Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

Hasonló dokumentumok
17. Folyamatszabályozás módszerei

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

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

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

Budapesti Műszaki és Gazdaságtudományi Egyetem

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

17. Folyamatszabályozás módszerei

Statistical Process Control (SPC), Statisztikai Folyamatszabályozás

Erdei János. Minőség- és megbízhatóság menedzsment. villamosmérnöki kar menedzsment mellékszakirány

Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével

MINİSÉGBIZTOSÍTÁS 3. ELİADÁS Február 21. Összeállította: Dr. Kovács Zsolt egyetemi tanár

Define Measure Analyze Improve Control. F(x), M(ξ),

Kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése

Kockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével

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

Minőségirányítási rendszerek 1. előadás

Sorozatmérés digitális mérőórával 3.

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

MINŐSÉGMENEDZSMENT ALAPJAI. 7. előadás Folyamatfejlesztési modellek és módszerek 1. (minőségmenedzsment módszerek) Bedzsula Bálint

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

Kockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén

Minőség-képességi index (Process capability)

I. GÉPKÉPESSÉG-VIZSGÁLAT

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

Hat Szigma Zöldöves Tanfolyam Tematikája

Előadás A folyamatok szabályozása statisztikai alapon

MINİSÉGSZABÁLYOZÁS. Dr. Drégelyi-Kiss Ágota

Kísérlettervezés alapfogalmak

[Biomatematika 2] Orvosi biometria

Hanthy László Tel.:

Kontrol kártyák használata a laboratóriumi gyakorlatban

III. Képességvizsgálatok

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

Kísérlettervezés alapfogalmak

Minőségmenedzsment módszerek

FMEA tréning OKTATÁSI SEGÉDLET

Többváltozós lineáris regressziós modell feltételeinek

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

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

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

A képzés elvégzése tökéletes alapot nyújt a lean menedzsment megismeréséhez is.

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

NYF-MMFK Műszaki Alapozó és Gépgyártástechnológia Tanszék gépészmérnöki szak III. évfolyam

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Több valószínűségi változó együttes eloszlása, korreláció

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László

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

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Statisztikai módszerek

Transzformátor, Mérőtranszformátor Állapot Tényező szakértői rendszer Vörös Csaba Tarcsa Dániel Németh Bálint Csépes Gusztáv

Gyártástechnológia alapjai Méréstechnika rész. Előadások (2.) 2011.

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

FOLYAMATSZABÁLYOZÁS a Wescast Hungary-nél

Statisztikai folyamatszabályozás Minitab szoftverrel

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

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

Biomatematika 2 Orvosi biometria

Nemparaméteres próbák

BME MVT. Dr. Topár József 1. Minőségmenedzsment MSc_ /2013 II felév

Méréstechnika II. Mérési jegyzőkönyvek FSZ képzésben részt vevők részére. Hosszméréstechnikai és Minőségügyi Labor Mérési jegyzőkönyv

Microsoft Excel Gyakoriság

Iskolai jelentés. 10. évfolyam szövegértés

Folyamatképes gyártási folyamatok a Roto lövői gyárában

A maximum likelihood becslésről

Budapesti kihelyezett Six Sigma képzés

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

Kosztyán Zsolt Tibor Katona Attila Imre

Six Sigma és Lean menedzselésének eszköze a Companion by Minitab

TPM egy kicsit másképp Szollár Lajos, TPM Koordinátor

Minőségügy kommunikációs dosszié MINŐSÉGÜGY. Anyagmérnök alapszak (BsC) Tantárgyi kommunikációs dosszié

[Biomatematika 2] Orvosi biometria

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

4. A méréses ellenırzı kártyák szerkesztése

5. Előadás. Grafikus ábrázolás Koncentráció elemzése

A problémamegoldás lépései

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

Függetlenségvizsgálat, Illeszkedésvizsgálat

Valószínűségszámítás összefoglaló

Feladatok: pontdiagram és dobozdiagram. Hogyan csináltuk?

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

Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus

Termelés- és szolgáltatásmenedzsment

Az SPC alapjai. Az SPC alapjai SPC Az SPC (Statistic Process Control) módszer. Dr. Illés Balázs

Gondolatok a belső auditorok felkészültségéről és értékeléséről Előadó: Turi Tibor vezetési tanácsadó, CMC az MSZT/MCS 901 szakértője

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

Matematikai alapok és valószínőségszámítás. Normál eloszlás

Az SPC (statisztikai folyamatszabályozás) ingadozásai

Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés

Elemi statisztika fizikusoknak

ITIL alapú IT környezet kialakítás és IT szolgáltatás menedzsment megvalósítás az FHB-ban

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis

5. mérés Mérés és kiértékelés számítógéppel

A betegbiztonság növelése humán diagnosztikai laboratóriumban

Pareto-elemzés Ok-okozati elemzés FMEA elemzés Egyéb (fadiagram, TIPHIB) + 8D riport

A szabványos minőségi rendszer elemei. Termelési folyamatok

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

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

Név- és tárgymutató 10. FEJEZET

Bevezetés a hipotézisvizsgálatokba

Átírás:

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 tartalmából

Amiről szó lesz ma Választ adok a következőkre: Mit jelent a statisztikai folyamatszabályozás? Milyen tipikus zavarokat különböztetünk meg? Mit jelent a képesség és a szabályozottság fogalma? Hogyan határozható meg, és mire használható a minőségképesség? Mi a Gauss-papír gyakorlati haszna?

Feladat! Alkossanak kb. 6 fős csoportokat! A lehetőségekhez képest helyezkedjenek el úgy, hogy tudjanak közösen dolgozni! Ismerjék meg a folyamatot! Alkalmazzák a folyamatra az FMEA módszert! 1-2 pont Mi romolhat el? (hibák + súlyozás + intézkedés)

Feladat! 2 pont: 51. körzet A csapat Dangerous Katalizátor Kell egy KV! Kommandó Kicsik és Nagyok Nincs A4-es lapunk Prérifarkas

17. Folyamatszabályozás módszerei 196. Alapvető módszerek A folyamatszabályozás alapjai Minőségképesség-elemzés Ellenőrzőkártyák

A statisztikai folyamatszabályozás alapjai 200. Termelési és szolgáltatási folyamatoknak meg kell felelnie az előírásoknak, tervezési specifikációknak és a vevői igényeknek. Minőségszabályozás! (folyamat, statisztikai módszerek) A minőségi jellemzők ingadozása Folyamatra ható zavarok A zavarok típusai, gyakorisága, jelentősége

A statisztikai folyamatszabályozás alapjai 201. A folyamatra ható zavarok : Véletlen: állandóan jelenlevő, nagyszámú, a folyamatot csak kissé befolyásoló zavarok, feltárásuk nem cél, hatásuk elfogadott

A statisztikai folyamatszabályozás alapjai 201. A folyamatra ható zavarok : Veszélyes, rendszeres: időszakosan jelentkező, kis számban előforduló, a folyamatra nagy hatással lévő zavarok, megismerendő és megszüntetendőek!

A statisztikai folyamatszabályozás alapjai 201. A folyamatra ható zavarok : Egyedi, kiugró érték: egyszer előforduló, a többi értéktől jelentősen különböző adat; többnyire egyszeri jelentős külső hatás, mérési hiba okozza, általában nem a folyamat jellemzője

A statisztikai folyamatszabályozás alapjai 202. A folyamat: Szabályozatlan: Rendszeres hibák is vannak A változó eloszlása nem állandó Szabályozott: Csak véletlen hibák A változékonyság időben állandó normális eloszlás

A statisztikai folyamatszabályozás alapjai 202. A folyamat: Nem képes: Nem képes kielégíteni a vevői igényeket Képes: Képes kielégíteni a vevői igényeket

A statisztikai folyamatszabályozás alapjai A folyamat jellemzői: igen Szabályozott? nem 203. igen Képes? nem

SPC 203. Folyamatszabályozási rendszer (Statistical Process Control) Feladata: Folyamatok jellemzőinek meghatározott határok között tartása Zavarhatások rendszeres figyelése, elemzése, kiküszöbölése, ill. hatásuk csökkentése Célja: A folyamat végeredményének minőségét változatlan szinten tartani (megfelelő képesség, szabályozott állapot)

SPC Fő területei: Szabályozottság Minőségképesség Fő eszközei: Adatrögzítő lapok Hisztogram Szóródás diagram Pareto-elemzés Halszálka (Ishikawa-)diagram Képességelemzés Ellenőrző (szabályozó) kártyák

SPC SPC rendszer felépítése:

Minőségképesség-elemzés 203. Stabil, szabályozott gyártási folyamat (csak véletlen hibák időben állandó ingadozás) A folyamat, művelet, gép: Képes-e kielégíteni a vevők elvárásait? Képessége az előírásokon belül van? Célja: a gyártási folyamatra ható zavarok hatásainak és mértékének megismerése; ezek alapján döntés: a vizsgált folyamat képes-e egy adott minőségszintű termék gyártására vagy sem?

Minőségképesség-elemzés 203. Két típusa: Gépképesség Egyetlen gép vagy művelet A mért paramétereknek csak a gép, ill. művelet okozott változásokat kell mutatnia Faktorok változásának minimalizálása (homogén körülmények, rövid időintervallum) Folyamatképesség A vizsgált paraméter változását előidéző összes hatást figyelembe veszi Valamennyi faktor hatásának tükröződnie kell (hosszabb időintervallum, alkalmanként kisebb minta)

Minőségképesség-elemzés 204. Lényege: A folyamat ingadozásának mértékét viszonyítjuk a tűrésmezőhöz. (FTH-ATH/USL-LSL) A maximális minőségképességét a véletlen zavarok határozzák meg! Módszerei: Grafikus ábrázolás Minőségképesség-index Gauss-papíros ábrázolás

Minőségképesség-elemzés 207. Lépései: Kritikus paraméter kiválasztása Adatgyűjtés Szabályozottság vizsgálata Adatok elemzése Változások okainak feltárása Folyamatfigyelő rendszer bevezetése

Minőségképesség-elemzés 204.

Minőségképesség-elemzés 204. Grafikus ábrázolás vonaldiagram és hisztogram segítségével Ránézésre megállapítható, hogy a mérési eredmények a határok között mozognak-e.

Minőségképesség-elemzés 204. Grafikus ábrázolás vonaldiagram és hisztogram segítségével Ránézésre megállapítható, hogy a mérési eredmények a határok között mozognak-e.

Minőségképesség-elemzés 204. Minőségképesség-indexek Számszerű értékkel jellemzi a képességet Minőségképességi index: C p = FTH ATH 6 σ ATH Előírás FTH C P = 1 C P > 1 C P < 1 25

Minőségképesség-elemzés 204. Minőségképesség-indexek Folyamatképesség-index: C p Gépképesség-index: C m C m = FTH ATH 8 σ Elvárás C p -vel szemben: Nem veszik figyelembe az ingadozás centrumának esetleges eltolódását! ATH Előírás FTH C P = 1 C p σ-ás határ Hibaarány [ppm] 1,00 ±3 2700 1,33 ±4 63,5 1,67 ±5 0,57 2,00 ±6 0,002 C P = 1 C P > 1

Minőségképesség-elemzés 205. Korrigált minőségképesség-indexek Folyamatképesség-index: C pk Gépképesség-index: C mk C pk = μ ATH 3 σ FTH μ ; 3 σ min μ ATH FTH μ C pk =0,5 C mk = μ ATH 4 σ FTH μ ; 4 σ min C pk = 1 ATH Előírás FTH

Minőségképesség-elemzés 205. Az indexek kapcsolata: 0 < C p < + < C pk C p Cp = 2,0 Cpk = -1,0 FTH Értékeljük a folyamatot! C p = 1, 47 C pk = 0, 97 Cpk = 0,0 Cpk = 1,0 Előírás Cpk = 2,0 ATH

Minőségképesség-elemzés Példa: ATH Adja meg a kristálycukor adagoló automata folyamatképességi-indexeit, ha az előírás 250±5g és a töltési tömeg N(249,95; 1,003) eloszlással jellemezhető! Előírás FTH 245 250 255 C p = C pk = = FTH ATH 6 σ μ ATH 3 σ = 249,95 245 3 1,003 255 245 6 1,003 = 1,662 ; FTH μ 3 σ min ; = 255 249,95 3 1,003 = 1,645; 1,678 min = 1,645 min =

Minőségképesség-elemzés C p 1 = Példa: C pk 1 = = Hasonlítsunk össze két folyamatot, mindkettőre az előírás 100±1. Az egyikben legyen σ 1 =0,2 és μ 1 =99,5; a másikban σ 2 =0,4 és μ 2 =100. FTH ATH 101 99 C 2 FTH ATH = p = 6 σ 1 6 0,2 = 1,67 = 6 σ 2 μ 1 ATH 3 σ 1 ; FTH μ 1 3 σ 1 min 99,5 99 3 0,2 ; 101 99,5 3 0,2 = 0,83; 1,25 min = 0,83 min 101 99 6 0,4 = 0,83 C 2 pk = μ 2 ATH ; FTH μ 2 3 σ 2 3 σ 2 min 100 99 101 100 = ; 3 0,4 3 0,4 min = 0,83; 0,83 min = 0,83

Minőségképesség-elemzés Példa: Adja meg az üdítőadagoló gyártósor folyamatképesség-indexeit, ha az előírás 500±6ml és a töltési térfogat N(497; 2) eloszlással jellemezhető! Értelmezze (és ábrázolja) az eredményt! A teljes adagoló automata folyamatképességindexeit kell meghatározni, így a megadott képletekből a p (process) indexűeket kell választani.

Minőségképesség-elemzés Példa: C p = C pk = = 3 6 = 0,5 FTH ATH 6 σ μ ATH 3 σ = 506 494 6 2 FTH μ ; 3 σ min = 12 12 = 1 = 497 494 3 2 ; 506 497 3 2 min = 3 6 ; 9 6 min

Minőségképesség-elemzés Példa: 494 497 500 506 C p = 1 C pk = 0,5 Értékelés (pl.): A folyamat mérőszámának valószínűségi változója normális eloszlást követ. Várható értéke nem esik egybe az előírással, kisebb annál. Ezért a ±3 természetes ingadozásból következő 1-es minőségképességindexnél kisebb a korrigált index értéke. A tűréshatárokon kívül esés valószínűsége jelentősen nagyobb 0,27%-nál! A változó várható értékét közelíteni kell az előíráshoz. (Technológiai fejlesztés az ingadozás csökkentéséhez nem feltétlenül szükséges, ha sikerül jól beállítani a várható értéket.)

Feladat! Adja meg az üdítőadagoló automata töltőegységének gépképesség-indexeit, ha az előírás 1000±5ml és a töltési térfogat N(999; 0,5) eloszlással jellemezhető! Értelmezze (és ábrázolja) az eredményt! 1 pont haranggörbe elhelyezkedése az FTH-ATH intervallumhoz képest, a ±3 természetes ingadozás aránya az FTH-ATH intervallumhoz, utalás, becslés a nem megfelelőség valószínűségére milyen beavatkozást javasol?

Minőségképesség-elemzés 205. Minőségképesség-indexek: feltéve, hogy a paraméter normális eloszlással jellemezhető. Valóban normális eloszlást követ a vizsgált jellemző? Illeszkedésvizsgálat! Emlékeztető!? vagy: Gauss-papíros ábrázolás

Összefoglalás Köszönöm a figyelmet!

Visszajelzés! 8. ea. http://1drv.ms/1mtc7lu