásd a fenti képen) vagy az adatsorunk helyi menüjéből. A megjelenő „Adatforrás
kiválasztása” nevű panelen az „Adatsor1” sort kiválasztva kattintsunk a „Szerkesztés” gombra. Állítsuk
be a helyes X (L4:L30) és Y (I4:I30) adatsorértékeket, amelyeket már láthatunk is az „Adatsor
szerkesztése” panelen.
53–54. táblázat. „Adatforrás kiválasztása” és „Adatsor szerkesztése” a diagrameszközök
menüszalagról
Az átló adatait is a fenti két panel segítségével adjuk meg, csak most a „Hozzáadás” gombot hívjuk
meg az „Adatforrás kiválasztása” panelről. Az „Adatsor szerkesztése” ablakban pedig az X és Y
értékeknek is az L4:L30 (X) területet adjuk meg. Formázzuk az elkészített diagramot! Itt egy lehetséges
változatot látunk.
5. ábra. Lorenz–Pareto-diagram ABC-analízissel

I.2.1.2. A készletezéssel kapcsolatos költségek

Készlettartási költségek:
• raktárfenntartás, amortizációs költség, bérleti díj,

• anyagmozgatás,
• készletveszteség,
• a befektetett pénz elveszett kamata,
• az anyag erkölcsi avulása,
• egyéb (biztosítás, korrózió stb.).
Készlet utánpótlási költségek:
Rendszeren kívüli költségek:
• ár,
• szállítási költség,
• különleges kezelési költség, csomagolás.
Rendszeren belüli költségek:
• adminisztráció költsége,
• átvételi költség,
• rakodási költség,
• minőség-ellenőrzés költsége.
Hiányköltség:
• termeléskiesési költség,
• good will veszteség (a vevő jóindulatának elvesztése, elmaradt rendelések),
• rendkívüli beszerzési költség,
• késedelmi kötbér,
• adminisztrációs költségek.
I.2.1.3. Az anyagrendeléssel kapcsolatos taktikai megfontolások

A mikor és mennyit rendeljünk kérdésre taktikailag a következő válaszokat adhatjuk:
Mikor rendeljünk?
• 1: előre adott, meghatározott egyenlő időközökben

• 2: ha a készletszint elér egy minimális értéket (Smin – jelzőkészlet)
Mennyit rendeljünk?
• A: akkora mennyiséget, hogy a készlet a tétel beérkezésekor egy előre meghatározott maximális
szintet érjen el (jelöljük ezt Smax-szal, amely igazodhat pl. a raktárkapacitáshoz, vagy a pénzügyi
lehetőségeinkhez)
• B: előre meghatározott, azonos nagyságú (állandó) tételt
Nézzük meg a fenti lehetőségek kombinálását: 1B lehetőség nem alkalmas készletgazdálkodásra.
Egyszerűsége miatt viszont felhasználjuk a következő fejezetben egy determinisztikus modell
nyitókészletének meghatározásához.
I.2.1.3.1. Ciklikus modell
Az 1A lehetőséget ciklikus modellnek nevezhetjük, mert egyenlő időközökben egy Smax-hoz

igazodva rendelünk.
T1, T2, Smax rögzített
T1=T2
q1≠q2
A ciklus vége előtt „E” idővel készletellenőrzést hajtunk végre. Ez alapján extrapoláljuk a fogyást, ami
alapján megállapíthatjuk a rendelendő mennyiséget.
Előny: Könnyen ütemezhető.
Hátrány: Változik a rendelendő tételnagyság, extrapolálási hiba léphet fel.
Alkalmazhatóság:
• ha a felhasználás ingadozása kicsi,

• ha a készlet ellenőrzési költség viszonylag nagy a készlettartás és hiány költséghez képest.
Nem túl gyakran alkalmazzák, kicsi a modell jelentősége.
I.2.1.3.2. Csillapításos modell
A 2A lehetőséget csillapításos modellnek nevezzük. A lényege, hogy akkor rendelünk, amikor a

készletszint eléri az Smin (jelzőkészlet) szintet, és annyit rendelünk, hogy a rendelés beérkezésekor
éppen az Smax készlet lesz majd a raktáron.
6. ábra. Csillapításos modell
Smax, Smin rögzített
q1≠q2
T1≠T2
Előny: Ingadozó felhasználás esetén a szükséglet alakulásának függvényében tudjuk meghatározni a

rendelési időpontot.
Hátrány: Folyamatos készletellenőrzést igényel. „E” idővel előbb kell a rendelést feladni, ezért
extrapolálási hiba léphet fel.
Alkalmazhatóság: Ha a készletellenőrzési költség viszonylag alacsony a készlettartási és a

hiányköltséghez képest.
I.2.1.3.3. Kétraktáros modell
A 2B lehetőséget kétraktáros modellnek nevezzük. A lényege, hogy akkor rendelünk egy állandó
mennyiséget, amikor a készlet elér egy minimális szintet (Smin – jelzőkészlet).
7. ábra. Kétraktáros modell

Smin és q rögzített
q1=q2=állandó
T1≠T2
A rendelés feladása után „E” idővel érkezik be a megrendelt anyag.
Előny: Nagyfokú automatizmus.
Hátrány: Erősen ingadozó felhasználásnál kevésbé véd a hiányköltség ellen vagy nagyon
készletigényes.
Alkalmazhatóság:
• ha a felhasználás nem nagyon ingadozik,

• ha a beszerzési idő rövid,
• ha a készlettartás és a hiányköltség a rendelési költséghez képest alacsony.
I.2.1.3.4. Nyitókészlet meghatározása determinisztikus készletmodell esetén
A modell a következőket feltételezi:
• azonnali beérkezés,
• azonos rendelési időköz (T),
• hiány nem megengedett.
Jelölések:
• r – felhasználási ráta (mértékegysége: egység/idő)

• C1 – készlettartási költség (mértékegysége: Ft/egység/idő)
• C3 – utánpótlási költség (mértékegysége: Ft/rendelés)
• q – az optimális nyitókészlet nagysága
Keressük az optimális nyitókészlet nagyságát úgy, hogy a költségeink minimálisak legyenek.
Egy ciklus költsége: q/2*T*C1+C3
Egy időegységre eső költség: q/2*C1+C3/T

r=q/T, ebből T=q/r
T értéket behelyettesíthetjük: q/2*C1+C3*r/q
A minimum meghatározáshoz deriváljuk a függvényt q szerint:
0 = C1/2-C3*r/q/q
Ebből q-t kifejezhetjük:
I.2.1.3.5. Nyitókészlet meghatározása sztochasztikus készletmodell esetén
A cél az, hogy a modell határozza meg a nyitókészlet (M) nagyságát a T időszak elején, amivel adott
megbízhatósággal tud termelni.
I.2.1.3.5.1. Ziermann Margit modellje
Feltételezés:
• a beérkező tételek egyenlő nagyságúak, a beérkezések száma ismert

• a beérkezések ideje egyenletes eloszlású
• a felhasználás egyenletes és ismert
M = nyitókészlet
S = a felhasználás intenzitása (időegységenkénti felhasználás)
T = az időintervallum hossza
n = a beszállítások száma T időintervallumban
∊ = a vállalt kockázat (pl. 0,2)
I.2.1.3.5.2. Prékopa András 1. modellje
Feltételezés:
• a beérkező tételeknél legalább q mennyiséget szállítanak egyszerre
• a felhasználás egyenletes és ismert
M = nyitókészlet
S = a felhasználás intenzitása
I.2.1.3.5.3. Prékopa András 2. modellje
Feltételezés:
• a beérkező tételeknél legalább q mennyiséget szállítanak egyszerre

• a felhasználás nem egyenletes, de legalább y mennyiség egy alkalommal, és m alkalommal történik
kivételezés T időintervallumban
M = nyitókészlet
S = a felhasználás intenzitása
I.2.1.3.5.4. Számszerű példa a modellekre

Egy üzem negyedéves szinten egyenletesen termel, és a termeléshez egyenletesen használja fel az „A”
anyagot. A megrendelés 1 negyedévre szól. A beérkezés a negyedéven belül egyenlő tételekben, de
véletlen időpontokban történik úgy, hogy a beérkezési időpontok a negyedéven belül egyenletes
eloszlást követnek.
1. Határozzuk meg a negyedév elején tartandó biztonsági készletet, ha a negyedéves

felhasználás 10 000 db! 8 beérkezés történik a negyedév során és 85% biztonságra
törekszünk.
2. Mekkora lesz a biztonsági készlet, ha a beérkezési tételek nem egyenlők, de minimálisan

500 db?
3. Az üzem megváltoztatta a termelés ütemezését és a különböző típusokat kisebb

sorozatokban gyártja. Ezért megváltozott a termelő felhasználásának egyenletessége. Egy
alkalommal minimálisan 200 db-ot vételezünk, és 15 kivételezés történik. Határozzuk meg
a biztonsági készletet!
I.2.1.4. Erőforrás-szükséglet számítása

Gyakori gyártási helyzet az, amikor sokféle alapanyagot és félkészterméket használunk egy termékhez
több gyártási lépésen keresztül. Ilyenkor nem is olyan egyszerű kiszámolni, hogy mennyi alapanyagra
van szükségünk az adott gyártási tervhez. Hogyan tegyük ezt könnyen átláthatóvá és kezelhetővé?
Ennek megoldását vizsgáljuk ebben a fejezetben.
Az ember számára jól áttekinthetők a gráfos (hálós) megjelenítési formák. Célszerű először ilyen
módon ábrázolni a gyártási folyamat anyagkapcsolatát.
Vegyünk egy példát. Legyen négy alapanyagunk (A1, A2, A3, A4), két félkész termékünk (F1, F2) és egy
termékünk (T). Nézzük meg a gyártási kapcsolatukat (mihez miből mennyi kell) hálós technikával
ábrázolva az alábbi bal oldali ábrán!
8–9. ábra. Gyártási kapcsolat hálós technikával és mátrixos megjelenítési móddal
Forrás: Dr. Kinczel Ferenc, Számítógépes termelésirányítás diasorozat
A nyíl iránya mutatja a beépülési irányt. Az élekre írtuk egy négyzetbe, hogy hány darab épül be az
alsóbb szintről a felsőbb szintre egy darabra vetítve.
A számítástechnikában könnyebb a mátrixos megjelenítési módot kezelni, számolni vele. Excelben

a mátrixok kezelése igen egyszerű a táblázatos adatábrázolási formának köszönhetően, valamint
számos beépített függvény is segít ebben. Mi is ezen az úton haladunk tovább.
Nézzük meg az előző anyagbeépülési sémánkat mátrixos technikával ábrázolva a fenti jobb oldali
ábrán!
Jelen esetben a mátrix az oszlopban jelzett cikkhez adja meg azt, hogy a sorokban lévő cikkekből
hány darab épül belé. Érdemes alaposan összevetni és értelmezni a gráfos és mátrixos ábrázolási
technikát, hogy a kettő egymásba alakítása soha ne okozzon gondot.
A mátrixot közvetlen felhasználási mátrixnak nevezzük, és K-val jelöljük.
I.2.1.4.1. Az erőforrás-szükséglet számításának matematikai modellje mátrix aritmetikával
Jelölések:
K: közvetlen felhasználási mátrix (lásd az előző bekezdésekben)
y: nettó kibocsátás értékesítésre (ennyi terméket, félkész terméket termeljünk)
x: bruttó termelés (ennyit szerezzünk be az alapanyagokból, ennyit termeljünk a termékekből, félkész

termékekből)
Tehát az y-t ismerjük, mint célt, és keressük az x-et, amelyhez a K ismert. Az x értékét kétféleképpen
is kiszámolhatjuk: x = (E-K)–1y = Sy
E: egységmátrix (mindenhol nulla van benne, csak az átlóban vannak egyesek)
S: teljes szükségleti mátrix: S = E+K+K2+K3+… +Kn (Kn+1 = 0)
Az S értékét úgy számoljuk ki, hogy addig vesszük a K mátrix hatványait, amíg az tartalmilag nulla
nem lesz. Majd ezeket a hatvány mátrixokat összeadjuk az E mátrixszal.
Az első változat -1 kitevője a mátrix inverzét jelzi.

Számításainkat célszerű ellenőrizni is a következő képlettel: x = Kx + y
Vegyük a következő számszerű feladatot:
• A rendelés T-ből 1200 db

• Képezzünk a fázistermékekből biztonsági készletet:
• F1-ből 600 db-ot
• F2-ből 300 db-ot
• Feladat: határozzuk meg az alapanyag szükségletet! Tételezzük fel, hogy az A1, A2, A3,
A4 alapanyagok mennyiségi egysége kg, így a K mátrix Ai sorait alkotó számok kg/db, az Fi sorokban
db/db mennyiségi egységűek.
I.2.1.4.2. Megoldás teljes szükségleti mátrix segítségével
Az alkalmazott képlet: x = Sy = (E+K+K2+K3)y
Most elég a 3. hatványig elvégezni a hatványra emelést, mert a 4. hatvány eredménye már csak
nullákat tartalmaz. Nézzük meg Excelben a megoldást!
55–56. táblázat. Teljes szükségleti mátrix – eredményekkel és képletekkel
Vegyük észre, hogy az MSZORZAT tömbfüggvény jól használható a feladathoz!
A 4. hatvány eredménye már csupa nulla, ezért ez nem kell, csak megnézzük.
57. táblázat. A 4. hatvány eredménye
Az alkalmazott képlet az MSZORZAT tömbfüggvény, amelyet most a fenti kép szerkesztőlécén

nézhetjük meg.
Érdemes észrevenni, hogy a szerkesztőlécen látható képlet kapcsos zárójelben íródik ki. A {} jeleket
nem mi írtuk be, hanem a tömbképlet beírása során az Excel jelenítette meg, de csak akkor, ha
helyesen jártunk el a beírása során.
Ennek 2 feltétele van. Az egyik az, hogy a tömbképlet beírása előtt már ki kell jelölnünk a
tömbképlet számára szükséges területet. A terület nagyságát a függvény súgója is megadja. Azért
nevezzük tömbképletnek, mert az eredmény egy tömb.
A második feltétele, hogy a beírást nem a szokásos módon fejezzük be (pl. az Entert leütve), hanem
a Ctrl és Shift gombot folyamatosan nyomva tartjuk, és így ütjük le az Entert vagy függvény esetén a
„Kész” gombot!
58. táblázat. Teljes szükségleti mátrix eredményekkel
Az x mátrix megadja, hogy melyik cikkből mennyire van szükségünk.

59. táblázat. Teljes szükségleti mátrix képletekkel
I.2.1.4.3. A megoldás ellenőrzése
Az alkalmazott képlet: x = Kx + y
Nézzük meg Excelben a megoldást!
60– 61. táblázat. A megoldás ellenőrzése Excelben
I.2.1.4.4. Megoldás inverz mátrix segítségével
Az alkalmazott képlet: x = (E – K) – 1y
Nézzük meg Excelben a megoldást!

62. táblázat. A megoldás ellenőrzése inverz mátrixszal – eredményekkel
Vegyük észre, hogy ugyanazokat az x értékeket kaptuk meg így is!
63. táblázat. A megoldás ellenőrzése inverz mátrixszal – képletekkel
I.3. Termelésirányítás (TIR)

I.3.1. A TIR fogalma, jellemzői, alapelemei
I.3.2. A TIR alapmodellje
I.3.3. Termelési rendszerek csoportosítása
I.3.4. A TIR megvalósítási formái
I.3.5. A TIR szervezeti kérdései
I.3.1. A TIR fogalma, jellemzői, alapelemei

Termelésirányítás alatt azon műszaki, gazdasági, szervezési tevékenységek összességét és
szervezetkapcsolatát értjük, amely biztosítja az adott üzemnél meglévő műszaki, gazdasági
adottságoknak és piaci lehetőségeknek megfelelő (jól megválasztott kritériumok alapján az optimálist
megközelítő), a termelés folyamatának megvalósítása alatti irányítást, ellenőrzést a közben szerzett
és a jövő számára is fontos információk szervezett feldolgozása mellett.
Jellemzői:
• dinamikusnak kell lennie,

• adaptívnak (visszacsatolhatónak) kell lennie,
• egyértelmű utasítások láncolatának kell lennie.
A TIR alapelemei:
• tervek segítségével kell történnie a TIR-nek,

• a terveket ismertetni kell a végrehajtókkal,
• rendszeres mérés,
• összehasonlítás, eltérések megállapítása,
• beavatkozás, korrekciók megtétele.
I.3.2. A TIR alapmodellje
10. ábra. A TIR alapmodellje

Az irányítónál érvényesül az úgynevezett szűrőelv. Azaz, ha az eltérés egy meghatározott szint alatt
van, akkor saját hatáskörben intézkedik, ha e fölött van, akkor jelenti a magasabb termelésirányítási
szintre.
Méréselmélet, számskálák:
A mérésnél fontos a méréselmélet ismerete. Egy kicsit ebbe is belenézünk. A mérés definíció szerint
azt jelenti, hogy számokat rendelünk eseményekhez meghatározott törvényszerűség szerint.
A számskálák lehetnek:
• Névleges vagy nominális: Ne rendeljünk ugyanazon eseményhez különböző számokat, illetve

különböző számokhoz azonos eseményeket. Alapvető művelete az egyenlőség, azonosság
meghatározása (pl. rendszám, háló csomópontjainak számozása vagy bármilyen egyéb kódszám).
Értelmezett statisztikai műveletek: gyakoriság, módusz, kontingencia együttható (pl Cramer- vagy
Csuprov-féle asszociációs együttható).
• Sorrendi vagy ordinális skála: Bizonyos szempontok szerint állítja sorrendbe az eseményeket.
Alapvető művelete a sorrend meghatározása (kisebb, nagyobb). Közöttük azonban nem azonos az
intervallum (pl. ásványok keménysége, minőségi fokozatok, 1. osztály, 2. osztály stb.). Értelmezett
statisztikai műveletek: medián, kvantilis, rangkorrelációs együttható.
• Intervallumskála: Itt már azonos az intervallum bármely két szomszédos érték közt, ezért
értelmezni tudjuk a skálaértékek különbségét. Konvencionális nullpontja van (pl. hőmérséklet
Celsius-fokban). Értelmezett statisztikai műveletek: számtani átlag, szórás, korrelációs együttható.
• Arányskála: Megegyezik az intervallumskálával, de abszolút nullpontja van (pl. hőmérséklet Kelvin-
fokban, hosszúság, távolság, sűrűség). Értelmezett statisztikai műveletek: összes művelet.
Az itt felsorolt skálák közös tulajdonsága, hogy mindegyikük tartalmazza az őt megelőző skálára
érvényes matematikai, statisztikai eljárásokat, műveleteket is.
I.3.3. Termelési rendszerek csoportosítása

Ezen fejezetben használt képek és néhány csoportosítás forrása: Dr. Kinczel Ferenc, Számítógépes
termelésirányítás diasorozat.
A termelési rendszereket sokféle szempont szerint osztályozhatjuk. Nézzünk közülük néhányat.
A gyártási típus a gyártás tömegszerűsége alapján csoportosít:
• egyedi gyártás,
• sorozatgyártás,
• tömeggyártás.
A TIR és a gyártási típus kapcsolata:
• Tömeggyártás: Speciális célberendezés és állandó termék jellemzi, ezért a termelés ütemezése

egyszerű. A beérkező anyag a kulcskérdés.
• Sorozatgyártás: A gyártási sorrend megválasztása, megváltoztatása a kulcskérdés.
• Egyedi gyártás: Szerelési, gyártási terv alapján történik a termelés ütemezése.
Tömegszerűségi mutató meghatározása: Mint előbb láttuk, a gyártási típus tömegszerűség alapján
csoportosít. Legtöbbször megelégszünk az egyedi, sorozat- és tömeggyártás kategóriákkal. Létezik
azonban egzaktabb és részletesebb megadási módja is ennek, amelyet a következőkben részletezzünk.
Nézzük meg az alábbi táblázatot és értelmezzük:
64. táblázat. Adatok a tömegszerűségi mutató meghatározásához

Jelölések:
T: a vizsgált időszak hossza (pl.: a bázisév)
m: a homogén gépcsoportok száma
Gi: az i. homogén gépcsoport (i=1, …, m)
ti: Gi produktív időalapja (óra)
n: a gyártott termékféleségek száma
Tj: a j. termékféleség (j=1, …, n)
dj: gyártott mennyiség Tj-ből a T időszakban (Me)
tij: Tj gyártásához szükséges idő a Gi gépcsoporton (óra/Me)
A „C” tömegszerűségi mutató értelmezése és kiszámítása: A termelésre fordított összes idő és az

összes produktív időalap hányadosa.
65. táblázat. Tömegszerűség – Sorozatnagyság
Tömegszerűség Sorozatnagyság
C < 0,2 Egyedi gyártás
0,2 ≤ C < 0,4 Kissorozat gyártás
0,4 ≤ C < 0,6 Középsorozat gyártás
0,6 ≤ C < 0,8 Nagysorozat gyártás
C > 0,8 Tömeggyártás
A gyártási rendszer a gyártóberendezések fizikai elhelyezkedése alapján csoportosít:
• műhelyrendszerű: a gyártóberendezések fajtánként műhelyekbe csoportosítódnak

(esztergaműhely, maróműhely stb.). Főleg az egyedi gyártásra jellemző.
• csoportrendszerű: gyártmány- vagy alkatrészcsoportonként folyamatrendszerű gyártás
(tengelygyártó részleg, csapágygyártó részleg stb.). Főleg a sorozatgyártásra jellemző.
• folyamatrendszerű: a gyártmány megmunkálási sorrendje szerinti gépelrendezés (cementgyártás,
cukorgyártás stb.). Főleg a tömeggyártásra jellemző.
A termelési rendszereket aszerint is osztályozhatjuk, hogy a termelésben mire helyezzük a hangsúlyt:
• Eszközcentrikus (műhelyrendszerű) gyártás: A műhelyek helyzete független a technológiai

sorrendtől. Egyedi, illetve kissorozat-gyártásnál jellemző. Anyagmozgatás-igényes. Nem várt
ütközések, holtidők léphetnek fel.
• Folyamatcentrikus gyártás: A megmunkáló helyeket a technológiai sorrendnek megfelelően
telepítik. Nagysorozat-, illetve tömeggyártásnál jellemző. Gyakori a kötöttpályás anyagmozgatás
alkalmazása.
• Termékcentrikus gyártás: Immobil termékek gyártásánál (hajó, repülőgép, építmények). Mobil
műhelyrendszerű gyártást alkalmaznak. Erőforrás-lokalizálási feladatok a jellemzők.
A termelési rendszerek csoportosítása folyamatstruktúra szerint:
• Lineáris
• az alapanyag-készletösszetétel egyszerű
• a félkésztermék-készletösszetétel egyszerű
• a késztermék-készletösszetétel egyszerű
11. ábra. Lineáris gyártás

• Konvergens
• az alapanyag-készletösszetétel bonyolult
• a félkésztermék-készletösszetétel változó
• a késztermék-készletösszetétel egyszerű
12. ábra. Konvergens gyártás

• Divergens
• az alapanyag-készletösszetétel egyszerű
• a félkésztermék-készletösszetétel változó
• a késztermék-készletösszetétel bonyolult
13. ábra. Divergens gyártás

• Komplex
• az alapanyag-készletösszetétel bonyolult
• a félkésztermék-készletösszetétel bonyolult
• a késztermék-készletösszetétel bonyolult
14. ábra. Komplex gyártás

A termelési rendszerek ágazati szintű csoportosítása:
• Nehézipari
• Bányászati
• Kohászati
• Gépipari
• Vegyipari
• Építőipari
• Magasépítészeti
• Mélyépítészeti
• Feldolgozóipari
• Textilipari
• Élelmiszeripari
• Gyógyszeripari
• stb.
• stb.
I.3.4. A TIR megvalósítási formái

• Számítógéppel történő: Emberi beavatkozás nélkül, számítógép végzi a mérést, az összehasonlítást
és a korrekciót. Ez elsősorban műszaki jellegű feladat.
• Számítógéppel segített: A mérési pontoknál gépi adatgyűjtőket helyeznek el, ha a mérés
automatizálható. A mérési adatokat számítógéppel lehet kiértékelni.
• Kézi vagy gyalog termelésirányítási forma: Különböző számítási vagy grafikus módszerek
alkalmazhatók. A termelési folyamatot egyszerűen leképezik, és így jobban át lehet látni.
A gyártástechnológia fejlődésének főbb lépcsői:
• NC – Numerical Control – számjegyes vezérlés: lyukszalag, mágnesszalag vezérlésű, nincs

programtárolás
• CNC – Computer Numerical Control – számítógépes számjegyes vezérlés: számítógép vezérli,
szabadon programozható
• MC – Machining Center – megmunkálóközpont: a megmunkáló szerszámok CNC gépeken történő
tárolása és automatikus cseréje
• FMC – Flexible Manufacturing Cell – rugalmas gyártócella: a munkadarabok automatikus tárolása
és cseréje
• FMS – Flexible Manufacturing System – rugalmas gyártórendszer: a rugalmas gyártócellák irányítási
hálózattal való összekötése, a szállítás és a raktározás automatizálása
• CIM – Computer Integrated Manufacturing – számítógéppel integrált gyártás
• Soft Computing – lágy számítások: mesterséges intelligencia. Közelítő számítási eljárás, amely
közelíti az emberi agy tanulási képességét, a következtetést és a tanulást bizonytalan és pontatlan
környezetben.
MIS – Management Information System – vállalati, vezetési információs rendszer részei:
CAQ – Computer Aided Quality – számítógéppel segített minőségszabályozás
CAD – Computer Aided Design – számítógéppel segített tervezés
CAPP – Computer Aided Process Planning – számítógéppel segített folyamattervezés
CAST – Computer Aided Storage and Transport – számítógéppel segített raktározás és szállítás
MRP – Manufacturing Resource Planning – gyártási erőforrás-tervezés

PPS – Production Planning and Scheduling – termelési folyamattervezés és -ütemezés
CAM – Computer Aided Manufacturing – számítógéppel segített gyártás
MES – Manufacturing Execution System – gyártást végrehajtó rendszer vagy másként: valós idejű
termelésirányítás
Felhasználható kézi módszerek:
• Gantt-diagram (vonalas vagy sávos diagram)

• Topológiailag rendezett, léptékhelyes hálók (CPM)
• Erőforrás allokálását (elosztását) biztosító hálótervezési módszerek (ERALL)
• Egyéb módszerek:
• Harmonogram (több művelet kezdő és végidőpontjai)
• Ciklogram (ciklikus folyamatoknál)
• Kördiagram
• Rétegdiagram
• Rácsos összegzők (szerelési feladatnál alkatrészek vannak egy tábla lyukaiban, sorrendben)
• Alkatrészösszegző lapok
66. táblázat. A Gantt-diagram, a CPM és az MPM módszerek összehasonlítása
67. táblázat. Tevékenységkapcsolatok MPM-ben
68. táblázat. Egy MPM négyzet célszerű tartalma

Jele Tevékenység ideje Teljes tartalékidő
Legkorábbi kezdés Legkorábbi befejezés
Legkésőbbi kezdés Legkésőbbi befejezés
Mindhárom modell determinisztikus és tevékenységorientált modell.
Sztochasztikus és eseményorientált a PERT (Program Evaluation and Review Technique –

programértékelő és -áttekintő technika) módszer. Lásd később a karbantartás szervezésnél.
I.3.5. A TIR szervezeti kérdései

Szervezeti alapformák:
• Patriarchális (atyáskodó, családias): Kis szervezeteknél fordul elő, amíg a vezetésben nincs
munkamegosztás. A vezető és a beosztott közt közvetlen emberi viszony alakul ki.
• Lineáris (vonalas, skálás, katonai): A vezetési szervezet következetesen csak a hierarchia elvén épül
fel. Az egyszemélyi vezetés alá-fölé rendeltségi sorozata alkotja.
• Funkcionális: A vezetési munkamegosztás nemcsak a hierarchikus szinteknek felel meg, hanem a
szakmai feladatkörök szerint is alakul (pl. termelés, értékesítés, pénzügy). Az alsóbb szinteken
többszörös alárendeltség jön létre.
• Törzskaros: A vezetési szervezetben a vezető mellé szakmai szerveket rendelnek. A törzskar
azonban nem vezet, nem dönt, csak döntés-előkészítést végez.
• Divizionális: A munkamegosztás tárgyi vagy regionális elvű. A szervezetet általában termékek,
vevők vagy földrajzi régiók szerint tagolják. A divíziók a vállalaton belüli viszonylag autonóm
felelősséggel rendelkező egységek. Profitközpont, költségközpont áll felettük. A divíziók
kijátszhatják egymást.
• Mátrix: Az elsődleges munkamegosztás szintjén két munkamegosztási elvet egyszerre alkalmaznak.
Többdimenziós szervezeti forma (pl. funkció-régió, funkció-tárgy…).
A vezetés alapformái:
• Autokratikus: Szigorú alá-fölé rendeltség jellemzi. A vezető birtokol minden információt, a döntés-
előkészítésbe másokat nem von be.
• Demokratikus: Az alá-fölé rendeltség súlya csökken. Az együttműködés válik a kapcsolat
meghatározójává. A vezető megosztja hatáskörét. A döntések előkészítésébe bevonja az érdekelt
munkatársait, tájékoztatja őket a szervezet ügyeiről.
• Liberális: Abból indul ki, hogy mások is értelmes emberek, és a beosztottak a legjobb tudásuk szerint
hajtják végre feladataikat. A vezető csak a sorsdöntő, stratégiai döntések meghozatalát tartja fenn
önmagának.
A szervezeti hierarchia kialakításánál törekedni kell arra, hogy a beosztottak száma 7±2 legyen (Miller-
szám), ugyanis kb. egy 7 átlagos embert számláló csoportot tud átlátni egy átlagos személy.
A szervezet kialakításában és hatékony működőképességében segít a tevékenység–felelősség

mátrix. Feladata a felelősség egyértelmű hozzárendelése a feladathoz, de segít a tevékenység
végrehajtásának gördülékenyebbé tételében is, hiszen rögtön látszik, ha valaki nem végezte el a
feladatát, vagy ha nincs is ez a rész szabályozva.
Felelősségi szintek:
• Általános felelősség: azé a vezetőé, aki irányítja és vezeti a cselekvő felelősségű dolgozót.
• Cselekvő felelősség: azé az egyéné, aki közvetlenül felel a funkció végrehajtásáért.
• Specifikus felelősség: azé, aki a funkció egy részéért tartozik felelősséggel.
• Megkonzultálandó felelősség: az egyént, ha a döntés az ő területét érinti, fel kell szólítani, hogy
adjon tanácsot, mondjon véleményt, de enélkül határozatot hozni, dönteni nem szabad.
• Megkonzultálható felelősség: felhasználható arra, hogy az egyén bizonyos kérdésekkel
kapcsolatban írjon, mondjon véleményt, de ezt nem feltétlenül szükséges megtenni.
• Közlendő felelősség: tevékenységéről tájékoztatást kell adnia az egyénnek.
• Jóváhagyandó felelősség: az egyénnek jóvá kell hagynia, illetve kifogásolnia kell a döntést.
II. Vállalati szolgáltató folyamatok szervezése

II.1. Általános ismeretek a szolgáltató folyamatokról
II.2. Üzemfenntartás, karbantartás
II.3. Anyagmozgatás
II.1. Általános ismeretek a szolgáltató folyamatokról

II.1.1. A szolgáltató folyamat fogalma
II.1.2. A vállalati szolgáltatások területei
II.1.3. Szolgáltatások hatékonyságának mérése
II.1.4. Fejlesztési lehetőségek
II.1.1. A szolgáltató folyamat fogalma

Vállalati szoláltató folyamatokon a vállalat közvetlenül termelő tevékenységet folytató egységeinek
hatékony, kellő megbízhatóságú működését biztosító vállalati szervezetek tevékenységének
összességét értjük.
II.1.2. A vállalati szolgáltatások területei

• Üzemfenntartás, karbantartás
• Anyagmozgatás, belső szállítás, raktározás
• Minőség-ellenőrzés, minőségszabályozás
• Piackutatás, marketing, értékesítés
• Energiaszolgáltatás (gőz, levegő, villamos stb.)
• Műszaki fejlesztés
• Hulladékok megsemmisítése, újrahasznosítás, környezetvédelem
• Szociális, kulturális, sportszolgáltatások
• Munkaerőképzés
II.1.3. Szolgáltatások hatékonyságának mérése

Néhány szolgáltatás az általa létrehozott termelési értékkel mérhető, a legtöbbje azonban nem
fogható meg ilyen egyszerűen. A fő folyamattal való kapcsolatát kell számszerűsíteni, pl. ÁKFN
(Árbevétel, Költség, Fedezet, Nyereség) struktúrában, és standardizálással nyomon követhető az
eredményváltozás.
II.1.4. Fejlesztési lehetőségek

A szolgáltatást nem feltétlenül vállalati kereteken belül kell megoldani. Szóba jöhet kooperáció, közös
vállalat, kis vállalkozás, szolgáltató cég.
II.2. Üzemfenntartás, karbantartás

II.2.1. Fogalmak
II.2.2. Karbantartási rendszerek
II.2.3. Tervszerű karbantartási rendszer kialakítása
megbízhatóságelméleti alapokon
II.2.4. Tervszerű karbantartási rendszer kialakítása egy kívánatos
megbízhatósági szint alapján
II.2.5. Tervszerű karbantartási rendszer optimális kialakítása
II.2.6. Kapacitásvizsgálat a megbízhatósági szempontok
figyelembevételével
II.2.7. Egyedi javítások, PERT/COST hálótervezés
II.2.1. Fogalmak
Üzemfenntartáson a vállalati szerveknek azokat a tevékenységeit értjük, amelyek az üzemi épületek
és építmények állagának megóvására és a berendezések üzemképességének megtartására irányulnak.
Az üzemfenntartás főbb feladatai:

• Gépek, berendezések, épületek és építmények állagának saját vállalkozásban történő fenntartása,
javítása, folyamatos ellenőrzése, valamint a hibaokok elemzése, a tipikus hibahelyek feltárása
• Üzemfenntartási munkák külső cégekkel történő elvégeztetése (megrendelés, műszaki ellenőrzés
stb.)
• Új szerkezeti megoldások és szerkezeti anyagok alkalmazása
• Kereskedelmi forgalomban nem kapható tartalék alkatrészek gyártása
• Korrózióvédelmi munkák felmérése és elvégzése
• Biztonsági berendezések állandó ellenőrzése
• Fenntartási keretgazdálkodás
A karbantartás a termelő berendezéssel kapcsolatos javítási, fenntartási tevékenységeket foglalja

magába. A karbantartás az üzemfenntartási tevékenység egy része.
Részletesebben csak a karbantartással foglalkozunk.
II.2.2. Karbantartási rendszerek

A gyakorlatban háromféle karbantartási rendszer alakult ki:
• Az esetszerű javításokra építő karbantartási rendszer csak a keletkező hibák elhárítására,

megszüntetésére koncentrál.
• A ciklusidő alapján történő beavatkozásokra épít a hagyományos, tervszerű megelőző
karbantartási (TMK) rendszer.
• A diagnosztikán alapuló karbantartási rendszer a berendezés működése szempontjából fontos
üzemeltetési paraméterek folyamatos megfigyelésén, mérésén keresztül követi a berendezések
állapotát, és ennek ismeretében dönt a karbantartási beavatkozás időpontjáról.
II.2.3. Tervszerű karbantartási rendszer kialakítása

megbízhatóságelméleti alapokon
Ciklusidő szerinti karbantartási rendszert megbízhatóságelméleti alapon alakíthatunk ki.
II.2.3.1. A megbízhatóságelmélet alapfogalmai

II.2.3.2. A megbízhatóság különböző értelmezései
II.2.3.3. A megbízhatóság időbeni alakulása
II.2.3.4. Egy elem megbízhatóságának vizsgálata
II.2.3.5. A rendszer megbízhatósága
II.2.3.1. A megbízhatóságelmélet alapfogalmai

A megbízhatóságelmélet az a tudományág, mely meghatározza a különböző berendezésekben fellépő
meghibásodások keletkezésének törvényszerűségeit, a törvényszerűségek előrejelzésének módjait, a
megbízhatóság növelésének lehetőségeit a tervezés és az üzemelés időszakában, továbbá kidolgozza
a megbízhatóság ellenőrzésének módszereit. Minden lépésnél gazdasági szempontokat is figyelembe
vesz, így kidolgozza a gazdasági szempontból optimális megbízhatóságot nyújtó módszereket.
A megbízhatóságot négy tulajdonság határozza meg:

• Hibamentesség: működőképességét meghatározott időtartam alatt, meghatározott feltételek
mellett nem veszti el.
• Tartósság: a szükséges technikai kiszolgálás mellett hosszabb ideig felhasználható.
• Javíthatóság: javítás után ismét felhasználható.
• Tárolhatóság: működőképességét megtartja tárolás és szállítás során, meghatározott feltételek
között.
Célszerűségi okok miatt a megbízhatóság fogalmát leszűkítjük a hibamentességre. A hibamentességgel

ellentétes fogalom a meghibásodás. A meghibásodás valamely berendezés tulajdonságainak
részleges vagy teljes elvesztése, illetve módosulása, ami a működési képességet részlegesen csökkenti
vagy teljesen megszünteti.
A meghibásodás tulajdonságai alapján váratlan vagy fokozatos meghibásodás lehet. A fokozatos

meghibásodások úgy keletkeznek, hogy a berendezés minőségi állapotát meghatározó paraméterek
fokozatosan megváltoznak, míg az előzetesen megállapított tűrési határokat túl nem lépik. A váratlan
meghibásodásokat a berendezés minőségét meghatározó tulajdonságok hirtelen magváltozása
okozza.
II.2.3.2. A megbízhatóság különböző értelmezései

A megbízhatóság fogalmának értelmezése különböző módokon lehetséges. A fogalom tisztázása mind
gyakorlati, mind elméleti szempontból lényeges. Egyrészt az elméleti megalapozottság, másrészt az
egyszerű gyakorlati kezelhetőség miatt.
Egzakt értelmezés: A megbízhatóság annak mérésére szolgáló számadat, hogy egy termék
(berendezés) meghatározott időn belül meghatározott feltételek mellett milyen valószínűséggel
üzemképes.
A működés valószínűsége:
Egy berendezést n alkalommal figyelünk meg. A megfigyelés eloszlása egyenletes eloszlás. Két
eseményt láthatunk:
• esemény: működik a berendezés
• esemény: nem működik a berendezés
az esemény gyakorisága.
A képlet az „A” esemény (működőképesség) relatív gyakoriságának határértékét fejezi ki.
a meghibásodás valószínűsége.
Üzemi értelmezések:
• Milyen valószínűséggel képes a rendelkezésre álló hasznos időalap alatt a kapacitás tervezett
kihasználásának megfelelően üzemelni a rendszer? (az üzemvezető nézőpontja)
• Milyen valószínűséggel képes a rendszer folyamatosan, meghibásodás nélkül működni két
nagyjavítás közt? (a TMK vezető nézőpontja)
• Milyen valószínűséggel képes a technológiai rendszer a technológiai előírásoknak megfelelően
termelni? (a technológus nézőpontja)
Néhány mutató a berendezés megbízhatóságának jellemzésére:
• üzemzavar-érzékenység:
ta – kényszerű állásidő
tü – üzemidő
• hasznosítási együttható:
• üzemzavar-együttható:
ni – az adott berendezés meghibásodásából származó üzemzavarok száma
n – az üzemben előforduló összes üzemzavarok száma
Ezek a mutatók a megbízhatóság gyakorlati becslésének tekinthetők.
II.2.3.3. A megbízhatóság időbeni alakulása

A megbízhatóság időbeni alakulását mutatja a megbízhatósági függvény. A megbízhatósági függvény
annak valószínűségét adja, hogy a termék legalább t ideig működőképes, ahol a t=0 időpont, az előző
meghibásodás utáni üzemeltetés kezdete.
R(t) = P(ξ ≥ t)
ξ ≥ t az az esemény, amikor a berendezés legalább t ideig működőképes.
A megbízhatatlansági függvény vagy kockázati függvény is hasonlóan felírható:
F(t) = P(ξ < t)
Fennáll a következő összefüggés: F(t) + R(t) = 1
A gyakorlatban végzett vizsgálatok során leggyakrabban a következő fejezetekben ismertetett

függvényeket alkalmazzák.
II.2.3.3.1. Exponenciális eloszlás

R(t) = e-λt
λ – meghibásodási ráta. A berendezés adott időpont utáni, időegységre vonatkoztatott meghibásodási

valószínűsége, feltéve, hogy az adott időpontig a berendezés nem hibásodott meg.
A hibamentes működés valószínűségének függvénye exponenciális eloszlás esetében: R(t) = e-λt
15. ábra. A hibamentes működés valószínűségének függvénye exponenciális eloszlás esetében

A meghibásodás valószínűségének függvénye exponenciális eloszlás esetében: F(t) = 1-e-λt
16. ábra. A meghibásodás valószínűségének függvénye exponenciális eloszlás esetében

Exponenciális sűrűség függvény: f(t) = F’(t) = λe-λt

17. ábra. Exponenciális sűrűség függvény
Meghibásodási ráta exponenciális eloszlás esetén:
18. ábra. Meghibásodási ráta exponenciális eloszlás esetén

Előfordul, hogy a meghibásodás valószínűsége csak egy „c” idő elteltével lesz nagyobb nullánál. Ekkor
F(t) = 1-e-λ(t-c) Ez az úgynevezett eltolásos alak.
19. ábra. A meghibásodás valószínűségének eltolásos alakja

II.2.3.3.2. Weibull-eloszlás
Itt is lehetséges az eltolásos alak:
A hibamentes működés valószínűségének függvénye Weibull-eloszlás esetében:

20. ábra. A hibamentes működés valószínűségének függvénye Weibull-eloszlás esetében
A meghibásodás valószínűsége Weibull-eloszlás esetében:
21. ábra. A meghibásodás valószínűsége Weibull-eloszlás esetében

Sűrűségfüggvények Weibull-eloszlás esetében:
22. ábra. Sűrűségfüggvények Weibull-eloszlás esetében

Meghibásodási ráta függvények Weibull-eloszlás esetében:
23. ábra. Meghibásodási ráta függvények Weibull-eloszlás esetében

A Weibull-eloszlás segítségével könnyebben leírhatjuk egy berendezés élettartama alatt a

meghibásodási ráta jellegzetes időbeli alakulását.
24. ábra. A meghibásodási ráta jellegzetes időbeli alakulása egy berendezés élettartama alatt
Weibull-eloszlás segítségével
I. szakasz: kezdeti periódus (korai meghibásodások szakasza)
II. szakasz: állandó működési periódus, hasznos élettartam (csak véletlen meghibásodások fordulnak
elő)
III. szakasz: elöregedési szakasz (a szép „teknő” alakot, akkor kapjuk, ha b>2, de a növekedés b>1 alak
esetén is érzékelhető, ahogyan az előtte lévő ábrán látható)
A matematikai statisztika törvényszerűségei csak a II. szakaszban élnek.
II.2.3.3.3. Egyéb eloszlások

A megbízhatóság leírásának gyakorlatában kisebb jelentőséggel bírnak a következő eloszlások,
melyeket már nem tárgyalunk:
• normális és csonkított normális eloszlás,

• lognormális eloszlás,
• gamma-eloszlás,
• binomiális eloszlás,
• Poisson-eloszlás.
II.2.3.4. Egy elem megbízhatóságának vizsgálata

Az elemek megbízhatóságelméleti értelmezése nem azonos a rendszertechnikában ismert
definícióval. A megbízhatósági vizsgálatnál nemcsak a rendszer tovább már nem osztható részét értjük
elemen, hanem minden olyan berendezést, amelynek megbízhatóságát alkotórészeinek
megbízhatóságától függetlenül tanulmányozzuk (pl. egy kompresszor, egy elem).
Az elemek meghibásodási tulajdonságuk alapján három alapvető csoportba sorolhatók:
• nem javíthatók (első meghibásodásig működők, pl. villanykörte),

• azonnal javíthatók (alkatrészcserével javíthatók),
• számottevő javítási időt igénylők.
Az utóbbinak van nagyobb gyakorlati jelentősége, ezért csak ezzel foglalkozunk.
II.2.3.5. A rendszer megbízhatósága

Rendszeren a megbízhatóságelméleti vizsgálatok során az egymással kapcsolatban lévő elemeknek
egy, a célnak megfelelően körülhatárolt csoportját értjük. Az elemeiből felépített rendszer
megbízhatóságát alapvetően, de nem kizárólagosan, az elemek megbízhatósága határozza meg.
A rendszereket két alapvető csoportba sorolhatjuk:
• független megbízhatóságú elemekből felépülő rendszerek,

• nem független megbízhatóságú elemekből felépülő rendszerek.
A második esetben még nem tudjuk számítani a rendszer megbízhatóságát az elemek megbízhatósági
függvényének ismeretével. Szükség lenne ismerni az elemnek a többi elem meghibásodására
vonatkoztatott meghibásodásának feltételes valószínűségét. Ebben az esetben az egyes elemek
megbízhatóságát a Bayes-tétellel lehet számítani. Ilyen információkhoz elméletileg hozzájuthatunk
ugyan, de ez a gyakorlatban legtöbbször kivitelezhetetlen, túl költséges lenne. A másik lehetőség az,
hogy a rendszert olyan alrendszerekre bontjuk, amelyek már egymástól függetlennek tekinthetők.
A továbbiakban már csak a független megbízhatóságú elemekből felépülő rendszerekkel

foglalkozunk.
Az elemek alapvetően kétféleképpen kapcsolódhatnak egymáshoz:
• sorosan,
• párhuzamosan.
Soros felépítésű rendszerről akkor beszélünk, ha bármelyik elem meghibásodása a rendszer
meghibásodását vonja maga után.
A rendszer megbízhatósága: , ahol ri(t) az i. elem megbízhatósága.
Párhuzamos kapcsolású rendszerről akkor beszélünk, ha a rendszer meghibásodását csak

valamennyi elemének egyidejű meghibásodása vonja maga után. Párhuzamos kapcsolásnál a nem
működés tényére írható fel egyszerűen az egyenlet.
A rendszer megbízhatatlansága: , ahol fi(t) az i. elem megbízhatatlansága.
A rendszer megbízhatósága:
A rendszer megbízhatóságát jelentősen befolyásolja a tartalékolás. Ennek típusai:
• meleg tartalék: ugyanolyan üzemeltetés alatt áll, mint az alapelem, annak funkcióját bármely
pillanatban képes átvenni,
• hideg tartalék: kikapcsolt állapotban van, bizonyos idő szükséges az üzembe állításához,
• teljesítménytartalék: ha az elem a névleges teljesítményénél kisebb teljesítménnyel üzemel,
• konstrukciós tartalék: ugyanarra a funkcióra két megoldást is alkalmaz, pl. keverőlapát és keringető
szivattyú,
A rendszer megbízhatóságát külső tényezők is befolyásolhatják:
• technológiai kapcsolat,
• energiakimaradás,
• természeti tényezők (hőmérséklet, páratartalom stb.).
II.2.4. Tervszerű karbantartási rendszer kialakítása egy kívánatos

megbízhatósági szint alapján
Tíz munkafázisra bontható a feladat.
II.2.4.1. Részletes technológiai és műszaki megismerés, a rendszer
körülhatárolása
II.2.4.2. Kapacitás felmérése
II.2.4.3. Vizsgálati modell kialakítása
II.2.4.4. A rendszer környezeti kapcsolatainak vizsgálata
II.2.4.5. A vizsgálat információbázisának megteremtése
II.2.4.6. A vizsgált rendszer egy-egy elemére vonatkozó
megbízhatósági vizsgálat
II.2.4.7. A megbízhatósági kulcspontok (kritikus berendezések)
megbízhatósági függvényének meghatározása
II.2.4.8. A rendszer megbízhatósági szintjének meghatározása
II.2.4.9. Javaslat kidolgozása a tervszerű karbantartási rendszer
kialakítására
II.2.4.10. A javaslat bevezetési feltételeinek és várható gazdasági
eredményeinek feltárása
II.2.4.1. Részletes technológiai és műszaki megismerés, a rendszer

körülhatárolása
Dokumentációk áttanulmányozásával és helyszíni bejárással ismerhetjük meg.
II.2.4.2. Kapacitás felmérése

A terhelési szint meghatározása a cél.
II.2.4.3. Vizsgálati modell kialakítása

A következő kérdésekre kell választ adnunk, hogy az üzem megbízhatósági struktúrája
meghatározható legyen:
• Melyek azok az egységek, berendezések, amelyek technológiai vagy megbízhatósági szempontból

elhanyagolhatók?
• Mit tekintsünk a vizsgált rendszer egy elemének, illetve eleméhez tartozónak?
II.2.4.4. A rendszer környezeti kapcsolatainak vizsgálata

A rendszertől le kell tudni választani a független meghibásodásokat, leállásokat. Ezen okok kigyűjtése.
II.2.4.5. A vizsgálat információbázisának megteremtése

Forrásai:
• gépkarton,
• műszaknapló.
Szükséges adatok:
• meghibásodás oka,
• meghibásodás időpontja,
• meghibásodás időtartama.
Legalább 3-4 évre visszamenőleg célszerű kigyűjteni a fenti adatokat.
II.2.4.6. A vizsgált rendszer egy-egy elemére vonatkozó

megbízhatósági vizsgálat
II.2.4.6.1. Kvalitatív (minőségi) vizsgálat
A kvalitatív vizsgálat célja, hogy megítéljük a berendezés műszaki állapotát. Meg kell állapítanunk,
hogy a berendezés melyik működési periódusában van.
25. ábra. A berendezés működési periódusai

I. szakasz: kezdeti periódus (korai meghibásodások szakasza)
II. szakasz: állandó működési periódus, hasznos élettartam (csak véletlen meghibásodások fordulnak
elő)
III. szakasz: elöregedési szakasz (a szép „teknő” alakot, akkor kapjuk, ha b>2, de a növekedés b>1 alak
esetén is érzékelhető)
Ha a λ (meghibásodási ráta) állandó, akkor a meghibásodások száma és az addig eltelt idő közt lineáris
kapcsolat van. A kapcsolat szorosságát lineáris regresszióval is lehet vizsgálni.
Nézzünk erre egy számszerű példát!
II.2.4.6.1.1. Lineáris regresszió az eltelt idő és a meghibásodások száma között

Az adatokat Excelben érdemes feldolgozni az alábbi módon:
69. táblázat. Lineáris regresszió az eltelt idő és a meghibásodások száma között
A dátumokat dátum formában be is lehet írni. Az „A” oszlopban meg is hagytuk a beírás szerinti
formátumformát. A „B” oszlopot azonban a rendezettebb kinézet miatt átformáztuk. A számok
alapértelmezésben „Általános” formával rendelkeznek. A cellák számformázásának ablakát a
„Kezdőlap” menüszalag „Szám” csoportjának jobb alsó sarkában lévő „Számformátum” ikonnal vagy a
cella helyi menüjének „Cellaformázás…” parancsával hívhatjuk meg. Az itt látható dátumformákat a
beírás során is alkalmazhatjuk, vagy később e szerint átformázhatjuk a beírt adatainkat. Egyéni
formátumot is beállíthatunk az „Egyéni” kategóriában, mint azt az alábbi ábrán láthatjuk.
Érdemes más lehetőségeket is kipróbálni.
70. táblázat. A dátum egyéni formátumának beállítása
Mivel az Excel a dátumokat 1900.01.01-jétől kezdődő sorszámnak tekinti, ezért a dátumokkal

minden számítást el tud végezni, amit egy számmal egyébként el lehet. A sorszám tulajdonképpen a
nap sorszámát jelenti 1900.01.01-jétől számítva. Az időt (órát és percet) pedig a nap törtrészének
tekinti, azaz tizedes jegyként szerepel. Lásd az adatokat tartalmazó fenti ábrán a „C” és „E” oszlopokat,
ahol napokban láthatjuk az időt.
Nézzük meg a számítások során alkalmazott képleteket:

71. táblázat. Lineáris regresszió kiszámítása az eltelt idő és a meghibásodások száma között
képletekkel
Az „A” és „B” oszlopban most az adott dátum sorszámát láthatjuk, 1900.01.01-jétől sorszámozva a
napokat.
A 20. sorban a meghibásodási rátát (λ) számoltuk ki, hogy összehasonlíthassuk majd az
exponenciális eloszlás közelítésével kiszámolt λ értékkel. Ott 0,0377 jön majd ki, tehát elég közeli az
ittenihez, amely 0,0363. A λ értékét úgy számoltuk ki, hogy a vizsgált időszak meghibásodásainak
számát elosztottuk a hibamentes működési idők összegével. Lásd a fenti képen. Az irodalom gyakran
használja a meghibásodások közötti átlagos működési idő fogalmát is, amelyet úgy számol ki, hogy a
működési idők összegét osztja a meghibásodások számával. Ennek reciproka a λ.
Jelöljük ki a C3:D19 területet! Készítsük el belőle az alábbi „Pont” diagramot!
26. ábra. Meghibásodások számának alakulása az időben

A regressziós egyenes elkészítéséhez a jobb egérgombbal kattintsunk egy adatpontra a diagramon,

hogy előhívjuk az adatsor helyi menüjét.
27. ábra. Meghibásodások számának alakulása az időben – Trendvonal felvétele
A helyi menüből válasszuk a „Trendvonal felvétele…” menüpontot.
A képernyő jobb oldalán megjelenő munkaablak paramétereit az alábbi szerint állítsuk be, amit a
lenti két munkaablak képen is láthatunk:
• A „Lineáris” alakot válasszuk.

• Jelöljük be, hogy kérjük az egyenlet és az R2 értékének kiírását is.
A munkaablak ezután bezárható, ha zavar minket.
28–29. ábra. Trendvonal formázása

Érdemes az egyenletet és az R2 értékét tartalmazó szövegdobozt olvashatóbb helyre húzni és a

diagramot ízlésünk szerint formázni.
30. ábra. Meghibásodások számának alakulása az időben – átformázott diagram
Ha pontosabban akarjuk látni a trendvonal paramétereit, akkor rendeljünk hozzá több tizedesjegyet.
A trendvonal feliratainak szövegdobozának helyi menüjéből válasszuk a „Trendvonal feliratának

formázása” menüpontot. A megjelenő munkaablakban a „Felirat beállítási” gombra kattintsunk, ha
nem az az aktív. A „Szám” területen a „Kategória” legördíthető listájából célszerű az „Általános”
formáról „Szám” formára váltani. A tizedesjegyek számát állítsuk be például ötre.
31. ábra. Az eredmény és az alkalmazott munkaablak képe

Érdemes felismerni, hogy az egyenlet meredeksége a megbízhatósági ráta (λ) egy közelítése. Ezzel
háromféle módon is közelíthetjük a megbízhatósági rátát, amelyek igen jó egyezést mutatnak:
1. A táblázat 20 sorában láthattuk a kiszámítását (meghibásodások száma/összes működési

idő), amelynek értéke: 0,03629
2. A lineáris regresszió meredeksége az előző ábráról: 0,037
3. Később tárgyalva, az exponenciális eloszlás közelítésénél kiszámolt érték: 0,0377
A három érték közül feltehetőleg a 3. áll legközelebb a valósághoz, mivel az r értéke az exponenciális
eloszlásnál magasabb (0,9976, ami igen erős, majdnem függvényszerű kapcsolatot jelez), mint a
lineárisnál (0,9749), míg az első érték pedig inkább a 2. értékhez áll közelebb.
Lineáris regresszió számítását nemcsak diagramon végezhetjük, hanem a LIN.ILL függvény

segítségével is az alábbi módon:
72. táblázat. Lineáris regresszió számítása LIN.ILL függvénnyel
Fontos észrevennünk, hogy a LIN.ILL képletet tartalmazó cella beírása (lásd a szerkesztőlécen) most
más, mint ahogyan megszoktuk Excelben. A képlet kapcsos zárójelek közt jelenik meg. Ez a tömbképlet
jelölése. A tömbképletet azért nevezzük tömbképletnek, mert az eredmény egy tömb. Itt az E23:F27
terület az eredmény helye. Az alábbi ábrán látjuk a képleteket.
73. táblázat. Lineáris regresszió számítása LIN.ILL függvénnyel – képletekkel
Fontos tudnunk, hogy a tömbképletekkel való munkát mindig azzal kell kezdenünk, hogy kijelöljük a
megfelelő nagyságú eredményterületet. Tehát először kijelöljük az E23:F27 területet, majd utána
hívjuk meg a szerkesztőléc gombját, amelyet „Függvény beszúrása” gombnak nevez az Excel. A
LIN.ILL függvényt kiválasztva, annak paramétereit az alábbi módon állítjuk be:
32. ábra. Tömbképlet szerkesztése

Szintén nagyon fontos különbség a tömbképletek alkalmazásánál a többi képlethez képest, hogy a
végén nem egyszerűen az Entert leütve vagy a „Kész” gombra kattintással fejezzük be a számítást,
hanem a Ctrl és Shift gombot nyomva tartjuk az egyik kezünkkel, majd a másikkal vagy az Entert ütjük
le, vagy a „Kész” gombra kattintunk. A tömbképlet javításának befejezése is csak így történhet.
A megkapott 10 cella értelmezését vagy a LIN.ILL függvény ablakának bal alsó sarkában lévő „Súgó
a függvényről” szövegre kattintással kaphatjuk meg, vagy megnézhetjük a fenti, LIN.ILL
alkalmazásának első ábráját, ahol az értelmezést leírtuk. Itt találhatjuk az „r” értékét is, amely
0,974936302. Ez a mellette lévő leírásból is leolvashatóan nagyon szoros kapcsolatot jelent, azaz jó a
lineáris közelítés, tehát berendezésünk a II. működési periódusában van. Ezért alkalmazhatjuk ezen
adatokra a statisztikai számításokat (itt már csak véletlen meghibásodások fordulnak elő). Emiatt ezen
adatokat még több helyen is fel fogjuk használni.
II.2.4.6.1.2. Statisztikai ellenőrző kártya
A szisztematikus meghibásodások elválasztása a véletlen meghibásodásoktól statisztikai ellenőrző

kártyával is történhet.
33. ábra. A szisztematikus meghibásodások elválasztása a véletlen meghibásodásoktól statisztikai

ellenőrző kártyával
Azokat az értékeket, melyek a tartományba esnek, elfogadjuk. A tartományon kívül eső értéket nem
fogadjuk el, okát keressük és kiküszöböljük.
Nézzük meg az előző adatainkkal, hogyan tudjuk Excelben elkészíteni a fenti statisztikai ellenőrző
kártyát!
74–75. táblázat. Statisztikai ellenőrző kártya elkészítése Excelben eredményekkel és képletekkel
A TÖRTÉV (előző változatokban: YEARFRAC) függvény két dátum közti különbséget az év

törtrészeként ad meg. Néggyel való szorzással alakítjuk ki a negyedév sorszámát.
A GYAKORISÁG függvény képes egy halmazt szétválogatni és megadni, hogy hány adata esik
bizonyos csoportokba. Ez is tömbképlet, tehát fontos, hogy betartsuk a lineáris regressziónál
ismertetett LIN.ILL függvénynél leírt tömbképletek kezelési elveit:
• Ezek szerint először az eredményterületet jelöljük ki: G4:G9

• Meghívjuk a GYAKORISÁG függvényt
• Megadjuk a paramétereket az alábbiak szerint.
34. ábra. GYAKORISÁG függvény szerkesztése

A „Csoport_tömb” paraméternél elég volna megadni az F4:F8 területet is. Ugyanis, ha az

eredményterület eggyel hosszabb, mint a „Csoport_tömb” területe, akkor egy „további” kategóriát
hoz létre az utolsó eredmény cellában.
• Végül a Ctrl+Shift+Enter billentyűkkel befejezzük a beírást.

Így megkapjuk, hogy az adott negyedévben (F4:F9) hány meghibásodás (G4:G9) volt. A többi cellát
a megadott képletekkel számoljuk ki.
A F3:J9 területből készítsük el az alábbi vagy egy ahhoz hasonló „Pont” diagramot.
35. ábra. Statisztikai ellenőrző kártya pontdiagrammal
A statisztikai ellenőrző kártyából is láthatjuk, hogy csak véletlen meghibásodások fordultak elő a
vizsgált időszakban.
II.2.4.6.2. Kvantitatív (mennyiségi) vizsgálat
A gyakorlatban a berendezés megbízhatóságának valószínűségét valamilyen gyakorisággal közelítjük:
megbízhatóság = 1 – meghibásodás gyakorisága
II.2.4.6.3. Korrigálás a terhelési szint figyelembevételével
A kapacitásnál a hasznos időalapot (naptári időalap – TMK ideje) vesszük figyelembe, amelyet a
kapacitásnormával szorzunk meg.
Cél a 100%-os terhelési szint megbízhatóságának meghatározása. Ennek lépései:
• A terhelési szint számszerű nagyságának megfelelően, hipotetikusan, n párhuzamos, azonos

kapacitású egységre bontjuk fel a berendezést (elemet).
• Meghatározzuk ezen hipotetikus (Rh) részegység megbízhatóságát:
Re(t) – az egész berendezés megbízhatósága
• A terhelési szintnek megfelelő számú hipotetikus részegységet veszünk:
a berendezés korrigált megbízhatósága =

II.2.4.7. A megbízhatósági kulcspontok (kritikus berendezések)
megbízhatósági függvényének meghatározása
Megbízhatósági kulcspontokon a rendszernek azokat az elemeit értjük, amelyeknek a megbízhatósága
döntő mértékben befolyásolja a rendszer megbízhatósági viszonyait.
II.2.4.7.1. Statisztikai hipotézisvizsgálat az eloszlás jellegére
A megbízhatósági függvények meghatározása statisztikai hipotézisvizsgálat során, nem paraméteres

próbákfelhasználásával lehetséges. A statisztikai hipotézisvizsgálat lényege, hogy a valószínűségi
változóval kapcsolatos feltevéseket a valószínűségi változó értékeit tartalmazó sokaságból vett minták
jellemzőinek számszerű értékei alapján döntjük el. A hipotézis a valószínűségeloszlás jellegére
vonatkozó feltevés (pl. exponenciális eloszlás, Weibull-eloszlás). A nem paraméteres próbák az
elnevezésüket onnan kapták, hogy az eloszlás jellegének vizsgálatára, nem pedig annak
paramétereinek becslésre alkalmasak.
Gyakorlati tapasztalat alapján a Kolmogorov–Szmirnov és χ2 (Khi-négyzet) próbák alkalmazása az

előnyös a megbízhatósági függvények ellenőrzésére. Az egyszerűbb alkalmazhatóság és megértés
miatt csak a Kolmogorov–Szmirnov-próbát vesszük. További előnye, hogy kis mintánál is jól
alkalmazható, ami gyakran jellemző a karbantartás adataira.
A Kolmogorov–Szmirnov egymintás próba azt vizsgálja, hogy egy adott minta származhat-e egy
bizonyos elméleti eloszlásból. A próba a kumulált gyakoriságok összehasonlításán alapul.
Null hipotézis: H0: F(t)=F0(t),
Alternatív hipotézis: H1: F(t)≠ F0(t), legalább egy ti-nél.
F0(t) az elméleti eloszlásfüggvény, F(t) a tapasztalati eloszlásfüggvény, amit a mintából

számítottunk.
A próba lépései:
• A kiinduló hipotézis alapján kiszámítjuk az elméleti kumulált eloszlást, F0(t). Az elméleti eloszlás
paramétereit regresszió számítással határozhatjuk meg. Exponenciális eloszlásnál a λ közvetlenül
is számítható (meghibásodások száma/∑meghibásodások közt eltelt idő), vagy a gyártó cég
ajánlatát is elfogadhatjuk.
• A minta értékei alapján kiszámítjuk a tapasztalati kumulált eloszlás értékeit, F(t). Lásd a lenti
célszerű táblázatforma szerint.
• Ha maxF0t-F(t)≤Dm, akkor a kiindulási hipotézis igaz.
A Dm értéke a szignifikanciaszinttől és a minta elemszámától függő érték, amely táblázatból

kikereshető a Kolmogorov–Szmirnov egymintás próbához.
Egy célszerű táblázat a számításokhoz exponenciális eloszlás esetén:

76. táblázat. Célszerű táblázat a számításokhoz exponenciális eloszlás esetén
Sor- t: két meghibásodás közt F0(t): (1 – e-λt) a F(t): t időn belül történt |F0(t)
szám eltelt működési idő meghibásodás elméleti meghibásodások relatív – F(t)|
növekvő sorrendben valószínűsége t időn gyakorisága
belül
1 1/N
2 2/N
… …
N N/N
II.2.4.7.2. Példa exponenciális eloszlás közelítésére az Excel lehetőségeivel
A már eddig is használt és vizsgált adatainkat itt is fel tudjuk használni.
77-78. táblázat. A működési idő kiszámolása eredményekkel és képletekkel
Az exponenciális eloszlás megbízhatósági adatainak kiszámításához a működési időket (C3:C19) sorba

kell rendeznünk, ahogyan az előző fejezet utolsó táblázatában is tettük, mert itt is a relatív
gyakorisággal közelítjük azt. A rendezés 4 lehetőségét már vettük a gyártmánykarakterisztika
feladatnál. Ezért itt csak jelezzük, hogy az ott ismertetett statikus rendezést használjuk, mivel itt a
C3:C19 területen lévő „Működési idő” képlet két külön sorra hivatkozik, ami lehetetlenné teszi a
helyben rendezést. A rendezés főbb lépéseit azért itt is leírjuk.
A működési időket (C3:C19) jelöljük ki és másoljuk a vágólapra. Kattintsunk az A23-as cellába, hogy
ide szeretnénk majd beilleszteni, de csak az értékét!
A „Kezdőlap” menüszalag „Beillesztés” parancsgombját gördítsük le. Vagy az „Irányított
beillesztés” menüpontjának „Értéket” jelölőnégyzetének segítségével vagy az (Értékek) gombbal

átmásoljuk a kijelölt cellától (A23) kezdődő területre (A23:A39) csak az értékeket.
Így a képletektől megszabadított működési időket már növekvő sorrendbe rendezhetjük a
„Rendezés és szűrés” gombot legördítve a menüponttal.

A meghibásodások számát sorozatként hozhatjuk létre, ha a B23-ba beírjuk az egyet, majd a kitöltő
négyzetét (a kijelölt cella jobb alsó sarkában lévő fekete kis négyzet) a Ctrl gomb nyomva
tartásával húzzuk a B39-es celláig.
79-80. táblázat. A megbízhatóság kiszámolása eredményekkel és képletekkel
A C23:C39 területen a képen látható képlettel számoljuk ki a megbízhatóságot. A D23:D39 terület

később kell, amikor majd a LIN.ILL-el is megoldjuk az exponenciális közelítést, a lineárisra visszavezetés
módszerével.
Jelöljük ki az A23:A38 és a Ctrl segítségével a C23:C38 területet együtt. A 39. sorban lévő utolsó
adatot nem tudjuk felhasználni, mert a C39-es cellában látható 0 megbízhatóság nem fogadható
el, hiszen valamilyen megbízhatósága mindig van, csak nagyon kicsi. de nem nulla! Az Excel sem tudna
ezzel az adattal exponenciális közelítést végezni! Lehetne persze a 0 érték helyett valamilyen kis
értéket beírni, de a beírt érték nagysága a közelítést erősen befolyásolja, ezért tanácsosabb
egyszerűen elhagyni.
A kijelölt területből készítsük el az alábbi képen látható „Pont” diagramot!
36. ábra. Az exponenciális eloszlás pontdiagramja

A függvény egyik pontjára kattintva, a helyi menüből hívjuk meg a „Trendvonal felvétele…”
menüpontot, ahogyan azt már a lineáris regressziónál leírtuk.
Állítsuk be a paraméterek a következők szerint:
• Exponenciális típust választunk.

• Kérjük az R négyzet és az egyenlet paramétereinek kiírását is.
• Lényeges, hogy a „Metszéspont” értékét 1-re állítsuk, mert most csak a λ-t tekintjük keresendő
paraméternek!
A lineáris regressziónál tanultak szerint itt is célszerű kicsit átformázni a diagramot:
37. ábra. Az exponenciális eloszlás átformázott pontdiagramja

Az eredményünk meg is van, a λ=0,0377. Ráadásul az r értéke is rendkívül magas, nagyon szoros
kapcsolatot jelez.
Érdemes a feladatot megoldanunk az Excel LOG.ILL függvényével is, ahogyan a lineáris regressziónál
tettük a LIN.ILL függvénnyel (lásd ott a részletes értelmezést és végrehajtást is):
81–82. táblázat. A feladat megoldása Excel LOG.ILL függvénnyel – eredményekkel és képletekkel
A LOG.ILL függvény a következő alakban közelít: y=bmx. Ha a grafikonunkon lévő alakkal jobban
összevethetővé akarjuk tenni, akkor érdemes a következő alakra alakítani: y=beln(m)x. Így a λ a LOG.ILL
esetében az ln(m) érték lesz, amit az E33-as cellából olvashatunk le. A „b” értékére előírtuk a
„Konstans” paraméter 0 értékre állításával, hogy 1 legyen. Lásd az alábbi ábrán!
38. ábra. A LOG.ILL függvény szerkesztése

Látható, hogy a λ itt is 0,0377. Egy kicsi eltérés mutatkozik LOG.ILL és a grafikonon lévő megoldás
R2 értéke közt. A grafikonon: 0,98835, még a LOG.ILL-nél: 0,99522. Mindkettő nagyon szoros
kapcsolatot jelez, ami most nekünk elég.
Az Excelben lehetőség van a lineárisra visszavezetett alak LIN.ILL-el történő megoldására. Ennek
használatát egyébként is érdemes tudni, ezért nézzük ezt meg.
Az y=bmx alak logaritmizálással linearizálható: lg(y)=lg(b)+lg(m)x. Tehát az eredeti x és a

logaritmizált y közt már lineáris a kapcsolat. Célszerű a 10 alapú logaritmust választani, mert a lg(m)
alakból az m-et könnyebb kifejezni majd. Az y 10-es alapú logaritmusát latjuk a D23:D39 területen. A
D39 értékét itt sem vesszük figyelembe! A LIN.ILL használatát mutatja az alábbi két táblázat:
83–84. táblázat. A LIN.ILL használata – eredményekkel és képletekkel
A H24 cellában látjuk az m visszatranszformált értékét, még az I24-ben a b-ét. A H23-ban pedig a λ
értékét olvashatjuk le. Az m és b paraméterek értéke tehát mindhárom módszerrel azonos. Az
R2 értéke a LIN.ILL és a LOG.ILL-nél megegyezik, 0,99522.
II.2.4.7.3. Példa a Kolmogorov–Szmirnov egymintás próbára
Az előző példát folytatjuk tovább, annak adataira és számításaira építkezünk. Kiegészítjük azzal a
vizsgálattal, hogy helyes volt-e adatainkra feltételezni az Exponenciális eloszlást? Az eddigi
számításainkból ez feltételezhető, hiszen az előző fejezetben az exponenciális közelítésnél kapott
R2 értéke (0,99522) igen magas, de ellenőrizzük le a próbával is a 2.4.7.1. fejezet elvei alapján. Az alábbi
Excel képek alapján láthatjuk, hogy 5% szignifikanciaszintre helyes volt a hipotézisünk. Megnézve a
kritikus értékek táblázatát a Kolmogorov–Szmirnov egymintás próbához (lásd a következő fejezetben),
láthatjuk, hogy a táblázat 20, 15, 10, 5 és 1%-os szignifikanciaszintjeire is igaz a hipotézis! A 17-es
mintanagyság sort kell néznünk! Itt minden érték nagyobb, mint a kiszámított legnagyobb eltérés
(0,087811216) az elméleti és a tapasztalati kumulált értékek közt!
85–86. táblázat. Kritikus értékek a Kolmogorov–Szmirov egymintás próbához – ereményekkel és
képletekkel
Érdemes megnézni a D23-es cella tartalmát, =E20<=E21, ahol egy logikai kifejezésként vizsgáljuk meg,
hogy az elméleti és a tapasztalati eloszlás közti maximális eltérés (E20-as cellába lett kiszámítva a MAX
függvény segítségével) kisebb egyenlő-e a Dm-nél, a kritikus értéknél! A Dm értékét a következő
fejezetben található táblázatból írtuk be az E21-es cellába, a 17-es mintanagyság és 5%
szignifikanciaszint alapján. Az E22:E23 területre pedig begépeltük ez alapján a következtetésünk
szövegét, amely szerint helyes volt az exponenciális eloszlás feltételezése az adatainkra.
II.2.4.7.4. Kritikus értékek a Kolmogorov–Szmirnov egymintás próbához
Szignifikanciaszint vagy elsőfajú hiba jelentése (jele alfa vagy p): Annak valószínűsége, hogy ugyan a
null hipotézis (H0) igaz, de mégis elvetjük. Jelen esetben annak a valószínűsége, hogy jó az
illeszkedésünk, de mégis elvetjük.
87. táblázat. Dm kritikus értékei a Kolmogorov–Szmirnov egymintás próbához
II.2.4.8. A rendszer megbízhatósági szintjének meghatározása

A termelő rendszer megbízhatóságának számszerű ismerete a termelési terv realitásának és a
tervteljesítés várható szintjének meghatározása céljából fontos. Az elemek megbízhatóságának és az
elemek kapcsolódási struktúrájának ismeretében, a korábban ismertetett elvek felhasználásával ez
meghatározható.
A mi példánkban csak egy elemből álló rendszert vettünk, így ezt a lépést nem kell most
végrehajtanunk.
II.2.4.9. Javaslat kidolgozása a tervszerű karbantartási rendszer

kialakítására
A ciklusidőt a megbízhatósági függvényből fejezhetjük ki, ha ismerjük a kívánatos megbízhatósági
szintet (R(t)).
Exponenciális eloszlás (R(t) = e-λt) esetén így fejezhetjük ki az időt:
A λ becsülhető az előzőek alapján a rendelkezésre álló meghibásodási adatokból. A gyártó cég is

megadhatja. Sokszor érdemes regresszió számítás segítségével meghatározni.
Az R(t), a kívánt megbízhatósági szint megadása, a következő meggondolások alapján történhet:
• Akkor célszerű karbantartani, amikor a meghibásodás valószínűsége már elérte a megbízhatóság

valószínűségét: R(t) = 0,5.
• Gazdasági kockázat oldaláról lehet mérlegelni, hogy milyen R(t) értéknél célszerű leállni és
tervszerűen javítani, vagy esetleg vállalni a ritkább tervszerű leállást a több eseti, véletlenszerű
meghibásodással együtt. Az R(t) kb. 50%-os értékét így eltolhatjuk valamely irányba, a véletlen
leállás és a tervszerű leállás költségének arányában. (Pl., ha túl nagy költséggel járna egy véletlen
leállás, akkor az R(t)>0,5.).
• A termelési terv alapján történő visszaszámítással.
Különböző ciklusidőket határozhatunk meg attól függően, hogy milyen javítási munkákat,
meghibásodásokat veszünk figyelembe a vizsgálat során.
II.2.4.9.1. Lineáris regresszióra visszavezetett regresszió
A Weibull-eloszlásnál is kifejezhetjük az időt:
Az „a” és „b” értékeit regressziószámítás segítségével határozhatjuk meg. Visszavezethetjük lineáris

regresszióra a következő transzformáció segítségével:
Ez az alak már lineárisnak tekinthető. Ha a következő jelöléseket bevezetjük, akkor ez jobban látszik:
Az „a” értékét a lineáris regresszió elvégzése után vissza kell transzformálni a következő képlet
szerint: a = eB
Természetesen a lineáris regressziót a transzponált értékekkel (X és Y) kell elvégezni!
II.2.4.9.2. A „modszertan.xls” segédanyag elérése statisztikai mintafeladatok miatt
A regressziószámítás az exponenciális eloszlás esetén is elvégezhető a fentiekhez hasonlóan, de

számos szoftver erre már kész megoldást ad. Pl. az Excel LOG.ILL függvénye vagy a diagramok
„Trendvonal felvétele” menüje. Lásd a lehetőségeket a www.pszfsalgo.atw.hu honlap „Letöltések”
fülénél. Keressük meg a következő letöltési csoportot: „Könyveinkhez kapcsolódó tananyagok,
mintafeladatok” Ebből a csoportból a következő címre kattintsunk: Számítástechnikai
mintafeladatok (2005) könyv. A megjelenő felsorolásból a következő sor lényeges: Módszertan. A
címszóra kattintva rövid leírást kaphatunk, hogy mit is tölthetünk le. Maga a letöltés a sor végén
található nyílra kattintással történhet:
Egy figyelmeztető üzenetet kapunk, amelyet elolvasva, az OK gombbal léphetünk tovább. Mivel a
letöltendő állomány tömörített (modszertan.zip), ezért érdemes a megjelenő ablak „Megnyitás”
gombjával megnyitni. Attól függően, hogy milyen programmal (Windows „Tömörített mappa”,
WinRAR vagy más) csomagoljuk ki, eltérhet a következő néhány lépés. „Megnyitás” helyett a „Mentés”
gombbal menthetjük le a tömörített állományt. Mentés esetén a kisebb állományméret miatt
könnyebb az állomány másolása, elvitele. Később ki kell majd csomagolni a használathoz.
Érdemes átnézni a modszertan.xls állomány „Exponenciális regresszió” munkalapját. A munkalap

környékén lévő számos regressziószámítással foglalkozó egyéb munkalapot is ajánlott
áttanulmányozni, ha több ismeretre van szükségünk e területen. A modszertan.xls állomány többi
munkalapját is érdemes átnézni, mert számos statisztikai és egyéb módszert is ismertet (pl.
korrelációszámítások, statisztikai próbák, SPSS, Solver stb.), amelyet szervezési munkáink során is
felhasználhatunk.
II.2.4.9.3. A ciklusidő kiszámítása, példa a „Célértékkeresésre”
Végül számoljuk ki a szükséges ciklusidőt 50%-os megbízhatósági szinthez. A feladatot Excelben

háromféle módon is megoldhatjuk. Az egyik a megszokott, ismert módszer, hogy kifejezzük az R(t) =
e-λt egyenletből a t értékét és behelyettesítjük a λ kiszámolt értékével (0,0377), illetve az R(t) értékével
(0,5). Nézzük meg Excel táblában!
88. táblázat. A ciklusidő kiszámítása az R(t) = e-λt egyenletből
A második módszer az Excel „Adatok” menüszalagján a „Lehetőségelemzés” gomb legördítésével

meghívható „Célértékkeresés…” menüpontját használja. Ennek akkor van különösen nagy
jelentősége, ha az előző módszer szerint nem tudjuk kifejezni a keresett változót. Itt ugyanis erre
nincs szükség. Nézzük a számításokat Excelben:
89–90. táblázat. A ciklusidő kiszámítása célértékkereséssel

Az N20-as cellába írtuk a képletet. Az N22-es cellába írtuk a λ értékét. Az N23-as cellába az e értékét
számítottuk ki a KITEVŐ függvénnyel, de be is írhattuk volna az értékét. Az N21-es cella a változó
cellája, amelyet zöld színnel jelöltünk és általában üresen hagyunk.
A célértékkeresés meghívása előtt célszerű az N20-as cellán lenni, mert így azt a „Célcella” beviteli
mezőbe be is írja. Ha nem az N20-as cellán állunk, akkor ezt meg kellene adni. Célértéknek 0,5 vagy
50%-ot adjunk meg, mert ezt szeretnénk az N20-as cellában látni a számítás végén. Módosuló
cella pedig a t cellája, amely most az N21-es. Az „OK” gombra kattintva megadja a „Célérték állapota”
ablakban, hogy talált-e megoldást. Most talált. Fogadjuk el. Az N21-es cellában leolvashatjuk a
keresett t értékét, amely kb. megegyezik (csak közelítő számítást végez) az előző módon kiszámolt t
értékkel.
39–40. ábra. Célérték keresése, célérték állapota

A harmadik módszer a már ismertetett Solver. A „Célértékkeresés” ugyanis tulajdonképpen egy

leegyszerűsített Solver alkalmazás. Logikailag ugyanazokat a képleteket használjuk, csak egy más
területen, hogy a számítások eredményei összevethetők legyenek a 3 módszerrel. Egyébként a Solvert
a célértékkeresés területén is alkalmazhattuk volna.
91–92. táblázat. A ciklusidő kiszámítása Solverrel

41. ábra. A Solver paraméterei
Mindhárom számítással ugyanazt a 18 napos ciklusidőt kapjuk. A Solver kicsit pontosabb, mint a
célértékkeresés, de a gyakorlat szempontjából ennek itt nincs jelentősége.
II.2.4.10. A javaslat bevezetési feltételeinek és várható gazdasági

eredményeinek feltárása
A bevezetés feltételeinek vizsgálata:
• Van-e elegendő alkatrész a javításhoz?

• Van-e elegendő létszám a kívánt sűrűségű javításokhoz?
Az eredményváltozást ÁKFN (Árbevétel, Költség, Fedezet, Nyereség) struktúrán keresztül kísérhetjük

nyomon.
II.2.5. Tervszerű karbantartási rendszer optimális kialakítása

II.2.5.1. Egy rendszer optimális, tervszerű, megelőző karbantartási
rendszerének kialakítása
II.2.5.2. Egy elem optimális, tervszerű, megelőző karbantartási
II.2.5.3. Költségoptimálási lehetőség
II.2.5.1. Egy rendszer optimális, tervszerű, megelőző karbantartási

II.2.5.1.1. A matematikai modell felírása
A feladat egy rendszer időegységre eső állásidejének minimalizálása. Ez nyilván csak akkor
elfogadható, ha a véletlen leállás nem jár az időveszteségen túl egyéb lényeges veszteséggel.
A rendszer vizsgálatakor a következőket feltételezzük:
• Ha a rendszeren nem végeztünk TMK-t, akkor a véletlen meghibásodások összes ideje az időben a
következő egyenlettel írható le:
tLJ(t) = atb
t – idő, t=0 pontban volt az előző TMK befejezése utáni újraindulás
tLJ(t) – a kumulált javítási idő t-ig

a – konstans, a>0
b – konstans, b>1, azaz progresszív folyamatról van szó, vagyis a meghibásodások összes ideje t-ig
egyre jobban nő, ha késlekedünk a TMK-val. (Ha nem így lenne, azaz nem progresszív a folyamat, akkor
nem is érdemes TMK-t végeznünk, hiszen nem nő egyre hatványozottabban a meghibásodás miatti
leállás ideje, tehát nem járunk rosszabbul, ha csak a véletlen meghibásodások miatti javítási idővel
számolunk.)
• A TTMK, a TMK időtartama független a τ ciklusidő józan mérvű környezetében. A τ a két TMK közt
eltelt idő (üzemelés + TMK ideje).
42. ábra. Egy ciklus időbeli ábrázolása

τ – két TMK közt eltelt idő, a ciklusidő
TTMK – a TMK időtartama
TF – a rendszer üzemideje TMK nélkül (ennyit kellene üzemelnie: TF = τ - TTMK = TM + TLJ)
TM – a rendszer tényleges működési ideje
TLJ – a rendszer javítási időszükséglete két TMK közt: tLJ(t) = atb
A TF-et válasszuk független változónak, amelyet jelöljünk csak t-vel. A „min z” helyett használjuk az „y”
jelölést, mint a függő változó megszokott jelölését.
43. ábra. Két tag ábrázolása
Az ábrát és az egyenletet elemezve megállapíthatjuk, hogy topt létezik és a, b, TTMK értékétől függ.
Értékét a függvény első deriváltjából kaphatjuk meg a következő lépéseken át:
A deriválás néhány szabálya:
• függvények összegének, kivonásának deriválása:

• függvények szorzatának deriválása:
• hatvány deriválása:
• állandó deriválása: az eredmény 0
Az egyenlet „a” és „b” paramétereit regressziószámítás segítségével lehet meghatározni. A

TTMK értékét ismerjük, hiszen ez a tervszerű megelőző karbantartás ideje, amely műszaki oldalról
megadható vagy megbecsülhető. Ezek után a „t” értéke már számolható. Ha a „b” értéke a
regressziószámítás során nem lesz nagyobb egynél, akkor nincs optimális ciklusidő, ami azt jelenti,
hogy nem érdemes „csak” a TMK miatt leállni. Itt azért mindig feltételezzük, hogy a véletlen leállás
nem okoz aránytalanul nagy veszteséget. Lásd a fejezet elején lévő okfejtéseket. Ha a véletlen leállás
nagy veszteséggel járna, akkor a „Tervszerű karbantartási rendszer kialakítása egy kívánatos
megbízhatósági szint alapján” fejezet szerint kell eljárni.
II.2.5.1.2. Példa hatványfüggvény közelítésére az Excel lehetőségeivel

A következőképpen használhatjuk az előzőekben már ismertetett példa adatait.
93–94. táblázat. Példa hatványfüggvény közelítésére – eredményekkel és képletekkel
A hatványfüggvény alakja: y=axb=atb. Az Excel diagramján ez az alak közvetlenül közelíthető. Jelöljük ki

C3:C19 (x vagy most t adatok) területet, majd a Ctrl segítségével jelöljük hozzá az E3:E19 (y) területet
is. Készítsük el belőle az alábbi „Pont” diagramot!
44. ábra. Halmozott állásidő az előző TMK-tól kezdve

A lineáris regressziónál már ismertetett módon az egyik adatpontra kattintunk a jobb egérgombbal,
és a helyi menüből meghívjuk a „Trendvonal felvétele…” menüpontot. Az alábbi módon
paraméterezzük:
• Hatvány trendvonalat kérünk.

• Kérjük az R négyzet és az egyenlet paramétereinek kiírását is.
Ekkor kapjuk kis átrendezéssel és átformázással az alábbi diagramot.

45. ábra. Halmozott állásidő az előző TMK-tól kezdve – átrendezve, átformázva
A közelítést érdemes elvégezni a LIN.ILL segítségével is. Ehhez a hatványfüggvényt linearizálni kell. A
hatványfüggvény: y=axb. Linearizált alakját logaritmizálással kapjuk meg: lg(y)=lg(a)+blg(x). Jelölhetjük
és írhatjuk így is: Y=A+BX. Tehát az x és y változóknak a logaritmusát kell vennünk (lásd az F és G
oszlopban a példa elején). Célszerű itt is a tízes alapú logaritmust választani, mert így könnyebben
vissza tudjuk transzformálni a lg(a)-ból az „a” értékét. Lásd az alábbi ábrákon a K5-ös cellában.
95–96. táblázat. A közelítés elvégzése LIN.ILL segítségével – eredményekkel és képletekkel
Láthatjuk, hogy az „a”, „b” és az R2 értéke mindkét esetben megegyezik. A LIN.ILL-nél azonban
könnyebb vele továbbszámolni.
Az r értékét is kiszámolhatjuk: 0,9367 (K7), amely elég szoros kapcsolatot mutat. A „b” értéke
nagyobb, mint egy, ezért használhatjuk a modellt, kiszámolhatjuk az optimális ciklusidőt.
II.2.5.1.3. Analitikusan nem megoldható egyenlet megoldása
Az egyenlet bonyolultságát alapul véve most nagyon jól használható a célértékkeresés vagy a Solver.
A TTMKidőt 0,5 napnak vesszük. Az alábbi ábrákon láthatjuk az alkalmazott képleteket, illetve a
célértékkeresés és a Solver paraméterezését.
97–98. táblázat. Optimális ciklusidő eredményekkel és képletekkel

46. ábra. Célérték keresése

Az optimális ciklusidő 74 nap.
A számítás könnyedsége miatt érdemes más TTMK idővel is kipróbálni a számítást. Pl. 1 napnál a
ciklusidő 102 napra nő.
II.2.5.2. Egy elem optimális, tervszerű, megelőző karbantartási

II.2.5.2.1. A matematikai modell felírása
A feladat egy elem időegységre eső állásidejének minimalizálása.
Az elem vizsgálatakor a következőket feltételezzük:

• A véletlen meghibásodások időtartamának várható értéke t időpontig a következő egyenlettel
írható le:
tLJ(t) = atb
t – idő, t=0 pontban volt az előző meghibásodás utáni újraindulás
tLJ(t) – a javítási idő várható értéke t időpontig
a – konstans, a>0
b – konstans, b>1
• A TTMK, a TMK időtartama független a τ ciklusidő józan mérvű környezetében. A τ a két TMK közt
eltelt idő.
A két feltétel logikailag azonos az előző feladat (rendszerre vonatkozó) feltételeivel, de itt ez a
gyakorlatban lényegesen erősebb megszorításként fogható fel.
A ciklus előző ábrázolása itt is felhasználható, csak a jelöléseknek más az értelme.
48. ábra. Egy elem időegységre eső állásidejének minimalizálása

τ – két TMK közt eltelt idő, a ciklusidő
TTMK – a TMK időtartama
TF – a vizsgált időszak hossza: TF = τ - TTMK = TM + TLJ
TM –a vizsgált időszakból várhatóan ennyit fog üzemelni az elem
TLJ – a vizsgált időszakból várhatóan ennyi lesz az elem váratlan meghibásodások miatti állásideje: tLJ(t)
= atb
Ennél a feladatnál azonban célszerű figyelembe venni, hogy a TMK-ra nem kerül sor minden ciklus
végén, hiszen a véletlen meghibásodás miatt már a TF időn belül történhet karbantartás, ahol az elem
TMK-ját is elvégezhetjük. Ezt a következőképpen vehetjük figyelembe:
Korrigált TTMK = T’TMK = R(t)TTMK

R(t) az elem megbízhatósági függvénye, azaz annak valószínűsége, hogy az elem legalább t időpontig
meghibásodás nélkül üzemel.
Ekkor az elérendő célfüggvényünket így írhatjuk fel:
TF-et választva független változónak:
A függvény túl bonyolult és túl sok paramétert tartalmaz ahhoz, hogy általánosan elemezni érdemes
legyen. Ezért a szélsőérték létezését mindig ellenőrizni kell a konkrét esetben.
R(t) = e-λt (exponenciális eloszlás) esetén a függvény első deriváltja:
II.2.5.2.2. Analitikusan nem megoldható egyenlet megoldása
Nézzük meg Excelben a megoldást az előzőekben már használt adatokra. A célérték keresése vagy
a Solverismét nagyon jól jön, mert analitikusan nemigen lehet megoldani a fenti egyenletet. A λ, e, a,
b és a TTMK értékét az előző számításokból vettük át, csak idemásoltuk az értéküket, ahol lehetett, ott
a cellájára hivatkoztunk:
99–100. táblázat. Optimális ciklusidő eredményekkel és képletekkel

49. ábra. Célérték keresése

Az optimális ciklusidő 50 nap.
II.2.5.3. Költségoptimálási lehetőség

A rendszer és az elem fenti vizsgálatait az idő oldaláról közelítettük, de az idő adatok helyett
költségekkel is számolhatunk. Ebben az esetben a javítási vagy állásidők helyett a megfelelő
költségeket nevezzük meg. Például TTMK a TMK költsége, illetve a termeléskiesés vesztesége. A TLJ a
véletlen meghibásodások javítási költsége, illetve a termeléskiesés vesztesége. Azonban, ha
feltételezzük, hogy a karbantartási költség, illetve a termeléskiesésből származó veszteség a javítási
idővel arányos, akkor az arányossági tényezőt kiemelve, idő oldaláról is ugyanazt a szélsőértéket
kapjuk, mint költségoldalról.
II.2.6. Kapacitásvizsgálat a megbízhatósági szempontok
figyelembevételével
Mint már említettük, a rendszer megbízhatóságát a tartalékolás mint alapvető belső befolyásoló
tényező erősen módosíthatja. A tartalékolás abban áll, hogy a rendszer eleméhez egy vagy több
tartalékelemet kapcsolunk, esetleg csökkentett terheléssel üzemeltetjük.
A megbízhatóság növelésére a tartalékolás elsősorban új létesítmények tervezésekor használható

fel. Gyakran azonban utólag is gazdaságos lehet egy tartalékberendezés beépítése.
A már ismertetett párhuzamos kapcsolás elvén kiszámítható, hogy a megbízhatóság növelésével

milyen kapacitásnövekedés érhető el. Ennek költségeit figyelembe véve mérlegelhetjük, hogy ezt
érdemes-e megtennünk.
II.2.7. Egyedi javítások, PERT/COST hálótervezés

Az egyedi feladatok kezelése hálótervezési módszerrel történhet. A karbantartási feladatok azonban
sztochasztikus modellt igényelnek. Ilyen módszer a PERT (Program Evaluation and Review Technique
– programértékelő és áttekintő technika). A végrehajtási idő azonban költségráfordítással
csökkenthető. Ezt a problémát költség- (erőforrás) optimáló hálók kezelik. Ilyen a PERT/COST
hálótervezési módszer, amely feltételezi, hogy a feladat elvégzési ideje és a ráfordítások közt kapcsolat
van.
A költségek két nagy csoportra bonthatók:
• Közvetett költségek (irányítás, adminisztráció)

Az időegységre eső közvetett költség az időben nem nagyon változik.
51. ábra. A közvetett költség alakulása a feladat végrehajtási idejének függvényében

• Közvetlen költség
Egy feladat időegységre eső közvetlen költsége jelentősen függhet a végrehajtás idejétől. (Nagyobb
létszámmal, több költséggel rövidebb idő alatt is elvégezhető ugyanaz a tevékenység.)
52. ábra. A közvetlen költség alakulása a feladat végrehajtási idejének függvényében
Időrövidítési tényező: ir = = egy egységnyi időrövidítés milyen költséggel jár. Feltételezzük,

hogy egyenessel közelíthető az adott tartományban az összefüggés. Lásd az ábrán! Szükség esetén
több egyenes szakasszal is közelíthetjük a függvényünket.
A PERT/COST lépései:
1. A feladat megfogalmazása, célkitűzése

2. Tevékenységlista összeállítása, logikai kapcsolatok feltárása
3. Az egyes tevékenységek közvetlen költségének meghatározása, becslése
4. Közvetett költségek meghatározása
5. Optimalizálás
1. Az időarányos terv megrajzolása a legmagasabb költségtényezők alapján
2. Időrövidítési tényezők meghatározása
3. Másodlagos hálóterv előállítása szegmensekre bontással
4. Az egyes utak vizsgálata a legolcsóbb út kiválasztásáért
5. Optimális átfutási idő kiválasztása
6. A háló karbantartása, folyamatos aktualizálása
Nézzünk egy példát!
101. táblázat. Adatok a PERT/COST hálótervezéshez
Készítsük el a CPM hálót a fenti adatokból!

53. ábra. CPM háló a 101. táblázat adataiból
102. táblázat. Legkorábbi és legkésőbbi bekövetkezés
Legkorábbi ↓ Legkésőbbi ↑
Esemény Különbség
bekövetkezés
1 0 0 0
2 2 2 0
3 7 7 0
4 15 15 0
5 13 15 2
6 15 15 0
7 21 21 0
8 23 23 0
9 23 23 0
10 28 28 0
A legkorábbi bekövetkezés időpontját az 1. eseményből kiindulva (↓) számítjuk ki. Az 1. eseményét

nullának vesszük. Ha az 1. eseményből egy eseménybe több útvonal vezet, akkor közülük mindig a
hosszabbat vesszük alapul. Ezt úgy számolhatjuk ki a legegyszerűbben, ha az esemény előtti
események legkorábbi bekövetkezési időpontjához hozzáadjuk a köztük lévő tevékenység végrehajtási
idejét, és közülük a legnagyobbat választjuk.
A legkésőbbi bekövetkezés időpontját a végső (10.) eseményből visszafelé (↑) számoljuk ki. A
végső esemény legkésőbbi bekövetkezésének a legkorábbi bekövetkezésének időpontját vesszük. Ez
a kritikus út hossza. Egy eseményből, ha több útvonal is vezet, akkor mindig a végső eseménybe vezető
leghosszabbat vesszük alapul, amit úgy számolhatunk ki a legegyszerűbben, ha a követő események
legkésőbbi bekövetkezési idejéből levonjuk a köztük lévő tevékenység végrehajtási idejét, majd ezek
közül a legkisebbet választjuk.
Nézzük a költségek figyelembevételét! A közvetett költség a leghosszabb tevékenységi időt alapul

véve: 4000 Ft. Ez napi 300 forinttal csökken 6 napon át, utána napi 100 forinttal. Rajzoljuk meg az
időarányos tervet és helyezzük el benne az időrövidítési tényezőket!
103. táblázat. Időarányos terv és időrövidítési tényezők
Nézzük meg, hogy az egyes szegmenseket hol tudjuk elhagyni, illetve azt is, hogy megéri-e ez!
A táblázatban a szegmensek elhagyását a tevékenység betűjelével és a vágás sorszámával jelöljük:

C1 a C tevékenység 1. szegmensét jelenti, a Bl1 a B tevékenység utáni látszattevékenység 1.
szegmensét jelenti. Igyekszünk mindig a legkevesebb költséggel járó vágást ejteni, és figyeljük, hogy
az összköltség nem növekszik-e. Ha már növekszik, akkor abbahagyjuk a folyamatot.
104. táblázat. Az egyes szegmensek elhagyásának lehetősége
Elhagyás Közvetlen Közvetlen Közvetlen és

Idő Közvetett
Sorszám költség költség közvetett költség
[nap] (vágás) költség
növekedés összesen összege
0 28 - - 8350 4000 12350
1 27 C1, Bl1 80+0 8430 3700 12130
2 26 K1, L1 40+80 8550 3400 11950
3 25 K2, L2 40+10 8600 3100 11700
4 24 L3, G1, Fl1 10+50+0 8660 2800 11460

Elhagyás Közvetlen Közvetlen Közvetlen és
Idő Közvetett
Sorszám költség költség közvetett költség
[nap] (vágás) költség
növekedés összesen összege
I1, G2, 50+50+0+0 8760 2500 11260

5 23
Hl1, Fl2
6 22 C2, Bl2 120+0 8880 2200 11080
D1, F1, 110+20+0 9010 2100 11110

7 21
Bl3
Az egyes szegmensek elhagyását jelöljük az időrövidítési tényező aláhúzásával, hogy jobban lássuk,
melyeket vettük már figyelembe.
105. táblázat. Az egyes szegmensek elhagyásának jelölése az időrövidítési tényező aláhúzásával
A 7. lépésnél látjuk, hogy ez már költségnövekedéssel jár, ezért itt abbahagyjuk a folyamatot és a 6.
lépést vesszük optimális megoldásnak.
II.3. Anyagmozgatás
II.3.1. Fogalmak
II.3.2. Az anyagmozgatás összefüggései a gyártási típusokkal,
gyártási rendszerekkel
II.3.3. Az anyagmozgatás területei
II.3.4. Az anyagmozgatás időszükségletének meghatározása
II.3.5. Az anyagmozgató berendezések kiválasztásának kérdései,
a Combinex módszer
II.3.6. A Guilford-féle súlyszámképzés
II.3.1. Fogalmak
Az anyagmozgatás magába foglalja a vállalat összes alap- és segédanyag, félkész- és késztermék,
valamint berendezés helyzetének megváltozásával kapcsolatos valamennyi mozgatási műveletét.
Csak a szilárd anyagok anyagmozgatásával foglalkozunk.
Fogalmak:
• termékegyed – az anyag egy egysége, egy darabja,

• teheregység – az anyagmozgatás, kezelés szempontjából legkisebb egység (kézi mozgatásnál),
• rakományegység – tárolási, mozgatási egység (anyagmozgató berendezés esetében, vállalaton
belül),
• fuvaregység – egy-egy szállítás ennyit mozgat meg (vállalati beszerzéskor),
• egységrakomány – olyan rakományok, melyeket azonos méretre alakítottak ki az azonos kezelés
céljából,
• anyagmozgatási többszörös – megadja, hogy a késztermék egységsúlyára vonatkoztatva a gyártás
során hányszoros súlyt kell mozgatni. Ez két részből áll:
1. anyagtöbbszörös – a gyártás során felhasznált többletanyag nagyságáról ad felvilágosítást,
2. gyakorisági többszörös – az anyag ismételt mozgatásáról ad felvilágosítást.
II.3.2. Az anyagmozgatás összefüggései a gyártási típusokkal,

gyártási rendszerekkel
A gyártási típus tömegszerűség alapján csoportosít:
• egyedi gyártás – általános rendeltetésű, univerzális jellegű, rugalmasan alakítható, átépíthető

gépeket igényel: csarnok szerelődaruja,
• sorozatgyártás – jellemző rá az egységrakomány-képzés, a tételenkénti szállítás: targoncák,
• tömeggyártás – részfeladatokra specializált, nagy termelékenységű, beépített berendezések,
időben szabályozott munkaritmussal: szállítószalag, konvejor.
A gyártási rendszer térbeli elrendezés alapján csoportosít:
• Műhelyrendszerű gyártás – azonos technológiai műveletet megvalósító termelőhelyek kerülnek

egy műhelybe. Igen szállításigényes, mert térben és időben megszakítottá válik az anyagmozgatás.
Univerzális, pályához nem kötött, szakaszos működésű anyagmozgató eszközök alkalmazhatók.
• Zárt termelési ciklusú csoportos gyártási rendszerek – az egymást követő technológiai műveletek
egy területi egységre kerülnek. Az anyag rövid úton vándorol, csak időben válik megszakítottá az
anyagmozgatás. Speciális tartozékokkal felszerelt targoncák, gördülő polcok alkalmazhatók.
• Folyamatos gyártási rendszer – az egymást követő munkahelyek szerves kapcsolatban állnak
egymással. Specializált, kötött pályájú, beépített szállítóberendezések alkalmazhatók.
A gyártási típus és a gyártási rendszer megfelelő kapcsolata:
• egyedi gyártás – műhelyrendszerű gyártási rendszer,

• sorozatgyártás – zárt termelési ciklusú csoportos gyártási rendszer,
• tömeggyártás – folyamatos gyártási rendszer.
II.3.3. Az anyagmozgatás területei

• A szállításhoz kapcsolódó anyagmozgatás: A vállalathoz érkező anyagok fogadása és a
késztermékek, hulladékok kiszállítása. Célszerű elve a „szállítási lánc”, azaz ne kelljen fölöslegesen
rakodni a szállítás során. Eszköze: raklap, konténer.
• A tárolás anyagmozgatása: Nyersanyagok, fázis- és félkész termékek, hulladékok, késztermékek és
göngyölegek tárolásával kapcsolatos anyagmozgatás. Cél a raktár kihasználása, az anyag gyors
előkeresése. Pl. magas raktár.
• Üzemközi anyagmozgatás: Nyersanyagok, félkész termékek, gyártóberendezések eljuttatása a
raktárból, az üzemekből a megfelelő üzemekbe, ráktárba. Jellemzője a kisebb rakomány, nagy szám,
ütemezés.
A rendszeres szállítás lehet:
• ingajárat,
• sugaras járat (több ingajárat),
• körforgalmi rendszer.
Eszközei: targoncák, teherautók stb.
• Munkahelyközi anyagmozgatás: A tehernek az egymás utáni gyártási fázisokban az egyik termelési

keresztmetszettől a másikig történő továbbítása.
• Munkahelyi anyagmozgatás: A munkahelyen a termelő berendezés közvetlen kiszolgálása
érdekében végzett anyagmozgatás.
Az utóbbi kettővel a munkaszervezés foglalkozik, mivel a munkavégzés és az anyagmozgatás itt

szorosan összefonódik.
II.3.4. Az anyagmozgatás időszükségletének meghatározása

• Gépi anyagmozgatásnál: számítással
• Kézi anyagmozgatásnál egyszerűen: becsléssel
• Kézi anyagmozgatásnál pontosan: elemi időállandós módszerrel
Az elemi időállandós módszer a kézi mozgásfolyamatokat alapmozdulatokra bontja. Ezekre a

begyakorlottságtól függően végrehajtási időket állapít meg, amelyek segítségével már egy
összetettebb mozgásfolyamatra is egzakt végrehajtási (norma) idő számítható. A módszer
neve: MTM – Methods Time Measurement. Magyarországon a 3M – Mozdulatelemzéses
munkatanulmányozás és munkakialakítás elnevezés terjedt el.
Az MTM módszer anyagmozgatás műveletekre kidolgozott változatai:
• SMA – 0,5–5 perc időtartamú kézi anyagmozgatásra

• SMB – 5–30 perc időtartamú kézi, illetve gépi anyagmozgatásra
II.3.5. Az anyagmozgató berendezések kiválasztásának kérdései,

a Combinex módszer
Különböző minőségeket és mennyiségeket kell együtt értékelni:
• anyagmozgató eszköz rugalmassága,

• teherbírás,
• ár,
• fogyasztás,
• méret,
• kezelhetőség,
• stb.
Ezzel a több szempontú döntéselmélet foglalkozik. Számos modellt dolgoztak már ki az alternatívák
összehasonlítására. Ezek közül néhány: Harris és Marting, Kesselring, Combinex, KIPA, AHP.
Egyszerűsége miatt a Combinex módszert nézzük meg.
A különböző minősítéseket általában egy 1 és 5 közötti skálán értékelik. A skála persze lehet 1 és
100 közötti vagy más tartomány is. A különböző jellemzőket súlyértékkel célszerű ellátni.
Nézzük meg a módszer egy lehetséges megvalósítását Excelben az alkalmazott képlettel együtt!
106–107. táblázat. A Combinex módszer egy lehetséges megoldása Excelben eredményekkel és
képletekkel
A sorrend ilyen módon való kialakítása előnyös, mert a későbbi változások rögtön átvezetődnek a
sorrendben is. Hátránya viszont, hogy azonos pontszám esetén mindig az első ilyen pontszámú
alternatívát írja ki ezen pontszámokhoz. Ilyenkor célszerű az azonos pontszámú alternatívák
átpontozása. Ha így sem sikerül különbséget tennünk két alternatíva közt, akkor a módszer
hiányossága miatt kézzel kell mellé írnunk, hogy mely alternatívák az azonos pontszámúak.
A pontszámok megadásához gyakran elég, ha egy szakértői csoport átbeszéli, és ez alapján adnak
pontszámokat.
Bizonyos esetekben azonban ezt objektívebbé és akár automatikussá is lehet tenni. Ilyen eset, ha
pl. a berendezések ára számszerűleg is ismert. Meghatározhatjuk a legnagyobb és a legkisebb közötti
különbséget. Ezt feloszthatjuk pl. 5 egyenlő részre (de más eloszlást is követhetne a felosztás). Ezekhez
rendelhetünk pontértéket, amely alapján már objektívebben is pontozhatjuk az egyes alternatívákat.
Ügyes elrendezés esetén az FKERESfüggvényt is használhatjuk a pontszám kikereséséhez.
Egy egyszerű automatizmust is használhatunk a fenti esetben, ha feltételezzük, hogy az

alternatívánknak adandó pontszám az alternatíva minősítő értékével arányosan helyezkedik el a
legjobb és a legrosszabb alternatíva értékei közt. Tegyük fel, hogy maradunk az 1 és 5 közötti skálán.
A pontérték persze attól is függ, hogy a maximális érték a legjobb-e nekünk (pl. a teherbírás), vagy
éppen ellenkezőleg, a legkisebb (pl. az ár).
Ha a legnagyobb a legjobb (pl. a teherbírás):
=(F4-MIN($F$4:$F$11))/(MAX($F$4:$F$11)-MIN($F$4:$F$11))*4+1
Ha a legkisebb a legjobb (pl. az ár):
=(MAX($C$4:$C$11)-C4)/(MAX($C$4:$C$11)-MIN($C$4:$C$11))*4+1
A 4 a skála terjedelme: jelen esetben: 5-1. A +1 a végén pedig a legkisebb pontszám. Ezek persze
feladattól függően változhatnak.
A módszer külön előnye, hogy ilyenkor ritkábban fordulhat elő azonos végpontérték két
alternatívára, hiszen a legtöbb helyen törtértékes pontokat kapunk.
II.3.6. A Guilford-féle súlyszámképzés

Bár az esetek döntő többségében a Combinex módszerhez szükséges minősítő tételek súlyszámának
meghatározásához elegendő egy szakértői csoport átgondolt véleménye, mégis kialakult számos
súlyszámképző technika. Ezek közül néhány: Churchman–Ackoff, Guilford, AHP. Egyszerűsége miatt a
Guilford-féle súlyszámképzést nézzük át.
Legyen 5 (jele n) minősítő tételünk anyagmozgató berendezések kiválasztásához: ár, fogyasztás,
méret, teherbírás, kezelhetőség. Határozzuk meg, hogy a minősítő tényezőket milyen súlyszámmal
lássuk el a feladathoz!
Készítsük el az alábbi elrendezettségű táblázatot, ha lehet, több szakértővel külön-külön kitöltetve!
108–109. táblázat. Guilford-féle súlyszámképzés eredményekkel és képletekkel
A szakértő figyeljen arra, hogy ha a sorban lévő fontosabb az oszlopban lévőnél, akkor 1-et, egyébként
0-át írjon a sárgával jelzett cellákba. Az átlóba nem kerül érték.
Növeli a módszer hatékonyságát, ha a szakértőktől nem közvetlenül a fenti mátrix kitöltését kérjük,
hanem egy véletlenszerűen összeállított párosítási listát adunk nekik (Ross-féle optimális
párelrendezés), hogy abban jelöljék be a kettő közül a jobbikat. Ebből mi készíthetjük el a fenti mátrix
elrendezést.
Érdemes megvizsgálni, hogy a szakemberünk mennyire konzisztens döntéseiben. Ez

a konzisztenciavizsgálat.Eredménye a K = konzisztenciamutató. A konzisztenciavizsgálat során a
döntéshozó következetességét értékeljük. „Körhármasokat” vizsgálunk. Inkonzisztens az ítélet akkor,
ha A>B, B>C, de A<C (ez egy „körhármas”), ahol A, B és C minősítő tétel.
n = 5, mivel 5 minősítő tételünk van. d = inkonzisztens körhármasok száma. dM = a körhármasok

maximálisszáma, az első esetben n = páros szám estében, míg a második esetben az n = páratlan szám
esetében. Nézzük meg a számításokat Excelben!
110–112. táblázat. Konzisztenciavizsgálat
A képletből látható, hogy 0 ≤ K ≤ 1. K minél közelebb van az 1-hez, annál következetesebb a szakértő.
Most 100%-ban következetesek voltunk, de nézzük meg, hogy egy következetlenség esetén (E47,
pirosan kiemelve) mi az értéke!
113. táblázat. Guilford-féle súlyszámképzés következetlenség esetén
A d most 1,5. Képlete a D53-ban: =B19*(B19-1)*(2*B19-1)/12-J48/2
A K most 0,7. Képlete a D57-ben: =1-D53/F31
Általában K > 80–90% estén fogadjuk el az értékelő vizsgálatát. Mivel kicsi a minősítő tételek száma,
most ezt is elfogadjuk.
Célszerű volna még több embert felkérni a preferenciamátrix kitöltésére, de most megelégszünk
ezzel a kettővel. Jele m = 2 (C73).
Az egyéni preferenciamátrixok alapján összeállítjuk (összeadjuk) az összesített preferenciamátrixot.

Ehhez igen jó segítség az Excel irányított beillesztés paneljén lévő „Összeadás” funkció. Beillesztéskor
mindig a célterület bal felső sarkán kell állnunk. Természetesen másként is megoldható a
preferenciamátrixok összeadása.
Nézzük meg az eredményt!
114. táblázat. Összesített preferenciamátrix
Egészítsük ki a táblázatunkat az alábbiak szerint!

115–116. táblázat. Az összesített preferenciamátrix táblázat kiegészítése eredményekkel és
képletekkel
Az alkalmazott jelölések:
p = preferenciaarány:
m = szakértők száma, most: 2 (C73).
u = standard normális eloszlás értékei, amelyeket az Excel =INVERZ.NORM() függvényével is

meghatározhatunk.
Z = az u értékeinek átkonvertálása 0 kezdőpontú és 1 végpontú skálára.
W = a Z lineáris (y=k1Z+k2) transzformációval képzett értékekből való arányszámítás. A

transzformációval célunk lehet kicsit „elcsúsztatni” az arányokat, hogy ne legyen benne 0 érték. Most
a k1 (C86) és k2 (C87) értékét is egynek vettük, de könnyen átírhatjuk más értékre, ha ez szükséges.
A W értékeit tekintjük a Guilford-féle súlyszámoknak.
Irodalomjegyzék
Dr. Gaál Zoltán (1979): A megbízhatóságelmélet alkalmazása a vegyipari karbantartás
szervezésben. Kézirat, Veszprémi Vegyipari Egyetem, Veszprém
Dr. Gaál Zoltán (1979): A vegyipari anyagmozgatás szervezése. Kézirat, Veszprémi Vegyipari
Egyetem, Veszprém
Dr. Kinczel Ferenc (2011): Számítógépes termelésirányítás diasor. Salgótarján,
Letölthető: www.pszfsalgo.atw.huhonlap „Letöltések” füléről
Dr. Kinczel Ferenc (1994): Szervezéstechnológia. Kézirat, Pénzügyi és Számviteli Főiskola,
Budapest, 1994
Rádi György: Infoprog Excel versenyfeladatok megoldással. Salgótarján, 1998–2011.
Letölthető: www.pszfsalgo.atw.hu honlap „Letöltések” füléről
Rádi György (2010): Módszertan. Salgótarján, Letölthető: www.pszfsalgo.atw.hu honlap
„Letöltések” füléről a „Könyveinkhez kapcsolódó tananyagok, mintafeladatok” csoportból a
„Számítástechnikai mintafeladatok (2005) könyv” sorra kattintás után
Rádi György (2014): Számítógépes termelésirányítás. TÁMOP-4.1.2 A1 és a TÁMOP-4.1.2 A2
könyvei, Budapest, Letölthető: www.tankonyvtar.hu
Rádi György (2012): Szervezési módszerek Excel példatár. Budapest.
Rádi György (2012): Szervezési módszerek jegyzet, Budapest,
Rádi György: Vegyipari üzem vizsgálata veszteségfeltárás céljából. Diplomadolgozat, Veszprémi
Vegyipari Egyetem, Veszprém, 1981
www.pszfsalgo.atw.hu honlap „Letöltések” füléről szabadon letölthető PDF formátumú könyvek
és a könyvekhez tartozó segédletek, Salgótarján, 1993–2012
Veszprémi Vegyipari Egyetem előadás és gyakorlat jegyzetei 1976 és 1981 között
A feladatok megoldása
A munkafüzet A termelésirányítás szervezési módszerei jegyzetet segíti a benne található egyes

módszerek excelben történő megoldásával.
Ezen munkafüzet és előző verziói letölthetők a www.pszfsalgo.atw.hu
weblap Letöltések füléről a Szervezési módszerek menüből.
A Szervezési módszerek nevű jegyzet az Excel XP változatával lett kidolgozva és 2012 óta
nem frissül.
A Szervezési módszerek Excel 2010 nevű jegyzet az Excel 2010-es változatával lett
kidolgozva és 2018 óta nem frissül.
A termelésirányítás szervezési módszerei nevű jegyzet az Excel 2016-os változatával lett
kidolgozva és folyamatosan frissül.
Hasonló feladatok az INFOPROG nemzetközi számítástechnikai verseny feladatai közt is
szerepeltek.
A verseny középiskolásoknak készült, ezért az ott szereplő feladatok bővebb magyarázattal
rendelkeznek.
Érdemes tanulmányozni a www.pszfsalgo.atw.hu honlap Letöltések füléről
az Infoprog címszónál letölthető állományokat!
Számos hasonló statisztikai mintafeladat megoldását tartalmazza a modszertan.xls állomány
is. (Excel és SPSS megoldással.)
A www.pszfsalgo.atw.hu honlap Letöltések füléről a Könyveinkhez kapcsolódó tananyagok,
mintafeladatok csoport Számítástechnikai mintafeladatok (2005) könyv címszó
alatti Módszertan sorból tölthető le.
A megoldásokat Rádi György a BGE PSZK adjunktusa dolgozta ki. E-mail
címe: radigyorgy@gmail.com. Amennyiben hibát vett észre a feladatokban, vagy egyéb
észrevétele van, akkor jelezze azt az előző e-mail címre!
Ezen állomány és még néhány egyéb témakör feladatai, ügyviteli programok, illetve számos
számítástechnikai tankönyv a következő webcímről letölthető: www.pszfsalgo.atw.hu.
Az állományt az állomány javítása, módosítása miatt időnként célszerű innen
frissíteni!

Rádi György - A Termelésirányítás Szervezési Módszerei (MeRSZ)

Uploaded by

Document Information

Copyright

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Rádi György - A Termelésirányítás Szervezési Módszerei (MeRSZ)

Uploaded by

Copyright:

A TERMELÉSIRÁNYÍTÁS SZERVEZÉSI MÓDSZEREI

ISBN 978 963 454 191 2

Kiadja az Akadémiai Kiadó,

Első magyar nyelvű digitális kiadás: 2018

© Rádi György, 2018

A kiadásért felelős az Akadémiai Kiadó Zrt. igazgatója

Minden jog fenntartva, beleértve a sokszorosítás, a nyilvános előadás, a rádió- és

1. ábra. A vállalkozások alrendszerei

I. A Termeléshez közvetlenül tartozó tevékenységek

I.1.1. Vállalati tervek

• hosszú távú (10–15 év),

A terv a következő területekre térhet ki:

I.1.2. A tervkészítés információi

I.1.2.1. Rendszeren (vállalaton) kívüli információk

I.1.2.1.2. Piaci információk

• munkaerővel kapcsolatos normák, fajlagosak

I.1.3. Tervezési módszerek

I.1.3.1. Kézi módszerek

I.1.3.1.1. Példa gyártmánykarakterisztika tervezésre

Tízféle terméket gyárthatunk, és csak a normaóra mennyisége a szűk kapacitásunk. A gyártásra

Számítsuk ki az alábbi adatokat!

A legegyszerűbb az Excel „Kezdőlap” menüszalagján lévő „Rendezés és szűrés” parancs (ez az

6. táblázat. Rendezés a H oszlop szerint „A legnagyobbtól a legkisebbig”

Jelöljük ki a rendezendő területet (J9:L18). Hívjuk meg az „Adatok” menüszalag „Rendezés”

7. táblázat. A rendezendő terület kijelölése

8–9. táblázat. Balra a rendezés eredménye, jobbra dinamikus rendezés

10. táblázat. A dinamikus rendezés területe képlettel

A „Célértékkeresés…” menüpont az „Adatok” menüszalag „Lehetőségelemzés” legördülő menüből

13. táblázat. Célérték keresése

I.1.3.1.2. Példa grafikus tervezésre

X1 és X2 >= 0 (csak nem negatív lehet a termelés).

1. gyártási korlát: 2X1 + X2 <= 4 (pl. esztergagépidő-felhasználás, miszerint 1 db X1 termék

2. gyártási korlát: 2X1 + 3X2 <= 6 (pl. marógép gépidő felhasználása).

A két gyártási korlát egyenlőtlenségét átrendezhetjük az alábbiak szerint, hogy ábrázolhassuk az

A célfüggvényt is célszerű ilyen formára hozni: X2 = max z – X1.

2. ábra. Két gyártási korlát és célfüggvény

Használjuk ki az Excel lehetőségeit és oldjuk meg azzal is.

14–15. táblázat. A diagram elkészítése Excelben eredményekkel és képletekkel

A feladatot meg is oldottuk, de azért grafikusan is ábrázoljuk, és olvassuk le róla is az eredményt.

Így az X1 függvényében a célfüggvényértékeket is ábrázolhatjuk. Lásd a lenti ábrán. Ezáltal

3. ábra. A feladat ábrázolása grafikusan

I.1.3.2. Gépi módszerek

18. táblázat. A Solver paraméterei

Nézzük a gépi tervezés munkafázisait:

1. A probléma megfogalmazása: vezetői feladat, amely valamilyen gazdasági, termelési

I.1.3.2.2. Primál-duál feladatpár, az árnyékár jelentősége

Egy klasszikus termelésprogramozási feladatban csak a technológiai korlátokat vesszük figyelembe.

A két feladat optimuma megegyezik:

Xj a j. termékből gyártandó mennyiség

bi az i. erőforrás felső határa

Cj a j. termék egységára, fedezete, nyeresége stb.

wi kifejezi, hogy az i. erőforrás egységnyi növelésével hány egységgel nő a célfüggvény értéke.

Az árnyékárakat a Solver is kiszámolja, ha kérjük a jelentések közül az „Érzékenység jelentést”.

I.1.3.2.3. A Solver jelentései

19. táblázat. A Solver eredményei

Vegyük észre a jelentéseken, hogy a táblázatunkban célszerűen elhelyezett magyarázószövegeket

20. táblázat. Eredményjelentés

I.1.3.2.3.2. Érzékenységi jelentés

A „Csökkentett költség” (régebbi változatokban „Redukált költség”) a duál feladat megfelelő

Az érzékenységi jelentés „Megengedhető növelés” és „Megengedhető csökkenés” adatai a „Változó

Az érzékenységi jelentés „Megengedhető növelés” és „Megengedhető csökkenés” adatai a

23. táblázat. Korlátjelentés

I.1.3.2.4. Mintafeladatok és modellek

Most már érdemes megnézni az előzőekben ismertetett „Gyártmánykarakterisztika” feladatunk

A www.pszfsalgo.atw.hu honlap „Letöltések” füléről még számos, Solverben megoldott feladatot és

A következőket javasoljuk átnézni: Számítástechnikai mintafeladatok (2005) című könyv

Néhány feladatot külön is részletezünk a következő fejezetekben.