İstatistiksel Süreç Kontrolu. Doç.Dr.Nihal ERGİNEL Anadolu Üniversitesi
|
|
- Ebru Albayrak
- 8 yıl önce
- İzleme sayısı:
Transkript
1 İstatistiksel Süreç Kontrolu Doç.Dr.Nihal ERGİNEL Anadolu Üniversitesi
2 İstatistiksel Süreç Kontrolü Bir üretim/ hizmet sürecinin kontrol altında olup olmadığına karar vermek için kullanılan teknikler bütünüdür. Girdiler Süreç Çıktılar KABUL ÖRNEKLEMESİ İSTATİSTİKSEL SÜREÇ KONTROLÜ KABUL ÖRNEKLEMESİ
3 Problemlerin temel nedenleri değişkenliktir. Şansa bağlı değişkenlik (genel), Belirlenebilir nedenlere bağlı değişkenlik (özel),
4 Şansa bağlı değişkenlik (genel nedenler) Her üretim/ servis sektöründe bulunan, küçük etkiye sahip faktörlerden kaynaklanan ve genelde çevre şartlarının etkisinden oluşan değişkenliktir. Ortadan kaldırılması maliyetlidir. Ortam sıcaklığı, nem, toz, elektrik dalgalanmaları vb.
5 Belirlenebilir nedenlere bağlı değişkenlik (özel nedenler) Süreçte değişkenliği oluşturan bir neden söz konusudur. Bu neden dolayısıyla süreç kontrol dışına çıkmıştır ve bu neden belirlenebilir. Bu neden ortadan kalkmadıkça değişkenlik giderilemez. Kesici ucun körelmesi, makine ayalarının değişmesi, malzeme değişikliği, kalıp değişikliği vb.
6 Verileri analiz edip kullanmıyor isek, veri toplamanın bir faydası yoktur. Kullanılmayan verilerin toplanmasında problemler yaşanabilir. Nasıl olsa kimse farketmez, dünkü değeri yazıvereyim Topluyoruz da ne oluyor, hiçbir değişiklik yok Zaman kaybı... Verileri analiz etmek; problem(ler)in belirlenebilmesi için önemlidir.
7 Verilerin yorumlanması Red Kabul Red Alt sınır Üst sınır Bu yaklaşım bize, kontrol edilen ürünün ilgili karakteristiğin kabul/red durumunu gösterir. Zamana göre gidişatı veya bir sonraki ürün hakkında herhangi bir bilgi vermez.
8 Kontrol Grafikleri Kontrol grafikleri, değişkenliklerin şansa bağlı mı, yoksa belirlenebilir nedenlerden mi olduğunu ayırt etmemizi sağlar.
9 Kontrol Grafiklerinin genel gösterimi İlgili karakteristiğin aldığı değer Red bölgesi Üst kontrol sınırı Orta çizgi Red bölgesi Alt kontrol sınırı zaman
10 Kontrol Sınırlarının hesaplanması Y : ilgilenilen süreç karakteristiği Y : ortalama Y : standart sapma olmak üzere, ÜKS= Y + 3 Y OÇ = Y AKS= Y - 3 Y
11 Minitab-Kontrol Grafikleri Stat>Control Charts> şeklindedir.
12 Sınırlar Ölçüm Değeri 3 Sigma 2 Sigma 1 Sigma 1 Sigma 2 Sigma 3 Sigma ÜKL AKL ZAMAN
13 Kontrol Grafiklerinin Yorumlanması Bir nokta ÜKS veya AKS nin dışında ise, (3-sigma limit) Ardışık üç noktanın iki tanesi 2-sigma limitlerinin dışında ise, Ardışık beş noktanın dört tanesi 1-sigma limitlerinin dışında ise, Ardışık dokuz nokta orta çizginin bir tarafında ise, Yani noktalar belli bir düzen gösteriyorlar ise, süreç kontrol altında değildir.
14 Minitab da kuralların tanımlanması
15 Kontrol grafiğini ilk oluştururken; Alınacak örneğin süreci temsil etmesi gerekir (vardiya, malzeme, operatör vb. değişkenlikleri kapsaması, 100 örnek yeterlidir.) Örnekleme bir defada n birimlik örnek alınarak yapılır, (n=1 özel durumdur) Kontrol grafikleri için örnekleme, grafik seçimi, çizimi için bir öğrenme periyodu söz konusudur, başlangıç hataların ortadan kalkması beklenmelidir, Örnek büyüklüğü ve sıklığı değişkenliği yakalayabilecek şekilde seçilmelidir.
16 Sürekli iyileşme için; Üst yönetimin desteğini sağlayın, Gerçekten yarar sağlanabilecek süreçleri seçin, İyileştirilmesi yarar sağlayacak hedef karakteristikleri tanımlayın, Herbir süreç için Süreç İyileştirme Ekibi oluşturun, değişkenliklerin nedenlerini araştırın ve ortadan kaldırılmasını sağlayın, Ölçümleri kolay kullanılacak ve yeterli hassasiyeti sağlayacak cihazlardan seçin ve Ölçüm Sistemi Analizlerini yapın, Başlangıçta niteliksel kontrol grafiklerinin kullanımı fazla olsa bile, niceliksel kontrol grafikleri kullanımına geçin.
17 Yapılabilecek büyük hatalar! Kontrol Grafiği üzerine Spesifikasyon sınırlarının işaretlenmesi ÜKS ve AKS nın Spesifikasyon sınırları olarak değerlendirilmesi Bunu yaptığınız zaman, grafik sadece bir muayene aracı olur. ÜKS / AKS müşteri kusurları ile doğrudan ilişkili değildir Bir anda çok fazla kontrol grafiği oluşturmak ve takip etmeye çalışmak. Hiçbir etkili sürekli iyileştirme programına sahip olmamak.
18 Veri türleri Niteliksel Veriler - Ölçülemeyen ancak iyi/kötü, geçer/geçmez, hatalı/hatasız vb. olarak ayırt edilebilen verilerdir. Niceliksel Veriler - Veriler (ölçülebilir) süreklidir. Bir borunun çapı, elektrik direnci, bir aracın ağırlığı vb. karakteristiklerin ölçümünden kaynaklanır.
19 Kontrol Grafiklerinin Seçimi Kontrol Grafikleri Niceliksel KG Niteliksel KG Örnek büyüklüğü Kusur sayısı Kusurlu sayısı n=1 n<10 n>10 Örnek büyük. sabit Örnek büyük. değiş. Örnek büyük. sabit Örnek büyük. değiş. X birimler KG X, R KG X, S KG p KG np KG c KG u KG
20 Önemli Kontrol Grafikleri Nicel Ölçüler İçin Kontrol Grafikleri Birimler ve Hareketli Değişim Aralığı KG. X-Ortalama ve R KG. X-Ortalama ve S KG. Nitel Ölçüler İçin Kontrol Grafikleri p-kg. np- KG. c- KG. u- KG.
21 X- Birimler Kontrol Grafiği n= 1 birimlik örnekler alınır. Üretim hızı oldukça düşük, üretim sayısı az olduğu durumlarda, Otomatik ölçüm cihazları ile her birimin ölçümü yapılabildiği zamanlarda, Üretim sürecinde değişkenlik çok az olduğu durumlarda, Test metodu tahribatlı olduğunda, tercih edilir.
22 X birimler kontrol grafiği, Hareketli Değişim Aralığı Kontrol Grafiği ile birlikte kullanılır. Hareketli Değişim Aralığı KG, birbirini izleyen iki veri arasındaki değişkenliği gösterir. Stat>Control Charts>I-MR Stat>Control Chatrs>Individuals
23 Eğer ana kütle µ ve σ biliniyor ise;
24 Veri toplanması ve Analizi n=3 olduğu durumda;
25 n=3 için;
26 X- Birimler Kontrol Grafiğinin sınırlarının hesaplanması
27 Hareketli Ortalama (MR) Kontrol Grafiği sınırlarının hesaplanması
28
29 X-HDA Kontrol Grafiği I and MR Chart f or C UCL=4026 Individual Value Subgroup Mean=3789 LCL= UCL=290,4 Moving Range R=88,89 LCL=0
30 L değeri için X-HDA KG I and MR Chart f or L-pembe UCL=80,81 Individual Value Subgroup Mean=79,87 LCL=78,92 Moving Range 1,0 0,5 0,0 1 UCL=1,163 R=0,356 LCL=0
31 a değeri için X-KG I Chart f or a-pembe Individual Value UCL=6,940 Mean=5, LCL=4, Observation Number 40
32 b değeri için X- KG I Chart f or b-pembe Individual Value 4 UCL=4,563 Mean=3,828 3 LCL=3, Observation Number 40
33 ÖRNEK: Uçak astar boyası için viskozite değeri önemli kalite karakteristiklerinden biridir. Ürünler partiler halinde üretilmektedir ve 15 partiye ait viskozite değeri aşağıdaki tabloda verilmiştir. Verileri dikkate alarak X birimler ve MR kontrol grafiğini çiziniz.
34 Parti Viskozite numarası 1 33, , , , , , , , , , , , , , ,84
35 Parti Viskozite MR numarası Çözüm: (X) 1 33, ,05 0,7 3 34,00 0, ,81 0, ,46 0, ,02 0, ,68 0, ,27 0, ,49 0, ,20 0, ,62 0, ,00 0, ,54 0, ,12 0, ,84 0,72
36 X- Birimler Kontrol Grafiği Sınırları;
37
38 X- MR Kontrol Grafiği Sınırları;
39
40 X-R Kontrol Grafiği Süreçteki anlık ve belli bir periyottaki değişimleri görmek için kullanılır, Süreçten n (3,5,vb.) birimlik örnekler alınır, En yaygın olarak kullanılan kontrol grafiğidir. n birimlik örnek n birimlik örnek n birimlik örnek... zaman
41 X ortalama, n birimlik örneklerin ortalamasını, R ise n birimlik örneklerin max. ile min. arasındaki farkı gösterir. Stat>Control Charts> Xbar-R
42 Eğer ana kütle µ ve σ biliniyor ise;
43
44 Ancak her zaman ana kütle parametreleri bilinmez. Böyle durumlarda, ana kütle standart sapmasını ya örnek standart sapmasından veya değişim aralığından tahmin etmek gerekir.
45 Veri toplama t = 1 t =2 t =3... t= m
46
47 X-R Kontrol Grafiği sınırlarının hesaplanması
48
49
50 Veri girme
51 Kontrol Grafiğini oluşturma
52 L değeri için X- R KG Xbar/R Chart f or L-Gri 82 Sample Mean UCL=81,03 Mean=80,42 LCL=79,81 Subgroup ,5 1 Sample Range 1,0 0,5 0,0 UCL=0,7494 R=0,2294 LCL=0
53 a değeri için X- R KG Xbar/R Chart f or a-gri Sample Mean 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 Subgroup UCL=0,6163 Mean=0,3665 LCL=0,1168 Sample Range 0,4 0,3 0,2 0,1 0,0 UCL=0,3069 R=0,09392 LCL=0
54 b değeri için X- R KG Xbar/R Chart f or b-gri Sample Mean 0,6 0,5 0,4 0,3 0,2 0,1 0,0-0,1-0,2-0,3 Subgroup UCL=0,3293 Mean=0,1909 LCL=0,05256 Sample Range 0,2 0,1 0,0 UCL=0,1700 R=0,05202 LCL=0
55 ÖRNEK: Otomobil motorundaki piston çaplarının kontrol altında olup olmadığının belirlenmesi için süreçten 5 birimlik örnekler alınmıştır. İlgili analizleri yaparak yorumlayınız.
56
57 Çözüm:
58
59 74,020 74,015 Xbar Chart of C1 UCL=74, ,010 Sample Mean 74,005 74,000 73,995 _ X=74, ,990 73,985 LCL=73, Sample
60
61
62 X-S Kontrol Grafiği n > 10 olduğu zaman değişkenliği belirlemek için S (örnek standart sapması) kullanılır. S ( X i X ) n 1 2 Stat>Control Charts>X Bar-S
63
64 X kontrol grafiği sınırları
65 S kontrol grafiği sınırları
66
67 σ biliniyor ise; S-Kontrol Grafiği
68 Örnek:
69 X-ortalama Kontrol Grafiği
70 S Kontrol Grafiği
71 X-ortalama Kontrol Grafiği
72 S Kontrol Grafiği Her iki kontrol grafiğine göre süreç kontrol altındadır.
73
74 σ biliniyor ise; X-Kontrol Grafiği
75 p (kusurlu oranı) kontrol grafiği Ölçülemeyen ancak hatalı/ hatasız, red/ kabul, geçer/ geçmez şeklinde tanımlanan kalite karakteristiklerinin izlenmesinde kullanılır. Kusurlu Oranı kontrol grafiğidir. En az bir kusuru olan (kusur tipi önemli değil) parça/ ürün oranını izlenmesi
76 p kontrol grafiğinin sınırlarının hesaplanması
77
78 Örnek: Karoların hatalı oranlarını izleyebilmek için saat başı 75 karodan oluşan örnekler alınmış ve hatalı karo sayıları aşağıda verilmiştir. Buna göre hatalı karo oranının kontrol altında olup olmadığını p kontrol grafiği ile analiz ediniz. Örnek no Hatalı karo sayısı Hatalı karo oranı
79
80 P Chart of hatalı karo sayısı 0.25 UCL= Proportion _ P= Sample LCL= Hatalı karo oranı ortalama %12,6 dır. 4. Örnekteki hatalı oranı ÜKS nı aştığı için hatalı karo oranı kontrol altında değildir.
81 Örnek Bir imalat hattında sabah ve öğlen vardiyalarında alınan örnekler ve bu örneklerdeki hatalı ürün sayıları aşağıda verilmiştir. Buna göre, imalat hattının kontrol altında olup olmadığını ilgili kontrol grafiğini çizerek belirleyiniz. Örnek No Hatalı ürün sayısı ni Pi
82
83
84
85 0.18 P Chart of hatalı ürün sayısı 0.16 UCL= Proportion _ P= LCL= Sample Tests performed with unequal sample sizes Hatalı ürün sayısı kontrol altındadır
86 np (kusurlu sayısı) kontrol grafiği Kusurlu sayılarını izlemek için oluşturulur. Örnek büyüklüğü sabit olduğu durumda hesaplama ve yorumlama kolaylığı olduğu için kullanılır. Operatörlerin kullanmasına elverişlidir. Stat>Control Charts>np
87 np kontrol grafiği sınırlarının hesaplanması
88 Örnek: Bir taşıma şirketi, taşınacak parçaları üreticisinden alıp ana sanayiye taşıma işini üstlenmiştir. Yolda meydana gelebilen hasarları kontrol etmek için günde 50 birimden oluşan örnekleri incelemiş ve hasarlı olanların sayısını aşağıdaki gibi tespit etmiştir. Taşıma işini yorumlayınız. Örnek no hasarlı sayısı
89
90 NP Chart for C1 10 UCL=9,168 Sample Count 5 NP=3,65 0 LCL= Sample Number Süreç kontrol altında. Noktalar orta çizginin etrafında rassal dağılmıştır.
91 c (kusur sayısı) kontrol grafiği Bir veya daha çok kusur aynı karo üzerinde bulunabilir. Örneğin, elek baskı hatası, yağ lekesi, kenar-köşe kırık, oyuk, çatlak, sır damlaması, pasta damlaması, delikcik gibi. Önemli olan bu kusurların sayısıdır. Kusur sayıları bir sütuna girilir. Stat>Control Charts>c
92 c kontrol grafiği sınırlarının hesaplanması
93 C Chart for C1 15 UCL=13,09 Sample Count 10 5 C=5,84 0 LCL= Sample Number Kusur sayıları giderek artan bir düzen göstermektedir. Belirlenebilir bir neden söz konusudur.
94 Örnek: Bir bardak imalat sürecinde 150 adet bardaktaki hatalar parti bazında incelenmiş ve hata sayıları aşağıda verilmiştir. Bardak imalat süreci kontrol altında mıdır?
95 parti Boya hatası Çatlak hatası Topla m hata sayısı
96 C Chart of C3 12 UCL= Sample Count _ C= LCL= Sample Süreçte artan bir eğim olduğu için süreç kontrol dışı olabilir.
97 u (birim başına düşen kusur sayısı) kontrol grafiği Kusur sayıları ile ilgileniliyor, ancak örnekteki birim sayıları farklı ise kullanılan bir kontrol grafiğidir. Stat>Control Charts>u
98 u kontrol grafiği sınırlarının hesaplanması u : birim başına düşen kusur sayısı olmak üzere,
99 şeklinde hesaplanır.
100 Örnek Bir konfeksiyon atölyesinde dikimi yapılan ceketler incelendiğinde yapılan hatalar ve sayıları aşağıda verilmiştir. Buna göre dikim sürecini inceleyiniz.
101
102
103 0.8 U Chart of hata sayısı Sample Count Per Unit UCL= _ U= LCL= Sample Tests performed with unequal sample sizes Süreç kontrol altındadır.
104 Kontrol sınırlarının yeniden hesaplanması Kontrol sınırları sürecin kendisinden türetilir. Yeniden hesaplama sadece uygun olduğunda yapılmalıdır. Genelde, aşağıdaki durumlarda yeniden hesaplama yapılır: Süreçte bilinen bir değişiklik söz konusudur ve değişikliğin, eski kontrol sınırları karşısındaki etkisi değerlendirilir, Süreçte bilinmeyen veya belirli olmayan bir değişiklik vardır. Eğer ölçüm değerlerinin 2/3 ü veya daha fazlası orta çizginin üstünde/altında ise, sonuçları değerlendirilerek yeni kontrol sınırları oluşturulabilir.
105 Teşekkür ederim
Prof.Dr.Nihal ERGİNEL Anadolu Üniversitesi
İSTATİSTİKSEL SÜREÇ KONTROLÜNE GİRİŞ Prof.Dr.Nihal ERGİNEL Anadolu Üniversitesi İstatistiksel Süreç Kontrolü Bir üretim/ hizmet sürecinin kontrol altında olup olmadığına karar vermek için kullanılan teknikler
DetaylıNİTELİKSEL KONTROL GRAFİKLERİ
NİTELİKSEL KONTROL GRAFİKLERİ Prof. Dr. Nihal ERGİNEL Ölçülemeyen ancak hatalı / hatasız, geçer / geçmez, tekstil sektöründe leke sayısı, dokuma kaçağı vb nin analiz edilmesi için oluşturulan kontrol grafikleridir.
DetaylıNİCELİKSEL KONTROL GRAFİKLERİ
NİCELİKSEL KONTROL GRAFİKLERİ Prof. Dr. Nihal ERGİNEL Anadolu Üniversitesi X BİRİMLER VE HAREKETLİ DEĞİŞİM ARALIĞI KONTROL GRAFİĞİ X- Birimler Kontrol Grafiği n= birimlik örnekler alınır. Üretim hızı oldukça
DetaylıT.C. ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ KONTROL GRAFİKLERİ. Prof. Dr. Nimetullah BURNAK Prof. Dr. A. Sermet ANAGÜN. Endüstri Mühendisliği Bölümü
1970 T.C. ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ KONTROL GRAFİKLERİ Prof. Dr. Nimetullah BURNAK Prof. Dr. A. Sermet ANAGÜN Endüstri Mühendisliği Bölümü 1 Kontrol Grafiği UygulamaAdımları Kontrol edilecek uygun
DetaylıQuality Planning and Control
Quality Planning and Control Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üniversitesi Endüstri Mühendisliği Anabilim Dalı 1 İstatistiksel Proses Kontrol Kontrol Kartları 2 Kontrol Grafikleri (Shewhart Control
DetaylıÖlçüm Sisteminin Analizi
Ölçüm Sisteminin Analizi (Measurement System Analysis) Prof. Dr. Nihal Erginel TOPLAM DEĞİŞKENLİK SÜREÇTEN KAYNAKLANAN DEĞİŞKENLİK ÖLÇÜM SİSTEMİNDEN KAYNAKLANAN DEĞİŞKENLİK Süreç Değişkenlik Kaynakları
DetaylıÖlçüm Sisteminin Analizi Measurement System Analysis. Dr. Nihal Erginel
Ölçüm Sisteminin Analizi Measurement System Analysis Dr. Nihal Erginel TOPLAM DEĞİŞKENLİK Süreçten kaynaklanan değişkenlik Ölçüm sisteminden kaynaklanan değişkenlik Süreç Değişkenlik Kaynakları Hammadde
Detaylı6 SIGMA FELSEFESİ. Doç. Dr. Nihal ERGİNEL Anadolu Üniversitesi Endüstri Mühendisliği Bölümü
6 SIGMA FELSEFESİ 6 Doç. Dr. Nihal ERGİNEL Anadolu Üniversitesi Endüstri Mühendisliği Bölümü Sigma seviyesi, süreçlerin yeterliliği ifade eden bir ölçüttür. Süreçlerin sigma seviyelerinin artması demek,
DetaylıQuality Planning and Control
Quality Planning and Control END 3618 KALİTE PLANLAMA VE KONTROL Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üniversitesi Endüstri Mühendisliği Anabilim Dalı 1 İstatistiksel Proses Kontrol Kontrol Kartları Kontrol
Detaylıİstatistiksel Kalite Kontrol BBY 374 TOPLAM KALİTE YÖNETİMİ 18 NİSAN 2014
İstatistiksel Kalite Kontrol BBY 374 TOPLAM KALİTE YÖNETİMİ 18 NİSAN 2014 İstatistiksel kalite kontrol o Üretim ve hizmet süreçlerinin ölçülebilir veriler yardımıyla istatistiksel yöntemler kullanılarak
DetaylıBASİT PROBLEM ÇÖZME TEKNİKLERİ. Doç. Dr. Nihal ERGİNEL
BASİT PROBLEM ÇÖZME TEKNİKLERİ Doç. Dr. Nihal ERGİNEL Problemin ve nedenlerinin araştırılması, problemin doğru tanımlanması en önemli adımdır. Eğer problem doğru tanımlanmaz ise, doğru çözümlere ulaşılamaz.
DetaylıKalite Geliştirmede İstatistiksel Yöntemler ve Six Sigma
Kalite Geliştirmede İstatistiksel Yöntemler ve Six Sigma - 1 Ödevler 5 er kişilik 7 grup Hayali bir şirket kurulacak Bu şirketin kalite kontrol süreçleri raporlanacak Kalite sistem dokümantasyonu oluşturulacak
DetaylıİSTATİSTİKSEL PROSES KONTROLÜ
İSTATİSTİKSEL PROSES KONTROLÜ ZTM 433 KALİTE KONTROL VE STANDARDİZASYON PROF: DR: AHMET ÇOLAK İstatistiksel işlem kontrolü (İPK), işlemle çeşitli istatistiksel metotların ve analiz sapmalarının kullanımını
Detaylıİstatistiksel Süreç Kontrol KAZIM KARABOĞA
İstatistiksel Süreç Kontrol KAZIM KARABOĞA KALİTENİN TARİHSEL KİMLİK DEĞİŞİMİ Muayene İstatistiksel Kalite Kontrol Toplam Kalite Kontrol Toplam Kalite Yönetimi İSTATİSTİKSEL KALİTE KONTROL İstatistiksel
DetaylıDokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü END Kalite Planlama ve Kontrol
Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü END 3618 - Kalite Planlama ve Kontrol Uygulama Çalışması-I Dr. Öğr. Üyesi Kemal SUBULAN Tarih: 12.04.2018 A Aşağıda yer alan
Detaylıİstatistiksel Kalite Kontrol
İstatistiksel Kalite Kontrol İstatistiksel kalite kontrol (İKK) metodlarının sanayide geniş çapta uygulanması ile imalatın hızlanması, firenin azaltılması, maliyetlerin düşürülmesi ve kalitenin yükseltilmesi
Detaylıİstatistiksel proses kontrol ve kontrol diyagramı. 3. hafta
İstatistiksel proses kontrol ve kontrol diyagramı 3. hafta İstatistiksel proses kontrol Prosesteki değişkenliği ölçerek ve analiz ederek istatistiksel kontrolünü sağlamak ve sürdürmek için istatistiksel
Detaylıİstatistiksel Proses Kontrol
İstatistiksel Proses Kontrol İstatistiksel Proses Kontrol Nedir? ü İstatistiksel proses kontrolü, üretim sürecinde kaliteyi ölçmek ve kontrol etmek için kullanılan endüstri standardı bir metodolojidir.
DetaylıANADOLU ÜNİVERSİTESİ. ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL İSTATİSTİKSEL TAHMİN Örnekten anakütle parametrelerinin tahmin edilmesidir. İki tür tahminleme yöntemi vardır:
Detaylıstatistiksel Proses Kontrol -Uygulamalar -
statistiksel Proses Kontrol -Uygulamalar - Prof.Dr. Erhan Öner eoner@marmara.edu.tr Prof.Dr. Erhan Öner/PK Problemleri/2002-1/34 Kontrol Diyagramları Niceliksel (kantitatif) kalite özellikleri ile oluturulan
DetaylıHİPOTEZ TESTLERİ ANADOLU ÜNİVERSİTESİ. Hipotez Testleri ENM317 Mühendislik İstatistiği Doç. Dr. Nihal ERGİNEL 2014
ANADOLU ÜNİVERSİTESİ Hipotez Testleri ENM317 Mühendislik İstatistiği Doç. Dr. Nihal ERGİNEL 2014 HİPOTEZ TESTLERİ Pek çok problemde bazı parametrelere bağlı bir ifadeyi kabul yada red etmek için karar
DetaylıANADOLU ÜNİVERSİTESİ. Hipotez Testleri. ENM317 Mühendislik İstatistiği Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ Hipotez Testleri ENM317 Mühendislik İstatistiği Prof. Dr. Nihal ERGİNEL HİPOTEZ TESTLERİ Pek çok problemde bazı parametrelere bağlı bir ifadeyi kabul yada red etmek için karar vermek
Detaylı4. HİSTOGRAM. Tolerans Aralığı. Değişim Aralığı HEDEF. Üst Spesifikasyon Limiti. Alt Spesifikasyon Limiti
4. HİSTOGRAM Nedir? Sınıflandırılmış verilerin sütun grafiğidir. Sütunların (sınıfların) genişliği sabit olup, bir veri sınıfını temsil etmektedir. Sütunların yüksekliği ise her bir veri sınıfına düşen
DetaylıANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM 317 Prof. Dr. Nihal ERGİNEL 2 ÖRNEKLEME Anakütleden n birimlik örnek alınması ve anakütle parametrelerinin örnekten tahmin edilmesidir. 3 ÖRNEKLEME ALMANIN NEDENLERİ Anakütleye
DetaylıELYAF İŞLETMELERİNDE İSTATİSTİKSEL SÜREÇ KONTROLÜNÜN UYGULANMASI * An Application of Statistical Process Control in Polyester factory
ELYAF İŞLETMELERİNDE İSTATİSTİKSEL SÜREÇ KONTROLÜNÜN UYGULANMASI * An Application of Statistical Process Control in Polyester factory Tuğba ÇOLAK İstatistik Anabilim Dalı Fikri AKDENİZ İstatistik Anabilim
DetaylıKalite Yönetimi. Kabul Örneklemesi 11. Hafta
Kalite Yönetimi Kabul Örneklemesi 11. Hafta Parti Kabulünde Uygulanacak Yaklaşımlar Muayene uygulamamak % 100 muayene Örnekleme muayenesi Kabul Örneklemesi Yığından örnekler alınır, birimlerin belirli
DetaylıTekrarlanabilirlik. Sapma, Tekrarlanabilirlik, Tekrar yapılabilirlik, Kararlılık, Doğrusallık. Sapma
ÖLÇÜM SİSTEMİ ANALİZİ (MEASUREMENT SYSTEM ANALYSIS - MSA) Ölçüm Sistemi Varyansının Türleri Ölçüm sistemi hataları beş grupta ele alınır. Sapma Sapma, Tekrarlanabilirlik, Tekrar yapılabilirlik, Kararlılık,
Detaylıİstatistiksel Süreç Kontrolü Statistical Process Control (SPC) Dr. Musa KILIÇ
İstatistiksel Süreç Kontrolü Statistical Process Control (SPC) Dr. Musa KILIÇ KALİTE VE KALİTE KONTROLÜ Kalitenin Tanımı Kalite, kullanıma uygunluktur (Juran). Kalite, bir ürünün gerekliliklere uygunluk
DetaylıDokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü
Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü END 3618 Kalite Planlama & Kontrol Bölüm 6: Nitelikler (Belirtiler) İçin Kontrol Kartları Yrd. Doç. Dr. Kemal SUBULAN (13-15).03.2018
Detaylı10. Bir ana kütle oranının tahmininde α = 0,05 ise kullanılan Z değeri nedir? A) 1,64 B) 1,84 C) 1,96 D) 2,28 E) 3,08
1. Tanımlanan ana kütleden rassal seçilen örneklemlerden hesaplanan istatistikler yardımı ile ilgili ana kütle parametrelerinin değerini araştırma sürecine ne ad verilir? A) İstatistiksel hata B) İstatistiksel
DetaylıHipotez Testi ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Ders 4 Minitab da İstatiksel Çıkarım-I. Hipotez Testi. Hipotez Testi
ENM 52 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 4 Minitab da İstatiksel Çıkarım-I (Ortalamalar ve Oranlar İçin ) İstatistiksel Hipotezler İstatistiksel hipotez testi ve parametrelerin güven aralığı tahmini,
DetaylıRASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN
RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 2: Prof. Dr. İrfan KAYMAZ Tanım İnceleme sonucu elde edilen ham verilerin istatistiksel yöntemler kullanılarak özetlenmesi açıklayıcı istatistiği konusudur. Açıklayıcı istatistikte
DetaylıBir ürün yada hizmetin belirlenen yada olabilecek ihtiyaçları karşılama yeterliğine dayanan özelliklerinin toplamıdır.
KALİTE KONTROL Kalite: Bir ürün yada hizmetin belirlenen yada olabilecek ihtiyaçları karşılama yeterliğine dayanan özelliklerinin toplamıdır. Kontrol: Mevcut sonuçlarla hedefleri ve amaçları kıyaslama
DetaylıKESİKLİ DÜZGÜN DAĞILIM
KESİKLİ DÜZGÜN DAĞILIM Eğer X kesikli rassal değişkeninin alabileceği değerler (,,..., ) eşit olasılığa sahip ise, kesikli düzgün dağılım söz konusudur. p(x) =, X=,,..., şeklinde gösterilir. Bir kutuda
DetaylıFREKANS VERİLERİ. Prof.Dr. Levent ŞENYAY III - 1
3 FREKANS VERİLERİ 3.1. Frekans Tablolarının Düzenlenmesi 3.2. Frekans poligonu 3.3. Frekans tablosu hazırlama 3.4. Frekans Histogramı 3.5. Frekans eğrisi tipleri 3.6. Diğer İstatistiksel Grafik Gösterimler
DetaylıENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Örnek Olay 1 (Sayfa 61) Ders 3 Minitab da Grafiksel Analiz-III Örnek Olaylar. Örnek Olay 1 (Sayfa 61)
ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 3 Minitab da Grafiksel Analiz-III Örnek Olaylar Örnek Olay 1 (Sayfa 61) Bir zeytinyağı üretim işletmesi şişe etiketleme süreci boyunca açığa çıkan hata
DetaylıMühendislikte İstatistiksel Yöntemler
Mühendislikte İstatistiksel Yöntemler BÖLÜM 2 AÇIKLAYICI (BETİMLEYİCİ) İSTATİSTİK Yrd. Doç. Dr. Fatih TOSUNOĞLU 1-Açıklayıcı (Betimleyici) İstatistik İnceleme sonucu elde edilen ham verilerin istatistiksel
DetaylıSıklık Tabloları, BASİT ve TEK değişkenli Grafikler Ders 3 ve 4 ve 5
Sıklık Tabloları, BASİT ve TEK değişkenli Grafikler Ders 3 ve 4 ve 5 Sıklık Tabloları Veri dizisinde yer alan değerlerin tekrarlama sayılarını içeren tabloya sıklık tablosu denir. Tek değişken için çizilen
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 2: Prof. Dr. İrfan KAYMAZ Tanım İnceleme sonucu elde edilen ham verilerin istatistiksel yöntemler kullanılarak özetlenmesi açıklayıcı istatistiği konusudur. Açıklayıcı istatistikte
DetaylıDokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü
Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü END 3618 Kalite Planlama & Kontrol Bölüm 5: Değişkenler & Nitelikler İçin Kontrol Kartları & FMEA Analizi Yrd. Doç. Dr. Kemal
DetaylıTahribatlı Tahribatsız Deney Yöntemleri
Tahribatlı Tahribatsız Deney Yöntemleri Tahribatlı Tahribatsız Deney Yöntemleri TAHRİBATLI YÖNTEM 1.Yapıya zarar verebilir. 2.Tekrar edilmez. 3.Tek başına sonuç verir. 4.Maliyetlidir. 5.Standard sapması
DetaylıİSTATİSTİK. Hafta 7.2 Kesikli Olasılık Dağılımları Poisson Dağılımı. Yrd. Doç. Dr. H. İbrahim CEBECİ
İSTATİSTİK Hafta 7.2 Kesikli Olasılık Dağılımları Simeon Poisson a atfen isimlendirilen dağılım, bir örnek uzayın belli bir bölgesi veya zamanındaki olayların sayısının incelendiği kesikli bir olasılık
DetaylıBİYOİSTATİSTİK. Ödev Çözümleri. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Ödev Çözümleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr Ödev 1 Çözümleri 2 1. Bir sonucun
DetaylıBar Diyagramı ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Ders 3 Minitab da Grafiksel Analiz-III. Bar Diyagramı İçin Checklist.
ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 3 Minitab da Grafiksel Analiz-III (Bar-Pareto-Neden Sonuç-Saçılım Diagramları) Sayıları, ortalamaları veya diğer özet istatistiksileri kıyaslamak için
DetaylıTANIMLAYICI İSTATİSTİKLER
TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin
DetaylıİSTATİSTİKİ PROSES KONTROL UYGULAMALARI İÇİN BİR SİSTEM TASARIMI. Burçin M. DURMAN, Yrd.Doç.Dr. Fatma PAKDİL
İSTATİSTİKİ PROSES KONTROL UYGULAMALARI İÇİN BİR SİSTEM TASARIMI Burçin M. DURMAN, Yrd.Doç.Dr. Fatma PAKDİL Başkent Üniversitesi, Mühendislik Fakültesi, Endüstri Mühendisliği Bölümü, 06530, Bağlıca, Ankara
DetaylıİSTATİSTİKSEL PROSES KONTROLÜ KONTROL GRAFİKLERİ ÇİZİMİ ÖRNEK ARAŞTIRMA
İSTATİSTİKSEL PROSES KONTROLÜ KONTROL GRAFİKLERİ ÇİZİMİ ÖRNEK ARAŞTIRMA ZTM 433 KALİTE KONTROL VE STANDARDİZASYON PROF: DR: AHMET ÇOLAK ÖRNEK ARAŞTIRMA ZİNCİR FABRİKASINDA UYGULAMA (Zeyveli, M. ve Selalmaz,
DetaylıİSTATİSTİKSEL TAHMİNLEME. Örneklem istatistiklerinden hareketle ana kütle parametreleri hakkında genelleme yapmaya istatistiksel tahminleme denir.
İSTATİSTİKSEL TAHMİNLEME Örneklem istatistiklerinden hareketle ana kütle parametreleri hakkında genelleme yapmaya istatistiksel tahminleme denir. 1 ŞEKİL: Evren uzay-örneklem uzay İstatistiksel tahmin
DetaylıSPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can
SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER SPSS in üzerinde işlem yapılabilecek iki ana ekran görünümü vardır. DATA VIEW (VERİ görünümü) VARIABLE VIEW (DEĞİŞKEN görünümü) 1 DATA VIEW (VERİ görünümü) İstatistiksel
DetaylıHİPOTEZ TESTLERİ. Yrd. Doç. Dr. Emre ATILGAN
HİPOTEZ TESTLERİ Yrd. Doç. Dr. Emre ATILGAN Hipotez Nedir? HİPOTEZ: parametre hakkındaki bir inanıştır. Parametre hakkındaki inanışı test etmek için hipotez testi yapılır. Hipotez testleri sayesinde örneklemden
DetaylıProf.Dr. Nihal ERGİNEL Anadolu Üniversitesi Endüstri Mühendisliği Bölümü
6 6 SIGMA FELSEFESİ Prof.Dr. Nihal ERGİNEL Anadolu Üniversitesi Endüstri Mühendisliği Bölümü Sigma seviyesi, süreçlerin yeterliliği ifade eden bir ölçüttür. Süreçlerin sigma seviyelerinin artması demek,
DetaylıGRAFİK YORUMLAMA. 1 ) Sütun Grafiği : Belirli bir zaman aralığında bazı veri grup-
GRAFİK YORUMLAMA Verilerin veya karşılaştırılması yapılacak değişkenlerin çizgi, tablo, nokta veya şekillerle ifade edilmesine grafik adı verilir. Grafik türleri olarak; sütun, çizgi, daire, histogram,
DetaylıTemel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri
Temel İstatistik Tanımlayıcı İstatistik Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Y.Doç.Dr. İbrahim Turan Mart 2011 DAĞILIM / YAYGINLIK ÖLÇÜLERİ Verilerin değişkenlik durumu ve dağılışın şeklini
DetaylıDers 9: Kitle Ortalaması ve Varyansı için Tahmin
Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık
DetaylıDers 1 Minitab da Grafiksel Analiz-I
ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 1 Minitab da Grafiksel Analiz-I İstatistik Nedir? İstatistik kelimesi ilk olarak Almanyada devlet anlamına gelen status kelimesine dayanılarak kullanılmaya
DetaylıBÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ
1 BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel
Detaylı2- VERİLERİN TOPLANMASI
2- VERİLERİN TOPLANMASI Bu bölümde yararlanılan kaynaklar: İşletme İstatistiğine Giriş (Prof. Dr. İsmail Hakkı Armutlulu) ve İşletme İstatistiğinin Temelleri (Bowerman, O Connell, Murphree, Orris Editör:
DetaylıT.C. ÇEVRE VE ORMAN BAKANLIĞI ÇEVRE YÖNETİMİ GENEL MÜDÜRLÜĞÜ ÖLÇÜM VE İZLEME DAİRESİ BAŞKANLIĞI PARTİKÜL MADDE (TOZ) TAYİNİ SONER OLGUN.
T.C. ÇEVRE VE ORMAN BAKANLIĞI ÇEVRE YÖNETİMİ GENEL MÜDÜRLÜĞÜ ÖLÇÜM VE İZLEME DAİRESİ BAŞKANLIĞI PARTİKÜL MADDE (TOZ) TAYİNİ SONER OLGUN Şube Müdürü Ekim 2010 Kastamonu 1 PARTİKÜL MADDE (TOZ) TAYİNİ Tanım:
Detaylı3/29/2011. Create PDF files without this message by purchasing novapdf printer (http://www.novapdf.com)
Problem Çözme Teknikleri: Pareto Prensibi, Tabakalama Analizi, Çeteleler Prof. Dr. Burak BİRGÖREN Endüstri Mühendisliği Bölümü - Kırıkkale Üniversitesi Pareto Prensibi ve Diyagramı Wilfredo Pareto: İtalyan
Detaylıobjektif değerlendirilmesini sağlayan bilim - veri arasındaki farkın olup olmadığını tespit
İSTATİST STİK A. G E N E L B İ L G İ A. G E N E L B İ L G İ İstatistik, belli amacla tespit edilen verilerin objektif değerlendirilmesini sağlayan bilim dalıdır. Hedef - verilere anlam kazandırmak - veri
DetaylıGösterge Yönetimi. Dr. Öğretim Üyesi Arda BORLU Kalite Yönetim Birimi
Gösterge Yönetimi Dr. Öğretim Üyesi Arda BORLU Kalite Yönetim Birimi İçerik Gösterge nedir, amacı, faydaları Gösterge sorumlusunun görevleri Gösterge yönetimi Gösterge / İndikatör Bir konunun sayısallaştırılması
DetaylıFABRİKA ORGANİZASYONU Üretim Planlama ve Yönetimi 2. Uygulama: Sipariş ve Parti Büyüklüğü Hesaplama
FABRİKA ORGANİZASYONU Üretim Planlama ve Yönetimi 2. Uygulama: Sipariş ve Parti Büyüklüğü Hesaplama Uygulamalar 1. İhtiyaç Hesaplama 2. Sipariş ve Parti Büyüklüğü Hesaplama 3. Dolaşım Akış Çizelgeleme/Terminleme
DetaylıENM 316 BENZETİM ÖDEV SETİ
ENM 16 BENZETİM ÖDEV SETİ Ödev 1. Bir depo ve N adet müşteriden oluşan bir taşımacılık sisteminde araç depodan başlayıp bütün müşterileri teker teker ziyaret ederek depoya geri dönmektedir. Sistemdeki
DetaylıOtomotiv Sertifika Programı
Otomotiv Sertifika Programı Otomotiv ana sanayi ve yan sanayinde kabul gören, geleneksel iş modelleri artık günümüzde uluslararası standartlar olarak zorunluluklar haline gelmiştir. Bu eğitimde birçok
DetaylıANADOLU ÜNİVERSİTESİ ÖRNEK: GEOMETRİK DAĞILIM
ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ KESİKLİ DAĞILIMLAR-2 DOÇ. DR. NİHAL ERGİNEL 2015 GEOMETRİK DAĞILIM Bir Bernoulli deneyi ilk olumlu sonuç elde edilmesine kadar tekrarlansın. X: ilk olumlu sonucun
DetaylıDokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü
Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü END 3618 Kalite Planlama & Kontrol Bölüm 3: İstatistiksel Proses Kontrol Metotları & Felsefesi Yrd. Doç. Dr. Kemal SUBULAN 20-22.02.2018
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani
DetaylıSICAKLIK-NEM HARİTALAMA TANITIM DOSYASI
SICAKLIK-NEM HARİTALAMA TANITIM DOSYASI Sıcaklık-Nem Haritalaması Nedir? İyi Üretim Uygulamaları (GMP-Good Manufacturing Practice) yürütmekte olan gıda, ilaç, kozmetik, medikal cihaz gibi endüstrilere
DetaylıHipotez Testi Rehberi. Orhan Çevik İstanbul, 30 Ağustos 2014
Hipotez Testi Rehberi Orhan Çevik İstanbul, 30 Ağustos 2014 Hipotezler Sıfır Hipotezi: H 0 Aksi kanıtlanmadığı sürece doğru olduğu düşünülen varsayımdır. H 0 ın kanıta ihtiyacı yoktur. H 0 ı ret etmek
DetaylıKesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları
Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları 1 Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir.
DetaylıQuality Planning and Control
Quality Planning and Control Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üniversitesi Endüstri Mühendisliği Anabilim Dalı 1 Süreç ve Ölçüm Sistemi Yeterlilik Analizi II (Process and Measurement System Capability
DetaylıZaman Serileri. IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören
Zaman Serileri IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serisi nedir? Kronolojik sırayla elde edilen verilere sahip değișkenlere zaman serisi adı verilmektedir. Genel olarak zaman serisi,
DetaylıÖRNEKLEME TEORİSİ. Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ
ÖRNEKLEME TEORİSİ 1 Bir popülasyonu istatistiksel açıdan incelemek ve işlemler yapabilmek için popülasyon içerisinden seçilen örneklemlerden yararlandığımızı söylemiştik. Peki popülasyonun istatistiksel
Detaylıİstatistik Nedir? Ders 1 Minitab da Grafiksel Analiz-I ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. İstatistiğin Konusu Olan Olaylar
ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI İstatistik Nedir? İstatistik kelimesi ilk olarak Almanyada devlet anlamına gelen status kelimesine dayanılarak kullanılmaya başlanmıştır. Ders 1 Minitab da
DetaylıİSTATİSTİK I KISA ÖZET KOLAYAOF
DİKKATİNİZE: BURADA SADECE ÖZETİN İLK ÜNİTESİ SİZE ÖRNEK OLARAK GÖSTERİLMİŞTİR. ÖZETİN TAMAMININ KAÇ SAYFA OLDUĞUNU ÜNİTELERİ İÇİNDEKİLER BÖLÜMÜNDEN GÖREBİLİRSİNİZ. İSTATİSTİK I KISA ÖZET KOLAYAOF 2 Kolayaof.com
DetaylıİÇİNDEKİLER ÖN SÖZ...
İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN
DetaylıParti Bazında Kabul Örneklemesi
KABUL ÖRNEKLEMESİ Hammadde, yarı mamul veya bitmiş (son) ürünün kabul / red kararının verilebilmesi için kullanılan bir yaklaşımdır. Kabul örneklemesi sadece partinin kabul / red kararı için kullanılır,
Detaylıİstatistiksel Yorumlama
İstatistiksel Yorumlama Amaç, popülasyon hakkında yorumlamalar yapmaktadır. Populasyon Parametre Karar Vermek Örnek İstatistik Tahmin 1 Tahmin Olaylar hakkında tahminlerde bulunmak ve karar vermek zorundayız
DetaylıTanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN
Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,
DetaylıBİYOİSTATİSTİK. Uygulama 4. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Güven Aralıkları 2 Güven Aralıkları
DetaylıOLASILIK VE İSTATİSTİK
OLASILIK VE İSTATİSTİK 1 Bölüm 1 Temel Terimler ve Tanımlar 2 Giriş Genel olarak araştırmalarda, büyük veri gruplarının içinden daha küçük veri grupları seçilerek büyük veri gruplarının hakkında bilgi
DetaylıMEYVE SUYU ÜRETİMİNDE SÜREÇ KARARLILIĞI VE YETERLİLİK ANALİZİ
MEYVE SUYU ÜRETİMİNDE SÜREÇ KARARLILIĞI VE YETERLİLİK ANALİZİ Evren DİREN Serkan ATAK Çiğdem CİHANGİR Murat Caner TESTİK ÖZET Kusurları ve israfı önleyerek müşteri memnuniyetini ve karlılığı arttırmayı
DetaylıİSTATİSTİK 2. Hipotez Testi 21/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr
İSTATİSTİK 2 Hipotez Testi 21/03/2012 AYŞE S. ÇAĞLI aysecagli@beykent.edu.tr 1 Güven aralığı ve Hipotez testi Güven aralığı µ? µ? Veriler, bir değer aralığında hangi değeri gösteriyor? (Parametrenin gerçek
DetaylıKalite Kontrol Yenilikler
Kalite Kontrol Yenilikler Amaç ve Fayda Kalite Kontrol modülünde ISO 2859 standardının desteklenmesine, kullanımın daha fonksiyonel ve rahat olabilmesine yönelik bazı iyileştirme çalışmaları yapılmıştır.
DetaylıNicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014
Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 1 Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl?
Detaylı5-3 x ve s için kontrol Şemaları
Resim şu anda görüntülenemiyor. 04.05.2018 5-3 x s için kontrol Şemaları x R kontrol şemalarının yaygın bir şekilde kullanılmasına rağmen, bazen R aralığının dolaylı şekilde kullanımı yerine doğrudan sürecin
DetaylıGörev çubuğu. Ana ölçek. Şekil 1.1: Verniyeli kumpas
Deney No : M0 Deney Adı : ÖLÇME VE HATA HESABI Deneyin Amacı : Bazı uzunluk ölçü aletlerini tanımak ve ölçme hataları hakkında ön bilgiler elde etmektir. Teorik Bilgi : VERNİYELİ KUMPAS Uzunluk ölçümü
DetaylıDeney Dizaynı ve Veri Analizi Ders Notları
Deney Dizaynı ve Veri Analizi Ders Notları Binom dağılım fonksiyonu: Süreksiz olaylarda, sonuçların az sayıda seçenekten oluştuğu durumlarda kullanılır. Bir para atıldığında yazı veya tura gelme olasılığı
DetaylıİSTATİSTİK EXCEL UYGULAMA
İSTATİSTİK EXCEL UYGULAMA EXCEL UYGULAMA Bu bölümde Excel ile ilgili temel bilgiler sunulacak ve daha sonra İstatistiksel Uygulamalar hakkında bilgi verilecektir. İşlenecek Konular: Merkezi eğilim Ölçüleri
Detaylıİstatistik Nedir? İstatistiğin Önemi Nedir? Tanımlayıcı ve Çıkarımcı İstatistik ttitik Tanımlayıcı İstatistik Türleri Çıkarımcı İstatistiğin i iği
İSTATİSTİK E GİRİŞ TEMEL KAVRAMLAR İstatistik Nedir? İstatistiğin Önemi Nedir? Tanımlayıcı ve Çıkarımcı İstatistik ttitik Tanımlayıcı İstatistik Türleri Çıkarımcı İstatistiğin i iği Elemanlarıl AMAÇ İstatistiğe
DetaylıANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ TANIMLAR VE VERİ SINIFLAMASI
ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ TANIMLAR VE VERİ SINIFLAMASI DOÇ. DR. NİHAL ERGİNEL TANIMLAR VE VERİ SINIFLAMASI Olasılık, ilgilenilen olay/olayların meydana gelme olabilirliğinin ölçülmesidir.
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
DetaylıDr. Mehmet AKSARAYLI
Dr. Mehmet AKSARAYLI Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir. Şans Değişkenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesikli
DetaylıBSH Bosch Siemens Ev Aletleri Satisfaction Kaizeni
BSH Bosch Siemens Ev Aletleri Satisfaction Kaizeni DONDURUCU FLAP SIKI GEÇME PROBLEMİ Murat Balseven / Takım Lideri FIK/1 - N1 13.02.2012 B O S C H A N D S I E M E N S H O M E A P P L I A N C E S G R O
DetaylıZaman Serileri-1. If you have to forecast, forecast often. EDGAR R. FIEDLER, American economist. IENG 481 Tahmin Yöntemleri Dr.
Zaman Serileri-1 If you have to forecast, forecast often. EDGAR R. FIEDLER, American economist IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serisi nedir? Kronolojik sırayla elde edilen verilere
DetaylıİSTATİSTİK MHN3120 Malzeme Mühendisliği
İSTATİSTİK MHN3120 Malzeme Mühendisliği CBÜ - Malzeme Mühendisliği Bölümü Ofis: Mühendislik Fakültesi A Blok Ofis no:311 Tel: 0 236 2012404 E-posta :emre.yalamac@cbu.edu.tr YARDIMCI KAYNAKLAR Mühendiler
DetaylıKALİTE EKONOMİSİ PROF.DR. AHMET ÇOLAK
KALİTE EKONOMİSİ PROF.DR. AHMET ÇOLAK TOPLAM KALİTE MALİYETLERİ TOPLAM İÇİNDEKİ PAYI 1.Önleme maliyetleri % 5 2.Ölçme ve Değerleme Maliyetleri % 50 3.Başarısızlık Maliyetleri % 45 3.1.İç Başarısızlık Maliyetleri
DetaylıDENEY 0. Bölüm 1 - Ölçme ve Hata Hesabı
DENEY 0 Bölüm 1 - Ölçme ve Hata Hesabı Amaç: Ölçüm metodu ve cihazına bağlı hata ve belirsizlikleri anlamak, fiziksel bir niceliği ölçüp hata ve belirsizlikleri tespit etmek, nedenlerini açıklamak. Genel
DetaylıİSTATİSTİK STATISTICS (2+0) Yrd.Doç.Dr. Nil TOPLAN SAÜ.MÜH. FAK. METALURJİ VE MALZEME MÜH. BÖLÜMÜ ÖĞRETİM ÜYESİ ÖĞRETİM YILI
İSTATİSTİK STATISTICS (+) Yrd.Doç.Dr. Nil TOPLAN SAÜ.MÜH. FAK. METALURJİ VE MALZEME MÜH. BÖLÜMÜ ÖĞRETİM ÜYESİ ÖĞRETİM YILI KONU BAŞLIKLARI :. İSTATİSTİĞE GİRİŞ. VERİLERİN DÜZENLENMESİ. MERKEZİ EĞİLİM ÖLÇÜLERİ.
Detaylı