Professional Documents
Culture Documents
Kvantitativne metode u
Industrijskom inenjerstvu
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
Primjer iz kombinatorike:
Primjer 1: Koliko treba ispuniti nizova da bi se u LOTU 7/39 sigurno dobila sedmica?
Primjer iz vjerojatnosti:
1 1 1 1 1
P(broj 6) ; P('glava') P('glava' i '6')
6 2 6 2 12
Deskriptivna statistika
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
2 21 02 1;
1;2;0,5%
0,5%
1,0%
7; 3,5%
6
4
3 Kriva Krivo
Veliina
2
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
Decili
Percentili
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
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
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
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}:
0,10
Density
0,2
0,1
0,0668
0,0
-3 -2 -1 0 1 1,5 2 3
z
dio A
(prihvaanje H0)
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
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
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
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
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
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
Model pokusa
...
: :
ym
6. Analizirati rezultate
xm
7. Formulirati zakljuke i prijedloge
ulazi izlazi
(faktori, (mjerne
...
varijable) vrijednosti,
rezultati)
z1 z2 ... zp
nekontrolirani faktori
(poremeaji)
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
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
6 sigma metodologija
-1.5 +1.5
DGS GGS
30 puta
70 puta
N. razdioba centrirana
+ + N. razdioba
pomaknuta za 1.5
razina kvalitete
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,
6 DMAIC MODEL
Faza 1:
Odredi (Define)
Faza 2:
Karakterizacija
Izmjeri (Measure)
Faza 3:
Strategija
Analiziraj (Analyze)
ralanjivanja
Faza 4:
Unaprijedi (Improve)
Optimiranje
Faza 5:
Upravljaj (Control)
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
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, )