Professional Documents
Culture Documents
1. UVOD
2. STATISTIKA-POJMOVI I DEFINICIJE
3. OSNOVNE TEHNIKE ZA PRIKUPLJANJE I ANALIZU PODATAKA
-liste podataka
-liste provere (check lists)
-dijagram toka (flow chart)
-Pareto
-histogram
-dijagram uzroka i posledica (Ishikawa)
-kontrolne karte
-dijagram rasprostiranja (scatter)
-analiza mogucih gresaka i ocena rizika (FMEA analiza)
4. OSNOVNE STATISTICKE METODE
Statisticki pokazatelji
-aritmeticka sredina (jednostavna, zajednicka, ponderisana)
-harmonijska
-geometrijska
-medijana-srednja vrednost
-moda-dominantna vrednost
-raspon
-standardna devijacija
-varijansa
-koeficijent varijabilnosti
-standardizovano obelezje ili z vrednost
-koeficijent asimetrije
-koeficijent spljostenosti
-granice pouzdanosti
Raspodele podataka
-normalna (Gausova)
-studentova t
-Johnsonnova
-Poassonova
-binomna
Hipoteze i testovi
-t-test (Studentov)
-F-test (Fisherov)
-Hi-kvadrat (Pearsonov)
1 UVOD
Statistika predstavlja primenu naunih matematikih principa na prikupljanje,
odabiranje, grupisanje, obradu, analizu, predstavljanje i tumaenje numerikih podataka.
Statistiari mogu svoja znanja statistikih metoda da primenjuju u raznim oblastima, kao
to su biologija, ekonomija, inenjerstvo, medicina, javno zdravlje, psihologija,
marketing, obrazovanjei sport. Mnoge ekonomske, socijalne, vojne i politike odluke
nemogue je doneti bez korienja statistikih metoda i tehnika, kao to je dizajn
eksperimenata dase dobije federalna dozvola za proizvodnju novih lekova, i sl. U
industriji, statistiari zauzimaju znaajnu ulogu u upravljanju i kontroli kvalilteta,
koristei se raznim procesima zasnovanim na analizama podataka.
2 STATISTIKA-OSNOVNI POJMOVI I DEFINICIJE
STATISTIKI SKUP- ili populacija, jeste elementarna statistika kategorija; skup svih
sluajeva, elemenata, jedinica koje imaju odreenu osobinu, obeleje koje podlee
statistikom merenju, obradi, analizi. Teorijski, moe biti definisan u bilo kojoj sferi
ivota. Primeri: studenti, socijalni problemi, autobusi, intelektualne ili fizike radnje
jednog oveka....u odreenom prostoru i vremenu (Krneta 1987)
Iz knjige
elementarne matematiake,
- objasniti nov pristup u gledanju na kvalitet i uiniti ovo shvatanje prihvatljivim
za radnike i organe odgovorne za kvalitet i
- sprovesti ozbiljan program obrazovanja uesnika, da bi se upoznali sa
metodama i tehnikama koje e se primjenjivati.
Statistike metode upravljanja kvalitetom doivljavaju punu afirmaciju pedesetih
godina
u Japanu, a u seriji standarda ISO 9000 one su obavezan zahtjev.
Praenje svakog faktora koji utie na kvalitet i uoavanje pojedinanih
sluajeva nije cilj statistikih metoda unapreenja kvaliteta. Ovim nainom praenja
zahvata se ukupno stanje i kretanje kvaliteta proizvoda u cjelini, i u sluaju potrebe,
moe se intervenisati na neke posebne pojave, sa posebnim naglaskom na analizu
procesa i sprovoenju korektivnih mjera.
Zahvaljujui statistikom gledanju na kvalitet, i pored utvrenih granica
(tolerancija) za neku karakteristiku kvaliteta, postoji i dozvoljeni procenat jednica
proizvoda, koje mogu prekoraiti ove granice. Isto tako se odreuje i utvruje
vjerovatnoa tanosti ispitanih karakteristika kvaliteta.
Upravljanje kvalitetom
128
Statistike metode i tehnike unapreenja kvaliteta podrazumevaju prikupljene
podatke, pri emu se stvara dokumentovana tradicija. Registrovanjem podataka
objektivniji je i odgovorniji odnos izvrilaca prema svom poslu.
Koristi od statistikih metoda i tehnika unapreenja kvaliteta su u
mogunostima predvienja, na bazi metoda, u objektivnom ocjenjivanju sposobnosti
procesa, u analizi procesa i donoenja mjera za poboljanje kvaliteta.
Statistike metode i tehnike unapreenja kvaliteta u ovom materijalu su
struktuisane na sljedei nain:
- izdavanje i naini prikazivanja podataka,
- dijagram rasipanja i
- kontrolne karte.
Teorija uzorkovanja i planovi prijema, iako vaan i nezaobilazan segment u
primjeni statistikih metoda i tehnika, zbog svojih specifinosti i obima nisu
obuhvaeni
u ovom materijalu. Ubjeeni smo da e izloene metode i tehnike nai uspenu
primjenu u svakodnevnom naporu koji se ulae u upravljanju procesima i
unapreenju
kvaliteta.
Podruje primjene
Naziv STATISTICKE KONTROLE PROCESA (SPC Statistical Process
Control) sugerie upotrebu statistike. Uobiajeno je razmatranje tri elementa:
STATISTIKE, PROCESA I KONTROLE.
Statistika podrazumijeva prikupljanje, predstavljanje i interpretiranje podataka.
Statistike metode obezbjeuju naine pristupanja neizvjesnim dogaajima i
predvianje rezultata. Rije *statistika* obino stvara utisak o zastraujuoj tematici,
koju mogu da prouavaju samo osobe sa dobro steenim analitikim predznanjem.
Statistiki elementi SPC programa ukljuuju prosto rukovanje podacima a
podrazumijeva tehniko razumijevanje problema . Dakle, struktuirani podaci
predstavljaju osnovu za interpretaciju posmatrane pojave odnosno problema.
Proces praktino predstavlja svaku aktivnost. Na nivou radnog mjesta proces
je kombinacija maina, ljudi, materijala, sredstava rada i okruenja. Postoji tendencija
da SPC asocira procese samo na nivo radnog mjesta, to zanemaruje njegov iri
kontekst, budui da se odnosi na bilo koje odijeljenje ili dio organizacije, bili oni
proizvodnog, uslunog, obrazovnog ili bilo kog drugog karaktera.
Kontrola - SPC poogram ukljuuje kontrolu iza koje slijedi poboljanje. Procesi
se prvo dovode pod kontrolu, a zatim poboljavaju smanjenjem varijabilnosti na
129
- spoljanji pritisak - esto puta kupci zahtjevaju uvoenje SPC programa kao
preduslov saradnje,
- interna korist koristi od uvoenja SPC programa su razliite, mnogobrojne i
u veini sluajava oigledne,
- opstanak trita konkurencija zahteva stalne promjene unutar preduzea a
prvi preduslov opstanka je prepoznavanje potreba za promjenom to SPC
programi omoguavaju i
- trokovi kvaliteta uvoenje i uvedeni SPC programi pretpostavljaju
poveane preventivne trokove (trokovi vezani za planiranje kvaliteta,
projektovanje i obuku) koji u krajnjoj instanci imaju za posljedicu smanjenje
ukupnih trokova kvaliteta.
Umjesto gaenja poara ili izdvajanja ivih od mrtvih aktivnosti treba da su
usmjerene na preventivu, odnosno na sistem koji, koliko je to mogue, omoguava
pojavljivanja greaka (teiti otklanjanjju problema na samom izvoru njegovog
nastanka). Naime, odreene procjene ukazuju da oko 30% dnevnih aktivnosti su
beskorisne. Gubi se vrijeme na provjeru tuega rada, pronalaenju dijelova koji nisu
na
svom pravom mestu unutar sistema, popravljanju karakteristika koje nisu u
granicama
dozvoljenih odstupanja, izvinjavaju uesnicima u daljem procesu rada, itd. Ova lista je
duga i predstavlja gubitak vremena, sredstava i napora. U tom smislu smanjenje
entropije procesa u direktnoj je proporciji sa smanjenjem predmetnih gubitaka.
SPC programi podrazumijevaju kontrolu i poboljanje procesa a time i tenju ka
manjoj
entropiji procesa u cjelini.
Iz izloenog se da zakljuiti da SPC, isto kao i TOC (Totalna kontrola
kvaliteta), se odnosi na sve procese sistema za razliku od SOC (Statistika kontrola
kvaliteta) koja je predmet panje samo jednog segmenta preduzea (odijelenja za
kvalitet). To nikako ne znai da i SPC i SOC ne mogu da koriste iste metode i tehnike.
Opis
Uvoenje SPC programa podrazumijeva poznavanje i korienje niza postupaka,
metoda i tehnika. U tom smislu u nastavku je dat jedan krai pregled.
- Prikupljanje i prikazivanje podataka (vrsta podataka, nain prikupljanja oblici
obrazaca, oblikovanje histograma i poligona),
- Posebne metode rjeavanja problema (ABC analiza, dijagram uzrok
posljedica, Brainstorming, FMEA, FMECA, .),
- Odreivanje mjera centralne tendencije i rasipanja (srednja vrijednost, mod,
medijana, raspon, devijacija),
- Kontrolne karte za atributivne karakteristike kvaliteta,
- Kontrolne karte za numerike karakteristike kvaliteta,
- Analiza sposobnosti procesa, itd.
Neke od metoda i tehnika, uz podrku raunarske opreme i odgovarajueg
softvera, mogu se znatno efikasnije primjenjivati. U tom pogledu potrebno je
prihvatiti
sljedee pretpostavke:
Upravljanje kvalitetom
130
- sa raunarom radite bre,
- sa raunarom radite lake,
- sa raunarom uesnik ostvaruje vie,
- vremena odgovora raunara su prihvatljiva,
- vjerovatnoa rjeenja zadataka raunarom bliska je jedinici,
- programske tehnike se izrauju modularno i dobro su dokumentovane i
- rad sa raunarom ne zahvata puteve ljudske komunikacije u radnim procesima
Kljuni aspekt SPC programa je da se dobije predvidiv proces a time predvidiv
rezultat. Polaznu osnovu za donoenje suda o predvidljivosti procesa predstavljaju
podaci, izdvojeni i obraeni na nain koji omoguava donoenje relevantnih
zakljuaka. Mogunost blieg upoznavanja naina rukovanja podacima i tumaenja
prepoznatljivih struktura podataka preduslov su uspjenog uvoenja SPC programa u
procese i sisteme.
Postupak
Bez obzira o kojoj metodi ili tehnici je rije postupak obuhvata sljedee korake:
- izbor problema i/ili procesa koji se eli analizirati,
- izbor metode ili tehnike primjerene predmetnoj potrebi,
- izdvajanje podataka,
- primjena metode ili tehnike,
- analiza dobijenih rezultata,
- predlaganje korektivnih mjera
- sprovoenje korektivnih mjera.
Razlika moe biti mala, ali ona postoji i mjerljiva je. Isto vai i u poslovnom ili
industzrijskom svijetu.
Pretjerano rasipanje (variranje) predstavlja glavni uzrok mnogih problema u
procesima rada, koji se prevazilaze tek nakon upoznavanja prirode rasipanja i naina
njegovog mjerenja .
Poto je ustanovljena neophodnost podataka iz procesa, treba naglasiti da u
mnogim organizacijama ti podaci ve postoje. Oni se mogu pojaviti u vidu listinga
(raunarom tampanih lista) koji su esto u obliku neupotrebljivom za brzo rjeavanje
problema. Na drugoj strani, mogu predstavljati parametre (karakteristike) unijete
Upravljanje kvalitetom
132
gotovo sluajnim redoslijedom u za to pripremljene obrasce. esto ovi parametri
(karakteristike), zbog pogrenog pristupa nainu izdvajanja podataka, mogu dati
pogrene analize. Namjera je bila dobro zamiljena, ali su analize bile beskorisne.
Prema tome, podaci koje je potrebno izdvojiti zavise od konkretnog tipa
problema.
U realizaciji bilo kog procesa, preporuuje se pridravanje sljedeih pravila:
nikako proces bez izdvajanja podataka,
nikako izdvajanje podataka bez analize,
nikako analize bez odluka i
nikako odluke bez akcija koje podrazumijevaju odreena
unapreenja.
U osnovi u svim procesima postoje razni oblici izdvajanja podataka ukljuujui:
-veliine direktnog izlaza ili ulaza,
-trokove neusaglaenog kvaliteta,
-podatke ekonomske prirode,
-komentare i albe korisnika,
-informacije od dobavljaa,
-preglede i izvjetaje zaposlenih itd.
Niko ne moe formirati generiku listu veliina koje treba pratiti, ali jednom,
kada se odrede objekti praenja, moraju se pretvoriti u indikatore za posmatrane
procese. Ovo ukljuuje odnose, skale, rangiranja i finansijske ili vremenske indikatore.
Nezavisno od vrste insikatora, oni moraju tano odraavati karakteristike procesa
prema razumljivoj terminologiji korisnika.
Proces izdvajanja podataka podrazumijeva da e ljudska, tehnika i poslovna
komponenta ovog procesa imati adekvatan tretman.
Ljudska komponenta je, jasno, od najvee vanosti, a kljuna podruja
provjere (gdje se izdvajanje podataka vri) su da li su:
-postupci izdvajanja podataka razumljivi za sve zaposlene u posmatranom
procesu,
-prihvaeni sa njihove strane,
-kompatibilni sa sistemema nagraivanja i
-projektovani da pruaju minimum mogunosti za manipulaciju.
Tehnika komponenta mora realno reprezentovati aspekte procesa iz koga se
izdvajaju podaci. Ona takoe mora biti tana, precizna i aurna.
Poslovna komponenta treba da zahtijeva objektivne, aurne, rezultatima
orijentisane podatke i iznad svega podatke koji imaju jasno znaenje onima koji rade
u
okviru ili oko procesa.
Izdvajanje podataka, kao i bilo koji drugi podsistem u okviru upravljanja,
zahtijeva faze projektovanja, analize, razvoja, procjene i preispitivanja .
Sistem mora biti projektovan tako da daje mogunost ocjene promjena i progresa,
inae nee inicirati ciklus poboljanja i unapreenja.
Upravljanje kvalitetom
133
VRSTE PODATAKA
Podaci se u optem sluaju javljaju u dva oblika, kao atributivni i numeriki (slika 1.1).
134
-Da li su granice kontrole postavljene korektno?
-Da li je varijabilitet smanjen?
-Da li je proces sposoban?
-Da li je u funkciji osobine koja se provjerava?
-Da li se radi o tehnolokom sistemu sa jednim ili vie vretena?
-Da li su proizvodi dva dobavljaa izmjeani?
-Da li su prisutne nelogine vrijednosti?
-Da li
Prema tome jedini pravi nain da se doe do korisnih informacija, koja inae
prua proces, je da se izdvajaju mjerljive vrijednosti, a potom u postupku poboljanja
procesa smanji njihovo variranje oko nominalne vrijednosti.
IZDVAJANJE PODATAKA
Kao prvi korak pri izdvajanju podataka treba razrijeit slijedea pitanja:
-Da li postoje podaci?
-Ako postoje, da li su raspoloivi u korektnom obliku?
-Odakle i na koji nain izdvojiti podatke?
-Koliko osoblja je raspoloivo za izdvajanje podataka i ko e to da uini?
-Kada e se i kako obaviti izdvajanje podataka?
Pitanja poput navedenih zahtijevaju to hitnije razrjeenje.
Odluke bazirane na nekim od prethodno navedenih pitanja e imati uticaja na
duinu vremenskog perioda izdvajanja podataka. Ekstremne vremenske skale
oznaavaju da je potrebno obratiti panju na nain izdvajanja podataka.
Projektovanje
odgovarajueg obrasca za izdvajanje podataka, otuda postaje znaajan faktor.
Oblik obrasca za izdvajanje podataka u sutini zavisi od tipa podataka: da li su
137
Korak 7: Odrediti kako e se izdvajati podaci
Za numerike podatke, obrazac treba da omogui unoenje vrijednosti odgovarajuih
veliina, teina, duina, visina i sl., koje se javljaju na izabranom uzorku.
PRIMJER 1: ANALIZA IZDVOJENIH PODATAKA
Uobiajeno je da prvi korak treba da predstavlja prosto biljeenje podataka
kako oni postaju raspoloivi. Na slici 1.5 je prikazan tipian skup podataka.
Podaci sa slike 1.5 predstavljaju realna oitavanja 100 jedinica koje su bile
prouavane. Oni mogu predstavljati direktna oitanja sa instrumanata za mjerenje,
zabiljeeno runo, ili rezultat oitavanja odtampan na raunaru, emu je prethodilo
njihovo unoenje u raunar. Alternativno (to je sve ei sluaj), oni mogu biti
vrijednosti
prikazane na ekranu, kao rezultat postavljenog interfejsa (sprege raunara sa
tehnolokim
sistemom) .
Raspoloiv je skup od 100 oitavamja to ne znai da veliina uzorka mora biti
uvijek 100. Na primjer, studije o sposobnosti maine ili procesa se obino izvode na
uzorcima veliine 50, jer uzorci manjih veliina ne bi pruili dovoljno informacija.
utorci
veliine 100 su dovoljno veliki da daju potrebnu sliku. Meutim nee uvijek biti
moguedobiti broj izdvojenih podataka, poput 50 ili 100, pa se u okviru tih granica
treba
iskljuivo usredsreditina sutinu informacijedobijene na bazi podataka, a ne voditi
brigu
to nema ukupno 100 izdvojenih podataka.
Izdvojeni podaci sa slike 1.5, sami za sebe, ne daju mogunost lakog
zakljuivanja o posmatranoj pojavi.
Meutim, ukoliko se posmatrani podaci poredaju po rastuem nizu (slika1.6)
odreeni zakljuci se mogu sa lakoom donijeti.
max min
===
I=ir
Potpuno odreena pravila za izbor broja podintervala r ne postoje, ali
iskustva istraivaa preporuuju da se broj r izraunava preko nekog od, u nastavku
datih obrazaca
r=n
r = 23 n
r = 1+ 3,32logn
r = 5logn
Pri
izboru broja podintervala r treba se pridravati osnovnog principa: to je
vei broj izdvojenih podataka, to treba da bude vie podintervala. Treba
izbjegavati prazne podintervale a za sluaj pretpostavljene simetrine
raspodjele preporuuje se usvajanje neparnog broja podintervala. Na primjer:
PRIKAZIVANJE PODATAKA
Na osnovama objektivnih, aurnih i rezultatima orjentisanih podataka, mogue
je sistemski i sistematski uloenim naporom predmetne podatke uiniti razumljivim i
irem krugu zainteresovanih primjenjuji advekatan nain prikazivanja podataka i to,
Histogram
Dijagram sa stupcima,
Kruni dijagram,
Polarni dijagram,
Linijski dijagram.
Histogram
Histogram se koristi za prikazivanje rasipanja i raspodjele izdvojenih, uglavnom
numerikih, karakteristika procesa. Ukazuje na postojanje i znaaj variranja u
procesima, daje mogunost poreenja rasipanja sa zadatim specifikacijama (podloga
za analizu sposobnosti procesa), odnosno daje odgovor na pitanje kako su podaci
grupisani u odnosu na nominalnu mjeru.
Postupak oblikovanja histograma se sastoji iz est koraka, i to:
Korak 1:Oznaavanje horizontalne skale
Na papiru oznaite skalu horizontalne ose. Skala ne treba da bude bazirana na
intervalu u kojem se nalaze klase podataka, ali preporuuje se da se skala na
mjernim
jedinicama u kojima se izraavaju podaci.
Na ovaj nain je olakano uporeivanje sa mnogim histogramima koji opisuju
sline karakteristike kao i poreenje sa specifikacijama (standardima). Ostavite
prazninu, priblino jednaku veliini intervala podataka, na horizontalnoj osi ispred
prvog intervala i posle poslednjeg intervala.
Korak 2: Oznaavanje vertikalnih osa
Oznaite lijevu vertikalnu osu sa skalom uestanosti, i ukoliko je potrebno,
nacrtajte desnu vertikalnu osu sa skalom relativnih uestanosti. Visina intervala sa
maksimalnom uestanou treba da bude od 0.5 do 2 puta vea od raspona.
Korak 3: Oznaavanje intervala
Dijagram sa stupcima
Dijagram sa stupcima se koristi za poreenje podataka razliitih entiteta.
Postupak oblikovanja dijagrama se sastoji iz sledea 3 koraka:
Korak 1: Odreivanje predmeta analize
Donijeti odluku koji su entiteti predmet analize i poreenja.
Korak 2: Crtanje osnove linijskog dijagrama
Zavisno od prirode, vrste i vrijednosti posmatranih entiteta, oblikovati ose i
njima pripadajue skale.
Korak 3: Unoenje vrijednosti za entitet
U dijagram, jasno, po opadajuem redoslijedu, u vidu odvojenih stubova unijeti
pripadajue vrijednosti analiziranih entiteta.
Na slici 1.13, sa odreenim sugestijama za oblikovanje, dat je primjer
dijagrama sa stupcima.
Kruni dijagram
Kruni dijagram se koristi za vizuelne prikaze procentualnog uea vrste
podataka u ukupnoj masi podataka. Udio svake vrste podataka prikazuje se isjekom
odgovarajue, srazmjerne veliine.
Postupak oblikovanja krunog dijagrama se sastoji iz etiti koraka:
Korak 1: Izvoenje i razvrstavanje podataka po vrstama
Korak 2: Izraunavanje procentualnog uea u odnosu na ukupnu masu
Korak 3: Izraunavanje pripadajuih uglova
Prema obrascu
Polarni dijagram
Polarni dijagram se koristi za vizuelne prikaze intenziteta promjena
posmatranih entiteta (proces, pojava, karaktewristika,...) u vremenu.
Postupak oblikovanja polarnog dijagrama se sastoji iz etiri koraka i to:
Korak 1: Odreivanje predmeta prikaza
Korak 2: Crtanje osnove polarnog dijagrama
Zavisi od vrste i broja izabranih entiteta, unijeti nazivne entitete i nacrtati skalu.
Korak 3: Unoenje vrijednosti na entitet na skalu
Za svaki entitet unijeti pripadajue vrijednosti.
Korak 4: Crtanje dijagrama
Spajanje taaka koje pripadaju istom vremenskom trenutku oblikovati konaan
oblik polarnog dijagrama.
Linijski dijagram
Linijski dijagram se koristi za vizuelni prikaz promjene posmatranog entiteta
(obileja, karakteristike, parametara) u vremenu.
Vrijednost posmatranog entiteta, izvorno dobijeneili sraunate, unose se u
koordinatni sistem (dijagram) ije ose predstavljaju:
Apscisa-vremenska skala (minuti,sati, dana, mjeseci, kvartali, godine) i
Ordinata-vrijednost posmatranog entiteta.
Poreenje unijetih vrijednosti se vri sa:
Vrijednostima iz prethodnog perioda,
Srednjom vrijednou ili
eljenom (ciljnom) vrijednou,
mogue je izvesti odreeno zakljuke o promjenama, odnosno
trendovima.
Postupak oblikovanja linijskog dijagrama se sastoji iz 4 koraka, i to:
Korak 1: Odrivanje predmeta prikaza
Zakljuak
Svaka od metoda ili tehnika zahtijevaju:
specifine naine izdvajanja podataka,
posebno oblikovanje obrasca za tu namjenu,
poznavanje statistike i
niz drugih relativnih inilaca.
U tom smislu do izdvojenih podataka, xavisno od metoda i tehnika koje se
koriste, moemo doI putem:
vremenske slike stanja,
intervjua,
upitnika,
mjerenja,
karte toka procesa (za numerike antributivne podatke),
karte od kuda, itd.
Dobro postavljen sistem izdvajanja i obrade podataka podazumijeva da e on
oguhvatiti kupce /korisnike, istraivanje trita, razvoj, pripremu pa sve do praenja
proizvoda i/ili usluge u ekspoatacionim uslovima.
Ako su svi zaposleni i uesnici procesa izdvajanja podataka, postoji manji
otpor sistemu i ostvaruje se pozitivan uticaj na promjene koje e natati. Uee u
procesima izdvajanja podataka jaa vezu u lancu korisnik-snadbjeva i daje timovima
za unapreivanje kvaliteta jasnije ciljeve.
Postoje vie moguih razloga loem funkcionisanju sistema izdvajanja
podataka:
OPIS
Osnovni pojmovi
U primjeni dijagrama rasipanja postoje dva vida problema, zavisno od toga
da li se istrauje:
-ZAVISNOST izmeu dvije promjenljive(dva skupa podataka),kada nezavisna
promjenljiva(X) utie i uslovljava veliinu zavisne promjenljive(Y). Tada je rije o
regresiji. Pri datom nezavisna promjenljiva je uzrok, a zavisna promjenljiva posljedica
i
cilj regresione analize je sagledavanje oekivane vrijednosti promjenljive na osnovu
date nezavisne promjenljive-na osnovu jednaine regresije, ili
-MEUZAVISNOST ili veza izmeu dvije promjenljive (dva skupa podataka),
promjenjljive(X) i promjenjljive(Y). Tada je rije o korelaciji. Cilj korelacione analize je
sagledavanje jaine veze izmeu promjenljivih na osnovu koeficijenata korelacije i
koeficijenata determinacije.
Predmet daljih razmatranja e biti korelaciona analiza i primjena dijagrama
rasipanja u analizi meuzavisnosti skupova podataka za koje se ne moe utvrditi
funkcionalna zavisnost, niti se moe iskazati precizno odreenje koji od data dva
skupa podataka predstavlja nezavisnu, a koji zavisnu promjenljivu.
Korelacija
Kako je naglaeno, korelacionom analizom moe se odrediti pokazatelj koji
samo ukazuje na jainu kvantitativnog slaganja dvije promjenljive-dva skupa
podataka
za koje je prethodnom kvalitativnom analizom utvren smisao datog istraivanja.
Upravljanje kvalitetom
151
K
ada je jedna promjenljiva uzeta kao konstantna veliina onda se radi o
parcijalnom koeficijentu korelacije prvog reda. Kod dvije promjenljive kao konstantne
veliine rije je o parcijalnom koeficijentu drugog reda itd.
Tako se na primjer, parcijalni koeficijent korelacije drugog reda izmeu prve i
druge promjenljive, uz konstantan uticaj tree i etvrte promjenljive, izraunava
pomou parcijalnih koeficijenata korelacije prvog reda prema obrascu:
gdje je
2
Y ,X varijansa regresije izraunata na osnovu empirijskih podataka, a
2
POSTUPAK
Nain primjene metode
Primjena metode DIJAGRAMA RASIPANJA sastoji se u izvoenju sljedeih
koraka:
Korak 1: Prikupljanje podataka
Potrebno je, za dva skupa veliina (X,Y) za koje postoje pokazatelji da su u
meusobnoj vezi i koje su predmet analize, prikupiti podatke za parove podatakatake
(x,y) u dijagramu rasipanja.
Preporuuje se da bude oko 30 parova podataka, a podaci se moraju zasnivati
na odreenom zajednikom obiljeju- isti uzorak, isti dio procesa rada, isti vremenski
period i slina obiljeja.
Korak 2: Crtanje dijagrama rasipanja
Postupak crtanja dijagrama rasipanja obuhvata zahtjave:
-Nacrtati koordinatni sistem (x-y), uzimajui u obzir preporuke o razmjeri
datih osa,
-Pronai maksimalnu i minimalnu veliinu podataka x i y i upotrijebiti ih za
podjelu odgovarajuih osa koordinatnog sistema;obe ose bi trebalo da budu iste
duine,
-Ucrtati parove podataka u koordinatni sistem (x-y) u obliku, na pregledan
nain oznaenih taaka.
Korak 3: Analiza oblika dijagrama
Praktine preporuke
U cilju obezbjeenja preglednosti i mogunosti donoenja pouzdanih ocena o
postojanju i karakteru meuzavisnosti skupova podataka, u primeni metode
DIJAGRAM RASIPANJA potrebno je voditi rauna o odreenim praktinim
elementima , datim u nastavku.
Veliina uzorka, izbor osa, razmjera dijagrama,oznaavanje
-Uzorak (broj parova podataka taaka) koji je uzet za osnovu crtanja
dijagrama rasipanja mora da odslikava karakteristike osnovnih skupova veliina ija
se analiza vri. Preporuuje se da bude ne manje od 30 sluajno uzetih parova
podataka,
-Podaci se moraju zasnivati na odreenom zajednikom obiljeju-isti uzorak,
isti dio procesa rada, isti vremenski period i slina obiljeja.Ako dato zajedniko
obiljeje odreuje i meusobnu uslovljevnost promjenljivih onda je za promjenljivu X
(horizontalna osa) potrebno izabrati uzorke, a za promjenljivu Y (vertikalna osa )
posljedice,
-Pri izboru razmjere dijagrama rasipanja (dimenzionisanja promjenljivih)
potrebno je zadovoljiti princip jednakosti osa . Na osama dijagrama treba da budu,u
odreenoj razmeri i podjeli , predstavljeni rasponi izmeu minimalne i maksimalne
veliine promjenljivih,
-Naglasiti razliku, ukoliko ona postoji, izmeu taaka u * oblaku taaka * na
pogodan nain. Na primjer:
- sluaj jednostruke pojave para taaka oznaka ,a
- sluaj viestruke pojave para taka oznaka
Slika 2.2.
Rangiranje promjenljivih
U odreenim sluajevima potrebno je detaljno analizirati oblik oblaka taaka
u DIJAGRAM RASIPANJA i podataka na kojima je zasnovano njegovo crtanje u
pogledu mogunosti podjele (rangiranja) promjenljivih na vie podruja. Primjer na
slici
2.4 pokazuje da se podjelom promjenljive X na dva podruja A i B ocjena o utvrenoj
meuzavisosti mijenja na sljedei nain:
-U sluaju analize bez rangiranja promjenljive X ocjena je da postoji
krivolinijska korelacija iji intenzitet bi trebalo posebno istraiti;
-U sluaju rangiranja promjenljive X na dva podruja A i B ocjena se mijenja
tako da u oba sluaja postoji pravolinijska korelacija. Potrebno je naglasiti da je
Zakljuak
Dijagram rasipanja, kako je naprijed iznijeto,ima iroku primjenu kao poseban
vid matematiko-statistkih metoda u istraivanju meuzavisnosti skupova veliina
za
koje, u skladu sa prirodom procesa rada preduzea i uslunih organizacija, ne postoje
pouzdani dokazi da stoje u direktnoj funkcionalnoj vezi.
Bezbroj je primjera procesa rada razliitih funkcija preduzea ili uslune
organizacije u kojima uesnici imaju potrebu da ocjene meuzavisnost veliina koje
su
predmet njihovog rada i za koje poseduju relevantne podatke. U najveem broju
sluajeva dovoljno je saznanje da veza o kojoj je rije postoji i saznanje o optem
karakteru veze, odnosno dovoljno je nacrtati "oblak taaka", to je zahvat za ije
izvrenje je potrebno utroiti, kako pokazuju slika 2.6 nesrazmjerno malo vremena u
odnosu na efekte koji mogu da se ostvare.
kontrolom.
Kada je proces pod kontrolom to znai da je variranje kvaliteta normalno i da je
proces proizvodnje stabilan. Kad proces nije pod kontrolom imamo nenormalno
variranje kvaliteta, ija je posledica nestabilnost procesa proizvodnje.
Kod novog proizvoda najznaajnije je ustanovljavanje tolerancija. Konstruktor
odreuje tolerancije koje esto proces proizvodnje nije u stanju da zadovolji.
Konstruktor je preko kontrolnih karata upoznat sa stvarnom sposobnou procesa i
tako moe da ''optimizira'' meusobni odnos tolerancija i sposobnost raspoloivih
sredstava za proces izrade. Uloga kontrolne karte u ovom sluaju je koordinatorska
izmeu radnika, kontrolora, tehnologa i konstruktora, to je veoma znaajno u
sistemu
upravljanja kvalitetom.
Pored svega toga, kontrolne karte pruaju objektivnu informaciju o stanju kvaliteta
rukovodeem osoblju u proizvodnji. One imaju i psiholoko dejstvo, jer proizvodni
radnik, podeiva, kontrolor, poslovoa i tehnolog dobijaju vizuelnu predstavu o
valjanosti i sposobnosti procesa proizvodnje pa doivljavaju linu satisfakciju za
Upravljanje kvalitetom
163
uspjeno obavljene poslove, ili osjeaju potrebu da preduzmu ili pokrenu korektivnu
aktivnost za otklanjanje uzroka loeg kvaliteta.
Karakteristike kvaliteta se prema nainu ocjenjivanja djele na:
numerike i
atributivne.
Numerike karakteristike kvaliteta su takva svojstva koja se ocjenjuju brojnim
vrijednostima kao na primjer: temperatura, pritisak, duina, gustina, snaga itd.
Obino
se pri tome koristi odgovarajua mjerno-kontrolna i ispitna oprema.
Atributivne karakteristike kvaliteta su takva svojstva koja se ocjenjuju opisno pa se
kae da je neto dobro ili loe, da odgovara ili ne, da ide ili ne ide itd. Vizuelna
kontrola
kvaliteta je tipino atributivno ocjenjivanje. Meutim i kod atributivnih svojstava
kvaliteta postoje mogunosti ocjenjivanja putem odgovarajue mjerno-kontrolne i
ispitne opreme.
Materija kontrolnih karata obuhvata slijedee:
podruje primjene,
osnovne matematiko statistike relacije,
kontrolne karte za numerike karakteristike kvaliteta,
kontrolne karte za atributivne karakteristike kvaliteta,
analizu sposobnosti procesa i
obradu kontrolnih karat pomou raunara.
PODRUJE PRIMJENE
164
to kontrola sama za sebe nije dovoljna nego predstavlja samo dio ciklusa
kontinualnog
procesa poboljavanja. U praksi postoje praktina i finansijska ogranienja do kojih je
mogue ii sa poboljanjima, ali konani cilj je perfekcija, odnosno rad bez greke.
Postoje etiri glavna razloga koja opredjeljuju organizaciju prilikom donoenja
odluke o uvoenju kontrolnih karata, a to su:
spoljanji pritisak kupci zahtjevaju uvoenje programa kao preduslov
saradnje,
interna korist korisne implikacije su razliite, mnogobrojne i u veini
sluajeva oigledne,
opstanak trina konkurencija zahtjeva stalne promjene unutar preduzea, a
prvi preduslov opstanka je prepoznavanje potrebe za primjenom kontrolnih
karata i
trokovi kvaliteta uvoenje kontrolnih karata pretpostavlja poveane
preventivne trokove (trokovi vezani za planiranje kvaliteta, projektovanje i
obuku) koji u krajnjoj instanci imaju za posledicu smanjenje ukupnih trokova
kvaliteta.
Umjesto ''gaenja poara'' ili ''izdvajanja ivih od mrtvih'' aktivnosti treba da su
usmjerene na preventivu, odnosno na sistem, koji onemoguava pojavljivanja
greaka
(teiti otklanjanju problema na samom izvoru njegovog nastanka).
Naime, odreene procjene ukazuju da oko 30 % dnevnih aktivnosti su beskorisne.
Gubi se vrijeme na provjeru tueg rada, pronalaenju djelova koji nisu na svom
pravom mjestu unutar sistema, popravljanju karakteristika koje nisu u granicama
dozvoljenih odstupanja, izvinjavanju uesnicima u daljem procesu rada, itd. Ova lista
je
duga i predstavlja gubitak vremena, sredstava i napora. U tom smislu smanjuje
entropije procesa u direktnoj je proporciji sa smanjenjem predmetnih gubitaka.
SPC programi podrazumjevaju kontrolu i poboljanje procesa, a time i tenju ka
manjoj entropiji procesa i sistema u cjelini.
Iz izloenog se da zakljuiti da se kontrolne karte odnose na sve procese sistema.
Kontrolne karte, uz podrku raunarske opreme i odgovarajueg softvera, mogu se
znatno efikasnije primjenjivati. U tom pogledu potrebno je prihvatiti sledee
pretpostavke:
sa raunarom radite bre,
sa raunarom radite lake,
sa raunarom uesnik ostvaruje vie,
vremena odgovora raunara su prihvatljiva,
vjerovatnoa rjeenja zadatka raunarom bliska je jedinici,
programske tehnike se izrauju modularno i dobro su dokumentovane i
rad sa raunarom ne zatvara puteve ljudske komunikacije u radnim procesima.
Upravljanje kvalitetom
165
Kod praenja bilo koje karakteristike kvaliteta dobijaju se razne vrijednosti koje
imaju svoju distribuciju (raspodjelu). Neke vrijednosti imaju veu, a neke manju
uestalost.
Standardna devijacija ima istu dimenziju kao i izmjereni rezultat. Ona je podesna kao
karakteristika rasipanja kod veeg broja rezultata.
Koeficijent varijacije je odnos standardne devijacije prema srednjoj vrijednosti i dat je
izrazom:
Vrijednost za k moe biti >0 ili <0. Kod simetrinog rasporeda je k = 0. Ako
vrijednost za koeficijente kososti nisu vee od 0,5, onda je uticaj takve kososti
zanemarljiv. Kod veeg broja podataka ova karakteristika nema znaaja i rjee se
koristi.
Na slici 3.1 prikazani su nesimetrini rasporedi frekvencija sa pozitivnom i
negativnom vrijednou koeficijenta kososti.
Rasporedi frekvencija
Kontrolom kvaliteta utvruju se numerike karakteristike kvaliteta koje su u optem
sluaju promjenljive i vrijednosti njihovih relativnih frekvencija mogu se prikazati
funkcijom. Ova kriva daje vjerovatnou pojavljivanja pojedinih promjenljivih i
uglavnom
se koriste etiri teorijska rasporeda frekvencija: hipergeometrijski, binomni, poasonov
(Poisson) i normalni (Gauss) raspored.
Kao najosnovniji raspored sa najveom primjenom u kontroli kvaliteta je Gaussov
ili normalni raspored.
p-kontrolna karta
Ova kontrolna karta se koristi za praenje proporcije loih. Kod ocjenjivanja
kvaliteta proizvodi se razvrstavaju na dobre i loe, bez obzira na razlike koje postoje
na
njihovim kvalitativnim karakteristikama. Proporcija loih se obiljeava sa p i
predstavlja :
Zakljuak
Primjena kontrolnih karata predstavlja zahvat koji trai strunije osoblje i
vremensko angaovanje, pa poveava trokove i zato kod postavljanja kontrolnih
karata treba biti racionalan.
To su grafiki prikazi variranja kvaliteta posmatrane karakteristike, gdje je
ordinata ocjenjivanje svojstava kvaliteta, a apscisa redosljed kontrolisanja.
Neadekvatna primjena kontrolnih karata u procesu:
-ne predstavlja rjeenje za obezbjeenje kvaliteta i
-dovodi do neekonominog odnosa uloenog rada prema rezultatima koji iz njega
proistiu.
U koncepciji upravljanja kvalitetom kontrolne karte nailaze na korisnu primjenu,
naroito u oblasti kontrole kvaliteta i u djelatnostima poslovanja uopte. Koriste se i
upodaci iz kontrolnih karata ne koriste za korektivne akcije onda su one nepotrebne.
Kontrolne karte treba postavljati na mjestima gdje se mogu pratiti ona svojstva
kvaliteta koja su od presudnog uticaja na upotrebnu vrijednost proizvoda.
Korienjem kontrolnih karata omogueno je:
-objektivno ocjenivanje ostvarenog kvaliteta u procesu
-utvrivanje tehnolokih sistema koji mogu da osvare zahtjevane karakteristike
kvaliteta u propisanim granicama
-utvrivanje karakteristika kvaliteta kod kojih se pojavljuju odstupanja u odnosu na
date
zahtjeve
-analizu uzroka variranja kvaliteta
-objektivno procjenjivanje uvoenja novih tehnologija i novih proizvoda
-ocjenjivanje tanosti, stabilnosti i sposobnosti procesa.
ISSN 1330-7142
UDK = 311.17: 63
sredinje crte, ali unutar kontrolnih granica. Takav izgled kontrolne karte
kazuje nam da u procesu
postoje nepravilnosti koje treba korigirati.
TREND (trend, nagib) ukoliko na kontrolnoj karti postoji sljed toaka ije
vrijednosti kontinuirano
opadaju ili rastu, ukazuje nam da proces izmie kontroli i obino je potrebito
ugoditi stroj.
PERIODICITY (periodinost) evidentna je kada se unutar procesa u istim
razmacima javljaju
promjene ciklikoga tipa.
HUGGING (dranje) nepravilnost koja se javlja kada su izmjerene vrijednosti
smjetene vrlo blizu
sredinje crte ili kontrolnih granica.
Analiziranju svake pojedine kontrolne karte treba pristupiti vrlo ozbiljno i
studiozno. Na osnovi
rezultata kontrolne karte, mogue je unaprijediti proizvodni proces, otkloniti
neeljene uzroke
varijacije, smanjiti trokove proizvodnje, a samim time i poveati dobit.
Kontrolna karta, kao sredstvo
u kombinaciji sa znanjem onih koji vode proces, zamjenjuje intuitivno
odluivanje o procesu,
donoenjem odluka na znanstvenoj osnovi.
ZAKLJUAK
Poboljanje kvalitete proizvoda mogue je postii unaprjeenjem procesa
proizvodnje koji moe biti
uinkovitiji pomou statistike kontrole kvalitete. Ista rabi statistiku analizu u
cilju praenja, kontrole
i neprekidnoga poboljavanja procesa. Niska proizvodnost, proizvodi koji ne
zadovoljavaju potrebe
trita, oteeni proizvodi i drugo rezultat su varijacija u procesu. Procjenjuje
se da je oko 94%
varijacija u procesu rezultat obinih varijacija koje su svojstveni procesu (npr.
genotipske varijacije), a
preostalih 6% varijacija posljedica su posebnih uzroka varijacije. Statistika
kontrola procesa i
kvalitete poljoprivrednih proizvoda unaprjeuje proces tako to smanjuje
uzroke varijacije u njima.
Kao osnovni alat statistike kontrole kvalitete koriste se kontrolne karte. One
slue za usporedbu
podataka o procesnom ispunjavanju funkcije s izraunatim statistikim
kontrolnim granicama
ucrtanim kao granine crte na karti. Postoji veliki broj kontrolnih karata za
mjerljiva i opisna svojstva,
koje nalaze sve vie mogunosti za primjenu u svim podrujima.
Pribliavanjem Republike Hrvatske
Europskoj uniji i prihvaanjem meunarodnih normi ISO 9000 u svakoj
proizvodnoj djelatnosti,
postavljeni su kriteriji, odnosno norme kvalitete, koje svaki proizvod mora
ispunjavati da bi mogao
DISTRIBUCIJE (RASPODELE)
Statistiki modeli u dananje vreme koriste se u raznim poljima nauke
i biznisa. Pa ipak, terminologija se razlikuje od sluaja do sluaja. Na
primer, postavljanje modela na osnovu podataka ima sinonime: kalibracija
(callibration), history matching i asimilacija podataka (data assimilation), to
je sve jedan isti pojam, poznat u statistici kao ocena parametara.
Baza svake organizacije sadri mnotvo podataka, pa ipak, koristi se
uvek samo jedan njen deo. Zaposleni troe silno vreme prikupljajui i
beleei podatke, pri emu donosioci odluka ne mogu izvui u kratkom
vremenu (kada im je to potrebno) iz tog mnotva bitne podatke za donoenje
odluka. Zbog toga se mnoge odluke donose na nagaanjima, a ne na
injenicama, i proputaju se mnoge anse, ako uopte budu prepoznate i
primeene.
Normalna
Primena: osnovna distribucija u statistici. Mnoge primene potiu od
centralne granine teoreme (prosena vrednost n opita pribliava se
normalnoj distribuciji, bez obzira na oblik originalne distribucije pod optim
uslovima). Kao posledica toga, odgovarajui model za mnoge, ali ne sve,
fizike fenomene.
Primer: Distribucija fizikih merenja na ivim organizmima, testovi
inteligencije, dimenzije proizvoda, prosene temperature, itd.
Komentari: Mnoge statistike metode pretpostavljaju normalnu distribuciju.
A so-called Generalized Gaussian distribution has the following pdf:
A.exp[-B|x|n], where A, B, n are constants. For n=1 and 2 it is Laplacian
and Gaussian distribution respectively. This distribution approximates
reasonably good data in some image coding application.
Slash distribution is the distribution of the ratio of a normal random variable
to an independent uniform random variable, see Hutchinson T., Continuous
Bivariate Distributions, Rumsby Sci. Publications, 1990.
Gama (Gamma)
Primena: Osnovna distribucija u statistici za promenljive koje su ograniene
s jedne strane-na primer x vee ili jednako od nule. Daje distribuciju
vremena potrebnog za pojavljivanje tano k nezavisnih dogaaja u
konstantnim intervalima. esto se koristi u teoriji redova ekanja,
pouzdanosti i drugim primenama u industriji.
Primer: distribucija vremena izmeu ponovnih kalibracija instrumenata
kojima je potrebna rekalibracija posle k korisnika; vrme izmeu ponovnog
popisa; vreme pada sistema sa stendbaj komponentama
Komentari: Erlangian, eksponencijalna, hi-kvadrat distribucija su specijalni
sluajevi ove. Dirihleova je multidimenziona ekstenzija Beta distribucije.
Distribution of a product of iid uniform (0, 1) random? Like many problems
with products, this becomes a familiar problem when turned into a problem
about sums. If X is uniform (for simplicity of notation make it U(0,1)), Y=log(X) is exponentially distributed, so the log of the product of X1, X2, ...
Xn is the sum of Y1, Y2, ... Yn which has a gamma (scaled chi-square)
distribution. Thus, it is a gamma density with shape parameter n and scale 1.
Eksponencijalna (Exponential)
Primena: Daje distribuciju vremena izmeu pojavljivanja dva nezavisna
dogaaja u konstantnom periodu. Ekvivalentno tome, verovatnoa
distribucije ivota, pod pretpostavkom konstantnog uslovnog neuspeha (ili
hazarda????). Primenljiva u mnogim, ali ne svim problemima pouzdanosti.
Primer: Distribucija vremena izmeu dolaska dve estice na brojau.
Takoe, distribucija veka trajanja kompleksnih nonredundant sistema, i
korienja ivota nekih kompomnenti posebno u sluaju, kada su ove
izloene poetnom burn-in, i prevenciono odravanjeeliminie delove pre
wear-out.
Komentari: Specijalni sluaj Weibull i gamma distribucije.
Beta
Primena: Osnovna distribucija u statistici za promenljive koje su ograniene
s obe strane-npr x izmeu 0 i 1. Korisna i za teorijske i za praktine
probleme u mnogim oblastima.
Primer: Distribucija % populacije smetene izmeu najmanje i najvee
vrednosti u uzorku; distribucija dnevnog % yield u procesu proizvodnje,
opis preostalog vremena do zavretka zadatka (PERT).
Komentari: Uniformna, desna trougaona i parabolika distribucija su
specijalni sluajevi. Da bise generisala beta, potrebno je generisati dve
sluajne promenljive iz gama, g1, g2. Razlomak g1/(g1 +g2) se raspodeljuje
po beta distribuciji. Beta distribucija se takoe moeposmatrati kao
distribucija X1 datog (X1+X2), gde su X1 i X2 nezavisne gama sluajne
promenljive.
Takoe postoji veza izmeu beta i normalne distribucije. Uobiajeni raun
dat je kao PERT beta sa najveom vrednosti b i najmanjom a, kao i m,
ekvivalent normalne districbucijeima medijanu i modu (a + 4M + b)/6 i
standardnu devijaciju (b - a)/6.
See Section 4.2 of, Introduction to Probability by J. Laurie Snell (New
York, Random House, 1987) for a link between beta and F distributions
(with the advantage that tables are easy to find).
Uniformna
Cauchy
Application: Gives distribution of ratio of two independent standardized
normal variates.
Example: Distribution of ratio of standardized noise readings; distribution
of tan(x) when x is uniformly distributed.
Chi-square
The probability density curve of a chi-square distribution is asymmetric
curve stretching over the positive side of the line and having a long right tail.
The form of the curve depends on the value of the degrees of freedom.
Applications: The most widely applications of Chi-square distribution are:
Chi-square Test for Association is a (non-parametric, therefore can be used
for nominal data) test of statistical significance widely used bivariate tabular
association analysis. Typically, the hypothesis is whether or not two different
populations are different enough in some characteristic or aspect of their
behavior based on two random samples. This test procedure is also known as
the Pearson chi-square test.
Chi-square Goodness-of-fit Test is used to test if an observed distribution
conforms to any particular distribution. Calculation of this goodness of fit
test is by comparison of observed data with data expected based on the
particular distribution.
Weibull
Application: General time-to-failure distribution due to wide diversity of
hazard-rate curves, and extreme-value distribution for minimum of N values
from distribution bounded at left.
The Weibull distribution is often used to model "time until failure." In this
manner, it is applied in actuarial science and in engineering work.
It is also an appropriate distribution for describing data corresponding to
resonance behavior, such as the variation with energy of the cross section of
a nuclear reaction or the variation with velocity of the absorption of
radiation in the Mossbauer effect.
Example: Life distribution for some capacitors, ball bearings, relays, and so
on.
Diskriminaciona analiza
Multidimenzionalno skaliranje
Analiza pridruivanja (Conjoint analysis)
Regresiona analiza
Analitiki hijerarhijski proces
Za svaku od ovih metoda i tehnika se daju konkretna uputstva vezana za:
odreivanje vrste podataka
izbor modela,
pripremu podataka,
izbor parametara obrade,
izbor prikaza rezultata,
tumaenje rezultata,
odluke koje se na osnovu toga mogu doneti