A Six Sigma és a destra
|
|
- Flóra Bakosné
- 8 évvel ezelőtt
- Látták:
Átírás
1 A Six Sigma és a destra A Q-DAS termékek felhasználhatósága a Six Sigma projektekben Hanthy László T&T Quality Kft. Q DAS - Experts in Statistics 2 1
2 A Q-DAS szoftverrendszer rövid bemutatása Q DAS - Experts in Statistics
3 A Q-DAS CAMERA koncepció fázisai COLLECTING (adatgyűjtés) procella Q-DAS -adatformátumok Folyamat-ismeret Testteil ASSESSING (megítélés) procella O-QIS (Monitoring +MCA/CMM-Reporting + procella SPC) MANAGING (adatkezelés) Q-DBM Adatbank (MS-SQL vagy ORACLE) SAP-csatoló (STI / IDI) Q-PRM folyamatmanager EVALUATING (kiértékelés) qs-stat, solara és destra O-QIS (Procella SPC +MCA/CMM-Reporting) REPORTING (jelentéskészítés) Form Designer M-QIS vezetői információs r. (Reporting System, Webszerver) Q-EMPB elsőminta-jelentés-kész. ARCHIVING (archiválás) Adattömörítés Q-DBM Adatbank (MS-SQL vagy ORACLE) Q DAS - Experts in Statistics 5 <Q-DAS Präsentation 2007.ppt/Q-DAS GmbH & Co.KG> D Q-DAS Monitoring és Upload Manager O-QIS 0:00 Közp. AB Szerver O-QIS Monitoring Q DAS - Experts in Statistics 6 3
4 A Automatizált kiértékelés a destrával Szelekció DB Positionstoleranzen P o/p ok:mpo2 MPo2: P o = 1,78 P ok= 1,70 M4: C p = 1,58 C pk= 1,48 Q DAS - Experts in Statistics 7 T&T Quality Engineering Kft. --> Copyright Q-DAS GmbH & Co. KG A Q-DAS ME 8.0 szoftvermoduljai: qs-stat Szúrópróba-analízis - gépképesség-vizsgálatok Folyamatanalízis SPC és folyamatképesség solara Mérőrendszer-képességvizsgálat (MSA, VDA5 és GUM) destra A folyamatfejlesztés (pl. Six Sigma) eszköze Szúrópróba-analízis - gépképesség-vizsgálatok Folyamatanalízis SPC és folyamatképesség (csak 1 kiértékelési stratégia) Mérőrendszer-képességvizsgálat (MSA, VDA5 és GUM) (csak 1 kiértékelési stratégia) Megbízhatósági analízis élettartam- (kiesési) tesztek Regresszió- és variancia-analízis kísérlettervezés, és -kiértékelés ANOVA-val és regresszió-analízissel procella üzemszerű adatbevitel és szabályzókártya kézi mérőállomáson Q DAS - Experts in Statistics 8 4
5 A Q-DAS ME 8.0 szoftvermoduljai: O-QIS Operátor-információs rendszer CMM-Reporting (3D és egyéb komplex) mérőgépek elektronikus szabályzókártyája folyamat-kiértékelési funkcióval és automatikus jelentéskészítéssel procella SPC üzemszerű adatbevitel és szabályzókártya kézi mérőállomáson, folyamat-kiértékelési funkcióval Q-DAS Alert Manager az adatbankban megjelenő riasztások szimultán online megjelenítése egy képernyőn Q-DAS Monitoring mérőgépek mérési eredményeinek szimultán megjelenítése, (statisztikai) állapotjelentése M-QIS Vezetői információs rendszer Reporting System Automatikus jelentéskészítés könyvtárba, e- mailre, SMS-be, nyomtatóra Hosszú távú analízis Időszakok k és egyéb szempontok szerinti összehasonlító elemzés, termék-központú értékelés (jeléntések generálása az adatbankba Q-DAS WEB Az adatbankba tárolt mérési eredmények és folyamat-riasztások szimultán online-megjelenítése a munkahelyeken böngésző segítségével Q-DAS Alert Manager az adatbankban megjelenő riasztások online megjelenítése egy képernyőn Q DAS - Experts in Statistics
6 A Six Sigma és a Q-DAS A Q-DAS termékek felhasználhatósága a Six Sigma projektekben Q DAS - Experts in Statistics Áttekintés A destra és az egyéb Q-DAS-programok alkalmazása a Six Sigmaprojektekben Képességvizsgálatok a destra programban: rövid távú képességvizsgálat hosszú távú képességvizsgálat mérőrendszer-képességvizsgálat Statisztikai tesztek elvégzése Egyszerű vizsgálatok Shainin szerint Komponenscsere Box Plot Klasszikus kísérlettervezés é tervek készítése variancia-analízis regresszió-analízis Q DAS - Experts in Statistics
7 Define Measure Analyze A meglévő folyamatokra irányuló Six Sigma projekt fázisai Alkalmazható Q-DAS-program-modulok A folyamat definiálása és a probléma típusának meghatározása A folyamat megértése és ábrázolása (folyamatábra) Az információfolyam megjelenítése A folyamatképesség meghatározása qs-stat, destra A mérőrendszer(ek) kiválasztása és képességük bizonyítása solara, destra Az eltérések okainak összegyűjtése, az eltérések potenciális okainak felismerése, a folyamat összefüggéseinek a meghatározása destra D M A Improve A megoldások kidolgozása és kiválasztása,, bizonyító kísérletek, jóváhagyás destra I Control A képes mérőrendszer(ek) kiválasztása solara, destra A folyamatképesség meghatározása, A folyamatszabályzások bevezetése qs-stat, destra Q-DAS Camera Concept C C pk σ Q DAS - Experts in Statistics 13 Áttekintés - képességvizsgálatok DESTRA modul: Mérőrendszer-analízis DESTRA modul: Szúrópróba-analízis DESTRA modul: Folyamatanalízis Mérőrendszer- Rövid távú analízis Folyamatanalízis képesség (ideális feltételek) (reális feltételek) A mérőrendszer feladatra való alkalmasságának bizonyítása Több kezelő több terméket ismételten megmér Cél: A jellemző előállíthatóságának megállapítása Módszer: Egy, több, mint 50 elemű minta, egymás utáni darabokból Mérőszámok: A jellemző tartós előállíthatóságának megállapítása Több, különböző időpontban vett minta, speciális eseményeket követően C g, C gk,%gr&r Képességindexek: C m és C mk Képességindexek: P p ; P pk vagy C p ;C pk Q DAS - Experts in Statistics 14 < ETS Folyamatképesség - méréses.ppt > Copyright Q-DAS GmbH & Co. KG 7
8 Rövid távú képességvizsgálat végzése Gépképesség-vizsgálat egy minőségjellemzőre a destra Szúrópróbaanalízis-moduljában Q DAS - Experts in Statistics < M4-110 Kétmintás t-próba.ppt > Copyright Q-DAS GmbH & Co. KG Rövid távú analízis: 50 mért hosszméret DESTRA: Szúrópróba-analízis-modul Q DAS - Experts in Statistics 16 < ETS Folyamatképesség - méréses.ppt > Copyright Q-DAS GmbH & Co. KG 8
9 Rövid távú analízis (szúrópróba-analízis) Keresd és távolítsd el a kilógó értékeket! Értékfolyam grafika; felhasználó Értékeld a folyamat stabilitását! Értékfolyam grafika; felhasználó Az eloszlásmodell kiválasztása, és paramétereinek becslése. DESTRA automatikusan (Regressziós együtthatóval) A minőség-mérőszámok meghatározása. DESTRA automatikusan (kvantilis módszer) A minőség-mérőszámok összevetése a követelményekkel. A gyakorlati következtetések levonása. Ha C m 2,0 és C mk 2,0, akkor a rövid távú képesség bizonyított Q DAS - Experts in Statistics 17 < ETS Folyamatképesség - méréses.ppt > Copyright Q-DAS GmbH & Co. KG Kiértékelési stratégia Q DAS - Experts in Statistics
10 Kiértékelési követelmények Q DAS - Experts in Statistics 19 Értékfolyam és egyéb grafikák Q DAS - Experts in Statistics
11 Statisztikai próbák Q DAS - Experts in Statistics 21 Kiértékelési eredmények Eredménylista a DESTRA programban: Q DAS - Experts in Statistics 22 < ETS Folyamatképesség - méréses.ppt > Copyright Q-DAS GmbH & Co. KG 11
12 Folyamatképesség-vizsgálat és SPCkártya-elemzés Folyamatpesség-vizsgálat egy minőségjellemzőre a destra Folyamatanalízis-moduljában Q DAS - Experts in Statistics < M4-110 Kétmintás t-próba.ppt > Copyright Q-DAS GmbH & Co. KG A folyamatanalízis mérési értékei A rendszeres hatások felismerése céljából n=5-ös nagyságú mintákat vettek a folyamatból A Távtartó_HA.dfq fájl jellemzői: A mérési értékek 5-ös nagyságú mintákból származnak A mintákat (szúrópróbákat) különböző időpontokban vették... Q DAS - Experts in Statistics 24 < ETS Folyamatképesség - méréses.ppt > Copyright Q-DAS GmbH & Co. KG 12
13 Folyamatelemzés Keresd és távolítsd el a kilógó értékeket! Értékfolyam grafika; felhasználó Értékeld a folyamat stabilitását! DESTRA automatikusan: Teszt a helyzet ingadozására Teszt a szórás ingadozására Az eloszlásmodell kiválasztása, és paramétereinek becslése. DESTRA automatikusan (Regressziós együtthatóval) A minőség-mérőszámok meghatározása. DESTRA automatikusan (kvantilis módszer) A minőség-mérőszámok összevetése a követelményekkel. A gyakorlati következtetések levonása. Ha a folyamatot stabil-nak értékeltük, és a minta legalább 40 mérési értékből áll: C p és C pk Ha a folyamatot instabil-nak értékeltük, és a minta kevesebb, mint 40 mérési értékből áll: P p és P pk Q DAS - Experts in Statistics 25 < ETS Folyamatképesség - méréses.ppt > Copyright Q-DAS GmbH & Co. KG Kiértékelési stratégia Q DAS - Experts in Statistics
14 Kiértékelési követelmények Q DAS - Experts in Statistics 27 Szabályzókártyák Q DAS - Experts in Statistics
15 Statisztikai próbák Q DAS - Experts in Statistics 29 Kiértékelési eredmények Eredménylista a DESTRA programban: Q DAS - Experts in Statistics 30 < ETS Folyamatképesség - méréses.ppt > Copyright Q-DAS GmbH & Co. KG 15
16 Több mért jellemzőt tartalmazó vizsgálati eredmények áttekintése Q DAS - Experts in Statistics
17 GRR-vizsgálat Mérőrendszer-képességvizsgálat egy minőségjellemzőre a destra Solara-moduljában Q DAS - Experts in Statistics < M4-110 Kétmintás t-próba.ppt > Copyright Q-DAS GmbH & Co. KG Gyakorlati példa Q DAS - Experts in Statistics 34 < AFM es eljárás.ppt > Copyright Q-DAS GmbH & Co. KG 17
18 Kiértékelési stratégia Q DAS - Experts in Statistics 35 Kiértékelési követelmények Q DAS - Experts in Statistics
19 Gyakorlati példa: eltérések a mérő személyek között Q DAS - Experts in Statistics 37 < AFM es eljárás.ppt > Copyright Q-DAS GmbH & Co. KG Gyakorlati példa: különbségek termékenként Q DAS - Experts in Statistics 38 < AFM es eljárás.ppt > Copyright Q-DAS GmbH & Co. KG 19
20 2-es eljárás (kiértékelés) Q DAS - Experts in Statistics 39 < AFM es eljárás.ppt > Copyright Q-DAS GmbH & Co. KG Jelentések készítése a destrában Q DAS - Experts in Statistics
21 Két-mintavételes t-próba Két-mintavételes vizsgálat: Annak megállapítására, hogy a µ 1 és µ 2 középértékek egymástól jelentősen különböznek-e Q DAS - Experts in Statistics < M4-110 Kétmintás t-próba.ppt > Copyright Q-DAS GmbH & Co. KG
22 A teszt megtervezése Feltételezés: A hosszúságméretek esztergálási folyamata mindkét gép esetében legalábbis rövid távon megközelítőleg normális eloszlású Null-hipotézis H 0 : H 0 : Δµ = µ 1 - µ 2 = 0 Alternatív hipotézis H 1 : H 1 : Δµ = µ 1 -µ 2 0 Q DAS - Experts in Statistics 43 < M4-110 Kétmintás t-próba.ppt > Copyright Q-DAS GmbH & Co. KG A teszt megtervezése A Δµ = µ 1 -µ 2 középértékek közötti különbség kritikusnak tekinthető? Ezt a döntést csak a vizsgálandó tényállás ismerete alapján lehet levezetni! Az esztergagépek példájhoz: A teszt fel kell ismerje a Δµ = µ 1 -µ 2 = 2 σ középérték-különbséget. Mennyi a σ standard eltérés? Az esztergagépek példájához: A múlt elemzései alapján ismert tény, hogy a standard eltérés s = 0,005 mm. Δµ = 2 σ = 2 0,005 = 0,01 mm. Q DAS - Experts in Statistics 44 < M4-110 Kétmintás t-próba.ppt > Copyright Q-DAS GmbH & Co. KG 22
23 A teszt megtervezése α tévedési valószínűség, avagy 1. fajú hiba Az esztergapadok példájához: A kockázatot α = 5 % értékben alacsonynak minősíthetjük β tévedési valószínűség, vagy 2. fajú hiba Az esztergagépek példájához: Azt kockázatot, hogy a feltételezett középérték különbséget tévedésből ne vegyük észre, β = 10 % értékkel elegendően alacsonynak tekinthetjük. Kétoldalú, vagy egyoldalú kérdésfeltevés? Q DAS - Experts in Statistics 45 < M4-110 Kétmintás t-próba.ppt > Copyright Q-DAS GmbH & Co. KG A teszt megtervezése qs-stat / destra: Számok Statisztikai próbák Aszisztens ( ) - Kétmintás t-próba Emlékeztetőül: A középérték 2 szigma standard eltéréssel való eltolódása nem megfelelő folyamatot eredményez. Ezért tesztelni kell, hogy fennáll-e jelen esetben ilyen nagyságrendű középérték-differencia A szükséges minimális mérték n min =8 Q DAS - Experts in Statistics 46 < M4-110 Kétmintás t-próba.ppt > Copyright Q-DAS GmbH & Co. KG 23
24 A teszt elvégzése A perselyek hosszértékeit meg kell mérni, és a gépekhez helyesen azonosítva a programba be kell vinni CNC-1 CNC-2 Q DAS - Experts in Statistics 47 < M4-110 Kétmintás t-próba.ppt > Copyright Q-DAS GmbH & Co. KG Az eredmény statisztikai értelmezése A kétmintavételes t-teszt eredménye A Δµ = µ 1 -µ 2 középérték-különbözet konfidencia intervallumai Q DAS - Experts in Statistics 48 < M4-110 Kétmintás t-próba.ppt > Copyright Q-DAS GmbH & Co. KG 24
25 A próba elvégzése egy kattintással: Ha kétoldali próbát szeretnénk végezni, és nem akarunk előtte a mintavétel tervezéséve bajlódni, akkor ezt a kiértékelést kaphatjuk egy kattintásra: Q DAS - Experts in Statistics
26 Komponenscsere A lapátkerekes szivattyú esetpéldája A lapátkerekes szivattyúnak a hibás funkcióért felelős komponensét keressük. Q DAS - Experts in Statistics < M4-040 Komponenscsere - mintapélda.ppt > Copyright Q-DAS GmbH & Co. KG A lapátkerekes szivattyú kísérletének terve A szivattyú esetében az alábbi komponensekre bontás bizonyul ésszerűnek. Röv. Alkatrész A B C D E F Szivattyúház Rotor Lapát Orsó Tömítőgyűrű Házfedél A komponencseréhez kísérlettervet állítunk fel Ehhez az alábbi fájlt használhatjuk mintaként Q DAS - Experts in Statistics < M4-040 Komponenscsere - mintapélda.ppt > Copyright Q-DAS GmbH & Co. KG 26
27 A lapátkerekes szivattyú kísérletének terve A komponenscseréhez kikeressük a szállítási teljesítményeket, majd egy Komponenscsere_szivattyu.DFQ nevű fájlba beírjuk azokat. A Sarzsszám az alkatrészkomponenst, a Szöveg az e kísérlettervben szokásos rövidítési szimbólumokat tartalmazza. Q DAS - Experts in Statistics < M4-040 Komponenscsere - mintapélda.ppt > Copyright Q-DAS GmbH & Co. KG Értékfolyamok egymás felett a komponenscsere értékeléséhez A tömítőgyűrű hatása döntő B és C kereszthatása Q DAS - Experts in Statistics < M4-040 Komponenscsere - mintapélda.ppt > Copyright Q-DAS GmbH & Co. KG 27
28 Box Plot vizsgálat A szórás lényeges okainak a kiválasztása a sok lehetséges befolyásoló tényezőből Q DAS - Experts in Statistics < M4-030 BoxPlot.ppt > Copyright Q-DAS GmbH & Co. KG Mintapélda: Tengelycsap Egy CNC-forgácsoló gépen tengelyeket gyártanak A tengelycsapok átmérője erősen szór, ezáltal a folyamatképesség sem megfelelő A szórás oka ismeretlen 1. Válaszérték: a tengelycsap átmérője ( mérhető) 2. Mérőrendszer-képesség A mérőrendszer-képességvizsgálatot elvégezték, és rendben is van Q DAS - Experts in Statistics 56 < M4-030 BoxPlot.ppt > Copyright Q-DAS GmbH & Co. KG 28
29 Mintapélda: Tengelycsap Peremfeltételek: A tengelyeket mindig ugyanazon a forgácsológépen készítik egy műszakban 3. A következő szórás-kategóriákat vizsgáljuk: Időbeni szórás: óránként egy-egy mintavétel Ciklikus szórás: 3 egymás után gyártott termék kivételével Helyfüggő szórás: A tengelycsapok két mérési pozíciója (jobb és bal) Q DAS - Experts in Statistics 57 < M4-030 BoxPlot.ppt > Copyright Q-DAS GmbH & Co. KG Mintapélda: Tengelycsap 4. A szóráscsaládfa elkészítése: A tengelycsap szórása a következő szóráskomponensekből áll: Időbeni szórás Helyfüggő szórás Ciklikus szórás Átmérő Óráról órára (5 óra alatt) Mérési helyről mérési helyre (2 hely,de egy terméken) Termékről termékre (3 egymás utáni termék) 5. Összes mennyiség: = 30 mérési érték, de csak 15 termék! Q DAS - Experts in Statistics 58 < M4-030 BoxPlot.ppt > Copyright Q-DAS GmbH & Co. KG 29
30 Adatfelvétel a Szúrópróba-analízis-modulban Q DAS - Experts in Statistics 59 Az adatok szétválasztása a Box-Plot-elemzéshez Automatikus szelekció az adatbankból, melyben különböző felosztási szintek és kritériumok szerint csoportosíthatjuk az adatokat. Például óránként is felbonthatjuk azokat. Q DAS - Experts in Statistics 60 < M4-030 BoxPlot.ppt > Copyright Q-DAS GmbH & Co. KG 30
31 Box-Plot a destrával Időfüggő rendszeres változás Rendszeres különbség a bal és a jobb oldal között Q DAS - Experts in Statistics 61 < M4-030 BoxPlot.ppt > Copyright Q-DAS GmbH & Co. KG Az egyes mintákat páronként F- és t-próbákkal is összevethetjük! Q DAS - Experts in Statistics 62 < M4-030 BoxPlot.ppt > Copyright Q-DAS GmbH & Co. KG 31
32 Teljes kísérlettervek készítése a destrában Faktoronként két, vagy több szintű, teljes faktoros kísérletterv a destra Regresszió- és variancia-analízis-moduljában Q DAS - Experts in Statistics < M Áttekintés teljes_faktoros_destra.ppt > Copyright Q-DAS GmbH & Co. KG 63 Az esetpélda feldolgozása a destra programmal A kémiai reakciók kihozatala a tapasztalatok szerint a hőmérséklettel azonos irányba változik. Kísérleti cél: Faktorok A maximális kihozatal (%) elérése 3 hőmérséklet-lépcső: 60 C, 70 C és 80 C. 4 adalékanyag (1, 2, 3 és 4) Az adalékanyagoktól azt várjuk, hogy a kihozatal hőmérséklettől való függését csökkentsék. Kísérletterv: Többszintű teljes faktoros A teljes terv 3-szori elvégzése. Attól tartunk, hogy az idő múlásával trendet tapasztalunk, ezért a kísérletet 3 blokkra bontjuk.. Q DAS - Experts in Statistics 64 < M Áttekintés teljes_faktoros_destra.ppt > Copyright Q-DAS GmbH & Co. KG 32
33 Menü: Fájl Új 1. Klikk 2 3 Q DAS - Experts in Statistics 65 < M Áttekintés teljes_faktoros_destra.ppt > Copyright Q-DAS GmbH & Co. KG A célértéket és a faktorokat definiáljuk 4 Q DAS - Experts in Statistics 66 < M Áttekintés teljes_faktoros_destra.ppt > Copyright Q-DAS GmbH & Co. KG 33
34 1. A hőmérséklet beállításának nézeti képe 1 2 Q DAS - Experts in Statistics 67 < M Áttekintés teljes_faktoros_destra.ppt > Copyright Q-DAS GmbH & Co. KG 2. Az adalékanyagok beállításának képe A teljes kísérletsorozatot összesen 3-szor végezzük el. A kísérleteket blokkokra osztjuk. Q DAS - Experts in Statistics 68 < M Áttekintés teljes_faktoros_destra.ppt > Copyright Q-DAS GmbH & Co. KG 34
35 A beállítások ellenőrzése 1 2 Q DAS - Experts in Statistics 69 < M Áttekintés teljes_faktoros_destra.ppt > Copyright Q-DAS GmbH & Co. KG A kísérlet eredményeinek (kihozatal) beírása Q DAS - Experts in Statistics 70 < M Áttekintés teljes_faktoros_destra.ppt > Copyright Q-DAS GmbH & Co. KG 35
36 Variancia-analízis végzése a destrában Faktoronként két, vagy több szintű, teljes faktoros kísérletterv a destra Regresszió- és variancia-analízis-moduljában Q DAS - Experts in Statistics < M Áttekintés teljes_faktoros_destra.ppt > Copyright Q-DAS GmbH & Co. KG 71 Menü: Analízis/eljárás a kísérletterv kiértékelése Kattint Q DAS - Experts in Statistics 72 < M Áttekintés teljes_faktoros_destra.ppt > Copyright Q-DAS GmbH & Co. KG 36
37 A célértékek és a faktorok egymáshoz rendelését ellenőrizzük Kattint Q DAS - Experts in Statistics 73 < M Áttekintés teljes_faktoros_destra.ppt > Copyright Q-DAS GmbH & Co. KG A modell kiválasztását is ellenőrizzük (teljes faktoros) Kattint Q DAS - Experts in Statistics 74 < M Áttekintés teljes_faktoros_destra.ppt > Copyright Q-DAS GmbH & Co. KG 37
38 A variancia-analízis eredménye E funkcióra kattintva el lehet tüntetni a blokkfaktort A blokk-faktor nem szignifikáns Q DAS - Experts in Statistics 75 < M Áttekintés teljes_faktoros_destra.ppt > Copyright Q-DAS GmbH & Co. KG A variancia-analízis eredménye (blokkok nélkül) Q DAS - Experts in Statistics 76 < M Áttekintés teljes_faktoros_destra.ppt > Copyright Q-DAS GmbH & Co. KG 38
39 A hőmérséklet és adalék, mint fő tényezők grafikája 80 C nál magas nyereség adódik A 4. típusú adaléknál magas nyereség adódik. Q DAS - Experts in Statistics 77 < M Áttekintés teljes_faktoros_destra.ppt > Copyright Q-DAS GmbH & Co. KG A hőmérséklet idő kereszthatásának grafikája 80 C-nál és a 4. típ.-ú adaléknál jelentkezik a legmagasabb nyereség. Q DAS - Experts in Statistics 78 < M Áttekintés teljes_faktoros_destra.ppt > Copyright Q-DAS GmbH & Co. KG 39
40 Variancia-analízis-változatok Q DAS - Experts in Statistics 79 Q DAS - Experts in Statistics
41 Response Surface-példa kívánságfüggvénnyel Nem lineáris függvénykapcsolatok elemzése regressziós modellekkel. Q DAS - Experts in Statistics < M RSM destra.ppt > Copyright Q-DAS GmbH & Co. KG 81 Gyakorlati esetpélda Lézervágás 1,5 mm vastag alumíniumlemezt vágunk CO 2 -lézerrel, 1,5 kw maximális teljesítménnyel A lézersugár megolvasztja az anyagot, melyet a vágógáz kifúj A vágási felület szélén az olvadt anyag megdermedhet (szakáll): A cél: szakállvastagság=0 A vágási felületnek lehetőleg simának kell lennie A cél: durvaság=0 Költség-okok miatt törekszünk a nagy vágási sebességre, a folyamat biztonsága érdekében nagy távolságot szeretnénk Q DAS - Experts in Statistics 82 < M RSM destra.ppt > Copyright Q-DAS GmbH & Co. KG 41
42 Példa Faktorok és tapasztalati szintértékeik: Faktor Szintértékek Sebesség [m/min] 1,5 2,5 3,75 5,0 6,0 Nyomás [bar] Távolság [mm] 0,3 0,7 1,1 A fókusz helyzete [mm] 0,0 0,75 1,5 Teljesítmény [kw] 1,0 1,25 1,5 5 Faktor: kocka V-ös felbontással (részfaktoros) A csillagpontok káltalában láb faktoronként ké összesen 5 szintet adnak kkiki A csillagpontok a kocka felületén 3 szintet adnak ki faktoronként (felület-központosítás) Q DAS - Experts in Statistics 83 < M RSM destra.ppt > Copyright Q-DAS GmbH & Co. KG Ss z. Sebesség [m/min] Nyomás [bar] Távolság [mm] Fókuszhelyzet [mm] Teljesítmény [kw] Szakáll [mm] Érdesség [μm] 1 2,5 10 0,3 0,0 1,5 0,15 0,2 2 5,0 10 0,3 0,0 1,0 2,65 10,2 3 2,5 16 0,3 0,0 1,0 0,75 7,0 4 5,0 16 0,3 0,0 1,5 0,05 7,2 5 2,5 10 1,1 0,0 1,0 1,20 9,2 6 5,0 10 1,1 0,0 1,5 0,85 6,7 7 2,5 16 1,1 0,0 1,5 1,00 3,5 8 5,0 16 1,1 0,0 1,0 2,95 13,8 9 2,5 10 0,3 1,5 1,0 0,70 4,9 10 5,0 10 0,3 1,5 1,5 0,00 0,0 11 2,5 16 0,3 1,5 1,5 0,00 0,0 12 5,0 16 0,3 1,5 1,0 2,10 6,3 13 2,5 10 1,1 1,5 1,5 0,50 0,0 14 5,0 10 1,1 1,5 1,0 1,90 4,5 15 2,5 16 1,1 1,5 1,0 0,45 5,8 16 5,0 16 1,1 1,5 1,5 0,00 2,4 17 1,5 13 0,7 0,75 1,25 0,60 2,1 18 6,0 13 0,7 0,75 1,25 1,95 4,3 19 3,75 8 0,7 0,75 1,25 0,15 6,4 20 3, ,7 0,75 1,25 0,45 7,8 21 3, ,3 0,75 1,25 0,30 2,6 22 3, ,1 0,75 1,25 0,65 5,2 23 3, ,7 0,0 1,25 0,75 5,6 24 3, ,7 1,5 1,25 0,00 1,8 25 3, ,7 0,75 1,0 1,30 6,3 26 3, ,7 0,75 1,5 0,00 0,0 27 3, ,7 0,75 1,25 0,30 3,7 28 3, ,7 0,75 1,25 0,25 2,6 29 3, ,7 0,75 1,25 0,40 5,1 Fájl: Response_Surface_Lézervágás.dfq Q DAS - Experts in Statistics 84 < M RSM destra.ppt > Copyright Q-DAS GmbH & Co. KG 42
43 A teljes regressziós modell (leépítés nélkül!) 1 2 Q DAS - Experts in Statistics 85 < M RSM destra.ppt > Copyright Q-DAS GmbH & Co. KG A befolyásoló mennyiségek ábrázolása az általánosított célértékhez Itt az optimumot keressük! Q DAS - Experts in Statistics 86 < M RSM destra.ppt > Copyright Q-DAS GmbH & Co. KG 43
44 Prognózis a szakáll-magasságra Az optimális érték rendben van? Q DAS - Experts in Statistics 87 < M RSM destra.ppt > Copyright Q-DAS GmbH & Co. KG Prognózis az érdességre Az optimális érték rendben van? Q DAS - Experts in Statistics 88 < M RSM destra.ppt > Copyright Q-DAS GmbH & Co. KG 44
45 Általánosított célérték - 3D Q DAS - Experts in Statistics 89 < M RSM destra.ppt > Copyright Q-DAS GmbH & Co. KG A szakáll-magasság modellje Q DAS - Experts in Statistics 90 < M RSM destra.ppt > Copyright Q-DAS GmbH & Co. KG 45
46 Az érdesség-mélység modellje Q DAS - Experts in Statistics 91 < M RSM destra.ppt > Copyright Q-DAS GmbH & Co. KG Optimálás a célfüggvényre Q DAS - Experts in Statistics
47 Regresszió-analízis-változatok Q DAS - Experts in Statistics
A Q-DAS CAMERA koncepció fázisai
Q-DAS - fıbb referenciák 32012.09.25. Q-DAS-ismertetı Q-DAS - fıbb referenciák 4 Q-DAS-ismertetı A Q-DAS CAMERA koncepció fázisai COLLECTING (adatgyőjt jtés) procella Q-DAS -adatformátumok Folyamat-ismeret
RészletesebbenHat Szigma Testre Szabva (Six Sigma for You 6S4U)
Hat Szigma Testre Szabva (Six Sigma for You 6S4U) A Six Sigma módszertant az elmúlt 20 évben az igazán nagy vállalatok alkalmazták úgy, hogy minden számba jöhető embert kiképeztek Green Belt-nek. A tapasztalatok
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
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...
RészletesebbenBig Data Industry 4.0 Quality
Big Data Industry 4.0 Quality Dr.-Ing. Edgar Dietrich Q-DAS GmbH & Co. KG Weinheim, Germany A TUDÁSBÓL SZÁRMAZÓ NYERESÉG FOLYAMATOK GYORS MEGÍTÉLÉSE Q DAS STATISTICS DRIVES SUCCESS
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
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
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)
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
RészletesebbenTARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23
TARTALOMJEGYZÉK 1. téma Átlagbecslés (Barna Katalin).... 7 2. téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23 3. téma Összefüggések vizsgálata, korrelációanalízis (Dr. Molnár Tamás)... 73 4. téma Összefüggések
RészletesebbenA funkciók áttekintése
A funkciók áttekintése qs-stat millennium Verziószám: 7 / 2006. február Doku-szám: E-PD 08 U Copyright 2006 Q-DAS GmbH & Co. KG Eisleber Str. 2 D - 69469 Weinheim Tel.: ++49/6201/3941-0 Fax: ++49/6201/3941-24
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
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenSTATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba
Egymintás u-próba STATISZTIKA 2. Előadás Középérték-összehasonlító tesztek Tesztelhetjük, hogy a valószínűségi változónk értéke megegyezik-e egy konkrét értékkel. Megválaszthatjuk a konfidencia intervallum
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
Részletesebbeny ij = µ + α i + e ij
Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai
RészletesebbenHipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok
STATISZTIKA 1. Előadás Hipotézisvizsgálatok Tematika 1. Hipotézis vizsgálatok 2. t-próbák 3. Variancia-analízis 4. A variancia-analízis validálása, erőfüggvény 5. Korreláció számítás 6. Kétváltozós lineáris
RészletesebbenBiomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 15. Nemparaméteres próbák Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date: November
RészletesebbenBiomatematika 13. Varianciaanaĺızis (ANOVA)
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 13. Varianciaanaĺızis (ANOVA) Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date:
RészletesebbenMérési hibák 2006.10.04. 1
Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
RészletesebbenMinitab 16 újdonságai május 18
Minitab 16 újdonságai 2010. május 18 Minitab 16 köszöntése! A Minitab statisztikai szoftver új verziója több mint hetven újdonságot tartalmaz beleértve az erősebb statisztikai képességet, egy új menüt
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 -
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
RészletesebbenKettőnél több csoport vizsgálata. Makara B. Gábor
Kettőnél több csoport vizsgálata Makara B. Gábor Három gyógytápszer elemzéséből az alábbi energia tartalom adatok származtak (kilokalória/adag egységben) Három gyógytápszer elemzésébô A B C 30 5 00 10
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
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
RészletesebbenStatisztika I. 9. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 9. előadás Előadó: Dr. Ertsey Imre Statisztikai hipotézis vizsgálatok elsősorban a biometriában alkalmazzák, újabban reprezentatív jellegű ökonómiai vizsgálatoknál, üzemi szinten élelmiszeripari
RészletesebbenA DOE (design of experiment) mint a hat szigma folyamat eszköze
A DOE (design of experiment) mint a hat szigma folyamat eszköze 2.5 Z [mils] 0.5 0-0.5 2.4.27 0.40-0.47 Y [in] - -.34-2.22 -.32 X [in] -0.42 0.48.38 2.28-2.2, feketeöves GE Consumer & Industrial A DOE
RészletesebbenAdatok statisztikai értékelésének főbb lehetőségei
Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció
RészletesebbenVarianciaanalízis 4/24/12
1. Feladat Egy póker kártya keverő gép a kártyákat random módon választja ki. A vizsgálatban 1600 választott kártya színei az alábbi gyakorisággal fordultak elő. Vizsgáljuk meg, hogy a kártyák kiválasztása
RészletesebbenBiomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
Részletesebbeny ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell
Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.
RészletesebbenLeíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév
Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév A pirossal írt anyagrészeket nem fogom közvetlenül számon kérni a vizsgán, azok háttérismeretként,
Részletesebben1x1 qs-stat millennium
1x1 qs-stat millennium Szoftvercsomag a minőségbiztosítás statisztikai probléma-megoldásaihoz 7. változat / 2006 november Doku-szám: E-PD 07 U Copyright 2006 Q-DAS GmbH & Co. KG Eisleber Str. 2 D - 69469
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
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
RészletesebbenGyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016
Gyakorlat 8 1xANOVA Dr. Nyéki Lajos 2016 A probléma leírása Azt vizsgáljuk, hogy milyen hatása van a család jövedelmének a tanulók szövegértés teszten elért tanulmányi eredményeire. A minta 59 iskola adatait
RészletesebbenMéréselmélet MI BSc 1
Mérés és s modellezés 2008.02.15. 1 Méréselmélet - bevezetés a mérnöki problémamegoldás menete 1. A probléma kitűzése 2. A hipotézis felállítása 3. Kísérlettervezés 4. Megfigyelések elvégzése 5. Adatok
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
RészletesebbenSzerszámtervezés és validálás Moldex3D és Cavity Eye rendszer támogatással. Pósa Márk 2015. Október 08.
Szerszámtervezés és validálás Moldex3D és Cavity Eye rendszer támogatással. Pósa Márk 2015. Október 08. Cégbemutató 2004: Reológiai alapkutatás kezdete a Kecskeméti Főiskolán 2011: Doktori munka befejezése,
RészletesebbenSTATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.
STATISZTIKA 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 MAGY. MAT. TÖRT. KÉM. ANNA BÉLA CILI András hármas. Béla Az átlag 3,5! kettes. Éva ötös. Nóri négyes. 1 mérés: dolgokhoz valamely szabály alapján szám rendelése
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
RészletesebbenStatisztika I. 10. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 10. előadás Előadó: Dr. Ertsey Imre Varianciaanalízis A különböző tényezők okozta szórás illetőleg szórásnégyzet összetevőire bontásán alapszik Segítségével egyszerre több mintát hasonlíthatunk
RészletesebbenNemparametrikus tesztek. 2014. december 3.
Nemparametrikus tesztek 2014. december 3. Nemparametrikus módszerek Alkalmazásuk: nominális adatok (gyakoriságok) esetén, ordinális adatok esetén, metrikus adatok esetén (intervallum és arányskála), ha
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
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) 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
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
Részletesebben- Bemutatkozás - Az innováció a tradíciónk!
- Bemutatkozás - Az innováció a tradíciónk! 1 I. Alapítás, fejlődésünk Alapítás: A társaság neve Tulajdonosok Vezető Alkalmazottak száma Fő tevékenység 1989., ASK Kft. (Budapest) + 11 mérnök HNS Műszaki
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
RészletesebbenMűködésbiztonsági veszélyelemzés (Hazard and Operability Studies, HAZOP) MSZ
Működésbiztonsági veszélyelemzés (Hazard and Operability Studies, HAZOP) MSZ-09-960614-87 Célja: a szisztematikus zavar-feltárás, nyomozás. A tervezett működési körülményektől eltérő állapotok azonosítása,
RészletesebbenKettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet
Kettőnél több csoport vizsgálata Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet Gyógytápszerek (kilokalória/adag) Három gyógytápszer A B C 30 5 00 10 05 08 40 45 03 50 35 190 Kérdések: 1. Van-e
RészletesebbenMatematikai statisztika c. tárgy oktatásának célja és tematikája
Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:
RészletesebbenHipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58
u- t- Matematikai statisztika Gazdaságinformatikus MSc 2. előadás 2018. szeptember 10. 1/58 u- t- 2/58 eloszlás eloszlás m várható értékkel, σ szórással N(m, σ) Sűrűségfüggvénye: f (x) = 1 e (x m)2 2σ
RészletesebbenKiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157.
Kiváltott agyi jelek informatikai feldolgozása 2018 Statisztika - Gyakorlat Kiss Gábor IB.157. kiss.gabor@tmit.bme.hu Példa I (Vonat probléma) Aladár 25 éves és mindkét nagymamája él még: Borbála és Cecília.
Részletesebben2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!
GAZDASÁGSTATISZTIKA KIDOLGOZOTT ELMÉLETI KÉRDÉSEK A 3. ZH-HOZ 2013 ŐSZ Elméleti kérdések összegzése 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! 2. Mutassa be az
RészletesebbenHipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás
STATISZTIKA Hipotézis, sejtés 11. Előadás Hipotézisvizsgálatok, nem paraméteres próbák Tudományos hipotézis Nullhipotézis felállítása (H 0 ): Kétmintás hipotézisek Munkahipotézis (H a ) Nullhipotézis (H
RészletesebbenSTATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése
4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól
RészletesebbenANOVA összefoglaló. Min múlik?
ANOVA összefoglaló Min múlik? Kereszt vagy beágyazott? Rögzített vagy véletlen? BIOMETRIA_ANOVA5 1 I. Kereszt vagy beágyazott Két faktor viszonyát mondja meg. Ha több, mint két faktor van, akkor bármely
RészletesebbenStatisztika Elıadások letölthetık a címrıl
Statisztika Elıadások letölthetık a http://www.cs.elte.hu/~arato/stat*.pdf címrıl Konfidencia intervallum Def.: 1-α megbízhatóságú konfidencia intervallum: Olyan intervallum, mely legalább 1-α valószínőséggel
Részletesebben[Biomatematika 2] Orvosi biometria. Visegrády Balázs
[Biomatematika 2] Orvosi biometria Visegrády Balázs 2016. 03. 27. Probléma: Klinikai vizsgálatban három különböző antiaritmiás gyógyszert (ß-blokkoló) alkalmaznak, hogy kipróbálják hatásukat a szívműködés
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
RészletesebbenFelhasználói kézikönyv
Felhasználói kézikönyv 6234C Fordulatszámmérő TARTALOMJEGYZÉK 1. Termékjellemzők... 2 2. Műszaki jellemzők... 2 3. Előlap és kezelőszervek... 2 4. Működési leírás... 3 5. Mérési folyamat... 4 6. Elem cseréje...
RészletesebbenMinitab 17 újdonságai. Lakat Károly L.K.Quality Bt. 2014.szept. 23. www.lkq.hu/szigma
Minitab 17 újdonságai Lakat Károly L.K.Quality Bt. 2014.szept. 23. www.lkq.hu/szigma Minitab 17! Minitab 17 számos újdonságot és fejlesztést nyújt beleértve a következőket: Regression DOE Assistant Példák
RészletesebbenNormális eloszlás paramétereire vonatkozó próbák
Normális eloszlás paramétereire vonatkozó próbák Az alábbi próbák akkor használhatók, ha a meggyelések függetlenek, és feltételezhetjük, hogy normális eloszlásúak a meggyelések függetlenek, véges szórású
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
RészletesebbenRÖVID ÚTMUTATÓ A FELÜLETI ÉRDESSÉG MÉRÉSÉHEZ
RÖVID ÚTMUTATÓ A FELÜLETI ÉRDESSÉG MÉRÉSÉHEZ Referencia útmutató laboratórium és műhely részére Magyar KIADÁS lr i = kiértékelési hossz Profilok és szűrők (EN ISO 4287 és EN ISO 16610-21) 01 A tényleges
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria Bódis Emőke 2016. 04. 25. J J 9 Korrelációanalízis Regresszióanalízis: hogyan változik egy vizsgált változó értéke egy másik változó változásának függvényében. Korrelációs
RészletesebbenMatematikai geodéziai számítások 6.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 6. MGS6 modul Lineáris regresszió számítás elektronikus távmérőkre SZÉKESFEHÉRVÁR 2010 Jelen szellemi
RészletesebbenÁgazati Vezetői Információs Rendszer koncepciója
Ágazati Vezetői Információs Rendszer koncepciója Ágazati Vezetői Információs Rendszer koncepciója Bemutatja: Bruhács Tamás főosztályvezető-helyettes - OM, Fejlesztési és Tudományos Ügyek Főosztálya Hodász
RészletesebbenDr. Topár József 3. Eladás Marketing Külső szolgáltatás Alvállalkozók Fogyasztók. Engineering Termelés Anyagszabályozás Beszerzés Minőség
A minőségterv (quality plan) olyan dokumentum, amely előírja, hogy milyen folyamatokat eljárásokat és vele kapcsolódó erőforrásokat ki és mikor fogja alkalmazni, hogy egy konkrét projekt, termék, folyamat
RészletesebbenMintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás
STATISZTIKA, BIOMETRIA. Előadás Mintavétel, mintavételi technikák, adatbázis Mintavétel fogalmai A mintavételt meg kell tervezni A sokaság elemei: X, X X N, lehet véges és végtelen Mintaelemek: x, x x
RészletesebbenHipotézisvizsgálat az Excel adatelemző eljárásaival. Dr. Nyéki Lajos 2018
Hipotézisvizsgálat az Excel adatelemző eljárásaival Dr. Nyéki Lajos 2018 Egymintás t-próba Az egymintás T-próba azt vizsgálja, hogy különbözik-e a változó M átlaga egy megadott m konstanstól. Az a feltételezés,
RészletesebbenA biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Informatikai Intézet
A biostatisztika alapfogalmai, hipotézisvizsgálatok Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Informatikai Intézet Hipotézis Állítás a populációról (vagy annak paraméteréről) Példák H1: p=0.5 (a pénzérme
RészletesebbenNormális eloszlás tesztje
Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra
RészletesebbenII. rész: a rendszer felülvizsgálati stratégia kidolgozását támogató funkciói. Tóth László, Lenkeyné Biró Gyöngyvér, Kuczogi László
A kockázat alapú felülvizsgálati és karbantartási stratégia alkalmazása a MOL Rt.-nél megvalósuló Statikus Készülékek Állapot-felügyeleti Rendszerének kialakításában II. rész: a rendszer felülvizsgálati
RészletesebbenKísérlettervezés a kémia tanításában a természettudományos gondolkodás fejlesztéséért
Kísérlettervezés a kémia tanításában a természettudományos gondolkodás fejlesztéséért Kiss Edina 1, Szalay Luca 1, Tóth Zoltán 2 1 Eötvös Loránd Tudományegyetem, Kémiai Intézet drkissed@gmail.com 2 Debreceni
RészletesebbenStatisztikai következtetések Nemlineáris regresszió Feladatok Vége
[GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell
RészletesebbenSzabadformájú felületek. 3D felületek megmunkálása gömbmaróval. Dr. Mikó Balázs FRAISA ToolSchool Október
Óbudai Egyetem Bánki Donát Gépész és Biztonságtechnikai Mérnöki Kar Anyag- és Gyártástudományi Intézet FRAISA ToolSchool 2016. Október 20-21. 3D felületek megmunkálása gömbmaróval Dr. Mikó Balázs Szabadformájú
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
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
RészletesebbenMatematikai geodéziai számítások 6.
Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre
RészletesebbenMódszertani dilemmák a statisztikában 40 éve alakult a Jövőkutatási Bizottság
Módszertani dilemmák a statisztikában 40 éve alakult a Jövőkutatási Bizottság SZIGNIFIKANCIA Sándorné Kriszt Éva Az MTA IX. Osztály Statisztikai és Jövőkutatási Tudományos Bizottságának tudományos ülése
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
RészletesebbenH0 hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik)
5.4: 3 különböző talpat hasonlítunk egymáshoz Varianciaanalízis. hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik) hipotézis: Létezik olyan μi, amely nem egyenlő a többivel (Van
RészletesebbenSTATISZTIKAI MÓDSZEREK ALKALMAZÁSA SZABVÁNYOK ÁTTEKINTÉSE (ISO TC 69)
STATISZTIKAI MÓDSZEREK ALKALMAZÁSA SZABVÁNYOK ÁTTEKINTÉSE (ISO TC 69) 1. AZ ISO SZABVÁNYOK TÉRKÉPE 2. A SZABVÁNYOK BEMUTATÁSA 3. HASZNÁLATI TANÁCSOK 4. A STATISZTIKAI SZABVÁNYOK ÉS AZ ISO 9001 5. JAVASLATOK
RészletesebbenSegédlet a program megismeréséhez
Segédlet a program megismeréséhez Segédlet a program megismeréshez 2009 november 25 HNS SPCea Statisztikai folyamatszabályozó és minőségellenőrző program Jelen dokumentációt, illetve annak részeit a HNS
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
RészletesebbenFelhasználói kézikönyv
Felhasználói kézikönyv 5040 Lézeres távolságmérő TARTALOMJEGYZÉK 1. Bevezetés... 2 2. Az elemek cseréje... 2 3. A készülék felépítése... 2 4. Műszaki jellemzők... 3 5. A lézeres távolságmérő bekapcsolása...
RészletesebbenMódszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!
BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012.. Név:... Neptun kód:... Érdemjegy:..... STATISZTIKA II. VIZSGADOLGOZAT Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető pontszám 21 20 7 22
RészletesebbenDigitális elmozdulásmérœ rendszer
Digitális elmozdulásmérœ rendszer Magnescale Tel: +49 711 5858-777 E-Mail: smse-mp@eu.sony.com www.sonymanufacturing.com Megbízható mérœrendszer jobb minœség és több nyereség A Sony mágneses mérœlécek
RészletesebbenDEBRECENI EGYETEM MŰSZAKI KAR GÉPÉSZMÉRNÖKI TANSZÉK SPM BEARINGCHECKER KÉZI CSAPÁGYMÉRŐ HASZNÁLATA /OKTATÁSI SEGÉDLET DIAGNOSZTIKA TANTÁRGYHOZ/
DEBRECENI EGYETEM MŰSZAKI KAR GÉPÉSZMÉRNÖKI TANSZÉK SPM BEARINGCHECKER KÉZI CSAPÁGYMÉRŐ HASZNÁLATA /OKTATÁSI SEGÉDLET DIAGNOSZTIKA TANTÁRGYHOZ/ ÖSSZEÁLLÍTOTTA: DEÁK KRISZTIÁN 2013 Az SPM BearingChecker
RészletesebbenTelepítési útmutató a Solid Edge ST7-es verziójához Solid Edge
Telepítési útmutató a Solid Edge ST7-es verziójához Solid Edge Tartalomjegyzék Bevezetés 2 Szükséges hardver és szoftver konfiguráció 3 Testreszabások lementése előző Solid Edge verzióból 4 Előző Solid
RészletesebbenA Statisztika alapjai
A Statisztika alapjai BME A3c Magyar Róbert 2016.05.12. Mi az a Statisztika? A statisztika a valóság számszerű információinak megfigyelésére, összegzésére, elemzésére és modellezésére irányuló gyakorlati
RészletesebbenSzabad formájú mart felületek mikro és makro pontosságának vizsgálata
2018. Január 25-26. 1034 Budapest, Doberdó u. 6. Varga Bálint Témavezető: Dr. Mikó Balázs Szabad formájú mart felületek mikro és makro pontosságának vizsgálata AZ EMBERI ERŐFORRÁSOK MINISZTÉRIUMA UNKP-17-3
RészletesebbenVariancia-analízis (folytatás)
Variancia-analízis (folytatás) 7. elıadás (13-14. lecke) Egytényezıs VA blokk-képzés nélkül és blokk-képzéssel 13. lecke Egytényezıs variancia-analízis blokkképzés nélkül Az átlagok páronkénti összehasonlítása(1)
RészletesebbenPopulációbecslés és monitoring. Eloszlások és alapstatisztikák
Populációbecslés és monitoring Eloszlások és alapstatisztikák Eloszlások Az eloszlás megadja, hogy milyen valószínűséggel kapunk egy adott intervallumba tartozó értéket, ha egy olyan populációból veszünk
RészletesebbenZáróvizsga szakdolgozat. Mérési bizonytalanság meghatározásának módszertana metallográfiai vizsgálatoknál. Kivonat
Záróvizsga szakdolgozat Mérési bizonytalanság meghatározásának módszertana metallográfiai vizsgálatoknál Kivonat Csali-Kovács Krisztina Minőségirányítási szakirány 2006 1 1. Bevezetés 1.1. A dolgozat célja
Részletesebben