TRADYCYJNE TECHNIKI DOSKONALENIA JAKOŚCI
|
|
- Barbara Wolska
- 8 lat temu
- Przeglądów:
Transkrypt
1 1 TRADYCYJNE TECHNIKI DOSKONALENIA JAKOŚCI 1. Stratyfikacja (formularz zbierania danych) 2. Arkusz sprawdzający (arkusz kontrolny) Arkusz sprawdzający Wydział...WS3...ymbol wyrobu...kra Data: zmiana Symbol kontrolera...kj3... Rodzaj wady Zliczenia Razem Jama IIIII IIIII I 11 skurczowa Niedolew III 3 Pęcherze IIIII IIIII IIIII IIIII 22 II Przypalenie IIIII IIIII IIIII 15 Złuszczenie IIIII I 6 SUMA Analiza Pareto- Lorenza 4. Diagram Ishikawy (przyczynowo-skutkowy) % Czło Mas Meto % tys. zł % 70% 60% 50% 40% 30% 20% % strat Mat Zarzą Środo PROBLEM (SK 50 10% nr maszyny 0% Straty (tys. zł) wartości skumulowane udział procentowy strat 5. Wykres rozrzutu (korelacji, rozproszenia) 5. Histogram Przykład histogramu y i x i Częstotliwość danych Wartości danych 7. Karta kontrolna 8. Diagram przebiegu procesu A B C C B A UCL CL LCL
2 2 STRATYFIKACJA Stratyfikacja jest techniką polegającą na zbieraniu danych dotyczących przedmiotu dostawy, produkcji lub przebiegu procesu na specjalnie przygotowanych formularzach w celu ich dalszego przetwarzania (np. analizy procesu, poszukiwania przyczyn problemów). Zastosowanie techniki pozwala na łatwiejszą identyfikację źródła i przyczyn ewentualnych błędów. W procesie produkcyjnym zbierane informacje w formularzach mogą obejmować np.: nr wydziału, nr partii, symbol materiału, symbol dostawcy, nr pracownika, nr kontrolera, temperatura powietrza, czasie obróbki itp. W procesie zaopatrzenia zbierane informacje w formularzach mogą dotyczyć, np.: symbol dostawcy, numeru partii, daty przesyłki, sposobu kontroli, warunków środowiska (temperatura, wilgotność), rodzaj transportu, itp. Przykład arkusza zbierania informacji na potrzeby stratyfikacji ARKUSZ PRZYJĘCIA MATERIAŁU Data... Nr partii... Symbol materiału... Symbol dostawcy... Środek transportu... Sposób kontroli... Warunki środowiska : temperatura... wilgotność... W sytuacji, gdy zaistnieje problem, np. pojawią się uszkodzenia materiałów, można wykorzystując informacje z formularzy, dokonać rozwarstwienia informacji (stratyfikacji) i wskazać główne źródło problemu. ARKUSZ SPRAWDZAJĄCY (ARKUSZ KONTROLNY) Celem arkuszy kontrolnych (sprawdzających) jest wspomaganie pracowników w zapewnieniu jakości w czasie wykonywania działań kontrolnych (sprawdzających). Wyróżniamy zasadniczo trzy typy arkuszy kontrolnych: - arkusz sprawdzający, - arkusz pytań kontrolnych, - graficzny arkusz sprawdzający.
3 3 Tabela. Przykład arkusza sprawdzającego Arkusz sprawdzający Wydział...WS3...Symbol wyrobu...kra Data: zmiana Symbol kontrolera...kj3... Rodzaj wady Zliczenia Razem Jama skurczowa IIIII IIIII I 11 Niedolew III 3 Pęcherze IIIII IIIII IIIII IIIII II 22 Przypalenie IIIII IIIII IIIII 15 Złuszczenie IIIII I 6 Graficzny arkusz sprawdzający SUMA 57 Tabela. Przykład arkusza w postaci listy pytań kontrolnych Przygotowanie samochodu na wakacje 1. Sprawdź części ważne ze względów bezpieczeństwa Światło (r ) Głębokość bieżnika opon ( ) Zderzaki ( ) Układ kierowniczy ( ) Hamulce ( ) 2. Wyczyść samochód Wnętrze ( ) Szyba przednia ( ) Światła ( ) 3. Sprawdź, uzupełnij Płyn hamulcowy ( ) Woda w akumulatorze ( ) Płyn chłodzący ( ) Płyn do wycieraczek ( ) Zabezpieczenie przed mrozem ( ) Paliwo ( ) Ciśnienie w oponach ( ) Mapy ( ) Kasety muzyczne ( ) Źródło: Dahlgaard J.J., Kristensen K., Kanji G.K., Podstawy zarządzania jakością, Wydawnictwo Naukowe PWN, Warszawa 2000.
4 4 ANALIZA PARETO LORENZA Jest to technika stosowana do identyfikacji i hierarchizacji problemów do rozwiązania. Procedura: Mamy problemy jakościowe wyrażone ilościowo (np. ilość błędów powstałej na każdej maszynie, koszt błędów wytworzonych przez poszczególnych pracowników, koszty błędów powstałych w różnych fazach przepływu materiałowego). Krok 1. Uporządkowanie wartości problemów pod względem ważności Krok 2. Wyliczenie procentowych wartości problemów Krok 3. Wyliczenie wartości skumulowanych badanych problemów Krok 4. Wyliczenie wartości procentowych z wartości skumulowanych Krok 5. Sporządzenie wykresu słupkowego przedstawiającego na osi poziomej uporządkowane problemy jakościowe, na osi pionowej wartości problemów (np. w zł, szt, godz.). Krok 6. Na wykresie naniesienie z prawej strony dodatkowej osi przedstawiającej wartości skumulowane problemów (0%-100%) oraz naniesienie punktów przedstawiających te wartości skumulowane wartości nad każdym z problemów i połączenie ich w jedną krzywą. Istniejące odmiany analizy Pareto: Zasada 20: 80-20% przyczyn powoduje 80% skutków Zasada ABC : grupa A - 20% przyczyn powoduje 80% skutków, grupa B - 30% przyczyn powoduje 15% skutków, grupa C 50% przyczyn powoduje 5% skutków. Przykład W pewnym wydziale produkcyjnym zbadano wielkość strat powstałych w czasie rocznej produkcji w odniesieniu do poszczególnych maszyn. Kształtowały się one następująco: Numer Straty Numer maszyny [tys. Zł] maszyny Straty Stosując metodę Pareto Lorenza zbadać problem powstawania strat na tym wydziale i zinterpretować wyniki.
5 5 Rozwiązanie Kroki 1-4 procedury analizy Pareto najlepiej wykonać posługując się tabelą pomocniczą: Numer maszyny Straty (tys. zł) Numer maszyny Uporządkowanie strat Udział % strat Kumulacja strat % skumulowanych strat Krok 1 Krok 2 Krok 3 Krok , , , , , , , , , , , , , , , , , , , ,0 Sporządzanie wykresu Pareto-Lorenza - faza ,0% tys. zł nr maszyny Straty (tys. zł) Wykres Pareto-Lorenza faza 2.
6 6 tys. zł nr maszyny Straty (tys. zł) wartości skumulowane Wykres Pareto-Lorenza faza 3 tys. zł nr maszyny 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% % strat Straty (tys. zł) wartości skumulowane udział procentowy strat Metoda 20:80 Zgodnie z tą metodą w prezentowanym przykładzie możemy podzielić maszyny na 2 grupy: Pierwsza obejmuje maszyny nr 1, nr 10 i nr 8, które stanowią 30% ogółu maszyn i przynoszą ok.80% strat jakościowych. Do drugiej grupy weszłyby pozostałe maszyny, które stanowią 70% ogółu maszyn i przynoszą tylko 20% strat jakościowych.
7 7 Metoda ABC W prezentowanym przykładzie grupy ABC będą wyglądać następująco Grupa A - maszyny nr 1, nr 10 i nr 8. Stanowią one 30 % ogółu maszyn przynoszących ok. 80% błędów jakościowych. Grupa B - maszyny nr 3 i nr 9. Stanowią one 20% ogółu maszyn przynoszących ok. 5% błędów jakościowych. Grupa C - pozostałe maszyny. Stanowią one aż 50% ogółu maszyn i przynoszą tylko ok. 5% błędów jakościowych. W wyjątkowych przypadkach podział może być przeprowadzony na większą liczbę grup, np. na 5 grup: ABCDE. DIAGRAM ISHIKAWY Diagram przyczynowo skutkowy, Wykres przyczynowo-skutkowy, Diagram rybiej ości, Diagram ryby Diagram Ishikawy stosowany jest w celu ustalenia przyczyn pojawiających się problemów jakościowych w przedsiębiorstwie. Sporządzenie Diagramu Ishikawy wymaga pracy grupowej. PROCEDURA Krok 1: Narysuj długą, poziomą strzałkę na środku kartki, skierowaną do prawej strony. Krok 2: Określ problem w formie zdania oznajmującego i zapisz go na kartce przy grocie strzałki. Krok 3: Określ główne grupy przyczyn problemu. Poprowadź do strzałki głównej strzałki pomocnicze. Na końcach każdej z nich zapisz jedną z głównych przyczyn. Krok 4: Przeanalizuj każdą grupę przyczyn i sformułuj przyczyny szczegółowe mieszczące się w każdej grupie. Poprowadź strzałki do strzałki pomocniczej. Na końcach każdej z nich zapisz jedną z przyczyn szczegółowych (podprzyczynę). Krok 5: Przeanalizuj każdą grupę pod przyczyn i sformułuj przyczyny szczegółowe mieszczące się w każdej grupie. Następne kroki: Przeprowadź analizę przyczyn zgodnie z krokiem 5 procedury aż do momentu, który przyjmiesz przyczyny za wystarczająco szczegółowe. Przyczyna 1 Ppdprzyczyna 11 Ppdprzyczyna 12 Przyczyna 2 Ppdprzy czyna 13 Przyczyna 3 PROBLEM (SKUTEK) Przyczyna 4 Przyczyna n
8 8 Określenie głównych grup przyczyn problemu Zasada 6M Man Mashin Method Material Management Milne - Człowiek - Maszyna - Metoda - Materiał - Zarządzanie - Środowisko Człowiek Maszyna Metoda PROBLEM (SKUTEK) Materiał Zarządzanie Środowisko Ujęcie procesowe Proces 1 Proces 2 Proces 3 PROBLEM (SKUTEK) Proces 4... Proces N
9 9 DIAGRAM ROZPROSZENIA (Wykres rozproszenia, Diagram korelacji) Służy do prostej analizy korelacji pomiędzy dwoma seriami danych: i. Diagram pozwala na 1. wykrycie związku przyczynowo-skutkowego pomiędzy dwoma mierzalnymi cechami (korelacja pozytywna, negatywna lub jej brak). 2. wykrycie par danych, które odbiegają od korelacji wykazywanej przez większość pozostałych par. Procedura 3. Zestawić parami dane (x,y) z dwóch badanych zbiorów danych (wskazane, aby mieć ok. 30 par danych). 4. Oznaczyć osie x i y. 5. Znaleźć wartość minimalną i maksymalną dla x i y oraz wykorzystać je do wyskalowania osi poziomej (x) i pionowej (y). Zaleca się aby obie miały równą długość. 6. Nanieść dane parami (x,y). Kiedy dwie pary danych mają te same wartości, narysować współśrodkowe koła względem naniesionego punktu albo nanieść obok drugi punkt. 7. Zbadać kształt chmury punktów w celu wykrycia rodzaju i siły wzajemnej relacji. Typy zależności Zależność pozytywna Zależność negatywna y i y i x i x i Brak zależności Zależność pozorna y i y i x i x i
10 10 HISTOGRAM Histogram służy do wizualnej prezentacji rozmieszczenia bądź zróżnicowania danych. Histogramy przedstawiane są w postaci prostokątnych słupków, odpowiadających poszczególnym grupom danych. Histogramy są pomocne przy wstępnej analizie danych, ponieważ umożliwiają opracowanie modelu rozkładu dla jakiejkolwiek zmiennej. Procedura tworzenia histogramu Krok 1. Zbierz dane do wykresu (co najmniej 30 jednostek) i policz całkowitą liczbę jednostek danych. Krok 2. Określ rozpiętość danych do wykresu poprzez odjęcie najmniejszej wartości od największej. Krok 3.Okreśł liczby słupków poprzez wyciągnięcie pierwiastka kwadratowego liczby jednostek danych (z praktycznego punktu widzenia najlepiej, aby wynosiła ona od 6 do 12 słupków). Krok 4. Określ wielkość każdego z przedziału poprzez podzielenie ogólnej rozpiętości danych określonej w kroku 3, poprzez liczbę słupków. Krok 5. Określ punkt środkowy poprzez odjęcie połowy wartości jednostki miary od najmniejszej danej. Krok 6. Określ częstotliwość danych w każdym przedziale Krok 7. Zaznacz poszczególne przedziały na osi poziomej wykresu. Krok 8. Zaznacz częstości występowania na osi pionowej wykresu Krok 9. Zaznacz na wykresie wysokość każdego ze słupków. Wszystkie słupki powinny mieć jednakową szerokość, powinny do siebie przylegać. Częstotliwość a1 a2 a3 a4 a5 a6 a7 a8 Średni pomiar Karta kontrolna Karta kontrolna jest to narzędzie doskonalenia jakości stosowane w celu: diagnozy i oceny stabilności procesu, określenia, kiedy proces wymaga regulacji, a kiedy należy zostawić go bez zmian, potwierdzenia udoskonalenia procesu. Rodzaje zakłóceń w procesie: zakłócenia specjalne zakłócenia losowe. Budowa kart kontrolnych jest oparta na statystyce matematycznej. W kartach kontrolnych wykorzystywane są dane robocze w celu ustalenia granic, w których, zgodnie z oczekiwaniami, znajdują się wyniki przyszłych obserwacji, o ile na proces nie wpłyną wyznaczalne lub specjalne przyczyny.
11 11 Procedura sporządzania karty kontrolnej 1.Wybrać cechy, które mają być badane przy użyciu karty kontrolnej. 2.Wybrać właściwy rodzaj karty kontrolnej. 3.Zdecydować o podgrupie (mały zbiór elementów, wewnątrz której zakłada się, że zmienne występują wyłącznie przypadkowo), jej liczności i częstości pobierania próbek. 4.Zebrać i zapisać dane przynajmniej dla podgrup lub skorzystać z uprzednio zapisanych danych. 5.Obliczyć statystyki, które charakteryzują każdą wybraną podgrupę. 6.Obliczyć granice kontrolne w oparciu o statystyki z wybranych podgrup. 7.Zbudować kartę i nanieść statystyki danej podgrupy. 8.Zbadać statystyki dla punktów znajdujących się poza granicami kontrolnymi i dla wzorów wskazujących na występowanie możliwych do wyznaczenia (specjalnych) przyczyn. 9.Zdecydować o przyszłym działaniu. Budowa karty kontrolnej Średnia wartość z pomiarów UCL CL (X Śr ) LCL Kolejne pomiary (czas) Najważniejszymi liniami na wykresie są: Linia centralna (CL ang. Control Limit) przedstawia wartość średnią ze wszystkich umieszczonych na karcie kontrolnej pomiarów, Górna granica kontrolna (UCL- ang. Upper Control Limit)- linia wyznaczająca górne wartości obserwowanych charakterystyk dla ustabilizowanego i poprawnie przebiegającego procesu. Dolna granica kontrolna (LCL- ang. Lower Control Limit) - linia wyznaczająca dolne wartości obserwowanych charakterystyk dla ustabilizowanego i poprawnie przebiegającego procesu.
12 12 DIAGRAM PRZEBIEGU PROCESU Proces (wg normy PN- EN ISO 9000:2001)- zbiór działań wzajemnie powiązanych lub wzajemnie oddziałujących, które przekształcają wejścia w wyjścia Struktura procesu: proces podproces czynności zadania (6-8 zadań na czynność) Procedura diagramu przebiegu procesu (wg PN-ISO AC1:1996) 1. Określić początek i koniec procesu. 2. Dokonać obserwacji całego procesu, od początku do końca. 3. Określić fazy w procesie (działanie, decyzje, dane wejściowe, dane wyjściowe). 4. Zbudować projekt karty przebiegu procesu w celu prezentacji procesu. 5. Dokonać przeglądu projektu karty procesu z ludźmi, których proces ten dotyczy. 6. Poprawić kartę przebiegu na podstawie tego przeglądu. 7. Zweryfikować kartę przebiegu względem rzeczywistego procesu. 8. Oznaczyć kartę przebiegu dla przyszłego odniesienia i wykorzystania. Symbole stosowane w diagramie przebiegu procesu początek, koniec procesu Początek Otrzymanie dokumentu opis działania (czynności, operacji) problem decyzyjny Wprowadzenie liczby kopii kierunek przebiegu działania symbol przeniesienia diagramu Rozpoczęcie kopiowania Naprawa usterki nie Maszyna OK? tak Ponowne rozpoczęcie kopiowania Kopie oprawić? tak Oprawienie dokumentów nie Telefonowanie po odbiór Koniec
13 13 Literatura:: Hamrol A., Mantura W., Zarządzanie jakością. Teoria i praktyka, PWN, Poznań 1999 Hamrol A., Zarządzanie jakości a z przykładami. PWN, Warszawa 2006, 2008 Bagiński J., Zarządzanie jakością totalną (TQM), Bellona, Warszawa 1993 Jazon A., Doskonalenie zarządzania jakością, Bydgoszcz 2002 Łańcucki J., Podstawy kompleksowego zarządzania jakością TQM, Poznań Dahlgaard, K. Kristesen J.J, Kanji, G., Podstawy zarządzania jakością, PWN, Warszawa 2001 Wawak S., Zarządzanie jakością. Teoria i praktyka, Wyd. Helion 2002.
ZARZĄDZANIE JAKOŚCIĄ ĆWICZENIA
ZARZĄDZANIE JAKOŚCIĄ ĆWICZENIA mgr Arkadiusz Przybylski Warszawa 2015 Diagram Ishikawy (Diagram przyczynowo skutkowy, Wykres przyczynowo skutkowy, Diagram rybiej ości, Diagram ryby) Cel: wysuwanie hipotez
Bardziej szczegółowoTRADYCYJNE NARZĘDZIA ZARZĄDZANIA JAKOŚCIĄ
TRADYCYJNE NARZĘDZIA ZARZĄDZANIA JAKOŚCIĄ Ewa Matuszak Paulina Kozłowska Aleksandra Lorek CZYM SĄ NARZĘDZIA ZARZĄDZANIA JAKOŚCIĄ? Narzędzia zarządzania jakością to instrumenty pozwalające zbierać i przetwarzać
Bardziej szczegółowoNARZĘDZIA KOMPLEKSOWEGO ZARZĄDZANIA JAKOŚCIĄ
NARZĘDZIA KOMPLEKSOWEGO ZARZĄDZANIA JAKOŚCIĄ Małgorzata Jakubowska Przedmiot: Analityka i kontrola jakości Instrumenty zarządzania jakością Zasady zarządzania jakością - określają stosunek przedsiębiorstwa
Bardziej szczegółowoZarządzanie jakością ćwiczenia
Zarządzanie jakością ćwiczenia mgr inż. Anna Wąsińska Zakład Zarządzania Jakością pok. 311 B1, tel. 320-42-82 anna.wasinska@pwr.wroc.pl Statystyczne sterowanie procesami SPC kontrolna Konsultacje: SO 13:00
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 3 Temat: Zbieranie danych za pomocą arkusza kontrolnego
Bardziej szczegółowoZarządzanie jakością ćwiczenia
Zarządzanie jakością ćwiczenia mgr inż. Anna Wąsińska Zakład Zarządzania Jakością pok. 311 B1, tel. 320-42-82 anna.wasinska@pwr.wroc.pl Konsultacje: SO 13:00 14:00 SO 18:00 19:00 Cel zajęć i opis zawartości
Bardziej szczegółowoStatystyka i analiza danych pomiarowych Podstawowe pojęcia statystyki cz. 2. Tadeusz M. Molenda Instytut Fizyki, Uniwersytet Szczeciński
Statystyka i analiza danych pomiarowych Podstawowe pojęcia statystyki cz. 2. Tadeusz M. Molenda Instytut Fizyki, Uniwersytet Szczeciński Opracowanie materiału statystycznego Szereg rozdzielczy częstości
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 9 Temat: Karty kontrolne przy alternatywnej ocenie właściwości.
Bardziej szczegółowoNowe narzędzia zarządzania jakością
Nowe narzędzia zarządzania jakością Agnieszka Michalak 106947 Piotr Michalak 106928 Filip Najdek 106946 Co to jest? Nowe narzędzia jakości - grupa siedmiu nowych narzędzi zarządzania jakością, które mają
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 6 Temat: Ustalenie gradacji istotności przyczyn uszkodzeń
Bardziej szczegółowoStatystyczne sterowanie procesem
Statystyczne sterowanie procesem SPC (ang. Statistical Process Control) Trzy filary SPC: 1. sporządzenie dokładnego diagramu procesu produkcji; 2. pobieranie losowych próbek (w regularnych odstępach czasu
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Inżynierii Jakości KWIWiJ, II-go st. Ćwiczenie nr 2 Temat: Ustalenie gradacji istotności przyczyn
Bardziej szczegółowoSterowanie procesem i jego zdolność. Zbigniew Wiśniewski
Sterowanie procesem i jego zdolność Zbigniew Wiśniewski Wybór cech do kart kontrolnych Zaleca się aby w pierwszej kolejności były brane pod uwagę cechy dotyczące funkcjonowania wyrobu lub świadczenia usługi
Bardziej szczegółowo3.14. Histogram (Histogram)
3. Linie kontrolne powinny być kalkulowane na nowo tylko w przypadku znaczących zmian w procesie. 4. Skala wykresu powinna zawierać wartości nieco wyższe niż granice kontrolne. 5. Karty kontrolne spełniają
Bardziej szczegółowo5.2. PODEJMOWANIE DECYZJI - DIAGRAM ISHIKAWY WYKRES OŚCI RYBY (ang. fishbone diagram) WYKRES PRZYCZYNA-SKUTEK (ang. cause-effect diagram)
5.2. PODEJMOWANIE DECYZJI - DIAGRAM ISHIKAWY WYKRES OŚCI RYBY (ang. fishbone diagram) WYKRES PRZYCZYNA-SKUTEK (ang. cause-effect diagram) Diagram Ishikawy to narzędzie, które służy do identyfikacji i prezentacji
Bardziej szczegółowoI jest narzędziem służącym do porównywania rozproszenia dwóch zmiennych. Używamy go tylko, gdy pomiędzy zmiennymi istnieje logiczny związek
ZADANIA statystyka opisowa i CTG 1. Dokonano pomiaru stężenia jonów azotanowych w wodzie μg/ml 1 0.51 0.51 0.51 0.50 0.51 0.49 0.52 0.53 0.50 0.47 0.51 0.52 0.53 0.48 0.59 0.50 0.52 0.49 0.49 0.50 0.49
Bardziej szczegółowoWYKRESY SPORZĄDZANE W UKŁADZIE WSPÓŁRZĘDNYCH:
WYKRESY SPORZĄDZANE W UKŁADZIE WSPÓŁRZĘDNYCH: Zasada podstawowa: Wykorzystujemy możliwie najmniej skomplikowaną formę wykresu, jeżeli to możliwe unikamy wykresów 3D (zaciemnianie treści), uwaga na kolory
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Inżynierii Jakości Ćwiczenie nr 10 Temat: Karta kontrolna pojedynczych obserwacji i ruchomego
Bardziej szczegółowoStatystyka opisowa. Wykład I. Elementy statystyki opisowej
Statystyka opisowa. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Elementy statystyku opisowej 1 Elementy statystyku opisowej 2 3 Elementy statystyku opisowej Definicja Statystyka jest to nauka o
Bardziej szczegółowoKRZYWA CZĘSTOŚCI, CZĘSTOLIWOŚCI I SUM CZASÓW TRWANIA STANÓW
KRZYWA CZĘSTOŚCI, CZĘSTOLIWOŚCI I SUM CZASÓW TRWANIA STANÓW Wykres codziennych stanów CZĘSTOŚĆ lub LICZEBNOŚĆ KLASOWA ZBARZEŃ (n), jest to liczba zdarzeń przypadających na dany przedział klasowy badanego
Bardziej szczegółowoSTATYSTYCZNE STEROWANIE PROCESAMI
STATYSTYCZNE STEROWANIE PROCESAMI ARTUR MACIASZCZYK COPYRIGHTS 2002 Artur Maciaszczyk, tel. 0602 375 325 amacia@zie.pg.gda.pl 1! STATYSTYCZNE MONITOROWANIE JAKOŚCI Bogu ufamy. Wszyscy pozostali niech przedstawią
Bardziej szczegółowoPodstawowe techniki doskonalenia jakości
Techniki doskonalenia jakości Tomasz Greber Podstawowe techniki doskonalenia jakości Klasyczne techniki doskonalenia jakości Arkusz zbierania danych Stratyfikacja Diagram Ishikawy Analiza Pareto Diagram
Bardziej szczegółowoPodstawowe definicje statystyczne
Podstawowe definicje statystyczne 1. Definicje podstawowych wskaźników statystycznych Do opisu wyników surowych (w punktach, w skali procentowej) stosuje się następujące wskaźniki statystyczne: wynik minimalny
Bardziej szczegółowoWykład Prezentacja materiału statystycznego. 2. Rodzaje szeregów statystycznych.
Wykład 2. 1. Prezentacja materiału statystycznego. 2. Rodzaje szeregów statystycznych. 3. Wykresy: histogram, diagram i ogiwa. Prezentacja materiału statystycznego Przy badaniu struktury zbiorowości punktem
Bardziej szczegółowoSystemy zarządzania jakością Kod przedmiotu
Systemy zarządzania jakością - opis przedmiotu Informacje ogólne Nazwa przedmiotu Systemy zarządzania jakością Kod przedmiotu 06.1-WM-MiBM-MTR-D-12_15 Wydział Kierunek Wydział Mechaniczny Mechanika i budowa
Bardziej szczegółowoPrzedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07. Przedmiot statystyki
Przedmiot statystyki. Graficzne przedstawienie danych. Wykład-26.02.07 Statystyka dzieli się na trzy części: Przedmiot statystyki -zbieranie danych; -opracowanie i kondensacja danych (analiza danych);
Bardziej szczegółowoSystemowe zarządzanie jakością : koncepcja systemu, ocena systemu, wspomaganie decyzji / Piotr Miller. Warszawa, Spis treści
Systemowe zarządzanie jakością : koncepcja systemu, ocena systemu, wspomaganie decyzji / Piotr Miller. Warszawa, 2011 Spis treści Szanowny Czytelniku 11 I. SYSTEMOWE I PROCESOWE PODEJŚCIE DO ZARZĄDZANIA
Bardziej szczegółowoJakość wyrobów i usług. Tomasz Poskrobko
Jakość wyrobów i usług Tomasz Poskrobko Jakość??????????????? Jakość Wszystkie definicje jakości można przydzielić do jednej z dwóch interpretacji: wartościującej (oceniającej, preferencyjnej), niewartościującej
Bardziej szczegółowoSposoby prezentacji problemów w statystyce
S t r o n a 1 Dr Anna Rybak Instytut Informatyki Uniwersytet w Białymstoku Sposoby prezentacji problemów w statystyce Wprowadzenie W artykule zostaną zaprezentowane podstawowe zagadnienia z zakresu statystyki
Bardziej szczegółowoYou created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)
Prezentacja materiału statystycznego Szeroko rozumiane modelowanie i prognozowanie jest zwykle kluczowym celem analizy danych. Aby zbudować model wyjaśniający relacje pomiędzy różnymi aspektami rozważanego
Bardziej szczegółowoPrzedmiot statystyki. Graficzne przedstawienie danych.
Przedmiot statystyki. Graficzne przedstawienie danych. dr Mariusz Grządziel 23 lutego 2009 Przedmiot statystyki Statystyka dzieli się na trzy części: -zbieranie danych; -opracowanie i kondensacja danych
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr Temat: Karty kontrolne przy alternatywnej ocenie właściwości.
Bardziej szczegółowoROZKŁAD NORMALNY. 2. Opis układu pomiarowego
ROZKŁAD NORMALNY 1. Opis teoretyczny do ćwiczenia zamieszczony jest na stronie www.wtc.wat.edu.pl w dziale DYDAKTYKA FIZYKA ĆWICZENIA LABORATORYJNE (Wstęp do teorii pomiarów). 2. Opis układu pomiarowego
Bardziej szczegółowoZarządzanie procesami
Metody pomiaru stosowane w organizacjach Zarządzanie procesami Zakres Rodzaje pomiaru metod pomiaru Klasyczne metody pomiaru organizacji Pomiar całej organizacji Tradycyjny rachunek kosztów (np. ROI) Rachunek
Bardziej szczegółowoLABORATORIUM PODSTAW TELEKOMUNIKACJI
WOJSKOWA AKADEMIA TECHNICZNA im. Jarosława Dąbrowskiego w Warszawie Wydział Elektroniki LABORATORIUM PODSTAW TELEKOMUNIKACJI Grupa Podgrupa Data wykonania ćwiczenia Ćwiczenie prowadził... Skład podgrupy:
Bardziej szczegółowo3. Narzędzia zarządzania jakością
Zarządzanie jakością w praktyce inżynierskiej 3. Narzędzia zarządzania jakością 3.1. Schematy blokowe Proces wytwarzania stanowi uporządkowany zestaw celowych działań wykonywanych w toku produkcji począwszy
Bardziej szczegółowoĆ w i c z e n i e 3 : W i z u a l i z a c j a d a n y c h - w y k r e s y S t r o n a 1
Ć w i c z e n i e 3 : W i z u a l i z a c j a d a n y c h - w y k r e s y S t r o n a 1 Zadanie 1. Tworzenie wykresów zmiennych jakościowych wyrażonych w skali nominalnej i porządkowej. Utworzyć wykres
Bardziej szczegółowoSystemowe zarządzanie jakością. Koncepcja systemu, ocena systemu, wspomaganie decyzji. Piotr Miller
Systemowe zarządzanie jakością. Koncepcja systemu, ocena systemu, wspomaganie decyzji. Piotr Miller Podejmowanie decyzji na podstawie faktów to jedna z ośmiu zasad zarządzania jakością wymienionych w normie
Bardziej szczegółowoZarządzanie i inżynieria jakości / Adam Hamrol. Warszawa, Spis treści
Zarządzanie i inżynieria jakości / Adam Hamrol. Warszawa, 2017 Spis treści Wprowadzenie 11 1. O inżynierii jakości i zarządzaniu jakością 11 2. Zakres i układ książki 14 3. Komentarz terminologiczny 17
Bardziej szczegółowo( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:
ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość
Bardziej szczegółowoSposoby opisu i modelowania zakłóceń kanałowych
INSTYTUT TELEKOMUNIKACJI ZAKŁAD RADIOKOMUNIKACJI Instrukcja laboratoryjna z przedmiotu Podstawy Telekomunikacji Sposoby opisu i modelowania zakłóceń kanałowych Warszawa 2010r. 1. Cel ćwiczeń: Celem ćwiczeń
Bardziej szczegółowoMETO T D O Y O C O ENY J A J KOŚ O CI
Wykład 8. METODY OCENY JAKOŚCI I NARZĘDZIA JEJ KSZTAŁTOWANIA 1 1. Pomiar i ocena jakości: Pomiaru i oceny jakości dokonujemy na podstawie zbioru cech (mierzalnych i niemierzalnych). Działania w procesie
Bardziej szczegółowoPo co w ogóle prognozujemy?
Po co w ogóle prognozujemy? Pojęcie prognozy: racjonalne, naukowe przewidywanie przyszłych zdarzeń stwierdzenie odnoszącym się do określonej przyszłości formułowanym z wykorzystaniem metod naukowym, weryfikowalnym
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Inżynierii Jakości KWIWiJ, II-go st. Ćwiczenie nr 3 Temat: Badanie stabilności i zdolności procesu
Bardziej szczegółowoZarządzanie jakością. cią. Zarządzanie jakością - wykład 5. W. Prussak Kontrola w zarządzaniu jakością
Jakość produktu Pojęcie i zasady zarządzania System zarządzania Planowanie Metody i narzędzia projakościowe Doskonalenie Zarządzanie. jakości cią Wykład 05/07 Statystyczna kontrola procesu (SPC) 5.1 inspekcyjna
Bardziej szczegółowoWykład ze statystyki. Maciej Wolny
Wykład ze statystyki Maciej Wolny T1: Zajęcia organizacyjne Agenda 1. Program wykładu 2. Cel zajęć 3. Nabyte umiejętności 4. Literatura 5. Warunki zaliczenia Program wykładu T1: Zajęcia organizacyjne T2:
Bardziej szczegółowo18. Obliczyć. 9. Obliczyć iloczyn macierzy i. 10. Transponować macierz. 11. Transponować macierz. A następnie podać wymiar powstałej macierzy.
1 Czy iloczyn macierzy, które nie są kwadratowe może być macierzą kwadratową? Podaj przykład 2 Czy każde dwie macierze jednostkowe są równe? Podaj przykład 3 Czy mnożenie macierzy przez macierz jednostkową
Bardziej szczegółowoFMEA. Tomasz Greber tomasz@greber.com.pl. Opracował: Tomasz Greber (www.greber.com.pl)
FMEA Tomasz Greber tomasz@greber.com.pl FMEA MYŚLEĆ ZAMIAST PŁACIĆ Dlaczego FMEA? Konkurencja Przepisy Normy (ISO 9000, TS 16949 ) Wymagania klientów Powstawanie i wykrywanie wad % 75% powstawania wad
Bardziej szczegółowoSTATYSTYKA EKONOMICZNA
STATYSTYKA EKONOMICZNA Analiza statystyczna w ocenie działalności przedsiębiorstwa Opracowano na podstawie : E. Nowak, Metody statystyczne w analizie działalności przedsiębiorstwa, PWN, Warszawa 2001 Dr
Bardziej szczegółowoSTATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE
STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss
Bardziej szczegółowoStatystyka Matematyczna Anna Janicka
Statystyka Matematyczna Anna Janicka wykład I, 22.02.2016 STATYSTYKA OPISOWA, cz. I Kwestie techniczne Kontakt: ajanicka@wne.uw.edu.pl Dyżur: strona z materiałami z przedmiotu: wne.uw.edu.pl/azylicz akson.sgh.waw.pl/~aborata
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 5 Temat: Badanie właściwości procesu wytwórczego przez
Bardziej szczegółowo4) zmienność procesu w czasie wymaga od zespołu jednoczesnego monitorowania dokładności
6. Jeśli dąży się do porównania dwóch wykresów należy pamiętać, aby ich skale były sobie równe. Jeśli jest to niemożliwe ze względu na porównanie wartości bezwzględnych (np. 15 szt. i 150 szt.), trzeba
Bardziej szczegółowoCzęsto spotykany jest również asymetryczny rozkład gamma (Г), opisany za pomocą parametru skali θ i parametru kształtu k:
Statystyczne opracowanie danych pomiarowych W praktyce pomiarowej często spotykamy się z pomiarami wielokrotnymi, gdy podczas pomiaru błędy pomiarowe (szumy miernika, czynniki zewnętrzne) są na tyle duże,
Bardziej szczegółowoWizualizacja danych przestrzennych. dr Marta Kuc-Czarnecka
Wizualizacja danych przestrzennych dr Marta Kuc-Czarnecka Wprowadzenie Oprócz klasycznych, uniwersalnych sposobów wizualizacji danych w postaci np. różnego typów wykresów kolumnowych, słupkowych, kołowych
Bardziej szczegółowoTesty nieparametryczne
Testy nieparametryczne Testy nieparametryczne możemy stosować, gdy nie są spełnione założenia wymagane dla testów parametrycznych. Stosujemy je również, gdy dane można uporządkować według określonych kryteriów
Bardziej szczegółowoPOJĘCIA WSTĘPNE. STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych.
[1] POJĘCIA WSTĘPNE STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych. BADANIE STATYSTYCZNE - ogół prac mających na celu poznanie struktury określonej
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 4 Temat: Analiza korelacji i regresji dwóch zmiennych
Bardziej szczegółowoW 30 C 30 Rodzaj : Symbol : Semestr : Grupa : Nr w siatce studiów : Data opracowania : 2012
Nr karty: 1/5 KARTA PROGRAMU RAMOWEGO PRZEDMIOTU PW - IOSP Narzędzia i metody jakością Quality Management Methods and Tools 1. Identyfikator przedmiotu: Rodzaj studiów : Studia I-go stopnia (inżynierskie
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 2 Temat: Schemat blokowy (algorytm) procesu selekcji wymiarowej
Bardziej szczegółowo-> Średnia arytmetyczna (5) (4) ->Kwartyl dolny, mediana, kwartyl górny, moda - analogicznie jak
Wzory dla szeregu szczegółowego: Wzory dla szeregu rozdzielczego punktowego: ->Średnia arytmetyczna ważona -> Średnia arytmetyczna (5) ->Średnia harmoniczna (1) ->Średnia harmoniczna (6) (2) ->Średnia
Bardziej szczegółowoFUNKCJA KWADRATOWA. Zad 1 Przedstaw funkcję kwadratową w postaci ogólnej. Postać ogólna funkcji kwadratowej to: y = ax + bx + c;(
Zad Przedstaw funkcję kwadratową w postaci ogólnej Przykład y = ( x ) + 5 (postać kanoniczna) FUNKCJA KWADRATOWA Postać ogólna funkcji kwadratowej to: y = ax + bx + c;( a 0) Aby ją uzyskać pozbywamy się
Bardziej szczegółowoKORELACJE I REGRESJA LINIOWA
KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem
Bardziej szczegółowoWydział Inżynierii Produkcji. I Logistyki. Statystyka opisowa. Wykład 3. Dr inż. Adam Deptuła
12.03.2017 Wydział Inżynierii Produkcji I Logistyki Statystyka opisowa Wykład 3 Dr inż. Adam Deptuła METODY OPISU DANYCH ILOŚCIOWYCH SKALARNYCH Wykresy: diagramy, histogramy, łamane częstości, wykresy
Bardziej szczegółowoRachunek wektorowy - wprowadzenie. dr inż. Romuald Kędzierski
Rachunek wektorowy - wprowadzenie dr inż. Romuald Kędzierski Graficzne przedstawianie wielkości wektorowych Długość wektora jest miarą jego wartości Linia prosta wyznaczająca kierunek działania wektora
Bardziej szczegółowoAnaliza współzależności dwóch cech I
Analiza współzależności dwóch cech I Współzależność dwóch cech W tym rozdziale pokażemy metody stosowane dla potrzeb wykrywania zależności lub współzależności między dwiema cechami. W celu wykrycia tych
Bardziej szczegółowoStatystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych.
Statystyka hydrologiczna i prawdopodobieństwo zjawisk hydrologicznych. Statystyka zajmuje się prawidłowościami zaistniałych zdarzeń. Teoria prawdopodobieństwa dotyczy przewidywania, jak często mogą zajść
Bardziej szczegółowoKatedra Technik Wytwarzania i Automatyzacji STATYSTYCZNA KONTROLA PROCESU
Katedra Technik Wytwarzania i Automatyzacji METROLOGIA I KONTKOLA JAKOŚCI - LABORATORIUM TEMAT: STATYSTYCZNA KONTROLA PROCESU 1. Cel ćwiczenia Zapoznanie studentów z podstawami wdrażania i stosowania metod
Bardziej szczegółowoMETODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA
METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA AMFETAMINY Waldemar S. Krawczyk Centralne Laboratorium Kryminalistyczne Komendy Głównej Policji, Warszawa (praca obroniona na Wydziale Chemii Uniwersytetu
Bardziej szczegółowoMateriał dotyczy generowania różnego typu wykresów w środowisku R.
Materiał dotyczy generowania różnego typu wykresów w środowisku R. Pamiętajmy, że niektóre typy wykresów są dedykowane do pewnych typów danych. Na potrzeby ćwiczeń początkowych załadujemy sobie zbiór danych
Bardziej szczegółowoAnaliza współzależności zjawisk. dr Marta Kuc-Czarnecka
Analiza współzależności zjawisk dr Marta Kuc-Czarnecka Wprowadzenie Prawidłowości statystyczne mają swoje przyczyny, w związku z tym dla poznania całokształtu badanego zjawiska potrzebna jest analiza z
Bardziej szczegółowoKatalog wymagań na poszczególne stopnie szkolne klasa 3
Katalog wymagań na poszczególne stopnie szkolne klasa 3 I. GRANIASTOSŁUPY I OSTROSŁUPY 6 5 4 3 2 Wskazuje wśród wielościanów graniastosłupy proste i pochyłe. Wskazuje na modelu lub rysunku krawędzie, wierzchołki,
Bardziej szczegółowoWykład 5: Statystyki opisowe (część 2)
Wykład 5: Statystyki opisowe (część 2) Wprowadzenie Na poprzednim wykładzie wprowadzone zostały statystyki opisowe nazywane miarami położenia (średnia, mediana, kwartyle, minimum i maksimum, modalna oraz
Bardziej szczegółowoFunkcje systemu qs-stat Przegląd
Funkcje systemu qs-stat Przegląd qs-stat ME Wersja: 7 / marzec 2006 Doku-Nr: E-PD 08 PL Copyright 2006 Q-DAS GmbH & Co. KG Eisleber Str. 2 D - 69469 Weinheim Tel.: ++49/6201/3941-0 Fax: ++49/6201/3941-24
Bardziej szczegółowoExcel zadania sprawdzające 263
Excel zadania sprawdzające 263 Przykładowe zadania do samodzielnego rozwiązania Zadanie 1 Wpisać dane i wykonać odpowiednie obliczenia. Wykorzystać wbudowane funkcje Excela: SUMA oraz ŚREDNIA. Sformatować
Bardziej szczegółowoWYMAGANIA Z MATEMATYKI NA POSZCZEGÓLNE OCENY KLASYFIKACYJNE DLA UCZNIÓW KLAS TRZECICH. Sposoby sprawdzania wiedzy i umiejętności uczniów
WYMAGANIA Z MATEMATYKI NA POSZCZEGÓLNE OCENY KLASYFIKACYJNE DLA UCZNIÓW KLAS TRZECICH Sposoby sprawdzania wiedzy i umiejętności uczniów 1. Odpowiedzi ustne. 2. Sprawdziany pisemne. 3. Kartkówki. 4. Testy.
Bardziej szczegółowoPróba własności i parametry
Próba własności i parametry Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony
Bardziej szczegółowoStatystyka opisowa. Literatura STATYSTYKA OPISOWA. Wprowadzenie. Wprowadzenie. Wprowadzenie. Plan. Tomasz Łukaszewski
Literatura STATYSTYKA OPISOWA A. Aczel, Statystyka w Zarządzaniu, PWN, 2000 A. Obecny, Statystyka opisowa w Excelu dla szkół. Ćwiczenia praktyczne, Helion, 2002. A. Obecny, Statystyka matematyczna w Excelu
Bardziej szczegółowoPOLITECHNIKA OPOLSKA
POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 2 Temat: Schemat blokowy (algorytm) procesu selekcji wymiarowej
Bardziej szczegółowoSTATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych;
STATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych; - badanie skuteczności nowego leku; - badanie stopnia zanieczyszczenia gleb metalami
Bardziej szczegółowoĆwiczenie nr 2: ZaleŜność okresu drgań wahadła od amplitudy
Wydział PRACOWNIA FIZYCZNA WFiIS AGH Imię i nazwisko 1. 2. Temat: Rok Grupa Zespół Nr ćwiczenia Data wykonania Data oddania Zwrot do popr. Data oddania Data zaliczenia OCENA Ćwiczenie nr 2: ZaleŜność okresu
Bardziej szczegółowoDoświadczalne wyznaczanie współczynnika sztywności (sprężystości) sprężyny
Doświadczalne wyznaczanie współczynnika sztywności (sprężystości) Wprowadzenie Wartość współczynnika sztywności użytej można wyznaczyć z dużą dokładnością metodą statyczną. W tym celu należy zawiesić pionowo
Bardziej szczegółowoWykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy
Wykład Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy Zbiorowość statystyczna - zbiór elementów lub wyników jakiegoś procesu powiązanych ze sobą logicznie (tzn. posiadających wspólne cechy
Bardziej szczegółowoCZEŚĆ PIERWSZA. Wymagania na poszczególne oceny,,matematyka wokół nas Klasa III I. POTĘGI
Wymagania na poszczególne oceny,,matematyka wokół nas Klasa III CZEŚĆ PIERWSZA I. POTĘGI Zamienia potęgi o wykładniku całkowitym ujemnym na odpowiednie potęgi o wykładniku naturalnym. Oblicza wartości
Bardziej szczegółowoWykład 10: Elementy statystyki
Wykład 10: Elementy statystyki dr Mariusz Grządziel 0 grudnia 010 Podstawowe pojęcia Biolodzy: -badają pojedyńcze rośliny lub zwierzęta; -chcemy rozszerzyć wnioski na wszystkich przedstawicieli gatunku
Bardziej szczegółowoDefinicje. Algorytm to:
Algorytmy Definicje Algorytm to: skończony ciąg operacji na obiektach, ze ściśle ustalonym porządkiem wykonania, dający możliwość realizacji zadania określonej klasy pewien ciąg czynności, który prowadzi
Bardziej szczegółowoMatulewicz Jolita Nowak Magdalena
Matulewicz Jolita Nowak Magdalena Struktura organizacyjna- układ relacji łączących elementy organizacji w zorganizowaną całość, aby zapewnić efektywność organizacji. Elementy struktury organizacyjnej:
Bardziej szczegółowoZałącznik Nr 5 do Zarz. Nr 33/11/12
Załącznik Nr 5 do Zarz. Nr 33/11/12 (pieczęć wydziału) KARTA PRZEDMIOTU Z1-PU7 WYDANIE N1 Strona 1 z 5 1. Nazwa przedmiotu: METODY PROJEKTOWANIA JAKOŚCI 3. Karta przedmiotu ważna od roku akademickiego:
Bardziej szczegółowo2. Wprowadzenie do oprogramowania gretl. Podstawowe operacje na danych.
Laboratorium z ekonometrii (GRETL) 2. Wprowadzenie do oprogramowania gretl. Podstawowe operacje na danych. 2.1 Zaimportuj dane z pliku zatrudnienie.csv z przecinkiem jako separatorem danych i kropką jako
Bardziej szczegółowoLABORATORIUM PROCESÓW STOCHASTYCZNYCH
WOJSKOWA AKADEMIA TECHICZA im. Jarosława Dąbrowskiego w Warszawie Wydział Elektroniki LABORATORIUM PROCESÓW STOCHASTYCZYCH Grupa Podgrupa Data wykonania ćwiczenia Ćwiczenie prowadził. Skład podgrupy 1....
Bardziej szczegółowoStatystyka. Wykład 8. Magdalena Alama-Bućko. 23 kwietnia Magdalena Alama-Bućko Statystyka 23 kwietnia / 38
Statystyka Wykład 8 Magdalena Alama-Bućko 23 kwietnia 2017 Magdalena Alama-Bućko Statystyka 23 kwietnia 2017 1 / 38 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia
Bardziej szczegółowoOCENIANIE ARKUSZA POZIOM PODSTAWOWY
Numer zadania.. Etapy rozwiązania zadania OCENIANIE ARKUSZA POZIOM PODSTAWOWY Zapisanie ceny wycieczki po podwyżce, np. x + 5% x, gdzie x oznacza pierwotną cenę wycieczki. Liczba punktów. Zapisanie równania:
Bardziej szczegółowoLaboratorium 8. Zarządzanie ryzykiem.
Laboratorium 8 Zarządzanie ryzykiem. Zarządzanie ryzykiem: wyszukiwanie ryzyka, szacowanie ryzyka. Diagram Ishikawy nazwany tak od nazwiska japońskiego ekonomisty Karou Ishikawy jest popularnym narzędziem
Bardziej szczegółowoANALIZA JAKOŚCIOWA I ILOŚCIOWA TESTÓW SZKOLNYCH MATERIAŁ SZKOLENIOWY
ANALIZA JAKOŚCIOWA I ILOŚCIOWA TESTÓW SZKOLNYCH MATERIAŁ SZKOLENIOWY Instrukcja przeprowadzania analiz badań edukacyjnych i sporządzania raportów po badaniach. Cele prowadzenia analiz jakościowych i ilościowych
Bardziej szczegółowoStatystyka matematyczna i ekonometria
Statystyka matematyczna i ekonometria prof. dr hab. inż. Jacek Mercik B4 pok. 55 jacek.mercik@pwr.wroc.pl (tylko z konta studenckiego z serwera PWr) Konsultacje, kontakt itp. Strona WWW Elementy wykładu.
Bardziej szczegółowoTeoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.
Teoria błędów Wskutek niedoskonałości przyrządów, jak również niedoskonałości organów zmysłów wszystkie pomiary są dokonywane z określonym stopniem dokładności. Nie otrzymujemy prawidłowych wartości mierzonej
Bardziej szczegółowoTypy szeregów statystycznych
Typy szeregów statystycznych SZEREGI STATYSTYCZNE szczegółowy (wyliczający) rozdzielczy (strukturalny) przestrzenny (geograficzny) czasowy (dynamiczny) cech mierzalnych cech niemierzalnych momentów okresów
Bardziej szczegółowoStatystyka. Wykład 2. Magdalena Alama-Bućko. 5 marca Magdalena Alama-Bućko Statystyka 5 marca / 34
Statystyka Wykład 2 Magdalena Alama-Bućko 5 marca 2018 Magdalena Alama-Bućko Statystyka 5 marca 2018 1 / 34 Banki danych: Bank danych lokalnych : Główny urzad statystyczny: Baza Demografia : https://bdl.stat.gov.pl/
Bardziej szczegółowoPOLITECHNIKA WARSZAWSKA
POLITECHNIKA WARSZAWSKA WYDZIAŁ BUDOWNICTWA, MECHANIKI I PETROCHEMII INSTYTUT INŻYNIERII MECHANICZNEJ STATYSTYCZNA KONTROLA PROCESU (SPC) Ocena i weryfikacja statystyczna założeń przyjętych przy sporządzaniu
Bardziej szczegółowo