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



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

MINİSÉGSZABÁLYOZÁS. Dr. Drégelyi-Kiss Ágota

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

KVANTITATÍV MÓDSZEREK

Statisztikai módszerek

Előadás A folyamatok szabályozása statisztikai alapon

Matematika Tanszék MOE (PE MIK) MMAM143VB 1 / 34

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

Statisztikai folyamatszabályozás Minitab szoftverrel

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

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

11. Matematikai statisztika

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

Minőségirányítási rendszerek 8. előadás

Cash Flow Navigátor Tanácsadó Kft. Képzések. Tel.: Skype: nfeher01

? Az adszorbens által megkötött mennyiség = x, X: telítettség, töltés, kapacitás. Adszorpció. m kg. A kötőerők

If Japan can why can t we? NBC News Folyamatos fejlesztés (continuous improvement) A management szerepe. 6 sigma 1. 6 sigma 2

17. Folyamatszabályozás módszerei

specific (assignable) cause: azonosítható, tettenérhető (veszélyes) hiba megváltozott a folyamat

Műszerek tulajdonságai

MAGYAR RÉZPIACI KÖZPONT Budapest, Pf. 62 Telefon , Fax

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

Budapesti Műszaki és Gazdaságtudományi Egyetem

KOCKÁZATKEZELÉS A REZGÉSDIAGNOSZTIKÁBAN TÖBBVÁLTOZÓS SZABÁLYOZÓ KÁRTYA SEGÍTSÉGÉVEL

A statisztika részei. Példa:

Six Sigma és Lean menedzselésének eszköze a Companion by Minitab

Szıdy Noémi Fekete Öves Tóth Csaba László Fekete Öves április 12.

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

Csak felvételi vizsga: csak záróvizsga: közös vizsga: Villamosmérnöki szak BME Villamosmérnöki és Informatikai Kar május 31.

GAZDASÁGI STATISZTIKA

Keverék összetételének hatása a benzinmotor üzemére

Kecskeméti Fıiskola GAMF Kar Informatika Tanszék. Johanyák Zsolt Csaba

A Hat Szigma bevezetésének tapasztalatai a Siemens Erőműtechnika Kft-nél

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

Energetikai minőségtanúsítvány összesítő

Gyakorló feladatok Anyagmérnök hallgatók számára

Mérőrendszer analízis és fejlesztés dióhéjban. alapok

Instacioner kazán füstgázemisszió mérése

Modern Fizika Labor. Fizika BSc. Értékelés: A mérés dátuma: A mérés száma és címe: 9. mérés: Röntgen-fluoreszcencia analízis április 22.

1. A skót bakák mellkas körmérete N(88, 10). A skót bakák mekkora hányada fér bele egy 84-es zubbonyba?

Modern Fizika Labor. Értékelés: A mérés dátuma: A mérés száma és címe: A Zeeman-effektus. A beadás dátuma: A mérést végezte:

ÚTMUTATÓ A MÓDSZERTANI SZIGORLAT LETÉTELÉHEZ

Statisztikai alapismeretek (folytatás)

Valószínűségszámítás

Benzinmotor károsanyag-kibocsátásának vizsgálata

Minőségmenedzsment. 1. Minőséggel kapcsolatos alapfogalmak. Minőségmenedzsment - Török Zoltán BKF és BKF SZKI

VALÓSZÍNŰSÉGSZÁMÍTÁS KÉPLETTÁR

Modern Fizika Labor. Értékelés: A mérés dátuma: A mérés száma és címe: A röntgenfluoreszcencia analízis és a Moseley-törvény

10. Valószínűségszámítás

A közlekedés társadalmi költségei és azok általános és közlekedési módtól függő hazai sajátosságai

Komputer statisztika gyakorlatok

Hipotézisvizsgálat. A sokaság valamely paraméteréről állítunk valamit,

Járműpark üzemeltetési rendszere vizsgálatának Markov típusú folyamatmodellje

5. Egyszerre feldobunk egy-egy szabályos hat-, nyolc-, és tizenkét oldalú dobókockát.

ÚTMUTATÓ (IRÁNYELV) ÉPÜLETFENNTARTÁSI K+F ALAPÍTVÁNY. M3/03 melléklet

A évi Baross Gábor Program pályázati kiírásaira a Dél-alföldi Régióban benyújtott pályaművek statisztikai elemzése

Bemenet modellezése II.

Méréssel kapcsolt 3. számpélda

KÍSÉRLET A STATISZTIKA II. TANTÁRGY SZÁMÍTÓGÉPPEL TÁMOGATOTT TÖMEGOKTATÁSÁRA BALOGH IRÉN VITA LÁSZLÓ

Statisztika, próbák Mérési hiba

Bevezetés az ökonometriába

Feladatok és megoldások a 6. heti eladshoz

OC-görbe, működési jelleggörbe, elfogadási jelleggörbe

Matematikai statisztikai elemzések 2.

Radarmeteorológia. Makra László

Statisztikai módszerek alkalmazása az orvostudományban. Szentesi Péter

Energetikai minőségtanúsítvány összesítő

Matematika III. 8. A szórás és a szóródás egyéb mérőszámai Prof. Dr. Závoti, József

Villamos kapcsolókészülékek BMEVIVEA336

Képzés leírása. Képzés megnevezése: Statisztikai folyamat szabályozás (SPC) Jelentkezés

(2) A R. 3. (2) bekezdése helyébe a következő rendelkezés lép: (2) A képviselő-testület az önkormányzat összes kiadását

A tételhez használható segédeszközöket a vizsgaszervező biztosítja.

1. A MÉRNÖKI TERVEZÉS ELMÉLETE

Véletlenszám-generátorok

Tómács Tibor. Matematikai statisztika

1. Termodinamika Az ideális gázok állapotváltozásai

Atomfizikai összefoglaló: radioaktív bomlás. Varga József. Debreceni Egyetem OEC Nukleáris Medicina Intézet Kötési energia (MeV) Tömegszám

Csavarkötés mérése ), (5) μ m a menetes kapcsolat súrlódási tényezője, β a menet élszöge. 1. Elméleti alapok

Valószínűség-számítás II.

KVANTITATÍV MÓDSZEREK

X. Szigetelésdiagnosztikai Konferencia

FELTÉTELES VALÓSZÍNŰSÉG, TELJES VALÓSZÍNŰSÉG TÉTELE, BAYES TÉTELE

Országos Közegészségügyi Központ kiadás

Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével

Név- és tárgymutató 10. FEJEZET

Kockázati folyamatok. Sz cs Gábor. Szeged, szi félév. Szegedi Tudományegyetem, Bolyai Intézet

Országzászlók (2015. május 27., Sz14)

dinamikus tömörségméréssel Útügyi Napok Eger Subert

EGYENLETEK, EGYENLŐTLENSÉGEK, EGYENLETRENDSZEREK


Fizika I, Villamosságtan Vizsga fé, jan. 12. Név:. EHA Kód:

MONITOR: JÖVEDELEM, SZEGÉNYSÉG, ELÉGEDETTSÉG. (Előzetes adatok)

4. mérés Jelek és jelvezetékek vizsgálata

Energetikai minőségtanúsítvány összesítő

Elektromágneses terek gyakorlat - 6. alkalom

Bevezető Mi a statisztika? Mérés Feldolgozás Adatok rendezése Adatok jellemzése Időbeli elemzés Feladatok. Statisztika I.

matematikai statisztika október 24.

Sztochasztikus folyamatok 1. házi feladat

Statisztika I. 6. előadás. Előadó: Dr. Ertsey Imre

HITELESÍTÉSI ELŐÍRÁS KIPUFOGÓGÁZ ELEMZŐK HE

Átírás:

5.5.5. Six Sigma Minőségmenedzsment Statisztikai folyamatszabályozási (SPC) rendszer Erdei János Egy fegyelmezett és erősen mennyiségi szemléletű folyamatfejlesztési megközelítés, amely a gyártási, szolgáltatási vagy pénzügyi folyamatokban meghatározott mérőszámokon alapul. A projektek rendre egy öt fő lépésből álló folyamatot követnek : Define Measure Analyze Improve Control Forrás: Donald Baker, Statistical Thinking előadás, BME MBA Intenzív kurzus, f Normális (Gauss-) eloszlás ( x µ σ ( ) x = e σ π σ F( x ) = e σ π x ( x µ ) M(ξ) = µ D(ξ) = σ ) f(x) dx F(x),5 EMLÉKEZTETŐ µ Sokaság F(x), M(ξ), D(ξ). Mintavételi alapelvek Mintavétel EMLÉKEZTETŐ Következtetés F n (x), Me, s* Minta µ Következtetés hibái EMLÉKEZTETŐ Folyamatra ható zavarok A minta minősítése a sokaságról jó rossz jó Sokaság Nincs hiba ε Elsőfajú hiba, α rossz Másodfajú hiba, β Nincs hiba e Véletlen: állandóan jelenlevő, nagyszámú, a folyamatot csak kissé befolyásoló zavarok Veszélyes: időszakosan jelentkező, kis számban előforduló, a folyamatra nagy hatással lévő zavarok Kiugró érték : egyetlen, a többi értéktől jelentősen különböző adat

5.5.5. Szabályozottság fogalma Szabályozatlan a rendszer Képesség értelmezése Nem képes kielégíteni a vevő igényeit Szabályozott a rendszer Képes kielégíteni a vevő igényeit SPC rendszer felépítése Képességelemzések SPC Ellenőrzőkártyák Képesség és szabályozottság elemzés Hibaelemzések - Folyamatképesség elemzés - Gépképesség elemzés - Mérőeszköz-képesség elemzés Adat és információs bázis Képességelemzés módszerei - Grafikus ábrázolással - Minőségképesség-indexek segítségével - Gauss - papíros ábrázolással Gép Gép- v. folyamatképesség Folyamat Ember, gép, anyag, módszer, környezet idő Gép- vagy folyamatképesség? Különbség a mintavételben van. Cm n=5- Cmk n=5- n=5- n=5- n=5- n=5- n=5- Cp, Cpk

5.5.5. Grafikus képességelemzés Minőségképesség-indexek C p FTH ATH = σ C p = ± 3σ α =,7 % Elvárás a C p -vel szemben C p σ-ás Hibaarány határ [ppm], ±3 7,33 ± 3,5,7 ±5,57, ±, Minőségképesség-indexek C p = C p = C p FTH ATH = σ C pk index C pk µ ATH FTH µ = ; 3 σ 3 σ min C p, C pk indexek kapcsolata < C p < + - < C pk C p FTH-µ µ-ath Példa: C p =,3 C pk =,9 Értékeljük a folyamat minőségképességét. 3

5.5.5. Folyamatteljesítmény Pp, Ppk rövid távú vizsgálatok (Cp, Cpk) hosszú távú vizsgálat Six Sigma program célkitűzése A Föld kerületének mérése kb. m-es pontossággal 3 Ft-os beruházás kb. Ft-os pontossággal 99,73% jó jelentése: 5 elveszett levél óránként (USA) Naponta percig szennyezett ivóvíz Havonta óra áramszünet Hibaarány [ppm], σ mérőszám Szigma 5 Folyamatok teljesítménye Egyedi teljesítmény: minden lépés vagy komponens Folyamat teljesítménye: hibák a lépések vagy komponensek számának függvényében C pk hibaszám 8 3 [ppm] [ppm],85,7 3,5 3, 85 95 8 9 8 38 73 7 5 9 3 5 Folyamatok szabályozása Ellenőrzőkártyás szabályozás Beavatkozás a folyamatba Információ a teljesítményről Beavatkozás a kimenetbe Döntés a A szabályozott jellemzô Szabályozott beavatkozásról és a beavatkozási határok jellemzô képegybevetése zése Folyamat - emberek - eszközök - anyagok - módszerek SPC rendszer Folyamat kimenete Beavatkozás a technológiai folyamat belsô törvényszeruségeinek ismeretében Ember Anyag Módszer Gép Eszköz Környezet Technológiai- és termékjellemzô mérése

5.5.5. Kártyák működésének elvi alapjai FTH FBH Beavatkozási határok tervezése FTH FBH ABH ATH ABH ATH Ellenőrzőkártyák fajtái Minősítéses kártyák np-kártya (selejtszám) c-kártya (hibaszám) p-kártya (selejtarány) u-kártya (fajlagos hibaszám) Méréses kártyák egyedi érték kártya átlag, medián kártya szórás, terjedelem kártya Egyéb speciális kártyák Beavatkozási határok számolása Szükséges alapadatok: - a célállapot statisztikai jellemzői F (x), M (ξ), D (ξ). - elsőfajú hiba, α - mintaszám, n - a β-hoz kapcsolódó alternatív (zavar) állapot statisztikai jellemzői F (x), M (ξ), D (ξ). A számítás gyakorlati menete Számolandó: - ABH, FBH beavatkozási határok - β, másodfajú hiba Beavatkozási határok számolása A számítás gyakorlati menete 3σ-ás modell ABH = középérték - 3 szórás FBH = középérték + 3 szórás Kényelmes, de vigyázzunk a β -ra!!! Példa Műanyag padló m -re eső felületi hibáinak átlagos száma db. A folyamatot szabályozni szeretnénk α=%-os elsőfajú hiba mellett.. Tervezze meg a beavatkozási határt!. Mekkora a másodfajú hiba mértéke, ha a hibaszám -re nő? 3. Tervezze meg a beavatkozási határt 3σ-ás modellel! A fenti zavarhatás fellépésekor, mekkora a másodfajú hiba? 5

5.5.5. Példa. rész Poisson-eloszlás Példa. rész p k k p k,353,,77,77, 3,8,9 5,3,,857,973 λ = α 3 5 k FBH = 5 p k k p k,83,733,,5, 3,95,95 5,53, 7,595 β =, 89 β λ = λ = 3 5 k Példa 3. rész 3σ-ás modell ABH= 3 =, ABH = FBH = + 3 =, FBH = 7 p k k = β =? =,889 Határok számolása 3 R FBH ( UCL ) = x + = x + A R d n 3 R ABH (LCL ) = x = x A R d n Kártyák használata A mérendő változó meghatározása Mintaelemszám meghatározása Előzetes mintavétel a paraméterek becslésére Határok számolása, ábrázolás Kártya alkalmazása Nem véletlen hatások Kiugró érték Eltolódás, elállítódás Folyamatos eltolódás, trend Ciklusok Keverék eloszlás Túl kis ingadozás

5.5.5. Mintázatok 9 egymás utáni pont a középső vonal egyik oldalán helyezkedik el. egymás utáni pont egyirányú menetet mutat. egymás utáni pont le-föl ingadozik. 3 egymás utáni pont közül az A zónában vagy azon kívül van. Mintázatok folyt. 5 egymás utáni pont közül a B zónába vagy azon kívülre esik 5 egymást követő pont a C zónában van. 8 egymást követő pont a C zónán kívül. Mintavétel Általános szabály: az alcsoport homogén legyen ne legyen benne középértéket befolyásoló hatás. ARL meghatározása ARL = Average Run Length, várható sorozathossz ARL = P ( határon kívülre esés) Szabályozott állapotban: ARL= /α Adott eltolódásnál: ARL= /(-β) ARL számolása α =,57 Szabályozott állapotban: ARL= /α = 8,97 β =,89 Adott eltolódásnál: ARL= /(-β) =,9 α =, 3σ-ás modell Szabályozott állapotban: ARL= /α = 7,39 β =,889 Adott eltolódásnál: ARL= /(-β) = 9, Átlag-kártya használata Több elemű mintát tudunk venni. Ha viszonylag nagyobb eltérések várhatók. Kis eltérések nem okoznak nagy gondot. Mintavételi költség viszonylag alacsony. A folyamat nem trend v. ciklikus jellegű. 7

5.5.5. Egyedi érték kártya (Mozgó terjedelem kártya) Szakaszos technológia Lassú gyártás Automatikus (%-os) ellenőrzés Drága a mérés Termékjellemző Egyedi érték kártya Ingadozás mérése a mozgó terjedelmekkel történik. MR i = xi xi ˆ σ = MR d n = Egyéb méréses kártyák Sávos ellenőrzőkártya Mozgóátlag kártya (MA) Exponenciálisan súlyozott mozgóátlag kártya (EWMA) Kumulált összegek kártya (CUSUM) Regressziós ellenőrző kártya stb. 8 8 Zone Chart of C 8 +3 StDev=59 + StDev=5 + StDev=53 _ X=5 - StDev=97 - StDev=9-3 StDev=9 3 5 7 Sample Minősítéses kártyák Minősítéses kártyák np-kártya (selejtszám) c-kártya (hibaszám) p-kártya (selejtarány) u-kártya (fajlagos hibaszám) Köszönöm a figyelmüket. 8