بررسی مقیاس یا اندازه گرفتن

حسابداری

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

دسته بندی حسابداری
فرمت فایل doc
حجم فایل ۳۵ کیلو بایت
تعداد صفحات ۳۹ صفحه

دانلود این فایل

توضیحات:

مقیاس یا اندازه گرفتن

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

این فصل اندازه گیریهای ابزارها را بررسی می کند و می فهمیم که اندازه گیری به تنهایی هیچ چیزی را توسعه نمی دهد. علم آمادیک وسیله قدرتمندی است که ابعاد نامرئی را به چیزهای مرئی و قابل فهم تبدیل می کند. هیچ راهی وجود ندارد تا در این متون صدها ابزار موجود را کاملاً تعریف کنیم. منابع اضافی در کتاب شناسی می تواند یافت شوند. به وسیله نگاشت جریان ارزش، نمودارهای اسپاگتی و داشبوردهای سمبولیک، تعداد زیادی از تکنیکها و روشهای اندازه گیری بیشتر بحث خواهد شد.

یک مسیر کوتاه در آمار

کلمه آمار می تواند باعث افسردگی یک اپراتور ماشین شود. هنوز علم آمار هر روز مورد استفاده قرار می گیرد میانگین دیگر پسر کوچک شما، میزان سوخت گاز وسیله شما، میانگین زمانی آموزش برای یک اپراتور یا میانگین اضافی کاری هفتگی. اینها نمونه‌هایی از علم آمار هستند که هیچ کس بجز ریاضی دانان نمی توانند آنها را بفهمند. و به طور معمول می بینیم که مردم از استفاده از علم آمار در بخش هایی که پیچیدگی آن نسبت به این مثالهای ساده زیاد نیست جلوگیری می کنند اما هنوز نیاز به آنها خیلی مهم و با ارزش می باشد. هیچ کتابی درباره Siasigna نباید زمان کمی را برای بحث کردن درباره اصول و استفاده از آمار در یک برنامه بهبود مستمر صرف کند. علم آمار توصیفات عدد ساده می باشد. اندازه گیری به ما کمک می کنند تا چیزهای نامرئی را مجسم کنیم.

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

آمار توصیفی

آمار توصیفی مقادیر اطلاعات زیاد را خلاصه می کند. برای مثال: در یک گروه از ۴۲۳۴۱ نفر افراد تماشا کننده به مسابقه فوتبال، ۳۱۶۵۶ نفر مجوز معتبر دارند.

بنابراین ۷۵ درصد از کل افراد در یک 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 یک سری اطلاعات برای بدست آوردن نظر و ایده استفاده می کند برای مثال: اگر از ۲۵۰ نفر افرادی که در یک مسابقه مصاحبه شدند و ۱۸۰ نفر راننده‌های با مجوزی بودند ما می توانیم تشخیص دهیم یا استنباط کنیم که ۷۲% از کل شرکت کنندگان راننده های با مجوزی بودند. این آمار استنباطی است که توجه کمتری نسبت به مصاحبه ۱۰۰% از شرکت کنندگان دارد اما آن مقدار زیادی زمان و کار را صرفه جویی می کند. در این مورد نتایج استنباطی با دقت ۹۶% با نتایج توصیفی مقایسه‌ می شوند. و ۴% از راننده های دارای جواز توجیه ناپذیر هستند. وقتی که از روشهای نمونه برداری برای قضاوت کردن استفاده می کنیم یک مقیاسی از دقت بدست می آوریم.

داده ها

تعداد زیادی از انواع داده ها وجود دارد که برای اثبات و آنالیز کردن 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 ۱۰۰ تا از وسایل نقلیه مسافری را که از جلوی منزلتان عبور می کنند را محاسبه کنید ودرصد هر وسیله نقلیه را مشخص کنید (مانند ۳۵ اتوبوس- ۲۵ کامیون و ۴۰ Suvs).

اطلاعات ترتیبی، ارزش اندازه گیری را برای یک نمونه معین می کنند. برای مثال شما ارزش هر وسیله نقلیه را که عبور می کنند ارزیابی کنید (برای مثال کمتر یا بیشتر از ۰۰۰/۱۰ $ قیمت) اختلاف داده ها باعث مقایسه بین دو نمونه ها می شود برای مثال شما زمان بین ماشینهایی که از جلوی منزلتان عبور می کنند را اندازه بگیرید: نسبت داده‌ها معین می کند این که چطور زمان یک داده با داده دیگر متفاوت است. برای مثال شما تعداد افرادی که دو ماشین هستند و زمانی که بیش از یک نفر در ماشین وجود دارند را محاسبه کنید.

اصطلاحات

همچنین بعضی اصطلاحات کلیدی در آمار وجود دارد که برای کمک به فهم ابزارها استفاده می شوند مانند جمعیت- تغییرات- نمونه- کیفی- کمی- میانگین- متوسط- حدود تغییرات (دامنه)- انحراف و تغییرات نمونه.

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

یک نمونه کوچکترین جزء از یک جمعیت بزرگتر می باشد. برای مثال ممکن است شما به جای تماشای ۱۰۰ ماشین که از جلوی منزلتان عبور می کنند. یک نمونه ۱۰‌تایی از آن را بگیرید. داده های کیفی داده هایی می باشد که اندازه گیری آنها مشکل می‌باشد. برای مثال چه تعداد اتومبیلهایی هستند که شما به تمیزی آن توجه می کنید. کمی یک مشخصه قابل قبول است. برای مثال تمام ماشینهایی که فرمان ۱۵ in یا ۳۸cm دارند.

میانگین، ارزش متوسط یک جمعیت یا یک سری اطلاعات می باشد. برای مثال میانگین (محول) مقادیر ۵و۴و۵و۴و۶ عدد ۸/۴ می باشد. مقادیر فوق را با هم جمع کرده و بر تعدادشان تقسیم کنید بنابراین ۹=۵÷24 می شود. متوسط عدد میانی یک سری از مقادیر می باشد. برای مثال مقادیر را در یک ردیف از کوچکترین تا بزرگترین مرتب کنید ۶و۵و۵و۴و۴ و عدد مرکزی را بیابید که ۵ می باشد.

یافتن عدد مرکزی در اینجا آسان بوده و یک عدد فرد از مقادیر می باشد. اما اگر شما یک اعداد تصادفی از مقادیر داشته باشید ممکن است دو عدد میانی به عنوان متوسط پیدا شود. حدود تغییرات (دانه) اختلاف بین کوچکتر و بزرگترین مقدار می‌باشد. برای مثال تفریق کمترین عدد از بزرگترین عدد در اعداد فوق ۲=(۴-۶)، (۶و۵و۵و۴و۴) بنابراین حدود تغییرات در اینجا ۲ می باشد. حد و تغییرات ساده ترین محاسبه از تغییرات در اندازه گیری یا سنجش یک فرایند می باشد. بخاطر اینکه تمام ۶ سیگما روی کاهش تغییرات ناخواسته پایه گذاری شده است حدود تغییرات خیلی مهم می باشد.

واریانس نمونه مجموع محدود فاصله از میانگین تقسیم بر تمام اعداد نقاط داده منهای یک است. (محاسبه S در فصل ۲ و جدول ۱-۵ نشان داده شده است). اندازه پیچ در محدوده یک سیگما خیلی شبیه به پیدا کردن واریانس نمونه در یک سری از اعداد می باشد. برای مثال جدول (۱-۵)

جدول ۱-۵: واریانس نمونه

مقدار مجذور تغییرات میانگین

تغییرات میانگین

میانگین

X داده ورودی

۶۴/۰

۸/۰-

۸/۴

۴

۶۴/۰

۸/۰-

۸/۴

۴

۰۴/۰

۲/۰

۸/۴

۵

۰۴/۰

۲/۰

۸/۴

۵

۴۴/۱

۲/۱

۸/۴

۶

۱۰/۰

واریانس نمونه

۸/۲=۲(۸/۴-۶)+۲(۸/۴-۵)+۲(۶۸-۵)+۲(۸/۴-۴)+۲(۸/۴-۴)

۱/۰=۴÷8/2 همچنین و ۴=۱-(تمام نقاط داده)۵

انحراف استاندارد نمونه مجذور ریشه مثبت از واریانس نمونه می باشد. برای مثال واریانس نمونه مقدار ۷/۰ محاسبه شد مجذور ریشه و از این عدد انحراف استاندارد می باشد (S) بنابراین:

حدود کنترل

این بخش درباره محاسبه حدود کنترل بحث نخواهد کرد. (انواع مختلفی حدود کنترل وجود دارد). در عوض آن روی روابط بین یک هدف و بیان کنترل به وسیله حدود ۶ سیگما که بالای هدف قرار می گیرد متمرکز می شود. وقتی چیزی داخل نمودار کنترل قرار می گیرد حدود سیگما مفید می باشد. مانند حدود کنترل روی یک نمودار قدیمی. حدود کنترل، مقادیر محاسبه شده ای متفاوت از حدود سیگما هستند اما نتایج مقادیر می تواند خیلی نزدیک به حدود ۳۸ شود. مثال رنگ کردن خطوط پیچیده در بزرگراه. حدود کنترل نشان می دهد که اندازه گیریهای بخشی در داخل ارزش انتظاری می باشند. اگر اندازه گیری بخشی ترویج به حرکت تدریجی در جهت پایان انجام دهند. حدود کنترل بال (UCL) یا حدود کنترل پایین (LCL) سپس یک روند دولتی می تواند بدست بیاید.

این طور نیست تا بگوئیم شما باید تمام وقتتان را برای تحدیل فرایند سپری کنید. اما دیدن روشهایی که روی می دهد می تواند از یک سقوط جلوگیری کند. اعم از اینکه رانندگی با یک ماشین یا طی کردن یک فرایند.

روشها به وسیله بخشهایی که بدون انقطاع به طرف پایین حدود کنترل یا حدود سیگما حرکت می کنند مشخص می شود. (اگر اتومبیل شما در معرض پیشامد متوالی به سوی نابودی قرار گیرد شما یا مسافر شما به تقاضای یک راه صحیح روی می‌آورید). بعضی از تغییرات جزئی در پشت و جلوی نمودار کنترل انتظار می رود و بطور طبیعی نیز بررسی شده است. آن یک حرکت ناگهانی یا پیشامد پیوسته و یکنواخت در جهت محدودیت است که یک زنگ خطر بوده و نیاز به توجه و بهبود دارد.

خلاصه

در خلاصه، یک آمار استنباطی مناسبی وجود دارد. شمار زیادی از افرادی که در مغازه شما کار می کنند احتمالاً از انجام اعمال ریاضی لذت نمی برند. قادر بودن برای به قدرت خود در آوردن اعداد و روشن شدن نتایج برای قابل فهم بودن خلاصه ها، یک مهارت بحرانی در دسترس به ۶ سیگما خواهد بود. (اگر شما ریاضیات را در بعضی وقتها یا استفاده از آمار تمرین نکرده باشید نیاز محلی خود را به فروشگاه کتاب چک کنید. کتابها در ریاضیات و آمار میان اولین فرستاده به جعبه های بازیافت می‌باشد.

با اظهار تفکر، ابزارهای نرم افزاری وجود دارد که می تواند به افزایش سرعت مجموعه فرایند و کاهش بعضی از نیازهای اعضای تیم آموزش کمک کند. اگرچه، بعضی از زمینه های اصلی برای اعضای تیم تا قادر به انتخاب ابزار درست در زمان درست شوند. مورد نیاز می باشد. ولی از جهات دیگر آن جعبه ابزار کاملاً انباشته بدون هیچ آموزش مکانیکی می باشد. آنها باید، زمان و مکان استفاده اساسی هر ابزار و چگونگی کاربرد آن را بدانند. آنها به یک درجه از ریاضیات و آمار برای استفاده از این ابزارهای اساسی را نیاز ندارند. اما نیازمند بعضی از فهم اساسی که نمی توان از آن چشم پوشی کرد، می باشند.

برای اطلاعات بیشتر راجع به کاربرد آمار به سایت www.statasdirectcom رجوع کنید.

کنترل فرایند آماری SPC

با یک مقدمه از آمار شما اکنون آماده هستید تا ببینید که این ریاضیات چطور در کنترل فرایند آماری بکار برده می شوند.

اصطلاحات

هیستوگرامها یک ارائه یا معرف گرافیکی از تاریخ یک فرایند می باشند. مانند مثال قالبهای سیمان در بحث Sixsigma. هیستوگرام می تواند چگونگی بخشهای تولیدی از یک فرایند را که در پراکندگی نرمال واقع می شوند مشخص کند. مانند هیستوگرام نشان داده شده در جدول (۱-۵).

تمام پراکندگی ها نرمال نیستند. پراکندگی های غیر نرمال چندین علت دارند. در کاربرد قالب سیمان این می توانست به وسیله داشتن اپراتورها، شیفتها یا ماشینهای بخشهای تولیدی مختلف یا حتی دو وسیله اندازه گیری مختلف، حداکثر نتایج اندازه‌گیری نشان داده شده مختلف علت محسوب شود. (جدول ۲-۵).

این به عنوان پراکندگی bi-Modal معرفی می شود. اگر قسمتها، نامنظم در خارج مرتب شوند یا اگر فرایند اجازه دهد بخشها بزرگتر باشد اما نه کوچکتر نسبت به یک استاندارد و هیستوگرام که به نظر می رسد ناقص بود. یا دارای انحراف می باشد در جدول (۳-۵) می توانست نتیجه بدهد.

چندین نوع و شکل پراکندگی با توضیح که چرا آنها راهی که انجام می دهند را نشان می دهند، وجود دارد. (جدول ۳و۵ پراکندگی ناقص) نمودار .

نمودارهای کلید ابزارهای آماری برای ثبت تغییرات می باشند. یک نشانه ریاضی برای میانگین و تقریباً هم نام برای یک نمودار دو بخش نشان داده شده به عنوان نمودار می باشد. (به عنوان یک مبحث معنی دار: R برای دامنه یا اختلاف بین کوچکترین و بزرگترین اندازه گیریها تعیین می شود.)

برای مثال اگر پنج تا قالب سیمان وزن شوند و نتایج ها به قرار زیر می باشند: ۱۸و۱۷و۱۸و۱۶و۱۹ و وزن کل برای همه پنج قالب ۸۸(۱b) می شود. برای پیدا کردن میانگین، وزن کل یعنی (۸۸ ۱b) برتعداد قالبها (۵) تقسیم نمود. و نتیجه آن میانگین می شود که برابر ۱۷٫۶ ۱b است. این میانگین به عنوان یک خط بالای نمودار در جدول (۲-۵) نشان داده شده است.

آن هدف نمی باشد اما به بیان دقیقتر میانگین در روابط هدف می باشد. دامنه به وسیله تفریق وزن سنگین ترین قالب (۱۹ ۱b) از سبک ترین قالب (۱۶ ۱b) بدست می‌آید که نتیجه آن ۳ می شود. در یک نمودار ارزش دامنه نمی تواند کمتر از صفر باشد. طرح ریزی این دو مقدار () اولین قدم در بهبود یک جدول مانند مقدار نشان داده شده در جدول (۲-۵) می باشد.

ستونهای تحت کنترل به شما اجازه می دهد تا وزنهای بعدی را به طور گرافیکی شرح دهید. ارزش نمودار R و این است که انجام فرایند را در مرزمانی ارائه می‌دهند و به تشخیص روندها و مشکلات بالقوه قبل از اینکه آنها، ناقص باشند کمک می‌کنند. برای مثال در جدول (۳-۵) حتی با دامنه نسبتاً با ثبات میانگین () وزنهای قالب بتونی به کندی روندی نزولی دارد داشتن این می تواند به تیم برای فهمیدن چگونگی علت روند قبل نزول آن کمک نماید.

در دامنه های کوتاه اندازه گیریهای انفرادی ممکن است نموداری باشد. در دامنه تولید طولانی پنج یا اندازه گیریهای زیادی ممکن است در این مثال با هم میانگین شوند.

یکی از کمکهای بعدی در بهبود یک نمودار و با معنا این است که بر مشخصات مشتری و حدود کنترل بالا و پایین در نمودار تاکید نمائیم. جایز است ببینیم رابطه موقعیت آنچه که مشتری می خواهد با آنچه که فرایند تولید می کند. اگر فرایند روند صعودی داشته باشد یک محدوده مشخص یا در طول هدف تعریف می شود. سپس بطور واضح بعضی از اندازه گیریهای کنترل نیازمند تثبیت سریعتر می باشند.

جدول (۴-۵) نشان می دهد که محدوده های مشخصه مشتری نمودار در جدول (۳-۵) را تحت پوشش قرار می دهد. این ابزار برای تشخیص و ثبت علتهای معمول (تغییرات نرمال) یا علتهای خاص (تغییرات غیرعادی) که اگر ما حدی نداشته باشند ممکن است موجب بروز مشکلاتی در کیفیت محصول شود.

دوام ماشین آلات قابلیت اعتماد ابزار- تغییرات اپراتور و فاکتورهای دیگر می توانند روندها و تغییرات نامعقول را نشان دهند. بسته های نرم افزاری به آنالیز روندهای موجود که شامل بعضی از پیچیده ترین ابزارهای آماری هستند کمک می کنند. محاسبه محدودیتهای سیگما گام بعدی در اینجا می باشد. نتایج ما در جدول (۵-۵) نشان داده می شوند.

جدول ۵-۵: محاسبه حدود سیگما

هدف (خط مرکز)

۰۰۰/۲۰

تلرانس بالا

۰۰۰/۵

تلرانس پایین

۰۰۰/۵

حدود مشخصه بالا (USL)

۰۰۰/۲۵

حدود مشخصه پایین (LSL)

۰۰۰/۱۵

میانگین

۶۰۰/۱۷

حدود سیگما

۱۴۰/۳

سه سیگما

۴۲۱/۳

بالا

۰۰۰/۱۹

پایین

۰۰۰/۱۶

دامنه

۰۰۰/۳

CPK

۱۶۰/۰

CP

۴۶۲/۱

برای مثال ۲۵ بلوک سیمان وزن می شوند که نتایج آن مقادیر زیر می با شد.

وزن:۱۸ ۱۷ ۱۶ ۱۸ ۱۸ ۱۹ ۲۱ ۲۰ ۲۱ ۲۲ ۲۰ ۱۷ ۱۸ ۱۸ ۲۰ ۲۰ ۲۱ ۱۹ ۱۹ ۲۰ ۱۸ ۲۲ ۱۹ ۱۹ ۲۱۱b

دامنه (حدود تغییرات): ۰ ۱ ۱ ۲ ۰ ۱ ۲ ۱ ۱ ۱ ۲ ۳ ۱ ۰ ۲ ۰ ۱ ۲ ۰ ۱ ۲ ۴ ۳ ۰ ۲

جمع کل این مقادیر ۴۸۱ و بزرگترین دامنه آن ۶ است (از ۱۶ تا ۲۲)

برای محاسبه حدود کنترل بالا و پایین اول میانگین حدود تغییرات (دامنه) را پیدا می‌کنیم.

که در آن:

R: میانگین حدود تغییرات وزن

RS: مجموع دامنه (حدود تغییرات)

RN: شماره دامنه

حال میانگین وزنی را می یابیم.

که در فرمول فوق:

: وزن میانگین

MS: مجموع اندازه گیریها

MN: تعداد اندازه گیریها

فرمول محاسبه حد کنترل پائین (LC) عبارتست از:

E۲: ثابتی از پک جدول آماری= ۶۶/۲ (برای اداده های انفرادی)

چنانچه داده های وزنی بجای اینکه وزنهای هر کدام از قطعات باشد، میانگین یک گروه فرعی (زیر گروه) باشد باید به یک جدول آماری رجوع کرد تا مقدار مناسب را برای آن بیابیم. این جداول را می توان در کتب آماری یافت.

و حالا،… ادامه محاسبه:

۵۸۳/۱۵= (۳۷۵/۱*۶۶/۲) – 24/19= LCL

(UCL)

فرمول محاسبه حد بالای کنترل عبارت از::

در اینجا محاسبه کننده حدود سیگما یک مقدار حدود سیگنا ۱۴/۱ یا یک مقدار سه سیگما ۴۲۱/۳ را نشان می دهد. وقتی که این مقادیر دو نمودار قرار می گیرند و جدول (۶-۵) را تحت پوشش قرار می دهند.

می توان مشاهده کرد هنگامی که تغییرات نسبتاً کوچکی درون سه سیگما قرار گرفته و بخشهایی هستند که از حدود قابل قبول که توسط مشتری تثبیت می شود خارج می شوند. این نشان می دهد که فرایند از توانایی بیشتری برخوردار نیست و نمی توان از آن استفاده کرد.

برای رضایت مشتری فرایند باید تحت کنترل باشد. در غیر این صورت قطعات معیوب برای تعمیر یا انبار به بیرون فرستاده می شوند. متمرکز شدن فقط بر عملکرد ۶ سیگما برای یک سازمان قابل قبول نمی باشند. توانایی محاسبه حدود سیگمای یک فرایند این است که چطور به هدف (حدود قابل قبول) فرایندی که اجرا می شود نزدیک شویم. با یک تمرین کوچک شما می توانید نحوه تجسم و تصویر این محدوده‌ها و ترمیم هیستوگرام را شروع کنید.

پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

*

code