Národní informační středisko pro podporu kvality

Podobné dokumenty
Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu jakosti

Národní informační středisko pro podporu jakosti

ICS Prosinec 2000

Národní informační středisko pro podporu jakosti

Přejímka jedním výběrem

ČESKÁ TECHNICKÁ NORMA

STATISTICKÉ PŘEJÍMKY. Část 1- Kontrola srovnáváním Ing. Vratislav Horálek, DrSc. 1 Cíle a nástroje při statistické regulaci a statistické přejímce

Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k )

ČESKÁ TECHNICKÁ NORMA

Národní informační středisko pro podporu kvality

Kvalita v laboratorní a kontrolní praxi

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

Statistické řízení jakosti. Deming: Klíč k jakosti je v pochopení variability procesu.

Principy přejímky jakosti

ČSN Teorie pravděpodobnosti a aplikovaná statistika. Termíny, definice a označení

Vysoká škola báňská Technická univerzita Ostrava. Fakulta metalurgie a materiálového inženýrství. Katedra kontroly a řízení jakosti DIPLOMOVÁ PRÁCE

Inovace bakalářského studijního oboru Aplikovaná chemie

Statistické řízení jakosti - regulace procesu měřením a srovnáváním

ČESKÁ TECHNICKÁ NORMA

Kvalita v laboratorní a kontrolní praxi

Regulační diagramy (Control charts, Shewhart s diagrams)

Národní informační středisko pro podporu jakosti

Regulační diagramy (RD)

Normy ČSN,ČSN ISO a ČSN EN

ČESKÁ TECHNICKÁ NORMA

ISO 8258 je první ze čtyř norem ISO, které budou věnovány metodám statistické regulace. Zbývající tři, které jsou nyní v přípravě, jsou

Národní informační středisko pro podporu jakosti

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT

ZABEZPEČENÍ KVALITY V LABORATOŘI

Tématické okruhy pro státní závěrečné zkoušky. Navazující magisterské studium. studijní obor "Management jakosti"

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Tématické okruhy pro státní závěrečné zkoušky. Navazující magisterské studium. studijní obor "Management kvality"

Národní informační středisko pro podporu jakosti

Nové požadavky na zvukoměrnou techniku a jejich dopad na hygienickou praxi při měření hluku. Ing. Zdeněk Jandák, CSc.

Národní informační středisko pro podporu jakosti

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ. FAKULTA STROJNÍHO INŽENÝRSTVÍ Ústav materiálového inženýrství - odbor slévárenství

P13: Statistické postupy vyhodnocování únavových zkoušek, aplikace normálního, Weibullova rozdělení, apod.

ČESKÁ TECHNICKÁ NORMA

přesnost (reprodukovatelnost) správnost (skutečná hodnota)? Skutečná hodnota použití různých metod

SW podpora při řešení projektů s aplikací statistických metod

Národní informační středisko pro podporu kvality

ČESKÁ TECHNICKÁ NORMA

Kvalita v laboratorní a kontrolní praxi

VY_32_INOVACE_PEL-3.EI-18-VYROBNI PROCES. Střední odborná škola a Střední odborné učiliště, Dubno

Q-diagramy. Jiří Michálek ÚTIA AVČR

PRINCIPY ZABEZPEČENÍ KVALITY

Statistika. Teorie odhadu statistická indukce. Roman Biskup. (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at) .

STANDARD KVALITY PRO VÝROBNÍ ŘADU ISOFUSION V700 SKLOVITÉ POVLAKY 1. ROZSAH PŮSOBNOSTI

Kalibrace a limity její přesnosti

8/2.1 POŽADAVKY NA PROCESY MĚŘENÍ A MĚŘICÍ VYBAVENÍ

Analytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY

Statistique - Vocabulaire et symboles - Partie 2: Maìtrise statistique de la qualité

Jednostranné intervaly spolehlivosti

Regresní analýza 1. Regresní analýza

Pavel Vaněk, ITC. Výroční konference SCOV, Pardubice,

Ústav teorie informace a automatizace RESEARCH REPORT. Nestandardní regulační diagramy pro SPC. No December 2011

KGG/STG Statistika pro geografy

Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru.

Vybrané praktické aplikace statistické regulace procesu

KVALITA DAT POUŽITÁ APLIKACE. Správnost výsledku použití GIS ovlivňuje:

Intervalový odhad. Interval spolehlivosti = intervalový odhad nějakého parametru s danou pravděpodobností = konfidenční interval pro daný parametr

HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI. Josef Křepela, Jiří Michálek. OSSM při ČSJ

Vývojový diagram procesu předběžné řídící kontroly. vznik nároku

Vývojový diagram procesu předběžné řídící kontroly. veřejné výdaje

Mn max. P max. Mezní úchylky pro rozbor hotového výrobku % hmot. Označení oceli Pevnostní vlastnosti Zkouška rázem v ohybu

NEJISTOTA MĚŘENÍ. David MILDE, 2014 DEFINICE

Základní terminologické pojmy (Mezinárodní metrologický slovník VIM3)

ŠKODA AUTO Vysoká škola o.p.s. D I P L O M O V Á P R Á C E Bc. Petr Havelka

Stavební hmoty. Ing. Jana Boháčová. F203/1 Tel janabohacova.wz.cz

Testování hypotéz. 1. vymezení základních pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test

Stanovení podílu jednotlivých činností na výsledek zkoušky Ing. René Uxa

NAŘÍZENÍ VLÁDY ze dne 28. března /2012 Sb.

Kalibrace a limity její přesnosti

Inovace bakalářského studijního oboru Aplikovaná chemie

ZÁKLADNÍ NÁSTROJE ŘÍZENÍ JAKOSTI

Taguciho metody. Řízení jakosti

NOMENKLATURA A TERMINOLOGIE

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2

Příklad 81b. Předpokládejme, že výška chlapců ve věku 9,5 až 10 roků má normální rozdělení N(mi;sig2)

2.2 Kalibrace a limity její p esnosti

VÝVOJ CELKOVÉ OBJEMOVÉ AKTIVITY BETA V OKOLÍ JADERNÉ ELEKTRÁRNY DUKOVANY ZA OBDOBÍ Pavel Stierand

Inovace bakalářského studijního oboru Aplikovaná chemie

MATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

5. Odhady parametrů. KGG/STG Zimní semestr

SBÍRKA ZÁKONŮ ČESKÉ REPUBLIKY

Tématické okruhy pro státní závěrečné zkoušky. magisterské studium

Mezilaboratorní porovnávací zkoušky jeden z nástrojů zajištění kvality zkoušení. Lenka Velísková, ITC Zlín Zákaznický den,

1976L0211 CS

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

VŠEOBECNÉ OBCHODNÍ PODMÍNKY GALVAN CZ S.R.O. VERZE: 1.0. Všeobecné obchodní podmínky společnosti GALVAN CZ S.R.O. Strana č. 1.

Complete filter units for radio interference suppresion. Part 1: General specification

Testování statistických hypotéz

VŠB Technická univerzita Ostrava Fakulta elektrotechniky a informatiky SMAD

Oceli k zušlechťování Část 2: Technické a dodací podmínky pro nelegované oceli

ZÁPADOČESKÁ UNIVERZITA V PLZNI FAKULTA ELEKTROTECHNICKÁ. Katedra technologií a měření BAKALÁŘSKÁ PRÁCE

LEKCE 5 STATISTICKÁ INFERENCE ANEB ZOBECŇOVÁNÍ VÝSLEDKŮ Z VÝBĚROVÉHO NA ZÁKLADNÍ SOUBOR

Transkript:

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 je rozhodovací postup. Cílem STP tedy není získání bodového odhadu konkrétní výše procenta neshodných jednotek v dávce, ale pouze rozhodnout, zda dávka splňuje nebo nesplňuje požadavky dohodnuté mezi odběratelem a dodavatelem předem. Rozhodnutí o přijetí nebo nepřijetí dávky na základě aplikace kritéria STP je vždy konečné. PŘÍKLAD A.1: Dodavatel někdy trvá na tom, aby při nepřijetí dávky byl informován a vlastní přejímka se opakovala za přítomnosti jeho nebo jím pověřené osoby. Změní tento jeho požadavek něco na původní účinnosti přejímky? ODPOVĚD: Ano a výrazně! Viz následující tabulka a obrázek, které obsahují hodnoty příslušných operativních charakteristik. VÝHODU Z OPAKOVÁNÍ PŘEJÍMKY MÁ VŽDY JEN DODAVATEL P a * = 2P a P a 2 3

a) OC křivka přejímacího postupu bez opakované aplikace stejného přejímacího plánu (n = 200; Ac = 2) b) OC křivka přejímacího postupu s opakováním stejného přejímacího plánu (n = 200; Ac = 2) c) OC křivka přejímacího postupu bez opakované aplikace přejímacího plánu (n = 200; Ac = 3) P a 100 p P a * 100 p P a 100 p 0,99 0,218 0,9999 0,218 0,99 0,412 0,95 0,409 0,9975 0,409 0,95 0,683 0,90 0,551 0,99 0,551 0,90 0,873 0,75 0,864 0,9375 0,864 0,75 1,267 0,50 1,34 0,75 1,34 0,50 1,84 0,25 1,96 0,4375 1,96 0,25 2,55 0,10 2,266 0,19 2,66 0,10 3,34 0,05 3,15 0,0975 3,15 0,05 3,88 0,01 4,20 0,0196 4,20 0,01 5,02 4

Pravděpodobnost přijetí dávky Porovnání průběhů operativních charakteristik přejímacích plánů: a) AQL = 0,40 %: (n = 200; Ac = 2) bez opakované aplikace přejímky; b) (n = 200; Ac = 2) s opakováním při zamítnutí dávky; c) AQL = 0,65 %: (n = 200; Ac = 3) bez opakováné aplikace přejímky. 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 n = 200 Ac = 2 n = 200 Ac = 3 n = 200 Ac = 2 s opakováním 0 1 2 3 4 5 Procento neshodných jednotek 5

Pravděpodobnost přijetí dávky PŘÍKLAD A.2: Porovnání průběhů pravděpodobností, kdy dodavatel tutéž dodávku přijme a odběratel ji zamítne při různých kombinacích následujících přejímacích plánů: (n = 50; Ac = 0) a (n = 200; Ac = 1). a) Průběhy operativních charakteristik obou přejímacích plánů: 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 n = 50 ; Ac = 0 n = 200 ; Ac = 1 0 1 2 3 4 5 6 7 8 9 10 Procento neshodných jednotek 6

Pravděpodobnost b) Porovnání průběhů pravděpodobností, že dodavatel tutéž dodávku ve své výstupní kontrole označí za přijatelnou a odešle ji a odběratel tutéž dodávku při přejímce zamítne při aplikaci uvedených přejímacích plánů: Průběhy odpovídajících tzv. arbitrážních křivek: 0,25 DODAVATEL PŘIJME - ODBĚRATEL ZAMÍTNE 0,20 (n = 50 ; Ac = 0) ; (n = 50 ; Ac = 0) 0,15 0,10 (n = 200 ; Ac = 1) ; (n = 200 ; Ac = 1) (n = 200 ; Ac = 1) ; (n = 50 ; Ac = 0) 0,05 0,00 0 1 2 3 4 5 6 7 8 9 10 Procento neshodných jednotek 7

B. ROZDÍLNOST MEZI ODDĚLENOU KONTROLOU A CELKOVOU KONTROLOU PŘÍKLAD B.1: Na produktu je předepsána kontrola srovnáváním k nezávislých znaků kvality. Pro i-tý (i = 1, 2,, k) znak (nebo skupinu znaků stejné důležitosti) je předepsán přejímací plán (n; Ac i ), tedy pro všech k znaků stejný rozsah výběru n a přejímací číslo Ac i odstupňováno v závislosti na požadované kvalitě dávky. Kontrola je organizována tak, že každý produkt zahrnutý do výběru je vložen do kontrolního agregátu a současně je posuzován vůči všem předepsaným znakům. ŘEŠENÍ: V.H: Operating characteristic curve for sampling inspection where each product is checked for several independent quality characteristics. [1] Aplikace matematiky ČSAV (1956) 1, 431-444 (Přetištěno: Komise pro atomovou energii AEG, Oak Ridge, Tennessee - publikace SCL-T-173,1960). 8

K tomu, aby produkt byl neshodný, stačí, aby byl neshodný vůči kterémukoliv jedinému znaku kvality. Bude tedy při celkové kontrole operativní charakteristika přejímacího plánu představovat horní mez výstupní účinnosti. Nicméně po čase se z analýzy dat získaných na výstupu z kontrolního agregátu ukázalo, že odběratel přejímá prakticky všechny dávky, přestože provádí jen celkovou kontrolu přejímacím plánem (n, Ac i ). Otázkou tedy bylo, zda lze stanovit vedle horní OC křivky L H (p) i dolní OC křivku L D (p) a vymezit tedy jakési pásmo možného kolísání výstupní účinnosti při celkové kontrole dávek a rovněž zjistit, na čem tato dolní mez závisí. V práci [1] je odvozen analytický tvar dolní meze L D (p) pásma a je ukázáno, že tato OC křivka závisí na: a) počtu k znaků (nebo skupin těchto znaků) se samostatným přejímacím plánem (n, Ac i ), (i = 1, 2,, k) a na b) vahách w i určujících důležitost jednotlivých znaků (skupin znaků). Viz obrázky C.1 až C.4 a tabulky C.1 až C.4 9

Obr. C.1 OC křivka pro přejímací plán (n = 80; Ac i = 4) 10

Obr. C.2 Oblast kolísání celkové výstupní OC křivky při oddělené kontrole při k přejímacích plánů: horní mez kolísání L H (p): OC pro (n; Ac i ) a dolní mez kolísání L D (p) 11

Obr. C.3 Oblast kolísání celkové výstupní OC křivky při oddělené kontrole pro k = 2 a přejímací plány: (n = 80; Ac 1 = 1) a (n = 80; Ac 2 = 3) 12

Obr. C.4 Oblast kolísání celkové výstupní OC křivky při oddělené kontrole pro k = 4 a přejímací plány: (n = 80; Ac 1 = 1); (n = 80; Ac 2 = 1); (n = 80; Ac 1 = 1) a (n = 80; Ac 2 = 1) 13

Tabulky C.1 až C.4 Hodnoty L D (P) pro riziko odběratele = 10 % pro různé poměry vah w i pro počet znaků (nebo skupin znaků) k = 2, 3, 4 a 5 Tabulky C.1 (k = 2) a C.2 (k = 3) L H (P) pro = 10 % Váhy 0.9 : 0,1 0,8 : 0,2 0,7 : 0,3 0,5 : 0,5 0,5 0,47 0,46 0,45 0,44 1,0 0,94 0,92 0,90 0,88 2,0 1,90 1,82 1,78 1,75 3,0 2,80 2,75 2,70 2,65 4,0 3,70 3,60 3,55 3,50 5,0 4,65 4,55 4,45 4,35 7,0 6,55 6,35 6,25 6,15 10,0 9,30 9,10 8,90 8,70 15,0 14,00 13,70 13,40 13,10 L H (P) pro = 10 % Váhy 0,8: 0,1: 0,1 0,5: 0,4: 0,1 0,33:0,33: 0,34 0,5 0,44 0,41 0,40 1,0 0,88 0,83 0,81 2,0 1,75 1,65 1,60 3,0 2,65 2,50 2,45 4,0 3,50 3,30 3,20 5,0 4,35 4,10 3,95 7,0 6,15 5,75 5,60 10,0 8,70 8,20 8,00 15,0 13,10 12,30 12,00 14

Tabulky C.1 až C.4 Hodnoty L D (P) pro riziko odběratele = 10 % pro různé poměry vah w i pro počet znaků (nebo skupin znaků) k = 2, 3 a 4 Tabulky C.3 (k = 4) a C.4 (k= 5) L H (P) pro = 10 % 0,7:0,1: 0,1:0,1 Váhy 0,5:0,3: 0,1:0,1 0,25:0,25: 0,25:0,25 0,5 0,41 0,40 0,37 1,0 0,82 0,80 0,74 2,0 1,60 1,55 1,45 3,0 2,45 2,35 2,20 4,0 3,30 3,15 2,95 5,0 4,10 3,95 3,65 7,0 5,75 5,55 5,15 10,0 8,10 7,90 7,30 15,0 12,20 11,90 11,00 L H (P) pro = 10 % 0,6 :0,1:0,1: 0,1:0,1 Váhy 0,4:0,3:0,1: 0,1:0,1 0,2:0,2:0,2: 0,2:0,2 0,5 0,38 0,37 0,36 1,0 0,76 0,73 0,71 2,0 1,50 1,45 1,41 3,0 2,30 2,20 2,10 4,0 3,05 2,93 2,80 5,0 3,80 3,60 3,50 7,0 5,30 5,10 4,95 10,0 7,50 7,20 7,00 15,0 11,30 10,80 10,50 15

C. PŘECHODY MEZI JEDNOTLIVÝMI TYPY PŘEJÍMACÍCH PLANŮ Pro vstupní parametry: pevné rozsahy dávek N = 5000 jednotek, kontrolní úroveň II, AQL = 0,40 % (v procentu neshodných) se z ČSN ISO 2859-1:2000 postupně z následujících tabulek v této normě zjistí: a) z tabulky 1: kódové písmeno: L; b) z tabulky 2-A: (n = 200; Ac = 2; Re = 3); c) z tabulky 3-A: (n 1 =125; Ac 1 =0; Re 1 =3; n 2 = 125; n 1 +n 2 = 250; Ac 2 = 3; Re 2 = 4); d) z tabulky 4-A: i n j n j Ac i Re i 1 50 50 # 2 2 50 100 0 3 3 50 150 0 3 4 50 200 1 3 5 50 250 3 4 16

Problém: Na začátku kontroly jsem se rozhodnul pro přejímací plán jedním výběrem (n = 200; Ac = 2; Re = 3) a v průběhu jeho realizace jsem zjistil, že mezi 100 zkontrolovanými jednotkami je stále 0 neshodných, což znamená, že se vlastně splňuje požadavek na Ac = 0 uvedený v přejímacím plánu několikerým výběrem. Otázka : Mohu za této situace přejímku jedním výběrem uzavřít a v jejím průběhu přejít na kontrolu několikerým výběrem a dávku považovat za přijatelnou? Odpověď: Nemohu, musím postupovat v přejímce jedním výběrem, když jsem se pro ni rozhodnul na začátku. 17

D. ZTRÁTY VZNIKAJÍCÍ V DŮSLEDKU NEDODRŽOVÁNÍ ZÁKLADNÍCH PRAVIDEL STP - UKÁZKA NĚKTERÝCH SITUACÍ Požadavek náhodného výběru: STP předpokládá odběr předepsaného počtu vzorků formou náhodného výběru (to je rozdíl oproti odběru logických podskupin při SPC), Nenáhodný odběr vzorků je připuštěn pouze tam, kde jednou z výrobních operací je odhrocování, odmašťování apod. v bubnech, v nichž dochází k dokonalému promísení. Rovněž při vzorkování hromadných materiálů musí být dodržena pravidla pro odběr, úpravu a zacházení se vzorky. Nesprávně odebraný vzorek vždy výrazně zkresluje informaci o sledovaném znaku kvality a tedy i konečné rozhodnutí o dávce. 18

Znalost rizik nesprávného rozhodnutí: STP je jediná forma výběrové přejímky, která poskytuje objektivní informaci o rizicích dodavatele, resp. odběratele, tedy rizicích nesprávného zamítnutí dávky, resp. nesprávného přijetí dávky ze strany odběratele. Tyto informace jsou oběma partnerům známy předem z průběhu OC křivky dohodnutého přejímacího plánu. Proto tato křivka by měla být vždy k dispozici při jednání obou stran. Dohoda o hodnotě přípustné meze jakosti AQL: Uvedení určité hodnoty AQL ve smlouvě mezi odběratelem a dodavatelem nesmí být nikdy interpretováno tak, že dodavatel má právo odběrateli vědomě dodávat nějaké neshodné výrobky. Nutno zdůraznit, že předmětem dohadování mezi oběma partnery mohou být pouze ty hladiny AQL, které jsou uvedeny v příslušných mezinárodních normách a tvoří tzv. řadu preferovaných hodnot. Jakékoliv vkládání vlastních (mezilehlých) úrovní AQL je zakázáno, stejně jako případné interpolace v tabulkách. 19

Zhospodárnění kontroly: Systémy přejímacích plánů popsané v normách mají vždy specifikováno prostředí, pro které jsou určeny. Např. systémy STP popsané v řadě ČSN ISO 2859 (pro kontrolu srovnáváním) a v řadě ČSN ISO 3951 (pro kontrolu měřením) jsou určeny pro případ, kdy odběratel kontroluje každou dávku z plynulé série dávek od téhož dodavatele. Oba uvedené systémy STP jsou dynamickými systémy dávek, tzn. umožňují odběrateli, aby reagoval na vývoj jakosti u dodavatele přechodem z normální kontroly na zmírněnou (při zlepšení jakosti), případně přechodem na zpřísněnou kontrolu (při zhoršení jakosti). Podmínky pro přechod jsou striktně formulovány. Nutno připomenout, že zmírněná kontrola předpokládá výrazně snížení potřebných rozsahů výběrů. Informace získané z této systematicky vedené evidence výsledků kontrol pak umožňují: a) průběžně objektivně hodnotit dodavatele, b) zjistit, jak velké procento neshodných vstupuje na montáž, c) zjistit vliv případné stoprocentní kontroly zamítnutých dávek, u nichž byly neshodné výrobky nahrazeny shodnými. 20

Přejímka měřením využití hodnoty MSSD: Přejímky měřením nabízí další úsporný krok při realizaci přejímky: stanovení hodnoty MSSD (maximální výběrové směrodatné odchylky pro dvoustranné mezní hodnoty při propojené kontrole): MSSD = (USL LSL) f s, kde USL je horní mezní hodnota, LSL dolní mezní hodnota, obě dané specifikací, a koeficient f s je tabelován a závisí na kódovém písmenu rozsahu výběru n a hodnotě AQL. MSSD tedy představuje největší povolenou velikost výběrové směrodatné odchylky při použití dvoustranných mezních hodnot při propojené kontrole, když variabilita je neznámá a odhaduje se pomocí výběrové směrodatné odchylky s vypočtené z výsledků měření výrobků zahrnutých do výběru. Je-li vypočtená výběrová směrodatná odchylka s menší než MSSD, potom existuje možnost, ale ne jistota, že dávka bude přijata. Předpokladem pro aplikaci přejímky měřením je normální rozdělení hodnot sledovaného znaku jakosti. Ve srovnání s přejímkou srovnáváním vyžaduje přejímka měřením výrazně nižší rozsahy výběrů tedy je hospodárnější. 21