De laatste decennia is tijd een strategische concurrentiefactor geworden in de maakindustrie (Demeter, 2013; Godinho Filho et al., 2017a; Gromova, 2020). Naast tijdige levering verwacht de klant ook keuze, maatwerk, hoge kwaliteit en een lage prijs (Siong et al., 2018; Suri, 2020). Om de door de klant gewenste korte doorlooptijd te kunnen realiseren en daarbij ook te voldoen aan zijn andere eisen, zijn flexibiliteit en aanpassingsvermogen essentieel geworden (Godinho Filho et al., 2017b; Siong et al., 2018). Quick Response Manufacturing (QRM) heeft als doel de doorlooptijd te verkorten in productieomgevingen die gekenmerkt worden door een hoge variëteit in producten en maatwerk (Suri, 2020; Siong et al., 2018). QRM kent zijn oorsprong begin jaren negentig van de vorige eeuw (Suri, 2020) en vertoont sterke gelijkenis met lean manufacturing. Het verschil met lean manufacturing is echter dat QRM zich richt op bedrijven in een omgeving met veel productvariatie. Daarnaast heeft QRM nieuwe elementen toegevoegd, zoals Paired-cell Overlapping Loops of Cards with Authorization (POLCA) en Manufacturing Critical Path Time’ (MCT)’ (Godinho Filho et al., 2017b).
DOCUMENT
Dit proefschrift heeft als onderwerp de toepassing van agenttechnologie in productie en productondersteuning. Onder een agent verstaan we in deze context een autonoom opererende software entiteit die gemaakt is om een zeker doel te realiseren en daartoe met de omgeving comuniceert en zelfstandig acties kan uitvoeren. In moderne productiesystemen streeft men ernaar om de tijd van ontwerp tot productie zo kort mogelijk te houden en de productie af te stemmen op de wensen van de individuele eindgebruiker. Vooral dit laatste streven past niet in het concept van massaproductie. Een methode moet gezocht worden om kleine hoeveelheden of zelfs unieke producten tegen een lage kostprijs te fabriceren. Om dit te verwezenlijken zijn voor dit onderzoek speciale goedkope productieplatforms ontwikkeld. Deze hercongureerbare productiemachines noemen we equiplets. Een verzameling van deze equiplets in een gridopstelling geplaatst en gekoppeld met een snelle netwerkverbinding is in staat om een aantal verschillende producten tegelijk te produceren. Dit noemen we exibele parallelle productie. Voor de softwareinfrastructuur is agenttechnologie toegepast. Twee typen agenten spelen hierin een hoofdrol. Een productagent is verantwoordelijk voor de totstandkoming van een enkel product. De productiemachines worden voorgesteld door zogenoemde equipletagenten. De productagent weet wat er moet gebeuren voor het maken van een product terwijl de equipletagent weet hoe een of meer productiestappen moeten worden uitgevoerd. Het hier voorgesteld concept verschilt in veel opzichten van standaard massaproductie. Elk product in wording volgt zijn eigen, mogelijk unieke pad langs de equiplets, de productie wordt per product gescheduled en niet per batch en er is geen sprake van een productielijn. Dit proefschrift stelt de softwarearchitectuur voor en beschrijft oplossingen voor de routeplanning waarbij het aantal wisselingen tussen equiplets geminimaliseerd is, een scheduling die gebaseerd is op schedulingschema's zoals toegepast in real-time operating systems en een op autonome voertuigen gebaseerd transportsysteem. Bij al deze oplossingen speelt de productagent een belangrijke rol. (uit de samenvatting van het proefschrift) SIKS Dissertation Series No. 2014-31 The research reported in this thesis has been carried out under the auspices of SIKS, the Dutch Research School for Information and Knowledge Systems.
DOCUMENT
In the literature about web survey methodology, significant e orts have been made to understand the role of time-invariant factors (e.g. gender, education and marital status) in (non-)response mechanisms. Time-invariant factors alone, however, cannot account for most variations in (non-)responses, especially fluctuations of response rates over time. This observation inspires us to investigate the counterpart of time-invariant factors, namely time-varying factors and the potential role they play in web survey (non-)response. Specifically, we study the effects of time, weather and societal trends (derived from Google Trends data) on the daily (non-)response patterns of the 2016 and 2017 Dutch Health Surveys. Using discrete-time survival analysis, we find, among others, that weekends, holidays, pleasant weather, disease outbreaks and terrorism salience are associated with fewer responses. Furthermore, we show that using these variables alone achieves satisfactory prediction accuracy of both daily and cumulative response rates when the trained model is applied to future unseen data. This approach has the further benefit of requiring only non-personal contextual information and thus involving no privacy issues. We discuss the implications of the study for survey research and data collection.
DOCUMENT
