13 Klasický a efektivní způsob řízení kvality

Question 1

klasický způsob řízení kvality

Answer 1

kontrola jakosti výrobků se provádí až po jejich vyrobení
zbytečně se vynakládají náklady na výrobu

Question 2

efektivní způsob řízení kvality

Answer 2

stálé získávání a analyzování informací během výrobního procesu
cílem je působit na proces tak, aby výrobky měly požadované vlastnosti
statistická regulace procesu

Question 3

význam a princip statistické regulace procesu

Answer 3

preventivní nástroj řízení jakosti
umožňuje odhalení významných odchylek
teorie statistické regulace procesu vychází z existence variability

Question 4

variabilita

Answer 4

výsledek působení vlivů (náhoda), které na proces působí
způsobuje, že dva výrobky nejsou stejné
lze popsat podle pravděpodobnostních zákonů
způsobena dvěma typy příčin

Question 5

náhodné příčiny

Answer 5

neidentifikovatelné vlivy
malá míra vlivu
proces je ustálený a jakost výroby je předvídatelná
není nutno zasahovat do procesu

Question 6

fáze statistické regulace

Answer 6

1. fáze přípravná
2. fáze zabezpečování stavu statistické zvládnutosti procesu
3. fáze analýzy a zabezpečení způsobilosti procesu
4. fáze vlastní statistické regulace

Question 7

fáze přípravná

Answer 7

stanoví se znaky jakosti, které budou sledovány
zvolí se vhodná délka intervalu pro měření a typ regulačního diagramu

Question 8

fáze zabezpečování stavu statistické zvládnutosti procesu

Answer 8

identifikace vymezitelných příčin
minimalizace a odstranění působení těchto příčin

Question 9

fáze analýzy a zabezpečení způsobilosti procesu

Answer 9

zkoumání, zda statisticky zvládnutý proces vyhovuje požadavkům zákazníka
využívá indexy způsobilosti

Question 10

fáze vlastní statistické regulace procesu

Answer 10

proces je udržován ve stavu, který je statisticky zvládnutý a způsobilý
regulační diagramy

Question 11

význam a princip regulačních diagramů

Answer 11

pro znázornění variability procesu v čase
popisuje statistickou zvládnutelnost procesu

Question 12

statistické pozadí

Answer 12

regulační diagram je grafické znázornění hypotézy o hodnotě parametru rozdělení regulované veličiny

H0 proces je statisticky zvládnutý (mezi UCL a LCL)
H1 proces není statisticky zvládnutý (UCL a LCL je kritický obor

Question 13

členění regulačních diagramů

Answer 13

regulační diagramy pro regulaci měřením
regulační diagramy pro regulaci srovnáváním

Question 14

regulační diagramy pro regulaci měřením

Answer 14

regulační diagram x s čarou, R
regulační diagram x s čarou, s
regulační diagram xi, Rkl, i

Question 15

regulační diagram x s čarou, R

Answer 15

řeší výběrové průměry a rozpětí
regulovaná veličina je měřitelná a má normální rozdělení, měření jsou nezávislá, v logických podskupinách je min 2 měření a stejný počet

Question 16

regulační diagram x s čarou, s

Answer 16

řeší se výběrové průměry a směrodatné odchylky
regulovaná veličina je měřitelná a má normální rozdělení, měření jsou nezávislá a v logických podskupinách je stejný počet měření, který je velký

Question 17

regulační diagram xi, Rkl, i

Answer 17

řeší individuální naměřené hodnoty a klouzavá rozpětí
regulovaná veličina je měřitelná a má normální rozdělení, měření jsou nezávislá a v logické podskupině je pouze jedno měření

Question 18

regulační diagramy pro regulaci srovnáváním

Answer 18

regulační diagramy c a u
regulační diagramy np a p

Question 19

regulační diagramy c a u

Answer 19

počty neshod na jednotlivých produktech
např. počty bublin a tabulích skla

Question 20

regulační diagramy np a p

Answer 20

počty neshodných výrobků v sérii

Question 21

regulační diagram c

Answer 21

regulovaná veličina je diskrétní náhodnou veličinou a má Poissonovo rozdělení
počet neshod může být nekonečný
střední počet neshod odpovídá lambdě (odhaduje se pomocí průměru)
počet produktů by měl být 20 až 25
stejná velikost podskupin produktů

Question 22

regulační diagram u

Answer 22

jako předchozí, ale jiná velikost produktů ve skupině

Question 23

regulační diagram np

Answer 23

diskrétní náhodná veličina
binomické rozdělení se střední hodnotou np a pravděpodobností p
logické podskupiny jsou stejné a mají být velké (min 50 ks)

Question 24

regulační diagram p

Answer 24

jako předchozí jen logické podskupiny nemusí být stejně velké
logická podskupina musí mít alespoň 20 ks

Question 25

význam a princip indexů způsobilosti

Answer 25

schopnost výrobků vyhovět předem stanoveným kritériím jakosti sleduje se udržení požadované hodnoty sleduje se udržení variability sledovaného znaku v tolerančních mezích

Question 26

podmínky použití indexů

Answer 26

sledovaný znak je spojitou náhodnou veličinou a má normální rozdělení výrobní proces je pod statistickou kontrolou pravidlo +- 3sigma pro USL a LSL

Question 27

indexy

Answer 27

index Cp index Cpk index Cpm index Cpmk

Question 28

index Cp

Answer 28

proces je centrován a střední hodnota je uprostřed tolerančních mezí Cp<1 proces je nezpůsobilý Cp=1 proces je způsobilý, ale na hraně Cp>1 proces je způsobilý

Question 29

index Cpk

Answer 29

proces není centrován uvažuje se směrodatná odchylka vůči hranicím tolerančního intervalu Cpk<1 proces je nezpůsobilý Cpk=1 proces je způsobilý, ale na hraně Cpk>1 proces je způsobilý požaduje se ale hodnota > 1,33

Question 30

index Cpm

Answer 30

proces není centrován uvažuje se směrodatná odchylka a velikost tolerančního intervalu interpretace jako Cp a Cpk

Question 31

index Cpmk

Answer 31

uvažuje se směrodatná odchylka sledovaného znaku uvažuje se střední hodnota vůči tolerančním mezím a cílové hodnotě interpretace jako Cp a Cpk