Zarządzanie jakością ćwiczenia

Wielkość: px
Rozpocząć pokaz od strony:

Download "Zarządzanie jakością ćwiczenia"

Transkrypt

1 Zarządzanie jakością ćwiczenia mgr inż. Anna Wąsińska Zakład Zarządzania Jakością pok. 311 B1, tel Statystyczne sterowanie procesami SPC kontrolna Konsultacje: SO 13:00 14:00 SO 18:00 19:00 2 Statystyczne Sterowanie Procesem Statistical Process Control - SPC SPC jest to sterowanie jakością z wykorzystaniem metod statystycznych. SPC jest to zbiór metod statystycznych, które mają pomóc usprawniać w sposób ciągły jakość procesów produkcji lub usług. SPC to bieżąca kontrola procesu służąca do: - wykrywania jego ewentualnych rozregulowań - stałej poprawy jego jakości. W ramach SPC bada się: - z jaką naturalną zmiennością, czyli z jakim rozproszeniem wyników pomiaru wykonywany jest proces produkcyjny - jaka jest zdolność tego procesu do spełnienia wymagań określonych specyfikacjami., W. Mantura; J. Łańcucki;W. Prussak 3 Statystyczne Sterowanie Procesem Statistical Process Control - SPC O SPC można mówić zawsze, gdy dane lub informacje będące wynikiem stosowania narzędzi i metod statystycznych są wykorzystywane: - do oddziaływania na proces w celu utrzymywania jego przebiegu w wymaganych granicach - dla uzyskania jego trwałej poprawy. 4 Cel zastosowania karty kontrolnej kontrolna, jako główne narzędzie statystycznego sterowania procesami (SPC), służy do nadzorowania przebiegu procesu i doskonalenia jego jakości. Cele: kontrolna diagnoza i ocena stabilności procesu identyfikacja słabych punktów procesu (przyczyn powodujących wzrost zmienności procesu) wymagających regulacji wykrywanie, kiedy na kontrolowany proces wpływ miały normalne, a kiedy szczególne przyczyny zmienności potwierdzenie udoskonalenia procesu 5 Zadaniem karty kontrolnej jest dostarczanie w przejrzystej, graficznej postaci informacji o tym, czy proces jest stabilny, czy nie wymaga regulacji [A. Hamrol]. 6 Opracowała: Anna Wąsińska [za] J. Łańcucki; A. Hamrol, W. Mantura; J.J. Dahlgaard, K. Kristensen, G.K. Kanji 1

2 Przykładowe przyczyny odchyleń od wartości pożądanej w procesie system zarządzania dobór narzędzi technologia surowce maszyny błędy pracowników warunki otoczenia odzaje zakłóceń w procesie Przyczyny zmienności jakości procesu można podzielić na dwie grupy: 1. Czynniki (przyczyny, zakłócenia) specjalne (sporadyczne, wyjątkowe). 2. Czynniki (przyczyny, zakłócenia) losowe (systemowe, pospolite, chroniczne). Opracowała: Anna Wąsińska [za] J. Łańcucki 7 Opracowała: Anna Wąsińska [za] J. Łańcucki; A. Hamrol, W. Mantura; J.J. Dahlgaard, K. Kristensen, G.K. Kanji; Z. Zymonik 8 Przyczyny specjalne pojawiają się nagle i dlatego zakłócenie procesu zwraca uwagę kierownictwa istnieje tylko niewielka ich liczba, a skutek każdej z nich może być znaczący odpowiedzialność za te przyczyny może dzielić się pomiędzy pracownika a kierownictwo Przyczyny zmienności procesu Przyczyny systemowe wciąż się pojawiają i dlatego nie są zauważane przez kierownictwo jest ich wiele, skutek każdej z nich jest stosunkowo mały w porównaniu z przyczynami specjalnymi, jednak ich łączny skutek jest zazwyczaj dość znaczny, dlatego trzeba je zaatakować w celu udoskonalenia systemu/procesu odpowiedzialność za te przyczyny spoczywa całkowicie na kierownictwie Opracowała: Anna Wąsińska [za] J. Łańcucki; A. Hamrol, W. Mantura; J.J. Dahlgaard, K. Kristensen, G.K. Kanji; Z. Zymonik 9 Istota karty kontrolnej Prowadzenie karty kontrolnej polega na śledzeniu na wykresie zmian wybranych statystyk (np. średniej arytmetycznej, mediany, rozstępu, odchylenia standardowego, liczby niezgodności, liczby jednostek niezgodnych) wyznaczanych z próbek o określonej liczebności, pobieranych w ustalonych, regularnych odstępach czasu, utworzonych na wybranych właściwościach (cechach) procesu lub wyrobu. Jeśli wartości wybranych statystyk mieszczą się w przedziale wyznaczonym na karcie przez tzw. linie kontrolne lub nie tworzą określonej sekwencji oznacza to, że proces jest stabilny tzn. nie podlega działaniu czynników, które mogą trwale pogorszyć jego wyniki. 10, W. Mantura Ideą kart jest: Idea karty kontrolnej systematyczne ich prowadzenie w celu uzyskania potwierdzenia, że środki stosowane do sterowania procesem zapewniają jego stabilność, a w przypadku, gdy na karcie pojawi się sygnał rozregulowania, podjęcie odpowiednich działań korygujących. odzaje kart kontrolnych karty kontrolne dla cech mierzalnych karty kontrolne dla cech policzalnych (alternatywnych) 11 Źródło: J. Łańcucki Opracowała: Anna Wąsińska [za] J. Łańcucki; A. Hamrol, W. Mantura; J.J. Dahlgaard, K. Kristensen, G.K. Kanji 12 2

3 Typ karty x M e s Karty kontrolne dla cech mierzalnych Nadzorowana statystyka Średnia arytmetyczna Liczebność próbki stosunkowo mała (zazwyczaj 3-5) Mediana Liczebność próbki stosunkowo mała (zazwyczaj 3-5) ozstęp Liczebność próbki stosunkowo mała (zazwyczaj 3-5) Odchylenie standardowe Jeśli uzasadnione jest, mając na uwadze względy techniczne i ekonomiczne, pobieranie stosunkowo dużych próbek (o liczebności n>5) Zastosowania Podstawowa karta kontrolna stosowana w procesach, w których można wyróżnić kolejne, powtarzalne jednostki produktu, np. pakowanie produktów sztukowych zadko stosowana Zastosowanie jw Stosowana razem z kartą x, x i lubx jako kontrola naturalnej zmienności procesu 13 Typ karty x i x sum skumulowanych Karty kontrolne dla cech mierzalnych (cd) Nadzorowana statystyka Wartość pomiarowa Łatwość prowadzenia, jednak mała precyzja wrażliwa na zakłócenia przypadkowe /pojedyncze zakłócenia Średnia ważona (liniowa lub wykładnicza) z ostatnich n pomiarów Mało wrażliwa na zakłócenia sporadyczne, wymagająca stosunkowo pracochłonnych obliczeń Suma odchyleń mierzonej cechy od wartości nominalnej (celowej, średniej) Pracochłonna, przy interpretacji wymagająca od użytkownika wysokich kwalifikacji Zastosowania Stosowana, jeśli ze względu na liczbę danych oraz niską powtarzalność procesu, nie można zastosować kart x oraz xs lub M e : - w produkcji małoseryjnej, nierytmicznej - dla procesów ciągłych, w których nie można pobierać próbek wieloelementowych Stosowana w procesach, w których ważne jest wykrywanie niewielkich zmian 14 Typ karty np p c u Karty kontrolne dla cech policzalnych (alternatywnych) Nadzorowana statystyka Liczba jednostek niezgodnych Zalecana jest stała liczebność próbki Frakcja jednostek niezgodnych Dopuszczalna jest zmienna liczebność próbki Liczba niezgodności Zalecana jest stała liczebność próbki Liczba niezgodności na jednostkę wyrobu Dopuszczalna jest zmienna liczebność próbki Zastosowania Stosowana w procesach, w których można wyróżnić kolejne, powtarzalne jednostki produktu i zakwalifikować je jako zgodne lub niezgodne Stosowana w procesach, w których nie musi być możliwe wyróżnienie kolejnych, powtarzalnych jednostek produktu Możliwe jest określenie zakresu próbki i zliczenie w niej liczby niezgodności 15 Budowa karty kontrolnej LC (linia centralna) przedstawia średnią wartość wybranej statystyki wyznaczoną ze wszystkich umieszczonych na karcie kontrolnej pomiarów GGK (górna granica kontrolna) linia wyznaczająca górne wartości obserwowanych charakterystyk dla ustabilizowanego i poprawnie przebiegającego procesu DGK (dolna granica kontrolna) linia wyznaczająca dolne wartości obserwowanych charakterystyk dla ustabilizowanego i poprawnie przebiegającego procesu GGO (górna granica ostrzegawcza) i DGO (dolna granica ostrzegawcza) linie, po których przekroczeniu należy bliżej przyjrzeć się kontrolowanemu procesowi 16 Opracowała: Anna Wąsińska [za] J. Łańcucki; A. Hamrol, W. Mantura; J.J. Dahlgaard, K. Kristensen, G.K. Kanji; A. Dobrowolska Interpretacja wyników sprawdzenie spełnienia odpowiednich warunków Proces statystycznie uregulowany (kontrolowany, opanowany) wszystkie punkty muszą mieścić się pomiędzy 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 jednakowa linie łączące poszczególne punkty na wykresie powinny przecinać linię centralną Proces statystycznie nieuregulowany (niekontrolowany, nieopanowany) punkt (punkty) na karcie wypada poza dolną lub górną granicę kontrolną dwa z trzech kolejnych punktów leżą bardzo blisko górnej lub dolnej linii kontrolnej serie siedmiu kolejnych punktów leżą po jednej stronie linii centralnej szereg siedmiu punktów leży wzdłuż prostej rosnącej lub malejącej (występowanie trendów ) szeregi punktów układają się w falę (występowanie okresów ) Opracowała: Anna Wąsińska [za] J. Łańcucki; A. Hamrol, W. Mantura; J.J. Dahlgaard, K. Kristensen, G.K. Kanji 17 Przykłady symptomów wskazujących działanie na proces czynników specjalnych 18 3

4 Procedura sporządzania karty kontrolnej 1. Wybór wielkości kontrolowanych mających istotny udział w jakości na które można aktywnie oddziaływać poprzez zmianę parametrów procesu 2. Wybór typu karty kontrolnej, np.: proces o charakterze masowym, wyjście procesu policzalne karta x proces o charakterze ciągłym, wyjście procesu niepoliczalne karta pojedynczych obserwacji 3. Wyznaczenie wielkości próbki n (zmienność powinna w jak największym stopniu oddawać naturalną zmienność procesu) 19 Procedura sporządzania karty kontrolnej (cd) 4. Wyznaczenie częstotliwości pobierania próbek (wyniki kolejnych próbek powinny umożliwiać rozpoznanie zmian wywołanych czynnikami specjalnymi). 5. ejestrowanie danych (pobranie danych przynajmniej dla k = próbek n elementowych). 6. Obliczenie statystyk charakteryzujących każdą wybraną podgrupę (próbkę n elementową). 7. Obliczenie linii kontrolnych wyznaczenie ich położenia w oparciu o statystyki z wybranych podgrup/próbek n elementowych wg wzorów dla przyjętej karty kontrolnej Procedura sporządzania karty kontrolnej (cd) 8. Opracowanie arkusza karty (powinien zapewnić odpowiednią rozdzielczość) naniesienie na wykres linii centralnej naniesienie na wykres linii/granic kontrolnych (górnej i dolnej) 9. Naniesienie statystyk badanych próbek na kartę kontrolną. 10. Przeprowadzenie analizy karty wykrywanie symptomów wskazujących na działanie na proces czynników specjalnych zbadanie statystyk dla punktów znajdujących się poza granicami kontrolnymi i dla wzorów wskazujących na występowanie możliwych do wyznaczenie przyczyn specjalnych 11. Wyznaczenie i przeprowadzenie działań korygujących usuwanie źródeł czynników specjalnych monitorowanie efektów przeprowadzonych działań Przykład Budowanie karty kontrolnej x 22 Czynności wstępne (etapy 1 5) Obliczenie statystyk (etap 6) Nr pomiaru Numer próbki , , , , , ,5 249, , , ,5 250, ,5 250, , ,5 250, ,5 251, , , , , ,5 251, , ,5 Nr pomiaru Numer próbki , , , , , ,5 249, , , ,5 250, ,5 250, , ,5 250, ,5 251, , , , , ,5 251, , ,5 Średnia 250,67 250,92 250,50 250,92 250,92 250,58 252,25 250,83 251,08 250,83 ozstęp 2,00 2,00 2,50 1,50 2,50 2,00 2,00 1,00 1,50 1,

5 Obliczenie linii kontrolnych (etap 7) Statystyka dla n elementowej próbki (wykreślany punkt) x X X n X max X min Liczebność próbki n Wybrane współczynniki A2 D D , ,267 Linia centralna Granice kontrolne X X k GGK X A2 DGK X A2 k GGK ( ) D 4 DGK ( ) D 3 3 1, , , , , , ,483 0,030 1, Opracowała: Anna Wąsińska [za] J. Łańcucki; A. Hamrol Obliczenie linii kontrolnych (etap 7) - cd Opracowanie arkusza karty (etap 8) x Linia centralna 2509,5 18,5 X 250,95 1, Granice kontrolne GGK 250,95 0,483 1,85 251,84 GGK DGK 250,95 0,483 1,85 250,06 DGK ( ) 1,97 1,85 3,64 ( ) 0,03 1,85 0,06 Opracowała: Anna Wąsińska Naniesienie statystyk badanych próbek na kartę kontrolną (etap 9) Opracowała: Anna Wąsińska Użyteczność kart kontrolnych możliwość zastosowania do sterowania procesu w trakcie jego przebiegu możliwość sprawdzenia, na podstawie wyników pomiarów próbek, czy proces przebiega prawidłowo możliwość rozróżnienia pomiędzy zakłóceniami specjalnymi i losowymi, co pozwala na podjęcie właściwych działań korygujących pomoc w zapewnieniu stałości przebiegu procesu i jego przewidywalności poprawa jakości i zmniejszenie kosztów wspólny język pozwalający na analizowanie i zrozumienie działania procesu Opracowała: Anna Wąsińska [za] J. Łancucki; A. Hamrol; J.J. Dahlgaard, K. Kristensen, G.K. Kanji 30 5

6 Wskaźniki zdolności jakościowej Wskaźnik zdolności jakościowej określa możliwości spełnienia przez kogoś/przez coś postawionych wymagań jakościowych. Wskaźniki zdolności jakościowej wskaźnik = zmienność dopuszczalna wynikająca z wymagań zmienność własna procesu Badać można zdolność całych procesów lub tylko poszczególnych maszyn. Na podstawie wskaźnika określić można m.in. wadliwość produkcji, jakiej należy się spodziewać przy danym procesie (lub maszynie) ; J.Łańcucki; T. Greber C p Wskaźniki zdolności jakościowej Cp ( GLT DLT ) T 6 6 GLT (DLT) górna (dolna) linia tolerancji T pole tolerancji σ odchylenie standardowe badanej właściwości 6σ naturalna tolerancja (rozrzut) procesu Cp określa ile razy przedział naturalnej zmienności danej właściwości, wyznaczany wartością (-3σ, +3σ), mieści się w jej polu tolerancji (ustalonej wymaganiami). Określa tylko potencjalne możliwości procesu do spełnienia wymagań jakościowych (nie uwzględnia ewentualnego przesunięcia wartości średniej właściwości x względem linii tolerancji. 33 ; J.Łańcucki; T. Greber Wskaźniki zdolności jakościowej Cpk C pk ( GLT x) ( x DLT) min ; 3 3 GLT (DLT) górna (dolna) linia tolerancji σ odchylenie standardowe badanej właściwości x - wartość średnia badanej właściwości uzyskana z pomiarów Cpk uwzględnia położenie wartości średniej właściwości x względem granic tolerancji. 34 6

Katedra Technik Wytwarzania i Automatyzacji STATYSTYCZNA KONTROLA PROCESU

Katedra 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 szczegółowo

Zarządzanie procesami

Zarządzanie 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 szczegółowo

Statystyczne sterowanie procesem

Statystyczne 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 szczegółowo

4) zmienność procesu w czasie wymaga od zespołu jednoczesnego monitorowania dokładności

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 szczegółowo

Sterowanie procesem i jego zdolność. Zbigniew Wiśniewski

Sterowanie 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 szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA 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 szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA 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 szczegółowo

Definicje PN ISO Definicje PN ISO 3951 interpretacja Zastosowanie normy PN-ISO 3951:1997

Definicje PN ISO Definicje PN ISO 3951 interpretacja Zastosowanie normy PN-ISO 3951:1997 PN-ISO 3951:1997 METODY STATYSTYCZNEJ KONTROI JAKOŚCI WG OCENY ICZBOWEJ ciągła seria partii wyrobów sztukowych dla jednej procedury analizowana jest tylko jedna wartość, która musi być mierzalna w skali

Bardziej szczegółowo

TRADYCYJNE NARZĘDZIA ZARZĄDZANIA JAKOŚCIĄ

TRADYCYJNE 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 szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 8 Temat: Statystyczna kontrola procesu SPC przy pomocy

Bardziej szczegółowo

STATYSTYCZNE STEROWANIE PROCESAMI

STATYSTYCZNE 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 szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr 8 Temat: Statystyczna kontrola procesu SPC przy pomocy

Bardziej szczegółowo

Konspekt SPC jako metoda pomiaru i doskonalenia procesów.

Konspekt SPC jako metoda pomiaru i doskonalenia procesów. Opracowali: Agata Murmyło Piotr Pokrzywa Michał Sabik Konspekt SPC jako metoda pomiaru i doskonalenia procesów. 1. Istota podejścia SPC. 2. Narzędzia do analizy stabilności procesu 2.1. Karty kontrolne

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA 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 szczegółowo

I jest narzędziem służącym do porównywania rozproszenia dwóch zmiennych. Używamy go tylko, gdy pomiędzy zmiennymi istnieje logiczny związek

I 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 szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy 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 szczegółowo

Monitorowanie i Diagnostyka w Systemach Sterowania na studiach II stopnia specjalności: Systemy Sterowania i Podejmowania Decyzji

Monitorowanie i Diagnostyka w Systemach Sterowania na studiach II stopnia specjalności: Systemy Sterowania i Podejmowania Decyzji Monitorowanie i Diagnostyka w Systemach Sterowania na studiach II stopnia specjalności: Systemy Sterowania i Podejmowania Decyzji Analiza składników podstawowych - wprowadzenie (Principal Components Analysis

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy 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 szczegółowo

DR HAB INŻ. TADEUSZ SAŁACIŃSKI POLITECHNIKA WARSZAWSKA

DR HAB INŻ. TADEUSZ SAŁACIŃSKI POLITECHNIKA WARSZAWSKA -1- DR HAB INŻ. TADEUSZ SAŁACIŃSKI POLITECHNIKA WARSZAWSKA ANALIZA ZDOLNOŚCI PROCESÓW PRODUKCYJNYCH Z WYKORZYSTANIEM SPC Statystyczne sterowanie procesami Zgodnie z normą ISO 9001:2000 Systemy Zarządzania

Bardziej szczegółowo

Wstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński

Wstęp do teorii niepewności pomiaru. Danuta J. Michczyńska Adam Michczyński Wstęp do teorii niepewności pomiaru Danuta J. Michczyńska Adam Michczyński Podstawowe informacje: Strona Politechniki Śląskiej: www.polsl.pl Instytut Fizyki / strona własna Instytutu / Dydaktyka / I Pracownia

Bardziej szczegółowo

Statystyka opisowa. Wykład I. Elementy statystyki opisowej

Statystyka 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 szczegółowo

Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej)

Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej) 1 Podział ze względu na zakres danych użytych do wyznaczenia miary Miary opisujące

Bardziej szczegółowo

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( )

Statystyka. Rozkład prawdopodobieństwa Testowanie hipotez. Wykład III ( ) Statystyka Rozkład prawdopodobieństwa Testowanie hipotez Wykład III (04.01.2016) Rozkład t-studenta Rozkład T jest rozkładem pomocniczym we wnioskowaniu statystycznym; stosuje się go wyznaczenia przedziału

Bardziej szczegółowo

PRZYKŁAD TWORZENIA KART KONTROLNYCH W STATISTICA

PRZYKŁAD TWORZENIA KART KONTROLNYCH W STATISTICA PRZYKŁAD TWORZENIA KART KONTROLNYCH W STATISTICA Tomasz Demski, StatSoft Polska Sp. z o.o. Karty kontrolne są jednym z najczęściej wykorzystywanych narzędzi analizy danych. Zaproponowane w latach dwudziestych

Bardziej szczegółowo

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE

STATYSTYKA - 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 szczegółowo

Zarządzanie jakością. cią. Zarządzanie jakością - wykład 5. W. Prussak Kontrola w zarządzaniu jakością

Zarządzanie 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 szczegółowo

Wydział Inżynierii Produkcji. I Logistyki. Statystyka opisowa. Wykład 3. Dr inż. Adam Deptuła

Wydział 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 szczegółowo

Karta kontrolna budowa i zastosowanie

Karta kontrolna budowa i zastosowanie STATYSTYCZNE STEROWANIE PROCESAMI PRAKTYCZNE PRZYKŁADY ZASTOSOWANIA Tomasz Greber, Politechnika Wrocławska, Instytut Organizacji i Zarządzania, Zakład Zarządzania Jakością; Magazyn ZARZĄDZANIE JAKOŚCIĄ

Bardziej szczegółowo

Kontrola i zapewnienie jakości wyników

Kontrola i zapewnienie jakości wyników Kontrola i zapewnienie jakości wyników Kontrola i zapewnienie jakości wyników QA : Quality Assurance QC : Quality Control Dobór systemu zapewnienia jakości wyników dla danego zadania fit for purpose Kontrola

Bardziej szczegółowo

Statystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41

Statystyka. Wykład 4. Magdalena Alama-Bućko. 13 marca Magdalena Alama-Bućko Statystyka 13 marca / 41 Statystyka Wykład 4 Magdalena Alama-Bućko 13 marca 2017 Magdalena Alama-Bućko Statystyka 13 marca 2017 1 / 41 Na poprzednim wykładzie omówiliśmy następujace miary rozproszenia: Wariancja - to średnia arytmetyczna

Bardziej szczegółowo

Statystyka matematyczna i ekonometria

Statystyka 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 szczegółowo

Redukcja zmienności procesu oparta na analizie danych z procesu krótkoseryjnego za pomocą karty kontrolnej "celu"

Redukcja 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 szczegółowo

Monitorowanie procesów wytwarzania

Monitorowanie procesów wytwarzania POLITECHNIKA KOSZALIŃSKA WYDZIAŁ MECHANICZNY kierunek Mechanika i Budowa Maszyn Monitorowanie procesów wytwarzania Ocena zdolności jakościowej procesów Koszalin Umiejętności i kompetencje: Umiejętności

Bardziej szczegółowo

INSTRUKCJA Nr QI/8.2.3/NJ

INSTRUKCJA Nr QI/8.2.3/NJ Załącznik nr 6 do procedury QP/4.2.3/NJ INSTRUKCJA NR QI/8.2.3/NJ Wyd. 04 Metody statystyczne Str./Na str. 1 / 6 Egz. nr. 14.11.2016 (data wydania) INSTRUKCJA Nr QI/8.2.3/NJ METODY STATYSTYCZNE Stanowisko

Bardziej szczegółowo

STATYSTYKA OPISOWA Przykłady problemów statystycznych: - badanie opinii publicznej na temat preferencji wyborczych;

STATYSTYKA 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 szczegółowo

POJĘCIA WSTĘPNE. STATYSTYKA - nauka traktująca o metodach ilościowych badania prawidłowości zjawisk (procesów) masowych.

POJĘCIA 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 szczegółowo

Populacja 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 Populacja generalna (zbiorowość generalna) zbiór obejmujący wszystkie elementy będące przedmiotem badań Próba (podzbiór zbiorowości generalnej) część populacji, którą podaje się badaniu statystycznemu

Bardziej szczegółowo

ZASTOSOWANIE KART SHEWHARTA DO KONTROLI JAKOŚCI PRODUKCJI ELEMENTÓW UZBROJENIA

ZASTOSOWANIE KART SHEWHARTA DO KONTROLI JAKOŚCI PRODUKCJI ELEMENTÓW UZBROJENIA Dr Agnieszka Mazur-Dudzińska DOI: 10.17814/mechanik.2015.7.268 Politechnika Łódzka, Katedra Zarządzania Dr inż. Jacek Dudziński Wojskowa Akademia Techniczna, Katedra Mechatroniki ZASTOSOWANIE KART SHEWHARTA

Bardziej szczegółowo

Walidacja metod analitycznych Raport z walidacji

Walidacja metod analitycznych Raport z walidacji Walidacja metod analitycznych Raport z walidacji Małgorzata Jakubowska Katedra Chemii Analitycznej WIMiC AGH Walidacja metod analitycznych (według ISO) to proces ustalania parametrów charakteryzujących

Bardziej szczegółowo

Wprowadzenie. Typowe i nietypowe sytuacje

Wprowadzenie. Typowe i nietypowe sytuacje NIESTANDARDOWE KARTY KONTROLNE CZYLI JAK SOBIE RADZIĆ W NIETYPOWYCH SYTUACJACH dr inż. Tomasz Greber, Politechnika Wrocławska, Instytut Organizacji i Zarządzania Wprowadzenie SPC (statystyczne sterowanie

Bardziej szczegółowo

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa Weryfikacja hipotez statystycznych Hipotezą statystyczną nazywamy każde przypuszczenie dotyczące nieznanego rozkładu badanej cechy populacji, o prawdziwości lub fałszywości którego wnioskuje się na podstawie

Bardziej szczegółowo

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

Systemy zapewnienia jakości w laboratorium badawczym i pomiarowym

Systemy 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 szczegółowo

Wykład 5: Statystyki opisowe (część 2)

Wykład 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 szczegółowo

W1. Wprowadzenie. Statystyka opisowa

W1. Wprowadzenie. Statystyka opisowa W1. Wprowadzenie. Statystyka opisowa dr hab. Jerzy Nakielski Zakład Biofizyki i Morfogenezy Roślin Plan wykładu: 1. O co chodzi w statystyce 2. Etapy badania statystycznego 3. Zmienna losowa, rozkład

Bardziej szczegółowo

-> Średnia arytmetyczna (5) (4) ->Kwartyl dolny, mediana, kwartyl górny, moda - analogicznie jak

-> 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 szczegółowo

Statystyka matematyczna. dr Katarzyna Góral-Radziszewska Katedra Genetyki i Ogólnej Hodowli Zwierząt

Statystyka matematyczna. dr Katarzyna Góral-Radziszewska Katedra Genetyki i Ogólnej Hodowli Zwierząt Statystyka matematyczna dr Katarzyna Góral-Radziszewska Katedra Genetyki i Ogólnej Hodowli Zwierząt Zasady zaliczenia przedmiotu: część wykładowa Maksymalna liczba punktów do zdobycia 40. Egzamin będzie

Bardziej szczegółowo

PRZYKŁAD WDROŻENIA KART KONTROLNYCH KROK PO KROKU

PRZYKŁAD WDROŻENIA KART KONTROLNYCH KROK PO KROKU PRZYKŁAD WDROŻENIA KART KONTROLNYCH KROK PO KROKU Tomasz Demski, StatSoft Polska Sp. z o.o. Przykład przedstawia tworzenie karty kontrolnej p dla nowego procesu, określanie wartości granic kontrolnych

Bardziej szczegółowo

KARTA INFORMACYJNA PRZEDMIOTU

KARTA INFORMACYJNA PRZEDMIOTU Uniwersytet Rzeszowski WYDZIAŁ KIERUNEK Matematyczno-Przyrodniczy Fizyka techniczna SPECJALNOŚĆ RODZAJ STUDIÓW stacjonarne, studia pierwszego stopnia KARTA INFORMACYJNA PRZEDMIOTU NAZWA PRZEDMIOTU WG PLANU

Bardziej szczegółowo

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności: Zadania ze statystyki cz. 7. Zad.1 Z populacji wyłoniono próbę wielkości 64 jednostek. Średnia arytmetyczna wartość cechy wyniosła 110, zaś odchylenie standardowe 16. Należy wyznaczyć przedział ufności

Bardziej szczegółowo

Metody statystyczne kontroli jakości i niezawodności Lekcja II: Karty kontrolne.

Metody statystyczne kontroli jakości i niezawodności Lekcja II: Karty kontrolne. Metody statystyczne kontroli jakości i niezawodności Lekcja II: Karty kontrolne. Wydział Matematyki Politechniki Wrocławskiej Karty kontroli jakości: przypomnienie Załóżmy, że chcemy mierzyć pewną charakterystykę.

Bardziej szczegółowo

SPC - Statystyczne Sterowanie Procesem

SPC - Statystyczne Sterowanie Procesem SPC - Statystyczne Sterowanie Procesem Terminy szkolenia 17-18 listopad 2016r., Warszawa - Centrum Szkoleniowe Adgar Ochota Opis W latach osiemdziesiątych XX wieku duże korporacje zaczęły szukać lepszych

Bardziej szczegółowo

Sterowanie jakością badań i analiza statystyczna w laboratorium

Sterowanie 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 szczegółowo

1 Podstawy rachunku prawdopodobieństwa

1 Podstawy rachunku prawdopodobieństwa 1 Podstawy rachunku prawdopodobieństwa Dystrybuantą zmiennej losowej X nazywamy prawdopodobieństwo przyjęcia przez zmienną losową X wartości mniejszej od x, tzn. F (x) = P [X < x]. 1. dla zmiennej losowej

Bardziej szczegółowo

ANALIZA TRENDÓW DANYCH MIKROBIOLOGICZNYCH Z ZASTOSOWANIEM KART KONTROLNYCH

ANALIZA TRENDÓW DANYCH MIKROBIOLOGICZNYCH Z ZASTOSOWANIEM KART KONTROLNYCH ANALIZA TRENDÓW DANYCH MIKROBIOLOGICZNYCH Z ZASTOSOWANIEM KART KONTROLNYCH Konrad Mysiakowski, FSP Galena; Dariusz Danel, Polska Akademia Nauk, Zakład Antropologii we Wrocławiu Wprowadzenie Obowiązujące

Bardziej szczegółowo

3. Modele tendencji czasowej w prognozowaniu

3. Modele tendencji czasowej w prognozowaniu II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa

Bardziej szczegółowo

Próba własności i parametry

Próba 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 szczegółowo

INSTRUKCJA Nr QI/8.2.3/NJ

INSTRUKCJA Nr QI/8.2.3/NJ Załącznik nr 6 do procedury QP/4.2.3/NJ INSTRUKCJA NR QI/8.2.3/NJ Wyd. 05 Metody statystyczne Str./Na str. 1 / 6 Egz. nr. 17.08.2018 (data wydania) INSTRUKCJA Nr QI/8.2.3/NJ METODY STATYSTYCZNE Opracował

Bardziej szczegółowo

POLITECHNIKA OPOLSKA

POLITECHNIKA 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 szczegółowo

Statystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33

Statystyka. Wykład 4. Magdalena Alama-Bućko. 19 marca Magdalena Alama-Bućko Statystyka 19 marca / 33 Statystyka Wykład 4 Magdalena Alama-Bućko 19 marca 2018 Magdalena Alama-Bućko Statystyka 19 marca 2018 1 / 33 Analiza struktury zbiorowości miary położenia ( miary średnie) miary zmienności (rozproszenia,

Bardziej szczegółowo

Statystyka. Wykład 7. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Statystyka 16 kwietnia / 35

Statystyka. Wykład 7. Magdalena Alama-Bućko. 16 kwietnia Magdalena Alama-Bućko Statystyka 16 kwietnia / 35 Statystyka Wykład 7 Magdalena Alama-Bućko 16 kwietnia 2017 Magdalena Alama-Bućko Statystyka 16 kwietnia 2017 1 / 35 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

W kolejnym kroku należy ustalić liczbę przedziałów k. W tym celu należy wykorzystać jeden ze wzorów:

W 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 szczegółowo

Podstawowe pojęcia. Własności próby. Cechy statystyczne dzielimy na

Podstawowe pojęcia. Własności próby. Cechy statystyczne dzielimy na Podstawowe pojęcia Zbiorowość statystyczna zbiór jednostek (obserwacji) nie identycznych, ale stanowiących logiczną całość Zbiorowość (populacja) generalna skończony lub nieskończony zbiór jednostek, które

Bardziej szczegółowo

LABORATORIUM PODSTAW TELEKOMUNIKACJI

LABORATORIUM 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 szczegółowo

Rozkłady statystyk z próby

Rozkłady statystyk z próby Rozkłady statystyk z próby Rozkłady statystyk z próby Przypuśćmy, że wykonujemy serię doświadczeń polegających na 4 krotnym rzucie symetryczną kostką do gry, obserwując liczbę wyrzuconych oczek Nr kolejny

Bardziej szczegółowo

OPTYMALIZACJA PROCESÓW TECHNOLOGICZNYCH W ZAKŁADZIE FARMACEUTYCZNYM

OPTYMALIZACJA PROCESÓW TECHNOLOGICZNYCH W ZAKŁADZIE FARMACEUTYCZNYM OPTYMALIZACJA PROCESÓW TECHNOLOGICZNYCH W ZAKŁADZIE FARMACEUTYCZNYM POZNAŃ / kwiecień 2013 Wasilewski Cezary 1 Cel: Obniżenie kosztów wytwarzania Kontrolowanie jakości wyrobu Zasady postępowania Odpowiednio

Bardziej szczegółowo

LABORATORIUM METROLOGII

LABORATORIUM METROLOGII AKADEMIA MORSKA W SZCZECINIE Centrum Inżynierii Ruchu Morskiego LABORATORIUM METROLOGII Ćwiczenie 6 Analiza karty kontrolnej dla cech mierzalnych procesu manewrowania statkiem Szczecin, 2010 Zespół wykonawczy:

Bardziej szczegółowo

Teoria błędów. Wszystkie wartości wielkości fizycznych obarczone są pewnym błędem.

Teoria 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 szczegółowo

Testy nieparametryczne

Testy 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 szczegółowo

Wykład 1. Podstawowe pojęcia Metody opisowe w analizie rozkładu cechy

Wykład 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 szczegółowo

ANALIZA JAKOŚCIOWA I ILOŚCIOWA TESTÓW SZKOLNYCH MATERIAŁ SZKOLENIOWY

ANALIZA 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 szczegółowo

DOKUMENTACJA SYSTEMU ZARZĄDZANIA LABORATORIUM. Procedura szacowania niepewności

DOKUMENTACJA 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 szczegółowo

RAPORT z diagnozy Matematyka na starcie

RAPORT z diagnozy Matematyka na starcie RAPORT z diagnozy Matematyka na starcie przeprowadzonej w klasach czwartych szkoły podstawowej Analiza statystyczna Wyjaśnienie Wartość wskaźnika Liczba uczniów Liczba uczniów, którzy przystąpili do sprawdzianu

Bardziej szczegółowo

Podstawowe definicje statystyczne

Podstawowe 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 szczegółowo

1. SOLUTIONS -> ANALYSIS -> QUALITY IMPROVEMENT

1. SOLUTIONS -> ANALYSIS -> QUALITY IMPROVEMENT UWAGA: Wszystkie dane potrzebne do zrealizowania tego ćwiczenia znajdują się w pliku sqc.xls w związku z tym przed rozpoczęciem niniejszych ćwiczeń należy zaimportować ten plik z następującego miejsca

Bardziej szczegółowo

STATYSTYKA OPISOWA. LICZBOWE CHARAKTERYSTYKI(MIARY)

STATYSTYKA 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 szczegółowo

Pobieranie prób i rozkład z próby

Pobieranie prób i rozkład z próby Pobieranie prób i rozkład z próby Marcin Zajenkowski Marcin Zajenkowski () Pobieranie prób i rozkład z próby 1 / 15 Populacja i próba Populacja dowolnie określony zespół przedmiotów, obserwacji, osób itp.

Bardziej szczegółowo

Statystyka opisowa PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA

Statystyka opisowa PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA Statystyka opisowa PRZEDMIOT: PODSTAWY STATYSTYKI PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA Statystyka opisowa = procedury statystyczne stosowane do opisu właściwości próby (rzadziej populacji) Pojęcia:

Bardziej szczegółowo

Plan wykładu. Statystyka opisowa. Statystyka matematyczna. Dane statystyczne miary położenia miary rozproszenia miary asymetrii

Plan wykładu. Statystyka opisowa. Statystyka matematyczna. Dane statystyczne miary położenia miary rozproszenia miary asymetrii Plan wykładu Statystyka opisowa Dane statystyczne miary położenia miary rozproszenia miary asymetrii Statystyka matematyczna Podstawy estymacji Testowanie hipotez statystycznych Żródła Korzystałam z ksiażek:

Bardziej szczegółowo

Statystyka i analiza danych Wstępne opracowanie danych Statystyka opisowa. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl

Statystyka i analiza danych Wstępne opracowanie danych Statystyka opisowa. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Statystyka i analiza danych Wstępne opracowanie danych Statystyka opisowa Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Wprowadzenie Podstawowe cele analizy zbiorów danych Uogólniony opis poszczególnych

Bardziej szczegółowo

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej cechy. Średnia arytmetyczna suma wartości zmiennej wszystkich

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie 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

ANALIZA SYSTEMU POMIAROWEGO (MSA)

ANALIZA SYSTEMU POMIAROWEGO (MSA) StatSoft Polska, tel. 1 484300, 601 414151, info@statsoft.pl, www.statsoft.pl ANALIZA SYSTEMU POMIAROWEGO (MSA) dr inż. Tomasz Greber, Politechnika Wrocławska, Instytut Organizacji i Zarządzania Wprowadzenie

Bardziej szczegółowo

LABORATORIUM Z FIZYKI

LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI LABORATORIUM Z FIZYKI I PRACOWNIA FIZYCZNA C w Gliwicach Gliwice, ul. Konarskiego 22, pokoje 52-54 Regulamin pracowni i organizacja zajęć Sprawozdanie (strona tytułowa, karta pomiarowa)

Bardziej szczegółowo

Typy zmiennych. Zmienne i rekordy. Rodzaje zmiennych. Graficzne reprezentacje danych Statystyki opisowe

Typy zmiennych. Zmienne i rekordy. Rodzaje zmiennych. Graficzne reprezentacje danych Statystyki opisowe Typy zmiennych Graficzne reprezentacje danych Statystyki opisowe Jakościowe charakterystyka przyjmuje kilka możliwych wartości, które definiują klasy Porządkowe: odpowiedzi na pytania w ankiecie ; nigdy,

Bardziej szczegółowo

Statystyka. Wykład 3. Magdalena Alama-Bućko. 6 marca Magdalena Alama-Bućko Statystyka 6 marca / 28

Statystyka. Wykład 3. Magdalena Alama-Bućko. 6 marca Magdalena Alama-Bućko Statystyka 6 marca / 28 Statystyka Wykład 3 Magdalena Alama-Bućko 6 marca 2017 Magdalena Alama-Bućko Statystyka 6 marca 2017 1 / 28 Szeregi rozdzielcze przedziałowe - kwartyle - przypomnienie Po ustaleniu przedziału, w którym

Bardziej szczegółowo

ZASTOSOWANIE TECHNIK CHEMOMETRYCZNYCH W BADANIACH ŚRODOWISKA. dr inż. Aleksander Astel

ZASTOSOWANIE TECHNIK CHEMOMETRYCZNYCH W BADANIACH ŚRODOWISKA. dr inż. Aleksander Astel ZASTOSOWANIE TECHNIK CHEMOMETRYCZNYCH W BADANIACH ŚRODOWISKA dr inż. Aleksander Astel Gdańsk, 22.12.2004 CHEMOMETRIA dziedzina nauki i techniki zajmująca się wydobywaniem użytecznej informacji z wielowymiarowych

Bardziej szczegółowo

ŚLĄSKIE TECHNICZNE ZAKŁADY NAUKOWE EDUKACYJNA WARTOŚĆ DODANA

ŚLĄSKIE TECHNICZNE ZAKŁADY NAUKOWE EDUKACYJNA WARTOŚĆ DODANA ŚLĄSKIE TECHNICZNE ZAKŁADY NAUKOWE EDUKACYJNA WARTOŚĆ DODANA ANALIZA 2014_2016 INTERPRETACJA WYNIKÓW W ŚLĄSKICH TECHNICZNYCH ZAKŁADACH NAUKOWYCH Metoda EWD to zestaw technik statystycznych pozwalających

Bardziej szczegółowo

RAPORT z diagnozy umiejętności matematycznych

RAPORT z diagnozy umiejętności matematycznych RAPORT z diagnozy umiejętności matematycznych przeprowadzonej w klasach czwartych szkoły podstawowej 1 Analiza statystyczna Wskaźnik Liczba uczniów Liczba punktów Łatwość zestawu Wyjaśnienie Liczba uczniów,

Bardziej szczegółowo

Rozdział 8. Regresja. Definiowanie modelu

Rozdział 8. Regresja. Definiowanie modelu Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność

Bardziej szczegółowo

Analiza zdolności procesu

Analiza zdolności procesu Analiza zdolności - przegląd Analiza zdolności procesu Zdolność procesu dla danych alternatywnych Obliczanie DPU, DPM i DPMO. Obliczanie poziomu sigma procesu. Zdolność procesu dla danych liczbowych Obliczanie

Bardziej szczegółowo

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi

Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Odchudzamy serię danych, czyli jak wykryć i usunąć wyniki obarczone błędami grubymi Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska D syst D śr m 1 3 5 2 4 6 śr j D 1

Bardziej szczegółowo

Metody statystyczne w zarządzaniu jakością 1

Metody statystyczne w zarządzaniu jakością 1 jakością 1 Metody statystyczne w zarządzaniu jakością Statystyczne sterowanie procesem Rozwój metod statystycznych 1980 Shewhart 191 Deming 195+ I Metody statystyczne w zarządzaniu jakością Podział metod

Bardziej szczegółowo

You created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)

You 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 szczegółowo

Procedura szacowania niepewności

Procedura 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 szczegółowo

Sposoby opisu i modelowania zakłóceń kanałowych

Sposoby 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 szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI ROZKŁAD EMPIRYCZNY Liczebności i częstości Liczebność liczba osób/respondentów/badanych, którzy udzielili tej konkretnej odpowiedzi. Podawana w osobach. Częstość odsetek,

Bardziej szczegółowo

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15 VI WYKŁAD STATYSTYKA 9/04/2014 B8 sala 0.10B Godz. 15:15 WYKŁAD 6 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI Weryfikacja hipotez ( błędy I i II rodzaju, poziom istotności, zasady

Bardziej szczegółowo