Minőségmenedzsment (módszerek) BEDZSULA BÁLINT
|
|
- Erzsébet Somogyi
- 5 évvel ezelőtt
- Látták:
Átírás
1 Minőségmenedzsment (módszerek) BEDZSULA BÁLINT
2 Bedzsula Bálint gyakornok Menedzsment és Vállalatgazdaságtan Tanszék Q. épület A
3 Az előző előadás tartalmából
4 Amiről szó lesz ma Választ adok a következőkre: Mit jelent a statisztikai folyamatszabályozás? Milyen tipikus zavarokat különböztetünk meg? Mit jelent a képesség és a szabályozottság fogalma? Hogyan határozható meg, és mire használható a minőségképesség? Mi a Gauss-papír gyakorlati haszna?
5 Feladat! Alkossanak kb. 6 fős csoportokat! A lehetőségekhez képest helyezkedjenek el úgy, hogy tudjanak közösen dolgozni! Ismerjék meg a folyamatot! Alkalmazzák a folyamatra az FMEA módszert! 1-2 pont Mi romolhat el? (hibák + súlyozás + intézkedés)
6 Feladat! 2 pont: 51. körzet A csapat Dangerous Katalizátor Kell egy KV! Kommandó Kicsik és Nagyok Nincs A4-es lapunk Prérifarkas
7 17. Folyamatszabályozás módszerei 196. Alapvető módszerek A folyamatszabályozás alapjai Minőségképesség-elemzés Ellenőrzőkártyák
8 A statisztikai folyamatszabályozás alapjai 200. Termelési és szolgáltatási folyamatoknak meg kell felelnie az előírásoknak, tervezési specifikációknak és a vevői igényeknek. Minőségszabályozás! (folyamat, statisztikai módszerek) A minőségi jellemzők ingadozása Folyamatra ható zavarok A zavarok típusai, gyakorisága, jelentősége
9 A statisztikai folyamatszabályozás alapjai 201. A folyamatra ható zavarok : Véletlen: állandóan jelenlevő, nagyszámú, a folyamatot csak kissé befolyásoló zavarok, feltárásuk nem cél, hatásuk elfogadott
10 A statisztikai folyamatszabályozás alapjai 201. A folyamatra ható zavarok : Veszélyes, rendszeres: időszakosan jelentkező, kis számban előforduló, a folyamatra nagy hatással lévő zavarok, megismerendő és megszüntetendőek!
11 A statisztikai folyamatszabályozás alapjai 201. A folyamatra ható zavarok : Egyedi, kiugró érték: egyszer előforduló, a többi értéktől jelentősen különböző adat; többnyire egyszeri jelentős külső hatás, mérési hiba okozza, általában nem a folyamat jellemzője
12 A statisztikai folyamatszabályozás alapjai 202. A folyamat: Szabályozatlan: Rendszeres hibák is vannak A változó eloszlása nem állandó Szabályozott: Csak véletlen hibák A változékonyság időben állandó normális eloszlás
13 A statisztikai folyamatszabályozás alapjai 202. A folyamat: Nem képes: Nem képes kielégíteni a vevői igényeket Képes: Képes kielégíteni a vevői igényeket
14 A statisztikai folyamatszabályozás alapjai A folyamat jellemzői: igen Szabályozott? nem 203. igen Képes? nem
15 SPC 203. Folyamatszabályozási rendszer (Statistical Process Control) Feladata: Folyamatok jellemzőinek meghatározott határok között tartása Zavarhatások rendszeres figyelése, elemzése, kiküszöbölése, ill. hatásuk csökkentése Célja: A folyamat végeredményének minőségét változatlan szinten tartani (megfelelő képesség, szabályozott állapot)
16 SPC Fő területei: Szabályozottság Minőségképesség Fő eszközei: Adatrögzítő lapok Hisztogram Szóródás diagram Pareto-elemzés Halszálka (Ishikawa-)diagram Képességelemzés Ellenőrző (szabályozó) kártyák
17 SPC SPC rendszer felépítése:
18 Minőségképesség-elemzés 203. Stabil, szabályozott gyártási folyamat (csak véletlen hibák időben állandó ingadozás) A folyamat, művelet, gép: Képes-e kielégíteni a vevők elvárásait? Képessége az előírásokon belül van? Célja: a gyártási folyamatra ható zavarok hatásainak és mértékének megismerése; ezek alapján döntés: a vizsgált folyamat képes-e egy adott minőségszintű termék gyártására vagy sem?
19 Minőségképesség-elemzés 203. Két típusa: Gépképesség Egyetlen gép vagy művelet A mért paramétereknek csak a gép, ill. művelet okozott változásokat kell mutatnia Faktorok változásának minimalizálása (homogén körülmények, rövid időintervallum) Folyamatképesség A vizsgált paraméter változását előidéző összes hatást figyelembe veszi Valamennyi faktor hatásának tükröződnie kell (hosszabb időintervallum, alkalmanként kisebb minta)
20 Minőségképesség-elemzés 204. Lényege: A folyamat ingadozásának mértékét viszonyítjuk a tűrésmezőhöz. (FTH-ATH/USL-LSL) A maximális minőségképességét a véletlen zavarok határozzák meg! Módszerei: Grafikus ábrázolás Minőségképesség-index Gauss-papíros ábrázolás
21 Minőségképesség-elemzés 207. Lépései: Kritikus paraméter kiválasztása Adatgyűjtés Szabályozottság vizsgálata Adatok elemzése Változások okainak feltárása Folyamatfigyelő rendszer bevezetése
22 Minőségképesség-elemzés 204.
23 Minőségképesség-elemzés 204. Grafikus ábrázolás vonaldiagram és hisztogram segítségével Ránézésre megállapítható, hogy a mérési eredmények a határok között mozognak-e.
24 Minőségképesség-elemzés 204. Grafikus ábrázolás vonaldiagram és hisztogram segítségével Ránézésre megállapítható, hogy a mérési eredmények a határok között mozognak-e.
25 Minőségképesség-elemzés 204. Minőségképesség-indexek Számszerű értékkel jellemzi a képességet Minőségképességi index: C p = FTH ATH 6 σ ATH Előírás FTH C P = 1 C P > 1 C P < 1 25
26 Minőségképesség-elemzés 204. Minőségképesség-indexek Folyamatképesség-index: C p Gépképesség-index: C m C m = FTH ATH 8 σ Elvárás C p -vel szemben: Nem veszik figyelembe az ingadozás centrumának esetleges eltolódását! ATH Előírás FTH C P = 1 C p σ-ás határ Hibaarány [ppm] 1,00 ± ,33 ±4 63,5 1,67 ±5 0,57 2,00 ±6 0,002 C P = 1 C P > 1
27 Minőségképesség-elemzés 205. Korrigált minőségképesség-indexek Folyamatképesség-index: C pk Gépképesség-index: C mk C pk = μ ATH 3 σ FTH μ ; 3 σ min μ ATH FTH μ C pk =0,5 C mk = μ ATH 4 σ FTH μ ; 4 σ min C pk = 1 ATH Előírás FTH
28 Minőségképesség-elemzés 205. Az indexek kapcsolata: 0 < C p < + < C pk C p Cp = 2,0 Cpk = -1,0 FTH Értékeljük a folyamatot! C p = 1, 47 C pk = 0, 97 Cpk = 0,0 Cpk = 1,0 Előírás Cpk = 2,0 ATH
29 Minőségképesség-elemzés Példa: ATH Adja meg a kristálycukor adagoló automata folyamatképességi-indexeit, ha az előírás 250±5g és a töltési tömeg N(249,95; 1,003) eloszlással jellemezhető! Előírás FTH C p = C pk = = FTH ATH 6 σ μ ATH 3 σ = 249, , ,003 = 1,662 ; FTH μ 3 σ min ; = ,95 3 1,003 = 1,645; 1,678 min = 1,645 min =
30 Minőségképesség-elemzés C p 1 = Példa: C pk 1 = = Hasonlítsunk össze két folyamatot, mindkettőre az előírás 100±1. Az egyikben legyen σ 1 =0,2 és μ 1 =99,5; a másikban σ 2 =0,4 és μ 2 =100. FTH ATH C 2 FTH ATH = p = 6 σ 1 6 0,2 = 1,67 = 6 σ 2 μ 1 ATH 3 σ 1 ; FTH μ 1 3 σ 1 min 99, ,2 ; ,5 3 0,2 = 0,83; 1,25 min = 0,83 min ,4 = 0,83 C 2 pk = μ 2 ATH ; FTH μ 2 3 σ 2 3 σ 2 min = ; 3 0,4 3 0,4 min = 0,83; 0,83 min = 0,83
31 Minőségképesség-elemzés Példa: Adja meg az üdítőadagoló gyártósor folyamatképesség-indexeit, ha az előírás 500±6ml és a töltési térfogat N(497; 2) eloszlással jellemezhető! Értelmezze (és ábrázolja) az eredményt! A teljes adagoló automata folyamatképességindexeit kell meghatározni, így a megadott képletekből a p (process) indexűeket kell választani.
32 Minőségképesség-elemzés Példa: C p = C pk = = 3 6 = 0,5 FTH ATH 6 σ μ ATH 3 σ = FTH μ ; 3 σ min = = 1 = ; min = 3 6 ; 9 6 min
33 Minőségképesség-elemzés Példa: C p = 1 C pk = 0,5 Értékelés (pl.): A folyamat mérőszámának valószínűségi változója normális eloszlást követ. Várható értéke nem esik egybe az előírással, kisebb annál. Ezért a ±3 természetes ingadozásból következő 1-es minőségképességindexnél kisebb a korrigált index értéke. A tűréshatárokon kívül esés valószínűsége jelentősen nagyobb 0,27%-nál! A változó várható értékét közelíteni kell az előíráshoz. (Technológiai fejlesztés az ingadozás csökkentéséhez nem feltétlenül szükséges, ha sikerül jól beállítani a várható értéket.)
34 Feladat! Adja meg az üdítőadagoló automata töltőegységének gépképesség-indexeit, ha az előírás 1000±5ml és a töltési térfogat N(999; 0,5) eloszlással jellemezhető! Értelmezze (és ábrázolja) az eredményt! 1 pont haranggörbe elhelyezkedése az FTH-ATH intervallumhoz képest, a ±3 természetes ingadozás aránya az FTH-ATH intervallumhoz, utalás, becslés a nem megfelelőség valószínűségére milyen beavatkozást javasol?
35 Minőségképesség-elemzés 205. Minőségképesség-indexek: feltéve, hogy a paraméter normális eloszlással jellemezhető. Valóban normális eloszlást követ a vizsgált jellemző? Illeszkedésvizsgálat! Emlékeztető!? vagy: Gauss-papíros ábrázolás
36 Összefoglalás Köszönöm a figyelmet!
37 Visszajelzés! 8. ea.
17. Folyamatszabályozás módszerei
17. Folyamatszabályozás módszerei 200. Egyéb módszerek A folyamatszabályozás alapjai Minőségképesség-elemzés Mérőeszköz-képességelemzés Ellenőrzőkártyák Bedzsula Bálint 247 Adatgyűjtő lap 200. A probléma
RészletesebbenMinőségellenőrzés. Miről lesz szó? STATISZTIKAI FOLYAMATSZABÁLYOZÁS (SPC) Minőségszabályozás. Mikor jó egy folyamat? Ellenőrzés Szabályozás
STATISZTIKAI FOLYAMATSZABÁLYOZÁS (SPC) Erdei János Miről lesz szó? Mit értünk folyamatok stabilitásán, szabályozottságán? Mit jelent a folyamatképesség, és hogyan mérhetjük azt? Hogyan vehetjük észre a
RészletesebbenMinőségmenedzsment (módszerek) BEDZSULA BÁLINT
Minőségmenedzsment (módszerek) BEDZSULA BÁLINT Bedzsula Bálint gyakornok Menedzsment és Vállalatgazdaságtan Tanszék Q. épület A.314. bedzsula@mvt.bme.hu http://doodle.com/bedzsula.mvt Az előző előadás
RészletesebbenMINŐSÉGÜGYI STATISZTIKAI MÓDSZEREK. Dr. Drégelyi-Kiss Ágota ÓE BGK
MINŐSÉGÜGYI STATISZTIKAI MÓDSZEREK Dr. Drégelyi-Kiss Ágota ÓE BGK e-mail: dregelyi.agota@bgk.uni-obuda.hu 1 STATISZTIKA CÉLJA Sokaság Következtetés bizonytalansága Véletlenszerű és reprezentatív mintavétel
RészletesebbenBudapesti Műszaki és Gazdaságtudományi Egyetem
Budapesti Műszaki és Gazdaságtudományi Egyetem Gazdaság- és Társadalomtudományi Kar Üzleti Tudományok Intézet Menedzsment és Vállalatgazdaságtan Tanszék MINŐSÉGMENEDZSMENT ALAPJAI 11. előadás Folyamatszabályozás
RészletesebbenIATF 16949:2016 szabvány fontos kapcsolódó kézikönyvei (5 Core Tools):
APQP IATF 16949:2016 szabvány fontos kapcsolódó kézikönyvei (5 Core Tools): PPAP (Production Part Approval Process) Gyártás jóváhagyási folyamat APQP (Advanced Product Quality Planning and Control Plans)
Részletesebben17. Folyamatszabályozás módszerei
17. Folyamatszabályozás módszerei 200. Egyéb módszerek A folyamatszabályozás alapjai Minőségképesség-elemzés Mérőeszköz-képességelemzés Ellenőrzőkártyák Bedzsula Bálint 249 215. Mérőeszköz-képességelemzés
RészletesebbenStatistical Process Control (SPC), Statisztikai Folyamatszabályozás
Statistical Process Control (), Statisztikai Folyamatszabályozás 1 2 2 A statisztikai folyamatszabályozás () koncepcióját először Dr Walter Shewhart fejlesztette ki a Bell laboratóriumokban, az 1920-as
RészletesebbenErdei János. Minőség- és megbízhatóság menedzsment. villamosmérnöki kar menedzsment mellékszakirány
Budapesti Műszaki- és Gazdaságtudományi Egyetem Gazdaság- és Társadalomtudományi Kar Ipari Menedzsment és Vállalkozásgazdaságtan Tanszék Erdei János egyetemi adjunktus Minőség- és megbízhatóság menedzsment
RészletesebbenKockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével
Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése
RészletesebbenMINİSÉGBIZTOSÍTÁS 3. ELİADÁS Február 21. Összeállította: Dr. Kovács Zsolt egyetemi tanár
MINİSÉGBIZTOSÍTÁS egyetemi tanár 3. ELİADÁS 2011. Február 21. NYME FMK TGYI 2006.08.28. 1. fólia FMEA A HIBAELEMZÉSI MÓDSZEREK GYAKORLATI KOMBINÁLÁSA NYME FMK TGYI 2006.08.28. 1/2. fólia FMEA TIPHIB Elnevezés:
RészletesebbenDefine Measure Analyze Improve Control. F(x), M(ξ),
5.5.5. Six Sigma Minőségmenedzsment Statisztikai folyamatszabályozási (SPC) rendszer Erdei János Egy fegyelmezett és erősen mennyiségi szemléletű folyamatfejlesztési megközelítés, amely a gyártási, szolgáltatási
RészletesebbenKockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése
Kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése konvergencia program
RészletesebbenKockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével
Kockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése konvergencia program
RészletesebbenTájékoztató. Normális (Gauss-) eloszlás. Következtetés hibái. Mintavételi alapelvek. Minőségmenedzsment módszerek (SPC) 3σmás szabály.
Minőségmenedzsment módszerek (SPC) Erdei János Tájékoztató Előadó: Erdei János Tematika: Minőségmenedzsment módszerek Folyamatszabályozás logikája, eszközei, mintavételes átvételi minőség-ellenőrzés alapjai
RészletesebbenMinőségirányítási rendszerek 1. előadás
Minőségirányítási rendszerek 1. előadás 2013.02.15. Dr. Szabó Gábor Csaba, valamint Dr. Topár József (BME GTK Menedzsment és Vállaltgazdaságtan Tanszék) előadásfóliáinak felhasználásával összeállította
RészletesebbenSorozatmérés digitális mérőórával 3.
Mechatronika, Optika és Gépészeti Informatika Tanszék kiadva: 2012.02.12. Sorozatmérés digitális mérőórával 3. A mérések helyszíne: D. épület 523-as terem. Az aktuális mérési segédletek a MOGI Tanszék
RészletesebbenMinőségelmélet kommunikációs dosszié MINŐSÉGELMÉLET. Anyagmérnök mesterképzés (MsC) Tantárgyi kommunikációs dosszié
MINŐSÉGELMÉLET Anyagmérnök mesterképzés (MsC) Tantárgyi kommunikációs dosszié MISKOLCI EGYETEM Műszaki Anyagtudományi Kar Energia- és Minőségügyi Intézet Minőségügyi Intézeti Kihelyezett Tanszék MISKOLC,
RészletesebbenMINŐSÉGMENEDZSMENT ALAPJAI. 7. előadás Folyamatfejlesztési modellek és módszerek 1. (minőségmenedzsment módszerek) Bedzsula Bálint
MINŐSÉGMENEDZSMENT ALAPJAI 7. előadás Folyamatfejlesztési modellek és módszerek 1. (minőségmenedzsment módszerek) bedzsula@mvt.bme.hu Amiről szó lesz ma Választ adok a következőkre: Mi jellemzi a minőségmenedzsment
RészletesebbenNagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem
agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel
RészletesebbenKockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén
Kockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és ködtetése konvergencia program Projekt
RészletesebbenMinőség-képességi index (Process capability)
Minőség-képességi index (Process capability) Folyamatképesség 68 12. példa Egy gyártási folyamatban a minőségi jellemző becsült várható értéke µ250.727 egység, a variancia négyzetgyökének becslése σ 1.286
RészletesebbenI. GÉPKÉPESSÉG-VIZSGÁLAT
I. GÉPKÉPESSÉG-VIZSGÁLAT Jelen esettanulmány [1] felhasználásával készült. A minőség és megbízhatóság kapcsolatrendszerének értelmezésénél említettük, hogy a termelő berendezések esetében a két fogalom
Részletesebbenbiometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
RészletesebbenHat Szigma Zöldöves Tanfolyam Tematikája
Hat Szigma Zöldöves Tanfolyam Tematikája Megjegyzések: A tanfolyamon haszáljuk: - Minitab statisztikai (demo) és - Companion by Minitab projektek menedzselésére szolgáló (demo) szoftvert, átadunk: - egy
Részletesebben10. 11. Előadás A folyamatok szabályozása statisztikai alapon
10. 11. Előadás A folyamatok szabályozása statisztikai alapon 10. - Képességi és beállítottsági mutatók 11. - Szabályozókártyák BMF RKK BTRI Minőségirányítási Intézeti Tanszél 1 Folyamatok szabályozása
RészletesebbenMINİSÉGSZABÁLYOZÁS. Dr. Drégelyi-Kiss Ágota e-mail: dregelyi.agota@bgk.uni-obuda.hu http://uni-obuda.hu/users/dregelyia
MINİSÉGSZABÁLYOZÁS A GÉPIPARBAN Dr. Drégelyi-Kiss Ágota e-mail: dregelyi.agota@bgk.uni-obuda.hu http://uni-obuda.hu/users/dregelyia ISO 9000:2008 A STATISZTIKAI MÓDSZEREK HASZNÁLATÁRÓL A statisztikai módszerek
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát
RészletesebbenHanthy László Tel.: 06 20 9420052
Hanthy László Tel.: 06 20 9420052 Néhány probléma a gyártási folyamatok statisztikai szabályzásával kapcsolatban Miben kellene segíteni az SPC alkalmazóit? Hanthy László T: 06(20)9420052 Megválaszolandó
RészletesebbenKontrol kártyák használata a laboratóriumi gyakorlatban
Kontrol kártyák használata a laboratóriumi gyakorlatban Rikker Tamás tudományos igazgató WESSLING Közhasznú Nonprofit Kft. 2013. január 17. Kis történelem 1920-as években, a Bell Laboratórium telefonjainak
RészletesebbenIII. Képességvizsgálatok
Képességvizsgálatok 7 A folyamatképesség vizsgálata A 3 fejezetben láttuk, hogy ahhoz, hogy egy folyamat jellemzıjét a múltbeli viselkedése alapján egy jövıbeni idıpontra kiszámíthassuk (pontosabban, hogy
RészletesebbenGVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet
GVMST22GNC Statisztika II. 3. előadás: 8. Hipotézisvizsgálat Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Hipotézisvizsgálat v becslés Becslés Ismeretlen paraméter Közeĺıtő
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement
RészletesebbenMinőségmenedzsment módszerek
Minőségmenedzsment módszerek A folyamatjavítás eszközei Brainstorming Ok-okozati elemzés Pareto-elemzés Ellenőrzőkártya Hisztogram 2 A minőségfejlesztés módszerei A gond ott kezdődik, hogy Az alternatívák
RészletesebbenFMEA tréning OKTATÁSI SEGÉDLET
FMEA tréning OKTATÁSI SEGÉDLET 1. Hibamód és hatás elemzés : FMEA (Failure Mode and Effects Analysis) A fejlett nyugati piacokon csak azok a vállalatok képesek hosszabbtávon megmaradni, melyek gazdaságosan
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p
RészletesebbenBAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett
Részletesebben6. Előadás. Vereb György, DE OEC BSI, október 12.
6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
RészletesebbenA képzés elvégzése tökéletes alapot nyújt a lean menedzsment megismeréséhez is.
MINŐSÉGMENEDZSMENT A KÉPZÉSRŐL Minőségmenedzsment képzésünk segítségével a résztvevők az alapfogalmak megismerésén túl többek között az általános, szabványos (ISO 9000-es sorozat) és az ágazat-specifikus
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
RészletesebbenNYF-MMFK Műszaki Alapozó és Gépgyártástechnológia Tanszék gépészmérnöki szak III. évfolyam
Tantárgy neve: INFORMATIKÁVAL TÁMOGATOTT MINŐSÉGMENEDZSMENT Tantárgy kódja: GM 2503 Meghirdetés féléve: 5. Össz-óraszám (elm. + gyak.): 28 5. 14 1 1 14 14 Összesen: 14 14 Előfeltétel (tantárgyi kód): GM
RészletesebbenMatematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása
Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból
RészletesebbenTöbb valószínűségi változó együttes eloszlása, korreláció
Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...
RészletesebbenGyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László
Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,
RészletesebbenStatisztika I. 8. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek tesztelése I.
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Kvantitatív statisztikai módszerek Petrovics Petra Többváltozós lineáris regressziós
RészletesebbenStatisztikai módszerek
Statisztikai módszerek A hibaelemzı módszereknél azt néztük, vannak-e kiugró, kritikus hibák, amelyek a szabályozás kivételei. Ezekkel foglalkozni kell; minıségavító szabályozásra van szükség. A statisztikai
RészletesebbenTranszformátor, Mérőtranszformátor Állapot Tényező szakértői rendszer Vörös Csaba Tarcsa Dániel Németh Bálint Csépes Gusztáv
Transzformátor, Mérőtranszformátor Állapot Tényező szakértői rendszer Vörös Csaba Tarcsa Dániel Németh Bálint Csépes Gusztáv Áttekintés A Rendszer jelentősége Állapotjellemzők MérőTranszformátor Állapot
RészletesebbenGyártástechnológia alapjai Méréstechnika rész. Előadások (2.) 2011.
Gyártástechnológia alapjai Méréstechnika rész Előadások (2.) 2011. 1 Méréstechnika előadás 2. 1. Mérési hibák 2. A hiba rendszáma 3. A mérési bizonytalanság 2 Mérési folyamat A mérési folyamat négy fő
RészletesebbenBiometria az orvosi gyakorlatban. Korrelációszámítás, regresszió
SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás
RészletesebbenFOLYAMATSZABÁLYOZÁS a Wescast Hungary-nél
FOLYAMATSZABÁLYOZÁS a Wescast Hungary-nél Dózsa Zoltán folyamat fejlesztési szakértő 2006. November 23 (EOQ-MNB Hat Szigma Szakbizottság ülésére) Tartalom Bemutatkozás Személyes Cég Termék A Wescast termelő
RészletesebbenStatisztikai folyamatszabályozás Minitab szoftverrel
Statisztikai folyamatszabályozás Minitab szoftverrel A Minitab általános statisztikai szoftvert elsősorban statisztikai feladatok megoldására (oktatásra és minőségfejlesztésre) használják, és másodsorban
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
RészletesebbenAnyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek
Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.05. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)
RészletesebbenNemparaméteres próbák
Nemparaméteres próbák Budapesti Mőszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék 1111, Budapest, Mőegyetem rkp. 3. D ép. 334. Tel: 463-16-80 Fax: 463-30-91 http://www.vizgep.bme.hu
RészletesebbenBME MVT. Dr. Topár József 1. Minőségmenedzsment MSc_ /2013 II felév
1 Bevezettük az ISO-t, aztán foglalkoztunk a TQM-mel, belevágtunk a SixSigmába, most pedig Leanezünk..?????? Módszer? Divat???? Vezetési eszköz? Gondolkodás mód?????? 2 3 Dr. Topár József 1 1. generáció
RészletesebbenMéréstechnika II. Mérési jegyzőkönyvek FSZ képzésben részt vevők részére. Hosszméréstechnikai és Minőségügyi Labor Mérési jegyzőkönyv
Méréstechnika II. ek FSZ képzésben részt vevők részére Összeállította: Horváthné Drégelyi-Kiss Ágota Kis Ferenc Lektorálta: Galla Jánosné 009 Tartalomjegyzék. gyakorlat Mérőhasábok, mérési eredmény megadása.
RészletesebbenMicrosoft Excel 2010. Gyakoriság
Microsoft Excel 2010 Gyakoriság Osztályközös gyakorisági tábla Nagy számú mérési adatokat csoportokba (osztályokba) rendezése -> könnyebb áttekintés Osztályokban szereplő adatok száma: osztályokhoz tartozó
RészletesebbenIskolai jelentés. 10. évfolyam szövegértés
2008 Iskolai jelentés 10. évfolyam szövegértés Az elmúlt évhez hasonlóan 2008-ban iskolánk is részt vett az országos kompetenciamérésben, diákjaink matematika és szövegértés teszteket, illetve egy tanulói
RészletesebbenFolyamatképes gyártási folyamatok a Roto lövői gyárában 2014.06.26
Folyamatképes gyártási folyamatok a Roto lövői gyárában 1 Bevezetés Statisztikai folyamatszabályozás 2 A hibaköltségek nagyobbak, mint gondolnánk Cél A hibák nagyon nagy ráfordítást jelentenek. Csak kis
RészletesebbenA maximum likelihood becslésről
A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának
RészletesebbenBudapesti kihelyezett Six Sigma képzés
Partner a változásban Budapesti kihelyezett Six Sigma képzés 2018. ősz Green Belt képzési tematika Draft tájékoztató 2 1 GB képzés tematika: a tartalmi elemek fő fejezetei A képzés jellemzően az alábbiakban
RészletesebbenA mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv
Mérések, mérési eredmények, mérési bizonytalanság A mérések általános és alapvető metrológiai fogalmai és definíciói mérés Műveletek összessége, amelyek célja egy mennyiség értékének meghatározása. mérési
RészletesebbenKosztyán Zsolt Tibor Katona Attila Imre
Kockázatalapú többváltozós szabályozó kártya kidolgozása a mérési bizonytalanság figyelembe vételével Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és ködtetése konvergencia
RészletesebbenSix Sigma és Lean menedzselésének eszköze a Companion by Minitab
Six Sigma és Lean menedzselésének eszköze a Companion by Minitab Lakat Károly L.K.Quality Bt. EOQ MNB 2019 február 28. L.K. Quality Bt. EOQ MNB Hat Szigma, Lean és Statisztikai Módszerek 1 Minőségi topográfia
RészletesebbenTPM egy kicsit másképp Szollár Lajos, TPM Koordinátor
TPM egy kicsit másképp Szollár Lajos, TPM Koordinátor 2013.06.18 A TPM A TPM a Total Productive Maintenance kifejezés rövidítése, azaz a teljes, a gyártásba integrált karbantartást jelenti. A TPM egy állandó
RészletesebbenMinőségügy kommunikációs dosszié MINŐSÉGÜGY. Anyagmérnök alapszak (BsC) Tantárgyi kommunikációs dosszié
MINŐSÉGÜGY Anyagmérnök alapszak (BsC) Tantárgyi kommunikációs dosszié MISKOLCI EGYETEM Műszaki Anyagtudományi Kar Energia- és Minőségügyi Intézet Minőségügyi Intézeti Kihelyezett Tanszék MISKOLC, 2012.
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.08. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)
RészletesebbenTartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE
Tartalomjegyzék 5 Tartalomjegyzék Előszó I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE 1. fejezet: Kontrollált kísérletek 21 1. A Salk-oltás kipróbálása 21 2. A porta-cava sönt 25 3. Történeti kontrollok 27 4. Összefoglalás
Részletesebben4. A méréses ellenırzı kártyák szerkesztése
4. A méréses ellenırzı kártyák szerkesztése A kártyákat háromféle módon alkalmazhatjuk. Az elızetes adatfelvétel során a fı feladat az eloszlás paramétereinek (µ és σ ) becslése a további ellenırzésekhez.
Részletesebben5. Előadás. Grafikus ábrázolás Koncentráció elemzése
5. Előadás Grafikus ábrázolás Koncentráció elemzése Grafikus ábrázolás fontossága Grafikus ábrázolás során elkövethető hibák: Mondanivaló szempontjából nem megfelelő ábratípus kiválasztása Tárgynak megfelelő
RészletesebbenA problémamegoldás lépései
A problémamegoldás lépései A cél kitűzése, a csoportmunka megkezdése egy vagy többféle mennyiség mérése, műszaki-gazdasági (például minőségi) problémák, megoldás célszerűen csoport- (team-) munkában, külső
RészletesebbenStatisztika I. 11. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 11. előadás Előadó: Dr. Ertsey Imre Összefüggés vizsgálatok A társadalmi gazdasági élet jelenségei kölcsönhatásban állnak, összefüggnek egymással. Statisztika alapvető feladata: - tényszerűségek
RészletesebbenFüggetlenségvizsgálat, Illeszkedésvizsgálat
Varga Beatrix, Horváthné Csolák Erika Függetlenségvizsgálat, Illeszkedésvizsgálat 4. előadás Üzleti statisztika A sokaság/minta több ismérv szerinti vizsgálata A statisztikai elemzés egyik ontos eladata
RészletesebbenValószínűségszámítás összefoglaló
Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenFeladatok: pontdiagram és dobozdiagram. Hogyan csináltuk?
Feladatok: pontdiagram és dobozdiagram Hogyan csináltuk? Alakmutatók: ferdeség, csúcsosság Alakmutatók a ferdeség és csúcsosság mérésére Ez eloszlás centrumát (középérték) és az adatok centrum körüli terpeszkedését
RészletesebbenKiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.
Kiválasztás A változó szerint Egymintás t-próba Mann-Whitney U-test paraméteres nem-paraméteres Varianciaanalízis De melyiket válasszam? Kétmintás t-próba Fontos, hogy mindig a kérdésnek és a változónak
RészletesebbenStatisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus
Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus Gyakorisági sorok Mennyiségi ismérv jellemző rangsor készítünk. (pl. napi jegyeladások száma) A gyakorisági sor képzése igazából tömörítést jelent Nagyszámú
RészletesebbenTermelés- és szolgáltatásmenedzsment
Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Előrejelzési módszerek 14. Az előrejelzési modellek felépítése
Részletesebben2013.03.11. Az SPC alapjai. Az SPC alapjai SPC 5. 5. Az SPC (Statistic Process Control) módszer. Dr. Illés Balázs
SPC 5 5. Az SPC (Statistic Process Control) módszer Dr. Illés Balázs BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM ELEKTRONIKAI TECHNOLÓGIA TANSZÉK Az SPC alapjai SPC (Statistical Process Controll) =
RészletesebbenGondolatok a belső auditorok felkészültségéről és értékeléséről Előadó: Turi Tibor vezetési tanácsadó, CMC az MSZT/MCS 901 szakértője
Gondolatok a belső auditorok felkészültségéről és értékeléséről Előadó: Turi Tibor vezetési tanácsadó, CMC az MSZT/MCS 901 szakértője 1 Az előadás témái Emlékeztetőül: összefoglaló a változásokról Alkalmazási
RészletesebbenMinőségmenedzsment (módszerek) BEDZSULA BÁLINT
Minőségmenedzsment (módszerek) BEDZSULA BÁLINT Bedzsula Bálint gyakornok Menedzsment és Vállalatgazdaságtan Tanszék Q. épület A.314. bedzsula@mvt.bme.hu http://doodle.com/bedzsula.mvt Az előző előadás
RészletesebbenMatematikai alapok és valószínőségszámítás. Normál eloszlás
Matematikai alapok és valószínőségszámítás Normál eloszlás A normál eloszlás Folytonos változók esetén az eloszlás meghatározása nehezebb, mint diszkrét változók esetén. A változó értékei nem sorolhatóak
RészletesebbenAz SPC (statisztikai folyamatszabályozás) ingadozásai
A TERMELÉSI FOLYAMAT MINÕSÉGKÉRDÉSEI, VIZSGÁLATOK 2.3 Az SPC (statisztikai folyamatszabályozás) ingadozásai Tárgyszavak: statisztikai folyamatszabályozás; Shewhart-féle szabályozókártya; többváltozós szabályozás.
RészletesebbenBevezető Adatok rendezése Adatok jellemzése Időbeli elemzés
Gazdaságstatisztika 2. előadás Egy ismérv szerinti rendezés Kóczy Á. László KGK VMI Áttekintés Gyakorisági sorok Grafikus ábrázolásuk Helyzetmutatók Szóródási mutatók Az aszimmetria mérőszámai Koncentráció
RészletesebbenElemi statisztika fizikusoknak
1. oldal Elemi statisztika fizikusoknak Pollner Péter Biológiai Fizika Tanszék pollner@elte.hu Az adatok leírása, megismerése és összehasonlítása 2-1 Áttekintés 2-2 Gyakoriság eloszlások 2-3 Az adatok
RészletesebbenITIL alapú IT környezet kialakítás és IT szolgáltatás menedzsment megvalósítás az FHB-ban
IBM Global Technology Services ITIL alapú IT környezet kialakítás és IT szolgáltatás menedzsment megvalósítás az FHB-ban ITSMF Magyarország 3. szemináriuma Tild Attila, ISM IBM Magyarországi Kft. 2006
RészletesebbenMinőségmenedzsment (módszerek) BEDZSULA BÁLINT
Minőségmenedzsment (módszerek) BEDZSULA BÁLINT Bedzsula Bálint gyakornok Menedzsment és Vállalatgazdaságtan Tanszék Q. épület A.314. bedzsula@mvt.bme.hu http://doodle.com/bedzsula.mvt Tantárgy Minőségmenedzsment:
Részletesebben4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis
1. feladat Regresszióanalízis. Legkisebb négyzetek elve 2. feladat Az iskola egy évfolyamába tartozó diákok átlagéletkora 15,8 év, standard deviációja 0,6 év. A 625 fős évfolyamból hány diák fiatalabb
Részletesebben5. mérés Mérés és kiértékelés számítógéppel
Budaesti Műszaki és Gazdaságtudományi Egyetem Géészmérnöki Kar Mechatronika, Otika és Géészeti Informatika Tanszék 5. mérés Mérés és kiértékelés számítógéel Segédlet a Méréstechnika (BMEGEMIAMG1) Mérés,
RészletesebbenA betegbiztonság növelése humán diagnosztikai laboratóriumban
A betegbiztonság növelése humán diagnosztikai laboratóriumban Dr. Barna T. Katalin 1, Szlatinszki Nóra 2, Kanik Erika 3, Kegyes Lászlóné 4, Bálint Gyöngyi 5 (Synlab Dunaújvárosi Laboratórium 1-4, Dunaújváros,
RészletesebbenPareto-elemzés Ok-okozati elemzés FMEA elemzés Egyéb (fadiagram, TIPHIB) + 8D riport
183. 16. A hibaelemzés módszerei Pareto-elemzés Ok-okozati elemzés FMEA elemzés Egyéb (fadiagram, TIPHIB) + 8D riport Bedzsula Bálint 60 183. Pareto-elv A tételek viszonylag kis hányada meghatározó jelentőségű
RészletesebbenA szabványos minőségi rendszer elemei. Termelési folyamatok
10. A szabványos minőségi rendszer elemei. Termelési folyamatok 10.1 Beszerzés (ISO 9001, 4.6.) A termelési folyamatok közül a szabvány elsőként a beszerzést szabályozza. Az előírások a beszállító értékelésével,
RészletesebbenKabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a
Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,
Részletesebben1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása
HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat
RészletesebbenNév- és tárgymutató 10. FEJEZET
10. FEJEZET Név- és tárgymutató 5S módszer 124 635-ös módszer 118 A(t) 188, 190, 196, 206 ABC-elemzés lásd Pareto-elemzés adatok elemzése 52, 76, 157, 162 affinitás-diagram 123 ajánlat 46 ÁKFN-modell 198
RészletesebbenBevezetés a hipotézisvizsgálatokba
Bevezetés a hipotézisvizsgálatokba Nullhipotézis: pl. az átlag egy adott µ becslése : M ( x -µ ) = 0 Alternatív hipotézis: : M ( x -µ ) 0 Szignifikancia: - teljes bizonyosság csak teljes enumerációra -
Részletesebben