Lean Six Sigma Lektion 2. Measure & Analyze
|
|
- Emma Lorenzen
- 8 år siden
- Visninger:
Transkript
1 Lean Six Sigma Lektion 2 Measure & Analyze
2 Agenda Agenda Measure Datatyper Basal statistik Kapabilitetsstudier 7 Kvalitetsværktøjer Analyse FMEA Poka Yoke Kvalitetsøvelse
3 Define Identificere og udvælg projekt Definere projekt mål og leverancer Lav projektgruppen Measure Definere data der skal indsamles Opsaml data Evaluere målesystemet (MSA) DMAIC-Modellen Analyze Identificer årsager (X er) C1 C2 C4 C5 C3 C6 Effect Analyser X er Bestem hovedårsager Improve Identificere løsning på problemet Implementere løsninger Control Kontrollere X er Overvåg Y er Kontroller løsningen y Værktøjer Projektkontrakt/ A3 SIPOC Mapping Voice of the Customers/QFD Værktøjer Udregn middelværdi og standardafvigelse Lav kapabilitetsstudier 7 basale Kvalitetsværktøjer LSL USL Værktøjer Værktøjer Værktøjer FMEA Poka Yoke BrainStorming Standardiseret Arbejde (SOP) KPI styring Statistisk Proces kontrol (SPC) Process Confirmation Upper Control Limit 9.8 Lower Control Limit
4 Measure Definere data der skal indsamles Opsaml data Evaluere målesystemet (MSA) MEASURE (Formål) Afklare hvilke data der skal bruges i projektet Opsamle data Evaluere data Både kvalitativt og kvantitativt Værktøjer Udregn middelværdi og standardafvigelse Lav kapabilitetsstudier 7 basale Problemløsningsværktøjer LSL USL Værktøjer Middelværdi & Standardafvigelse Kapabilitetstudier (Cp/Cpk) 7 Basale problemløsningsværktøjer
5 Agenda Agenda Measure Datatyper Basal statistik Kapabilitetsstudier 7 Kvalitetsværktøjer Analyse FMEA Poka Yoke Kvalitetsøvelse
6 Data En stor del af Six Sigma handler om data-analyse Dataindsamling er derfor kritisk! Vi skal bruge data til følgende; Definere nuværende performance Initiere løbende overvågning Starte en systematisk undersøgelse Overvåge en proces Verificere en proces Validere en løsning Fakta -> der findes 2 typer data; 1) Diskret data (adskilt/heltal) God/dårlig Antal fejl Proces/maskine nr. Operatør Skift 2) Kontinuert data Penge Tid Temperatur Dimensioner Tryk Sagsbehandlingstid Kilde: Statistik i Økonomisk perspektiv
7 Øvelse Eksempler på data Rigtig første gang Lagerstørrelse Pakkestørrelse Antal operatører Antal produktvarianter Længde af skift Procestid Gennemløbstid Oppetid Ventetid Kassationsprocent Varer i arbejde Antal medarbejder på processen Antal skift Arbejdstid Antal opkald Energiforbrug Fejl Antal sager Investeringsbeløb Diskret eller kontinuert? Kilde: Statistik i Økonomisk perspektiv 7
8 Beskrivelse af data Hvad er vi interesseret i? Data beskrivelse Tal Grafisk Center Spredning Center Spredning Median Range Dotplot Middelværdi Standardafvigelsen Histogram Disse er essentielt for alt dataanalyse Kilde: Statistik i Økonomisk perspektiv
9 Basal Statistik Middelværdi = x 1, x 2, x n = de enkelte målinger n = samlede antal målinger Siger noget om middeltendensen i et datasæt Bruges når målingerne er normalt fordelt, ellers brug median Ekstreme værdier har stor indflydelse Beregn middelværdien for følgende målinger 1,2,5,6,7,7,7,8,8,9 Kilde: Statistik i Økonomisk perspektiv
10 Basal Statistik Median Medianen er den midterste værdi i et sorteret datasæt Hvis lige antal målinger tages gennemsnittet af de 2 midterste Et mål for en middeltendensen i et datasæt Ekstreme værdier minimal indflydelse Opsæt alle målingerne i stigende rækkefølge og vælg det midterste. Eks. (1,2,2,2,3,5,6,7,8) = median =3 Kilde: Statistik i Økonomisk perspektiv
11 Basal Statistik Standardafvigelsen ( ) Estimat for spredningen ( ) af data omkring middelværdien Obs: Formlen gælder kun for stikprøver og ikke hele populationer (så vil det være n i stedet for n-1 Summen af afvigelsernes kvadrat fra gennemsnittet, divideret med datamængden (Stikprøve) Eks. 1) Lønniveau i virksomhed hvor er høj indikere at der er stor forskel på lønniveauet hvis SD var lille tjente alle tæt på det samme. 2) Lille standardafvigelse i produktion af legoklodser viser at klodserne er meget ens Beregn standardafvigelsen på tallene: 1,2,5,6,7,7,7,8,8,9 Kilde: Statistik i Økonomisk perspektiv
12 Lower Specification Limit (LSL) Normalfordeling centret om middelværdien Upper Specification Limit (USL) Voice of the Customer Lower Control Limit Upper Control Limit Voice of the Process x Specification Limit % indenfor specifikationerne Defects Per Million (DPM) Kilde: Statistik i Økonomisk perspektiv 12
13 Eksempel Længden på en statistikbog Hvis 6σ proces = alle data indenfor +/- 6σ fra middelværdien 0,0136 x 6 = 0,0816 +/- 31,8233 = (31,7417;31,9049) = 6σ proces
14 Agenda Agenda Measure Datatyper Basal statistik Kapabilitetsstudier 7 Kvalitetsværktøjer Analyse FMEA Poka Yoke Kvalitetsøvelse
15 Kapabilitetsanalyse Er vi i stand til at udføre opgaven korrekt? Processens evne til at fungere inden for de påkrævede tolerancer Kapabilitet henviser til; Om man har klare krav Passende udvælgelse af mennesker/maskiner Tilstrækkelig oplæring Fyldestgørende målinger Proceskapabilitet matcher tolerancekrav med processens evne LSL USL LSL USL Bicheno & Catherwood, 2006
16 Betegnelser USL (Upper specification level) Øvre grænse for kundens tolerancer LSL (Lower specification level) Nedre grænse for kundens tolerancer σ (Sigma) Standardafvigelsen Cp (Procespotentiale) Processens potentiale ift. tolerancerne (Præcision) Cpk (Procesresultat) Processens output ift. USL og LSL (Nøjagtighed) Bicheno & Catherwood, 2006
17 LSL Cp Eksempler USL C p = 2 C p = 2 C p = 4 C p = 1 17
18 Cpk Eksempler LSL USL C pk = 0.5 C pk = 0.5 C pk = 1 C pk = 1 C pk = 1,5 C pk = 1,5 C pk = 2
19 Udregning af formler Udregning af Cp Viser om processen er i stand til at opfylde proces specifikationen (præcision) Forudsætning: Outputtet er normalfordelt Processen er i kontrol C p = 1 C p = 2 C p = 4 Bicheno & Catherwood, 2006
20 Udregning af Cpk Udregning af formler For at vide noget om hvor fordelingen (data et) er placeret imellem USL og LSL udregnes til Cpk For at bestemme Cpk værdien skal der udregnes 2 værdier se formel nedenfor Cpk værdien er den 2 udregnede værdier LSL USL Bicheno & Catherwood, 2006 C pk = 2 C pk = 2 C pk = 0
21 Kapabilitetsøvelse Gruppeopgave Hver gruppe skal måle 15 kabelbånd Opmål bredden og udregn følgende Middelværdi Standardafvigelse Cp & Cpk værdier USL = 10,5 cm (105mm) LSL = 9,5 cm (95mm) Har vi kontrol over produktionen af kabelbånd?
22 Agenda Agenda Measure Datatyper Basal statistik Kapabilitetsstudier 7 Kvalitetsværktøjer Analyse FMEA Poka Yoke Kvalitetsøvelse
23 7 Kvalitetsværktøjer Kan spores tilbage til Japan lige efter 2. verdenskrig og er inspireret af de 7 våben som krigsmunken Benkei brugte til at besejre sine fjender Introduceret af Kaoru Ishikawa (Fiskeben) (inspireret af Deming) 7 værktøjer og teknikker til at identificere kvalitetsproblemer Identificere hvad/hvor problemet er og leder efter hovedårsagen Systematisk og sekventiel opbygning & brug Oprindeligt brugt til kvalitetscirkler, men nu grundlæggende Six Sigma værktøjer Basale fordi; 1. de let kan bruges uden dybder træning i statistik 2. de kan løse størsteparten af de kvalitetsrelaterede problemstillinger Kontrast til mere avancerede statistiske metoder såsom hypotese test, Anova analyse, multivariant analyse etc. Montgomery (2005)
24 7 7 Kvalitetsværktøjer Kvalitetsværktøjer
25 Flowdiagram Et diagram der grafisk illustrerer hvordan flowet er i en proces, samtidig med at det belyser stærke og svage områder i processen Giver input til; Beslutningspunkter Spild Værdiskabelse Input/output Kommunikationsværktøj & afgrænsning Six Sigma Kortlægning (SIPOC kan sagtens bruges her) 1.Identificer processernes trin inden for projektets grænser 2.Identificer outputvariable og indsæt det relevante trin over for 3.Identificer inputvariable og indsæt det relevante trin neden for 4.Inddel variabler i C, N, X kategorier Constant (Kræves at være konstante for at opfylde kundens behov) Noise (Kan ikke kontrolleres lige nu) experiment (Kan ændres inden for rammerne) 5.Tilføj kundespecifikationer (interne/eksterne) 6.Marker værdiskabende aktiviteter Bicheno & Catherwood, 2006
26 Flowdiagram Kunder klager over for stærk te! Mængden af koldt vand Vandets temperatur The posen i koppen Mængden af varmt vand The temp. The styrke The pose The temp The smag The farver 9. Servér 1. Fyld kedel 2. Kog vandet 3. Put The posen i koppen 4. Hæld varmt vand i koppen 5. Bryg theen 6. Fjern the posen 7. Kom mælk og sukker i og rør Kedel (c) Mængde af koldt vand (c) Energi (N) Kop (c) The pose (c) Mængde af vand (c) Bryggetid 2 min +/- 30 sek. (x) Mælk (x) Sukker (x) Kundespecifikationer Earl Grey, med sukker og mælk Værdiskabende Ikke værdiskabende Bicheno & Catherwood, 2006
27 Flowdiagram 27
28 Eksempel Produktion Løbende visual kontrol Godkendt Ja Produktionen forsætter Afvist Kvalitetsafd. Vurdere fejl tupe Alvorlig Maskinen stoppes Kan der gives dispensation? Nej Produktet kasseret ubetydelig Teknikker Kan fejlen rettes uden ændringer af indstillinger? Nej Mould-shop Ja Vedligeholdsafdelingen indkaldes og maskinen repareres Inspektionsafdelingen Inspektionsafdelingen orienteres og emner måles igen
29 Flowdiagram - Øvelser 1) Udarbejd et Flowdiagram på casen eller arbejd videre med jeres SIPOC 2) Identificer variablerne C,N og X samt hvor der skabes kundeværdi 3) Er der C er vi ønsker skal være X er eller omvendt? Hvorfor?
30 7 7 Kvalitetsværktøjer Kvalitetsværktøjer
31 Pareto Analyse (ABC analyse) Alle tideres mest effektive ledelsesteknik Anerkender at et lille antal problemtyper udgør en stor procentdel af det totale billede -> Derfor 80/20 reglen ABC analyse fordi at vi vil inddele problemerne i kategorier Bruger 80/20 reglen og procenter (%) 80% af problemerne kommer fra 20% af processerne 80% af omsætningen kommer fra 20% af kunderne 80% af klagerne kommer fra 20% af markedet 80% af varerne kommer fra 20% af leverandørerne Vi skal bruge det til at; 1) Identificere og håndtere de presserende problemer først 2) Automatisk løbende forbedringer (problem for problem)
32 Cumulative % of total Value Martin Professional A/S Pareto Analyse C Items (95- A items (0-70%) B items (70-95%) 100%) Total ,97% 21,04% 71,99% 100,00% 120,00% Pareto Curve for Stock Items 100,00% 80,00% 60,00% Pareto Curve for Stock Items 40,00% 20,00% 0,00% Number of items
33 Antal fejl Cumulative % Øvelse Pareto 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 Fejlkilder Cumulative% Cut Off % 100% 80% 60% 40% 20% 0% [42] Øvelse - Lave en pareto analyse på fejlkilder casen - Fremstil det grafisk - Hvad kan det bruges til? Fremgangsmåde 1) X-aksen = problemer rangeret fra højre mod venstre, med de største først 2) Y1 = antal/hyppighed 3) Y2 = akkumuleret %
34 7 7 Kvalitetsværktøjer Kvalitetsværktøjer
35 Formål: Forståelse for de problemer man står overfor i dagligdagen Identificere hovedårsagen til et problem og identificere kilder til variation Socialøvelse Bruge de 6M for at komme hele vejen omkring et problem Årsagskategorier Problem Link til Pareto?
36 Processen illustreret i steps Step 3 Step 4 Step 5 Step 1 5xHvorfor Step 2 Step: 1.Påfør problemet der ønskes belyst. Vær så specifik som mulig. 2.Beslut hvilke hovedkategorier der skal brainstormes inden for. 3.Brainstorm på de årsager der påvirker hovedproblemet, der er udvalgt under step 1 4.Gennemgå diagrammet 5.Diskuter det færdige diagram og identificer og udvælg de årsager der er mest kritiske for problemet, hvorefter der skal foretages videre analyse på disse.
37 1) Identificer problemet (beskriv det kort) 2) Identificer og diskuter hovedårsagsområderne (6M) 3) Identificer årsager inden for hvert område 4) Prioriter og dokumenter årsagerne (Sandsynlighed & vigtighed) (Brug top 3/5) 5) Identificer løsningsforslag (placeres overfor årsagen) 6) Prioriter og udvælg løsningsforslag Årsags-virkningsdiagram
38 7 7 Kvalitetsværktøjer Kvalitetsværktøjer
39 Viser grafisk den relative forekomst af en række events/hyppigheder Kaldes også sommetider mæslingskort Bruges til at indsamle dataløbende og synliggøre trends, fordelinger, centreringer og outliners Søjlediagram Histogrammer (Mæslingskort)
40 Histogrammer (Mæslingskort) Histogram Hvad kan vi tolke ud af histogrammet?
41 Hvad kan man se af et histogram? Hvilke fordelinger der der tale om? Holder data et sig inden for tolerancerne Er data et skævvredet? Er data et centreret omkring en bestemt værdi?
42 7 7 Kvalitetsværktøjer Kvalitetsværktøjer
43 Kontrol- kørselsdiagrammer Formål: Undersøger forholdet mellem; Hændelser og tid Problemer og årsager Identificere langsomme tendenser (stigende/faldende) Simpelt men kræver vedligeholdes og registrering af hændelser og tid
44 Kontrolkort - Eksempel
45 Kontrolkort Kontrol eller kørselsdiagrammet viser data baseret på et tidsrum (x-aksen) og bruges til at identificere trends og cyklusser for en bestem proces (y-aksen) Kundehenvendelser PM- AM PM- AM PM- AM Torsdag Torsdag Torsdag uge 1 uge 2 uge 3 Tid
46 Kontrolkort LEGO Kontrolkort Kasserede LEGO klodser PM- AM PM- AM PM- AM Torsdag Torsdag Torsdag uge 1 uge 2 uge 3 Tid Hvad kan LEGO bruge dette til?
47 Kontrolkort Opgave Lave et kontrolkort på jeres breddemålinger i casen og fremstil dem grafisk
48 7 7 Kvalitetsværktøjer Kvalitetsværktøjer
49 Antal kassationer Behandlingstid Formål: XY-Punktdiagram (Korrelationsdiagram) Bruges til mere specifik eksperimentering vi arbejder altså med at identificere om et X (variable) har indflydelse på Y et (Outputtet) y = f(x) Hvis der beviseligt er en afhængighed (korrelation) kan man arbejde med at bestemme den bedste indstilling eller størrelse af X Temperatur Antal sagsbehandler
50 Eksempel
51 7 7 Kvalitetsværktøjer Kvalitetsværktøjer
52 Kontrolark Kontrolkort i supermarked (Havelågediagram) Fejl-type Man Tir Ons Tor Fre Lør Søn Leverandør IIII II II III Holdbarhed (dato) Kunde kontakt II II I I I I Medarbejder I Udstyr I II II II I
53 Kontrolark som en Standard
54 Kontrolark som Checkliste
55 Agenda Agenda Measure Datatyper Basal statistik Kapabilitetsstudier 7 Kvalitetsværktøjer Analyse FMEA Poka Yoke Kvalitetsøvelse
56 Define Identificere og udvælg projekt Definere projekt mål og leverancer Lav projektgruppen Measure Definere data der skal indsamles Opsaml data Evaluere målesystemet (MSA) DMAIC-Modellen Analyze Identificer årsager (X er) C1 C2 C4 C5 C3 C6 Effect Analyser X er Bestem hovedårsager Improve Identificere løsning på problemet Implementere løsninger Control Kontrollere X er Overvåg Y er Kontroller løsningen y Værktøjer Projektkontrakt/ A3 SIPOC Mapping Voice of the Customers/QFD Værktøjer Udregn middelværdi og standardafvigelse Lav kapabilitetsstudier 7 basale Kvalitetsværktøjer LSL USL Værktøjer Værktøjer Værktøjer FMEA Poka Yoke BrainStorming Standardiseret Arbejde (SOP) KPI styring Statistisk Proces kontrol (SPC) Process Confirmation Upper Control Limit 9.8 Lower Control Limit
57 Analyze Identificer årsager (X er) C1 C2 C4 C5 Analyser X er Bestem hovedårsager FMEA C3 C6 Værktøjer Poka Yoke Effect Analyze (Formål) Analysere dataet og identificere hovedårsagen(erne) til problemet Prioritere årsagerne Overvej kravet til løsningerne ud fra problemets konsekvens Værktøjer FMEA Poka Yoke
58 FMEA: Failure Mode and Effects Analysis Fejl-Mulighed og Effekt-Analyse Fejltyper og Effektanalyse Metode til at bedømme og reducere risikoen i systemer, processer og produkter Definere, identificere, prioritere og udrydde kendte eller potentielle fejl så tidligt som muligt Bliver ofte anvendt sammen med QFD, SIPOC, CpK-analyse, Årsag-virkningsanalyse Ofte et krav til leverandører at de foretager FMEA analyser Social øvelse (Bred involvering)
59 Fejltyper og Effektanalyse 4 FMEA er System FMEA Design FMEA Proces FMEA Service FMEA Formål Overordnet analyse af designet ift. systemet Minimere designfejl før produktion/drift Proces/produktionsfejl Servicefejl 1. Gå processen igennem trin for trin -> Hvad kan gå galt? 2. Hvad kunne være årsagen? Og hvad vil konsekvensen være? Brug gerne data (klager, garantiprise, brugsfejl, fravær etc.) 3. Sandsynlighed, Konsekvens og Opdagelse vurderes (1-10) 4. Handlinger og ansvarlig bestemmes
60 Fejltyper og Effektanalyse Eks på FMEA ID Nr. Fejltype Årsag(er) til fejlen Konsekvens af fejlen Sandsynlighed (1-10) Konsekvens (1-10) Opdagelse (1-10) FMEA Score Handling Ansvarlig
61 Agenda Agenda Measure Datatyper Basal statistik Kapabilitetsstudier 7 Kvalitetsværktøjer Analyse FMEA Poka Yoke Kvalitetsøvelse
62 Hvad er Poka-Yoke: Poka-Yoke metoden POKA-YOKE For at undgå (yokeru) uagtsomme fejl (poka) Poka-Yoke er et japansk navn for fejlsikring Højeste niveau af Poka-Yoke løsninger forhindrer fejlen i overhovedet at opstå Formålet med Poka-Yoke er at opnå nul fejl Arbejde frem imod holdningen: "Nul fejl er muligt. Gennem brug af sensor, farvekoder, felter, informationsdeling etc. Sikre at fejlen bliver opdaget før den opstår eller bliver sendt videre til næste proces Eller som minimum opfange fejlen så hurtig som muligt Poka-yoke påvirker 2 nøgle områder vedr. kvalitet; Poka-yoke opdager fejlen, advare og kan stoppe processen. Identificere fejlene med det samme Giver hurtig feedback så korrektioner kan igangsættes
63 At fejle er menneskeligt Poka-Yoke Presset i en travl hverdag sker der fejl Acceptere at fejlen sker, så længe det ikke er bevidst og at vi lære af det Gå efter fejlen ikke personen Vi kan efterfølgende arbejde med at design fejlen ud af processen = Poka Yoke Tæl F er (øvelser) Ideer til Poka Yoke løsninger?
64 Poka Yoke grundregler For at opnå en Nul-fejlskultur bør følgende 3 regler være i fokus; Acceptere ikke fejl Lave ikke fejl Videre send ikke fejl Leverandør (internt/ekstern) En selv Kunden (internt/ekstern) Ideelt skal vi designe et produkt eller en proces så fejlen ikke kan opstå Toyota kalder automatisk fejlopdagelse for Jidoka Produktionen stopper og problemet bliver rettet med det samme
65 Implementering af Poka-Yoke Poka Yoke Implementering 2 tilgange Implementering af Poka-Yoke Forebyggelse Problemløsning Design FMEA PDCA Proces/ operatør Produktet Leverandør Materiale Plan Do Check Act
66 Poka Yoke 2 måder at opdage fejl på Kontrolsystem Alarmsystem Stopper processen når fejlen sker Sikre at fejlen ikke sendes videre Tager den menneskelige faktor ud af ligningen Signalere at medarbejderen skal stoppe processen Medarbejderen er ansvarlig for at rette fejlen
67 Eksempler Poka-Yoke Hvilke felter skal udfyldes?
68 Poka Yoke Billys Gamle biler hvor man skulle huske at slukke lyset ellers ingen strøm 6 Forebyg afvigelser Lyset slukker automatisk, når motoren stoppes. Stigende kontrolniveau KONTROL DISPLAY Stop afvigelser Advar om afvigelser Byg standarder ind i arbejdspladsen Del standarder i dit området Nøglen kan ikke fjernes fra tændingslåsen, inden lyset er slukket. En hyletone lyder, når bildøren åbnes, hvis lyset er tændt. Når tændingen afbrydes, lyser en rød lampe i kontrolpanelet, som betyder sluk lyset. Klister instruktionen på bilens instrumentbræt, så den let kan ses af føreren; sluk lyset før du forlader bilen. 1 Del information Inkluderet i instruktionsbogen: husk at slukke lyset, når der slukkes for motoren. Overvej hvad det koster vs. konsekvens!!
69 Andre klassiske fiaskoer Murphys lov Aktiehandler køber aktier i stedet for Hævemaskine stopper ikke med at udbetale penge NASA s Mars-landingsfartøj går tabt, der regnes i yards i stedet for meter Piloten mister en motor og slukker den anden I Tyskland sendes en e- ud med fortrolige bank-informationer skattemyndighederne jubler App Store sletter ikke apps på Iphone selvom man har fået pengene tilbage
70 Agenda Agenda Measure Datatyper Basal statistik Kapabilitetsstudier 7 Kvalitetsværktøjer Analyse FMEA Poka Yoke Kvalitetsøvelse
71 FMEA & Poka Yoke FMEA & Poka Yoke supplere hinanden godt som analyse værktøjer Identificere fejl og prioritere disse (FMEA) Vurdere nødvendig fejlsikringsniveau ID Nr. Fejltype Årsag(er) til fejlen Konsekvens af fejlen Sandsynlighed (1-10) Konsekvens (1-10) Opdagelse (1-10) FMEA Score Poka Yoke Niveau (1-6) Løsning Ansvarlig
72 FMEA ID Nr. Fejltype Årsag(er) til fejlen Konsekvens af fejlen Sandsynlighed (1-10) Konsekvens (1-10) Opdagelse (1-10) FMEA Score 1 ) Processerne gås igennem og fejltyper identificeres Hvad er årsagen(erne)? 2) Konsekvens vurderes hvad sker der hvis fejlen opstår? 3) Sandsynlighed, konsekvens og opdagelse vurderes og ganges samme = FMEA score Jo højere FMEA score jo højere Poka Yoke niveau
73 Vurdering Sandsynlighed (chance for fejlen) Sker aldrig Sker meget sjælden ( ) FMEA vurderinger Konsekvens Både interne og eksterne kunder opdager intet Mindre irritation for internt kunder. Eksterne opdager intet Opdagelse Opdages med det samme og helt sikkert (100%) Meget høj chance for opdagelse Høj opdagelses chance Moderat opdagelses chance (50%) 5 Kundeutilfredshed både internt Gentagende fejl og eksternt 6 (1-2000) Lav opdagelses chance 7 Meget lave Hyppige fejl Høj grad af utilfredshed. opdagelseschance 8 (1-20) Kunderne forsvinder Opdages først til sidste led inden kunden 9 10 Sker hver gang (1-2) Fare for sikkerhed Kunden opdager det (95-100%)
74 Sandsynlighed for at fejl opstår Score: Konsekvensen når fejlen opstår Score: Ikke sandsynlig - vurderes aldrig at ske 1 Slut-kunden og proces-kunden vil ikke bemærke noget 1 Sjældent sket - ca. éngang hvert år 2 Sjældent sket - ca. éngang hver ½. år 3 Slut-kunden vil bemærke det i mindre grad og proces-kunden vil blive berørt i mindre grad 2 to 3 Sker nu og da - ca. hver 3 måned 4 Sker nu og da - ca. hver anden måned 5 Nogle af slut-kunderne vil blive utilfredse og kontakte leverandøren. Proces-kunden vil opleve en klar negativ indflydelse på kvalitets præstationer 4 to 5 Sker nu og da - ca. hver måned 6 Sker regelmæssigt - ca. hver uge 7 Stor grad af utilfredshed hos slut-kunden, leverandør bliver kontaktet øjeblikkelig. Stor negativ indflydelse på KPI'er hos proces-kunden 6 to 7 Sker regelmæssigt - ca. hver dag 8 Svært at undgå - sker flere gange dagligt 9 Sikkerheden for slut-kunden er i fare. Lav produktkvalitet hos proces-kunden 8 to 10 Kan ikke undgås - sker tilnærmelsesvis hver gang 10
75 Poka Yoke Niveau (1-6) Poka Yoke Løsning Ansvarlig 1 ) Poka Yoke niveau bestemmes. Jo højere FMEA jo højere Poka Yoke Niveau Forbyggelse eller Alarm (Kontrol eller display) 2) Løsning beskrives for at sikre at fejlen ikke opstår eller opdages i tide 3) Ansvarlig udpeges og DMAIC eller PDCA opstartes
76 Opgave Udfyld FMEA & Poka Yoke hybriden for casen
77 Tak for idag
Lean Six Sigma Lektion 2. Measure & Analyze
Lean Six Sigma Lektion 2 Measure & Analyze Agenda: Measure Basal statistik 7 Basale kvalitetsværktøjer Analyze FMEA Poka Yoke Kvalitetskortlægning øvelse DMAIC-Modellen Define Measure Analyze Improve Control
Læs mereLean Six Sigma Minitab Introduktion
Lean Six Sigma Minitab Introduktion Agenda Minitab Introduktion Histogram Pareto Identificering af data s fordeling Statistisk Proces Kontrol & Kontrolkort Kapabilitetsanalyse Minitab Basal Introduktion
Læs mereLean Six Sigma Lektion 3. Analyze og Improve
Lean Six Sigma Lektion 3 Analyze og Improve 1 Vi bruger hjemmesiden: ekstra.leankursus.dk Upload øvelser her Hent cases og skabeloner. Pak ud i en mappe. Tryk her for at give dine input til forskellige
Læs mereSix Sigma gammel vin på nye flasker, eller? Hvorledes træffer man sine valg, når det gælder produktionskoncepter? 08/02/2010 Michael Vaag 1
Six Sigma gammel vin på nye flasker, eller? Hvorledes træffer man sine valg, når det gælder produktionskoncepter? 08/02/2010 Michael Vaag 1 Indhold Meget kort om Ingeniørhøjskolen i Århus Kvalitet er også
Læs mereStatistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning
Statistik Lektion 1 Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Sandsynlighedsregning Introduktion Kasper K. Berthelsen, Inst f. Matematiske Fag Omfang: 8 Kursusgang I fremtiden
Læs merefor gymnasiet og hf 2016 Karsten Juul
for gymnasiet og hf 75 50 5 016 Karsten Juul Statistik for gymnasiet og hf Ä 016 Karsten Juul 4/1-016 Nyeste version af dette håfte kan downloades fra http://mat1.dk/noter.htm HÅftet mç benyttes i undervisningen
Læs mereLedelsesmæssige udfordringer ved implementering af Lean. Appendiks A Værktøjskassen
Ledelsesmæssige udfordringer ved implementering af Lean Værktøjskassen Afhandling HD (R) Forfatter: Lene Johannsen Vejleder: Bent Høgsted Dato: 1. december 2010 Værktøjskassen Begreber: Gemba Gemba betyder
Læs mereAnvendt Statistik Lektion 6. Kontingenstabeller χ 2 -test [ki-i-anden-test]
Anvendt Statistik Lektion 6 Kontingenstabeller χ 2 -test [ki-i-anden-test] 1 Kontingenstabel Formål: Illustrere/finde sammenhænge mellem to kategoriske variable Opbygning: En celle for hver kombination
Læs mereSix Sigma. - the How, når ITIL er the What. Master Black Belt Ane S. Ry Storm Management A/S itsmf 2008
Six Sigma - the How, når ITIL er the What Master Black Belt Ane S. Ry Storm Management A/S itsmf 2008 Her er jeg Cand. Oecon. med speciale i organisation MMD - Master of Management Development MBB Lean
Læs mereDeskriptiv statistik. Version 2.1. Noterne er et supplement til Vejen til matematik AB1. Henrik S. Hansen, Sct. Knuds Gymnasium
Deskriptiv (beskrivende) statistik er den disciplin, der trækker de væsentligste oplysninger ud af et ofte uoverskueligt materiale. Det sker f.eks. ved at konstruere forskellige deskriptorer, d.v.s. regnestørrelser,
Læs mereLean Six Sigma Lektion 3
Lean Six Sigma Lektion 3 Agenda: Improve Identificere og udvælge løsninger (kreativitets værktøjer) Standardiseret arbejde Control Visuel kontrol SPC Proces Confirmation Sauer-Danfoss version af DMAIC
Læs mereStatistisk proceskontrol
Statistisk proceskontrol Statistisk teknik, der bruges for at sikre at en proces udføres efter en given standard Alle processer er underkastet variation Naturlige årsager: Tilfældige variationer Forklarlige
Læs mereSådan bruger du bedst e-mærket
1 Få flere online salg eller leads igennem 2 Beslutningsprocessen i et salg online Hvem styrer hvem? Frederik Bjerring kører en tidlig morgen i efteråret 2009 op langs roskildevej på vej til sit arbejde,
Læs mereBILAG til vejledning af IKV. Vejledende svar til dialogspørgsmål i IKV-værktøjet Industriens LEAN-kørekort
BILAG til vejledning af IKV Vejledende svar til dialogspørgsmål i IKV-værktøjet Industriens LEAN-kørekort Vejledende svar til dialogspørgsmål i IKV-værktøjet Nedenfor ses oversigt over vejledende svar
Læs mereRapport vedrørende. etniske minoriteter i Vestre Fængsel. Januar 2007
Rapport vedrørende etniske minoriteter i Vestre Fængsel Januar 2007 Ved Sigrid Ingeborg Knap og Hans Monrad Graunbøl 1 1. Introduktion Denne rapport om etniske minoriteter på KF, Vestre Fængsel er en del
Læs merefor matematik pä B-niveau i hf
for matematik pä B-niveau i hf 014 Karsten Juul TEST 1 StikprÅver... 1 1.1 Hvad er populationen?... 1 1. Hvad er stikpråven?... 1 1.3 Systematiske fejl ved valg af stikpråven.... 1 1.4 TilfÇldige fejl
Læs mereBruger manual AGAM kontrolboks
Bruger manual AGAM kontrolboks Kontrol boks set- up Front tavle (dør) 1. LED : Indikerer hvilke funktioner der er tilsluttet. (Lys tændt = funktion tændt ; lys slukket = funktion slukket). #1- Hovedpumpe
Læs mereen proces evne til at producere output inden for de specificerede grænser
Side 1 af 5 Infoblad om Cp og Cpk-værdier. Artiklen er skrevet af kvalitetskonsulent Bettina Bornkessel og kvalitetskonsulent Lasse Ahm, Lasse Ahm Consult Anvendelse af Cp og Cpk ved procesoptimeringer
Læs mereStatistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik
Statistik Lektion 1 Introduktion Grundlæggende statistiske begreber Deskriptiv statistik Introduktion Kursusholder: Kasper K. Berthelsen Opbygning: Kurset består af 5 blokke En blok består af: To normale
Læs mereStrategidagen den 25. april 2008
Lean Six Sigma Strategidagen den 25. april 2008 Annette Kjærgaard Annette.kjaergaard@teknologisk.dk Center for kvalitets- Center og for miljøledelse Produktion Kort introduktion til Lean Highland Park
Læs mereKaizenevent En introduktion til metoden
: LEANREJSEN - Kaizenevent En introduktion til metoden Adobe full screen: Ctrl + L Brugerlicens DI ejer alle rettigheder til denne præsentation For filer i formatet Adobe giver DI en brugerlicens til alle
Læs mereProgram. Modelkontrol og prædiktion. Multiple sammenligninger. Opgave 5.2: fosforkoncentration
Faculty of Life Sciences Program Modelkontrol og prædiktion Claus Ekstrøm E-mail: ekstrom@life.ku.dk Test af hypotese i ensidet variansanalyse F -tests og F -fordelingen. Multiple sammenligninger. Bonferroni-korrektion
Læs mereysikrapport: Maila Walmod, 1.3 HTX, Rosklide I gruppe med Morten Hedetoft, Kasper Merrild og Theis Hansen Afleveringsdato: 28/2/08
ysikrapport: Gay-Lussacs lov Maila Walmod, 1.3 HTX, Rosklide I gruppe med Morten Hedetoft, Kasper Merrild og Theis Hansen Afleveringsdato: 28/2/08 J eg har længe gået med den idé, at der godt kunne være
Læs mereTestrapport på Test Testesen
Testrapport på Test Testesen Analysis Aptitude Fremstillet den: 12-jun-2007 Side 2 af 5 2006-2009 Saville Consulting. All rights reserved. Indhold Introduktion til testrapport...3 Analysis Aptitude profil...4
Læs mereMaple 11 - Chi-i-anden test
Maple 11 - Chi-i-anden test Erik Vestergaard 2014 Indledning I dette dokument skal vi se hvordan Maple kan bruges til at løse opgaver indenfor χ 2 tests: χ 2 - Goodness of fit test samt χ 2 -uafhængighedstest.
Læs mereHuskesedler. Anvendelse af regneark til statistik
Huskesedler Anvendelse af regneark til statistik August 2013 2 Indholdsfortegnelse Aktivere Analysis Toolpak... 4 Dataudtræk fra Danmarks Statistik... 4 Kopiering af formler... 4 Målsøgning... 5 Normalfordeling...
Læs mereEn vej til tilfredse kunder og glade medarbejdere i en profitabel organisation
Lean virksomhed Få et hurtigt overblik over Lean En vej til tilfredse kunder og glade medarbejdere i en profitabel organisation Af Egon Kjær Jensen og Ann Møller Svendsen www.leanakademiet.dk - t: 70277909
Læs mereGenerelt er korrelationen mellem elevens samlede vurdering i forsøg 1 og forsøg 2 på 0,79.
Olof Palmes Allé 38 8200 Aarhus N Tlf.nr.: 35 87 88 89 E-mail: stil@stil.dk www.stil.dk CVR-nr.: 13223459 Undersøgelse af de nationale tests reliabilitet 26.02.2016 Sammenfatning I efteråret 2014 blev
Læs mereKort om Eksponentielle Sammenhænge
Øvelser til hæftet Kort om Eksponentielle Sammenhænge 2011 Karsten Juul Dette hæfte indeholder bl.a. mange småspørgsmål der gør det nemmere for elever at arbejde effektivt på at få kendskab til emnet.
Læs mereLean Six Sigma Black Belt
Lean Six Sigma Black Belt Six Sigma Lean Black Belt Master Class Teknologisk Institut tilbyder nu uddannelse til Lean Six Sigma Black Belt på Danmarks eneste Master Class uddannelse, der kombinerer Lean
Læs mereVelkommen til ABC Analyzer! Grundkursusmanual 2 vil introducere dig til ABC Analyzers mere avancerede funktioner, bl.a.:
Velkommen til ABC Analyzer! Grundkursusmanual 2 vil introducere dig til ABC Analyzers mere avancerede funktioner, bl.a.: Kategoriseringer uden ABC-kategorier Krydstabel (trebenede) Beregnede og avancerede
Læs mereKapitel 3 Centraltendens og spredning
Kapitel 3 Centraltendens og spredning Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 / 25 Indledning I kapitel 2 omsatte vi de rå data til en tabel, der bedre viste materialets fordeling
Læs mereHjorth Kvalitetsudvikling. Introduktion til SPC og kapabilitet
Introduktion til SPC og kapabilitet Ideel proces uden variation Aksel - Neddrejningsdybde nominel 34,5 mm 38 37 36 35 34 33 32 1 5 9 13 17 21 25 29 33 Det virkelige liv NEDDREJNINGSDYBDE (Y) 34.8 34.7
Læs mereSøren Christiansen 22.12.09
1 2 Dette kompendie omhandler simpel brug af Excel til brug for simpel beregning, såsom mængde og pris beregning sammentælling mellem flere ark. Excel tilhører gruppen af programmer som samlet kaldes Microsoft
Læs mereAnvendt Statistik Lektion 6. Kontingenstabeller χ 2- test [ki-i-anden-test]
Anvendt Statistik Lektion 6 Kontingenstabeller χ 2- test [ki-i-anden-test] Kontingenstabel Formål: Illustrere/finde sammenhænge mellem to kategoriske variable Opbygning: En celle for hver kombination af
Læs mereRygtespredning: Et logistisk eksperiment
Rygtespredning: Et logistisk eksperiment For at det nu ikke skal ende i en omgang teoretisk tørsvømning er det vist på tide vi kigger på et konkret logistisk eksperiment. Der er selvfølgelig flere muligheder,
Læs mereCDPE 6320. Brugsanvisning Bruksanvisning Käyttöohje Bruksanvisning User instructions OPVASKEMASKINE DISKMASKIN ASTIANPESUKONE OPPVASKMASKIN DISHWASHER
DA SV FI NO EN Brugsanvisning Bruksanvisning Käyttöohje Bruksanvisning User instructions CDPE 6320 OPVASKEMASKINE DISKMASKIN ASTIANPESUKONE OPPVASKMASKIN DISHWASHER Tillykke Med Deres nye Candy opvaskemaskine.
Læs mereForældretilfredshed 2013
Antal svar: 51, svarprocent: 75% INFORMATION OM UNDERSØGELSEN Forældretilfredshed 2013 er et samarbejde mellem Daginstitutionernes Lands-Organisation (DLO) og konsulentvirksomheden SURVIO. Formålet er
Læs mereKonfidensintervaller og Hypotesetest
Konfidensintervaller og Hypotesetest Konfidensinterval for andele χ -fordelingen og konfidensinterval for variansen Hypoteseteori Hypotesetest af middelværdi, varians og andele Repetition fra sidst: Konfidensintervaller
Læs merePhD-kursus i Basal Biostatistik, efterår 2006 Dag 2, onsdag den 13. september 2006
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 2, onsdag den 13. september 2006 I dag: To stikprøver fra en normalfordeling, ikke-parametriske metoder og beregning af stikprøvestørrelse Eksempel: Fiskeolie
Læs mereIBC Innovationsfabrikken. Six Sigma
IBC Innovationsfabrikken Lær at spare tid, penge og ressourcer med, - en internationalt anerkendt og førende metode til forbedringsarbejde på tværs af brancher og virksomheder. Lær at spare tid, penge
Læs mere3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 1, onsdag den 6. september 2006 Eksempel: Sammenhæng mellem moderens alder og fødselsvægt I dag: Introduktion til statistik gennem analyse af en stikprøve
Læs mereVirksomheders erfaring med Six Sigma
Virksomheders erfaring med Six Sigma Data & information Team-arbejde Projektledelse, PhD, Master Black Belt Lean6Sigma.eu ApS Sandbakkevej 60 4390 Vipperød +45 4029 2701 Jens.folke@lean6sigma.eu www.lean6sigma.eu
Læs mereModellering med Lego education kran (9686)
Modellering med Lego education kran (9686) - Et undervisningsforløb i Lego education med udgangspunkt i matematiske emner og kompetencer Af: Ralf Jøker Dohn Henrik Dagsberg Kranen - et modelleringsprojekt
Læs mereIntroduktion til Statistisk Processtyring
Introduktion til Statistisk Processtyring 2008 Ideel proces uden variation Tabletvægt nominel 25 mg 27 26 25 24 23 5 9 3 7 2 25 29 33 Det virkelige liv 29 28 27 26 V ægt mg. 25 24 23 22 2 6 6 2 26 3 36
Læs mereHaabendal Management Løbende forbedringer i øjenhøjde
Eksempler på typiske forløb fra den seneste periode. Haabendal management har bred erfaring indenfor optimerings- og udviklingsforløb. Nedenfor kan ses typiske forløb fra den seneste periode. På baggrund
Læs mereLean Six Sigma Yellow Belt-uddannelse
Lean Six Sigma For dig der har lyst til at få indsigt i tankerne bag Lean Six Sigma samt de muligheder, der ligger i projektmetoden DMAIC. 1 Dit udbytte En Lean Six Sigma giver dig indsigt i tankerne bag
Læs mereEvaluering af sygedagpengemodtageres oplevelse af ansøgningsprocessen
30. juni 2011 Evaluering af sygedagpengemodtageres oplevelse af ansøgningsprocessen 1. Indledning I perioden fra 7. juni til 21. juni 2011 fik de personer der har modtaget sygedagpenge hos Silkeborg Kommune
Læs mereStatistik vejledende læreplan og læringsmål, efteråret 2013 SmartLearning
Side 1 af 6 Statistik vejledende læreplan og læringsmål, efteråret 2013 SmartLearning Litteratur: Kenneth Hansen & Charlotte Koldsø: Statistik I økonomisk perspektiv, Hans Reitzels Forlag 2012, 2. udgave,
Læs mereNote til styrkefunktionen
Teoretisk Statistik. årsprøve Note til styrkefunktionen Først er det vigtigt at gøre sig klart, at når man laver statistiske test, så kan man begå to forskellige typer af fejl: Type fejl: At forkaste H
Læs mereManual til national. benchmarkingundersøgelse. Udarbejdet af: Louise Broe Sørensen, Rambøll & Sara Svenstrup, Herning Bibliotekerne
Manual til national 2011 benchmarkingundersøgelse Udarbejdet af: Louise Broe Sørensen, Rambøll & Sara Svenstrup, Herning Bibliotekerne Indholdsfortegnelse Kort om benchmarking Praktisk om undersøgelsen
Læs mereVærktøjshjælp for TI-Nspire CAS Struktur for appendiks:
Værktøjshjælp for TI-Nspire CAS Struktur for appendiks: Til hvert af de gennemgåede værktøjer findes der 5 afsnit. De enkelte afsnit kan læses uafhængigt af hinanden. Der forudsættes et elementært kendskab
Læs mereTjek. lønnen. Et værktøj til at undersøge lokal løndannelse og ligeløn på offentlige arbejdspladser. 2007 udgave Varenr. 7520
Tjek lønnen Et værktøj til at undersøge lokal løndannelse og ligeløn på offentlige arbejdspladser 2007 udgave Varenr. 7520 Indholdsfortegnelse Forord... 3 Teknisk introduktion... 4 Indledning... 5 Introduktion
Læs mere1. Hovedramme 2. Bag stabilisator 3. For stabilisator 4. Cykelstyrsstang 5. Cykelstyr 6. Computer 7. Sædestang 8. Sæde 9. Pedaler 10.
1. Hovedramme 2. Bag stabilisator 3. For stabilisator 4. Cykelstyrsstang 5. Cykelstyr 6. Computer 7. Sædestang 8. Sæde 9. Pedaler 10. Plastik beslag 11. Adapter (6VDC, 500mA) M8x70 bolt (4)-4 M8x15mm skrue
Læs mereValgkampens og valgets matematik
Ungdommens Naturvidenskabelige Forening: Valgkampens og valgets matematik Rune Stubager, ph.d., lektor, Institut for Statskundskab, Aarhus Universitet Disposition Meningsmålinger Hvorfor kan vi stole på
Læs mereManual til PRO DK180
Manual til PRO DK180 Indhold Forord... 4 Alarmens generelle opbygning... 5 Placering af alarmen... 7 Oversigt over alarmen... 8 Tag alarmen i brug... 10 Programering af alarmen... 11 Indtastning af egen
Læs mereWebsitet handler om websitet i sin helhed, dvs. hvor mange besøgende du har i alt osv.
Statistikmodulet. Statistikmodulet er et grundlæggende værktøj til at forstå og analysere trafikken på dit website, og det kan du benytte til mange ting, lige fra at se hvor mange besøgende du har, til
Læs mereRepræsentative undersøgelser før og nu. Peter Linde, Interviewservice pli@dst.dk
Repræsentative undersøgelser før og nu Peter Linde, Interviewservice pli@dst.dk >> >> Dagsorden Hvad er en repræsentativ undersøgelse? Bortfald og forskerbeskyttelse Vægtning for bortfald Effekt af vægtning
Læs mereRejsekortet Udvikling i kundetilfredshed
Rejsekortet Udvikling i kundetilfredshed Baseret på undersøgelser foretaget af Epinion A/S for Rejsekort A/S 2012 til 2015 4. april 2016 0. Indhold 1. Materialet 3 2. Sådan har vi gjort 4 3. Passagerpulsens
Læs mereFig. 1 Billede af de 60 terninger på mit skrivebord
Simulation af χ 2 - fordeling John Andersen Introduktion En dag kastede jeg 60 terninger Fig. 1 Billede af de 60 terninger på mit skrivebord For at danne mig et billede af hyppighederne flyttede jeg rundt
Læs mereBrøndby Kommune. Medarbejdertrivselsundersøgelse 2008
Brøndby Kommune Medarbejdertrivselsundersøgelse 2008 Høj tilfredshed og stor fastholdelsesgrad drevet af glæde ved de nærmeste forhold ved arbejdet 1.950 medarbejdere deltog fin svarprocent på 75 totalt,
Læs mereDer er en god varme i Skagen om vinteren
Der er en god varme i Skagen om vinteren Skagen er på toppen. Det samme er byens varmeværk, der sikrer skawboerne fjernvarme sammensat af bl.a. vand fra en elkedel, restvarme fra fiskeindustrien og energiudnyttelse
Læs mereLineære modeller. Taxakørsel: Et taxa selskab tager 15 kr. pr. km man kører i deres taxa. Hvis vi kører 2 km i taxaen koster turen altså
Lineære modeller Opg.1 Taxakørsel: Et taxa selskab tager 15 kr. pr. km man kører i deres taxa. Hvis vi kører 2 km i taxaen koster turen altså Hvor meget koster det at køre så at køre 10 km i Taxaen? Sammenhængen
Læs mereOversigt. Course 02402/02323 Introducerende Statistik. Forelæsning 3: Kontinuerte fordelinger. Per Bruun Brockhoff
Course 242/2323 Introducerende Statistik Forelæsning 3: Kontinuerte fordelinger Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 22 Danmarks Tekniske Universitet 28 Lyngby Danmark
Læs mereForældretilfredshed 2015
Antal svar: 23, svarprocent: 77% INFORMATION OM UNDERSØGELSEN Forældretilfredshed 2015 er et samarbejde mellem Daginstitutionernes Lands-Organisation (DLO) og konsulentvirksomheden SURVIO. Formålet er
Læs mereLean og arbejdsmiljø - prøv Lean på egen krop
Lean Konceptet 18. sep. 08 Lean og arbejdsmiljø - prøv Lean på egen krop Hvad og hvorfor Lean? - Hvad er Lean og hvad kan det bruges til? Agenda Hvad er Lean? Hvorfor Lean? Hvad er konsekvenserne for medarbejderne?
Læs mereAgenda. AGENDA Lars Bærentzen & Siscon Indledning Konsekvensanalyse (Plan) Konsekvensanalyse (Do) Konsekvensanalyse (Check) Konsekvensanalyse (Act)
Agenda AGENDA & Siscon Indledning Konsekvensanalyse (Plan) Omfang Parametre Konsekvensanalyse (Do) Forberedelse Gennemførelse Konsekvensanalyse (Check) Fremlæggelse Konsekvensanalyse (Act) Iværksæt tiltag
Læs mereHvor meget el bruger din familie?
Opgave E.1 Hvor meget el bruger din familie? Ud fra resultatet i opgave H.1 skal eleverne regne deres forventede årsforbrug ud. Forbruget på forskellige dage kan svinge en del, så tallet giver kun en idé
Læs mereTjek. lønnen. Et værktøj til at undersøge ligeløn på arbejdspladser inden for det grønne område og transportsektoren. 2007 udgave Varenr.
Tjek lønnen Et værktøj til at undersøge ligeløn på arbejdspladser inden for det grønne område og transportsektoren 2007 udgave Varenr. 7522 Indholdsfortegnelse Forord... 3 Teknisk introduktion... 4 Indledning...
Læs mereManagement of Risks (M_o_R ) Professionel styring af risici
Management of Risks (M_o_R ) Professionel styring af risici Indholdsfortegnelse 1. Resume... 3 2. Hvad er en risiko og hvad er Management of Risks... 3 3. Introduktion til M_o_R Management of Risk... 3
Læs merec) For, er, hvorefter. Forklar.
1 af 13 MATEMATIK B hhx Udskriv siden FACITLISTE TIL KAPITEL 7 ØVELSER ØVELSE 1 c) ØVELSE 2 og. Forklar. c) For, er, hvorefter. Forklar. ØVELSE 3 c) ØVELSE 4 90 % konfidensinterval: 99 % konfidensinterval:
Læs mereSusanne Ditlevsen Institut for Matematiske Fag Email: susanne@math.ku.dk http://math.ku.dk/ susanne
Statistik og Sandsynlighedsregning 1 Indledning til statistik, kap 2 i STAT Susanne Ditlevsen Institut for Matematiske Fag Email: susanne@math.ku.dk http://math.ku.dk/ susanne 5. undervisningsuge, onsdag
Læs mereSix Sigma effektivitet og arbejdsglæde hånd i hånd. Arbejdsmiljø i tiden Årskonference 2012 17. 19. april
Six Sigma effektivitet og arbejdsglæde hånd i hånd Arbejdsmiljø i tiden Årskonference 2012 17. 19. april Master Black Belt, Cand. Oecon. og MMD Ane S. Ry Storm Management A/S April 2012 Min opgave Effektivitet
Læs mereKort gennemgang af Samfundsfaglig-, Naturvidenskabeligog
Kort gennemgang af Samfundsfaglig-, Naturvidenskabeligog Humanistisk metode Vejledning på Kalundborg Gymnasium & HF Samfundsfaglig metode Indenfor det samfundsvidenskabelige område arbejdes der med mange
Læs mereUMV Sådan! Undervisningsmiljøvurdering for Sansestormerne, - skolen for mad og appetit på livet Dato:17.06.2011
UMV Sådan! Sansestormerne Tretommervej 33, 8240 Risskov Undervisningsmiljøvurdering for Sansestormerne, - skolen for mad og appetit på livet Dato:17.06.2011 Denne undervisningsmiljøvurdering, UMV, er gyldig
Læs mereTilfredshedsundersøgelse 2015
Spørgsmål 6 Tilfredshedsundersøgelse 25 I tabellen vises gennemsnittet af besvarelserne. Parenteserne viser sidste års resultat. = Laveste tilfredshed = Højeste tilfredshed ØVRIGE BRUGERE SUPERBRUGE RE
Læs mereHovedrapport. Brugerundersøgelse om hjemmehjælp 2014
Hovedrapport Brugerundersøgelse om hjemmehjælp 1 Om rapporten Dette er hovedrapporten til undersøgelsen. Heri vil resultaterne fra Esbjerg Kommune blive sammenlignet med resultaterne fra den tidligere
Læs mereHandleplan for elever, hvor der er iværksat særlige indsatser eller støtte
Handleplan for elever, hvor der er iværksat særlige er eller støtte NOTAT 19. september 2013 I forbindelse med arbejdet med inklusion i Frederikssund kommunes skoler, er det besluttet at der på alle kommunens
Læs mereSandsynlighedsregning 2. forelæsning Bo Friis Nielsen
Vigtigste nye emner i.,. og.5 Sandsynlighedsregning. forelæsning Bo Friis Nielsen Anvendt Matematik og Computer Siene Danmarks Tekniske Universitet 800 Kgs. Lyngby Danmark Email: bfni@dtu.dk Binomialfordelingen
Læs merePå opdagelse i Mandelbrot-fraktalen En introduktion til programmet Mandelbrot
Jørgen Erichsen På opdagelse i Mandelbrot-fraktalen En introduktion til programmet Mandelbrot Hvad er en fraktal? Noget forenklet kan man sige, at en fraktal er en geometrisk figur, der udmærker sig ved
Læs mereKUNDETILFREDSHEDSMÅLING 2015
KUNDETILFREDSHEDSMÅLING 2015 KALUNDBORG FORSYNING Totalrapport December 2015 Antal besvarelser: Svarprocent: 558 28% INDHOLD 3 HOVEDRESULTATER OPSUMMERET 4 OM DENNE RAPPORT 4 EFFEKTANALYSE 5 OPBYGNING
Læs merei x-aksens retning, så fås ). Forskriften for g fås altså ved i forskriften for f at udskifte alle forekomster af x med x x 0
BAndengradspolynomier Et polynomium er en funktion på formen f ( ) = an + an + a+ a, hvor ai R kaldes polynomiets koefficienter. Graden af et polynomium er lig med den højeste potens af, for hvilket den
Læs mereProjekt 1 Spørgeskemaanalyse af Bedst på Nettet
Projekt 1 Spørgeskemaanalyse af Bedst på Nettet D.29/2 2012 Udarbejdet af: Katrine Ahle Warming Nielsen Jannie Jeppesen Schmøde Sara Lorenzen A) Kritik af spørgeskema Set ud fra en kritisk vinkel af spørgeskemaet
Læs mereBesvarelse af opgavesættet ved Reeksamen forår 2008
Besvarelse af opgavesættet ved Reeksamen forår 2008 10. marts 2008 1. Angiv formål med undersøgelsen. Beskriv kort hvordan cases og kontroller er udvalgt. Vurder om kontrolgruppen i det aktuelle studie
Læs mereHypotese test. Repetition fra sidst Hypoteser Test af middelværdi Test af andel Test af varians Type 1 og type 2 fejl Signifikansniveau
ypotese test Repetition fra sidst ypoteser Test af middelværdi Test af andel Test af varians Type 1 og type fejl Signifikansniveau Konfidens intervaller Et konfidens interval er et interval, der estimerer
Læs merePatienters oplevelser i Region Nordjylland 2012. Spørgeskemaundersøgelse blandt 7.601 indlagte og 17.589 ambulante patienter
Patienters oplevelser i Region Nordjylland 202 Spørgeskemaundersøgelse blandt 7.60 indlagte og 7.589 ambulante patienter Udarbejdet af Enheden for Brugerundersøgelser på vegne af Region Nordjylland Enheden
Læs mereHolbæk Regionens Erhvervsråd. Tilfredshedsundersøgelse
Holbæk Regionens Erhvervsråd Tilfredshedsundersøgelse September 2010 Generelt om undersøgelsen Fakta om tilfredshedsundersøgelsen Gennemført i perioden: 30. august 9. september 2010 Målgruppe: 413 virksomheder
Læs mereÅrsrapport Standardiseringsgruppen
Årsrapport Standardiseringsgruppen Pressen Fællesindkøb 2011 Forord Standardiseringsgruppen under Pressens Fællesindkøb har til formål at højne og fastholde kvalitetsniveauet på avisprodukterne i Danmark.
Læs mereLØN- OG PERSONALE- ADMINISTRATION I DANSKE VIRKSOMHEDER
LØN- OG PERSONALE- ADMINISTRATION I DANSKE VIRKSOMHEDER 2015 EXECUTIVE SUMMARY I marts og december 2015 gennemførte Bluegarden en undersøgelse med fokus på de største udfordringer inden for løn- og personaleadministration
Læs mere