PANNON EGYETEM Gazdálkodás- és Szervezéstudományok Doktori Iskola Hegedűs Csaba Kockázatalapú döntések támogatása a megfelelőség értékelésében a mérési bizonytalanság figyelembevételével című doktori (Ph.D) értekezés tézisgyűjteménye Témavezető: Dr. Kosztyán Zsolt Tibor Veszprém 2014
Tartalomjegyzék Bevezető... 2 A téma jelentősége... 2 A kutatás célja... 3 Kutatási kérdések... 3 Kutatási eredmények összefoglalása... 3 Összefoglalás... 8 Hivatkozások... 9 Kapcsolódó publikációk... 10 1
Bevezető Látszólag két különálló elmélet foglalkozik a méréssel és a megfelelőséggel. A gyártási folyamat szabályozása során egy terméket attól függően minősítenek megfelelőnek vagy nem megfelelőnek egy adott paraméter szerint, hogy az egy előírt határértéken belül van-e, vagy esetleg meghaladja azt. A módszer nagy hiányossága, hogy magát a mérést egy mérőműszerrel végzik, melynek, ha tudjuk is a mérési bizonytalanságát (hiszen ezeket a műszereket adott rendszerességgel kalibrálják), nem veszik őket figyelembe a döntéshozatal során. Pedig magára a mérési bizonytalanság kezelésére, annak feltérképezésére létezik 1993- óta ajánlás (GUM) [1] [2]. Ezt a módszert többnyire laboratóriumi körülmények között alkalmazzák. Ebben a dokumentumban azonban nem foglalkoznak olyan kérdésekkel, hogy egy adott bizonytalanság ismerete esetén hogyan döntsünk. Leselejtezzük-e a terméket vagy sem. A GUM-ban [2] leírt módszer alapján a mérési bizonytalanság kétféleképpen jellemezhető: Egyrészt eloszlásként a szórás nagyságával kifejezve (standard bizonytalanság standard uncertainty). Ha több tényezőből adódik a bizonytalanság eloszlása, akkor eredő standard bizonytalanságnak (combined standard uncertainty) nevezzük. Másrészt megadható intervallumként (kiterjesztett bizonytalanság expanded uncertainty), mely intervallum hosszát a szórással jellemzett eredő standard bizonytalanság és egy k kiterjesztési tényező szorzataként kapjuk. A téma jelentősége A szimulációs és gyakorlati példák is azt mutatják, hogy ezt a bizonytalanságot célszerű figyelembe venni, mert ezzel jelentős költség takarítható meg. Még akkor is érdemes a mérési bizonytalanságot figyelembe venni, ha a mérőműszer hibája általában nagyságrendekkel kisebb a termék megfelelőségére vonatkozó toleranciaértékeknél, de a téves döntés következményei súlyos károkat okozhatnak. A mérésügyi szabványokba, ajánlásokba [3], [4], [5], [6], [7] a GUM kiterjesztett bizonytalanságát emelték át és a k értékét 2-nek választották. Így megbízhatóság alapon módosították a mérési eredményre vonatkozó elfogadási határokat. Ez a megoldás több szempontból is aggályos, egyrészt a kiterjesztési tényező 2-es értéke eloszlástípusonként változó megbízhatóságot eredményez [8], [9]. Másrészt, ha megbízhatóság alapon jól is állapítják meg a határt, nem veszik figyelembe a döntési hibák költségét. Csak az első- vagy a másodfajú hiba mértékét állítják be így egy adott szintre, nem az összes kockázatot minimalizálják. 2
A kutatás célja A mérési bizonytalanság figyelembe vételének fontosságát és termelési, karbantartási és megfelelőség értékelési folyamatok e téren tapasztalt hiányosságát felismerve célul tűztem ki a megfelelőség értékelési gyakorlatban alkalmazható módszer kidolgozása a döntési kockázatok csökkentésére mindendarabos és mintavételes megfelelőség értékelési esetekre. Kutatási kérdések A célkitűzés alapján megfogalmaztam a kutatási kérdéseket. K1: Mindendarabos megfelelőség-vizsgálatban létre hoz ható-e egy kockázat központú döntési kockázatot minimalizáló elfogadási szabályrendszer a mérések bizonytalanságának figyelembe vételével? K2.1: Adott, rögzített mintavételi terv esetén alkalmazható-e ez a döntési kockázatokat minimalizáló elfogadási szabályrendszer, vagy annak módosítása? K2.2: Meghatározható-e a minimális költséggel járó mintavételi terv (mintavételi időköz és mintanagyság) a döntési kockázat figyelembe vételével? K3: Átalakítható-e a szabályozó kártyák alkalmazása kockázatalapúvá úgy, hogy a mérési bizonytalanságot is figyelembe vesszük? Kutatási eredmények összefoglalása A kutatás egyik célja a mindendarabos megfelelőség-ellenőrzés esetére egy olyan elfogadási határ megalkotása, amely a termelői és vevői kockázatok együttes értékét minimalizálja. Egy ilyen elfogadási határ létezésére vonatkozó előfeltevéseim a H1 hipotézis tartalmazza. H1: Mindendarabos vizsgálatnál meghatározható a tűréshatárok mint elfogadási határok olyan módosítása, amely minimálja a megfelelőség-értékeléshez kötődő döntési kockázatot. A mérési bizonytalanság miatt a vizsgált jellemző mért értéke, amely alapján egy termék vagy folyamat megfelelőségéről döntünk, eltér a tényleges értékétől. Az eltérés miatt a döntési kimenetelek az 1. táblázat szerint alakulhatnak. 3
1. táblázat: A döntési kimenetelek és a hozzájuk tartozó bevételek és költségek Tény Fedezet Nem szükséges beavatkozás (1) Beavatkozás szükséges (0) Döntés Nem történt beavatkozás (1) π 11 =r 11 - c 11 Helyes elfogadás π 01 =r 01 - c 01 Helytelen elfogadás Beavatkozás történt (0) π 10 =r 10 - c 10 Felesleges beavatkozás π 00 =r 00 - c 00 Helyes beavatkozás A döntési kimeneteleknél nem csak a hibás, hanem a helyes döntésekhez tartozó bevételeket és költségeket is számításba vettem, hogy a döntések haszonáldozati költségét is figyelembe vehessem. Az egyes esetek bekövetkezését az általam létrehozott PU-diagram ( Process Uncertainty of measurement diagram lásd. 1. ábra, egyoldali, alsó tűréshatár esetén) egyes területei fölött a mérési bizonytalanság és a vizsgált folyamatjellemző tényleges értékének sűrűségfüggvénye által meghatározott térfogatokból számítottam. A bekövetkezési valószínűségeket súlyozva az esetekhez tartozó bevételekkel és költségekkel meghatározható a várható fedezet. LSL Mérési hiba (m) LSL Tényleges érték (x) y=lsl+k y=lsl 1. ábra: A PU (Process Uncertainty of measurement)-diagram Az elfogadási határok módosításával maximalizálható ez a várható fedezet, minimalizálható a döntés összes kockázata. A maximalizáláshoz elegendő a változással érintett területet vizsgálni. Definíció: A PU-diagram egy olyan koordináta-rendszer, amelynek egyik tengelyén a mért jellemző valódi értékei, a másikon a mérési hiba jelenik meg. A koordináta-rendszer pontjai így a mérési eredményeket adják. A két tengely által kifeszített síkot a mért és a tényleges értékek, valamint az ezekre vonatkozó elfogadási határok egymáshoz képesti pozíciója által meghatározott döntési kimenetelek alkotják. A PU-diagramra illesztett térfogatok alapját a feltételes eseményeket (döntési alternatíva és tényállapot párosokat) megvalósító egyes döntési kimenetelek (tényleges és mért érték párok) halmaza, magasságát az egyes esetekhez tartozó bekövetkezési valószínűségek és a feltételes 4
esemény pénzértékben kifejezett következmények szorzata adja. A teljes eseménytérre kiszámolt térfogat értéke a döntési szituációhoz tartozó fedezet várható értékét adja. Megjegyzés: A következmény a pénzösszeg helyett, más univerzális értékmérővel (pl. utilitásokkal) is megadható, de ezzel az esettel a dolgozatomban nem foglalkozom. Ez alapján megfogalmaztam első (T1) tézisemet. T1: Ha egy mérési bizonytalansággal terhelt döntéshez tartozó kimenetelek, azok bekövetkezési valószínűségei, valamint a kimenetelekhez tartozó következmények (véges pénzértékben kifejezve) ismertek, akkor analitikusan felírható a mérési bizonytalanság és a várható fedezet közötti összefüggés. Az így kapott összefüggésből numerikusan meghatározható az elfogadási határok módosításának optimális értéke, amely a kapcsolódó fedezet várható értékének maximumát eredményezi. A tűréshatár és az optimális elfogadási határ távolságát a K opt optimális korrekciós tag adja meg. Kapcsolódó saját közlemények: [10], [11], [12] Megjegyzés: Két elfogadási határ esetén külön definiálható és meghatározható egy alsó K L,opt és egy felső K U,opt optimális korrekciós tag. Mivel a gyakorlatban gyakran nincs lehetőség mindendarabos vizsgálatra, így mintavételes vizsgálatnál is szükség van egy ilyen minimális kockázattal járó elfogadási határra. H2.1: A mintavételi és mérési költségek, a hibás döntések kockázata alapján meghatározható az a mintavételi terv és elfogadási szabály, amely maximálja a várható fedezetet. H2.2: A megfelelőség értékelésében adott mintavételi terv esetén megadható egy olyan döntési szabály vagy szabályrendszer, amely figyelembe veszi a mérési bizonytalanságot és maximálja a döntéssel összefüggő várható fedezetet. Analitikusan igazoltam, hogy a rendezett minták elméletéből következően a mintavételes vizsgálatból kapott tapasztalati eloszlás alapján becsülhető az optimális elfogadási határ: T2: A mintavételes megfigyelésekből meghatározott, a mérési bizonytalanságtól és a feltételes következményektől függő optimális korrekciós tag sztochasztikusan konvergál a mindendarabos vizsgálatból meghatározható optimális korrekciós taghoz. Kapcsolódó saját közlemény: [13] A mintából becsült korrekciós tényező aszimptotikusan tart az elméleti korrekciós tényezőhöz, így kellően nagy elemszámú szimulációkkal is közelíthető az optimális elfogadási határ. 5
A mintavételes esetekben új elemek jelennek meg a modellben a mérési bizonytalanság mellett a mintából való becslés bizonytalanságával is számolnunk kell. Új változó lesz az n mintaelemszám és N a sokaság mérete, amit két mintavétel között legyártott mennyiségként is értelmezhetünk, ha folyamatból veszünk mintát. Mind a mintavételhez, mind a mintában lévő elemek leméréséhez társítható költség, ezek legyenek rendre c N és c n. Így a mintavételes ellenőrzés költsége (M/N) (c N +n c n ) értékkel csökkenti az összes fedezetet (M az összes termékegyed száma), valamint a mintából való becslés bizonytalansága is változik az N/n arány változásával. Az optimális K L és K U értékek meghatározásához Monte Carlo szimulációkat állítottam össze Matlabban. A szimuláció során megadható, hogy mely K L és K U értékek adnak jobb megoldást annál, mintha nem vennénk tudomást a bizonytalanságról. Az is meghatározható, hogy az így kapott fedezetek a bizonytalanságmentes esetben (y=x, m=0) elérhető fedezetértékhez képest milyen távol vannak. Kiválasztható a legmagasabb összes várható fedezetet adó K L és K U érték. Ezek lesznek ennél a rögzített mintavételi tervnél az optimális korrekciós tényezők. A szimuláció következő lépésében az N és n párokat, valamint a hozzájuk tartozó optimális korrekciós tagokkal elérhető fedezeteket vethetjük össze. Ebben a lépésben megkapjuk a legjobb eredményt adó mintavételi tervet is. Szimulációs vizsgálataim alapján a következő altéziseket mondtam ki: T2.1: Rögzített mintavételi terv esetén a minta jellemzőiből, a mérési bizonytalanságból, valamint a döntési kimenetelekhez tartozó bevételekből és költségekből becsülhető a korrekciós tag(ok) optimális értéke (amely megadja a mintavételi tervhez tartozó minimális kockázattal, vagy maximális várható fedezettel járó beavatkozási határ(oka)t). Kapcsolódó saját közlemények: [14], [15], [16] T2.2: A mintavételi tervek és a hozzájuk tartozó optimális korrekciós tagok közül kiválaszthatók azok, amelyek esetén a megfelelőség-értékelés (mintavételezés és mérés) és a döntés kimenetelének várható fedezete maximális. Kapcsolódó saját közlemények: [17], [14], [15] A megfelelőség vizsgálatában gyakran használnak szabályozó kártyákat, mivel azok több információt szolgáltatnak a folyamatról, mint az egyszerű hisztogramok. E kártyák esetében már nem a tűréshatároknak való megfelelőséget ellenőrzik, hanem a folyamat stabilitását, így a korábban definiált négy döntési kimenetel, és a hozzájuk tartozó feltételes fedezetek is módosulnak a tartalmukban. A nem-megfelelőség itt szabályozatlanságot jelent, és a beavatkozás vagy a beavatkozás elmaradásának költségét és esetleges bevételeit kell vizsgálnunk. A szabályozó kártyákat megbízhatóság alapon szerkesztik, nem veszik 6
figyelembe a döntési kockázatokat és a mérési bizonytalanságot, de a mindendarabos vizsgálatnál alkalmazott átalakítás itt is adaptálható. H3: Kidolgozható a szabályozó kártyák egy új csoportja, amely lehetővé teszi a kockázat-alapú megfelelőség-szabályozást (folyamatszabályozást). A szabályozó kártyáknál a mért értéket nem a tűréshatárokkal, hanem a beavatkozási határokkal vetik össze. Ezeket az elfogadási határokat úgy módosítottam, hogy a túlszabályozásból és az alulszabályozásból származó összes kockázat minimális legyen. Ennek megfelelően költségként nem a selejtezés, selejtté válás költsége, hanem a beavatkozás költsége jelenik meg. Ezzel az átalakítással a korábbi fedezetszámítási módszer továbbra is használható. Az alsó (LCL) és a felső (UCL) beavatkozási határokat rendre K L és K U korrekciós tényezőkkel módosítottam. A korrekciós tényezők pozitív értéke a határok szűkítését, a negatív értéke pedig a határok lazítását jelenti. (2. ábra). Mivel a K L és K U értékét úgy határozzuk meg, hogy a döntéssel befolyásolható fedezet maximális legyen, szimuláció a normalitási kritérium esetleges nem teljesüléséből adó többletköltséget is minimálja. Átmérő [mm] 70,0290 70,0285 70,0280 70,0275 70,0270 Átlag-kártya UCL UCL-K U 70,0265 70,0260 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 minta LCL+K L LCL 2. ábra: Az elfogadási határok módosítása kockázatok és a mérési bizonytalanság értékének függvényében T3: A döntéshez kapcsolódó fedezetek várható értéke maximálható a mérési bizonytalanság és a döntési kimenetelek költségeinek és bevételeinek figyelembe vételével a Shewhart-féle átlag, terjedelem, szórás, valamint a mozgó átlag (MA), exponenciálisan súlyozott mozgóátlag (EWMA) szabályozó kártyák beavatkozási határainak optimális megadásával. Kapcsolódó saját közlemények: [14], [18] 7
Összefoglalás Kutatásom során olyan analitikus és szimulációs módszereket dolgoztam ki, amelyek a mérési bizonytalanság figyelembe vételével csökkentik a döntési hibák kockázatát mindendarabos, mintavételes és előrejelzéses megfelelőség értékelési folyamatokban. A mindendarabos méréses megfelelőség-vizsgálatoknál analitikus számításokkal bemutattam, hogy az elfogadási határok módosítására korábban használt megbízhatóság központú, csak mérési bizonytalanságtól függő megközelítés tovább javítható, ha kockázatalapú megközelítésre térünk át. Igazoltam, hogy az elfogadási határok kockázatminimáló módosítása mintavételes vizsgálatból származó adatokból is meghatározható, az így kapott korrekciós tagok sztochasztikusan konvergálnak a teljes sokaság jellemzőiből számolt értékekhez. Ez lehetőséget biztosít arra, hogy az analitikusan nehezen kezelhető esetekben szimulációval határozzuk meg az optimális elfogadási szabályt. A korábbi megbízhatóság központú megközelítések normális eloszlású termék- vagy folyamatjellemzőket feltételeztek, így normálistól eltérő eloszlások esetén a döntési hibák száma eltért az előzetesen várttól. Az általam kidolgozott modellek e döntési hibák egymáshoz képesti arányát vizsgálják, nem feltételezik az adatok normalitását, így a normalitási kritérium nem teljesülésekor is megadják, hogy kell-e módosítani az elfogadási határokat és milyen mértékben ahhoz, hogy a döntés kockázata minimális legyen. A mintavételi és mérési költségek megadásával meghatározható egy optimális mintavételezési terv is. A statisztikai folyamatszabályozásban alkalmazott szabályozó kártyák átalakításával a kártyák egy új osztályát hoztam létre, amely kockázat alapon adja meg az elfogadási határokat és figyelembe veszi a mérési bizonytalanságot. A létrehozott módszerek és eszközök elsősorban a termelési és minőségügyi vezetők kezébe adnak egy olyan eszközt, amely a becslések bizonytalanságára vonatkozó adatok, valamint a döntési következmények gazdasági vonzatának beépítésével növeli a döntések során elérhető eredményt, csökkenti a döntések kockázatát. 8
Hivatkozások [1] BIPM, IEC, IFCC, ISO, IUPAP and OIML, Guide to the Expression of Uncertainty in Measurement, Geneva: International Organisation for Standardisation, 1993. [2] JCGM, Evaluation of measurement data - Guide to the expression in measurement (JCGM 100:2008), Geneva: JCGM, 2008. [3] S. L. Ellison és A. Williams, Use of uncertainty information in compliance assessment (Eurachem/CITAC Guide), Eurachem, 2007. [4] ISO, Geometrical Product Specification (GPS) Inspection by measurement of workpieces and measuring instruments Part I: Decision rules for proving conformance or non-conformance with specifications, International Organisation for Standarsitation. ISO 14253-1:1998, Geneva, 1998. [5] CENELEC, Standard for the evaluation of measurement results taking measurement uncertainty into account, CENELEC, Brussels, 1997. [6] IEC CISPR, Accounting for measurement uncertainty when determining compliance with a limit. (IEC CISPR/A/204/CD), IEC, Geneva, 1997. [7] ILAC, Guidelines on reporting of compliance with specification (ILAC-G8:03/2009), ILAC, Silverwater, 2009. [8] M. Vilbaste, G. Slavin, O. Saks, V. Pihl and I. Leito, "Can coverage factor 2 be interpreted as an equivalent to 95% coverage level in uncertainty estimation? Two case studies," Measurement, vol. 43, pp. 392-399, 2010. [9] G. B. Rossi and F. Crenna, "A probalistic approach to measurement-based decision," Measurement, vol. 39, pp. 101-119, 2006. [10] C. Hegedűs, A mérési bizonytalanság figyelembe vétele gyártásirányító rendszereknél, Győr, 2009. [11] Z. T. Kosztyán, T. Csizmadia, C. Hegedűs and Z. Kovács, "Treating measurement uncertainty in complete conformity control system," in Innovations and Advances in Computer Sciences and Engineering, T. Sobh, Ed., Dordrecht, Springer Netherlands, 2010, pp. 79-84. [12] Z. Kovács, Z. T. Kosztyán, T. Csizmadia és C. Hegedűs, Mérési bizonytalanság figyelembevétele a megfelelőség értékelésekor, Minőség és Megbízhatóság, %1. kötet43, %1. szám2, pp. 87-93, 2010. [13] Z. T. Kosztyán és C. Hegedűs, A mérési bizonytalanság kockázat alapú kezelése megfelelőségi döntésekben ipari körülmények között, Szigma, %1. kötetxlii, %1. szám1-2, pp. 43-55, 2011. [14] Z. T. Kosztyán, T. Csizmadia és C. Hegedűs, Mérési bizonytalanság kezelése a megfelelőség értékelésében, in Komplex Műszaki Tanácsadó, Budapest, Verlag Dashöfer, 2008. [15] Z. T. Kosztyán, T. Csizmadia és C. Hegedűs, A mérési bizonytalanság kezelése mindendarabos és mintavételes mérések esetén, Budapest, 2008. [16] Z. Kovács, C. Hegedűs, Z. T. Kosztyán és T. Csizmadia, Bizonytalanságok figyelembe vétele műszaki diagnosztika esetén, in A Karbantartás Kihívásai Válságban, Veszprém, 2009. [17] T. Csizmadia, Z. T. Kosztyán és C. Hegedűs, Minőségszabályozási és mérési bizonytalaságkezelési filozófiák alkalmazása a termelésirányításban, in "140 éves a vezetés és szervezés oktatása a debreceni gazdasági felsőoktatásban", Debrecen, 2008. [18] C. Hegedűs és G. Vastag, A kockázat-alapú döntések a mintavételes minőségellenőrzésben a mérési bizonytalanság figyelembe vételével, Vezetéstudomány, %1. kötetxliv, %1. szám6. Klnsz., pp. 66-73, 2013. 9
Kapcsolódó publikációk Hazai folyóiratban megjelent tudományos cikkek, tanulmányok: 1. Kovács Zoltán, Kosztyán Zsolt Tibor, Csizmadia Tibor, Hegedűs Csaba: Mérési bizonytalanság figyelembevétele a megfelelőség értékelésekor, Minőség és Megbízhatóság. 2010/2, pp. 87-93 2. Kosztyán Zsolt Tibor, Hegedűs Csaba: A mérési bizonytalanság kockázat alapú kezelése megfelelőségi döntésekben ipari körülmények között, Szigma XLII. (2011) 1-2. pp. 43-55 3. Hegedűs Csaba, Vastag Gyula: Kockázatalapú döntések a mintavételes minőségellenőrzésben a mérési bizonytalanság figyelembevételével, Vezetéstudomány XLIV, 6. Klnsz. 2013., pp. 66-73. Nemzetközi cikkek: 1. Csaba Hegedűs, Zsolt T. Kosztyán: The consideration of measurement uncertainty in forecast and maintenance related decisions. Problems of Management in the 21st Century 2011; 1(1): 46-59. 2. Zsolt T. Kosztyán, Csaba Hegedűs, Judit Kiss, Anikó Németh: Handling Maintenance Projects with Matrix-Based Methods, Lecture Notes in Electrical Engineering, 151., 2013. pp. 357-366. 3. Zsolt T. Kosztyán, Csaba Hegedűs: Computer Aided Diagnostic Methods to Forecast Condition- Based Maintenance Tasks, Lecture Notes in Electrical Engineering, 151., 2013. pp. 367-380. 4. Hegedűs, Cs., Kosztyán, Zs. T. & Katona, A: Parameter Drift in Risk-Based Statistical Control Charts, AWERProcedia Information Technology & Computer Science, [Online] Vol. 3, 2013, pp. 1360-1366 (ISSN: 2147-5369) [http://www.world-education-center.org/index.php/p-itcs] 5. Hegedus, Cs.: Risk-Based Decision Support for Conformity Control Under Uncertainty, Global Journal on Technology [Online]. 2014, 05, pp 78-84. [www.awer-center.org/pitcs] 6. Katona, A., Hegedűs, Cs., & Kosztyan, Zs.T., Design and Selection of Risk-Based Control Charts, Global Journal on Technology [Online]. 2014, 05, pp 92-98. [www.awer-center.org/pitcs] Hazai könyvrészletek: 1. Hegedűs Csaba, (témavezető: Dr. Kosztyán Zsolt Tibor): Mérési bizonytalanság kezelése a mintavételes minőségszabályozásban, Egy csepp tudomány - válogatott munkák az V. Jedlik Ányos Szakmai Napok előadóitól, Pannon Egyetemi Kiadó, 2008. (szerk.: Kapitány András), pp. 13-36. 2. Kosztyán Zsolt Tibor, Csizmadia Tibor, Hegedűs Csaba: Mérési bizonytalanság kezelése a megfelelőség értékelésében, Komplex Műszaki Tanácsadó, Verlag Dashöfer 2008 Nemzetközi könyvrészletek: 1. Zs. T. Kosztyán, T. Csizmadia, Cs. Hegedűs and Z. Kovács: Treating measurement uncertainty in complete conformity control system. in: Tarek Sobh (ed) Innovations and Advances in Computer Sciences and Engineering, Dordrecht: Springer Netherlands, 2010. ISBN 978-90-481-3657-5 pp. 79-84 DOI 10.1007/978-90-481-3658-2_14 Hazai konferencia-előadások (szekció-előadások): 1. Hegedűs Csaba, (témavezető: Dr. Kosztyán Zsolt Tibor): Mérési bizonytalanság kezelése a mintavételes minőségszabályozásban. V. Jedlik Ányos Szakmai Napok, Gazdaságtudományi szekció, Veszprém, 2008. március 27-29. 10
2. Kosztyán Zsolt Tibor, Csizmadia Tibor, Hegedűs Csaba: Mérési bizonytalanság figyelembevétele mintavételes megfelelőségvizsgálatnál. XX. Nemzetközi Karbantartási Konferencia. Veszprém 2008. június 13-15. 3. Csizmadia Tibor, Kosztyán Zsolt Tibor, Hegedűs Csaba: Minőségszabályozási és mérési bizonytalaságkezelési filozófiák alkalmazása a termelésirányításban. Hagyományok és új kihívások a menedzsmentben: 140 éves a vezetés és szervezés oktatása a debreceni gazdasági felsőoktatásban nemzetközi konferencia, 2008. október 2-3. 4. Kosztyán Zsolt Tibor, Csizmadia Tibor, Hegedűs Csaba: A mérési bizonytalanság kezelése mindendarabos és mintavételes mérések esetén. BGF Magyar Tudomány Napja 2008 Tudományos Konferencia, Budapest, 2008. november 6-7. 5. Hegedűs Csaba, Hársfa Nikolett: Minőségügyi döntések támogatása a mérési bizonytalanság figyelembe vételével és sztochasztikus folyamatmodellekkel. VI. Jedlik Ányos Szakmai Napok, Veszprém, 2009. február 26-28. (PhD-szekció) 6. Kovács Zoltán, Hegedűs Csaba, Kosztyán Zsolt Tibor, Csizmadia Tibor: Bizonytalanságok figyelembe vétele műszaki diagnosztika esetén, XXI. Nemzetközi Karbantartási Konferencia. Veszprém, 2009. június 8-9. 7. Csizmadia Tibor, Hegedűs Csaba, Kosztyán Zsolt Tibor, Kovács Zoltán: Paradigmaváltás a statisztikai folyamatszabályozás döntési mechanizmusában, 60 éves a Menedzsment és Vállalatgazdaságtan Tanszék, Jubileumi Konferencia, Balatonvilágos, 2009. augusztus 27-29. 8. Hegedűs Csaba: A mérési bizonytalanság figyelembe vétele gyártásirányító rendszereknél, 6. Országos Gazdaságinformatikai Konferencia (a CONFENIS 2009 társkonferenciája), Győr, 2009. október 28-30. 9. Hegedűs Csaba, Kosztyán Zsolt Tibor: Állapotfüggő karbantartás tervezhetőségének javítása, XXII. Nemzetközi Karbantartási Konferencia, Veszprém, 2010. június 7-8. 10. Kosztyán Zsolt Tibor, Hegedűs Csaba, Kiss Judit, Cserti Péter, Németh Anikó, Borbás István, Cserti Péter: Projektszakértői rendszer projektek menedzselésére, XXII. Nemzetközi Karbantartási Konferencia, Veszprém, 2010. június 7-8. 11. Hegedűs Csaba, Kiss Judit, Cserti Péter, Németh Anikó (témavezető: Dr. Kosztyán Zsolt Tibor): Termelési és karbantartási feladatok menedzselése elosztott szakértői rendszerekkel. 7. Országos Gazdaság-informatikai Konferencia OGIK 2010, Pécs, 2010. november 26-27. 12. Hegedűs Csaba, Kosztyán Zsolt Tibor: Szabályozó kártyák alkalmazása és a mérési bizonytalanság figyelembe vétele a prediktív karbantartásban, XXIII. Nemzetközi Karbantartási Konferencia, Veszprém, 2011. június 6-7. 13. Hegedűs Csaba: Kockázatalapú döntések támogatása a mérési bizonytalanság figyelembevételével, A Felfedező Tudomány Konferencia, Győr 2013. május 16. 14. Hegedűs Csaba, Kosztyán Zsolt Tibor, Katona Attila Imre: Új kockázatalapú szabályozó kártyák tervezése, kiválasztása és folyamathoz illesztése. VII. Régiók a Kárpát-medencén innen és túl, Nemzetközi tudományos konferencia 2013. október 11. Kaposvár. 15. Hegedűs Csaba: A megfelelőség értékelésének átalakítása a bizonytalanságok és kockázatok figyelembevételével. VII. Régiók a Kárpát-medencén innen és túl, Nemzetközi tudományos konferencia 2013. október 11. Kaposvár. 11
Hazai konferenciákon elhangzott előadások teljes szövege: Hazai konferenciákon elhangzott, nyomtatásban megjelent teljes szövegű kéziratok 1. Kosztyán Zsolt Tibor, Csizmadia Tibor, Hegedűs Csaba. Mérési bizonytalanság kezelése a mintavételes minőségszabályozásban. XX. Nemzetközi Karbantartási Konferencia, 2008. június 9-11. pp. 152-163 2. Csizmadia Tibor, Kosztyán Zsolt Tibor, Hegedűs Csaba: Minőségszabályozási és mérési bizonytalansgkezelési filozófiák alkalmazása a termelésirányításban, Hagyományok és új kihívások a menedzsmentben, Debrecen, 2008. október 2-3. pp. 157-162. 3. Kovács Zoltán, Hegedűs Csaba, Kosztyán Zsolt Tibor, Csizmadia Tibor: Bizonytalanságok figyelembe vétele műszaki diagnosztika esetén, A Karbantartás Kihívásai Válságban XXI. Nemzetközi Karbantartási Konferencia. Veszprém, 2009. június 8-9. pp. 159-168. (ISBN 978-963-9696-71-6) 4. Hegedűs Csaba, Kosztyán Zsolt Tibor: Állapotfüggő karbantartás tervezhetőségének javítása, A karbantartás kihívása A tudástőke felértékelődése, XXII. Nemzetközi Karbantartási Konferencia, Veszprém, 2010. június 7-8. pp. 165-177. (ISBN 978-963-9696-95-2) 5. Kosztyán Zsolt Tibor, Hegedűs Csaba, Kiss Judit, Cserti Péter, Németh Anikó, Borbás István: Projektszakértői rendszer projektek menedzselésére, A karbantartás kihívása A tudástőke felértékelődése, XXII. Nemzetközi Karbantartási Konferencia, Veszprém, 2010. június 7-8. pp. 178-193. (ISBN 978-963-9696-95-2) 6. Hegedűs Csaba, Kosztyán Zsolt Tibor: Szabályozó kártyák alkalmazása és a mérési bizonytalanság figyelembe vétele a prediktív karbantartásban, Új Utak és Kihívások a Karbantartásban, XXIII. Nemzetközi Karbantartási Konferencia, Veszprém, 2011. június 6-7. pp. 183-190. (ISBN 978-615-5044-16-8) Elektronikus formában megjelent konferencia-előadások: 1. Hegedűs Csaba: A mérési bizonytalanság figyelembe vétele gyártásirányító rendszereknél, 6. Országos Gazdaságinformatikai Konferencia, Győr, 2009. október 28-30. 2. Hegedűs Csaba: Kockázatalapú döntések támogatása a mérési bizonytalanság figyelembevételével, A Felfedező Tudomány Konferencia, Győr, 2013. május 16. (Elektronikus konferencia kötet: ISBN: 978-963-508-632-0) Nemzetközi konferencia-előadások (szekció-előadások): 1. Zs. Kosztyán, T. Csizmadia, Cs. Hegedűs, Z. Kovács: Treating measurement uncertainty in statistical process control, International Joint Conference on Computer, Information and System Sciences and Engineering, CISSE 2008, 5-13/12/2008 2. Zsolt T. Kosztyán, Csaba Hegedűs, Tibor Csizmadia, Zoltán Kovács: A new approach to forecasting conformity treating measurement uncertainty in SPC, AVA2009 (Aspects and Vision of Applied Economics and Informatics) 26-27/3/2009, Debrecen. 3. Csaba Hegedűs, Zsolt T. Kosztyán: Treating measurement uncertainty in maintenance related decisions, 38 th ESReDA Seminar, Pécs, May 4-5, 2010. 4. Zs. T. Kosztyán, Cs. Hegedűs, J. Kiss: Developing Expert System for Managing Maintenance Projects, 2nd International Conference on Software, Services and Semantic Tecnologies, Varna, Bulgaria, 11-12 September 2010. 12
5. Zs. T. Kosztyán, Cs. Hegedűs: Computer aided diagnostic methods to forecast condition-based maintenance tasks. International Joint Conference on Computer, Information and System Sciences and Engineering (CISSE 10) - International Conference on Industrial Electronics, Technology & Automation (IETA 10), 3-12 December, 2010. 6. Zs. T. Kosztyán, Cs. Hegedűs, J. Kiss, A, Németh: Handling Maintenance Projects with Matrixbased Methods. International Joint Conference on Computer, Information and System Sciences and Engineering (CISSE 10) - International Conference on Industrial Electronics, Technology & Automation (IETA 10), 3-12 December, 2010. 7. Csaba Hegedűs, Zsolt Tibor Kosztyán: Consideration of Measurement Uncertainty in Forecast Based Decisions, 42 nd Annual Meeting of Decision Sciences Institute, Nov. 19-22, 2011, Boston, MA 8. Csaba Hegedűs, Zsolt Tibor Kosztyán, Attila Katona: Risk based enhancement of statistical control charts taking measurement uncertainty and shift of parameters into account, 3 rd World Conference on Information Technology, University of Barcelona, Spain, November 14-16, 2012. 9. Csaba Hegedűs, Zsolt Tibor Kosztyán: Development of risk-based control charts considering measurement uncertainty, EDSI 2013, 4 th Annual Conference of the European Decision Science Institute, Budapest, Hungary, June 16-19, 2013. 10. Csaba Hegedűs: Risk-based decision support for conformity control under uncertainty, 4 th World Conference on Information Technology, Brussels, Belgium Nov. 26-28 2013 11. Zsolt T. Kosztyan, Csaba Hegedus, Attila Katona: Design and selection of risk-based control charts, 4 th World Conference on Information Technology, Brussels, Belgium Nov. 26-28 2013 Nemzetközi konferenciákon elhangzott előadások teljes szövege: Nemzetközi konferenciákon elhangzott, nyomtatásban megjelent teljes szövegű kéziratok: 1. Zsolt T. Kosztyán, Csaba Hegedűs, Tibor Csizmadia, Zoltán Kovács: A new approach to forecasting conformity treating measurement uncertainty in SPC, AVA2009 (Aspects and Vision of Applied Economics and Informatics) 26-27/3/2009, Debrecen, pp. 1295-1304. 2. Zs. T. Kosztyán, Cs. Hegedűs, J. Kiss: Developing Expert System for Managing Maintenance Projects, 2nd International Conference on Software, Services and Semantic Tecnologies, Varna, Bulgaria, 11-12 September 2010. pp. 218-225, Printed by Demetra EOOD, 2010, Sofia (ISBN 978-954-9526-71-4) Elektronikus formában megjelent nemzetközi konferencia-előadások: 1. Csaba Hegedűs, Zsolt T. Kosztyán: Treating measurement uncertainty in maintenance related decisions, 38th ESReDA Seminar, Pécs, May 4-5, 2010 (Published on CD) 2. Csaba Hegedűs, Zsolt Tibor Kosztyán, Attila Katona: Risk based enhancement of statistical control charts taking measurement uncertainty and shift of parameters into account, 3 rd World Conference on Information Technology, University of Barcelona, Spain, November 14-16, 2012 3. Csaba Hegedűs, Zsolt Tibor Kosztyán: Development of risk-based control charts considering measurement uncertainty, EDSI 2013, 4 th Annual Conference of the European Decision Sciences Institute, Budapest, Hungary, June 16-19, 2013. 13