Hanthy László Tel.: 06 20 9420052



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

Statistical Process Control (SPC), Statisztikai Folyamatszabályozás

17. Folyamatszabályozás módszerei

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

STATISZTIKAI MÓDSZEREK ALKALMAZÁSA SZABVÁNYOK ÁTTEKINTÉSE (ISO TC 69)

Hat Szigma Zöldöves Tanfolyam Tematikája

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

Kontrol kártyák használata a laboratóriumi gyakorlatban

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

Budapesti Műszaki és Gazdaságtudományi Egyetem

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

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

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

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

Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével

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

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

Kockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével

Kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamatra illesztése

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

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

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Kalibrálás és mérési bizonytalanság. Drégelyi-Kiss Ágota I

Kosztyán Zsolt Tibor Katona Attila Imre

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

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

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

Kockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén

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

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

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

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

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

Statisztikai becslés

[Biomatematika 2] Orvosi biometria

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

Mérési hibák

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Hat Szigma Testre Szabva (Six Sigma for You 6S4U)

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Biostatisztika VIII. Mátyus László. 19 October

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

KÖVETKEZTETŐ STATISZTIKA

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

Többváltozós lineáris regressziós modell feltételeinek

Matematikai alapok és valószínőségszámítás. Normál eloszlás

Hipotézis vizsgálatok

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

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

Minőség-képességi index (Process capability)

FOLYAMATSZABÁLYOZÁS a Wescast Hungary-nél

Kísérlettervezés alapfogalmak

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

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

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

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

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

- Bemutatkozás - Az innováció a tradíciónk!

Egy lehetséges tartalomjegyzék TÜV 100

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

A Q-DAS CAMERA koncepció fázisai

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

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA

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

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

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.

Az SPC (statisztikai folyamatszabályozás) ingadozásai

Statisztika Elıadások letölthetık a címrıl

Statisztika I. 10. előadás. Előadó: Dr. Ertsey Imre

2011. ÓE BGK Galla Jánosné,

A bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos:

Adatok statisztikai értékelésének főbb lehetőségei

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

Több valószínűségi változó együttes eloszlása, korreláció

1/8. Iskolai jelentés. 10.évfolyam matematika

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

14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull

Khi-négyzet eloszlás. Statisztika II., 3. alkalom

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

Indikátorok alkalmazása a labordiagnosztikai eljárások minőségbiztosításában

Hipotézisvizsgálat az Excel adatelemző eljárásaival. Dr. Nyéki Lajos 2018

Lövedékálló védőmellény megfelelőségének elemzése lenyomatmélységek (traumahatás) alapján

Egyszempontos variancia analízis. Statisztika I., 5. alkalom

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

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

A Statisztika alapjai

Információtartalom vázlata

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás

Biometria gyakorló feladatok BsC hallgatók számára

Kísérlettervezés alapfogalmak

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

Folyamatképes gyártási folyamatok a Roto lövői gyárában

Valószín ségszámítás és statisztika Gyakorlat (Kétmintás próbák)

A problémamegoldás lépései

Hipotézis vizsgálatok

y ij = µ + α i + e ij

Átírás:

Hanthy László Tel.: 06 20 9420052

Néhány probléma a gyártási folyamatok statisztikai szabályzásával kapcsolatban

Miben kellene segíteni az SPC alkalmazóit? Hanthy László T: 06(20)9420052

Megválaszolandó kérdések Mit tekintsünk statisztikailag stabil folyamatnak? Hogyan szabályozhatjuk a valóságos előállítási folyamatokat? Hogyan kezdhetünk neki egy folyamat szabályozásának? Mit tegyünk a speciális problémák kezelésére?

Stabilitás? A statisztikai stabilitás fogalma helyett az autóipari szerzők az uralt uralt, vagy a minőségképes kifejezést is használják. Az a folyamat, minőségképes, amely bizonyíthatóan képes az előre meghatározott követelmények teljesítésére, és mért értékei a tűréshatárokon belül vannak. (VDA 4) E folyamat a szabályzókártya beavatkozási határain belül marad, és képességindexe is megfelel a követelményeknek. EOQ-előadás 2005 10. 18. Hanthy László

Folyamat véletlen zavarokkal Az idei deális Shewhart- folyamat: Idő Idő t µ t4, σ t4 µ t3, σ t3 σ(t) = konstans µ t2, σ t2 µ(t) = konstans µ t1, σ t1

Példák a veszélyes (?) zavarokra σ(t) = konstans µ(t) konstans Idő Idő t µ t2, σ µ t3, σ µ t5, σ µ t4, σ µ t2, σ t2 µ t3, σ t3 µ t4, σ t4 µ t5, σ t5 Idő Idő t σ(t) konstans µ t1, σ µ t1, σ t1 µ(t) konstans EOQ-előadás 2005 10. 18. Hanthy László

Ezeket kell szabályozni! A hagyományos értelemben vett statisztikailag stabil folyamatok nem léteznek csak egyeseket az alkalmazott matematikai eszközök segítségével annak tekinthetünk. Mérési Mérési módszer módszer Kiértékelés Kiértékelés Környezet Környezet Ember Ember Geometria Geometria Mérőeszköz Mérőeszköz Anyag Anyag Technológia Technológia X kimenet

Valóságos gyártási folyamatok EOQ-előadás 2005 10. 18. Hanthy László

Folyamatmodellek az ISO/DIS 21747 (DIN Folyamatmodellek 55319) szerint A modell betűjele A B C D Folyamathelyzet µ=áll. µ= áll. µ áll. µ áll. Folyamatszórás σ= áll. σ áll. σ= áll. σ áll.

A-típusú folyamatmodellek Jele Tulajdonság A szúró- próbák eloszlása sa Eredmény -eloszlás µ=áll., σ= áll. A1 normál normál A2 nem normál, egy- vagy több- csúcsú nem normál, egy- vagy több- csúcsú EOQ-előadás 2005 10. 18. Hanthy László

Példák folyamattípusokra Normál eloszlású folyamat (A1)

Példák folyamattípusokra Nem normál eloszlású folyamat (A2) EOQ-előadás 2005 10. 18. Hanthy László

B-típusú folyamatmodell Jele Tulajdonság A szúró- próbák eloszlása sa Eredmény -eloszlás µ=áll., σ áll. B nem normál, egy- csúcsú normál, vagy más, egy- csúcsú A szórás véletlen- szerűen változik

C-típusú folyamatmodellek Jele Tulajdonság A szúró- próbák eloszlása sa Eredmény -eloszlás µ áll., σ= áll. C1 A középérték véletlen- szerűen (normál- eloszlással) szór normál normál C2 A középérték véletlen- szerűen szór normál nem normál, egy- csúcsú EOQ-előadás 2005 10. 18. Hanthy László

C-típusú folyamatmodellek Jele Tulajdonság A szúró- próbák eloszlása sa Eredmény -eloszlás µ áll., σ= áll. C3 A középérték szisztemati- kusan változik (pl. trend, ciklikusság) normál tetszőle- ges, általában egy- csúcsú eloszlás C4 A középérték szisztemati- kusan és véletlensze- rűen változik normál tetszőle- ges, általában több- csúcsú eloszlás

Példák folyamattípusokra Ingadozó középértékű, állandó szórású folyamat (C3) EOQ-előadás 2005 10. 18. Hanthy László

Példák folyamattípusokra Ingadozó középértékű, állandó szórású folyamat (C4)

D-típusú folyamatmodell Jele Tulajdonság A szúró- próbák eloszlása sa Eredmény -eloszlás µ áll., σ áll. D tetszőle- ges, általában több- csúcsú eloszlás tetszőle- ges, általában több- csúcsú eloszlás Mind a középérték, mind a szórás szisztemati- kusan és véletlensze- rűen változik EOQ-előadás 2005 10. 18. Hanthy László

Példák folyamattípusokra Ingadozó középértékű, és szórású, instabil folyamat (D)

A folyamatmodellek gyakorisága (egy német felmérésből) 1000 folyamatból, 11 gyárból D - nem képes 23% A1 2% A2 2% C1 és C2 36% D - képes 32% C3 és C4 5% EOQ-előadás 2005 10. 18. Hanthy László

Az SPC helye Hatékony -ság 100%-os ellenőrzés Mintavételes ellenőrzések Ellenőrzés a mérési bizonytalansággal csökkentett tűrésre Ellenőrzés (etalonnal v. mérőeszközzel) tűrésre Ellenőrzés kombinált minőségszabályzó-kártyával Ellenőrzés mérési értékkártyával (egyszerű szabályzókártya) Ellenőrzés tűrésre

Követelmények a folyamatszabályozással kapcsolatban (ipari sorozatgyártás) Egyszerű interpretálhatóság az alkalmazók számára Interpretálhatóság szoftverrel Automatikus kalkuláció (minél nagyobb arányban) Minimális első fajú hiba Egyértelmű szabályok az alkalmazásra és a bevezetés fázisára EOQ-előadás 2005 10. 18. Hanthy László

Követelmények a folyamatszabályozással kapcsolatban Egyszerű interpretálhatóság, kezelhetőség az alkalmazók számára A CUSUM-kártya a versenyből kizárva; Maradnak azok a kártyák, melyekben a folyamat megfelelősége a határokkal történő összeméréssel derül ki. A helyzetkártyán csak a nominális átlag (vagy medián) ) szerepeljen! (short( run-kártyák kizárva illetve szoftver alkalmazásakor feleslegesek)

Követelmények a folyamatszabályozással kapcsolatban Interpretálhatóság szoftverrel Szubjektív stabilitáskritériumok, mint pl: láthatóan nem véletlenszerű alakzatok a kártyában kizárva EOQ-előadás 2005 10. 18. Hanthy László

Követelmények a folyamatszabályozással kapcsolatban Automatikus kalkuláció (minél nagyobb arányban) A határok számítása legyen megoldható a bevitt mérési eredményekből és/vagy a tűréshatárokból

Követelmények a folyamatszabályozással kapcsolatban Minimális első fajú hiba Biztosítani kell a módszer elfogadottságát Speciális szabályzókártyák, melyek kínosan pontos peremfeltételeket igényelnek, (pl. regressziós ellenőrzőkártya) kizárva EOQ-előadás 2005 10. 18. Hanthy László

Követelmények a folyamatszabályozással kapcsolatban Alkalmazható szabályzókártyák: Folyamatalapú (Shewhart( Shewhart-)kártyák normális nem normális eloszlásra (Pearson( Pearson-kártyák) Tűrésalapú helyzetkártyák (átvételi kártyák) megadott selejthányad megakadályozására, vagy a megadott folyamatképességi indexre kalkulálva EWMA-kártyák elsősorban a mozgó minták elemzésére (?)

A folyamatszabályzáshoz javasolt módszerek az autóipari előírásokkal összehasonlítva Folyamattípus (altípus) SPC-kézikönyv VDA 4 Ringbuch Javasolt szabályzási módszerek A normál eloszlás egyszerű Shewhartszabályzókártya egyszerű Shewhartszabályzókártya egyszerű Shewhartszabályzókártya A nem normál eloszlás nincs módszer megemlítve nincs módszer megemlítve Pearson-féle szabályzókártya B nem szabályozható nem szabályozható egyszerű Shewhartvagy Pearsonszabályzókártya, szükség esetén szakaszokra kalkulált beavatkozási határokkal

C a minták eloszlása normális nem szabályozható kibővített Shewhartszabályzókártya, vagy elfogadókártya kibővített Shewhartszabályzókártya, vagy átvételi kártya C a minták eloszlása nem normális nem szabályozható nem, vagy korlátozottan szabályozható kibővített Shewhart-, vagy átvételi középértékkártya, Pearson-féle szóráskártya D a minták eloszlása nem normális nem szabályozható nem szabályozható kibővített Shewhart-, vagy átvételi középértékkártya folyamatszakaszokra kalkulált beavatkozási határokkal, Pearson-féle, vagy szakaszos kiértékeléssel készített Shewhart-szóráskártya

Automatikus technológiák Automatikus technológiák

Az SPC szakaszai Fázisok: A folyamat előzetes elemzése milyen modellbe tartozik? melyek a befolyásoló tényezők? megfelelő-e e a mérőrendszer? milyen mintavétel javasolt, és lehetséges (fázisonként)? Adatgyűjtés alkalmazzunk előzetes szabályzókártyát, vagy sem? milyen kiegészítő adatokat naplózzunk? hogyan biztosítsuk a folyamatképességet? milyen szabályok vonatkozzanak a személyzetre?

Az SPC szakaszai Fázisok: Előzetes szabályzókártya elemzés: összehasonlítás a 0-hipotézissel0 ideiglenesen tűrés alapú kártyák alkalmazása speciális eljárás folyamatsérülések esetén Folyamatos folyamatszabályzás- és elemzés a kártyahatárok után-igazítása részletes elemzés keretében rendszeres kiértékelés FOLYAMATELEMZÉS, FOLYAMATFEJLESZTÉS standard, de folyamatspecifikus szabályok alkalmazása EOQ-előadás 2005 10. 18. Hanthy László

Speciális problémák a folyamatszabályozásban A folyamatképesség biztosítása átvételi kártya, α-hiba kontra a kártyk rtyában leképezett matematikai modell Folyamatos, 1-elemű 1 mintavétel (mozgó mintaképzés) mintanagyság, kártyatípus- és interpretáció! Több folyamat keveredik (termékek pl. több szerszámfészekből) mintavételi módszer, terjedelemkártya Nem megfelelő mérőeszköz-felbontás terjedelemkártya

A fő kérdés Miért nincs Magyarországon (és nem csak itt) valóságos folyamatelemzésen alapuló folyamatszabályzás csak a 6σ-projektekben, 6 csak bújócskázás a statisztikával? (Show Program for Customer) Az Az üzleti környezet A (a (a mindenképpen betartandó) folyamatképesség (tűrés) mumusa A képzés felelőssége EOQ-előadás 2005 10. 18. Hanthy László