Il Controllo Statistico di Processo

Slides:



Advertisements
Presentazioni simili
I dati Carta di Controllo p (I Fase) Numero di Campioni 25
Advertisements

STATISTICA A – K (60 ore) Esercizi di riepilogo al corso
20 – Lincertezza di misura Tecnologie Informatiche per la Qualità Università degli Studi di Milano – Polo di Crema - Dipartimento di Tecnologie dellInformazione.
Approssimazione e convergenza
LA VARIABILITA’ IV lezione di Statistica Medica.
Distribuzione Normale o Curva di Gauss
Intervalli di confidenza
Proprietà degli stimatori
Parametri dinteresse IUT Nice – Côte dAzur Département STID 6 Janvier 2006 Sondages Corso di campionamento.
Fondamenti della Misurazione
Campione e campionamento
ERRORI L'errore è presente in ogni metodo analitico e può essere dovuto a cause diverse. L’errore può essere definito come la differenza tra il valore.
Intervalli di Confidenza
CAMPIONE E CAMPIONAMENTO
H0 H1 Efficacia di una Carta di Controllo
Progetto Pilota 2 Lettura e interpretazione dei risultati
Metodi Quantitativi per Economia, Finanza e Management Lezione n°5
STATISTICA A – K (60 ore) Marco Riani
Inferenza statistica per un singolo campione
CAMPIONAMENTO Estratto dal Cap. 5 di:
DALL'INTERVALLO DI PROBABILITÀ
Analisi della varianza (a una via)
1 Introduzione alla statistica per la ricerca Lezione III Dr. Stefano Guidi Siena, 18 Ottobre 2012.
Introduzione alla statistica per la ricerca Lezione I
STATISTICA a.a PARAMETRO t DI STUDENT
STATISTICA a.a METODO DEI MINIMI QUADRATI REGRESSIONE
di cosa si occupa la statistica inferenziale?
Ugo Cardamone/Laura Deldossi STMicroelectronics
Popolazione campione Y - variabile casuale y - valori argomentali Frequenza relativa: Estrazione Densità della classe i-esima: Lezione 1.
Test della differenza tra le medie di due popolazioni
Il test di ipotesi Cuore della statistica inferenziale!
Quale valore dobbiamo assumere come misura di una grandezza?
“Gestione della Qualità”
Errori casuali Si dicono casuali tutti quegli errori che possono avvenire, con la stessa probabilità, sia in difetto che in eccesso. Data questa caratteristica,
La teoria dei campioni può essere usata per ottenere informazioni riguardanti campioni estratti casualmente da una popolazione. Da un punto di vista applicativo.
STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA
Sintesi della lezione Il concetto di variabilità Campo di variazione Differenza interquartile La varianza La deviazione standard Scostamenti medi VARIABILITA’
Lez. 3 - Gli Indici di VARIABILITA’
Statistica La statistica è
Gli indici di dispersione
Metodi Quantitativi per Economia, Finanza e Management Lezione n°3.
Intervalli di Confidenza Corso di Teoria dell’Inferenza Statistica 2 a.a. 2003/2004 Quarto Periodo Prof. Filippo DOMMA Corso di Laurea in Statistica –
Corso di Analisi Statistica per le Imprese
Controllo di qualità dei processi e collaudo
Le distribuzioni campionarie
ANALISI DEI GRUPPI I. La Cluster analysis è uno strumento di classificazione capace di scomporre una realtà complessa di osservazioni plurime in tipologie.
Feliziani - Mat&Industria1 La Matematica e l’Industria ‘’La rivoluzione industriale degli ultimi decenni è stata essenzialmente una Rivoluzione Matematica.
Metodi Quantitativi per Economia, Finanza e Management Lezione n°5.
Metodi Quantitativi per Economia, Finanza e Management Lezione n°4
Certificazione bilancio/121 Statistica e revisione contabile Scopi della certificazione di bilancio Scopi e modalità dell’analisi statistica Esempio.
Intervalli di confidenza
Metodologia della ricerca e analisi dei dati in (psico)linguistica 23 Giugno 2015 Statistica descrittiva
La distribuzione campionaria della media
Elaborazione statistica di dati
Università degli Studi di Ferrara Facoltà di Scienze MM.FF.NN. CdL in Tecnologie Fisiche Innovative Sistemi di Qualità, collaudi e controlli Prof. Renato.
STATISTICHE DESCRITTIVE
Scelta del metodo analitico:
TRATTAMENTO STATISTICO DEI DATI ANALITICI
Tecniche di Gestione della Qualità Prof. Alessandro Ruggieri Prof. Enrico Mosconi A.A
STATISTICA P IA F ONDAZIONE DI C ULTO E R ELIGIONE C ARD. G. P ANICO Azienda Ospedaliera CORSO DI LAUREA IN INFERMIERISTICA Sr. Margherita Bramato.
Operazioni di campionamento CAMPIONAMENTO Tutte le operazioni effettuate per ottenere informazioni sul sito /area da monitorare (a parte quelle di analisi)
1 LA STATISTICA DESCRITTIVA Docente prof.sa Laura Mercuri.
STATISTICA ASSISTITA Esercitazione dott.ssa Clelia Cascella.
1 Statistica descrittiva 2. Sintetizzare i dati con degli indici Come descrivere una variabile in un insieme di osservazioni 1. Utilizzare rappresentazioni.
Strumenti di controllo costi-qualità Da: Stefano Tonchia Università di Udine Progettare e gestire il sistema aziendale di misurazione delle prestazioni.
Tecniche di Gestione della Qualità Prof. Alessandro Ruggieri Prof. Enrico Mosconi A.A
Scienze tecniche e psicologiche
Psicometria modulo 1 Scienze tecniche e psicologiche Prof. Carlo Fantoni Dipartimento di Scienze della Vita Università di Trieste Test di ipotesi.
1 Corso di Laurea in Scienze e Tecniche psicologiche Esame di Psicometria Il T-Test A cura di Matteo Forgiarini.
Psicometria modulo 1 Scienze tecniche e psicologiche Prof. Carlo Fantoni Dipartimento di Scienze della Vita Università di Trieste Varianza.
Transcript della presentazione:

Il Controllo Statistico di Processo Introduzione Processo Attrezzature Mano d’opera Materiali Metodi Trasformazione Variabilità di un Processo Cause Comune Cause Speciali Mezzo d’identificazione: Le Carte di Controllo Anno Accademico 2002-2003 – Corso di Statistica Aziendale – a cura di Pasquale Sarnacchiaro a cura di P. Sarnacchiaro

Carte di Controllo (Shewhart, 1924) Che cosa è una Carta di Controllo? Un documento che consente di Fornire una registrazione dinamica di un processo di produzione allo scopo di una efficace produzione Controllare la regolarità del processo Caratteristiche desiderabili di una Carta di Controllo Individuazione immediata di un fuori controllo del Processo Generare il minor numero possibile di “falsi allarmi” Principio di una Carta di Controllo Stabilire dei limiti di controllo tali che la quasi-totalità delle osservazioni fuori dai limiti di controllo siano dovute a delle cause speciali Carte di Controllo di Shewart: Valore-Centrale ± 3 Scarto Quadratico Medio Carte di Controllo AFNOR : limiti probabilistici (2‰) Anno Accademico 2002-2003 – Corso di Statistica Aziendale – a cura di Pasquale Sarnacchiaro

Tipologie di Carte di Controllo Carte di Controllo per variabili ; R ; S; X (per valori individuali); MR (per valori individuali) Carte di Controllo per attributi p; np; c; u Carte di Controllo per le Variabili Scopo: 1) Assicurare la stabilità di un processo rispetto alla tendenza centrale 2) Assicurare il controllo della dispersione della caratteristica da controllare Utilizzo: Per il monitoraggio di un processo di produzione sono utilizzate due carte di controllo: una per il monitoraggio della tendenza centrale ed un’altra per la variabilità ( ; S); ( ; R); ( I; MR) Anno Accademico 2002-2003 – Corso di Statistica Aziendale – a cura di Pasquale Sarnacchiaro

Carte di Controllo di Shewart Limiti di Controllo: Tutte le carte di controllo comportano, generalmente, una linea centrale e due linee di controllo Carte di Controllo di Shewart Limiti di Controllo per una caratteristica T E(T) ± 3 * (T) Limiti di sorveglianza (Warning limits) E(T) ± 2 * (T) Limite Superiore di Controllo Limite Inferiore di Controllo Limite Superiore di Sorveglianza Limite Inferiore di Sorveglianza tempo Linea Centrale Osservazione:I limiti di controllo di Shewart sono dei limiti che riflettono la variabilità naturale del processo; essi dipendono solo ed esclusivamente dalla dispersione e non dalle specifiche fornite dal cliente Anno Accademico 2002-2003 – Corso di Statistica Aziendale – a cura di Pasquale Sarnacchiaro

Calcolo dei Limiti di Controllo I valori Standard sono noti (Caso A) Legge del Processo: X ~ (μ0; σ0) con μ0 e σ0 noti m campioni di taglia n su cui possiamo calcolare alcune statistiche: ; Si ; Ri E( ) ± 3 * ( ) CARTA X ~ (μ0; σ0) ~ (μ0; σ0 / ) Anno Accademico 2002-2003 – Corso di Statistica Aziendale – a cura di Pasquale Sarnacchiaro

Scarto Quadratico Medio Campionario E( S ) ± 3 * ( S ) CARTA S Scarto Quadratico Medio Campionario X ~ (μ0; σ0) E( R ) ± 3 * ( R ) CARTA R Range Campionario X ~ (μ0; σ0) Anno Accademico 2002-2003 – Corso di Statistica Aziendale – a cura di Pasquale Sarnacchiaro

Calcolo dei Limiti di Controllo I valori Standard non sono noti (Caso B) Legge del Processo: X ~ (μ; σ) con μ e σ incogniti m campioni di taglia n su cui possiamo calcolare alcune statistiche: ; Si ; Ri Obiettivi: Studiare la stabilità del Processo Due Fasi 2. Stimare i parametri del Processo Consiglio almeno 20 campioni Anno Accademico 2002-2003 – Corso di Statistica Aziendale – a cura di Pasquale Sarnacchiaro

FASE I – Determinazione dei limiti di controllo provvisori Carta Carta R Carta S FASE II – Limiti di controllo definitivi Eliminazione dei punti fuori-controllo Nuova stima di μ e σ Calcolo dei nuovi limiti di controllo Iterazioni eventuali Limiti di controllo definitivi Anno Accademico 2002-2003 – Corso di Statistica Aziendale – a cura di Pasquale Sarnacchiaro