Statistické řízení jakosti - regulace procesu měřením a srovnáváním
|
|
- Gabriela Křížová
- před 8 lety
- Počet zobrazení:
Transkript
1 Statistické řízení jakosti - regulace procesu měřením a srovnáváním
2 Statistická regulace výrobního procesu (SPC) SPC = Statistical Process Control preventivní nástroj řízení jakosti, který na základě včasného odhalování významných odchylek v procesu od předem stanovené úrovně, umožňuje realizovat zásahy do procesu tak, aby byla kvalita dlouhodobě udržována na stabilní a přípustné úrovni
3 Významná úloha tam, kde se vyrábí velké dávky nebo kde se výroba víckrát opakuje Proč: Existuje variabilita výrobního procesu Proces by měl mít cílovou hodnotu Účel: Zabránit vzniku vadných výrobků Cíl: Zmenšit variabilitu, aby nekolísala kvalita a sledovat, jestli kvalita netrenduje (tendence do nekvality přezkoumat 6M)
4 Co způsobuje variabilitu?: 6M faktory Člověk (přesnost, zkušenost, motivace) Materiál (tvrdost, chem. složení ) Metoda (způsob práce, sled operací, ) Měření (techn. měření, kalibrace, ) Stroj (opotřebení, ) Prostředí (změny v teplotě, vlhkosti ) Man Material Method Measuring Machine Milieu
5 Postup před zavedením statistické regulace výrobního procesu
6 1. Volba znaku jakosti zvolit takové znaky, které ovlivňují chování výrobku a jeho vlastnosti regulaci zavést tam, kde je třeba jakost stabilizovat nebo získat informace o výrobním procesu, aby mohl být zlepšen nebo zlevněn
7 2. Analýza výrobního procesu Analýza by měla být zaměřena tak, aby: vymezila příčiny, které mohou vyvolat nepravidelnost ve výrobním procesu zjistila vliv použití tolerančních mezí přispěla ke zlepšení vlastní kontroly a jejího umístění ve výrobním procesu odhalila všechny ostatní související faktory, které mohou ovlivnit výrobní proces
8 3. Volba podskupin roztřídění uvažovaných pozorování do podskupin, uvnitř kterých lze předpokládat, že kolísání sledovaného znaku jakosti je způsobeno pouze náhodnými příčinami, přitom rozdíl mezi těmito podskupinami může být způsoben zvláštními příčinami a jejich odhalení je úlohou regulačních diagramů
9 4. Volba kontrolního intervalu a rozsahu podskupin žádná obecná pravidla, vše s ohledem na stabilizovaný proces může záviset na nákladech na odběr a analýze měření obvykle: rozsah podskupiny 4-5 vzorků za sebou vybraných podskupin pro předběžný odhad
10 5. Sběr předběžných údajů je třeba shromažďovat určité počáteční výsledky kontrol a ty analyzovat, abychom mohli vypočítat předběžně hodnoty nutné pro stanovení CL, UCL, LCL a ty zavést do diagramu
11 Regulační diagram
12 Postup konstrukce regulačního diagramu na ose x se vynáší pořadová čísla podskupin (např. při nepřetržité výrobě budeme 1x za hodinu vybírat 5 výrobků tzn. budeme mít 24 podskupin za den) na ose y se vynáší hodnoty sledovaného znaku jakosti nebo parametru procesu (např. průměr, rozpětí, směrodatná odchylka, podíl neshodných jednotek ve výběru atd.). Tyto hodnoty vypočteme z chronologicky za sebou jdoucích hodnot znaku jakosti, získaných při provádění pravidelných výběrových kontrol. regulační diagram se dále skládá z centrální přímky (CL) a horní (UCL) a dolní (LCL) regulační meze.
13 Postup konstrukce regulačního diagramu Při stanovení regulačních mezí lze vycházet z rozdělení pravděpodobnosti příslušného sledovaného znaku. Nejčastěji se uvedená pravděpodobnost volí na úrovni 0,9973, tzn. že UCL a LCL jsou od CL vzdáleny 3 směrodatné odchylky na každou stranu.
14 Shewhartovy regulační diagramy (dle normy ČSN ISO 8258) grafická pomůcka zobrazující variabilitu procesu dynamicky, umožňující oddělit náhodné příčiny variability od vymezitelných Předpoklady použití: dostatečný počet dat, normalita dat, nezávislost dat, konstantní rozptyl a střední hodnotu, sledování pouze jednoho znaku jakosti na jednom produktu
15
16 66,26 % 95,44 % 99,73 % 99,994 % + 1s -1 s + 2 s - 2 s + 3 s - 3 s + 4 s - 4 s
17 Normální rozdělení Spojité, symetrické, ve tvaru zvonu rozdělení četností pro variabilní údaje, které jsou základem pro regulační diagramy pro proměnné. Jestliže měření má normální rozdělení, okolo % všech jednotlivých hodnot leží uvnitř intervalu plus a minus jedna standardní odchylka od průměru, okolo 95.44% leží uvnitř intervalu plus a minus dvě standardní odchylky od průměru a % leží uvnitř intervalu plus a minus tři standardní odchylky od průměru. Tyto procenta jsou základem pro analýzu regulačních mezí a regulační diagramy (protože průměry podskupin mají tendenci být rozděleny normálně, i když výstup jako celek nikoliv) a pro mnoho rozhodnutí týkající se způsobilosti (protože výstup mnoha průmyslových procesů sleduje normální rozdělení).
18
19 Jaký regulační diagram zvolit? Jaké znaky jakosti? Měřitelné Neměřitelné Jaký rozsah výběru? Co má být sčítáno? nad 10 Neshodné jednotky Neshody X x j, R kl, R, s X, R X Je rozsah výběru konstantní? Je rozsah výběru konstantní? ne ano ne ano p np u c
20 Regulace procesu měřením Výhody: známe hodnoty sledovaného znaku jakosti, lze snadněji vysledovat příčiny nejakosti, lze sledovat trendy. Nevýhody: náročná na měřicí přístroje, náročná na čas, obsluha musí být přiměřeně kvalifikovaná. SPC
21 Cílem je snížení variability procesu Stejnoměrnější výroba Menší pravděpodobnost výskytu neshodných produktů Menší rozsah kontroly a nižší náklady na kontrolu a zkoušení Nižší náklady vyvolané poruchami procesu Více spokojených zákazníků
22 Jeden mrtvý je tragédie. Desítka mrtvých je masakr. Tisíce mrtvých je Jeden mrtvý je tragédie. Desítka mrtvých je masakr. Tisíce mrtvých je statistika.
23 Statistická regulace výrobního procesu srovnáváním Při regulaci srovnáváním se užívá vždy je jeden diagramu, ne dvojice jako při regulaci měřením. sledujeme atribut, výsledkem je binární informace (ano x ne), rychlejší než měření, nezískávají se hodnoty, nelze sledovat trendy.
24 Nejčastěji používané diagramy srovnáváním: (p) regulační diagram pro podíl neshodných jednotek (np) regulační diagram pro počet neshodných jednotek, konstantní rozsah podskupin (c) regulační diagram pro počet neshod, konstantní rozsah podskupin (u) regulační diagram pro průměrný počet neshod na jednotku v podskupině
25 Regulační diagram pro podíl neshodných jednotek v podskupině p diagram
26 Příklad 1 Cukrář vyrábí rakvičky a občas je mu zboží vráceno z důvodu nízké kvality (moc křehké nebo moc tvrdé). Rozhodl se proto zlepšit svoji kvalitu za pomocí metod SPC konkrétně pomocí Shewhartova diagramu. Po dobu 10 dní náhodně vybíral určité množství rakviček a každou testoval (ochutnávkou) a výsledky zaznamenal do tabulky. Vyberte vhodný diagram pro regulaci procesu, vypočítejte regulační meze a nakreslete regulační diagram.
27 Zadání příkladu 1
28 CL = p = 58/591 = 0,1 Řešení v příkladu 1 UCL = 0,21 LCL = -0,01 = 0
29 1. otázka na závěr - Uveďte základní metody statistické regulace a zásady jejího uplatnění proces musí být statisticky zvládnut jak vzhledem k variabilitě, tak vzhledem k poloze procesu. regulace měřením x regulace srovnáváním regulace na základě technických nebo přirozených regulačních mezí výběrový bod mimo regulační meze na regulačním diagramu signalizuje přítomnost zvláštní příčiny proměnlivosti v procesu, ta musí být identifikována a trvale odstraněna na základě přijatých opatření
30 2. Otázka na závěr - Uveďte nutné podmínky pro zavedení statistické regulace procesu Zavedení a uplatnění regulace procesu je záležitostí všech, management musí vytvořit vhodné podmínky. Definovat proces, určit znak jakosti, který bude statisticky řízen, určit způsob měření, rozsah výběrů, metodu regulace podle výběrových charakteristik (např. výběrový průměr a rozpětí). Vytvořit stabilní podmínky procesu a vypočítat výsledné regulační meze.
31 Použitá literatura: Moderní management jakosti Nenadál, J. a spol. Management kvality, environmentu a bezpečnosti práce - Veber, J. a kol. Statistické metody pro zlepšování jakosti Tošenovský, J. Měření v systémech managementu jakosti Nenadál, J. Statistická regulace - Horálek V.
Statistické řízení jakosti. Deming: Klíč k jakosti je v pochopení variability procesu.
Statistické řízení jakosti Deming: Klíč k jakosti je v pochopení variability procesu. SŘJ Statistická regulace výrobního procesu Statistická přejímka jakosti měřením srovnáváním měřením srovnáváním - X
VíceRegulační diagramy (RD)
Regulační diagramy (RD) Control Charts Patří k základním nástrojům vnitřní QC laboratoře či výrobního procesu (grafická pomůcka). Pomocí RD lze dlouhodobě sledovat stabilitu (chemického) měřícího systému.
VíceNárodní informační středisko pro podporu kvality
Národní informační středisko pro podporu kvality Nestandardní regulační diagramy J.Křepela, J.Michálek REGULAČNÍ DIAGRAM PRO VŠECHNY INDIVIDUÁLNÍ HODNOTY xi V PODSKUPINĚ V praxi se někdy setkáváme s požadavkem
VíceInovace bakalářského studijního oboru Aplikovaná chemie http://aplchem.upol.cz
http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Sedm základních nástrojů řízení kvality Doc. RNDr. Jiří Šimek,
VíceTaguciho metody. Řízení jakosti
Taguciho metody Řízení jakosti Genichi Taguchi (*194) Japonský inženýr, který se snažil najít cestu ke zlepšení kvality ve svém podniku vytvořením vlastních postupů. Pomocí tzv. ztrátové funkci vyjádřil
VíceRegulační diagramy (Control charts, Shewhart s diagrams)
Regulační diagramy (Control charts, Shewhart s diagrams) diagram spolu s horní nebo/a dolní í, do kterého se zakreslují hodnoty nějakého statistického ukazatele pro řadu výběrů nebo podskupin, obvykle
VícePRINCIPY ZABEZPEČENÍ KVALITY
(c) David MILDE, 2013 PRINCIPY ZABEZPEČENÍ KVALITY POUŽÍVANÁ OPATŘENÍ QA/QC Interní opatření (uvnitř laboratoře): pravidelná analýza kontrolních vzorků a CRM, sledování slepých postupů a možných kontaminací,
VíceEkonomické aspekty statistické regulace pro vysoce způsobilé procesy. Kateřina Brodecká
Ekonomické aspekty statistické regulace pro vysoce způsobilé procesy Kateřina Brodecká Vysoce způsobilé procesy s rozvojem technologií a důrazem kladeným na aktivity neustálého zlepšování a zeštíhlování
VíceISO 8258 je první ze čtyř norem ISO, které budou věnovány metodám statistické regulace. Zbývající tři, které jsou nyní v přípravě, jsou
ČESKÁ NORMA MDT 658.562.012.7:519.233 Duben 1994 SHEWHARTOVY REGULAČNÍ DIAGRAMY ČSN ISO 8258 01 0271 Shewhart control charts Cartes de contrôle de Shewhart Shewhart-Qualitätsregelkarten Tato norma obsahuje
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2010/2011 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
VíceRegulace výrobního procesu v soft. Statistica
Regulace výrobního procesu v soft. Statistica Newsletter Statistica ACADEMY Téma: Regulační diagramy, možnosti softwaru Typ článku: Teorie, návod V tomto článku bychom Vám rádi ukázali další typy analýz,
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2009/2010 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
VíceTématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky bakalářské studium studijní obor "Management jakosti" školní rok 2013/2014 Management jakosti A 1. Pojem jakosti a význam managementu jakosti v současném období.
Více1) Jsou normy v ČR závazné a jaká je jejich úloha? normy nejsou v ČR závazné od roku 2000 od roku 2000 mají pouze doporučující charakter
NORMY A STANDARDY KVALITY 1) Jsou normy v ČR závazné a jaká je jejich úloha? normy nejsou v ČR závazné od roku 2000 od roku 2000 mají pouze doporučující charakter pokud u výrobku, který byl vyroben podle
VíceNormy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008)
Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2008) Ing. Vratislav Horálek, DrSc., předseda TNK 4 při ČNI 1 Terminologické normy [1] ČSN ISO 3534-1:1994 Statistika Slovník
VíceNárodní informační středisko pro podporu kvality
Národní informační středisko pro podporu kvality Využití metody bootstrapping při analýze dat II.část Doc. Ing. Olga TŮMOVÁ, CSc. Obsah Klasické procedury a statistické SW - metody výpočtů konfidenčních
VíceStatistické regulační diagramy
Statistické regulační diagramy Statistickou regulací procesu měření rozumíme jeho udržení ve statisticky zvládnutém stavu. Jen tak se zabezpečí shoda výsledků měření se specifickými požadavky na měření.
Více8/2.1 POŽADAVKY NA PROCESY MĚŘENÍ A MĚŘICÍ VYBAVENÍ
MANAGEMENT PROCESŮ Systémy managementu měření se obecně v podnicích používají ke kontrole vlastní produkce, ať už ve fázi vstupní, mezioperační nebo výstupní. Procesy měření v sobě zahrnují nemalé úsilí
VíceRozdíl rizik zbytečného signálu v regulačním diagramu (I,MR) a (xbar,r)
Rozdíl rizik zbytečného signálu v regulačním diagramu (I,MR) a (xbar,r) Bohumil Maroš 1. Úvod Regulační diagram je nejefektivnější nástroj pro identifikaci stability, resp. nestability procesu. Vhodně
VíceVybrané praktické aplikace statistické regulace procesu
ČSJ, OSSM Praha, 19. 4. 2012 Vybrané praktické aplikace statistické regulace procesu Prof. Ing. Darja Noskievičová, CSc. Katedra kontroly a řízení jakosti Fakulta metalurgie a materiálového inženýrství
VíceNárodní informační středisko pro podporu kvality
Národní informační středisko pro podporu kvality NOVÁ ŘADA NOREM ČSN ISO 3951 Statistické přejímky měřením (ČSN ISO 3951-1 a ČSN ISO 3951-2) Ing. Vratislav Horálek, DrSc. Leden 2011 1. Normy ČSN ISO řady
VíceStřední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49. Výukový materiál zpracovaný v rámci projektu Výuka moderně
Střední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49 Výukový materiál zpracovaný v rámci projektu Výuka moderně Registrační číslo projektu: CZ.1.07/1.5.00/34.0205 Šablona: III/2Management
VíceNormy ČSN,ČSN ISO a ČSN EN
Normy ČSN,ČSN ISO a ČSN EN z oblasti aplikované statistiky (stav aktualizovaný k 1.1.2013) Ing. Vratislav Horálek, DrSc. předseda TNK 4 při ÚNMZ 1 A Terminologické normy 2 [1] ČSN ISO 3534-1:2010 Statistika
VíceVýukový materiál zpracovaný v rámci projektu Výuka moderně
Střední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49 Výukový materiál zpracovaný v rámci projektu Výuka moderně Registrační číslo projektu: CZ.1.07/1.5.00/34.0205 Šablona: III/2Management
VíceNárodní informační středisko pro podporu kvality
Národní informační středisko pro podporu kvality 1 STATISTICKÉ PŘEJÍMKY CHYBY PŘI APLIKACI A JEJICH DŮSLEDKY Ing. Vratislav Horálek, DrSc. 2 A. NEPOCHOPENÍ VLASTNÍHO CÍLE STATISTICKÉ PŘEJÍMKY (STP) STP
VíceÚstav teorie informace a automatizace RESEARCH REPORT. Nestandardní regulační diagramy pro SPC. No. 2311 December 2011
kademie věd České republiky Ústav teorie informace a automatizace cademy of Sciences of the Czech Republic Institute of Information Theory and utomation RESERCH REPORT Josef Křepela, Jiří Michálek: Nestandardní
VíceTématické okruhy pro státní závěrečné zkoušky. Navazující magisterské studium. studijní obor "Management jakosti"
Tématické okruhy pro státní závěrečné zkoušky Navazující magisterské studium studijní obor "Management jakosti" školní rok 2013/2014 Integrované systémy managementu A 1. Koncepce a principy integrovaných
VíceZÁKLADNÍ NÁSTROJE ŘÍZENÍ JAKOSTI
ZÁKLADNÍ NÁSTROJE ŘÍZENÍ JAKOSTI SPŠ na Proseku 4-1 Ing. A. Styblíková, Ing. L. Procházka - pevně stanovený soubor grafických technik napomáhajících při řešení problémů s kvalitou - jedná se o 7 nástrojů
VíceVYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA METALURGIE A MATERIÁLOVÉHO INŽENÝRSTVÍ KATEDRA KONTROLY A ŘÍZENÍ JAKOSTI
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA METALURGIE A MATERIÁLOVÉHO INŽENÝRSTVÍ KATEDRA KONTROLY A ŘÍZENÍ JAKOSTI Elektronická sbírka příkladů k předmětům zaměřeným na aplikovanou statistiku
VíceNárodní informační středisko pro podporu jakosti
Národní informační středisko pro podporu jakosti 1 Konzultační středisko statistických metod při NIS-PJ Statistické přejímky při kontrole měřením Ing. Vratislav Horálek DrSc. ČSJ Ing. Josef Křepela ČSJ
VíceHODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI. Josef Křepela, Jiří Michálek. OSSM při ČSJ
HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI Josef Křepela, Jiří Michálek OSSM při ČSJ Červen 009 Hodnocení způsobilosti atributivních znaků jakosti (počet neshodných jednotek) Nechť p je pravděpodobnost
VíceTématické okruhy pro státní závěrečné zkoušky. Navazující magisterské studium. studijní obor "Management kvality"
Tématické okruhy pro státní závěrečné zkoušky Navazující magisterské studium studijní obor "Management kvality" školní rok 2016/2017 Integrované systémy managementu A 1. Koncepce a principy integrovaných
VíceKGG/STG Statistika pro geografy
KGG/STG Statistika pro geografy 5. Odhady parametrů základního souboru Mgr. David Fiedor 16. března 2015 Vztahy mezi výběrovým a základním souborem Osnova 1 Úvod, pojmy Vztahy mezi výběrovým a základním
VíceSW podpora při řešení projektů s aplikací statistických metod
SW podpora při řešení projektů s aplikací statistických metod Jan Král, Josef Křepela Úvod Uplatňování statistických metod vyžaduje počítačovou podporu. V současné době je rozšiřována řada vynikajících
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ FACULTY OF BUSINESS AND MANAGEMENT ÚSTAV MANAGEMENTU INSTITUTE OF MANAGEMENT VYUŽITÍ STATISTICKÝCH METOD PRO ZAJIŠTĚNÍ
VíceKvalita v laboratorní a kontrolní praxi
Kvalita v laboratorní a kontrolní praxi Část: Statistické nástroje pro řízení kvality, SPC Vladimír Kocourek Praha, 2015 Věrohodnost dat Prof. Kaoru ISHIKAWA o věrohodnosti dat: Dokonalá data bez rozptylu
VíceNárodní informační středisko pro podporu kvality
Národní informační středisko pro podporu kvality STATISTICKÁ REGULACE POMOCÍ VÝBĚROVÝCH PRŮMĚRŮ Z NENORMÁLNĚ ROZDĚLENÝCH DAT Ing. Jan Král, RNDr. Jiří Michálek, CSc., Ing. Josef Křepela Duben, 20 Co je
VíceNárodní informační středisko pro podporu jakosti
Národní informační středisko pro podporu jakosti STATISTICKÉ METODY V LABORATOŘÍCH Ing. Vratislav Horálek, DrSc. Ing. Jan Král 2 A.Základní a terminologické normy 1 ČSN 01 0115:1996 Mezinárodní slovník
VíceČESKÁ TECHNICKÁ NORMA
ČESKÁ TECHNICKÁ NORMA ICS 03.120.30 Srpen 2014 Regulační diagramy Část 3: Přejímací regulační diagramy ČSN ISO 7870-3 01 0272 Control charts Part 3: Acceptance control charts Cartes de contrôle Partie
VíceSPC v případě autokorelovaných dat. Jiří Michálek, Jan Král OSSM,
SPC v případě autokorelovaných dat Jiří Michálek, Jan Král OSSM, 2.6.202 Pojem korelace Statistická vazba mezi veličinami Korelace vs. stochastická nezávislost Koeficient korelace = míra lineární vazby
VíceKatedra řízení podniku (FES)
Katedra řízení podniku (FES) Řízení kvality 2. Autor: Ing. Ludvík FILIP březen 2015 Shrnutí požadavků na politiku a cíle kvality Požadavky normy ČSN EN ISO 9001:2009 5.3 Politika kvality Vrcholové vedení
VíceVY_32_INOVACE_PEL-3.EI-18-VYROBNI PROCES. Střední odborná škola a Střední odborné učiliště, Dubno
Číslo projektu Číslo materiálu Název školy Autor Tematická oblast Ročník CZ.1.07/1.5.00/34.0581 VY_32_INOVACE_PEL-3.EI-18-VYROBNI PROCES Střední odborná škola a Střední odborné učiliště, Dubno Ing. Jiří
VíceVYUŽITÍ REGULAČNÍCH DIAGRAMŮ PRO KONTROLU JAKOSTI
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV MANAGEMENTU FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF MANAGEMENT VYUŽITÍ REGULAČNÍCH DIAGRAMŮ PRO KONTROLU
VíceNárodní informační středisko pro podporu jakosti
Národní informační středisko pro podporu jakosti 1 Konzultační středisko statistických metod při NIS-PJ Využití statistických metod při aplikaci zásad norem ISO souboru 9000 z roku 2000 Ing. Vratislav
VíceZÁPADOČESKÁ UNIVERZITA V PLZNI FAKULTA ELEKTROTECHNICKÁ. Katedra technologií a měření BAKALÁŘSKÁ PRÁCE
ZÁPADOČESKÁ UNIVERZITA V PLZNI FAKULTA ELEKTROTECHNICKÁ Katedra technologií a měření BAKALÁŘSKÁ PRÁCE Zavádění statistických nástrojů do procesů v oblasti elektrotechnického průmyslu Antonín Radouch 2015
VíceInferenční statistika - úvod. z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů
Inferenční statistika - úvod z-skóry normální rozdělení pravděpodobnost rozdělení výběrových průměrů Pravděpodobnost postupy induktivní statistiky vycházejí z teorie pravděpodobnosti pravděpodobnost, že
VíceIMPLEMENTING SPC IN INDUSTRIAL PROCESS ZAVÁDĚNÍ SPC VE VÝROBNÍM PROCESU. Dostál P., Černý M. ABSTRACT
IMPLEMENTING SPC IN INDUSTRIAL PROCESS ZAVÁDĚNÍ SPC VE VÝROBNÍM PROCESU Dostál P., Černý M. Department of Engineering and Automobile Transport, Faculty of Agronomy, Mendel University of Agriculture and
VíceVYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI
VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI Aleš Linka 1, Petr Volf 2 1 Katedra textilních materiálů, FT TUL, 2 Katedra aplikované matematiky, FP TUL ABSTRAKT. Internetové
VícePRINCIPY ZABEZPEČENÍ KVALITY
PRINCIPY ZABEZPEČENÍ KVALITY (C) DAVID MILDE, 013 POUŽÍVANÁ OPATŘENÍ QA/QC Interní opatření (uvnitř laboratoře): pravidelná analýza kontrolních vzorků a CRM, sledování slepých postupů a možných kontaminací,
VíceQ-diagramy. Jiří Michálek ÚTIA AVČR
Q-diagramy Jiří Michálek ÚTIA AVČR Proč Q-diagramy? Nevýhody Shewhartových diagramů velikost regulačních mezí závisí na rozsahu logické podskupiny nehodí se pro krátké výrobní série normálně rozdělená
VíceTématické okruhy pro státní závěrečné zkoušky. magisterské studium
Tématické okruhy pro státní závěrečné zkoušky magisterské studium studijní obor "Řízení jakosti" školní rok 2009/2010 Management jakosti A 1. Koncepce managementu jakosti, charakteristiky a účel, normy
VíceVYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA Katedra ekonomických studií. Zavedení síťového software pro SPC ve výrobní firmě
VYSOKÁ ŠKOLA POLYTECHNICKÁ JIHLAVA Katedra ekonomických studií Zavedení síťového software pro SPC ve výrobní firmě bakalářská práce Autor: Tomáš Skryja Vedoucí práce: Ing. Petr Tyráček, Ph.D., MBA Jihlava
VíceTest z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY
VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY Test z teorie 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový
Více2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení
2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků
Více2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat
2. Základní typy dat Spojitá a kategoriální data Základní popisné statistiky Frekvenční tabulky Grafický popis dat Anotace Realitu můžeme popisovat různými typy dat, každý z nich se specifickými vlastnostmi,
VíceSTATISTICKÉ ODHADY Odhady populačních charakteristik
STATISTICKÉ ODHADY Odhady populačních charakteristik Jak stanovit charakteristiky rozložení sledované veličiny v základní populaci? Populaci většinou nemáme celou k dispozici, musíme se spokojit jen s
VíceP13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.
P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod. Matematický přístup k výsledkům únavových zkoušek Náhodnost výsledků únavových zkoušek. Únavové
VíceNárodní informační středisko pro podporu jakosti
Národní informační středisko ro odoru jakosti Konzultační středisko statistických metod ři NIS-PJ Analýza zůsobilosti Ing. Vratislav Horálek, DrSc. ředseda TNK 4: Alikace statistických metod Ing. Josef
VíceBRNO UNIVERSITY OF TECHNOLOGY FAKULTA STROJNÍHO INŽENÝRSTVÍ METROLOGIE A ZKUŠEBNICTVÍ FACULTY OF MECHANICAL ENGINEERING
VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STROJNÍHO INŽENÝRSTVÍ METROLOGIE A ZKUŠEBNICTVÍ FACULTY OF MECHANICAL ENGINEERING INSTITUTE OF METROLOGY AND QUALITY ASSURANCE TESTING
VíceVYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství
1 PŘÍLOHA KE KAPITOLE 11 2 Seznam příloh ke kapitole 11 Podkapitola 11.2. Přilité tyče: Graf 1 Graf 2 Graf 3 Graf 4 Graf 5 Graf 6 Graf 7 Graf 8 Graf 9 Graf 1 Graf 11 Rychlost šíření ultrazvuku vs. pořadí
VícePřehled metod regulace procesů při různých typech chování procesu
Přehled metod regulace procesů při různých typech chování procesu Eva Jarošová, Darja Noskievičová Škoda Auto Vysoká škola, VŠB Ostrava ČSJ 7.9.205 Typy procesů (ČSN ISO 2747) Procesy typu A Výsledné rozdělení
VíceVŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: SMAD Cvičení Ostrava, AR 2016/2017 Popis datového souboru Pro dlouhodobý
VíceZáklady teorie pravděpodobnosti
Základy teorie pravděpodobnosti Náhodná veličina Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Základy teorie
VíceZáklady popisné statistiky. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek
Základy popisné statistiky Anotace Realitu můžeme popisovat různými typy dat, každý z nich se specifickými vlastnostmi, výhodami, nevýhodami a vlastní sadou využitelných statistických metod -od binárních
VíceVícerozměrné regulační diagramy. Josef Křepela, Jiří Michálek OSSM
Vícerozměrné regulační diagramy Josef Křepela, Jiří Michálek OSSM..0 Monitorování a řízení procesu s více proměnnými Obvykle se uvažuje pouze jeden znak jakosti (proměnná, náhodná veličina) na výstupu
VíceTest z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY
VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY Test z teorie 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový
Více23. Matematická statistika
Projekt: Inovace oboru Mechatronik pro Zlínský kraj Registrační číslo: CZ.1.07/1.1.08/03.0009 23. Matematická statistika Statistika je věda, která se snaží zkoumat reálná data a s pomocí teorii pravděpodobnosti
Víceveličin, deskriptivní statistika Ing. Michael Rost, Ph.D.
Vybraná rozdělení spojitých náhodných veličin, deskriptivní statistika Ing. Michael Rost, Ph.D. Třídění Základním zpracováním dat je jejich třídění. Jde o uspořádání získaných dat, kde volba třídícího
VícePopisná statistika. úvod rozdělení hodnot míry centrální tendence míry variability míry šikmosti a špičatosti grafy
Popisná statistika úvod rozdělení hodnot míry centrální tendence míry variability míry šikmosti a špičatosti grafy Úvod užívá se k popisu základních vlastností dat poskytuje jednoduché shrnutí hodnot proměnných
VíceVŠB Technická univerzita Ostrava BIOSTATISTIKA
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: BIOSTATISTIKA Domácí úkoly Zadání 5 DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL 1:
VíceTuhá alterna,vní paliva validace metody pro stanovení obsahu biomasy podle ČSN EN Ing. Šárka Klimešová, Výzkumný ústav maltovin Praha, s.r.o.
Tuhá alterna,vní paliva validace metody pro stanovení obsahu biomasy podle ČSN EN 15 440 Ing. Šárka Klimešová, Výzkumný ústav maltovin Praha, s.r.o. Předchozí přednáška popsala laboratorní metodu jako
VícePelantová Věra Technická univerzita v Liberci. Předmět RJS. TU v Liberci
Tento materiál vznikl jako součást projektu, který je spolufinancován Evropským sociálním fondem a státním rozpočtem ČR. Řízení kvality Pelantová Věra Technická univerzita v Liberci Předmět RJS Technická
VícePorovnání softwarových produktů pro podporu hodnocení způsobilosti technologických procesů. Bc. Jan VERBERGER
Porovnání softwarových produktů pro podporu hodnocení způsobilosti technologických procesů Bc. Jan VERBERGER Diplomová práce 2006 UTB ve Zlíně, Fakulta technologická 3 UTB ve Zlíně, Fakulta technologická
VíceStatistika pro geografy
Statistika pro geografy 2. Popisná statistika Mgr. David Fiedor 23. února 2015 Osnova 1 2 3 Pojmy - Bodové rozdělení četností Absolutní četnost Absolutní četností hodnoty x j znaku x rozumíme počet statistických
VíceMetodologie pro ISK II
Metodologie pro ISK II Všechny hodnoty z daného intervalu Zjišťujeme: Centrální míry Variabilitu Šikmost, špičatost Percentily (decily, kvantily ) Zobrazení: histogram MODUS je hodnota, která se v datech
VíceKontrolní list Systém řízení výroby
Výrobek: Beton, lehký beton, stříkaný beton Zatřídění dle př. 2 NV-163 Tabulka Skupina Techn. specif.: 1 5,6,7 Výrobce: Adresa: IČO: Datum prověrky: Výrobna: Č. Požadavek Posouzení C NC R O Poznámka Zjištění
VíceLEKCE 5 STATISTICKÁ INFERENCE ANEB ZOBECŇOVÁNÍ VÝSLEDKŮ Z VÝBĚROVÉHO NA ZÁKLADNÍ SOUBOR
LEKCE 5 STATISTICKÁ INFERENCE ANEB ZOBECŇOVÁNÍ VÝSLEDKŮ Z VÝBĚROVÉHO NA ZÁKLADNÍ SOUBOR Ve většině případů pracujeme s výběrovým souborem a výběrové výsledky zobecňujeme na základní soubor. Smysluplné
VícePrincipy zajištění spolehlivosti. Zdenek Kubíček
ZÁKLADY OBECNÉ A KLINICKÉ BIOCHEMIE 2004 Principy zajištění spolehlivosti Zdenek Kubíček kapitola ve skriptech - 4.1.3 Definice kvality Chemický měřící proces je podle definice analytický postup definované
VíceNárodní informační středisko pro podporu jakosti
Národní informační středisko pro podporu jakosti 1 METODA KUMULOVANÝCH SOUČTŮ C U S U M metoda: tabulkový (lineární) CUSUM RNDr. Jiří Michálek, CSc., Ing. Antonie Poskočilová 2 Základem SPC jsou Shewhartovy
VíceÚvod do problematiky měření
1/18 Lord Kelvin: "Když to, o čem mluvíte, můžete změřit, a vyjádřit to pomocí čísel, něco o tom víte. Ale když to nemůžete vyjádřit číselně, je vaše znalost hubená a nedostatečná. Může to být začátek
VícePřehled technických norem z oblasti spolehlivosti
Příloha č. 1: Přehled technických norem z oblasti spolehlivosti NÁZVOSLOVNÉ NORMY SPOLEHLIVOSTI IDENTIFIKACE NÁZEV Stručná charakteristika ČSN IEC 50(191): 1993 ČSN IEC 60050-191/ Změna A1:2003 ČSN IEC
VíceMÍRY ZÁVISLOSTI (KORELACE A REGRESE)
zhanel@fsps.muni.cz MÍRY ZÁVISLOSTI (KORELACE A REGRESE) 2.5 MÍRY ZÁVISLOSTI 2.5.1 ZÁVISLOST PEVNÁ, VOLNÁ, STATISTICKÁ A KORELAČNÍ Jednorozměrné soubory - charakterizovány jednotlivými statistickými znaky
VíceChyby měření 210DPSM
Chyby měření 210DPSM Jan Zatloukal Stručný přehled Zdroje a druhy chyb Systematické chyby měření Náhodné chyby měření Spojité a diskrétní náhodné veličiny Normální rozdělení a jeho vlastnosti Odhad parametrů
VíceVŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky
VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky PRAVDĚPODOBNOST A STATISTIKA Zadání 1 JMÉNO STUDENTKY/STUDENTA: OSOBNÍ ČÍSLO: JMÉNO CVIČÍCÍ/CVIČÍCÍHO: DATUM ODEVZDÁNÍ DOMÁCÍ ÚKOL
VíceNormální (Gaussovo) rozdělení
Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení popisuje vlastnosti náhodné spojité veličiny, která vzniká složením různých náhodných vlivů, které jsou navzájem nezávislé, kterých je velký
VíceKontrolní list Systém řízení výroby
Výrobek: Malty k injektáži Zatřídění dle př. 2 NV 312 Tabulka Skupina Techn. specif.: 1 8 Výrobce: IČ: Adresa: Datum prověrky: Výrobna: 1 Systém řízení výroby dokumentace a obecné požadavky 1.1 1.2 1.3
VíceČESKÁ TECHNICKÁ NORMA
ČESKÁ TECHNICKÁ NORMA ICS 03.120.30 2007 Statistická interpretace dat - Část 6: Stanovení statistických tolerančních intervalů ČSN ISO 16269-6 Duben 01 0233 Statistical interpretation of data - Part 6:
VíceManagement kvality, environmentu a bezpečnosti práce systémový pohled Ing. Dana Spejchalová, Ph.D.
Management kvality, environmentu a bezpečnosti práce systémový pohled Ing. Dana Spejchalová, Ph.D. Ing. Dana Spejchalová, Ph.D. Tanex,PLAST 1 Struktura 1. Význam 2. Základní standardy 3. Specifika sériových
VíceEnvironmentální management
Environmentální management 1 Co je to EMS a proč ho firmy implementují do svého systému řízení? 2 Environmentální management 3 Čím se liší certifikace EMS a EMAS? Certifikací EMS nazýváme činnost certifikačního
VíceČESKÁ TECHNICKÁ NORMA
ČESKÁ TECHNICKÁ NORMA ICS 03.120.30 Listopad 2010 Statistické přejímky měřením Část 3: Výběrová schémata AQL dvojím výběrem pro kontrolu každé dávky v sérii ČSN ISO 3951-3 01 0258 Sampling procedures for
Více10 KONTROLA A ŘÍZENÍ JAKOSTI
1 10 KONTROLA A ŘÍZENÍ JAKOSTI Vzorová úloha 10.1 Aplikace regulačního diagramu pro průměry a směrodatné odchylky. Při konstrukci diagramu x s pruhem se vychází z průměrů a směrodatných odchylek tzv. logických
VícePraktická statistika. Petr Ponížil Eva Kutálková
Praktická statistika Petr Ponížil Eva Kutálková Zápis výsledků měření Předpokládejme, že známe hodnotu napětí U = 238,9 V i její chybu 3,3 V. Hodnotu veličiny zapíšeme na tolik míst, aby až poslední bylo
VíceStatistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík
Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012 Tutoriál č. 4: Exploratorní analýza Jan Kracík jan.kracik@vsb.cz Statistika věda o získávání znalostí z empirických dat empirická
VíceTestování statistických hypotéz. Ing. Michal Dorda, Ph.D.
Testování statistických hypotéz Ing. Michal Dorda, Ph.D. Testování normality Př. : Při simulaci provozu na křižovatce byla získána data o mezerách mezi přijíždějícími vozidly v [s]. Otestujte na hladině
VíceRegulační diagramy EWMA. Eva Jarošová Škoda Auto Vysoká škola
Regulační diagramy EWMA Eva Jarošová Škoda Auto Vysoká škola ČSJ 19.2.2015 Obsah 1. Podstata a konstrukce diagramu 2. Využití diagramů EWMA 3. Porovnání Shewhartova a EWMA diagramu 4. Volba parametrů 5.
VíceČ.t. Téma školení Cílová skupina Rozsah
Témata školení Č.t. Téma školení Cílová skupina Rozsah I. Všeobecné požadavky I.1. Základní požadavky ISO 9001 - Procesní přístup - Vysvětlení vybraných požadavků ISO 9001 I.2. Základní požadavky ISO/TS
VíceVšechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a
Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a báli jste se zeptat Jedinečnou funkcí statistiky je, že umožňuje vědci číselně vyjádřit nejistotu v jeho závěrech. (G. W. Snedecor)
Více