Minőség-képességi index (Process capability)

Hasonló dokumentumok
III. Képességvizsgálatok

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

Statisztikai folyamatszabályozás Minitab szoftverrel

Descriptive Statistics

STATISZTIKAI ALAPOK. Statisztikai alapok_eloszlások_becslések 1

AZ SPC gyakorlati kérdései és alkalmazási tapasztalatai

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

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

STATISZTIKAI ALAPOK. Statisztikai alapok_eloszlások_becslések 1

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

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

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

Statistical Process Control (SPC), Statisztikai Folyamatszabályozás

A biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina Boda PhD SZTE ÁOK Orvosi Informatikai Intézet

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

Statisztikai szoftverek esszé

Többváltozós lineáris regressziós modell feltételeinek

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

A Hat Szigma bevezetésének tapasztalatai a Siemens Erőműtechnika Kft-nél

[Biomatematika 2] Orvosi biometria

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

Statistical Inference

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Vitamin D 3 (25-OH) mérése Elecsys 2010 automatán

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Hypothesis Testing. Petra Petrovics.

Bevezetés a hipotézisvizsgálatokba

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

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

Geokémia gyakorlat. 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek. Geológus szakirány (BSc) Dr. Lukács Réka

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

GRADUÁLIS BIOSTATISZTIKAI KURZUS február hó 22. Dr. Dinya Elek egyetemi docens

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Egymintás próbák. Alapkérdés: populáció <paramétere/tulajdonsága> megegyezik-e egy referencia paraméter értékkel/tulajdonsággal?

4. A méréses ellenırzı kártyák szerkesztése

Több laboratórium összehasonlítása, körmérés

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

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

Statisztika elméleti összefoglaló

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

MINİSÉGSZABÁLYOZÁS. Dr. Drégelyi-Kiss Ágota

BIOMETRIA_ANOVA_2 1 1

KISTERV2_ANOVA_

ÚJDONSÁGOK A MINITAB STATISZTIKAI SZOFTVER ÚJ KIADÁSÁNÁL (MINITAB 18)

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

FIT-jelentés :: Bajza József Általános Iskola 1046 Budapest, Bajza u. 2. OM azonosító: Telephely kódja: 001. Telephelyi jelentés

Normál eloszlás. Gyakori statisztikák

FIT-jelentés :: Stromfeld Aurél Általános Iskola 1202 Budapest, Mártirok u OM azonosító: Telephely kódja: 001. Telephelyi jelentés

Statisztikai becslés

A biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Informatikai Intézet

Biostatisztika VIII. Mátyus László. 19 October

KÖVETKEZTETŐ STATISZTIKA

FIT-jelentés :: Hild József Általános Iskola 1051 Budapest, Nádor u. 12. OM azonosító: Telephely kódja: 001. Telephelyi jelentés

A KUTATÁSMÓDSZERTAN MATEMATIKAI ALAPJAI MA. T.P.Lenke

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

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

Több valószínűségi változó együttes eloszlása, korreláció

Statisztika. Politológus képzés. Daróczi Gergely április 17. Politológia Tanszék

Nem. Cumulative Percent 1,00 férfi ,9 25,9 25,9 2,00 nı ,1 73,1 99,0 99,00 adathiány 27 1,0 1,0 100,0 Total ,0 100,0

FIT-jelentés :: 2008 Telephelyi jelentés 6. évfolyam :: Általános iskola József Attila Általános Iskola

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Nonparametric Tests. Petra Petrovics.

FIT-jelentés :: Ölbey Irén Általános Iskola 4495 Döge, Osváth tér 6. OM azonosító: Telephely kódja: 004. Telephelyi jelentés

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nonparametric Tests

FIT-jelentés :: Telephelyi jelentés. 6. évfolyam :: Általános iskola

STATISZTIKA PRÓBAZH 2005

Dr. Szőke Szilvia Dr. Balogh Péter: Nemparaméteres eljárások

Statistical Dependence

FIT-jelentés :: Petőfi Sándor Általános Iskola és Benedek Elek Tagiskola 2163 Vácrátót, Petőfi tér 6. OM azonosító: Telephely kódja: 001

FIT-jelentés :: Olcsai-Kiss Zoltán Általános Iskola 9900 Körmend, Thököly u. 31. OM azonosító: Telephely kódja: 001. Telephelyi jelentés

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

FIT-jelentés :: Gvadányi József Általános Iskola és Óvoda 3733 Rudabánya, Petőfi u. 22. OM azonosító: Telephely kódja: 001

FIT-jelentés :: Telephelyi jelentés. 8. évfolyam :: Általános iskola

FIT-jelentés :: Telephelyi jelentés. 8. évfolyam :: Általános iskola

FIT-jelentés :: Telephelyi jelentés. 8. évfolyam :: Általános iskola

17. Folyamatszabályozás módszerei

MARKETINGKUTATÁS II. Oktatási segédanyag. Budapest, február

Biomatematika 2 Orvosi biometria

A valószínűségszámítás elemei

LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála

Erdélyi Magyar Adatbank Biró A. Zoltán Zsigmond Csilla: Székelyföld számokban. Földtulajdon

FIT-jelentés :: Telephelyi jelentés. 8. évfolyam :: Általános iskola

8. A mérıeszközök képességvizsgálata 1

FIT-jelentés :: Telephelyi jelentés. 6. évfolyam :: Általános iskola

FIT-jelentés :: Telephelyi jelentés. 6. évfolyam :: Általános iskola

Sztochasztikus kapcsolatok

Normális eloszlás tesztje

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

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

Miben különbözik a tranzakcionális Hat szigma a gyártásitól?

Statisztikai hipotézisvizsgálatok. Paraméteres statisztikai próbák

Statisztikai módszerek a skálafüggetlen hálózatok

Erdélyi Magyar Adatbank Biró A. Zoltán Zsigmond Csilla: Székelyföld számokban. Lakáskörülmények

STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

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

Hipotézis vizsgálatok

FIT-jelentés :: Vörösmarty Mihály Gimnázium 2030 Érd, Széchenyi tér 1. OM azonosító: Telephely kódja: 001. Telephelyi jelentés

A gyakorlat célja a fehér és a színes zaj bemutatása.

FIT-jelentés :: Gábor Áron Általános Iskola 1196 Budapest, Nádasdy utca 98. OM azonosító: Intézményi jelentés. 8.

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

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

Átírás:

Minőség-képességi index (Process capability) Folyamatképesség 68 12. példa Egy gyártási folyamatban a minőségi jellemző becsült várható értéke µ250.727 egység, a variancia négyzetgyökének becslése σ 1.286 egység. Az előírás 250±5 egység. Mekkora a folyamatban a selejtarány? Számítsuk ki a folyamatképességi indexet! µ z fölső P( x > ) σ z alsó µ σ P( x < ) Folyamatképesség 69

µ- µ+ 0.00135 LNTL µ UNTL 0.00135 T Folyamatképesség 70 µ- LNTL µ+ UNTL µ T Folyamatképesség 71

µ- LNTL µ µ+ UNTL T Folyamatképesség 72 Korrigált minőség-képességi indexek: µ µ ; ; PK min, ( ) U, L µ- LNTL µ T K µ+ UNTL Ha + T 2 K µ T 2 Folyamatképesség 73

Módosított minőség-képességi index minőség-képességi index módosított minőség-képességi index m ( µ ) 2 6 τ 6 σ 2 + T 2 2 MSE E[ ( x T ) ] τ τ 2 σ 2 + ( µ T ) 2 rokon a Taguchi-féle négyzetes veszteségfüggvénnyel Folyamatképesség 74 13. példa Egy gyártási folyamatban a minőségi jellemző becsült várható értéke µ 250.727 egység, a variancia négyzetgyökének becslése σ 1.286 egység. Az előírás 250±5 egység. Számítsuk ki a korrigált és módosított folyamatképességi indexeket! µ µ ; ; PK min, m ( µ ) 2 6 τ 6 σ 2 + T ( ) Folyamatképesség 75

Summary histogram -3.s(T) 50 45 40 35 Variable: YS2 Mean: 248.655 Sigma (Total):0.98875 Sigma (Within):0.00000 Specifications: 245.000 Nominal250.000 255.000 Normal: p1.686 pk1.232 pl1.232 pu2.13 NOMINAL +3.s(T) s 100 i ( x i x) 99 2 Frequency 30 25 20 15 10 5 0 245 246 247 248 249 250 251 252 253 254 255 Total Within µ 248.655 σ 0.98875 specs: 250±5 Folyamatképesség 76 Advanced, normal Descriptive statistics Number beyond specs Statistic Mean Median 25th Percentile (Q25) 75th Percentile (Q75) Minimum Value Maximum Value Standard Deviation Variance Skewness Kurtosis Descriptive Statistics (PDATA1.STA) Variable:YS2 N 100 Value 248.65520000 248.70500000 248.03000000 249.31000000 246.26000000 251.06000000 0.98874727 0.97762117-0.13596413-0.01110165 Variable: YS2, Distribution: Normal (PDATA1.STA) Specifications: Lower245.000 Nominal250.000 Upper255.000 Mean:248.66,Std.Dv:.98875 Observed Percent Expected Percent Observed Expected Above : Below : Total 0 0.00 0.000000 0.000000 0 0.00 0.010917 0.010917 0 0.00 0.010917 0.010917 Folyamatképesség 77

14. példa Legyen egy gyártási folyamat valamely jellemzőjének előírt tartománya 100±1, a σ becslése s 0.2. Mekkorák a képességi indexek, és a termék mekkora része lesz kívül a tűrési tartományon (lesz fölött ill. alatt), ha µ becslése 100, 99.5 ill. 100.5? Folyamatképesség 78 Az eredmények: µ U L K 100.0 99.5 100.5 µ 100.0 99.5 100.5 z µ fölső > σ z µ alsó < σ Folyamatképesség 79

Egyoldali specifikáció 15. példa A. R. Tenner, I. J. DeToro: Total Quality Management, Addison-Wesley, 1992 Táppénz-kifizetések időzítésének képességvizsgálata. Tűréshatár: 14 napon belül kell kifizetni Sicksec.sta µ µ ; ; PK min, ( ) Folyamatképesség 80 1200 Variable: days Mean: 10.0852 Sigma (Total):2.94740 Sigma (Within):0.00000 Specifications: Nominal ---- 14.0000 Normal: pk.4427 pu.4427-3.s(t) +3.s(T) 1100 1000 900 800 Frequency 700 600 500 400 300 200 100 0-4 -2 0 2 4 6 8 10 12 14 16 18 20 22 24 26 Total Within Folyamatképesség 81

Folyamat-képesség és folyamat-teljesítmény, rövid és hosszú távú teljesítmény melyik σ? σ ST (short term) σ LT (long term) P ST P P LT Folyamatképesség 82 Ha a varianciát a csoportokon belüli (rövidtávú) ingadozásokból becsüljük (potential capability) Ha a csoportokon belüli és csoportok közötti ingadozást egyaránt figyelembe vesszük, a hosszútávú ingadozásról kapunk képet P P (process performance, folyamatteljesítmény ) PP Folyamatképesség 83

A mintából számított indexek bizonytalanok, adjunk rájuk konfidencia-intervallumot is! Advanced, normal fül Summary: urrent variable apability Index p - Lower I p - Upper I pk - Lower I pk - Upper I Z - benchmark Potential Z benchmark - Z benchmark - Z benchmark - Lower I Z benchmark - Upper I Overall Process Performance PPM < PPM > PPM Total Observed Process Performance PPM < PPM > PPM Total pm - Lower I pm - Upper I Process apability (PDATA1.STA) Variable: YS3 Value 1.24897 1.73537 1.05721 Pp - Lower I 1.49389 3.82610 Pp - Upper I 5.12772 Ppk - Lower I 3.82665 Ppk - Upper I 1.79471 Z - benchmark Overall Z benchmark - Z benchmark - 0.14663 Z benchmark - Lower I 64.94899 Z benchmark - Upper I 65.09563 Potential Process Performance PPM < PPM > PPM Total 0.97565 1.27832 Process apability Variable: YS3 Value 1.1158 1.4762 0.9402 1.2754 3.3208 4.4534 3.3234 1.7850 4.2256 444.5709 448.7965 csak mintavételi bizonytalanságra számolunk, mérésire nem Folyamatképesség 84 Gép-képesség és folyamatképesség M 8σ (gép-képességi és gép-teljesítmény ill. folyamat-képességi és folyamat-teljesítmény indexek). A folyamat több részfolyamatból (gépből) áll. Hogy elfogadható (pl. 1.67) folyamatképességet kapjunk, a részfolyamatoknak jobbaknak kell lenniük. Folyamatképesség 85

Nem-normális eloszlások kezelése 1 µ- µ+ 0.00135 LNTL µ UNTL 0.00135 T A folyamat-képesség kvantitatív jellemzésekor a feladat az, hogy becsüljük az előírásoknak nem megfelelő termékek arányát. Ha 1 és a folyamat jól centrált, és az ingadozás normális eloszlású, a selejtarány 0.0027. És ha nem normális eloszlású? Folyamatképesség 86 16. példa Ampulla-töltési folyamat Variable: JKIVTERF Mean: 2.13065 Sigma:.027933 Specifications: 2.00000 Nominal2.10000 2.20000 Normal: p1.193 pk.8276 pl1.559 pu.8276-3.s NOMINAL 16 2.2 2.0 14 12 10 Frequency 8 6 4 2 0 1.98 2.00 2.02 2.04 2.06 2.08 2.10 2.12 2.14 2.16 2.18 2.20 2.22 Folyamatképesség 87

P ( x < LNTL) 0. 00135 P ( x > UNTL) 0. 00135 χ 2 2 ( χ ) N LNTL(χ 2 2 ( χ) ) LNTL(N) UNTL(N) UNTL(χ ( χ 2 ) Folyamatképesség 88 P U p L p µ U µ p µ µ L p µ-re a mediánt, U p -re a 99.865 % valószínűséghez (UNTL), L p -re a 0.135 % valószínűséghez tartozó értéket (LNTL) helyettesítjük. Folyamatképesség 89

14 Variable: JKIVTERF Mean: 2.13065 Sigma:.027933 Non-Normal Fit; Skewness: -.18947 Kurtosis: -1.1105 Specifications: 2.00000 Nominal ---- 2.20000 (NOTE: Sigma limits are indicated at equivalent percentile values) Normal: p1.193 pk.8276 pl1.559 pu.8276 Non-Normal: p1.944 pk1.514-3.s +3.s 12 10 Frequency 8 6 4 2 0 1.98 2.00 2.02 2.04 2.06 2.08 2.10 2.12 2.14 2.16 2.18 2.20 2.22 Folyamatképesség 90