SKIK Thot Quality Management Kaposvár június 8.
|
|
- Gergely Orbán
- 6 évvel ezelőtt
- Látták:
Átírás
1
2 Megtiszteltetés, hogy újra Önök között lehetek
3 Tóth Csaba László Szombathely, KLTE, Debrecen, (fém)fizikus : Egyesült Izzó, Tungsram, GE Lighting Hajdúböszörmény, Budapest, K+F : GE Lighting, Six Sigma Black Belt : GE Energy, Six Sigma Black Belt, 5S Vezető, Kaizen Engineer
4 2006. a minőségfejlesztésben elért munkáért egyéni IIASA- Shiba Díj Saját vállalkozás (Thot Quality) Európai Minőségügyi Szervezet (EOQ) MNB: a Hat Szigma, Lean és Stat Szakbizottság társelnök a Választmány tagja Minőség és Megbízhatóság szerkesztőbizottsági tag Magyar Minőség Társaság (MMT): Magyar Minőség legjobb szerzője a Magyar Minőség főszerkesztője 2016 dec-től
5 A Mester emlékének Six Sigma 1987 január 15 Dr. Mikel J. Harry
6 Mindent mérünk, de vajon, tudunk-e? Egy centi, hány centi? Tóth Csaba László
7 Mindent mérünk, de vajon, tudunk-e? Egy centi, hány centi? Tóth Csaba László
8 Prof. Freund Tamás: Ma olyan mennyiségű információ éri az emberi agyat, amelyet nem képes hatékonyan feldolgozni. Kb. 10 ezer évnyi fejlődés kellene, hogy megbirkózzunk a korrekt feldolgozással.
9 Forrás: T-Systems International, sajtóhírek, május 9. Sven Löffler (a T-Systems Üzleti Intelligencia és Big Data üzletfejlesztési igazgatója) : A Big Data-nak három jellemzője van: mennyiség (volume), sebesség (velocity) és változatosság (variety). Erre szoktunk úgy utalni, hogy a 3V. A mennyiség a másodpercenként előállított hatalmas adatözönre vonatkozik. A sebesség azért fontos kérdés, mert az adatok nem halmazokban jönnek, hanem folyamatosan áramolnak. Mindig gyorsabban és gyorsabban kell őket feldolgozni, és lehetőleg valós időben. Végül pedig az egyik legnagyobb kihívást a változatosság jelenti, mert az egyes adatokat strukturálni kell és egymással összefüggésbe hozni, a forrásra való tekintet nélkül. A cél a kontrollálatlan adatfolyamok formázása az értékes információk kinyeréséhez. Ez végső soron hozzásegíthet minket üzleti döntések meghozatalához, és hosszú távú versenyelőnyök megszerzéséhez.
10 Hari Seldon pszichohistória , 1952,
11
12 Végül pedig az egyik legnagyobb kihívást a változatosság jelenti, mert az egyes adatokat strukturálni kell és egymással összefüggésbe hozni, a forrásra való tekintet nélkül. A cél a kontrollálatlan adatfolyamok formázása az értékes információk kinyeréséhez.
13 Mi van akkor, ha meghekkelték az adatainkat? Mi van akkor, ha rosszul mértünk?
14 Menna írnok BC 1400 (IV. Thotmesz, XVIII)
15 Menna írnok BC 1400 (IV. Thotmesz, XVIII) mérés vezető szabvány adatgyűjtő lap mérőeszköz
16 Akik tudtak mérni..
17 Harappa kultúra Pakisztán - BC Ilyent csak azok tudnak alkotni, akik mérni is tudnak!
18 A mérés életünk része Vajon hitelesítve van?
19 Kíváncsiak a véleményünkre.. Mit válaszolsz? Fekete vagy fehér, igen vagy nem?
20 Mérőrendszerek elemzése A rossz minőség költsége (COPQ) és a mérőrendszerek NASA: 1,5 B$ Az optikai távcső hibás Rossz ellenőrző mérőrendszer 250 mm-en 1,6 mm elállítás Hubble Újratervezés, betanulás 1994: Javítás, 200MM$ Élettartam 25% elvesztése
21 A gazdaság, a tőzsde és a mérőrendszerek Termék: egy adott vállalat pénzügyi eredményessége Mérőrendszer: a vállalat pénzügyi szervezete - politika - módszer - szervezet - adatszolgáltatás stb. Mérőrendszer audit: független könyvvizsgáló
22 A gazdaság, a tőzsde és a mérőrendszerek Termék: egy adott vállalat pénzügyi eredményessége Mérőrendszer: a vállalat pénzügyi szervezete - politika - módszer - szervezet - adatszolgáltatás stb Mérőrendszer audit: független könyvvizsgáló
23 Miért végzünk mérőrendszer elemzést? Szabványkövetelmény A menedzsment mániája Szeretnénk megismerni a folyamatainkat
24 Méréses (quantitatív) adatok Itt a vizsgálat tárgyát képező paraméter egy egyértelmű számmal jellemezhető: hőmérséklet [ C, K F, R] hosszúság és a belőle származtatott mennyiségek [m] tömeg [kg] idő [sec] áramerősség [A] fényerősség [kandela cd] anyagmennyiség [mol] szög [radián, szteradián rad, sr]
25 Melyik folyamat a jobb? János folyamata Teljes ingadozás (Észlelt ingadozás) Sári folyamata 2 s észlelt (teljes)
26 A mérés az adatainkba ingadozást visz be Valódi ingadozás Teljes ingadozás János folyamata Sári folyamata 2 2 s Aktuális s Mérőrendszer + = s 2 Észlelt teljes Mérés ingadozása
27 A mérés eltolhatja a mért értéket Valódi átlag Észlelt átlag Átl. Átl. Átl. A mérés eltolása
28 Miért szükséges a mérőrendszer elemzése? Észlelt érték = valódi érték + mérési hiba Teljes ingadozás = termék ingadozás + mérés ingadozása Minimalizálás A mérőrendszer elemzés (MSA) a változók észlelésére használt eszközök és a folyamat kvantitatív értékelése A mérőrendszer-szabályozás az a folyamat, melyet azért hoznak létre, hogy hosszú távon biztosítsák a mérőrendszer elfogadható állapotát. Ezt nevezik gyakran hosszútávú mérőeszköz-terv -nek
29 Mérőrendszerek Mérőeszköz Szabványok Módszerek Állványok, befogók Művelet, üzemeltetés Szoftverek Emberek Környezet Mérési folyamat = gyártási folyamat >>> adatokat eredményez >>> kértékelhető
30 Eltolódás MSA változékonyság Pontosság Stabilitás Linearitás Felbontás Kalibrálás Ismételhetőség Precizitás R&R Reprodukálhatóság
31 Mérőeszköz Eltolódás MSA változékonyság Pontosság Stabilitás Linearitás Felbontás Kalibrálás Ismételhetőség Precizitás R&R Reprodukálhatóság Mérő ember
32 Eszközfejleszté s A vizsgálat tárgyának meghatározása Stabilitás ellenőrzése Felbontás ellenőrzése Eszközfejlesztés IGEN O K? NEM NEM O K? Pontosság ellenőrzése Mérés IGEN IGEN O K? Linearitás ellenőrzése NEM NEM O K? IGEN Előkészület R&R
33 A mérés stabilitása Referencia érték Időskála A mért értékek eltolódása egy referencia értékhez képest az időben
34 A mért értékek eltolódása egy referencia értékhez képest térben Referencia érték C hely B hely A hely
35 Alkalmasak-e a kártyák a 95. jan és 96. aug közötti időszak vizsgálatára? Felvételi Lap Felvételi Lap Rev. 1/25/95 Rev. 8/4/96 Felvételi Lap Felvételi Lap Rev. 4/12/96 Rev. 1/13/96
36 eltolódás van a folyamatban a változékonyság stabil
37 A mérés felbontása A mérőrendszer azon képessége, hogy mennyire tudja detektálni a folyamatban fellépő változásokat Nagyon sok mérőrendszer felbontása nem megfelelő Esetenként olyan mértékegységeket használnak, amelyek túl nagyok ahhoz, hogy megfelelően érzékeljék a fellépő ingadozásokat A mérés esetén a leolvasási pontosság minimum egy tizede legyen a termékspecifikációnak vagy a folyamatingadozásnak
38 A panaszok hány százalékát dolgozták fel a felvételétől számított 24 órán belül? A megadott űrlap: Vevő neve: Panasz felvéve: Válasz kelte: Az ezen űrlappal gyűjtött adatok képesek a kérdés megválaszolására?
39 Megfelelő felbontás Legkisebb egység = 0,001 Nem megfelelő felbontás Legkisebb egység = 0,01
40 Normaitásvizsgálat segítségével egy folyamatmintán A mért értékek oszlopokban vannak, nem folytonosan változnak
41 A mérés pontossága/eltolódás A mérés pontossága (eltolódás) a mérések észlelt átlagértéke és egy mester-érték közti különbség. A mester-érték egy elfogadott, visszakövethető hivatkozási szabvány (referencia standard). Az eltolódás a mérőrendszer szisztematikus hiba komponense eltolódás referencia érték mérési átlag
42 Mérések a "2" referenciaértéken Anderson-Darling Normality Test A-Squared 0,24 P-Value 0,738 Mean 1,9984 StDev 0,0096 Variance 0,0001 Skewness -0,20483 Kurtosis -1,00104 N 20 1,98 1,99 2,00 2,01 Minimum 1,9810 1st Quartile 1,9903 Median 1,9983 3rd Quartile 2,0072 Maximum 2, % Confidence Interval for Mean 1,9940 2, % Confidence Interval for Median 1,9938 2, % Confidence Interval for StDev 0,0073 0, % Confidence Intervals Mean Median 1,9950 1,9975 2,0000 2,0025 2,0050 2,0075 Az intervallum tartalmazza a 2 -t, eltolódás nincs
43 Boxplot of Mérés (with Ho and 95% t-confidence interval for the mean) Ha p > 0,05, akkor nincs eltolódás _ X Ho 1,980 1,985 1,990 1,995 Mérés 2,000 2,005 2,010 2,015 Referencia érték
44 A mérés linearitása A linearitás az eltolódás változásának mértéke a teljes mérési tartományban. Nem tekinthető lineárisnak az a rendszer, ahol az eltolódás mértéke szignifikánsan függ a mérési tartományban elfoglalt helyétől. Egy rendszer akkor is lineáris lehet, ha van benne konstans eltolódás! Az MSA Kézikönyv megköveteli a nulla eltolódást is! eltolódás eltolódás referencia érték referencia érték mérési átlag alsó harmada mérési tartomány mérési átlag felső harmada
45 Lehetséges linearitási állapotok Megfigyelt értékre Eltolódásra
46
47 Mit csináltunk eddig? Eltolódás MSA változékonyság Pontosság Stabilitás Linearitás Felbontás Kalibrálás Ismételhetőség Precizitás R&R Reprodukálhatóság
48 Eltérés a mérési eredményekben Mért termék okozta változás Mérőrendszer okozta változás Ismételhetőség (mérőeszköz) Reprodukálhatóság (operátor-technika) Operátor Operátor - termék kölcsönhatás s 2 total = s 2 termék + s 2 R&R s 2 total = s 2 termék + s 2 ismételhetőség + s 2 reprodukálhatóság s 2 total = s 2 termék + s 2 ism + s 2 operátor +s 2 khatás
49 Az operátor-mintadarab kereszthatás Definició: -Az operátorok közti eltérések nem konzisztensek minden darabra. -Az értékelők közötti eltérés attól függ, melyik darabot mérik. Munkadarabok Operátorok Professzor Kigyúrt Kutatóintézet + - Zongora hordár - + Dr. Nagy Attila
50 A mérés előkészítése Szükségünk van min két mérő emberre Általában 10 egységet mér Olyan minták használatáról kell gondoskodni, amelyek a teljes, de jellemző folyamatingadozást képviselik. (Ez nem jelenti csak a tűréstartományt, és nem sugallja egy kiveszem, amit akarok mintavételi terv használatát.) 3-3 minta a tűréshatárok közelében, 4 minta a specifikáció középső részéből Mindegyik egységet mindegyik operátor 2-3-szor méri Kritikus a véletlenszerűsítés
51 Terminológia Ismételhetőség (Repeatability, EV) : Magának a mérőeszköznek a hozzájárulása az ingadozáshoz Reprodukálhatóság (Reproducibility, AV) : Az operátor-technika általi ingadozás-hozzájárulás Darabról-darabra (Part-to-Part) ingadozás : Az aktuális darabok ingadozása, ami a vizsgált folyamatból származik. Hozzájárulás-% (%Contribution): Egy összetevő vagy összetevők kombinációja által produkált ingadozás, a teljes észlelt ingadozás százalékában kifejezve. Tűrés-% (% Tolerance): Egy összetevő normális eloszlása 99,73%-ára becsült mérési összetevő által elfogyasztott darab-tűrés százaléka osztva a tűréssel (ismert mint precizitás/tűrés arány (Precision to Tolerance Ratio - P/T Ratio néven is) Megkülönböztethető Kategóriák Száma (Number of Distinct Categories ndc): Az észlelt folyamatingadozás azon tartományainak száma, melyeket a mérőrendszer képes megkülönböztetni EV - Equipment variation (berendezés ingadozás), AV - Appraiser variation (értékelõ ingadozás)
52
53
54 A GR&R eredménye a variancia komponensek értékben és %-ban az önálló kategóriák száma
55 A GR&R eredménye a szórás komponensek %-ban a 6*szórás aránya tűrésmezőhöz %-ban StdDev = szórásértékek VarComp
56 A mérőrendszer elfogadhatóságának összegzése Hozzájárulás % Diszkriminációs varianciákra szórásokra index Tűrés % 9% 30% 5 30% 1% 10% 10 10% nem függetlenek egymástól Mindkét paraméter egyaránt fontos, együttesen figyeljük!
57 > 9 > 30
58 A változás 2/3-a a reprodukálhatóságból jön, azon belül is a nagyobb rész az operátor*termék kölcsönhatásból
59 Mérőrendszer gyakorlat Töltsünk meg öt üvegpoharat valameddig vízzel és vegyünk egy vonalzót. A csapatból jelöljünk ki 3 embert, ők lesznek az operátorok. Mérje meg mindegyik ember a vonalzóval a vízszint magasságát legalább kétszer! Elemezzük ki a mérőrendszert!
60 Egy R&R vizsgálat eredménye Problémák az ndc számmal Feltételes elfogadás ELLENTMONDÁS Kiváló megfelelés
61 Diszkriminációs Index: A mérőrendszernek egy adott termékhez való használhatóságát jellemzi. Megadja azon beosztások számát, amelyeket a mérőrendszer pontosan mérni képes a folyamatingadozás mellett. (Mindig a kisebbik egész számot adja meg, 1,92 = 1) Discrim s 2 Part s R & R 2 s s Part R& R 2 0, , ,092 Elfogadhatóság < 2nem alkalmas =2 kalibernek (igen/nem) alkalmas csak = 5 megfelelő >10 előnyös
62 Diszkriminációs Index: A mérőrendszernek egy adott termékhez való használhatóságát jellemzi. Megadja azon beosztások számát, amelyeket a mérőrendszer pontosan mérni képes a folyamatingadozás mellett. (Mindig a kisebbik egész számot adja meg, 1,92 = 1) Discrim s 2 Part s R & R 2 s s Part R& R 2 0, , ,092 Elfogadhatóság < 2nem alkalmas =2 kalibernek (igen/nem) alkalmas csak = 5 megfelelő >10 előnyös
63 ndc 2 s s R 2 R& R % SV % 100 & SV R Part s s Total 2 %SV ndc %SV ndc 0,5 282, , , , , , , , , , , , , , , , , , , , , ,60 0 Dr. Wheeler (2006): Sajnos, az alapján, amit szerző a gyakorlatban tapasztalt, sem a Discrimination Ratio, sem a Classification Ratio nem alkalmas egyszerű gyakorlati mérőszámnak..egyik sem definiálja a (valódi) megkülönböztethető kategóriák számát.
64 Mérőrendszer javítás Elkövethetünk-e hibákat az R&R vizsgálatkor? Van egy mérőeszközünk, amely alkalmas 3 különböző méretű krumpli mérésére. Mindegyik méretű krumpliból van db, és van 2 operátorunk is. Mindegyik operátor leméri kétszer a különböző méretű krumplikat. Először a 30-as, utána az 50-es, legvégül a 110-es méretű krumplik mérésére csinálunk GR&R-t. Kérdés: milyen a mérőrendszer?
65 A 30-as méretű krumplik GR&R-ja
66 A 50-es méretű krumplik GR&R-ja
67 A 110-es méretű krumplik GR&R-ja
68 Jó-e a mérőrendszerem? NEM! "Javítsuk" meg a mérőrendszert! Egyesítsük a három mintát!
69 Az összes krumpli GR&R-ja
70 Mi változott meg? Semmi! Tanulság: A mérőrendszer elemzéshez használt minta kiválasztásánál figyelembe kell venni, ha túl nagy a különbség az egyes mintadarabok között, akkor az ugyanazon darab mérései közötti különbséget elmossa a minták mérete közötti különbség!! Volt ugye egy ajánlásunk a 3-3-4!
71
72 Automata mérőgépeknél az álismétlések is hasonló ereményeket eredményezhetnek, túl jó eredmény! Álismétlés: ugyanazon beállítás mellett többször mérem le ugyanazt a mintát Valódi ismétlés: a két azonos minta mérése között egy egy másik minta vizsgálatát is elvégzem A túlságosan jó eredményeket mindig kritikával kezeljük, mert lehet, hogy a vizsgálat során hibát követtünk el!!
73
74 Minősítéses (attribute) adatok Itt a vizsgálat tárgyáról kategóriákban és nem mért értékekben tudunk gondolkodni, de meg tudjuk számolni, hogy ki hogyan minősítette a vizsgálat tárgyát: jó - nem jó piros - lila sárga? tetszik-e (de mennyire)? mennyire vagyunk elégedtek egy szolgáltatással? egy 10 fokozatú skálán hányasra értékeli a. műsort? az Ön pártpreferenciája? és így tovább.
75 Azaz, MSA a mindennapokban Ne feledjük el a követelményeket! Stabilitás (összehasonlíthatóság miatt) Felbontás (differenciált választ tudjunk adni) Eltolódás (nem könnyű eset) Linearitás (a válasz skála lehetőségei)
76 Lehetséges stabilitási problémák Dolgozói elégedettség mérés Dolgozók értékelése
77 Lehetséges felbontási problémák Dolgozói elégedettség mérés Dolgozók értékelése Vásárlói elégedettség
78 Ön hogyan ítéli meg az Etető Kft. Szolgáltatását? Kiváló Elfogadható Elfogadhatatlan
79
80
81 Lehetséges linearitási problémák Dolgozói elégedettség mérés Dolgozók értékelése Vásárlói elégedettség
82 Egy minősítéses adatokra vonatkozó linearitás példa Rögzítve:
83 Lineáris?
84 Ellenőrizze a felbontás és a linearitást!
85 Ön szerint ez meg micsoda?
86 Mindent kétszer mond, Mindent kétszer mond?
87
88
89 Net Promoter Score (NPS)
90 Nem ugyanazt a mozit nézték?
91 Ha hallod, elfelejted, Ha látod, emlékszel rá, Ha csinálod, megérted! Konfuciusz 孔夫子 i. e. 551 i. e. 479
92 Számíthat ránk! Gyors, ingyenes telefonos segítség: Auditra való felkészítés, korrektív akciók lebonyolítása Mérőrendszerekkel kapcsolatos tréningek: 3 nap Alapstatisztika, SPC, MSA 2 nap Alapstatisztika, MSA 1 nap MSA (alapfokon) Six Sigma Green Belt (6-9 nap) Six Sigma Black Belt (4-6 nap) Dolgozói Javaslati Rendszer kidolgozása 5S bevezetése
93 Köszönöm megtisztelő figyelmüket!
94 Mi kell egy minősítéses R&R-hoz? Legalább 50 munkadarab, amelyek között vannak jók és rosszak, és természetesen tudjuk, hogy mi az attribútumok Szükségünk van legalább 2-3 mérő emberre is Minden munkadarabot ugyanazon eszközzel, ugyanolyan körülmények között lemérnek a mérő emberek A méréseket lehetőleg véletlenszerűen, és nem minta-azonosítható módon végezzék Rendelkezzünk egy megfelelő kiértékelő szoftverrel A vizsgálatot megfelelő folyamat, és MSA ismeretekkel rendelkező szakemberek végezzék
95 Milyen legyen a minta összetétele? Ez függ attól, hogy milyenek a specifikációs határok Egyoldalú határok esetén: Elfogadási tartomány Tűréshatár Elutasítási tartomány 30 % 25 % 25 % 20 % Kétoldalú határok esetén: Elutasítási tartomány TH Elfogadási tartomány Elutasítási tartomány TH 10 % 12,5 % 12,5 % 30 % 12,5 % 12,5 % 10 %
96 MINŐSÍTÉSES GR&R Adataink: igen - nem, jó - rossz, felismerem - nem ismerem fel (a Minitab ordinális sorrendi - skálával is működik)
97 Figyelt, minősítő paraméterek: pontosság # felismert # vizsgált ismételhetőség # azonosmin ősítés # ismételtmin ősítés Teljes R&R = az operátorok által azonosnak minősített minták száma/mintanagyság Teljes R&R&A = az operátorok által azonosnak minősített és a szabvánnyal megegyező minták száma/ mintanagyság
98 ismételhetőség pontosság
99 Teljes R&R = egyezés egymással Teljes R&R&A = egyezés egymással és a szabvánnyal
100
101 A kappa (k) statisztikák Jacob COHEN ( ) statisztikus, pszichológus Két értékelő egyszeri vizsgálata Egy értékelő két vizsgálata Automata mérőgépek képességének ellenőrzése Nem szignifikancia teszt, nincs H 0 Joseph FLEISS ( ) biostatisztikus 1971 Egyetlen módszer, amely több értékelővel tud dolgozni Az értékelők véletlenszerűen választottak, nem fixek Bináris vagy nominális skála (ordinális nem)
102 Lássunk egy példát: Van 10 mintadarabunk = 9 jó + 1 rossz Átküldjük a mérőgépen
103 Minden cellához definiálunk egy várható értéket: Várhatóértékij i _ sorösszeg* j _ oszlopösszeg min tan agyság JJ J _ sorösszeg* J N _ oszlopösszeg 9*6 10 5,4
104 A k index értelmezése Minden hibát felismer: k = 1, egyetlent sem ismer fel k = -1 k Jelentés <0 nincs egyezés igen gyenge egyezés gyenge egyezés közepes egyezés jó egyezés kiváló egyezés
105 Pontosság/Hatékonyság (Effectiveness) = korrekt döntések száma/összes lehetőség esetünkben 0,7 = (6+1)/10 Átengedett rossz arány (Miss Rate) =100(átengedett rossz/az összes rossz) esetünkben 0 = 100*0/1 Hibás riasztás arány (False Alarm Rate) = 100(visszatartott jó/összes jó) esetünkben 33,3 = 100*3/9
106 A mérőrendszer elfogadhatóságának összegzése A vevői elvárások a meghatározóak!
107 Forrás: Vágó Emese: Minősítéses mérőeszközök képességvizsgálata BME, Budapest, 2011 (PhD értekezés - kézirat) Biztosan korrekt ez a módszer? SAJNOS NINCS JOBB!!!
108 Mérőgép képességvizsgálat A c g és c gk jellemzők Minitab: Type 1 Gage Study Elválasztja az eltolódás és az ismételhetőség hatását egymástól Mérőgépek esetén használatos A tűrésmező 20 (10) százalékához hasonlítjuk a hatszoros szórást Szükség van egy referencia értékre is
109 kt 0,2T c g Ls 6s Ahol k: a tűrés %, jellemzően: 20% L: a szórás többszöröse,jellemzően: 6 s: a szórás : a mérések átlaga X ref : a referenciaérték c gu ( xref 0,1T ) L * s 2 x c gl x ( xref 0,1T ) L * s 2 c min c ; c gk gu gl c g > 1,33 c gk legyen c g hez közeli érték
110 Eredmény a Minitab-ban
111 Ismételten köszönöm megtisztelő figyelmüket!
Az R&R vizsgálatok tapasztalatai. Minősítése R&R a mindennapokban. Tóth Csaba László fizikus. Tóth László politológus. és benne egy különlegesség
Az R&R vizsgálatok tapasztalatai és benne egy különlegesség Minősítése R&R a mindennapokban Tóth Csaba László fizikus Tóth László politológus Miért végzünk R&R vizsgálatokat? Szabványkövetelmény A menedzsment
RészletesebbenMinőségirányítási rendszerek 9. előadás
Minőségirányítási rendszerek 9. előadás 013.05.03. MÉRŐESZKÖZÖK MÉRÉSTECHNIKAI TULAJDONSÁGAI Mérőeszköz rendszeres hibája (Systematic Error of Measurement) alatt ugyanannak az értéknek megismételhetőségi
RészletesebbenMSA - mérőrendszer elemzés (MSA - measurement systems analysis)
Mi értünk mérőrendszer alatt? MSA - mérőrendszer elemzés (MSA - measurement systems analysis) Ahhoz, hogy valamilyen termék, folyamatparamétert értékelni, összehasonlítani tudjunk pl.: elvárt értékkel,
RészletesebbenÚJDONSÁGOK A MINITAB STATISZTIKAI SZOFTVER ÚJ KIADÁSÁNÁL (MINITAB 18)
ÚJDONSÁGOK A MINITAB STATISZTIKAI SZOFTVER ÚJ KIADÁSÁNÁL (MINITAB 18) Előadó: Lakat Károly, L.K. Quality Bt. 2017 szeptember 27 EOQ MNB Szakbizottsági ülés Minitab 18 újdonságai Session ablak megújítása
RészletesebbenMÉRÉSTECHNIKA. Előadások (2.) Galla Jánosné
1 MÉRÉSTECHNIKA Előadások (2.) 2014 Galla Jánosné 1. A hiba rendűsége Az 2. előadás témái 2. A mérési módszer hibája 3. Műszerhibák 4. A mérési hibák új megközelítése 5. A járműgyártás metrológiai többletkövetelményei
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
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
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
RészletesebbenEllenőrizze folyamata stabilitását!
Ellenőrizze folyamata stabilitását!, avagy mindig készítsen gyors spc grafikont cp / cpk elemzés előtt Lean Six Sigma projektjében Lean Six Sigma projekt végrehajtása során kevésbé tapasztalt folyamatfejlesztők
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
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
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
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
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
RészletesebbenA dróthúzástól a KAIZEN-ig
A dróthúzástól a KAIZEN-ig okleveles fizikus GE Energy Hungary Prezentáció 2006. május 30. Kilépni a szűk szakmai környezetből Áttekinteni az eddigi életutat Meghatározni az eljövendő feladatait 2/39 3/39
RészletesebbenA menedzsment szerepe a Lean és Six Sigma programok eredményességében
A menedzsment szerepe a Lean és Six Sigma programok eredményességében Van akinek sikerül, van akinek nem Vajon miért? Tóth Csaba László Kezdetben vala.. Thot Quality EOQ MNB 6σ és Lean Szakbizottság 2015.06.03.
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
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
RészletesebbenA Hat Szigma bevezetésének tapasztalatai a Siemens Erőműtechnika Kft-nél
A Hat Szigma bevezetésének tapasztalatai a Siemens Erőműtechnika Kft-nél Sebestyén László 2004. november 16. Rekord nyereséget jelentett a Siemens 2004. november 11. csütörtök, 16:10 Szeptemberben végződött
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
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
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
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
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
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
RészletesebbenKét diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat
Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi fizika és statisztika I. előadás 2016.11.09 Orvosi
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
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
RészletesebbenA leíró statisztikák
A leíró statisztikák A leíró statisztikák fogalma, haszna Gyakori igény az, hogy egy adathalmazt elemei egyenkénti felsorolása helyett néhány jellemző tulajdonságának megadásával jellemezzünk. Ezeket az
RészletesebbenSegítség az outputok értelmezéséhez
Tanulni: 10.1-10.3, 10.5, 11.10. Hf: A honlapra feltett falco_exp.zip-ben lévő exploratív elemzések áttanulmányozása, érdekességek, észrevételek kigyűjtése. Segítség az outputok értelmezéséhez Leiro: Leíró
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
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
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
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
RészletesebbenKutatásmódszertan és prezentációkészítés
Kutatásmódszertan és prezentációkészítés 10. rész: Az adatelemzés alapjai Szerző: Kmetty Zoltán Lektor: Fokasz Nikosz Tizedik rész Az adatelemzés alapjai Tartalomjegyzék Bevezetés Leíró statisztikák I
RészletesebbenPopulációbecslések és monitoring
Populációbecslések és monitoring A becslés szerepe az ökológiában és a vadgazdálkodásban. A becslési módszerek csoportosítása. Teljes számlálás. Statisztikai alapfogalmak. Fontos lehet tudnunk, hogy hány
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
RészletesebbenEgyszempontos variancia analízis. Statisztika I., 5. alkalom
Statisztika I., 5. alkalom Számos t-próba versus variancia analízis Kreativitás vizsgálata -nık -férfiak ->kétmintás t-próba I. Fajú hiba=α Kreativitás vizsgálata -informatikusok -építészek -színészek
RészletesebbenMéréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ)
Méréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ) KÉSZÍTETTE: DR. FÜVESI VIKTOR 2016. 10. Mai témáink o A hiba fogalma o Méréshatár és mérési tartomány M é r é s i h i b a o A hiba megadása o A hiba
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
RészletesebbenMatematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók
Matematikai alapok és valószínőségszámítás Középértékek és szóródási mutatók Középértékek A leíró statisztikák talán leggyakrabban használt csoportját a középértékek jelentik. Legkönnyebben mint az adathalmaz
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.
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
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)
RészletesebbenKorreláció és lineáris regresszió
Korreláció és lineáris regresszió Két folytonos változó közötti összefüggés vizsgálata Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi Fizika és Statisztika I. előadás 2016.11.02.
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
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
RészletesebbenPopulációbecslések és monitoring
Populációbecslések és monitoring A becslés szerepe az ökológiában és a vadgazdálkodásban. A becslési módszerek csoportosítása. Teljes számlálás. Statisztikai alapfogalmak. Fontos lehet tudnunk, hogy hány
RészletesebbenKalibráló készülékek. Height Master Oldal 343. Check Master Oldal 347. Kalibráló eszközök Oldal 352
Kalibráló készülékek Height Master Oldal 343 Check Master Oldal 347 Kalibráló eszközök Oldal 352 342 Digitális Height Master Funkciók ZERO/ABS DATA / HOLD Auto kikapcsolás (< 20 perc) Riasztás alacsony
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
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)
Részletesebben17. Folyamatszabályozás módszerei
17. Folyamatszabályozás módszerei 200. Egyéb módszerek A folyamatszabályozás alapjai Minőségképesség-elemzés Mérőeszköz-képességelemzés Ellenőrzőkártyák Bedzsula Bálint 249 215. Mérőeszköz-képességelemzés
RészletesebbenMérés szerepe a mérnöki tudományokban Mértékegységrendszerek. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem
Mérés szerepe a mérnöki tudományokban Mértékegységrendszerek Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem Alapinformációk a tantárgyról a tárgy oktatója: Dr. Berta Miklós Fizika és
RészletesebbenBAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési adatok feldolgozása A mérési eredmény megadása A mérés dokumentálása A vállalati mérőeszközök nyilvántartása 2 A mérés célja: egy
Részletesebben4. A mérések pontosságának megítélése
4 A mérések pontosságának megítélése 41 A hibaterjedési törvény Ha egy F változót az x 1,x,x 3,,x r közvetlenül mért adatokból számítunk ki ( ) F = F x1, x, x3,, x r (41) bizonytalanságát a hibaterjedési
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
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
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
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
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
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
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.
RészletesebbenLINEÁRIS REGRESSZIÓ (I. MODELL) ÉS KORRELÁCIÓ FELADATOK
LINEÁRIS REGRESSZIÓ (I. MODELL) ÉS KORRELÁCIÓ FELADATOK 2004 november 29. 1.) Lisztbogarak súlyvesztése 9 lisztbogár-csapat súlyát megmérték, (mindegyik 25 bogárból állt, mert egyenként túl kis súlyúak
RészletesebbenQualcoDuna jártassági vizsgálatok - A 2014. évi program rövid ismertetése
QualcoDuna jártassági vizsgálatok - A 2014. évi program rövid ismertetése Szegény Zsigmond WESSLING Közhasznú Nonprofit Kft., Jártassági Vizsgálati Osztály szegeny.zsigmond@qualcoduna.hu 2014.01.21. 2013.
RészletesebbenMÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI
MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk
RészletesebbenEgymintás próbák. Alapkérdés: populáció <paramétere/tulajdonsága> megegyezik-e egy referencia paraméter értékkel/tulajdonsággal?
Egymintás próbák σ s μ m Alapkérdés: A populáció egy adott megegyezik-e egy referencia paraméter értékkel/tulajdonsággal? egymintás t-próba Wilcoxon-féle előjeles
RészletesebbenALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN!
A1 A2 A3 (8) A4 (12) A (40) B1 B2 B3 (15) B4 (11) B5 (14) Bónusz (100+10) Jegy NÉV (nyomtatott nagybetűvel) CSOPORT: ALÁÍRÁS: ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN! 2011. december 29. Általános tudnivalók:
RészletesebbenIndikátorok alkalmazása a labordiagnosztikai eljárások minőségbiztosításában
Indikátorok alkalmazása a labordiagnosztikai eljárások minőségbiztosításában Minőségi indikátorok az analitikai szakaszban Dr. Kocsis Ibolya Semmelweis Egyetem Laboratóriumi Medicina Intézet Központi Laboratórium
RészletesebbenSzıdy Noémi Fekete Öves Tóth Csaba László Fekete Öves április 12.
Six Sigma Workshop Szıdy Noémi Fekete Öves Tóth Csaba László Fekete Öves 202. április 2. . Példa Ön egy biztonságtechnikai terméket gyárt, szerel össze. A készterméket vevıje külföldrıl, on-line ellenırzi.
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
RészletesebbenStatisztikai módszerek 7. gyakorlat
Statisztikai módszerek 7. gyakorlat A tanult nem paraméteres próbák: PRÓBA NEVE Illeszkedés-vizsgálat Χ 2 próbával Homogenitás-vizsgálat Χ 2 próbával Normalitás-vizsgálataΧ 2 próbával MIRE SZOLGÁL? A val.-i
RészletesebbenElőadások (1.) ÓE BGK Galla Jánosné, 2011.
Előadások (1.) 2011. 1 Metrológiai alapfogalmak Mérési módszerek Mérési folyamat Mértékegységek Etalonok 2 Metrológiai alapfogalmak 3 A mérendő (mérhető) mennyiség előírt hibahatárokon belüli meghatározása
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 -
RészletesebbenKabos: Statisztika II. ROC elemzések 10.1. Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.
Kabos: Statisztika II. ROC elemzések 10.1 ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás szóhasználatával A riasztóberendezés érzékeli, ha támadás jön, és ilyenkor riaszt. Máskor nem. TruePositiveAlarm:
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
RészletesebbenA klasszikus mechanika alapjai
A klasszikus mechanika alapjai FIZIKA 9. Mozgások, állapotváltozások 2017. október 27. Tartalomjegyzék 1 Az SI egységek Az SI alapegységei Az SI előtagok Az SI származtatott mennyiségei 2 i alapfogalmak
RészletesebbenMiben különbözik a tranzakcionális Hat szigma a gyártásitól?
Miben különbözik a tranzakcionális Hat szigma a gyártásitól? Sződy Noémi EOQ Hat szigma szakbizottság 2011. Március 1. 1 Relevancia Működő vállalkozások száma Magyarországon ~ 700 ezer Szolgáltatóipar
RészletesebbenKÖVETKEZTETŐ STATISZTIKA
ÁVF GM szak 2010 ősz KÖVETKEZTETŐ STATISZTIKA A MINTAVÉTEL BECSLÉS A sokasági átlag becslése 2010 ősz Utoljára módosítva: 2010-09-07 ÁVF Oktató: Lipécz György 1 A becslés alapfeladata Pl. Hányan láttak
RészletesebbenI. BESZÁLLÍTÓI TELJESÍTMÉNYEK ÉRTÉKELÉSE
I. BESZÁLLÍTÓI TELJESÍTMÉNYEK ÉRTÉKELÉSE Komplex termékek gyártására jellemző, hogy egy-egy termékbe akár több ezer alkatrész is beépül. Ilyenkor az alkatrészek általában sok különböző beszállítótól érkeznek,
RészletesebbenSTATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai
Változékonyság (szóródás) STATISZTIKA I. 5. Előadás Szóródási mutatók A középértékek a sokaság elemeinek értéknagyságbeli különbségeit eltakarhatják. A változékonyság az azonos tulajdonságú, de eltérő
RészletesebbenBiostatisztika Összefoglalás
Biostatisztika Összefoglalás A biostatisztika vizsga A biostatisztika vizsga az Orvosi fizika és statisztika I. fizika vizsgájával egy napon történik. A vizsga keretében 30 perc alatt 0 kérdésre kell válaszolni
RészletesebbenMÉRÉSTECHNIKA. BME Energetikai Gépek és Rendszerek Tanszék Fazekas Miklós (1) márc. 1
MÉRÉSTECHNIKA BME Energetikai Gépek és Rendszerek Tanszék Fazekas Miklós (1) 463 26 14 16 márc. 1 Méréstechnikai alapfogalmak CÉL Mennyiségek mérése Fizikai mennyiség Hosszúság L = 2 m Mennyiségi minőségi
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
RészletesebbenJó döntések a biztonságos mérésekért
Jó döntések a biztonságos mérésekért Fejlõdés Kiválasztás Installálás Kalibrálás Kiváló mûködés www.mt.com/gwp További információ Mettler-Toledo Magyarország 1139 Budapest, teve u. 41. Tel: 0036 1 288-4040
Részletesebben8. A mérıeszközök képességvizsgálata 1
8. A mérıeszközök képességvizsgálata 1 A vizsgálat célja annak megállapítása, hogy a használt mérıeszköz elég kis hibával használható-e ahhoz, hogy vele a folyamatról információt szerezzünk. Az AIAG (Automotive
RészletesebbenVizsgálati jegyzőkönyvek általános felépítése
Vizsgálati jegyzőkönyvek általános felépítése 1. Intézményi és személyi adatok 1. Megbízó intézmény neve és címe 2. Megbízó képviselőjének neve és beosztása 3. A vizsgáló intézmény illetve laboratórium
RészletesebbenA napenergia magyarországi hasznosítását támogató új fejlesztések az Országos Meteorológiai Szolgálatnál
A napenergia magyarországi hasznosítását támogató új fejlesztések az Országos Meteorológiai Szolgálatnál Nagy Zoltán, Tóth Zoltán, Morvai Krisztián, Szintai Balázs Országos Meteorológiai Szolgálat A globálsugárzás
RészletesebbenDiszkriminancia-analízis
Diszkriminancia-analízis az SPSS-ben Petrovics Petra Doktorandusz Diszkriminancia-analízis folyamata Feladat Megnyitás: Employee_data.sav Milyen tényezőktől függ a dolgozók beosztása? Nem metrikus Független
RészletesebbenBiometria gyakorló feladatok BsC hallgatók számára
Biometria gyakorló feladatok BsC hallgatók számára 1. Egy üzem alkalmazottainak megoszlása az elért teljesítmény %-a szerint a következı: Norma teljesítmény % Dolgozók száma 60-80 30 81-90 70 91-100 90
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
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.
RészletesebbenGazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Faktoranalízis előadás. Kvantitatív statisztikai módszerek
Faktoranalízis 6.-7. előadás Kvantitatív statisztikai módszerek Faktoranalízis Olyan többváltozós statisztikai módszer, amely adattömörítésre, a változók számának csökkentésére, az adatstruktúra feltárására
RészletesebbenNemzetközi Mértékegységrendszer
Nemzetközi Mértékegységrendszer 1.óra A fizika tárgya, mérés, mértékegységek. Fűzisz Természet Fizika Mérés, mennyiség A testek, anyagok bizonyos tulajdonságait számszerűen megadó adatokat mennyiségnek
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
RészletesebbenKutatásmódszertan és prezentációkészítés
Kutatásmódszertan és prezentációkészítés 8. rész: Statisztikai eszköztár: Alapfokú statisztikai ismeretek Szerző: Kmetty Zoltán Lektor: Fokasz Nikosz Nyolcadik rész Statisztikai eszköztár: Alapfokú statisztikai
RészletesebbenOrvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN
Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN (Babbie) 1. Konceptualizáció 2. Operacionalizálás 3. Mérés 4. Adatfeldolgozás 5. Elemzés 6. Felhasználás KUTATÁS LÉPÉSEI 1. Konceptualizáció 2. Operacionalizálás
RészletesebbenAz első számjegyek Benford törvénye
Az első számjegyek Benford törvénye Frank Benford (1883-1948) A General Electric fizikusa Simon Newcomb (1835 1909) asztronómus 1. oldal 2. oldal A híres arizonai csekk sikkasztási eset http://www.aicpa.org/pubs/jofa/may1999/nigrini.htm
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:
RészletesebbenA Hat Szigma képzés tapasztalatai
A Hat Szigma képzés tapasztalatai Tóth Csaba László okleveles fizikus Hat Szigma Fekete Öves IIASA-Shiba Minőségdíjas Thot Quality Management 978. KLTE TTK fizikus 978. EIVRT Alkatrészgyár Hajdúböszörmény
RészletesebbenFolyamatmenedzsment és kulcs folyamatmutatók az egészségügyben
Folyamatmenedzsment és kulcs folyamatmutatók az egészségügyben Tóth Csaba László Motivációk Ismeretkutatás Ki a vevő? A minőség költsége Mutatószámok Tapasztalataim Mi a teendő? Javaslataim Egy eset Kockázatelezmés
Részletesebben