17. Folyamatszabályozás módszerei

Hasonló dokumentumok
Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

Minőségellenőrzés. Miről lesz szó? STATISZTIKAI FOLYAMATSZABÁLYOZÁS (SPC) Minőségszabályozás. Mikor jó egy folyamat? Ellenőrzés Szabályozás

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

Budapesti Műszaki és Gazdaságtudományi Egyetem

Kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése

Tájékoztató. Normális (Gauss-) eloszlás. Következtetés hibái. Mintavételi alapelvek. Minőségmenedzsment módszerek (SPC) 3σmás szabály.

4. A méréses ellenırzı kártyák szerkesztése

Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével

Hanthy László Tel.:

Statistical Process Control (SPC), Statisztikai Folyamatszabályozás

Minőségirányítási rendszerek 9. előadás

MINŐSÉGÜGYI STATISZTIKAI MÓDSZEREK. Dr. Drégelyi-Kiss Ágota ÓE BGK

[Biomatematika 2] Orvosi biometria

Kockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

Hat Szigma Zöldöves Tanfolyam Tematikája

6. Előadás. Vereb György, DE OEC BSI, október 12.

MSA - mérőrendszer elemzés (MSA - measurement systems analysis)

Kontrol kártyák használata a laboratóriumi gyakorlatban

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

17. Folyamatszabályozás módszerei

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Kockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Kosztyán Zsolt Tibor Katona Attila Imre

Populációbecslések és monitoring

Mérési hibák

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

Bevezetés a hipotézisvizsgálatokba

Populációbecslések és monitoring

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

Kísérlettervezés alapfogalmak

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Indikátorok alkalmazása a labordiagnosztikai eljárások minőségbiztosításában

Elemi statisztika fizikusoknak

TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58

III. Képességvizsgálatok

földtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet

A Statisztika alapjai

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

Kettőnél több csoport vizsgálata. Makara B. Gábor

Kísérlettervezés alapfogalmak

I. GÉPKÉPESSÉG-VIZSGÁLAT

IATF 16949:2016 szabvány fontos kapcsolódó kézikönyvei (5 Core Tools):

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

y ij = µ + α i + e ij

Több valószínűségi változó együttes eloszlása, korreláció

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

Függetlenségvizsgálat, Illeszkedésvizsgálat

Statisztika elméleti összefoglaló

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

Biometria gyakorló feladatok BsC hallgatók számára

A maximum likelihood becslésről

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Hipotézis vizsgálatok

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás

A valószínűségszámítás elemei

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Hipotézis vizsgálatok

[Biomatematika 2] Orvosi biometria

Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef.

Minőségelmélet kommunikációs dosszié MINŐSÉGELMÉLET. Anyagmérnök mesterképzés (MsC) Tantárgyi kommunikációs dosszié

Többváltozós lineáris regressziós modell feltételeinek

KÖVETKEZTETŐ STATISZTIKA

A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra

Termelés- és szolgáltatásmenedzsment

Adatok statisztikai értékelésének főbb lehetőségei

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

Kiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157.

Biomatematika 2 Orvosi biometria

Statisztika Elıadások letölthetık a címrıl

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Normális eloszlás tesztje

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Kabos: Statisztika II. ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.

Folyadékszcintillációs spektroszkópia jegyz könyv

MINİSÉGSZABÁLYOZÁS. Dr. Drégelyi-Kiss Ágota

Méréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ)

STATISZTIKAI MÓDSZEREK ALKALMAZÁSA SZABVÁNYOK ÁTTEKINTÉSE (ISO TC 69)

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Kutatásmódszertan és prezentációkészítés

KÖZPONTI STATISZTIKAI HIVATAL. Szóbeli vizsgatevékenység

Biomatematika 2 Orvosi biometria

Átírás:

17. Folyamatszabályozás módszerei 200. Egyéb módszerek A folyamatszabályozás alapjai Minőségképesség-elemzés Mérőeszköz-képességelemzés Ellenőrzőkártyák Bedzsula Bálint 249

215. Mérőeszköz-képességelemzés Menedzseri döntések mérésből származó adatokból Ha nem bízhatunk az adatok pontosságában, ill. folyamatosan (önkényesen) megkérdőjelezzük azt, csökken a vállalat versenyképessége Megoldás: A mérési rendszerek rendszeres karbantartásával, elemzésével felmérhetjük a mérési rendszerek pontosságát, az adott mérési feladatra való alkalmasságát. R&R, ismételhetőség és reprodukálhatóság vizsgálat Bedzsula Bálint 301

216. Mérőeszköz-képességelemzés Mérési rendszer: a mérőeszközök, a környezet, a mérést végző személy(ek), a mérési módszer, eljárás, a mért alkatrészek stb. összessége Mérési rendszer jellemzői: Pontosság:egy mérési rendszerre akkor mondhatjuk, hogy pontos, ha a mért értékek középértéke megegyezik a mért jellemző valódi méretével. Felbontás:a mérési rendszer felbontása alatt azt a legkisebb különbséget értjük, amit konzekvensen képes érzékelni. Kijelző felbontása:az a legkisebb különbség, amit a mérőeszköz képes kijelezni. Bedzsula Bálint 302

216. Mérőeszköz-képességelemzés Mérési rendszer jellemzői (2): Stabilitás:egy mérési rendszerre akkor mondhatjuk, hogy stabil, ha a méréseket különböző időközönként megismételve azonos eredményt kapunk. Ismételhetőség:az a mérési eredményekben levő változékonyság, ingadozás, amit akkor kapunk, ha ugyanazt az alkatrészt, ugyanaz a személy, ugyanolyan körülmények között többször megmér. Reprodukálhatóság:a mérési eredmények középértékei (átlaga) közötti változékonyság, ingadozás, amit akkor kapunk, ha ugyanazt az alkatrészt, ugyanolyan körülmények között különböző személyek mérik meg. Bedzsula Bálint 303

216. Mérőeszköz-képességelemzés R&R vizsgálat: Ismételhetőség és reprodukálhatóság vizsgálat Cél: a mért értékek közötti ingadozást, a szórást befolyásoló hatásokat igyekszünk számszerűsíteni mérőeszközök tervezett mérési feladatra való alkalmasságának megítélése eszközök folyamatos figyelése mérési bizonytalanság megítélése mérési hiba fonásainak feltárása készülékek ill. módszerek összehasonlítása kezelőszemélyzet alkalmasságának megítélése Bedzsula Bálint 304

216. Mérőeszköz-képességelemzés R&R vizsgálat: Módszer: a vizsgálattal az alábbi hatásokat (szórásokat) igyekszünk megbecsülni: az alkatrészek közötti különbség; a mérés ismétlésekor a mérőeszköz jellegétől függően minden kezelő véletlen mérési hibákat követ el, ez határozza meg a mérés ismételhetőségét; a kezelők ügyessége, figyelmessége, tapasztalata, munkájuk megbízhatósága is különböző lehet, ez határozza meg a mérés reprodukálhatóságát; lehetséges, hogy egyes kezelők a különböző alkatrészeket különböző hibával képesek mérni, vagyis kölcsönhatáslehet a kezelő és az alkatrész között. Bedzsula Bálint 305

216. Mérőeszköz-képességelemzés R&R vizsgálat: Az ingadozás forrásai: Mérési eredmények eltérése Alkatrészek közötti különbség Mérőrendszer által okozott különbség Ismételhetőség Reprodukálhatóság Kezelők Kezelők és alkatrészek közötti kölcsönhatás Bedzsula Bálint 306

217. Mérőeszköz-képességelemzés R&R vizsgálat: Az ingadozás forrásai: σ = σ + σ 2 teljes 2 mérés 2 alkatrész σ = σ + σ 2 ism 2 mérés 2 reprod σ 2 reprod = σ + σ 2 kezelő 2 alkatrész kezelő Bedzsula Bálint 307

217. Mérőeszköz-képességelemzés R&R vizsgálat: Terjedelem- vagy ANOVA-módszer Meghatározása: &%= éé 100 Értékelés: R&R% Minősítés > 30% Nem elfogadható 10%<R&R%<30% Feltételesen elfogadható < 10% Megfelelő Bedzsula Bálint 308

Mérőeszköz-képességelemzés R&R vizsgálat példa: Mérés: Két alkalmazott 8 alkatrész 3-szor ismételték Terjedelem-módszer segítségével Ismételhetőség és reprodukálhatóság hibája? R&R%? Bedzsula Bálint 309

Mérőeszköz-képességelemzés R&R vizsgálat példa: A terjedelmek átlaga: =3,796 Ismétlések szórásának becslése: = =1,693 2,242 Teljes szórás becslése: -mintaelemszámtól függő konstans #$%&$ '(. /0 +,+ 1,1 8,253 Az ismételhetőség hibája: 45% 1007,38% 310

Mérőeszköz-képességelemzés R&R vizsgálat példa: A terjedelmek átlaga: 9,998 =2,534 A mérés szórásának becslése: é7é = =3,945 -mintaelemszámtól függő konstans 311

Mérőeszköz-képességelemzés R&R vizsgálat példa: A reprodukálások szórása: é7é 8 7$97: 7$97: 3,945,2,242 10,53 7$97: 3,245 A reprodukálhatóság hibája: 45;<% =>? 10015,45% A mérés R&R hibája: &% é7é #$%&$ 10022,85% Bedzsula Bálint 312

217. Folyamatok szabályozása A (vég)termék minőségellenőrzése helyett a selejt elkerülése, megelőzése a cél: Végtermék vizsgálata vagy a résztermékek ellenőrzése nem hatékony Idő-és energiapocséklás olyan termékekre, szolgáltatásokra, melyek nem megfelelőek Megelőzés stratégiája 1920-as évek Shewhart: alapgondolatok Veszélyes és véletlen hiba Megkülönböztetésükre ellenőrzőkártya Bedzsula Bálint 313

217. Ellenőrzőkártya Alapgondolatai: A folyamat jellemzőinek mintavételes figyelése Segítségével elkülöníthető a normál és a veszélyes zavarhatás alatti állapot Ismert elméleti eloszlás értéktartomány, amiben adott valószínűséggel vannak az értékek Beavatkozási határon kívülre esikveszélyes zavar jelenléte Döntésihibák (@,A) hipotézisvizsgálat UCL/FBH CL/középvonal LCL/ABH Grafikus ábrázolás felismerés 314 + minta sorszáma

218. Ellenőrzőkártya A fejlesztés logikai modellje: adatgyűjtés, szabályozás, elemzés fázisai Döntés a beavatkozásról A szabályozott jellemző és a beavatkozási határok egybevetése Szabályozott jellemző képzése Beavatkozás a technológiai folyamat belső törvényszerűségeinek ismeretében Technológiai és/vagy termékjellemző mérése Ember Anyag Módszer Gép Eszköz Környezet Bedzsula Bálint 315

219. Ellenőrzőkártya A fejlesztés logikai modellje: adatgyűjtés, szabályozás, elemzés fázisai Adatgyűjtés:a folyamat vagy termék adatait összegyűjtjük, és olyan formába alakítjuk át, hogy az ellenőrzőkártyán ábrázolható legyen. Szabályozás: az adatok alapján kiszámítjuk a beavatkozási határokat, és berajzoljuk őket a kártyákra. Rendszeresen mintát veszünk a folyamatból, az adatokat összevetjük a beavatkozási határokkal. Ha veszélyes zavarok vannak jelen, a folyamatot tovább kell tanulmányozni annak megállapítására, hogy mi okozta az eltérést. Elemzés és fejlesztés: Miután az összes veszélyes zavarral foglalkoztunk és a folyamat statisztikailag szabályozottan működik, az ellenőrzőkártyát a folyamat megfigyelésére használjuk. Az így összegyűlt adatokat felhasználhatjuk a folyamatképesség meghatározására. Ha nem képes, akkor a folyamatot kell tanulmányozni, és jellemzően menedzseri beavatkozás szükséges a rendszer fejlesztése érdekében. 316

Ellenőrzőkártya A kártyák működésének elvi alapjai + USL/FTH UCL/FBH CL/középvonal LCL/ABH LSL/ATH minta sorszáma Bedzsula Bálint 317

Ellenőrzőkártya A kártyák működésének elvi alapjai CL (Center Line): középvonal UCL/LCL (Upper/LowerControlLimit): felső/alsó beavatkozási határ számoljuk! USL/LSL (Upper/LowerSpecificationLimit): felső/alsó specifikációs/tűrés-határ adott! Bedzsula Bálint 318

219. Ellenőrzőkártya Az ellenőrzőkártyák használatának előnyei: Az ellenőrzőkártya növeli a termelékenységet Az ellenőrzőkártya hatásos a nem megfelelőség megelőzésében Az ellenőrzőkártya megakadályozza a felesleges folyamat (gép) állítgatásokat Az ellenőrzőkártya információt ad a folyamat (gép) állapotáról Az ellenőrzőkártya információt szolgáltat a folyamatképesség elemzésekhez Bedzsula Bálint 319

220. Ellenőrzőkártya Ellenőrzőkártyák fajtái Méréses kártyák egyedi érték kártya átlag, médián kártya szórás, terjedelem kártya Minősítéses kártyák np-kártya(selejtszám) c-kártya(hibaszám) p-kártya(selejtarány) u-kártya(fajlagos hibaszám) Egyéb speciális kártyák 320

Következtetés hibái Sokaság jó rossz A minta minősítése a sokaságról jó rossz Nincs hiba ε Elsőfajú hiba α Másodfajú hiba β Nincs hiba e Emlékeztető!? Bedzsula Bálint 321

Következtetés hibái α/2 β ABH FBH α/2 Emlékeztető!? Bedzsula Bálint 322

Ellenőrzőkártya Kártyák tervezése meghatározzuk a mintavételezés módját és a beavatkozási határokat Elvi menete: Szükséges alapadatok: A célállapot statisztikai jellemzői A döntési hibák (α, β) β-hoz tartozó alternatív (zavar) állapot statisztikai jellemzői Számolandó: n mintaszám ABH, FBH beavatkozási határok Bedzsula Bálint 323

220. Ellenőrzőkártya Kártyák tervezése Gyakorlati menete: Szükséges alapadatok: A célállapot statisztikai jellemzői Elsőfajú hiba (α) Mintaszám (n) β-hozkapcsolódó alternatív (zavar) állapot statisztikai jellemzői Számolandó: ABH, FBH beavatkozási határok Másodfajú hiba (β) 3σ-ásmodell Bedzsula Bálint 324

Feladat -volt Egy szabályozott gyártási folyamatban a kritikus minőségi jellemző µ 0 =3,1 cm 3, σ 0 =0,08 cm 3 normális eloszlást követ. a.) Számolja ki a µ 0 ±2σ 0 beavatkozási határok esetén n=1elemű mintavétel mellett az elsőfajú hiba valószínűségét! b.) Mekkora a másodfajú hiba valószínűsége, ha a várható érték µ 1 =3,3 cm 3 -re változott? Emlékeztető!? Bedzsula Bálint 325

Feladat -volt α/ 2 n = 1 β ABH=2,94 cm 3 µ 0 =3,1 µ 1 =3,3 α/ 2 P(ξ 0 <ABH) = 2,94 3,1 Φ = 0,08 =Φ(-2) = 2,28% β=p(abh<ξ 1 <FBH) FBH=3,26 cm 3 3,26 3,3 2,94 3,3 Φ Φ = 0,08 0,08 Φ 0,5 Φ 4,5 = 1 0, 6915 ( ) ( ) = α = 2 2,28 = 4,56% = 30,85% Emlékeztető!? Bedzsula Bálint 326

217. Méréses ellenőrzőkártyák Mért értékek alapján Hasznos, mert: széles körben alkalmazhatók; nagyobb információtartalom; mérési költség alacsonyabb lehet; a darabok gyártása és a javító beavatkozás közötti idő gyakran lerövidíthető; méréses adatokkal egy folyamat teljesítménye elemezhető és a fejlődés mennyiségileg meghatározható. Bedzsula Bálint 327

222. Méréses ellenőrzőkártyák Alkalmazásának módjai: előzetes adatfelvétel gyártásközi ellenőrzés külső előírások Páronként használjuk őket az ingadozás mértéke és a középérték helyzete (normális eloszlás két paramétere: μ;σ) átlag-terjedelem kártya Bedzsula Bálint 328

223. Átlag-terjedelem kártya Alkalmazásának lépései: A kártya alkalmazásának előkészítése Adatgyűjtés a folyamat paramétereinek becslésére Az ellenőrzőkártyák elkészítése Beavatkozási határok kiszámítása Értelmezés a folyamatszabályozás szempontjából Gyártásközi ellenőrzés Bedzsula Bálint 329

221. Átlag-terjedelem kártya Terjedelem és átlag: = + BC +. Szórás becslése: D = + = 0. +. &/0 & ahol a mintaelemszámtól függő konstans E = ahol = 0 Bedzsula Bálint 330

213. Átlag-terjedelem kártya Átlag-kártya szerkesztése: FG C =+ = 1 I J+ + az i. minta átlaga, m a minták száma KFG C =+ +L M/ E1 =+ +L M/ GFG C =+ L M/ E1 =+ L M/ 1 331 1

221. Átlag-terjedelem kártya Átlag-kártya szerkesztése: a ±3σhatárok alapján L M/ =3 KFG C =+ + 3 1 =+ +O GFG C =+ 3 külső előírás: 1 =+ O KFG C =P+ 3 1 Bedzsula Bálint 332

221. Átlag-terjedelem kártya Terjedelem-kártya szerkesztése: FG = = 1 I J a beavatkozási határok ±3σ esetén: KFG =+3E =+3 Q = 1+3 Q =R S GFG = 3E =R Q Bedzsula Bálint 333 =

Átlag-terjedelem kártya Példa: pörköltkávé-adagoló automata töltötte csomagokból fél óránként 5 elemű mintát i mintaelem átlag R veszünk és megmérjük a tömegüket! 1 251.25 249.67 250.15 250.22 249.30 250.118 1.950 2 247.56 249.84 251.04 249.47 250.25 249.632 3.480 3 251.47 250.23 250.07 250.12 250.37 250.452 1.400 4 249.35 249.77 249.29 250.92 250.44 249.954 1.630 5 249.09 251.09 248.14 248.51 250.90 249.546 2.950 6 251.59 248.13 250.06 248.92 252.09 250.158 3.960 7 250.61 249.55 249.23 249.61 251.39 250.078 2.160 8 249.95 247.74 249.40 248.88 249.16 249.026 2.210 9 247.74 249.42 249.59 251.59 250.36 249.740 3.850 10 247.89 250.65 249.61 249.08 248.72 249.190 2.760 11 249.26 250.08 251.22 250.08 250.26 250.180 1.960 12 249.83 249.46 248.83 251.56 249.16 249.768 2.730 13 250.36 250.10 251.68 250.36 248.78 250.256 2.900 14 250.71 250.26 250.18 249.47 250.72 250.268 1.250 15 250.50 252.36 251.52 249.91 250.75 251.008 2.450 16 250.11 250.87 249.31 249.93 249.63 249.970 1.560 17 248.81 249.65 248.08 250.57 251.48 249.718 3.400 18 249.90 249.81 250.59 250.38 250.74 250.284 0.930 19 250.88 249.79 249.85 250.11 250.61 250.248 1.090 20 249.27 248.61 250.64 249.43 249.60 249.510 2.030 átl. 249.955 2.333 Bedzsula Bálint 334 Kemény Sándor: Statisztikai minőség-(megfelelőség-) szabályozás

Átlag-terjedelem kártya Példa: + =249,955 =2,333 Átlag-kártya paraméterei: FG C =+ =249,955 KFG C =+ +O =249,955+0,577 2,333= =251,301 GFG C =+ O =249,955 0,577 2,333= = 248,609 335 Kemény Sándor: Statisztikai minőség-(megfelelőség-) szabályozás

Átlag-terjedelem kártya Példa: + =249,955 =2,333 Terjedelem- kártya paraméterei: FG = =2,333 KFG T =D S =2,114 2,333=4,932 LFG T =D Q =0 2,333=0 Kemény Sándor: Statisztikai minőség-(megfelelőség-) szabályozás 336

Átlag-terjedelem kártya Példa: Bedzsula Bálint 337 Kemény Sándor: Statisztikai minőség-(megfelelőség-) szabályozás

Átlag-terjedelem kártya Példa: Egy boradagoló automata töltötte palackokból a nyolcórás műszak alatt félóránként 3 elemű mintát veszünk és megmérjük a betöltött térfogatukat. A gyártósor mellől az alábbi eredményeket kaptuk (az első 5 minta): xx =750,0 =1,0 Minta 1. 2. 3. 4. 5. + YI Q 750,6 749,6 749,8 749,8 749,6 YI Q 0,8 1,2 0,6 1,4 0,8 Készítsen méréses ellenőrzőkártyát az adatok segítségével! (számoljon 1 tizedes jegy pontossággal!) Bedzsula Bálint 338

Átlag-terjedelem kártya Példa: adottak: Bedzsula Bálint 339

Átlag-terjedelem kártya Példa: átlag-kártya: KFG C =+ +O =75081,023 1751 GFG C +,O 750,1,023 1749 UCL=751 CL=750 LCL=749 340

Átlag-terjedelem kártya Példa: terjedelem-kártya: KFG T =D S 2,574 12,574 GFG D Q 0 10 UCL=2,6 CL=1 LCL=0 341

Átlag-terjedelem kártya Feladat! Egy söradagoló automata töltötte palackokból a nyolcórás műszak alatt félóránként 3 elemű mintát veszünk és megmérjük a betöltött térfogatukat. A gyártósor mellől az alábbi eredményeket kaptuk (az első 5 minta): xx =500,0 Z =1,0 Minta 1. 2. 3. 4. 5. + [YI 3 \ 500,6 499,6 499,8 499,8 499,6 [YI 3 \ 0,8 1,2 0,6 1,4 0,8 Készítsen méréses ellenőrzőkártyát az adatok segítségével! 342

Ellenőrzőkártya mintázatok Western Electricszabályai a véletlenszerű viselkedés ellenőrzésére: Kemény Sándor: Statisztikai minőség-(megfelelőség-) szabályozás 343

216. Minősítéses kártyák Mérhető mennyiség helyett megfelelő/nem megfelelő kategóriák Minősítéses ellenőrzés: a hibás darabokat vagy a hibákat számoljuk Jelentőségük: széles területen használhatóak könnyű adatszerzés (már meglévő és új esetén is) segítségével fókuszálhatjuk a komolyabb vizsgálatokat Bedzsula Bálint 344

Összefoglalás és mint-a kérdések Milyen információkat rögzítene egy adatgyűjtő lapon? Nevezze meg a folyamatra ható zavarok típusait, röviden jellemezze azokat (1 mondat) és azonosítsa az ábra szakaszait! Mit jelent a szabályozottság és a képesség fogalma a minőségmenedzsmentben? (szemléltesse ábrával is!) Ismertesse és röviden jellemezze a minőségképesség-elemzés célját, típusait, módszereit! Értékelje az alábbi minőségképesség, ill. korrigált minőségképesség-indexszel jellemezhető folyamatot! Jellemezze a gyártási folyamatot, melynek végtermékeiből az alábbi mintát vettük! (Gauss-papír segítségével) Bedzsula Bálint 345

Összefoglalás és mint-a kérdések Melyek a mérési rendszer jellemzői? Mi az R&R vizsgálat lényege, melyek az ingadozás forrásai? Jellemezze az alábbi szórásokkal jellemezhető mérési rendszert! Röviden mutassa be a folyamatok szabályozása megközelítést! Mi az ellenőrzőkártyák használatának alapgondolata és melyek a segítségükkel megvalósítható fejlesztés fázisai? Milyen 2 fő típusuk van, mi az alapvető különbségük? Készítsen egy méréses ellenőrzőkártyát az alábbi adatok segítségével, jellemezze az ábrát! Bedzsula Bálint 346