Národní informační středisko pro podporu jakosti

Podobné dokumenty
Způsobilost. Data a parametry. Menu: QCExpert Způsobilost

Národní informační středisko pro podporu kvality

můžeme toto číslo považovat za pravděpodobnost jevu A.

Národní informační středisko pro podporu kvality

Závislost indexů C p,c pk na způsobu výpočtu směrodatné odchylky

Národní informační středisko pro podporu kvality

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

SW podpora při řešení projektů s aplikací statistických metod

Pokud světlo prochází prostředím, pak v důsledku elektromagnetické interakce s částicemi obsaženými

Univerzita Pardubice FAKULTA CHEMICKO TECHNOLOGICKÁ

Statistické řízení jakosti - regulace procesu měřením a srovnáváním

Národní informační středisko pro podporu jakosti

Předpjatý beton Přednáška 12

Regulační diagramy (RD)

3.2 Metody s latentními proměnnými a klasifikační metody

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

7. VÝROBNÍ ČINNOST PODNIKU

Dynamika populací. s + W = 1

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

STATISTICKÉ METODY. (kombinovaná forma, 8.4., ) Matěj Bulant, Ph.D., VŠEM

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

Spojitá náhodná veličina

Přednáška č. 11 Analýza rozptylu při dvojném třídění

Národní informační středisko pro podporu kvality

NÁVRH A OVĚŘENÍ BETONOVÉ OPŘENÉ PILOTY ZATÍŽENÉ V HLAVĚ KOMBINACÍ SIL

Vlastnosti odhadů ukazatelů způsobilosti

ŠKODA AUTO VYSOKÁ ŠKOLA, O.P.S.

Stabilita prutu, desky a válce vzpěr (osová síla)

Cvičení z termomechaniky Cvičení 5.

Předpjatý beton Přednáška 6

Národní informační středisko pro podporu kvality

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

PRINCIPY ZABEZPEČENÍ KVALITY

Vyhodnocování způsobilosti a výkonnosti výrobního procesu

Způsob určení množství elektřiny z kombinované výroby vázané na výrobu tepelné energie

Téma 7: Přímý Optimalizovaný Pravděpodobnostní Výpočet POPV

Národní informační středisko pro podporu jakosti

Inovace bakalářského studijního oboru Aplikovaná chemie

PRAVDĚPODOBNOST A STATISTIKA. Metoda momentů Metoda maximální věrohodnosti

Národní informační středisko pro podporu jakosti

133PSBZ Požární spolehlivost betonových a zděných konstrukcí. Přednáška B8. ČVUT v Praze, Fakulta stavební katedra betonových a zděných konstrukcí

Statistické regulační diagramy

STATISTICKÉ METODY A DEMOGRAFIE

Náhodná veličina a rozdělení pravděpodobnosti

Jak správně interpretovat ukazatele způsobilosti a výkonnosti výrobního procesu

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

Ekonomické aspekty statistické regulace pro vysoce způsobilé procesy. Kateřina Brodecká

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

Národní informační středisko pro podporu jakosti

Národní informační středisko pro podporu kvality

V následující tabulce jsou uvedeny jednotky pro objemový a hmotnostní průtok.

Národní informační středisko pro podporu jakosti

Střední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49. Výukový materiál zpracovaný v rámci projektu Výuka moderně

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

SHANNONOVY VĚTY A JEJICH DŮKAZ

ze dne 2016, Nejlepší dostupné technologie v oblasti zneškodňování odpadních vod a podmínky jejich použití

Metody s latentními proměnnými a klasifikační metody

KGG/STG Statistika pro geografy

Řetězy Vysokovýkonné IWIS DIN 8187

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

Regulační diagramy (Control charts, Shewhart s diagrams)

Testování statistických hypotéz. Ing. Michal Dorda, Ph.D.

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

Národníinformačnístředisko pro podporu jakosti

Mnohorozměrná statistická data

ČESKÁ TECHNICKÁ NORMA

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.


Výpočet svislé únosnosti osamělé piloty

Chyby měření 210DPSM

Výpo ty Výpo et hmotnostní koncentrace zne ující látky ,

1. série. Různá čísla < 1 44.

Obr. V1.1: Schéma přenosu výkonu hnacího vozidla.

Analytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality

Větrání hromadných garáží

4EK311 Operační výzkum. 7. Modely řízení zásob

Výpočet svislé únosnosti osamělé piloty

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

Markovovy řetězce se spojitým časem CTMC (Continuous time Markov Chain)

7. Měření dutých objemů pomocí komprese plynu a určení Poissonovy konstanty vzduchu Úkol 1: Určete objem skleněné láhve s kohoutem kompresí plynu.

Národní informační středisko pro podporu jakosti

Různé metody manažerství kvality. Práce č.12: Výpočet PPM a způsobilost procesů

Oddělení technické elektrochemie, A037. LABORATORNÍ PRÁCE č.9 CYKLICKÁ VOLTAMETRIE

Normy ČSN,ČSN ISO a ČSN EN

Dynamické programování

Ekonomika podniku. Katedra ekonomiky, manažerství a humanitních věd Fakulta elektrotechnická ČVUT v Praze. Ing. Kučerková Blanka, 2011

Analýza způsobilosti procesů. Studijní opory

Laplaceova transformace.

TERMIKA VIII. Joule uv a Thompson uv pokus pro reálné plyny

EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek

Směrová kalibrace pětiotvorové kuželové sondy

Náhodným (stochastickým) procesem nazveme zobrazení, které každé hodnotě náhodnou veličinu X ( t)

Model tenisového utkání

Učební texty k státní bakalářské zkoušce Matematika Posloupnosti a řady funkcí. študenti MFF 15. augusta 2008

5. Odhady parametrů. KGG/STG Zimní semestr

Zpracování náhodného výběru. Ing. Michal Dorda, Ph.D.

ZÁKLADNÍ NÁSTROJE ŘÍZENÍ JAKOSTI

Numerické výpočty proudění v kanále stálého průřezu při ucpání kanálu válcovou sondou

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

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

Transkript:

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 Křeela ČSJ 6. června 2005. 2

Zůsobilost rocesu udává vztah mezi řirozeným kolísáním, které ramení z náhodných říčin a technickým zadáním. Představuje nejleší výkon samotného rocesu, racujícího ve stavu statisticky zvládnutém. Proces může být uveden do stavu statisticky zvládnutého až o detekci a odstranění zvláštních říčin. Terve ak je jeho výkon ředvídatelný a má být kvantifikována jeho zůsobilost. 3

4

Analýza zůsobilosti: krátkodobá založená na měřeních získaných z jediného rovozního cyklu a určené ouze k ověření, že roces může racovat ve statisticky zvládnutém stavu; dlouhodobá založená na měřeních uskutečněných o delší časové období a tím zohledňující variabilitu rocesu v čase. 5

Předokládá se : UKAZATELE ZPŮSOBILOSTI normální rozdělení N(, ) sledovaného znaku jakosti; k odskuin stejného rozsahu n jednotek ( k*n = N ). C USL 6 LSL s R/d2 ; s/c4 ; k k 2 sj j Průměrná směrodatná odchylka s charakterizuje variabilitu uvnitř k n 2 2 sj (xij x j) odskuin stejného rozsahu n. Roztyl n j ro j =, 2,..., k je k s s roztylem j-té odskuiny a j k je růměrná směrodatná odchylka v k j k R R odskuinách. j k je růměrné rozětí v k odskuinách. j 6

C - roces není zůsobilý (USL - LSL) = 4 C = 0,67 0,45 0,40 0,35 LSL USL 0,30 0,25 4 0,20 0,5 0,0 0,05 2,28% 2,28% 0,00-3,0-2,0 -,0 0,0,0 2,0 3,0 7

C = - roces je blízký zůsobilosti (USL - LSL) = 6 C =,0 0,45 0,40 0,35 0,30 0,25 0,20 0,5 LSL 6 USL 0,0 0,05 0,3% 0,3% 0,00-4,0-3,0-2,0 -,0 0,0,0 2,0 3,0 4,0 8

C,33 - roces je zůsobilý (USL - LSL) = 8 C =,33 0,45 0,40 0,35 LSL USL 0,30 0,25 8 0,20 0,5 0,0 0,05 32 m 32 m 0,00-5,0-4,0-3,0-2,0 -,0 0,0,0 2,0 3,0 4,0 5,0 9

C,67 - roces je zůsobilý (USL - LSL) = 0 C =,67 0,45 0,40 0,35 LSL USL 0,30 0,25 0 0,20 0,5 0,0 0,05 0,3 m 0,3 m 0,00-6,0-5,0-4,0-3,0-2,0 -,0 0,0,0 2,0 3,0 4,0 5,0 6,0 0

Ck min USL 3, LSL 3 s R/d2 ; s/c4 ; k k 2 sj j x k j k x j

C =,67 - zůsobilé rocesy, šatně centrované C k = 0 ; C k =,67 ; C k = 0,33 0 2

0,45 0,40 0,35 C C L C U 0,30 0,25 0,20 0,5 0,0 0,05 0,00 6 2-6,0-5,0-4,0-3,0-2,0 -,0 0,0,0 2,0 3,0 4,0 5,0 6,0 2,33 2,00 0,66 0,45 0,40 0,35 0,30 0,25 0,20 0,5 0,0 0,05 0,00 5 3-6,0-5,0-4,0-3,0-2,0 -,0 0,0,0 2,0 3,0 4,0 5,0 6,0,33,67,00 0,45 0,40 0,35 0,30 0,25 0,20 0,5 0,0 0,05 0,00 4 4-6,0-5,0-4,0-3,0-2,0 -,0 0,0,0 2,0 3,0 4,0 5,0 6,0 0,33,33,33 0,45 0,40 0,35 0,30 0,25 0,20 0,5 0,0 0,05 0,00 3 5-6,0-5,0-4,0-3,0-2,0 -,0 0,0,0 2,0 3,0 4,0 5,0 6,0 -,33,00,67 0,45 0,40 0,35 0,30 0,25 0,20 0,5 0,0 0,05 0,00 2 6-6,0-5,0-4,0-3,0-2,0 -,0 0,0,0 2,0 3,0 4,0 5,0 6,0 LSL USL - 2,33 0,66 2,00 3

UKAZATEL ZPŮSOBILOSTI C neřihlíží k otázce centrování rocesu. Charakterizuje ouze ČEHO JSME SCHOPNI DOSÁHNOUT UKAZATEL ZPŮSOBILOSTI C k řihlíží k dosaženému stuni centrování rocesu. Charakterizuje ČEHO JSME SKUTEČNĚ DOSÁHLI 4

C USL m 6 LSL T T s T s 2 x T 2 T je cílová hodnota s k j k s j x k j k x j 5

UKAZATELE VÝKONNOSTI Předokládá se : normální rozdělení N(, ) sledovaného znaku jakosti; jeden náhodný výběr rozsahu N. P USL 6 LSL tot tot s tot N i N x i x tot 2 x N tot x i N i Celková směrodatná odchylka s tot charakterizuje celkovou variabilitu ve výběru N ozorování (okud je výběr rozdělen do k odskuin stejného rozsahu n je N = k*n). 6

P min USL k 3 tot 3, LSL tot tot s tot N i N x i x tot 2 x N tot x i N i 7

P USL M 6 LSL Ttot N 2 Ttot sttot ( xi T ) N i Platí s Ttot N i N x i x tot 2 x tot T 2 s 2 tot x tot T 2 s Ttot vyjadřuje celkovou variabilitu okolo cílové hodnoty T. 8

Neředokládá se : normální rozdělení sledovaného znaku jakosti. Uvažuje se jeden náhodný výběr rozsahu N. P USL U LSL L U je 99,865 % -ní kvantil L je 0,35 % -ní kvantil Jedná se o kvantily aktuálního rozdělení sledované jakostní vlastnosti. Tyto kvantily odovídají 3 u normálního rozdělení N(, ). 9

P k min USL U Me Me, Me Me LSL L Me je medián P M 6 U USL L / 6 LSL 2 Me T 2 20

UKAZATELE VÝKONNOSTI VYCHÁZEJÍ Z CELKOVÉ VARIABILITY PROCESU ZA DELŠÍ OBDOBÍ UKAZATEL VÝKONNOSTI P neřihlíží k otázce centrování rocesu. Charakterizuje ČEHO JSME SCHOPNI DLOUHODOBĚ V PROCESU DOSÁHNOUT UKAZATEL VÝKONNOSTI P k řihlíží k dosaženému stuni centrování rocesu. Charakterizuje ČEHO JSME SKUTEČNĚ DLOUHODOBĚ V PROCESU DOSÁHLI 2

Všechny vyočtené hodnoty ukazatelů zůsobilosti i výkonnosti jsou statistikami (náhodnými veličinami), vykazují variabilitu a je ro ně možno stanovit rozdělení ravděodobnosti a tedy i konfidenční intervaly. 22

) Ukazatel C odhadujeme na základě k odskuin stejného rozsahu n, ze kterých vyočteme odhad směrodatné odchylky na základě jednoho ze vztahů ˆ k 2 = s j ; ˆ = R/d 2 (n) ; ˆ = s/c (n), k 4 otom vyočteme Ĉ j Odhady ukazatelů zůsobilosti Ĉ USL LSL 6ˆ je náhodná veličina. Konfidenční interval ro C na konfidenční úrovni ( - 2 ) je dán řibližně výrazem. 2 2 / Ĉ C / Ĉ 2 a 2 jsou volnosti = k (n - ). a (- ) kvantily rozdělení ro očet stuňů 23

Rozdělení ravděodobnosti odhadů Ĉ 4,0 3,5 3,0 2,5 2,0,5 C =,33 ; n = 75 C =,33 ; n = 50 C =,33 ; n = 25 C =,67 ; n = 75 C =,67 ; n = 50 C =,67 ; n = 25,0 0,5 0,0 0,8,2,4,6,8 2 2,2 2,4 2,6 2,8 24

PŘÍKLAD: a) Dáno: USL = 22,5 ; LSL = 2,5. Z k = 25 odskuin rozsahu n = 5 jednotek byl vyočten odhad ˆ = 0,. Potom Ĉ USL LSL 6ˆ = / 6*0, =,55 a konfidenční interval, ro konfidenční úroveň ( 2 ) = 0,95 ; očet stuňů volnosti = k (n - ) = 00 je,305 C,724. Tento interval okryje skutečnou hodnotu C s ravděodobností 0,95. 25

Pro danou hodnotu C můžeme stanovit interval (statistický okryvný interval), ve kterém se budou s ravděodobností ( - 2 ) vyskytovat odhady (Tento interval lze snadno odvodit z výrazu ro konfidenční interval). PŘÍKLAD: Ĉ b) Pro teoretickou hodnotu (arametr) C =,33 v základním souboru, se budou vyskytovat odhady, očítané z k = 20 odskuin rozsahu n = 3, s ravděodobností ( - 2 ) = 0,98 v intervalu Ĉ Ĉ,054,787. 26

PŘÍKLAD: c) Dáno k = ; n = 60; 00; 200; 500 a (-2 ) = 0,95. Stanovíme ro čtyři hodnoty odhadů dolní (rvní slouec) a horní (druhý slouec) mez konfidenčního intervalu ro arametr C : n ˆ =,00 C ˆ =,33 C ˆ =,67 C ˆ = 2,00 C 60 0,820,80,09,569,369,97,640 2,360 00 0,86,39,45,55,438,902,722 2,278 200 0,902,098,200,460,506,834,804 2,96 500 0,937,063,246,44,565,775,874 2,26 27

2) Ukazatel C k odhadujeme na základě k odskuin stejného rozsahu n, ze kterých vyočteme výběrové růměry (j =,, k) a růměr růměrů odskuin x, otom odhad arametru je a odhad směrodatné odchylky ˆ k x j k j na základě jednoho ze vztahů k 2 = s j ; ˆ = R/d 2 (n) ; ˆ = s/c (n), k 4 j ˆ x ˆ x j otom vyočteme Ĉ k min USL 3 ˆ ˆ., ˆ LSL 3 ˆ Ĉ k je náhodná veličina. Konfidenční interval ro C k na konfidenční úrovni ( - 2 ) je dán řibližně výrazem u u Ĉ k C k Ĉk 2 2 u a u - jsou a (- ) kvantily rozdělení ro očet stuňů volnosti = k (n - ). 28

PŘÍKLAD: a) Dáno: LSL = 2,5 ; USL = 22,5. Z k = 25 odskuin rozsahu n = 5 jednotek byl vyočten odhad ˆ x 22, a ˆ = 0,. Potom Ĉ k min USL 3ˆ ˆ ; ˆ LSL 3ˆ = min{,22 ;,88} =,22. Konfidenční interval, ro konfidenční úroveň ( 2 ) = 0,95, očet stuňů volnosti = k (n - ) = 00; u 0,025 = -,96 a u 0,975 =,96 je,044 C k,380. Tento interval okryje skutečnou hodnotu C k s ravděodobností 0,95. 29

Pro danou hodnotu C k můžeme oět stanovit interval (statistický okryvný interval), ve kterém se budou s ravděodobností ( - 2 ) vyskytovat odhady. Ĉ k PŘÍKLAD: b) Pro C k =,33 v základním souboru se budou vyskytovat odhady očítané z k = 20 odskuin rozsahu n = 3 Ĉ k s ravděodobností ( - 2 ) = 0,98 v intervalu,055,798 Ĉ k ( = 40 ; u 0,0 = -2,326 ; u 0,99 = 2,326 ) 30

PŘÍKLAD: c) Dáno k = ; n = 30; 60; 00; 200; 500 a (-2 ) = 0,95. Stanovíme ro čtyři hodnoty odhadů dolní (rvní slouec) a horní (druhý slouec) konfidenční mez ro arametr C k : n Ĉ k =,00 Ĉ k =,33 Ĉ k =,67 Ĉ k = 2,00 30 0,743,257 0,988,672,240 2,00,485 2,55 60 0,820,80,090,570,369,97,639 2,36 00 0,86,39,45,55,437,903,72 2,279 200 0,902,098,99,46,506,834,804 2,94 500 0,938,062,247,43,566,774,876 2,24 3

V říadě, že je uvažována ouze horní mezní hodnota USL, otom ukazatel zůsobilosti C U = (USL - ) / 3 je odhadován na základě výrazu: Ĉ U USL 3 ˆ V říadě, že je uvažována ouze dolní mezní hodnota LSL, otom ukazatel zůsobilosti C L = ( - LSL) / 3 je odhadován na základě výrazu: ˆ. Ĉ L ˆ LSL 3 ˆ. Ĉi Ĉ jsou náhodné veličiny. Konfidenční intervaly ro U L C U i C L můžeme vyočítat jako konfidenční interval ro C k. Obdobně ro danou hodnotu C U res. C L můžeme stanovit statistický okryvný interval ro Ĉ i Ĉ. U L 32

Na základě vyočtených hodnot Ĉ a Ĉ můžeme odhadnout U L odíl jednotek, které leží nad horní mezní hodnotou USL a odíl jednotek, které leží od dolní mezní hodnotou LSL. Označíme a USL ˆ = 3 = z U, = 3 = z L. kde z U a z L jsou kvantily normovaného normálního rozdělení N(0,) ro které jsou tabelovány hodnoty distribuční funkce (- U ) res. (- L ). Podíly U, res. L jsou odíly jednotek nad USL, res od LSL. ˆ ˆ LSL ˆ Ĉ U Ĉ L 33

Tabulka hodnot z ro 0 z 4. z 0,00 0,0 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0,5000,4960,4920,4880,4840,480,476,472,468,464 0,,4602,4562,4522,4483,4443,4404,4364,4325,4256,4247 0,2,4207,468,429,4090,4052,403,3974,3936,3897,3859 0,3,382,3783,3745,3707,3669,3632,3594,3557,3520,3483 0,4,3446,3409,3372,3336,3300,3264,3228,392,356,32 0,5,3085,3050,305,298,2946,292,2877,2843,280,2776 0,6,2743,2709,2676,2643,26,2578,2546,254,2483,245 0,7,2420,2339,2358,2327,2297,2266,2236,2206,277,248 0,8,29,2090,206,2033,2005,977,949,922,894,867 0,9,84,84,788,762,736,7,685,660,635,6,0,587,562,539,55,492,469,446,423,40,379,,357,335,34,292,27,25,230,20,90,70,2,5,3,2,093,075,056,038,020,003,0985,3,0968,095,0934,098,090,0885,0869,0853,0838,0823,4,0808,0793,0778,0764,0749,0735,072,0708,0694,068,5,0668,0655,0643,0630,068,0606,0594,0582,057,0559,6,0548,0537,0526,056,0505,0495,0485,0475,0465,0455,7,0446,0436,0427,048,0409,040,0392,0384,0375,0367,8,0359,035,0344,0336,0329,0322,034,0307,030,0294,9,0287,028,0274,0268,0262,0256,0250,0244,0239,0233 2,0,0228,0222,027,022,0207,0202,097,092,088,083 2,,079,074,070,066,062,058,054,050,046,043 2,2,039,036,032,029,025,022,09,06,03,00 2,3,007,004,002,0099,0096,0094,009,0089,0087,0084 2,4,0082,0080,0078,0075,0073,007,0069,0068,0066,0064 2,5,0062,0060,0059,0057,0055,0054,0052,005,0049,0048 2,6,0047,0045,0044,0043,004,0040,0039,0038,0037,0036 2,7,0035,0034,0033,0032,003,0030,0029,0028,0027,0026 2,8,0026,0025,0024,0023,0023,0022,002,002,0020,009 2,9,009,008,008,007,006,006,005,005,004,004 3,0,0035,003,0026,0022,008,004,00,0007,0004,0000 34

Tabulka hodnot z ro z 4. z 0,00 0,0 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 4,0,0 4 37,0 4 304,0 4 29,0 4 279,0 4 267,0 4 256,0 4 245,0 4 235,0 4 225,0 4 26 4,,0 4 207,0 4 98,0 4 89,0 4 8,0 4 74,0 4 66,0 4 59,0 4 52,0 4 46,0 4 39 4,2,0 4 33,0 4 28,0 4 22,0 4 7,0 4 2,0 4 07,0 4 02,0 5 977,0 5 934,0 5 893 4,3,0 5 854,0 5 86,0 5 780,0 5 746,0 5 72,0 5 68,0 5 650,0 5 62,0 5 593,0 5 567 4,4,0 5 54,0 5 57,0 5 494,0 5 47,0 5 450,0 5 429,0 5 40,0 5 39,0 5 373,0 5 356 4,5,0 5 340,0 5 324,0 5 309,0 5 295,0 5 28,0 5 268,0 5 256,0 5 244,0 5 232,0 5 222 4,6,0 5 2,0 5 20,0 5 92,0 5 83,0 5 74,0 5 66,0 5 58,0 5 5,0 5 43,0 5 37 4,7,0 5 I30,0 5 24,0 5 8,0 5 2,0 5 07,0 5 02,0 6 968,0 6 92,0 6 876,0 6 834 4,8,0 6 793,0 6 755,0 6 78,0 6 683,0 6 649,0 6 67,0 6 587,0 6 558,0 6 530,0 6 504 4,9,0 6 479,0 6 455,0 6 433,0 6 4,0 6 39,0 6 37,0 6 352,0 6 335,0 6 38,0 6 302 5,0,0 6 287,0 6 272,0 6 258,0 6 245,0 6 233,0 6 22,0 6 20,0 6 99,0 6 89,0 6 79 5,,0 6 70,0 6 6,0 6 53,0 6 45,0 6 37,0 6 30,0 6 23,0 6 7,0 6,0 6 05 5,2,0 7 996,0 7 944,0 7 895,0 7 848,0 7 803,0 7 760,0 7 720,0 7 682,0 7 646,0 7 62 5,3,0 7 579,0 7 548,0 7 59,0 7 49,0 7 465,0 7 440,0 7 46,0 7 394,0 7 372,0 7 352 5,4,0 7 333,0 7 35,0 7 298,0 7 282,0 7 266,0 7 252,0 7 238,0 7 225,0 7 23,0 7 20 5,5,0 7 90,0 7 79,0 7 69,0 7 60,0 7 5,0 7 43,0 7 35,0 7 27,0 7 20,0 7 4 5,6,0 7 07,0 7 0,0 8 955,0 8 90,0 8 850,0 8 802,0 8 757,0 8 74,0 8 673,0 8 635 5,7,0 '8 599,0 8 565,0 8 533,0 8 502,0 8 473,0 8 446,0 8 42,0 8 396,0 8 374,0 8 352 5,8,0 8 332,0 8 32,0 8 294,0 8 277,0 8 26,0 8 246,0 8 23,0 8 28,0 8 205,0 8 93 5,9,0 8 82,0 8 7,0 8 6,0 8 5,0 8 43,0 8 34,0 8 26,0 8 9,0 8 2,0 8 05 6,0,0 9 987,0 9 928,0 9 872,0 9 820,0 9 77,0 9 724,0 9 68,0 9 640,0 9 60,0 9 565 6,,0 9 530,0 9 498,0 9 468,0 9 439,0 9 43,0 9 387,0 9 364,0 9 34,0 9 32,0 9 30 6,2,0 9 282,0 9 265,0 9 249,0 9 233,0 9 29,0 9 205,0 9 92,0 9 8,0 9 69,0 9 59 35

PŘÍKLAD: Dáno: LSL = 2,5 a USL = 22,5 ; vyočteno ˆ = x = 22, a ˆ = 0,4. Potom Ĉ U Ĉ L = 0,952 t.j. z U = 2,856 a U = 0,00245, =,429 t.j. z L = 4,287 a L = 0,000009. A tedy celkem mimo obě mezní hodnoty je = 0,00254. 36

3) Ukazatele P a P k odhadujeme na základě jednoho náhodného výběru rozsahu N. V některých říadech se tento výběr skládá z k odskuin stejného rozsahu n, otom N = k*n. Z výběru, nebo výběrů, vyočteme N celkový růměr: xtot x i N k ( xtot x x j, kde x j xij ro j =, 2,..., k ), k n i j N 2 celkovou směrodatnou odchylku: stot xi xtot. N Vyočteme ukazatele výkonnosti : j n j i i Pˆ USL 6s tot LSL a Pˆ k min USL 3 s tot x tot ; x LSL 3 s tot tot Pˆ i Pˆkjsou náhodné veličiny. Konfidenční interval ro P i P k na konfidenční úrovni ( - 2 ) je dán obdobnými výrazy jako konfidenční intervaly ro C a C k, očet stuňů volnosti v tomto říadě je = N. 37

Pro danou hodnotu P i P k můžeme stanovit interval (statistický okryvný interval), ve kterém se budou s ravděodobností ( - 2 ) vyskytovat odhady Pˆ a. Pˆk V říadě, že je uvažována ouze horní mezní hodnota USL, otom ukazatel výkonnosti P U = (USL - ) / 3 tot je odhadován na základě výrazu: V říadě, že je uvažována ouze dolní mezní hodnota LSL, otom ukazatel výkonnosti P L = ( - LSL) / 3 tot je odhadován na základě výrazu: Pˆ Pˆ U L USL 3 s x tot tot tot x tot LSL 3 s Pˆ jsou náhodné veličiny. Konfidenční intervaly ro U a PˆL P U i P L můžeme vyočítat jako konfidenční interval ro C k, očet stuňů volnosti je = N. 38

Na základě vyočtených hodnot Pˆ můžeme odhadnout odíl U a PˆL jednotek, které leží nad horní mezní hodnotou USL, a odíl jednotek, které leží od dolní mezní hodnotou LSL. Označme a 3 = z U, 3 = z L. kde z U a z L jsou kvantily normovaného normálního rozdělení N(0,) ro které jsou tabelovány hodnoty distribuční funkce (- U ) res. (- L ). Podíly U, res. L jsou odíly jednotek nad USL, res od LSL. PˆU PˆL PŘÍKLAD: Vyočten ukazatel =,2 ; z L = 3,36 ; (z L ) = 0,00039. PˆL 39

4) Ukazatele P, P k, P L, P U, P km v říadě, že sledovaná jakostní vlastnost nemá normální rozdělení, se odhadují na základě 99,865% kvantilu U, 0,35 % kvantilu L a 50% kvantilu Me. Pokud rozdělení je známé (log-normální, Weibulovo, řekloené normální atd.) lze uvedené kvantily vyočítat římo. Obecně vzorce a tabulky ro výočet uvedených kvantilů vycházejí z třídy Pearsonových křivek (rozdělení). Vyočteme odhady ukazatelů výkonnosti P, P U, P L, P k, říadně P m : Pˆ USL U LSL L Pˆ U USL U Me Me Pˆ L Me Me LSL L Pˆ m 6 U USL L / 6 LSL 2 Me T 2 40

INTERPRETACE VLASTNOSTÍ UKAZATELŮ ZPŮSOBILODSTI A VÝKONNOSTI. Všechny ukazatele zůsobilosti a výkonnosti jsou bezrozměrné veličiny. 2. Má-li náhodná veličina normální rozdělení N(, 2 ) a roces robíhá za ůsobení ouze náhodných říčin variability, t.j. roces je ve statisticky zvládnutém stavu z hlediska růměru rocesu je centrován (tedy latí = (USL + LSL) / 2) a z hlediska variability má stálou a známou směrodatnou odchylku, otom a) očekávaný odíl neshodných (odíl mimo toleranční ole) = 2 z ro z = 3C ; (Hodnoty z jsou kvantily rozdělení N(0,)). b) garance, nař. ři C =, vyjadřuje, že odíl neshodných v rocesu bude alesoň 0,27 % a nikoliv, že odíl neshodných v rocesu neřesáhne 0,27 % ; c) jakost odhadu C, C k, C m, P, P k, P m závisí na jakosti odhadu říslušné směrodatné odchylky. 4

3. Ukazatel C a P vyjadřují obecně čeho jsme schoni dosáhnout čeho je schoen dosáhnout roces nebo zařízení za ideálního centrování, ři ůsobení ouze náhodných říčin variability a udržení tohoto stavu v čase. C a P charakterizují krajní možnost rocesu nebo zařízení. 4. Ukazatele C k a P k vyjadřují obecně čeho jsme ve skutečnosti dosáhli a mírou této skutečnosti je odhad dolní hodnoty odílu neshodných (z L ) a (z U ) ro z L = 3 res. z L = 3 a z U = 3 res. z U = 3. (Hodnoty z jsou kvantily rozdělení N(0,). Pˆu ĉ L PˆL ĉ u 42

5. Vždy latí : C C k C m P P k P m C P ; C k P k ; C m P m 6. Metodika koncernu Ford uvažuje výočet ukazatelů zůsobilosti, výkonnosti, i v říadech, kdy v čase dochází ke zdůvodněným a známým změnám střední hodnoty rocesu v rozmezí = max min. Potom jsou navrženy výrazy ro výočet odhadů Pˆ ( USL 6 s LSL ) a Pˆ k min ( x LSL ; USL 3s / 2 x ) 43

ZPŮSOBILOST MĚŘENÍ Při ověřování vhodnosti měřícího zařízení. 20 až 50 oakovaných měření etalonu. Výsledky zaznamenány v časové oslounosti měření. Ukazatele zůsobilosti měřícího rocesu (měřidla) : A) vycházející z mezních hodnot znaku: C g = 0,5(USL - LSL) / 6s g ; x T 0,075 T 0,075 C gk = min ;, 3s 3 g s g kde s g je výběrová směrodatná odchylka, vyočtená z naměřených hodnot a = USL LSL. B) vycházející z celkové variability rocesu: C g = 0,5 ˆ tot / s g ; x T 0,45 ˆ tot T 0,45 ˆ tot x C gk = min ; 3s 3s, g g kde ˆ tot je odhad celkové směrodatné odchylky v rocesu. 44

ANALÝZA ZPŮSOBILOSTI PROCESU odle VDA 45

46

KRÁTKODOBÉ vyšetřování zůsobilosti (vyšetřování zůsobilosti strojů) Při řejímání výrobních zařízení nebo strojů u výrobce. Předběžná výověď o vlastnostech strojů, osouzení jejich vhodnosti. Odběr 50 o sobě jdoucích kusů, nebo 0 odskuin o 5 kusech. Výsledky zaznamenány v časové oslounosti výroby. Vyšetřit tvar rozdělení z 50 hodnot s oužitím nař. ravděodobnostního aíru. Stanovit Ĉ a 99% konfidenční interval ro C : ( v tomto říadě Ĉ Pˆ ) 0,75 Ĉ C,26 Ĉ. Metodika která vychází z VDA 4., označuje uvedené ukazatele C M. 47

PŘEDBĚŽNÉ vyšetřování zůsobilosti rocesu (odhad dlouhodobé zůsobilosti) Exeriment za simulovaných odmínek sériové výroby. Odběr 25 odskuin o 5 jednotkách ři stejných kontrolních intervalech (nejméně 20 odskuin o 3 jednotkách). Konstrukce Shewhartova regulačního diagramu. Ověření tvaru rozdělení. Stanovit a 99% konfidenční intervaly ze všech N = 25 (nejméně 60) ozorování. 0,82 Ĉ C,8 Ĉ, 0,82 P,8. Pˆ Pˆ Je ožadováno aby Ĉ i Pˆ,67. Výočet konfidenčního intervalu vychází z očtu stuňů volnosti = 00 48

DLOUHODOBÉ vyšetřování zůsobilosti rocesu Exeriment za reálných odmínek sériové výroby. Sledování o dobu 20 racovních dnů. Odběr minimálně 5 odskuin o 5 jednotkách denně ři stejných kontrolních intervalech (nejméně 500 kusů). Používat Shewhartovy regulační diagramy. Stanovit Ĉ, a, Pˆ Ĉ Pˆ k k ze všech odskuin a 99% konfidenční intervaly. 49

DOHODA MEZI ODBĚRATELEM A DODAVATELEM Při každém vyšetřování zůsobilosti, ožadovaném zejména odběratelem je nutno stanovit (dohodnout): odmínky exerimentu, jako nař.: očet odskuin, rozsah odskuin, kontrolní interval, zůsob odběru vzorků, secifikace, metodu statistické regulace; ostu zracování výsledků, jako nař.: zůsob odhadu směrodatné odchylky, analytický tvar ukazatele zůsobilosti, konfidenční úroveň -. 50

Zůsobilost v říadě kvalitativního znaku Za ředokladu statisticky zvládnutého rocesu ro alesoň k 0 = 25 odskuin rozsahu n je zůsobilost rocesu definována jako růměrná hodnota zvolené výběrové charakteristiky: odíl neshodných očet neshodných očet neshod ve výběru nk 0 k 0 j n (n j k 0 ) k 0 j (n c j ) k 0 k 0 j c j růměrný očet neshod na jednotku u nk 0 k 0 j c j Dosažené výsledky zůsobilosti ( konfrontovat s řáním zákazníka., n, c a u ) je třeba 5

DĚKUJEME ZA POZORNOST 52