A stabilitás vizsgálata: ellenőrző kártyák

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

4. A méréses ellenırzı kártyák szerkesztése

Az átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

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

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

BIOMATEMATIKA ELŐADÁS

Minőségirányítási rendszerek 8. előadás

A szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai

A statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.

biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat

17. Folyamatszabályozás módszerei

Kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése

f (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben

A biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

6. Minısítéses ellenırzı kártyák

Statisztika 1. zárthelyi dolgozat március 18.

MINİSÉGSZABÁLYOZÁS. Dr. Drégelyi-Kiss Ágota

AZ SPC gyakorlati kérdései és alkalmazási tapasztalatai

Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével

1. A radioaktivitás statisztikus jellege

VII. A határozatlan esetek kiküszöbölése

Zavar (confounding): akkor lép fel egy kísérletben, ha a kísérletet végző nem tudja megkülönböztetni az egyes faktorokat.

Statisztikai hipotézisvizsgálatok

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

Kontrol kártyák használata a laboratóriumi gyakorlatban

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

Statistical Process Control (SPC), Statisztikai Folyamatszabályozás

Kockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével

Bevezetés a hipotézisvizsgálatokba

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

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

2. egy iskola tanulói, a változók: magasságuk cm-ben, súlyuk (tömegük) kilóban; 3. egy iskola tanulói, a változó: tanulmányi átlaguk;

Populáció. Történet. Adatok. Minta. A matematikai statisztika tárgya. Valószínűségszámítás és statisztika előadás info. BSC/B-C szakosoknak

Statisztikai programcsomagok

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

Populáció nagyságának felmérése, becslése

Statisztika 1. zárthelyi dolgozat március 21.

Kidolgozott feladatok a nemparaméteres statisztika témaköréből

Kétoldali hibás Monte Carlo algoritmus: mindkét válasz esetén hibázhat az algoritmus, de adott alsó korlát a hibázás valószínűségére.

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

Statisztika. Földtudomány szak, geológus szakirány, 2015/2016. tanév tavaszi

Normális eloszlás tesztje

Kockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén

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

3. SOROZATOK. ( n N) a n+1 < a n. Egy sorozatot (szigorúan) monotonnak mondunk, ha (szigorúan) monoton növekvő vagy csökkenő.

Minőség-képességi index (Process capability)

III. Képességvizsgálatok

Sorozatok, határérték fogalma. Függvények határértéke, folytonossága

Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet

BIOSTATISZTIKA ÉS INFORMATIKA. Leíró statisztika

6. feladatsor. Statisztika december 6. és 8.

kismintás esetekben vagy olyanokban, melyeknél a tanulóalgoritmust tesztadatokon szeretnénk

2. Az együttműködő villamosenergia-rendszer teljesítmény-egyensúlya

VÉLETLENÍTETT ALGORITMUSOK. 1.ea.

Egy lehetséges tételsor megoldásokkal

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

Matematika B4 I. gyakorlat

Intervallum Paraméteres Hipotézisek Nemparaméteres. Statisztika december 2.

AZ ÖSSZETÉTEL OPTIMALIZÁLÁSA A VOLUMETRIKUS ASZFALTKEVERÉK- ELLENÕRZÉS MÓDSZERÉVEL

V. Deriválható függvények

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

kritikus érték(ek) (critical value).

Termelés- és szolgáltatásmenedzsment

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

[Biomatematika 2] Orvosi biometria

Az SPC (statisztikai folyamatszabályozás) ingadozásai

Bootstrap (Efron, 1979)

Kvantummechanika gyakorlo feladatok 1 - Megoldások. 1. feladat: Az eltolás operátorának megtalálásával teljesen analóg módon fejtsük Taylor-sorba

Rudas Tamás: A hibahatár a becsült mennyiség függvényében a mért pártpreferenciák téves értelmezésének egyik forrása

A brexit-szavazás és a nagy számok törvénye

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

A matematikai statisztika elemei

( a b)( c d) 2 ab2 cd 2 abcd 2 Egyenlőség akkor és csak akkor áll fenn

ezek alapján kívánunk dönteni. Ez formálisan azt jelenti, hogy ellenőrizni akarjuk,

Matematikai statisztika

2. Hatványsorok. A végtelen soroknál tanultuk, hogy az. végtelen sort adja: 1 + x + x x n +...

? közgazdasági statisztika

Szemmegoszlási jellemzők

Matematika I. 9. előadás

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

(A TÁMOP /2/A/KMR számú projekt keretében írt egyetemi jegyzetrészlet):

24. tétel A valószínűségszámítás elemei. A valószínűség kiszámításának kombinatorikus modellje.

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

Tartalom. Kezdeti szimulációs technikák. Tipikus kérdések. A bootstrap módszer. Bevezetés A független, azonos eloszlású eset:

Hanthy László Tel.:

Diszkrét matematika II., 3. előadás. Komplex számok

Eötvös Loránd Tudományegyetem Informatikai Kar. Analízis 1. Írásbeli tételek. Készítette: Szántó Ádám Tavaszi félév

VILLAMOS ENERGETIKA Vizsgakérdések (BSc tavaszi félév)

SPC egyszerően, olcsón, eredményesen

Statisztikai folyamatszabályozás Minitab szoftverrel

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

véletlen : statisztikai törvényeknek engedelmeskedik (Mi az ami közös a népszavazásban, a betegségek gyógyulásában és a fiz. kém. laborban?

Budapesti Műszaki és Gazdaságtudományi Egyetem

Kutatói pályára felkészítı modul

Megjegyzések. További tételek. Valódi határeloszlások. Tulajdonságok. Gyenge (eloszlásbeli) konvergencia

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

Lineáris programozás

1 n. 8abc (a + b) (b + c) (a + c) 8 27 (a + b + c)3. (1 a) 5 (1 + a)(1 + 2a) n + 1

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

Átírás:

A miőségszabályozás felaata upper atural tolerace limit ige ige STABIL? em upper specificatio limit (fölső tűréshatár) KÉPES? em lower atural tolerace limit lower specificatio limit (alsó tűréshatár) Méréses elleőrző kártyák 1 A stabilitás vizsgálata: elleőrző kártyák méréses miősítéses commo cause: véletle igaozás specific (assigable) cause: azoosítható, tetteérhető (veszélyes) hiba, megváltozott a folyamat Méréses elleőrző kártyák

A folyamatot akkor evezzük stabilak vagy statisztikailag kézbetartottak (agolul: i statistical cotrol), ha az igaozás véletleszerű, iőbe állaó, icseek jól felismerhető és megevezhető okai. Ha a folyamat stabil, a múltbeli aatok alapjá jövőbei viselkeése bizoyos határok között kiszámítható. Ez úgy érteő, hogy meg tujuk moai, milye valószíűséggel aóik e határoko kívüli vagy belüli érték (Shewhart, 1931). Méréses elleőrző kártyák 3 Méréses elleőrző kártyák 1. péla Pörköltkávé-aagoló automata töltötte csomagok tömegéek feltételezett várható értéke 5 g, az aagolás ismert variaciája 1 g. A folyamatból vett 5 elemű mita átlaga: x = 49. 6 g Megfelel-e az aagolt tömeg várható értéke a feltételezések, ha az elsőfajú hiba megegeett valószíűsége α=.5? Méréses elleőrző kártyák 4

Emlékeztető a hipotézisvizsgálatból (z-próba) z x µ = σ / elfogaási tartomáy: α/ α/ ( < z z ) = 1 α P -z a a H elutasítás -z α/ elfogaás z α/ z elutasítás P -z x µ < z H = α σ 1 a a µ α / / + α / σ z σ < x < µ z / x z σ < µ < x z / α / / + α / σ a kofiecia-itervallum tartalmazza a µ értéket Méréses elleőrző kártyák 5 ( x) = µ 5 H : E = z σ < x < µ + z µ α α σ α / α / LCL µ UCL x LCL: lower cotrol limit: z / µ α / σ UCL: upper cotrol limit + z / µ α / σ Méréses elleőrző kártyák 6

( x) = µ 5 H : E = Az elfogaási tartomáy µ z σ < x < µ + zα α σ z α / = µ α / σ UCL = x fölső = + z / = LCL = xalsó = z / = Dötés: µ α / σ Méréses elleőrző kártyák 7 elfogaási tartomáy: µ z σ < x < µ + zα α σ Vegyük iőközökét mitát, és ábrázoljuk az iő függvéyébe! elleőrző kártya ha stabil (i statistical cotrol): folytassuk ha em stabil (out of cotrol): avatkozzuk be Méréses elleőrző kártyák 8

A beavatkozás sokszor költséges (a gyártó sort meg kell állítai), ezért kis esélyt szokás ai a hamis riasztásra: z α/ =3 (ú. ±3σ határ), ekkor α=.7, vagyis ezer esetből kb. háromszor téveük. Elfogaási tartomáy: µ σ < x < µ 3σ 3 + LCL UCL Méréses elleőrző kártyák 9 Elfogaási tartomáy: µ σ < x < µ 3σ 3 + 1. probléma µ és σ em ismert (em tujuk azt, amihez hasolítai kellee) becslés. probléma em tujuk, hogy az a folyamat, amiből µ és σ becslését végeztük, stabil-e elleőrzése kártyával Előzetes aatfelvétel Méréses elleőrző kártyák 1

I fázis: a stabilitás megteremtése, beavatkozási határok (előzetes aatfelvétel) II fázis: gyártásközi elleőrzés a korábba megállapított beavatkozási határokkal Méréses elleőrző kártyák 11 Az átlag-terjeelem kártya A gyártásból bizoyos iőközökét elemű (tipikusa =3-5) mitát veszük. Kiszámítjuk a mita terjeelmét és az elemű mita átlagát: 1 R= x max x mi x = x j j= 1 Az i-eik mitára így egy R i terjeelmet és átlagot kapuk. x i ˆ σ = R ahol 1 R = m i R i Méréses elleőrző kártyák 1

Az átlag (X-bar) kártya szerkesztése Előzetes aatfelvétel µ σ < x < µ 3σ 3 + CL 1 = x = m x x i i (m a miták száma, az i-eik mita átlaga) x i 3R UCL x = x + = x + A R (fölső beavatkozási határ) 3R LCL x = x = x A R (alsó beavatkozási határ) Méréses elleőrző kártyák 13 Gyártásközi elleőrzéshez x és R az előzetes aatfelvételből, vagyis a középvoal és a beavatkozási határok már aottak Méréses elleőrző kártyák 14

A terjeelem (R: rage) kártya szerkesztése Előzetes aatfelvétel CL 1 = R = m R R i i ˆ σ H : ˆ R = 3σ = Var 3R ( x) = σ A beavatkozási határok a ±3σ választás eseté: UCL LCL 3R 3 = R + 3 ˆ σ R = R + 3 = R 1 3 = D + R 4 3 R = R 3 σˆ R = R 3 = D R 3 R R Méréses elleőrző kártyák 15 Ha LCL-re egatív érték aóik, zérusra igazítjuk. 3 c 4 A A 3 B 3 B 4 D 3 D 4 1.18.853.7979 1.88.659 3.67 3.67 3 1.693.886.886 1.3 1.954.568.574 4.59.88.913.79 1.68.66.8 5.36.864.94.577 1.47.89.114 3 4 5 6 7 8 9 1 1.18 1.693.59.36.534.74.847.97 3.78 11 1 13 14 15 3.173 3.58 3.336 3.47 3.47 Méréses elleőrző kártyák 16

. péla Készítsük átlag-terjeelem kártyát a táblázatba található aatokból! i mitaelem átlag meiá R s s 1 51.5 49.67 5.15 5. 49.3 5.118 5.15 1.95.7353.547 47.56 49.84 51.4 49.47 5.5 3 51.47 5.3 5.7 5.1 5.37 4 49.35 49.77 49.9 5.9 5.44 49.954 49.77 1.63.787.5 5 49.9 51.9 48.14 48.51 5.9 49.546 49.9.95 1.3671 1.8688 6 51.59 48.13 5.6 48.9 5.9 5.158 5.6 3.96 1.691.8596 7 5.61 49.55 49.3 49.61 51.39 5.78 49.61.16.8974.853 8 49.95 47.74 49.4 48.88 49.16 49.6 49.16.1.8196.6717 9 47.74 49.4 49.59 51.59 5.36 49.74 49.59 3.85 1.48 1.983 1 47.89 5.65 49.61 49.8 48.7 49.19 49.8.76 1.85 1.578 11 49.6 5.8 51. 5.8 5.6 5.18 5.8 1.96.699.4886 1 49.83 49.46 48.83 51.56 49.16 49.768 49.46.73 1.676 1.1399 13 5.36 5.1 51.68 5.36 48.78 5.56 5.36.9 1.311 1.631 14 5.71 5.6 5.18 49.47 5.7 5.68 5.6 1.5.511.611 15 5.5 5.36 51.5 49.91 5.75 51.8 5.75.45.9514.951 16 5.11 5.87 49.31 49.93 49.63 49.97 49.93 1.56.5879.3456 17 48.81 49.65 48.8 5.57 51.48 49.718 49.65 3.4 1.3549 1.8357 18 49.9 49.81 5.59 5.38 5.74 5.84 5.38.93.413.177 19 5.88 49.79 49.85 5.11 5.61 5.48 5.11 1.9.479.94 49.7 48.61 5.64 49.43 49.6 49.51 49.43.3.7347.5398 átl. 49.955 49.85.333.9181.9643 Méréses elleőrző kártyák 17 5. 51.5 51. 5.5 5. 49.5 49. 48.5 48. 6 5 4 3 1 5. 51.5 51. 5.5 5. 49.5 49. 48.5 48. 1 3 4 5 6 7 8 9 1 11 1 13 14 15 16 17 18 19 1 3 4 5 6 7 8 9 1 11 1 13 14 15 16 17 18 19 6 5 4 3 1 Méréses elleőrző kártyák 18

5. 51.5 51. 5.5 5. 49.5 49. 48.5 48. 5.5 5. 4.5 4. 3.5 3..5. 1.5 1..5. -.5 X-bar a R Chart; variable: YS X-bar: 49.96 (49.96); Sigma: 1.8 (1.8); : 5. 4 6 8 1 1 14 16 18 Rage:.335 (.335); Sigma:.8665 (.8665); : 5. 4 6 8 1 1 14 16 18 51.3 49.96 48.61 4.931.335. Méréses elleőrző kártyák 19 A beavatkozási határok az átlagra voatkozak! 53. X-bar Chart; variable: YS 5.5 5. 51.5 51. 51.3 5.5 5. 49.96 49.5 49. 48.5 48.61 48. 47.5 47. 4 6 8 1 1 14 16 18 Méréses elleőrző kártyák

Az átlag-kártya műköési jelleggörbéje (α=.7) 1..9.8.7.6 β.5.4.3..1 4 1 7 5 4 3 1...5 1. 1.5..5 3. 3.5 4. /σ Méréses elleőrző kártyák 1 A terjeelem-kártya műköési jelleggörbéje (±3σ, azaz α=.7?) β 1..8.6.4.. 3 5 9 7 1.. 3. 4. 5. 6. σ 1 /σ Méréses elleőrző kártyák

A Wester Electric algoritmikus szabályai 1. Egy pot az A zóá kívül. Kilec egymást követő pot a középvoal egyik olalá 3. Hat egymást követő pot övekvő vagy csökkeő meetű 4. Tizeégy egymás utái pot le-föl váltakozik a. ábra b. ábra c. ábra. ábra 5. Három egymást követő pot közül kettő az A zóába vagy azo túl 6. Öt egymást követő pot közül égy a B zóába vagy azo túl (a középső voal egy olalá) 7. Tizeöt pot egymás utá a C zóába (a középvoal bármelyik olalá) 8. Nyolc egymást követő pot a C zóá kívül (a középvoal bármelyik olalá) e. ábra f. ábra g. ábra h. ábra Méréses elleőrző kártyák 3 3. péla Készítsük átlag-terjeelem-kártyát a cpata1.sta aatfile YS5 oszlopára! Hajtsuk végre a Wester Electric szabályok szeriti elleőrzéseket is! Az előzetes aatfelvétel szeriti várható érték 5., variacia 1.. Előzetes aatfelvétel vagy gyártásközi elleőrzés? Statistics>Iustrial Statistics>Quality Cotrol Charts X-bar & R chart for variables Variables: YS, Sample Rus test Méréses elleőrző kártyák 4

Zoes A/B/C: 3././1. * Sigma Tests for special causes (rus rules) 9 samples o same sie of ceter 6 samples i row i/ecreasig 14 samples alteratig up & ow of 3 samples i Zoe A or beyo 4 of 5 samples i Zoe B or beyo 15 samples i Zoe C 8 samples beyo Zoe C 53. 5.5 5. 51.5 51. 5.5 5. 49.5 49. 48.5 48. YS5 ; Rus Tests (CPDATA1.STA) X-bar Chart Ceter lie: 5. Sigma:.448477 from to sample sample 11 19 OK OK OK OK 1 1 13 X-bar a R Chart; variable: YS5 15 X-bar: 5.78 (5.); Sigma: 1.8 (1.); : 5. 16 18 1 14 15 19 OK OK 1 17 4 6 8 1 1 14 16 18 51.34 5. 48.66 5.5 5. 4.5 4. 3.5 3..5. 1.5 1..5. -.5 Rage:.335 (.359); Sigma:.8665 (.8648); : 5. 4 6 8 1 1 14 16 18 4.918.359. Méréses elleőrző kártyák 5 Mikor haszáljuk átlag-kártyát? ha a mita hasoló körülméyek között vett több elemből állhat; ha agy ( σ) eltérések várhatók, és ezeket akarjuk észleli; ha a kis eltérések em járak súlyos gazasági következméyekkel (em kerülek sokba); ha az eljárás egyszerűsége fotos szempot, e azért az alkalmazókak em okoz ehézséget az átlag kiszámítása; a mitavételi költség viszoylag kicsi. Méréses elleőrző kártyák 6

Mikor e haszáljuk átlag-kártyát? ha em lehet a mitákat csoportokba osztai; ha a csoportoko belüli igaozás a csoportok közötti véletle igaozáshoz képest túl kicsi, ekkor ugyais túl sok kieső értéket találuk; ha a kimutataó eltérés a (.5σ< <σ) tartomáyba esik; ha a mitavétel/mérés költséges, és többe kerüle, mit amit az elleőrzéssel yerheték; a folyamat léyegéél fogva ciklikus vagy tre jellegű, ekkor ugyais az egymás utái miták em függetleek. Méréses elleőrző kártyák 7 Az átlag-kártya előkészítéséek és alkalmazásáak lépései A méreő változó meghatározása: olya jellemzőt választuk, ami a miőség szempotjából relevás (problémát okoz vagy okozhat); mérése e kerüljö többe, mit aak a költsége, ha em haszáluk statisztikai miőségszabályozást. A mita-elemszám meghatározása: a mitá belüli változékoyság sokkal kisebb legye, mit a miták közötti, 4-6 elemű mitát szokás vei, 5 tipikusak evezhető. Méréses elleőrző kártyák 8

A folyamat eloszlása paramétereiek (µ és σ ) előzetes becslése a mita-elemszám meghatározásához; <1 eseté haszálhatuk terjeelem-kártyát. Előzetes aatfelvétel a folyamat eloszlása paramétereiek (µ és σ ) becslésére, ehhez megfelelő kártya-kombiáció választása, 5 mita gyűjteő. Az aatok ábrázolása kártyáko, a középvoal és a beavatkozási határok kiszámítása; istabilitás vizsgálata, a veszélyes hibák okaiak megtalálása és azok kiküszöbölése utá a megfelelő potok elhagyaók. Méréses elleőrző kártyák 9 Gyártásközi elleőrzés akkor kezőhet, ha az előzetes aatfelvétel sorá a folyamat stabilak bizoyult. Az elemzést a szóróási jellemző (pl. terjeelem) kártyájával kell kezei, mert az átlag-kártya határai σ=kost esetre érvéyesek. Ha kieső érték va, először számolási vagy aatleírási hibára gyaakojuk, aak kiszűrése a legolcsóbb. A gyártásközi elleőrzések a gyártással egy iőbe kell folyia, keveset ér, ha megtujuk, hogy az előző apo valami törtét. Méréses elleőrző kártyák 3

Elleőrző kártya egyei értékekre A termékek egyekét keletkezek, vagy a gyártás lassú ahhoz, hogy csoportokat lehesse formáli a termékekből. Ilyekor ics többelemű mita, em tuuk terjeelmet (szórást) számoli. Méréses elleőrző kártyák 31 Egyei érték (I vagy X) kártya Középvoal és a beavatkozási határok: CL x = x MR i = xi xi 1 MR = m i= MR m 1 i mozgó terjeelem (Movig Rage) ˆ σ = MR 3MR UCL x = x + 3MR LCL x = x Méréses elleőrző kártyák 3

Mozgó terjeelem (MR) kártya A középvoal és a beavatkozási határok: CL MR = MR UCL 3R = R + 3 ˆ σ R = R + 3 = D R 4 R UCL MR = D 4 MR LCL MR = D 3 MR Méréses elleőrző kártyák 33 4. péla Készítsük egyei érték + mozgó terjeelem kártyát a következő aatokból! Iiv1.sta Előzetes aatfelvétel vagy gyártásközi elleőrzés? x i M R i = x i x i 1 1 48.49-49.84 1.35 3 5.39 4 49.96 5 5.8 6 5.4 7 5.5.46 8 49.95.55 9 49.57.38 1 5.9.5 11 51.86 1.77 1 51.3.54 13 5.94.38 14 5.63.31 15 5.1 1.58 16 5.83 1.38 17 5.61. 18 5.64.3 19 5.64. 49.88.76 átlag 5.435.5984 Méréses elleőrző kártyák 34

Statistics>Iustrial Statistics>Quality Cotrol Charts Iiviuals & movig rage Variables: X 53. 5.5 5. 51.5 51. 5.5 5. 49.5 49. 48.5 48... 1.8 1.6 1.4 1. 1..8.6.4.. -. X a Movig R Chart; variable: x X: 5.4 (5.4); Sigma:.5334 (.5334); : 1. 4 6 8 1 1 14 16 18 Movig R:.5984 (.5984); Sigma:.4511 (.4511); : 1. 4 6 8 1 1 14 16 18 5.1 5.4 48.83 1.9548.5984. Méréses elleőrző kártyák 35 5. péla CO yomásáak évleges értéke 3.6 bar, az előírt miimum 3.39 bar, maximum 3.91 bar. Az üzembe elhatározott beavatkozási határok 3.5 és 3.7 bar. 4. 3.9 3.8 3.7 3.6 3.5 3.4 3.3 3. X a Movig R Chart; variable: CO X: 3.574 (3.574); Sigma:.768 (.768); : 1. 1 3 4 5 USL 3.7986 3.7 3.574 3.5 LSL 3.341.35.3.5..15.1.5. -.5 Movig R:.8585 (.8585); Sigma:.6486 (.6486); : 1..843.8585. 1 3 4 5 Méréses elleőrző kártyák 36

Az ábrázolás hasza, avagy mire szolgálak az elleőrző kártyák (T. Pyzek: The Six Sigma Habook, McGraw-Hill - Quality Publishig, 1999) 1 palack töltött tömege, átlag 11.95 ucia, szórás.1 ucia USL=1.1, LSL=11.9 Mit tegyük vele? Méréses elleőrző kártyák 37 (ru charts) Méréses elleőrző kártyák 38

Miért em a tűréshatárokhoz szabályozuk? UCL USL LSL LCL a) Méréses elleőrző kártyák 39 USL UCL LCL LSL b) Méréses elleőrző kártyák 4