wykład część 2
Transkrypt
wykład część 2
. o w ć ś i l d • a , z r a o u u o r p e c s o n e w w a ę c z n a ę c e r z p t k d t d j d b i l t i • w m s y s z w e e r z p n e m w y u y e a i k t d ć i i t ż l N . a n n a o w y i k c o a ą r a m a n e w o p o ę s y u s o p y e n a c a u s y e a i ś k j i i d i d i ć ż ł ż l i j t j i k t W . a n n a o w y i k c o a m o o z p y n w a e c z o s e c o n o g z e w o y n e c o w ą a s o i ś k j i i k t j i ś d j t d P . y n a r z w a w y y m a g a u s u u r w y t ć b ) ł b l b ó ( , u o r p n e m yr w o g e n c z g o o n c e s u e c o r p m a c o w o m t k d t ó t k i l h t i i ś i l ż , a u u o r p u e o r p z m c y ą a n w y m a n ga m a w y t k d t k j i j k i i i • • y z ę m c o n o g z e n a a s e y z n a a e ą o s d i i ś d i d b t j i l j t t t I . . s s y n a a y a p c a s s e c o r p g n a u s e c r o p c o n o y w ą z a n ) i l t i l i b ( i ś l d i l A . u y n r k r w n e m ó t . o m e n e m e e m y n o s s e p o r a ą t l t t i t j ) X ( ć ś t W X t i d o u ę g z w ez u u o r p ą c o w a w ą n az c z s u o p ą z s ę w a n s e p d l t k d i ś i l d l d k i j t j ) X ( p(X) ≤ po(X) g h ż l d ż ć b ż i t k d z n y c s o n g a ą n n i i , o w n r e n s e a o n n e s p u a y p z r m p y n r e o n w y z c e c e gn y z r s z o ć ś ó i t j i ł k d t k k i i t e z s w az c ę w s e u s e oc r p c o n o y w y z a n a e z n y c s y a s m e e i t j i ś l d i l j t t t l C , s a m o a n u u o r p . t i t t k d e n n e m z c o r a w c y n a ą o p e n m r e o z o p s e X j i i ś t h d ż i i b d t j e c s o n e w e z n y c s o n g a e n n e m z e n a w o w r s e o ą c az a r e s e x e z g t d j X j t i d j i j b j i l t j i d − s e y c n o r a a n o r y e o m u u o z e m z e d r − i j k j i t k g X p c p e c o n e w o g n e r a m a n p(X) = P(x ∈ X ) (2) (5) o c ą u p ę s a n a y m e u n e z p m e o m y s y m y z c a z n o o w a j t j j i i f d i ) X ( l b ć ś i l d W . , ą z n c y s o n g a ę c e c ą z c y n e o p a n u ę g z w z e u u t i d h d j d l t k d r a n e m u r s c o w a w e n a w ez c o e w a s o p a n a n a n e oc s e u s e oc r o p p i i t i ś i l d j i k i t d i t j , m a c o w o m u e o r p m a n a g a m y w y z ę m o n o g z e y m a i i ś i l ż i t k j i i d i ć ś d ż ż ó ł Z r X = {0;1}, X = {0}, ο + : o c ą p u ę s a n u ę s ą a w a s e z p j t t i j i t d , X = {1} − y o r z e y w o p e n a w o n e z c ę w a ż i b j i i f d i k T X ,X+ i X ο y w y w y c o c o a ga h i ś k j ń i a ma l i k t d j d n e p s e n a s o n e g 1 w y w y e o c o a a n a g a m a n e p s a s o n e g i ś k j i i l k t d j d 0 x= − : y u g e e r c ą p u ę s a n ł j j t , g u e w y c n a w o e n r e g x c a ac z a e o r a w o s o a n n e m z ł d h ) ( h j i l X l i , , 3 a w o n y e o e z r s e c e c u a g e g a r e c ę z c o a y ec c k d j t j h t ) j i ś ( b l h e n a a m e z a o r m y w o z c u a p y z p r m y n a a w z o r ż j d b b b i l k d W . u u r o p c w o c a w t k d i ś i ś ł e n e c o e n w y n a r e a y z r p u s e c r o p c n o o y w e n a a t t i j l i ś l d i d B n . i ś i l b ó e z : r p z ą c o w a w s e w = e s n o e a c a r o s e zn . k t d j j k f t t J / i k u0 = b ó i ś i l d t j i d : a s po ć t s e a s y z r o y w a n m o . a m a w o s e a c n u u a p y z p r m y n a a wz o r u c n o z c o e c r h i l d g w p w c y w a w t t j k f k d ż W t t ć t k ż , e w o r e z y z e p o c a y e r w o o a n z c e n z c e a s o s e a r p e j t i h i j k i f d t i l i t t d t j k b ó i l ś J e n wy a n e r a y z e po c e o w j t t l t i h b c a s po e w o e r z y z e po c a y e r w o e c o s w ę s a z a w o p r s u s e c o p r i t j t i h i j k i f d i t i i d c n o o y w e n a a u u o p r c o w c a w y n e c o e n wy a n e r a u a p y z p r i ś l d i d b t k d i ś i ś ł j t t l k d W p(X) = P(x ∈ X ) = P(x = 1) − Ho: p(X) ≤ po (X) H1: p(X) > po(X) w − p0 ( x ) w(1 − w ) n u r o z w e z a n y w s e c o p r y n a a k i d b , z e z p r g o e n a w o e r n e g u u o r p a n e m u r s o w a w c n e w e s n o t k d i i t ć ś i l d i j k k W d l u z y C z ę g w ) % 1 z ( 1 0 e t k 0 u d u r o ć . i k i l f k 0 0 a w 0 = n 1 o w a i c o ś z a a z c n i o l n mo y e w o j z n c g s o c e l o o n b r p w ó c e s e c i l e e y i ś t t i i i ć i d c o n o s e m o z o p a n z a w r o p z e r p y e a n e n a w 5 o 0 o s 0 n . . = α w ż l i k i , m ż ó a c y w a w e s o n e z = o n z o e a z n ż ł Z ? h i l d k t d j 2 1 i l , y ś r o p y j n a w l n y o w d r o w e o k s a j o ż i l h t b . o p = ) ( i e m X p ć ś w i o l d z o o p a n o i a ą w l z n c a z n o l s p s a u t u d o a X ą s n n e m z a n i z k i ę j w a N Przykład Po podstawieniu wartości do wzoru mamy: u0 = 0.012 − 0.01 = 0.5808 0.012 * 0.988 1000 Z tablic statystycznych odczytujemy wartość krytyczną u0.05 = 1.645. Ponieważ uo = 0.5808 < u0.05 = 1.645 przeto nie ma podstaw do odrzucenia hipotezy, że p(x) ≤ 0.01. Badany proces technologiczny należy więc zakwalifikować jako wydolny.# 1 x − µ 2 1 f ( x) = exp − 2π 2 σ f(x) 68,26% 95,45% 99,73% -3 σ -2σ -σ µ +σ +2 σ +3 σ x Wartości ϕ(u) dystrybuanty rozkładu normalnego (0,l) u 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0.9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 0,00 0,500 0 ,5398 ,5793 ,6179 ,6554 ,6915 ,7257 ,7580 ,7881 ,8159 0,841 3 ,8643 ,8849 ,9032 ,9192 ,9332 ,9452 ,9554 ,9641 ,9713 0,977 2 ,9821 ,9861 ,9893 ,9918 ,9938 ,9953 ,9965 ,9974 ,9981 0,01 0,504 0 ,5438 ,5832 ,6217 ,6591 ,6950 ,7290 ,7611 ,7910 ,8186 0,843 8 ,8665 ,8869 ,9049 ,9207 ,9345 ,9463 ,9564 ,9649 ,9719 0,977 9 ,9826 ,9864 ,9896 ,9920 ,9940 ,9955 ,9966 ,9975 ,9982 0,02 0,508 0 ,5478 ,5871 ,6255 ,6628 ,6985 ,7324 ,7642 ,7939 ,8212 0,846 1 ,8686 ,8888 ,9066 ,9222 ,9357 ,9474 ,9573 ,9656 ,9726 0,978 3 ,9830 ,9868 ,9898 ,9922 ,9941 ,9956 ,9967 ,9976 ,9982 0,03 0,512 0 ,5517 .5910 ,6293 ,6664 ,7019 ,7357 ,7673 ,7967 ,8238 0,848 5 ,8708 ,8907 ,9082 ,9236 ,9370 ,9484 ,9582 ,9664 ,9732 0,978 8 ,9834 ,9871 ,9901 ,9925 ,9943 ,9957 ,9968 ,9977 ,9983 0,04 0,516 0 ,5557 ,5948 ,6331 ,6700 ,7054 ,7389 ,7704 ,7995 ,8264 0,850 8 ,8729 ,8925 ,9099 ,9251 ,9382 ,9495 ,9591 ,9671 ,9738 0,979 3 ,9838 ,9875 ,9904 ,9927 ,9945 ,9959 ,9969 ,9977 ,9984 0,05 0,519 9 ,5596 ,5987 ,6368 ,6736 ,7088 ,7422 ,7734 ,8023 ,8289 0,853 1 ,8749 ,8944 ,9115 ,9265 ,9394 ,9505 ,9599 ,9678 ,9744 0,979 8 ,9842 ,9878 ,9906 ,9929 ,9946 ,9960 ,9970 ,9978 ,9984 0,06 0,523 9 ,5636 ,6026 ,6406 ,6772 ,7123 ,7454 ,7764 ,8051 ,8340 0,855 4 ,8770 ,8962 ,9131 ,9279 ,9406 ,9515 ,9608 ,9686 ,9750 0,980 3 ,9846 ,9881 ,9909 ,9931 ,9948 ,9961 ,9971 ,9979 ,9985 0,07 0,527 9 ,5675 ,6064 ,6443 ,6808 ,7157 ,7486 ,7794 ,8078 ,8340 0,857 7 ,8790 ,8980 ,9147 ,9292 ,9418 ,9525 ,9616 ,9693 ,9756 0,980 8 ,9850 ,9884 ,9911 ,9932 ,9949 ,9962 ,9972 ,9779 ,9985 0,08 0,531 9 ,5714 ,6103 ,6480 ,6844 ,7190 ,7517 ,7823 ,8106 ,8365 0,859 9 ,8810 ,8997 ,9162 ,9306 ,9429 ,9535 ,9625 ,9699 ,9761 0,981 2 .9854 ,9887 ,9913 ,9934 ,9951 ,9963 ,9973 ,9980 ,9986 0,09 0,535 9 ,5753 ,6141 ,6517 ,6879 ,7224 ,7549 ,7852 ,8133 .8389 0,862 1 ,8830 ,9015 ,9177 ,9319 ,9441 ,9545 ,9633 ,9706 ,9767 0,981 7 ,9857 ,9890 ,9916 ,9936 ,9952 ,9964 ,9974 ,9981 ,9986 Kwantyle u(p) rzędu p rozkładu normalnego (0,l) p 0,90 0,95 0,975 0,99 0,995 u(p) 1,28 1,64 1,96 2,33 2,58 Badanie wydolności procesu przy liczbowej ocenie właściwości produktu Załóżmy obecnie, że liczbowym obrazem pojedynczej (użytkowej lub technicznej) cechy produktu, jest ciągła zmienna losowa X, którą potraktujemy jako zmienną diagnostyczną. W takiej sytuacji + podzbiór wartości pożądanych X przybiera postać przedziału liczbowego na osi badanej zmiennej, nazywanego przedziałem tolerancji. Przedział ten będziemy oznaczać symbolem Xo. W przedziale tolerancji wyróżnia się często wartość optymalną (najbardziej pożądaną) xo ∈ Xo. Przedział tolerancji może być ograniczony obustronnie [xd ; xg ] albo jednostronnie (a; xg] [xd; b) Wartości a i b nie są tu ograniczeniami w sensie wymagań jakościowych. Są one uwarunkowane formalnymi własnościami przyjętej skali pomiarowej, albo nawet technicznymi własnościami zastosowanego instrumentarium pomiarowego. Jeśli - na przykład - badaniu podlega procentowe stężenie jakiegoś składnika w produkcie, to a = 0%, b = 100%. Ustalmy uwagę na przypadku, gdy zmienna ta ma rozkład normalny. Mamy więc X ~ N(M;σ) gdzie σ oznacza odchylenie standardowe, będące miarą zróżnicowania własności produktu ze względu na zmienną X, natomiast M jest zbiorem możliwych do uzyskania wartości µ. Zakładamy więc - zgodnie z techniczną naturą rozważanego problemu - że odchylenie standardowe (σ) jest ustalone, natomiast na wartość oczekiwaną (µ) można w pewnych granicach oddziaływać poprzez wybór odpowiednich parametrów funkcjonowania urządzenia produkcyjnego. W świetle przedstawionych powyżej zależności, między projektem i procesem technologicznym zachodzi zgodność, gdy P(x ∉ Xo) = p(X) ≤ po(X) (18) P(x ∈ Xo) = 1 - p(X) ≥ 1 - po(X) (19) albo Przykład Załóżmy, że wymagania techniczno-marketingowego projektu produktu są następujące: Xo = [10;20], xo = 15, po(X) = 0.03 (3%). Produkt ma być wytwarzany w procesie technologicznym o następujących możliwościach: µ ∈ M = [12;16], σ = 2 Czy proces ten jest wystarczająco wydolny? Ponieważ xo ∈ M, przeto można przyjąć, że xo = µ = 15. Wykorzystując elementarne własności rozkładu normalnego, mamy: p(X) = P(X < 10) + P(X > 20) = Φ[(10-15)/2] + 1 Φ[(20-15)/2]= = Φ(-2.5) + 1 - Φ(2.5) = 0.00621 + 1 - 0.99379 = = 2*0.00621 = 0.01242 (1.2%) Ponieważ p(X) = 1.2% < po(X) = 3% przeto zachodzi zgodność miedzy wymaganiami projektu i możliwościami procesu technologicznego. Uregulowany proces technologiczny będzie generował strumień produktu o wadliwości 1.2%, podczas gdy największa dopuszczalna wadliwość wynosi 3%. # Sypki produkt paczkowany jest automatycznie w postaci torebek o nominalnej zawartości x0=200g, przy czym dopuszcza się odchylenia -4g i +2g. Ustalono, że rzeczywista zawartość torebki jest zmienną losową o normalnym rozkładzie prawdopodobieństwa o odchyleniu standardowym σ = 2g. Wartość przeciętną tej zmiennej (µ) można ustalić na dowolnym poziomie w przedziale od 190g do 210g. Ocenić wydolność maszyny do paczkowania, jeśli chcemy by frakcja torebek nie mieszczących się w przedziale tolerancji nie przekraczała 5%. Zalecenia norm międzynarodowych dotyczące oceny wydolności procesu (PN-ISO 3542-2) gdzie PCI 6σ U −L = 6σ lub PCI σ = L – dolna granica przedziału tolerancji U – górna granica przedziału tolerancji σ- odchylenie standardowe zmiennej losowej o rozkładzie normalnym U −L σ Wykorzystując dotychczasowe oznaczenia można zapisać: PCI 6σ = x g − xd lub PCI σ = x g − xd przy czym PCI 6σ = PCI σ 6 6σ σ Jeżeli PCIσ < 6 lub PCI6σ < 1, to istnieje niska względna zdolność procesu; Jeżeli 6 < PCIσ < 8 lub 1< PCI6σ < 1,33, to istnieje średnia względna zdolność procesu; Jeżeli PCIσ > 8 lub PCI6σ > 1,33, to istnieje wysoka względna zdolność procesu; Warunki stosowalności: -Zmienna losowa X, charakteryzująca możliwości procesu technologicznego ma rozkład zbliżony do normalnego -Przedział tolerancji, charakteryzujący wymagania procesu, jest ograniczony obustronnie - Wartość nominalna jest położona centralnie w przedziale tolerancji -Spełniona jest zależność x0=µ = m0, gdzie mo= (xd+xg)/2 Przykład Zbadać wydolność procesu wiedząc, że: Wymagania projektu: X+= [10;20], x0 = 15, p0(X) = 0,03 Możliwości procesu: µ ∈ [12; 16], σ = 2 Rozwiązanie: PCI6σ = (20 -10)/(6⋅2) = 10/12 = 0,833 (proces technologiczny jest niewydolny) Badanie wydolności przy jednostronnym ograniczeniu przedziału tolerancji Jeżeli przedział tolerancji ograniczony jest jednostronnie i zmienna diagnostyczna jest: - destymulantą jakości to wówczas można wykorzystać charakterystykę: CPU = (xg - µ)/3σ - stymulantą jakości to wówczas można wykorzystać charakterystykę: CPU = (µ - xd)/3σ Badanie wydolności przy uchylonym założeniu µ = x0=mo I etap: Wyznaczenie współczynnika korekcyjnego: k= x0 − µ min{( x g − x0 ), ( x0 − xd )} Jeżeli µ = x0 ≠ m0, to wówczas do wzoru w miejsce x0 należy podstawić m0. II etap Wyznaczenie skorygowanego wskaźnika wydolności: Cpk = Cp(1-k) W sytuacji, gdy: µ = x0 ≠ m0, skorygowany wskaźnik wydolności można wyznaczyć ze wzoru: C pk = C p − m0 − µ 3σ = x g − xd 6σ − m0 − µ 3σ Przykład Zbadać wydolność procesu wiedząc, że: Wymagania projektu: X+= [10;20], x0 = 12, Możliwości procesu: µ ∈ [12; 16], σ = 2 Rozwiązanie: C pk = C p − m0 − µ 3σ = x g − xd 6σ − m0 − µ 3σ = = 20 − 10 15 − 12 4 − = = 0,333 6⋅2 3⋅ 2 12 lub k= m0 − µ 0 min{( x g − m0 ), ( m0 − xd )} = 15 − 12 min{( 20 − 15), (15 − 10)} = 3 = 0,6 5 Cp = (20 – 10)/12 = 10/12 Cpk = Cp(1-k) = 10/12 (1-0,6) = 4/12 = 0,333 (proces ten nie jest wydolny)