Regulační diagramy (Control charts, Shewhart s diagrams)

Podobné dokumenty
Regulační diagramy (RD)

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

PRINCIPY ZABEZPEČENÍ KVALITY

Statistické řízení jakosti - regulace procesu měřením a srovnáváním

Inovace bakalářského studijního oboru Aplikovaná chemie

Národní informační středisko pro podporu kvality

Regulace výrobního procesu v soft. Statistica

ZÁKLADNÍ NÁSTROJE ŘÍZENÍ JAKOSTI

Lineární regrese. Komentované řešení pomocí MS Excel

Chyby spektrometrických metod

Statistické regulační diagramy

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

Kontrola kvality Levey-Jenningsův graf

Principy zajištění spolehlivosti. Zdenek Kubíček

Národní informační středisko pro podporu kvality

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

KGG/STG Statistika pro geografy

Národní informační středisko pro podporu kvality

Úvod do problematiky měření

SW podpora při řešení projektů s aplikací statistických metod

Testování statistických hypotéz

ZABEZPEČENÍ KVALITY V LABORATOŘI

Analytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality

Národní informační středisko pro podporu kvality

Tuhá alterna,vní paliva validace metody pro stanovení obsahu biomasy podle ČSN EN Ing. Šárka Klimešová, Výzkumný ústav maltovin Praha, s.r.o.

PRINCIPY ZABEZPEČENÍ KVALITY

Úvod do teorie odhadu. Ing. Michael Rost, Ph.D.

Národní informační středisko pro podporu jakosti

Národní informační středisko pro podporu kvality

Odhady parametrů základního souboru. Cvičení 6 Statistické metody a zpracování dat 1 (podzim 2016) Brno, říjen listopad 2016 Ambrožová Klára

Komplexní čísla, Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

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

Kombinatorika, pravděpodobnost a statistika, Posloupnosti a řady

Q-diagramy. Jiří Michálek ÚTIA AVČR

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

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

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

Statistika pro geografy

Testování hypotéz. 4. přednáška

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

Testy statistických hypotéz

Vícerozměrné regulační diagramy. Josef Křepela, Jiří Michálek OSSM

Normální (Gaussovo) rozdělení

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

ČESKÁ TECHNICKÁ NORMA

Kvalita v laboratorní a kontrolní praxi

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení

4. Zpracování číselných dat

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie ANOVA. Semestrální práce

Obecné, centrální a normované momenty

STATISTICKÉ ZJIŠŤOVÁNÍ

Rozšířené regulační diagramy

Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a

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

Rozdíl rizik zbytečného signálu v regulačním diagramu (I,MR) a (xbar,r)

Statistická analýza dat v psychologii. Věci, které můžeme přímo pozorovat, jsou téměř vždy pouze vzorky. Alfred North Whitehead

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY

Test z teorie VÝBĚROVÉ CHARAKTERISTIKY A INTERVALOVÉ ODHADY

UNIVERZITA PARDUBICE CHEMICKO-TECHNOLOGICKÁ FAKULTA KATEDRA ANALYTICKÉ CHEMIE

Statistika, Biostatistika pro kombinované studium Letní semestr 2011/2012. Tutoriál č. 4: Exploratorní analýza. Jan Kracík

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

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

Stručný úvod do testování statistických hypotéz

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

MATEMATIKA III V PŘÍKLADECH

Biostatistika Cvičení 7

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

= = 2368

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

průměrný percentil za části testu odchylka skóre analytická verbální směrodatná

Stanovení Ct hodnoty. Stanovení míry variability na úrovni izolace RNA, reverzní transkripce a real-time PCR

Náhodné chyby přímých měření

Časové řady, typy trendových funkcí a odhady trendů

Časové řady, typy trendových funkcí a odhady trendů

Národní informační středisko pro podporu jakosti

Praktická statistika. Petr Ponížil Eva Kutálková

Přehled metod regulace procesů při různých typech chování procesu

SPC v případě autokorelovaných dat. Jiří Michálek, Jan Král OSSM,

Normy ČSN,ČSN ISO a ČSN EN

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

TESTOVÁNÍ STATISTICKÝCH HYPOTÉZ ZÁKLADNÍ POJMY

Nejistota měř. ěření, návaznost a kontrola kvality. Miroslav Janošík

Katedra řízení podniku (FES)

TEMATICKÝ PLÁN VÝUKY

Odhad parametrů N(µ, σ 2 )

VYUŽITÍ REGULAČNÍCH DIAGRAMŮ PRO KONTROLU JAKOSTI

MATEMATIKA Maturitní témata společná část MZ základní úroveň (vychází z Katalogu požadavků MŠMT)

, Brno Hanuš Vavrčík Základy statistiky ve vědě

Učební plán 4. letého studia předmětu matematiky. Učební plán 6. letého studia předmětu matematiky

Pravděpodobnost, náhoda, kostky

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015

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

Normální (Gaussovo) rozdělení

TEST 1 (40 bodů) (9 4)! 2. Nejméně kolikrát musíme hodit kostkou, abychom měli alespoň 80% pravděpodobnost, že padne alespoň jedna šestka?

Transkript:

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 v časové posloupnosti nebo v pořadí čísel výběrů používá se jako grafická pomůcka umožňující oddělit náhodné příčiny variability procesu od systematických příčin

Představení regulačních diagramů Když něcoo produkujete systematickým způsobem - náhodné chyby, které se vyskytnou, vedou k normálnímu (Gaussovskému) rozdělení výsledků B Výslednice n -3s -2s -1s 0 1s 2s 3s A průmyslový výrobek nebo analytický výsledek vycházejíce ze stejného zdroje vlivu nebo variace Například, předpokládejme, že daný proces je závislý na 3 zdrojích variace (3 různé operace), a každý z nich je náhodného charakteru Spojme body zdroje A Teď body zdroje B A body zdroje n Výslednice všech zdrojů má normální rozdělení

O výrobě říkáme, že je pod kontrolou, pokud výrobky (výsledky) splňují charakteristické vlastnosti normálního rozdělení 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1-3s -2s -1s 0 1s 2s 3s Nyní do grafu zakreslit výsledky v chronologickém pořadí, tj. jeden po druhém, v pořadí, ve kterém jsou získávány... 99% 95% 67% -3s -2s -1s 0 1s 2s 3s

Nyní graf a diagram otočme tak, že body jsou vkládány do diagramu z levé strany na pravou (x-ová osa znázorňuje čas) Jelikož předpokládáme, že více než 99% bodů leží na ploše od -3s do + 3s, každý bod spadající mimo tyto hranice s velmi vysokou pravděpodobností nebude zapříčiněn náhodným rozptylem zdrojů... +3s +2s +1s 0-1s -2s -3s +3s +2s +1s 0-1s -2s -3s 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 (horní) (dolní) Tyto čáry se nazývají akční meze nebo regulační čáry

Podobně, pravděpodobnost, že jeden bod padne mimo plochy od -2s do +2s je 5%, ale pravděpodobnost, že 2 po sobě následující body (nebo 2 z 3 po sobě následujících bodů) padnou mimo této plochy je velice malá Je obecně zaužíváno zakreslit čáry podél bodů -2s a +2s +3s +2s +1s 0-1s -2s -3s +3s +2s +1s 0-1s -2s -3s 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 (horní) (horní) (dolní) (dolní) Tyto čáry se běžně nazývají výstražné meze

Typy regulačních diagramů (RD) Existují dva způsoby hodnocení výsledků kontrolních vzorků pomocí regulačních diagramů v závislosti na použitých metodách: Jestli je systematicky použitý stejný počet (několik) kontrolních vzorků pro skupinu (nebo za den) analýz, pak je na místě zvažovat průměrný kontrolní vzorek a regulovat tento průměr pomocí regulačního diagramu pro průměr Jestli je použitý jenom jeden kontrolní vzorek (nebo několik, ale počet se mění od série k sérii, nebo ze dne na den), pak je na místě zvažovat každý kontrolní vzorek samostatně. V tomto případě by měl být použitý regulační diagram individuálních hodnot Rutinní vzorek Kontrolní vzorek Kontrola na základě průměru Individuální kontrola

Regulační diagramy individuálních hodnot Regulačné diagramy individuálních hodnot získáme zakreslením hodnot kontrolních vzorků (QC) v pořadí, v jakém jsou analyzovány Číslo 1 2 3 4 N QC hodnota 10 13 9 9 centrální čára 1 2 3 4 RD individuálních hodnot

Meze diagramu Vzhledem k množství shromážděných údajů by měl být pro stanovení mezí aplikován zvláštní přístup Pokud jsme získali malý počet údajů ( tj méně než 50 bodů ), pak můžeme říci, že skutečná hodnota parametrů ( průměr, směrodatná odchylka ) je neznámá, a vzhledem k dané situaci by měla být stanovena tolerance ; korekce jsou vytvářeny pomocí normálního rozdělení a meze by měly být převzaty z Tabulky neznámých parametrů Když máme dostatečné množství údajů, abychom mohli s jistotou říci, že skutečná hodnota parametru je známa ( tj více než 50 bodů ), pak by měly být meze převzaty z Tabulky známých parametrů založené na normálním rozdělení

Meze X-R diagramů neznámé parametry RD individuálních hodnot známé parametry neznámé parametry RD pro klouzavý rozsah známé parametry X+2.66 R X+1.77 R m+3s m+2s 3.27 R 3.69 s X centrální mez m 2.51 R 2.83 s X-1.77 R X-2.66 R m-2s m-3s R centrální mez 1.13 s X = průměr bodů m = skutečný průměr s = skutečná směrodatná odchylka R = průměrná hodnota klouzavého rozsahu bodů POZNÁMKA: Směrodatná odchylka může být stanovena z rozsahu: s = R / d2

Pravidla hodnocení (Xm&X diagramy) V procesu hodnocení je vhodné rozdělit regulační diagram na 3 zóny: centrální zóna od -1s do +1s výstražná zóna od -1s do -2s a od +1s do +2s regulační zóna od -2s do -3s a od +2s do +3s centrální čára Regulační diagram Pravidla pro hodnocení popsána na nasledujících stránkách jsou založena na normálním rozdělení a byla převzata z literatury

Pravidla hodnocení (Xm&X diagramy) 1 bod mimo regulační zónu 6 po sobě nasledujících bodů stoupá nebo klesá => trend 2 ze 3 po sobě následujících bodů v regulační zóně 9 po sobě nasledujících bodů na jedné straně regulační čáry => posun v průměrné nebo střední hodnotě

14 po sobě následujících bodů střídavě stoupá nebo klesá 15 po sobě následujících bodů v centrální zóně => cyklický jev nebo přechodné série => zlepšení přesnosti = menší směrodatná odchýlka 4 z 5 po sobě následujících bodů ve výstražné zóně nebo mimo ní 8 po sobě následujících bodů nad nebo pod centrální zónou => 2 různé základní soubory