|
|
- Inge Berger
- vor 8 Jahren
- Abrufe
Transkript
1 Prozesskontrolle Modul 7 Dr.-Ing. Klaus Oberste Lehn Fachhochschule Düsseldorf Sommersemester 2012
2 Quellen Dr. Klaus Oberste Lehn 2
3 SPC Statistische Prozess Regelung ist eine Methode Prozessdaten zu sammeln und so aufzubereiten und zu interpretieren, damit sie zur Qualitätsstrategie und Produktivitätssteigerungen verwendet werden können. Anwendung des Konzepts "SPC": Prinzipiell in jedem Bereich einsetzbar, wo Arbeit verrichtet wird, deren Resultat eine Streuung beinhaltet und der Wunsch nach Verbesserung besteht. Beispiele der Anwendung: Dimension eines Teiles Buchführungsfehlerraten Leistungsziffern Transportzeiten von Kaufteilen Fehlervermeidung statt Fehlerentdeckung: Die Strategie der Fehlervermeidung führt zu einer wirtschaftlichen Fertigung in der unbrauchbaren Produkte erst gar nicht produziert werden Dr. Klaus Oberste Lehn 3
4 Beurteilung von Fehlerraten Fehlerrate 0,1% - wieviel ist das eigentlich? - Jeden Monat für 45 Minuten schlechtes Wasser aus der Leitung! Postsendungen, die täglich verloren gehen! Rezepte, die monatlich falsch vom Arzt ausgestellt werden! - 40 Operationen die monatlich falsch durchgeführt werden! Bankbuchungen, die pro Stunde falsch gebucht werden! Oder auf eine Produktion bezogen (25 Millionen Teile täglich): Teile, die täglich mit Fehlern an den Kunden ausgeliefert werden!! 2012 Dr. Klaus Oberste Lehn 4
5 Streuung : Das Abweichungsverhalten eines Merkmals, das sich aus dem Zusammenwirken von Einflüssen ergibt, nennt man Streuung. Beispiele von Einflüssen: Maschine (Lagerspiel, Lagerverschleiß) Werkzeug (Festigkeit, Standzeiten) Material (Abmessung, Härte) Personal (Einrichten, Positionsgenauigkeit) Instandhaltung (Schmierung, Ersatz von Teilen) Arbeitsumwelt (Temperatur, Konstanz der zugeführten Energie) Arten der Streuung: Zufallseinflüsse Systematische Einflüsse 2012 Dr. Klaus Oberste Lehn 5
6 Zufällige Ursachen Zufällige Ursachen für Produktionsabweichungen sind durch die Herstellung selbst bestimmt und grundsätzlich in ihrer Wirkung nicht (unmittelbar) zu beseitigen. Größe und Richtung des Einflusses zufälliger Ursachen sind nicht kalkulierbar im Sinne einer Vorhersagbarkeit. Nach außen in Erscheinung tretende Zufallsabweichungen werden hervorgerufen durch die Überlagerung aller gleichzeitig wirkenden zufälligen Ursachen. Beispiele von zufälligen Ursachen: Vibration Lagerspiel Zufällige Einflüsse führen zu einer natürlichen Streuung der Q-Merkmale z.b. Streuung des Abfüllgewichts des Biers Brenndauer von Leuchtstoffröhren Abmessung von Schrauben 2012 Dr. Klaus Oberste Lehn 6
7 Systematische & sprunghafte Ursachen Systematische Ursachen sind lokalisierbar und damit beeinflussbar, wenn nicht sogar berechenbar. Unter ihrer Einwirkung kommt es zu allmählichen oder plötzlichen Veränderungen in der Verteilung der Q-Merkmale. langsam Werkzeugverschleiß allmählich Temperaturanstieg Ermüdung von Personal Sprunghafte Ursachen: Werkzeugbeschädigung Maschinenbeschädigung Wechsel von Rohmaterial Umstellung der Arbeitsmethode Schichtwechsel 2012 Dr. Klaus Oberste Lehn 7
8 Stichprobe Die Beurteilung der Qualität jedes einzelnen Produktes eines Prozesses ist nicht durchführbar und / oder zu teuer. Wesentlich wirtschaftlicher ist es, eine Stichprobe des Produktes zu beurteilen und die Ergebnisse für eine Voraussage über die Gesamtheit aller gefertigten Produkte zu verwenden. Mit statistischen Verfahren kann man Aussagen über die Qualität des Produktes machen. Die Genauigkeit der Voraussagen lässt sich abhängig von dem Stichprobenumfang und von den verwendeten Methoden abschätzen. Statistische Verfahren: tabellarische Auflistung: Strichliste Histogramm Stetige Verteilungen Form, Lage u. Streuung 2012 Dr. Klaus Oberste Lehn 8
9 Normalverteilung Die Normalverteilung ist graphisch eine symmetrische Glockenkurve. Für die Stichprobe ist sie durch zwei Kennwerte bestimmt. Der Mittelwert: (genannt: x quer) ist ein Maß für die Lage der Verteilung der Stichprobe. Die Standardabweichung "s" ist ein Maß für die Streuung des Prozesses. Die Standardabweichung "s" ist der Abstand zwischen Mittelwert und Wendepunkt der Glockenkurve Dr. Klaus Oberste Lehn 9
10 Normalverteilung 2012 Dr. Klaus Oberste Lehn 10
11 Prozessregelkarten Prozessregelkarten sind Hilfsmittel, um systematische Einflüsse festzustellen. Anschließend können diese Fehler abgestellt werden. Die Prozessgüte ist somit vorhersagbar Dr. Klaus Oberste Lehn 11
12 Kontinuierliche Vorgehensweise Prozeßregelung (-verbesserung) ist eine kontinuierliche Vorgehensweise, in dem die grundlegenden Phasen immer wieder wiederholt werden Datensammlung: Variable Daten (messende Prüfung) Die Beurteilung der Ausführungsqualität erfolgt bei der variablen Prüfung aufgrund der Messergebnisse oder nach Kennzahlen die aus den Messergebnissen berechnet werden. Attributive Daten (zählende Prüfung) Die Beurteilung der Ausführungsqualität nach dem gut/schlecht - Prinzip Beispiel von Daten Meßwerte eines Werkstückes Anzahl Lackläufer auf einer Tür Fahrzeugdurchlaufzeiten Buchführungsfehler 2012 Dr. Klaus Oberste Lehn 12
13 Diese o. g. Daten werden in eine graphische Form gebracht. Berechnung der Eingriffsgrenzen: Eingriffsgrenzen sind keine Spezifikationsgrenzen oder Zielvorstellungen, sondern ein Spiegelbild der natürlichen Prozesssteuerung. Durch Vergleich der Daten mit den Eingriffsgrenzen wird festgestellt, ob die Streuung stabil ist und nur durch Zufallseinflüsse verursacht wird. Liegen systematische Fehler vor: Ursachenfindung Ergreifen von Maßnahmen Liegen keine systematische Fehler vor, dann folgt: die Fähigkeitsverbesserung. Fähigkeitsverbesserung: Feststellen ob ein Prozeß fähig ist, d.h. kann man mit der Streuung der Daten (ohne systemetische Fehler) leben. Wenn nicht, dann muß das System verbessert werden (neue Maschinen, Klimaanlagen etc.) oder 100%-ige Kontrolle Dr. Klaus Oberste Lehn 13
14 x(quer)/r-karte Bestimmung von (Mittelwert) und R (Spannweite) aus einer Stichprobe. Diese Daten werden zunächst benutzt zur Abschätzung einer Grundgesamtheit. Berechnung der Eingriffsgrenzen nach Vorlauf Prozessmittelwert mittlere Spannweite Eingriffsgrenzen 2012 Dr. Klaus Oberste Lehn 14
15 Interpretation der QRK 2012 Dr. Klaus Oberste Lehn 15
16 Prozessfähigkeit Fähigkeit des (Produktions-) Prozesses, die Anforderungen des Kunden zu erfüllen Anforderungen des Kunden Zielwert (T g, target value) Untere Spezifikationsgrenze (LSL, lower specification limit) Obere Spezifikationsgrenze (USL, upper specification limit) 2012 Dr. Klaus Oberste Lehn 16
17 C p -Fähigkeitsindex Indexzahlen, die das Ausmaß messen, in dem ein Prozess die Anforderungen des Kunden erfüllt (capability indices) : C p -Fähigkeitsindex C p = (USL LSL)/(6s) misst die zulässige Streuung des Prozesses als Anteil an der tatsächlichen Streuung 2012 Dr. Klaus Oberste Lehn 17
18 C p -Fähigkeitsindex Normalverteilte Qualitätsvariable wenn µ = T g, enthält der ±3σ-Bereich 99.73% der Produkte C p = 1 bedeutet: 0.27% sind defekt wenn µ = T g Achtung! C p sagt nichts darüber aus, wie groß der Anteil der defekten tatsächlich ist! 2012 Dr. Klaus Oberste Lehn 18
19 C p -Fähigkeitsindex Viele Unternehmen verlangen ein C p von 1.33! Schätzung von C p : σ wird durch s ersetzt C p -hat = (USL LSL)/(6s) 2012 Dr. Klaus Oberste Lehn 19
20 C p und Anteil der Defekten C p und Anteil der Defekten: C p Bereich Def.ppm 1.00 ±3σ ±4σ ±5σ ±6σ Dr. Klaus Oberste Lehn 20
21 C pk -Fähigkeitsindex C pk = Min {USL µ, µ LSL}/(3σ) geschätzter C pk : µ und σ werden durch x- bar und s ersetzt C pk -hat = Min {USL x-bar, x-bar LSL}/(3s) 2012 Dr. Klaus Oberste Lehn 21
22 2012 Dr. Klaus Oberste Lehn 22
Operations Management
Operations Management Qualitätsmanagement Prof. Dr. Helmut Dietl Lernziele Nach dieser Veranstaltung sollen Sie wissen, was man unter Qualitätsmanagement versteht welche Ziele das Qualitätsmanagement verfolgt
Mehr1 Fähigkeitskennwerte und deren Bedeutung
1 Fähigkeitskennwerte und deren Bedeutung (in Anlehnung an Textband DIHT Naturwissenschaftliche Grundlagen) 1.1 Fähigkeitsuntersuchungen Die Qualitätsforderungen in der Serien- und Massenfertigung können
MehrGrundlagen der statistischen Prozessregelung (SPC)
Fachinformation Nr.: 2013-01 MeßTechnikNord GmbH Team Jena Prüssingstraße 41 07745 Jena Telefon: 03641-65-3780 Fax: 03641-65-3927 E-Mail: info@messtechniknord.de Internet http://www.messtechniknord.de
MehrÜbungen mit dem Applet x /s-regelkarte nach Shewhart
x /s-regelkarte nach Shewhart 1 Übungen mit dem Applet x /s-regelkarte nach Shewhart 1 Statistischer Hintergrund... 2 1.1 Ziel und Vorgehensweise der x /s-regelkarte nach Shewhart...2 1.2 Kurzbeschreibung
MehrPOCKET POWER. Qualitätssicherung Produktionsprozess
POCKET POWER Qualitätssicherung im Produktionsprozess Prüfdaten/Prüfaufzeichnungen 19 Was sind die Anforderungen an das Arbeitsergebnis aus der Sicht der Kunden? Was sind die Anforderungen der nächsten
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
MehrÜbungen mit dem Applet Rangwerte
Rangwerte 1 Übungen mit dem Applet Rangwerte 1 Statistischer Hintergrund... 2 1.1 Verteilung der Einzelwerte und der Rangwerte...2 1.2 Kurzbeschreibung des Applets...2 1.3 Ziel des Applets...4 2 Visualisierungen
MehrSelbsttest Nr. 1: Qualitätsmanager
01. Was ist R in der Statistischen Prozessüberwachung? Rauigkeitswert Spannweite Anzahl der vorhandenen Stichproben 02. Wenn mit einer Wahrscheinlichkeit von 12% eine Lieferung unvollständig und mit einer
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
MehrÜbung 4 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
Mehr1. Definieren Sie Qualität. 2. Wer ist befugt, über Qualität zu sprechen? 3. Stellen Sie das Prinzip des inneren Kunden dar.
1. Definieren Sie Qualität. 2. Wer ist befugt, über Qualität zu sprechen? 3. Stellen Sie das Prinzip des inneren Kunden dar. 4. In welchen Regelwerken sind die Elemente der Qualitätssicherung beschrieben.
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
MehrMessung von Rendite und Risiko. Finanzwirtschaft I 5. Semester
Messung von Rendite und Risiko Finanzwirtschaft I 5. Semester 1 Messung von Renditen Ergebnis der Anwendung der Internen Zinsfuß- Methode ist die Rentabilität des Projekts. Beispiel: A0-100.000 ZÜ1 54.000
Mehrabsolute Häufigkeit h: Anzahl einer bestimmten Note relative Häufigkeit r: Anzahl einer bestimmten Note, gemessen an der Gesamtzahl der Noten
Statistik Eine Aufgabe der Statistik ist es, Datenmengen zusammenzufassen und darzustellen. Man verwendet dazu bestimmte Kennzahlen und wertet Stichproben aus, um zu Aussagen bzw. Prognosen über die Gesamtheit
MehrProduktionsprozesse in der Pharmazie
r r Produktionsprozesse in der Pharmazie Statistische Regelung und Analyse Werner Altenschmidt 1^ Heribert Häusler EDITIO CANTOR VERLAG AULENDORF Inhaltsverzeichnis Gleitwort 9 Vorwort 10 Einleitung 11
MehrOPERATIONS MANAGEMENT. - Qualitätsmanagement - Lernziele
OPERATIONS MANAGEMENT - Qualitätsmanagement - Helmut M. Dietl 1 Lernziele Nach dieser Veranstaltung sollen Sie wissen, was man unter Qualitätsmanagement versteht welche Ziele das Qualitätsmanagement verfolgt
MehrStatistische Qualitätssicherung
Produktionstechnische Schriftenreihe Herausgeber: Prof. Dr.-Ing. H. Kalac Band 1 Qualitätsmanagement Hassan Kalac Statistische Qualitätssicherung. Shaker Verlag Aachen 2004 Bibliografische Information
Mehr3k. Die Qualitätsregelkarte
3k Q-egelkarte 3k. Die Qualitätsregelkarte Worum geht es? Die Qualitätsregelkarte ist ein graphisches Instrument zur Überwachung eines Prozesses auf Stichprobenbasis. 7,1 7, 6,9 Etwas genauer: Die Prozessregelkarte
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.15. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler unter allen Wählern war 2009 auf eine Nachkommastelle gerundet genau 33.7%. Wie groß ist die Wahrscheinlichkeit,
Mehr2.3 Intervallschätzung
2.3.1 Motivation und Hinführung Bsp. 2.11. [Wahlumfrage] Der wahre Anteil der rot-grün Wähler 2009 war genau 33.7%. Wie groß ist die Wahrscheinlichkeit, in einer Zufallsstichprobe von 1000 Personen genau
MehrAussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird.
Stichprobenumfang Für die Fragestellung auf Gleichheit von ein oder zwei Stichproben wird auf Basis von Hypothesentests der notwendige Stichprobenumfang bestimmt. Deshalb werden zunächst die Grundlagen
MehrHypothesentests und Konfidenzintervalle
Beispiel 1: Befüllen von Cornflakesschachteln Problem Ein Hersteller von Cornflakes möchte überprüfen, ob der Abfüllprozess den Zielvorgaben entspricht. Das Sollgewicht der Schachteln beträgt 365 Gramm.
MehrInhaltsverzeichnis. Inhaltsverzeichnis. 1 Qualitätsprüfung als Aufgabe der Prozessorganisation 17
1 Qualitätsprüfung als Aufgabe der Prozessorganisation 17 2 Qualitätsmanagement in der operativen Wertschöpfungskette 22 2.1 Qualitätsprüfung im Unternehmensprozess 22 2.2 Prüfmittel, Prüfmittelverwaltung
MehrGauß sche Normalverteilung
SPC Statistik 1 Versuch Glockenkurve Gauß sche Normalverteilung Gauß sche Normalverteilung Dichtefunktion φ = 1 2π e 1 2 x2 Mittelwert n µ = 1 n i=1 xi S = Standardabweichung 1 n 1 i=1 n (xi µ) Carl Friedrich
MehrInhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 15 Prof. Dr. Karin Melzer, Prof. Dr. Gabriele Gühring, Fakultät Grundlagen
Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 6... 2 Aufgabe 133... 2 Aufgabe 134... 5 Aufgabe 135 (Grunderhebung für eine Qualitätsregelkarte)... 8 Aufgabe 136 (Klausuraufgabe SS 04)... 10 Aufgabe 137
MehrSIX SIGMA TEIL 3: DIE MEASURE PHASE DMAIC MARTIN ZANDER. Green Belt Level
2010 SIX SIGMA TEIL 3: DIE MEASURE PHASE DMAIC MARTIN ZANDER Green Belt Level 2 M. ZANDER SIX SIGMA TEIL 3: DIE MEASURE PHASE Dieses Buch wurde online bezogen über: XinXii.com Der Marktplatz für elektronische
MehrLeseprobe. Horst Quentin. Statistische Prozessregelung - SPC ISBN: Weitere Informationen oder Bestellungen unter
Leseprobe Horst Quentin Statistische Prozessregelung - SPC ISBN: 978-3-446-41637-6 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41637-6 sowie im Buchhandel. Carl Hanser
MehrQualität " Beschaffenheit einer Einheit bezüglich ihrer Eignung festgelegt und vorrausgesetzter Erfordernisse zu erfüllen " ( DIN Teil 11 ).
Qualitätssicherung (Folien) - 1 - KN103..2001 QS beginnt: - Im Aufbau und Ausbau des Systems in allen Bereichen. - Betrifft jeden Mitarbeiter - Betrifft die Produktionsplanung - Betrifft die Gestaltung
MehrKenngrößen von Zufallsvariablen
Kenngrößen von Zufallsvariablen Die Wahrscheinlichkeitsverteilung kann durch die sogenannten Kenngrößen beschrieben werden, sie charakterisieren sozusagen die Verteilung. Der Erwartungswert Der Erwartungswert
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft
MehrGrundlagen der statistischen Prozessregelung SPC
I-Q SCHACHT & KOLLEGEN QUALITÄTSKONSTRUKTION GMBH Grundlagen der statistischen Prozessregelung SPC Seminar-Inhalte SPC - Grundlagen der statistischen Prozessregelung Inhaltliche Beschreibung: In dieser
MehrMaurizio Musso, Universität Salzburg, ver Physikalische Grundlagen der Meßtechnik. Teil 2
Teil 2 Auswertung von Messungen, zufällige oder statistische Abweichungen Auswertung direkter Messungen Häufigkeitsverteilung, Häufigkeitsfunktion Mittelwert, Standardabweichung der Einzelwerte Standardabweichung
Mehr4L Die Normalverteilung
L. Normalverteilung L Die Normalverteilung Zufallsverteilungen lassen sich in der Natur gut beobachten, denn die Natur setzt bei ihrer Fortpflanzungsstrategie auf den totalen Überfluss. So ergab zum Beispiel
MehrWie man zwei Kekssorten auf Unterschiede testet
Wie man zwei Kekssorten auf Unterschiede testet von Rhonda C. Magel, North Dakota State University, Fargo, USA. 1 übersetzt von Klaus Krug, Bamberg Zusammenfassung: Dieser Aufsatz stellt zwei Kursprojekte
MehrDemo-Text für STOCHASTIK. Tschebyscheff-Ungleichung. Einführung mit Anwendungsbeispielen. Datei Nr Friedrich W.
STOCHASTIK Tschebyscheff-Ungleichung Einführung mit Anwendungsbeispielen Datei Nr. 36111 Friedrich W. Buckel Stand 1. April 010 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK www.mathe-cd.de Inhalt 1 Wiederholung:
MehrKapitel 2. Fehlerrechnung
Fehlerrechnung 1 Messungen => quantitative Aussagen Messungen müssen zu jeder Zeit und an jedem Ort zu den gleichen Ergebnissen führen Messungen sind immer mit Fehler behaftet. => Angabe des Fehlers! Bespiel
MehrMethodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
MehrStatistik. Mittelwert Standardabweichung s Spannweite R c P (c m )
Statistik Mittelwert Standardabweichung s Spannweite R c P (c m ) c P (c m ) x Inhalt Folie 1/17 x Der arithmetische Mittelwert aller Messwerte aus einer Stichprobe Mittelwert Folie 2/17 1 X = n n i= 1
MehrStichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
MehrKapitel 2. Häufigkeitsverteilungen
6 Kapitel 2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation: An n Einheiten ω,, ω n sei das Merkmal X beobachtet worden x = X(ω ),, x n = X(ω
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrÜbungsaufgaben zu Kapitel 6
Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 6... Aufgabe 133... Aufgabe 134... 5 Aufgabe 135 (Grunderhebung für eine Qualitätsregelkarte)... 8 Aufgabe 136 (Klausuraufgabe SS 04)... 10 Aufgabe 137 (Überwachung
Mehr3.2 Streuungsmaße. 3 Lage- und Streuungsmaße 133. mittlere Variabilität. geringe Variabilität. große Variabilität 0.0 0.1 0.2 0.3 0.4 0.
Eine Verteilung ist durch die Angabe von einem oder mehreren Mittelwerten nur unzureichend beschrieben. Beispiel: Häufigkeitsverteilungen mit gleicher zentraler Tendenz: geringe Variabilität mittlere Variabilität
Mehr3. Prozesskontrolle. 1 Prozesskontrolle: Einführung
3. Prozesskontrolle Stichwörter: Kontrollkarten, Shewhart-Karte, x-karte, R-Karte, s-karte, p-karte, c-karte, Kontrollgrenzen, Lauflänge, ARL, Warngrenzen, EWMA- Karte, CUSUM-Karte, Fähigkeitsindizes,
MehrApplikationen für das Qualitätsmanagement
QUALITY-APPS Applikationen für das Qualitätsmanagement Die Normalverteilung Autor: Dr. Konrad Reuter Die Normalverteilung oder auch "GAUSS-Verteilung" nimmt eine zentrale Stellung in der praxisbezogenen
MehrBiomathematik für Mediziner, Klausur WS 2000/2001 Seite 1
Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Aufgabe 1: Von 2 gleichartigen Maschinen eines pharmazeutischen Betriebes stellt die erste 40% und die zweite 60% der Produkte her. Dabei verursacht
Mehr9. Übungen. Statistik: Mittelwert und Standardabweichung Statistik: Median Statistik: Kennwerte
QM-Übungsaufgaben 9. Übungen F1 Statistik: Mittelwert und Standardabweichung F2 Statistik: Median F3 Statistik: Kennwerte F4 Statistik: Kennwerte F5 Lebensdauer F6 Vertrauensgrenzen und Histogramm F7 Statistik:
MehrVon der Normalverteilung zu z-werten und Konfidenzintervallen
Von der Normalverteilung zu z-werten und Konfidenzintervallen Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Statistik 1 S. Garbade (SRH
Mehrlndustrial Engineering
lndustrial Engineering Standardmethoden zur Produktivitätssteigerung und Prozessoptimierung http://shop.refa.de/shop/details.php?id=207 PRINT ISBN 978-3-446-44786-8 E-PDF ISBN 978-3-446-44787-5 1. Auflage
MehrOperations Management
Operations Management Qualitätsmanagement Prof. Dr. Helmut Dietl Lernziele Nach dieser Veranstaltung sollen Sie wissen, was man unter Qualitätsmanagement versteht welche Ziele das Qualitätsmanagement verfolgt
Mehr825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170 e 500 e 443 e 608 e. Zeichnen Sie das Box-Plot. Sind in dieser Stichprobe Ausreißer vorhanden?
1. Aufgabe: Eine Bank will die jährliche Sparleistung eines bestimmten Kundenkreises untersuchen. Eine Stichprobe von 12 Kunden ergab folgende Werte: 825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170
MehrStatistik II für Betriebswirte Vorlesung 6
Statistik II für Betriebswirte Vorlesung 6 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 30. November 2016 Prof. Dr. Hans-Jörg Starkloff Statistik II für Betriebswirte
MehrStatistik für SozialwissenschaftlerInnen II p.85
Schätzverfahren Statistik für SozialwissenschaftlerInnen II p.85 Schätzverfahren Ziel von Schätzverfahren: Ausgehend von Stichproben Aussagen über Populationskennwerte machen Kenntnis der Abweichung des
MehrQualitätslenkung und -regelkreise
Folienauszüge Qualitätslenkung und -regelkreise Steinbeis-Transferzentrum Managementsysteme Marlene-Dietrich-Straße 5, 89231 Neu-Ulm Tel.: 0731-98588-900, Fax: 0731-98588-902 Mail: info@tms-ulm.de, Internet:
MehrGrenzen für x -s-regelkarten
Normalverteilte Fertigung: Stichproben aus der Fertigung: σ σ Eine normalverteilte Fertigung hat den Mittelwert µ und die Standardabweichung σ. Stichproben aus der Fertigung haben zufällig abweichende
MehrVerfahren für metrische Variable
Verfahren für metrische Variable Grafische Methoden Histogramm Mittelwertsplot Boxplot Lagemaße Mittelwert, Median, Quantile Streuungsmaße Standardabweichung, Interquartilsabstand Lagemaße und Streumaße
MehrBiomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,
MehrOperations Management
Operations Management Qualitätsmanagement Prof. Dr. Helmut Dietl Lernziele Nach dieser Veranstaltung sollen Sie wissen, was man unter Qualitätsmanagement versteht, welche Ziele das Qualitätsmanagement
Mehr8 Stichprobenkennwerteverteilung
8 Stichprobenkennwerteverteilung 8.1 Vorbemerkungen 8.2 Die Normalverteilung: Teil 2 8.3 Die t Verteilung 8.4 Normalverteilungs Approximation: Der zentrale Grenzwertsatz 8.1 Vorbemerkungen Daten x 1,...,
MehrÜ b u n g s b l a t t 15
Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel 2. 7. 2007 Ü b u n g s b l a t t 15 Hier ist zusätzliches Übungsmaterial zur Klausurvorbereitung quer durch die Inhalte der Vorlesung. Eine
Mehr2. Grundbegriffe. Literatur. Skript D. Huhnke S emg GEM. emg GEM
. Grundbegriffe Literatur Skript D. Huhnke S. 10-1 Messung Messwert: Wert, der zur Messgröße gehört und der Ausgabe eines Messgerätes eindeutig zugeordnet ist. Messvoraussetzungen Die Messung soll sein
MehrStatistik II für Betriebswirte Vorlesung 15
Statistik II für Betriebswirte Vorlesung 15 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 05. Februar 2018 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 15 Version:
MehrDeskriptive Statistik 1 behaftet.
Die Statistik beschäftigt sich mit Massenerscheinungen, bei denen die dahinterstehenden Einzelereignisse meist zufällig sind. Statistik benutzt die Methoden der Wahrscheinlichkeitsrechnung. Fundamentalregeln:
MehrBrückenkurs Statistik für Wirtschaftswissenschaften
Peter von der Lippe Brückenkurs Statistik für Wirtschaftswissenschaften Weitere Übungsfragen UVK Verlagsgesellschaft mbh Konstanz Mit UVK/Lucius München UVK Verlagsgesellschaft mbh Konstanz und München
MehrGrundlagen der. h Rückblick. Dr. K. Krüger. Grundwissen Mathematik
Grundlagen der Schulmathematik h Rückblick Sommersemester 2009 Dr. K. Krüger Grundwissen Mathematik (DGS) Folie aus der 1. Vorlesung Inhalte 1. Beschreibende Statistik Mauna Loa Co2 1200 Streudiagramm
MehrStatistik für NichtStatistiker
Statistik für NichtStatistiker Zufall und Wahrscheinlichkeit von Prof. Dr. Karl Bosch 5., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis 1. ZufalLsexperimente und zufällige Ereignisse
MehrStatistik K urs SS 2004
Statistik K urs SS 2004 3.Tag Grundlegende statistische Maße Mittelwert (mean) Durchschnitt aller Werte Varianz (variance) s 2 Durchschnittliche quadrierte Abweichung aller Werte vom Mittelwert >> Die
Mehruntersuchen Lage- und Streumaße von Stichproben
Qualifikationsphase Leistungskurs 1 QII 2.1.2 Konkretisierte Unterrichtsvorhaben auf der Basis des Lehrwerks Buch: Elemente der Mathematik, Qualifikationsphase NRW Leistungskurs, Braunschweig 2015, Westermann
Mehr2. Dosieren. H.-C. Langowski Lebensmittel-Verpackungstechnik (früher: Abfüll- und Verpackungstechnik 2) Dosieren
2. Dosieren Begriffsbestimmungen Dosieren: Unter Dosieren versteht man nach G. Vetter die nach Größe und zeitlicher Folge veränderliche Zuteilung von Stoffen in Produktionsprozessen. Die Dosierung wird
MehrInhaltsverzeichnis: Aufgaben zur Vorlesung Statistik Seite 1 von 16 Prof. Dr. Karin Melzer, Fakultät Grundlagen
Inhaltsverzeichnis: Übungsaufgaben zu Kapitel 6... 2 Aufgabe 126... 2 Aufgabe 127... 5 Aufgabe 128 (Grunderhebung für eine Qualitätsregelkarte)... 8 Aufgabe 129 (Klausuraufgabe SS 04)... 10 Aufgabe 130
MehrDie Operationscharakteristik von Regelkarten SPC als Hypothesentest Autor: Beat Giger
QUALITY APPs Applikationen für das Qualitätsmanagement Probieren und Studieren Die Operationscharakteristik von Regelkarten SPC als Hypothesentest Autor: Beat Giger Die Regelkartentechnik (Statistical
MehrStatistische Methoden der Qualitätssicherung
Horst Rinne/ Hans-Joachim Mittag Statistische Methoden der Qualitätssicherung 3., überarbeitete Auflage Carl Hanser Verlag München Wien Vorwort Wegweiser Seite XIII XV 1 Einführung 1 1.1 Qualität und Qualitätsmanagement
MehrMethodenbeschreibung Design Scorecards
Ziel Prinzip dienen der Bestimmung des Zielerreichungsgrades von Design-Faktoren unter Berücksichtigung von Variation durch den Herstellprozess. Die Methode baut auf die identifizierten kritischen Design-Faktoren
MehrKapitel VII. Einige spezielle stetige Verteilungen
Kapitel VII Einige spezielle stetige Verteilungen D. 7.. (Normalverteilung) Eine stetige Zufallsgröße X sei als normalverteilt bezeichnet, wenn sie folgende Wahrscheinlichkeitsdichte besitzt: µ f ( ; µ,
MehrStatistische Methoden der Qualitätssicherung
Horst Rinne/ Hans-Joachim Mittag Statistische Methoden der Qualitätssicherung Carl Hanser Verlag München Wien VII Inhaltsübersicht Seite Vorwort Wegweiser durch das Buch XIII XV 1 Einführung l 1.1 Qualität
MehrStatistik I für Betriebswirte Vorlesung 14
Statistik I für Betriebswirte Vorlesung 14 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 13. Juli 017 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 14 Version: 8. Juli
MehrUrsula Meiler DGQ-Regionalkreis
Von Toleranzen, Prüfmitteleignung und Prozessfähigkeit Interpretation von Daten durch Anwendung statistischer Methoden BEISPIEL 1 von Maßen, Toleranzen, Prüfmitteleignung und Prozessfähigkeit 2 1 Fokus
MehrKonfidenzintervall für den Anteilswert θ. Konfidenzintervalle. Jost Reinecke. Universität Bielefeld. 13. Juni 2005
Universität Bielefeld 13. Juni 2005 Einführung Einführung Wie kann die Kenntnis der Wahrscheinlichkeitsverteilung der Parameter einer Stichprobe dazu verhelfen auf die wahren Werte der Grundgesamtheit
MehrSix Sigma Six Sigma (6σ)
Six Sigma (6σ) ist ein statistisches Qualitätsziel und zugleich der Name einer Qualitätsmanagement-Methodik. Ihr Kernelement ist die Beschreibung, Messung, Analyse, Verbesserung und Überwachung von Geschäftvorgängen
MehrVerteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen. Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung
Verteilungen eindimensionaler stetiger Zufallsvariablen Stetige Verteilungen Chi-Quadrat-Verteilung Studentverteilung Fisher-Verteilung Typisierung der stetigen theoretischen Verteilungen Bibliografie:
MehrProblemstellung und Lernziele
Servicequalität II Problemstellung und Lernziele Mit welchen statistischen Methoden kann die Servicequalität analysiert werden? Nach dieser Veranstaltung sollten Sie in der Lage sein, Methoden der statistischen
MehrStichproben Parameterschätzung Konfidenzintervalle:
Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,
MehrStatistische Prozess- und Qualitätskontrolle und Versuchsplanung Stetige Verteilungen
Materialien zur Lösung der folgenden Aufgaben: - in Übung 3 beigefügte Tabelle Wahrscheinlichkeitsverteilungen diskreter und stetiger Zufallsgrößen - Übersicht - beigefügte Tabelle spezieller stetiger
MehrStatistik in der Fertigungstechnik. die Normalverteilung und ihre Anwendung im zweiten Lehrjahr der industriellen Metallberufe
Statistik in der Fertigungstechnik die Normalverteilung und ihre Anwendung im zweiten Lehrjahr der industriellen Metallberufe 1 Berufliches Schulzentrum an der Deroystraße Berufsschule für Fertigungstechnik
MehrLage- und Streuungsparameter
Lage- und Streuungsparameter Beziehen sich auf die Verteilung der Ausprägungen von intervall- und ratio-skalierten Variablen Versuchen, diese Verteilung durch Zahlen zu beschreiben, statt sie graphisch
MehrAnalytische Statistik II
Analytische Statistik II Institut für Geographie 1 Schätz- und Teststatistik 2 Grundproblem Generell sind wir nur selten in der Geographie in der Lage, Daten über die Grundgesamtheit zur Verfügung zu haben.
MehrMit Hilfe der Hypothesentests kann auf Basis einer festgelegten Irrtumswahrscheinlichkeit eine Entscheidung getroffen werden.
Voraussetzung und verwandte Themen Für diese Beschreibungen sind Grundlagen der Statistik vorteilhaft. Weiterführende und verwandte Themen sind: www.versuchsmethoden.de/normalverteilung.pdf Einführung
MehrSteuern von Fertigungsprozessen mit PRECONTROL Karten
Steuern von Fertigungsprozessen mit PRECONTROL Karten Jürgen P. Bläsing Verlag TQU Precontrol hat viele Vorteile Vorteile, die jeder versteht! Weniger Probleme mit fremdsprachigen Mitarbeitern Keine Probleme
MehrTeilklausur des Moduls Kurs 42221: Vertiefung der Statistik
Name, Vorname Matrikelnummer Teilklausur des Moduls 32741 Kurs 42221: Vertiefung der Statistik Datum Termin: 21. März 2014, 14.00-16.00 Uhr Prüfer: Univ.-Prof. Dr. H. Singer Vertiefung der Statistik 21.3.2014
Mehr= 3. Kapitel 4: Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall..
Kapitel : Normalverteilung.. und Standardnormalverteilung und: das Konfidenzintervall.. Mittelwert = Summe aller Einzelwerte / n = durchschnittliche Ausprägung, wenn alle gleich viel hätten. Streuung =
MehrAnleitung zum Applet
Anleitung zum Applet Visualisierung des Begriffs erwartungstreu bearbeitet von: Edwin Rohr WS 2004/2005 E/TI - 7 betreut von: Prof. Dr. Wilhelm Kleppmann Edwin Rohr - 1 - Inhaltsverzeichnis 1 Vorwort..
MehrInferenzstatistik (=schließende Statistik)
Inferenzstatistik (=schließende Statistik) Grundproblem der Inferenzstatistik: Wie kann man von einer Stichprobe einen gültigen Schluß auf di Grundgesamtheit ziehen Bzw.: Wie groß sind die Fehler, die
MehrDas Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger
QUALITY APPs Applikationen für das Qualitätsmanagement Testen und Anwenden Das Konfidenzintervall (Confidence Interval CI) Vertrauen schaffen, Signifikanz erkennen Autor: Beat Giger Das Konfidenzintervall
MehrArbeitsblatt 27: Normalverteilung Kerzen
Erläuterungen und Aufgaben Zeichenerklärung: [ ] - Drücke die entsprechende Taste des Graphikrechners! [ ] S - Drücke erst die Taste [SHIFT] und dann die entsprechende Taste! [ ] A - Drücke erst die Taste
MehrSigma-Umgebung. Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5. n = 20 p = 0,75
Sigma-Umgebung Vergleichen wir die beiden Binomialverteilungen: n = 30 p = 0,5 0,2 (z.b. 30-maliges Werfen einer Münze, X Anzahl von Zahl ) 5 10 15 20 n = 20 p = 0,75 0,2 5 10 15 20 Der Erwartungswert
Mehr