POLITECHNIKA OPOLSKA

Podobne dokumenty
POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA

Katedra Technik Wytwarzania i Automatyzacji STATYSTYCZNA KONTROLA PROCESU

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

POLITECHNIKA OPOLSKA

Sterowanie procesem i jego zdolność. Zbigniew Wiśniewski

PRZEWODNIK PO PRZEDMIOCIE. stacjonarne. I stopnia III. Dr inż. Manuela Ingaldi. ogólnoakademicki. kierunkowy

POLITECHNIKA OPOLSKA

POLITECHNIKA OPOLSKA

1. SOLUTIONS -> ANALYSIS -> QUALITY IMPROVEMENT

Zarządzanie procesami

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

Statystyczne sterowanie procesem

Zarządzanie jakością ćwiczenia

Rodzaje Kontroli. SPC Statystyczna kontrola procesu. Rodzaje kontroli Uproszczony cykl życia wyrobu. Kontrola odbiorcza - stuprocentowa

Agnieszka MISZTAL Inż. Syst. Projakośc. Kontrola jakości. INŻYNIERIA SYSTEMÓW PROJAKOŚCIOWYCH Wykład 2 Kontrola jakości

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

PRZYKŁAD WDROŻENIA KART KONTROLNYCH KROK PO KROKU

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE

Rozkłady zmiennych losowych

Karty kontrolne obrazem zmienności procesu

Wprowadzenie. Typowe i nietypowe sytuacje

DR HAB INŻ. TADEUSZ SAŁACIŃSKI POLITECHNIKA WARSZAWSKA

analiza populacja próbka pomiary obliczenia wyniki

POLITECHNIKA OPOLSKA

PRZEDZIAŁ UFNOŚCI DLA FRAKCJI. Ryszard Zieliński. XXXVIII Konferencja Zastosowań Matematyki Zakopane Kościelisko 8-15 września 2009

Karta kontrolna budowa i zastosowanie

Systemy zarządzania jakością Kod przedmiotu

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

ZASTOSOWANIE KART SHEWHARTA DO KONTROLI JAKOŚCI PRODUKCJI ELEMENTÓW UZBROJENIA

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

Testy zgodności. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 11

TRADYCYJNE NARZĘDZIA ZARZĄDZANIA JAKOŚCIĄ

Inżynieria Jakości Quality Engineering. Inżynieria Bezpieczeństwa I stopień (I stopień / II stopień) ogólnoakademicki (ogólnoakademicki / praktyczny)

Inżynieria Jakości. Wzornictwo przemysłowe I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny)

Rozkład normalny. Marcin Zajenkowski. Marcin Zajenkowski () Rozkład normalny 1 / 26

METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA

PRZEWODNIK PO PRZEDMIOCIE

POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji POMIARY KĄTÓW I STOŻKÓW

Jakość betonu kontrola i koszty. Izabela Skrzypczak Lidia Buda-Ożóg Joanna Kujda

Laboratorium metrologii

O KORZYŚCIACH Z SPC. Tomasz Greber, Politechnika Wrocławska

Rozkład zmiennej losowej Polega na przyporządkowaniu każdej wartości zmiennej losowej prawdopodobieństwo jej wystąpienia.

Testy nieparametryczne

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

INSTRUKCJA Nr QI/8.2.3/NJ

Rachunek Prawdopodobieństwa i Statystyka

ANALIZA TRENDÓW DANYCH MIKROBIOLOGICZNYCH Z ZASTOSOWANIEM KART KONTROLNYCH

Inżynieria Jakości Quality Engineering. Transport I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny)

Inżynieria jakości - opis przedmiotu

Temat: BADANIE ZGODNOŚCI ROZKŁADU CECHY (EMPIRYCZNEGO) Z ROZKŁADEM TEORETYCZNYM TEST CHI-KWADRAT. Anna Rajfura 1

POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji

Z-ZIP2-119z Inżynieria Jakości Quality Engineering

), którą będziemy uważać za prawdziwą jeżeli okaże się, że hipoteza H 0

SPC - Statystyczne Sterowanie Procesem

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =

POLITECHNIKA OPOLSKA

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH

Inżynieria Jakości Quality Engineering. Zarządzanie i Inżynieria Produkcji II stopień Ogólnoakademicki

ZAKŁADOWA ADOWA KONTROLA PRODUKCJI W ŚWIETLE WYMAGAŃ CPR

PRZEWODNIK PO PRZEDMIOCIE. Bezpieczeństwo i higiena pracy

Monitorowanie procesów wytwarzania

PODSTAWOWE ROZKŁADY ZMIENNYCH LOSOWYCH

StatSoft Polska, tel , ,

Zmienne losowe zadania na sprawdzian

EFEKTYWNE STATYSTYCZNE STEROWANIE PROCESAMI (SPC) Z WYKORZYSTANIEM PAKIETU STATISTICA. Wprowadzenie

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

POLITECHNIKA WARSZAWSKA

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 6

Ćwiczenie: Badanie normalności rozkładu. Wyznaczanie przedziałów ufności.

Temat: Badanie niezależności dwóch cech jakościowych test chi-kwadrat

PRZYKŁAD TWORZENIA KART KONTROLNYCH W STATISTICA

Statystyka matematyczna i ekonometria

Kontrola i zapewnienie jakości wyników

Wykład 10 Testy jednorodności rozkładów

ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH

Przekrój 1 [mm] Przekrój 2 [mm] Przekrój 3 [mm]

ZKP gwarancją jakości

KTÓRY PROCES JEST NAJLEPSZY PRZYKŁAD PRAKTYCZNEGO WYKORZYSTANIA KART KONTROLNYCH I ANALIZY ZDOLNOŚCI DO OCENY PROCESÓW

PRZEWODNIK PO PRZEDMIOCIE

Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 1

STATYSTYCZNE STEROWANIE PROCESAMI

W1. Wprowadzenie. Statystyka opisowa

Statystyczne Zarządzanie Jakością

LISTA 4. 7.Przy sporządzaniu skali magnetometru dokonano 10 niezależnych pomiarów

Ćwiczenie 6. Transformacje skali szarości obrazów

POLITECHNIKA OPOLSKA WYDZIAŁ BUDOWNICTWA Katedra Inżynierii Materiałów Budowlanych Laboratorium Materiałów Budowlanych. Raport LMB 326/2012

WERYFIKACJA HIPOTEZ STATYSTYCZNYCH

PN-EN 1340:2004/AC. POPRAWKA do POLSKIEJ NORMY. Dotyczy PN-EN 1340:2004 Krawężniki betonowe Wymagania i metody badań.

POLITECHNIKA OPOLSKA

INSTRUKCJA KONTROLI I WYCENY ROBÓT DROGOWYCH W ZAKRESIE WARSTW KONSTRUKCYJNYCH Z MAS MINERALNO-ASFALTOWYCH MMA

Mariusz Kaszubowski Katedra Statystyki Wydział Zarządzania i Ekonomii Politechnika Gdańska. Statystyka Mariusz Kaszubowski

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

Copyright 2012 Daniel Szydłowski

Wielkość dziennego obrotu w tys. zł. (y) Liczba ekspedientek (x) ,5 6,6

Strona internetowa

Często spotykany jest również asymetryczny rozkład gamma (Г), opisany za pomocą parametru skali θ i parametru kształtu k:

Statystyka matematyczna i ekonometria

POLITECHNIKA OPOLSKA

Transkrypt:

POLITECHNIKA OPOLSKA WYDZIAŁ MECHANICZNY Katedra Technologii Maszyn i Automatyzacji Produkcji Laboratorium Podstaw Inżynierii Jakości Ćwiczenie nr Temat: Karty kontrolne przy alternatywnej ocenie właściwości. Karta p i karta np. Karta c i karta u.

KARTY KONTROLNE PRZY ALTERNATYWNEJ OCENIE WŁAŚCIWOŚCI Charakterystyczne dla kart kontrolnych alternatywnych, jest to, że wykreśla się tylko jeden wykres, który przedstawia, w zależności od rodzaju karty [1]: frakcję lub liczbę jednostek niezgodnych albo, ilość niezgodnoścu w kontrolowanej jednostce wyrobu. Dane do tego typu kart dane zbiera się kontrolując czy wyroby np. w danej partii są zgodne z wymaganiami i licząc liczbę wyrobów niezgodnych z wymaganiami (wybrakowanych) w kontrolowanych partiach wyrobów. Jeżeli w kontrolowanym wyrobie możemy obserwować więcej jak jedną niezgodność, charakterystyką jakościową opisującą proces jest oczekiwana liczba niezgodności przypadająca na produkowany wyrób. Możemy z kontrolowanego procesu pobrać próbki o liczności n i wnioskować o stanie procesu na podstawie obserwacji liczby jednostek niezgodnych (wadliwych) p lub liczby niezgodności c. Stosowane są następujące rodzaje kart alternatywnych []: liczba jednostek niezgodnych w próbce o stałej liczebności karty typu np, frakcji jednostek niezgodnych karta typu p (p = stosunek liczby jednostek niezgodnych w próbce do liczebności próbki, liczebność próbki musi być stała), liczby niezgodności w próbce o stałej liczebności karty typu u (uwzględniana jest każda niezgodność w wyrobie, nawet jeśli nie powoduje dyskwalifikacji całego wyrobu), liczby niezgodności na jednostkę wyrobu karty typu c (c = stosunek liczby niezgodności w próbce do liczebności próbki, liczebność próbki musi być stała). Karta kontrolna Kartę tę stosuje się gdy steruje się procesem, obliczając i analizując tzw. frakcję wyrobów niezgodnych p. Karta opiera się na rozkładzie dwumianowym Bernoulliego i z tego wynika postać używanych przy jej prowadzeniu wzorów [1]. Jest ona przeznaczona do sterowania procesami, w których oczekiwana frakcja wyrobów niezgodnych wynosić będzie co najmniej około 5%. Tor karty kontrolnej : górna granica kontrolna = +3 ( ) linia centralna = = dolna granica kontrolna = 3 ( )

gdzie: frakcja wyrobów niezgodnych w próbce, liczba wyrobów niezgodnych w próbce, liczebność próbki (ilość wyrobów w próbce), wartość średnia frakcji wyrobów niezgodnych w zbadanych próbkach. Karta kontrolna Karta ta jest odpowiednikiem karty p, z tym, że stosować ją można tylko przy równej liczności kontrolowanych próbek [1]. Wartością wykreślaną na karcie jest liczba wyrobów niezgodnych (a nie ich frakcja). Tor karty kontrolnej : górna granica kontrolna = +3 (1 ) linia centralna = dolna granica kontrolna = 3 (1 ) gdzie: liczba wyrobów niezgodnych w próbce, liczebność próbki (ilość wyrobów w próbce), wartość średnia frakcji wyrobów niezgodnych w zbadanych próbkach. Przykład 1 Dane w tablicy 1 podają liczbę niezgodności na godzinę określające wadliwe działanie stwierdzone podczas 0% kontroli małych wyłączników, przeprowadzonej przez automatyczne urządzenie kontrolne [3]. Wyłączniki produkowane są przez zautomatyzowaną linię montażową. W związku z tym, że wadliwe ich działanie ma poważne konsekwencje, do określenia czy linia montażowa jest uregulowana użyto procent jednostek niezgodnych. Karta p jest przygotowana na podstawie danych wstępnych z 5 grup. 3

Tabela 1. Dane wstępne wyłączniki [3] Numer podzbioru Liczba kontrolowanych wyłączników n 1 3 5 7 11 1 13 1 15 1 17 1 1 0 1 3 5 Liczba wyłączników niezgodnych np 1 13 7 11 15 13 5 1 1 15 11 1 1 1 15 1 Razem 0000 Procent jednostek niezgodnych p 0,00 0,350 0,50 0,0 0,35 0,5 0,175 0,75 0,375 0,35 0,15 0,350 0,300 0,00 0,375 0,75 0,5 0,50 0,150 0,300 0,150 0,300 0,00 0,375 0,350 Karta p Linia centralna = = = +3( (1 ) = 3( (1 ) =!" =0,007=0,7% =0,007+3( 0,007(1 0,007) =0,007 3( 0,007(1 0,007) =0,005=0,5% =0,000=0,0%

0,% Histogram P Karta P; zmienna: Zmn5 P: 0,007 (0,007); Sigma: 0,E-3 (0,E-3); n:, 0,5% 0,5% Procent jednostek niezgodnych 0,% 0,3% 0,% 0,1% 0,0% 0,7% 0,0% -0,1% 0 1 3 5 7 5 15 0 Rys. 1. Karta p Numer podzbioru Karta wskazuje, że jakość wyłączników jest statystycznie uregulowana, pomimo zbyt dużego procentu jednostek niezgodnych. Karta np Linia centralna = += +1+ +1 =,7 5 = +3 (1 )=,7+3,7(1 0,007)=0,57 = 3 (1 )=,7 3,7(1 0,007)=0,3 5

Karta Np; zmienna: Liczba wałków rozrządu niezgodnych np Histogram Np Np:,70 (,70); Sigma: 3,75 (3,75); n:, Liczba jednostek niezgodnych 0 1 1 1 1 0-0 1 3 5 0,57,70 0,351 5 15 0 5 Numer podzbioru Rys.. Karta np Obliczone powyżej granice kontrolne mogą być wykorzystane w odniesieniu do przyszłych podzbiorów dopóty, dopóki proces się nie zmieni lub przestanie być statystycznie uregulowany, więc jest mało prawdopodobne by jakikolwiek ulepszenie mogło być wprowadzone bez wywołania zmiany w procesie [3]. Jeśli byłoby wprowadzone ulepszenie, to w celu odzwierciedlenia zmienionego działania procesu należy obliczyć inne granice kontrolne dla dalszych podzbiorów. W przypadku ulepszenia procesu (mniejsza wartość ), należy stosować nowe granice, zaś w przypadku pogorszenia (wyższa wartość ), należy poszukiwać dodatkowych przyczyn wyznaczalnych. Karta kontrolna / Karty kontrolne p i np stosuje się, gdy zliczana jest liczba wyrobów niezgodnych. W niektórych przypadkach lepsze jest jednak zliczanie liczby niezgodności (usterek) pojawiających się w produkowanych wyrobach. Wtedy parametrem, przy użyciu którego steruje się procesem, jest liczba niezgodności występująca w kontrolowanych jednostkach. Przy stosowaniu karty u oblicza się i wykreśla liczbę niezgodności na jednostkę wyrobu. Wzory stosowane do obliczenia położenia granic kontrolnych i linii centralnych oparte są na rozkładzie Poissona, czyli rozkładzie zdarzeń rzadkich [1]. Zakłada się więc, że niezgodności nie występują zbyt często.

Tor karty kontrolnej 0: 0 górna granica kontrolna =01 +3 5+ linia centralna =01 = dolna granica kontrolna =01 3 5+ gdzie: 01 średnia liczba niezgodności na jednostkę, 0 liczba niezgodności na jednostkę w próbce, liczebność niezgodności, liczebność próbki (ilość jednostek w próbce), Karta kontrolna 3 Karta c jest odpowiednikiem karty u stosowanym w przypadku, gdy liczność kontrolowanych próbek jest zawsze stała [1]. Wykreśla się na niej liczbę niezgodności wykrytych w danej próbce. Tor karty kontrolnej : górna granica kontrolna = +3 linia centralna =01 = dolna granica kontrolna =01 3 gdzie: średnia wartość liczby niezgodności w próbce, liczba niezgodności w próbce, ilość skontrolowanych próbek. Przykład W zakładzie produkującym opony kontrolowano 15 opon co pół godziny; zapisywano całkowitą liczbę niezgodności i liczbę niezgodności na jednostkę, aby zbadać stopień uregulowania procesu [3]. Dane te pokazano w tabeli. 7

Tabela. Zakład produkcji opon: liczba niezgodności na jednostkę (jednostki kontrolowane w podzbiorach =15) [3] Numer podzbioru Liczba niezgodności Liczba niezgodności na jednostkę 0 1 3 5 7 11 1 13 1 Razem 5 3 1 5 7 5 3 55 0,7 0,33 0,0 0,0 0,13 0,07 0,33 0,0 0,13 0,7 0,7 0,33 0,13 0,0 Karta u Linia centralna = 01 = = =0, =01 +3( 01 =0,+3 ( 0, 15 =0,5 =01 3( 01 =0, 3 ( 0, 15 Ponieważ wartości ujemne nie są możliwe, dolna granica nie jest podana. 0, Histogram U Karta U; zmienna: Liczba niezgodności U: 0,10 (0,10); Sigma: 0,131 (0,131); n: 15, Liczba niezgodności na jednostkę 0,7 0, 0,5 0, 0,3 0, 0,1 0,53 0,10 0,0 0,0000-0,1 0 1 3 5 1 1 Rys. 3. Karta u Numer podzbioru

Karta wykazuje, że proces jest statystycznie uregulowany. Należy zauważyć, że liczności podzbiorów są stałe, a więc można również zastosować kartę c. 11 Histogram C Karta C; zmienna: Liczba niezgodności C: 3, (3,); Sigma: 1,1 (1,1),7 Liczba niezgodności 7 5 3 1 0 3, 0,0000-1 0 1 3 1 1 Rys.. Karta c Numer podzbioru Przykład 3 Kontroli poddano jakość karoserii produkowanych samochodów. Jako jej miernik zdecydowano się zastosować liczbę najdrobniejszych rys czy zabrudzeń na polakierowanej powierzchni gotowego samochodu opuszczającego linię produkcyjną [1]. Wyniki kontroli przedstawiona w tabeli 3. Tabela 3. Liczba rys i uszkodzeń lakieru na samochodzie [3] Numer próbki 1 3 5 7 11 1 13 1 15 1 17 1 1 0 Razem Liczba niezgodności 7 1 5 0 0 na 3 3 3 1 3 1 5 powierzchni

Karta c Linia centralna = = 7! =! =3, = +3 =3,+33,=, = 3 =3, 33, Ponieważ wartości ujemne nie są możliwe, dolna granica nie jest podana. Histogram C Karta C; zmienna: Liczba niezgodności C: 3, (3,); Sigma: 1,3 (1,3),317 Liczba niezgodności 7 5 3 1 0 3, 0,0000-1 0 1 3 1 1 1 1 0 Numer szpuli Rys.. Karta c Dane wstępne pokazują, że proces jest statystycznie uregulowany. Literatura: 1. Greber T.: Statystyczne sterowanie procesami - doskonalenie jakości z pakietem Statistica, Statsoft, Kraków 000.. Hamrol A.: Zarządzanie jakością z przykładami. Wydawnictwo Naukowe PWN, Warszawa 01. 3. PN-ISO 5 + AC1 (czerwiec 1) Karty kontrolne Shewharta.

Zakres ćwiczenia: Karta p i karta np 1. Przprowadzić analizę niezgodności określającej wadliwe działanie stwierdzone podczas 0% kontroli łożysk o wymiarze tolerowanym: a) 0H7 b) 75G7 c) 50F7 d) 5K e) 150H. Obliczyć wymiary graniczne A i B kontrolowanych łożysk. 3. Określić ile sztuk wyrobów w partii jest niezgodnych (nie mieści się w granicach tolerancji). Funkcja w programie Excel =LICZ.WARUNKI(zakres danych;">=dolny wymiar graniczny A"; zakres danych;"<=górny wymiar graniczny B") Lub =LICZ.JEŻELI(zakres danych; "> Górny wymiar graniczny B") =LICZ.JEŻELI(zakres danych; "< Dolny wymiar graniczny A"). Obliczyć procent jednostek niezgodnych. 5. Obliczyć dla karty p: linię centralną, górną i dolną granicę kontrolną.. Obliczyć dla karty np: linię centralną, górną i dolną granicę kontrolną. 7. Sporządzić karty kontrolne i.. Opracować protokół i wnioski. 11