Gestione Industriale della Qualità

Documenti analoghi
Gestione Industriale della Qualità

Statistical Process Control

L AFFIDABILITA NELLA FASE DI PRODUZIONE

1. Quali sono i possibili campioni di numerosità 2 senza reimmissione? X 1 e X 2 sono indipendenti?

Statistica Applicata all edilizia Lezione: carte di controllo

Test per l omogeneità delle varianze

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

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

Cenni di statistica statistica

UNIVERSITÀ DEGLI STUDI DI PERUGIA

GESTIONE INDUSTRIALE DELLA QUALITÀ A

CONTROLLO STATISTICO DI PROCESSO

Fondamenti statistici : Test d Ipotesi (1)

ESERCIZIO pag ? = Stima del numero medio di battiti cardiaci /minuto per una certa popolazione.

1/34. Campionamento di accettazione Acceptance Sampling

ESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE

STATISTICA A K (63 ore) Marco Riani

Funzione Operativa Caratteristica per la media

Probabilità e Statistica

Probabilità e Statistica

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

MEZZI PER LA RACCOLTA E LA GESTIONE DEI DATI DI QUALITÀ

standardizzazione dei punteggi di un test

Statistica Inferenziale

Statistica 1- parte II

STATISTICA AZIENDALE Modulo Controllo di Qualità

Elementi di base su modello binomiale e modello normale

STATISTICA A K (60 ore)

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

La statistica nei processi di misura

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 5

05. Errore campionario e numerosità campionaria

Ringraziamenti dell Editore

Occorre trovare la distribuzione di DM

Presentazione dell edizione italiana

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

Cenni di Statistica Inferenziale

Statistica A. Corsi di Laurea afferenti alla IV Facoltà Prova del Cognome e Nome...

MEZZI PER LA RACCOLTA E LA GESTIONE DEI DATI DI QUALITÀ

STATISTICA (II modulo - Inferenza Statistica) Esercitazione I consegna 3 maggio 2006

Probabilità e Statistica

Corso di Statistica Esercitazione 1.8

Esercitazione 5 del corso di Statistica 2 Prof. Domenico Vistocco

ESERCIZIO 1. a) Calcolare il rendimento atteso del portafoglio:

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

Facoltà di ECONOMIA Corso di Statistica a.a. 2005/2006 Esame del 27/09/2006 Calcolo delle Probabilità e Inferenza

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

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

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

E S E R C I Z I T U T O R

Mezzi per la raccolta e la gestione dei dati di qualità

Dipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli

Università del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student

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

STATISTICA A D (72 ore)

Esercizi 6 - Variabili aleatorie vettoriali, distribuzioni congiunte

Distribuzioni campionarie

Controllo statistico della qualità

AZIENDA MATERIA PRIMA PROCESSO PRODUTTIVO PRODOTTO FINITO. Dipartimento di Ingegneria Meccanica e Aerospaziale Università di Roma La Sapienza

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

Esercizi. 1. Sia X una variabile aleatoria normale N(3.2, 1.44). Calcolare

Ulteriori Conoscenze di Informatica e Statistica. Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie.

Statistical Process Control

Esercizio 1. La variabile casuale G, somma di due V.C. normali, si distribuisce anch essa come una normale.

Elaborazione statistica di dati

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

Gli intervalli di confidenza. Intervallo di confidenza per la media (σ 2 nota) nel caso di popolazione Gaussiana

Introduzione all'inferenza Lezione 4

Prova scritta di Statistica Traccia A docente: I. Oliva 14/2/2014

University of Messina, Italy

Intervallo di confidenza

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

Metodi statistici per le ricerche di mercato

Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo

Statistica. Lezione 4

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

1) Utilizzando gli sviluppi in serie delle funzioni, calcolare. sin(x 2 ) (1 cos x) 2 (1 cos(x 2 )) sinh x. lim

Corso di probabilità e statistica

Statistical Process Control

Se un processo produttivo è influenzato solo da fattori accidentali si dice che esso è SOTTO CONTROLLO.

Statistica. Ingegneria Logistica e della Produzione - Teledidattico. Prova del 26 gennaio Compito A Cognome e Nome...N 0 di Matricola...

CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI

Test delle Ipotesi Parte I

Esercizi Teoria della Probabilità

Lezione VII: Z-test. Statistica inferenziale per variabili quantitative. Statistica inferenziale per variabili quantitative. Prof.

Argomenti della lezione: Campionamento Stima Distribuzione campionaria Campione Popolazione Sottoinsieme degli elementi (o universo) dell '

DISTRIBUZIONI DI CAMPIONAMENTO

Intervalli di confidenza

Statistica Corso Base (Serale) Dott.ssa Cristina Mollica

Le variabili casuali o aleatorie

Statistica Metodologica

Statistica 1- parte II

STATISTICA A K (60 ore)

Prova scritta di Teoria dei Segnali: nuovo ordinamento

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

Lezione VII: t-test. Prof. Enzo Ballone

Rappresentazione grafica di coppie di variabili (x i,y i ) correlate e non. E indicato il valore del coefficiente di correlazione lineare r

Intervallo di confidenza.

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

Transcript:

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.8.6.4.2 n = 2.2.4.6.8..2.4.6 prob. di accettazione.8.6.4.2 n = 6.2.4.6.8..2.4.6 p p c n=2 n=6.442.86352.834.3223 2.9564.56759 3.99259.7834 4.9994.9826 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.

N. del campione Numero totale di non conformita N. del campione Numero totale di non conformita 6 9 2 4 2 5 3 8 3 8 4 4 5 9 5 8 6 2 6 2 7 6 7 7 8 2 8 9 3 9 7 2 3 C) Discutere le seguenti carte x. 4.3 4.2 4. 4 39.99 39.98 39.97 6 6 2 26 3 36 4 46 5 56 6 66 4.3 4.2 4. 4 39.99 39.98 39.97 6 6 2 26 3 36 4 46 5 56 6 66

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=8.287.8745.55528.338 2.88.5682 3.93724.7867 4.9839.972 5.99626.96669 6.9993.98969 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.

oss.n. x oss.n. x.98.97 2.94 2 2.2 3.982 3.95 4.964 4.958 5.948 5.9 6.855 6 2.43 7 2.46 7 2.78 8.98 8.924 9.949 9 2.8 2.23 2.988 C) Discutere le seguenti carte x. 8 7 6 5 4 3 2 2 3 4 5 6 7 8 3.5 3 2.5 2.5.5 2 3 4 5 6 7 8

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=8.287.8745.55528.338 2.88.5682 3.93724.7867 4.9839.972 5.99626.96669 6.9993.98969 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.

N. del campione Numero di pezzi non conformi N. del campione Numero di pezzi non conformi 9 2 8 2 3 3 7 3 7 4 6 4 7 5 7 5 8 6 6 6 7 7 9 7 7 8 7 8 4 9 5 9 5 4 2 5 C) Discutere le seguenti carte x. 3.5 3 2.5 2.5.5 2 3 4 5 6 7 8 8 7 6 5 4 3 2 2 3 4 5 6 7 8

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=.5783.334.22564.2276 2.4665.7872 3.69276.8563 4.855.33783 5.9383.55 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.7558.7537 2.9747 2.825 3.736 3.495 4.596 4.7 5.268 5.7869 6.865 6.366 7.7462 7.794 8.8343 8.9549 9.5984 9.8277

C) Discutere le seguenti carte x..873 2.9762 UCL LCL 4.3 4.2 UCL 4. 4 39.99 39.98 39.97 LCL 6 6 2 26 3 36 4 46 5 56 6 66

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=.3647.3262.73577.4327 2.9257.67669 3.98224.85896 4.99679.9497 5.99952.98452 6.99994.99594 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=. 23.2 92.3 2.4 97.8 2 9.9 98.9 97.6 2.6 3 76.9 9.2 99.2 95.8 4 27.9 9.4 96.4 98. 5 23.9 76.2 79.2 84.9 6 2.2 9.6 98.6 88.7

7 95.9 22.6 23.9 9.8 8 84.7 98.2 26.5 23.7 9 22.2 98.3 96.2 94. 86.3 98.8 93.4 25.4 C) Discutere le seguenti carte x. 4.3 4.2 UCL 4. 4 39.99 39.98 39.97 LCL 2 3 4 5 6 7 UCL LCL