Total Quality Management. Qualitätsmanagement. Qualitätsmethoden über Produktentstehungsprozess bis Serienfertigung: Statische Methoden
|
|
- Juliane Küchler
- vor 8 Jahren
- Abrufe
Transkript
1 Vorlesungsinhalt Total Quality Management Qualitätsmanagement Qualitätsmethoden über Produktentstehungsprozess bis Serienfertigung: Statische Methoden Elementare Werkzeuge/ Systemtechnik Grundlegende Ideen und Philosophien des Qualitätsmanagements IPT 04 QM 4.1 Prof. Dr.Ing. H. Brüggemann
2 Abweichungsursachen im Produktionsprozess methodenbedingte Abweichungsursachen materialbedingte Abweichungsursachen maschinenbedingte Abw eichungsursachen Prozeß Produkt Abweichungen durch Umwelteinflüsse Abweichungen durch den Einfluß des Menschen IPT 04 QM 4.2 Prof. Dr.Ing. H. Brüggemann
3 Ausschussanteile bei zufälligen Einflüssen Häufigkeit I Ausschußanteile bei Fertigungsverfahren I bei Fertigungsverfahren II II T U T O QMerkmalswerte T U T O untere Toleranz obere Toleranz IPT 04 QM 4.3 Prof. Dr.Ing. H. Brüggemann
4 Ausschussanteile bei systematischen Einflüssen Häufigkeit Ausschußanteile bei Fertigungsverfahren I bei Fertigungsverfahren II II I T U T U T O untere Toleranz obere Toleranz T O QMerkmalswerte IPT 04 QM 4.4 Prof. Dr.Ing. H. Brüggemann
5 Ein Gedicht Ein Mensch, der von Statistik hört, denkt dabei nur an Mittelwert. Er glaubt nicht dran und ist dagegen, ein Beispiel soll es gleich belegen: Ein Jäger auf der Entenjagd hat einen ersten Schuss gewagt. Der Schuss, zu hastig aus dem Rohr, lag eine gute Handbreit vor. Der zweite Schuss mit lautem Krach lag eine gute Handbreit nach. Der Jäger spricht ganz unbeschwert voll Glauben an den Mittelwert: Statistisch ist die Ente tot! Doch wär er klug und nähme Schrot dies sei gesagt, ihn zu bekehren er würde seine Chance mehren: Der Schuss geht ab, die Ente stürzt, weil Streuung ihr das Leben kürzt! IPT 04 QM 4.5 Prof. Dr.Ing. H. Brüggemann
6 Statistik Erfassen von Vergangenheitswerten Status = Zustand Untersuchung von Stichproben Untersuchung von Gesamtheiten (Volkszählung, 100%Kontrolle) Grundgesamtheit N Stichprobengröße n IPT 04 QM 4.6 Prof. Dr.Ing. H. Brüggemann
7 Urliste einer Stichprobe (n=25) 205,0 203,5 211,1 206,2 205,5 206,1 200,0 200,2 204,0 207,2 205,2 207,0 209,1 206,7 204,9 207,1 208,1 205,4 206,2 207,1 206,4 209,4 208,3 203,0 202,6 IPT 04 QM 4.7 Prof. Dr.Ing. H. Brüggemann
8 Beschreibende Parameter Absolute Häufigkeit n i : Anzahl der Beobachtungswerte, die zur iten Klasse gehören. Relative Häufigkeit h i : h i = ni n Absolute Häufigkeitssumme G i : G = n... i 1 ni Relative Häufigkeitssumme Ф i : Φi = h1... h i IPT 04 QM 4.8 Prof. Dr.Ing. H. Brüggemann
9 Klassieren von Beobachtungswerten Nr. Klasse Strichliste absolute relative absolute relative Häufigkeit Häufigkeit Häufigkeitssumme Häufigkeitssumme 1 200,0 < < 202,0 2 0,08 2 0, ,0 < < 204,0 3 0,12 5 0, ,0 < < 206,0 6 0, , ,0 < < 208,0 9 0, , ,0 < < 210,0 4 0, , ,0 < < 212,0 1 0, ,00 IPT 04 QM 4.9 Prof. Dr.Ing. H. Brüggemann
10 Auswerten von Stichproben I absolute Häufigkeit n i Beobachtungswerte (in mm) i 0,40 0,32 0,24 0,16 0,08 relative Häufigkeit h i absolute Häufigkeitssumme G i Beobachtungswerte (in mm) i 1,0 0,8 0,6 0,4 0,2 0 relative Häufigkeitssumme i Kenngrößen der Stichprobe Mittelwert Median ~ Modalwert unteres Quartil oberes Quartil 0,25 0,75 205,8 mm 206,2 mm 207,0 mm 204,9 mm 207,1 mm Spannweite R Streuung der Stichprobe s Empirische Varianz s² Schiefe g1 Kurtosis b2 11,1 mm 2,6 mm 6,76 mm² 0,4 2,9 IPT 04 QM 4.10 Prof. Dr.Ing. H. Brüggemann
11 Lageparameter Arithmetischer Mittelwert: n 1 = i n i= 1 Median (Zentralwert):...ist derjenige Wert, für den die relative Häufigkeitssumme 50% beträgt. Der Wert mit der relativen Häufigkeitssume von 25 % wird als unteres Quartil, der Wert mit 75% als oberes Quartil bezeichnet. X 0,5 ((n1)/2) falls n ungerade ( (n/2) (n/21) )/2 falls n gerade Modalwert:...ist derjenige Beobachtungswert, der am häufigsten vorkommt. Bei Einteilung in Klassen sind dies die Klassenmitten. Eistiert nur ein Modalwert, ist die Verteilung unimodal, bei zwei Werten bimodal, etc.. IPT 04 QM 4.11 Prof. Dr.Ing. H. Brüggemann
12 Streuungsparameter Spannweite: R = ma min Standardabweichung (Streuung): s = 1 n n 1 i = 1 ( ) i 2 Das Quadrat der Streuung bezeichnet man als empirische Varianz. IPT 04 QM 4.12 Prof. Dr.Ing. H. Brüggemann
13 Formparameter Schiefe: Positiv: Negativ: Rechtsschiefe Häufigkeitsverteilung Linksschiefe Häufigkeitsverteilung n 1 i g = ( 1 n s )³ i = 1 Kurtosis:...gibt an, inwieweit sich die Häufigkeitsverteilung einer Stichprobe der Form der Gauß schen Normalverteilung (Glockenkurve) nähert (optimal: b=3). b 2 = n 1 i n ( s ) i= 1 4 IPT 04 QM 4.13 Prof. Dr.Ing. H. Brüggemann
14 Auswerten von Stichproben II absolute Häufigkeit n i Beobachtungswerte (in mm) i 0,40 0,32 0,24 0,16 0,08 relative Häufigkeit h i absolute Häufigkeitssumme G i Beobachtungswerte (in mm) i 1,0 0,8 0,6 0,4 0,2 0 relative Häufigkeitssumme i Kenngrößen der Stichprobe Mittelwert Median ~ Modalwert unteres Quartil oberes Quartil 0,25 0,75 205,8 mm 206,2 mm 207,0 mm 204,9 mm 207,1 mm Spannweite R Streuung der Stichprobe s Empirische Varianz s² Schiefe g1 Kurtosis b2 11,1 mm 2,6 mm 6,76 mm² 0,4 2,9 IPT 04 QM 4.14 Prof. Dr.Ing. H. Brüggemann
15 Verteilungsmodelle dienen der Erfassung von Zufallsvorgängen Ergebnis ist nicht oder nur in gewissen Grenzen vorhersagbar Wahrscheinlichkeit: Prognose für Zukunft auf Basis der Statistik Zufallsvariable: Merkmale, deren Ausprägung zufallsabhängig sind Realisationen: Ausprägungen der Zufallsvariablen Charakterisierung durch Verteilungsmodelle (stetige und diskrete) IPT 04 QM 4.15 Prof. Dr.Ing. H. Brüggemann
16 Gauß sche Normalverteilung Wahrscheinlichkeitsdichte 2 1 f( ) = n( µσ ; ) = e 2 2πσ ( µ ) 2 2σ 2 Verteilungsfunktion 2 2 F( ) = N( µσ ; ) = n( u µσ ; ) du Erwartungswert E( X) = µ Varianz Var( X) = σ 2 IPT 04 QM 4.16 Prof. Dr.Ing. H. Brüggemann
17 Einfluss der Parameter einer Normalverteilung Dichte σ=0,5 µ konstant σ=1 σ=2 µ QMerkmalswert Dichte σ 2 konstant m 1 µ 2 µ 3 QMerkmalswert IPT 04 QM 4.17 Prof. Dr.Ing. H. Brüggemann
18 Einteilung der statistischen Verfahren des QM Statistische Verfahren des Qualitätsmanagements Produkt und Prozessdesign Fertigungsüberwachung Eingangs, Zwischenund Endprüfung Design of Eperiments Statistische Prozesslenkung Kontinuierliche Stichprobenprüfung Fähigkeitsanalyse Abnahmeprüfung Hauptinstrument Hauptinstrument Hauptinstrument Versuchsplan Qualitätsregelkarte Prüfplan Prüfplan Prüfplan IPT 04 QM 4.18 Prof. Dr.Ing. H. Brüggemann
19 Einteilung der statistischen Verfahren des QM Statistische Verfahren des Qualitätsmanagements Produkt und Prozessdesign Fertigungsüberwachung Eingangs, Zwischenund Endprüfung Design of Eperiments Statistische Prozesslenkung Kontinuierliche Stichprobenprüfung Fähigkeitsanalyse Abnahmeprüfung Hauptinstrument Hauptinstrument Hauptinstrument Versuchsplan Qualitätsregelkarte Prüfplan Prüfplan Prüfplan IPT 04 QM 4.19 Prof. Dr.Ing. H. Brüggemann
20 Ziele von DoE Das Ziel der Methode Design of Eperiments (DoE, Statistische Versuchsplanung) ist es, die benötigten Informationen über Parameter mit minimalem Aufwand zu beschaffen, statistisch abzusichern und die Parameter auf optimale Werte einzustellen. Als Parameter werden beim DoE diejenigen Variablen bezeichnet, die Einfluss auf interessierende Qualitätsmerkmale haben. IPT 04 QM 4.20 Prof. Dr.Ing. H. Brüggemann
21 Charakterisierung der Einflussgrößen im DoE quantitative z. B. Temperatur eines Lötbades Einflussgrößen systematische z. B. systematische Unzulänglichkeiten von Apparatur, Methode... steuerbare qualitative z. B. Maschinen einer Maschinengruppe zufällige z. B. Störeinflüsse nicht steuerbare IPT 04 QM 4.21 Prof. Dr.Ing. H. Brüggemann
22 Vorteile der statistischen Versuchsmethodik Sie spart Forschungsaufwand, indem die Anzahl der Versuche der zu lösenden Aufgabe angepasst wird Sie ermöglicht objektive und präzise Aussagen Sie ermöglicht eine grobe Modellierung und Optimierung IPT 04 QM 4.22 Prof. Dr.Ing. H. Brüggemann
23 Mögliche Anwendungssituationen für DoE Erfassung der Abhängigkeit zwischen Einflussgrößen (z.b. Verfahrensbedingungen für die Herstellung eines Produktes) und Zielgrößen (z.b. Eigenschaften des Produktes, Ausbeute) Ermittlung von zugehörigen Werten für Einflussgrößen, um eine bestimmte Zielgröße auf einen optimalen Wert einzustellen Vergleich verschiedener Varianten von Technologien (z.b. unterschiedliche Fertigungsabläufe) bezüglich bestimmter Zielgrößen (z.b. Effektivität der Herstellung) IPT 04 QM 4.23 Prof. Dr.Ing. H. Brüggemann
24 Schritte der Produkt und Prozessentwicklung Systementwicklung (Primärdesign) Im Primärdesign wird ein Prototyp entwickelt, der die Ausgangsstufen für die produktspezifischen Faktoren festlegt. Als Stufe wird dabei der Wert eines Faktors (Parameters) bezeichnet. Parameteroptimierung (Sekundärdesign) Im Sekundärdesign werden die Optimalwerte für die einzelnen Parameter bestimmt und Wechselwirkungen zwischen ihnen untersucht. Durch geeignete Parameterkombinationen sollten weiterhin Störgrößen in ihrer Wirkung soweit abgeschwächt werden, daß das System auch unter unterschiedlichen Einsatzbedingungen funktionell bleibt. Festlegen von Toleranzen (Tertiärdesign) Im Tertiärdesign werden Toleranzen um die aus dem Sekundärdesign erhaltenen Optimalwerte gelegt. Die Toleranzgrenzen werden auch durch Kostenbetrachtungen beeinflußt: Zu enge Toleranzen führen zu hohen Fertigungskosten, zu weite Toleranzen vermindern die Funktionstüchtigkeit des Systems. Das Tertiärdesign ist also im wesentlichen ein Optimierungsproblem. IPT 04 QM 4.24 Prof. Dr.Ing. H. Brüggemann
25 Die Verfahren des DoE Die Verfahren des DoE lassen sich in die vier Versuchsplantechniken klassische Versuchsmethodik Versuchsmethodik nach Shainin Versuchsmethodik nach Taguchi Genetische Algorithmen einteilen. IPT 04 QM 4.25 Prof. Dr.Ing. H. Brüggemann
26 Die sechs Phasen eines DoEProjekts 3 4 Statistischer Nachweis 1 2 E 1 E 2 E 3 y 1 y 2 y 3 y 4 Parameterreduzierung (HomingIn) Versuchsauswertung Problemanalyse Problemdefinition Versuchsplanung und durchführung IPT 04 QM 4.26 Prof. Dr.Ing. H. Brüggemann
27 Vollfaktorieller 2 3 Versuchsplan Versuch Nr Planmatri Matri der unabhängigen Variablen Matri der Zielgrößen Effekte y y Faktor Bezeichnung Temperatur [ C] Konzentration des Stoffes X [g/l] Herstellungsverfahren A B IPT 04 QM 4.27 Prof. Dr.Ing. H. Brüggemann
28 Beispiel eines vollfaktoriellen Versuchsplans Zuordnung der Ausgangsstufen zu den Faktoren Aufstellen des Versuchsplans Faktor Bezeichnung Stufe klein 1 Tür groß 2 y Türrahmen Zielgröße Durchzug, gemessen in m 3 /h klein groß Ziel: y=0 Versuch Nr Planmatri Matri der unabhängigen Variablen Zielgröße y 4 0 Effekte: Fazit für dieses Beispiel: Nur wenn 1 und 2 gleichsinnige Ausgangsstufen besitzen, läuft die Zielgröße gegen 0. Folglich müssen Tür und Türrahmen entweder beide klein oder beide groß ausgewählt werden. Fazit Versuch:. Der Effekt ist bei 1 2 am größten. Diese ZweiFaktorWechselwirkung ist somit der Haupteinflußfaktor! Mittelwert = 0 Mittelwert = 10 D = 10 IPT 04 QM 4.28 Prof. Dr.Ing. H. Brüggemann
29 Prof. Dr.Ing. H. Brüggemann IPT 04 QM 4.29 Entstehung eines Teilfaktoriellen 2 41 Versuchsplans 2 Versuchsplan Planmatri Matri der unabhängigen Variablen 2 Versuchsplan Planmatri Matri der unabhängigen Variablen
30 Streuungsanalyse für das Qualitätsmerkmal Wellendurchmesser D[mm] Uhr 9 Uhr 10 Uhr 11 Uhr 12 Uhr Messung 2. Messung 352 Streuungsanalysekarte IPT 04 QM 4.30 Prof. Dr.Ing. H. Brüggemann
31 Streuungsanalysekarte (Streuung innerhalb einer Stichprobe) Gesamtstreuung Zeit Merkmal Die größten Schwankungen treten innerhalb einer Stichprobe auf StichprobenNummer IPT 04 QM 4.31 Prof. Dr.Ing. H. Brüggemann
32 Streuungsanalysekarte (Streuung von Stichprobe zu Stichprobe) Gesamtstreuung Zeit Merkmal Die größten Schwankungen tauchen beim Vergleich zweier Stichproben auf StichprobenNummer IPT 04 QM 4.32 Prof. Dr.Ing. H. Brüggemann
33 Streuungsanalysekarte (temporäre Drifts) Gesamtstreuung Zeit Merkmal Die größten Schwankungen treten über die Zeit gesehen auf StichprobenNummer IPT 04 QM 4.33 Prof. Dr.Ing. H. Brüggemann
34 Streuungsanalysekarte Streuung von Stichprobe zu Stichprobe ist am größten. Merkmal Zeit Stichprobennummer Gesamtstreuung Gesamtstreuung Die größten Streuungen treten über die Zeit auf. Merkmal Zeit Stichprobennummer IPT 04 QM 4.34 Prof. Dr.Ing. H. Brüggemann
35 Komponentenbestimmungsversuch nach SHAININ Einheit kein Einfluß Wechselwirkung mit? Wechselwirkung mit B? BC ist die maßgebliche Komponente "gut" "schlecht" getauschte Komponente A B C BC ursprüngliche Komponenten U U Konfiguration U : ursprüngliche Komponenten A, B, AB,... : Austausch der Komponenten... IPT 04 QM 4.35 Prof. Dr.Ing. H. Brüggemann
36 ScatterPlots zur Auswertung korrelativer Zusammenhänge abhängiger Zielwert y senkrechte Streuung Die senkrechte Streuung ist umgekehrt proportional zum Einfluß des jeweiligen Faktors. senkrechte Streuung abhängiger Zielwert y Regressionsgerade unabhängige Variable 1 Reg ressionsgerade unabhängige Variable 2 IPT 04 QM 4.36 Prof. Dr.Ing. H. Brüggemann
37 Ermittlung realistischer Toleranzgrenzen mit ScatterPlots Prozeßfähigkeit C pk= 1,0 Prozeßfähigkeit C pk= 1,33 OSG OSG Regressionsgerade Regressionsgerade Zielwert y M Zielwert y M USG USG UT m unabhängige Variable OT UT m unabhängige Variable OT USG/OSG UT/ OT m/m : : : untere/ obere Spezifikationsgrenze untere/obere Toleranzgrenze Intervallmittelpunkt [ UT, OT]/[USG;OSG] IPT 04 QM 4.37 Prof. Dr.Ing. H. Brüggemann
38 Layout eines TaguchiPlanes Äußeres " Feld " Feld (orthogonales (orthogonales Feld Feld für die für Störgrößen, die Störgrößen, 3 hier: L (2 ) ) hier: L 4 4 (2 3 )) 4 Vers.Nr Spalten Nr Versuchseinstellungen 1 n Vers. Nr SpaltenNr Antwortfeld (Eintragung der n m Versuchsergebnisse für jede Antwortgröße) " Inneres Inneres " Feld Feld (orthogonales (orthogonales Feld Feld für für die die Steuergrößen, Steuergrößen, hier: L 8 (2 7 )))) hier: L 8 (2 7 )) 1 m " QuasiWiederholungen " IPT 04 QM 4.38 Prof. Dr.Ing. H. Brüggemann
39 Gefährliche Vermengungen beim DoE nach Taguchi Qualitätsmerkmal: Dichtheit einer Tür Faktorentabelle 1 2 Tür Türrahmen 3 Farbe der Tür Empfehlung klein groß klein groß schwarz weiß Taguchi s Tabellen: Versuchsplan L 4 mit 4 Versuchen Die Wechselwirkung zwischen den Faktoren 1 und 2 bleibt unberücksichtigt! Matri d. unabhängigen Variablen L 4 Ergebnis 3 [m/h] Tür schwarz streichen! Die Größen von Tür bzw. Rahmen sind unwichtig. IPT 04 QM 4.39 Prof. Dr.Ing. H. Brüggemann
40 Einteilung der statistischen Verfahren des QM Statistische Verfahren des Qualitätsmanagements Produkt und Prozessdesign Fertigungsüberwachung Eingangs, Zwischenund Endprüfung Design of Eperiments Statistische Prozesslenkung Kontinuierliche Stichprobenprüfung Fähigkeitsanalyse Abnahmeprüfung Hauptinstrument Hauptinstrument Hauptinstrument Versuchsplan Qualitätsregelkarte Prüfplan Prüfplan Prüfplan IPT 04 QM 4.40 Prof. Dr.Ing. H. Brüggemann
41 Sprunganweisungen nach DIN Prüfbefunde PS = Prüfschärfe Prüfplan aufstellen PS=reduziert? ja Nein Bei Losannahme: Interner Übergang zu PS = normal, wenn c < < d ist. (c = Annahmezahl, d = Rückweisezahl) PS=normal? Nein ja Nein 1 Los abgelehnt? 2 von 5 Losen abgelehnt? Nein 5 Lose angenommen Nein ja ja 10 Lose angenommen? Nein ja 10 Lose abgelehnt? Nein ja ja Abbruch PS=reduziert PS=normal PS=verschärft PS=reduziert PS=normal PS=normal PS=verschärft IPT 04 QM 4.41 Prof. Dr.Ing. H. Brüggemann
42 Einteilung der statistischen Verfahren des QM Statistische Verfahren des Qualitätsmanagements Produkt und Prozessdesign Fertigungsüberwachung Eingangs, Zwischenund Endprüfung Design of Eperiments Statistische Prozesslenkung Kontinuierliche Stichprobenprüfung Fähigkeitsanalyse Abnahmeprüfung Hauptinstrument Hauptinstrument Hauptinstrument Versuchsplan Qualitätsregelkarte Prüfplan Prüfplan Prüfplan IPT 04 QM 4.42 Prof. Dr.Ing. H. Brüggemann
43 Ausschussanteile und zugehörige Prozessfähigkeitsindizes "3SigmaQualität" Tu 3 σ M=µ 3 σ T o Klasse Anteil Gutteile [%] Anteil Ausschuss [%] Ausschuss [ppm] C p 1SigmaQualität 68,26 31, /3 2SigmaQualität 95,44 4, /3 3SigmaQualität 99,7300 0, SigmaQualität 99, , ,33 4/3 5SigmaQualität 99, , ,57 5/3 6SigmaQualität 99, , , IPT 04 QM 4.43 Prof. Dr.Ing. H. Brüggemann
44 Prozessfähigkeitskennwerte und deren Bedeutung 3σ T o T u obere Toleranzgrenze untere Toleranzgrenze 3σ = 3σ 3σ = 3σ 3σ = 3σ 3σ = 3σ 3σ = T o Sollwert T u cp = 0,8 cpk = 0,5 cp = 1,33 cpk = 0,8 cp = 1,33 cpk = 1,1 cp = 1,33 cpk = 1,33 cp = 2,0 cpk = 2,0 IPT 04 QM 4.44 Prof. Dr.Ing. H. Brüggemann
45 Veränderung der Ausschussquote bei Verschiebung des Prozessmittelwertes IPT 04 QM 4.45 Prof. Dr.Ing. H. Brüggemann
46 Veränderung der Ausschussquote bei Verschiebung der Prozessstreuung IPT 04 QM 4.46 Prof. Dr.Ing. H. Brüggemann
47 Prozesslenkung mit Qualitätsregelkarten Prozessanalyse Prozessbeurteilung Störungen? Verteilungsmodell? Prozessfähigkeit? Kontrollphase Führen der QRK vor Ort Festlegung der Parameter für die QRK und den Einsatz der QRK Designphase : bei Änderung der Produktionsbedingungen QRK : Qualitätsregelkarte IPT 04 QM 4.47 Prof. Dr.Ing. H. Brüggemann
48 Merkmal Schematische Darstellung eines Prozessverlaufs Tu T o a b c untere Toleranzgrenze obere Toleranzgrenze Momentanstreubreite Prozessstreubreite Niveauverschiebung (Trend) k T o c b a 1 T u k Stichprobe IPT 04 QM 4.48 Prof. Dr.Ing. H. Brüggemann
49 Zweiseitige Qualitätsregelkarte OEG / UEG : obere / untere Eingriffsgrenze OWG / UWG M: g(): Sollwert Prüfvariable = zu einem Kennwert verdichtete Stichprobe : obere / untere Warngrenze g() g() OEG OWG 95% Bereich 99% Bereich M UWG UEG Dichte der Prüfvariable Nummer der Stichprobe IPT 04 QM 4.49 Prof. Dr.Ing. H. Brüggemann
50 Übersicht über gebräuchliche Qualitätsregelkarten Klassen von Qualitätsregelkarten QRK ohne Gedächtnis QRK mit Gedächtnis ShewartQRK ohne Grenzwertvorgaben ShewartQRK mit Grenzwertvorgaben MOSUM EWMA für zählende Prüfung (Ausschussquote) für messende Prüfung für messende Prüfung KUSUM Überwachung des Prozessniveaus Überwachung der Prozessstreuung Überwachung des Prozessniveaus ~ ~ X X Urwert s R X X Urwert IPT 04 QM 4.50 Prof. Dr.Ing. H. Brüggemann
Uli Greßler. Qualitätsmanagement. Überwachung der Produkt- und Prozessqualität. Arbeitsheft. 2. Auflage. Bestellnummer 04796
Uli Greßler Qualitätsmanagement Überwachung der Produt- und Prozessqualität Arbeitsheft 2. Auflage Bestellnummer 04796 Haben Sie Anregungen oder Kritipunte zu diesem Produt? Dann senden Sie eine E-Mail
MehrQM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
MehrMelanie Kaspar, Prof. Dr. B. Grabowski 1
7. Hypothesentests Ausgangssituation: Man muss sich zwischen 2 Möglichkeiten (=Hypothesen) entscheiden. Diese Entscheidung soll mit Hilfe von Beobachtungen ( Stichprobe ) getroffen werden. Die Hypothesen
MehrMarktleistungsentwicklung. Realisierungsphase MLE-12H-NDB. Teil 5. Realisierungsphase. Heinz Strüby www.resultate-erzielen.
Marktleistungsentwicklung Teil 5 5-1 Q-Werkzeuge für die Realisierunsphase FMEA (siehe separates Beispiel und Präsentation) 5W-Fragetechnik Ishikawa Design of Experiments DoE (siehe separates Beispiel
Mehr4. Erstellen von Klassen
Statistik mit Tabellenkalkulation 4. Erstellen von Klassen Mit einem einfachen Befehl lässt sich eine Liste von Zahlen auf die Häufigkeit der einzelnen Werte untersuchen. Verwenden Sie dazu den Befehl
MehrMesswerte und deren Auswertungen
Thema: Messwerte und deren Auswertungen Vorlesung Qualitätsmanagement, Prof. Dr. Johann Neidl Seite 1 Stichproben vertrauen Die Genauigkeit von Voraussagen (Vertrauensniveau) einer Stichprobenprüfung hängt
MehrStatistik I für Betriebswirte Vorlesung 11
Statistik I für Betriebswirte Vorlesung 11 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 22. Juni 2012 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
Mehr1.4 Installation eines Qualitätsmanagementsystems
Ko n t r o l l f r a g e n : 1 Geben Sie vier Argumente an, die für die Installation eines Qualitätsmanagementsystems sprechen. 2 Erläutern Sie den Zusammenhang zwischen einem funktionierenden Qualitätsmanagementsystem
MehrB 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!
Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden
MehrEinfache statistische Auswertungen mit dem TI-Nspire
1. Neues Dokument und darin eine neue Seite anlegen Als Typ 6: Lists & Spreadsheet wählen. Darin die Messwerte in einer Spalte erfassen. Dies ergibt die Urliste. Wenn mehrere Messwerte vorliegen, die diejenigen,
MehrStatische Versuchsplanung (DoE - Design of Experiments)
Statische Versuchsplanung (DoE - Design of Experiments) Übersicht Bei der statistischen Versuchsplanung wird die Wirkung von Steuerparametern unter dem Einfluss von Störparametern untersucht. Mit Hilfe
MehrExpertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung)
Epertenrunde Gruppe 1: Wiederholungsgruppe EXCEL (Datenerfassung, Darstellungsformen, Verwertung) Im Folgenden wird mit Hilfe des Programms EXEL, Version 007, der Firma Microsoft gearbeitet. Die meisten
MehrHistogramm und Wahrscheinlichkeitsnetz 1/16
Histogramm und Wahrscheinlichkeitsnetz 1/16 Ziel: Ziel der Aufgabe Ziel ist es, die Grafiken Histogramm und Wahrscheinlichkeitsnetz und die Funktionalitäten (z.b. C-Wert-Funktion) von qs-stat ME kennen
MehrGEPRÜFTE / -R INDUSTRIEMEISTER / -IN METALL / NEU
SITUATIONSAUFGABE 35 Bei der Durrchführung einer FMEA wird in der Stufe zwei nach der Bedeutung der potentiellen Folgen eines Fehlers gefragt und schließlich die Frage nach der Wahrscheinlichkeit der Entdeckung
MehrLeseprobe. Wilhelm Kleppmann. Versuchsplanung. Produkte und Prozesse optimieren ISBN: 978-3-446-42033-5. Weitere Informationen oder Bestellungen unter
Leseprobe Wilhelm Kleppmann Versuchsplanung Produkte und Prozesse optimieren ISBN: -3-44-4033-5 Weitere Informationen oder Bestellungen unter http://www.hanser.de/-3-44-4033-5 sowie im Buchhandel. Carl
MehrAQL. 9. Statistisches Qualitätsmanagement 9.3 Statistische Methoden der Warenannahme (AQL)
9.3 Statistische Methoden der Warenannahme (AQL) AQL Vorlesung Qualitätsmanagement, Prof. Dr. Johann Neidl Seite 1 Um was geht es? Stichprobensysteme insbesondere für Eingangsprüfungen. Diese werden durch
MehrWerkzeugschrank mit Standardwerkzeugen (Q7)
Werkzeugschrank mit Standardwerkzeugen (Q7) Ursachen- Wirkungsdiagramm Qualitätsregelkarte OEG OWG OEG = Obere Eingriffsgrenze UEG = Untere Eingriffsgrenze OWG = Obere Warngrenze UWG = Untere Warngrenze
MehrKlausur Nr. 1. Wahrscheinlichkeitsrechnung. Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt.
Klausur Nr. 1 2014-02-06 Wahrscheinlichkeitsrechnung Pflichtteil Keine Hilfsmittel gestattet, bitte alle Lösungen auf dieses Blatt. Name: 0. Für Pflicht- und Wahlteil gilt: saubere und übersichtliche Darstellung,
MehrAufgabe 1: Nehmen Sie Stellung zu den folgenden Behauptungen (richtig/falsch mit stichwortartiger Begründung).
Aufgabe 1: Nehmen Sie Stellung zu den folgenden Behauptungen (richtig/falsch mit stichwortartiger Begründung). a) Die Anzahl der voneinander verschiedenen Beobachtungswerte eines statistischen Merkmals
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrXing- Gruppentreffen 07.09.2010. Einführung von SPC. Einführung von SPC
Xing- Gruppentreffen 07.09.2010 Einführung von SPC Einführung von SPC Hintergründe Einführung von SPC In einem der letzten Meetings wurde über die Bürde SPC gesprochen SPC wurde als Überwachung durch den
MehrLaufende Auswertung von Feedback-Fragebögen... 2. Eine Vorlage zur Auswertung eines Fragebogens und die Präsentation erstellen...
Inhaltsverzeichnis Laufende Auswertung von Feedback-Fragebögen... 2 Eine Vorlage zur Auswertung eines Fragebogens und die Präsentation erstellen... 2 Namen verwalten... 4 Dr. Viola Vockrodt-Scholz edvdidaktik.de
Mehr2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen
4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form
MehrInhalt 1 Einführung... 1 2 Ausgewählte Begriffe... 10 3 Vorgehensweise im Überblick... 14
VII 1 Einführung... 1 1.1 Warum Versuche?... 1 1.2 Warum Statistik?... 1 1.3 Warum Versuchsplanung?... 4 1.4 Welche Art von Ergebnissen kann man erwarten?... 6 1.5 Versuche oder systematische Beobachtung?...
MehrGrundlagen der Inferenzstatistik
Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,
MehrI. Prüfobjekt und Prüfmerkmale für die Endprüfung Lagerstift was zu prüfen ist
Industrielles Beispiel für die Erarbeitung eines Prüfplanes Für die Qualitätsprüfung des Lagerstiftes (laut Prüfskizze) ist ein Prüfplan zu erarbeiten. Die Herstellung des Lagerstiftes erfolgt an einem
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrBox-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8
. Aufgabe: Für zwei verschiedene Aktien wurde der relative Kurszuwachs (in % beobachtet. Aus den jeweils 20 Quartaldaten ergaben sich die folgenden Box-Plots. Box-and-Whisker Plot Aktie Aktie 2-0,2 0,8,8
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
MehrTaschenbuch Versuchsplanung Produkte und Prozesse optimieren
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren ISBN-10: 3-446-41595-5 ISBN-13: 978-3-446-41595-9 Inhaltsverzeichnis Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41595-9
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
MehrMessmittelfähigkeit. Andreas Masmünster, Quality Control Event, 30. Juni 2011
Messmittelfähigkeit Andreas Masmünster, Quality Control Event, 30. Juni 2011 Agenda Messmittel Allgemeines Methode 1 Methode 2 Ziel der Methoden Praktischer Teil nach Methode 2 Formblatt Schlussfolgerung
MehrStatistik II für Betriebswirte Vorlesung 2
PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik Statistik II für Betriebswirte Vorlesung 2 21. Oktober 2014 Verbundene Stichproben Liegen zwei Stichproben vor, deren Werte einander
MehrKapitel 6: Statistische Qualitätskontrolle
Kapitel 6: Statistische Qualitätskontrolle 6. Allgemeines Für die Qualitätskontrolle in einem Unternehmen (produzierendes Gewerbe, Dienstleistungsunternehmen, ) gibt es verschiedene Möglichkeiten. Statistische
MehrSTATISTIK. Erinnere dich
Thema Nr.20 STATISTIK Erinnere dich Die Stichprobe Drei Schüler haben folgende Noten geschrieben : Johann : 4 6 18 7 17 12 12 18 Barbara : 13 13 12 10 12 3 14 12 14 15 Julia : 15 9 14 13 10 12 12 11 10
MehrInhalt. Vorwort... 1 Einführung... 1. 2 Ausgewählte Begriffe... 11. 3 Vorgehensweise im Überblick... 17
Inhalt Vorwort.................................................................. V Inhalt.................................................................... VII 1 Einführung..........................................................
MehrMean Time Between Failures (MTBF)
Mean Time Between Failures (MTBF) Hintergrundinformation zur MTBF Was steht hier? Die Mean Time Between Failure (MTBF) ist ein statistischer Mittelwert für den störungsfreien Betrieb eines elektronischen
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt. Stock, Nordflügel R. 0-49 (Persike) R. 0- (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de WS 008/009 Fachbereich
MehrTaschenbuch Versuchsplanung
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren Praxisreihe Qualitätswissen Herausgegeben von Franz J. Brunner Carl Hanser Verlag München Wien VII Inhalt 1 Einführung 1 1.1
MehrStatistik für Studenten der Sportwissenschaften SS 2008
Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrFachhochschule Düsseldorf Wintersemester 2008/09
Fachhochschule Düsseldorf Wintersemester 2008/09 Teilfachprüfung Statistik im Studiengang Wirtschaft Prüfungsdatum: 26.01.2009 Prüfer: Prof. Dr. H. Peters, Diplom-Vw. Lothar Schmeink Prüfungsform: 2-stündige
MehrSchleswig-Holstein 2011. Kernfach Mathematik
Aufgabe 6: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein. Machen Sie auch Angaben über die Verteilung der jeweiligen Zufallsvariablen. Eine repräsentative
MehrWarum Sie dieses Buch lesen sollten
Warum Sie dieses Buch lesen sollten zont nicht schaden können. Sie haben die Krise ausgesessen und können sich seit 2006 auch wieder über ordentliche Renditen freuen. Ähnliches gilt für die Immobilienblase,
MehrWie man leicht erkennen kann, steigt die Anzahl notwendiger Versuche zur Basis 2 bei jeder Modellerweiterung um einen weiteren Faktor.
Ziel Prinzip Bestimmung der relevanten Einflussgrößen und Effekte unabhängiger Eingangsvariablen auf das Ergebnis eines Produktes oder Prozess mit einem Minimum an Versuchsaufwand. DoE (Design of Experiment)
MehrTaschenbuch Versuchsplanung
Wilhelm Kleppmann 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Taschenbuch Versuchsplanung Produkte und Prozesse
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
Mehr1.3 Die Beurteilung von Testleistungen
1.3 Die Beurteilung von Testleistungen Um das Testergebnis einer Vp zu interpretieren und daraus diagnostische Urteile ableiten zu können, benötigen wir einen Vergleichsmaßstab. Im Falle des klassischen
MehrVermögensbildung: Sparen und Wertsteigerung bei Immobilien liegen vorn
An die Redaktionen von Presse, Funk und Fernsehen 32 02. 09. 2002 Vermögensbildung: Sparen und Wertsteigerung bei Immobilien liegen vorn Das aktive Sparen ist nach wie vor die wichtigste Einflussgröße
MehrR. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007
R. Brinkmann http://brinkmann-du.de Seite 1 30.11.2013 Schriftliche Übung Mathematik Stochastik II (Nachschreiber) Jan. 2007 SG15/25D NAME: Lösungen 1. In einer Packung sind Glühbirnen, davon sind zwei
MehrAccess [basics] Gruppierungen in Abfragen. Beispieldatenbank. Abfragen gruppieren. Artikel pro Kategorie zählen
Abfragen lassen sich längst nicht nur dazu benutzen, die gewünschten Felder oder Datensätze einer oder mehrerer Tabellen darzustellen. Sie können Daten auch nach bestimmten Kriterien zu Gruppen zusammenfassen
MehrRegelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall
Wahrscheinlichkeitstheorie Was will die Sozialwissenschaft damit? Regelmäßigkeit (Erkennen von Mustern und Zusammenhängen) versus Zufall Auch im Alltagsleben arbeiten wir mit Wahrscheinlichkeiten, besteigen
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrInformationsmanagement für die Produktion
Informationsmanagement für die Produktion Um die Produktion optimal zu steuern, werden heute verstärkt integrierte Produktionsmanagement- Systeme eingesetzt, die sämtlichen mit der Produktion verbundenen
MehrIn konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.
Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht
Mehr1 C H R I S T O P H D R Ö S S E R D E R M A T H E M A T I K V E R F Ü H R E R
C H R I S T O P H D R Ö S S E R D E R M A T H E M A T I K V E R F Ü H R E R L Ö S U N G E N Seite 7 n Wenn vier Menschen auf einem Quadratmeter stehen, dann hat jeder eine Fläche von 50 mal 50 Zentimeter
MehrResultate GfS-Umfrage November 2006. Wie bekannt ist das Phänomen Illettrismus bei der Schweizer Bevölkerung?
Resultate GfS-Umfrage November 2006 Wie bekannt ist das Phänomen Illettrismus bei der Schweizer Bevölkerung? Frage 1: Kennen Sie das Phänomen, dass Erwachsene fast nicht lesen und schreiben können, obwohl
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
MehrDaten sammeln, darstellen, auswerten
Vertiefen 1 Daten sammeln, darstellen, auswerten zu Aufgabe 1 Schulbuch, Seite 22 1 Haustiere zählen In der Tabelle rechts stehen die Haustiere der Kinder aus der Klasse 5b. a) Wie oft wurden die Haustiere
MehrAGROPLUS Buchhaltung. Daten-Server und Sicherheitskopie. Version vom 21.10.2013b
AGROPLUS Buchhaltung Daten-Server und Sicherheitskopie Version vom 21.10.2013b 3a) Der Daten-Server Modus und der Tresor Der Daten-Server ist eine Betriebsart welche dem Nutzer eine grosse Flexibilität
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
MehrVorlesungsinhalt. Produktionsplanung. Beschaffung. Produktion. QM in der Produktionsplanung. - Wareneingangsprüfung
Vorlesungsinhalt Produktionsplanung QM in der Produktionsplanung QM Beschaffung Produktion Q - Wareneingangsprüfung - Lieferantenbewertung - Prüfplanung und mittel - SPC - Maschinenfähigkeit IPT - 04 QMProd
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
Mehr1 Darstellen von Daten
1 Darstellen von Daten BesucherInnenzahlen der Bühnen Graz in der Spielzeit 2010/11 1 Opernhaus 156283 Hauptbühne 65055 Probebühne 7063 Ebene 3 2422 Next Liberty 26800 Säulen- bzw. Balkendiagramm erstellen
MehrDeutliche Mehrheit der Bevölkerung für aktive Sterbehilfe
Allensbacher Kurzbericht 6. Oktober 2014 Deutliche Mehrheit der Bevölkerung für aktive Sterbehilfe Zwei Drittel sind für die Erlaubnis aktiver Sterbehilfe, 60 Prozent für die Zulassung privater Sterbehilfe-Organsationen.
MehrAuswertung zur. Hauptklausur Unternehmensbesteuerung. vom 24.02.10. und Ergebnisse der Kundenbefragung
Auswertung zur Hauptklausur Unternehmensbesteuerung vom 24.02.10 Vergleich: Skriptteufel-Absolventen vs. alle Teilnehmer und Ergebnisse der Kundenbefragung In diesem Dokument vergleichen wir die Klausurergebnisse
MehrVerband der TÜV e. V. STUDIE ZUM IMAGE DER MPU
Verband der TÜV e. V. STUDIE ZUM IMAGE DER MPU 2 DIE MEDIZINISCH-PSYCHOLOGISCHE UNTERSUCHUNG (MPU) IST HOCH ANGESEHEN Das Image der Medizinisch-Psychologischen Untersuchung (MPU) ist zwiespältig: Das ist
MehrAUTOMATISIERTE HANDELSSYSTEME
UweGresser Stefan Listing AUTOMATISIERTE HANDELSSYSTEME Erfolgreich investieren mit Gresser K9 FinanzBuch Verlag 1 Einsatz des automatisierten Handelssystems Gresser K9 im Portfoliomanagement Portfoliotheorie
MehrVersuch 3. Frequenzgang eines Verstärkers
Versuch 3 Frequenzgang eines Verstärkers 1. Grundlagen Ein Verstärker ist eine aktive Schaltung, mit der die Amplitude eines Signals vergößert werden kann. Man spricht hier von Verstärkung v und definiert
MehrHautkrebsscreening. 49 Prozent meinen, Hautkrebs sei kein Thema, das sie besorgt. Thema Hautkrebs. Ist Hautkrebs für Sie ein Thema, das Sie besorgt?
Hautkrebsscreening Datenbasis: 1.004 gesetzlich Krankenversicherte ab 1 Jahren Erhebungszeitraum:. bis 4. April 01 statistische Fehlertoleranz: +/- Prozentpunkte Auftraggeber: DDG Hautkrebs ist ein Thema,
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrStatistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005
Statistik II Wahrscheinlichkeitsrechnung und induktive Statistik Erste Klausur zum Sommersemester 2005 26. Juli 2005 Aufgabe 1: Grundzüge der Wahrscheinlichkeitsrechnung 19 P. Als Manager eines großen
MehrSUPERSPRINGS. Schraubendruckfedern
SUPERSPRINGS Schraubendruckfedern Die Geschichte der SuperSprings Unsere eigenen Erwar tun - gen an Schraubendruck - federn sind sehr hoch, deshalb haben wir eines der anspruchsvollsten Produktionswerke
MehrTaschenbuch Versuchsplanung Produkte und Prozesse optimieren
Wilhelm Kleppmann Taschenbuch Versuchsplanung Produkte und Prozesse optimieren ISBN-10: 3-446-41595-5 ISBN-13: 978-3-446-41595-9 Leseprobe Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41595-9
MehrStatistik mit Excel. für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE
Statistik mit Excel für Praktiker: Statistiken aufbereiten und präsentieren HORST-DIETER RADKE INHALTS- VERZEICHNIS Vorwort 13 Schreiben Sie uns! 15 1 Statistische Untersuchungen 17 Wozu Statistik? 18
MehrFestigkeit von FDM-3D-Druckteilen
Festigkeit von FDM-3D-Druckteilen Häufig werden bei 3D-Druck-Filamenten die Kunststoff-Festigkeit und physikalischen Eigenschaften diskutiert ohne die Einflüsse der Geometrie und der Verschweißung der
MehrStand: 28.11.2012. Adressnummern ändern Modulbeschreibung
Seite 1 Inhalt Allgemein...3 Installation...3 manuelle Eingabe von alten und neuen Adressnummern...4 Vorbereiten von Adressnummern-Änderungen in Tabellen...5 Seite 2 Allgemein Das INKS-Modul ermöglicht
MehrFehler und Probleme bei Auswahl und Installation eines Dokumentenmanagement Systems
Fehler und Probleme bei Auswahl und Installation eines Dokumentenmanagement Systems Name: Bruno Handler Funktion: Marketing/Vertrieb Organisation: AXAVIA Software GmbH Liebe Leserinnen und liebe Leser,
MehrVorgaben der DIN ISO 13528 Statistische Verfahren für Eignungsprüfungen durch Ringversuche
Konsens- oder Referenzwerte in Ringversuchen Möglichkeiten und Grenzen Dr.-Ing. Michael Koch Institut für Siedlungswasserbau, Wassergüte und Abfallwirtschaft der Universität Stuttgart Arbeitsbereich Hydrochemie
MehrProfil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8
1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen
Mehr1 MIO ÖSTERREICHISCHE SKIFAHRER SCHÜTZEN SICH BEREITS MIT HELM - UM 370.000 MEHR ALS IM VORJAHR
1 MIO ÖSTERREICHISCHE SKIFAHRER SCHÜTZEN SICH BEREITS MIT HELM - UM 370.000 MEHR ALS IM VORJAHR 3/09 1 MIO ÖSTERREICHISCHE SKIFAHRER SCHÜTZEN SICH BEREITS MIT HELM - UM 370.000 MEHR ALS IM VORJAHR Mehr
MehrMeinungen der Bürgerinnen und Bürger in Hamburg und Berlin zu einer Bewerbung um die Austragung der Olympischen Spiele
Meinungen der Bürgerinnen und Bürger in Hamburg und Berlin zu einer Bewerbung um die Austragung der Olympischen Spiele 4. März 2015 q5337/31319 Le forsa Politik- und Sozialforschung GmbH Büro Berlin Schreiberhauer
MehrDie Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist
Frage Die Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist k a F (x) =1 k>0,x k x Finden Sie den Erwartungswert und den Median der Dichte für a>1. (Bei
MehrGlaube an die Existenz von Regeln für Vergleiche und Kenntnis der Regeln
Glaube an die Existenz von Regeln für Vergleiche und Kenntnis der Regeln Regeln ja Regeln nein Kenntnis Regeln ja Kenntnis Regeln nein 0 % 10 % 20 % 30 % 40 % 50 % 60 % 70 % 80 % 90 % Glauben Sie, dass
Mehr2.8 Grenzflächeneffekte
- 86-2.8 Grenzflächeneffekte 2.8.1 Oberflächenspannung An Grenzflächen treten besondere Effekte auf, welche im Volumen nicht beobachtbar sind. Die molekulare Grundlage dafür sind Kohäsionskräfte, d.h.
MehrBerechnung der Erhöhung der Durchschnittsprämien
Wolfram Fischer Berechnung der Erhöhung der Durchschnittsprämien Oktober 2004 1 Zusammenfassung Zur Berechnung der Durchschnittsprämien wird das gesamte gemeldete Prämienvolumen Zusammenfassung durch die
MehrRingversuch zur 9. Pilztagung des VDB 2005 in Hamburg
Ringversuch zur 9. Pilztagung des VDB 25 in Hamburg Randbedingungen und Zielsetzung des Ringversuches Um den Einfluss der Probenehmer und des verwendeten Verfahren auf die Schwankungen der Ergebnisse zu
MehrBernadette Büsgen HR-Consulting www.buesgen-consult.de
Reiss Profile Es ist besser mit dem Wind zu segeln, als gegen ihn! Möchten Sie anhand Ihres Reiss Rofiles erkennen, woher Ihr Wind weht? Sie haben verschiedene Möglichkeiten, Ihr Leben aktiv zu gestalten.
MehrInformatik Kurs Simulation. Hilfe für den Consideo Modeler
Hilfe für den Consideo Modeler Consideo stellt Schulen den Modeler kostenlos zur Verfügung. Wenden Sie sich an: http://consideo-modeler.de/ Der Modeler ist ein Werkzeug, das nicht für schulische Zwecke
MehrVarianzanalyse (ANOVA: analysis of variance)
Varianzanalyse (AOVA: analysis of variance) Einfaktorielle VA Auf der Basis von zwei Stichproben wird bezüglich der Gleichheit der Mittelwerte getestet. Variablen müssen Variablen nur nominalskaliert sein.
MehrA Lösungen zu Einführungsaufgaben zu QueueTraffic
A Lösungen zu Einführungsaufgaben zu QueueTraffic 1. Selber Phasen einstellen a) Wo im Alltag: Baustelle, vor einem Zebrastreifen, Unfall... 2. Ankunftsrate und Verteilungen a) poissonverteilt: b) konstant:
MehrAnwendungshinweise zur Anwendung der Soziometrie
Anwendungshinweise zur Anwendung der Soziometrie Einführung Die Soziometrie ist ein Verfahren, welches sich besonders gut dafür eignet, Beziehungen zwischen Mitgliedern einer Gruppe darzustellen. Das Verfahren
MehrR ist freie Software und kann von der Website. www.r-project.org
R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird
MehrÜbung 5 : G = Wärmeflussdichte [Watt/m 2 ] c = spezifische Wärmekapazität k = Wärmeleitfähigkeit = *p*c = Wärmediffusität
Übung 5 : Theorie : In einem Boden finden immer Temperaturausgleichsprozesse statt. Der Wärmestrom läßt sich in eine vertikale und horizontale Komponente einteilen. Wir betrachten hier den Wärmestrom in
MehrFelix Klug SS 2011. 2. Tutorium Deskriptive Statistik
2. Tutorium Deskriptive Statistik Felix Klug SS 2011 Skalenniveus Weitere Beispiele für Skalenniveus (Entnommen aus Wiederholungsblatt 1.): Skalenniveu Nominalskala Ordinalskala Intervallskala Verhältnisskala
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrAnhand des bereits hergeleiteten Models erstellen wir nun mit der Formel
Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung
Mehr