Denna delen av kursen kommer handla om statistisk kvalitetsstyrning och motsvarar läsvecka 6 och 7 för LMA521. Denna kommer ges, precis som för läsvecka 5, i form av inspelade videos, fråge/diskusions stunder via zoom samt övningar via zoom.

Tider för zoom:

Måndagar samt torsdagar kl 10.15 i läsvecka 6-7: Frågestund angående föreläsningar samt övningar.

Tisdagar 13.15 - 15.00 i läsvecka 5-7: Räkneövningar.

Zoomlänk:

https://chalmers.zoom.us/j/64950739624

(Password: 837443)

Föreläsning 1: (Slides)

först börjar vi med att gå igenom vad kvalitet egentligen är och hur vi kan använda olika kvalitetsvariabler för att dra slutsatser om våra produkter.

Video 1

Vi behöver veta hur vi ska gå tillväga för att faktiskt kunna dra slutsatser från ett urval av enheter. I nästa video går vi igenom den enkla provtagningsplanen och hur man designar den för att uppfylla de krav som vi har på vår undersökning.

Video 2

Föreläsning 2: (Slides)

Tidigare har vi pratat om hur man med en enkel provtakningsplan kan avgöra om ett parti ska accepteras eller inte. Nu ska vi gå igenom dubbel provtagningsplan, hur de funkar samt hur man kan bestämma parametrarna för den. Först går vi igenom hur en dubbel provtagningsplan fungerar samt ett exempel där vi beräknar sannolikheten att acceptera ett parti.

Dubbel provtagningsplan

Nästa steg är att gå igenom hur vi med hjälp av tabeller kan underlätta beräkningarna men också framförallt kunna bestämma LaTeX: c_1 , LaTeX: c_2 , LaTeX: r_1 och LaTeX: r_2 för att få rätt egenskaper på vår provtagningsplan.

Tabeller för dubbel provtagningsplan

Föreläsning 3: (Slides)

Vi behöver metoder för att kunna utverdera våra olika provtagningsplaner och kunna jämföra dem med varandra. Vi kommer därför gå igenom 3 begrepp som är användbara i olika sammanhang.

Det första begreppet är ASN. I följade video går jag igenom vad ASN är för något samt ett exempel hur det kan räknas ut.

ASN

Som vi såg från ASN så är det smidigt att använda för att få en uppfattning hur många enheter man måste kontrollera i sin provtagningsplan. Dock gör man ofta en allkontroll ifall undersökningen inte går som man vill. Då får man även räkna med detta i sina beräkningar vilket gör att vi stöter på begreppet ATI. I följade video går jag igenom vad detta är samt ett exempel hur det kan beräknas.

ATI

Det sista begräppet som är användbart för att utvärdera sin provtagningsplan för kursen är AOQ som beskriver hur många defekta enheter konsumenterna kommer se. Här går jag igenom både den teoretiskt korekta sättet att beräkna dem samt hur man kan approximera AOQ for enkel och dubbel provtagningsplan.

AOQ

Föreläsning 4: (Slides)

Här går jag igenom två exempel som hanterar olika provtagningsplaner samt olika mått för dessa.

Första exemplet är uppgift 1.22 i boken där vi jämför ATI för en enkel och en dubbel provtagningsplan.

uppgift 1.22

Nästa exempel är från tentan 13:e januari 2016. Här beräknar vi väntevärde samt variansen för antalet kontrollerade enheter vid en dubbel provtagningsplan.

exempel 160113

Föreläsning 5: (Slides)

Nu lämnar vi kvalitetskontroller för ett tag och går vidare hur vi kan avgöra ifall en tillverkningsprocess förändras eller inte. För detta behöver vi styrande kontroll och styrdiagram. I första videon går vi igenom vad detta innebär och hur man kan sätta upp en provtagningsplan för att upptäcka variation i vår tillverkningsprocess.

Styrdiagram

Vi går igenom uppgift 2.2 från boken där vi räknar på ett X-diagram och beräknar ARL given en viss förändring i processen.

Uppgift 2.2

Än så länge har vi enbart kunnat hantera förändringar i medelvärdet för vår indikator. Dock kan det ju också ske förändringar i spridningen vilket gör att vi också måste setta upp digram för dessa. Därför använder vi oss av S- och R-digram. Vi avslutar också med ett exempel där vi sätter upp ett X-R-diagram.

Styrdiagram för variation

OBS: Har hittat ett slarvfel från min sida i sista videon. I exemplet i slutet på delupgift c) så beräknars $LaTeX: \sigma$ genom $LaTeX: \sigma = \frac{\bar{R}}{d_2}$ och inte $LaTeX: \sigma = \bar{R} d_2$ vilket jag hade råkat skriva. Dock är mitt svar korrekt.

Föreläsning 6: (slides)

Än så länge har vi studerat hur vi kan skapa diagram för kvantitativa kvalitetsindikator. Nästa steg är att gå igenom hur vi kan hantera kvalitativa. Detta gör vi t.ex. med ett felkvotsdiagram.

felkvots diagram

Det kan också vara så att vi studerar antalet fel som en viss enhet har. Då hamnar vi någonstans mitt emellan en kvantitativ och kvalitativ kvalitetsindikator. För att hantera detta kan vi använda oss av ett felantalsdiagram.

felantalsdiagram

Föreläsning 7: (Slides)

Än så länge har vi kollat på hur vi kan upptäcka förändringar i vår tillverkningsprocess. Det vi också kan tänkas ta reda på är hur våra tillverkade produkter förhåller sig till de krav som vi har på tillverkningen. För att studera detta behöver vi duglighetsindex och korrigerat duglighetsindex. Detta är den sista delen där det presenteras ny teori.

Duglighetsindex

Vi går också igenom några extra exempel:

Exempel 1

Exempel 2