A Belief rule-based environmental responsibility assessment system for small and medium-sized enterprises

Various environmental management systems, standards and tools are being created to assist companies to become more environmental friendly. However, not all the enterprises have adopted environmental policies in the same scale and range. Additionally, there is no existing guide to help them determine their level of environmental responsibility and subsequently, provide support to enable them to move forward towards environmental responsibility excellence. This research proposes the use of a Belief Rule-Based approach to assess an enterprise’s level commitment to environmental issues. The Environmental Responsibility BRB assessment system has been developed for this research. Participating companies will have to complete a structured questionnaire. An automated analysis of their responses (using the Belief Rule-Based approach) will determine their environmental responsibility level. This is followed by a recommendation on how to progress to the next level. The recommended best practices will help promote understanding, increase awareness, and make the organization greener. BRB systems consist of two parts: Knowledge Base and Inference Engine. The knowledge base in this research is constructed after an in-depth literature review, critical analyses of existing environmental performance assessment models and primarily guided by the EU Draft Background Report on "Best Environmental Management Practice in the Telecommunications and ICT Services Sector". The reasoning algorithm of a selected Drools JBoss BRB inference engine is forward chaining, where an inference starts iteratively searching for a pattern-match of the input and if-then clause. However, the forward chaining mechanism is not equipped with uncertainty handling. Therefore, a decision is made to deploy an evidential reasoning and forward chaining with a hybrid knowledge representation inference scheme to accommodate imprecision, ambiguity and fuzzy types of uncertainties. It is believed that such a system generates well balanced, sensible and Green ICT readiness adapted results, to help enterprises focus on making improvements on more sustainable business operations.

Käyttövarmuusanalyysin tuottama tärkeysjärjestys elintarviketeollisuuden prosessilaitteille – Suuntaviivat kustannustietoisen kunnossapitostrategian luomiselle

Hallitsematon ja reaktiivinen kunnossapito on eräs tuotannon suurimpia kustannustekijöistä. Suunnitelmallisesti ja systemaattisesti johdettuna kunnossapito on tuotantotehokkuuden suurin vaikuttaja. Merkittävä osa tuotannon tehokkuuden ylläpidosta saavutetaan laitteiden käyttövarmuudella. Käyttövarmuuden saaminen hallintaan perustuu ennakoivan kunnossapidon määrän kasvattamiseen. Samalla korjaavan kunnossapidon kustannusriski laskee ja siihen käytetty panos vähenee. Huonolla kunnossapidon suunnitelmallisuudella on päinvastaiset vaikutukset. Tavoitteena on määritellä prosessilaitteiden käyttövarmuuksiin perustuva laitekriittisyys. Tutkimuksessa yhdistetään riskien arviointimenetelmiä, joilla keskimääräiset vikavälit ja seuraukset valmistukseen mallinnetaan. Kriittisyystekijöitä ovat käytettävyys, luotettavuus, kustannustekijät, turvallisuus ja ympäristövaikutukset. Tekijöiden arvottamiseen kehitettiin riksianalyysitaulukko. Kriittisyysluokat jaettiin kolmeen kategoriaan, joista A on kriittisin, B keskinkertainen ja C on matalin luokka. Lähtötietojen keräys toteutettiin triangulaatiomenetelmää soveltaen. Empiirisessä osassa HKScan Oy:n lihanjalostustehtaan jauheliha- ja kestomakkaraosastojen laitteet jaettiin A-, B- ja C-luokkiin. Kriittisimpiä laitteita oli 20 prosenttia analysoidusta laitemäärästä. Nämä A-luokkaan sijoitetut laitteet aiheuttavat 80 prosenttia kustannusriskeistä. B-luokkaan kuuluu 50 prosenttia ja C-luokkaan 30 prosenttia laitteista. Luokittelusta erotettiin havaitut turvallisuusriskit riskienhallinnan toimenpiteitä varten. Kustannustietoinen kriittisyysluokittelu on pohja kunnossapitostrategian rakentamiselle. Tämän avuksi esitettiin taulukot huolto-ohjelman luomiseen ja luokituksien hyödyntämiseen päivittäisessä toiminnassa.