Kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése

Hasonló dokumentumok
Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével

Kockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén

Kockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével

Kosztyán Zsolt Tibor Katona Attila Imre

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

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

17. Folyamatszabályozás módszerei

Design of a risk-based control chart with variable. Pannon Egyetem, Kvantitatív Módszerek Intézeti Tanszék. Le Bélier Formaöntöde Zrt.

4. A méréses ellenırzı kártyák szerkesztése

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

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

Bevezetés a hipotézisvizsgálatokba

[Biomatematika 2] Orvosi biometria

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

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

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

Termelés- és szolgáltatásmenedzsment

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

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

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

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

You created this PDF from an application that is not licensed to print to novapdf printer (

Hanthy László Tel.:

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

Dr. Kalló Noémi. Termelés- és szolgáltatásmenedzsment. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Dr.

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

E-CONOM. Online tudományos folyóirat I Online Scientific Journal ISSN X

Loss Distribution Approach

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Gazdálkodás- és Szervezéstudományok Doktori Iskola. Katona Attila Imre. Kockázatalapú statisztikai folyamatszabályozás

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

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

1. Példa. A gamma függvény és a Fubini-tétel.

E-CONOM. Online tudományos folyóirat I Online Scientific Journal ISSN X

Kontrol kártyák használata a laboratóriumi gyakorlatban

Autoregresszív és mozgóátlag folyamatok. Géczi-Papp Renáta

STATISZTIKAI MÓDSZEREK ALKALMAZÁSA SZABVÁNYOK ÁTTEKINTÉSE (ISO TC 69)

Autoregresszív és mozgóátlag folyamatok

Statisztika elméleti összefoglaló

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

Modulzáró ellenőrző kérdések és feladatok (2)

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

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

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

Számítógépes döntéstámogatás. Statisztikai elemzés

A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában

Statisztikai folyamatszabályozás Minitab szoftverrel

NEMZETKÖZI KONFERENCIA KIADVÁNYA

Modulzáró ellenőrző kérdések és feladatok (2)

[Biomatematika 2] Orvosi biometria

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

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

[Biomatematika 2] Orvosi biometria

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

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

Folyadékszcintillációs spektroszkópia jegyz könyv

Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével

Statisztikai módszerek a skálafüggetlen hálózatok

Többváltozós lineáris regressziós modell feltételeinek

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

KOCKÁZATALAPÚ DÖNTÉSEK TÁMOGATÁSA A MÉRÉSI BIZONYTALANSÁG FIGYELEMBEVÉTELÉVEL HEGEDŰS CSABA 1

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

Mintavételes átvételi ellenőrzés

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

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

A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra

Statisztikai folyamatszabályozás (statistical process control, SPC)

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

Matematikai geodéziai számítások 6.

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

Hat Szigma Zöldöves Tanfolyam Tematikája

Kísérlettervezés alapfogalmak

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

Matematikai geodéziai számítások 6.

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus

Gazdálkodás- és Szervezéstudományok Doktori Iskola

KÖVETKEZTETŐ STATISZTIKA

Kísérlettervezés alapfogalmak

Statisztika I. 12. előadás. Előadó: Dr. Ertsey Imre

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Megszületett a digitális minőségügyi szakember? XXIV. Nemzeti Minőségügyi Konferencia

Mi az adat? Az adat elemi ismeret. Az adatokból információkat

Biomatematika 2 Orvosi biometria

A sokaság/minta eloszlásának jellemzése

STATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)

Kockázatkezelés és biztosítás 1. konzultáció 2. rész

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

Normális eloszlás tesztje

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Statisztika Elıadások letölthetık a címrıl

TUDOMÁNY NAPJA 2013 DEBRECEN, A képzettség szerepe a gazdasági növekedésben szektorális megközelítésben

Exponenciális kisimítás. Üzleti tervezés statisztikai alapjai

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

II. rész: a rendszer felülvizsgálati stratégia kidolgozását támogató funkciói. Tóth László, Lenkeyné Biró Gyöngyvér, Kuczogi László

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

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

Feladatok és megoldások a 13. hétre

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

OPPONENSI VÉLEMÉNY. Hegedűs Csaba. című, a Pannon Egyetem Gazdálkodás- és Szervezéstudományok Doktori Iskolára benyújtott doktori disszertációjáról

Átírás:

Kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése konvergencia program Projekt megvalósulása: 2013.09.01-2014.08.31. Kosztyán Zsolt Tibor Katona Attila Hegedűs Csaba Az Európai Unió és a Magyar Állam támogatásával nyújtott összes támogatás: 4 200 000.- Ft. VII. Régiók a Kárpát-medencén innen és túl konferencia

Tartalom 1. A statisztikai folyamatszabályozás és a mérési bizonytalanság 2. Mi a probléma az ellenőrző kártyákkal? 3. Javasolt módszer bemutatása 4. A módszer alkalmazhatóságának bemutatása gyakorlati példán keresztül 5. Eredmények 6. Alkalmazási területek 2

Tartalom 1. A statisztikai folyamatszabályozás és a mérési bizonytalanság 2. Mi a probléma az ellenőrző kártyákkal? 3. Javasolt módszer bemutatása 4. A módszer alkalmazhatóságának bemutatása gyakorlati példán keresztül 5. Eredmények 6. Alkalmazási területek 2

m(g) m (g) A statisztikai folyamatszabályozás SPC: Cél: A minőség színvonalának biztosítása Legelterjedtebb alkalmazás Statisztikai módszerek segítségével Eszközei: ellenőrző kártyák 8,2 8,1 8 7,9 7,8 7,7 7,6 7,5 8,2 8,1 8 7,9 1 3 5 7 9 11131517192123252729313335373941434547 n Minta átlag LCL UCL Átlag értékek MAi Hátrány: Mérési bizonytalanság figyelmen kívül hagyása 7,8 7,7 7,6 UCL LCL 7,5 0 10 20 30 40 50 n 3

A statisztikai folyamatszabályozás Megfelelőség értékelésekor: Mérési bizonytalanság Pénzügyi kockázat 4

A statisztikai folyamatszabályozás Megfelelőség értékelésekor: Mérési bizonytalanság Pénzügyi kockázat Fedezeti értékek 4

A statisztikai folyamatszabályozás Megfelelőség értékelésekor: Mérési bizonytalanság Pénzügyi kockázat Fedezeti értékek Döntés 4

A statisztikai folyamatszabályozás Megfelelőség értékelésekor: Mérési bizonytalanság Pénzügyi kockázat Fedezeti értékek Megfelelő Döntés 4

A statisztikai folyamatszabályozás Megfelelőség értékelésekor: Mérési bizonytalanság Pénzügyi kockázat Fedezeti értékek Megfelelő Döntés Nem megfelelő 4

A statisztikai folyamatszabályozás Megfelelőség értékelésekor: Mérési bizonytalanság Pénzügyi kockázat Fedezeti értékek Megfelelő Döntés Nem megfelelő Tény 4

A statisztikai folyamatszabályozás Megfelelőség értékelésekor: Mérési bizonytalanság Pénzügyi kockázat Fedezeti értékek Megfelelő Döntés Nem megfelelő Tény Megfelelő 4

A statisztikai folyamatszabályozás Megfelelőség értékelésekor: Mérési bizonytalanság Pénzügyi kockázat Fedezeti értékek Megfelelő Döntés Nem megfelelő Tény Megfelelő Nem megfelelő 4

A statisztikai folyamatszabályozás Megfelelőség értékelésekor: Mérési bizonytalanság Pénzügyi kockázat Fedezeti értékek Megfelelő Döntés Nem megfelelő Tény Megfelelő Nem megfelelő π 11 =r 11 - c 11 π 10 =r 10 - c 10 π 01 =r 01 - c 01 π 00 =r 00 - c 00 μ 0 π=fedezeti érték r=bevétel c=kiadás 4

A statisztikai folyamatszabályozás Megfelelőség értékelésekor: Mérési bizonytalanság Pénzügyi kockázat α Fedezeti értékek Megfelelő Döntés Nem megfelelő Tény Megfelelő Nem megfelelő π 11 =r 11 - c 11 π 10 =r 10 - c 10 π 01 =r 01 - c 01 π 00 =r 00 - c 00 μ 1 μ 0 π=fedezeti érték r=bevétel c=kiadás α/2 α/2 4

A statisztikai folyamatszabályozás Megfelelőség értékelésekor: Mérési bizonytalanság Pénzügyi kockázat α Fedezeti értékek Megfelelő Döntés Nem megfelelő Tény Megfelelő Nem megfelelő π 11 =r 11 - c 11 π 10 =r 10 - c 10 π 01 =r 01 - c 01 π 00 =r 00 - c 00 β μ 1 β μ 0 π=fedezeti érték r=bevétel c=kiadás α/2 α/2 4

A vizsgált változó értéke A mérési bizonytalanság 0,25 0,2 0,15 0,1 0,05 0 0 5 10 15 20 25 30 35 Mintavételi csoport sorszáma 5

A mérési bizonytalanság 0,25 m i m i p p p m i p p 0,2 m i p A vizsgált változó értéke m i 0,15 m i 0,1 0,05 0 0 5 10 15 20 25 30 35 Mintavételi csoport sorszáma 5

A mérési bizonytalanság 0,25 m i m i p p p m i p p 0,2 m i p m i m i A vizsgált változó értéke p m i 0,15 m i 0,1 0,05 0 0 5 10 15 20 25 30 35 Mintavételi csoport sorszáma 5

A mérési bizonytalanság 0,25 m i m i p p p m i p p 0,2 m i p m i A vizsgált változó értéke p m iβ m i 0,15 m i 0,1 0,05 0 0 5 10 15 20 25 30 35 Mintavételi csoport sorszáma 5

A mérési bizonytalanság 0,25 m i m i p p p m i p p 0,2 m i p m i A vizsgált változó értéke p m iβ m i 0,15 m i 0,1 0,05 α 0 0 5 10 15 20 25 30 35 Mintavételi csoport sorszáma 5

Tartalom 1. A statisztikai folyamatszabályozás és a mérési bizonytalanság 2. Mi a probléma az ellenőrző kártyákkal? 3. Javasolt módszer bemutatása 4. A módszer alkalmazhatóságának bemutatása gyakorlati példán keresztül 5. Eredmények 6. Alkalmazási területek 6

Többdimenzió Egydimenzió Eddigi kutatások elemzése Normáleloszlás Ellenőrző kártyák Megbízhatóság alapú Azonos mintaelemszám, azonos mintavételi időköz p, np, x, s, r, CUSUM, EWMA, u, c, MA Különböző mintaelemszám/különböző mintavételi időköz CUSUM, x, EWMA, T 2, MA, p, np, s Azonos mintaelemszám, azonos mintavételi időköz x Kockázatalapú Különböző mintaelemszám/különböző mintavételi időköz Normálistól eltérő eloszlástípus x, CUSUM, R, EWMA, MA x, CUSUM, EWMA, MA Normáleloszlás T 2, kontrollellipszis (2 változónál), CUSUM, EWMA T 2, CUSUM, EWMA Normálistól eltérő eloszlástípus CUSUM, EWMA 7

Tartalom 1. A statisztikai folyamatszabályozás és a mérési bizonytalanság 2. Mi a probléma az ellenőrző kártyákkal? 3. Javasolt módszer bemutatása 4. A módszer alkalmazhatóságának bemutatása gyakorlati példán keresztül 5. Eredmények 6. Alkalmazási területek 8

Javasolt módszer bemutatása START A technológiai folyamat és mintavételi eljárás elemzése Választás a minősítéses ellenőrző kártyák között nem Méréses ellenőrző kártyát használjuk? igen Szükséges bemenő paraméterek és alkalmazhatóságot korlátozó feltételek meghatározása Rendelkezésünkre állnak a szükséges bemenő paraméterek a vizsgált kártyára vonatkozóan? nem Elvetés és további kártyák vizsgálata

Javasolt módszer bemutatása START A technológiai folyamat és mintavételi eljárás elemzése Választás a minősítéses ellenőrző kártyák között nem Méréses ellenőrző kártyát használjuk? igen Szükséges bemenő paraméterek és alkalmazhatóságot korlátozó feltételek meghatározása Rendelkezésünkre állnak a szükséges bemenő paraméterek a vizsgált kártyára vonatkozóan? nem Elvetés és további kártyák vizsgálata

Javasolt módszer bemutatása START A technológiai folyamat és mintavételi eljárás elemzése Választás a minősítéses ellenőrző kártyák között nem Méréses ellenőrző kártyát használjuk? igen Szükséges bemenő paraméterek és alkalmazhatóságot korlátozó feltételek meghatározása Rendelkezésünkre állnak a szükséges bemenő paraméterek a vizsgált kártyára vonatkozóan? nem Elvetés és további kártyák vizsgálata

Javasolt módszer bemutatása START A technológiai folyamat és mintavételi eljárás elemzése Választás a minősítéses ellenőrző kártyák között nem Méréses ellenőrző kártyát használjuk? igen Szükséges bemenő paraméterek és alkalmazhatóságot korlátozó feltételek meghatározása Rendelkezésünkre állnak a szükséges bemenő paraméterek a vizsgált kártyára vonatkozóan? nem Elvetés és további kártyák vizsgálata

Javasolt módszer bemutatása START A technológiai folyamat és mintavételi eljárás elemzése Választás a minősítéses ellenőrző kártyák között nem Méréses ellenőrző kártyát használjuk? igen Szükséges bemenő paraméterek és alkalmazhatóságot korlátozó feltételek meghatározása Rendelkezésünkre állnak a szükséges bemenő paraméterek a vizsgált kártyára vonatkozóan? nem Elvetés és további kártyák vizsgálata

10 igen Tovább engedés Állandó és változó paraméterek meghatározása igen Az újabb kártya esetében rendelkezésünkre állnak a szükséges bemenő paraméterek? nem Döntéshez társítható költség-, bevétel és fedezeti értékek meghatározása Beavatkozási határok módosítása a mérési bizonytalanság figyelembe vételével STOP

10 igen Tovább engedés Állandó és változó paraméterek meghatározása igen Az újabb kártya esetében rendelkezésünkre állnak a szükséges bemenő paraméterek? nem Döntéshez társítható költség-, bevétel és fedezeti értékek meghatározása Beavatkozási határok módosítása a mérési bizonytalanság figyelembe vételével STOP

10 igen Tovább engedés Állandó és változó paraméterek meghatározása igen Az újabb kártya esetében rendelkezésünkre állnak a szükséges bemenő paraméterek? nem Döntéshez társítható költség-, bevétel és fedezeti értékek meghatározása Beavatkozási határok módosítása a mérési bizonytalanság figyelembe vételével STOP

10 igen Tovább engedés Állandó és változó paraméterek meghatározása igen Az újabb kártya esetében rendelkezésünkre állnak a szükséges bemenő paraméterek? nem Döntéshez társítható költség-, bevétel és fedezeti értékek meghatározása Minta elemszáma Mintavételi időköz Beavatkozási határok Beavatkozási határok módosítása a mérési bizonytalanság figyelembe vételével STOP

10 igen Tovább engedés Állandó és változó paraméterek meghatározása igen Az újabb kártya esetében rendelkezésünkre állnak a szükséges bemenő paraméterek? nem Döntéshez társítható költség-, bevétel és fedezeti értékek meghatározása Beavatkozási határok módosítása a mérési bizonytalanság figyelembe vételével STOP

Gáz töltettömeg (g) 10 igen Tovább engedés Állandó és változó paraméterek meghatározása 8 7,95 7,9 7,85 igen Az újabb kártya esetében rendelkezésünkre állnak a szükséges bemenő paraméterek? nem UCL CL 7,8 Döntéshez társítható költség-, bevétel és fedezeti értékek meghatározása 7,75 0 10 20 30 40 50 LCL EWMA(i) Mintavételi csoport sorszáma Beavatkozási határok módosítása a mérési bizonytalanság figyelembe vételével STOP

Gáz töltettömeg (g) 10 igen Tovább engedés 7,95 7,9 Állandó és változó paraméterek meghatározása 8 7,85 igen Az újabb kártya esetében rendelkezésünkre állnak a szükséges bemenő paraméterek? nem UCL CL 7,8 Döntéshez társítható költség-, bevétel és fedezeti értékek meghatározása 7,75 0 10 20 30 40 50 LCL EWMA(i) Mintavételi csoport sorszáma Beavatkozási határok módosítása a mérési bizonytalanság figyelembe vételével STOP

Gáz töltettömeg (g) 10 igen Tovább engedés 7,95 7,9 Állandó és változó paraméterek meghatározása 8 7,85 igen Az újabb kártya esetében rendelkezésünkre állnak a szükséges bemenő paraméterek? RBEWMA nem UCL CL K USL 7,8 Döntéshez társítható költség-, bevétel és fedezeti értékek meghatározása 7,75 0 10 20 30 40 50 LCL K LSL EWMA(i) Mintavételi csoport sorszáma Beavatkozási határok módosítása a mérési bizonytalanság figyelembe vételével RB= Risk Based STOP

Tartalom 1. A statisztikai folyamatszabályozás és a mérési bizonytalanság 2. Mi a probléma az ellenőrző kártyákkal? 3. Javasolt módszer bemutatása 4. A módszer alkalmazhatóságának bemutatása gyakorlati példán keresztül 5. Eredmények 6. Alkalmazási területek 11

12 Gyakorlati példa

13 Gyakorlati példa u;c;p;np;x;s;s 2 ;R;MR;MA;T2;EWMA;CUSUM;CUSUM(több változós);ma(több változós);ewma(több változós) + Minden kártya esetében : VSS;VSI;VSL;VSSI;VSSL;VSIL;VP=VSSIL X;s;s 2 ;R;MR;MA;T2;EWMA;CUSUM;CUSUM(több változós);ma(több változós);ewma(több változós) + Minden kártya esetében : VSS;VSI;VSL;VSSI;VSSL;VSIL;VP=VSSIL MA;EWMA(VSS;VSI;VSL;VSSI;VSS L;VSIL;VP=VSSIL

14 MA;EWMA(VP) Kalkulált fedezeti értékek az egyes döntésekhez Kockázatalapon működő RBMA(VP); RBEWMA(VP) RB= Risk Based

Gáz töltettömeg (g) A tervezett kártyák-1 Mozgóátlag-kártya: 8,03 7,98 UCL 7,93 7,88 CL 7,83 LCL 7,78 MA(i) CL 7,73 0 10 20 30 40 50 Mintavételi csoport sorszáma 41 15

Gáz töltettömeg (g) A tervezett kártyák-1 Mozgóátlag-kártya: 8,03 7,98 K USL UCL 7,93 7,88 CL 7,83 K LSL LCL 7,78 MA(i) CL 7,73 0 10 20 30 40 50 Mintavételi csoport sorszáma 42 15

Gáz töltettömeg (g) A tervezett kártyák-1 Kockázatalapon működő Mozgóátlag-kártya: RBMA 8,03 7,98 7,93 K USL UCL 7,88 CL 7,83 K LSL LCL 7,78 MA(i) CL RB= Risk Based 7,73 0 10 20 30 40 50 Mintavételi csoport sorszáma 43 15

Gáz töltettömeg (g) 16 A tervezett kártyák-2 Exponenciálisan súlyozott mozgóátlag-kártya: 8 7,95 UCL 7,9 CL 7,85 7,8 LCL EWMA(i) 7,75 0 5 10 15 20 25 30 35 40 45 50 Mintavételi csoport sorszáma

Gáz töltettömeg (g) 16 A tervezett kártyák-2 Exponenciálisan súlyozott mozgóátlag-kártya: 8 7,95 UCL K USL 7,9 CL 7,85 7,8 LCL K LSL EWMA(i) 7,75 0 5 10 15 20 25 30 35 40 45 50 Mintavételi csoport sorszáma

Gáz töltettömeg (g) 16 A tervezett kártyák-2 Kockázatalapon működő Exponenciálisan súlyozott mozgóátlag-kártya: 8 RBEWMA 7,95 UCL K USL 7,9 CL 7,85 7,8 LCL K LSL EWMA(i) 7,75 RB= Risk Based 0 5 10 15 20 25 30 35 40 45 50 Mintavételi csoport sorszáma

17 Tartalom 1. A statisztikai folyamatszabályozás és a mérési bizonytalanság 2. Mi a probléma az ellenőrző kártyákkal? 3. Javasolt módszer bemutatása 4. A módszer alkalmazhatóságának bemutatása gyakorlati példán keresztül 5. Eredmények 6. Alkalmazási területek

Beavatkozási határok módosítása után Beavatkozási határok módosítása előtt Eredmények Beavatkozási határok, középvonal Mérési hiba paraméterei Első-, és másodfajú hibák száma Beavatkozási határok, középvonal Optimalizált paraméterek Mérési hiba paraméterei Első-, és másodfajú hibák száma MA EWMA LCL 7,817 7,811 UCL 7,947 7,953 CL 7,882 7,882 σ m 0,078 0,078 μ m 0 0 n α 4 0 n β 0 3 Fedezet/Profit 674 Ft 819 Ft LCL (k) 7,817 7,814 UCL (k) 7,962 7,925 CL (k) 7,882 7,882 k LSL 0,001 0,002 k USL -0,013 0,027 σ m 0,078 0,078 μ m 0 0 n α 1 2 n β 0 0 Fedezet/Profit 1 144 Ft 1 050 Ft Fedezet növekedés 470 Ft 231 Ft 48 18

Beavatkozási határok módosítása után Beavatkozási határok módosítása előtt Megbízhatóság alap Eredmények Beavatkozási határok, középvonal Mérési hiba paraméterei Első-, és másodfajú hibák száma Beavatkozási határok, középvonal Optimalizált paraméterek Mérési hiba paraméterei Első-, és másodfajú hibák száma MA EWMA LCL 7,817 7,811 UCL 7,947 7,953 CL 7,882 7,882 σ m 0,078 0,078 μ m 0 0 n α 4 0 n β 0 3 Fedezet/Profit 674 Ft 819 Ft LCL (k) 7,817 7,814 UCL (k) 7,962 7,925 CL (k) 7,882 7,882 k LSL 0,001 0,002 k USL -0,013 0,027 σ m 0,078 0,078 μ m 0 0 n α 1 2 n β 0 0 Fedezet/Profit 1 144 Ft 1 050 Ft Fedezet növekedés 470 Ft 231 Ft 49 18

Beavatkozási határok módosítása után Kockázatalap Beavatkozási határok módosítása előtt Megbízhatóság alap Eredmények Beavatkozási határok, középvonal Mérési hiba paraméterei Első-, és másodfajú hibák száma Beavatkozási határok, középvonal Optimalizált paraméterek Mérési hiba paraméterei Első-, és másodfajú hibák száma MA EWMA LCL 7,817 7,811 UCL 7,947 7,953 CL 7,882 7,882 σ m 0,078 0,078 μ m 0 0 n α 4 0 n β 0 3 Fedezet/Profit 674 Ft 819 Ft LCL (k) 7,817 7,814 UCL (k) 7,962 7,925 CL (k) 7,882 7,882 k LSL 0,001 0,002 k USL -0,013 0,027 σ m 0,078 0,078 μ m 0 0 n α 1 2 n β 0 0 Fedezet/Profit 1 144 Ft 1 050 Ft Fedezet növekedés 470 Ft 231 Ft 50 18

Beavatkozási határok módosítása után Kockázatalap Beavatkozási határok módosítása előtt Megbízhatóság alap Eredmények Beavatkozási határok, középvonal Mérési hiba paraméterei Első-, és másodfajú hibák száma Beavatkozási határok, középvonal Optimalizált paraméterek Mérési hiba paraméterei Első-, és másodfajú hibák száma 4 MA EWMA LCL 7,817 7,811 UCL 7,947 7,953 CL 7,882 7,882 σ m 0,078 0,078 μ m 0 0 n α 4 0 n β 0 3 Fedezet/Profit 674 Ft 819 Ft 1 LCL (k) 7,817 7,814 UCL (k) 7,962 7,925 CL (k) 7,882 7,882 k LSL 0,001 0,002 k USL -0,013 0,027 σ m 0,078 0,078 μ m 0 0 n α 1 2 n β 0 0 Fedezet/Profit 1 144 Ft 1 050 Ft Fedezet növekedés 470 Ft 231 Ft 51 18

Beavatkozási határok módosítása után Kockázatalap Beavatkozási határok módosítása előtt Megbízhatóság alap Eredmények Beavatkozási határok, középvonal Mérési hiba paraméterei Első-, és másodfajú hibák száma Beavatkozási határok, középvonal Optimalizált paraméterek Mérési hiba paraméterei Első-, és másodfajú hibák száma MA EWMA LCL 7,817 7,811 UCL 7,947 7,953 CL 7,882 7,882 σ m 0,078 0,078 μ m 0 0 n α 4 0 n β 0 3 Fedezet/Profit 674 Ft 819 Ft Változatlan LCL (k) 7,817 7,814 UCL (k) 7,962 7,925 CL (k) 7,882 7,882 k LSL 0,001 0,002 k USL -0,013 0,027 σ m 0,078 0,078 μ m 0 0 n α 1 2 n β 0 0 Fedezet/Profit 1 144 Ft 1 050 Ft Fedezet növekedés 470 Ft 231 Ft 52 18

Beavatkozási határok módosítása után Kockázatalap Beavatkozási határok módosítása előtt Megbízhatóság alap Eredmények Beavatkozási határok, középvonal Mérési hiba paraméterei Első-, és másodfajú hibák száma Beavatkozási határok, középvonal Optimalizált paraméterek Mérési hiba paraméterei Első-, és másodfajú hibák száma MA EWMA LCL 7,817 7,811 UCL 7,947 7,953 CL 7,882 7,882 σ m 0,078 0,078 μ m 0 0 n α 4 0 n β 0 3 Fedezet/Profit 674 Ft 819 Ft LCL (k) 7,817 7,814 UCL (k) 7,962 7,925 CL (k) 7,882 7,882 k LSL 0,001 0,002 k USL -0,013 0,027 σ m 0,078 0,078 μ m 0 0 n α 1 2 n β 0 0 Fedezet/Profit 1 144 Ft 1 050 Ft Fedezet növekedés 470 Ft 231 Ft 0 2 53 18

Beavatkozási határok módosítása után Kockázatalap Beavatkozási határok módosítása előtt Megbízhatóság alap Eredmények Beavatkozási határok, középvonal Mérési hiba paraméterei Első-, és másodfajú hibák száma Beavatkozási határok, középvonal Optimalizált paraméterek Mérési hiba paraméterei Első-, és másodfajú hibák száma MA EWMA LCL 7,817 7,811 UCL 7,947 7,953 CL 7,882 7,882 σ m 0,078 0,078 μ m 0 0 n α 4 0 n β 0 3 Fedezet/Profit 674 Ft 819 Ft LCL (k) 7,817 7,814 UCL (k) 7,962 7,925 CL (k) 7,882 7,882 k LSL 0,001 0,002 k USL -0,013 0,027 σ m 0,078 0,078 μ m 0 0 n α 1 2 n β 0 0 Fedezet/Profit 1 144 Ft 1 050 Ft Fedezet növekedés 470 Ft 231 Ft 3 0 54 18

Beavatkozási határok módosítása után Kockázatalap Beavatkozási határok módosítása előtt Megbízhatóság alap Eredmények RB= Risk Based Beavatkozási határok, középvonal Mérési hiba paraméterei Első-, és másodfajú hibák száma RBMA 470 Ft Beavatkozási határok, középvonal Optimalizált paraméterek Mérési hiba paraméterei Első-, és másodfajú hibák száma MA EWMA LCL 7,817 7,811 225 minta esetén UCL 7,947 7,953 CL 7,882 7,882 σ m 0,078 0,078 μ m 0 0 n α 4 0 n β 0 3 Fedezet/Profit 674 Ft 819 Ft RBEWMA 231 Ft LCL (k) 7,817 7,814 UCL (k) 7,962 7,925 CL (k) 7,882 7,882 k LSL 0,001 0,002 k USL -0,013 0,027 σ m 0,078 0,078 μ m 0 0 n α 1 2 n β 0 0 Fedezet/Profit 1 144 Ft 1 050 Ft Fedezet növekedés 470 Ft 231 Ft 55 18

Beavatkozási határok módosítása után Kockázatalap Beavatkozási határok módosítása előtt Megbízhatóság alap Eredmények RB= Risk Based Beavatkozási határok, középvonal Mérési hiba paraméterei Első-, és másodfajú hibák száma RBMA 470 Ft Beavatkozási határok, középvonal Optimalizált paraméterek Mérési hiba paraméterei Első-, és másodfajú hibák száma 1,95 Ft/db MA EWMA LCL 7,817 7,811 225 minta esetén UCL 7,947 7,953 CL 7,882 7,882 σ m 0,078 0,078 μ m 0 0 n α 4 0 n β 0 3 Fedezet/Profit 674 Ft 819 Ft RBEWMA 231 Ft LCL (k) 7,817 7,814 UCL (k) 7,962 7,925 CL (k) 7,882 7,882 k LSL 0,001 0,002 k USL -0,013 0,027 σ m 0,078 0,078 μ m 0 0 n α 1 2 n β 0 0 Fedezet/Profit 1 144 Ft 1 050 Ft Fedezet növekedés 470 Ft 231 Ft 56 18

Beavatkozási határok módosítása után Kockázatalap Beavatkozási határok módosítása előtt Megbízhatóság alap Eredmények RB= Risk Based Beavatkozási határok, középvonal Mérési hiba paraméterei Első-, és másodfajú hibák száma RBMA 470 Ft Beavatkozási határok, középvonal Optimalizált paraméterek MA EWMA LCL 7,817 7,811 225 minta esetén UCL 7,947 7,953 CL 7,882 7,882 σ m 0,078 0,078 μ m 0 0 n α 4 0 n β 0 3 Fedezet/Profit 674 Ft 819 Ft RBEWMA 231 Ft LCL (k) 7,817 7,814 UCL (k) 7,962 7,925 CL (k) 7,882 7,882 k LSL 0,001 0,002 k USL -0,013 0,027 Mérési hiba σ m 0,078 0,078 paraméterei μ m 0 0 Első-, és n α 1 2 1,95 másodfajú Ft/db 1,02Ft/db hibák n száma β 0 0 Fedezet/Profit 1 144 Ft 1 050 Ft Fedezet növekedés 470 Ft 231 Ft 57 18

Eredmények A fedezet alakulása a klsl és kusl konstansok függvényében, 100 000 minta esetén, Weibull- eloszlást feltételezve,matlab program segítségével: 58 19

20 Tartalom 1. A statisztikai folyamatszabályozás és a mérési bizonytalanság 2. Mi a probléma az ellenőrző kártyákkal? 3. Javasolt módszer bemutatása 4. A módszer alkalmazhatóságának bemutatása gyakorlati példán keresztül 5. Eredmények 6. Alkalmazási területek

21 Alkalmazási területek Patrontöltési folyamat

21 Alkalmazási területek Patrontöltési folyamat Gáz töltettömeg

21 Alkalmazási területek Patrontöltési folyamat Kerékfelfüggesztés gyártás Gáz töltettömeg

21 Alkalmazási területek Patrontöltési folyamat Kerékfelfüggesztés gyártás Gáz töltettömeg Deformáció

21 Alkalmazási területek Patrontöltési folyamat Kerékfelfüggesztés gyártás Gáz töltettömeg Deformáció

Köszönöm a figyelmet! Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése konvergencia program