BİR ENDÜSTRİ İŞLETMESİNDE ÇOK DEĞİŞKENLİ İSTATİSTİKSEL SÜREÇ KONTROLÜ
|
|
- Metin Üner
- 8 yıl önce
- İzleme sayısı:
Transkript
1 V. Ulusal Üretim Araştırmaları Sempozyumu, İstanbul Ticaret Üniversitesi, Kasım 2005 BİR ENDÜSTRİ İŞLETMESİNDE ÇOK DEĞİŞKENLİ İSTATİSTİKSEL SÜREÇ KONTROLÜ M. Övül ARIOĞLU SALMONA Marmara Üniversitesi S. Ümit OKTAY FIRAT Marmara Üniversitesi Özet Veri toplama teknolojisinin hızlı gelişimi ve süreçlerin bilgisayarlar aracılığıyla izlenmesi, birden fazla kalite bileşeninin veya süreç değişkeninin eş zamanlı kontrolüne olan ilgiyi arttırmıştır. Çok değişkenli istatistiksel süreç kontrol yöntemleri olarak adlandırılan bu tekniklerin en önemli özellikleri değişkenler arasındaki ilişkileri de göz önünde bulundurarak süreci bir bütün olarak incelemeleridir. Hotelling T 2, çok değişkenli süreçlerin incelenmesinde en yaygın olarak kullanılan kontrol diyagramı istatistiklerinden biridir. Çalışmamızda cam takviyeli plastik borular ve bağlantı manşonları üreten bir endüstri işletmesinde sürekli elyaf sarma sürecine çok değişkenli istatistiksel kalite kontrolü uygulanması hedeflenmiştir. Özellikle Hotelling T 2 istatistiği üzerine kurduğumuz çalışma QualStat yazılım programı aracığılıyla gerçekleştirilmiştir. Anahtar Sözcükler: Çok Değişkenli Süreç Kontrolü, Kontrol Diyagramı, Hotelling T 2, Temel Bileşenler Analizi, Qualstat. 1. GİRİŞ Günümüz rekabetçi sanayi ortamında yüksek kalitede üretim yapmak kaçınılmaz bir zorunluluktur. Bu zorunluluğun yerine getirilmesi ile ticari başarı ve büyüme için en gerekli araçlardan biri kalite kontroldür. Kalite kontrol uzmanlarının ve süreç mühendislerinin büyük bir kısmı, değişkenleri tek tek inceleyerek süreçteki olağandışı olayları belirlemek için tasarlanmış olan tek değişkenli kalite kontrol yöntemlerini yaygın olarak kullanmaktadırlar. Ancak bir ürünün veya hizmetin kalitesi birden çok eş zamanlı değişkene bağlı olduğundan, kalite kontrol problemleri çoğunlukla çok değişkenli bir yapıya sahiptir. Bu noktada değişkenler arasındaki ilişkileri de göz önünde bulundurmaları sebebiyle çok değişkenli istatistiksel süreç kontol yöntemleri tek değişkenli olanlara oranla süreci bir bütün olarak incelemekte daha doğru sonuçlar vermektedirler. Veri toplama teknolojisinin hızlı gelişimi ve süreçlerin bilgisayarlar aracılığıyla izlenmesi sayesinde, Hotelling T 2 çok değişkenli süreçlerin incelenmesinde en yaygın olarak kullanılan kontrol diyagramı istatistiklerinden biri olmuştur. Hotelling in 1931 ve 1947 deki çalışmalarında öne sürdüğü test, daha sonraki dönemlerde kalite kontrol alanında uygulanmaya başlanmıştır da Jackson ın, 1982 de Alt ın çalışmalarının arkasından 80 li yılların ortalarından itibaren bu alanda literatür yoğunlaşmış, 90 lı yıllarda da yeni yaklaşımlar geliştirilmiştir. Konuyla ilgili literatürün ve geliştirilen yeni yaklaşımların genel bir değerlendirmesi Fırat ve Arıcıgil (2000) in çalışmasında yer almaktadır. 2. ÇOK DEĞİŞKENLİ İSTATİSTİKSEL SÜREÇ KONTROLÜ VE HOTELLİNG T 2 İSTATİSTİĞİ 2.1. Hotelling T 2 İstatistiğinin Genel Özellikleri Çok değişkenli istatistiksel süreç konrolünün sahip olması gereken belli başlı özellikler aşağıdaki gibi sıralanabilir: (Mason ve Young, 1998; Mason ve Young, 2002) i. Kontrol istatistiğinin grafik yolla gösterimi ve süreçteki trendlerin belirlenmesi kolay ve hızlı olmalıdır. 567
2 M. Ö. Arıoğlu Salmona, S. Ü. Oktay Fırat ii. Kontrol dışı sinyaller meydana gelmesi durumunda, sebep olan değişkenlerin belirlenmesi kolay olmalı ve ayrıştırma yöntemi yalnızca belirli bir veri grubuna hitap edecek nitelikte olmamalıdır. iii. Yöntem uygulamada esnek olmalı; zamana bağlı süreç gözlemleriyle de çalışabilmeli, sürekli ve kesikli süreçler ile kontrol istatistiğinin değişik şekillerine uygulanabilmelidir. iv. Yöntem küçük ama tutarlı süreç değişikliklerini kısa sürede belirleyebilecek nitelikte olmalıdır. v. Kalite kontrolü üretim sonrasında olduğu kadar üretim sırasında da uygulanabilir nitelikte olmalıdır. vi. Verilerin bilgisayarlar aracılığıyla toplanması ve sürece ilişkin çok fazla değişkenin eş zamanlı incelenmesi veri niceliğini büyük ölçüde arttırmış; kalite kontrol çalışmaları da aynı oranda zorlaşmıştır. Bu nedenle, kullanılacak yöntem programlanabilir olmalıdır. Bugün literatürde en çok bilinen çok değişkenli kontrol diyagramları χ 2 -diyagramı, Hotelling T 2 diyagramı, çok değişkenli kümülatif toplam (MCUSUM) diyagramı ve çok değişkenli üstel tartılı hareketli ortalama (MEWMA) diyagramıdır. Bunlardan Hotelling T 2 diyagramı, süreç değişkenlerinin normal dağıldığı ve sürecin gerçek parametrelerinin bilinmediği ve örneklemlerden tahmin edildiği durumlarda kullanılır. (Fırat, 2001) Hotelling T 2 istatistiğinin dağılım özellikleri ve bu istatistiği açıklamada kullanılabilecek olasılık dağılımları Fuchs ve Kennett (1998) ile Mason ve Young (2002) tarafından ayrıntılı olarak ele alınmıştır. Hotelling T 2 istatistiği kullanılarak gerçekleştirilen süreç kontrol yöntemleri yukarıda belirtilen belli başlı gerekliliklerin çoğunu yerine getirebilmektedir. Ancak ele alınan süreçlerin özellikleriyle de bağlantılı olarak uygulamada bazı problemlerle karşılaşılabilmektedir. Bu problemlerden bazıları tek değişkenli durumlarla birebir örtüşürken, diğerleri daha karmaşık ve uygulamacıları caydırıcı nitelikte olabilmektedir. (Mason ve Young, 2002; Fırat ve Arıcıgil, 2000) Problem alanları şu şekilde sıralanabilir: (Mason ve diğerleri, 1997a) i. Hotelling T2 istatistiğinin en önemli varsayımlarından biri çok değişkenli normal dağılım olup bu varsayımı test etmek tek değişkenli durumlara kıyasla oldukça zordur. Bu alanda çeşitli testler önerilmiştir; ancak uygulamada en büyük kolaylığı sağlayan Mason ve Young (2002) ın önerdiği beta dağılımına uygunluk testidir. Hotelling T2 değerlerinin beta dağılımına uygunluğu Q-Q kantil (bölenler) grafikleri yardımıyla test edilerek gözlemlerin çok değişkenli normal dağılıp dağılmadığı da belirlenmiş olur. ii. Çok değişkenli süreç kontrol yöntemleri kovaryans matrisinin tekil olması yani değişkenlerin arasında güçlü doğrusal ilişkiler bulunması durumunda doğru sonuçlar vermemektedir. Böyle durumlarda en doğru yaklaşım temel bileşenler analizi ile kovaryans matrisinin boyutunu küçültmektir. iii. Eksik veri sorunu çok değişkenli süreç kontrolünde tek değişkenli duruma kıyasla daha ciddi sorunlara neden olmaktadır. Bunun nedeni eksik gözlemlerin eldeki gözlemlerden çıkarımı esnasında değişkenler arasındaki korelasyon yapısının da devreye girmesidir. iv. Hotelling T2 istatistiğinin kullanımı esnasında karşılaşılabilecek bir diğer sorun da otokorelasyondur. Otokorelasyon, değişkenler arasındaki ilişkilerin anlaşılmasını güçleştirdiği ve 1. Tip hata olasılığını arttırdığı için kontrol yönteminin gücünü azaltır. Mason vd. (2003) Hotelling T2 diyagramında rastgele olmayan örüntülere sebep olabilecek süreç koşullarını incelemişlerdir. Otokorelasyon belirlenmesi durumunda verilere uygun bir otoregresif model seçilir ve kontrol yöntemi model hatalarına uygulanır. v. Daha önce de belirtildiği üzere, Hotelling T2 istatistiği farklı olasılık fonksiyonlarına göre dağılım gösterebilir. Bu noktada süreç kontrolünün birinci ve ikinci aşamalarında üst kontrol sınırının doğru belirlenmesinde uygun olasılık fonksiyonun seçimi çok büyük önem taşımaktadır. (Lowry ve Montgomery, 1995) vi. Çok değişkenli kontrol diyagramları süreçlerin kontrol dışına çıktığı gözlemleri belirlemekte kullanılabilirler; ancak bu noktalarda kontrol dışı duruma hangi değişken veya değişkenlerin sebep olduğu yönünde bilgi vermezler. Bunun nedeni p-boyutlu veri vektörünün tek değişkenli bir istatistiğe indirgeniyor olmasıdır. Bu noktada Hotelling T2 prosedürüne ek olarak MYT (Mason Young Tracy) ayrıştırma yöntemi kullanılarak kontrol dışı sinyallerin sebepleri değişkenler cinsinden belirlenebilir. (Mason ve diğerleri, 1997b) vii. Hotelling T2 istatistiğinin temel varsayımlarından biri de örneklem büyüklüğünün yeterliliğidir. Süreç parametrelerinin örneklemden tahmini söz konusu olduğunda tahmin edilecek parametre sayısı oldukça büyüktür. Örneğin, p = 10 değişken için tahmin edilmesi gereken parametre sayısı 65dir. (Mason ve Young, 2002) Bu da süreç kontrolünde çalışılacak veri miktarını büyük ölçüde arttırdığı için analiz aşaması yazılım programlarının kullanımını zorunlu kılmaktadır. Çok değişkenli istatistiksel süreç kontrolü yapabilen az sayıda bilgisayar programı bulunmaktadır. Bunların arasında InControl Technologies, Inc. tarafından geliştirilen QualStat kapsamı, kullanım hızı ve kolaylığı ile ön plana çıkmaktadır Hotelling T2 İstatistiğine Dayalı Süreç Kontrolünün Temel Aşamaları İstatistiksel süreç kontrol sistemleri temelde iki ana aşamadan oluşmaktadırlar: (Lowry ve Montgomery, 1995; Mason ve Young, 2002) 1. Aşama: Bu aşamanın amacı süreç için referans bir veri seti oluşturmaktır. Bu referans veri seti süreç parametrelerinin tahmini ve dolayısıyla ikinci aşama için kontrol sınırlarının oluşturulmasında kullanılmaktadır. 568
3 V. Ulusal Üretim Araştırmaları Sempozyumu, İstanbul Ticaret Üniversitesi, Kasım Aşama: Bu aşamada amaç yeni gözlemler geldikçe ilk aşamada oluşturulan süreç kontrol sınırları kullanılarak süreç kontrolünün sürekliliğinin gözlenmesi ve kontrol dışı sinyallerin belirlenmesidir Birinci Aşama: Referans Veri Setinin Oluşturulması 1. Aşamanın adımları aşağıdaki gibi sıralanabilir: (Mason ve Young, 2002) i. Planlama: Bu aşama amaçların belirlenmesi, süreç akışının incelenmesi ve iyi süreç koşullarının tanımlanmasına yöneliktir. ii. Ön Veri Setinin Oluşturulması: Bu aşamada toplanan verilerin kalitelerinin onaylanması ve gerekirse verilerin filtrelenmesi hedeflenmiştir. Ön veri setinin oluşturulması esnasında toplama prosedürlerinde insanlar veya elektronik cihazlar sebebiyle meydana gelebilecek hataların belirlenmesi ve giderilmesi gerekir. Daha sonra ise teorik ve ampirik ilişkiler ışığında gerekli transformasyonlar yapılarak değişkenlerin en işlevsel formları bulunur. Son olarak eksik veriler belirlenir ve bu sorun giderilir. iii. Önemli Veri Problemlerinin Belirlenmesi: Bu aşama doğrusal bağlantı ve otokorelasyonun belirlenip giderilmesi alt başlıklarını kapsar. iv. Aykırı Değerlerin Belirlenmesi ve Giderimi: Referans veri setinin kontrol altında bir süreci temsil etmesi büyük önem taşımaktadır. Mason ve Young (2002) ın belirttiği üzere Hotelling T 2 kontrol diyagramının yalnızca üst sınırı mevcuttur ve eğer herhangi bir gözlem için hesaplanan T 2 değeri bu üst kontrol sınırını aşıyorsa o gözlem aykırı bir değer olarak nitelendirilir ve kontrol dışı bir durumu temsil ettiğinden mümkünse veri setinden çıkarılması gerekir İkinci Aşama: Kontrol Dışı Sinyallerin Yorumlanması Bu aşamada daha önce de belirtildiği üzere birinci aşamada oluşturulan sınırlar baz alınarak süreçte meydana gelen kontrol dışı sinyaller belirlenir ve yorumlanır. Bu konuyla ilgili literatürün genel bir değerlendirmesi Mason ve diğerleri (1997a) ile Mason ve Young (2002) ın çalışmalarında mevcuttur. Kontrol dışı sinyallerin belirlenmesi ve yorumlanmasında kullanılan grafik yöntemler ise Fırat ve Arıcıgil (2001) tarafından irdelenmiştir. Çok değişkenli istatistiksel süreçlerde meydana gelen kontrol dışı sinyallerin başlıca sebepleri şunlardır: (Mason ve diğerleri, 1997b) i. Gözlem veya gözlemlerin referans veri seti kullanılarak belirlenen kontrol sınırlarının dışında olması; ii. İki veya daha fazla değişkenin arasındaki ilişkinin referans veri setinin öngördüğünden farklı olması; iii. Yukarıda belirtilen iki durumun kombinasyonu ki bu yorumlanması en zor sebeptir. Bu aşamada en çok kullanılan yaklaşım, T 2 değerlerinin bağımsız ortogonal bileşenlerine dayanan ve Mason ve diğerleri (1995,1997b) ile Mason ve Young (1998,2002) tarafından detaylı olarak ele alınan MYT ayrıştırma yöntemidir. Bakır ve Karaca (2002) iki değişkenli bir sürecin sinyallerini MYT ayrıştırma yöntemi ile incelemişlerdir. 3. UYGULAMA VE SONUÇLAR Çalışmamızda cam takviyeli plastik borular ve bağlantı manşonları üreten bir endüstri işletmesinde sürekli elyaf sarma sürecine Hotelling T 2 istatistiği QualStat yazılım programı aracılığıyla uygulanmıştır Birinci Aşama: Referans Veri Setinin Oluşturulması Planlama: Sürekli elyaf sarma sürecinde en kritik noktanın hammadde verimliliği olduğu anlaşılmıştır; çünkü süreçte kullanılan hammaddeler oldukça pahalıdır ve geri dönüşümleri söz konusu değildir. Hammadde verimliliğinin sağlanması için kullanılan hammaddelerin yüzdelerinin belirlendiği kompozit analizi yapılmaktadır. Bu nokta göz önünde bulundurularak süreç kontrolde kullanılacak değişkenler sürecin girdileri olan kesintisiz cam elyaf (hoop glass) yüzdesi, kısa cam elyaf (chop glass) yüzdesi, reçine ve kum yüzdeleri olarak belirlenmiştir. Ancak; süreci açıklamak için bu değişkenler yeterli olmamaktadır. Üretilen boruların dayanımını ve genel kalitesini belirleyebilmek adına eksenel ve çember çekme dayanımları (N/mm) ile borunun et kalınlığı (mm) da süreç kontrole dahil edilmiştir. Ön Veri Setinin Oluşturulması: Borular, sürekli elyaf sarma metodunun sağladığı imkanla istenilen boy, basınç ve rijitlikte, her projenin spesifikasyonlarına uygun olarak üretilebilmektedir. Çalışmamızda, en çok veriyi sağlayan 10 bar basınç ve 5000 N/m 2 rijitlikte, 900 mm çapında borulardan alınan 315 adet gözlem QualStat programı ile olası veri problemleri açısından değerlendirilmiş ve et kalınlığı değişkeninde aykırı değerlere rastlanmıştır. Farklı denemelerden sonra 17 mm den büyük değerler filtrelendiğinde sorunun giderildiği gözlemlenmiştir. Bu filtrelemenin sonucunda 303 gözlemlik bir ön veri seti elde edilmiştir. Filtrelenmiş veri seti için 7 süreç değişkenine ilişkin tanımlayıcı istatistikler Tablo 1 de verilmiştir. 569
4 M. Ö. Arıoğlu Salmona, S. Ü. Oktay Fırat Tablo 1. Süreç değişkenine ilişkin tanımlayıcı istatistikler N Ortalama Minimum Maksimum Std. Sapma Asimetri Basıklık Kısa C. El , ,83 10,63 1,2695 0, ,15447 Kesintisiz C. El ,2737 6,25 27,96 6, , , Reçine , ,43 25,69 2, , ,73413 Kum ,5212 7,17 44,77 8,8488 0, , Eksenel Ç. D , ,903 97,119 12,2027 0, , Çember Ç. D , ,7 0, ,35057 Et Kalınlığı ,35 9,2 15,7 1, , ,63961 QualStat, olası veri problemlerinin analizinin yanısıra değişkenler arasındaki ilişkilerle ilgili olarak varyans/kovaryans matrisi ile korelasyon matrisini de hesaplayıp analizini yapmaktadır. Buna göre anlamlı ölçüde korelasyona sahip değişken çiftleri (azalan önem sırasına göre) şu şekilde sıralanabilir: reçine-et kalınlığı, kesintisiz cam elyaf-çember çekme dayanımı, kesintisiz cam elyaf-kum, kısa cam elyaf-kesintisiz cam elyaf, kum-çember çekme dayanımı, kum-eksenel çekme dayanımı, kesintisiz cam elyaf-eksenel çekme dayanımı, kısa cam elyaf-çember çekme dayanımı, eksenel çekme dayanımı-çember çekme dayanımı, kısa cam elyaf-eksenel çekme dayanımı, kısa cam elyaf-reçine, kısa cam elyaf-kum, kısa cam elyaf-et kalınlığı ve kum-et kalınlığı. Bir önceki bölümde de belirtildiği üzere Hotelling T 2 istatistiği uygulamalarında en önemli varsayım çok değişkenli normal dağılımdır. Verilerin normal dağılıma uyup uymadığı öncelikle değişkenlerin tek tek normal olasılık grafiklerine ve Shapiro Wilks ile KS (Lilliefors) test sonuçlarına bakılarak değerlendirilmiştir. Bunlar QualStat yazılım programının tek değişkenli normal dağılım varsayımına ilişkin verdiği kriterler olup, veri setinin bütününün çok değişkenli normal dağılıma göre hareket edip etmediğini belirleyememektedir. Bu değerlendirmeler sonucunda normal dağılıma en çok uyan değişkenin eksenel çekme dayanımı olduğu görülmüş; kısa cam elyaf, reçine ile çember çekme dayanımı değişkenlerinde küçük, kesintisiz cam elyaf, kum ve et kalınlığı değişkenlerinde ise daha büyük sapmalar gözlemlenmiştir. QualStat, çok değişkenli normal dağılım varsayımının değerlendirilmesinde veri setinde olası problemler giderildikten sonra kalan gözlemler için hesaplanan T 2 değerlerinin beta dağılımına uygunluğunu test etmektedir. Sürekli elyaf sarma sürecinde veri toplama işlemi, Programlanabilir Lojik Kontrol Sistemi (PLC) ve Bilgisayar (PC) denetiminde yapıldığından, eksik veri sorunuyla karşılaşılmamıştır. Önemli Veri Problemlerinin Belirlenmesi: Bu aşamada öncelikle çoklu doğrusal bağlantı problemi ele alınmıştır. 7 süreç değişkeni için temel bileşenler analizi Tablo 2 de verilmiştir. Bunun sonucunda verimizde çoklu doğrusal bağlantı problemi olduğu anlaşılmış ve temel bileşenler analizine ek olarak değişkenlerin ikili korelasyonları da göz önüne alınarak değişken sayısı indirgenmiştir. Süreç değişkenlerinin seçilmesinde kullanılan iki temel kriter seçilen süreç değişkenlerinin arasında anlamlı bir doğrusal bağlantı olmaması ve bu değişkenlerin süreçteki değişkenliği mümkün olduğunca çok açıklamalarıdır (Fuchs ve Kennett, 1998). Özdeğer % Toplam Tablo 2. Süreç değişkenlerinin temel bileşenleri Top.% Kısa C. El. Kesintisiz C. El. Reçine Kum Eksenel Ç. D. Çember Ç. D. Et Kalınlığı # 1 4, ,57 59,57-0,4329-0,4803-0,1187 0,4191-0,421-0,4619-0, , ,41 92,98 0,267-0,0199 0,6222 0,3136-0,1666-0,0076 0, ,2675 3,82 96,8-0,0952 0,2147-0,0082-0,2054-0,8357 0,4483-0, ,1079 1,54 98,34 0,4137 0,1412 0,1999-0,405-0,267-0,6899-0, ,0597 0,85 99,19 0,6065-0,0079-0,6902 0,2665-0,1566-0,0189 0, ,0473 0,68 99,87 0,4315-0,6494 0,2427 0,0654-0,0254 0,3305-0, ,0091 0, ,0837-0,5302-0,153-0,6667 0,0115 0,0119 0,4937 Tüm bu bilgiler ışığında, süreç kontrolünün uygulanacağı değişkenler kesintisiz cam elyaf yüzdesi ile et kalınlığı olarak belirlenmiş; ancak bu noktada henüz çok değişkenli normal dağılım varsayımı test edilemediğinden bu değişken grubunun yanında eksenel çekme dayanımı ve reçine ile ilk iki temel bileşen üzerinde de kalite kontrol uygulanmasına karar verilmiştir. Veri setinde meydana gelebilecek bir başka problem de otokorelasyon olduğundan bir sonraki aşamada bu üç süreç değişken grubu için değişkenlerin tek tek zamana bağlı grafikleri incelenerek olası bir otokorelasyon problemi tespit edilmiştir. QualStat yazılım programı otekorelasyon tespiti ve giderimine yönelik herhangi bir araç içermediğinden, bu aşamada Minitab yazılım programı kulanılarak değişkenlere tek tek uygun ARIMA modelleri uydurularak bu modellerin hataları hesaplanmıştır. Bu noktadan itibaren gözlemlerin kendileri yerine hataları ile çalışılmıştır. 570
5 V. Ulusal Üretim Araştırmaları Sempozyumu, İstanbul Ticaret Üniversitesi, Kasım 2005 Aykırı Değerlerin Belirlenmesi ve Giderimi: Verideki olası problemler denetlenip, giderildikten sonraki aşama aykırı değerlerin tespiti ve veriden çıkarılmasıdır. QualStat, gözlemler için T 2 değerlerini ve sürecin üst kontrol sınırını hesaplayarak 1. Aşama T 2 kontrol diyagramı üzerinde aykırı değerleri gösterebilmektedir. Bu aşama; kesintisiz cam elyaf-et kalınlığı, eksenel çekme dayanımı-reçine ile ilk iki temel bileşenin hataları olmak üzere üç değişken grubuna uygulanmıştır. QualStat, aykırı değerleri tek hamlede çıkarabildiği gibi aşama aşama da eleyebilmektedir. Örneğin kesintisiz cam elyaf-et kalınlığı değişkenlerinin hatalarına ilişkin aykırı değerler sekiz aşamada giderilmiş olup, toplam 35 aykırı değer tespit edilmiştir. Bu değişken grubu için 1. Aşama T 2 kontrol diyagramı ve aykırı değerler çıkarıldıktan sonraki T 2 değerlerinin beta olasılık fonksiyonu Q-Q diyagramları sırasıyla Şekil 1 ve 2 de incelenebilir. Şekil 1. Kesintisiz C. El. ve et kalınlığı hataları için 1. aşama T 2 kontrol diyagramı Şekil 2. Kesintisiz C. El. ve et kalınlığı hataları T 2 beta olasılık fonksiyonu Q-Q diyagramı Şekil 2 de de görüldüğü üzere kesintisiz cam elyaf ve et kalınlığı değişkenlerinin hataları çok değişkenli normal dağılımdan bir miktar sapma gösterse de bu sapma süreç kontrolü olumsuz ölçüde etkileyecek boyutta değildir. Bu değişken grubu eksenel çekme dayanımı ile reçine değişkenlerinin hatalarına oranla çok değişkenli normal dağılımdan daha az ancak ilk iki temel bileşenin hatalarına göre ise daha çok sapma göstermiştir. Bu noktada sözü edilen üç değişken grubunun hataları için üç ayrı referans seti elde edilmiş olup, 2. Aşama bu referans veri setlerine dayandırılacaktır İkinci Aşama: Kontrol Dışı Sinyallerin Yorumlanması Bu aşamada süreç kontrolünü değerlendirmek üzere 100 yeni gözlem alınmış ve 1. Aşama gözlemlerine uygulanan veri problemlerini gidermek amacıyla gerçekleştirileren tüm işlemler bu gözlemler üzerinde de tekrarlanmıştır. QualStat, 1. Aşamanın sonunda elde edilen referans veri setlerinden faydalanarak bu üç değişken grubu için 2. Aşama T 2 kontrol diyagramlarını oluşturmuş, daha sonra diyagramlar üzerinde belirlenen kontrol dışı sinyaller üzerinde MYT ayrıştırma tekniğini kullanarak kontrol dışı duruma sebep olan değişken veya değişkenleri belirlemiştir. Çok değişkenli normal dağılım göz önüne alındığında en iyi veri grubu ilk iki temel bileşenin hatalarıdır; ancak temel bileşenler üzerindeki kontrol dışı sinyaller hangi değişken veya değişkenlerin bu duruma sebep olduğunu belirlememize yarayacak şekilde tekrar bileşenlerine ayrılamadığından süreci incelemekte kullanılacak en doğru değişken grubu kesintisiz cam elyaf ile et kalınlığı hatalarıdır. Bu değişken grubu, eksenel çekme dayanımı ve reçine hataları değişken grubuna göre hem süreçteki değişkenliği daha iyi açıklamakta hem de çok değişkenli normal dağılıma daha fazla uyum göstermektedir. MYT ayrıştırması ile varılan sonuç ise kontrol dışı sinyallere en çok et kalınlığı değişkeninin sebep olduğu yönündedir. 571
6 M. Ö. Arıoğlu Salmona, S. Ü. Oktay Fırat 4. YORUM VE DEĞERLENDİRMELER Günümüzde süreçlerin izlenmesi disiplinlerarası ve çok disiplinli bir yaklaşım gerektirmektedir. Bu yaklaşım içinde Hotelling T 2 kontrol diyagramları en sık kullanılan yöntemlerden biri durumuna gelecektir. Ancak, gerekli olan istatistiksel varsayımların denetimi ve kontrol dışı sinyallerin yorumlanması gibi aşamalar göz önüne alındığında özellikle bu alanda donanımı olmayan uygulamacılar için karmaşık olabilmektedir. Bu noktada, kullanımı oldukça basit bir yazılım programı olan QualStat dikkat çekmektedir. Veride otokorelasyon olması durumunda Minitab ve SPSS gibi yazılım programlarından da faydalanmak gerekmektedir. Ampirik çalışmada, QualStat ve Minitab kullanılarak bütün aşamalar uygulanmış ve MYT ayrıştırması ile kontrol dışı sinyal veren değişken belirlenmiştir. Bu değişken et kalınlığı olup Süreç Mühendisliği ne sinyal veren gözlemlerin alındığı esnada hem bu değişkenin hem de bu değişken ile yüksek korelasyona sahip diğer değişkenlerin incelenmesi önerilmektedir. 5. TEŞEKKÜR Yazarlar, SUBOR Boru San. ve Tic. A.Ş. Genel Müdürü Yük. Müh. Ali Kemal TUNÇ, Adapazarı Fabrika Müdürü Seyfettin KILINÇ ile Proses Müdürü Dr. Müh. Alpay GÜLCAN a sağladıkları süreç veri ve bilgileri için teşekkürü borç bilmektedirler. Bu bildiri kapsamında öne sürülen görüş ve değerlendirmeler tamamen yazarların sorumluluğunda olup, SUBOR firmasını bağlayıcı değildir. 6. KAYNAKÇA BAKIR, M. A., KARACA, S., 2002, Çok Değişkenli Kalite Kontrol Yaklaşımlarının Bir Değerlendirmesi, İstatistik Araştırma Dergisi, Cilt. 01, No. 01, FIRAT (OKTAY), S. Ü., 2001, Çok Değişkenli Süreçler için İstatistik Kontrol Araçları, II. Ulusal Üretim Araştırmaları Sempozyumu, 8 9 Kasım, Maçka Istanbul, FIRAT (OKTAY), S. Ü., ARICIGİL, Ç., 2000, Multivariate Quality Control: A Historical Perspective, First International Symposium on Business Administration, 1-3 June, Gökçeada-Çanakkale. FIRAT (OKTAY), S. Ü., ÇİLAN (ARICIGİL), Ç., 2001, Multivariate Statistical Process Control Methods and New Approaches, The 6th World Congress for Total Quality Management Proceedings Vol:1, Haziran, Stockholm School of Economics in Saint Petersburg, FUCHS, C., KENETT, R. S., 1998, Multivariate Quality Control, Dekker, New York. LOWRY, C. A., MONTGOMERY, D. C., 1995, A Review of Multivariate Control Charts, IIE Transactions, 27, MASON, R. L., YOUNG, J. C., 1998, Hotelling s T2: A Multivariate Statistic for Industrial Process Control, ASQ s 52nd Annual Quality Congress Proceedings, MASON, R. L., YOUNG, J. C., 2002, Multivariate Statistical Process Control with Industrial Applications, ASA-SIAM, Philadelphia, PA. MASON, R. L., CHAMP, C. W., TRACY, N. D., WIERDA, S.J., YOUNG, J. C., 1997a, Assessment of Multivariate Process Control Techniques", Journal of Quality Technology, 29, MASON, R. L., CHOU, Y. M., SULLIVAN, J. H., STOUMBOS, Z. G., YOUNG, J. C., 2003, Systematic Patterns in T2 Charts, Journal of Quality Technology, 35, MASON, R. L., TRACY, N. D., YOUNG, J. C., 1995, Decomposition of T2 for Multivariate Control Chart Interpretation, Journal of Quality Technology, 27, MASON, R. L., TRACY, N. D., YOUNG, J. C., 1997b, A Practical Approach for Interpreting Multivariate T2 Control Chart Signals, Journal of Quality Technology, 29, SALMONA (ARIOĞLU), M. Ö., 2004, Multivariate Statistical Quality Control: An Industrial Application, MSc Thesis, Marmara Univ., Inst. For Graduate Studies in Pure and Applied Sciences, İstanbul. 572
İstatistik 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
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
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
DetaylıİÇİNDEKİLER 1. GİRİŞ...
İÇİNDEKİLER 1. GİRİŞ... 1 1.1. Regresyon Analizi... 1 1.2. Uygulama Alanları ve Veri Setleri... 2 1.3. Regresyon Analizinde Adımlar... 3 1.3.1. Problemin İfadesi... 3 1.3.2. Konu ile İlgili Potansiyel
DetaylıDoç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ
I Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ II Yayın No : 2845 Teknik Dizisi : 158 1. Baskı Şubat 2013 İSTANBUL ISBN 978-605 - 377 868-4 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları BETA
Detaylı1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi
1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN Ders No:5 RASSAL DEĞIŞKEN ÜRETIMI Bu bölümde oldukça yaygın bir biçimde kullanılan sürekli ve kesikli dağılımlardan örneklem alma prosedürleri
Detaylı2. BASİT DOĞRUSAL REGRESYON 12
1. GİRİŞ 1 1.1 Regresyon ve Model Kurma / 1 1.2 Veri Toplama / 5 1.3 Regresyonun Kullanım Alanları / 9 1.4 Bilgisayarın Rolü / 10 2. BASİT DOĞRUSAL REGRESYON 12 2.1 Basit Doğrusal Regresyon Modeli / 12
DetaylıDERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Çok Değişkenli İstatistik EKO428 Bahar Ön Koşul Dersin Dili
DERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Çok Değişkenli İstatistik EKO428 Bahar 3+0 3 3 Ön Koşul Yok Dersin Dili Türkçe Dersin Seviyesi Lisans Dersin Türü Seçmeli Dersi Veren Öğretim Elemanı
DetaylıK-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır.
İstatistiksel güven aralıkları uygulamalarında normallik (normal dağılıma uygunluk) oldukça önemlidir. Kullanılan parametrik istatistiksel tekniklerin geçerli olabilmesi için populasyon şans değişkeninin
DetaylıYABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI. Sibel SELİM 1 Efe SARIBAY 2
Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi Cilt 5, Sayı:2, 2003 YABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI Sibel SELİM 1 Efe SARIBAY
Detaylı3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6
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
DetaylıTürkiye deki İş Kazalarının Box-Jenkins Tekniği ile İncelenmesi. Doç. Dr. Arzu ALTIN YAVUZ Ar. Gör. Barış ERGÜL Ar. Gör. Ebru GÜNDOĞAN AŞIK
Türkiye deki İş Kazalarının Box-Jenkins Tekniği ile İncelenmesi Doç. Dr. Arzu ALTIN YAVUZ Ar. Gör. Barış ERGÜL Ar. Gör. Ebru GÜNDOĞAN AŞIK Sunu Planı Giriş Bu bölümde İş Sağlığı ve Güvenliği ile ilgili
DetaylıİŞARETLİ SIRA İSTATİSTİĞİNİ KULLANAN PARAMETRİK OLMAYAN KONTROL DİYAGRAMIYLA SÜRECİN İZLENMESİ
V. Ulusal Üretim Araştırmaları Sempozyumu, İstanbul Ticaret Üniversitesi, 25-27 Kasım 2005 İŞARETLİ SIRA İSTATİSTİĞİNİ KULLANAN PARAMETRİK OLMAYAN KONTROL DİYAGRAMIYLA SÜRECİN İZLENMESİ Metin ÖNER Celal
DetaylıHipotez Testleri. Mühendislikte İstatistik Yöntemler
Hipotez Testleri Mühendislikte İstatistik Yöntemler Hipotez Testleri Parametrik Testler ( z ve t testleri) Parametrik Olmayan Testler (χ 2 Testi) Hipotez Testleri Ana Kütle β( µ, σ ) Örnek Kütle b ( µ
DetaylıMühendislikte İstatistik Metotlar
Mühendislikte İstatistik Metotlar Recep YURTAL Çukurova Üniveristesi Mühendislik Mimarlık Fakültesi İnşaat Mühendisliği Bölümü Referans Kitaplar Türkçe : Mühendisler için İstatistik, Mehmetçik Bayazıt,
DetaylıİSTATİSTİK DERS NOTLARI
Balıkesir Üniversitesi İnşaat Mühendisliği Bölümü umutokkan@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN Hidrolik Anabilim Dalı Balıkesir Üniversitesi İnşaat Mühendisliği Bölümü Bölüm
Detaylıİki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı
İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t test) Ölçümle
DetaylıBÖLÜM 12 STUDENT T DAĞILIMI
1 BÖLÜM 12 STUDENT T DAĞILIMI 'Student t dağılımı' ya da kısaca 't dağılımı'; normal dağılım ve Z dağılımının da içerisinde bulunduğu 'sürekli olasılık dağılımları' ailesinde yer alan dağılımlardan bir
DetaylıCETP KOMPOZİTLERİN DELİNMELERİNDEKİ İTME KUVVETİNİN ANFIS İLE MODELLENMESİ MURAT KOYUNBAKAN ALİ ÜNÜVAR OKAN DEMİR
CETP KOMPOZİTLERİN DELİNMELERİNDEKİ İTME KUVVETİNİN ANFIS İLE MODELLENMESİ MURAT KOYUNBAKAN ALİ ÜNÜVAR OKAN DEMİR Çalışmanın amacı. SUNUM PLANI Çalışmanın önemi. Deney numunelerinin üretimi ve özellikleri.
DetaylıKullanılacak İstatistikleri Belirleme Ölçütleri. Değişkenin Ölçek Türü ya da Yapısı
ARAŞTIRMA MODELLİLERİNDE KULLANILACAK İSTATİSTİKLERİ BELİRLEME ÖLÇÜTLERİ Parametrik mi Parametrik Olmayan mı? Kullanılacak İstatistikleri Belirleme Ölçütleri Değişken Sayısı Tek değişkenli (X) İki değişkenli
DetaylıFİNANSAL RİSK ANALİZİNDE KARMA DAĞILIM MODELİ YAKLAŞIMI * Mixture Distribution Approach in Financial Risk Analysis
FİNANSAL RİSK ANALİZİNDE KARMA DAĞILIM MODELİ YAKLAŞIMI * Mixture Distribution Approach in Financial Risk Analysis Keziban KOÇAK İstatistik Anabilim Dalı Deniz ÜNAL İstatistik Anabilim Dalı ÖZET Son yıllarda
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 8: Prof. Dr. Tanım Hipotez, bir veya daha fazla anakütle hakkında ileri sürülen, ancak doğruluğu önceden bilinmeyen iddialardır. Ortaya atılan iddiaların, örnekten elde edilen
DetaylıTemel ve Uygulamalı Araştırmalar için Araştırma Süreci
BÖLÜM 8 ÖRNEKLEME Temel ve Uygulamalı Araştırmalar için Araştırma Süreci 1.Gözlem Genel araştırma alanı 3.Sorunun Belirlenmesi Sorun taslağının hazırlanması 4.Kuramsal Çatı Değişkenlerin açıkça saptanması
DetaylıTOPRAKTA PH TAYİNİ YETERLİLİK TESTİ RAPORU TÜBİTAK ULUSAL METROLOJİ ENSTİTÜSÜ REFERANS MALZEMELERI LABORATUVARI. Rapor No: KAR-G3RM-400.2014.
TOPRAKTA PH TAYİNİ YETERLİLİK TESTİ RAPORU TÜBİTAK ULUSAL METROLOJİ ENSTİTÜSÜ REFERANS MALZEMELERI LABORATUVARI Rapor No: KAR-G3RM-400.2014.02 Koordinatör: Dr. Fatma AKÇADAĞ 24 Aralık 2014 Gebze/KOCAELİ
DetaylıEME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi. Özet İstatistikler ve Histogram (Minitab)(1) Örnek: Eczane İçin Servis Süreleri
EME 3117 1 2 Girdi Analizi SİSTEM SIMÜLASYONU Modellenecek sistemi (prosesi) dokümante et. Veri toplamak için bir plan geliştir. Veri topla. Verilerin grafiksel ve istatistiksel analizini yap. Girdi Analizi-I
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
DetaylıMETALURJİ VE MALZEME MÜH. LAB VE UYG. DERSİ FÖYÜ
METALURJİ VE MALZEME MÜH. LAB VE UYG. DERSİ FÖYÜ ALIN KAYNAKLI LEVHASAL BAĞLANTILARIN ÇEKME TESTLERİ A- DENEYİN ÖNEMİ ve AMACI Malzemelerin mekanik davranışlarını incelemek ve yapılarıyla özellikleri arasındaki
DetaylıTHOMAS TÜRKİYE PPA Güvenilirlik, Geçerlilik ve Standardizasyon Çalışmaları Özet Rapor
THOMAS TÜRKİYE PPA Güvenilirlik, Geçerlilik ve Standardizasyon Çalışmaları Özet Rapor Amaç Aşamalar Örneklem Analizler PPA Güvenilirlik, Geçerlilik ve Standardizasyon Çalışmaları nın amacı, yeni örneklemler
DetaylıBKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )
4. SUNUM 1 Gözlem ya da deneme sonucu elde edilmiş sonuçların, rastlantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HİPOTEZ TESTLERİ denir. Sonuçların rastlantıya bağlı
DetaylıSÜREKLİ RASSAL DEĞİŞKENLER
SÜREKLİ RASSAL DEĞİŞKENLER Sürekli Rassal Değişkenler Sürekli Rassal Değişken: Değerleriölçümyadatartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen, değişkene sürekli rassal değişken denir.
Detaylıİçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii. Ölçme, İstatistik ve Araştırma...
İçindekiler İçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii BÖLÜM 1 Ölçme, İstatistik ve Araştırma...1 Ölçme Nedir?... 3 Ölçme Süreci... 3 Değişkenler
Detaylı0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart
Detaylı13. Olasılık Dağılımlar
13. Olasılık Dağılımlar Mühendislik alanında karşılaşılan fiziksel yada fiziksel olmayan rasgele değişken büyüklüklerin olasılık dağılımları için model alınabilecek çok sayıda sürekli ve kesikli fonksiyon
DetaylıSUDA ph TAYİNİ YETERLİLİK TESTİ RAPORU TÜBİTAK ULUSAL METROLOJİ ENSTİTÜSÜ REFERANS MALZEMELERI LABORATUVARI. Rapor No: KAR-G3RM-240.2013.
SUDA ph TAYİNİ YETERLİLİK TESTİ RAPORU TÜBİTAK ULUSAL METROLOJİ ENSTİTÜSÜ REFERANS MALZEMELERI LABORATUVARI Rapor No: KAR-G3RM-240.2013.02 Koordinatör: Dr. Fatma AKÇADAĞ 6 Ocak 2014 Gebze/KOCAELİ Bu yeterlilik
DetaylıİSTATİSTİK II. Hipotez Testleri 1
İSTATİSTİK II Hipotez Testleri 1 1 Hipotez Testleri 1 1. Hipotez Testlerinin Esasları 2. Ortalama ile ilgili bir iddianın testi: Büyük örnekler 3. Ortalama ile ilgili bir iddianın testi: Küçük örnekler
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
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
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
DetaylıDers İçerik Bilgisi. Karmaşık Sistemlerin Tek Bir Transfer Fonksiyonuna İndirgenmesi
Dr. Hakan TERZİOĞLU Ders İçerik Bilgisi Karmaşık Sistemlerin Tek Bir Transfer Fonksiyonuna İndirgenmesi 1. Blok Diyagramları İle (GeçenHafta) 2. İşaret Akış Diyagramları İle (Bu Hafta) Sadeleştirme yoluyla
Detaylı14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi
ÇOK DEĞİŞKENLİ REGRESYON ANALİZİ: ÇIKARSAMA Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri
DetaylıÇOK DEĞĐŞKENLĐ ĐSTATĐSTĐKLERĐN ARAŞTIRMALARDA KULLANIMI
ÇOK DEĞĐŞKENLĐ ĐSTATĐSTĐKLERĐN ARAŞTIRMALARDA KULLANIMI Araştırmalarda incelenen olaylar göstermektedir ki tek değişkenli istatistiklerin kullanılması problemi açıklamakta yetersiz ve eksik kalmaktadır.
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
DetaylıSUDA PH TAYİNİ YETERLİLİK TESTİ RAPORU TÜBİTAK ULUSAL METROLOJİ ENSTİTÜSÜ REFERANS MALZEMELERI LABORATUVARI. Rapor No: KAR-G3RM-190.2014.
SUDA PH TAYİNİ YETERLİLİK TESTİ RAPORU TÜBİTAK ULUSAL METROLOJİ ENSTİTÜSÜ REFERANS MALZEMELERI LABORATUVARI Rapor No: KAR-G3RM-190.2014.02 Koordinatör: Dr. Fatma AKÇADAĞ 23 Aralık 2014 Gebze/KOCAELİ Bu
DetaylıAKARSULARDA KİRLENME KONTROLÜ İÇİN BİR DİNAMİK BENZETİM YAZILIMI
AKARSULARDA KİRLENME KONTROLÜ İÇİN BİR DİNAMİK BENZETİM YAZILIMI *Mehmet YÜCEER, **Erdal KARADURMUŞ, *Rıdvan BERBER *Ankara Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği Bölümü Tandoğan - 06100
DetaylıBÖLÜM 13 HİPOTEZ TESTİ
1 BÖLÜM 13 HİPOTEZ TESTİ Bilimsel yöntem aşamalarıyla tanımlanmış sistematik bir bilgi üretme biçimidir. Bilimsel yöntemin aşamaları aşağıdaki gibi sıralanabilmektedir (Karasar, 2012): 1. Bir problemin
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
DetaylıEME 3105 SİSTEM SİMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9
EME 3105 1 Girdi Analizi Prosedürü SİSTEM SİMÜLASYONU Modellenecek sistemi (prosesi) dokümante et Veri toplamak için bir plan geliştir Veri topla Verilerin grafiksel ve istatistiksel analizini yap Girdi
DetaylıMatris Cebiriyle Çoklu Regresyon Modeli
Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β
DetaylıBMÜ-421 Benzetim ve Modelleme Kesikli Olay Benzetimi. İlhan AYDIN
BMÜ-421 Benzetim ve Modelleme Kesikli Olay Benzetimi İlhan AYDIN KESİKLİ-OLAY BENZETİMİ Kesikli olay benzetimi, durum değişkenlerinin zaman içinde belirli noktalarda değiştiği sistemlerin modellenmesi
Detaylı2001 ve 2008 Yılında Oluşan Krizlerin Faktör Analizi ile Açıklanması
2001 ve 2008 Yılında Oluşan Krizlerin Faktör Analizi ile Açıklanması Mahmut YARDIMCIOĞLU Özet Genel anlamda krizler ekonominin olağan bir parçası haline gelmiştir. Sıklıkla görülen bu krizlerin istatistiksel
DetaylıBİYOİSTATİSTİK DERSLERİ AMAÇ VE HEDEFLERİ
BİYOİSTATİSTİK DERSLERİ AMAÇ VE HEDEFLERİ DÖNEM I-I. DERS KURULU Konu: Bilimsel yöntem ve istatistik Amaç: Biyoistatistiğin tıptaki önemini kavrar ve sonraki dersler için gerekli terminolojiye hakim olur.
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.
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 8: Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır. Bu anlamda, anakütleden çekilen
DetaylıPazarlama araştırması
Pazarlama araştırması Etkin bir pazarlama kararı alabilmek için gerekli olan enformasyonun ve bilginin toplanması ve kullanılmasıdır. Bu sayede, pazarla ilgili risk ve belirsizlik azalacak ve başarı artacaktır.
DetaylıMühendislikte İstatistik Yöntemler
Mühendislikte İstatistik Yöntemler Referans Kitaplar Türkçe : Mühendisler için İstatistik, Mehmetçik Bayazıt, Beyhan Oğuz, Birsen Yayınevi Mühendislikte İstatistik Metodlar, Erdem KOÇ,ÇÜ, Müh.Mim.Fak.
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
DetaylıOluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir
Bilimsel Araştırma Yöntemleri Prof. Dr. Şener Büyüköztürk Doç. Dr. Ebru Kılıç Çakmak Yrd. Doç. Dr. Özcan Erkan Akgün Doç. Dr. Şirin Karadeniz Dr. Funda Demirel Örnekleme Yöntemleri Evren Evren, araştırma
Detaylı26.12.2013. Farklı iki ilaç(a,b) kullanan iki grupta kan pıhtılaşma zamanları farklı mıdır?
26.2.23 Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HĐPOTEZ TESTLERĐ denir. Sonuçların raslantıya bağlı olup
DetaylıİÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37
İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar
Detaylı«Maça Üretim Parametrelerinin Standartlaştırılması»
«Maça Üretim Parametrelerinin Standartlaştırılması» Şevki Özçelik (Erkunt Sanayi) 2.Oturum: Kalıp & Maça Teknolojileri Oturum Başkanı: Teoman Altınok (Entil Endüstri) Oturumlarda yer alan sunumlar 27 Ekim
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
DetaylıBasit ve Çoklu Doğrusal Regresyon
Basit ve Çoklu Doğrusal Regresyon Dr. Eren Can Aybek erencan@aybek.net www.olcme.net IBM SPSS Statistics ile Basit Doğrusal Regresyon Bir yordayıcı değişkene ait değerleri bildiğimizde, sürekli bir yordanan
Detaylı2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım
2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı
DetaylıSÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım
SÜREKLİ ŞANS DEĞİŞKENLERİ Üstel Dağılım Normal Dağılım 1 Üstel Dağılım Meydana gelen iki olay arasındaki geçen süre veya bir başka ifadeyle ilgilenilen olayın ilk defa ortaya çıkması için geçen sürenin
DetaylıKALİTE SİSTEM YÖNETİCİSİ EĞİTİMİ
FMEA-HATA TÜRLERİ VE ETKİ ANALİZİ Tanımlama Mevcut veya olası hataları ortaya koyan, bu hataların yaratabileceği etkileri göz önünde bulunduran ve etkilerine göre hataları önceliklendirerek oluşmalarının
Detaylı(AYIRIM) DENLİ. Emre KUZUGÜDENL. Doç.Dr.Serdar CARUS
DİSKRİMİNANT ANALİZİ (AYIRIM) Emre KUZUGÜDENL DENLİ Doç.Dr.Serdar CARUS Bu analiz ile; Bir bireyin hangi gruptan geldiği (p değişkeni kullanarak, bireyi uygun bir gruba atar ) Her bir değişkenin atama
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
DetaylıOLASILIK ve İSTATİSTİK Hipotez Testleri
OLASILIK ve İSTATİSTİK Hipotez Testleri Yrd.Doç.Dr. Pınar YILDIRIM Okan Üniversitesi Mühendislik ve Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü Hipotezler ve Testler Hipotez, kitleye(yığına) ait
DetaylıMühendisler İçin Olasılık ve İstatistik (CE 205) Ders Detayları
Mühendisler İçin Olasılık ve İstatistik (CE 205) Ders Detayları Ders Adı Ders Dönemi Ders Uygulama Kodu Saati Saati Laboratuar Saati Kredi AKTS Mühendisler İçin Olasılık ve İstatistik CE 205 Güz 3 0 0
DetaylıYrd. Doç. Dr. Mehmet Güçlü
Dersin Adı DERS ÖĞRETİM PLANI Ekonometri I Dersin Kodu ECO 301 Dersin Türü (Zorunlu, Seçmeli) Dersin Seviyesi (Ön Lisans, Lisans, Yüksek Lisans, Doktora) Dersin AKTS Kredisi 6 Haftalık Ders Saati 4 Haftalık
DetaylıMerkezi Eğilim ve Dağılım Ölçüleri
Merkezi Eğilim ve Dağılım Ölçüleri Soru Öğrencilerin derse katılım düzeylerini ölçmek amacıyla geliştirilen 16 soruluk bir test için öğrencilerin ilk 8 ve son 8 soruluk yarılardan aldıkları puanlar arasındaki
DetaylıDOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: END 2303
Dersi Veren Birim: Endüstri Mühendisliği Dersin Türkçe Adı: İSTATİSTİK I Dersin Orjinal Adı: İSTATİSTİK I Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisans Dersin Kodu: END 0 Dersin Öğretim
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
DetaylıRİSKLİ YAPILARIN TESPİT EDİLMESİNE İLİŞKİN ESASLAR. 5- Risk Tespit Uygulaması: Betonarme Bina
RİSKLİ YAPILARIN TESPİT EDİLMESİNE İLİŞKİN ESASLAR 5- Risk Tespit Uygulaması: Betonarme Bina İncelenen Bina Binanın Yeri Bina Taşıyıcı Sistemi Bina 5 katlı Betonarme çerçeve ve perde sistemden oluşmaktadır.
Detaylı5/3/2017. Verilenler: a) TS EN standardından XF1 sınıfı donma-çözülme ve XA3 sınıfı zararlı kimyasallar etkisi için belirlenen kriterler:
ÖRNEK: Endüstriyel bölgede yapılacak bir betonarme yapı için TS EN 206-1 standardına göre XF1 sınıfı donma-çözülme ve XA3 sınıfı zararlı kimyasallar etkisine karşı dayanıklı akıcı kıvamda bir beton karışım
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,
DetaylıYrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü
Mühendislikte İstatistiksel Yöntemler Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü 1 Araştırma sonuçlarının açıklanmasında frekans tablosu
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
DetaylıI. İSTATİSTİK VE OLASILIK
I. İSTATİSTİK VE OLASILIK Dr. İrfan Yolcubal Kocaeli Üniversitesi Jeoloji Müh. Bölümü Ders Kitabı Statistical analysis of Geological data (Koch G. S., ve Link, R. F., 1980. Dover Publications) A data-based
DetaylıA. BIÇIME İLIŞKIN ANALIZ VE DEĞERLENDIRME
Y. Mimar Işılay TEKÇE nin Doktora Tez Çalışmasına İlişkin Rapor 18 Ocak 2010 A. BIÇIME İLIŞKIN ANALIZ VE DEĞERLENDIRME 1. Çalışmanın Bölümleri Aday tarafından hazırlanarak değerlendirmeye sunulan doktora
DetaylıSİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN
SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN SİMÜLASYON ÇEŞİTLERİ Günümüz simülasyonları gerçek sistem davranışlarını, zamanın bir fonksiyonu olduğu düşüncesine dayanan Monte Carlo yöntemine dayanır. 1.
Detaylı1. FARKLILIKLARIN TESPİTİNE YÖNELİK HİPOTEZ TESTLERİ
1. FARKLILIKLARIN TESPİTİNE YÖNELİK HİPOTEZ TESTLERİ Örneklem verileri kullanılan her çalışmada bir örneklem hatası çıkma riski her zaman söz konusudur. Dolayısıyla istatistikte bu örneklem hatasının meydana
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
DetaylıKARĐYER YÖNETĐMĐ. Geleceğe yönelik çalışan ihtiyaçlarını iç kaynaklardan sağlayarak çalışan motivasyonunu artırma.
KARĐYER YÖNETĐMĐ Geleceğe yönelik çalışan ihtiyaçlarını iç kaynaklardan sağlayarak çalışan motivasyonunu artırma Kadro yedekleme ile kritik pozisyonlarda oluşabilecek boş kadrolara kısa sürede atamalar
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
DetaylıDERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Deneysel Tasarım EKO60 Bahar Ön Koşul Dersin Dili. Zorunlu
DERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Deneysel Tasarım EKO60 Bahar 3+0 3 5 Ön Koşul Dersin Dili Türkçe Dersin Seviyesi Lisans Dersin Türü Dersi Veren Öğretim Elemanı Dersin Yardımcıları
DetaylıKompozit Malzemeler ve Mekaniği. Yrd.Doç.Dr. Akın Ataş
Kompozit Malzemeler ve Mekaniği Yrd.Doç.Dr. Akın Ataş Bölüm 3 Laminanın Mikromekanik Analizi Kaynak: Kompozit Malzeme Mekaniği, Autar K. Kaw, Çevirenler: B. Okutan Baba, R. Karakuzu. 3 Laminanın Mikromekanik
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
DetaylıİNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİLERİNİN BAŞARI NOTLARININ DEĞERLENDİRİLMESİ. Tamer Yılmaz, Barış Yılmaz, Halim Sezici 1 ÖZET
İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİLERİNİN BAŞARI NOTLARININ DEĞERLENDİRİLMESİ Tamer Yılmaz, Barış Yılmaz, Halim Sezici 1 ÖZET Bu çalışmada, Celal Bayar Üniversitesi İnşaat Mühendisliği Bölümü öğrencilerinin
DetaylıMURAT EĞİTİM KURUMLARI
2013 KPSS de Testlerin Kapsamları Değişti ÖSYM tarafından yapılan açıklamaya göre 2013 KPSS de uygulanacak testlerin içeriğinde bir takım değişiklikler yapıldı. Bu değişikler başta Genel Yetenek - Genel
DetaylıQUANTILE REGRESYON * Quantile Regression
QUANTILE REGRESYON * Quantile Regression Fikriye KURTOĞLU İstatistik Anabilim Dalı Olcay ARSLAN İstatistik Anabilim Dalı ÖZET Bu çalışmada, Lineer Regresyon analizinde kullanılan en küçük kareler yöntemine
DetaylıNORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa,
NORMAL DAĞILIM TEORİK 1., ortalaması, standart sapması olan bir normal dağılıma uyan rassal bir değişkense, bir sabitken nin beklem üreten fonksiyonunu bulun. 2., anakütle sayısı ile Poisson dağılımına
DetaylıGenel Katılıma Açık Eğitimlerimiz Başlıyor!
Genel Katılıma Açık Eğitimlerimiz Başlıyor! Mavi Akademi, bünyesinde barındırdığı yetki belgeleri ve alanında uzman akademisyenler, sektör tecrübesine sahip baş denetçiler ve uzmanlardan oluşan kadrosuyla
DetaylıÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ
ÇİMENTO BASMA DAYANIMI TAHMİNİ İÇİN YAPAY SİNİR AĞI MODELİ Ezgi Özkara a, Hatice Yanıkoğlu a, Mehmet Yüceer a, * a* İnönü Üniversitesi Mühendislik Fakültesi Kimya Mühendisliği Bölümü, Malatya, 44280 myuceer@inonu.edu.tr
Detaylı2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK
Soru 1 X rassal değişkeninin olasılık yoğunluk fonksiyonu x x, x> f ( x) = 0, dy. 1 werilmiş ve Y = rassal değişkeni tanımlamış ise, Y değişkenin 0< 1 X 1 y için olasılık yoğunluk fonksiyonu aşağıdaki
DetaylıYÖNETİM SİSTEMLERİ. TS EN ISO 9001-2000 Kalite Yönetim Sistemi TS EN ISO 14001 Çevre Yönetim Sistemi TS (OHSAS) 18001 İSG Yönetim Sistemi
YÖNETİM SİSTEMLERİ Ülkemiz kuruluşları da Kalite, Çevre ve İş sağlığı ve güvenliği konularına verdikleri önemi göstermek, etkinlik ve verimliliği artırmak amacıyla Yönetim Sistemlerine geçiş için uğraş
DetaylıBeklenti Anketi ne İlişkin Yöntemsel Açıklama
Beklenti Anketi ne İlişkin Yöntemsel Açıklama İstatistik Genel Müdürlüğü Reel Sektör Verileri Müdürlüğü İçindekiler I- Amaç... 3 II- Kapsam... 3 III- Yöntem... 3 IV- Tanımlar ve Hesaplamalar... 3 V- Yayımlama...
Detaylı