Zavod za industrijsko inenjerstvo

Kvantitativne metode u
Industrijskom inenjerstvu

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

sastavna podruja Industrijskog inenjerstva (Gavriel Salvendy):

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Neka podruja obuhvaena pojmom kvantitativnih metoda:

Snimanje postojeeg stanja (VSM)
Rudarenje podacima (Data mining)
Analiza prikupljenih informacija o procesima
Statistike metode:
Probabilistiki modeli
Testiranje statistikih hipoteza (potpora odluivanju)
Korelacijska i regresijska analiza
Multivarijatne statistike metode
Planiranje i analiza pokusa
Optimiranje:
Linearno programiranje i optimizacija
Cjelobrojno programiranje
Nelinearno programiranje
Eksperimentalno optimiranje
Metode kontrole kvalitete
Analiza vremenskih nizova i prognoziranje
Transportni problemi
Analiza rizika
Raunalne simulacije
Monte Carlo simulacije
Modeliranje stohastikih procesa
Supply chain management

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner
 Zavod za industrijsko inenjerstvo

Temeljna znanja iz kvantitativnih metoda na smjeru ind. inenjerstva:

1. Inenjerska statistika
2. Planiranje pokusa
3. Optimiranje
4. Kontrola kvalitete

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

1. INENJERSKA STATISTIKA
Podruja inenjerske statistike:
Kombinatorika i vjerojatnost
Deskriptivna statistika
Raspodjele podataka
Teorija uzoraka
Testiranje statistikih hipoteza
Analiza varijance
Korelacijska i regresijska analiza

Kombinatorika i vjerojatnost
Sluajni dogaaj dogaaj koji se pod nekim okolnostima moe ali i ne mora dogoditi.
Slue pri odreivanju vjerojatnosti sluajnih dogaaja
Modeli u kombinatorici:
Permutacije (bez ponavljanja i s ponavljanjem)
Varijacije (bez ponavljanja i s ponavljanjem)
Kombinacije
Sloene kombinacije

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Primjer iz kombinatorike:

Primjer 1: Koliko treba ispuniti nizova da bi se u LOTU 7/39 sigurno dobila sedmica?

NAPOMENA: budui da nije bitan redoslijed odabiranja (izvlaenja) kuglica

radi se o kombinacijama.

Primjer iz vjerojatnosti:

Primjer 2: Bacamo kocku i novi. Kolika je vjerojatnost da e kocka pokazati broj 6

i novi pasti na glavu?

1 1 1 1 1
P(broj 6) ; P('glava') P('glava' i '6')
6 2 6 2 12

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Upotreba teorije vjerojatnosti na primjeru iz prakse:

Primjer 3: U kritinom dijelu nekog sustava vano je da je barem jedna pumpa u

stanju ispravnog rada kako ne bi dolo do zastoja. Ako su vjerojatnosti
ispravnog rada (pouzdanost) svake pumpe R=0,99 kolika je vjerojatnost da
sustav funkcionira ispravno?

Budui da je P(ispravnog rada)+P(zastoja)=1

moemo pisati sljedee:
P(ispravnog rada) 1-P(zastoja);
P(zastoja) Q(pumpa1) Q(pumpa2) Q(pumpa3)
P(ispravnog rada) 1-0,01 0,01 0,01 0.999999

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Deskriptivna statistika

opisivanje podataka iz uzorka ili populacije u formi osnovnih parametara,

identifikacija procesa
grafika obrada empirijskih podataka:

Histogram Histogram Histogram of x1 Boxplot of x1; x2

12
7 40
20
10 6

Cumulative Frequency
35
8 5 15

Frequency
Frequency

Data
6 30
10
3
4
2
5 25
2
1

0 0 0 20
0 1 2 3 4 5 22 24 26 28 30 22 24 26 28 30 32 34 x1 x2
C1 x x1

fi Stem Leaf Pie Chart of x Dotplot of x Cause-and-Effect Diagram

Category Measurement Material Personnel
5 s

2 21 02 1;
1;2;0,5%
0,5%
1,0%
7; 3,5%
6
4
3 Kriva Krivo
Veliina
2

4 22 3349 31; 15,5%

0
1
veliina postavljen

papira
81; 40,5% papira papir

5 23 12589
poklopca nejasne

4 24 5678
zraku
zatvaranja papira

u nakon podeavanje

0 1 2 3 4 5 6
2 25 48
papir za
77; 38,5%
Vlaga
x Pomaknut Oznake

Environment Methods Machines

1 26 4 Each symbol represents up to 3 observations.

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

numerika obrada empirijskih podataka

mjere poloaja:
aritmetika sredina suma svih elemenata u populaciji podijeljena sa brojem
elemenata populacije (teite n paralela sa mehanikim modelom)
xi
x aritm. sredina uzorka i 1
n
mod podatak (ili razred) koji ima najveu frekvenciju
medijan 50% podataka je manje, a 50% vee od te vrijednosti

kvantili - vrijednosti numerikog obiljeja koje niz ureen po veliini dijele na q

jednakih dijelova
Kvartili

Decili

Percentili

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

interpretacija mjera poloaja u praksi:

Primjer: Izraun prosjene mjesene plae u RH. Mjere poloaja su bitno razliite
u ovisnosti o samoj strukturi podataka. Mogue manipulacije terminima i
pogreno tumaenje istih.

Ako se govori o prosjeku na razini aritmetike sredine: x 5493 kn

Uzimajui medijan kao relevantnu mjeru: xMED 4300 kn
Kada se koristi mod: xMOD 2900 kn

mjere rasipanja:
standardna devijacija prosjeno odstupanje svakog podatka od arit. sredine
varijanca 2 prosjeno kvadratno odstupanje svakog podatka od arit. Sredine
n

(x x )
i
2

2 i 1
2
n
koeficijent varijacije, V meusobno usporeivanje varijabilnosti pojava
ili svojstava - pokazuje koliki odnos vrijednosti aritm. sredine
iznosi vrijednost standardne devijacije (u %)
raspon, Rx razlika najvee i najmanje vrijednosti u nekom nizu podataka

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Raspodjele podataka
Raspodjele podataka za diskretna obiljeja
Raspodjele podataka za kontinuirana obiljeja
Teorijske raspodjele podataka

Distribution Plot
Poisson; Mean=2,3
0,30
0,265
0,25

0,20
Probability

Binomial; n=18; p=0,1

0,15
0 1 2 3 4 5 6 7
0,30 0,284
0,10

0,25
0,05
0,20
Probability

0,00
0 2 8
0,15 X

0,10

0,05

0,00
0 1 2 3 4 5 6 7
X

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Poisson-ova raspodjela primjer upotrebe (Operations research)

Primjer: Tijekom drugog svjetskog rata London je gaan projektilima V1. Britance je
zanimalo kako iz podataka o padanju projektila zakljuiti da li je rije o gaanju
nasumce ili se cilja neka toka u Londonu.
- London je podijeljen na 576 sektora
- U vremenskom periodu promatranja palo je 537 projektila

Chart of Observed and Expected Values

Poisson mean for x = 0,928819
250 Expected
Observed Poisson Contribution
x Observed Probability Expected Chi-Sq
200 0 229 0,395020 226,74 0,009479
1 211 0,366902 211,39 0,000533
150
2 93 0,170393 98,54 0,269846
3 35 0,052755 30,62 0,700380
Value

4 7 0,014931 7,14 0,041860

100 5 (6,7..) 1 1,57

50
TEST:
N N* DF Chi-Sq P-Value
576 0 3 1,02210 0,796
0
x 0 1 2 3 >=4
- podaci se ponaaju po Poisson-ovoj razdiobi!
- zakljuak - V1 nije imao navoenje
Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner
 Zavod za industrijsko inenjerstvo

Normalna raspodjela
prvi definirao Abraham de Moivre
upotrijebio Gauss (Gauss-ova raspodjela)
najee koritena raspodjela ak 33% procesa u prirodi slijedi zakon normalne
raspodjele
funkcija gustoe vjerojatnosti normalne raspodjele f(x):
2
1 x
1
2

f ( x) e za - x
2
vjerojatnosti ispod normalne raspodjele N{, 2}:

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

primjena normalne raspodjele:

Primjer: Pretpostavimo da se izmjerena jakost struje u vodiu pokorava zakonu
normalne raspodjele sa oekivanjem =10 mA i varijancom 2=4 mA2. Kolika je
vjerojatnost da e jakost struje premaiti 13 mA?

Normal; Mean=10; StDev=2

5,0 7,5 10,0 12,5 15,0 17,5 ( x ) (13 10)

z z 1,5

0,20
2
0,15
P( x 13) P( z 1,5) 1 P( z 1,5) 0,06681
Density

0,10

0,05 Normal; Mean=0; StDev=1

-3 -2 -1 0 1 2 3
0,4
0,00
5,0 7,5 10
10,0 13
12,5 15,0 17,5
X
0,3

Density
0,2

0,1

0,0668

0,0
-3 -2 -1 0 1 1,5 2 3
z

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

definicija krivulje uestalosti kvarova u tehnikim sustavima (krivulja mortaliteta):

I. period djeje bolesti 1. raspodjela e-t

II. period normalne eksploatacije, sluajni kvarovi 2. raspodjela uniformna
III. period zbog troenja dijelova, vremenski kvarovi 3. raspodjela normalna

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Teorija uzoraka i testiranje statistikih hipoteza

T.S.H. predstavlja postupak donoenja odluke na bazi uzorka
uzorak, n podataka: x1, x2, ... , xn
rezultati se uzorka mogu shvatiti kao toka u
n-dimenzionalnom prostoru
prostor se moe podijeliti na dva meusobno disjunktna dijela
(koji se iskljuuju), dio A i dio B
Postavljaju se dvije hipoteze
H0: nulta hipoteza
H1: alternativna hipoteza
dio B
(odbacivanje H0)

dio A
(prihvaanje H0)

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

testiranje hipoteze na primjeru (t-test uzorak-osnovni skup)

Primjer: Ugovorom je propisano da odreena poiljka alata mora imati
tvrdou 60HRC. Iz poiljke izuzet je uzorak od 8 elemenata te je
nad njim izvreno ispitivanje tvrdoe. Podaci su dani u tablici.
Potrebno je testirati hipotezu: Da li na temelju uzorka moemo
zakljuiti da je oekivana tvrdoa alata u poiljci jednaka
propisanoj. Neka je razina povjerenja P=0,95.

59,4 59,6 61,2 60,2 60,4 59,6 58,8 58,5

H 0 : 60HRc
H1 : 60 HRc
x 59,2
s 0,535; sx 0,189
x 59, 2 60
t 4, 23
sx 0,189
k n 1
t0 2,365
0,05
t t0 odbaciti H 0 i prihvatiti H1

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Analiza varijance
Postupak usporedbe vie uzoraka pri emu svaki uzorak predstavlja osnovni skup
(populaciju)
U tehnikim i proizvodnim uvjetima analiza varijance predstavlja postupak provjere
djelovanja promjene stanja nekog faktora na mjerenu vrijednost rezultat
Analizom varijance provjeravaju se promjene aritmetikih sredina uzoraka
Primjena ANOVA metode u praksi:
Primjer - vrstoa papira (psi) u ovisnosti o udjelu tvrdog drva u smjesi, u %
udiotvrdogdrva,%
mjerenja
5 10 15 20
1 7 12 14 19
2 8 17 18 25 f (F )
3 15 13 19 22
4 11 18 17 23
5 9 19 16 18 kb = 3; kn = 20
6 10 15 18 20
Sumapouzorcima 60 94 102 127
Ar.sredinauzorka 10 15.67 17.00 21.7
1
0.01
suma srednji
kvadrata stupnjevi kvadrat
izvorvarijacije odstupanja slobode odstupanja Fra. F0(=0.01) F
F 0 = 4.94
faktor:
udiotvrdogdrva
382.79 3 127.60 19.61 4.94
Fra. > F0 odbaciti H0
sluajnoodst.u
130.17 20 6.51
uz vj. pogreke 1. vrste
= 0.01
uzorcima(ostatak)

UKUPNO: 512.96 23

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Korelacijska analiza

Mjera povezanosti dvije ili vie varijabli metoda kojom se utvruje da li meu
varijablama postoji funkcionalna ovisnost
Pearson-ov koeficijent korelacije r moe poprimiti vrijednost od -1.00 do +1.00
r<0 definira negativnu korelaciju
r>0 definira pozitivnu korelaciju
SMJER POVEZANOSTI
Metoda korelacije prati odstupanja i usporeuje varijacije dvaju ili vie varijabli te mjeri
odnose meu varijacijama. jakost veze
Regresijska analiza

Odreuje oblik krivulje koja najbolje opisuje zadane podatke

Oblik povezanosti varijabli: Linearna povezanost ili krivolinijska
Kod regresijske analize se zna to je uzrok a to posljedica (zavisna, nezavisna
varijabla)
Osnovni problem ove metode je odrediti koeficijente regresije
Regresijska analiza: jednostavna linearna regresija; nelinearna regresija
(linearizacija); viestruka regresija

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

primjena korelacijske i regresijske metode

PRIMJER U nekom istraivanju mehanikih svojstava nekog alatnog elika
utvreni su podaci o mikrostrukturnom sastavu (volumnom udjelu
jedne od faza) i tvrdoi, prema tablici. Utvrditi ima li ovisnosti
izmeu ove dvije varijable i kakvog je ona oblika.

Volumni udio faze x [%] 1.2 1.4 1.8 2.1 2.9 3.6 4.2 5.1
tvrdoa, y [HRC] 66 65 64 64 62 61 60 57

Regression Analysis: Tvrdoca versus Udio faze_

The regression equation is

Tvrdoca = 68,2 - 2,09 Udio faze_

Predictor Coef SE Coef T P

Constant 68,1995 0,3618 188,52 0,000
Udio faze_ -2,0895 0,1173 -17,81 0,000

S = 0,437523 R-Sq = 98,1% R-Sq(adj) = 97,8%

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Analysis of Variance

Source DF SS MS F P
Regression 1 60,726 60,726 317,23 0,000
Residual Error 6 1,149 0,191
Total 7 61,875

Udio
Obs faze_ Tvrdoca Fit SE Fit Residual St Resid
1 1,20 66,000 65,692 0,242 0,308 0,84
2 1,40 65,000 65,274 0,225 -0,274 -0,73
3 1,80 64,000 64,438 0,193 -0,438 -1,12
4 2,10 64,000 63,812 0,174 0,188 0,47
5 2,90 62,000 62,140 0,155 -0,140 -0,34
6 3,60 61,000 60,677 0,182 0,323 0,81
7 4,20 60,000 59,424 0,227 0,576 1,54
8 5,10 57,000 57,543 0,312 -0,543 -1,77

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

2. PLANIRANJE POKUSA
Visoki zahtjevi koje suvremeno trite postavlja na sve aspekte kvalitete
proizvodnih i tehnolokih procesa zahtijevaju uporabu razliitih metoda kontrole i
upravljanja kvalitetom kako u procesima proizvodnje tako i u njihovu projektiranju
Uz ve uobiajene metode i tehnike upravljanja kvalitetom, sve se vie koristi i
metodologija planiranja i analize pokusa (Design of Experiments), koja se pokazala
vrlo uinkovitom, posebice ele li se postii optimalna rjeenja kako u
funkcionalnim znaajkama proizvoda tako i u pogledu parametara odvijanja
tehnolokog i proizvodnog procesa
odnosi se na procedure planiranja istraivanja koja se temelje na statistikom
ocjenjivanju rezultata ispitivanja kako bi se, s odreenom razinom povjerenja,
donosili zakljuci o znaajkama procesa ili proizvoda
metode planiranja pokusa najee se primjenjuju u istraivanju utjecajnih faktora
na karakteristike procesa ili proizvoda
Primjenom neke od procedura planiranja pokusa postiu se velike utede ljudskih,
vremenskih i financijskih resursa

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Francis Bacon (1561.1626.), filozof, znanstvenik, povjesniar, koristio jednofaktorske pokuse

ponavljanje pokusa
John Bennet Lawes zanimao se za utjecaj vrste gnojiva na koliinu uroda
1842. godine zajedno s s Joseph Henry Gilbert osnovao Rothamsted Experimental Station
1843. godine zapoeli su prvu seriju eksperimenata glavni cilj je bio mjeriti efekte na poljima
usjeva pognojenih organskim i anorganskim gnojivom
1919. godine Sir Ronald Aylmer Fisher zaposlio se u Rothamsted Experimental Station, te
poeo prouavati dotada sakupljene podatke o eksperimentima
1925. godine Fisher objavljuje knjigu pod nazivom Statistical Methods for Research Workers
definirao osnovne pojmove vezane uz pokuse:
ponavljanje (repetiton; replicates),
sluajnost pri izvoenju pokusa (randomization),
blokovi,
aliasi
1935. godine Fisher objavljuje knjigu pod nazivom Design of Experiments od tada je izraz
Design of Experiments u slubenoj upotrebi
Poetkom 20-og stoljea pokusi sa smjesama se pojavljuju u poljoprivrednoj industriji, industriji
guma te industriji sapuna

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Model pokusa

kontrolirani faktori Faze pri izvoenju pokusa

w1 w2 ... wp 1. Definirati problem i cilj istraivanja
... 2. Odabrati utjecajne faktore i njihove razine
3. Odabrati mjerene vrijednosti (izlazne
varijable)
x1 y1
4. Odabrati model pokusa
x2 y2
Proces, problem 5. Izvesti pokus (predpokus, glavni pokus)
...

...
: :
ym
6. Analizirati rezultate
xm
7. Formulirati zakljuke i prijedloge
ulazi izlazi
(faktori, (mjerne
...
varijable) vrijednosti,
rezultati)
z1 z2 ... zp
nekontrolirani faktori
(poremeaji)

Primjer : Kokice za mikrovalnu

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

3. METODE OPTIMIRANJA
Eksperimentalno optimiranje, nakon provedenog i analiziranog plana
pokusa direktno optimiranje svojstava proizvoda i procesa
Matematiko optimiranje metode optimiranja kada su funkcije cilja i
ogranienja unaprijed poznate i eksplicitno izraene

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Eksperimentalno optimiranje primjer : Siluminski odljevci

Matematiko programiranje:
Linearno programiranje
L.P. je kvantitativna znanstvena metoda kojom se od veeg
broja moguih alternativnih rjeenja izabere ono koje je optimalno
za neki definirani kriterij optimalnosti
Postupak koji se pri tome koristi omoguava odreivanje svih
vrijednosti niza varijabli povezanih ogranienjima, koje daju
ekstremnu vrijednost (maksimum ili minimum) linearne funkcije
cilja.
Nelinearno programiranje
Kvantitativna znanstvena metoda koja izabire optimalno rjeenje iz
domene varijabli povezanih ogranienjima koje daju optimum
funkcije cilja nelinearnog karaktera
Transportni problem
Cjelobrojno programiranje

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Linearno programiranje (grafika metoda)

Primjer: Za zadanu funkciju cilja F(X)=30x1+20x2 potrebno je grafiki pronai
maksimalnu vrijednost, ako su zadana sljedea ogranienja:

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Trendovi u podruju industrijskog inenjerstva

Dva osnovna smjera razvoja proizvoda i procesa objedinjavanjem i
uporabom kvantitativnih metoda :

Poboljanje proizvodnih procesa na principu LEAN proizvodnje vitka

proizvodnja

Poveanje kvalitete uporabom 6 sigma metodologije

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

6 sigma metodologija

slovo grkog alfabeta

mjera varijabilnosti nekog procesa (koji se ponaa prema normalnoj razdiobi)
k razina kvalitete govori o uestalosti moguih pogreaka uz unaprijed definirane
granice tolerancije specifikcije!

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Rezultat, iskazan u ppm (dpmo)

-1.5 +1.5
DGS GGS

Granice specifikacije: Sukladnih % Nesukladnih (ppm)

1
30,23 697.700
2
69,13 308.700
3
93,32 66.810
4
99,3790 6.210
5
99,97670 233
6
99,999660 3,4
Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner
 Zavod za industrijsko inenjerstvo

Uobiajena razina kvalitete 99% sukladnih proizvoda i usluga znai:

20.000 izgubljenih potanskih poiljki na sat

15 min/dan zagaenje pitke vode
5.000 nekorektno izvedenih medicinskih zahvata na tjedan
2 nekorektno prizemljena zrakoplova dnevno
(u glavnim zranim lukama)
200.000 pogreno propisanih lijekova godinje
bez elektrine energije cca 7 sati/mjesec

Ako odigrate 100 partija golfa godinje i igrate na razini preciznosti:

2 sigma promait e te 6 putt-ova po partiji

3 sigma promait e te 1 putt po partiji
4 sigma promait e te 1 putt svakih 9 partija
5 sigma promait e te 1 putt svake 2.33 godine
6 sigma promait e te 1 putt svakih 163 godine

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Stopa nesukladnosti i razina kvalitete - unapreenje

ppm 10 puta UNAPREENJE

30 puta

70 puta

N. razdioba centrirana

+ + N. razdioba
pomaknuta za 1.5

razina kvalitete

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Poela 6 programa
MOTOROLA, 1987 (Bill Smith, reliability engineer)
Uvoenje programa 6 inicirano krizom izazvanom jakom
konkurencijom, nedovoljnom kvalitetom proizvoda i usluga i visokim
trokovima!
1995 MOTOROLA primila prestinu nagradu za kvalitetu (Malcom
Baldrige Quality Award)
Prema propozicijama MBQA iskustva objavljena i podijeljena s
drugima!!!
Kasnije: GENERAL ELECTRIC
CEO Jack Welch izjavio: Six Sigma je bila najizazovnija inicijativa ikada
poduzeta u General Electricu!
1997. GE objavio godinju korist: $ 300 miliona prihoda,
najava i realizacija za 1998.: UDVOSTRUENJE
Slijedili: ABB, Bombardier, Lockheed Martin, IBM, Allied Signal, KODAK,
VOLVO,

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

6 DMAIC MODEL

D Definiraj ciljeve aktivnosti unapreenja

M Izmjeri postojei sustav (nain rada, proces)

A Analiziraj sustav (proces) radi utvrivanja mogunosti

eliminiranja razlike dananjih performansi sustava ili procesa i
eljenog cilja

I Unaprijedi sustav, proces

C Kontroliraj (upravljaj) novi sustav

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Metodologija rjeavanja problema

Faza 1:
Odredi (Define)

Faza 2:
Karakterizacija
Izmjeri (Measure)

Faza 3:
Strategija
Analiziraj (Analyze)
ralanjivanja

Faza 4:
Unaprijedi (Improve)
Optimiranje
Faza 5:
Upravljaj (Control)

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

METODE, TEHNIKE, ALATI U PROJEKTIMA 6

D faza:
Pareto analiza
blok-dijagrami procesa

M faza:
Analiza mjernog sustava: mjerna nesigurnost
Analiza podataka: deskriptivna statistika
Rudarenje podataka (Data mining)
Pareto analiza
Karta izvoenja (run) procesa

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

A faza:
dijagram uzrok posljedica
dijagram stabla greka (fault tree diagrams)
mozgovne oluje (brainstorming)
karte povijesti (ponaanja) procesa (SPC)
blok-dijagrami procesa
enumerativna statistika (testiranje hipoteza)
nepristrane i intervalne procjene
FMEA, QFD, stablo greaka,
simulacijski modeli i metode
planiranje i analiza pokusa (DOE Design of Experiments)

I faza
metode operacijskih istraivanja (LP, ND, teorija igara, )

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Vee kompanije koje su uvele 6 razinu kvalitete u svoje poslovanje

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner

 Zavod za industrijsko inenjerstvo

Kvantitativne metode potpora odluivanju!

Industrijsko inenjerstvo 2013. Dr. sc. Hrvoje Cajner