Upload
others
View
20
Download
0
Embed Size (px)
Citation preview
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
Kvantitativne metode u „Industrijskom inženjerstvu”
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
• sastavna područja Industrijskog inženjerstva (Gavriel Salvendy):
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
• Neka područja obuhvaćena pojmom kvantitativnih metoda:• Snimanje postojećeg stanja (VSM) • Rudarenje podacima (Data mining)• Analiza prikupljenih informacija o procesima• Statističke metode:
Probabilistički modeli Testiranje statističkih hipoteza (potpora odlučivanju) Korelacijska i regresijska analiza Multivarijatne statističke 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• Računalne simulacije
Monte Carlo simulacije Modeliranje stohastičkih procesa
„Supply chain management” …
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
• Temeljna znanja iz kvantitativnih metoda na smjeru ind. inženjerstva:1. Inženjerska statistika2. Planiranje pokusa3. Optimiranje4. Kontrola kvalitete
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
1. INŽENJERSKA STATISTIKA
• Područja inženjerske statistike:− Kombinatorika i vjerojatnost− Deskriptivna statistika− Raspodjele podataka− Teorija uzoraka− Testiranje statističkih hipoteza− Analiza varijance− Korelacijska i regresijska analiza
Kombinatorika i vjerojatnost• Slučajni događaj – događaj koji se pod nekim okolnostima može ali i ne mora dogoditi.
Služe pri određivanju vjerojatnosti slučajnih događaja• Modeli u kombinatorici:
− Permutacije (bez ponavljanja i s ponavljanjem)− Varijacije (bez ponavljanja i s ponavljanjem)− Kombinacije− Složene kombinacije
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
• Primjer iz kombinatorike:
Primjer 1: Koliko treba ispuniti nizova da bi se u LOTU 7/39 sigurno dobila „sedmica”?
NAPOMENA: budući da nije bitan redoslijed odabiranja (izvlačenja) kuglicaradi se o kombinacijama.
( 3 9 )
7
3 9 3 9 !K = = = 1 5 3 8 0 9 3 7
7 ( 3 9 - 7 ) ! × 7 !
Primjer 2: Bacamo kocku i novčić. Kolika je vjerojatnost da će kocka pokazati broj 6 i novčić pasti na ‘glavu’?
1 1 1 1 1P(broj 6) ; P('glava') P('glava' i '6')6 2 6 2 12
• Primjer iz vjerojatnosti:
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
Primjer 3: U kritičnom dijelu nekog sustava važno je da je barem jedna pumpa ustanju ispravnog rada kako ne bi došlo do zastoja. Ako su vjerojatnostiispravnog rada (pouzdanost) svake pumpe R=0,99 kolika je vjerojatnost dasustav funkcionira ispravno?
Budući da je P(ispravnog rada)+P(zastoja)=1možemo pisati sljedeće:
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
• Upotreba teorije vjerojatnosti na primjeru iz prakse:
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
Deskriptivna statistika
• opisivanje podataka iz uzorka ili populacije u formi osnovnih parametara, identifikacija procesa
• grafička obrada empirijskih podataka:
543210
12
10
8
6
4
2
0
C1
Freq
uen
cy
Histogram
3028262422
7
6
5
4
3
2
1
0
x
Freq
uen
cy
Histogram
34323028262422
20
15
10
5
0
x1
Cu
mu
lati
ve F
req
uen
cy
Histogram of x1
x2x1
40
35
30
25
20
Dat
a
Boxplot of x1; x2
fi Stem Leaf
2 21 0 2
4 22 3 3 4 9
5 23 1 2 5 8 9
4 24 5 6 7 8
2 25 4 8
1 26 4
5643201
Category
81; 40,5%
77; 38,5%
31; 15,5%
7; 3,5%2; 1,0%1; 0,5%1; 0,5%
Pie Chart of x
6543210x
Dotplot of x
Each symbol represents up to 3 observations.
Environment
sMeasurement
Methods
Material
Machines
Personnel
papir
postavljen
Krivo
nejasne
papira
podešavanje
za
Oznake
papira
veličina
Kriva
poklopca
zatvaranja
nakon
papir
Pomaknut
papira
Veličina
zraku
u
Vlaga
Cause-and-Effect Diagram
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
• numerička obrada empirijskih podataka mjere položaja:
− aritmetička sredina – suma svih elemenata u populaciji podijeljena sa brojem elemenata populacije (težište – paralela sa mehaničkim modelom)
− mod – podatak (ili razred) koji ima najveću frekvenciju− medijan – 50% podataka je manje, a 50% veće od te vrijednosti
− kvantili - vrijednosti numeričkog obilježja koje niz uređen po veličini dijele na q jednakih dijelova
1aritm. sredina uzorka
n
ii
xx
n
Kvartili
Decili
Percentili
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
− interpretacija mjera položaja u praksi:
Primjer: Izračun „prosječne” mjesečne plaće u RH. Mjere položaja su bitno različiteu ovisnosti o samoj strukturi podataka. Moguće manipulacije terminima ipogrešno tumačenje istih.
Ako se govori o prosjeku na razini aritmetičke sredine:
Uzimajući medijan kao relevantnu mjeru:
Kada se koristi mod:
5493 knx 4300 knMEDx
2900 knMODx
mjere rasipanja:
− standardna devijacija σ – prosječno odstupanje svakog podatka od arit. sredine
− varijanca σ2 – prosječno kvadratno odstupanje svakog podatka od arit. Sredine2
2 21
( )
n
ii
x x
n
− koeficijent varijacije, V – međusobno uspoređivanje varijabilnosti pojava ili svojstava - pokazuje koliki odnos vrijednosti aritm. sredine iznosi vrijednost standardne devijacije (u %)
− raspon, Rx – razlika najveće i najmanje vrijednosti u nekom nizu podataka
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
Raspodjele podataka• Raspodjele podataka za diskretna obilježja• Raspodjele podataka za kontinuirana obilježja• Teorijske raspodjele podataka
0,30
0,25
0,20
0,15
0,10
0,05
0,00
X
Pro
bab
ility
2
0,265
0 8
Distribution PlotPoisson; Mean=2,3
76543210
76543210
0,30
0,25
0,20
0,15
0,10
0,05
0,00
X
Pro
bab
ility
20 6
0,284
Binomial; n=18; p=0,1
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
• Poisson-ova raspodjela – primjer upotrebe (‘Operations research’)
Primjer: Tijekom drugog svjetskog rata London je gađan projektilima V1. Britance je zanimalo kako iz podataka o padanju projektila zaključiti da li je riječ o gađanju nasumce ili se cilja neka točka u Londonu.
- London je podijeljen na 576 sektora- U vremenskom periodu promatranja palo je 537 projektila
x >=43210
250
200
150
100
50
0
Val
ue
ExpectedObserved
Chart of Observed and Expected Values Poisson mean for x = 0,928819
Poisson Contributionx Observed Probability Expected Chi-Sq0 229 0,395020 226,74 0,0094791 211 0,366902 211,39 0,0005332 93 0,170393 98,54 0,2698463 35 0,052755 30,62 0,7003804 7 0,014931 7,14 0,0418605 (6,7..) 1 1,57
TEST:N N* DF Chi-Sq P-Value
576 0 3 1,02210 0,796
- podaci se ponašaju po Poisson-ovoj razdiobi!- zaključak - V1 nije imao navođenje
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
• Normalna raspodjela − prvi definirao Abraham de Moivre− upotrijebio Gauss (Gauss-ova raspodjela)− najčešće korištena raspodjela – čak 33% procesa u prirodi slijedi zakon normalne
raspodjele− funkcija gustoće vjerojatnosti normalne raspodjele f(x):
− vjerojatnosti ispod normalne raspodjele N{μ, σ2}:
2121( ) za -
2
x
f x e x
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
− primjena normalne raspodjele:Primjer: Pretpostavimo da se izmjerena jakost struje u vodiču pokorava zakonu normalne raspodjele sa očekivanjem μ=10 mA i varijancom σ2=4 mA2. Kolika je vjerojatnost da će jakost struje premašiti 13 mA?
17,515,012,510,07,55,0
17,515,012,510,07,55,0
0,20
0,15
0,10
0,05
0,00
X
Den
sity
1310
Normal; Mean=10; StDev=2
( ) (13 10) 1,52( 13) ( 1,5) 1 ( 1,5) 0,06681
xz z
P x P z P z
3210-1-2-3
3210-1-2-3
0,4
0,3
0,2
0,1
0,0
z
Den
sity
1,5
0,0668
0
Normal; Mean=0; StDev=1
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
− definicija krivulje učestalosti kvarova u tehničkim sustavima (krivulja mortaliteta):
I. period – ‘dječje bolesti’ – 1. raspodjela e-λtII. period – ‘normalne eksploatacije’, slučajni kvarovi – 2. raspodjela uniformnaIII. period – zbog ‘trošenja dijelova’, vremenski kvarovi – 3. raspodjela normalna
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
Teorija uzoraka i testiranje statističkih hipoteza− T.S.H. predstavlja postupak donošenja odluke na bazi uzorka− uzorak, n podataka: x1, x2, ... , xn− rezultati se uzorka mogu shvatiti kao točka u
n-dimenzionalnom prostoru − prostor se može podijeliti na dva međusobno disjunktna dijela
(koji se isključuju), dio A i dio B
dio B(odbacivanje H0)
dio A(prihvaćanje H0)
− Postavljaju se dvije hipotezeH0: nulta hipotezaH1: alternativna hipoteza
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
− testiranje hipoteze na primjeru (t-test uzorak-osnovni skup)Primjer: Ugovorom je propisano da određena pošiljka alata mora imati
tvrdoću 60HRC. Iz pošiljke izuzet je uzorak od 8 elemenata te jenad njim izvršeno ispitivanje tvrdoće. Podaci su dani u tablici.Potrebno je testirati hipotezu: Da li na temelju uzorka možemozaključiti da je očekivana tvrdoća alata u pošiljci jednakapropisanoj. Neka je razina povjerenja P=0,95.
59,4 59,6 61,2 60,2 60,4 59,6 58,8 58,5
0
0 0 1
0
1
59,2 604,23
0,189
12,365
0,05 odbaciti H prihvatiti H
: 60: 6059,20,535; 0,189x
xk n
t
t t i
H HRcH HRcxs s
xt s
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
Analiza varijance− Postupak usporedbe više uzoraka pri čemu svaki uzorak predstavlja osnovni skup
(populaciju)− U tehničkim i proizvodnim uvjetima analiza varijance predstavlja postupak provjere
djelovanja promjene stanja nekog faktora na mjerenu vrijednost – rezultat − Analizom varijance provjeravaju se promjene aritmetičkih sredina uzoraka
− Primjena ANOVA metode u praksi: Primjer - Čvrstoća papira (psi) u ovisnosti o udjelu tvrdog drva u smjesi, u %
udio tvrdog drva, % mjerenja
5 10 15 20 1 7 12 14 19 2 8 17 18 25 3 15 13 19 22 4 11 18 17 23 5 9 19 16 18 6 10 15 18 20
Suma po uzorcima 60 94 102 127
Ar. sredina uzorka 10 15.67 17.00 21.7
izvor varijacije
suma kvadrata odstupanja
stupnjevi slobode
srednji kvadrat
odstupanja Frač. F0(=0.01)
faktor: udio tvrdog drva
382.79 3 127.60 19.61 4.94
slučajno odst. u uzorcima (ostatak)
130.17 20 6.51 – –
UKUPNO: 512.96 23 – – –
( )f F
kb = 3; kn = 20
1
FF0 = 4.94
0.01
Frač. > F0 odbaciti H0uz vj. pogreške 1. vrste = 0.01
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
− Mjera povezanosti dvije ili više varijabli – metoda kojom se utvrđuje da li među varijablama postoji funkcionalna ovisnost
− Pearson-ov koeficijent korelacije r može poprimiti vrijednost od -1.00 do +1.00− r0 definira pozitivnu korelaciju − SMJER POVEZANOSTI− Metoda korelacije prati odstupanja i uspoređuje varijacije dvaju ili više varijabli te mjeri
odnose među varijacijama. – jakost veze
Korelacijska analiza
− Određuje oblik krivulje koja najbolje opisuje zadane podatke− Oblik povezanosti varijabli: Linearna povezanost ili krivolinijska− Kod regresijske analize se zna što je uzrok a što posljedica (zavisna, nezavisna
varijabla)− Osnovni problem ove metode je odrediti koeficijente regresije− Regresijska analiza: jednostavna linearna regresija; nelinearna regresija
(linearizacija); višestruka regresija
Regresijska analiza
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
− primjena korelacijske i regresijske metode –PRIMJER U nekom istraživanju mehaničkih svojstava nekog alatnog čelika
utvrđeni su podaci o mikrostrukturnom sastavu (volumnom udjelujedne od faza) i tvrdoći, prema tablici. Utvrditi ima li ovisnostiizmeđu 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
tvrdoća, y [HRC] 66 65 64 64 62 61 60 57
Regression Analysis: Tvrdoca versus Udio faze_
The regression equation isTvrdoca = 68,2 - 2,09 Udio faze_
Predictor Coef SE Coef T PConstant 68,1995 0,3618 188,52 0,000Udio faze_ -2,0895 0,1173 -17,81 0,000
S = 0,437523 R-Sq = 98,1% R-Sq(adj) = 97,8%
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
Analysis of Variance
Source DF SS MS F PRegression 1 60,726 60,726 317,23 0,000Residual Error 6 1,149 0,191Total 7 61,875
UdioObs faze_ Tvrdoca Fit SE Fit Residual St Resid1 1,20 66,000 65,692 0,242 0,308 0,842 1,40 65,000 65,274 0,225 -0,274 -0,733 1,80 64,000 64,438 0,193 -0,438 -1,124 2,10 64,000 63,812 0,174 0,188 0,475 2,90 62,000 62,140 0,155 -0,140 -0,346 3,60 61,000 60,677 0,182 0,323 0,817 4,20 60,000 59,424 0,227 0,576 1,548 5,10 57,000 57,543 0,312 -0,543 -1,77
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
2. PLANIRANJE POKUSA
• Visoki zahtjevi koje suvremeno tržište postavlja na sve aspekte kvaliteteproizvodnih i tehnoloških procesa zahtijevaju uporabu različitih metoda kontrole iupravljanja kvalitetom kako u procesima proizvodnje tako i u njihovu projektiranju
• Uz već uobičajene metode i tehnike upravljanja kvalitetom, sve se više koristi imetodologija planiranja i analize pokusa (Design of Experiments), koja se pokazalavrlo učinkovitom, posebice žele li se postići optimalna rješenja kako ufunkcionalnim značajkama proizvoda tako i u pogledu parametara odvijanjatehnološkog i proizvodnog procesa
• odnosi se na procedure planiranja istraživanja koja se temelje na statističkomocjenjivanju rezultata ispitivanja kako bi se, s određenom razinom povjerenja,donosili zaključci o značajkama procesa ili proizvoda
• metode planiranja pokusa najčešće se primjenjuju u istraživanju utjecajnih faktorana karakteristike procesa ili proizvoda
• Primjenom neke od procedura planiranja pokusa postižu se velike uštede ljudskih,vremenskih i financijskih resursa
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
− Francis Bacon (1561.–1626.), filozof, znanstvenik, povjesničar, koristio jednofaktorske pokuse –ponavljanje pokusa
− John Bennet Lawes zanimao se za utjecaj vrste gnojiva na količinu uroda
− 1842. godine zajedno s s Joseph Henry Gilbert osnovao Rothamsted Experimental Station
− 1843. godine započeli 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 počeo proučavati 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),
− slučajnost pri izvođenju pokusa (randomization),
− blokovi,
− aliasi
− 1935. godine Fisher objavljuje knjigu pod nazivom Design of Experiments od tada je izraz Design of Experiments u službenoj upotrebi
− Početkom 20-og stoljeća pokusi sa smjesama se pojavljuju u poljoprivrednoj industriji, industriji guma te industriji sapuna
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
Proces, problem
kontrolirani faktoriw1 w2 ... wp
z1 z2 ... zpnekontrolirani faktori
(poremećaji)
y1y2 :ym
izlazi(mjerne
vrijednosti,rezultati)
x1x2 :xm
ulazi(faktori,
varijable)
. . .
. . .
. . .
. . .
− Model pokusa
Faze pri izvođenju pokusa1. Definirati problem i cilj istraživanja2. Odabrati utjecajne faktore i njihove razine3. Odabrati mjerene vrijednosti (izlazne
varijable)4. Odabrati model pokusa5. Izvesti pokus (predpokus, glavni pokus)6. Analizirati rezultate7. Formulirati zaključke i prijedloge
− Primjer : ‘Kokice za mikrovalnu’
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
3. METODE OPTIMIRANJA
• Eksperimentalno optimiranje, nakon provedenog i analiziranog planapokusa – direktno optimiranje svojstava proizvoda i procesa
• Matematičko optimiranje – metode optimiranja kada su funkcije cilja iograničenja unaprijed poznate i eksplicitno izražene
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
• Eksperimentalno optimiranje primjer : ‘Siluminski odljevci’
• Matematičko programiranje:• Linearno programiranje
• L.P. je kvantitativna znanstvena metoda kojom se od većegbroja mogućih alternativnih rješenja izabere ono koje je optimalnoza neki definirani kriterij optimalnosti
• Postupak koji se pri tome koristi omogućava određivanje svihvrijednosti niza varijabli povezanih ograničenjima, koje dajuekstremnu vrijednost (maksimum ili minimum) linearne funkcijecilja.
• Nelinearno programiranje• Kvantitativna znanstvena metoda koja izabire optimalno rješenje iz
domene varijabli povezanih ograničenjima koje daju optimumfunkcije cilja nelinearnog karaktera
• Transportni problem• Cjelobrojno programiranje
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
• Linearno programiranje (grafička metoda)
Primjer: Za zadanu funkciju cilja F(X)=30x1+20x2 potrebno je grafički pronaćimaksimalnu vrijednost, ako su zadana sljedeća ograničenja:
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
Trendovi u području industrijskog inženjerstva
• Dva osnovna smjera razvoja proizvoda i procesa objedinjavanjem i uporabom kvantitativnih metoda :
• Poboljšanje proizvodnih procesa na principu LEAN proizvodnje – vitka proizvodnja
• Povećanje kvalitete uporabom 6 sigma metodologije
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
6 sigma metodologija
• σ – slovo grčkog alfabeta• σ – mjera varijabilnosti nekog procesa (koji se ponaša prema normalnoj razdiobi)• k σ– razina kvalitete – govori o učestalosti mogućih pogrešaka uz unaprijed definirane
granice tolerancije – specifikcije!
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
Granice specifikacije:
± 1 ּ◌σ
± 2 ּ◌σ
± 3 ּ◌σ
± 4 ּ◌σ
± 5 ּ◌σ
± 6 ּ◌σ
Sukladnih %
30,23
69,13
93,32
99,3790
99,97670
99,999660
Nesukladnih (ppm)
697.700
308.700
66.810
6.210
233
3,4
• Rezultat, iskazan u ppm (dpmo)
+1.5 σ-1.5 σDGS GGS
μ
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
• Uobičajena razina kvalitete – 99% sukladnih proizvoda i usluga znači:
− 20.000 izgubljenih poštanskih pošiljki na sat− 15 min/dan zagađenje pitke vode− 5.000 nekorektno izvedenih medicinskih zahvata na tjedan− 2 nekorektno prizemljena zrakoplova dnevno
(u glavnim zračnim lukama)− 200.000 pogrešno propisanih lijekova godišnje− bez električne energije cca 7 sati/mjesec
• Ako odigrate 100 partija golfa godišnje i igrate na razini preciznosti:
− 2 sigma – promašit će te 6 putt-ova po partiji− 3 sigma – promašit će te 1 putt po partiji− 4 sigma – promašit će te 1 putt svakih 9 partija− 5 sigma – promašit će te 1 putt svake 2.33 godine− 6 sigma – promašit će te 1 putt svakih 163 godine
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
σ razina kvalitete
N. razdioba centrirana
N. razdioba pomaknuta za 1.5 σ
+ +
ppm 10 puta UNAPREĐENJE
30 puta
70 puta
• Stopa nesukladnosti i σ razina kvalitete - unapređenje
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
• Počela 6σ programa
• MOTOROLA, 1987 (Bill Smith, reliability engineer)
− Uvođenje programa 6σ inicirano krizom izazvanom jakomkonkurencijom, nedovoljnom kvalitetom proizvoda i usluga i visokimtroškovima!
− 1995 MOTOROLA primila prestižnu nagradu za kvalitetu (MalcomBaldrige 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 godišnju korist: $ 300 miliona prihoda,− najava i realizacija za 1998.: UDVOSTRUČENJE
• Slijedili: ABB, Bombardier, Lockheed Martin, IBM, Allied Signal, KODAK, VOLVO,…
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
D Definiraj ciljeve aktivnosti unapređenja
M Izmjeri postojeći sustav (način rada, proces)
A Analiziraj sustav (proces) radi utvrđivanja mogućnosti eliminiranja razlike današnjih performansi sustava ili procesa i željenog cilja
I Unaprijedi sustav, proces
C Kontroliraj (upravljaj) novi sustav
• 6σ DMAIC MODEL
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
Strategija raščlanjivanja
Karakterizacija Faza 2:Izmjeri (Measure)
Faza 3:Analiziraj (Analyze)
Optimiranje
Faza 4:Unaprijedi (Improve)
Faza 5:Upravljaj (Control)
Faza 1:Odredi (Define)
• Metodologija rješavanja problema
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
• METODE, TEHNIKE, ALATI U PROJEKTIMA 6σ
• 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 “izvođenja” (run) procesa
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
• A faza:− dijagram uzrok – posljedica− dijagram stabla greška (fault tree diagrams)− mozgovne oluje (brainstorming)− karte povijesti (ponašanja) procesa (SPC)− blok-dijagrami procesa− enumerativna statistika (testiranje hipoteza)− nepristrane i intervalne procjene− FMEA, QFD, stablo grešaka,…− simulacijski modeli i metode− planiranje i analiza pokusa (DOE – Design of Experiments)
• I faza− metode operacijskih istraživanja (LP, ND, teorija igara, …)
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
• Veće kompanije koje su uvele 6σ razinu kvalitete u svoje poslovanje
Zavod za industrijsko inženjerstvo
Industrijsko inženjerstvo 2013. Dr. sc. Hrvoje Cajner
Kvantitativne metode potpora odlučivanju!