Príručka ku kurzu SPÔSOBILOSŤ PROCESU
|
|
- Ἰοκάστη Μελετόπουλος
- 7 χρόνια πριν
- Προβολές:
Transcript
1 E+6 E+5 E+ E+ E+ E+ E+ E- Príručka ku kurzu SPÔSOBILOSŤ PROCESU E- E- E- E-5 E-6 E-7 E-8,5,7,9,,,5,7,9,,,5
2 ÚVOD Z noriem a inej literatúry je známych mnoho postupov, ako stanoviť spôsobilosť procesu. Existuje mnoho indexov spôsobilosti od Cp, Cpk až po rôzne robustné indexy. Technológovia poznajú vzorce, podľa ktorých môžu indexy vypočítať. Indexy požadujú zákazníci od dodávateľov, výrobcovia ich používajú ako reklamu. V tejto záplave Cp, Cpk často uniká ich skutočný zmysel. Zabúda sa na skutočnosť, že sú to štatistické hodnoty. Kurz - SPÔSOBILOSŤ PROCESU - nie je zameraný na naučenie noriem, postupov a vzorcov, ale na ich interpretáciu. Jeho cieľom je pochopenie významu čísel, ktoré sú výsledkom výpočtov. Preto v tejto príručke nenájdete definície, odvodenia vzorcov alebo ustanovenia noriem. Počas kurzu budeme používať simulátor procesu (súbor SIMULA.XLS). Chceme, aby ste prostredníctvom simulácie videli, ako vznikajú jednotlivé hodnoty charakteristík, aký vplyv má meranie, čo je to stabilita. Aby ste si mohli vlastné poznatky zaznamenať, je v príručke miesto pre poznámky.
3 Rozdelenie () 9 Skutočná hodnota = Žiadaná hodnota + Súčet náhodných vplyvov + Vymedziteľné príčiny Vym e dzite ľné Proce s / Me ranie 9 Proces Ve ľkos ť vplyvu: príčiny 7 Žiadaná hodnota Náhodné vplyvy Súčet: - + Skutočná hodnota 7 8 Okno 9 5 Ko p íro vať Fyzikálne obmedzenie Počet hodnôt: Zadanie x Žiadaná hodnota:, 5 8 Odhady x Stredná hodnota:, (µ) 5 6 Medián:, x Modus:, 5 8 Smerodajná odchýlka: 6, (σ) Vym azať Rozpätie:, Softw are 6 8 Na výrobok v technologickom procese pôsobí mnoho nežiadúcich vplyvov. Spôsobujú, že skutočná hodnota sledovanej charakteristiky je viac alebo menej odlišná od žiadanej (cieľovej, target) hodnoty. Väčšina vplyvov pôsobí náhodne, neočakávane -náhodné vplyvy- (Common Causes), iné istým spôsobom pravidelne alebo systematicky -systematické vplyvy (Special Causes). Dôsledkom pôsobenia náhodných vplyvov je rozloženie hodnôt, ktoré má svoje zákonitosti -ROZDELENIE- (Distribution) a dá sa matematicky popísať. Systematické vplyvy spôsobujú rôzne deformácie rozdelení. Ich pôsobenie je možné v šume náhodných vplyvov rozoznať alebo vymedziť, preto im hovoríme aj vymedziteľné príčiny. Dôležitým systematickým vplyvom je fyzikálne obmedzenie. Napríklad hmotnosť nemôže byť menšia ako nula, priemer hriadeľa nemôže byť väčší ako priemer polotovaru, z ktorého bol vyrobený, minimálne napätie na dióde v priepustnom smere je dané štruktúrou materiálu (kremíka) atď.. Rozdelenie, ktoré vzniká iba v dôsledku veľkého množstva malých náhodných vplyvov bez fyzikálnych obmedzení, sa v štatistike nazýva NORMÁLNE rozdelenie (od slova norma ). Vplyvom fyzikálnych obmedzení často vzniká LOGARITMICKÉ NORMÁLNE rozdelenie. Rozdelenia sú určené svojimi parametrami. Parametre normálneho rozdelenia sú STREDNÁ HODNOTA - µ (Mean) a SMERODAJNÁ ODCHÝLKA - σ (Standard Deviation). Hodnota σ sa nazýva ROZPTYL (Variance). Použitie σ je výhodné, pretože má rovnaký rozmer ako sledovaná charakteristika (meter, kilogram). σ má rozmer druhej mocniny (m, kg ), ale matematicky sa s touto hodnotou ľahšie pracuje. µ je hodnota, okolo ktorej sú ostatné hodnoty rozložené. Šírku rozloženia -VARIABILITU- (Variability) vyjadruje σ alebo σ.
4 Rozdelenie () Súbor hodnôt sledovanej charakteristiky všetkých výrobkov, ktoré môžu vzniknúť, sa nazýva ZÁKLADNÝ SÚBOR (Population). Základný súbor je obyčajne nekonečný. Okrem spomínaného parametra µ sa na vyjadrenie polohy centra rozdelenia v štatistike používajú hodnoty MEDIÁN (Median) a MODUS (Mode). Medián Medián je hodnota ktorá rozdeľuje rad hodnôt usporiadaných podľa veľkosti na dve rovnaké časti. Modus Modus je taká hodnota, ktorá sa najčastejšie vyskytuje. Napríklad v konečnom základnom súbore 5; 8; 7; 7; 8; 7; 6; 7; 9; 5; ; ; je modus 7, pretože hodnota 7 sa vyskytuje najviac. Stredná hodnota je 6 a je určená aritmetickým priemerom. V rade usporiadanom podľa veľkosti ; ; ; 5; 5; 6; 7; 7; 7; 7; 8; 8; 9 je 6 hodnôt vľavo od zvýraznenej sedmičky a šesť hodnôt vpravo. Mediánom teda bude číslo 7. Pre nekonečné základné súbory nie je možné použiť vo výpočtoch všetky hodnoty, preto štatistické parametre môžeme iba odhadovať pomocou výberov konečnej veľkosti (Sample). V praxi sa málo používa modus, pretože jeho odhadovanie je matematicky náročné. Rozdelenie môžeme graficky znázorniť pomocou histogramu (napr. EXCEL a iné). Matematicky by sme mohli popísať rozdelenie krivkou, ktorá spája vrcholy tried histogramu. Zužovaním tried na nekonečne malú šírku dostaneme teoretickú krivku (pre normálne rozdelenie je to známa Gaussova krivka ), ktorej matematický tvar sa nazýva ROZDELENIE HUSTOTY PRAVDEPODOBNOSTI (Density Function). Rovnakým postupom, ale s kumulatívnym histogramom, dostaneme iný popis rozdelenia - DISTRIBUČNÚ FUNKCIU (Distribution Function). x x µ x µ Rozdelenie hustoty pravdepodobnosti Distribučná funkcia Šrafovaná plocha znamená pravdepodobnosť, že vznikne hodnota v intervale (x ; x ). p p znamená pravdepodobnosť, že vznikne hodnota menšia ako x.
5 Odhady,9 9,796 Rozde le nie Rozsah výberu (n) 9,885 µ Vybrať x 5 9,8 σ 5,77 Odhady LCo nf UCo nf Šírka Odhady 9,8879 Stre dná hodnota: 9,,885,867 Bodové,7 Smerodajná odchýlka (n-):,698,8,66 8,855 Intervalové Smerodajná odchýlka (n):,8 9,779 8,75,895,8 9,779 Stre dná hodnota 8,89,6697,86 9,898 Rozs ah Po čet výb. LConf UConf Š írka 8,87,855,85,67 5 8,687,88,8 9,6,759,95 8,66 8,6,8,677 8,7879 7,98,55,955 9,556 9,88,9,965 9,995,95,69,699 9,9,8,6 9,597,6,57 9, 5 8,765,859,69,697 9,,885,867 9,65 Hladina významnosti:,5 Vym azať Priemer: 8,687,88,8 9,87,879,6569 Okno Softw are Spomínali sme, že štatistické parametre nekonečných základných súborov možno len odhadovať pomocou výberov. Výber hodnôt musí byť taký, aby rozloženie hodnôt vo výbere reprezentovalo rozloženie v základnom súbore - výber musí byť reprezentatívny. Najlepší spôsob ako to dosiahnuť, je urobiť výber NÁHODNÝ (Random). Potom odhadom parametrov základného súboru budú tzv. výberové parametre. Teda odhadom strednej hodnoty bude VÝBEROVÝ PRIEMER (Average), odhadom smerodajnej odchýlky bude VÝBEROVÁ SMERODAJNÁ ODCHÝLKA (Standard Deviation). Grafickým znázornením distribučnej funkcie bude VÝBEROVÁ DISTRIBUČNÁ FUNKCIA (Sample Distribution). Odhad môže byť realizovaný ako jedno číslo, jeden bod, teda BODOVÝ ODHAD (Point Estimation). Výhoda bodového odhadu je, že jeho interpretácia je jednoduchá (napríklad priemer považujeme priamo za strednú hodnotu) a možno ho ľahko použiť v ďalších výpočtoch. Nevýhodou bodového odhadu je, že z jeho hodnoty nemáme žiadnu informáciu o dôveryhodnosti odhadu. Z hľadiska dôveryhodnosti je lepšie určovať interval- KONFIDENČNÝ INTERVAL (interval spoľahlivosti, Confidence Interval), v ktorom sa bude hľadaný parameter nachádzať, s vopred určeným rizikom omylu. Riziko omylu určujeme v štatistike hodnotou HLADINA VÝZNAMNOSTI - α (Significance Level). α je číslo od do a znamená pravdepodobnosť, že určený interval neobsahuje hľadaný parameter. Vyjadrené v percentách to znamená že priemerne v α prípadoch sa pomýlime. V technickej praxi obycajne pripúšt ame priemerne 5% omylov, teda pri intervalových odhadoch a iných štatistických výpoctoch pouzívame hladinu významnosti,5. V oblastiach, kde od nášho rozhodovania závisí napr. zdravie l udí (testovanie liekov), pouzívame hladinu významnosti, alebo ešte menšiu. Konfidencný interval sa rozširuje so znizovaním hladiny významnosti a zuzuje so zväcšovaním rozsahu výberu. V beznej praxi by rozsah výberu nemal byt menší ako 5. 5 hodnôt dáva uz dost spolahlivé odhady. Viac ako hodnôt je nutných len v špeciálnych prípadoch.
6 Cp, Cpk Okno US L - LS L = 6 µ σ Sigma,6 Posun (nás obky σ) Pods tatná oblas ť (nás obky σ) 6 99,7% Poč et mimo špec.,687 ppm LSL Targ e t USL Cp: Cpk:,67, Cp = US L - LS L 6 σ Cpk = Min(US L - µ ; µ - LS L) σ Cpm:,8 Prepočítanie Software Indexy Cp a Cpk vyjadrujú schopnosť procesu splniť požiadavku zákazníka. Cp - nazývaný aj potenciál spôsobilosti hodnotí len pomer variability procesu k špecifikácii zákazníka. Nevšíma si odchýlku strednej hodnoty od žiadanej hodnoty (Target). Navyše Cp je možné vypočítať len v prípade obojstrannej špecifikácie. Tieto nevýhody odstraňuje index Cpk. Ako vidno zo vzorca Cpk je vlastne Cp pre tú stranu špecifikácie, kde je posunutá stredná hodnota (horšia strana). Cp aj Cpk je jednoduché vypočítať. Interpretácia týchto čísel ako INDEXOV SPÔSOBILOSTI je však možná len za istých podmienok: Proces musí byť štatisticky stabilný. Proces musí mať normálne rozdelenie. Výpočet musí byť doplnený rozsahom výberu alebo, čo je lepšie, musí byť urobený intervalový odhad indexov Cp a Cpk. Ďalšou vlastnosťou Cpk je, že nevystihuje spôsobilosť procesu v prípadoch, keď je variabilita procesu veľmi nízka, ale stredná hodnota je posunutá príliš blízko k dolnej alebo hornej medzi. Vtedy môže byť hodnota Cpk vysoká aj pri malej spokojnosti zákazníka. Táto nepríjemná vlastnosť Cpk je odstránená indexom Cpm 5. Ak proces nemá normálne rozdelenie, používajú sa iné spôsoby vyjadrenia spôsobilosti. Jednoduché riešenie je v prípade log-normálneho rozdelenia pomocou transformácie na normálne rozdelenie. V iných prípadoch možno použiť výpočet pomocou neparametrických alebo robustných metód. Keď je výstupom procesu viac charakteristík (viac rozmerov na jednom výrobku a pod.), je potrebné v niektorých prípadoch použiť viacrozmerné štatistické metódy. V žiadnom prípade nie je možné počítať žiadne všeobecné indexy spôsobilosti. Cp, Cpk, Cpm a iné sa vždy vzťahujú na konkrétny proces, niekedy až na konkrétny stroj (operáciu).
7 R&R Okno 5,5 σ %R&R = 5,5 σ = + σ σ σ = µ µ Pres nos ť - σ - smer. odchýlka µ - stred. hodnota Prepočítať Proce s be z Stred. hodnota:, Cpk Vlastnosti meracieho systému vplyvu me rania Smer. odchýlka:,, %R&R:, Presnosť:, Desatiny: Požiadavka LS L: 97, Smer. odchýlka:, zákazníka US L:, Na výpoč et %R&R je použitá hodnota In fo rm ác ia Stred. hodnota:, Cpk, 5,5 σ a le bo R&R a PV o procese Smer. odchýlka:,5,95 6,99% USL - LSL (špe cifiká cia ) Graf,,,, 99, 98, 97, 96, , 98,,, Software Z predchádzajúcich častí je zrejmé, že je veľmi dôležité mať dobré informácie o variabilite procesu. Informácie o procese získavame najčastejšie nejakým meracím systémom. Meranie je ale tiež akýsi proces zaťažený variabilitou. Otázka znie, či merací systém cez svoju vlastnú variabilitu vidí variabilitu procesu. Štúdia spôsobilosti meracieho systému porovnáva variabilitu meracieho systému s variabilitou procesu Výsledkom porovnania je hodnota %R&R. Keď je %R&R<, merací systém nás spoľahlivo informuje o tom, čo sa deje v procese. Možno ho použiť napr.pre účely SPC. Pre %R&R od do je síce informácia meracieho systému dobrá, ale občas, v jednotlivých prípadoch, sa môže prejaviť vlastná variabilita. Takéto meracie systémy nie je vhodné používať pre účely SPC. Môžu sa však dobre použiť napríklad v prípadoch, kde sa používa priemer z viacerých meraní. %R&R nad znamená, že merací systém si začína vymýšľať. To, o čom nás informuje, nie je obraz procesu. Meracie systémy s %R&R nad by sa nemali používať. Z praktických skúseností vieme, že prvé zistenie %R&R nad nemusí vždy znamenať, že meracie zariadenie patrí do koša. Veľakrát stačí upraviť návodku na meranie, alebo vyškoliť operátorov. Formulár pre R&R v doplnku CPK umožňuje voliť počet meraní. Prax by mala byť taká, že zvolíme maximálny počet a iba výnimočne, keď je to veľmi drahé alebo časovo náročné, obmedzujeme počet vzoriek alebo operátorov. Treba si uvedomiť, že R&R je štatistický parameter a jeho hodnotu vlastne len odhadujeme. A pre odhady platí: Čím viac hodnôt, tým dôveryhodnejšie odhady. Keď už z nejakých dôvodov musíme znižovať počet meraní, musí platiť, že počet operátorov pocet vzoriek je väcší ako 5. Spôsobilý merací systém musí okrem hodnoty %R&R spĺňať aj ďalšie kritériá: Počet úrovní vstupných hodnôt musí byť najmenej. Počet úrovní vypočítaných rozpätí (vo formulári v riadkoch R ) musí byť viac ako. Nulových rozpätí môže byť najviac 5%. 5
8 GPC Okno Testovacie medze Vlastnosti meracieho systému Požiadavka LS L: 97 LL: 97,5 R&R: zákazníka US L: UL:,5 Smer. odchýlka:, In fo rm ác ia Stred. hodnota: Cpk Mimo špec. Pre s nos ť: o procese Smer. odchýlka:,,8, %,96 Prepočítanie Ne s právne akce ptované : ppm Ne s právne vyrade né :,56 % Graf Pravdepodobnosť,8,6,, Ho dno ta Proces Po testovaní Softw are Tester je merací systém, ktorý hodnotí výrobky spôsobom Dobrý / Zlý. Ideálny tester vyradí všetky výrobky, ktorých charakteristika je mimo špecifikácie, ostatné akceptuje. Reálny tester, tak ako každý iný merací systém, je zaťažený vlastnou variabilitou. To sa prejaví vtedy, keď je hodnota testovanej charakteristiky blízka medzi špecifikácie. Takúto hodnotu tester niekedy vyradí, inokedy akceptuje. Úlohou štúdie GPC (Krivka účinnosti testera, Gage Performance Curve) je zistiť práve tieto pomery. V doplnku CPK je formulár pre GPC. Po zadaní nameraných hodnôt bude vypočítaná a v grafe zobrazená krivka, ktorá vyjadruje pravdepodobnosť, či istá hodnota bude akceptovaná. Krivka je charakteristickou vlastnosťou testera, ale sama o sebe veľa nehovorí. Tak ako v metóde R&R, bude potrebné túto vlastnosť testera dať do súvislosti s parametrami konkrétneho procesu. Po zadaní strednej hodnoty a smerodajnej odchýlky procesu, budú vypočítané dve dôležité hodnoty: percento nesprávne akceptovaných výrobkov (dostanú sa k zákazníkovi) percento nesprávne vyradených výrobkov (zvyšujú straty) Dôležité je, aby množstvo nesprávne akceptovaných a súčasne aj množstvo nesprávne vyradených výrobkov bolo čo najmenšie. 6
9 Normalita () 7,67 7,6 Okno Rozde le nie : Vypoč ítané : 7,95 Cpk:,8 Normálne Log-normálne 75,677 DPMO:, % 75,89 LS L: 85 Skutoč né vo výbe re : 76,6 US L: 5 DPMO:, % 76,955 79,67 Počet Min Max Avg Std Špicatos ť (Kurtosis, Exces): -,699 8,8 7,6797 6,85 99,59, Šikmosť (Skewness, Asymetria): -,789 8,57 8,9958 8,59 8,78 8,685 8,7 8,7675 8,5 8,66 8,867 8,988 85,585 86,56 % % 8% 6% % % 7,8 79,7 Us poriadanie 86,6 9,59 99, 5,6,9 8,,77 Q-Q diag ram V časti o Cp, Cpk sme spomínali dôležitý predpoklad pre správnu interpretáciu týchto indexov, a to NORMALITU (Normality) rozdelenia. Štatistika ponúka množstvo nástrojov na skúmanie tohoto problému. Princíp spočíva v hľadaní dôkazov o tom, že výber (pracujeme vždy s výberom a rozhodujeme o základnom súbore) nemohol by odobratý zo základného súboru, ktorý má normálne rozdelenie. Ak také dôkazy nájdeme, prehlásime, že základný súbor nemá normálne rozdelenie. V opačnom prípade pokladáme rozdelenie za normálne. Predpokladu, že základný súbor má normálne rozdelenie, hovoríme v štatistike HYPOTÉZA H. Opačnému predpokladu hovoríme HYPOTÉZA H. Testom sa pokúšame zamietnuť hypotézu H. Podobne ako pri odhadoch, aj pri testovaní hypotéz existuje isté riziko omylu dané hladinou významnosti α. Je to pravdepodobnosť zamietnutia pravdivej hypotézy H - chyba prvého druhu. V prípade, že nezamietneme nepravdivú hypotézu H, dopúšťame sa chyby druhého druhu. Jej vyčíslenie je zložitejšie, ale platí, že riziko tejto chyby rastie, ak klesá hladina významnosti. Naopak, toto riziko klesá, keď rastie množstvo informácií. Množstvo informácií v štatistike hodnotíme POČTOM STUPŇOV VOĽNOSTI (Degrees of Freedom) n-, kde n je rozsah výberu. Existujú grafické a číselné testy normality. Grafické testy sú subjektívne, ale ľahko pochopiteľné a názorné. Napríklad na e hodnotíme, či body výberovej distribučnej funkcie ležia na priamke. Čím väčšie odchýlky, tým viac dôkazov na zamietnutie hypotézy H. Otázka je, čo považovať za odchýlku. Je to záležitosť skúseností. Na nasledujúcich obrázkoch je znázornené, ako sa rôzne nenormality prejavujú v e. Číselné testy síce nie sú subjektívne, ale chúlostivé na rôzne neposlušné hodnoty. V doplnku CPK je použitých niekoľko číselných a niekoľko grafických testov. Test χ je vhodný pre rozsah výberu viac ako a pre hodnoty dostatocne spojité. D Agostinov test je vhodný pre rozsah výberu od do. Je však chúlostivý na nesymetrické rozdelenia, ktoré zaprícinujú vznik chýb. Testy Exces (špicatost, Kurtosis) a Asymetria (šikmost, Skewness) treba povazovat za doplnujúce. Grafické testy Graf výberovej distribucnej funkcie a sú odolnejšie ako císelné testy, ale vyzadujú skúsené oko. Prepočítanie Softw are 7
10 Normalita () Normálne rozdelenie % % 8% 6% % % 7,8 79,7 86,6 9,59 99, 5,6,9 8,, Špicaté rozdelenie , 8,6 87, 9, 99,9 5,,7 7,5, Ploché rozdelenie % 8% 6% % % 97, 97,86 98,6 99,8,,9,66,, Šikmé rozdelenie 8% 6% % % 8% 6% % % 7,96 8,8 87,65 9,9, 8,8 5,,87 8, Odseknuté rozdelenie (môže vzniknúť po testovaní) % 8% 6% % % 8, 87,5 9,6 95,75 99,87,98 8,, 6,
11 Normalita () Dve oddelené rozdelenia (hodnoty sa dajú oddeliť) % % 8% 6% % % 85,86 89,57 9,7 96,98,68,9 8,9,8 5, Dve zmiešané rozdelenia (nedá sa rozhodnúť, ktorému rozdeleniu patria ktoré hodnoty) % % 8% 6% % % 56,7 6,89 7,8 8,7 89,6 97,65 5,8,, Prejav zaokrúhlenia hodnôt meraním 8% 6% % % 8% 6% % % 77,65 8, 9,8 97,,,59 7,8,76,5 - - Málo nameraných úrovní (merací prístroj príliš zaokrúhľuje, je málo citlivý) 5% 5% 5% 5% 5% 8,7 87,5 9, 99, 5,,88 6,76,65 8, Log - normálne rozdelenie (dá sa transformovať na normálne) 5% 5% 5% 5% 8,66 8,8 68, 98, 7,95 57,78 87,6 7, 7,
12 Stabilita Okno Výskyt mimo regulačných medzí Pos un s trednej hodnoty Pravdepodobnos ť:,6 (nás obky σ) Počet z : 6 Zmena smerodajnej odchýlky Každý n-tý: 6 (násobok pôvodnej), Pre počítanie LCL CL UCL Softw are Jedným z dôležitých predpokladov pre korektnosť Cp, Cpk je štatistická stabilita (Process in Control) procesu. Čo to je a prečo štatistická? Pripomeňme, že rozloženie hodnôt charakteristiky je spôsobené akýmsi spoločným účinkom mnohých malých náhodných vplyvov a že tento spoločný účinok je zákonitý a popísaný napríklad distribučnou funkciou normálneho rozdelenia. Parametre distribučnej funkcie (µ, σ) používame na výpočet iných dôležitých parametrov, napr. Cp, Cpk alebo regulačných medzí. V ideálnom prípade síce náhodné vplyvy spôsobujú neustálu zmenu aktuálnej hodnoty, ale µ a σ sa nemenia - rozdelenie sa nemení. Ak začnú v procese pôsobiť rôzne vymedziteľné príčiny, spôsobujú zmenu µ a σ (mení sa rozdelenie). Štatistická stabilita teda znamená stabilitu rozdelenia procesu. Úlohou štúdie štatistickej stability je zistiť, či sa rozdelenie v čase mení alebo nie.
13 Stabilita Okno Pos un s trednej hodnoty Trend (prírastok posunu) Počet: 6 (násobky σ) (násobky σ), x mimo: Zme na s me rodajne j odchýlky R mimo: x x x Vymazať (násobok pôvodnej) Rozs ah výbe ru (n ) = 5 UCL x LCL CL UCLr R Softw are Štatistickú stabilitu skúmame pomocou regulačného diagramu. V dostatočne veľkom časovom intervale (vzhľadom k možným nestabilitám) nazbierame hodnoty aspoň z 6 výberov a vypočítame regulačné medze 8, 9. V regulačnom diagrame potom zisťujeme prejavy nestability: body mimo regulačných medzí patterny 7 za sebou nasledujúcich bodov nad centrálnou priamkou 7 za sebou nasledujúcich bodov pod centrálnou priamkou 7 za sebou nasledujúcich bodov v stúpajúcom rade 7 za sebou nasledujúcich bodov v klesajúcom rade V niektorých technologických procesoch, hlavne v takzvaných várkových, sa môže prejaviť existencia ďalšieho zdroja variability procesu - variabilita medzi várkami. To sa prejaví tým, že ak vypočítame regulačné medze pre výberové priemery z výberových rozpätí pomocou konštanty A, proces sa prejaví ako nestabilný. Doplnok CPK tento jav signalizuje p-hodnotou menšou ako zvolená hladina α (v záhlaví regulačného diagramu pre druhú stranu). Takýto stav vyžaduje hlbšiu analýzu problému.
14 Normálne rozdelenie (Gaussova krivka) - N(µ,σ ) f (x ) f (x ) - hustota pravdepodobnosti µ x 6σ = 99,7% hodnôt Logaritmické normálne rozdelenie (Lognormálne) Lognormálne rozdelenie je možné transformovať na normálne rozdelenie. Ak hodnoty x i pochádzajú z lognormálneho rozdelenia, potom hodnoty Ln(x i ) pochádzajú z normálneho rozdelenia. Základom všetkých ďalších výpočtov (odhady µ, σ, Cp, Cpk, UCL, LCL atď.) sú logaritmované hodnoty, teda aj Ln(LSL), Ln(USL) a i. Takto vypočítané parametre nie sú parametrami pôvodného rozdelenia a spätná transformácia je nemožná. Bodový odhad strednej hodnoty µ n i= f ( x) = e σ π ( x µ ) Bodový odhad smerodajnej odchýlky σ! n µ = x = x i σ! = s = n ( x i x) n i= / σ µ - stredná hodnota σ - smerodajná odchýlka Indexy spôsobilosti Cp, Cpk USL LSL Cp = 6 σ LSL - dolná medzná hodnota (Lower Specification Limit) USL - horná medzná hodnota (Upper Specification Limit) min( USL µ ; µ LSL) Cpk = σ 5 Index spôsobilosti Cpm USL LSL Cpm = 6 σ T σ! T = st = ( x n n i= i T ) = s + ( T x) T - cieľová hodnota (Target) R&R - opakovateľnosť a reprodukovateľnosť meracieho systému R&R R & R = 5,5 σ m % R & R = Výpočet vhodný pre procesy s Cp > 5,5 σ p σ m - smer. odchýlka meracieho systému R&R σ p - smer. odchýlka procesu % R & R = Výpočet vhodný pre procesy s Cp < (proces s vplyvom meracieho systému) USL LSL K definícii správnosti (B) Správnosť je záporná, keď je stredná hodnota meraní väčšia ako hodnota etalónu a naopak, kladná, keď je stredná hodnota meraní menšia ako hodnota etalónu. E N(µ m,σ m ) B=E-µ m B - správnosť meracieho prístroja E - hodnota etalónu µ m - stredná hodnota meraní σ m - smerodajná odchýlka meraní Keď je správnosť záporná, namerané hodnoty sú v priemere väčšie ako skutočné! Regulačné medze pre výberový priemer n k k x = x i x = x i sx = xi x n k k i= R = k i= k R i i= Regulačné medze pre výberové rozpätie s R = k i= CL - centrálna priamka (Central Line) LCL - dolná regulačná medza (... Control...) UCL - horná regulačná medza k ( Ri R) i= ( ) Pre viac zdrojov variability LCL = x UCL = x + Pre viac zdrojov variability LCLr = R s pre n > 6 UCLr = R + n - rozsah výberu R s R Pre jeden zdroj variability CL = x LCL = x A R UCL x + A R s x s x k - počet výberov = Pre jeden zdroj variability LCLr = D R pre n > 6 UCLr D R =
15 V regulačnom diagrame pre výberový priemer s medzami ±σ sa vyskytne bod mimo regulačných medzí (signál) v priemere po L výberoch. Hodnoty L pre rôzny posun strednej hodnoty a rôzne rozsahy výberov sú v tabuľke. Závislosť L od posunu strednej hodnoty s parametrom -Rozsah výberu- je znázornená v grafe. L Rozsah výberu 5 6, , , , , , , , , , , 8 6, 5 7 5, 8 6, 8, 8 7,5 5 5,6,7,8 9,9 7, 6, 5, 5,,,5 Hodnoty v tabuľke sú zaokrúhlené na celé čísla. Posun strednej hodnoty [násobky σ] L (Priemerný počet výberov po vznik signálu) Priemerný počet výberov po vznik signálu (L) pre medze ±σ v závislosti od posunu strednej hodnoty (parametrom je rozsah výberu n ) n= n= n= n= n= 5,,5,,5,,5, Posun strednej hodnoty [násobky σ] n= 6
16 Počet výrobkov s chybou z milióna vyrobených Cp=Cpk=,75 Cp=Cpk= Cp=Cpk=, Cp=Cpk=,67 Cp=Cpk= Pre posun strednej hodnoty σ - centrovaný proces Počet komponentov
17 Cp=,75; Cpk=,5 Cp=; Cpk=,5 Cp=,; Cpk=,8 Počet výrobkov s chybou z milióna vyrobených Cp=,67; Cpk=,7 Cp=; Cpk=,5 Cp=,5; Cpk=, Pre posun strednej hodnoty,5σ Počet komponentov
Matematika Funkcia viac premenných, Parciálne derivácie
Matematika 2-01 Funkcia viac premenných, Parciálne derivácie Euklidovská metrika na množine R n všetkých usporiadaných n-íc reálnych čísel je reálna funkcia ρ: R n R n R definovaná nasledovne: Ak X = x
Διαβάστε περισσότεραKATEDRA DOPRAVNEJ A MANIPULAČNEJ TECHNIKY Strojnícka fakulta, Žilinská Univerzita
132 1 Absolútna chyba: ) = - skut absolútna ochýlka: ) ' = - spr. relatívna chyba: alebo Chyby (ochýlky): M systematické, M náhoné, M hrubé. Korekcia: k = spr - = - Î' pomerná korekcia: Správna honota:
Διαβάστε περισσότεραŠtatistické riadenie procesov Regulačné diagramy 3-1
Charakteristika Štatistické riadenie procesov Regulačné diagramy 3-1 3 Regulačné diagramy Cieľ kapitoly Po preštudovaní tejto kapitoly budete vedieť: čo je to regulačný diagram, aké je jeho teoretické
Διαβάστε περισσότερα7. FUNKCIE POJEM FUNKCIE
7. FUNKCIE POJEM FUNKCIE Funkcia f reálnej premennej je : - každé zobrazenie f v množine všetkých reálnych čísel; - množina f všetkých usporiadaných dvojíc[,y] R R pre ktorú platí: ku každému R eistuje
Διαβάστε περισσότεραStart. Vstup r. O = 2*π*r S = π*r*r. Vystup O, S. Stop. Start. Vstup P, C V = P*C*1,19. Vystup V. Stop
1) Vytvorte algoritmus (vývojový diagram) na výpočet obvodu kruhu. O=2xπxr ; S=πxrxr Vstup r O = 2*π*r S = π*r*r Vystup O, S 2) Vytvorte algoritmus (vývojový diagram) na výpočet celkovej ceny výrobku s
Διαβάστε περισσότερα1. Limita, spojitost a diferenciálny počet funkcie jednej premennej
. Limita, spojitost a diferenciálny počet funkcie jednej premennej Definícia.: Hromadný bod a R množiny A R: v každom jeho okolí leží aspoň jeden bod z množiny A, ktorý je rôzny od bodu a Zadanie množiny
Διαβάστε περισσότεραJednotkový koreň (unit root), diferencovanie časového radu, unit root testy
Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2012/2013 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/18
Διαβάστε περισσότεραObvod a obsah štvoruholníka
Obvod a štvoruholníka D. Štyri body roviny z ktorých žiadne tri nie sú kolineárne (neležia na jednej priamke) tvoria jeden štvoruholník. Tie body (A, B, C, D) sú vrcholy štvoruholníka. strany štvoruholníka
Διαβάστε περισσότεραZáklady matematickej štatistiky
1. Náhodný výber, výberové momenty a odhad parametrov Katedra Matematických metód Fakulta Riadenia a Informatiky Žilinská Univerzita v Žiline 6. mája 2015 1 Náhodný výber 2 Výberové momenty 3 Odhady parametrov
Διαβάστε περισσότεραEkvačná a kvantifikačná logika
a kvantifikačná 3. prednáška (6. 10. 004) Prehľad 1 1 (dokončenie) ekvačných tabliel Formula A je ekvačne dokázateľná z množiny axióm T (T i A) práve vtedy, keď existuje uzavreté tablo pre cieľ A ekvačných
Διαβάστε περισσότερα3. Striedavé prúdy. Sínusoida
. Striedavé prúdy VZNIK: Striedavý elektrický prúd prechádza obvodom, ktorý je pripojený na zdroj striedavého napätia. Striedavé napätie vyrába synchrónny generátor, kde na koncoch rotorového vinutia sa
Διαβάστε περισσότεραJednotkový koreň (unit root), diferencovanie časového radu, unit root testy
Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy Beáta Stehlíková Časové rady, FMFI UK, 2013/2014 Jednotkový koreň(unit root),diferencovanie časového radu, unit root testy p.1/27
Διαβάστε περισσότεραMatematika prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad
Matematika 3-13. prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad Erika Škrabul áková F BERG, TU Košice 15. 12. 2015 Erika Škrabul áková (TUKE) Taylorov
Διαβάστε περισσότεραZáklady metodológie vedy I. 9. prednáška
Základy metodológie vedy I. 9. prednáška Triedenie dát: Triedny znak - x i Absolútna početnosť n i (súčet všetkých absolútnych početností sa rovná rozsahu súboru n) ni fi = Relatívna početnosť fi n (relatívna
Διαβάστε περισσότεραChí kvadrát test dobrej zhody. Metódy riešenia úloh z pravdepodobnosti a štatistiky
Chí kvadrát test dobrej zhody Metódy riešenia úloh z pravdepodobnosti a štatistiky www.iam.fmph.uniba.sk/institute/stehlikova Test dobrej zhody I. Chceme overiť, či naše dáta pochádzajú z konkrétneho pravdep.
Διαβάστε περισσότερα2 Chyby a neistoty merania, zápis výsledku merania
2 Chyby a neistoty merania, zápis výsledku merania Akej chyby sa môžeme dopustiť pri meraní na stopkách? Ako určíme ich presnosť? Základné pojmy: chyba merania, hrubé chyby, systematické chyby, náhodné
Διαβάστε περισσότερα,Zohrievanie vody indukčným varičom bez pokrievky,
Farba skupiny: zelená Označenie úlohy:,zohrievanie vody indukčným varičom bez pokrievky, Úloha: Zistiť, ako závisí účinnosť zohrievania vody na indukčnom variči od priemeru použitého hrnca. Hypotéza: Účinnosť
Διαβάστε περισσότεραCvičenie č. 4,5 Limita funkcie
Cvičenie č. 4,5 Limita funkcie Definícia ity Limita funkcie (vlastná vo vlastnom bode) Nech funkcia f je definovaná na nejakom okolí U( ) bodu. Hovoríme, že funkcia f má v bode itu rovnú A, ak ( ε > )(
Διαβάστε περισσότεραTESTOVANIE ŠTATISTICKÝCH HYPOTÉZ. Zdroje: Kompendium statistického zpracování dat, VPS s r. o.
TESTOVANIE ŠTATISTICKÝCH HYPOTÉZ Zdroje: Kompendium statistického zpracování dat, VPS s r. o. Témy prednášky ŠTATISTIKA, HYPOTÉZA TESTY ŠTATISTICKÝCH HYPOTÉZ (Testy štatistickej významnosti) t-test (STUDENTOV)
Διαβάστε περισσότεραUČEBNÉ TEXTY. Pracovný zošit č.2. Moderné vzdelávanie pre vedomostnú spoločnosť Elektrotechnické merania. Ing. Alžbeta Kršňáková
Stredná priemyselná škola dopravná, Sokolská 911/94, 960 01 Zvolen Kód ITMS projektu: 26110130667 Názov projektu: Zvyšovanie flexibility absolventov v oblasti dopravy UČEBNÉ TEXTY Pracovný zošit č.2 Vzdelávacia
Διαβάστε περισσότεραSpojité rozdelenia pravdepodobnosti. Pomôcka k predmetu PaŠ. RNDr. Aleš Kozubík, PhD. 26. marca Domovská stránka. Titulná strana.
Spojité rozdelenia pravdepodobnosti Pomôcka k predmetu PaŠ Strana z 7 RNDr. Aleš Kozubík, PhD. 6. marca 3 Zoznam obrázkov Rovnomerné rozdelenie Ro (a, b). Definícia.........................................
Διαβάστε περισσότεραPriamkové plochy. Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava
Priamkové plochy Priamkové plochy Ak každým bodom plochy Φ prechádza aspoň jedna priamka, ktorá (celá) na nej leží potom plocha Φ je priamková. Santiago Calatrava Priamkové plochy rozdeľujeme na: Rozvinuteľné
Διαβάστε περισσότεραGoniometrické rovnice a nerovnice. Základné goniometrické rovnice
Goniometrické rovnice a nerovnice Definícia: Rovnice (nerovnice) obsahujúce neznámu x alebo výrazy s neznámou x ako argumenty jednej alebo niekoľkých goniometrických funkcií nazývame goniometrickými rovnicami
Διαβάστε περισσότεραM6: Model Hydraulický systém dvoch zásobníkov kvapaliny s interakciou
M6: Model Hydraulický ytém dvoch záobníkov kvapaliny interakciou Úlohy:. Zotavte matematický popi modelu Hydraulický ytém. Vytvorte imulačný model v jazyku: a. Matlab b. imulink 3. Linearizujte nelineárny
Διαβάστε περισσότεραMotivácia Denícia determinantu Výpo et determinantov Determinant sú inu matíc Vyuºitie determinantov. Determinanty. 14. decembra 2010.
14. decembra 2010 Rie²enie sústav Plocha rovnobeºníka Objem rovnobeºnostena Rie²enie sústav Príklad a 11 x 1 + a 12 x 2 = c 1 a 21 x 1 + a 22 x 2 = c 2 Dostaneme: x 1 = c 1a 22 c 2 a 12 a 11 a 22 a 12
Διαβάστε περισσότεραARMA modely čast 2: moving average modely (MA)
ARMA modely čast 2: moving average modely (MA) Beáta Stehlíková Časové rady, FMFI UK, 2014/2015 ARMA modely časť 2: moving average modely(ma) p.1/24 V. Moving average proces prvého rádu - MA(1) ARMA modely
Διαβάστε περισσότεραRôzne metódy manažérstva kvality/jakosti. Štatistika. Práca č.2: Štatistické riadenie procesu (SPC Statistical process control)
- Rôzne metódy manažérstva kvality/jakosti Štatistika Práca č.: Štatistické riadenie procesu (SPC Statistical process control) Dátum: 8.11.010 Martin Bažant Obsah Obsah... Zoznam obrázkov... Zoznam tabuliek...
Διαβάστε περισσότερα6 Limita funkcie. 6.1 Myšlienka limity, interval bez bodu
6 Limita funkcie 6 Myšlienka ity, interval bez bodu Intuitívna myšlienka ity je prirodzená, ale definovať presne pojem ity je značne obtiažne Nech f je funkcia a nech a je reálne číslo Čo znamená zápis
Διαβάστε περισσότεραPrechod z 2D do 3D. Martin Florek 3. marca 2009
Počítačová grafika 2 Prechod z 2D do 3D Martin Florek florek@sccg.sk FMFI UK 3. marca 2009 Prechod z 2D do 3D Čo to znamená? Ako zobraziť? Súradnicové systémy Čo to znamená? Ako zobraziť? tretia súradnica
Διαβάστε περισσότεραREZISTORY. Rezistory (súčiastky) sú pasívne prvky. Používajú sa vo všetkých elektrických
REZISTORY Rezistory (súčiastky) sú pasívne prvky. Používajú sa vo všetkých elektrických obvodoch. Základnou vlastnosťou rezistora je jeho odpor. Odpor je fyzikálna vlastnosť, ktorá je daná štruktúrou materiálu
Διαβάστε περισσότεραMetódy vol nej optimalizácie
Metódy vol nej optimalizácie Metódy vol nej optimalizácie p. 1/28 Motivácia k metódam vol nej optimalizácie APLIKÁCIE p. 2/28 II 1. PRÍKLAD: Lineárna regresia - metóda najmenších štvorcov Na základe dostupných
Διαβάστε περισσότερα24. Základné spôsoby zobrazovania priestoru do roviny
24. Základné spôsoby zobrazovania priestoru do roviny Voľné rovnobežné premietanie Presné metódy zobrazenia trojrozmerného priestoru do dvojrozmernej roviny skúma samostatná matematická disciplína, ktorá
Διαβάστε περισσότεραÚLOHA Č.8 ODCHÝLKY TVARU A POLOHY MERANIE PRIAMOSTI A KOLMOSTI
ÚLOHA Č.8 ODCHÝLKY TVARU A POLOHY MERANIE PRIAMOSTI A KOLMOSTI 1. Zadanie: Určiť odchýlku kolmosti a priamosti meracej prizmy prípadne vzorovej súčiastky. 2. Cieľ merania: Naučiť sa merať na špecializovaných
Διαβάστε περισσότερα1. písomná práca z matematiky Skupina A
1. písomná práca z matematiky Skupina A 1. Vypočítajte : a) 84º 56 + 32º 38 = b) 140º 53º 24 = c) 55º 12 : 2 = 2. Vypočítajte zvyšné uhly na obrázku : β γ α = 35 12 δ a b 3. Znázornite na číselnej osi
Διαβάστε περισσότεραOdporníky. 1. Príklad1. TESLA TR
Odporníky Úloha cvičenia: 1.Zistite technické údaje odporníkov pomocou katalógov 2.Zistite menovitú hodnotu odporníkov označených farebným kódom Schématická značka: 1. Príklad1. TESLA TR 163 200 ±1% L
Διαβάστε περισσότεραModerné vzdelávanie pre vedomostnú spoločnosť Projekt je spolufinancovaný zo zdrojov EÚ M A T E M A T I K A
M A T E M A T I K A PRACOVNÝ ZOŠIT II. ROČNÍK Mgr. Agnesa Balážová Obchodná akadémia, Akademika Hronca 8, Rožňava PRACOVNÝ LIST 1 Urč typ kvadratickej rovnice : 1. x 2 3x = 0... 2. 3x 2 = - 2... 3. -4x
Διαβάστε περισσότεραARMA modely čast 2: moving average modely (MA)
ARMA modely čast 2: moving average modely (MA) Beáta Stehlíková Časové rady, FMFI UK, 2011/2012 ARMA modely časť 2: moving average modely(ma) p.1/25 V. Moving average proces prvého rádu - MA(1) ARMA modely
Διαβάστε περισσότεραAerobTec Altis Micro
AerobTec Altis Micro Záznamový / súťažný výškomer s telemetriou Výrobca: AerobTec, s.r.o. Pionierska 15 831 02 Bratislava www.aerobtec.com info@aerobtec.com Obsah 1.Vlastnosti... 3 2.Úvod... 3 3.Princíp
Διαβάστε περισσότεραÚvod do lineárnej algebry. Monika Molnárová Prednášky
Úvod do lineárnej algebry Monika Molnárová Prednášky 2006 Prednášky: 3 17 marca 2006 4 24 marca 2006 c RNDr Monika Molnárová, PhD Obsah 2 Sústavy lineárnych rovníc 25 21 Riešenie sústavy lineárnych rovníc
Διαβάστε περισσότεραUrčite vybrané antropometrické parametre vašej skupiny so základným (*úplným) štatistickým vyhodnotením.
Priezvisko a meno študenta: 216_Antropometria.xlsx/Pracovný postup Študijná skupina: Ročník štúdia: Antropometria Cieľ: Určite vybrané antropometrické parametre vašej skupiny so základným (*úplným) štatistickým
Διαβάστε περισσότεραPevné ložiská. Voľné ložiská
SUPPORTS D EXTREMITES DE PRECISION - SUPPORT UNIT FOR BALLSCREWS LOŽISKA PRE GULIČKOVÉ SKRUTKY A TRAPÉZOVÉ SKRUTKY Výber správnej podpory konca uličkovej skrutky či trapézovej skrutky je dôležité pre správnu
Διαβάστε περισσότεραKomplexné čísla, Diskrétna Fourierova transformácia 1
Komplexné čísla, Diskrétna Fourierova transformácia Komplexné čísla C - množina všetkých komplexných čísel komplexné číslo: z = a + bi, kde a, b R, i - imaginárna jednotka i =, t.j. i =. komplexne združené
Διαβάστε περισσότεραMotivácia pojmu derivácia
Derivácia funkcie Motivácia pojmu derivácia Zaujíma nás priemerná intenzita zmeny nejakej veličiny (dráhy, rastu populácie, veľkosti elektrického náboja, hmotnosti), vzhľadom na inú veličinu (čas, dĺžka)
Διαβάστε περισσότεραTomáš Madaras Prvočísla
Prvočísla Tomáš Madaras 2011 Definícia Nech a Z. Čísla 1, 1, a, a sa nazývajú triviálne delitele čísla a. Cele číslo a / {0, 1, 1} sa nazýva prvočíslo, ak má iba triviálne delitele; ak má aj iné delitele,
Διαβάστε περισσότεραHASLIM112V, HASLIM123V, HASLIM136V HASLIM112Z, HASLIM123Z, HASLIM136Z HASLIM112S, HASLIM123S, HASLIM136S
PROUKTOVÝ LIST HKL SLIM č. sklad. karty / obj. číslo: HSLIM112V, HSLIM123V, HSLIM136V HSLIM112Z, HSLIM123Z, HSLIM136Z HSLIM112S, HSLIM123S, HSLIM136S fakturačný názov výrobku: HKL SLIMv 1,2kW HKL SLIMv
Διαβάστε περισσότεραIng. Andrej Trnka, PhD. Základné štatistické metódy marketingového výskumu
Ing. Andrej Trnka, PhD. Základné štatistické metódy marketingového výskumu 2016 Základné štatistické metódy marketingového výskumu Autor: Recenzenti: Ing. Andrej Trnka, PhD. prof. Ing. Pavol Tanuška, PhD.
Διαβάστε περισσότεραKontrolné otázky na kvíz z jednotiek fyzikálnych veličín. Upozornenie: Umiestnenie správnej a nesprávnych odpovedí sa môže v teste meniť.
Kontrolné otázky na kvíz z jednotiek fyzikálnych veličín Upozornenie: Umiestnenie správnej a nesprávnych odpovedí sa môže v teste meniť. Ktoré fyzikálne jednotky zodpovedajú sústave SI: a) Dĺžka, čas,
Διαβάστε περισσότεραMeranie na jednofázovom transformátore
Fakulta elektrotechniky a informatiky TU v Košiciach Katedra elektrotechniky a mechatroniky Meranie na jednofázovom transformátore Návod na cvičenia z predmetu Elektrotechnika Meno a priezvisko :..........................
Διαβάστε περισσότερα4 Regulačné diagramy na reguláciu meraním
Štatistické riaenie procesov egulačné iagramy 4-1 4 egulačné iagramy na reguláciu meraním Cieľ kapitoly Po preštuovaní tejto kapitoly buete veieť: čo je to regulačný iagram na reguláciu meraním, ako sa
Διαβάστε περισσότεραPRIEMER DROTU d = 0,4-6,3 mm
PRUŽINY PRUŽINY SKRUTNÉ PRUŽINY VIAC AKO 200 RUHOV SKRUTNÝCH PRUŽÍN PRIEMER ROTU d = 0,4-6,3 mm èíslo 3.0 22.8.2008 8:28:57 22.8.2008 8:28:58 PRUŽINY SKRUTNÉ PRUŽINY TECHNICKÉ PARAMETRE h d L S Legenda
Διαβάστε περισσότεραInžinierstvo kvality produkcie. Štátnice
Inžinierstvo kvality produkcie Štátnice Dudlyk, Sifu a iní 3. 6. 2008 1 1. Historický vývoj riadenia kvality (USA, Japonsko, Slučka kvality) Začiatky historického vývoja sú v Londýne práve v období priemyselnej
Διαβάστε περισσότεραReprezentácia dát. Ing. Martin Mariš, Katedra regionalistiky a rozvoja vidieka, SPU, NITRA
Reprezentácia dát Ing. Martin Mariš, Katedra regionalistiky a rozvoja vidieka, SPU, NITRA slovným opisom grafickým zobrazením Typy grafov a ich použitie Najčastejšie používané typy grafov: čiarový graf
Διαβάστε περισσότεραMIDTERM (A) riešenia a bodovanie
MIDTERM (A) riešenia a bodovanie 1. (7b) Nech vzhl adom na štandardnú karteziánsku sústavu súradníc S 1 := O, e 1, e 2 majú bod P a vektory u, v súradnice P = [0, 1], u = e 1, v = 2 e 2. Aký predpis bude
Διαβάστε περισσότεραKompilátory. Cvičenie 6: LLVM. Peter Kostolányi. 21. novembra 2017
Kompilátory Cvičenie 6: LLVM Peter Kostolányi 21. novembra 2017 LLVM V podstate sada nástrojov pre tvorbu kompilátorov LLVM V podstate sada nástrojov pre tvorbu kompilátorov Pôvodne Low Level Virtual Machine
Διαβάστε περισσότεραNávrh vzduchotesnosti pre detaily napojení
Výpočet lineárneho stratového súčiniteľa tepelného mosta vzťahujúceho sa k vonkajším rozmerom: Ψ e podľa STN EN ISO 10211 Návrh vzduchotesnosti pre detaily napojení Objednávateľ: Ing. Natália Voltmannová
Διαβάστε περισσότερα7 Derivácia funkcie. 7.1 Motivácia k derivácii
Híc, P Pokorný, M: Matematika pre informatikov a prírodné vedy 7 Derivácia funkcie 7 Motivácia k derivácii S využitím derivácií sa stretávame veľmi často v matematike, geometrii, fyzike, či v rôznych technických
Διαβάστε περισσότεραDeliteľnosť a znaky deliteľnosti
Deliteľnosť a znaky deliteľnosti Medzi základné pojmy v aritmetike celých čísel patrí aj pojem deliteľnosť. Najprv si povieme, čo znamená, že celé číslo a delí celé číslo b a ako to zapisujeme. Nech a
Διαβάστε περισσότεραŠtatistické spracovanie experimentálnych dát
Štatistické spracovanie experimentálnych dát Štatistická analýza veľkých výberov Štatistická analýza malých výberov podľa Horna Štatistické testovanie Analýza rozptylu Dátum: 12. máj 2008 Vypracoval: Ing.
Διαβάστε περισσότεραPREHĽAD ÚDAJOV. 1. Početnosť
PREHĽAD ÚDAJOV 1. Početnosť. Miery centrálnej tendencie a. Aritmetický priemer b. Medián c. Modus 3. Miery rozptylu a. Tvar b. Rozdelenie, rozloženie údajov c. Rozsah d. Rozptyl - variancia e. Smerodatná
Διαβάστε περισσότεραTesty dobrej zhody. H 0 : f(x) = g(x) ; H 1 : f(x) g(x)
TESTY DOBREJ ZHODY Testy dobrej zhody = testy hypotéz zhody rozdelení (= testy dobrej zhody / ft testy / Goodness of Ft Tests) Overujeme, č emprcké rozdelene je štatstcky zhodné s nektorým z teoretckých
Διαβάστε περισσότεραRozdiely vo vnútornej štruktúre údajov = tvarové charakteristiky
Veľkosť Varablta Rozdelene 0 00 80 n 60 40 0 0 0 4 6 8 Tredy 0 Rozdely vo vnútornej štruktúre údajov = tvarové charakterstky I CHARAKTERISTIKY PREMELIVOSTI Artmetcký premer Vzťahy pre výpočet artmetckého
Διαβάστε περισσότερα8 Regulačné diagramy. 8.1 Štatistický základ regulačných diagramov ZABEZPEČOVANIE KVALITY PROCESOV
ZEZPEČOVNIE KVLITY POESOV 8 egulačné diagramy egulačné diagramy (ontrol harts), sú známe od r.194, keď ich princíp formuloval W.. Shewhart. egulačné diagramy sa používajú ako preventívny prostriedok riadenia
Διαβάστε περισσότεραC. Kontaktný fasádny zatepľovací systém
C. Kontaktný fasádny zatepľovací systém C.1. Tepelná izolácia penový polystyrén C.2. Tepelná izolácia minerálne dosky alebo lamely C.3. Tepelná izolácia extrudovaný polystyrén C.4. Tepelná izolácia penový
Διαβάστε περισσότεραu R Pasívne prvky R, L, C v obvode striedavého prúdu Činný odpor R Napätie zdroja sa rovná úbytku napätia na činnom odpore.
Pasívne prvky, L, C v obvode stredavého prúdu Čnný odpor u u prebeh prúdu a napäta fázorový dagram prúdu a napäta u u /2 /2 t Napäte zdroja sa rovná úbytku napäta na čnnom odpore. Prúd je vo fáze s napätím.
Διαβάστε περισσότεραMetodicko pedagogické centrum. Národný projekt VZDELÁVANÍM PEDAGOGICKÝCH ZAMESTNANCOV K INKLÚZII MARGINALIZOVANÝCH RÓMSKYCH KOMUNÍT
Moderné vzdelávanie pre vedomostnú spoločnosť / Projekt je spolufinancovaný zo zdrojov EÚ Kód ITMS: 26130130051 číslo zmluvy: OPV/24/2011 Metodicko pedagogické centrum Národný projekt VZDELÁVANÍM PEDAGOGICKÝCH
Διαβάστε περισσότεραModul pružnosti betónu
f cm tan α = E cm 0,4f cm ε cl E = σ ε ε cul Modul pružnosti betónu α Autori: Stanislav Unčík Patrik Ševčík Modul pružnosti betónu Autori: Stanislav Unčík Patrik Ševčík Trnava 2008 Obsah 1 Úvod...7 2 Deformácie
Διαβάστε περισσότεραHANA LAURINCOVÁ KLASICKÝ VS. NEPARAMETRICKÝ PRÍSTUP Štatistika Poistná matematika
UNIVERZITA KOMENSKÉHO, BRATISLAVA FAKULTA MATEMATIKY, FYZIKY A INFORMATIKY KATEDRA POISTNEJ MATEMATIKY A ŠTATISTIKY PARCIÁLNA A MNOHONÁSOBNÁ KORELÁCIA: KLASICKÝ VS. NEPARAMETRICKÝ PRÍSTUP (Bakalárska práca)
Διαβάστε περισσότεραMatematika 2. časť: Funkcia viac premenných Letný semester 2013/2014
Matematika 2 časť: Funkcia viac premenných Letný semester 2013/2014 RNDr. Jana Pócsová, PhD. Ústav riadenia a informatizácie výrobných procesov Fakulta BERG Technická univerzita v Košiciach e-mail: jana.pocsova@tuke.sk
Διαβάστε περισσότεραGramatická indukcia a jej využitie
a jej využitie KAI FMFI UK 29. Marec 2010 a jej využitie Prehľad Teória formálnych jazykov 1 Teória formálnych jazykov 2 3 a jej využitie Na počiatku bolo slovo. A slovo... a jej využitie Definícia (Slovo)
Διαβάστε περισσότεραPravdepodobnostné modelovanie inverznými distribučnými funkciami: Charakteristiky kvantilových rozdelení
Katedra štatistiky, Fakulta hospodárskej informatiky, Ekonomická univerzita v Bratislave Pravdepodobnostné modelovanie inverznými distribučnými funkciami: Charakteristiky kvantilových rozdelení Ľubica
Διαβάστε περισσότεραMichal Páleník. Fiškálna politika v kontexte regionalizácie a globalizácie:
Fiškálna politika v kontexte regionalizácie a globalizácie: Metodologické prístupy pri meraní konvergencie s aplikáciou na Európske regióny Štruktúra prezentácie 1. Úvod 2. Ciele práce 3. Definícia základných
Διαβάστε περισσότεραRozsah hodnotenia a spôsob výpočtu energetickej účinnosti rozvodu tepla
Rozsah hodnotenia a spôsob výpočtu energetickej účinnosti príloha č. 7 k vyhláške č. 428/2010 Názov prevádzkovateľa verejného : Spravbytkomfort a.s. Prešov Adresa: IČO: Volgogradská 88, 080 01 Prešov 31718523
Διαβάστε περισσότεραNumerické metódy matematiky I
Prednáška č. 7 Numerické metódy matematiky I Riešenie sústav lineárnych rovníc ( pokračovanie ) Prednáška č. 7 OBSAH 1. Metóda singulárneho rozkladu (SVD) Úvod SVD štvorcovej matice SVD pre menej rovníc
Διαβάστε περισσότεραHarmonizované technické špecifikácie Trieda GP - CS lv EN Pevnosť v tlaku 6 N/mm² EN Prídržnosť
Baumit Prednástrek / Vorspritzer Vyhlásenie o parametroch č.: 01-BSK- Prednástrek / Vorspritzer 1. Jedinečný identifikačný kód typu a výrobku: Baumit Prednástrek / Vorspritzer 2. Typ, číslo výrobnej dávky
Διαβάστε περισσότεραObsah. 1.1 Reálne čísla a ich základné vlastnosti... 7 1.1.1 Komplexné čísla... 8
Obsah 1 Číselné obory 7 1.1 Reálne čísla a ich základné vlastnosti............................ 7 1.1.1 Komplexné čísla................................... 8 1.2 Číselné množiny.......................................
Διαβάστε περισσότεραANALÝZA MERACÍCH SYSTÉMOV
UCL CL X R LCL X, σ, Cpk ANALÝZA MERACÍCH SYSTÉMOV Measurement System Analysis - MSA www.unms.sk Poslanie Akreditácia Normalizácia Je Poslaním činnosť, ktorou ÚNMS SR sa zaisťuje je tvorba najvýhodnejší
Διαβάστε περισσότεραx x x2 n
Reálne symetrické matice Skalárny súčin v R n. Pripomeniem, že pre vektory u = u, u, u, v = v, v, v R platí. dĺžka vektora u je u = u + u + u,. ak sú oba vektory nenulové a zvierajú neorientovaný uhol
Διαβάστε περισσότεραCvičenia zo ŠTATISTIKY v Exceli Kurz IPA-Slovakia, september 2008, VYHNE
Cvičenia zo ŠTATISTIKY v Exceli Kurz IPA-Slovakia, september 2008, VYHNE doc. RNDr. Štefan PEŠKO, CSc. stefan.pesko@fri.uniza.sk, http://frcatel.fri.uniza.sk/pesko/ Katedra matematických metód, Fakulta
Διαβάστε περισσότεραFunkcie - základné pojmy
Funkcie - základné pojmy DEFINÍCIA FUNKCIE Nech A, B sú dve neprázdne číselné množiny. Ak každému prvku x A je priradený najviac jeden prvok y B, tak hovoríme, že je daná funkcia z množiny A do množiny
Διαβάστε περισσότεραRIEŠENIE WHEATSONOVHO MOSTÍKA
SNÁ PMYSLNÁ ŠKOL LKONKÁ V PŠŤNO KOMPLXNÁ PÁ Č. / ŠN WSONOVO MOSÍK Piešťany, október 00 utor : Marek eteš. Komplexná práca č. / Strana č. / Obsah:. eoretický rozbor Wheatsonovho mostíka. eoretický rozbor
Διαβάστε περισσότερα23. Zhodné zobrazenia
23. Zhodné zobrazenia Zhodné zobrazenie sa nazýva zhodné ak pre každé dva vzorové body X,Y a ich obrazy X,Y platí: X,Y = X,Y {Vzdialenosť vzorov sa rovná vzdialenosti obrazov} Medzi zhodné zobrazenia patria:
Διαβάστε περισσότεραELEKTRICKÉ POLE. Elektrický náboj je základná vlastnosť častíc, je viazaný na častice látky a vyjadruje stav elektricky nabitých telies.
ELEKTRICKÉ POLE 1. ELEKTRICKÝ NÁBOJ, COULOMBOV ZÁKON Skúmajme napr. trenie celuloidového pravítka látkou, hrebeň suché vlasy, mikrotén slabý prúd vody... Príčinou spomenutých javov je elektrický náboj,
Διαβάστε περισσότεραOddělení fyzikálních praktik při Kabinetu výuky obecné fyziky MFF UK
Oddělení fyzikálních praktik při Kabinetu výuky obecné fyziky MFF UK PRAKTIKUM II Úloha č.:...xviii... Název: Prechodové javy v RLC obvode Vypracoval:... Viktor Babjak... stud. sk... F.. dne... 6.. 005
Διαβάστε περισσότεραUČEBNÉ TEXTY. Pracovný zošit č.5. Moderné vzdelávanie pre vedomostnú spoločnosť Elektrotechnické merania. Ing. Alžbeta Kršňáková
Stredná priemyselná škola dopravná, Sokolská 911/94, 960 01 Zvolen Kód ITMS projektu: 26110130667 Názov projektu: Zvyšovanie flexibility absolventov v oblasti dopravy UČEBNÉ TEXTY Pracovný zošit č.5 Vzdelávacia
Διαβάστε περισσότεραModelovanie dynamickej podmienenej korelácie kurzov V4
Modelovanie dynamickej podmienenej korelácie menových kurzov V4 Podnikovohospodárska fakulta so sídlom v Košiciach Ekonomická univerzita v Bratislave Cieľ a motivácia Východiská Cieľ a motivácia Cieľ Kvantifikovať
Διαβάστε περισσότεραUniverzita Karlova v Praze Matematicko-fyzikální fakulta
Univerzita Karlova v Praze Matematicko-fyzikální fakulta BAKALÁŘSKÁ PRÁCE Viktória Rusnáková Porovnání přesných a asymptotických testů Katedra pravděpodobnosti a matematické statistiky Vedoucí bakalářské
Διαβάστε περισσότεραZákladné poznatky molekulovej fyziky a termodynamiky
Základné poznatky molekulovej fyziky a termodynamiky Opakovanie učiva II. ročníka, Téma 1. A. Príprava na maturity z fyziky, 2008 Outline Molekulová fyzika 1 Molekulová fyzika Predmet Molekulovej fyziky
Διαβάστε περισσότερα11 Štatistická prebierka
11 Štatistická prebierka Štatistická prebierka patrí do skupiny stredne náročných štatistických metód používaných v oblasti riadenia kvality. Využíva sa na vstupnú, medzioperačnú, výstupnú výberovú kontrolu
Διαβάστε περισσότεραNumerické metódy Učebný text pre bakalárske štúdium
Imrich Pokorný Numerické metódy Učebný text pre bakalárske štúdium Strana 1 z 48 1 Nepresnosť numerického riešenia úloh 4 1.1 Zdroje chýb a ich klasifikácia................... 4 1.2 Základné pojmy odhadu
Διαβάστε περισσότεραMPV PO 16/2013 Stanovenie kovov v rastlinnom materiáli ZÁVEREČNÁ SPRÁVA
REGIONÁLNY ÚRAD VEREJNÉHO ZDRAVOTNÍCTVA so sídlom v Prešove Národné referenčné centrum pre organizovanie medzilaboratórnych porovnávacích skúšok v oblasti potravín Hollého 5, 080 0 Prešov MEDZILABORATÓRNE
Διαβάστε περισσότεραMatematika 2. časť: Analytická geometria
Matematika 2 časť: Analytická geometria RNDr. Jana Pócsová, PhD. Ústav riadenia a informatizácie výrobných procesov Fakulta BERG Technická univerzita v Košiciach e-mail: jana.pocsova@tuke.sk Súradnicové
Διαβάστε περισσότερα4. Výrokové funkcie (formy), ich definičný obor a obor pravdivosti
4. Výrokové funkcie (formy), ich definičný obor a obor pravdivosti Výroková funkcia (forma) ϕ ( x) je formálny výraz (formula), ktorý obsahuje znak x, pričom x berieme z nejakej množiny M. Ak za x zvolíme
Διαβάστε περισσότεραObsah. Motivácia a definícia. Metódy výpočtu. Problémy a kritika. Spätné testovanie. Prípadová štúdia využitie v NBS. pre 1 aktívum pre portfólio
Value at Risk Obsah Motivácia a definícia Metódy výpočtu pre 1 aktívum pre portfólio Problémy a kritika Spätné testovanie Prípadová štúdia využitie v NBS Motivácia Ako kvantifikovať riziko? Nakúpil som
Διαβάστε περισσότεραDefinícia parciálna derivácia funkcie podľa premennej x. Definícia parciálna derivácia funkcie podľa premennej y. Ak existuje limita.
Teória prednáška č. 9 Deinícia parciálna deriácia nkcie podľa premennej Nech nkcia Ak eistje limita je deinoaná okolí bod [ ] lim. tak túto limit nazýame parciálno deriácio nkcie podľa premennej bode [
Διαβάστε περισσότερα16. Základne rovinné útvary kružnica a kruh
16. Základne rovinné útvary kružnica a kruh Kružnica k so stredom S a polomerom r nazývame množinou všetkých bodov X v rovine, ktoré majú od pevného bodu S konštantnú vzdialenosť /SX/ = r, kde r (patri)
Διαβάστε περισσότεραTesty hypotéz o parametroch normálneho rozdelenia.
Kapitola 7. A Tety hypotéz o parametroch normálneho rozdelenia. Predtavme i, že vyšetrujeme predpoklady o parametroch normálneho rozdelenia výberového úboru, pričom o normalite úboru nemáme pochybnoti
Διαβάστε περισσότεραCieľom cvičenia je zvládnuť riešenie diferenciálnych rovníc pomocou Laplaceovej transformácie,
Kapitola Riešenie diferenciálnych rovníc pomocou Laplaceovej tranformácie Cieľom cvičenia je zvládnuť riešenie diferenciálnych rovníc pomocou Laplaceovej tranformácie, keď charakteritická rovnica má rôzne
Διαβάστε περισσότεραKATALÓG KRUHOVÉ POTRUBIE
H KATALÓG KRUHOVÉ POTRUBIE 0 Základné požiadavky zadávania VZT potrubia pre výrobu 1. Zadávanie do výroby v spoločnosti APIAGRA s.r.o. V digitálnej forme na tlačive F05-8.0_Rozpis_potrubia, zaslané mailom
Διαβάστε περισσότεραPríklady na precvičovanie Fourierove rady
Príklady na precvičovanie Fourierove rady Ďalším významným typom funkcionálnych radov sú trigonometrické rady, pri ktorých sú jednotlivé členy trigonometrickými funkciami. Konkrétne, jedná sa o rady tvaru
Διαβάστε περισσότεραStaromlynská 29, Bratislava tel: , fax: http: //www.ecssluzby.sk SLUŽBY s. r. o.
SLUŽBY s. r. o. Staromlynská 9, 81 06 Bratislava tel: 0 456 431 49 7, fax: 0 45 596 06 http: //www.ecssluzby.sk e-mail: ecs@ecssluzby.sk Asynchrónne elektromotory TECHNICKÁ CHARAKTERISTIKA. Nominálne výkony
Διαβάστε περισσότερα