مرور موضوعی به همراه کلیپ های آموزشی
2- #نمودار_پارتو
3- #نمودار_علت_و_معلول (استخوان ماهی - ایشی کاوا)
5- #نمودار_پراکندگی
6- #نمودار_هیستوگرام
@minitab_class
2- #نمودار_پارتو
3- #نمودار_علت_و_معلول (استخوان ماهی - ایشی کاوا)
5- #نمودار_پراکندگی
6- #نمودار_هیستوگرام
@minitab_class
مرور موضوعی به همراه کلیپ های آموزشی
3- #نمودار_علت_و_معلول(استخوان ماهی - ایشی کاوا)(کلیپ2)
برای رسم این نمودار باید ابتدا عیب مورد نظر را از روی نمودار پارتو شناسایی کرده و سپس عوامل به وجود آورنده آن را در ستون های جداگانه در MINITAB ثبت کنید.
با کمک ابزار Cause_and_effect می توانید نمودار استخوان ماهی را رسم کنید.
@MINITAB_class
3- #نمودار_علت_و_معلول(استخوان ماهی - ایشی کاوا)(کلیپ2)
برای رسم این نمودار باید ابتدا عیب مورد نظر را از روی نمودار پارتو شناسایی کرده و سپس عوامل به وجود آورنده آن را در ستون های جداگانه در MINITAB ثبت کنید.
با کمک ابزار Cause_and_effect می توانید نمودار استخوان ماهی را رسم کنید.
@MINITAB_class
(یادآوری) در نمودار پراکندگی به صورت شماتیک میزان رابطه بین دو متغیر رو می تونید ببینید.👇
https://telegram.me/minitab_class/105
—------------—
برای بدست آوردن مقدار ضریب همبستگی از خصوصیت Correlation در Minitab استفاده می کنیم.👇
کلیپ4
@MINITAB_class
https://telegram.me/minitab_class/105
—------------—
برای بدست آوردن مقدار ضریب همبستگی از خصوصیت Correlation در Minitab استفاده می کنیم.👇
کلیپ4
@MINITAB_class
Telegram
Minitab
شکل51
6- #نمودار_هیستوگرام
برای رسم نموار هیستوگرام دو مولفه بسیار مهم است:
1. تعداد ستون های نمودار هیستوگرام(k).
2. عرض هر ستون(w).
قبل از رسم نمودار باید با توجه به تعداد نمونه ها این دو پارامتر رو تخمین بزنیم.
برای تخمین تعداد ستون های هیستوگرام از شکل 56 استفاده کنید.
و برای مشخص کردن عرض هر ستون یا Bin باید از فرمولی که در شکل 57 مشاهده می کنید استفاده کنید.
در Minitab با انتخاب نمونه ها هیستوگرام رسم میشه.
با داشتن مقادیر k و w می تونید بعد از رسم نمودار هیستوگرام به پنجره تنظیماتش رفته و تعداد ستون ها (k) و عرض ستونها (w) رو تغییر داد.
در کلیپ بعدی (کلیپ5) نحوه رسم نمودار هیستوگرام و نحوه تغییر k و w در این نمودار را مشاهده خواهید کرد.
@MINITAB_class
برای رسم نموار هیستوگرام دو مولفه بسیار مهم است:
1. تعداد ستون های نمودار هیستوگرام(k).
2. عرض هر ستون(w).
قبل از رسم نمودار باید با توجه به تعداد نمونه ها این دو پارامتر رو تخمین بزنیم.
برای تخمین تعداد ستون های هیستوگرام از شکل 56 استفاده کنید.
و برای مشخص کردن عرض هر ستون یا Bin باید از فرمولی که در شکل 57 مشاهده می کنید استفاده کنید.
در Minitab با انتخاب نمونه ها هیستوگرام رسم میشه.
با داشتن مقادیر k و w می تونید بعد از رسم نمودار هیستوگرام به پنجره تنظیماتش رفته و تعداد ستون ها (k) و عرض ستونها (w) رو تغییر داد.
در کلیپ بعدی (کلیپ5) نحوه رسم نمودار هیستوگرام و نحوه تغییر k و w در این نمودار را مشاهده خواهید کرد.
@MINITAB_class
7- #نمودارهای_کنترلی
فلسفه نمودارهای کنترلی
با ابزارهایی که تا به حال بیان شد، مشخصه کیفی مورد نظر را شناسایی می کنیم
پس از شناسایی مشخصه کیفی، باید به بهبود آن بپردازیم.
با نمودارهای کنترل می توان دلایل تصادفی را از دلایل غیرتصادفی تشخیص داد و فرآیند را تحت کنترل درآورد.
انحرافات فرایند تولید:
* تصادفی
* بادلیل
فرایند کنترلی تحت کنترل می باشد 𝑯_𝟎:
فرایند کنترلی تحت کنترل نمی باشد 𝑯_𝟏:
@MINITAB_class
فلسفه نمودارهای کنترلی
با ابزارهایی که تا به حال بیان شد، مشخصه کیفی مورد نظر را شناسایی می کنیم
پس از شناسایی مشخصه کیفی، باید به بهبود آن بپردازیم.
با نمودارهای کنترل می توان دلایل تصادفی را از دلایل غیرتصادفی تشخیص داد و فرآیند را تحت کنترل درآورد.
انحرافات فرایند تولید:
* تصادفی
* بادلیل
فرایند کنترلی تحت کنترل می باشد 𝑯_𝟎:
فرایند کنترلی تحت کنترل نمی باشد 𝑯_𝟏:
@MINITAB_class
7- #نمودارهای_کنترلی
فلسفه نمودارهای کنترلی
در نمودارهای کنترلی باید همواره میانگین و انحراف معیار بررسی شود و تحت کنترل باشد و روندی تصادفی داشته باشد.
برای اجرای نمودارهای کنترلی دو فاز وجود دارد:
1- هرگونه روند و یا علت غیرتصادفی را شناسایی کرده و آنها را برطرف می کنیم و وقتی فرایند تحت کنترل قرار گرفت، میانگین و انحراف معیار مشخصه کیفی متغیر مورد بازرسی را تخمین می زنیم.
2- تشخیص هرگونه تغییر در میانگین و انحراف معیار مشخصه کنترلی که در فاز 1 تخمین زده بودیم.
@MINITAB_class
فلسفه نمودارهای کنترلی
در نمودارهای کنترلی باید همواره میانگین و انحراف معیار بررسی شود و تحت کنترل باشد و روندی تصادفی داشته باشد.
برای اجرای نمودارهای کنترلی دو فاز وجود دارد:
1- هرگونه روند و یا علت غیرتصادفی را شناسایی کرده و آنها را برطرف می کنیم و وقتی فرایند تحت کنترل قرار گرفت، میانگین و انحراف معیار مشخصه کیفی متغیر مورد بازرسی را تخمین می زنیم.
2- تشخیص هرگونه تغییر در میانگین و انحراف معیار مشخصه کنترلی که در فاز 1 تخمین زده بودیم.
@MINITAB_class
7- #نمودارهای_کنترلی
فلسفه نمودارهای کنترلی
مراحل تهیه نمودارهای کنترلی:
قدم اول:
تعیین خطاهای نوع #α و #β
قدم دوم:
انتخاب #گروههای_منطقی
قدم سوم:
انتخاب #زیرگروه_منطقی
@MINITAB_class
فلسفه نمودارهای کنترلی
مراحل تهیه نمودارهای کنترلی:
قدم اول:
تعیین خطاهای نوع #α و #β
قدم دوم:
انتخاب #گروههای_منطقی
قدم سوم:
انتخاب #زیرگروه_منطقی
@MINITAB_class
7- #نمودارهای_کنترلی
فلسفه نمودارهای کنترلی
قدم اول:
تعیین خطاهای نوع #α و #β
شکل84
خطای نوع اول را نسبت به حدود کنترل در شکل 83 مشاهده می کنید.
@MINITAB_class
فلسفه نمودارهای کنترلی
قدم اول:
تعیین خطاهای نوع #α و #β
شکل84
خطای نوع اول را نسبت به حدود کنترل در شکل 83 مشاهده می کنید.
@MINITAB_class
7- #نمودارهای_کنترلی
فلسفه نمودارهای کنترلی
قدم اول:
تعیین خطاهای نوع #α و #β
خطای نوع اول در نمودارهای کنترلی همان اعلام خطرهای اشتباهی است.
مثال:
اگر خطای نوع اول 0.0027 باشد. یعنی به طور متوسط از هر 10000 نقطه، 27 نقطه به صورت تصادفی از حدود کنترل بیرون می افتد که ما به اشتباه فرایند را خارج از کنترل اعلام می کنیم، در حالیکه فرایند تحت کنترل است.
α=0.0027 => P(𝑍<𝑘)=1-0.00135=0.99865
𝑍_0.99865=𝑘=3
UCL= 𝜇_𝜃+3𝜎_𝜃
CL=𝜇_𝜃
LCL= 𝜇_𝜃−3𝜎_𝜃α=0.0027 => P(𝑍<𝑘)=1-0.00135=0.99865
𝑍_0.99865=𝑘=3
UCL= 𝜇_𝜃+3𝜎_𝜃
CL=𝜇_𝜃
LCL= 𝜇_𝜃−3𝜎_𝜃
در صنایع مهم و حساس α را افزایش و حدود کنترل را تنگ تر می کنند.
در نمونه گیری در این حالت نقاط بیشتری بیرون حدود کنترلی می افتد و مابیشتر به دنبال دلایل آن می گردیم و اگر تغییری در فرایند باشد سریع تر آن را کشف می کنیم.
@MINITAB_class
فلسفه نمودارهای کنترلی
قدم اول:
تعیین خطاهای نوع #α و #β
خطای نوع اول در نمودارهای کنترلی همان اعلام خطرهای اشتباهی است.
مثال:
اگر خطای نوع اول 0.0027 باشد. یعنی به طور متوسط از هر 10000 نقطه، 27 نقطه به صورت تصادفی از حدود کنترل بیرون می افتد که ما به اشتباه فرایند را خارج از کنترل اعلام می کنیم، در حالیکه فرایند تحت کنترل است.
α=0.0027 => P(𝑍<𝑘)=1-0.00135=0.99865
𝑍_0.99865=𝑘=3
UCL= 𝜇_𝜃+3𝜎_𝜃
CL=𝜇_𝜃
LCL= 𝜇_𝜃−3𝜎_𝜃α=0.0027 => P(𝑍<𝑘)=1-0.00135=0.99865
𝑍_0.99865=𝑘=3
UCL= 𝜇_𝜃+3𝜎_𝜃
CL=𝜇_𝜃
LCL= 𝜇_𝜃−3𝜎_𝜃
در صنایع مهم و حساس α را افزایش و حدود کنترل را تنگ تر می کنند.
در نمونه گیری در این حالت نقاط بیشتری بیرون حدود کنترلی می افتد و مابیشتر به دنبال دلایل آن می گردیم و اگر تغییری در فرایند باشد سریع تر آن را کشف می کنیم.
@MINITAB_class
7- #نمودارهای_کنترلی
فلسفه نمودارهای کنترلی
قدم اول:
تعیین خطاهای نوع #α و #β
خطای نوع دوم در نمودارهای کنترلی همان ریسک مصرف کننده و احتمال عدم کشف تغییر خواهد بود.
شکل85
معمولا α را 0.0027 در نظر می گیرند ولی در صنایع حساس آن را افزایش می دهند.
@MINITAB_class
فلسفه نمودارهای کنترلی
قدم اول:
تعیین خطاهای نوع #α و #β
خطای نوع دوم در نمودارهای کنترلی همان ریسک مصرف کننده و احتمال عدم کشف تغییر خواهد بود.
شکل85
معمولا α را 0.0027 در نظر می گیرند ولی در صنایع حساس آن را افزایش می دهند.
@MINITAB_class