8 Regulačné diagramy. 8.1 Štatistický základ regulačných diagramov ZABEZPEČOVANIE KVALITY PROCESOV

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "8 Regulačné diagramy. 8.1 Štatistický základ regulačných diagramov ZABEZPEČOVANIE KVALITY PROCESOV"

Transcript

1 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 kvality. Sú používané pri takých procesoch, v ktorých je problematické odlíšenie kolísania hodnôt vybranej premennej pod vplyvom náhodných a systematických (vymedziteľných) príčin a pri ktorých sa predpokladá stabilizovaná regulovaná úroveň príslušnej premennej v istom časovom úseku, v istom spoľahlivostnom páse. Náhodné príčiny (prirodzené) tvorí široká škála neidentifikovateľných príčin, ktoré nie je možné jednotlivo merať. Merateľný je iba ich súčet. Pretože pôsobia trvale, vieme ich relatívne predvídať. Svojim pôsobením nemenia zásadne ani variabilitu ani polohu procesu. Pre obmedzenie ich vplyvu sú nevyhnutné radikálne zásahy do procesu. Systematické príčiny (vymedziteľné) svojim pôsobením zapríčiňujú zásadnú zmenu variabilitu a /alebo polohy procesu, a teda to, že proces prestáva byť v stabilnom stave. Delíme ich predvídateľné a nepredvídateľné (sporadické). Predvídateľné systematické príčiny je možné popísať fyzikálnymi zákonitosťami, ich pôsobenie je postupné, je možné ho očakávať (napr. opotrebovanie rezného nástroja, formy, a pod. Vplyv tejto skupiny príčin je možné obmedziť včasným zásahom, ale celkom odstrániť ich vznik nie je bez zásadnej zmeny procesu možné. Na rozdiel od toho, nepredvídateľné systematické príčiny pôsobia nepravidelne, náhle, nedajú sa popísať fyzikálnymi zákonmi (majú charakter havárie, napr. ulomenie nástroja), spôsobujú podstatné zmeny procesu, ich vzniku je možné veľmi často zabrániť. Vo všeobecnosti sú regulačné diagramy považované za osvedčený prostriedok pri zlepšovaní kvalitatívnych parametrov produkcie a pri prevencii chýb nezhôd v produkcii. Prax oceňuje regulačné diagramy práve pre ich preventívny charakter. Pomáhajú zabrániť zbytočnému, resp. nepotrebnému nastavovaniu zariadení, výrobných liniek v prípade, že príslušný proces je stabilný. Okrem toho zabezpečujú priebežné diagnostické údaje o variabilite procesov a umožňujú získavať informácie o spôsobilosti sledovaných procesov. Kontrola kvality produkcie pomocou regulačných diagramov sa využíva najmä pri opakovaných procesoch, keď pri relatívne stabilných podmienkach výroby (technológia, materiál, technické parametre strojov a zariadení,...) pôsobia aj ďalšie vplyvy (malé odchýlky od predpísanej technológie, malé odchýlky v kvalite materiálov, malá nepresnosť nastavenia parametrov strojov a zariadení,...), ktoré sa pri ich podstatnom neprekročení prejavujú v určitých rozumných medziach ako náhodné vplyvy. Nevyhnutnosťou pri zostrojovaní regulačných diagramov je, na rozdiel od konštrukcie histogramov, zachovanie poradia získavaných údajov v čase. 8.1 Štatistický základ regulačných diagramov Podnik vyrába súčiastku na obrábacom stroji. Jeden z regulovaných parametrov je dĺžka súčiastky x. Predpokladáme, že má normálne rozdelenie so strednou hodnotou µ = 174 mm a štandardnou odchýlkou σ =,1 mm. Na základe aktuálneho náhodného výberu s rozsahom 9

2 n potrebujeme na hladine významnosti α overiť predpoklad o tom, že je stredná hodnota súčiastky dodržaná. Využijeme test štatistickej hypotézy: H : µ = µ = 174 TK: σ K = µ u n α 1 Vzťahy pre výpočet hraníc kritickej oblasti testu sú zároveň vzťahmi pre výpočet tzv. regulačných hraníc regulačného diagramu, teda pre n = 5, α =,7, u,99865 = 3 potom platí,1 UL = = 174,135, 5 L =174,,1 LL = = 173, k sa aktuálna hodnota výberového priemeru nachádza medzi hodnotami LL a UL potom je nutné prijať nulovú hypotézu, ktorá hovorí o stabilite procesu nezamietame. V opačnom prípade je nutné nulovú hypotézu zamietnuť, nájsť a odstrániť vymedziteľné príčiny variability. Vo všeobecnosti teda nech V je výberová charakteristika, pomocou ktorej odhadujeme nejaký parameter rozdelenia regulovanej veličiny, so strednou hodnotou μ a smerodajnou odchýlkou σ. Parametre regulačného diagramu je možné stanoviť podľa vzťahov: UL = µ + k σ, V L = µ V, LL = µ k σ, V V V kde k udáva vzdialenosť regulačných hraníc od centrálnej čiary v smerodajných odchýlkach. Pri výpočte D sa zvyčajne uvažuje k = 3σ, t.j. pracujeme s tzv. 3σ regulačným diagramom. Z vyššie uvedeného vyplýva, že vytváranie regulačného diagramu je možné považovať za opakované testovanie štatistickej hypotézy o dodržaní sledovaného parametra pre jednotlivé podskupiny. 8. Konštrukcia regulačného diagramu Základom regulačného diagramu (D) je zobrazenie dát v dvojrozmernom súradnicovom systéme. Os x-ová je osou časovou, os y-ová je osou hodnôt/dát. Dáta sa navzájom spájajú do polygónu priebehového diagramu (unchart) časového radu. Kľúčovým atribútom pri regulačných diagramoch je čas a racionálne zoskupenie údajov v ňom. V diagrame je znázornená trojica kritérií (Obr. 13): - stredná priamka/čiara L (entral Line), - horná regulačná medza/hranica UL (Upper ontrol Limit), 3

3 ZEZPEČOVNIE KVLITY POESOV - dolná regulačná medza/hranica LL (Lower ontrol Limit), (ak LL je záporné číslo, uvažuje sa s LL = ), ako aj hodnoty vybraného znaku kvality, resp. jeho vypočítané výberové charakteristiky za jednotlivé podskupiny (aritmetický priemer, štandardnú odchýlku, počet nezhôd, a pod.) regulovaná premen UL L LL 1 n Obr. 13 Základná konštrukcia regulačného diagramu Čas (poradie) egulačné medze vymedzujú pásmo, v ktorom ležia s dopredu zvolenou pravdepodobnosťou hodnoty výberových charakteristík jednotlivých podskupín za predpokladu, že na skúmaný proces pôsobia v danom časovom úseku len náhodné príčiny variability procesu. V tomto prípade je sledovaný proces štatisticky zvládnutý/stabilný/pod kontrolou. Potom je možné vychádzať pri stanovení regulačných medzí z rozdelenia pravdepodobnosti príslušných výberových charakteristík. V regulačných diagramoch je šírka intervalu medzi UL a LL zvyčajne daná trojnásobkom štandardnej odchýlky príslušnej štatistickej charakteristiky. Predpokladá sa teda teoretická pravdepodobnosť, p = 99,73%, neistota α =,7%, teda že z 1 údajov bude hodnôt ležať vo vnútri a iba 7 mimo regulačných medzí danej výberovej charakteristiky na obe strany. Keďže sa prekročenie regulačných medzí považuje z hľadiska pravdepodobnosti za výnimočný jav, v prípade výskytu ktorého je potrebné okamžite zasiahnuť, nazývajú sa regulačné medze tiež akčné medze. Do regulačného diagramu sa odporúča zakresliť aj tzv. varovné medze (Obr. 14). 3s s 1s x -1s -s -3s vonkajšie pásmo akčné pásmo varovné pásmo vnútorné pásmo vnútorné pásmo varovné pásmo akčné pásmo vonkajšie pásmo UL UWL L LWL LL Obr. 14 Členenie šírky 6s regulačného diagramu pre aritmetický priemer na pásma 31

4 Zakresľuje sa - horná varovná medza/hranica UWL (Upper Warning Limit), - dolná varovná medza/hranica UWL (Lower Warning Limit), vypočítané z dvojnásobku štandardnej odchýlky, teda pre p = 95,73%, α = 4,7%, u =, ktoré upozorňujú na snahu premennej rozbiehať sa, na zvyšujúcu sa variabilitu, nestabilitu. Jednotlivé pásma sa označujú písmenami,,. 8.3 ozdelenie regulačných diagramov Základné delenie regulačných diagramov je podľa typu regulovanej veličiny na: regulačné diagramy pre reguláciu meraním regulovanou veličinou výberová charakteristika meraného znaku kvality, napr. aritmetický priemer, medián, štandardná odchýlka, variačné rozpätie, kĺzavé rozpätie, ale aj individuálne hodnoty. regulačné diagramy pre reguláciu porovnávaním regulovanou veličinou je počet nezhôd, podiel nezhôd, počet resp. podiel nezhodných jednotiek, Podľa spôsobu výpočtu parametrov regulačného diagramu a vstupných predpokladov je možné rozdeliť regulačné diagramy: pre sledovanie jedného znaku kvality na: - klasické Shewhartove D, - diagramy kumulovaných súčtov (USUM), - D exponenciálne vážených kĺzavých priemerov (EWM) klasický a dynamický, - D pre malosérivú výrobu (Short un) cieľový a štandardizovaný, - D s retransformovanými regulačnými medzami, - trendový D. pre súčasné sledovanie viacerých znakov kvality na: - Hotellingov D, - viacrozmerný D kumulovaných súčtov (MUSUM), - viacrozmerný D exponenciálne vážených kĺzavých priemerov (MEWM). 8.4 Shewhartove regulačné diagramy oli navrhnuté W.. Shewhartom (194) pre hromadnú výrobu, preto základom ich realizácie je dostatočný počet hodnôt. Využívajú sa pre sledovanie len jedného znaku kvality. Sú to tzv. D bez pamäte, pretože v aktuálnej hodnote testovacieho kritéria nie sú zohľadnené predošlé hodnoty. Pri analýze regulačného diagramu sa v zmysle normy ISO 858 uvažuje iba s tzv. chybou prvého druhu tzv. riziko zbytočného signálu, ktorá vzniká vtedy, ak je sledovaný 3

5 ZEZPEČOVNIE KVLITY POESOV proces štatisticky zvládnutý, ale niektorá hodnota náhodou padne mimo vypočítané regulačné medze, v dôsledku čoho sa môže nesprávne požadovať odstránenie príčiny neexistujúceho problému. Tento predpoklad má za následok, že podľa normy ISO 858 je výpočet regulačných medzí jednoduchší, ale menej presný. (Pôvodná norma ČSN 165 uvažovala aj s tzv. chybou druhého druhu riziko chýbajúceho signálu, ktorá vzniká vtedy, ak je sledovaný proces v skutočnosti v štatisticky nezvládnutom stave, ale všetky body regulačného diagramu sú náhodou vo vnútri regulačných medzí.) Existujú dva základné typy Shewhartových regulačných diagramov, konštruované pre dáta získavané meraním a pre dáta získavané porovnávaním. egulácia meraním je vhodnejšia, pretože merateľný údaj vypovedá viac o kvalite, je potrebný menší počet kontrolovaných výrobkov a signalizácia pôsobenia vymedziteľných príčin je rýchlejšia. egulačné diagramov pre merateľné znaky kvality, resp. technologické parametre procesu (ontrol harts for Variables) vyžadujú pre správnu aplikáciu overiť, či sú splnené štyri predpoklady: normalita dát, konštantná stredná hodnota, konštantná štandardná odchýlka a nezávislosť dát. Predpoklad normality je spravidla oprávnený pri regulačných diagramoch pre aritmetický priemer. ozdelenia rozpätí a štandardných odchýliek spravidla nie sú normálne, predpokladá sa približná normalita, dostatočná pre empirický odhad konštánt pre výpočet regulačných hraníc. Všeobecne sa preto odporúča konštruovať dvojice regulačných diagramov jeden pre sledovanie variability zvoleného znaku kvality (odhaľuje každé nežiadúce kolísanie vo vnútri podskupín), a druhý pre sledovanie centrovania zvoleného znaku kvality (odhaľuje nežiadúce kolísanie medzi podskupinami z hľadiska ich priemerov). Pre reguláciu meraním sa používajú dvojice : 33 diagram pre individuálne hodnoty X j a diagram pre kĺzavé rozpätie k, diagram pre aritmetický priemer x a diagram pre štandardnú odchýlku s, diagram pre aritmetický priemer x a diagram pre variačné rozpätie, diagram pre medián Me a diagram pre variačné rozpätie. Konkrétne vzťahy pre výpočet jednotlivých regulačných diagramov sú uvedené v (Tab.5). egulačné diagramy pre dáta získavané porovnávaním (kvalitatívne, nemerateľné znaky kvality) (ontrol harts for ttributes) sú. diagram pre počet nezhôd/chýb c, diagram pre počet nezhôd na jednotku u, diagram pre podiel nezhodných jednotiek p diagram pre počet nezhodných jednotiek np. Tieto regulačné diagramy sa používajú po jednom. D c sa používa, ak je možné udržať rovnaký počet kontrolovaných jednotiek, alebo ak je kontrolovaný vždy iba jeden objekt rovnakej veľkosti (napr. bal papiera, tabuľa skla). D u sa používa, ak nie je možné udržať rovnaký počet kontrolovaných jednotiek, alebo ak je kontrolovaný vždy iba jeden objekt, pričom jeho veľkosť sa mení, práve preto je nevyhnutné prepočítať zistený počet nezhôd na jednu jednotku. ozdelenie počtu nezhôd má Poissonovo rozdelenie s parametrami E(X) = n.λ, D(X) = n.λ, kde λ je priemerný počet nezhôd na jednotke. k je malá pravdepodobnosť výskytu nezhody na jednotke, teoreticky nekonečný počet nezhôd na jednotke a

6 ak n.λ 5 je možná aproximácia normálnym rozdelením, ak 5 n.λ 9 je LL <O a nezakresľuje sa do D, ak n.λ >9 vhodná aproximácia normálnym rozdelením. Pre D u je potrebné kontrolovať, či je rozsah jednotlivých podskupín n j z intervalu < n,5 nn ; +,5n > (n je priemerný rozsah podskupín). k je z uvedeného intervalu, používajú sa z regulačnom diagrame tzv. priemerné medze, ak nie je, musia sa pre jednotlivé podskupiny používať tzv. individuálne regulačné medze. Konkrétne vzťahy pre výpočet jednotlivých regulačných diagramov sú uvedené v (Tab. 5). k sa každý kontrolovaný objekt posudzuje iba ako zhodný (bez nezhôd, chýb), resp, nezhodný (minimálne s jednou nezhodou, chybou) používajú sa D p, resp. np. D p sa používajú, ak nie je možné zabezpečiť rovnaký počet kontrolovaných jednotiek, resp. rovnaký rozmer jednotky. U tohto D je tiež potrebné kontrolovať (podobne ako pre D u) nutnosť používania individuálnych regulačných medzí. ozdelenie počtu nezhodných jednotiek má inomické rozdelenie s parametrami n, p. (p je priemerný podiel nezhodných jednotiek). k platí n.p (1- n.p ) 9 je vhodná aproximácia normálnym rozdelením, ak neplatí, používajú tzv. pravdepodobnostné regulačné medze. Pre Shewhartove regulačné diagramy diagramy existujú dve odlišné situácie: 1) Základné hodnoty nie sú stanovené. Tu je zámerom odhaliť či sledované hodnoty zaznamenávané do diagramu kolíšu jedna od druhej vo väčšom rozmedzí, ako by bolo možné prisúdiť len náhode. ) Základné hodnoty sú stanovené. Tu je zámerom identifikovať, či sa pozorované hodnoty líšia od hodnôt základných viac ako by bolo možné pripísať len náhodným vplyvom. Základné (požadované) hodnoty môžu byť definované ako nominálne hodnoty definované technickým predpisom, normou, empirické hodnoty nastavené na základe skúsenosti s procesom, odhady z hodnôt regulovanej veličiny za stabilného stavu. Tab. 5 Prepočítavacie koeficienty pre výpočet UL, LL pre D (do n = 5 sú v ISO 858) n ,11 1,73 1,5 1,34 1,5 1,134 1,61 1,8,949 1,88 1,3,79,577,483,419,373,337,38 3,659 1,954 1,68 1,47 1,87 1,18 1,99 1,3, ,88 1,19,8,69,55,51,43,41, ,3,118,185,39,84 4 3,67,568,66,89 1,97 1,88 1,815 1,761 1, ,9,113,179,3,76 6,66,76,88 1,964 1,874 1,86 1,751 1,77 1,669 D ,4,388,547,687 D 3,686 4,358 4,698 4,918 5,78 5,4 5,36 5,393 5,469 D ,76,136,184,3 D 4 3,67,574,8,14,4 1,94 1,864 1,816 1,777 4,798,886,91,94,95,959,965,969,973 d 1,18 1,693,59,36,534,74,847,97 3,78 34

7 ZEZPEČOVNIE KVLITY POESOV Tab. 6 Vzorce pre výpočet paramewtrov Shewhartových regulačních diagramov Základné Základné D meraním Základné D porovnávaním hodnoty štatistiky LL L UL štatistiky LL L UL x x + priemerná priemerná priemer x x x s nie sú rozpätie D 3 D 4 stanovené štandardná odchýlka individuálne hodnoty 3 s s s 3 s 4 X 3 x x d x + s podiel 3 nezhodných jednotiek 3 x + d počet nezhodných jednotiek počet nezhôd p ( ) p 3 p 1 p / n individuálna ( ) p 3 p 1 p / nj p ( ) p+ 3 p 1 p / n individuálna ( ) p+ 3 p 1 p / nj np np 3 np( 1 p) np np+ 3 np( 1 p) c c 3 c c c + 3 kĺzavé rozpätie D 3 k k D 4 k priemerná u 3 u k počet n nezhôd na u jednotku u medián x x 4 x x + individuálna u 3 4 n j podiel priemer x x σ x x + σ nezhodných p p 3 p ( 1 p )/ n jednotiek sú rozpätie 1σ stanovené štandardná odchýlka s 5σ D ( d ) σ D ( c ) σ s 4σ 6σ počet nezhodných jednotiek počet nezhôd u np np 3 np ( p ) 1 c 3 c c c priemerná u+ 3 u n individuálna u+ 3 u n j p p + p ( 1 p )/ n 3 np np + 3 np ( p ) 1 c c + 3 c individuálne hodnoty X 3 x d x + 3 x d počet nezhôd na jednotku u c 3 u / n u u + 3 u / n 35

8 kĺzavé rozpätie D 1 s k d D s d..,..,, D.., d - tabelované prepočívacie koeficienty závislé na rozsahu podskupiny n 36

9 ZEZPEČOVNIE KVLITY POESOV 8.5 Diagramy kumulovaných súčtov Diagramy kumulovaných súčtov (Umulative SUM ontrol hart - USUM) vytvoril Page v roku Ich použitie je výhodné vtedy, ak na proces pôsobia malé, ale určitú dobu trvajúce vymedziteľné príčiny. Tento typ príčin Shewhartove regulačné diagramy, pracujúce v hodnote testovacieho kritéria vždy iba s údajmi z poslednej podskupiny, nemôžu rýchle a hospodárne odhaliť. Výhodou USUM sú menšie nároky na rozsah podskupín, rýchlejšia signalizácia malých zmien procesu (v rozsahu,5-σ), ale aj možnosť určenia okamihu, kedy sa začali pod vplyvom vymedziteľných príčin meniť parametre regulovaného znaku kvality, veľkosť a smer pôsobenia tejto zmeny. Testovacím kritériom diagramu USUM (STN ISO/T 7871), vynášaným sa os y, je kumulovaný súčet odchýliek zvolenej výberovej charakteristiky od cieľovej hodnoty pre všetky doterajšie podskupiny. Preto tento diagram patrí k regulačným diagramom s pamäťou, ktorú môžeme charakterizovať ako neobmedzenú a rovnomernú (na výpočte sa podieľajú všetky predchádzajúce vypočítané odchýlky rovnakou váhou). Diagram USUM je možné použiť pre regulácia meraním: D pre výberové priemery, D pre výberové rozpätie, D pre individuálne hodnoty, regulácia porovnávaním: D pre počet nezhodných objektov, D pre počet nezhôd na objekte. Diagram USUM pre výberové priemery Predpokladom pre použitie tohoto typu regulačného diagramu je normálne rozdelenie regulovanej veličiny s konštantným rozptylom. Veľmi dôležitá je aj správne definovaná požadovaná hodnota μ. Hodnota testovacieho kritéria sa počíta podľa vzťahu = + ( x µ ), =, j j 1 j kde μ... je požadovaná stredná hodnota, x j.. je výberový priemer j-tej podskupiny. Do regulačného diagramu sa zakresľujú body [j, j]. Pre správnu interpretáciu diagramu má dôležitý vplyv správne nastavenie tzv. parametra mierky - g. Jeho hodnotu sa doporučuje stanoviť tak, aby sa rovnala približne dvojnásobku štandardnej odchýlky výberového priemeru σ x. Vypočítaná hodnota sa zaokrúhľuje, najčastejšie na 1,,.5, 4, 5, 1 a pod. Toto číslo, vyjadrujúce počet jednotiek na osi y, musí predstavovať rovnakú vzdialenosť, ako je vzdialenosť medzi dvomi poradovými číslami na osi x. (Napr. ak parameter mierky g = 1 a vzdialenosť medzi dvomi poradovými číslami na osi x je 5 mm, potom 5 mm na osi y odpovedá 1 jednotkám.). Nesprávne nastavenie parametra mierky môže spôsobiť zlú interpretáciu regulačného diagramu. k je g veľmi nízka, diagram M. enková 37

10 USUM bude vytvárať dojem veľkých zmien, aj keď je proces v štatisticky zvládnutom stave, a naopak príliš vysoká hodnota g neumožňuje identifikovať aj pomerne veľké odchýlky. Pre identifikáciu štatisticky zvládnutého resp. nezvládnutého stavu sa v regulačnom diagrame USUM namiesto regulačných hraníc používa: rozhodovacia maska, alebo rozhodovací interval. ozhodovacia maska má najčastejšie tvar písmena V, preto sa zvykne označovať názvom V maska (Obr. 15). Jej autorom je arnard (1959). Používa sa pre obojstrannú reguláciu. k je potrebné mať signál iba o náraste, resp iba o poklese parametra regulovanej veličiny je možné používať jednostrannú masku, ktorá predstavuje časť V-masky pod, resp. nad osou s. Obojstrannú V-masku tvoria: ramená V a V - rozhodovacie priamky, uhol V=θ - určujúci uhol, vzdialenosť VP = d - určujúca vzdialenosť, vzdialenosť P = DP = h - rozhodovací interval. V-maska je jednoznačne dvoma parametrami určujúcou vzdialenosťou d a určujúcim uhlom θ. Namiesto uhla je možné vypočítať rozhodovací interval h. D os s h P θ d V h θ Obr. 15 Konštrukcia V-masky pre obojstrannú reguláciu Určujúca vzdialenosť d sa počíta podľa vzťahu: kde σ α d = ln, n γ n... je rozsah podskupiny, σ... je požadovaná hodnota štandardnej odchýlky regulovanej veličiny, 38

11 ZEZPEČOVNIE KVLITY POESOV na jej odhad je možné použiť výpočet pomocou postupných diferencií 1 1 ˆ = n ( xi+ 1 xi), n ( n ) i= 1 σ γ... je kritická odchýlka γ = μ 1 μ μ... je požadovaná stredná hodnota regulovaného parametra, μ 1... je neprípustná stredná hodnota regulovaného parametra, α... riziko zbytočného signálu α =,7, 1 β (β... riziko chýbajúceho signálu, sa volí veľmi malé, aby platilo ln lnα ). α Určujúci uhol Θ sa počíta ako kde γ Θ= arctg, g g... je parameter mierky vypočítaný podľa vzťahu g = σ x,, kde a je zaokrúhlený na celé číslo: 1,,.5, 4, 5, 1 a pod., σ x... je smerodajná odchýlka výberového priemeru σ σ x =. n ozhodovací interval h sa počíta podľa vzorca h= tgθ d. Po nakreslení na priehľadnú fóliu (ak sa nepoužíva špecializovaný softvér) sa maska prikladá na graf s vykreslenými hodnotami kumulovaných súčtov tak, aby os s bola vodorovná s osou x D a bod P prekrýval posledný bod D. Posúdenie štatistickej zvládnutosti procesu pomocou rozhodovacej masky sa robí nasledovne: ak všetky body testovacích kritérií ležia vo vnútri D proces je štatisticky zvládnutý, pokračuje sa ďalším výberom (viď Obr v 13. podskupine je pomocou rozhodovacej masky signalizovaný štatisticky zvládnutý stav procesu), ak niektorý bod TK leží mimo D proces je štatisticky nezvládnutý, je nutný regulačný zásah: - kríženie dolnej priamky signalizuje nárast hodnoty parametra regulovanej veličiny oproti μ (Viď Obr. 17. V. podskupine je signalizovaný štatisticky nezvládnutý stav. Došlo k väčšiemu nárastu parametra regulovanej veličiny ako je dovolená M. enková 39

12 kritická odchýlka γ. ozhodovacia maska signalizuje, že vymedziteľná príčina začala pôsobiť v 1. podskupine.) - kríženie hornej priamky D signalizuje pokles parametra oproti μ. Obr. 16 Diagram USUM s rozhodovanou maskou štatisticky zvládnutý stav Obr. 17 Diagram USUM s rozhodovanou maskou štatisticky nezvládnutý stav Pri porušení štatisticky zvládnutého stavu je možné vypočítať odhad veľkosti zmeny, podľa vzorca kde m ˆ γ = m q q, m... je číslo podskupiny signalizúcej štatistickú nespôsobilosť, 4

13 ZEZPEČOVNIE KVLITY POESOV m... je hodnota kumulovaného súčtu v podskupine signalizujúcej štatistickú nespôsobilosť, q... je číslo podskupiny ležiacej mimo rozhodovaciu priamku, q... je hodnota kumulovaného súčtu v podskupine ležiacej mimo rozhodovaciu priamku. Po regulačnom zásahu sa hodnota kumulovaných súm j vynuluje a pokračuje sa v regulácii. ozhodovací interval, ktorý zaviedol Lucas (1976) viac pripomína Shewhartove regulačné diagramy a jeho vytvorenie a používanie je jednoduchšie, ako požívanie rozhodovacej masky. Jeho použitie je možné tak pre obojstrannú (používa sa horná aj dolná rozhodovacia hranica), ako aj pre jednostrannú reguláciu (používa sa dolná alebo horná rozhodovacia hranica). Pre stanovenie rozhodovacích hraníc +H a H sa používa vzorec H = d g tgθ, s využitím už známych parametrov rozhodovacej V-masky. Tým sa zaručí, že rozhodovanie pomocou rozhodovacej masky a rozhodovacieho intervalu je rovnaké. Ďalej sa počítajú hodnoty kumulovaných súčtov: S = S + ( x µ K), S =, j j 1 j S = S + ( x µ + K), S =, j j 1 j kde parameter K (v jednotkách regulovanej veličiny) sa počíta podľa vzťahu g K =. Hodnoty sa do diagramu zaznamenávajú podľa algoritmu: ak S + j zaznamená sa do diagramu, ak S + j < nahradí sa, sa zaznamená do diagramu a výpočet kumulovanej sumy začína od začiatku. ak S j zaznamená sa do diagramu, ak S j > nahradí sa, sa zaznamená do diagramu a výpočet kumulovanej sumy začína od začiatku. Posúdenie štatistickej zvládnutosti procesu pomocou rozhodovacieho intervalu sa robí nasledovne: ak sú všetky hodnoty v < H,+H > proces je štatisticky zvládnutý, ak nie sú:, môžu nastať dva prípady: - ak S + j > +H v procese došlo ku kritickému posunu μ smerom hore (viď Obr. 18 v. podskupine je signalizovaný štatisticky nezvládnutý stav), - ak S j < H v procese došlo ku kritickému posunu μ smerom dole. M. enková 41

14 Po identifikácii vymedziteľnej príčiny a vykonaní nápravného opatrenia na jej odstránenie sa začne výpočet S +, S od. j j H=5,86 -H=-5,86 S+j S-j Obr. 18 Diagram USUM s rozhodovacím intervalom 8.6 Klasický regulačný diagram exponenciálne vážených kĺzavých priemerov egulačný diagram exponenciálne vážených kĺzavých priemerov - EWM (Exponentially Weighted Moving verage) vytvoril oberts (1959). Podobne ako diagram USUM je vhodný pre identifikáciu malých náhlych zmien, ktoré pretrvávajú v procese. Jedná sa o regulačný diagram s pamäťou, ktorú možno charakterizovať jako nerovnomernú a neobmedzenú, čo znamená, že na výpočte aktuálnej hodnoty testovacieho kritéria sa podieľajú všetky predchádzajúce vypočítané hodnoty, ale nie rovnakou váhou. Túto vlastnosť pamäte D určuje tzv. parameter zabúdania - λ, ktorý môže nadobúdať hodnoty z intervalu <,1>. k λ = 1 váhu má len posledná hodnota (ako u klasických Shewhartových D), ak λ = každá hodnota má rovnakú váhu (ako u diagramu USUM). Tento D zohľadňuje riziko zbytočného aj riziko chýbajúceho signálu. Klasický EWM regulačný diagram je možné používať po overení dvoch predpokladov, ktorými sú normálne rozdelenie sledovaného znaku kvality a konštantný rozptyl pre výberové priemery alebo pre individuálne hodnoty. Klasický regulačný diagram EWM pre výberové priemery Pre zostrojenie K D EWM sú potrebné nasledujúce výpočty. Hodnoty testovacieho kritéria sa počítajú, podľa vzťahu: w = (1 λ) w + λ x, w = µ. j j 1 j 4

15 ZEZPEČOVNIE KVLITY POESOV Parameter λ sa doporučuje voliť tak, aby priemerný počet výberov medzi okamihom vzniku kritického posunu a jeho zistením bol minimálny. Zvyčajne sa volí z <,15;,4>, najčastejšie sa používa hodnota,5. Pre nájdenie optimálnej hodnoty parametra λ je možné použiť nomogram vytvorený rowderom (Obr. 19). Najprv je potrebné vypočítať hodnotu posunu podľa vzťahu kde γ n = σ γ... je kritický posun strednej hodnoty regulovanej veličiny, počítaný podľa vzťahu γ = µ 1 µ, µ... je požadovaná hodnota strednej hodnoty regulovaného znaku kvality, µ 1... je neprípustná hodnota strednej hodnoty regulovaného znaku kvality, σ... je požadovaná hodnota štandardnej odchýlky regulovaného znaku kvality. V nomograme sú zobrazené krivky pre štyri rôzne hodnoty L() (L - verge un Lenght) t.j. priemerný počet výberov vedúci signálu (rowder ich odvodil pre L() od 5 do ). Hodnota L() sa počíta podľa vzťahu L()=1/α, kde α je riziko zbytočného signálu. Pre doporučované hodnotu α =,7 je L() = 1/,7 = 37 výberov. 1,,9,8,7,6 λ,5 L() ,4,3,,1,5 1, 1,5,,5 3, 3,5 4, Obr. 19 Nomogram pre stanovenie λ (rowder) entrálna čiara K D EWM je rovná požadovanej strednej hodnote L = µ M. enková 43

16 Dolná a horná regulačná medza sa počítajú zvlášť pre každú podskupinu LLj = L K σ w j ULj = L+ K σ w j kde σ w... je štandardná odchýlka počítaná podľa vzťahu σ wj σ λ = 1 1 n λ ( λ) j, K... je konštanta pre stanovenie regulačných medzí určená z nomogramu (Obr. ). 3,5 3,,5 K, L() ,5 1,,5,1,,3,4,5,6,7,8,9 1, λ Obr. Nomogram pre stanovenie K (rowder) egulačný diagram na Obr. 1 v 1. podskupine signalizuje, že sa proces v dôsledku pôsobenia vymedziteľnej príčiny sa stal nestabilným, štatisticky nezvládnutým. Je potrebné identifikovať túto príčinu, nájsť vhodné nápravné opatrenia pre jej odstránenie. 44

17 ZEZPEČOVNIE KVLITY POESOV Obr. 1 Klasický regulačný diagram EWM 8.7 Dynamický regulačný diagram exponenciálne vážených kĺzavých priemerov Dynamický D EWM umožňuje štatistickú reguláciu pre závislé (autokorelované) dáta, ktoré sa veľmi často vyskytujú u znakov kvality, resp. parametrov: spojitých procesov (metalurgia, chémia, potravinárstvo), vysokoautomatizovanej diskrétnej výrobe (strojárensto, elekrotechnika), poskytuje informácie aj o dynamike procesu. Je vhodný pre znaky kvality s nekonštantnou strednou hodnotou s pomalými zmenami, s nekonštantnou variabilitou, ktoré sú pozitívne autokorelované. Pre tento D je charakteristické, že žiadna z čiar tvoriacich diagram nie je priamka. Testovacie kritérium je nameraná hodnota v j-tej podskupine, t.j. x j. Hodnoty centrálnej čiary sa počítajú pre každú podskupinu podľa vzťahu: pričom kde L j =, wj 1 w = w + λ ( x w ) = w + λ e, w = µ j j 1 j j 1 j 1 j w j... je jednokroková predikcia hodnoty regulovanej veličiny, λ... je parameter zabúdania, ktorého hodnota sa pre D D EWM určuje iteračným postupom, tzn. hľadá sa hodnota taká hodnota λ, pri ktorej je suma štvorcov jednokrokovej predikcie minimálna (Pre tento výpočet je potrebných minimálne 5 podskupín.): k k e ( ) j = xj wj 1 min, k 5. j= 1 j= 1 Pre správne určený parameter λ hodnoty e j musia byť nezávislé, s normálnym rozdelením. Dolná a horná regulačná medza sa počítajú podľa vzťahov: LL = w u α σ, ˆ j j 1 1 / p UL = w + u α σ, ˆ j j 1 1 / p kde u1 α /... je kvantil normovaného normálneho rozdelenia, pre α=,7 je rovný 3, ˆ p σ... je smerodajná odchýlka rozdelenia chýb jednokrokovej predikcie e j, vypočítaná pomocou optimálnej (minimálnej) hodnoty sumy jednokrokovej predikcie podľa vzťahu: M. enková 45

18 ˆ σ p 1. k = e j k 1 j= 1 opt Na Obr. je uvedený príklad dynamického regulačného diagramu EWM, v ktorom je vidieť postupne sa meniacu strednú hodnotu. Proces je možné považovať za štatisticky zvládnutý, pretože namerané hodnoty oscilujú okolo centrálnej čiary (až na 15. hodnotu, ktorá leží na hornej regulačnej hranici). Obr. Dynamický regulačný diagram EWM 8.8 egulačné diagramy pre procesy s nízkym stupňom opakovateľnosti a s krátkymi výrobnými cyklami Tzv. Short un regulačné diagramy sú vhodné pre procesy s nízkym stupňom opakovateľnosti (malosériová výroba), procesy s krátkymi výrobnými cyklami a zákaznícky orientovaná výroba so zložitým výrobným mixom a malými výrobnými dávkami. Ich výhodou je minimalizácia počtu D, dostatočný počet podskupín na výpočet regulačných medzí ale aj možnosť sledovať pôsobenie vymedziteľných príčin variability celkového procesu, a procesu výroby jednotlivých produktov. Používa sa jeden, alebo dvojica regulačných diagramov pre rôzne produkty, rôzne operácie, alebo znaky kvality a preto je nevyhnutná transformácia dát tak, aby bolo možné používať rovnaké regulačné medze pre niekoľko rôznych výrobkov. Podľa spôsobu transformácie dát rozlišujeme dva typy: ieľové D (Target ontrol hart), Štandardizované D (Standardized ontrol hart) ieľové regulačné diagramy 46

19 ZEZPEČOVNIE KVLITY POESOV Používajú sa pre procesy produkujúce podobné výrobky, u ktorých je sledovaný rovnaký alebo podobný znak kvality meraný v rovnakých jednotkách. Vyžadujú splnenie troch predpokladov normality dát, konštantného rozptylu a nezávislosti dát. Namerané údaje sa transformujú odčítaním nameraných hodnôt, resp. výberových charakteristík od zadanej cieľovej hodnoty. Preto je stanovenie cieľovej hodnoty kľúčové pre konštrukcii cieľových D a ovplyvňuje jeho účinnosť. ieľová hodnota z môže byť definovaná ako: menovitá hodnota, ak sa používa horná aj dolná tolerančná hranica (často stred tolerančného pásma), hodnota dostatočne vzdialená od hornej resp., dolnej tolerančnej hranice, hodnota definovaná skúseným pracovníkom, daná výrobnými resp. inými obmedzeniami. ieľové D sa používajú v kombinácii so Shewhartovými D: D pre individuálne hodnoty + S D pre kĺzavé rozpätia, D pre výberové priemery + S D pre výberové rozpätie, D pre výberové priemery + S D pre štandardnú odchýlku. ieľový D pre výberové priemery a Shewhartov D pre variačné rozpätia Postup: 1. definovanie rozsahu podskupín n tak, aby podskupiny tvorili rovnaké produkty,. voľba cieľových hodnôt z, pre jednotlivé produkty z =1,,..., Z, 3. zostrojenie Shewhartovho D pre variačné rozpätia (Obr. 3), 4. zostrojenie ieľového D pre výberové priemery (Obr. 4): Testovacie kritérium: xzj z entrálna čiara: Z k 1 z L= x = ( x ) Z zj z z= 1 j= 1 k z z= 1 Dolná regulačná hranica: LL = x Horná regulačná hranica: UL= x + nalýza ieľového D: ak niektorá hodnota TK je, tzn. že výberový priemer sa rovná cieľovej hodnote, ak sa poloha hodnôt TK voči L pre jednotlivé produkty líši: - medzi produktmi je variabilita, spôsobená napr. nastavením stroja, - (neboli použité vhodné cieľové hodnoty,) M. enková 47

20 ak je v D trend prebiehajúci pre niekoľko produktov, potom sa jedná o vymedziteľný vplyv pôsobiaci v celom procese. Obr. 3 Shewhartov regulačný diagram pre variačné rozpätie Obr. 4 ieľový regulačný diagram pre aritmetický priemer 8.8. Štandardizované regulačné diagramy Používajú sa pre procesy produkujúce podobné výrobky, kde je nekonštantná variabilita. Pre ich použitie je potrebné overovať splnenie dvoch predpokladov, ktorými sú normalita dát a nezávislosť dát. by bolo možné použiť jeden regulačný diagram pre niekoľko výrobkov je nutná transformácia nameraných údajov a to ich úpravou na bezrozmerné veličiny. Štandardizované regulačné diagramy sa používajú tak pre reguláciu meraním: Š D pre individuálne hodnoty + Š D pre kĺzavé rozpätia, Š D pre výberové priemery + Š D pre výberové rozpätia, Š D pre výberové priemery + Š D pre smer. odchýlky. ako aj pre regulácia porovnávaním: 48

21 ZEZPEČOVNIE KVLITY POESOV Š D pre počet nezhôd, Š D pre počet nezhôd na jednotku, Š D pre podiel nezhodných jednotiek. Štandardizovaný D pre variačné rozpätia k je regulovaný proces v štatisticky zvládnutom stave, platí: LL UL D D 3 j 4 D D j 3 4 j z toho vyplýva, že hodnota testovacieho kritéria sa bude počítať podľa vzťahu kde jt = jz z jz... je variačné rozpätie v j-tej podskupine pre výrobok z, z... je predpokladané priem. variačné rozpätie pre výrobok z. entrálna čiara: L = 1 Dolná regulačná hranica: LL= D3 Horná regulačná hranica: UL= D4 Štandardizovaný D pre výberové priemery k je regulovaný proces v štatisticky zvládnutom stave, pre S D pre aritmetické priemery platí: LL x UL x x x + j x x j j z toho vyplýva, že hodnota testovacieho kritéria bude počítaná ako M. enková 49

22 kde x jt x x = jz z z x jz... je výberový priemer v j-tej podskupine pre výrobok z, x... je cieľová hodnota priemernej úrovne pre výrobok z. z entrálna čiara: L = Dolná regulačná hranica: LL= Horná regulačná hranica: UL= Veľkou výhodnou štandardizovaných regulačných diagramov je, že regulačné hranice nie sú závislé na konkrétnych nameraných údajoch, a preto je možné regulačné hranice používať hneď po nameraní 1.podskupiny. k sa rozsah podskupín nemení (konštantné n) nie je nutné meniť regulačné hranice, pretože sú dané iba hodnotami súčiniteľov pre výpočet regulačných hraníc (Tab. 5). Kritické miesto pre tieto regulačné diagramy predstavuje stanovenie hodnôt z, x z. Je možné použiť niekoľko metód odhadu: 1. Stanovenie z KS D pre jednotlivé produkty Odhadom sú L zo Shewhartových regulačných diagramov pre variačné rozpätie a aritmetický priemer.. Využitie informácií a záznamov o kontrole d z = 4 S z kde S z... je výberová štandardná odchýlka stanovená z kontrolných záznamov, 4... je súčiniteľ stanovený pre n z kontrolných záznamov d... je súčiniteľ stanovený pre n z kontrolných záznamov,. ko odhad xz sa používa priemer hodnôt meraného znaku kvality za minulé obdobie z kontrolných záznamov pri normálnych výrobných podmienkach. 3. Stanovenie podľa podobných znakov kvality pre nové produkty podľa údajov z kontrolných záznamov, resp. D podobného produktu. (Používa sa len dočasne!!) 4. Využitie tolerančných medzí, resp. menovitej hodnoty (Používa sa len dočasne, ak sa nedá použiť 1.,.,3.!!) d d z = ( USL LSL), z = SL xz, Podľa skúseností kompetentného pracovníka. 5

23 ZEZPEČOVNIE KVLITY POESOV 8.9 egulačné diagramy s retransformovanými medzami k sú rozsahy podskupín n 4, sú regulačné hranice Shewhartových regulačných diagramov pre reguláciu meraním dostatočne robustné voči bežne sa vyskytujúcim typom odchýliek od normality, ale pre rozsahy pre n 4, resp. pre regulačné diagramy individuálnych hodnôt je splnenie podmienok normality dát nevyhnutné. Pokiaľ nie je splnený predpoklad normality je možné dáta transformovať. Transformácia dát môže byť: logaritmická: y = g(x) = ln x ak sa odchýlky násobia (napr., meranie objemov, hmotnosti, oneskorenie dodávok... ), mocninová: y = g(x) = x λ, pre λ=,,5 -,5, -1, je vhodná pre geometrické veličiny (vzdialenosť bodov), ox-oxova. Postup vytvorenie regulačného diagramu s retransformovanými medzami: 1. transformácia dát, napr. y = gx ( ) = ln x,. overenie normality pre transformované dáta, 3. výpočet L T, LL T, UL T Shewhartovho D pre transformované dáta, 4. výpočet retransformovaných hodnôt L, LL, UL : LT LLT ULT L = e, LL = e, UL = e. 5. zostrojenie D s retransformovanými medzami ako testovacie kritérium sa zakresľujú aritmetické priemery jednotlivých podskupín. 8.1 Trendový regulačný diagram k sa používajú nenastaviteľné nástroje/zariadenia je sledovaný znak kvality sa bude postupne meniť, zmenšovať/zväčšovať. Preto je vhodné v regulačnom diagrame použiť LL, L, UL naklonené nahor/nadol (Obr. 5). M. enková 51

24 Obr. 5 Trendový regulačný diagram entrálna čiara: L = a+ bj Dolná regulačná hranica: LL= ( a ) + bj Horná regulačná hranica: UL= ( a+ ) + bj Začiatočné a konečné hodnoty strednej hodnoty procesu je možné určiť tolerančnými hranicami. Väčšinou je začiatočná a konečná pozícia strednej čiary umiestnená vo vzdialenosti 3σ od tolerančných hraníc egulačný diagram pre reguláciu meraním procesov s vysokou úrovňou σ Pre procesy s vysokou úrovňou σ ( Tab. 7) Shewhartove D p, resp. np nepracujú dostatočne efektívne, pretože vyžadujú n.p >5, regulačné hranice majú založené na normálnom rozdelení a pre malé podskupiny LL=. Tab. 7 Prehľad úrovní σ Preto Goh vytvoril regulačný pre reguláciu meraním procesov s vysokou úrovňou σ (umulative ount of onforming hart - chart). Testovacie kritérium je kumulatívny počet zhodných výrobkov medzi dvomi nezhodnými výrobkami, (os x poradové číslo nezhodného výrobku). entrálna čiara sa počíta podľa vzťahu: 5

25 ln(,5) L =. ln(1 p) ZEZPEČOVNIE KVLITY POESOV egulačné hranice tohto regulačného diagramu sú založené na geometrickom rozdelení a počítajú sa podľa vzťahov: α ln 1 LL =, ln(1 p) α ln UL =. ln(1 p) Pravdepodobnosť zbytočného signálu - α je volená podľa technickej náročnosti a ceny nastavenia daného procesu. Interpretácia D : ak sa nachádza TK nad UL proces sa zlepšuje, ak sa nachádza TK pod LL proces a zhoršuje. 8.1 egulačné diagramy pre sledovanie viacerých znakov kvality k je potrebné súčasne sledovať viac znakov kvality (m) je dôležité posúdiť ich vzájomný vzťah: ak sú navzájom nezávislé, je možné používať pre každý znak kvality samostatný D, ak sú navzájom korelované, je vhodné použiť viacrozmerné regulačné diagramy: Hotellingov D, viacrozmerný D EWM, viacrozmerný D USUM Hotellingov regulačný diagram Hotellingov regulačný diagram je zovšeobecnením Shewhartových D pre aritmetický priemer. Predpokladom pre jeho použitie je nezávislosť dát a viacrozmerné normálne rozdelenie N(μ,S). Testovacie kritérium sa počíta ako T = n ( x μ ) S ( x μ ), j = 1,..., k T 1 j j j Horná regulačná hranica sa počíta podľa vzťahu: kde k nm k m nm + m UL= F k n k m+ 1 1 αν ν, 1, ν = m, ν = k n k m+ 1,, M. enková 53

26 α α je riziko zbytočného signálu, hodnotu α je vhodné stanoviť tak, aby =,13. m Dolnú regulačnú hranicu tento regulačný diagram nemá Štatistická regulácia procesu Štatistickú reguláciu využívajúcu regulačné diagramy je možné rozdeliť do 4 fáz. I.Fáza prípravná zahŕňa nasledujúce kroky: Identifikácia cieľa regulácie, sledovaného znaku kvality. Stanovenie kontrolných miest tak, aby sa kontrola uskutočňovala čo najbližšie k miestu možného vzniku odchýlky. Zvolenie vhodnej meracej metódy. Zvolenie vhodnej dĺžky kontrolného intervalu podľa charakteru technológie, dĺžky výrobného cyklu, pracnosti zberu údajov, tak, aby boli zachytené všetky významné zmeny v procese. Podskupiny zvyčajne tvoria opakované merania znaku kvality zodpovedajúce jednému časovému okamihu. Zvolenie vhodného rozsahu podskupiny. Časový interval merania v rámci podskupiny musí byť menší v porovnaní s časovým intervalom medzi podskupinami (Obr.6). Hodnoty v podskupine musia dostatočne odrážať variabilitu meraného znaku kvality. Nevhodná voľba podskupín môže spôsobiť rôzne problémy, aj zlyhanie D! Správne čas Nesprávne čas Obr. 6 Voľba vhodného rozsahu podskupiny Zvolenie vhodného typu regulačného diagramu. Jednotlivé regulačné diagramy sa líšia podľa typu regulovaných veličín, podľa spôsobu výpočtu regulačných medzí, podľa predpokladov, ktoré musí spĺňať regulovaný znak kvality (napr. v prípade kvantitatívnych merateľných veličín sa predpokladá ich normálne rozdelenie, resp. rozdelenie, ktoré je možné na normálne transformovať), podľa počtu a rozsahu spracovávaných výberov. Postup výberu vhodného regulačného diagramu ilustruje (Obr. 7). 54

27 ZEZPEČOVNIE KVLITY POESOV Obr. 7 Výber vhodného typu regulačného diagramu Zvolenie vhodného rozsahu podskupiny. Pri štatistickej regulácii meraním sa odporúča, aby sa rozsahy jednotlivých výberov pohybovali v rozsahu n < 5,1 > hodnôt, a aby počet výberov bol k < 15, 5 >, teda celkový rozsah jednotlivých hodnôt by mal byť väčší ako 1. Pri štatistickej regulácii porovnávaním sa zisťuje zhoda/nezhoda s normou/etalónom. Hodnotí sa súhrn funkčných a technických požiadaviek. Pri tomto postupe sa sleduje M. enková 55

28 celkový počet nezhodných produktov, podiel nezhodných produktov, alebo počet chýb na jeden výrobok pri opakovaných výberoch. Pre zabezpečenie primeranej vypovedacej hodnoty je potrebné, aby jednotlivé výbery mali rozsah a viac hodnôt, a aby celková veľkosť porovnávaného súboru bola a viac hodnôt. Príprava formulára pre regulačný diagram. II. Fáza analýzy a zabezpečenia štatistickej stability procesu Zostrojenie regulačného diagramu/regulačných diagramov. Hodnoty vypočítaných charakteristík sa chronologicky zakreslia do regulačného diagramu (v prípade nového D sa najprv vypočíta L, LL, UL. Výpočet sa vykonáva podľa jednoduchých vzťahov, pomocou základných štatistických charakteristík a tabelovaných prepočítavacích koeficientov (tab.č.5 a 6). nalýza regulačného diagramu, t.j. zistí sa, či je sledovaný proces štatisticky zvládnutý (stabilný/pod kontrolou), čo sa v D prejaví len náhodným výskytom príslušnej výberovej charakteristiky mimo regulačných medzí. Stav, keď proces nie je štatisticky zvládnutý, je signalizovaný bodmi, resp. skupinami bodov, ležiacimi mimo regulačných medzí. Norma ISO 858 odporúča testovať 8 rôznych zoskupení bodov v jednotlivých pásmach regulačného diagramu (tab.č.7). Každý, kto vykonáva analýzu regulačného diagramu, by mal na tieto špecifické zoskupenia hodnôt reagovať. Je teda nutné sledovaný proces analyzovať a nájsť vymedziteľnú príčinu, ktorá nestabilitu spôsobila a odstrániť ju. V tejto etape sa s výhodou používa -E diagnostika a Paretov princíp. Z regulačného diagramu sa vypustia podskupiny, kde boli signalizované vymedziteľné príčiny a regulačné medze sa prepočítajú. Postup sa opakuje, kým je proces v stabilnom stave. (ieľom vylúčenia podskupín nie je vylúčenie nevhodných hodnôt, ale stanovenie regulačných medzí tak, aby čo najlepšie vymedzovali pásmo pôsobenia len náhodných vplyvov.) k sa jedná o dvojicu regulačných diagramov, najčastejšie x a, ako prvý sa vždy analyzuje regulačný diagram pre rozpätie. Nevhodné podskupiny sa vylučujú súčasne z oboch diagramov. Tab. 8 Testy vymedziteľných príčin 1. Prítomnosť jednej hodnoty vo vonkajšom pásme. UL. Prítomnosť súvislého radu deviatich hodnôt vo vnútornom pásme. UL L L LL LL 3. Prítomnosť súvislého stúpajúceho alebo klesajúceho radu šiestich hodnôt. 4. Prítomnosť kolísania súvislého radu štrnástich hodnôt vo vnútornom a varovnom pásme. 56

29 ZEZPEČOVNIE KVLITY POESOV UL UL L L LL LL 5. Prítomnosť dvoch z troch za sebou idúcich hodnôt v akčnom pásme. UL 6. Prítomnosť štyroch z piatich za sebou idúcich hodnôt vo varovnom, alebo akčnom pásme. UL L L LL LL 7. Existencia súvislého radu pätnástich hodnôt vo vnútornom pásme. UL 8.Existencia súvislého radu ôsmych hodnôt vo varovnom pásme po oboch stranách stredovejčiary, ak žiadna z hodnôt neleží vo vnútornom pásme. UL L L LL LL III. Fáza zabezpečenia spôsobilosti procesu Skúmame, či proces, ktorý je stabilný/štatisticky zvládnutý/pod kontrolou, je schopný dosahovať požiadavky zákazníka (technické predpisy, tolerančné medze apod.), viď. kap. 1. IV. Fáza vlastnej štatistickej regulácie pomocou regulačného diagramu Proces je udržiavaný v stave štatisticky zvládnutom a spôsobilom. ieľom tejto fázy je pomocou regulačného diagramu signalizovať poruchy v stabilite, identifikovať a odstraňovať ich. egulačný diagram, resp. regulačné diagramy sa používajú s regulačnými medzami stanovenými vo fáze zaistenia stability. Poverení pracovníci nepretržite sledujú priebeh meraných/porovnávaných hodnôt sledovaného znaku kvality v D a v prípade potreby okamžite vykonajú regulačný zásah. M. enková 57

Štatistické riadenie procesov Regulačné diagramy 3-1

Štatistické 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 περισσότερα

Obvod a obsah štvoruholníka

Obvod 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 περισσότερα

7. FUNKCIE POJEM FUNKCIE

7. 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 περισσότερα

Základy metodológie vedy I. 9. prednáška

Základy 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 περισσότερα

Matematika Funkcia viac premenných, Parciálne derivácie

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 περισσότερα

KATEDRA DOPRAVNEJ A MANIPULAČNEJ TECHNIKY Strojnícka fakulta, Žilinská Univerzita

KATEDRA 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 περισσότερα

Rôzne metódy manažérstva kvality/jakosti. Štatistika. Práca č.2: Štatistické riadenie procesu (SPC Statistical process control)

Rôzne 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 περισσότερα

Inžinierstvo kvality produkcie. Štátnice

Inžinierstvo 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 περισσότερα

Chí kvadrát test dobrej zhody. Metódy riešenia úloh z pravdepodobnosti a štatistiky

Chí 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 περισσότερα

Start. 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

Start. 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 περισσότερα

1. Limita, spojitost a diferenciálny počet funkcie jednej premennej

1. 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 περισσότερα

Matematika 2. časť: Analytická geometria

Matematika 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 περισσότερα

ARMA modely čast 2: moving average modely (MA)

ARMA 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 περισσότερα

Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy

Jednotkový 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 περισσότερα

ÚLOHA Č.8 ODCHÝLKY TVARU A POLOHY MERANIE PRIAMOSTI A KOLMOSTI

ÚLOHA 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 περισσότερα

4 Regulačné diagramy na reguláciu meraním

4 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 περισσότερα

3. Striedavé prúdy. Sínusoida

3. 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 περισσότερα

UČEBNÉ TEXTY. Pracovný zošit č.2. Moderné vzdelávanie pre vedomostnú spoločnosť Elektrotechnické merania. Ing. Alžbeta Kršňáková

UČEBNÉ 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 περισσότερα

Príručka ku kurzu SPÔSOBILOSŤ PROCESU

Príručka ku kurzu SPÔSOBILOSŤ PROCESU 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 ÚVOD Z noriem a inej literatúry je známych mnoho postupov, ako stanoviť spôsobilosť procesu. Existuje

Διαβάστε περισσότερα

Ekvačná a kvantifikačná logika

Ekvačná 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 περισσότερα

2 Chyby a neistoty merania, zápis výsledku merania

2 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

Moderné vzdelávanie pre vedomostnú spoločnosť Projekt je spolufinancovaný zo zdrojov EÚ M A T E M A T I K A

Moderné 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 περισσότερα

Goniometrické rovnice a nerovnice. Základné goniometrické rovnice

Goniometrické 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 περισσότερα

Spojité rozdelenia pravdepodobnosti. Pomôcka k predmetu PaŠ. RNDr. Aleš Kozubík, PhD. 26. marca Domovská stránka. Titulná strana.

Spojité 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 περισσότερα

ARMA modely čast 2: moving average modely (MA)

ARMA 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 περισσότερα

REZISTORY. Rezistory (súčiastky) sú pasívne prvky. Používajú sa vo všetkých elektrických

REZISTORY. 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 περισσότερα

Návrh vzduchotesnosti pre detaily napojení

Návrh 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 περισσότερα

11 Štatistická prebierka

11 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 περισσότερα

Odporníky. 1. Príklad1. TESLA TR

Odporníky. 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 περισσότερα

Matematika prednáška 4 Postupnosti a rady 4.5 Funkcionálne rady - mocninové rady - Taylorov rad, MacLaurinov rad

Matematika 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 περισσότερα

Motivácia Denícia determinantu Výpo et determinantov Determinant sú inu matíc Vyuºitie determinantov. Determinanty. 14. decembra 2010.

Motivácia 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 περισσότερα

Cvičenie č. 4,5 Limita funkcie

Cvičenie 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 περισσότερα

Základy matematickej štatistiky

Základy 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 περισσότερα

Prechod z 2D do 3D. Martin Florek 3. marca 2009

Prechod 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 περισσότερα

PRIEMER DROTU d = 0,4-6,3 mm

PRIEMER 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 περισσότερα

Určite vybrané antropometrické parametre vašej skupiny so základným (*úplným) štatistickým vyhodnotením.

Určite 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 περισσότερα

Motivácia pojmu derivácia

Motivácia 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 περισσότερα

,Zohrievanie vody indukčným varičom bez pokrievky,

,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 περισσότερα

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. 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 περισσότερα

Jednotkový koreň (unit root), diferencovanie časového radu, unit root testy

Jednotkový 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 περισσότερα

Metodicko pedagogické centrum. Národný projekt VZDELÁVANÍM PEDAGOGICKÝCH ZAMESTNANCOV K INKLÚZII MARGINALIZOVANÝCH RÓMSKYCH KOMUNÍT

Metodicko 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 περισσότερα

M6: Model Hydraulický systém dvoch zásobníkov kvapaliny s interakciou

M6: 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 περισσότερα

1. písomná práca z matematiky Skupina A

1. 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 περισσότερα

24. Základné spôsoby zobrazovania priestoru do roviny

24. 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 περισσότερα

1 Prevod miestneho stredného slnečného času LMT 1 na iný miestny stredný slnečný čas LMT 2

1 Prevod miestneho stredného slnečného času LMT 1 na iný miestny stredný slnečný čas LMT 2 1 Prevod miestneho stredného slnečného času LMT 1 na iný miestny stredný slnečný čas LMT 2 Rozdiel LMT medzi dvoma miestami sa rovná rozdielu ich zemepisných dĺžok. Pre prevod miestnych časov platí, že

Διαβάστε περισσότερα

Komplexné čísla, Diskrétna Fourierova transformácia 1

Komplexné 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 περισσότερα

Kontrolné 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. 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 περισσότερα

23. Zhodné zobrazenia

23. 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 περισσότερα

Harmonizované technické špecifikácie Trieda GP - CS lv EN Pevnosť v tlaku 6 N/mm² EN Prídržnosť

Harmonizované 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 περισσότερα

6 Limita funkcie. 6.1 Myšlienka limity, interval bez bodu

6 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 περισσότερα

Rozdiely vo vnútornej štruktúre údajov = tvarové charakteristiky

Rozdiely 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 περισσότερα

4. domáca úloha. distribučnú funkciu náhodnej premennej X.

4. domáca úloha. distribučnú funkciu náhodnej premennej X. 4. domáca úloha 1. (rovnomerné rozdelenie) Električky idú v 20-minútových intervaloch. Cestujúci príde náhodne na zastávku. Určte funkciu hustoty rozdelenia pravdepodobnosti a distribučnú funkciu náhodnej

Διαβάστε περισσότερα

AerobTec Altis Micro

AerobTec 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 περισσότερα

Modul pružnosti betónu

Modul 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 περισσότερα

RIEŠENIE WHEATSONOVHO MOSTÍKA

RIEŠENIE 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 περισσότερα

KATALÓG KRUHOVÉ POTRUBIE

KATALÓG 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 περισσότερα

Metódy vol nej optimalizácie

Metódy 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 περισσότερα

Tomáš Madaras Prvočísla

Tomáš 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 περισσότερα

16. Základne rovinné útvary kružnica a kruh

16. 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 περισσότερα

ANALÝZA VÝKONNOSTI CALL CENTRA POMOCÍ STATISTICKÝCH METOD

ANALÝZA VÝKONNOSTI CALL CENTRA POMOCÍ STATISTICKÝCH METOD VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALÝZA VÝKONNOSTI CALL CENTRA POMOCÍ STATISTICKÝCH

Διαβάστε περισσότερα

Meranie na jednofázovom transformátore

Meranie 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 περισσότερα

ZABEZPEČOVANIE KVALITY

ZABEZPEČOVANIE KVALITY TECHNICKÁ UNIVERZITA V KOŠICIACH FAKULTA BANÍCTVA, EKOLÓGIE, RIADENIA A GEOTECHNOLÓGIÍ KATEDRA INFORMATIZÁCIE A RIADENIA PROCESOV ZABEZPEČOVANIE KVALITY PROCESOV MARTA BENKOVÁ 2007 OBSAH 1 METÓDY ŠTATISTICKÉHO

Διαβάστε περισσότερα

6 APLIKÁCIE FUNKCIE DVOCH PREMENNÝCH

6 APLIKÁCIE FUNKCIE DVOCH PREMENNÝCH 6 APLIKÁCIE FUNKCIE DVOCH PREMENNÝCH 6. Otázky Definujte pojem produkčná funkcia. Definujte pojem marginálny produkt. 6. Produkčná funkcia a marginálny produkt Definícia 6. Ak v ekonomickom procese počet

Διαβάστε περισσότερα

Obsah. Motivácia a definícia. Metódy výpočtu. Problémy a kritika. Spätné testovanie. Prípadová štúdia využitie v NBS. pre 1 aktívum pre portfólio

Obsah. 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 περισσότερα

Reprezentácia dát. Ing. Martin Mariš, Katedra regionalistiky a rozvoja vidieka, SPU, NITRA

Reprezentácia 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 περισσότερα

TESTOVANIE ŠTATISTICKÝCH HYPOTÉZ. Zdroje: Kompendium statistického zpracování dat, VPS s r. o.

TESTOVANIE 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 περισσότερα

Vyhlásenie o parametroch stavebného výrobku StoPox GH 205 S

Vyhlásenie o parametroch stavebného výrobku StoPox GH 205 S 1 / 5 Vyhlásenie o parametroch stavebného výrobku StoPox GH 205 S Identifikačný kód typu výrobku PROD2141 StoPox GH 205 S Účel použitia EN 1504-2: Výrobok slúžiaci na ochranu povrchov povrchová úprava

Διαβάστε περισσότερα

C. Kontaktný fasádny zatepľovací systém

C. 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 περισσότερα

HASLIM112V, HASLIM123V, HASLIM136V HASLIM112Z, HASLIM123Z, HASLIM136Z HASLIM112S, HASLIM123S, HASLIM136S

HASLIM112V, 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 περισσότερα

Úvod do lineárnej algebry. Monika Molnárová Prednášky

Úvod 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 περισσότερα

MATERIÁLY NA VÝROBU ELEKTRÓD

MATERIÁLY NA VÝROBU ELEKTRÓD MATERIÁLY NA VÝROBU ELEKTRÓD Strana: - 1 - E-Cu ELEKTROLYTICKÁ MEĎ (STN 423001) 3 4 5 6 8 10 12 15 TYČE KRUHOVÉ 16 20 25 30 36 40 50 60 (priemer mm) 70 80 90 100 110 130 Dĺžka: Nadelíme podľa Vašej požiadavky.

Διαβάστε περισσότερα

Testy dobrej zhody. H 0 : f(x) = g(x) ; H 1 : f(x) g(x)

Testy 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 περισσότερα

ZADANIE 1_ ÚLOHA 3_Všeobecná rovinná silová sústava ZADANIE 1 _ ÚLOHA 3

ZADANIE 1_ ÚLOHA 3_Všeobecná rovinná silová sústava ZADANIE 1 _ ÚLOHA 3 ZDNIE _ ÚLOH 3_Všeobecná rovinná silová sústv ZDNIE _ ÚLOH 3 ÚLOH 3.: Vypočítjte veľkosti rekcií vo väzbách nosník zťženého podľ obrázku 3.. Veľkosti známych síl, momentov dĺžkové rozmery sú uvedené v

Διαβάστε περισσότερα

Riadenie elektrizačných sústav

Riadenie elektrizačných sústav Riaenie elektrizačných sústav Paralelné spínanie (fázovanie a kruhovanie) Pomienky paralelného spínania 1. Rovnaký sle fáz. 2. Rovnaká veľkosť efektívnych honôt napätí. 3. Rovnaká frekvencia. 4. Rovnaký

Διαβάστε περισσότερα

Príklady na precvičovanie Fourierove rady

Príklady 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 περισσότερα

Ing. Andrej Trnka, PhD. Základné štatistické metódy marketingového výskumu

Ing. 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 περισσότερα

Staromlynská 29, Bratislava tel: , fax: http: //www.ecssluzby.sk SLUŽBY s. r. o.

Staromlynská 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

HANA LAURINCOVÁ KLASICKÝ VS. NEPARAMETRICKÝ PRÍSTUP Štatistika Poistná matematika

HANA 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 περισσότερα

MIDTERM (A) riešenia a bodovanie

MIDTERM (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 περισσότερα

ÚLOHA Č.4 CHYBY A NEISTOTY MERANIA DĹŽKOMERY MERANIE DĹŽKOVÝCH ROZMEROV SO STANOVENÍM NEISTÔT MERANIA Chyby merania Všeobecne je možné povedať, že chyba = nesprávna hodnota správna hodnota (4.1) pričom

Διαβάστε περισσότερα

METODICKÁ SMERNICA NA AKREDITÁCIU METHODICAL GUIDELINE FOR ACCREDITATION VYJADROVANIE NEISTÔT MERANIA PRI KALIBRÁCII (EA-4/02)

METODICKÁ SMERNICA NA AKREDITÁCIU METHODICAL GUIDELINE FOR ACCREDITATION VYJADROVANIE NEISTÔT MERANIA PRI KALIBRÁCII (EA-4/02) SLOVENSKÁ NÁRODNÁ AKREDITAČNÁ SLUŽBA METODICKÁ SMERNICA NA AKREDITÁCIU METHODICAL GUIDELINE FOR ACCREDITATION VYJADROVANIE NEISTÔT MERANIA PRI KALIBRÁCII (EA-4/0) EXPRESSION OF THE UNCERTAINTY OF MEASUREMENT

Διαβάστε περισσότερα

η = 1,0-(f ck -50)/200 pre 50 < f ck 90 MPa

η = 1,0-(f ck -50)/200 pre 50 < f ck 90 MPa 1.4.1. Návrh priečneho rezu a pozĺžnej výstuže prierezu ateriálové charakteristiky: - betón: napr. C 0/5 f ck [Pa]; f ctm [Pa]; fck f α [Pa]; γ cc C pričom: α cc 1,00; γ C 1,50; η 1,0 pre f ck 50 Pa η

Διαβάστε περισσότερα

Štatistické spracovanie experimentálnych dát

Štatistické 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 περισσότερα

Definícia parciálna derivácia funkcie podľa premennej x. Definícia parciálna derivácia funkcie podľa premennej y. Ak existuje limita.

Definícia 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 περισσότερα

PREHĽAD ÚDAJOV. 1. Početnosť

PREHĽAD 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 περισσότερα

Gramatická indukcia a jej využitie

Gramatická 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 περισσότερα

Základné poznatky molekulovej fyziky a termodynamiky

Základné 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 περισσότερα

SLOVENSKO maloobchodný cenník (bez DPH)

SLOVENSKO maloobchodný cenník (bez DPH) Hofatex UD strecha / stena - exteriér Podkrytinová izolácia vhodná aj na zaklopenie drevených rámových konštrukcií; pero a drážka EN 13171, EN 622 22 580 2500 1,45 5,7 100 145,00 3,19 829 hustota cca.

Διαβάστε περισσότερα

Pravdepodobnostné modelovanie inverznými distribučnými funkciami: Charakteristiky kvantilových rozdelení

Pravdepodobnostné 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 περισσότερα

ŠTATISTICKÉ METÓDY VPRAXI

ŠTATISTICKÉ METÓDY VPRAXI TECHNICKÁ UNIVERZITA V KOŠICIACH Strojnícka fakulta ŠTATISTICKÉ METÓDY VPRAXI Miriam Andrejiová Edícia vedeckej a odbornej literatúry Košice 2016 Technická univerzita v Košiciach, Strojnícka fakulta Miriam

Διαβάστε περισσότερα

Oddělení fyzikálních praktik při Kabinetu výuky obecné fyziky MFF UK

Oddělení 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 περισσότερα

YQ U PROFIL, U PROFIL

YQ U PROFIL, U PROFIL YQ U PROFIL, U PROFIL YQ U Profil s integrovanou tepelnou izoláciou Minimalizácia tepelných mostov Jednoduché stratené debnenie monolitických konštrukcií Jednoduchá a rýchla montáž Výrobok Pórobetón značky

Διαβάστε περισσότερα

Deliteľnosť a znaky deliteľnosti

Deliteľnosť 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 περισσότερα

Pravdepodobnostné modelovanie inverznými distribučnými funkciami : Kvantilová deskriptívna analýza ako východisko ku kvantilovému modelovaniu

Pravdepodobnostné modelovanie inverznými distribučnými funkciami : Kvantilová deskriptívna analýza ako východisko ku kvantilovému modelovaniu Katedra štatistiky, Fakulta hospodárskej informatiky, Ekonomická univerzita v Bratislave Pravdepodobnostné modelovanie inverznými distribučnými funkciami : Kvantilová deskriptívna analýza ako východisko

Διαβάστε περισσότερα

Výpočet potreby tepla na vykurovanie NOVÝ STAV VSTUPNÉ ÚDAJE. Č. r. ZÁKLADNÉ ÚDAJE O BUDOVE. 1 Názov budovy: 2

Výpočet potreby tepla na vykurovanie NOVÝ STAV VSTUPNÉ ÚDAJE. Č. r. ZÁKLADNÉ ÚDAJE O BUDOVE. 1 Názov budovy: 2 Výpočet potreby tepla na vykurovanie NOVÝ STAV Č. r. ZÁKLADNÉ ÚDAJE O BUDOVE 1 Názov budovy: 2 Ulica, číslo: Obec: 3 Zateplenie budovy telocvične ZŠ Mierová, Bratislava Ružinov Mierová, 21 Bratislava Ružinov

Διαβάστε περισσότερα

Goniometrické funkcie

Goniometrické funkcie Goniometrické funkcie Oblúková miera Goniometrické funkcie sú funkcie, ktoré sa používajú pri meraní uhlov (Goniometria Meranie Uhla). Pri týchto funkciách sa uvažuje o veľkostiach uhlov udaných v oblúkovej

Διαβάστε περισσότερα

KLP-100 / KLP-104 / KLP-108 / KLP-112 KLP-P100 / KLP-P104 / KLP-P108 / KLP-P112 KHU-102P / KVM-520 / KIP-603 / KVS-104P

KLP-100 / KLP-104 / KLP-108 / KLP-112 KLP-P100 / KLP-P104 / KLP-P108 / KLP-P112 KHU-102P / KVM-520 / KIP-603 / KVS-104P Inštalačný manuál KLP-100 / KLP-104 / KLP-108 / KLP-112 KLP-P100 / KLP-P104 / KLP-P108 / KLP-P112 KHU-102P / KVM-520 / KIP-603 / KVS-104P EXIM Alarm s.r.o. Solivarská 50 080 01 Prešov Tel/Fax: 051 77 21

Διαβάστε περισσότερα

ELEKTRICKÉ POLE. Elektrický náboj je základná vlastnosť častíc, je viazaný na častice látky a vyjadruje stav elektricky nabitých telies.

ELEKTRICKÉ 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 περισσότερα

7 Derivácia funkcie. 7.1 Motivácia k derivácii

7 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 περισσότερα

Cvičenia zo ŠTATISTIKY v Exceli Kurz IPA-Slovakia, september 2008, VYHNE

Cvičenia 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 περισσότερα