MINİSÉGBIZTOSÍTÁS 12. ELİADÁS Május 9. Összeállította: Dr. Kovács Zsolt egyetemi tanár

Hasonló dokumentumok
10. Mintavételi tervek minısítéses ellenırzéshez

10-6. ábra. Az áttérési szabályok rendszere (Papp L., Róth P., Németh L., 1992)

Minőségirányítási rendszerek 8. előadás

Mintavételes átvételi ellenőrzés

Gépipari minıségellenırzés

BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis

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

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

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

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

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

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével

Bevezetés a hipotézisvizsgálatokba

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

4. A méréses ellenırzı kártyák szerkesztése

Hanthy László Tel.:

Kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése

MINİSÉGBIZTOSÍTÁS. Tantárgy óraszáma: (elıadás, gyakorlat, labor) Tantárgy kreditpontja: 3 A tantárgy kollokviummal zárul.

Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat

Kockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén

Kosztyán Zsolt Tibor Katona Attila Imre

[Biomatematika 2] Orvosi biometria

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

TERMÉKEK MŐSZAKI TERVEZÉSE Megbízhatóságra, élettartamra tervezés I.

Kockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével

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

17. Folyamatszabályozás módszerei

STATISZTIKAI MÓDSZEREK ALKALMAZÁSA SZABVÁNYOK ÁTTEKINTÉSE (ISO TC 69)

Funkcionális menedzsment Általános (naturális) filozófiai értelmezés

Statisztika Elıadások letölthetık a címrıl

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

MINİSÉGBIZTOSÍTÁS. 8. ELİADÁS Mérıeszköz megfelelıség Mérıeszköz-képesség vizsgálat Április 4. Összeállította: Dr. Kovács Zsolt egyetemi tanár

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

Hipotézis vizsgálatok

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

STATISZTIKA. ( x) 2. Eloszlásf. 9. gyakorlat. Konfidencia intervallumok. átlag. 45% 40% 35% 30% 25% 20% 15% 10% 5% 0% (cm)

Normális eloszlás paramétereire vonatkozó próbák

Hipotézis vizsgálatok

Variancia-analízis (folytatás)

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

Asztalosipari termékek szerkezete

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

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

Többváltozós lineáris regressziós modell feltételeinek

Drégelyi-Kiss Ágota: Minıségszabályozás a gépiparban

Adatok statisztikai értékelésének főbb lehetőségei

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre

Ismétlı áttekintés. Statisztika II., 1. alkalom

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

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Egyszempontos variancia analízis. Statisztika I., 5. alkalom

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

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

1. Két pályázat esetén a nyerési esélyeket vizsgálják. Mintát véve mindkét pályázat esetén az egyik. (b) Mit nevezünk másodfajú hibának?

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

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

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

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

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

Laboratóriumi riumi diagnosztikai folyamatok pre-és posztanalitikai hibalehetıségei

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

KÖVETKEZTETŐ STATISZTIKA

Korreláció és lineáris regresszió

III. Képességvizsgálatok

SPC egyszerően, olcsón, eredményesen

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

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

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

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

MINİSÉGBIZTOSÍTÁS 6. ELİADÁS Március 19. Összeállította: Dr. Kovács Zsolt egyetemi tanár

2.6. A fogaskerekek tőrésezése, illesztése. Fogaskerék szerkezetek. Hajtómővek.

A rák, mint genetikai betegség

A gyakorló feladatok számozása a bevezetı órát követı órán, azaz a második órán indul. Gyakorló feladatok megoldásai 1

Normális eloszlás tesztje

Budapesti Műszaki és Gazdaságtudományi Egyetem

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biomatematika 13. Varianciaanaĺızis (ANOVA)

2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben

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

Metrológiai alapok. Horváthné Drégelyi-Kiss Ágota Fıiskolai tanársegéd, BMF BGK AGI. URL:

Statisztikai módszerek

Elemi statisztika. >> =weiszd= << december 20. Szerintem nincs sok szükségünk erre... [visszajelzés esetén azt is belerakom] x x = n

IV. Átvételi minıségellenırzés 9. Az átvételi minıségellenırzés alapelvei

Statistical Process Control (SPC), Statisztikai Folyamatszabályozás

Kettőnél több csoport vizsgálata. Makara B. Gábor

AZ ÁTI DEPO KÖZRAKTÁROZÁSI ZRT. ÁRUMINİSÍTÉSI, ÉS ÁRUÉRTÉKELÉSI SZABÁLYZAT

Biometria gyakorló feladatok BsC hallgatók számára

Nemparaméteres próbák

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

A belsı kontrollok szerepe az önkormányzati ellenırzésekben. a Magyar Könyvvizsgálói Kamara és az Állami Számvevıszék szemináriuma március 7.

Hat Szigma Zöldöves Tanfolyam Tematikája

Több valószínűségi változó együttes eloszlása, korreláció

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

y ij e ij BIOMETRIA let A variancia-anal telei Alapfogalmak 2. Alapfogalmak 1. ahol: 7. Előad Variancia-anal Lineáris modell ltozó bontását t jelenti.

A szárított faanyag minıségének korrekt meghatározása, különös tekintettel az EU-s szabványokra

Matematika III. 9. Statisztikai hipotézisek Prof. Dr. Závoti, József

Biostatisztika Összefoglalás

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

Átírás:

MINİSÉGBIZTOSÍTÁS Összeállította: Dr. Kovács Zsolt egyetemi tanár 12. ELİADÁS 2011. Május 9. NyME FMK Terméktervezési és Gyártástechnológiai Intézet http://tgyi.fmk.nyme.hu NYME FMK TGYI 2006.08.28. 1. fólia Készült a Nemzeti Fejlesztési Terv HEFOP 3.3.1 Operatív Programja keretében

Az átvételi teli minıség-ellen ellenırzés s alapelvei Száll llító: Vevı: tételt telt ad át t megnevezett minıségi szinttel (selejtaránnyal) tételt telt vesz át t a megnevezett minıségi szint feltételez telezésével Három eset lehetséges: minden darabos vizsgálat vizsgálat nélkn lküli li átvétel tel (SPC dokumentumai alapján) mintavételes teles ellenırz rzés

Az átvételi teli minıség-ellen ellenırzés s alapelvei Tétel elemeinek száma N Minta elemeinek száma n Mintavételes teles ellenırz rzés Nullhipotézis H 0 : p p 0 Ellenhipotézis H 1 : p > p 0 Binomiális eloszlás Száll llító kockázata: α elsıfaj fajú hiba (a( p < p 0 tételbıl l vett minta alapján n a vevı elutasítja tja a tételt) t telt) Vevı kockázata: N>> >>n β másodfajú hiba (a( p > p 0 tételbıl l vett minta alapján n a vevı elfogadja a tételt) t telt) A másodfajm sodfajú hiba nagysága ga H1 ellenhipotézishez kötött, k tt, egy adott p 1 > p 0 selejtarány fennáll llására vonatkozik

Adott: ELLENİRZ RZÉSI TERV a tétel t tel elemszáma ma (N)( Keressük: a minta elemszámát t (n)( és n és c felvétel teléhez ismerni kell: az elfogadási határt (c).( - az elsı- és s másodfajm sodfajú hiba nagyságát t ( (α és β), - a tétel t tel p 0 elfogadási selejtarány nyát,, vagyis az átvételi teli hibaszintet (AQL Acceptable Quality Level) - az ellenhipotézis szerinti p 1 értéket (amire a β vonatkozik), vagyis az elutasítási si szintet (RQL Rejectable Quality Level; LTPD Lot Tolerance Percent Defective)

Példa Az átvételi teli minıség-ellen ellenırzés s statisztikai próbája Tétel elemeinek száma N = 1000 Minta elemeinek száma n = Nullhipotézis H 0 : p 0 = 0,01 Ellenhipotézis H 1 : p = 0,05 Ha H 0 fennáll, az n = mintában legnagyobb valósz színőséggel n p 0 = 0,01 = 0,8 1 selejtes elem fordul elı!

Az átvételi teli minıség-ellen ellenırzés s statisztikai próbája n k n k p = p ( 1 p) k p = 0,01 p = 0,05 k P(D = k) F (k) = = P( D k) P(D = k) 0 0 0,01 0,99 = 0, 4475 0 79 1 1 0,01 0,99 = 0, 3616 1 78 2 2 0,01 0,99 = 0, 1443 2 77 3 3 0,01 0,99 = 0, 0379 3 76 4 4 0,01 0,99 = 0, 0074 4 0 0,4475 0,05 0,95 = 0, 01652 0 79 1 0,91 0,05 0,95 = 0, 06954 1 78 2 0,9534 0,05 0,95 = 0, 14457 2 77 3 0,9913 0,05 0,95 = 0, 19783 3 76 4 0,9987 0,05 0,95 = 0, 20043 4 Legyen az elıírás: c=2 átvesszük, ha D kisebb, vagy egyenlı 2-vel; elutasítjuk, tjuk, ha D nagyobb, mint 2 F (k) = = P( D k) 0,01652 0,08606 0,23063 0,42846 0,62889

Az átvételi teli minıség-ellen ellenırzés s statisztikai próbája p = 0,01 p = 0,05 k P(D = k) F (k) = = P( D k) P(D = k) 0 0 0,01 0,99 = 0, 4475 0 79 1 1 0,01 0,99 = 0, 3616 1 78 2 2 0,01 0,99 = 0, 1443 2 77 3 3 0,01 0,99 = 0, 0379 3 76 4 4 0,01 0,99 = 0, 0074 4 0 0,4475 0,05 0,95 = 0, 01652 0 79 1 0,91 0,05 0,95 = 0, 06954 1 78 2 0,9534 0,05 0,95 = 0, 14457 2 77 3 0,9913 0,05 0,95 = 0, 19783 3 76 4 0,9987 0,05 0,95 = 0, 20043 4 Az elıírás s szerint a tételt t telt akkor utasítjuk tjuk el, ha D > 2. a hibás s elutasítás s valósz színősége α = a hibás s elfogadás s valósz színősége. F (k) = = P( D k) 0,01652 0,08606 0,23063 0,42846 0,62889 ( D > 2 p ) = 1 P(D 2 ) = 1 0,9534 0, 0466 P ( D 2 p1 ) = 0, 23063 P 0 = β =

Az átvételi teli minıség-ellen ellenırzés s statisztikai próbája Az elfogadás s valósz színősége különbk nbözı alternatív állapotokra: OC görbe α 1-α β p P a =P(D 2) 0,00 1,00000 0,01 0,95345 0,02 0,78442 0,03 0,56812 0,04 0,37497 0,05 0,23062 0,06 0,13445 0,07 0,07503 0,08 0,04038 0,09 0,02106 0,10 0,01068 0,11 0,00529 0,12 0,00256 AQL LPTD

Az átvételi teli minıség-ellen ellenırzés s statisztikai próbája A mőködési m jelleggörbe függ f n-tıl n és s c-tıl. c P = 0,1 esetén, 100%-os ellenırz rzésre:

Az átvételi teli minıség-ellen ellenırzés s statisztikai próbája A mőködési m jelleggörbe függ f n-tıl n és s c-tıl. c

Egylépcs pcsıs átvételi teli terv egypontos eljárással, a szabvány táblázatainak használat latával normál szigorított enyhített ellenırz rzés α értéke szerint. Az ellenırz rzés s szigorúsága ga az elsıfaj fajú hiba nagyságát t határozza meg, normális ellenırz rzésre ez 0,01és s 0,09 között k van.

Egylépcs pcsıs átvételi teli terv egypontos eljárással, a szabvány táblázatainak használat latával A különbözı szigorúságú tervek jelleggörb rbéi i a nullhipotézisnek megfelelı p 0 selejtarány környezetk rnyezetében jelentısen, nagyobb selejtarányokn nyoknál l pedig alig különbözı P a =1-α átvételi teli valósz színőséget adnak meg. P a 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 enyhített normális szigorított 0,0 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,10 p 0 p 1 p

Egylépcs pcsıs átvételi teli terv egypontos eljárással, a szabvány táblázatainak használat latával Az átvételi teli tervek különbk nbözı ellenırz rzési fokozatai: - általános fokozatok: I, II, III, járulékos fokozatok: S-1, S S-2, S S-3, S S-4. S Az ellenırz rzési fokozatoknál viszont az ellenhipotézis szerinti selejtarányokn nyoknál l a másodfajú hiba valósz színőségében van nagy különbsk nbség. P a 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 I. fokozat II. fokozat III. fokozat 0,0 0,00 0,01 0,02 0,03 0,04 0,05 0,06 Minıségtervezés 2006 Kovács Zsolt p 0 p 1 p

A táblt blázatos mintavételi teli tervek használata Az MSZ 548-77 (ISO 2859-1 1 stb.) szabványok táblt blázatokat adnak a szüks kséges mintaelemszámra mra és s az elfogadási határért rtékre. Az átvételi teli ellenırz rzési terv fajtájában és s szigorúságában, valamint a mintavételi teli lépcsl pcsık k számában és s az átvételi teli hibaszint (AQL) értékében az átadó és s az átvevı elıre megállapodik. Ezt követk vetıen en a tétel t tel ellenırz rzése a megállap llapított paramétereknek megfelelı szabványos ellenırz rzési terv szerint törtt rténik. A táblt blázatok használata során n elısz ször r a tételnagyst telnagyság és s az ellenırz rzési fokozat szerint a kulcsjel-tábl blázatból egy nagy betővel jelölt lt kódot k kapunk. (Péld ldánkban az 1000 db-os tétel t tel ellenırz rzéséhez a II. fokozatban állapodtunk meg.)

Kulcsjel-tábl blázat Tételnagyság, db A táblt blázatos mintavételi teli tervek használata S-1 S-2 S-3 S-4 I II III 1-8 A A A A A A B 9-15 A A A A A B C 16-25 A A B B B C D 26-50 A B B C C D E 51-90 B B C C C E F 91-150 B B C D D F G 151-2 B C D E E G H 281-500 B C D E F H J 501-1200 C C E F G J K 1201-3200 C D E G H K L 3201-10000 C D F G J L M Ellenırzési fokozat

A táblt blázatos mintavételi teli tervek használata Egyszeres mintavételi teli terv normális vizsgálatra. Kulcsjel Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re F 20 0 1 G 32 0 1 H 50 0 1 J 0 1 1 2 K 125 0 1 1 2 2 3 L 200 0 1 1 2 2 3 3 4 M 315 1 2 2 3 3 4 5 6 Mintanagyság, db Átvételi hibaszint 0.065 0.1 0.15 0.25 0.4 0.65

A táblt blázatos mintavételi teli tervek használata Többszörös mintavételi teli terv normális vizsgálatra. A Mintanagyság kiveendtesen együt- db F 13 13 13 26 G 20 20 20 40 H 32 32 32 64 0.065 0.1 0.15 0.25 0.4 0.65 Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re J 50 50 0 2 50 100 1 2 K 0 2 0 3 160 1 2 3 4 L 125 125 0 2 0 3 1 4 125 250 1 2 3 4 4 5 M 200 200 0 2 0 3 1 4 2 5 Kulcsjel * * Átvételi hibaszint 200 400 1 2 3 4 4 5 6 7 * * * *

A STATISZTIKAI MINİSÉGSZAB GSZABÁLYOZÁS S GENERÁCI CIÓI 1. Generáció: ellenırzı kártyák (Shewhart) Késztermékek, félkész termékek egyedi minıségi paraméterei. 2. Generáció: SQC (statisztikai minıség szabályozás) Egyedi minıségpontokon ellenırzı-szabályozó kártyákat a teljes gyártási folyamatban, valamennyi minıségpontot figyelembe véve összehangolják, és a végtermék paramétereinek szabályozott állapotához igazítják. 3. Generáció: SPC (statisztikai folyamat szabályozás) A minıségparamétereket ( Q ) meghatározó folyamatparaméterek (P) szabályozott állapotát, minıségállapotot érhetünk el.

a minıségszabályozás három generációja : ELSİ GENERÁCIÓ : ellenırzıkártyák egyedi minıségparaméterek utólagos negatív visszacsatolásos szabályozása egyedi minıségpontokon MÁSODIK GENERÁCIÓ : S Q C a teljes gyártási, szolgáltatási folyamaton belül valamennyi minıségparaméter összehangolt szabályozása a szükséges minıségpontokon HARMADIK GENERÁCIÓ : S P C a minıségparamétereket befolyásoló rendszerparaméterek összehangolt szabályozása

az ellenırzıkártya egyedi minıségparaméterek statisztikai jellemzıit ( átlag, medián, terjedelem, szórás ) folyamatos kismintás vizsgálat alapján összehasonlítja a kiszámított beavatkozási határokkal, és a veszélyes hiba fellépésekor jelentkezı szignifikáns eltérés esetén jelzi a beavatkozás esetleges szükségességét.

az ellenırzıkártya alapelvei : 1. a minıségjellemzık eloszlása szabályozott/ill. szabályozásra alkalmas helyzetben ismert eloszlással modellezhetı, a beavatkozási határok e modell ( pl. normális eloszlás ) alapján meghatározhatók; 2. a gyakorlati szabályozás lényegében egy folyamatos, grafikus szignifikancia vizsgálat, amelynek során a minta ténylegesen mért értékeit összevetjük a beavatkozási határokkal; 3. a konkrét beavatkozás az elvégzett elemzések ok-okozati összefüggéseire támaszkodva zajlik.

az ellenırzıkártyás rendszer kidolgozása : a vizsgált jellemzı és a kártyatípus kiválasztása; a véletlen sáv és a számítási összefüggések meghatározása; a szabályozás döntési feltételeinek meghatározása; a mintavételi rendszer kidolgozása; a beavatkozási határok megállapítása; a rendszer folyamatos mőködtetése.

MÁSODIK GENERÁCIÓ = S Q C a teljes gyártási, szolgáltatási folyamaton belül valamennyi minıségparaméter összehangolt szabályozása a szükséges minıségpontokon

A cél: ellenırzött állapotban tartani a termék minıségi jellemzıit azon keresztül, hogy az elıállító folyamat ellenırzött állapotban marad.

A feladat ennek megfelelıen: 1. A szabályozás kritikus pontjainak meghatározása (ha szükséges, pl. ABC, Ishikawa stb. módszerrel). 2. A kritikus pontok statisztikai felmérése (szabályozottságés/vagy képességelemzés). 3. Az ellenırzendı jellemzık kiválasztása, 4. Ellenırzı kártya típusának meghatározása, megtervezése (ellenırzıhatárok, szükséges mintanagyság, idıköz megállapítása) 5. Ellenırzı kártya felhasználása a folyamatokat érintı döntésekben. 6. Ellenırzıhatárok újraszámítása (nagyobb idıszakonként).

cm 3 0,7 betöltött gáztérfogat 2. TÚLTELJESÍTİ 0,740 0,700 ELMÉLETI 0,640 0,600 1. KRITIKUS

minıségjellemzık tőrésükhez képest FTH 3. jellemzı NÉVL. ATH 2. jellemzı 1. jellemzı 4. jellemzı

HARMADIK GENERÁCIÓ = S P C a minıségparamétereket befolyásoló rendszerparaméterek összehangolt szabályozása

A cél: ellenırzött állapotban tartani a rendszer mőködését azon keresztül, hogy folyamatai ellenırzött állapotban maradnak.

% v TÁVOLLÉT NAPONTA 10 8 7 6 5 4 9 3 2 1

% vújraírt szerzıdések száma naponta 8 7 6 5 4 9 3 2 1