مقاله بررسی مقیاس یا اندازه گیری

تحقیق بررسی مقیاس یا اندازه گیری;پژوهش بررسی مقیاس یا اندازه گیری;مقاله بررسی مقیاس یا اندازه گیری;دانلود تحقیق بررسی مقیاس یا اندازه گیری;بررسی مقیاس یا اندازه گیری;مقیاس ;اندازه گیری

مقاله بررسی مقیاس یا اندازه گیری در 26 صفحه ورد قابل ویرایش

مقیاس یا اندازه گیری

تایچی اهنو با گفتن «جایی كه در آن استانداردی وجود ندارد هیچ بهبود نمی تواند وجود داشته باشد» وعده می دهد. راه دیگر گفتن این است «جایی كه هیچ چیزی اندازه‌گیری نشود، چیزی توسعه پیدا نخواهد كرد».

این فصل اندازه گیری‌های ابزارها را بررسی می كند و می فهمیم كه اندازه گیری به تنهایی هیچ چیزی را توسعه نمی دهد. علم آمار یك وسیله قدرتمندی است كه ابعاد نامرئی را به چیزهای مرئی و قابل فهم تبدیل می كند. هیچ راهی وجود ندارد تا در این متون صدها ابزار موجود را كاملاً تعریف كنیم. منابع اضافی در كتاب شناسی می تواند یافت شوند. به وسیله نگاشت جریان ارزش، نمودارهای اسپاگتی و داشبوردهای سمبولیك، تعداد زیادی از تكنیكها و روشهای اندازه گیری بیشتر بحث خواهد شد.
یك مسیر كوتاه در آمار

كلمه آمار می تواند باعث افسردگی یك اپراتور ماشین شود. هنوز علم آمار هر روز مورد استفاده قرار می گیرد میانگین لیگ پسر كوچك شما، میزان سوخت گاز وسیله شما، میانگین زمانی آموزش برای یك اپراتور یا میانگین اضافی كاری هفتگی. اینها نمونه‌هایی از علم آمار هستند كه هیچ كس بجز ریاضی دانان نمی توانند آنها را بفهمند. و به طور معمول می بینیم كه مردم از استفاده از علم آمار در بخش هایی كه پیچیدگی آن نسبت به این مثالهای ساده زیاد نیست جلوگیری می كنند اما هنوز نیاز به آنها خیلی مهم و با ارزش می باشد. هیچ كتابی درباره Sixsigma نباید زمان كمی را برای بحث كردن درباره اصول و استفاده از آمار در یك برنامه بهبود مستمر صرف كند. علم آمار توصیفات عدد ساده می باشد. اندازه گیری به ما كمك می كنند تا چیزهای نامرئی را مجسم كنیم.

علم آمار راهی است كه اعتمادمان را نسبت به یك مشاهده كه از جهت دیگر فقط یك ایده است افزایش می دهد. آنها به ما كمك می كنند تا عملكرد یك تیم ورزشی را در مقابل تیم دیگر بسنجیم یا درباره خریدن یك ماشین یا انتخاب جایی برای زندگی، تصمیم بگیریم. دو نوع آمار اصلی وجود دارد: توصیفی و استنباطی.
آمار توصیفی

آمار توصیفی مقادیر زیاد اطلاعات را خلاصه می كند. برای مثال: در یك گروه از 42341 نفر افراد تماشا كننده به مسابقه فوتبال، 31656 نفر مجوز معتبر دارند.

بنابراین 75 درصد از كل افراد در یك مسابقه راننده های با مجوزی بودند. برای رسیدن به این درجه از دقت و لیاقت باید اطلاعات مورد نیاز برای هر شخص جمع‌آوری شود.

آمار استنباطی

آمار استنباطی از یك سری اطلاعات برای بدست آوردن نظر و ایده استفاده می كند برای مثال: اگر از 250 نفر افرادی كه در یك مسابقه مصاحبه شدند و 180 نفر راننده‌های با مجوزی بودند ما می توانیم تشخیص دهیم یا استنباط كنیم كه 72% از كل شركت كنندگان راننده های با مجوزی بودند. این آمار استنباطی است كه توجه كمتری نسبت به مصاحبه 100% از شركت كنندگان دارد اما آن مقدار زیادی زمان و كار را صرفه جویی می كند. در این مورد نتایج استنباطی با دقت 96% با نتایج توصیفی مقایسه‌ می شوند. و 4% از راننده های دارای جواز توجیه ناپذیر هستند. وقتی كه از روشهای نمونه برداری برای قضاوت كردن استفاده می كنیم یك مقیاسی از دقت بدست می آوریم.
داده ها

تعداد زیادی از انواع داده ها وجود دارد كه برای اثبات و آنالیز كردن داده های آماری شامل داده های غیر واقعی ترتیبی و اختلاف و نسبت استفاده می شود. داده‌های غیر واقعی (نامی) در گروههای منطقی طبقه بندی می شوند. برای مثال شما 100 تا از وسایل نقلیه مسافری را كه از جلوی منزلتان عبور می كنند را محاسبه كنید ودرصد هر وسیله نقلیه را مشخص كنید (مانند 35 اتوبوس- 25 كامیون و 40 Suvs).

اطلاعات ترتیبی، ارزش اندازه گیری را برای یك نمونه معین می كنند. برای مثال شما ارزش هر وسیله نقلیه را كه عبور می كنند ارزیابی كنید (برای مثال كمتر یا بیشتر از 000/10 $ قیمت) اختلاف داده ها باعث مقایسه بین دو نمونه ها می شود برای مثال شما زمان بین ماشینهایی كه از جلوی منزلتان عبور می كنند را اندازه بگیرید: نسبت داده‌ها معین می كند این كه چطور زمان یك داده با داده دیگر متفاوت است. برای مثال شما تعداد افرادی كه در ماشین هستند و زمانی كه بیش از یك نفر در ماشین وجود دارند را محاسبه كنید.
اصطلاحات

همچنین بعضی اصطلاحات كلیدی در آمار وجود دارد كه برای كمك به فهم ابزارها استفاده می شوند مانند جمعیت- تغییرات- نمونه- كیفی- كمی- میانگین- متوسط- حدود تغییرات (دامنه)- انحراف و تغییرات نمونه.

یك جمعیت مجموعه ای از اعداد می باشد. برای مثال همه ماشینهای قرمز یا همه ماشینهای با شیشه پایین. یك متغیر یك مشخصه فردی در جمعیت است كه صرف نظر از بقیه دسته بندی می شود. برای مثال هر ماشین قرمزی كه اتومبیل كروكی نیز می‌باشد.

یك نمونه كوچكترین جزء از یك جمعیت بزرگتر می باشد. برای مثال ممكن است شما به جای تماشای 100 ماشین كه از جلوی منزلتان عبور می كنند. یك نمونه 10‌تایی از آن را بگیرید. داده های كیفی داده هایی می باشد كه اندازه گیری آنها مشكل می‌باشد. برای مثال چه تعداد اتومبیلهایی هستند كه شما به تمیزی آن توجه می كنید. داده كمی یك مشخصه قابل قبول است. برای مثال تمام ماشینهایی كه فرمان 15 in یا 38cm دارند.

میانگین، ارزش متوسط یك جمعیت یا یك سری اطلاعات می باشد. برای مثال میانگین مقادیر 5و4و5و4و6 عدد 8/4 می باشد. مقادیر فوق را با هم جمع كرده و بر تعدادشان تقسیم كنید بنابراین 9=5÷24 می شود. متوسط عدد میانی یك سری از مقادیر می باشد. برای مثال مقادیر را در یك ردیف از كوچكترین تا بزرگترین مرتب كنید 6و5و5و4و4 و عدد مركزی را بیابید كه 5 می باشد.
SPC برای بخشهای خیلی كوچك

تولید برای سفارش، مغازه ها و كارهای مغازه داری را به ندرت برای داشتن بخشهای كافی دنبال می كند تا یك نمودار R و منصفانه ای داشته باشیم. بسیاری از این كارها زیر 25 واحد (مقدار) می باشند كه به عنوان یك دلیل و اندازه نمونه آماری دیده می شوند. برای مثال اجازه دهید بگوئیم كه سه بخش مختلف امروزی روی ماشینهای یكسان انجام می شوند. بخش اول یك ابعاد كلیدی از 4.125 دارد ما باید در تلرانس نگهداشته شود. بخش دوم شامل یك دیمانسیون 9.375 كه بین همان تلرانس قرار می گیرد بخش سوم یك دیمانسیون 0.667 كه همچنین در همان تلرانس نگهداشته می شوند.

هر بخش می تواند در حدود كنترل یكسانی مسیریابی شود. بعد از تنظیم ماشین و اختلاف بخشهای قابل قبول، اپراتور در ابتدا، پنج بخش را اندازه گیری می كند. اگر همه پنج بخش قابل قبول باشند.

اپراتور فركانس بازرسی نرمال را به وسیله نمونه برداری پیش می گیرد كه نقشه آن به وسیله مشتری یا بخشهای تضمین كیفیت شرح داده می شود. اپراتور ابعاد كلیدی را در یك نمودار معمولی ثبت می كند. یك وسیله نمونه برداری استاندارد شده ممكن است نیازمند اپراتور برای اندازه گیری و ثبت ابتدا پنج بخش و سپس هر یك پنج بخشها تا زمانی كه 25 بخش وجود دارند باشند. (اگر بسیاری از بخشها تولید شود.) وقتی كه اپراتور از تنظیم بخش (1) به تنظیم بخش جدید (2) حركت می كند. فرایندها شروع به استفاده مجدد از همان حدود كنترل می كنند.

اهداف برای بخش 1 نسبت به بخش 2 مختلف است. اما اپراتور به سادگی تغییرات را از ابعاد هدف ثبت می كند. به عنوان مثال نشان داده شده در جدول 7-5 حدود ص 116. كنترل بخشهای خیلی كوچك می تواند به وسیله تقسیم مشخصات مشتری به یك چهارم محاسبه شود و آن مقادیر در جدول نشان داده شده (جدول 8-5) قرار می‌گیرند. از زمانی كه همه بخش ما در این مثال یك تلرانس دارند تلرانس نصف می شود و هر طرف از هدف را در بر می گیرد. این یك منطقه سبز (جایی كه هر چیزی ok است) و یك منطقه زرد (جایی كه بعضی اوقات اشتباه نیز وجود دارد) را مشخص می كند. استفاده از این نوع ابزار احتمالاً آسانترین و سریعترین روش برای آموزش دستگاههای عمومی می باشد. اگر دو بخش متوالی در منطقه زرد (همان طرف) اندازه گیری شود سپس یك تعدیل باید صورت گیرد. اگر هر بخش خارج از منطقه زرد بیفتد (در منطقه قرمز) یك تعدیل باید صورت گیرد بدون آنكه آن بتواند بعنوان یك علت خاص تشخیص داده شود. اگر هر دو تكه متوالی در منطقه زرد بیفتد اما در طرف مخالف، وجود دارد تا یك محصول معیوب تولید شود. باید توجه خاصی بخشهای بعدی شود تا هیچ بخشی در منطقه قرمز نیفتد. ( جدول 8-5 ص 117 مراجعه شود)
خلاصه

بسیاری از تكنیكهای Sixsigma روی ابزارهای شبیه به توضیحات فوق پایه گذاری می شوند اگر شما بتوانید اضافه كنید، كاهش دهید، ضرب كنید و تقسیم كنید و یك میانگین را محاسبه كنید شما می توانید از اكثریت ابزار ما در جعبه ابزار SPC استفاده كنید. جدول (9-5) تاثیر SPC روی Sixsigma را تشریح می كند. ابزارهای دیگر SPC نیز وجود دارند اما در آنها فقط، اساس و استفاده كلی بوسیله اپراتورهای ماشین بحث می شود.

لینک دانلود و توضیحات فایل”مقاله بررسی مقیاس یا اندازه گیری”