Katedra řízení podniku (FES)
|
|
- Lubomír Hruška
- před 8 lety
- Počet zobrazení:
Transkript
1 Katedra řízení podniku (FES) Řízení kvality 2. Autor: Ing. Ludvík FILIP březen 2015
2 Shrnutí požadavků na politiku a cíle kvality Požadavky normy ČSN EN ISO 9001: Politika kvality Vrcholové vedení musí zajistit, aby politika kvality a) odpovídala záměrům organizace, b) obsahovala závazek k plnění požadavků a k neustálému zvyšování efektivnosti systému managementu kvality, c) poskytovala rámec pro stanovování a přezkoumávání cílů kvality, d) byla v organizaci sdělována a pochopena a e) byla přezkoumávána z hlediska neustálé vhodnosti. 2
3 Shrnutí požadavků na politiku a cíle kvality Požadavky normy ČSN EN ISO 9001: Plánování Cíle kvality Vrcholové vedení musí zajistit, aby byly pro příslušné organizační jednotky a úrovně v organizaci stanoveny cíle kvality, včetně cílů potřebných pro plnění požadavků na produkt [viz 7.1 a)]. Cíle kvality musí být měřitelné a musí být v souladu s politikou kvality. 3
4 Shrnutí požadavků na politiku a cíle kvality Požadavky normy ČSN EN ISO 9001: Plánování systému managementu kvality Vrcholové vedení musí zajistit, aby a) plánování systému managementu kvality bylo prováděno tak, aby byly plněny požadavky uvedené ve 4.1, stejně jako cíle kvality, a b) byla neustále udržována integrita systému managementu kvality, a to i v průběhu plánování a implementace změn tohoto systému. 4
5 Shrnutí požadavků na politiku a cíle kvality Požadavky normy ČSN EN ISO 9001: Všeobecné požadavky Organizace musí v souladu s požadavky této mezinárodní normy vytvořit, dokumentovat, implementovat a udržovat systém managementu kvality a neustále zlepšovat jeho efektivnost. Organizace musí a) Určovat procesy potřebné pro systém managementu kvality a dále stanovit, jak jsou tyto procesy v rámci celé organizace aplikovány (viz 1.2), b) určovat posloupnost a vzájemné působení těchto procesů, 5
6 Shrnutí požadavků na politiku a cíle kvality Požadavky normy ČSN EN ISO 9001: Všeobecné požadavky (pokračování) c) určovat kritéria a metody potřebné pro zajištění efektivního fungování a řízení těchto procesů, d) zajišťovat dostupnost zdrojů a informací nezbytných pro podporu fungování těchto procesů a pro jejich monitorování, e) monitorovat, tam, kde je to možné, měřit a analyzovat tyto procesy a f) uplatňovat opatření nezbytná pro dosažení plánovaných výsledků a pro neustálé zlepšování těchto procesů. v souladu 6
7 Shrnutí požadavků na politiku a cíle kvality Požadavky normy ČSN EN ISO 9001: Všeobecné požadavky (pokračování) Organizace musí tyto procesy řídit s požadavky této mezinárodní normy. Rozhodne-li se organizace použít pro jakýkoli proces, který má vliv na shodu produktu s požadavky, externí zdroj (outsourcing), musí zajistit řízení takovýchto procesů. Typ a rozsah řízení těchto procesů zajišťovaných pomocí externích zdrojů musí být určen v systému managementu kvality. 7
8 Shrnutí požadavků na politiku a cíle kvality Požadavky normy ČSN EN ISO 9001: Plánování realizace produktu Organizace musí plánovat a vytvářet procesy potřebné pro realizaci produktu. Plánování realizace produktu musí být v souladu s požadavky ostatních procesů systému managementu kvality (viz 4.1). Při plánování realizace produktu musí organizace podle okolností určovat: a) cíle kvality a požadavky na produkt,.. Výstup z tohoto plánování musí být ve formě, která je vhodná pro způsob, jakým organizace funguje. 8
9 PROČ JE NUTNÉ NEUSTÁLE ZLEPŠOVAT? A NEBO PROČ JE NUTNÉ ZACHOVÁVAT STÁVAJÍCÍ STAV? JAK ZLEPŠUJETE VY? 9
10 ZÁSADA Č. 6 MANAGEMENTU KVALITY NEUSTÁLÉ ZLEPŠOVÁNÍ NEUSTÁLÉ ZLEPŠOVÁNÍ CELKOVÉ VÝKONNOSTI ORGANIZACE MÁ BÝT TRVALÝM CÍLEM ORGANIZACE. APLIKACE VEDE ORGANIZACI I PRACOVNÍKY K NÁSLEDUJÍCÍM POSTOJŮM A PŘÍSTUPŮM: NEUSTÁLÉ ZLEPŠOVÁNÍ VÝROBKŮ A ČINNOSTÍ JE CÍLEM KAŽDÉHO PRACOVNÍKA ROZVÍJENÍ AKTIVIT S PREVENTIVNÍM ÚČINKEM ŘEŠENÍ PROBLÉMŮ VYUŽITÍ PŘEZKOUMÁNÍ K IDENTIFIKACI POTŘEB ZLEPŠOVÁNÍ INOVACE PROCESŮ, 10
11 A VHODNÉ JE K TOMU POUŽÍT STATISTIKU PŘI ŘÍZENÍ NÁM POMÁHÁ STATISTIKA. CO TO JE VŮBEC STATISTIKA A ČÍM SE ZABÝVÁ? 11
12 A VHODNÉ JE K TOMU POUŽÍT STATISTIKU OBOR ZABÝVAJÍCÍ SE ZKOUMÁNÍM A KVALITATIVNÍ CHARAKTERISTIKOU HROMADNÝCH JEVŮ (OBECNÁ DEFINICE) POZNÁNÍ PRAVIDELNOSTI, SOUVISLOSTÍ A VÝVOJOVÝCH TENDENCÍ HROMADNÝCH JEVŮ METODA, KTERÁ UMOŽŇUJE ODDĚLIT NÁHODNÉ A ZÁKONITÉ JEVY VE ZKOUMANÝCH DATECH A DÁVÁ PODKLADY PRO VÝPOČET PRAVDĚPODOBNOSTI (UŽŠÍ DEFINICE VHODNÁ PRO METROLOGII) STATISTICKÉ METODY SE POUŽÍVAJÍ PŘI VÝVOJI, ZAVÁDĚNÍ, PROVOZOVÁNÍ A ZLEPŠOVÁNÍ SYSTÉMU MANAGEMENTU KVALITY VYBRANOU REALITU POPISUJEME MATEMATICKÝMI MODELY NENÍ DEFINOVÁNO, KTERÉ STATISTICKÉ METODY MUSÍ ORGANIZACE POUŽÍVAT JEDNÁ SE VŽDY O SBĚR ÚDAJŮ (DAT) A JEJICH NÁSLEDNÉ VYHODNOCENÍ PRO ZLEPŠOVÁNÍ 12
13 A VHODNÉ JE K TOMU POUŽÍT STATISTIKU JAKÝ MÁ STATISTIKA VÝZNAM PŘI MĚŘENÍ? 13
14 JAKÝ MÁ STATISTIKA VÝZNAM PŘI MĚŘENÍ? UMOŽŇUJE ZPRACOVAT NAMĚŘENÉ HODNOTY PRO POPIS POMOCÍ MATEMATICKÝCH POJMŮ DÁVÁ PODKLADY PRO ODHAD CHYB DÁVÁ PODKLADY PRO STANOVENÍ NEJISTOT POMÁHÁ ODDĚLIT SYSTEMATICKÉ A NÁHODNÉ VLIVY DÁVÁ PRAVDĚPODOBNOSTNÍ MEZE PRO VÝSLEDEK MĚŘENÍ PŘINÁŠÍ INFORMACE O PROCESU MĚŘENÍ 14
15 A VHODNÉ JE K TOMU POUŽÍT STATISTIKU ZÁKLADNÍ POJMY, ZÁKLADNÍ METODY: POPISNÁ STATISTIKA NAVRHOVÁNÍ EXPERIMENTŮ TESTOVÁNÍ HYPOTÉZ ANALÝZA MĚŘENÍ ANALÝZA ZPŮSOBILOSTI PROCESU REGRESNÍ ANALÝZA 15
16 ZÁKLADNÍ POJMY, ZÁKLADNÍ METODY: ANALÝZA BEZPORUCHOVOSTI VÝBĚROVÉ METODY SIMULACE REGULAČNÍ DIAGRAMY STATISTICKÁ TOLERANCE ANALÝZA ČASOVÝCH ŘAD STATISTICKÝ SOUBOR STATISTICKÉ JEDNOTKY STATISTICKÝ VÝBĚR 16
17 ZÁKLADNÍ METODY: POPISNÁ STATISTIKA PREZENTACE KVANTITATIVNÍCH ÚDAJŮ ZPŮSOBEM, KTERÝ PODÁVÁ INFORMACE O CHARAKTERISTIKÁCH ROZDĚLENÍ ÚDAJŮ. POLOHA (PRŮMĚR, MODUS, MEDIÁN) ROZPTÝLENÍ (ROZPĚTÍ, SMĚRODATNÁ ODCHYLKA, ROZPTYL) ROZDĚLENÍ (ŠIKMOST) NAVRHOVÁNÍ EXPERIMENTŮ (PLÁNOVÁNÍ) PLÁNOVÁNÍ ZMĚN PŮSOBÍCÍCH NA SYSTÉM A NÁSLEDNÉ HODNOCENÍ POROVNÁNÍ PROTI STANDARDU NEBO JINÝM SYSTÉMŮM 17
18 ZÁKLADNÍ METODY: TESTOVÁNÍ HYPOTÉZ POROVNÁNÍ, ZDA ÚDAJE ZE SYSTÉMU ODPOVÍDAJÍ DŘÍVE DEFINOVANÉ HYPOTÉZE POUŽITÍ: - STATISTICKÁ PŘEJÍMKA - REGULAČNÍ DIAGRAMY ANALÝZA MĚŘENÍ POSOUZENÍ, ZDA JE SYSTÉM MĚŘENÍ VHODNÝ PRO ZAMÝŠLENÝ ÚČEL POSOUZENÍ, ZDA JE MĚŘICÍ PŘÍSTROJ SCHOPEN MĚŘIT POSUZOVANÝ PARAMETR ANALÝZA ZPŮSOBILOSTI PROCESU POSOUZENÍ ZPŮSOBILOSTI PROCESU POSKYTOVAT NA VÝSTUPU PRODUKTY VYHOVUJÍCÍ POŽADAVKŮM 18
19 ZÁKLADNÍ METODY: REGRESNÍ ANALÝZA HLEDÁNÍ STATISTICKÉ ZÁVISLOSTI ZMĚN SLEDOVANÉHO ZNAKU S OHLEDEM NA OVLIVŇUJÍCÍ FAKTORY ANALÝZA BEZPORUCHOVOSTI ANALÝZA DRUHU PORUCHOVÉHO STAVU A DŮSLEDKŮ PORUCHOVÉHO STAVU (DOBA PORUCHY, DOBA MEZI PORUCHAMI) VÝBĚROVÉ METODY STATISTICKÁ PŘEJÍMKA VÝBĚROVÁ ŠETŘENÍ SIMULACE VYUŽÍVÁNÍ MATEMATICKÝCH MODELŮ (OPTIMALIZACE PARAMETRŮ) 19
20 ZÁKLADNÍ METODY: REGULAČNÍ DIAGRAMY POSOUZENÍ STABILITY PROCESU V GRAFICKÉ FORMĚ S VYMEZENÍM REGULAČNÍ MEZE DETEKOVÁNÍ ZMĚN V PROCESU STATISTICKÁ TOLERANCE VYUŽITÍ PŘI STANOVENÍ TOLERANCÍ ANALÝZA ČASOVÝCH ŘAD TRENDOVÉ DIAGRAMY CYKLY 20
21 ZNAKY STATISTICKÝCH JEDNOTEK Vyčíslitelné POPIS VLASTNOSTMI KVANTITATIVNÍ KVALITATIVNÍ DISKRÉTNÍ 2 stavy SPOJITÉ ALTERNATIVNÍ 21
22 K TOMU POTŘEBUJEME SPRÁVNĚ ŘÍDIT PROCESY...A TAKÉ JE MĚŘIT 22
23 NEJDŘÍVE SE NABÍZÍ K POUŽITÍ SEDM JEDNODUCHÝCH NÁSTROJŮ KVALITY, VÍTE KTERÉ TO JSOU? 23
24 SEDM JEDNODUCHÝCH NÁSTROJŮ ŘÍZENÍ KVALITY 1. ZÁZNAMNÍKY 2. VÝVOJOVÉ DIAGRAMY 3. HISTOGRAMY 4. DIAGRAM PŘÍČIN A NÁSLEDKŮ 5. PARETOVA ANALÝZA 6. KORELAČNÍ DIAGRAMY 7. REGULAČNÍ DIAGRAMY 24
25 1. ZÁZNAMNÍKY JSOU URČENY K SYSTEMATICKÉMU SHROMAŽĎOVÁNÍ POTŘEBNÝCH ÚDAJŮ PRO ŘÍZENÍ SHROMÁŽDĚNÉ ÚDAJE JSOU VÝCHODISKEM PRO ZHODNOCENÍ STAVU A SMĚRŮ ZLEPŠOVÁNÍ PROCESU PLÁNOVÁNÍ SBĚRU DAT SE MUSÍ ŘÍDIT POTŘEBOU A TEDY JE TŘEBA ZVÁŽIT JEJICH POČET A VHODNOST, ABY BYLO MOŽNO KVALIFIKOVANĚ ROZHODOVAT. JE TŘEBA SE VYVAROVAT: NEÚPLNÝCH INFORMACÍ (NA ZÁKLADĚ NEÚPLNÝCH ÚDAJŮ) OPOŽDĚNÝCH ZKRESLENÝCH ZÁZNAMY MUSÍ BÝT DOBŘE SROZUMITELNÉ, DOSTATEČNĚ PŘEHLEDNÉ A MUSÍ MÍT VŠECHNY IDENTIFIKAČNÍ ZNAKY PODMÍNEK ZA NICHŽ BYLY INFORMACE ZÍSKÁNY DATUM, ČAS, MÍSTO, VÝROBNÍ ZAŘÍZENÍ, JMÉNO PRACOVNÍKA, IDENTIFIKAČNÍ ZNAKY, POUŽITOU METODU, DRUH MĚŘICÍHO ZAŘÍZENÍ, IDENTIFIKACI DÁVKY, PARAMETRY VÝROBY,... NĚKDY MŮŽE BÝT SBĚR DAT POMOCÍ DOHODNUTÝCH SYMBOLŮ VÝSLEDKY TEDY NEMUSÍ BÝT ZÍSKÁNY MĚŘENÍM. 25
26 1. ZÁZNAMNÍKY FORMA: tabulky - Výrobek Výrobní zařízení Jméno Použitá metoda Místo Identifikace dávky Datum Druh měřícího zařízení Čas 6,5 12,2 8,4 7,0 8,3 10,1 11,6 7,8 8,8 10,2 10,6 9,7 12,9 6,6 9,1 6,2 8,2 9,0 8,0 9,6 8,0 7,4 6,1 10,3 6,7 8,9 9,8 6,5 9,1 12,3 6,8 7,7 9,3 12,1 9,6 7,7 6,9 8,1 7,6 6,4 ] [ Hodnoty (mm) Výk on 7,2 7,5 6,2 9,4 10,9 6,6 9,3 7,1 8,3 7,9 8,1 10,5 6,7 7,5 8,2 6,1 10,7 8,6 6,3 8,7 6,6 6,5 8,4 6,3 10,2 9,9 6,0 8,2 9,4 10,8 7,9 6,9 12,5 8,1 6,8 6,4 6,6 7,0 6,1 9,7 11,4 6,7 8,3 7,1 9,8 8,0 9,5 6,5 11,8 7,7 11,8 6,1 7,3 7,7 6,2 10,5 7,4 6,7 10,1 6,1 Kontroloval: Datum: 26
27 FORMULÁŘE 1. ZÁZNAMNÍKY 27
28 Záznamník STRATIFIKACE 1. ZÁZNAMNÍKY 28
29 2. VÝVOJOVÉ DIAGRAMY GRAFICKÁ SYMBOLIKA ČSN ISO
30 2. VÝVOJOVÉ DIAGRAMY 30
31 3. HISTOGRAMY 31
32 3. HISTOGRAMY HISTOGRAM JE TEDY SLOUPCOVÝ DIAGRAM, KTERÝ UMOŽŇUJE VIDĚT TVAR DATOVÝCH HODNOT ANALÝZA HISTOGRAMU SE SOUSTŘEĎUJE NA: CENTROVÁNÍ HISTOGRAMU URČENÍ CÍLOVÉ HODNOTY SLEDOVANÉHO ZNAKU (PRŮMĚR, MEDIÁN ) ŠÍŘKA DIAGRAMU URČENÍ VARIABILITY KOLEM CÍLOVÉ HODNOTY SMĚRODATNÁ ODCHYLKA TVAR HISTOGRAMU UMOŽŇUJE ODHALIT VEŠKERÉ VYMEZITELNÉ PŘÍČINY, OVLIVŇUJÍCÍ PROCES V DANÝCH MEZÍCH TVAR DIAGRAMU JE MOŽNO APROXIMOVAT NĚKTERÝM ZNÁMÝM ROZDĚLENÍM GAUSSOVO- LAPLACEOVÝM, NORMÁLNÍM, LOGARITMICKÝM, LOGARITMICKO-NORMÁLNÍM STUDENTOVÝM.. TVAR HISTOGRAMU PŘEDSTAVUJE VÝZNAMNOU INFORMACI O SLEDOVANÉM SOUBORU ÚDAJŮ 32
33 3. HISTOGRAMY ZÁKLADNÍ TVARY Zvonovitý 33
34 3. HISTOGRAMY ZÁKLADNÍ TVARY 34
35 3. HISTOGRAMY ZÁKLADNÍ TVARY 35
36 4. DIAGRAM PŘÍČIN A NÁSLEDKŮ ( také Ishikawův diagram, diagram rybí kostry) Budhistická filosofie - každý následek má své příčiny Podstata: Diagram je grafickým znázorněním různých faktorů, které ovlivňují výsledek Použití: Při hledání nejpravděpodobnějších příčin problému, pro roztřídění a seřazení vlivu možných příčin!!! TÝMOVÁ SPOLUPRÁCE!!! MAX. DESET ODBORNÍKŮ + MODERÁTOR + BRAINSTORMING NEŘEŠÍ JEN NEDOSTATKY, ALE UMOŽŇUJE ŘEŠIT POŽADAVKY ZÁKAZNÍKA, OPATŘENÍ KE ZLEPŠENÍ POUŽITÍ JE: - JEDNODUCHÉ A SNADNO POCHOPITELNÉ - UMOŽŇUJÍ SYSTEMATICKÝ PŘÍSTUP K ŘEŠENÍ PROBLÉMU - PODROBNÝM ZMAPOVÁNÍM PROBLÉMU - ČASTO JSOU NACHÁZENY NÁMĚTY K NEKONVENČNÍMU ŘEŠENÍ 36
37 Pravidla brainstormingu 4. DIAGRAM (skupinová PŘÍČIN A technika, NÁSLEDKŮ burza nápadů): 1. Nutný je tým; max. 10 lidí, odborníků, znalých problematiky; nemusí být nutně z podniku; pokud je třeba, je možnost přizvat příslušného odborníka 2. Brainstorming vede komunikativní pohotový a odborně zdatný moderátor 3. Moderátor prezentuje problém, který má být řešen 4. Prezentace musí být doprovázena grafickým znázorněním, které mají všichni na očích 5. Moderátor požádá přítomné, aby vyjadřovali svoje názory k problému. 6. Někdy je výhodné problematiku rozdělit postupně podle hlavních obvyklých příčin: Materiál / Zařízení / Metody / Lidé / Prostředí proto někdy prezentováno jako metoda 5M. Moderátor přiděluje slovo. Ostatní mlčí, neskáčou mu do řeči. Nebaví se mezi sebou 37
38 Pravidla brainstormingu 4. DIAGRAM (skupinová PŘÍČIN technika, A NÁSLEDKŮ burza nápadů): 7. Každý se musí snažit dávat návrhy, proč k problému došlo, bez ohledu na realizovatelnost. Je třeba zapojit fantazii. 8. Sebehloupější, nebo fantastický návrh nesmí druzí zesměšňovat nebo kritizovat 9. Všechny nápady moderátor zaznamená; všichni je vidí 10. Nejsou- li další nápady, moderátor ukončí diskuzi 11. Je dobré najít čas, aby přítomní mohli o tom co vidí, přemýšlet 12. Moderátor přítomné vyzve, aby každou zaznamenanou příčinu obodovali 13. Body u každé příčiny se sečtou 14. Příčiny s největším počtem bodů jsou nejpravděpodobnějším jádrem problému 38
39 4. DIAGRAM PŘÍČIN A NÁSLEDKŮ 39
40 5. PARETOVA ANALÝZA Vilfredo Pareto Itálie, rozložení majetku zobecněno jako pravidlo 80 : 20; J.M.Juran transformoval do řízení kvality: VĚTŠINA PROBLÉMŮ (asi 80%) S KVALITOU JE ZPŮSOBENA POUZE MALÝM PODÍLEM PŘÍČIN (20%) Malá skupina příčin - ŽIVOTNĚ DŮLEŽITÁ MENŠINA Většina příčin UŽITEČNÁ nebo ZANEDBATELNÁ VĚTŠINA Identifikací životně důležité menšiny příčin se soustředíme přednostně na jejich odstranění a tím dosáhneme odstranění většiny problémů. Postup: definujeme problém určíme kritéria hodnocení a časové období podklady pro hodnocení za zvolené období shrnout data podle příčin vypracovat sloupcový diagram podle četnosti - sestupně sestrojit Lorentzovu součtovou křivku stanovit mez 80% četnosti priority nežádoucích příčin příčiny pod 80% řešit např. jinými opatřeními QMS 40
41 5. PARETOVA ANALÝZA 41
42 5. PARETOVA ANALÝZA 42
43 6. KORELAČNÍ DIAGRAMY Korelační (bodový) diagram zobrazuje body jako dvojici souřadnic (x,y), odpovídající dvěma proměnným: jedna proměnná určuje souřadnici na svislé ose (y) druhá proměnná určuje souřadnici na vodorovné ose (x) Odpovídají na otázky: mají tyto proměnné vzájemný vztah a jsou navzájem závislé jaká je povaha závislosti (kladná, záporná..) jak silná je závislost mezi těmito proměnnými Vhodné například pro získávání hodnot znaků kvality, které by jinak bylo možno získat destruktivní zkouškou. Nejedná se o funkční závislost na základě pevného matematického vzorce, ale o závislost stochastickou, pravděpodobnostní. Při určování stochastických (náhodných) závislostí pracujeme s dvojrozměrnými statistickými soubory, tzn. náhodnými výběry n, tedy n dvojic zjištěných hodnot (Xi,Yi, kde i = 1,2,.n) Někdy se používá termínů pro X vysvětlující proměnná Y vysvětlovaná proměnná Nejužívanější mírou závislosti mezi dvěma proměnnými je tzv. Koeficient Korelace 43
44 6. KORELAČNÍ DIAGRAMY 44
45 6. KORELAČNÍ DIAGRAMY 45
46 7. REGULAČNÍ DIAGRAMY (V roce1924 údajný autor Walter Shewhart) Nástroj SPC (Statistical Process Control) Podstata: stálé grafické zaznamenávání dat jako průběhu procesu, tak aby bylo možno proces operativně regulovat. Statistická regulace procesu představuje zpětnovazební systém udržení procesu v předem stanovených mezích SPC je založena na strategii prevence,která: předchází vzniku neshodných výrobků svoji pozornost zaměřuje tam,kde jakost kolísá a lze ji ještě v průběhu ovlivnit Regulační diagramy jsou využívány pro účely: diagnostický proces (stabilita) regulace (operativní řízení, úpravy) potvrzení zlepšení procesu (např. FMEA) 46
47 7. REGULAČNÍ DIAGRAMY Používané normy ČSN ISO 7870/ Regulační diagramy všeobecné pokyny a úvod ČSN ISO 7873/ Regulační diagramy pro aritmetický průměr s výstražnými mezemi ČSN ISO 7966/ Přejímací regulační diagramy ČSN ISO 8258/ Shewhartovy regulační diagramy Diagram má dvě statisticky stanovené regulační meze: UCL (upper control limit) horní regulační mez LCL (lower control limit) dolní regulační mez CL (central line) - centrální přímka svislá osa Vodorovná osa časová osa s intervaly jednotlivých výběrů regulované veličiny Druhy regulačních diagramů: diagramy měřením diagramy srovnáváním Oba druhy mají buď stanovené, nebo nestanovené meze 47
48 7. REGULAČNÍ DIAGRAMY 48
49 7. REGULAČNÍ DIAGRAMY Vzorce pro výpočet regulačních mezí Shewhartových regulačních diagramů měřením (podle ČSN ISO 8258) Statistika x Základní hodnoty nejsou stanoveny Centrální UCL a LCL přímka x Základní hodnoty jsou stanoveny Centrální UCL a LCL přímka x A 2 R X 0 nebo 0 X 0 A 0 x A 3 s R R D4R, D3 R R 0 nebo d 2 0 D 2 0, D 1 0 s s B4 s, B3 s s 0 nebo C 4 0 B 6 0, B 5 0 Me Me Me A 4 R Individuální hodnota x Klouzavé rozpětí R x x E 2 R X 0 nebo 0 X R D4R, D3R R 0 nebo d 2 0 D 2 0, D
50 Děkuji Vám za pozornost, přeji hezký zbytek dne a těším se na další setkání. Případné dotazy k probíranému tématu rád telefonicky či písemně zodpovím. Ing. Ludvík FILIP ludvik.filip@nbqc.cz / ludvik.filip@gmail.com mobil
Tématické 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.
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.
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.
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,
VíceSystém managementu jakosti ISO 9001
Systém managementu jakosti ISO 9001 Požadavky na QMS Organizace potřebují prokázat: schopnost trvale poskytovat produkt produkt splňuje požadavky zákazníka a příslušné předpisy zvyšování spokojenosti zákazníka
VíceStatistické řízení jakosti - regulace procesu měřením a srovnáváním
Statistické řízení jakosti - regulace procesu měřením a srovnáváním Statistická regulace výrobního procesu (SPC) SPC = Statistical Process Control preventivní nástroj řízení jakosti, který na základě včasného
VíceMANAŽER KVALITY PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ ZPŮSOBILOSTI CO 4.4/2007
Gradua-CEGOS, s.r.o., Certifikační orgán pro certifikaci osob č. 3005 akreditovaný Českým institutem pro akreditaci, o.p.s. podle ČSN EN ISO/IEC 17024 MANAŽER KVALITY PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ
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.
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
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
VíceCo musí zahrnovat dokumentace systému managementu kvality? 1 / 5
ISO 9000:2005 definuje třídu jako 1) kategorie nebo pořadí dané různým požadavkem na kvalitu produktů, procesů nebo systémů, které mají stejné funkční použití 2) kategorie nebo pořadí dané různým požadavkům
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
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
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
VíceAUDITOR KVALITY PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ ZPŮSOBILOSTI CO 4.5/2007
Gradua-CEGOS, s.r.o., Certifikační orgán pro certifikaci osob č. 3005 akreditovaný Českým institutem pro akreditaci, o.p.s. podle ČSN EN ISO/IEC 17024 AUDITOR KVALITY PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ
VíceStatistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží
Statistické metody - nástroj poznání a rozhodování anebo zdroj omylů a lží Zdeněk Karpíšek Jsou tři druhy lží: lži, odsouzeníhodné lži a statistiky. Statistika je logická a přesná metoda, jak nepřesně
VíceStatistické 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
VícePOŽADAVKY NORMY ISO 9001
Kapitola Název Obsah - musí MUSÍ MŮŽE NESMÍ Záznam POČET Dokumentovaný postup Obecné požadavky staus národní normy 1 Předmluva požadavek organizacím, které musí dodržovat evropské směrnice 2 1 0.2 Procesní
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
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
VíceSedm základních nástrojů řízení jakosti
Sedm základních nástrojů řízení jakosti Není nic tak naprosto zbytečného, jako když se dobře dělá něco, co by se nemělo dělat vůbec. Peter Drucker Kontrolní tabulky Vývojové diagramy Histogramy Diagramy
VíceJAROSLAV NENADÁL / DARJA ~OSKIEVIČOVÁ RUŽENA PETRÍKOVÁ / JIRÍ PLURA JOSEF TOŠENOVSKÝ MODERNI MANAGEMENT JAKOSTI MANAGEMENT PRESS, PRAHA 2008
1 JAROSLAV NENADÁL / DARJA ~OSKIEVIČOVÁ RUŽENA PETRÍKOVÁ / JIRÍ PLURA JOSEF TOŠENOVSKÝ, MODERNI MANAGEMENT JAKOSTI.. P MANAGEMENT PRESS, PRAHA 2008 ...---- Obsah. Úvod 11 1 Proč práve jakost aneb Pochopení
VíceProcesy, procesní řízení organizace. Výklad procesů pro vedoucí odborů krajského úřadu Karlovarského kraje
Procesy, procesní řízení organizace Výklad procesů pro vedoucí odborů krajského úřadu Karlovarského kraje Co nového přináší ISO 9001:2008? Vnímání jednotlivých procesů organizace jako prostředku a nástroje
VíceWS PŘÍKLADY DOBRÉ PRAXE
WS PŘÍKLADY DOBRÉ PRAXE ISO 9001 revize normy a její dopady na veřejnou správu Ing. Pavel Charvát, člen Rady pro akreditaci Českého institutu pro akreditaci 22.9.2016 1 ISO 9001 revize normy a její dopady
VíceAnalytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality
Analytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality RNDr. Alena Mikušková FN Brno Pracoviště dětské medicíny, OKB amikuskova@fnbrno.cz Analytické znaky laboratorní metody
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
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
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
VíceStatistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
VíceProcesy a management rizik ve zdravotnické laboratoři. Ing. Alena Fischerová Systémy jakosti s.r.o
Procesy a management rizik ve zdravotnické laboratoři Ing. Alena Fischerová Systémy jakosti s.r.o Co je proces soubor vzájemně souvisejících nebo vzájemně působících činností, které přeměňují vstupy na
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
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,
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
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
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
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
VíceStatistika. Základní pojmy a cíle statistiky. Roman Biskup. (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at) .
Statistika Základní pojmy a cíle statistiky Roman Biskup (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at)email.cz 12. února 2012 Statistika by Birom Statistika Pojmy a cíle
VíceSTATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7
Inovace předmětu STATISTIKA Obsah 1. Inovace předmětu STATISTIKA... 2 2. Sylabus pro předmět STATISTIKA... 3 3. Pomůcky... 7 1 1. Inovace předmětu STATISTIKA Předmět Statistika se na bakalářském oboru
VíceNávrh a vyhodnocení experimentu
Návrh a vyhodnocení experimentu Návrh a vyhodnocení experimentů v procesech vývoje a řízení kvality vozidel Ing. Bohumil Kovář, Ph.D. FD ČVUT Ústav aplikované matematiky kovar@utia.cas.cz Mladá Boleslav
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
VíceZápočtová práce STATISTIKA I
Zápočtová práce STATISTIKA I Obsah: - úvodní stránka - charakteristika dat (původ dat, důvod zpracování,...) - výpis naměřených hodnot (v tabulce) - zpracování dat (buď bodové nebo intervalové, podle charakteru
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
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
VíceAplikace modelu CAF 2006 za podpory procesního řízení. Ing. Vlastimil Pecka Ing. Zdeněk Havelka, PhD.
Aplikace modelu CAF 2006 za podpory procesního řízení Ing. Vlastimil Pecka Ing. Zdeněk Havelka, PhD. Cíle prezentace 1. Přiblížit důvody zavádění modelu CAF 2009 za podpory procesního řízení. 2. Shrnutí
VíceAUDITOR EMS PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ ZPŮSOBILOSTI CO 4.9/2007
Gradua-CEGOS, s.r.o., certifikační orgán pro certifikaci osob č. 3005 akreditovaný Českým institutem pro akreditaci, o.p.s. podle ČSN EN ISO/IEC 17024 AUDITOR EMS PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ
VíceUNIVERZITA OBRANY Fakulta ekonomiky a managementu. Aplikace STAT1. Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 3. 11.
UNIVERZITA OBRANY Fakulta ekonomiky a managementu Aplikace STAT1 Výsledek řešení projektu PRO HORR2011 a PRO GRAM2011 Jiří Neubauer, Marek Sedlačík, Oldřich Kříž 3. 11. 2012 Popis a návod k použití aplikace
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
VíceMETODY ŘÍZENÍ KVALITY I.ČÁST Ing. Radek Syrovátka. Národní vzdělávací fond
METODY ŘÍZENÍ KVALITY I.ČÁST Ing. Radek Syrovátka Vývoj řízení jakosti D Ě L B A ISŘ P R Á C E VÝROBCE MISTR OTK SPC TQM 17. STOL. 1914 1941 1980 ČAS 2 Období kolem 1950 Pováleční Američané W.E. Deming
Více1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností,
KMA/SZZS1 Matematika 1. Číselné posloupnosti - Definice posloupnosti, základní vlastnosti, operace s posloupnostmi, limita posloupnosti, vlastnosti limit posloupností, operace s limitami. 2. Limita funkce
VíceMatematika III. 27. listopadu Vysoká škola báňská - Technická univerzita Ostrava. Matematika III
Vysoká škola báňská - Technická univerzita Ostrava 27. listopadu 2017 Typy statistických znaků (proměnných) Typy proměnných: Kvalitativní proměnná (kategoriální, slovní,... ) Kvantitativní proměnná (numerická,
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
VíceMnohorozměrná statistická data
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Statistický znak, statistický soubor Jednotlivé objekty nebo subjekty, které jsou při statistickém
VíceStatistika. Regresní a korelační analýza Úvod do problému. Roman Biskup
Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009
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
VíceZABEZPEČENÍ KVALITY V LABORATOŘI
ZABEZPEČENÍ KVALITY V LABORATOŘI David MILDE, 2014-2017 QUALITY KVALITA (JAKOST) Kvalita = soubor znaků a charakteristik výrobku či služby, který může uspokojit určitou potřebu. Kvalita v laboratoři=výsledky,které:
VíceGradua-CEGOS, s.r.o. AUDITOR BOZP PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ ZPŮSOBILOSTI. CS systémy managementu organizací verze 2, 8.2, b) 1.
Gradua-CEGOS, s.r.o. Gradua-CEGOS, s.r.o., certifikační orgán pro certifikaci osob č. 3005 akreditovaný Českým institutem pro akreditaci, o.p.s. podle ČSN EN ISO/IEC 17024 AUDITOR BOZP PŘEHLED POŽADOVANÝCH
VíceZpracování náhodného výběru. Ing. Michal Dorda, Ph.D.
Zpracování náhodného výběru popisná statistika Ing. Michal Dorda, Ph.D. Základní pojmy Úkolem statistiky je na základě vlastností výběrového souboru usuzovat o vlastnostech celé populace. Populace(základní
VíceMATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci
MATEMATICKÁ STATISTIKA Dana Černá http://www.fp.tul.cz/kmd/ Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci Matematická statistika Matematická statistika se zabývá matematickým
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
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
Více10. Předpovídání - aplikace regresní úlohy
10. Předpovídání - aplikace regresní úlohy Regresní úloha (analýza) je označení pro statistickou metodu, pomocí nichž odhadujeme hodnotu náhodné veličiny (tzv. závislé proměnné, cílové proměnné, regresandu
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
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
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
VícePRŮZKUMOVÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Exploratory Data Analysis (EDA)
PRŮZKUMOVÁ ANALÝZA JEDNOROZMĚRNÝCH DAT Exploratory Data Analysis (EDA) Reprezentativní náhodný výběr: 1. Prvky výběru x i jsou vzájemně nezávislé. 2. Výběr je homogenní, tj. všechna x i jsou ze stejného
VíceRiJ ŘÍZENÍ JAKOSTI L 4 4-1
RiJ ŘÍZENÍ JAKOSTI ML 4-1 CÍL TÉMATICKÉHO CELKU Název tematického celku: Nástroje pro měření, analýzu a zlepšování systému jakosti v podniku Hlavním cílem tematického celku je nastínit význam interních
VíceDesign of Experiment (DOE) Petr Misák. Brno 2017
Navrhování experimentů Design of Experiment (DOE) Petr Misák Vysoké učení technické v Brně, Fakulta stavební, Ústav stavebního zkušebnictví Brno 2017 Úvod - Experiment jako nástroj hledání slavné vynálezy
VíceČSN EN ISO (únor 2012)
ČSN EN ISO 50001 (únor 2012) nahrazuje ČSN EN 16001 z 02/2010 kompatibilní s ISO 9001 a ISO 14001 Seminář: ČSN EN ISO 50001: 2012 Zadavatel: EKIS Délka přednášky: 1 hodina Přednášející: Ing. Vladimír Novotný
VíceNávrh a vyhodnocení experimentu
Návrh a vyhodnocení experimentu Návrh a vyhodnocení experimentů v procesech vývoje a řízení kvality vozidel Ing. Bohumil Kovář, Ph.D. FD ČVUT Ústav aplikované matematiky kovar@utia.cas.cz Mladá Boleslav
VíceGrafický a číselný popis rozložení dat 3.1 Způsoby zobrazení dat Metody zobrazení kvalitativních a ordinálních dat Metody zobrazení kvan
1 Úvod 1.1 Empirický výzkum a jeho etapy 1.2 Význam teorie pro výzkum 1.2.1 Konstrukty a jejich operacionalizace 1.2.2 Role teorie ve výzkumu 1.2.3 Proces ověření hypotéz a teorií 1.3 Etika vědecké práce
VíceANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA. Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK
ANALÝZA DAT V R 3. POPISNÉ STATISTIKY, NÁHODNÁ VELIČINA Mgr. Markéta Pavlíková Katedra pravděpodobnosti a matematické statistiky MFF UK www.biostatisticka.cz POPISNÉ STATISTIKY - OPAKOVÁNÍ jedna kvalitativní
VíceTechnický experiment, příprava, provedení, hodnocení výsledků
Technický experiment, příprava, provedení, hodnocení výsledků 1 Katedra stavebních hmot a hornického stavitelství VŠB - Technická univerzita Ostrava 8. 3. 2012 Experiment Experiment se snaží získat potřebné
VíceISO 9001 a ISO 13485 aplikace na pracovištích sterilizace stručný přehled. Ing. Lenka Žďárská
ISO 9001 a ISO 13485 aplikace na pracovištích sterilizace stručný přehled Ing. Lenka Žďárská Proč systém kvality? Vyhláška 306/2012 Sb., příloha IV, článek IV.I., odstavec 2 Pro sterilizování zdravotnických
VíceMANAŽER EMS PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ ZPŮSOBILOSTI CO 4.8/2007
Gradua-CEGOS, s.r.o., certifikační orgán pro certifikaci osob č. 3005 akreditovaný Českým institutem pro akreditaci, o.p.s. podle ČSN EN ISO/IEC 17024 MANAŽER EMS PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ
VíceManagement rizik v životním cyklu produktu
Management rizik v životním cyklu produktu ČSJ Praha Milan Trčka Cyklus rizik produktu Nové ISO 9001:2015 a požadavky na management rizik Definice Riziko (3.09, Pozn. 3,4) Riziko - účinek nejistoty Riziko
VíceStatistika. Diskrétní data. Spojitá data. Charakteristiky polohy. Charakteristiky variability
I Přednáška Statistika Diskrétní data Spojitá data Charakteristiky polohy Charakteristiky variability Statistika deskriptivní statistika ˆ induktivní statistika populace (základní soubor) ˆ výběr parametry
VíceSTATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)
STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky) 1) Význam a využití statistiky v biologických vědách a veterinárním lékařství ) Rozdělení znaků (veličin) ve statistice 3) Základní a
VíceGradua-CEGOS, s.r.o. člen skupiny Cegos MANAŽER BOZP PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ ZPŮSOBILOSTI
Gradua-CEGOS, s.r.o. člen skupiny Cegos Gradua-CEGOS, s.r.o., certifikační orgán pro certifikaci osob č. 3005 akreditovaný Českým institutem pro akreditaci, o.p.s. podle ČSN EN ISO/IEC 17024 MANAŽER BOZP
VíceRiJ ŘÍZENÍ JAKOSTI L 1 1-2
RiJ ŘÍZENÍ JAKOSTI ML 1-2 Normy řady ISO 9000 0 Úvod 1 Předmět QMS podle ISO 9001 2 Citované normativní dokumenty 3 Termíny a definice 4 Systém managementu kvality 5 Odpovědnost managementu 6 Management
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
VíceStatistika. cílem je zjednodušit nějaká data tak, abychom se v nich lépe vyznali důsledkem je ztráta informací!
Statistika aneb známe tři druhy lži: úmyslná neúmyslná statistika Statistika je metoda, jak vyjádřit nejistá data s přesností na setinu procenta. den..00..00 3..00..00..00..00..00..00..00..00..00..00 3..00..00..00..00..00..00..00
VícePopisná statistika. Komentované řešení pomocí MS Excel
Popisná statistika Komentované řešení pomocí MS Excel Vstupní data Máme k dispozici data o počtech bodů z 1. a 2. zápočtového testu z Matematiky I v zimním semestru 2015/2016 a to za všech 762 studentů,
VícePŘEZKOUMÁNÍ SYSTÉMU MANAGEMENTU KVALITY V HEMATOLOGICKÉ LABORATOŘI
PŘEZKOUMÁNÍ SYSTÉMU MANAGEMENTU KVALITY V HEMATOLOGICKÉ LABORATOŘI Bc. Jiří Kotrbatý Proces akreditace v hematologické laboratoři, Sysmex Hotel Voroněž, Brno 25.10.2016 Přezkoumání systému managementu
VíceUrčujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru.
1 Statistické odhady Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru. Odhad lze provést jako: Bodový odhad o Jedna číselná hodnota Intervalový
VíceKomplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady
Předmět: Náplň: Třída: Počet hodin: Pomůcky: Matematika Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady 4. ročník a oktáva 3 hodiny týdně PC a dataprojektor, učebnice
VíceGradua-CEGOS, s.r.o. člen skupiny Cegos MANAŽER KVALITY PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ ZPŮSOBILOSTI
Gradua-CEGOS, s.r.o. člen skupiny Cegos Gradua-CEGOS, s.r.o., Certifikační orgán pro certifikaci osob č. 3005 akreditovaný Českým institutem pro akreditaci, o.p.s. podle ČSN EN ISO/IEC 17024 MANAŽER KVALITY
VíceNáhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1
Náhodná proměnná Náhodná proměnná může mít rozdělení diskrétní (x 1, x 2,,x n ) spojité () Poznámky: 1. Fyzikální veličiny jsou zpravidla spojité, ale změřené hodnoty jsou diskrétní. 2. Pokud
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,
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
VíceOdborná skupina pro spolehlivost. Použití ordinálních a semikvantitativních postupů ve spolehlivosti. Jaroslav Zajíček
Odborná skupina pro spolehlivost Použití ordinálních a semikvantitativních postupů ve spolehlivosti Jaroslav Zajíček Obsah 1. Úvod management rizika 2. Výskyt a analýza nekvantitativních postupů - matice
VíceAnalýza dat na PC I.
CENTRUM BIOSTATISTIKY A ANALÝZ Lékařská a Přírodovědecká fakulta, Masarykova univerzita Analýza dat na PC I. Popisná analýza v programu Statistica IBA výuka Základní popisná statistika Popisná statistika
VíceÚvodem Dříve les než stromy 3 Operace s maticemi
Obsah 1 Úvodem 13 2 Dříve les než stromy 17 2.1 Nejednoznačnost terminologie 17 2.2 Volba metody analýzy dat 23 2.3 Přehled vybraných vícerozměrných metod 25 2.3.1 Metoda hlavních komponent 26 2.3.2 Faktorová
Vícemarek.pomp@vsb.cz http://homel.vsb.cz/~pom68
Statistika B (151-0303) Marek Pomp ZS 2014 marek.pomp@vsb.cz http://homel.vsb.cz/~pom68 Cvičení: Pavlína Kuráňová & Marek Pomp Podmínky pro úspěšné ukončení zápočet 45 bodů, min. 23 bodů, dvě zápočtové
Více7. Rozdělení pravděpodobnosti ve statistice
7. Rozdělení pravděpodobnosti ve statistice Statistika nuda je, má však cenné údaje, neklesejte na mysli, ona nám to vyčíslí Jednou z úloh statistiky je odhad (výpočet) hodnot statistického znaku x i,
VíceNáhodné (statistické) chyby přímých měření
Náhodné (statistické) chyby přímých měření Hodnoty náhodných chyb se nedají stanovit předem, ale na základě počtu pravděpodobnosti lze zjistit, která z možných naměřených hodnot je více a která je méně
VíceSTANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ. J. Pruška, T. Parák
STANOVENÍ SPOLEHLIVOSTI GEOTECHNICKÝCH KONSTRUKCÍ J. Pruška, T. Parák OBSAH: 1. Co je to spolehlivost, pravděpodobnost poruchy, riziko. 2. Deterministický a pravděpodobnostní přístup k řešení problémů.
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
Více