LMA521: Statistisk kvalitetsstyrning

Relevanta dokument
LMA521: Statistisk kvalitetsstyrning

LMA521: Statistisk kvalitetsstyrning

LMA522: Statistisk kvalitetsstyrning

LMA521: Statistisk kvalitetsstyrning

LMA522: Statistisk kvalitetsstyrning

Lösningsförslag till Tillämpad matematisk statistik LMA521, Tentamen

Tentamen i Tillämpad matematisk statistik för MI3 den 1 april 2005

LMA521: Statistisk kvalitetsstyrning

Tillämpad matematisk statistik LMA521 Tentamen

LMA522: Statistisk kvalitetsstyrning

Tentamen i matematisk statistik

Tillämpad matematisk statistik LMA522 (maskin/mekatroniks kurs) Tentamen

Kontrolldiagram hjälper oss att skilja mellan två olika typer variation, nämligen akut och kronisk variation.

7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 30 oktober 2015 Tid: 9-13:00

Lektionsanteckningar 11-12: Normalfördelningen

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1

7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 28 oktober 2016 Tid: 9.

6.1 Process capability

LMA521: Statistisk kvalitetsstyrning

Föreläsning G60 Statistiska metoder

Övningstentamen

LMA521: Statistisk kvalitetsstyrning

MVE051/MSG Föreläsning 7

4 Diskret stokastisk variabel

F9 Konfidensintervall

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 6 Väntevärden Korrelation och kovarians Stora talens lag. Jörgen Säve-Söderbergh

LKT325/LMA521: Faktorförsök

Statistiska Grundbegrepp i SPC-Light Sida: 1 (5)

Statistik 1 för biologer, logopeder och psykologer

F8 Skattningar. Måns Thulin. Uppsala universitet Statistik för ingenjörer 14/ /17

EXEMPELSAMLING STATISTISKA ÖVNINGAR

Introduktion till statistik för statsvetare

Föreläsning 5. Kapitel 6, sid Inferens om en population

Statistik 1 för biologer, logopeder och psykologer

Del 2 tillsammans med förberedelsefrågor - tid för inlämning och återlämning meddelas senare.

SF1920/SF1921 Sannolikhetsteori och statistik 6,0 hp Föreläsning 3 Diskreta stokastiska variabler. Jörgen Säve-Söderbergh

Föreläsning 7: Punktskattningar

F10 Problemlösning och mer om konfidensintervall

Arbeta med normalfördelningar

5. Kontrolldiagram. I Chart of T-bolt. Observation UCL=0, , , ,74825 _ X=0, , , ,74750 LCL=0,747479

Föreläsningsanteckningar till kapitel 8, del 2

TMS136. Föreläsning 10

MVE051/MSG Föreläsning 14

F3 Introduktion Stickprov

Studietyper, inferens och konfidensintervall

Tentamen i matematisk statistik, Statistisk Kvalitetsstyrning, MSN320/TMS070

Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp

Styr- och kontrolldiagram ( )

TMS136. Föreläsning 7

Jörgen Säve-Söderbergh

1.1 Diskret (Sannolikhets-)fördelning

F13 Regression och problemlösning

Tentamen i Statistik, STA A10 samt STA A13 9p 24 augusti 2005, kl

Obligatorisk uppgift, del 1

Summor av slumpvariabler

Kapitel 7 Samplingfördelningar och Centrala gränsvärdessatsen

Stockholms Universitet Statistiska institutionen Termeh Shafie

Beskrivande statistik

Grundläggande matematisk statistik

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:

FMSF55: Matematisk statistik för C och M OH-bilder på föreläsning 5, a 2 e x2 /a 2, x > 0 där a antas vara 0.6.

TMS136. Föreläsning 13

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

Föreläsning 12: Linjär regression

Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13

Vetenskaplig metod och statistik

Föreläsning 6: Hypotestester (forts.)

Föreläsning 1. NDAB02 Statistik; teori och tillämpning i biologi

0,22 m. 45 cm. 56 cm. 153 cm 115 cm. 204 cm. 52 cm. 38 cm. 93 cm 22 cm. 140 cm 93 cm. 325 cm

LMA521: Statistisk kvalitetsstyrning

Hypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University

Statistical Quality Control Statistisk kvalitetsstyrning. 7,5 högskolepoäng. Ladok code: 41T05A, Name: Personal number:

FÖRELÄSNING 7:

TMS136. Föreläsning 4

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar

Extrauppgifter - Statistik

Blandade problem från elektro- och datateknik

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Fredag 8 december 2006, Kl

FÖRELÄSNING 8:

Kapitel 4 Sannolikhetsfördelningar Sid Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

13.1 Matematisk statistik

STOCKHOLMS UNIVERSITET FYSIKUM

Uppgift 1 (a) För två händelser, A och B, är följande sannolikheter kända

4.2.1 Binomialfördelning

Nedan redovisas resultatet med hjälp av ett antal olika diagram (pkt 1-6):

732G01/732G40 Grundläggande statistik (7.5hp)

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:

Föreläsning 4. Kapitel 5, sid Stickprovsteori

Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar

Finansiell statistik FÖRELÄSNING 11

Statistik 1 för biologer, logopeder och psykologer

Föreläsning 6, Repetition Sannolikhetslära

LMA201/LMA521: Faktorförsök

SF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.

Statistisk processtyrning

Lösningsförslag till Matematisk statistik LKT325 Tentamen

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 3

Matematisk statistik TMS064/TMS063 Tentamen

LINKÖPINGS UNIVERSITET TENTA 92MA31, 92MA37, 93MA31, 93MA37 / STN 2 9GMA05 / STN 1

Transkript:

Föreläsning 7

Föregående föreläsningar Acceptanskontroll: Enkel provtagningsplan Dubbel provtagningsplan Kontrollomfattning Styrande kontroll: Medelvärdesdiagram R-diagram/ s-diagram Felantalsdiagram

Dagens innehåll 1 Kapabilitet 2 Kapabilitetsindex 3 Korrigerat kapabilitetsindex 4 Problem 34 (SK) 5 Problem 32 (SK)

Kapabilitet Tidigare den här veckan har vi gått igenom styrande kontroll Här var fokus på att upptäcka om produktionsprocessen förändrats Vi diskuterade aldrig om huruvida våra producerade enheter levde upp till kvalitetskraven eller inte Nu kommer vi knyta ihop styrande kontroll med de kvalitetskrav vi faktiskt har på produkten Detta görs genom att man jämför sin process med kvalitetskraven genom några specika kapabilitetsmått

Våra krav kan denieras med följande värden: Målvärde, M Det värde som vi helst skulle vilja att kvalitetsindikator hade för alla enheter som produceras Övre toleransgräns, T ö Det värde som är det absolut högsta värde vi tillåter för kvalitetsindikatorn om enheten inte skall klassas som defekt Undre toleransgräns, T u På samma sätt som T ö fast en undre gräns istället Kapabilitetsmått beskriver sedan hur bra de producerade enheterna lever upp till dessa kvalitetskrav

Denition: Kapabilitetsindex (duglihetsindex) C p = T ö T u 6σ Kapabilitetsindex sätter standardavvikelsen av produktionsprocessen i relation till de kravgränser vi har Vi vill att C p skall vara stor så det är en väldigt liten risk att en enhet som produceras hamnar utanför kravgränserna då processen är under statistisk kontroll Enligt boken skall C p > 133 för att vi skall vara nöjda med produktionsprocessen

Denition: Korrigerat kapabilitetsindex C pk = C p (1 CM) Här är CM = 2 M µ T ö T u, där µ är processens väntevärde och M är produktens målvärde (det värde som vi helst skulle vilja att kvalitetsindikatorn för varje produkt alltid hade) Jämfört med vanligt kapabilitetsindex så inkluderar C pk att väntevärdet av processen inte behöver vara samma som vårt målvärde Som vi ser på formeln för C pk så blir den mindre hur mer målvärdet och väntevärdet skiljer sig Vi ser också att C pk C p Även här ger boken gränsen C pk > 133 för en acceptabel process

Problem 34 (SK) Problem: 34 a) (SK) Vad mäter duglighetsindex och korrigerat duglighetsindex?

Problem 34 (SK) Problem: 34 a) (SK) Vad mäter duglighetsindex och korrigerat duglighetsindex? C p mäter processens spridning jämfört med kravgränserna Ett stort C p innebär att spridningen är liten jämfört med de satta kravgränserna C pk justerar C p för att också ta hänsyn till att processens väntevärde kanske inte är det samma som det målvärde man egentligen helst vill ha Tex skulle väntevärdet ligga precis på gränsen till en av kravgränserna så skulle den minsta spridning innebära att hälften av alla producerade enheter inte uppfyllde kraven

Problem 34 (SK) Problem: 34 b) (SK) Rita ett medelvärdesdiagram där C p = 1 och C pk = 1

Problem 34 (SK) Problem: 34 b) (SK) Rita ett medelvärdesdiagram där C p = 1 och C pk = 1

Problem 32 (SK) Problem: 32 a) (SK) En operatör valde med jämna mellanrum slumpmässigt ut 5 observationer för att konstruera medelvärdes- och spridningsdiagram Från sina urval beräknade han x = 274 och R = 1284 a) När skall kontrollanten slå larm om att processen inte längre är under statistisk kontroll? k = 10, n = 5, x = 274 och R = 1284

Tabell: Tabell för konstanter relaterade till styrdiagrammen Finns på sidan 117 i boken n x-diagram s-diagram R-diagram A 2 A 3 d 2 D 1 D 2 D 3 D 4 2 188 266 113 0 369 0 327 5 0577 1427 2326 0 4918 0 2115 k = 10, n = 5, x = 274 och R = 1284

Medelvärdesdiagram Cl = x = 274 Sö = x + A 2 R = 274 + 0577 1284 = 3481 Su = x A 2 R = 274 0740 = 200 R-diagram Cl = R = 1284 Sö = D 4 R = 2115 1284 = 2716 Su = D 3 R = 0

Problem: 32 b) (SK) Beräkna duglighetsindex och korrigerat duglighetsindex då nedre toleransgräns är 2 och övre toleransgräns är 4 De ger oss ingen information om målvärdet så vi får anta att det är mittemellan toleransgränserna

Problem: 32 b) (SK) Beräkna duglighetsindex och korrigerat duglighetsindex då nedre toleransgräns är 2 och övre toleransgräns är 4 De ger oss ingen information om målvärdet så vi får anta att det är mittemellan toleransgränserna T ö = 4, T u = 2, M = 3

Problem: 32 b) (SK) Beräkna duglighetsindex och korrigerat duglighetsindex då nedre toleransgräns är 2 och övre toleransgräns är 4 De ger oss ingen information om målvärdet så vi får anta att det är mittemellan toleransgränserna T ö = 4, T u = 2, M = 3 ˆσ = R d 2 = 1284 2326 = 05520 C p = T ö T u = 6σ M µ CM = 2 2 6 05520 = 2 3312 = 06039 = 2 3 274 = 2 026 T ö T u 2 2 C pk = C p (1 CM) = 06039 074 = 04469 = 026

Problem: 32 c) (SK) Vad skall vi dra för slutsatser om processen? Vi vet styrgränserna för huruvida vår process är under statistisk kontroll Givet att den skulle vara detta så kan vi titta på kapabilitetsmåtten C p < 133 så det är för stor spridning i vår process C pk är inte så mycket mindre än C p så processen är ganska välcentrerad omkring målvärdet

Sammanfattning av dagens innehåll Kapabilitetsindex Korrigerat kapabilitetsindex