TRADYCYJNE NARZĘDZIA ZARZĄDZANIA JAKOŚCIĄ
|
|
- Beata Gajda
- 7 lat temu
- Przeglądów:
Transkrypt
1 TRADYCYJNE NARZĘDZIA ZARZĄDZANIA JAKOŚCIĄ Ewa Matuszak Paulina Kozłowska Aleksandra Lorek
2 CZYM SĄ NARZĘDZIA ZARZĄDZANIA JAKOŚCIĄ? Narzędzia zarządzania jakością to instrumenty pozwalające zbierać i przetwarzać dane o zdarzeniach i procesach zachodzących w organizacji i jej otoczeniu, związanych z różnymi aspektami zarządzania jakością.
3 PODZIAŁ NARZĘDZI ZARZĄDZANIA JAKOŚCIĄ narzędzia jakości narzędzia tradycyjne narzędzia nowe
4 TRADYCYJNE NARZĘDZIA ZARZĄDZANIA JAKOŚCIĄ Zbieranie danych Arkusz kontrolny Histogram Karta kontrolna Diagram Ishikawy Analiza danych Diagram Pareto- Lorenza Diagram korelacji Schemat blokowy
5 SCHEMAT BLOKOWY schemat blokowy = schemat przepływu = algorytm przedstawienie w sposób graficzny ciągu działań realizowanych w danym procesie, przepływy informacji, przepływy materiałów itp.
6 SCHEMAT BLOKOWY POSTĘPOWANIE 1 określenie początku i końca procesu (które wyznaczają jego granice ) 2 określenie wejścia (wejść) oraz wyjść (wyników) procesu 3 wyszczególnianie działań (operacji funkcji) oraz decyzji ( tak, nie ) wyznaczających kolejne ścieżki przepływu (materiału, informacji i innych) oraz łączenie ich zgodnie z chronologią ich występowania za pomocą strzałek przepływu, przy czym każda ścieżka procesu musi prowadzić do punktu koniec.
7
8 SCHEMAT BLOKOWY - PRZYKŁAD
9 ARKUSZ KONTROLNY pomaga w zbieraniu i porządkowaniu informacji dotyczących konkretnego wyrobu lub procesu na arkuszu nanosi się dane o zdarzeniach związanych z rozpatrywanym wyrobem lub procesem, w szczególności o częstości i miejscu ich występowania arkusz kontrolny to uporządkowany, przygotowany formularz umożliwiający zbieranie i zestawianie danych ze źródeł historycznych lub obserwacje aktualnych zdarzeń dla wykrycia i uwidocznienia dominujących tendencji.
10 ARKUSZ KONTROLNY - POSTĘPOWANIE podjęcie decyzji odnośnie do tego, co będzie obserwowane, oraz jasne określenie definicji obserwowanych akcji, wydarzeń lub sytuacji podjęcie decyzji kto, jak długo i z jakich źródeł będzie zbierał dane sprawdzenie, czy zbierający dane mają odpowiednią wiedzę i odpowiednio dużo czasu opracowanie jasnego i prostego w użyciu formularza, który będzie arkuszem kontrolnym. Do zapisu danych należy używać prostych symboli, tj. parafki, X lub podobnych. Do analizy należy unikać zatytułowanie wszystkich części formularza z jasnym opisem informacji źródłowych upewnienie się, że arkusz kontrolny zawiera wszystkie właściwe dane i że jest łatwy w użyciu zapisanie wszystkich zachodzących obserwacji w arkuszu
11 ARKUSZ KONTROLNY - PRZYKŁAD
12 WYKRES PRZYCZYNOWO-SKUTKOWY ISHIKAWY diagram Ishikawy = schemat jodełkowy = diagram rybiej ości stanowi graficzne przedstawienie powiązań między czynnikami działającymi na proces i skutkami, które one powodują
13 WYKRES PRZYCZYNOWO-SKUTKOWY ISHIKAWY - POSTĘPOWANIE 1 identyfikacja problemu, badanie i rozpoznanie sytuacji oraz inicjacja prac nad diagramem określenie celu działania lub problemu i umieszczenie go na głównej osi po prawej stronie wykresu 2 3 określenie przyczyn głównych (ogólnych). Najczęściej jest stosowane podejście tzw. 5M według którego najważniejsze grupy czynników oddziaływających na wynik procesu są związane z: człowiekiem (ang. Man), maszyną (ang. Machine), metodą (ang. Method), materiałem (ang. Material), środowiskiem i zarządzaniem (ang. Management) określenie czynników drugorzędnych (szczegółowych). Czynniki drugorzędne są bezpośrednio związane z czynnikami głównymi i stanowią ich rozwinięcie 4 analiza diagramu czytając diagram od głównej osi poziomej do najdrobniejszej osi, można uzyskać odpowiedź na pytanie: dlaczego? Natomiast czytając w kierunku odwrotnym, uzyskuje się odpowiedź na pytanie: jaki to przynosi skutek?
14 WYKRES PRZYCZYNOWO-SKUTKOWY ISHIKAWY - PRZYKŁAD
15
16 DIAGRAM PARETO-LORENZA 20-30% przyczyn (czynników) decyduje o około 70-80% skutków identyfikuje czynniki (zdarzeń i przyczyn) mające największy wpływ na wybrane wielkości, opisujące wynik procesu lub charakterystykę produktu umożliwia hierarchizację czynników wpływających na analizowane zjawisko skupienie uwagi na najważniejszych problemach
17 DIAGRAM PARETO-LORENZA - POSTĘPOWANIE kompletowanie informacji o badanym procesie, mających związek z określonym problemem określenie wielkości za pomocą której można mierzyć wynik procesu w aspekcie rozpatrywanego problemu uszeregować przyczyny od najbardziej do najmniej znaczącej wyznaczenie skumulowanych wartości procentowych każdej przyczyny oznaczyć na osi pionowej Y wartości (ilości) przyczyn oraz udziały procentowe oznaczyć na osi poziomej X przyczyny od największej do najmniejszej wartości idąc od lewej do prawej narysować wykresy słupkowe dla każdej przyczyny - tzw. wykres Pareto oznaczyć punkty odpowiadające wartościom skumulowanym i połączyć je linią tzw. krzywa Lorenza przeprowadzenie analizy wykresu w celu wyznaczenia grupy przyczyn, które powinny być zbadane (usunięte, ograniczone itp.) w pierwszym rzędzie
18 DIAGRAM PARETO-LORENZA - PRZYKŁAD
19
20
21 HISTOGRAM histogram stanowi graficzną prezentację badanych wartości procesu lub zdarzeń w postaci wykresu słupkowego zmienności określonego zbioru danych jest to narzędzie wizualnego przedstawiania informacji o przebiegu procesu oraz podejmowania decyzji dotyczącej określenia, na czym w pierwszej kolejności należy się skupić w działaniach
22 HISTOGRAM - POSTĘPOWANIE należy zebrać potrzebne dane ( co najmniej n=30 wartości pomiaru) i policzyć całkowitą liczbę wartości pomiaru podzielić zakres pomiaru na przedziały (klasy) ustalić rozstęp wartości rozstęp = (wartość najwyższa) (wartość najniższa) ustalić liczbę przedziałów: przedział (szerokość klasy) = rozstęp/liczba dodać do najmniejszej liczby wartości szerokości klasy, co pozwoli na uzyskanie opracować arkusz kreskowy umieścić przedziały na osi poziomej, a częstotliwość występowania na osi pionowej przenieść dane z tabeli na osie; wszystkie słupki powinny mieć jednakową szerokość i zawierać w sumie wszystkie dane
23 HISTOGRAM - PRZYKŁAD
24
25 KARTY KONTROLNE jedno z podstawowych narzędzi Statystycznej Kontroli Procesu (SKP) zadaniem kart kontrolnych jest dostarczenie w przejrzystej, graficznej postaci informacji o tym, czy proces jest stabilny, czy w jego przebiegu wystąpiły zmiany wymagające podjęcia działań korygujących bądź zapobiegawczych prowadzenie karty kontrolnej jest związane z pobieraniem z procesu w ustalonych regularnych odstępach czasu, próbek ( próbka oznacza np. kilka egzemplarzy wyrobów) o określonej liczebności
26 KARTY KONTROLNE Podstawowe założenia z korzystania kart kontrolnych to: dane muszą mieć znany rozkład statystyczny (najczęściej normalny, możliwe też, że dwumianowy i Poissona), monitorowanie procesu odbywa się poprzez wyrywkowe pobieranie określonej liczby sztuk próbek z danej zbiorowości (w zależności od rodzaju karty), jeśli pobieranie próbek nie prowadzi do polepszenia rozkładu normalnego, można zastosować przekształcenie danych (np. logarytmowanie, pierwiastkowanie lub standaryzowanie), zmienność procesów w czasie wymaga od zespołu jednoczesnego monitorowania dokładności i precyzji.
27 KARTY KONTROLNE - POSTĘPOWANIE określenie, jaki proces chce się monitorować i zbadanie, czy jest on statystycznie opanowany (ma charakter rozkładu określenie, jakiego typu karta kontrolna będzie używana do monitorowania danego procesu. zastanowienie się, w jaki sposób można kontrolować cechy wyrobu, jakie się zastosuje parametry? za pomocą jednej z metod (projektowej lub stabilizacyjnej) określenie, na jakim poziomie mają się kształtować linia centralna, linia ostrzegawcza określenie przydziału czasowego zbierania danych określenie wielkości próbek określenie częstotliwości pobierania próbek. Próbki należy pobierać często, jeśli proces nie jest pod kontrolą. zbudowanie karty i rozpoczęcie zbierania pomiarów dokonywanie ciągłej oceny uzyskiwanych wyników. Analizowanie, czy proces jest pod kontrolą w przypadku stwierdzenia niestabilności procesu wdrażanie odpowiednich działań korygujących
28 KARTY KONTROLNE
29 KARTY KONTROLNE - PRZYKŁAD
30 WZORY NA OBLICZENIE LINII OSTRZEGANIA I LINII KONTROLNYCH
31 INTERPRETACJA WYKRESÓW wszystkie punkty muszą mieścić się między górną i dolną linią kontrolną większość punktów musi znajdować się bliżej linii centralnej niż granic kontrolnych punkty nie mogą wykazywać trendów ani cykli świadczących o nienaturalnych przyczynach zmienności punkty nie mogą tworzyć powtarzających się okresowo układów liczba punktów znajdujących się powyżej lub poniżej linii centralnej musi być w przybliżeniu jednakowe linie łączące poszczególne punkty na wykresie powinny przecinać linię centralną
32 KARTY KONTROLNE
33 WYKRESY KORELACJI są graficzną ilustracją związku zachodzącego pomiędzy dwiema zmiennymi stosowane są w przypadkach, gdy konieczne jest zbadanie zależności między dwoma czynnikami, np. potwierdzenie zależności przyczynowoskutkowych wykorzystywanych w sterowaniu jakością sposób grupowania się punktów na wykresie uwidacznia zależności korelacyjne między badanymi zmiennymi
34 WYKRESY KORELACJI - POSTĘPOWANIE 1 zebranie dwóch par danych, należących do dwóch zbiorów danych, których związek ma być analizowany 2 naniesienie na układ współrzędnych X i Y par danych 3 zbadanie kształtu rozmieszczenia punktów w celu wykrycia rodzaju i siły zależności 4 zbadanie siły zależności, przy pomocy obliczenia współczynnika korelacji Persona (opcjonalnie) 5 zbadanie istotności korelacji (opcjonalnie)
35 WYKRESY KORELACJI - PRZYKŁAD
36 Dziękujemy za uwagę
4) 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 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 szczegółowoTRADYCYJNE TECHNIKI DOSKONALENIA JAKOŚCI
1 TRADYCYJNE TECHNIKI DOSKONALENIA JAKOŚCI 1. Stratyfikacja (formularz zbierania danych) 2. Arkusz sprawdzający (arkusz kontrolny) Arkusz sprawdzający Wydział...WS3...ymbol wyrobu...kra123... Data:...16.11.2004...zmiana..1-2-3...
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 6 Temat: Ustalenie gradacji istotności przyczyn uszkodzeń
Bardziej szczegółowoZARZĄDZANIE 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 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 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 Inżynierii Jakości KWIWiJ, II-go st. Ćwiczenie nr 2 Temat: Ustalenie gradacji istotności przyczyn
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 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 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 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 szczegółowoSystemy zapewnienia jakości w laboratorium badawczym i pomiarowym
Systemy zapewnienia jakości w laboratorium badawczym i pomiarowym Narzędzia statystyczne w zakresie kontroli jakości / nadzoru nad wyposażeniem pomiarowym M. Kamiński Jednym z ważnych narzędzi statystycznej
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 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 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 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 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 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 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 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 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 szczegółowoSTATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)
STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY) Praca z danymi zaczyna się od badania rozkładu liczebności (częstości) zmiennych. Rozkład liczebności (częstości) zmiennej to jakie wartości zmienna
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 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 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 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 szczegółowoAnaliza Statystyczna
Lekcja 5. Strona 1 z 12 Analiza Statystyczna Do analizy statystycznej wykorzystać można wbudowany w MS Excel pakiet Analysis Toolpak. Jest on instalowany w programie Excel jako pakiet dodatkowy. Oznacza
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 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 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 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 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 szczegółowoSterowanie jakością badań i analiza statystyczna w laboratorium
Sterowanie jakością badań i analiza statystyczna w laboratorium CS-17 SJ CS-17 SJ to program wspomagający sterowanie jakością badań i walidację metod badawczych. Może działać niezależnie od innych składników
Bardziej szczegółowoBadania biegłości laboratorium poprzez porównania międzylaboratoryjne
Badania biegłości laboratorium poprzez porównania międzylaboratoryjne Dr inż. Maciej Wojtczak, Politechnika Łódzka Badanie biegłości (ang. Proficienty testing) laboratorium jest to określenie, za pomocą
Bardziej szczegółowoPopulacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część
Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu
Bardziej szczegółowoSTATYSTYKA OPISOWA. Przykłady problemów: - badanie opinii publicznej na temat preferencji wyborczych;
STATYSTYKA OPISOWA Przykłady problemów: - badanie opinii publicznej na temat preferencji wyborczych; - badanie stanu zdrowia w pewnej miejscowości; - badanie stopnia zanieczyszczenia gleb metalami ciężkimi
Bardziej szczegółowoW kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:
Na dzisiejszym wykładzie omówimy najważniejsze charakterystyki liczbowe występujące w statystyce opisowej. Poszczególne wzory będziemy podawać w miarę potrzeby w trzech postaciach: dla szeregu szczegółowego,
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 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 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 szczegółowoQualitySkills.pl Praktyczne Warsztaty Jakościowe
E-Biuletyn o Zarządzaniu Jakością czyli Jakość z pasją Nr 1/VII/2012 Witamy serdecznie, W tym numerze pragniemy zachęcić do lektury: 1. Wakacje - relaks czy harówa? 2. Nowości 3. Metody jakościowe wykorzystywane
Bardziej szczegółowoRaport 8D (cykl Deminga, Ishikawa, 5 WHY)
Kierunek: Inżynieria Zarządzania Specjalność: Systemy projakościowe i ergonomia Raport 8D (cykl Deminga, Ishikawa, 5 WHY) Autorzy: Urszula Jujka Justyna Kubacka Kinga Kuciak Poznań, 2015 Plan prezentacji
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 szczegółowoDOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM. Procedura szacowania niepewności
DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM Procedura szacowania niepewności Szacowanie niepewności oznaczania / pomiaru zawartości... metodą... Data Imię i Nazwisko Podpis Opracował Sprawdził Zatwierdził
Bardziej szczegółowoSposób wykorzystywania świadectw wzorcowania do ustalania okresów między wzorcowaniami
EuroLab 2010 Warszawa 3.03.2010 r. Sposób wykorzystywania świadectw wzorcowania do ustalania okresów między wzorcowaniami Ryszard Malesa Polskie Centrum Akredytacji Kierownik Działu Akredytacji Laboratoriów
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 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 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 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 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 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 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 szczegółowoZmienne zależne i niezależne
Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }
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 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 szczegółowoWymagania edukacyjne z matematyki w klasie III gimnazjum
Wymagania edukacyjne z matematyki w klasie III gimnazjum - nie potrafi konstrukcyjnie podzielić odcinka - nie potrafi konstruować figur jednokładnych - nie zna pojęcia skali - nie rozpoznaje figur jednokładnych
Bardziej szczegółowoStatystyka opisowa- cd.
12.03.2017 Wydział Inżynierii Produkcji I Logistyki Statystyka opisowa- cd. Wykład 4 Dr inż. Adam Deptuła HISTOGRAM UNORMOWANY Pole słupka = wysokość słupka x długość przedziału Pole słupka = n i n h h,
Bardziej szczegółowoAnaliza ryzyka nawierzchni szynowej Iwona Karasiewicz
Analiza ryzyka nawierzchni szynowej Iwona Karasiewicz VI Konferencja Nawierzchnie szynowe. Rynek-Inwestycje-Utrzymanie" WISŁA, 22-23 MARCA 2018 r. POZIOMY DOJRZAŁOŚCI ZARZĄDZANIA RYZYKIEM Poziom 1 naiwny
Bardziej szczegółowoSCENARIUSZ LEKCJI MATEMATYKI, FIZYKI LUB BIOLOGII Z WYKORZYSTANIEM FILMU ROZKŁAD NORMALNY.
SCENARIUSZ LEKCJI MATEMATYKI, FIZYKI LUB BIOLOGII Z WYKORZYSTANIEM FILMU ROZKŁAD NORMALNY. SPIS TREŚCI: I. Wprowadzenie. II. Części lekcji. 1. Część wstępna. 2. Część realizacji. 3. Część podsumowująca.
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 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 szczegółowoProcedura szacowania niepewności
DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM Procedura szacowania niepewności Stron 7 Załączniki Nr 1 Nr Nr 3 Stron Symbol procedury PN//xyz Data Imię i Nazwisko Podpis Opracował Sprawdził Zatwierdził
Bardziej szczegółowoSkumulowane wykresy słupkowe: pokazują zależności zachodzące między indywidualnymi elementami i całością.
Tworzenie wykresu Wykresy są bardzo atrakcyjne pod względem wizualnym, ponieważ pozwalają użytkownikom w łatwy sposób porównywać dane, wzorce i trendy. Na przykład, zamiast analizować dane umieszczone
Bardziej szczegółowoSTATYCZNA PRÓBA ROZCIĄGANIA
Mechanika i wytrzymałość materiałów - instrukcja do ćwiczenia laboratoryjnego: STATYCZNA PRÓBA ROZCIĄGANIA oprac. dr inż. Jarosław Filipiak Cel ćwiczenia 1. Zapoznanie się ze sposobem przeprowadzania statycznej
Bardziej szczegółowoStatystyczne metody analizy danych. Agnieszka Nowak - Brzezińska
Statystyczne metody analizy danych Agnieszka Nowak - Brzezińska SZEREGI STATYSTYCZNE SZEREGI STATYSTYCZNE odpowiednio usystematyzowany i uporządkowany surowy materiał statystyczny. Szeregi statystyczne
Bardziej szczegółowoWymagania edukacyjne z matematyki klasa II technikum
Wymagania edukacyjne z matematyki klasa II technikum Poziom rozszerzony Obowiązują wymagania z zakresu podstawowego oraz dodatkowo: 1. JĘZYK MATEMATYKI I FUNKCJE LICZBOWE Uczeń otrzymuje ocenę dopuszczającą
Bardziej szczegółowoRozkłady zmiennych losowych
Rozkłady zmiennych losowych Wprowadzenie Badamy pewną zbiorowość czyli populację pod względem występowania jakiejś cechy. Pobieramy próbę i na podstawie tej próby wyznaczamy pewne charakterystyki. Jeśli
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 szczegółowoAnaliza niepewności pomiarów
Teoria pomiarów Analiza niepewności pomiarów Zagadnienia statystyki matematycznej Dr hab. inż. Paweł Majda www.pmajda.zut.edu.pl Podstawy statystyki matematycznej Histogram oraz wielobok liczebności zmiennej
Bardziej szczegółowoPodstawy zarządzania
Podstawy zarządzania mgr Magdalena Marczewska TiMO (Zakład Teorii i Metod Organizacji) Wydział Zarządzania Uniwersytetu Warszawskiego mmarczewska@wz.uw.edu.pl Rozwiązywanie problemów decyzyjnych Manager
Bardziej szczegółowoSTATYSTYKA I DOŚWIADCZALNICTWO Wykład 4
STATYSTYKA I DOŚWIADCZALNICTWO Wykład 4 Inne układy doświadczalne 1) Układ losowanych bloków Stosujemy, gdy podejrzewamy, że może występować systematyczna zmienność między powtórzeniami np. - zmienność
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 szczegółowoWYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY III
WYMAGANIA EDUKACYJNE Z MATEMATYKI DLA KLASY III Program nauczania matematyki w gimnazjum Matematyka dla przyszłości DKW 4014 162/99 Opracowała: mgr Mariola Bagińska 1. Liczby i działania Podaje rozwinięcia
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 szczegółowoPraktyczny Excel. Wykresy i grafika. w Excelu krok po kroku
Praktyczny Excel Wykresy i grafika w Excelu krok po kroku 5 1 NUMER PRAWNICZY przygotowany przez + OCHRONA DANYCH OSOBOWYCH profesjonalnie i kompleksowo 1 2 + GRATIS 20% GRATIS 30%, tel. 22 518 29 29,
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 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 szczegółowoPraktyczny Excel. Wykresy i grafika. w Excelu krok po kroku
Praktyczny Excel Wykresy i grafika w Excelu krok po kroku 5 1 NUMER PRAWNICZY przygotowany przez + OCHRONA DANYCH OSOBOWYCH profesjonalnie i kompleksowo 1 2 + GRATIS 20% GRATIS 30%, tel. 22 518 29 29,
Bardziej szczegółowoZmienne losowe zadania na sprawdzian
Zmienne losowe zadania na sprawdzian Zad. 1. Podane poniżej dane dotyczą zawartości suchej masy (w %) i sosu (w %) w 24 konserwach ze śledzia w pomidorach: Zawartość suchej masy: 12,0 13,0 14,5 14,0 12,0
Bardziej szczegółowoWymagania edukacyjne z matematyki w XVIII Liceum Ogólnokształcącym w Krakowie, zakres podstawowy. Klasa druga.
Wymagania edukacyjne z matematyki w XVIII Liceum Ogólnokształcącym w Krakowie, zakres podstawowy. Klasa druga. Funkcja liniowa. Uczeń otrzymuje ocenę dopuszczającą, jeśli: - rozpoznaje funkcję liniową
Bardziej szczegółowoHISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =
HISTOGRAM W pewnych przypadkach interesuje nas nie tylko określenie prawdziwej wartości mierzonej wielkości, ale także zbadanie całego rozkład prawdopodobieństwa wyników pomiarów. W takim przypadku wyniki
Bardziej szczegółowoSpis treści. Księgarnia PWN: Bruce M. King, Edward W. Minium - Statystyka dla psychologów i pedagogów. Wstęp Wprowadzenie...
Księgarnia PWN: Bruce M. King, Edward W. Minium - Statystyka dla psychologów i pedagogów Wstęp... 13 1. Wprowadzenie... 19 1.1. Statystyka opisowa.................................. 21 1.2. Wnioskowanie
Bardziej szczegółowoGraficzne opracowanie wyników pomiarów 1
GRAFICZNE OPRACOWANIE WYNIKÓW POMIARÓW Celem pomiarów jest bardzo często potwierdzenie związku lub znalezienie zależności między wielkościami fizycznymi. Pomiar polega na wyznaczaniu wartości y wielkości
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 szczegółowoOPROGRAMOWANIE WSPOMAGAJĄCE ZARZĄDZANIE PROJEKTAMI. PLANOWANIE ZADAŃ I HARMONOGRAMÓW. WYKRESY GANTTA
OPROGRAMOWANIE WSPOMAGAJĄCE ZARZĄDZANIE PROJEKTAMI. PLANOWANIE ZADAŃ I HARMONOGRAMÓW. WYKRESY GANTTA Projekt to metoda na osiągnięcie celów organizacyjnych. Jest to zbiór powiązanych ze sobą, zmierzających
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoFUNKCJA LINIOWA - WYKRES. y = ax + b. a i b to współczynniki funkcji, które mają wartości liczbowe
FUNKCJA LINIOWA - WYKRES Wzór funkcji liniowej (postać kierunkowa) Funkcja liniowa to funkcja o wzorze: y = ax + b a i b to współczynniki funkcji, które mają wartości liczbowe Szczególnie ważny w postaci
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 szczegółowoVII. WYKRESY Wprowadzenie
VII. WYKRESY 7.1. Wprowadzenie Wykres jest graficznym przedstawieniem (w pewnym układzie współrzędnych) zależności pomiędzy określonymi wielkościami. Ułatwia on interpretację informacji (danych) liczbowych.
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 szczegółowoRedukcja zmienności procesu oparta na analizie danych z procesu krótkoseryjnego za pomocą karty kontrolnej "celu"
Potencjał Wiedzy Jak zredukować koszty zmienności Łódź, 29 30 maja 2017 Redukcja zmienności procesu oparta na analizie danych z procesu krótkoseryjnego za pomocą karty kontrolnej "celu" Piotr Tomicki,
Bardziej szczegółowoSzczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)
Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego
Bardziej szczegółowoEssity Engagement Survey 2018
Essity Engagement Survey 2018 Jak czytać raport zespołu? EUCUSA Consulting GmbH Mariahilfer Straße 187/39 A-1150 Wien Tel: +43-1-817 40 20-0 Fax: DW 20 FN 174750 k Handelsgericht Wien www.eucusa.com e-mail:
Bardziej szczegółowoW rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych:
W rachunku prawdopodobieństwa wyróżniamy dwie zasadnicze grupy rozkładów zmiennych losowych: Zmienne losowe skokowe (dyskretne) przyjmujące co najwyżej przeliczalnie wiele wartości Zmienne losowe ciągłe
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowo