Dr. BALOGH ALBERT. A folyamatképesség és a folyamatteljesítmény statisztikái (ISO 21747)

Hasonló dokumentumok
f(n) n x g(n), n x π 2 6 n, σ(n) n x

Máté: Számítógépes grafika alapjai

A szilárdságtan 2D feladatainak az feladatok értelmezése

SZÁMELMÉLET. Szigeti Jenő

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

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

Szerszámgépek 5. előadás Március 13. Szerszámg. 5. előad. Miskolc - Egyetemváros 2006/ félév

Az elektronmikroszkópia fizikai alapja: nagy-energiájú elektronok szóródásai

Az átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)

STATISZTIKA. A statisztika részei. Alapfogalmak. Példa:

Matematika B4 I. gyakorlat

6. Minısítéses ellenırzı kártyák

Statisztika 1. zárthelyi dolgozat március 21.

Növényi produkció mérése mikrometeorológiai módszerekkel. Ökotoxikológus MSc, április 21.

A binomiális eloszláson alapuló próbák

15. Többváltozós függvények differenciálszámítása

A statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.

2. gyakorlat - Hatványsorok és Taylor-sorok

Elektrokémiai fémleválasztás. Felületi érdesség: definíciók, mérési módszerek és érdesség-változás a fémleválasztás során

Hatások száma. Az extra információt felhasználhatjuk: Alias hatások. Részleges kétszintő tervezés. Kísérlettervezés

1. előadás: Bevezetés. Irodalom. Számonkérés. Cél. Matematikai statisztika előadás survey statisztika MA szakosoknak. A matematikai statisztika tárgya

Ferde hatásvonalú csuklóval megtámasztott rúd stabilitási vizsgálata

Innen. 2. Az. s n = 1 + q + q q n 1 = 1 qn. és q n 0 akkor és csak akkor, ha q < 1. a a n végtelen sor konvergenciáján nem változtat az, ha

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

Matematikai statisztika

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

Kutatói pályára felkészítı modul

Reakciómechanizmusok leírása. Paraméterek. Reakciókinetikai bizonytalanságanalízis. Bizonytalanságanalízis

26 Győri István, Hartung Ferenc: MA1114f és MA6116a előadásjegyzet, 2006/2007

6. feladatsor. Statisztika december 6. és 8.

AZ OPTIKAI TERVEZÉS ALAPJAI ÓRAI JEGYZET

Fizikai kémia 2. A newtoni fizika alapfeltevései. A newtoni fizika alapfeltevései E teljes. (=T) + E helyzeti.

Statisztika I. 4. előadás. Előadó: Dr. Ertsey Imre

A matematikai statisztika elemei

EGY FÁZISÚ TÖBBKOMPONENS RENDSZEREK: AZ ELEGYEK KÉPZDÉSE

BIOMATEMATIKA ELŐADÁS

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

ÁLLATTENYÉSZTÉSI GENETIKA

= λ valós megoldása van.

VÉLETLENÍTETT ALGORITMUSOK. 1.ea.

Hosszmérés finomtapintóval 2.

Felszín légkör kölcsönhatások

Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet

Populáció nagyságának felmérése, becslése

16. Az AVL-fa. (Adelszon-Velszkij és Landisz, 1962) Definíció: t kiegyensúlyozott (AVL-tulajdonságú) t minden x csúcsára: Pl.:

MATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA)

A figurális számokról (IV.)

Vegyipari és áramlástechnikai gépek. 7. előadás

EUKLIDESZI TÉR. Euklideszi tér, metrikus tér, normált tér, magasabb dimenziós terek vektorainak szöge, ezek következményei

VII. A határozatlan esetek kiküszöbölése

Lineáris kódok. u esetén u oszlopvektor, u T ( n, k ) május 31. Hibajavító kódok 2. 1

STATISZTIKA. Philosophiae Naturalis Principia Mathematica (A természetfiloz. szetfilozófia fia matematikai alapelvei, 1687) Laplace ( )

LOGO. Kvantum-tömörítés. Gyöngyösi László BME Villamosmérnöki és Informatikai Kar

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

AZ ÖSSZETÉTEL OPTIMALIZÁLÁSA A VOLUMETRIKUS ASZFALTKEVERÉK- ELLENÕRZÉS MÓDSZERÉVEL

[Biomatematika 2] Orvosi biometria

Tömegpont-rendszer mozgása

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

Méréstani összefoglaló

Tartalomjegyzék. 2. Probléma megfogalmazása Informatikai módszer Alkalmazás bemutatása Eredmények További célok...

V. Deriválható függvények

1. Egy intervallumon differenciálható F(x) függvény az f(x) függvény primitív függvénye, ha az intervallum minden x helyén.

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

Modla G., Láng P., Kopasz Á. Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészeti Eljárások Tanszék

2. Az együttműködő villamosenergia-rendszer teljesítmény-egyensúlya

1. A radioaktivitás statisztikus jellege

Lineáris programozás 2 Algebrai megoldás

A nagy számok törvényének néhány alkalmazása. Valószínűségszámítás. Példák. Konvolúció. Normális eloszlások konvolúciója

A brexit-szavazás és a nagy számok törvénye

HosszútávúBefektetések Döntései

Eddig megismert eloszlások Jelölése Eloszlása EX D 2 X P(X = 1) = p Ind(p) P(X = 0) = 1 p. Leíró és matematikai statisztika

(L) Lamellás szivattyú mérése

BIOSTATISZTIKA ÉS INFORMATIKA. Leíró statisztika

Miért érdekes? Magsugárzások. Az atommag felépítése. Az atom felépítése

Felsőbb Matematika Informatikusoknak D házi feladatok a Sztochasztika 2 részhez 2013 tavasz

TARTÓSZERKETETEK III.

Héj / lemez hajlítási elméletek, felületi feszültségek / élerők és élnyomatékok

1 k < n(1 + log n) C 1n log n, d n. (1 1 r k + 1 ) = 1. = 0 és lim. lim n. f(n) < C 3

I. Függelék. A valószínűségszámítás alapjai. I.1. Alapfogalamak: A valószínűség fogalma: I.2. Valószínűségi változó.

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

Minta JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ A MATEMATIKA EMELT SZINTŰ ÍRÁSBELI 2. FELADATSORHOZ

REOIL. növeli a transzformátorok élettartamát.

Miért érdekes? Magsugárzások. Az atommag felépítése. Az atom felépítése

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

MISKOLCI EGYETEM GÉPÉSZMÉRNÖKI KAR Szerszámgépek Tanszéke FORGÁCSOLÓ SZERSZÁMGÉPEK FOKOZATOS FŐHAJTÓMŰVEI. Oktatási segédlet

Minőség-képességi index (Process capability)

SZÁMELMÉLET. Vasile Berinde, Filippo Spagnolo

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

Diszkrét matematika II., 3. előadás. Komplex számok

STATISZTIKA (H 0 ) 5. Előad. lete, Nullhipotézis 2/60 1/60 3/60 4/60 5/60 6/60

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

A csatornakódolás elve A hibatűrés záloga: a redundancia

MÉRÉSMETODIKAI ALAPISMERETEK FIZIKA. kétszintű érettségire felkészítő. tanfolyamhoz

Számsorozatok. 1. Alapfeladatok december 22. sorozat határértékét, ha. 1. Feladat: Határozzuk meg az a n = 3n2 + 7n 5n létezik.

Statisztika október 27.

Lineáris kódok. sorvektor. W q az n dimenziós s altere. 3. tétel. t tel. Legyen K [n,k,d] kód k d (k 1). Ekkor d(k)=w(k)

Átfolyó-rendszerű gázvízmelegítő teljesítményének és hatásfokának meghatározása Gazdaságossági számításokhoz

A lecke célja: A tananyag felhasználója megismerje az erő, a nyomaték és erőrendszerek jellemzőit.

HIDROMOTOROK. s azaz kb. 1,77 l/s. A folyadéknyelésből meghatározható az elérhető maximális fordulatszám: 3

Statisztika Elıadások letölthetık a címrıl

Átírás:

Dr. BAOGH ABERT A folyamatkéesség és a folyamatteljesítméy statistikái ISO 747

Folyamat sabályoott, ha csak véletle okú váltoásokat hibákat tartalma. Sabályoatla, ha aoosítható okú redseres váltoásokat hibákat tartalma. Hagyomáyos felfogás: csak sabályoott folyamatokra sámítható ki mid a folyamatkéesség rövid-távú sórás alajá, mid a folyamatteljesítméy hossútávú sórás alajá. Új felfogás a sabváy serit: folyamatkéesség csak sabályoott folyamatokra voatkoik folyamatteljesítméy sabályoatla folyamatokra is voatkohat.

.. Tábláat Időfüggő eloslásmodellek jellemői Időfüggő eloslásmodellek c Jellemő A A B C C C C4 D Helyaraméter a Sórásaraméter a Időotbeli eloslás b Eredő eloslás b c c c r r s sr sr c c sr c c c c sr d m d d d as as as d m m d m as as as Ábrasám 4 5 6 7 8

A,A,C,C,C4 folyamatok stabilak a Helyaraméter/sórásaraméter: c a araméter álladó marad r a araméter csak véletleserűe váltoik s a araméter csak sistematikusa váltoik rs a araméter véletleserűe és sistematikusa is váltoik. b Időotbeli/eredő eloslás d ormális eloslás m egy módusú eloslás as bármilye alakú eloslás. c A modell megválastása a folyamatelemés eredméye alajá törtéik. 4

5 Nem stabil Bármelyik Bármelyik Váltoó Váltoó D Stabil? Bármelyik Bármelyik Álladó Váltoó C4 Stabil? Bármelyik Bármelyik Álladó Tred C Nem stabil Nem ormális Normális Álladó Váltoó C Stabil? Normális Normális Álladó Váltoó ormál C Nem stabil Nem ormális Normális Váltoó Álladó B Stabil Nem ormális, módusú Nem ormális, módusú Álladó Álladó A Stabil Normális Normális Álladó Álladó A Állaot Eredő eloslás Időfüggő eloslás Sórás Hely Jel FOYAMATTÍSOK Stabil! Keméy

A modell köéot helye álladó sóródás álladó időfüggő és eredő eloslás:ormálishossúság folyamat statistikailag sabályoott. 7 6 t t t t4 t5 eredő 5 4 t t t t4 t5 eredő t t4 t5 eredő t t Adatsor 0 0 0,5,5,5 6

A modell köéot helye álladó sóródás álladó időfüggő és eredő eloslás: em-ormális egymódusú felületi érdesség a folyamat statistikailag sabályoott. 8 7 t t t t4 eredő 6 5 4 t t t t4 eredő Adatsor 0 0 0,5,5,5 7

B modell hely álladó sóródás sistematikusa és véletleserűe váltoik időfüggő eloslás:ormális eredő eloslás em ormális, egymódusú.külöböő orsók em egyformá koak. 7 6 t t t t4 eredő 5 4 t t t t4 eredő 0 0 0,5,5,5 8

C modell hely ormális eloslásúa váltoik sóródás álladó időfüggő és eredő eloslás: ormális eloslás mukadarab befogók koása. Keméy:sabályoott folyamat 7 6 t t t t4 t5 eredő 5 4 t t t t4 t5 eredő Adatsor 0-0,5 0 0,5,5,5 9

C modell, hely véletleül váltoik em-ormális eloslású, egymódusú sóródás álladó időfüggő eloslás ormális eredő eloslás em ormális, egymódusú. Külöböő köotosítású sersámbefogók koása. 0 8 6 4 t t t t t t t4 t5 eredő t4 t5 eredő t t t t4 t5 eredő 0-0,5 0 0,5,5,5 0

C modell hely fukció köotú tred, sersámkoás sóródás álladó időfüggő és eredő eloslás bármilye alakú. t t t t4 t5 eredő 0 8 6 4 t t t t4 t5 eredő 0-0,5 0 0,5,5,5 Keméy: sabályoott folyamat

C4 modell hely sistematikusa és véletleserűe váltoik éldául tételek váltoása sóródás álladó időfüggő és eredő eloslás bármilye alakú. 0 t t t t4 t5 eredő 8 6 4 t t t t4 t5 eredő 0-0,5 0 0,5,5,5 Keméy: sabályoott folyamat

D modell hely és sórás sistematikusa és véletleserűe váltoik időfüggő és eredő eloslás bármilye alakú. Multi-stream rocesses 0 t t t t4 eredő 8 6 4 t t t t4 eredő 0-0,5 0 0,5,5,5

Becslési módser Általáos geometriai módser A csoortok köötti további váltoás besámítása Másik módser a csoortok köötti további váltoás besámítására Kiesési aráyok alajá törtéő becslés Sámítási módser helyaraméter és a sóródás araméter becslései helyaraméter, sóródás és add becslése helyaraméter, sóródás és add becslése A felső és alsó kiesési aráy becslése alajá a teljesítméy és a kéesség becslése 4

Általáos sámítási módser X + X X X 5

Folyamatteljesítméy Jellemő kimeeteléek statistikai mérősáma olya folyamatból, amelyről lehet, hogy em mutatták ki, hogy statistikailag sabályoott állaotba va. Godosa kell eljári a mérősám hasálata sorá, mivel e tartalmahat olya váltoékoysági igadoási komoest, amely seciális aoosítható okokak...4. tulajdoítható, eek értéke edig előre em jelehető. Normális eloslásra a folyamatteljesítméy a követkeő kifejeésből sámítható ki: folyamatteljesítméy X t ±. S t valamit függ a megadott hibás alkatrések aráyáak M-be kifejeett teljesítméy- követelméyétől. Ha a folyamatteljesítméy egybeesik a előírt követelméyekkel, akkor értéke at mutatja, hogy 700 50 M alkatrés les várhatóa a tűrése... kívül. Hasolóa 4 at mutatja, hogy 64 M alkatrés és 5 edig arra utal, hogy 0,60, M alkatrés les várhatóa a tűrése kívül. Nem ormális eloslás esetébe a folyamatteljesítméy becsülhető éldául egy megfelelő valósíűségi háló felhasálásával vagy a adatokra illestett eloslás aramétereiből. A folyamatteljesítméy kifejeése a követkeő alakú: a folyamatteljesítméy X + b 6

Sigmasit és Z-sit Sigmasitkmegadja, hogy éldául a S a tűrésmeő köéotjától háy sigma távolságra va. k S S + S / S S / Z-sit megadja, hogy éldául a S a átlagtól háy sigma távolságra va. Z S SigmasitZ-sit+a átlag és a tűrésmeő köéotja köötti távolság sigmába kifejeve. C k / C Z k / 7

Z-sit és k-sigmás folyamat S + S S X. S S k. Adatsor Adatsor Adatsor Adatsor Adatsor S X S 8

Folyamatkéesség Jellemő kimeeteléek statistikai becslése olya folyamatból, amelyről kimutatták, hogy statistikailag sabályoott állaotba va és amely leírja, hogy a folyamat kées megvalósítai olya jellemőt, amely teljesítei fogja a jellemőre voatkoó követelméyeket. 9

Folyamatteljesítméy ideek: folyamatteljesíméyide k k k felső alsó mi. k, k,miimális Folyamatkéesség ideek hasolóak. 0

folyamatteljesítméy ide k k k mi. k, felső ide alsó ide k,miimális folyamatteljesítméy ide A ideek kisámításáho becsüli kell, értékét

A araméter becslései: [ ] + + + +, / / / ~ k k i l l m i i i m l i m m l X l 50% ~ ~ 5, 4 mediáok átlaga

Γ Γ 4 c { } [ ] F F f d

4 becslései m s d i, 6 d, 6 m.c 4 s i 6 4. 6 4 4 4 d m d R d i t i Γ Γ 4 c { } [ ]d F F f d

becslései d d 5 6 99,865% R, 0,5% ma i 99,865% mi i 0,5% d,, becslések em vesik figyelembe a réscsoortok köötti sórást, csak A esetbe alkalmahatók. d,,,4 becslések feltételeik, hogy a adatok ormális eloslásúak. Más esetbe a eredméy a eloslás tíusától függőe torított. d5 esetbe a becslés torított, a torítás a eloslás tíusától és a réscsoort agyságától függ. d6 becslés a legáltaláosabb, mide feltétel mellett hasálható. 5

6 add additív váltoás figyelembevétele. módser mi k k k add k add k add + + + s a a w add i i add,, mi ma

7 add additív váltoás figyelembevételéek. módsere mi k k k add k add k add add becslései s a a w add i i add,, mi ma

Kiesési aráy sámítási módsere, ha a eloslás ismert. k k k mi k k X + X X X 8

9 mi k k k k k a stadardiált ormális eloslás -kvatilise α α Folyamatkéesség ideei hasolókée fejehetők ki. A sabváy serit a folyamatteljesítméy eel a módserrel em sámítható ki. MINITAB serit ige! k k k k Φ Φ Φ Φ Φ Φ k k

0 MINITAB kéletei: 6 6 6, % 0,00 k k k k k k X kvatilise os N X + + Φ Φ Φ Φ Φ Φ BENCH BENCH Φ Φ k k

k k,,66 4 5 6 Kiesési aráy 700 M 50M 64 M 0,6 0,M 0,0, M

Egyoldali felső tűréshatár sámítási esete k, k X k X

Egyoldali alsó tűréshatár k, k X k X

Folyamatkéesség adataiak kölése Folyamatkéesség ide Miimális folyamatkéesség ide C C k,68,44 Sámítási módser M,6 Sámításho felhasált értékek sáma Válastható: mitavétel gyakorisága adatok gyűjtéséek időotja, időtartama időfüggő eloslásmodell igaolásáak kiválastásamérőredser miőségkéessége, mérés ismételhetősége, rerodukálhatósága,felbotókéessége műsaki feltételek tételek, műveletek, sersámok,6 sámítási módser at jeleti, hogy a módsert hasálják és. 000 M 6 A modell M 4