SPC FACILE. Statistical Process Control
|
|
- Enrichetta Federici
- 4 anni fa
- Visualizzazioni
Transcript
1 SPC FACILE Statistical Process Control Come tenere sotto controllo i tuoi processi e non generare scarti senza essere un ingegnere nucleare anche se sei negato in matematica
2 Cosa vedremo in questo corso: Il processo La deviazione standard I limiti di processo Stabilità e Capacità Le cause di variabilità Le carte di controllo Carte XbarR Carte ImR Carte NP e P Le carte di controllo in fase di Analisi Il Cp-Cpk Il Pp-Ppk Il Cm-Cmk
3 PERCHE QUESTO CORSO?
4 Perché Il controllo statistico è fondamentale per conoscere il processo Con il controllo statistico è possibile prevedere il comportamento di qualsiasi processo Non è possibile migliorare il rendimento di un processo senza la raccolta dati Non è possibile modificare senza aver prima compreso le dinamiche che regolano il processo
5 COS E UN PROCESSO? Cosa Chi x x x x Processo Y 4M Machine Material Method Man Quanti Come Y=f(x)+ N
6 I TIPI DI DATI Quantitativi (continui) Kg mm Nm Qualitativi (discreti) G\NG SI\NO OK\NOK
7 IL CONTROLLO STATISTICO AL NOSTRO SERVIZIO Verifica Azioni implementate (NC) Cambiamenti di processo Conoscenza del processo Monitoraggio Garantire stabilità Intercettare possibili errori prima che essi accadano Obblighi contrattuali Utilizziamo le carte di controllo per ANALISI DEL PROCESSO CONTROLLO REAL TIME
8 LA DEVIAZIONE STANDARD La deviazione standard (DEV.STD) è un indicatore di dispersione di una distribuzione di valori. Viene comunemente identificata con il simbolo greco «SIGMA» σ
9 LA DEVIAZIONE STANDARD Un valore Sigma piccolo identifica una concentrazione di valori verso la media Un valore di Sigma grande identifica una dispersione di valori rispetto la media +/- 1σ = 68% dei punti +/- 2σ = 95% dei punti +/- 3σ = 99,73% dei punti XX = Media XX
10 TIPI DI PROCESSO Un processo può essere: STABILE CAPACE SOTTO CONTROLLO STATISTICO
11 TIPI DI PROCESSO VOC Voice Of Customer La voce del Cliente Sono le specifiche del cliente, quello che si aspetta. (Disegni, capitolati, specifiche) I limiti vengono definiti come USL e LSL VOP Voice Of Process La voce del Processo E quello che il nostro processo è in grado di fare I limiti vengono definiti come UCL e LCL
12 TIPI DI PROCESSO VOC Voice Of Customer La voce del Cliente Es: 10+/- 0,1 USL: 10,1 LSL: 9,9 VOP Voice Of Process La voce del Processo I limiti di controllo vengono calcolati come: UCL: XX + 3σ LCL: XX 3σ
13 TIPI DI PROCESSO PROCESSO STABILE Tutti i punti all interno della V.O.P. Tutti i punti dentro i limiti di controllo 0,70 UCL=0,6942 0,65 Sample Mean 0,60 0,55 _ X=0,59 0,50 LCL=0, Sample 4 5
14 TIPI DI PROCESSO PROCESSO CAPACE Tutti i punti all interno della V.O.C. Tutti i punti dentro i limiti di specifica 0,70 USL = 0,68 0,65 Sample Mean 0,60 0,55 0,50 _ X=0,555 0,45 LSL=0,42 0, Sample 4 5
15 TIPI DI PROCESSO SI STABILE NO CAPACE NO STABILE SI CAPACE
16 LE CAUSE DI VARIABILITA CAUSE COMUNI CC CAUSE SPECIALI SC Variabilità comune del processo Evento eccezionale
17 LE CAUSE DI VARIABILITA Area di stabilità SC CC CC SC UCL = XX+3σ XX LCL = XX-3σ
18 LE CAUSE DI VARIABILITA Ma Le SC possono anche essere all interno dell area di stabilità Stabile Sotto controllo statistico
19 LE CAUSE DI VARIABILITA Tipo di variazione CC SC Tipo di azione CC SC Y=f(x) Over Adjusting Sprechi IO OPL Lesson Learned
20 PROCESSO SOTTO CONTROLLO STATISTICO Un processo è sotto controllo statistico Se è soggetto a sole cause comuni Ma se le cause speciali possono anche essere all interno dell area di stabilità come riusciamo a scovarle?
21 PROCESSO SOTTO CONTROLLO STATISTICO A 3σ 2,36% La distribuzione dei punti di un processo sotto controllo ~50% B C 1σ 68% 95% 99,73% statistico C 34% 2σ 13,5% 34% ~50% B 13,5% A 2,36%
22 PROCESSO SOTTO CONTROLLO STATISTICO Esistono 8 TEST 1. 1 punto oltre la zona A (non Stabile) 2. 9 punti consecutivi sopra o sotto la media (Clustering) 3. 6 punti consecutivi crescenti o decrescenti (Trend) punti consecutivi alternati (Oscillation) 5. 2 su 3 punti consecutivi in zona A 6. 4 su 5 punti consecutivi in zona B punti consecutivi in zona C sopra o sotto la media 8. 8 punti consecutivi fuori la zona C (Mixture)
23 LE CARTE DI CONTROLLO Dati Discreti Dati Continui Conteggio Classifica Sottogruppi = 1 Sottogruppi <8-10 Sottogruppi >8-10 X N Difetti x unità X Prodotti NC ImR Chart XbarR Chart XbarS Chart Sottogruppi Costanti Sottogruppi Variabili Sottogruppi Costanti Sottogruppi Variabili C Chart U Chart NP Chart P Chart
24 LA CARTA XXR Ora Valore XX R 1,00 UCL=0, ,358 Sample Mean 0,75 0,50 0,25 0, Sample _ X=0,507 LCL=0,060 XX Chart 1 0, , , , , ,589 0,478 0,286 0,404 0,755 Sample Range 1,6 1,2 0,8 0,4 UCL=1,401 _ R=0,614 R Chart 2 0, , , , ,834 0,526 0,810 0, Sample LCL=0
25 LA CARTA XXR XX Chart Variazioni a lungo termine UCL = XX + (AAA RR) LCL = XX (AAA RR) CL = XX Sample Mean 1,00 0,75 0,50 0,25 0, Sample UCL=0,955 _ X=0,507 LCL=0,060 1,6 R Chart Variazioni a breve termine Sample Range 1,2 0,8 0,4 UCL=1,401 _ R=0,614 UCL = DDD RR LCL = DDD RR CL = RR 0, Sample LCL=0
26 1,5 LA CARTA ImR UCL=1,397 Ora Valore mr 1 0,358 \ Individual Value 1,0 0,5 0,0-0, _ X=0,507 LCL=-0,382 I Chart 2 0,509 0, ,402 0, ,643 0, ,153 0,49 6 0,059 0,094 Observation 7 0,589 0,53 Moving Range 1,00 0,75 0,50 0,25 UCL=1,093 MR=0,335 mr Chart 8 0,815 0, ,952 0, ,142 0, ,177 0, ,834 0,657 0, LCL=0 Observation
27 LA CARTA ImR I Chart 1,5 UCL=1,397 UCL = XX + (2,66 mmmm) LCL = XX (2,66 mmrr) CL = XX Individual Value 1,0 0,5 0,0-0, Observation _ X=0,507 LCL=-0,382 mr Chart UCL = 3,267 mmmm LCL = 0 CL =mmmm Moving Range 1,00 0,75 0,50 0,25 0, Observation UCL=1,093 MR=0,335 LCL=0
28 LA CARTA P Campione N Scarti ,200 UCL=0, , Proportion 0,150 0,125 _ P=0, , , , Sample LCL=0,
29 LA CARTA P Campione N Scarti 0,200 0,175 UCL=0, Proportion 0,150 0,125 0,100 _ P=0, , ,050 LCL=0, Sample Tests are performed with unequal sample sizes.
30 P Chart LA CARTA P 0,200 UCL=0,2001 UCL = PP + 3 PP(1 PP) nn 0,175 LCL = PP 3 CL = PP PP(1 PP) nn Proportion 0,150 0,125 0,100 _ P=0,1290 0,075 0, Sample LCL=0,0579
31 LE CARTE XXR IN FASE DI ANALISI Da dove vengono le variazioni? Se siamo in fase di analisi dobbiamo prima formulare una teoria e costruire il Process Chart. Step 1 Variazione 1 Variazione 2 Variazione 3 Step 2 Variazione 4 Variazione 5 Variazione 6 Step 3 Variazione 7 Variazione 8 Variazione 9
32 LE CARTE XXR IN FASE DI ANALISI Da dove vengono le variazioni? Creare la Rate Of Change (R.O.C.) RATE OF CHANGE GIORNO Variazione 1,3,5,6,7 TURNO Variazione 2,4,6,9 PEZZO Variazione 1,4,8
33 LE CARTE XXR IN FASE DI ANALISI Il piano di campionamento Giorno 1 Turno Tra i sottogruppi Pezzo All interno dei sottogruppi
34 LE CARTE XXR IN FASE DI ANALISI Il piano di campionamento 4Q 1. Cosa cambia all interno dei sottogruppi? 2. Cosa è costante all interno dei sottogruppi? 3. Cosa cambia tra i sottogruppi? 4. Cosa è costante tra i sottogruppi? 1 PEZZO 2 TURNO 3 TURNO 4 GIORNO
35 LE CARTE XXR IN FASE DI ANALISI Facciamo la carte XR come abbiamo già visto
36 LE CARTE XXR IN FASE DI ANALISI 1,00 UCL=0,955 Sample Mean 0,75 0,50 0,25 0, Sample _ X=0,507 LCL=0,060 2 DOMANDA X CHART Ci sono evidenze di variazione tra i sottogruppi? Sample Range 1,6 1,2 0,8 0,4 0, Sample UCL=1,401 _ R=0,614 LCL=0 1 DOMANDA R CHART La variazione all interno dei sottogruppi è SPC (Stabile, Prevedibile, Consistente)?
37 LE CARTE XXR IN FASE DI ANALISI 1 DOMANDA R CHART La variazione all interno dei sottogruppi è SPC (Stabile, Prevedibile, Consistente)? SC All interno dei sottogruppi (Pezzo) CC All interno dei sottogruppi (Pezzo) Sample Range 1,6 1,2 0,8 0,4 0,0 UCL=1,401 _ R=0,614 LCL= Sample
38 LE CARTE XXR IN FASE DI ANALISI 2 DOMANDA Xbar CHART Ci sono evidenze di variazione tra i sottogruppi? Tra i sottogruppi & SC (Turno) CC All interno dei sottogruppi (Pezzo) Tra i sottogruppi & SC (Turno) Sample Mean 1,00 0,75 0,50 0,25 0, Sample UCL=0,955 _ X=0,507 LCL=0,060
39 LE CARTE XXR IN FASE DI ANALISI La strategia di campionamento CONVENIENTE Basata sul tempo Non chiaro cosa sia cambiato tra e all interno dei sottogruppi La direzione è dettata solo dai cambiamenti delle carte di controllo RAZIONALE Basata sulla R.O.C. Teorie Walk the process Basata su eventi
40 PROCESS CAPABILITY
41 PROCESS CAPABILITY Il Cp-Cpk Il Cp e il Cpk sono due indicatori che servono a verificare la capacità del processo in relazione alle specifiche del cliente. Il processo deve essere sotto controllo statistico. Mostra le variazioni a breve termine. E un indicatore di capacità. σ = RR ddd Il tuo processo incontra le specifiche del cliente? Dipende da quanta variazione ha il tuo processo. Se la tua dispersione è alta NO. Se la variazione è minore di quella richiesta a specifica SI. RR Cp = Capacità del processo VS limiti di specifica = VV.OO.CC. VV.OO.PP. = UUUUUU LLLLLL 6σ Cpk = Centraggio del processo rispetto VS limiti di specifica = MMMMMM( UUUUUU XX 3σ ; XX LLLLLL 3σ )
42 PROCESS CAPABILITY Il Cp Cp alto = Curva molto stretta. La dispersione dei valori è minima Cp basso = Curva molto larga. La dispersione dei valori è alta
43 PROCESS CAPABILITY Il Cpk Cpk alto = Valori centrati rispetto ai limiti di specifica Cpk basso = Valori NON centrati rispetto ai limiti di specifica
44 PROCESS CAPABILITY Il Pp-Ppk Il Pp e il Ppk vengono utilizzati per mostrare le variazioni a lungo termine. Il campionamento statistico viene deciso in base alla probabilità di manifestazione della variazione. Il processo può non essere sotto controllo statistico. E un indicatore di performance. σ = ii=1 nn (xx 1 xx) 2 nn 1 Pp = Capacità del processo VS limiti di specifica = VV.OO.CC. VV.OO.PP. = UUUUUU LLLLLL 6σ σ RR Ppk = Centraggio del processo rispetto VS limiti di specifica = MMMMMM( UUUUUU XX 3σ ; XX LLLLLL 3σ )
45 PROCESS CAPABILITY Il Cm-Cmk Il Cm e il CmK vengono utilizzati per mostrare le variazioni della macchina (quindi variazioni a breve termine). E come il Cp-Cpk ma usa il calcolo della deviazione standard del Pp-Ppk. Vengono prelevati campioni consecutivi. Il processo può non essere sotto controllo statistico. σ = ii=1 nn (xx 1 xx) 2 nn 1 Cm = Capacità del processo VS limiti di specifica = VV.OO.CC. VV.OO.PP. = UUUUUU LLLLLL 6σ Cmk = Centraggio del processo rispetto VS limiti di specifica = MMMMMM( UUUUUU XX 3σ ; XX LLLLLL 3σ )
46 PROCESS CAPABILITY In caso di un problema o di verifica di un nuovo processo Cm-Cmk I valori devono essere molto alti in quanto stiamo vedendo variazioni a breve termine della sola macchina Serve per verificare come performa la macchina Pp-Ppk Serve per verificare le variazioni a lungo termine Creare un piano di campionamento in base a esperienza, conoscenza del processo, teorie Cp-Cpk Nel momento in cui il processo è SPC effettuare il controllo del Cp-Cpk per la verifica delle variazioni a breve termine E il documento solitamente richiesto dal cliente
47 Senza controllo statistico, il processo procede in un caos instabile che è destinato a mascherare qualsiasi tentativo di miglioramento. W.E. Deming
Controllo Statistico di Processo
Controllo Statistico di Processo Cos è il Controllo Statistico di Processo? Il Controllo Statistico di Processo (SPC) consiste in un set di test statistici eseguiti su un processo (ad esempio una linea
DettagliL applicazione del metodo Six Sigma in una piccola azienda
Torino, novembre 206 L applicazione del metodo Six Sigma in una piccola azienda (Pier Giorgio DELLA ROLE Master Black Belt) Introduzione Anche se il Six Sigma è stato implementato con successo in molte
DettagliTRW Automotive Italia! "! #$ % & '
TRW Automotive Italia! "! #$ % & ' 1 ' & - ' ) * ) +, -. /, -, - ' * + 2 2 & - 1 1 & 2' / 3 ' / 4 & / & 5 6++ + +. 0, - - + 3 7 # 3 & - 1 -, ' - * -, ), 8&' ) I P O 9: +2 ; ; ? >9 =
DettagliDI CONFORMITA NEI PRODUTTIVI. Prof. Marcantonio Catelani Scuola di Ingegneria - Dipartimento di Ingegneria dell Informazione - Firenze
VERIFICHE DI CONFORMITA NEI PROCESSI PRODUTTIVI Prof. Marcantonio Catelani Scuola di Ingegneria - Dipartimento di Ingegneria dell Informazione - Firenze marcantonio.catelani@unifi.it 1 Qualità secondo
DettagliDI CONFORMITA NEI PRODUTTIVI. Prof. Marcantonio Catelani Scuola di Ingegneria - Dipartimento di Ingegneria dell Informazione - Firenze
VERIFICHE DI CONFORMITA NEI PROCESSI PRODUTTIVI Prof. Marcantonio Catelani Scuola di Ingegneria - Dipartimento di Ingegneria dell Informazione - Firenze marcantonio.catelani@unifi.it 1 Qualità secondo
DettagliL AFFIDABILITA NELLA FASE DI PRODUZIONE
9. L AFFIDABILITA NELLA FASE DI PRODUZIONE Ed.1 del 14/09/98 Rev. 3 del 08/09/00 AFFIDABILITA' DI COMPONENTI E SCHEDE ELETTRONICHE-sez 9 1 L AFFIDABILITA IN PRODUZIONE ATTIVITA CHIAVE PER L AFFIDABILITA
DettagliL AFFIDABILITA NELLA FASE DI PRODUZIONE
9. L AFFIDABILITA NELLA FASE DI PRODUZIONE Ed.1 del 14/09/98 Rev. 3 del 08/09/00 AFFIDABILITA' DI COMPONENTI E SCHEDE ELETTRONICHE-sez 9 1 L AFFIDABILITA IN PRODUZIONE ATTIVITA CHIAVE PER L AFFIDABILITA
DettagliTest per l omogeneità delle varianze
Test per l omogeneità delle varianze Le carte di controllo hanno lo scopo di verificare se i campioni estratti provengono da un processo produttivo caratterizzato da un unico valore dello s.q.m. σ. Una
DettagliStatistica Applicata all edilizia Lezione: carte di controllo
Lezione: carte di controllo E-mail: orietta.nicolis@unibg.it 24 maggio 2007 Programma 1 Fonti di variabilità e controllo di un fenomeno 2 Programma 1 Fonti di variabilità e controllo di un fenomeno 2 Fonti
DettagliSamanta Morelli Area Attività Laboratoristiche Arpa Emilia-Romagna
Utilizzo della metodologia Six-Sigma, di applicazione prevalentemente industriale, come strumento di controllo dei prcesi analitici nelle Agenzie Ambientali 1 Cos e il Six Sigma programma di gestione della
DettagliMezzi per la raccolta e la gestione dei dati di qualità
CICLO DI LEZIONI per Progetto e Misura della Qualità Scuola di Ingegneria Industriale Mezzi per la raccolta e la gestione dei dati di qualità Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1
DettagliDa: Stefano Tonchia Università di Udine Progettare e gestire il sistema aziendale di misurazione delle prestazioni.
Strumenti di controllo costi-qualità Da: Stefano Tonchia Università di Udine Progettare e gestire il sistema aziendale di misurazione delle prestazioni. Controllo costi Le difficoltà di un accurato e affidabile
DettagliCONTROLLO STATISTICO DI PROCESSO
CONTROLLO STATISTICO DI PROCESSO Broadly speaking, the object of industry is to set up economic ways and means of satisfying human wants 1 and in so doing to reduce everything possible to routines requiring
DettagliControllo statistico di processo (Statistical Process Control, SPC) come strumento per l implementazione del QbD
Applicazione del Quality by Design (QbD) nella produzione dei medicinali 27 Aprile 2015 Controllo statistico di processo (Statistical Process Control, SPC) come strumento per l implementazione del QbD
DettagliMEZZI PER LA RACCOLTA E LA GESTIONE DEI DATI DI QUALITÀ
Qualità: Progetto e Gestione Scuola di Ingegneria MEZZI PER LA RACCOLTA E LA GESTIONE DEI DATI DI QUALITÀ Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1 CONTROLLO QUALITÀ IN PRODUZIONE MEZZI
DettagliFAVORIRE L INNOVAZIONE ATTRAVERSO LE ECCELLENZE DEL TERRITORIO: MISSION E RUOLO DI CENTRO STUDI
FAVORIRE L INNOVAZIONE ATTRAVERSO LE ECCELLENZE DEL TERRITORIO: MISSION E RUOLO DI CENTRO STUDI Egidio Cascini 29/6/2011 Convegno Deloitte - Centro Studi 1 Mission e Ruolo di Centro Studi Centro Studi
DettagliStatistical Process Control
Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = 0.2. 1a. Calcolare la linea centrale
DettagliMEZZI PER LA RACCOLTA E LA GESTIONE DEI DATI DI QUALITÀ
1 Qualità: Progetto e Gestione MEZZI PER LA RACCOLTA E LA GESTIONE DEI DATI DI QUALITÀ Carlo Noè Scuola di Ingegneria e-mail: cnoe@liuc.it 2 MEZZI PER LA RACCOLTA E LA GESTIONE DEI DATI DI QUALITÀ Diagrammi
DettagliSTATISTICA AZIENDALE Modulo Controllo di Qualità
STATISTICA AZIENDALE Modulo Controllo di Qualità A.A. 009/10 - Sottoperiodo PROA DEL 14 MAGGIO 010 Cognome:.. Nome: Matricola:.. AERTENZE: Negli esercizi in cui sono richiesti calcoli riportare tutte la
DettagliFrom Statistical Process Control to Continuous Improvement
From Statistical Process Control to Continuous Improvement Webinar February 23rd 2016 Research and Management Consulting Business School Qualcosa su di me Metà degli anni 90: Interesse per l ottimizzazione
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
DettagliDISTRIBUZIONI DI CAMPIONAMENTO
DISTRIBUZIONI DI CAMPIONAMENTO 12 DISTRIBUZIONE DI CAMPIONAMENTO DELLA MEDIA Situazione reale Della popolazione di tutti i laureati in odontoiatria negli ultimi 10 anni, in tutte le Università d Italia,
DettagliLa statistica nei processi di misura
Laboratorio Materiali e Servizi per l Industria La statistica nei processi di misura 15 dicembre 2016 Pubblicazione del Centro Istruzione GEST Labs - Riproduzione vietata - Enrico Galbiati 1 Misura della
DettagliEsempi di carte di controllo e Minitab
Esempi di carte di controllo e Minitab (Paola Vicard) Questa è una piccola guida alla costruzione delle principali carte di controllo con Minitab. Per una presentazione complessiva si veda il testo Il
DettagliIl MES per l Industria 4.0
Il MES per l Industria 4.0 Controllo e monitoraggio della produzione Tracciabilità di prodotto e di processo Gestione della qualità Flessibilità e adattbilità ad ogni modello produttivo Gest PROD EBoard
DettagliGestione Industriale della Qualità
Esempio Gestione Industriale della Qualità -IX-23 A) Si consideri un piano di campionamento doppio con rettifica caratterizzato dai seguenti parametri: n=2 n2=6 c= c2=4 Si valuti la probabilità di accettazione
DettagliVariabilità e Concentrazione Esercitazione n 02
Variabilità e Concentrazione Esercitazione n 02 ESERCIZIO 1 Nella tabella di seguito sono riportati i dati relativi al tempo necessario a 8 studenti per svolgere un test di valutazione (in ore): Tempo
DettagliElementi di Statistica
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Informatica ed Elementi di Statistica 3 c.f.u. Anno Accademico 2010/2011 Docente: ing. Salvatore Sorce Elementi di Statistica Statistica
DettagliSix Sigma Metodo DMAIC Corso per Green Belts
6σ Six Sigma Metodo DMAIC Corso per Green Belts Cp = 2.0 Cpk = 1.5 ppm = 3.4 Ing, Pier Giorgio DELLA ROLE Master Black Belt Metologia Six Sigma Il programma completo DMAIC DFSS Define Measure Analyse Improve
DettagliMatematica con elementi di Informatica
Statistica descrittiva ed inferenziale Matematica con elementi di Informatica Tiziano Vargiolu Dipartimento di Matematica vargiolu@math.unipd.it Corso di Laurea Magistrale in Chimica e Tecnologie Farmaceutiche
DettagliAPPENDICE A: Tabella Process Sigma (I)
APPENDICE A: Tabella Process Sigma (I) 203 APPENDICE A: Tabella Process Sigma (II) 204 APPENDICE B: Tipologie di variabili Lo schema sottostante è utile per la corretta scelta degli indicatori durante
DettagliCorso di Statistica Industriale
Corso di Statistica Industriale Corsi di Laurea Specialistica in Ingegneria Gestionale e Ingegneria Meccanica Docente: Ilia Negri Orario del corso: Mercoledì: dalle 10.30 alle 12.30 Venerdì: dalle 8.30
DettagliPRODUZIONE DI LENTI A CONTATTO
1 PRODUZIONE DI LENTI A CONTATTO Per monitorare il processo di produzione di un determinato tipo di lenti a contatto viene misurato, ad intervalli di tempo regolari di h 15 minuti, il diametro X (in mm)
DettagliDISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19
DISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19 Variabili casuali (o aleatorie) 2 / 19 Disponendo di metodi corretti per raccogliere i dati e costruire i campioni data una popolazione, i valori numerici
DettagliStatistical Process Control
Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = 0.2. 1a. Calcolare la linea centrale
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione Normale (o di
DettagliStatistica descrittiva
Statistica descrittiva Caso di 1 variabile: i dati si presentano in una tabella: Nome soggetto Alabama Dato 11.6.. Per riassumere i dati si costruisce una distribuzione delle frequenze. 1 Si determina
DettagliIndice generale. Introduzione. Capitolo 1 Essere uno scienziato dei dati... 1
Introduzione...xi Argomenti trattati in questo libro... xi Dotazione software necessaria... xii A chi è rivolto questo libro... xii Convenzioni utilizzate... xiii Scarica i file degli esempi... xiii Capitolo
DettagliIndice. L Editore ringrazia. Ringraziamenti. Autori. Prefazione. Obiettivi formativi XIII XVII
Indice XI XI XIII XV XVII L Editore ringrazia Ringraziamenti Autori Prefazione Obiettivi formativi XIX Istruzioni per gli studenti XIX Un po di storia XX Cosa è la Statistica XXI Come usare questo libro
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
DettagliIl controllo statistico di processo
Il controllo statistico di processo (SPC, Statistical Process Control) Queste note NON sostituiscono il testo di riferimento ma sono finalizzate ad agevolare lo studio del testo stesso. Il controllo statistico
DettagliCORSO INTEGRATO DI STATISTICA E INFORMATICA MEDICA
CORSO INTEGRATO DI STATISTICA E INFORMATICA MEDICA Settore Scientifico-Disciplinare: MED/01 Statistica Medica; INF/01 Informatica CFU Tot.: 5 Coordinatore: Prof. Dario Bruzzese Dip.: Sanità Pubblica.,
DettagliThe Red Beads Experiment
Esperimenti di Statistica per l Innovazione CdS Ambiente e Territorio - Gestionale Prof. P. Erto, Prof. A. Lanzotti a.a. 2007/08 The Red Beads Experiment Ing. D Ambrosio Paolo Ing. Irlando Marcello L esperimento
DettagliIndice. Prefazione. 4 Sintesi della distribuzione di un carattere La variabilità Introduzione La variabilità di una distribuzione 75
00PrPag:I-XIV_prefazione_IAS 8-05-2008 17:56 Pagina V Prefazione XI 1 La rilevazione dei fenomeni statistici 1 1.1 Introduzione 1 1.2 Caratteri, unità statistiche e collettivo 1 1.3 Classificazione dei
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliProgrammazione con Foglio di Calcolo Cenni di Statistica Descrittiva
Fondamenti di Informatica Ester Zumpano Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva Lezione 5 Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di
DettagliFunzione Operativa Caratteristica per la media
Funzione Operativa Caratteristica per la media Se X N(µ 0, σ 0 ) allora il processo all istante t è considerato sotto controllo se calcolata x t risulta µ 0 z 1 α/2 σ 0 n < x t < µ 0 + z 1 α/2 σ 0 n Denotiamo
DettagliEsercitazioni Infostat ConfInt
Esercitazioni Infostat ConfInt Matteo Re, Alessandro Di Domizio 3 Maggio 2019 1 Introduzione In questa esercitazione vedremo come stimare l intervallo di confidenza da un campione che assumiamo essere
DettagliIl Test di Ipotesi Lezione 5
Last updated May 23, 2016 Il Test di Ipotesi Lezione 5 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Il test di ipotesi Cuore della statistica inferenziale!
DettagliScale di Misurazione Lezione 2
Last updated April 26, 2016 Scale di Misurazione Lezione 2 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura II anno, II semestre Tipi di Variabili 1 Scale di Misurazione 1. Variabile
DettagliStatistica descrittiva in una variabile
Statistica descrittiva in una variabile Dott. Nicola Pintus A.a. 2018-2019 Cosa è la statistica? La statistica è la scienza che studia con metodi matematici fenomeni collettivi. La statistica descrittiva
DettagliIndice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza
XIII Presentazione del volume XV L Editore ringrazia 3 1. Introduzione alla Statistica 5 1.1 Definizione di Statistica 6 1.2 I Rami della Statistica Statistica Descrittiva, 6 Statistica Inferenziale, 6
DettagliCARTE DI CONTROLLO carte di controllo per variabili carte di controllo per attributi
CARTE DI CONTROLLO Gli strumenti analizzati danno un quadro generale della situazione attuale di un processo, ma non sono idonei a fornire informazioni sull evoluzione del processo. In altre parole sono
DettagliCorso di Laurea in Economia Aziendale. Docente: Marta Nai Ruscone. Statistica. a.a. 2015/2016
Corso di Laurea in Economia Aziendale Docente: Marta Nai Ruscone Statistica a.a. 2015/2016 1 Indici di posizione GLI INDICI DI POSIZIONE sono indici sintetici che evidenziano le caratteristiche essenziali
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
DettagliControllo statistico di processo
Controllo statistico di processo SPC - Statistical Process Control Processo Trasformazione, auspicabilmente a valore aggiunto, degli input nell output desiderato Processo Trasformazione, auspicabilmente
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
DettagliBIN = 15 um l [um] Minimum um. Data_31misure_ l [um] Maximum Points 102, , um 1.3 um
1 2 Data_31misure_070318 BIN = 15 um Minimum 80 Maximum Sum 120 3176,7 Points Mean Median 31 102,47419 102,9 102.5 um RMS Std Deviation Variance Std Error 102,7225 7,2559846 52,649312 1,3032133 7.3 um
DettagliDipartimento di Samità Pubblica e Malattie Infettive Sapienza Università di Roma
I bias negli studi epidemiologici. Elementi di statistica descrittiva ed inferenziale.l epidemiologia sperimentale Paolo Villari paolo.villari@uniroma1.it Dipartimento di Samità Pubblica e Malattie Infettive
DettagliIntroduzione alla statistica con Excel
Introduzione alla statistica con Excel Davide Sardina davidestefano.sardina@unikore.it Università degli studi di Enna Kore Corso di Laurea in Servizio Sociale A.A. 2017/2018 Variabili quantitative e qualitative
DettagliLa variabilità. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione [1/2] Gli indici di variabilità consentono di riassumere le principali caratteristiche di una distribuzione (assieme alle medie) Le
DettagliMisura e gestione della qualità Lezione 11. R. Secchi
Misura e gestione della qualità Lezione 11 R. Secchi Agenda Dimensioni della qualità Evoluzione del management della qualità 2 Dimensioni della qualità Conformità Affidabilità/Durata Usabilità (user friendly)
DettagliRichiami di inferenza statistica. Strumenti quantitativi per la gestione. Emanuele Taufer
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Inferenza statistica: insieme di tecniche che si utilizzano per ottenere informazioni su una
DettagliRichiami di inferenza statistica Strumenti quantitativi per la gestione
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Parametri e statistiche Esempi Tecniche di inferenza Stima Precisione delle stime Intervalli
DettagliLa legge di Gauss degli errori come limite di una binomiale
Esiste una dimostrazione rigorosa dovuta a Laplace che la distribuzione degli scarti delle misure affette da errori casuali e indipendenti è la funzione normale di Gauss La legge di Gauss degli errori
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliSix Sigma Metodo DMAIC Corso per Black Belt
6σ Six Sigma Metodo DMAIC Corso per Black Belt Cp = 2.0 Cpk = 1.5 ppm = 3.4 Ing. Pier Giorgio DELLA ROLE Master Black Belt Metologia Six Sigma Il programma completo DMAIC DFSS Define Measure Analyse Improve
DettagliCofinanziato dal F.S.E. e approvato dalla Provincia di Modena con D.G. 305 del 31/07/06 rif. P.A /Mo
Se lavori e vuoi aggiornarti, per te e per la tua azienda ci sono corsi GRATUITI Cogli questa opportunità, ISCRIVITI subito. Agosto 2006 n. 1 STRUMENTI METODOLOGICI PER LA GESTIONE DELLA GARA PUBBLICA
Dettagli1/55. Statistica descrittiva
1/55 Statistica descrittiva Organizzare e rappresentare i dati I dati vanno raccolti, analizzati ed elaborati con le tecniche appropriate (organizzazione dei dati). I dati vanno poi interpretati e valutati
DettagliGraphical Tools - Analizzare i dati graficamente
Cp = 2.0 Cpk = 1.5 ppm = 3.4 Graphical Tools - Analizzare i dati graficamente Ing. Pier Giorgio DELLA ROLE L analisi del processo e dei dati Analizzare il processo Identificare le
DettagliMetodologie della ricerca geografica
Metodologie della ricerca geografica Luca Romagnoli Corso di Laurea magistrale LM-80 Gestione e Valorizzazione del territorio Testi per l esame degli Studenti frequentanti: L. Romagnoli, Metodi statistici
DettagliElaborazione statistica di dati
Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,
DettagliASSICURAZIONE DELLA QUALITA DEI RISULTATI DI PROVA CARTE DI CONTROLLO PARTICOLARI PER VARIABILI CONTINUE
ASSICURAZIONE DELLA QUALITA DEI RISULTATI DI PROVA CARTE DI CONTROLLO PARTICOLARI PER VARIABILI CONTINUE Carte J (Jaehn) Carte T- H (Thompson-Howarth) Dr. Piga Cesarino Carte di controllo RM costruite
DettagliQuesto calcolo richiede che si conoscano media e deviazione standard della popolazione.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito
DettagliCarte di controllo per variabili
Le carte di controllo Carte di controllo per variabili per variabili Queste note NON sostituiscono il testo di riferimento ma sono finalizzate ad agevolare lo studio del testo stesso. Le carte di controllo
DettagliTeorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazion
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliTutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliCarte di controllo CUSUM. Le carte a somme cumulate risultano utili quando occorre individuare scostamenti dal valore centrale di piccola entità.
Carte di controllo CUSUM Le carte a somme cumulate risultano utili quando occorre individuare scostamenti dal valore centrale di piccola entità. Le carte Shewart utilizzano le informazioni solo dell ultimo
DettagliElementi di Probabilità e Statistica
Elementi di Probabilità e Statistica Statistica Descrittiva Rappresentazione dei dati mediante tabelle e grafici Estrapolazione di indici sintetici in grado di fornire informazioni riguardo alla distribuzione
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z,
DettagliGrafici e tabelle permettono di fare valutazioni qualitative, non quantitative. E necessario poter sintetizzare i dati attraverso due importanti
Grafici e tabelle permettono di fare valutazioni qualitative, non quantitative. E necessario poter sintetizzare i dati attraverso due importanti indici : Indici di posizione Indici di variazione Indici
DettagliLa statistica. Scienza che studia con metodi matematici fenomeni collettivi.
La statistica Scienza che studia con metodi matematici fenomeni collettivi. I dati statistici Popolazione, carattere e frequenza Popolazione: insieme di elementi su cui si effettua l indagine statistica.
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliCenni di statistica statistica
Cenni di statistica La statistica è una disciplina che ha come fine lo studio quantitativo e qualitativo di un particolare fenomeno in condizioni di incertezza o non determinismo, ovvero di non completa
DettagliProva scritta di Complementi di Probabilità e Statistica. 7 Dicembre 2012
Prova scritta di Complementi di Probabilità e Statistica 7 Dicembre. Un ingegnere vuole investigare se le caratteristiche di una superficie metallica sono influenzate dal tipo di pittura usata e dal tempo
DettagliProva scritta di Affidabilità dei sistemi e controllo statistico di qualità. 3 Giugno 2013
Prova scritta di Affidabilità dei sistemi e controllo statistico di qualità 3 Giugno 013 1. Nella costruzione di una catapulta sono stati individuati 6 fattori: l elevazione anteriore, l asola nel fulcro
DettagliL istogramma dei nomi degli studenti presenti può essere descritto tranquillamente da un istogramma a barre. L istogramma dei voti riportati ad un
Gli istogrammi L istogramma è una rappresentazione grafica di una distribuzione di frequenza di una certa grandezza, ossia di quante volte in un insieme di dati si ripete lo stesso valore. Esistono diversi
DettagliCorso di Sistemi di Gestione per la Qualità (SGQ) AA
Corso di Sistemi di Gestione per la Qualità (SGQ) AA 018-19 6 CFU Prof. Gianluca D Urso 1 Tecniche ANOVA ANalisys Of VAriance Problema che si vuole risolvere: esiste una differenza? A punti rossi B punti
DettagliStatistica descrittiva II
Probabilità e Statistica Esercitazioni a.a. 009/010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Statistica descrittiva II Ines Campa Probabilità e Statistica - Esercitazioni
DettagliIndicatori di Posizione e di Variabilità. Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Statistica Medica
Indicatori di Posizione e di Variabilità Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Statistica Medica Indici Sintetici Consentono il passaggio da una pluralità
DettagliProgetto di riduzione Scarti Linea di produzione pasta lunga. Plant: Pastificio italiano
Progetto di riduzione Scarti Linea di produzione pasta lunga Plant: Pastificio italiano FASE DI DEFINE Creare una Project Charter RIDUZIONE SCARTI AL 6% High-level map of the process SIPOC Definire il
DettagliEsercitazione 5 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione del corso di Statistica Prof. Domenico Vistocco Alfonso Iodice D Enza May 30, 007 1 Esercizio Si consideri una popolazione caratterizzata dai numeri, 3, 6, 8, 11. Si considerino tutti i possibili
DettagliPrefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura
INDICE GENERALE Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura XI XIV XV XVII XVIII 1 LA RILEVAZIONE DEI FENOMENI
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
DettagliUniversità degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI
Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni
Dettagli