Application of lean manufacturing technology in a milk manufacturing company

This work presents the application of lean management principle in the area of waste elimination in a powder milk plant of a production company. The existing manufacturing procedure for the company’s plant was evaluated, and a lean manufacturing technique was developed for the plant. To achieve this, a time series analysis was carried out on the econometric data obtained, and a future forecast predicting losses and usage was predicted based on the practised manufacturing procedures. The econo­metric linear transfer function technique applied to the actual usage and actual loss data obtained filtered the waste in the production process and generated forecast values for actual loss and usage. This revealed that there had been poor manufacturing practices in the factory. The findings from this research can be used as a guide to managers on wastage control in a production system.

THE IDENTIFICATION OF INDUCTION MOTOR INTERNAL QUANTITIES

In the presented work a new identification method of difficult measured internal quantities of IM, such as components of magnetic flux vector and electromagnetic torque, is proposed. Commonly measurable quantities of IM like stator currents, stator voltage frequency and mechanical angular speed are used for identification to determine a feedback effect of the rotor flux vector on vector of stator currents of IM. Based on this feedback it is also possible to identify actual value of the rotor resistance, which can alter during IM operation. This has a significant impact on precision of identified quantities as well as on master control of IM. Stability of the identification structure is guaranteed by position of roots of characteristic equation of its linear transfer function. Results obtained from simulation measurements confirm quality, effectivity, feasibility, and robustness of the proposed identification method.

Estimating groundwater recharge from groundwater levels using non-linear transfer function noise models and comparison to lysimeter data

The application of non-linear transfer function noise (TFN) models using impulse response functions is explored to estimate groundwater recharge and simulate groundwater levels. A non-linear root zone model that simulates recharge is developed and implemented in a TFN model, and is compared to a more commonly used linear recharge model. An additional novel aspect of this study is the use of an autoregressive-moving average noise model so that the remaining noise fulfills the statistical conditions to reliably estimate parameter uncertainties and compute the confidence intervals of the recharge estimates. The models are calibrated on groundwater level data observed at the Wagna hydrological research station in the southeastern part of Austria. The non-linear model improves the simulation of groundwater levels compared to the linear model. The annual recharge rates estimated with the non-linear model are comparable to the average seepage rates observed with two lysimeters. The recharges estimates from the non-linear model are also in reasonably good agreement with the lysimeter data at the smaller time scale of recharge per 10 days. This is an improvement over the results from previous studies that used comparable methods, but only reported annual recharge rates. The presented framework requires limited input data (precipitation, potential evaporation, and groundwater levels) and can easily be extended to support applications in different hydrogeological settings than those presented here.

Διαχρονική εξέλιξη αντοχής στην κολιμυκίνη πολυανθεκτικών στελεχών klebsiella pneumoniae που απομονώθηκαν από το αίμα ασθενών

Η βακτηριαιμία από Klebsiella pneumoniae που παράγει καρβαπενεμάσες (CP-Kp) σχετίζεται με υψηλά ποσοστά θνητότητας και συχνά, η κολιμυκίνη αποτελεί το μοναδικό αντιβιοτικό που διατηρεί δραστικότητα έναντι αυτών των παθογόνων μικροοργανισμών. Στην παρούσα μελέτη i) ελέγξαμε τη δραστικότητα αντιβιοτικών «τελευταίας γραμμής» έναντι CP-Kp στελεχών που απομονώθηκαν από το αίμα ασθενών που νοσηλεύτηκαν στο Λαϊκό νοσοκομείο την περίοδο 2002-2016 και ii) διερευνήσαμε την εξέλιξη της αντοχής στην κολιμυκίνη την ίδια χρονική περίοδο, καθώς και την ύπαρξη δυναμικής συσχέτισης μεταξύ της αντοχής στην κολιμυκίνη και της χρήσης του αντιβιοτικού. Συνολικά, 313 στελέχη βρέθηκαν θετικά για την παραγωγή τουλάχιστον μίας καρβαπενεμάσης με τη μέθοδο της πολυπλεκτικής PCR κατά την χρονική περίοδο της μελέτης μας και ονομάστηκαν CP-Kp (carbapenemase-producing K. pneumoniae). Από τα 313 CP-Kp στελέχη, τα 197 (62,9%) ήταν ανθεκτικά στη μεροπενέμη (ΕΑΠ >8 mg/L), τα 79 (25,2%) είχαν ΕΑΠ στη μεροπενέμη που κυμαινόταν στο εύρος 4–8 mg/L και τα 37 (11,8%) ήταν ευαίσθητα (ΕΑΠ ≤2 mg/L). Όσον αφορά τα υπόλοιπα αντιβιοτικά που ελέγχθηκαν, 35,1% (110/313) ήταν ανθεκτικά στην κολιμυκίνη, 30% (94/313) στη φωσφομυκίνη και 5,4% (17/313) στην τιγκεκυκλίνη. Η πολυμυξίνη Β παρουσίασε το ίδιο προφίλ ευαισθησίας με την κολιμυκίνη και οι τιμές ΕΑΠ διέφεραν κατά μία ή δύο αραιώσεις, χωρίς διαφορά στην κατηγοριοποίηση των αποτελεσμάτων ως ευαίσθητα ή ανθεκτικά. Από τα 313 στελέχη που περιείχαν γονίδια που κωδικοποιούσαν καρβαπενεμάσες, 198 (63,3%) ήταν KPC, 89 (28,4%) ήταν VIM, 17 (5,4%) ήταν NDM-1 και 4 (1,3%) ήταν OXA-48. Πέντε στελέχη έφεραν περισσότερα από ένα γονίδια αντοχής (3 στελέχη είχαν KPC και VIM, 1 KPC και NDM-1 και 1 VIM και NDM-1). Στη συνέχεια, μελετήσαμε την τάση της αντοχής της κολιμυκίνης στο νοσοκομείο μας κατά τη χρονική περίοδο 2002-2016 εφαρμόζοντας την στατιστική ανάλυση γραμμικής παλινδρόμησης (linear regression analysis). Βρήκαμε ότι η αντοχή στην κολιμυκίνη παρουσίασε στατιστικώς σημαντική αυξητική τάση στον χρόνο, από 0% το 2002 σε 26,9% το 2016 [R2 = 0,5, p< 0,01; point estimate of coefficient, 2,97, 95% confidence interval (CI) 1,20–4,75; standard error of the slope coefficient, 0,82]. Επιπλέον, παρατηρήθηκε αυξητική τάση στον χρόνο στην χρήση της κολιμυκίνης, από 0,2 DDDs/100 ασθενο-ημέρες το πρώτο τρίμηνο του 2002 σε 7,10 DDDs/100 ασθενο-ημέρες το δεύτερο τρίμηνο του 2016 (R2 = 0,54, p< 0,01; point estimate of coefficient, 0,66, 95% CI 0,49–0,82; standard error of the slope coefficient, 0,08). Τέλος, για να διερευνήσουμε την πιθανή συσχέτιση μεταξύ της αντοχής στην κολιμυκίνη και χρήσης του αντιβιοτικού στο νοσοκομείο μας εφαρμόσαμε την στατιστική μέθοδος ανάλυσης χρονοσειρών (time series analysis). Η συνολική επίπτωση της ανθεκτικής στην κολιμυκίνη K. pneumoniae υπολογίστηκε ότι ήταν 0,37 στελέχη ανά 10.000 ασθενο-ημέρες και η μέση χρήση κολιμυκίνης ανά τρίμηνο ήταν 5,14 DDDs/100 ασθενο-ημέρες. Αφού δημιουργήσαμε τις επιμέρους χρονοσειρές της αντοχής και της χρήσης της κολιμυκίνης χρησιμοποιώντας τη μέθοδο των Box και Jenkins, στη συνέχεια κατασκευάσαμε το μοντέλο γραμμικής συνάρτησης μεταφοράς (linear transfer function model) το οποίο μας έδωσε τη δυνατότητα να ποσοτικοποιήσουμε τη δυναμική συσχέτιση μεταξύ χρήσης κολιμυκίνης και αντοχής στο φάρμακο. Το μοντέλο ανέδειξε την ύπαρξη αυτής της δυναμικής συσχέτισης και συγκεκριμένα, ότι η αύξηση της χρήσης κολιμυκίνης κατά 1 DDD/100 ασθενο-ημέρες οδηγεί σε +0.05 αύξηση της επίπτωσης αντοχής στην κολιμυκίνη. Μάλιστα, η επίδραση της κολιμυκίνης στην αύξηση της αντοχής εμφανίζεται μετά από διάστημα 3 μηνών. Σύμφωνα με το μοντέλο, η χρήση κολιμυκίνης και η προηγούμενη αντοχή στην κολιμυκίνη μπορούν να εξηγήσουν το 69% της αντοχής στην κολιμυκίνη. Άλλοι παράγοντες συμβάλλουν στην ανάπτυξη του υπόλοιπου 31% της αντοχής. Συνοψίζοντας, τα ευρήματά μας μπορούν και πρέπει να αποτελέσουν το σημείο εκκίνησης για την εφαρμογή αυστηρών μέτρων με σκοπό την ελάττωση της αντοχής στην κολιμυκίνη στο νοσοκομείο μας.

Solving Three Dimensions Volterra Integral Equations (TDVIE) via a Neural Network

The aim of this paper is present a new numerical method for solvingThree Dimensions Volterra Integral Equations using artificial neural network by design multilayer feed forward Neural Network. A multi- layers design in our proposed method consist of a hidden layer having seven hidden units. and one linear output unit. Linear Transfer function used as each unit and using Levenberg- Marquardtalgorithmtraining. Moreover, examples on three- dimensional Volterra integral equations carried out to illustrate the accuracy and the efficiency of the presented method. In addition, some comparisons among proposed method and Shifted Chebyshev Polynomials method and Reduced Differential Transform Method are presented. http://dx.doi.org/10.25130/tjps.23.2018.176