Gestione Industriale della Qualità

Размер: px
Начинать показ со страницы:

Download "Gestione Industriale della Qualità"

Транскрипт

1 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 del campione e la qualita media risultante (AOQ); nell ipotesi che il lotto, composto da 5 elementi, presenti una difettosità p pari al 4%. prob. di accettazione n = prob. di accettazione n = p p c n=2 n= nota: si riporta la formula corretta per il calcolo di P a II II a P = c2 c d P * d = c + d = 2 ( d ) P( d ) 2 2 B) Una procedura di controllo per schede a circuiti stampati consiste nel campionamento di 5 schede per ora e nel rilievo del numero totale di difetti (non conformita ) nel campione. di circuito. I dati raccolti sono riportati nella tabella seguente. Si costruisca una carta u (per numero medio di difetti) sulla base dei dati, estraendo dal campione stesso le informazioni necessarie a definire i limiti di controllo.

2 N. del campione Numero totale di non conformita N. del campione Numero totale di non conformita C) Discutere le seguenti carte x

3 Esempio 2 Gestione Industriale della Qualità 23-VII-24 A) Si consideri un piano di campionamento doppio con rettifica caratterizzato dai seguenti parametri: n =5 c = n2 = 8 c2 = 4 Si valuti la probabilita' di accettazione (P), la qualita media risultante (AOQ) e il numero di ispezioni minimo, massimo e medio (ATI); si faccia l ipotesi che il lotto, di dimensioni N = 9 presenti una difettosità p pari al 3%. c n=5 n= nota: si riporta la formula corretta per il calcolo di P a II : c2 c d II Pa = P * d= c+ d2= 2 2 ( d ) P( d ) B) Si costruisca (qualitativamente) una carta x-mr sulla base dei dati della tabella seguente relativi ad una dimensione diametrale di un componente meccanico, espressi in millimetri. Si supponga che: - i limiti di specifica siano 2±.2; - siano gia stati valutati i valori x med =2., MR med =.68. Si richiede: - una stima dell indice di capacita di processo c p ; - la costruzione delle carte x-mr.

4 oss.n. x oss.n. x C) Discutere le seguenti carte x

5 Esempio 3 Gestione Industriale della Qualità 4-IX-25 A) Si consideri un piano di campionamento doppio con rettifica caratterizzato dai seguenti parametri: n =5 c = n2 = 8 c2 = 4 Si valuti la probabilita' di accettazione (P), la qualita media risultante (AOQ) e il numero di ispezioni minimo, massimo e medio (ATI); si faccia l ipotesi che il lotto, di dimensioni N = 9 presenti una difettosità p pari al 3%. c n=5 n= nota: si riporta la formula corretta per il calcolo di P a II : c2 c d II Pa = P * d= c+ d2= 2 2 ( d ) P( d ) B) Si costruisca (qualitativamente) una carta p sulla base dei dati della tabella seguente, che riporta il numero di pezzi non conformi rilevati su campioni costituiti da 8 pezzi ciascuno. Si stimi la frazione media di non conformi dai dati forniti.

6 N. del campione Numero di pezzi non conformi N. del campione Numero di pezzi non conformi C) Discutere le seguenti carte x

7 Esempio 4 Gestione Industriale della Qualità 6-XII-23 A) Si consideri un piano di campionamento doppio (senza rettifica) caratterizzato dai seguenti parametri: n = 8 c = 2 n2 = 6 c2 = 5 Si valuti la probabilita di accettazione totale, e la dimensione media del campione (ASN) nell ipotesi che il lotto, di presenti una difettosità p pari al 3.5%. Si faccia riferimento ad un lotto di dimensione N = 5: c n=5 n= nota: si riporta la formula corretta per il calcolo di P a II : c2 c d II Pa = P * d= c+ d2= 2 2 ( d ) P( d ) B) Si costruisca una carta x-mr sulla base dei dati seguenti. Quali altri strumenti potrebbero essere usati in questo caso (si consideri che i dati sono distribuiti con media.7 e range medio.77)? N. del campione valore N. del campione valore

8 C) Discutere le seguenti carte x UCL LCL UCL LCL

9 Esempio 5 Gestione Industriale della Qualità 6-XII-23 A) Si consideri un piano di campionamento doppio con rettifica caratterizzato dai seguenti parametri: n = 5 c = n2 = c2 = 4 Si valuti la probabilita di accettazione senza rettifica (P), la qualita media risultante (AOQ), il numero medi di ispezioni totali (ATI) e la probabilita di prendere una decisione dopo l ispezione del primo campione (PI); nell ipotesi che il lotto, di dimensioni N = 3 presenti una difettosità p pari al 2%. Si consideri poi lo stesso caso senza rettifica e si valutino la probabilita di accettazione totale, la qualita in uscita (simile ad AOQ ) e la dimensione media del lotto (ASN) per questo caso. c n=5 n= nota: si riporta la formula corretta per il calcolo di P a II : c2 c d II Pa = P * d= c+ d2= 2 2 ( d ) P( d ) B) Si costruisca una carta x med -S sulla base dei dati seguenti, sapendo che sono stati campionati da una distribuzione con media µ=2 e deviazione standard σ=

10 C) Discutere le seguenti carte x UCL LCL UCL LCL

Gestione Industriale della Qualità

Gestione Industriale della Qualità Gestione Industriale della Qualità 8-II-6 esempio A) Si consideri un piano di campionamento doppio con rettifica caratterizzato dai seguenti parametri: n = c = n = c = 4 Si valuti la qualità media risultante

Подробнее

Statistical Process Control

Statistical Process Control Statistical Process Control ESERCIZI II Esercizio 1. Una ditta che produce schermi a cristalli liquidi deve tenere in controllo il numero di pixel non funzionanti. Vengono ispezionati venti schermi alla

Подробнее

L AFFIDABILITA NELLA FASE DI PRODUZIONE

L 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

Подробнее

Statistica Applicata all edilizia Lezione: carte di controllo

Statistica Applicata all edilizia Lezione: carte di controllo Lezione: carte di controllo E-mail: [email protected] 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

Подробнее

Test per l omogeneità delle varianze

Test 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

Подробнее

Da: Stefano Tonchia Università di Udine Progettare e gestire il sistema aziendale di misurazione delle prestazioni.

Da: 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

Подробнее

Variabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1

Variabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1 Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni

Подробнее

UNIVERSITÀ DEGLI STUDI DI PERUGIA

UNIVERSITÀ DEGLI STUDI DI PERUGIA SIGI, Statistica II, esercitazione n. 3 1 UNIVERSITÀ DEGLI STUDI DI PERUGIA FACOLTÀ DI ECONOMIA CORSO DI LAUREA S.I.G.I. STATISTICA II Esercitazione n. 3 Esercizio 1 Una v.c. X si dice v.c. esponenziale

Подробнее

GESTIONE INDUSTRIALE DELLA QUALITÀ A

GESTIONE INDUSTRIALE DELLA QUALITÀ A GESTIONE INDUSTRIALE DELLA QUALITÀ A Lezione 10 CAMPIONAMENTO (pag. 62-64) L indagine campionaria all interno di una popolazione consiste nell estrazione di un numero limitato e definito di elementi che

Подробнее

1/34. Campionamento di accettazione Acceptance Sampling

1/34. Campionamento di accettazione Acceptance Sampling 1/34 Campionamento di accettazione Acceptance Sampling P Contents 1 Ispezioni di accettazione 5 2/34 2 Ispezioni di accettazione - 2 6 3 Accettazione per campionamento 7 4 Piano di campionamento 8 5 Possibilità

Подробнее

ESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE

ESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE ESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE e-mail: [email protected] web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114 7 Maggio 2013 Esercizio

Подробнее

Funzione Operativa Caratteristica per la media

Funzione 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

Подробнее

Probabilità e Statistica

Probabilità e Statistica Probabilità e Statistica Stima puntuale di parametri Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 018/019 Marco Pietro Longhi Prob. e Stat.

Подробнее

DI CONFORMITA NEI PRODUTTIVI. Prof. Marcantonio Catelani Scuola di Ingegneria - Dipartimento di Ingegneria dell Informazione - Firenze

DI 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 [email protected] 1 Qualità secondo

Подробнее

standardizzazione dei punteggi di un test

standardizzazione dei punteggi di un test DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano [email protected] standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la

Подробнее

Statistica Inferenziale

Statistica Inferenziale Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione

Подробнее

Statistica 1- parte II

Statistica 1- parte II Statistica 1- parte II Esercitazione 3 Dott.ssa Antonella Costanzo 25/02/2016 Esercizio 1. Verifica di ipotesi sulla media (varianza nota) Il preside della scuola elementare XYZ sospetta che i suoi studenti

Подробнее

STATISTICA AZIENDALE Modulo Controllo di Qualità

STATISTICA 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

Подробнее

Lezione 16. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 16. A. Iodice. Ipotesi statistiche

Lezione 16. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 16. A. Iodice. Ipotesi statistiche Statistica Alfonso Iodice D Enza [email protected] Università degli studi di Cassino () Statistica 1 / 23 Outline 1 2 3 4 5 6 () Statistica 2 / 23 La verifica delle ipotesi Definizione Un ipotesi statistica

Подробнее

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 5

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 5 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE Dott.ssa Antonella Costanzo [email protected] Esercizio 1. Approssimazione normale della Poisson (TLC) In un determinato tratto di strada il numero di incidenti

Подробнее

05. Errore campionario e numerosità campionaria

05. Errore campionario e numerosità campionaria Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,

Подробнее

Statistica. Esercitazione 14. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice. Verifica di ipotesi

Statistica. Esercitazione 14. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice. Verifica di ipotesi Esercitazione 14 Alfonso Iodice D Enza [email protected] Università degli studi di Cassino () 1 / 14 Ex.1: Verifica Ipotesi sulla media (varianza nota) Le funi prodotte da un certo macchinario hanno una

Подробнее

Probabilità e Statistica

Probabilità e Statistica Probabilità e Statistica Intervalli di confidenza Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2018/2019 Marco Pietro Longhi Prob. e Stat. 1

Подробнее

Corso di Statistica Esercitazione 1.8

Corso di Statistica Esercitazione 1.8 Corso di Statistica Esercitazione.8 Test su medie e proporzioni Prof.ssa T. Laureti a.a. 202-203 Esercizio Un produttore vuole monitorare i valori dei livelli di impurità contenute nella merce che gli

Подробнее

Esercitazione 5 del corso di Statistica 2 Prof. Domenico Vistocco

Esercitazione 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

Подробнее

Probabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva

Probabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.

Подробнее

4. Si supponga che il tempo impiegato da una lettera spedita dall Italia per arrivare a destinazione segua una distribuzione normale con media

4. Si supponga che il tempo impiegato da una lettera spedita dall Italia per arrivare a destinazione segua una distribuzione normale con media Esercizi sulle distribuzioni, il teorema limite centrale e la stima puntuale Corso di Probabilità e Inferenza Statistica, anno 007-008, Prof. Mortera 1. Sia X la durata in mesi di una valvola per radio.

Подробнее

Corso di Laurea in Infermieristica "S" A.A. 2015/2016 Orario Lezioni III Anno - I Semestre Nuovo Ordinamento (D.M. 270/04)

Corso di Laurea in Infermieristica S A.A. 2015/2016 Orario Lezioni III Anno - I Semestre Nuovo Ordinamento (D.M. 270/04) I^ Settimana 12 ottobre 16 ottobre II^ Settimana 19 ottobre 23 ottobre III^ Settimana 26 ottobre 30 ottobre IV^ Settimana 2 novembre 6 novembre V^ Settimana 9 novembre 13 novembre VI^ Settimana 16 novembre

Подробнее

Questo calcolo richiede che si conoscano media e deviazione standard della popolazione.

Questo 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

Подробнее

ES.2.3. è pari ad 1. Una variabile aleatoria X che assume valori su tutta la retta si dice distribuita

ES.2.3. è pari ad 1. Una variabile aleatoria X che assume valori su tutta la retta si dice distribuita ES.2.3 1 Distribuzione normale La funzione N(x; µ, σ 2 = 1 e 1 2( x µ σ 2 2πσ 2 si chiama densità di probabilità normale (o semplicemente curva normale con parametri µ e σ 2. La funzione è simmetrica rispetto

Подробнее

Esercizi 6 - Variabili aleatorie vettoriali, distribuzioni congiunte

Esercizi 6 - Variabili aleatorie vettoriali, distribuzioni congiunte Esercizi - Variabili aleatorie vettoriali, distribuzioni congiunte Esercizio. X e Y sono v.a. sullo stesso spazio di probabilità (Ω, E, P). X segue la distribuzione geometrica modificata di parametro p

Подробнее

Distribuzioni campionarie

Distribuzioni 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

Подробнее

Controllo statistico della qualità

Controllo statistico della qualità Controllo statistico della qualità 1 Senza il controllo della qualità, sia il produttore che l acquirente sono nella stessa posizione dell uomo che scommette in una corsa di cavalli con l unica eccezione

Подробнее

5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana)

5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana) 5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana) Esercizio 1: Una variabile casuale e caratterizzata da una distribuzione uniforme tra 0 e 10. Calcolare - a) la probabilità

Подробнее

Statistical Process Control

Statistical 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

Подробнее

Prova Pratica di Statistica I+II - Prof. M. Romanazzi

Prova Pratica di Statistica I+II - Prof. M. Romanazzi 1 Università di Venezia - Corso di Statistica I + II (Cb-Ga) Prova Pratica di Statistica I+II - Prof. M. Romanazzi 3 Giugno 2008 Cognome e Nome............................................ N. Matricola............

Подробнее

Variabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia

Variabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile

Подробнее

Statistica. Lezione 4

Statistica. Lezione 4 Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 4 a.a 2011-2012 Dott.ssa Daniela

Подробнее

STATISTICA SERALE (NOF) Appello del 12/07/12 Effettuare i calcoli arrotondando alla seconda cifra decimale A PARTE PRIMA

STATISTICA SERALE (NOF) Appello del 12/07/12 Effettuare i calcoli arrotondando alla seconda cifra decimale A PARTE PRIMA Appello del 12/07/12 A PARTE PRIMA 1) Enunciare e dimostrare le due proprietà della media aritmetica. 2) Il prospetto che segue si riferisce ad una parte della distribuzione per età delle donne italiane

Подробнее

Statistical Process Control

Statistical 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

Подробнее

Test delle Ipotesi Parte I

Test delle Ipotesi Parte I Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test

Подробнее

Esercizi Teoria della Probabilità

Esercizi Teoria della Probabilità Esercizi Teoria della Probabilità Esercizio 1 Durante un corso universitario, uno studente prova a svolgere una serie di esercizi. La risposta agli esercizi è di tipo binario (SI/NO). Supponendo la completa

Подробнее

DISTRIBUZIONI DI CAMPIONAMENTO

DISTRIBUZIONI 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,

Подробнее

Statistica Corso Base (Serale) Dott.ssa Cristina Mollica

Statistica Corso Base (Serale) Dott.ssa Cristina Mollica Statistica Corso Base Serale Dott.ssa Cristina Mollica [email protected] Campionamento Esercizio 1. Da una ricerca si è osservato che il peso del prodotto A varia tra i e i 530 grammi. 1 Ipotizzando

Подробнее

Statistica Metodologica

Statistica Metodologica Statistica Metodologica Esercizi di Probabilita e Inferenza Silvia Figini e-mail: [email protected] Problema 1 Sia X una variabile aleatoria Bernoulliana con parametro p = 0.7. 1. Determinare la media

Подробнее

Esercizio 1. Stima intervallare: IC per la media incognita (varianza ignota)

Esercizio 1. Stima intervallare: IC per la media incognita (varianza ignota) STATISTICA (2) ESERCITAZIONE 5 26.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. Stima intervallare: IC per la media incognita (varianza ignota) Il responsabile del controllo qualità di un azienda che

Подробнее

Lezione VII: t-test. Prof. Enzo Ballone

Lezione VII: t-test. Prof. Enzo Ballone Lezione VII: t-test Cattedra di Biostatistica Dipartimento di Scienze Biomediche, Università degli Studi G. d Annunzio di Chieti Pescara Prof. Enzo Ballone Un terzo problema: si considerino 2 campioni

Подробнее

Università degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali

Università degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si

Подробнее