ࡱ> H7  GbjbjUU 17|7|g(l4448l|G2h((((;;;$y :4;7;;;4:((:::;^((:;:r:C`:( 0<4/>N\:0G7::Primjena Taguchijeve metode oblikovanja parametara kod optimiranja dobavlja kih lanaca 1. Uvod Upravljanje jednim dobavlja kim lancem (engl. Supply Chain Management; SCM) obuhvaa poravnavanje procesa i strategija tzv. uzvodnih i nizvodnih tvrtki, a sa svrhom isporuke superiorne vrijednosti krajnjem korisniku pri ato manjim troakovima dobavlja kog lanca kao cjeline. U ovome radu je prikazano optimiranje jednog stvarnog dobavlja kog lanca. Cilj optimiranja bilo je smanjenje varijacije u odzivu (ukupni troaak) dobavlja kog lanca. Za ovu svrhu koriatena je Taguchijeva metoda oblikovanja parametara (engl. Parameter Design; PD) kombinirana s ra unalnom simulacijom diskretnih dogaaja. Prednost ove metode u odnosu na druge skupine metoda i tehnika navedena je u [1]. Da bi se provelo optimiranje primjenom ove metode va~no je razumjeti kategorije faktora ili varijabli koje djeluju na sustav. Svaki sustav (proizvod ili proces) mo~e se opisati tzv. P dijagramom, slika 1. Slika 1. P dijagram [2] Faktori koji djeluju na sustav su:  Signalni faktor (M) je faktor iju ~eljenu vrijednost definira korisnik sustava. Kod dobavlja kih lanaca signalni faktor mo~e biti ~eljeno vrijeme isporuke proizvoda ili ukupni troaak.  Upravlja ki faktori (zi) su faktori ije vrijednosti projektant sustava mo~e sam podeaavati da bi dobio ato manje varijacije u odzivu sustava. Upravlja ki faktor mo~e biti politika upravljanja zalihama u tvrtki unutar dobavlja kog lanca.  `umovi (xj) su faktori na ije vrijednosti i pojavljivanje korisnik sustava nema utjecaja ili mo~e utjecati, ali s velikim troakovima. Npr. aumovi mogu biti potra~nja krajnjeg korisnika roba ili usluga dobavlja kog lanca. `umovi su glavni razlog pojave varijacije u sustavu. Odziv (y) su vrijednosti koje predstavljaju stvarni odziv sustava optimiranja. Odziv npr. mo~e biti stvarno vrijeme isporuke proizvoda ili ukupni troaak. Zbog meudjelovanja upravlja kih faktora (zi) i aumova (xj) dolazi do  deformiranja vrijednosti signalnog faktora (M) ato rezultira s odzivom sustava vrijednosti (y). 2. Osnovne zna ajke dobavlja kih lanaca U tipi nom dobavlja kom lancu pribavljaju se sirovine, dijelovi i komponente, stvaraju se proizvodi u jednoj ili viae tvornica, transportiraju do skladiata te na kraju isporu uju trgovcima ili korisnicima. Ovakav dobavlja ki lanac sastoji se od: dobavlja a sirovina ili komponenti, proizvodnih pogona, skladiata, distribucijskih centara i trgovaca, kao i od: sirovih materijala, zaliha u proizvodnji, te gotovih proizvoda koji se transportiraju zajedno s informacijama izmeu pojedinih tvrtki. Dobavlja ki lanac se mo~e opisati sa dva glavna toka: tokom materijala i tokom informacija (slika 2). Slika 2. Mre~a tvrtki sa pripadnim tokovima materijala i informacija Tvrtke koje se nalaze na izvoru ili blizu tog izvora zovu se uzvodne, a one blizu krajnjeg korisnika nizvodne tvrtke. Vremenska dimenzija u dobavlja kom lancu sugerira da bi dijelovi, proizvodi ili komponente trebali tei kroz dobavlja ki lanac ato je br~e mogue. Dakle, cilj je kontinuiran i sinkroniziran tok. Problem optimiranja dobavlja kog lanca se svodi na skraivanje logisti kog ciklusa proizvodnje. Logisti ki ciklus proizvodnje se sastoji iz nabavnog ciklusa, proizvodnog ciklusa i distribucijskog ciklusa (isporuke). U svakom od ovih ciklusa nalaze se veliki izvori rasipanja i varijacija. Skraivanjem trajanja svakog ciklusa ostvaruje se jedan od glavnih ciljeva integracije dobavlja kog lanca: smanjivanje zaliha. Spomenute varijacije u sustavu dobavlja kog lanca imaju porijeklo u varijacijama tokova materijala i tokova informacija. Uzro nici varijacija nalaze se unutar i izvan sustava. Faktori ili varijable koji dovode do varijacija u odzivu sustava kao ato je dobavlja ki lanac su: promjene u potra~nji, varijacije u vremenima nabave, proizvodnje i transporta, atrajkovi, kratkoro ni nedostaci sirovih materijala, dijelova, komponenti i proizvoda, razine akarta, kvarovi strojeva, itd. Zajedni ka zna ajka svih ovih faktora je to da su oni po prirodi neupravljivi ili vrlo teako upravljivi. Stoga bi trebalo oblikovati dobavlja ki lanac, na na in da on ima  ugraene u inke ovih faktora, odnosno, oblikovati specifi an dobavlja ki lanac tako da bude imun na te u inke. Rjeaenje ovog problema mo~e ponuditi Taguchijev PD koji je opisan u nastavku. 3. Taguchi metoda 3.1 Osnove Taguchi metode PD Taguchijeva metoda PD se ve niz godina uspjeano primjenjuje u problemima projektiranja kvalitete, tj. kod problema optimiranja proizvoda od konceptualnog razvoja prototipa proizvoda, pa do stavljanja proizvoda u proizvodnju. Prema Taguchiju kvaliteta proizvoda se mjeri u kontekstu ukupnog gubitka prema drutvu zbog njegove funkcionalne varijacije i opasnih popratnih pojava. Varijacija u odzivu je uzrokovana varijacijama u ulaznim varijablama proizvoda ili procesa. Stoga je potrebno poduzeti mjere kojima e se smanjiti varijacija na njenom izvoru. Neka su sa zi predstavljeni upravlja ki faktori, a sa xj aumovi nekog sustava (slika 1). Nadalje, ako y predstavlja odziv sustava, tada vrijedi sljedei izraz:  EMBED Equation.3 (1)Iz ovog izraza je o ito da se varijacija iz x prenosi u y, ato sugerira da se smanjivanjem varijacije u x smanjuje varijacija u y. Druga iji pogled bi bio sljedei: ako su z i x u meudjelovanju te na taj na in zajedno djeluju na y, tada se varijacija u y mo~e smanjiti i promjenom vrijednosti od z poato razli ite vrijednosti od z imaju razli ite u inke na meudjelovanje z i x, a time i na y. Iz ovoga se vidi zaato PD funkcionira kod smanjivanja varijacije u y. Primjena PD je iterativan proces, koji zavraava onda kad je postignuto najvee mogue smanjenje varijance odziva sustava. Primjena PD se zasniva na sljedeoj pretpostavci: iako su aumovi u nekom sustavu po svojoj prirodi neupravljivi, njima se u svrhu provoenja pokusa mo~e upravljati. Kao dio PD, Taguchi je uveo neke nove statisti ke metode i promijenio neke od ve postojeih tehnika. Dva najva~nija postignua koje se mogu dobiti kondenzacijom njegovih ideja su ortogonalna polja i tzv. signal-aum (engl. signal-to-noise; S/N) omjeri [2]. Primjeri primjene Taguchijevog PD koriatenjem ortogonalnih polja, te S/N omjera u podru ju dobavlja kih lanaca prikazani su u [1, 3, 4, 5]. Iako je Taguchijeva metodologija uspjeana u praksi, ta ista metodologija je predmet velikih rasprava. Naime, najprije je (Zapadna) industrija prihvatila Taguchijeve koncepte, a da statisti ki temelji na kojima po ivaju ovi koncepti nisu potvreni od strane znanosti. Krajem 80-tih godina 20. stoljea se doalo do rezultata sveobuhvatne analize ove metode. Rezultati su otkrili sljedee: iako su osnove metode dobro utemeljene postoje i neki bitni problemi koji su podijeljeni u dvije kategorije: metode modeliranja i analize podataka, te eksperimentalna strategija [6]. Problemi koji proizlaze iz modeliranja i analize podataka su u prvom redu vezani uz neprikladnost i ograni enost koriatenih S/N omjera. Takoer je utvreno da koriatena ortogonalna polja, iako u inkovita kod provoenja pokusa, ne omoguavaju objektivnu procjenu glavnih u inaka faktora i njihovih meudjelovanja. Postoje dva nova pristupa u modeliranju i analizi podataka [7]: modeliranje lokacije i rasipanja, te odzivno modeliranje. Poboljaanje eksperimentalne strategije predstavljeno je u obliku jednog polja, koje bi se koristilo za prihvat kako upravlja kih faktora tako i aumova. Modeliranje lokacije i rasipanja predstavlja modifikaciju S/N omjera Taguchijeve mjere imunosti na aumove. Odzivno modeliranje pru~a intuitivniji i realniji odnos upravlja kih faktora i aumova s odzivom sustava, stoga se primjena Taguchijevog PD u optimiranju dobavlja kih lanaca temelji na ovom pristupu. 3.2 Taguchijev PD s pomou odzivnog modeliranja Na osnovu izraza (1) logi no je definirati neki model za odziv y koji uklju uje: upravlja ke faktore zi, aumove xj, te njihova meudjelovanja. Da bi se ilustrirao ovaj pristup neka su z1 i z2 dva upravlja ka faktora, a x1 aum sustava. Takoer se pretpostavlja da su i upravlja ki faktori i aumovi izra~eni u kodiranom formatu, tj. centrirani su na nulu te imaju donju i gornju granicu a. Ukoliko se pretpostavi da je za opis djelovanja upravlja kih faktora i aumova na odziv prikladan model prvog reda, tada se taj model mo~e opisati izrazom:  EMBED Equation.3 (2)U ovome modelu se nalaze glavni u inci kako upravlja kih faktora tako i aumova, te njihova meudjelovanja. Ovakav model se esto naziva i odzivni model [6]. Veli ina  je slu ajna varijabla koja predstavlja dio varijacije koja se ne mo~e u potpunosti pripisati aumu x1, te se pretpostavlja da je opisana normalnom razdiobom  EMBED Equation.3 . Neka se, nadalje, utvrdi da je glavni u inak upravlja kog faktora z1 zna ajan kao i meudjelovanje z2x1. Tada model (2) postaje:  EMBED Equation.3 (3)Ukoliko se upravlja ki faktor z2 postavi na vrijednost s kojom se posti~e ato je mogue manji koeficijent +21z2, tada se mo~e smanjiti utjecaj od x1 na odziv y. Kod analize podataka ovo se posti~e s pomou tzv. grafova meudjelovanja upravlja ki faktor - aum gdje se upravlja ki faktor postavlja na vrijednost koja rezultira s najpolo~enijim odzivom izmeu odziva y i auma x (slika 3.). Slika 3. Uloga meudjelovanja upravlja ki faktor - aum kod PD [6] Na osnovu odzivnog modela (2), primjena Taguchijevog PD sastoji se iz dva koraka: (i). Za zna ajna meudjelovanja iz odzivnog modela na initi grafove meudjelovanja upravlja ki faktor - aum. Na osnovu ovih grafova, postavljaju se upravlja ki faktori na vrijednosti pri kojima odziv y ima polo~eniji odnos sa aumovima. (ii). Na osnovu interpoliranog modela  EMBED Equation.3 , izra una se preneseni model varijance  EMBED Equation.3  u odnosu na varijacije meu aumovima iz  EMBED Equation.3 . Zbog injenice da je  EMBED Equation.3  u funkciji upravlja kih faktora, ovaj se model mo~e koristiti za identifikaciju razina upravlja kih faktora koji imaju malu prenesenu varijancu. Pretpostavka je da su aumovi slu ajne varijable kojima se samo za svrhu pokusa mo~e upravljati. Nadalje su pretpostavke da aumovi, izra~eni u kodiranom formatu, imaju o ekivanje 0 i varijancu  EMBED Equation.3 , te ako postoji viae aumova tada je njihova kovarijanca jednaka nuli. Na osnovu ovih pretpostavki model za srednji odziv dobije se uzimanjem o ekivanja od y iz izraza (2):  EMBED Equation.3 (4)gdje indeks x u operatoru o ekivanja predstavlja podsjetnik da se o ekivanje treba uzeti u odnosu na oba tipa slu ajnih varijabli iz (2), tj. aumova i ostatka . Pristup s prenesenim modelom varijance  EMBED Equation.3 , u literaturi se joa i naziva pristup s prijenosom pogreake (engl. Propagation of Error). Ovaj model se dobije razvojem odzivnog modela (2) u Taylorov red u okolini  EMBED Equation.3 . Rezultat je sljedei:  EMBED Equation.3 (5)gdje R predstavlja ostatak nakon razvoja u Taylorov red koji se uobi ajeno zanemaruje. Varijanca od y se sada mo~e dobiti primjenom operatora varijance nad izrazom (5) nakon ato se izostavi izraz R. Tada je preneseni model varijance:  EMBED Equation.3 (6)U indeksu operatora varijance opet se nalazi x kao napomena da su aumovi kao i  varijable slu ajne prirode. Na osnovu izraza (4) i (6) mo~e se zaklju iti sljedee: Modeli za o ekivanje (4) i varijancu (6) uklju uju samo upravlja ke faktore. Dakle, ukoliko se ~eli postii ciljana vrijednost odziva i smanjenje prenesene varijabilnosti od strane aumova, potrebno je samo podesiti upravlja ke faktore na prave vrijednosti. Model za varijancu uklju uje upravlja ke faktore, te regresijske koeficijente meudjelovanja upravlja kih faktora i aumova. Ovo posljednje daje uvid u na in na koji aumovi utje u na odziv. Model varijance je kvadratna funkcija od upravlja kih faktora. Model varijance je (osim dijela sa  EMBED Equation.3 ) samo kvadrat nagiba interpoliranog modela u smjeru vektora aumova. Vrlo je jednostavno poopiti ove rezultate. Neka se pretpostavi da postoji k upravlja kih faktora i r aumova. Tada je openiti odzivni model koji uklju uje ove varijable oblika:  EMBED Equation.3 (7)gdje je f(z) udio modela koji uklju uje samo upravlja ke faktore, a h(z,x) udio koji uklju uje glavne u inke aumova, te meudjelovanja aumova i upravlja kih faktora. Tipi na struktura za h(z,x) je:  EMBED Equation.3 (8)Struktura za f(z) ovisi o tome koji se model za upravlja ke faktore smatra prikladnim za specifi an slu aj. Uobi ajeno je koristiti model prvog reda s meudjelovanjima te model drugog reda. Bez obzira koji model se koristi za f(z), srednji model za odziv je:  EMBED Equation.3 (9)a model varijance za odziv:  EMBED Equation.3 (10)4. Simulacijsko modeliranje dobavlja kih lanaca Velike tvrtke imaju vrlo slo~ene dobavlja ke lance s mnoatvom dobavlja a, proizvodnih pogona, skladiata, distributera, itd. Simulacijski softveri omoguuju integraciju svih relevantnih podataka vezanih za dobavlja ki lanac u ra unalni model, koji se mo~e koristiti za razumijevanje sustava i donoaenje odluka. Simulacijskim modeliranjem mogu se rjeaavati sljedei problemi dobavlja kih lanaca: optimizacija, analiza odluka, dijagnosti ka procjena, upravljanje rizicima, planiranje projekata, itd. Simulacijski modeli su modeli dinami kih sustava, tj. sustava koji se mijenjaju u vremenu. Dobavlja ki lanac je dinami ki sustav. Promjena u nekoj komponenti tog sustava stvara valove utjecaja koji se aire dobavlja kim lancem. Ovi valovi utjecaja se odra~avaju u cijenama (sirovih materijala, dijelova, rada, gotovih proizvoda, itd.), tokovima materijala i proizvoda (unutar proizvodnog pogona ili izmeu pogona unutar lanca), te zalihama (dijelova, proizvodnog kapaciteta i gotovih proizvoda). Na in na koji se ovi utjecaji aire sustavom odreuje dinamiku dobavlja kog lanca. Kod primjene simulacijskog modeliranja ne mo~e se dobiti rjeaenje u analiti kom obliku u kojem su ovisne varijable u funkciji neovisnih varijabli, ve se rjeaenje problema dobiva izvoenjem pokusa nad modelom sustava. Odabir tipa simulacijskog modela ovisi o vrsti sustava, odnosno o vrsti problema u sustavu koji se ~eli rijeaiti. Simulacija diskretnog dogaaja u velikoj mjeri odgovara prirodi sustava kakav je dobavlja ki lanac. Naime, dobavlja ki lanac je stohasti ke i diskretne naravi. Okru~enje dobavlja kog lanca je opisano sa slu ajnim varijablama (od veli ina narud~bi, vremena zaprimanja narud~bi, vremena koje protekne izmeu dvije narud~be, itd.) iz ega proizlazi njegova stohasti nost. Diskretna priroda dobavlja kog lanca o ituje se u mijenjanju varijabli stanja u diskretnim vremenskim to kama. Primjer za to su: pad razine zaliha na signalnu veli inu, dolazak narud~be, kvar stroja, preventivni ciklus odr~avanja stroja, ili nekakav drugi dogaaj koji uzrokuje promjenu stanja cijelog sustava (npr. promjena cijena transporta). U ovome radu je koriaten softverski paket za simulaciju diskretnih dogaaja eM-Plant(. To je softver za grafi ko, objektno-orijentirano i integrirano modeliranje, simulaciju i vizualizaciju sustava i poslovnih procesa [8]. 5. Primjena Taguchijevog PD s pomou odzivnog modeliranja 5.1 Opis dobavlja kog lanca Taguchi metoda PD primijenjena je na dobavlja kom lancu jednog stvarnog poduzea. Poduzee proizvodi dijelove (proizvode) iji je kupac poznata svjetska tvrtka koja te dijelove, kao i dijelove drugih proizvoa a, na monta~noj liniji ugrauju u svoje proizvode. Polo~aj promatranog poduzea u dobavlja kom lancu prikazan je na slici 4. Slika 4. Polo~aj promatranog poduzea u dobavlja kom lancu Svakim radnim danom u prvoj smjeni, poduzee isporu uje deset razli itih varijanti, proizvoda. Odjel za logistiku poduzea dnevno zaprima narud~be od kupca u kojima su definirani sljedei parametri: naru ene koli ine pojedinih varijanti proizvoda, datum isporuke, lokacija za isporuku, te prognoze potra~nje za svaku od varijanti za tri naredna mjeseca. Datum isporuke je sutraanji dan osim za narud~be petkom kada je datum isporuke ponedjeljak. Isporuke naru enih koli ina odreene varijante proizvoda izvode se na 3 razli ite lokacije kod kupca. Ovisno o varijanti proizvoda, naru enim koli inama proizvoda, te lokacijama isporuke izvodi se odabir kamiona kojeg osigurava logisti ki  provider . U skladiatu gotovih proizvoda prosje no se nalaze sigurnosne zalihe u koli inama za 5-7 dana. Skladiate gotovih proizvoda se svakim radnim danom u drugoj smjeni popunjava proizvodima iz dnevnog skladiata koje se nalazi u proizvodnom pogonu. Novi ciklus planiranja proizvodnje zapo inje etvrtkom nakon ato su svi potrebni podaci od strane isporuke, proizvodnje i nabave uneseni u informacijski sustav poduzea. Potrebni podaci za planiranje svake od ovih funkcija su:  Isporuka: unos dnevnih, tjednih i mjese nih planova isporuke.  Proizvodnja: raspolo~ivost strojeva, ljudi, alata i stanja tekuih radnih naloga.  Nabava: stanja na skladiatu i u transportu svih materijala potrebnih za proizvodnju. Plan proizvodnje odnosi se za tekui tjedan, koji zapo inje petkom u drugoj smjeni, a prote~e se za period od 3 mjeseca. Tjedni nalozi iz novog plana proizvodnje se rasporeuje po pripadajuim strojevima u obliku dnevnih naloga. Ovaj plan se sljedei etvrtak opet provjerava, a ukoliko je potrebno izvodi se novo planiranje. Proizvodnja se izvodi na tri stroja. S obzirom na specifi nosti proizvoda, pripremno-zavrano vrijeme za sva tri stroja je 0. Nakon procesa proizvodnje, proizvodi se pakiraju u odgovarajue ambala~e i vili arom odvoze u dnevno skladiate. Nabava osigurava dovoljne koli ine svih sredstava potrebnih za proizvodnju: od osnovnih materijala do pomonih dijelova i pomonih materijala. U proizvodnji se koriste tri vrste osnovnog materijala iji je dobavlja  inozemna tvrtka. Plan nabave osnovnog materijala izrauje se takoer za tri mjeseca. Narud~ba osnovnog materijala dobavlja u se aalje elektroni kim putem u petak. Ova narud~ba obuhvaa potrebe za sljedea dva tjedna. Isporuka se obavlja po na elu puni kamion, a kapacitet kamiona je 240 kN. Isporu eni osnovni materijali se pohranjuju u skladiate sirovina. U tablici 1 prikazane su podaci o proizvodima i strojevima, te potrebe za osnovnim materijalom, prema vrsti materijala i potroanji za pojedine proizvode. Tablica 1. Podaci o proizvodima koje poduzee isporu uje kupcu 5.2 Simulacijski model dobavlja kog lanca poduzea Izrada simulacijskog modela diskretnog sustava odvija se u deset koraka [9, 10]: Formulacija problema; Prikupljanje podataka i definiranje modela; Potvrda ispravnosti modela; Izrada ra unalnog programa modela; Provoenje  pilot pokusa; Provjera modela; Planiranje i analiza eksperimenata; Provoenje eksperimenata; Analiza dobivenih rezultata; Dokumentiranje i primjena dobivenih rezultata. U nastavku je opisan proces izrade simulacijskog modela dobavlja kog lanca poduzea. Korak 1. Formulacija problema podrazumijeva jasnu definiciju ciljeva i pretpostavki simulacijske studije. Na simulacijskom modelu sustava izvodit e se eksperimenti, te identificirati nedostaci sustava i predlo~iti njihovo ubla~avanje odnosno uklanjanje. Korak 2. Prije izrade simulacijskog modela nekog sustava potrebno je najprije upoznati njegove elemente te uzro no-posljedi nu veze meu njima. Ovi podaci e se koristiti kao ulazni podaci simulacijskog modela. Pod identifikacijom podataka podrazumijeva se odabir prikladnih statisti kih razdioba i njihovih parametara za opisivanje pojedinih pojava u sustavu. Te pojave ovise o sustavu i ciljevima simulacijske studije. One mogu biti: veli ine narud~bi pojedinih proizvoda, vremena kvarova strojeva, meuvremena lansiranja radnih naloga, itd. Kod simulacije diskretnih sustava koriste se razli ite statisti ke razdiobe. Odabir razdiobe ovisi o samoj pojavi koja se ~eli opisati tom razdiobom. Osim toga, potrebno je s pomou statisti kih metoda doi do potvrde o svrsishodnosti odabira statisti ke razdiobe. U ove metode ubrajaju se razni statisti ki testovi: 2-kvadrat test, Anderson-Darling test, te Kolmogorov-Smirnov test. Model dobavlja kog lanca poduzea sastoji se od tri cjeline: isporuka, proizvodnja i nabava s pripadajuim tokovima materijala i informacija. Unutar svake cjeline nalaze se parametri koji su slu ajne prirode, a koje je potrebno definirati da bi se mogli koristiti kao ulazni parametri simulacijskog modela. Ovi parametri opisani su u tablici 2. Tablica 2. Parametri sustava Da bi se modelirala isporuka u dobavlja kom lancu poduzea potrebno je statisti kim razdiobama opisati dnevne narud~be pojedinih proizvoda. Analizom mjese nih isporu enih koli ina proizvoda tijekom jedne godine, doalo se do sljedeih zaklju aka:  Zbog velike varijabilnosti u veli inama narud~bi proizvoda 1, 5 i 8, naru ene koli ine mogu se opisati samo kontinuiranim empirijskim statisti kim razdiobama. Za modeliranje naru enih koli ina proizvoda: 2, 3, 4, 6, 7, 9 i 10 mo~e se koristiti geometrijska razdioba: geom (p). Parametar razdiobe p mo~e poprimiti vrijednosti u intervalu (0, 1). U tablici 3 prikazane su vrijednosti parametra geometrijskih razdioba za navedene proizvode. Naru ene koli ine proizvoda: 2 i 3 viaekratnici su broja 10, a proizvoda: 4, 6, 7, 9 i 10 viaekratnici broja 7. Proces lansiranja radnih naloga u simulacijskom modelu dobavlja kog lanca poduzea mo~e se opisati ukoliko su poznata: vremena izmeu lansiranja dvaju radnih naloga za svaki pojedini proizvod, te koli ine proizvoda iz tih radnih naloga. U simulacijskom modelu proces lansiranja radnih naloga temelji se na Poisson-ovom procesu [10]. Poisson-ov proces jednozna no je odreen ako je poznat parametar Poisson-ove razdiobe . U kontekstu procesa lansiranja radnog naloga, ovaj parametar predstavlja prosje an broj lansiranih naloga u nekoj vremenskoj jedinici (danu, mjesecu, itd.). Ukoliko je poznat parametar  tada je srednje vrijeme izmeu lansiranja dvaju naloga opisano s jedno-parametarskom eksponencijalnom razdiobom parametra 1/. U tablici 3 prikazane su vrijednosti parametra  za pojedine proizvode. Strojevi rade 24 sata dnevno bez zastoja (osim neplaniranih) 7 dana u tjednu. Stoga se kod prora una vrijednosti 1/ (tablica 3) za broj radnih dana u mjesecu uzimala vrijednost od 30 dana. Koli ine iz radnih naloga su za sve proizvode opisane gama razdiobom: gama (, ) s vrijednostima parametara ( i ( prikazanim takoer u tablici 3. Tablica 3. Naru ene koli ine proizvoda, vremena izmeu lansiranja dvaju radnih naloga i koli ine iz radnih naloga Vremena i koli ine nabave osnovnog materijala ovise o planu proizvodnje. Potrebe za osnovnim materijalom se mogu odrediti nakon ato se definira novi plan proizvodnje, a vremena isporuke se dogovore s dobavlja em osnovnog materijala. Vremena isporuke u modelu su opisana uniformnom razdiobom: U(a, b). Veli ine a i b iz ove razdiobe su najkrae i najdu~e vrijeme isporuke izra~ene u danima, te iznose 3 odnosno 5 dana. Koraci 3. - 6. Iako su koraci 3. (Potvrda ispravnosti modela), 4. (Izrada ra unalnog programa modela), 5. (Provoenje  pilot pokusa), te 6. (Provjera modela) u procesu izrade simulacijske studije ozna eni kao zasebne cjeline, tijekom izrade simulacijskog modela ovi se koraci  mijeaaju . Pojmovi potvrda ispravnosti modela (izrada pravog modela) i provjera modela (izrada modela na pravi na in) isprepliu se kroz cijeli proces izrade simulacijskog modela sustava. Naime da bi odreeni simulacijski model dobro aproksimirao sustav potrebno je osigurati konceptualnu sli nost kroz potvrdu ispravnosti, a ra unalnu ispravnost kroz provjeru. Potvrda ispravnosti sli nosti modela i sustava prethodi provjeri ispravnosti funkcioniranja samog ra unalnog modela. Tijekom izrade simulacijskog modela procesi potvrde ispravnosti i provjere modela su naizmjence koriateni. Potvrda ispravnosti provodila se na na in da se usporeivala kvantitativna i kvalitativna sli nost elemenata modela s elementima sustava, te modela sa sustavom u cjelini (npr. kroz izlazne koli ine dobrih proizvoda i akarta, potroanju osnovnog materijala, isporu ene koli ine, itd.). Primjena raznih statisti kih testova na utvrivanje sli nosti rezultata iz simulacijskog modela i stvarnog sustava u najmanju ruku je upitna. Naime, izlazni rezultati kako iz stvarnih sustava tako i iz simulacijskih modela su nestacionarni (razdiobe slijednih rezultata se mijenjaju u vremenu) i u autokorelaciji (vrijednosti procesa su u korelaciji sa samim sobom). Simulacijski model dobavlja kog lanca sastoji se iz etiri razine:  Razina 1: Dobavlja ki lanac promatranog poduzea;  Razina 2: Polo~aj proizvodnog pogona i skladiata gotovih proizvoda;  Razina 3: Proizvodni pogon s pripadajuim skladianim, proizvodnim i transportnim povrainama;  Razina 4: Strojevi 1, 2 i 3. Korak 7. Da bi se primijenila Taguchi metoda PD na simulacijskom modelu dobavlja kog lanca promatranog poduzea potrebno je identificirati sve relevantne faktore koji djeluju na taj lanac (slika 1). Signalni faktor  M: Za signalni faktor dobavlja kog lanca odabran je ukupni troaak sustava. Ovaj troaak iznosi: troaak skladiatenja + troaak proizvodnje + troaak nabave + penali zbog nemogunosti isporuke naru ene koli ine. Odziv sustava  y: Odziv sustava, tj. vrijednost koja se mjeri za vrijeme provoenja eksperimenata, je ona vrijednost za koju se ~eli smanjiti varijabilnost provoenjem PD. Kako je signalni faktor ukupni troaak, to je i odziv sustava takoer ukupni troaak. Upravlja ki faktori (zi) i aumovi sustava (xj): Cilj provoenja PD na odabranom sustavu je smanjenje varijabilnosti u odzivu sustava. Varijabilnost u odzivu sustava nastaje zbog djelovanja aumova koji se nalaze unutar i izvan granica sustava. U tablicama 4 i 6 prikazani su upravlja ki faktori i aumovi za koje se smatra da bi trebali imati utjecaja na varijabilnost odziva sustava. Neki od ovih faktora su rezultat analize sustava dok su drugi preporuke stru njaka koji rade u poduzeu. Ukupno je razmatrano 6 upravlja kih faktora, te 3 auma pri emu su svaki faktor i aum opisani na dvije razine. Tablica 4. Upravlja ki faktori sustava Faktor A predstavlja trajanje pojedinih operacija. Nakon procesa proizvodnje na strojevima, na proizvode je potrebno montirati razli ite elemente te ih pakirati. Trenutna trajanja tih operacija (razina 1) su varijabilna i stoga je ispitivan utjecaj ovog faktora ukoliko bi se raznim poboljaanjima postigla balansiranost u trajanjima operacija (razina 2). Proces planiranja proizvodnje (faktor B) predstavlja organizacijski faktor, a mo~e poprimiti dvije vrijednosti. Prva vrijednost (razina 1) predstavlja trenutno stanje pri kojem se s novim planom proizvodnje ne mo~e zapo eti prije prve smjene u subotu. Ranije je spomenuto da novi plan proizvodnje treba zapo eti u petak u drugoj smjeni. Prema sadaanjem stanju, kaanjenje s novim planom iznosi 16 sati. Razlog kaanjenju su razli iti organizacijski gubici. Druga vrijednost (razina 2) je teorijsko stanje u kojem se s novim planom proizvodnje zapo inje u petak u drugoj smjeni, tj. bez kaanjenja. Analizom trajanja zastoja tijekom jednog mjeseca utvreno je da srednja vremena popravaka (MTTR) za strojeve 1 i 2 iznose 75 minuta, a za stroj 3 je 60 minuta. Faktor C (odr~avanje strojeva) opisan je dvjema razinama 25% i 50% kraim MTTR od trenutnih trajanja popravaka. Trajanja popravaka ili zastoja pojedinih strojeva, modelirana su Erlangovom razdiobom: Erlang (, ). Parametri ove razdiobe su srednje vrijeme trajanja popravka (), te standardno odstupanje vremena popravka () u minutama (tablica 5). Tablica 5. Parametri Erlangove i eksponencijalne razdiobe Faktori D, E i F opisuju modele upravljanja zalihama varijanti osnovnog materijala. Ti modeli temelje se na modelu (s; S), tj. kada razina zaliha padne ispod razine  s , naru uje se koli ina osnovnog materijala do razine  S . Potroanja osnovnih materijala OM 2 i OM 3 pribli~no je jednaka, stoga su i razine faktora E i F jednake. Vrijednosti ovih razina su izra~ene u kN. Kad razina zaliha padne ispod razine  s naru uje se puni kamion (240 kN), ali s 50% jedne i 50% druge varijante osnovnog materijala. Razlika izmeu vrijednosti  S i  s faktora D za obje razine iznosi 240 kN, pa se za OM 1 kada razina zaliha padne ispod  s , naru uje puni kamion, odnosno 240 kN. `umovi za koje se smatralo da bi mogli imati utjecaja na odziv sustava su (tablica 6): udio akarta po radnom nalogu (faktor G), promjena potra~nje (faktor H) i raspolo~ivost strojeva (faktor J). Tablica 6. `umovi sustava Udio akarta G po lansiranom radnom nalogu modeliran je s pomou binomne razdiobe: bin (n, p). Parametar n predstavlja koli inu iz radnog naloga, a parametar p udio akarta. Analizom udjela akarta po radnim nalozima lansiranim u razdoblju od jedne godine, odlu eno je da se utjecaj ovog faktora na odziv razmatra na dvije razine. U radu je procjenjivan utjecaj promjene potra~nje H na odziv dobavlja kog lanca poduzea. U razmatranje su uklju ene dvije razine ovog faktora i to: potra~nja koje je za 15% manja, odnosno 15% vea od trenutne potra~nje prikazane u tablici 3. Raspolo~ivost strojeva, A (faktor J), izra~ena je u postotcima, a mo~e se izra unati s pomou sljedeeg izraza:  EMBED Equation.3 (11)Veli ina MTBF predstavlja srednje vrijeme izmeu kvarova. Vrijeme izmeu dva kvara modelirano je jedno-parametarskom eksponencijalnom razdiobom: expo (). Parametar  predstavlja srednje vrijeme izmeu dva kvara. U tablici 5 prikazane su vrijednosti parametra  pojedinih strojeva u minutama za obje razine raspolo~ivosti. Nakon ato su svi relevantni faktori sustava sa slike 1 identificirani, definiran je eksperimentalni plan, te su provodeni eksperimenti. Korak 8. Eksperimentalni plan koji je odabran za simulacijski model dobavlja kog lanca poduzea je djelomi ni plan pokusa:  EMBED Equation.3 . Ovaj plan pokusa omoguuje procjenu svih glavnih u inaka (upravlja kih faktora i aumova), te procjenu velikog broja dvo-faktorskih meudjelovanja. Kod ovog eksperimentalnog plana potrebno je napraviti 64 pokusa ( EMBED Equation.3 ). Ukupan broj pokusa provedenih na simulacijskom modelu dobavlja kog lanca bio je 192 (uzeta su po 3 ponavljanja). Ovim eksperimentalnim planom su svi glavni u inci i velika veina od 36 dvo-faktorskih meudjelovanja procjenjiva, ato proizlazi iz njegove rezolucije (IV). Korak 9. Obrada rezultata eksperimenata provedena je s pomou softverskog paketa Design-Expert [11]. U stvarnome sustavu planiranje proizvodnje provodi se na temelju stvarnih narud~bi i prognoza potra~nje. U simulacijskom modelu uvedeno je ograni enje kojim je dopuatena mogunost neisporuke nekih proizvoda ukoliko to trenutno stanje na zalihama gotovih proizvoda (razina 2) tako nala~e, te je ovo prikazano troakovima penala. Takoer, u stvarnom sustavu est je slu aj grupiranja narud~bi (grupiraju se koli ine koje je potrebno isporu iti na dvije razli ite lokacije) u zajedni ki kamion. U simulacijskom modelu pretpostavljeno je da se narud~be ne mogu grupirati. Rezultat ove pretpostavke je isporuka svake grupe proizvoda na zasebnu lokaciju (tablica 1) ponekad u koli inama koje su dosta vee od naru enih. Primjena Taguchijevog PD provedena je koriatenjem pristupa s odzivnim modeliranjem. Kako je ve spomenuto u 3.2, ovaj pristup provodi se u 2 koraka. Da bi se proveo korak (i) potrebno je identificirati glavne u inke upravlja kih faktora, glavne u inke aumova, te u inke dvo-faktorskih meudjelovanja. U tablici 7 prikazana je analiza varijance (ANOVA) rezultata eksperimenata simulacijskog modela dobavlja kog lanca promatranog poduzea za najzna ajnije u inke. Tablica 7. ANOVA rezultata simulacijskog modela dobavlja kog lanca poduzea U prvome stupcu tablice identificiran je u inak (glavni u inak, meudjelovanje, pogreaka, itd.) koji predstavlja izvor varijacije. Stupci 2 i 3 prikazuju veli inu procjene varijacije pripadajueg u inka, te njegov stupanj slobode. Stupac 4 predstavlja kvocijent vrijednosti stupaca 2 i 3 pripadajueg u inka. Veli ine iz stupca 5 kvocijenti su veli ina iz stupca 4 pripadajueg u inka, te srednjeg kvadrata  ostatka . Posljednji stupac tablice 7 prikazuje vjerojatnosti. Na osnovu vrijednosti iz posljednjeg stupca, odreenog u inka, procjenjuje se njegova statisti ka (ne)zna ajnost. Da bi se u inak identificirao kao statisti ki zna ajan treba biti ispunjen sljedei uvjet:  EMBED Equation.3 (12)gdje je F0 tabli na vrijednost F razdiobe. Zna ajni u inci (istaknuti u tablici 7) su:  glavni u inci upravlja kih faktora: B (Proces planiranja proizvodnje) i E (Upravljanje zalihama osnovnog materijala OM 3);  glavni u inci aumova: H (Promjena potra~nje) i J (Raspolo~ivost strojeva);  dvo-faktorska meudjelovanja: AC, AJ, BC i BH. Iako za meudjelovanje AC nije zadovoljen uvjet nasljednosti u inka [7], prema kojem da bi odreeno meudjelovanje bilo zna ajno bar jedan u inak iz meudjelovanja treba biti zna ajan, u odzivni model uklju eni su glavni u inci faktori A i C, koji prema tablici 7 nisu statisti ki zna ajni. U odzivni model su uklju ena i dvo-faktorska meudjelovanja: AB i FH jer su vrijednosti P(F0 > F) tih u inaka vrlo blizu ispunjavanju uvjeta (12). Za zna ajna dvo-faktorska meudjelovanja upravlja ki faktor - aum AJ i BH, te meudjelovanje FH koje je blizu granici zna ajnosti, prema (i) potrebno je postaviti uklju ene upravlja ke faktore na razine pri kojima odziv y ima polo~eniji odnos sa aumovima. Navedena meudjelovanja su prikazana na slikama 5, 6 i 7. Na osnovu slike 5 o ito je da postoji meudjelovanje upravlja kog faktora A i auma J. Postavljanjem faktora A na razinu 2 posti~e se polo~eniji odnos odziva y sa aumom J, a time i manja varijabilnost odziva. Postavljanjem faktora A na razinu 2 smanjuje se ukupni troaak. Slika 5. Graf meudjelovanja AJSlika 6. Graf meudjelovanja BHKod meudjelovanja upravlja kog faktora B i auma H (slika 6), o ito je da se postavljanjem faktora B na razinu 2 poveava ukupni troaak, ali se posti~e polo~eniji odnos izmeu odziva y i auma H. Postavljanjem faktora F na razinu 2 (slika 7) posti~e se polo~eniji odnos odziva y sa aumom H. Ovo je i logi no jer sa poveanjem razine zaliha poveava se i sposobnost amortizacije promjena u potra~nji. Postavljanjem faktora F na razinu 2, osim poveanja imunosti na varijacije, smanjuje se i ukupni troaak. Slika 7. Graf meudjelovanja FH Drugi korak (ii) pristupa zahtijeva identifikaciju odzivnog modela  EMBED Equation.3 . Na osnovu rezultata iz tablice 7, interpolirani odzivni model  EMBED Equation.3  izra~en u kodiranim faktorima je oblika:  EMBED Equation.3 (13)Da bi se prihvatio interpolirani odzivni model  EMBED Equation.3  potrebno je napraviti analizu ostataka koji su rezultat aproksimacije rezultata eksperimenata simulacijskog modela odzivnim modelom iz izraza (13). Na osnovu tablice 7 mo~e se vidjeti da je odabrani odzivni model prikladan, zbog toga ato redak ozna en s  Model ostatka nije statisti ki zna ajan. Dodatnu vjerodostojnost u ispravnost odabranog modela pru~aju zaklju ci koji se mogu donijeti na osnovu slike 8. Ova slika daje usporedbu ostataka s interpoliranim odzivnim modelom. Ukoliko je interpolirani model odabran kako treba, tada bi ovaj graf trebao sadr~avati to ke koje su centrirane oko nule s pravilnim rasipanjem na obje strane od nule. Ovo posljednje svojstvo proizlazi iz pretpostavke da su pogreake distribuirane neovisno i normalno s  EMBED Equation.3 . Ostaci koji su koriateni za izradu grafa na slici 8, dobiveni su s pomou studentove ili t-razdiobe. Slika 8. Graf ostaci - interpolirani odzivni model Nakon analize ostataka, a na temelju izraza (13) mogu se definirati srednji model odziva i preneseni model varijance simulacijskog modela dobavlja kog lanca. Srednji model odziva, prema izrazu (9) iznosi:  EMBED Equation.3 (14)Preneseni model varijance simulacijskog modela dobavlja kog lanca na osnovu (10) iznosi:  EMBED Equation.3 (15)Daljnjim sreivanjem izraz (15) poprima oblik:  EMBED Equation.3 (16)Ako se pretpostavi da su prva i druga razina aumova J i H odabrane tako da predstavljaju standardna odstupanja ovih faktora od njihovih stvarnih srednjih vrijednosti, tada se mo~e uzeti da je  EMBED Equation.3 . Takoer, ako se usvoji da je  EMBED Equation.3  (srednji kvadrat ostatka, tablica 7), tada se izraz (16) mo~e napisati:  EMBED Equation.3 (17)Na temelju izraza (14) i (17), srednji model odziva, te preneseni model varijance u potpunosti su u funkciji upravlja kih faktora. Zna i da se optimiranjem ovih izraza mogu izvesti podeaavanje srednje vrijednosti i smanjivanje ukupne varijance odziva. U izrazu (17) pojavljuju se u inci faktora A, B i F. Uz u inke A i B, kao zna ajni u inci za srednji model odziva (14) identificirani su joa i faktori: C i E. Smanjivanje varijacije odziva simulacijskog modela mo~e se ostvariti postavljanjem faktora A, B i F na razine 2. Daljnje smanjenje varijacije odziva mo~e se postii optimiranjem prenesenog modela varijance (17). Podeaavanje srednje vrijednosti odziva mo~e se postii s pomou srednjeg modela odziva (14), ali oprezno s obzirom da se u tom modelu javljaju izrazi za faktore A i B, koji se koriste za smanjenje varijacije odziva simulacijskog modela. Iz izraza (14) jasno je da se dodatno smanjenje srednje vrijednosti odziva (ukupnog troaka), mo~e postii djelovanjem na faktore C i E. Kod meudjelovanja upravlja kih faktora A i C utvreno je da se postavljanjem faktora C na prvu razinu posti~e malo smanjivanje ukupnih troakova. Kod meudjelovanja upravlja kih faktora B i C utvreno je da se postavljanjem faktora C na prvu razinu zna ajno poveavaju troakovi. Stoga se preporu a postavljanje faktora C na drugu razinu. To je i logi no jer se boljim odr~avanjem strojeva skrauju zastoji, a time i ukupni troaak. Nadalje, srednji model odziva (14) nala~e da bi se postiglo dodatno smanjenje troakova potrebno je postaviti faktor E (Upravljanje zalihama osnovnog materijala OM3) na drugu razinu. Ovo je mo~da u suprotnosti s ciljem smanjenja troakova (vee zalihe vei su i troakovi), ali poato je faktor F ve postavljen na razinu 2 logi no bi bilo da se i faktor E postavi na drugu razinu. To proizlazi iz same ideje narud~be osnovnih materijala, tj. puni kamion s 50% OM 2 i 50% OM 3. Jedini upravlja ki faktor koji nije uklju en niti u srednji model odziva (14), a niti u preneseni model varijance (17) je faktor D (Upravljanje zalihama osnovnog materijala OM 1). Ovaj faktor je prema ANOVA identificiran kao statisti ki nezna ajan. Prema rezultatima iz tablice 7, iako statisti ki vrlo blizu zna ajnosti (6,76%), razmatrano je i meudjelovanje FH. Ako bi se primjenila ista logika, tada bi i meudjelovanja DH i EH trebala biti zna ajna ili vrlo blizu granici statisti ke zna ajnosti, ali to nije slu aj. Prema rezultatima ANOVA, meudjelovanje EH nije zna ajno, a koriateni plan eksperimenata nije u mogunosti procijeniti u inak meudjelovanja DH. Potrebe za materijalom OM1 su dosta vee od potreba za osnovnim materijalima OM 2 i OM 3, a time i u estalost narud~bi za popunjavanjem skladiata. Na temelju iznesenog je o ito da je svejedno na koju razinu postaviti vrijednost faktora D. Prema provedenoj analizi rezultata, preporu ene kombinacije upravlja kih faktora koje bi trebale rezultirati smanjenjem varijacije odziva i srednje vrijednosti odziva sustava su: a2 b2 c2 d1 f2 e2 ili a2 b2 c2 d2 f2 e2. Korak 10. Ovaj rad predstavlja dokaz o dokumentiranju same simulacijske studije, dok primjena rezultata ovisi o mened~mentu poduzea, tj. o njihovom povjerenju u dobivene rezultate. 6. Zaklju ak U ovom radu prikazano je optimiranje jednog dobavlja kog lanca primjenom Taguchijeve metode oblikovanja parametara (PD), koja je kombinirana sa simulacijom diskretnih dogaaja. Ova metoda se do sada koristila samo kod rjeaavanja problema iz domene projektiranja kvalitete. Da bi se metoda primijenila za probleme optimiranja dobavlja kih lanaca, potrebna je njena prilagodba kroz identifikaciju nedostataka, te njihova poboljaanja. U ovom radu spomenuti su nedostaci klasi ne Taguchi metode PD: (ortogonalna polja i S/N omjeri), kao i prijedlozi za njihovo poboljaanje (eksperimentalna strategija s jednim poljem, te odzivno modeliranje). Dokazana je glavna ideja ove metode: ispravnim podeaavanjem upravlja kih faktora na one vrijednosti koje rezultiraju s najveom imunosti na aumove, posti~e se smanjenje varijacije odziva sustava. Optimiranje dobavlja kog lanca prikazanog u radu sastojalo se iz identifikacije relevantnih veza i vrijednosti upravlja kih faktora koje rezultiraju s najveom moguom imunosti dobavlja kog lanca na aumove. Analiza i sinteza rezultata eksperimenata, koji su provedeni nad simulacijskim modelom dobavlja kog lanca, rezultirala je optimalnom kombinacijom upravlja kih faktora. Taguchi je razvio i pristup kod oblikovanja tolerancija (engl. Tolerance Design; TD). Tolerancije faktora (upravlja kih ili aumova) sustava dobavlja kog lanaca takoer imaju veliko zna enje na odziv tog sustava i njegovu varijabilnost. Optimalnim oblikovanjem tolerancija, tj. dopuatenih podru ja variranja relevantnih faktora, dodatno se mo~e smanjiti varijacija odziva sustava. Preduvjet za primjenu Taguchijevog TD je proveden PD, te on mo~e biti predmet budueg istra~ivanja.     PAGE 1 PAGE 23    t v  : < > @ p~, ":<>j*,̽̽豩豩 CJmHsHCJ aJ 6H*mHsH 6mHsH \mHsH56H*mHsH 5mHsH56mHsH6 56\ aJmHsH ]mHsHmHsH5CJ \aJ 5CJ$aJ$mHsH>  ljN%&$$Tdh^T`a$d$da$Tdh^T` & F*ed^e` d^`$ddd$Td^T`$da$FG,68FH"$fvNV N%&<&****++^+`++++++,d,f,|,~,,, --d-f-l-n---. .^.`....../////33,4jEHUmHsHjD UVmHnHsHtHjUmHsH6H*65aJ5CJ \aJ ]mHsH 6mHsH5\mHsH CJmHsHmHsH@&<&*+, , ,5v@@_VOd  9r dy$$IfTl0 7 t09!644 la$$d$Ifa$$d$Ifd ,4x4~455r:z:>>>v@@TAVAAAAAAAFBHBJBPBRBTBBBBCCEE>E@EBEDEdF~FFFdGfGhGGGHHHHHHHj[EHUaJmHsHjqܬF UVaJmHsHjUaJmHsH56mHsHjCEHUmHsHjzD UVmHnHsHtHjUmHsH H*mHsH6H*mHsH5aJaJ6mHsH 6mHsH aJmHsH4@EFENEPEI>IFIHITLWWRdy$$IfTl0 7 t09!644 la$$d$Ifa$$d$If $$da$ HHHHHHHII6I8I:IY@YYYZZ[ [0[2[4[6[B[[[[[\^F_``````bbLbNbbbcǼ次收}j"6EHUmHsHjGF CJUVj6UmHsH6jEHUmHsHjF CJUV 6mHsHjEHUmHsHjF CJUVjEHUmHsHjF CJUVmHsHjUmHsHjEHUmHsH/@[B[\\^``absWWWWs$$ & F+ d^`a$ $$da$dy$$IfTl0 7 t09!644 lacccc2c4c6c8cccccddddddddddeeeeffffffgggg`gbggggggg6y8y֣֭֭֎{s jmHsH5CJ \aJ j,EHUmHsHjTF CJUVjI*EHUmHsHjPF CJUV6]mHsHj8'EHUmHsHjD UVmHnHsHtH 6mHsHmHsHjUmHsHj$EHUmHsHjD UVmHnHsHtH-bc c"cddddfg&gdWdW $$da$y$$IfTl0 7 t09!644 la$$d$Ifa$$d$If &g(g`gggxiW$$d$Ifa$$d$If $$da$y$$IfTl0 7 t09!644 lagggkrxLzzz} ~rmmmmrgb]dd$dd$$Tdh^T`a$y$$IfTl0e 7 t09!644 la 8yLzzz}} ~d~|~*:R^&—jln&68ޣ̥ "bdڮܮ֯د:<RTIJƲ ja6mHsH5\mHsH H*mHsH 6mHsH56mHsH aJmHsHaJmHnHsHtH5\aJmHnHsHtH 5mHsH ]mHsH6 56\5aJmHsH 5CJ aJ mHsH: ~&NdĔTЕ:nd & F Td^T`dx $d $d d^`dė™̥<:X$d $d & F* id^` d^`dd $dx<ddx<Ʋ̲β&>@BDHJbdjl:XĻ&6| L`>,.028@ $&ѳѳ6H*mHsH6 5mHsH ]mHsH56mHsH 6mHsH6]mHsHaJmHnHsHtH5\mHsH jb6mHsHmHsHFH@:x<"2$d$If $$da$d $ddd $dx< d^`&:NjlbxZ\`b|~RT*,.0>PXlnFHjXF CJUVmHsH56mHsHjF0EHUmHsHjYF CJUVmHsHjUmHsH6]mHsHaJmHnHsHtH ]mHsH5\mHsH 6mHsHmHsH=2<>Tsnne^Tnn $dx<d<dx<dy$$IfTl0e 7 t09!644 la$$d$Ifa$ T "LNbf枓ǍvvmvH*\]mHsH6\]mHsH\]mHsH ]mHsH H*mHsHj 7EHUmHsHjUqF CJUVmHsH5\mHsH]6 aJmHsH56mHsH 6mHsHj4EHUmHsHj)E CJUVmHsHmHsHjUmHsHj2EHUmHsH*T Oy$$IfTl0e 7 t09!644 la$$d$Ifa$$d$Ifd $$$da$dP     [y$$IfTl01  t0644 la $d$Ifa$ $$Ifd d^`           `d(8#$%&\]pqrs꼱꼦ꚏ꼄} aJmHsHjAEHUmHsHj=EHUmHsHjF=F UVmHsHj;EHUmHsHj9EHUmHsHjE CJUVmHsHjUmHsH5\mHsHmHnHsHtH 6mHsHmHsH6\]mHsH\]mHsH-  6 8  (h'yttlt]$d$If$da$dy$$IfTl01  t0644 la $d$Ifa$',-"snfnWsnW$d$If$da$dy$$IfTl0e 7 t09!644 la$$d$Ifa$ DFlnpr(*~rg[jl-F UVmHsHjMEHUmHsHj=F UVmHsHj!JEHUmHsHj=F CJUVmHsHj@FEHUmHsHj=F UVmHsHjUmHsH5\mHsHmHsH6]aJmHsHjCEHUaJmHsH#jgF CJUVmH nH sH tH  aJmHsHjUaJmHsH Dt~, \ f sn_sn_$d$Ifdy$$IfTl0e 7 t09!644 la$$d$Ifa$ *,.ln, . T V X Z h `"*/,/77777777777777777777778888 8 888$8|9潲検検6\mHsH \mHsH 5mHsH5H*mHsH56mHsH 6mHsHjgWEHUmHsHj;>F UVmHsHjUEHUmHsH#jhF CJUVmH nH sH tH mHsHjUmHsHjREHUmHsH2f h `"F%2(+D/X68$8|9{{{{{{q{ $dx<ddy$$IfTl0e 7 t09!644 la |99 CFFFFFFFFFFFFGGGGG G$h]ha$ $ 9r a$h]h&`#$ dd$$Wdh^`W|99===|CCFFFFFFFFFFFFFFFFFFGGGGGGGGG Gƻƻù60JmHnHu0J j0JU jUCJaJmHsHmHsH aJmHsH 6mHsH\aJmHsH5CJ aJ mHsH"/0&P P. A!"#$%CDdt@\  c $A? ?#" `2d9.oD`!gd9.:  5xcdd``ed``baV d,FYzP1n:&&v! KA?H1: ㆪaM,,He` @201d++&1ܘ!+(|-T T@Z5+a|VV_? kTH} TIf|Fip~_YdMa`UNCwG-'\P88a,;F&&\t @ ]` bg!t?3Cl:Ddh\  c $A? ?#" `2h8|m=f ZD`!<8|m=f Z")@p@| xڕKALk6fcRǚjԖJ/"xCi ЕBPJR<ԋ*xPSKudwzpawg>@p|Ĉ h|LEi~ 1'"*F},{ X*T7W<ׯe SyC,mᲦ גbXgF a\;luv8:n#~ʅGs:my[AKiMgww4qgc?WP.ZԿ6D>/R}5Iu &D_DnFZS}Kݬ_W˻UWX*9녳k-Kp__4 ns>E/\_A9$o/Nu#&߷~(Fk߅?>u۳Nʺ+7Dusf?zۤɠM][o]8=$X?tޭT0f|Cu3!D`I]Dd\  c $A? ?#" `2sm4ь|Ov`!sm4ь|Ov hOxcdd``Ned``baV d,FYzP1n:B@?b sC0&dT20$ KXB2sSRsn\OgKbF\XAZ5+amL 8ר<@;D3X@Fa hI9 ظ|/PsV96ݽ Ac3x@uF ~\X pB\JK+KRs@2u(2t5= >.DdXhJ  C A? "2Bܾfzuf&:l`!dBܾfzuf&:+@C|2xcdd`` @c112BYL%bpu1ܘ!+(|-7MT T@Z5* We?5n #TG*MQ?dP[Iʛp+TkB yQgsrǎ*_Ƃ*_q$\#+(d++&~0naX ө?KE a|u9z8@# "QKG5)dT~*b|K(82RaOPeaT 1㬃P32Dd@\  c $A? ?#" `2bZBؼ I*> `!6ZBؼ I*(+ xڕPJA}3wjnsPDRAE4X-. 6X ~Uj~Bɞ;yox;og `tcI21Q@u]+fu)㎠5lbd_M$10aIq\/3)bFֿ*(?wuY T[Z8uK4O]Ç;5~.tǹ$ D.[k~Fo2({W s7 0K<~u:Kf;-[ECDd\  c $A? ?#" `2?фh@ @ +`!фh@ @ :`!xcdd``  !"#$%&'()*+,-./0123456789:;<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ[\]^_`abcdefghijklmnopqrstuvwxyz{|}~FRoot Entry F\&BData \WordDocument1ObjectPool^ \&_1156224942mF  Ole CompObjfObjInfo  #(-27:;<?DILMNOPQRSVYZ[\_dgjmnopsvy|}~ FMicrosoft Equation 3.0 DS Equation Equation.39q)г y=f(z,x) FMicrosoft Equation 3.0 DS EqEquation Native E_1154251426 FOle CompObj fuation Equation.39qs$ y= 0 + 1 "z 1 + 2 "z 2 + 12 "z 1 "z 2 +"x 1 + 11 "z 1 "x 1 + 21 "z 2 "x 1ObjInfo Equation Native  _1185733745F!!!!Ole  + FMicrosoft Equation 3.0 DS Equation Equation.39q4o P N(0, 2 )CompObjfObjInfoEquation Native P_11875208171Fp%p%Ole CompObjfObjInfoEquation Native ~ FMicrosoft Equation 3.0 DS Equation Equation.39qRb$5 y= 0 + 1 "z 1 +"x 1 + 21 "z 2 "x 1 += 0 + 1 "z 1 ++ 21 "z 2 ()"x 1 + FMicrosoft Equation 3.0 DS Equation Equation.39q x y FMicrosoft Equation 3.0 DS Eq_1154339740 "F88Ole !CompObj"fObjInfo$Equation Native %)_1154339794Fp1p1Ole &CompObj 'fuation Equation.39q!ؘp Var(y) FMicrosoft Equation 3.0 DS Equation Equation.39q! Var(y)ObjInfo!)Equation Native *=_1154339804J$Fp>p>Ole +CompObj#%,fObjInfo&.Equation Native /=_1187697499w@)F9D9DOle 0CompObj(*1fObjInfo+3Equation Native 4; FMicrosoft Equation 3.0 DS Equation Equation.39q85  x2 FMicrosoft Equation 3.0 DS Equation Equation.39q_1187697572.FKKOle 5CompObj-/6fObjInfo08nx E x (y)= 0 + 1 "z 1 + 2 "z 2 + 12 "z 1 "z 2 FMicrosoft Equation 3.0 DS Equation Equation.39qEquation Native 9_11875217393FQQOle =CompObj24>fObjInfo5@Equation Native A=_11876976298FXXOle BR!;? Var(y) FMicrosoft Equation 3.0 DS Equation Equation.39q#dtv x 1 =0CompObj79CfObjInfo:EEquation Native F?_1187697583,6=F*^0_Ole GCompObj<>HfObjInfo?JEquation Native K  FMicrosoft Equation 3.0 DS Equation Equation.39qسl yE"y x 1 =0 +dydx 1 (x 1 "0)+R+E"   E" 0 + 1 "z 1 + 2 "z 2 + 12 "z 1 "z 2 +( 1 + 11 "z 1 + 21 "z 2 )"x 1 +R+ FMicrosoft Equation 3.0 DS Equation Equation.39q_1187697653;TBFEdEdOle TCompObjACUfObjInfoDWEquation Native X_1187697735GFhhOle ]CompObjFH^f,m Var x (y)= x2 ( 1 + 11 "z 1 + 21 "z 2 ) 2 + 2 FMicrosoft Equation 3.0 DS Equation Equation.39qObjInfoI`Equation Native a;_1154340064OLFlmpnOle bRx?  2 FMicrosoft Equation 3.0 DS Equation Equation.39qYD y(z,x)=f(z)+h(z,x)+CompObjKMcfObjInfoNeEquation Native fu_1154851236QF5u5uOle hCompObjPRifObjInfoSkEquation Native l FMicrosoft Equation 3.0 DS Equation Equation.39q$ h(z,x)= i "x i + ij "z i "x jj=1r " i=1k " i=1r " FMicrosoft Equation 3.0 DS Equation Equation.39qV E x y(z,x)[]=f(z)_1187697744EYVF@Bx@BxOle qCompObjUWrfObjInfoXtEquation Native ur_1187697748|[F\~\~Ole wCompObjZ\xf FMicrosoft Equation 3.0 DS Equation Equation.39q) Var x y(z,x)[]= x2 "y(z,x)"x i [] 2 + 2i=1r "ObjInfo]zEquation Native {_1185176028'`FOle  FMicrosoft Equation 3.0 DS Equation Equation.39q^|` A=MTBFMTBF+MTTR"100 FMicrosoft Equation 3.0 DS EqCompObj_afObjInfobEquation Native z_1184872024eFOle CompObjdffObjInfogEquation Native G     EG !"#$%&'()*+,-./0123456789:;<=>?@ABCDJKLMNOPQRSTUVWXYZ[\]^_`abcdefghijklmnopqrstuvwxyz{|}~uation Equation.39q+ش P 2 IV9"3 FMicrosoft Equation 3.0 DS Equation Equation.39q_1172384161jF @ @Ole CompObjikfObjInfolEquation Native >_1184788821rcoFggOle CompObjnpf"L 2 9"3 FMicrosoft Equation 3.0 DS Equation Equation.39qJvP PF 0 >F()d"0,05ObjInfoqEquation Native f_1172471804htF``Ole CompObjsufObjInfovEquation Native -_1187593542yFijij FMicrosoft Equation 3.0 DS Equation Equation.39qL 2y  FMicrosoft Equation 3.0 DS Equation Equation.39qOle CompObjxzfObjInfo{Equation Native ReN 2y (z,x)=2,217"10 5 "2608,46"A+8934,35"B+148,03"C"3947,62"E+               +4392,93"H"11917,32"J"3534,43"AB+4320,44"AC+               +4093,79"AJ"5298,57"BC"5065,58"BH"3621,23"FH FMicrosoft Equation 3.0 DS Equation Equation.39q_1187699047~FOle CompObj}fObjInfoEquation Native P_1187593662F`!`!Ole CompObjf4? N(0, 2 ) FMicrosoft Equation 3.0 DS Equation Equation.39qRh4" E x 2y (z,x)[]=2,217"ObjInfoEquation Native _1187593629F;;Ole 10 5 "2608,46"A+8934,35"B+148,03"C"                     "3947,62"E"3534,43"AB+4320,44"AC"5298,57"BCCompObjfObjInfoEquation Native [_1187593687F FMicrosoft Equation 3.0 DS Equation Equation.39q?( Var x 2y z,x()[]= x2 "4093,79"A"5065,58"B"3621,23"F"7524,39() 2 + 2 FMicrosoft Equation 3.0 DS Equation Equation.39qxP# Var x 2y z,x()[]= x2 "(16,76"10 6Ole CompObjfObjInfoEquation Native  "A 2 +25,66"10 6 "B 2 +13,11"10 6 "F 2 +                       +56,62"10 6 "41,47"10 6 "AB"29,65"10 6 "AF"61,61"10 6 "A+                       +36,69"10 6 "BF+76,23"10 6 "B+54,5"10 6 "F)+ 2 FMicrosoft Equation 3.0 DS Equation Equation.39q_1184705900FOle CompObjfObjInfo(y  x2 =1 FMicrosoft Equation 3.0 DS Equation Equation.39q]M8&:  2 =Equation Native D_1187604707FOle CompObjfObjInfoEquation Native i_1187593787F`pOle 7,44"10 8 FMicrosoft Equation 3.0 DS Equation Equation.39qz Var x 2y z,x()[]=16,76"10 6 "A 2 +CompObjfObjInfoEquation Native 1TableI25,66"10 6 "B 2 +13,11"10 6 "F" 2                        "41,47"10 6 "AB"29,65"10 6 "AF"61,61"10 6 "A+                       +36,69"10 6 "BF+76,23"10 6 "B+54,5"10 6 "F+8"10 8Oh+'0`    ( 4@HPX1ssNNN @c112BYL%bpu 1㬃P32Dd@\  c $A? ?#" `2bZBؼ I*>`!6ZBؼ I*(+ xڕPJA}3wjnsPDRAE4X-. 6X ~Uj~Bɞ;yox;og `tcI21Q@u]+fu)㎠5lbd_M$10aIq\/3)bFֿ*(?wuY T[Z8uK4O]Ç;5~.tǹ$ D.[k~Fo2({W s7 0K<~u:Kf;-[ECDdTJ   C A? "2~ 1`\DdhJ   C A? " 2%7 fDPH`!7 fDPb@`'|xڥOKAߌTE{Q~4@.^T OAߡCC*QD'm޸;49D ~3< @a D q$Bm:khca&M`l4-H^aczwC3t ^ zP̗|H=x>a_դev:fSy"wQjZ.#'F0_ |ɾڇ=3q/O <<#$$4YRd_֯y#FShOh<7'\|kqz=my6e*N7*cy9 6t"m+"<`;ᴵ>^ʷDd@J   C A ? " 2fHqt923pB `!:Hqt923p(+ xcdd`` @c112BYL%bpuL̳ ]7c?*&e1'0|]rLpFs4 M7m_=3{=TjW}z݅ 5|(kCXu$h߈퇢X1gX?qGu_w~{5b^ܯ%jNPmN|Mmߩ9QwNk$8ϛb?gl O)6t4w'Eaݟ.sokfG0?j0y+k6-tYX߉ (g*sqC/eӎDZ-ͳLk=~.֜:L[j!ȿ%<^l3uB>~7_Ae_㿶V˦WӼckk=FνqbHȘ/Q&lJH x>CRpGHĹNO}\r]]w2/_Nͭnjpپk\φ=v:*y+63^g&f4 .ieRso/z{k#5~}p|.pU8m}T\vX!ŭ;JW5܊oO뢫f9 S S_2,S!~1{Waγ &lo;CkC#~AHHo+!7?&ѕpX x {l=\hItNe E~֠Ly@xÉt N!$ƌҡDdTJ  C A ? "2ybchsy%(EtN ,yU"`!Mbchsy%(EtN ,y XJhxuJADM6HF35(+ .r\7GR1R R Ú"p Ϸ3j 6Zhҿ"Ruv[khLV؅f|zxg [t0I \?'%:!No3-0c2/>8Y[:ೣU*vUrxGT: oj.WTyTLN3!"fz.8cO{S+yͼkl\? {dv%_b䏐br<\Wl&ܞ ? ׀?_φ*U> < Fz,A?0/dB}? ~͎*O3U}_YMm\ hZ``;F&&\"CD1|bYG`Y}IDd3 \  c $A? ?#" `2aJ tS`=|'`!5J tS`b ` Pxcdd`` @c112BYL%bpubo?LOP{ ^ wrpTTdw!$tWHfnj_jBP~nbqAEpKf%L>>pyTy+>T/?`A{ ! JY0> 8|A=>H7f|Pop|TIטPQ[1YX+y*8~ `<=|>JQt1Є8?ؿⅉ3&_~)p{A,.hi.ރE `PBzĤ\Y\ bPd(B |8 Պ DdhJ  C A? "2pz/iR1м;a*`!pz/iR1м;a@ @p|xcdd``> @c112BYL%bpuׁ՘!Hx*=E ~vWU}._ 1Pw2'ϝљ,ߺ > ?m[M\6b;121)W2xePdh,Āf !_|Dd`4J  C A? "2Зi7tZl-`!Зi7tZl #pxڥkA߾$fظMcQуUECZ zK񰅕&WrЃXгzʩ`^ĞAi(8ofv݄D#n}޼`y&.興3-[Y"K"V[X{ Z iua=g= cO8ټw%q{͏2/=g.#WmXzV NοUkB M>jdN{ӫE jHt$.x2ßj:Rd kb7wNG5zŀ:CెE:7hAz}j$1u?Dr4H=7ؘMxCs_&??i4n&iT9 ~)nu+\ѹO>w߸)7LI.h~l\e9W>;oquҼ7'o|G𸬟+ s sVd?9+!yKBLЦhQ\ơ,acs[4}C:]VMW@gH+##rxk Is|>,;@ {8G?g#7ݒ}ܠbOCL"SR-B1bܖ貸fCg _EDbDd lJ  C A? "2cB tIx0`!cB tIxnfxuQ=KA};gLyמBn6e8r'dr̛GGRӾs*rŋ󖱛We;dgkC7})ڨeSy^!fH3;wهfók0򽻂hبy9 bW@ ڽ,oPm<Dd\  c $A? ?#" `2[7Ffh2`!`[7FfRxth.xcdd``dd``baV d,FYzP1n:LB@?b 17T obIFHeA*CL N`A $37X/\!(?71XAkkZ, P.P56adi5<@=@FUbq7ܤl\- > t7\F{f;,Upve ½ L ゆ>8 {v0oH;F&&\X @ ] U q)Dd,\  c $A? ?#" `2yvIivhox U(5`!MvIivhox @Cxcdd`` @c112BYL%bpu t7\F;խ䂆8$΅;+KRsA2u(2t5= 9byDdh\  c $A? ?#" `2 b w3m6Q7`! b w3m6B @w|kxcdd``^ @c112BYL%bpu 1,_:Dd@\  c $A? ?#" `2PZ7Q%hD,9`!$Z7Q%hD`! xcdd``> @c112BYL%bpu @c112BYL%bpu2RqG&bA [:r>MGhj8ȗam׏rJ"n.i/;4lf6׽(+4Ո/3e 5j|BO/UzPf.gj5޳0_VREQz2Z3j}_FܯU7*HV}A_![WF|u}ZKg$u=dҲ|-!XD?BzNL(wF-'j. I"j/Dd@\  c $A? ?#" `2PZ7Q%hD,,B`!$Z7Q%hD`! xcdd``> @c112BYL%bpu@0cd0F0eo{ 0 0I9 l\G|"ҽ L`bF.%bWdn16sIOt`aWM=\^h``;F&&\" @ ] U cџDd\  c $A? ?#" `21_w2DKi F`!_w2DKi@+ CxڥIkSQ}ڼ6ֶZBkLlAD+D+ v) ؍Y ڂ.;Ǖ) {m-MHrwc]h &Zc^iRZɻV#ڴ'[`4C !y#~ńԹQRHcז9A53xD@7c+Y GW_K|O} o{ Sw'{GsIH6oȍ]\we/}ݸCÂĐ)c178 +AixԊ8hpl+."0$nl dڌ;a1^bľ00,a!uWa { ~YP i'g_mk(t)i|EU !! &\C:cˌ;[0bPaO=cRb IaP+O}of\D,-3%#a N[ݒ^r،|,׵Q^}^&T$?K>/.T2'9ۮ܊#yWQ֪ՕY_`Ŷ ,ҪmTWge_km~j"yNurUeW~n؆!V=%tzP9zψTQ4cĝE/pkn9 _7DdH\  c $A? ?#" `2Udtx07eJ`!Udtx07T@-%Fhxcdd``^ @c112BYL%bpu5MPHqcaiը$dKV.E12Hb 5_< "SZlGMCDn} c=q0)"Rp1/Kg)i~{9 *|@* 52sG(8Z͚ܹ*WmDĨ-P Q(d =`. ָ9հippx55_xs>}۷~틅cLJdWT0dUz7z #T@JQtt{=0Gͯ[ZeJ]]^` ݁/;?؝Z`ߔ⑄dK͔zy7A8FtSH& ߾AiRXLxOȉ;M'߬pſJ|GkOkȝe2?ݣ]뛨^lT/POۋe|8P'9ӯ=>CU1nO8jw̐3|/yG)y;BJoElJbE];S6JWTWtJ+> 4/_@2'޶z=A=]u)ŮӮ,ufym:دc"]g^m68ڭ3t09zAR|{A=V\w0ջ_㽧mv1_t4yߛI>bT1ktwn{\*J{Nw9&uG)T8\aw^Qw'ͻ8Ϳ)i0s7WS>v>4L4h<@yIYc;m|MRBgb4^hN?񳵔(Ycc5̀ǽxxp546{^f7 9y>yl l=ˆ𼋇p Ckb2HlΏfspOVbEok!.p?׮>Dd\  c $A? ?#" `2 gI7v"^jS`!b gI7v"^@h0xcdd``ed``baV d,FYzP1n:&! KA?H100sC0&dT20$ KXB2sSRsn\eK;4AHq`,`i5<Ae7W1FX2727)?a5B8 1$&eȽ L`*0ˈ^R+2 \/4=񎑉I)$5\E.fDdJ   C A? "2d I ^Fl #)`m]_" x%T" LHp/˸Dp^&\Nh-v0o(121)W2ȂePdh,Āf I=Ddt\ ! c $A? ?#" ` 2 $"ڶ"W`! $"ڶ"P ) p@ xڥ_HSQϹۚ9NZǩSI=diKIi[,z2z豠CoADFK_B* 3l߽tK+r2w>;wϥENB MRDKlQ%Ak=0V< }z+("ī޺̈́SB[:j Vɯ8ЋBF}wko| }ȿ [O|8/ۺ+24 3)&'%zMgf ?c6]ѭPz)#u^nx>KsyI$b{Sc8DQKk tXSummaryInformation(DocumentSummaryInformation8CompObjj Normalbilic14iMicrosoft Word 9.0@lt @~x@u@Y՜.+,0 hp|  NYDp 1 Title i@@@ Normal$d@a$CJ_HmH sH tHB@B Heading 1$$@&a$6aJmHsHDD Heading 2$$@&a$5\aJmHsHJJ Heading 3$$@&a$56\]aJmHsH@@@ Heading 4 $x@&6aJmHsHBB Heading 5 $x@&56aJmHsHBB Heading 6$$@&a$6CJmHsH<A@< Default Paragraph Font, @, Footer  9r &)@& Page Number<B@< Body Text$a$CJmHsHu<P@"< Body Text 2$a$ mHsHu:"@: Caption$a$6CJmHsHu,B, Header  9r .R.  Footnote Text8&@a8 Footnote ReferenceH*>Q@r> Body Text 35CJ$aJmHsHPCP Body Text Indent$d@^a$6CJ,U@, Hyperlink >*phVV Literatura  T" 77$8$^7`aJmH sH tH L,L Table of Authorities^`BOB Slika$$da$ mH sH tH NRN Body Text Indent 2d^mHsHW_  5  I;k """"*$l$$%&'((((j)}****++++,F,G-.C..t////W0o0s0t0w1111111113 7G:&;`;|;<=AA'BBDGGGLHbHHHHHHI7ITIIIIJJzNOOPQRSVWWYY___E````akblceeMgikkwn0>0>0>0>0>0>0>0>* 0>* 0>0>0>0>0>0>0>0>0>0>0>0>0>0>80>80>0d0d00d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0000d0d0d0d0d0d0d0d0d0d0d0d0d0d00d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d0d00d0d0d00d0@0@0@0 0 '''*,,4HFPLWc8yƲ&*|9 G&@TLU@[b&gg ~2T 'f |9 GG !"""""%%%&#&%&O&c&e&}&&&'''((()))N*b*d*}***+++f.z.|.t///W0k0m0w111111rrrftzt|tSuguiui~}~~wΆ#%\pr`tvދUikʍ̍*,::::::::::::::::::::::::::::::::::  #*!!Tl,2$"AH8I8eŽ}@0(  B S  ?BCqs  !=?TU        # $ G H   ; <   NPVW34?Aop01QR|}uv?@'(EFLM%&*+HI ?!A!M!N!O!P!!!!"I"J"m"o"""""""##;#<#F#H###$$$$2$3$Z$[$\$]$j$l$$$#%$%%%&%%%%%%%&'&O&h&l&m&}&&''C(D(((((((((g)j)))**N*g*}*******+_+a+++++++{-|-----f..//'/(/t////////////M0N0Q0S0W0p0s0t00000W1X1Y1\1v111111116677::<<2=3=AAAAAAAA'B)B/B1B~BBMFNFFFGGGG;H,~3C @<`H̆b/^Rxq_ؤ dVpj {?lK@p`ذ.[ 2&2A :C(0Y+zoP^,.X*.Yk1,2@5 U8“D]?Do~BX D.?=GHռ6 Q$#)qQD_FT̙^V(`KYBZ}R!,{`Z;Ba0G`ct7d$b{f.S*6=Ck&D^yt-bw}Kx&C*LF{P wr|F=h^`OJQJo(hHh^`OJQJ^Jo(hHohpp^p`OJQJo(hHh@ @ ^@ `OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHohPP^P`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHohpp^p`OJQJo(hHh@ @ ^@ `OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHohPP^P`OJQJo(hHh 88^8`OJQJo(h^`OJQJ^Jo(hHohpp^p`OJQJo(hHh@ @ ^@ `OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHohPP^P`OJQJo(hHh^`OJQJo(hHhpp^p`OJQJ^Jo(hHoh@ @ ^@ `OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHhPP^P`OJQJ^Jo(hHoh  ^ `OJQJo(hHh ^`hH.h ^`hH.h pLp^p`LhH.h @ @ ^@ `hH.h ^`hH.h L^`LhH.h ^`hH.h ^`hH.h PLP^P`LhH.88^8`56o(hH. pp^p`hH. @ L@ ^@ `LhH. ^`hH. ^`hH. L^`LhH. ^`hH. PP^P`hH.  L ^ `LhH.hh^h`56o(hH.hh^h`o() 88^8`hH. L^`LhH.   ^ `hH.   ^ `hH. xLx^x`LhH. HH^H`hH. ^`hH. L^`LhH.h^`OJQJo(hHh^`OJQJ^Jo(hHohpp^p`OJQJo(hHh@ @ ^@ `OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHohPP^P`OJQJo(hHh^`.h^`.h L ^ `L.h\ \ ^\ `.h,,^,`.hL^`L.h^`.h^`.hlLl^l`L.ii^i`OJPJQJ^Jo(  99^9`OJQJo(o   ^ `OJQJo(   ^ `OJQJo(   ^ `OJQJo(o yy^y`OJQJo( II^I`OJQJo( ^`OJQJo(o ^`OJQJo(h^`OJQJo(hHh^`OJQJ^Jo(hHohpp^p`OJQJo(hHh@ @ ^@ `OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHohPP^P`OJQJo(hHh ^`hH.h ^`hH.h pLp^p`LhH.h @ @ ^@ `hH.h ^`hH.h L^`LhH.h ^`hH.h ^`hH.h PLP^P`LhH.k^`ko(0^`0o(.0^`0o(..88^8`o(... `^``o( .... `^``o( ..... ^`o( ...... pp^p`o(....... pp^p`o(........h^`OJQJo(hHh^`OJQJ^Jo(hHohpp^p`OJQJo(hHh@ @ ^@ `OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHohPP^P`OJQJo(hH^`o(.^`.pLp^p`L.@ @ ^@ `.^`.L^`L.^`.^`.PLP^P`L.h 88^8`OJQJo(h ^`OJQJo(oh   ^ `OJQJo(h   ^ `OJQJo(h xx^x`OJQJo(oh HH^H`OJQJo(h ^`OJQJo(h ^`OJQJo(oh ^`OJQJo(h ,,^,`o(hH().h^`OJQJ^Jo(hHoh^`OJQJo(hHhzz^z`OJQJo(hHhJ J ^J `OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHohpp^p`OJQJo(hHh@ @ ^@ `OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHohPP^P`OJQJo(hHh 88^8`OJQJo(h^`OJQJ^Jo(hHohpp^p`OJQJo(hHh@ @ ^@ `OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHohPP^P`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHohpp^p`OJQJo(hHh@ @ ^@ `OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHohPP^P`OJQJo(hHhhh^h`56o(hH.h ^`hH.h ^`hH.h  L ^ `LhH.h \ \ ^\ `hH.h ,,^,`hH.h L^`LhH.h ^`hH.h ^`hH.h lLl^l`LhH.h^`OJQJo(hHh^`OJQJ^Jo(hHohpp^p`OJQJo(hHh@ @ ^@ `OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHohPP^P`OJQJo(hHh ^`OJQJo(h ^`OJQJo(oh pp^p`OJQJo(h @ @ ^@ `OJQJo(h ^`OJQJo(oh ^`OJQJo(h ^`OJQJo(h ^`OJQJo(oh PP^P`OJQJo(h ^`hH.h ^`hH.h L^`LhH.h   ^ `hH.h OO^O`hH.h L^`LhH.h ^`hH.h ^`hH.h L^`LhH.n^`OJQJo(hHn^`OJQJ^Jo(hHonjj^j`OJQJo(hHn::^:`OJQJo(hHn  ^ `OJQJ^Jo(hHon  ^ `OJQJo(hHn^`OJQJo(hHnzz^z`OJQJ^Jo(hHonJJ^J`OJQJo(hH^`OJQJo(hH^`OJQJ^Jo(hHopp^p`OJQJo(hH@ @ ^@ `OJQJo(hH^`OJQJ^Jo(hHo^`OJQJo(hH^`OJQJo(hH^`OJQJ^Jo(hHoPP^P`OJQJo(hHh^`.h^`.hpLp^p`L.h@ @ ^@ `.h^`.hL^`L.h^`.h^`.hPLP^P`L.hh^h`o(.hh^h`o(.0^`0o(..0^`0o(... 88^8`o( .... 88^8`o( ..... `^``o( ...... `^``o(....... ^`o(........hh^h`56()h 88^8`OJQJo(h^`OJQJ^Jo(hHohpp^p`OJQJo(hHh@ @ ^@ `OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHohPP^P`OJQJo(hH^`o(.^`.pLp^p`L.@ @ ^@ `.^`.L^`L.^`.^`.PLP^P`L.h^`5OJQJo(hHh^`OJQJ^Jo(hHohpp^p`OJQJo(hHh@ @ ^@ `OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHohPP^P`OJQJo(hHh XX^X`hH)h ( ( ^( `hH.h  L ^ `LhH.h ^`hH.h ^`hH.h hLh^h`LhH.h 88^8`hH.h ^`hH.h L^`LhH.h tt^t`hH.h DD^D`hH.h  L ^ `LhH.h   ^ `hH.h ^`hH.h L^`LhH.h TT^T`hH.h $$^$`hH.h L^`LhH.h ^`hH.h ^`hH.h  L ^ `LhH.h \ \ ^\ `hH.h ,,^,`hH.h L^`LhH.h ^`hH.h ^`hH.h lLl^l`LhH.h 88^8`OJQJo(h^`OJQJ^Jo(hHohpp^p`OJQJo(hHh@ @ ^@ `OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHohPP^P`OJQJo(hHh^`.h ^`hH.h pLp^p`LhH.h @ @ ^@ `hH.h ^`hH.h L^`LhH.h ^`hH.h ^`hH.h PLP^P`LhH.h 88^8`o(hH().h^`OJQJ^Jo(hHohpp^p`OJQJo(hHh@ @ ^@ `OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh^`OJQJo(hHh^`OJQJ^Jo(hHohPP^P`OJQJo(hHh 88^8`OJQJo(h ^`OJQJo(oh   ^ `OJQJo(h   ^ `OJQJo(h xx^x`OJQJo(oh HH^H`OJQJo(h ^`OJQJo(h ^`OJQJo(oh ^`OJQJo(h 88^8`OJQJo(h^`OJQJ^Jo(hHoh^`OJQJo(hHh  ^ `OJQJo(hHh^`OJQJ^Jo(hHohXX^X`OJQJo(hHh((^(`OJQJo(hHh^`OJQJ^Jo(hHoh^`OJQJo(hHh 88^8`OJQJo(h ^`OJQJo(oh   ^ `OJQJo(h   ^ `OJQJo(h xx^x`OJQJo(oh HH^H`OJQJo(h ^`OJQJo(h ^`OJQJo(oh ^`OJQJo(+FT)qQ6 Q?=G=~BKx50Y+wr|C ^ytLF{k1:C(`cYBZ6=Ck0b/`H!,{`^Vd^oP^,bwBa,$Aq_KB@yX*.[ 2&,2D]?~fVpj8? D++rܙrܙ rܙ         L        rܙrܙ\K                 쏨Grܙ rܙFֿ T.T.          rܙ  쏨G                   VIpL """"$((((}****++++t////W0o0s0t0w11111111qrrrr~i~~~~؃كڃۃ4',-ދUmrs.34f-}H%%i0}H@ ,ދ~ e  "#&'*,./7:;=GHIRSVWY\]_`gklmnrspp p pppppp&pP@p*p,p.p4p>pBpHpJpPpRpXp\p`pbprpxpzp~ppppppppppppppppppppp pp$@ppppp"p(p6p8UnknownGz Times New Roman5Symbol3& z Arial?5 z Courier New;Wingdings"1hCc&b&RYDH.0dpI 2qHX1NNbilic  FMicrosoft Word Document MSWordDocWord.Document.89q