Statistikk har blitt brukt på forskjellige felt siden antikken for å ha kontroll over ting, innen helse, økonomi, samfunnsfag og selvfølgelig innen ingeniørfag.
Det er mange statistiske verktøy for å jobbe med data fra et utvalg, for å analysere resultatene og ta beslutninger basert på det. Innen ingeniørfag brukes det til kvalitetskontroll, prosessforbedringer, prognoser, personellkontroll, industriell sikkerhet, blant mange andre bruksområder. Til tross for at det er en eksakt vitenskap, kan det også gjøres feil (Outliers), så det er viktig å vite hvordan man bruker teknikkene og verktøyene.
Stikkord: Statistikk, bruk, analyse, verktøy, utlede.
applikasjoner-statistikk-ingeniørStatistikk er en vitenskap som hjelper til med å samle og analysere data for etterfølgende tolkning for et spesifikt formål, de kan brukes til forskjellige formål i forskjellige grener.
I dette arbeidet utvikles emnet anvendt statistikk i prosjektering, berører statistiske subtopics som er grunnleggende for prosesser og som er det mest brukte i industrisektoren, samt eksempler på hvordan disse brukes fra antikken til nåtiden.
Det teoretiske rammeverket er basert på forskjellige kilder som bøker, magasiner, databaser og websider som dets tidligere pålitelighet ble evaluert fra.
objektiv
Undersøk de vanligste anvendelsene av statistikk innen prosjektering, hovedsakelig i industrien, for å se den fra et praktisk synspunkt, det vil si der statistiske verktøy og teknikker kan brukes for å oppnå en viss optimalisering, forbedring eller kontroll.
1. Statistikk
Statistikk studerer de vitenskapelige metodene for å samle, organisere, oppsummere og analysere data, tillate å få gyldige konklusjoner og ta rimelige beslutninger basert på den forrige analysen. Statistikk er derfor vitenskapen som samler inn, klassifiserer og analyserer informasjonen som vanligvis presenteres ved bruk av aggregerte data som gjør at observasjoner kan kvantifiseres, måles, estimeres og sammenlignes ved bruk av mål for sentral tendens, distribusjonsmål, grafiske metoder, etc.
HG Wells (1954) påpeker at "Dagen vil komme når statistisk resonnement vil være like nødvendig for innbyggeren som nå er evnen til å lese og skrive."
Statistikk har vist seg som en uunnværlig disiplin i dag, den tjener til å veilede initiativer og oppnå bedre resultater, som er uunnværlige faktorer for å oppnå de mål som er satt.
Statistikkens rolle i vitenskap og ingeniørarbeid i dag er avgjørende, hovedsakelig fordi når man analyserer data samlet inn i eksperimenter av noe slag, observeres det i de fleste tilfeller at nevnte data er underlagt en slags usikkerhet. Forskeren eller fagpersonen må ta avgjørelser angående objektet sitt for analyse basert på disse dataene, som de må ha tilstrekkelige verktøy for.
Beskrivende statistikk oppsummerer informasjonen i de innsamlede dataene og inferensiell statistikk viser assosiasjoner og tillater sammenligning mellom observerte egenskaper.
1.1 Bakgrunn
Ordet statistikk stammer fra teknikkene for å samle, organisere, bevare og behandle statens egne data, som de eldgamle herskerne kontrollerte sine undersåtter og økonomiske domener med. Disse teknikkene utviklet seg sammen med utviklingen av matematikk ved hjelp av verktøyene i prosessen med analyse og tolkning av informasjon.
På midten av 1600-tallet i Europa var pengespill hyppig, De Mèré, en gambler konsulterte den berømte matematikeren og filosofen Blaise Pascal for å avsløre for ham lovene som kontrollerer craps-spillet, som interessert i emnet, og sammen med Pierre de Fermat ga de opphav til teorien om sannsynlighet, som har utviklet seg og etablert seg som det grunnleggende grunnlaget for statistikk.
For øyeblikket erkjennes viktigheten av anvendt statistikk for utvikling av forskning på forskjellige felt; Flere og flere fagpersoner fra forskjellige fagområder krever statistiske metoder som prøvetaking, simulering, design av eksperimenter, statistisk og inferensiell modellering, for å utføre dataanalyse og tolkning.
1.2 Analyse
Det teknologiske fremskritt innen informatikk har bidratt enormt til utviklingen av statistikk, spesielt i manipulering av informasjon. Statistikk sluttet da å være en eksklusiv teknikk for forskere, for å bli et essensielt verktøy for alle vitenskaper.
Målet med statistisk analyse er å identifisere trender, samle inn og granske hver enkelt datautvalg som prøver kan trekkes fra.
Når du leter etter et bestemt resultat i et problem eller en beslutning, kan statistiske metoder som brukes på en finurlig måte gi et hvilket som helst resultat, så en bevisst og forsvarlig analyse må gjøres, og unngår feiltolkninger. OG.
Ezcurra mener at "I den grad du torturerer dataene dine lenge nok, vil de si hva du vil høre."
Det er sannsynlig at et eksperiment blir vurdert før det i statistikk må utledes ting om verdiene til parametrene fra de observerte resultatene fra et eksperiment som allerede er utført, slik at de utfyller hverandre.
Ethvert problem kommer på et tidspunkt ned på verifiseringen av en uttalelse gjennom testing av en hypotese som kan avvises med en viss risiko for feil eller foreløpig godkjennes.
1.3 Søknad
Fra forretnings- og industriperspektiv er statistikk et av de mest brukte verktøyene, for eksempel: I et selskap mistenkes det at det er tidssoner der arbeidsulykker er hyppigere. For å studere dette fenomenet teller de arbeidsulykker som arbeidstakere lider i henhold til tidsbånd, i et år.
Med den informasjonen må selskapets sikkerhetsansvarlige avgjøre om det er tidssoner der ulykker er mer sannsynlig, eller tvert imot, de forekommer helt tilfeldig, ved bruk av statistiske verktøy og metoder, parameterisering og deretter tolking av resultatet ikke bare i antall, men også i virkeligheten.
Det forrige eksemplet viser hvordan statistikk kan brukes på forskjellige områder, ikke bare i produksjon eller kvalitet.
Andre eksempler på hva som kan beregnes og måles med statistikk i bransjen og årsaken til dette er:
- Forsamlinger per minutt av en gjennomsnittsarbeider: Å ha kontroll og se hva som kan forbedres for å redusere tiden Alder på operatører: Å vite at operatører allerede kunne trekke seg og vurdere behovet for å ansette nytt personell Gjennomsnittlig antall barn av arbeidere: Data som disse er nødvendige når du forsikrer dem eller for visse fordeler Arbeidserfaring eller skolegang for ansatte Vedlikeholdsutgifter per måned: For å se om det kan være besparelser Arbeidsfravær og årsaker: Å søke å senke hastigheten på fravær. Forbruk av en ressurs under produksjon av en batch: For å kontrollere og søke forbedringer eller reduksjon av avfall.
2. Parameterisering
Å parameterisere er å erklære parametere, i kvantitativ statistikk, for å jobbe med ethvert system. For å utforme en matematisk modell i inferensiell statistikk, kan vi organisere operasjonene i fem trinn:
- Målerklæring. Design, modellering og parameterisering. Analyse. Forbedring av design. Designbeskrivelse.
Etter modellering kommer statistikk i spill, da parametere, konstanter eller variabler er designet, og dermed gjør parameteriseringen. For enhver gitt verdi i utformingen av parametere vil disse representere et objekt, som ved bruk av statistiske verktøy og prosesser vil tilpasse seg den mest tilfredsstillende og tillatte design.
3. Statistisk kvalitetskontroll
Statistisk kvalitetskontroll er en samling verktøy som brukes til industrielle prosesser (arbeidskraft, målte råvarer, maskiner og miljø), administrative prosesser og / eller tjenester for å bekrefte om hver eneste del av prosessen og service oppfyller visse kvalitetskrav, og det er viktig med kvalitetsforbedringsaktiviteter å bidra til å oppfylle dem. Kvalitetsforbedring betyr systematisk eliminering av avfall.
Kvaliteten på produkter og tjenester har i dag blitt en av de viktigste beslutningsfaktorene i de fleste selskaper. Følgelig har kvalitetsforbedring blitt et viktig aspekt i mange selskaper.
3.1 Statistisk prosesskontroll
Statistisk prosesskontroll (CEP) er et veldig kraftig verktøy for å oppnå prosessstabilitet og forbedre prosesskapasitet. Det kan betraktes som et sett med verktøy for å løse problemer som kan brukes i enhver prosess.
Kontinuerlig forbedring av prosesser må være innenfor de strategiske målene for et selskap, for å øke ytelsen, effektiviteten og effektiviteten, samt favorisere en forbedring i kundetilfredshet, både intern og ekstern. Dette krever en forbedringskultur, organisasjonsstrukturer, ressurser og statistiske verktøy slik at endring blir en del av den daglige aktiviteten. For å garantere kontinuerlig forbedring i et selskap som har designet prosessene i sitt kvalitetsstyringssystem, og deres resultatindikatorer, teknikker og verktøy brukes til analyse, kontroll, overvåking og forbedring av nevnte prosesser.
3.1.1 Verktøy
For tiden er det en serie metodologier, teknikker og verktøy som kan utvikles i en organisasjon, for å støtte utformingen av Quality Management System, implementeringen av prinsippene for Total Quality og / eller for å gjennomføre prosessen. Kontinuerlig forbedring. Eksempler på disse er:
- Pareto-diagram. Årsak-virkningsdiagram (Ishikawa). Defektkonsentrasjonsdiagram. Kontrolldiagram. Spredningsdiagram. Verifikasjonsark. Korrelasjonsskjema. 5S-metodikk. 6 sigma-metodikk. Kontrolldiagrammer og prosesskapasitet.
Ved å bruke dem er det mulig å øke kulturen i bruk av teknikker for databehandling og analyse i selskapet; forbedre datadrevet beslutningstaking; det tillater å kjenne til atferden til prosessindikatorene; letter tolkningen av resultater for alle ledere; illustrerer bruken av verktøyene og oppmuntrer til bruk av andre teknikker i fremtiden.
3.2 Bruksområder for statistisk kvalitetskontroll
Statistiske metoder spiller en viktig rolle i å forbedre kvaliteten, noen av applikasjonene deres er:
- I design og utvikling av produkter for å sammenligne materialer eller ingredienser og for å bestemme toleransene for systemet og dets komponenter. Dette reduserer kostnader og tid betydelig. For å bestemme evnen til en produksjonsprosess, noe som fører til høyere avkastning og lavere produksjonskostnader. Ved holdbarhetstesting hjelper det ved å levere pålitelighets- og ytelsesdata, noe som fører til nye eller langvarige produkter. høyere og mindre vedlikeholdskostnader.
3.3 Spredningsplott
Spredningsdiagrammer er et veldig nyttig verktøy i spådommer, enten for å ta en beslutning eller å tenke på noen utgifter. Det gjøres ved å plotte punktene og tegne en regresjonslinje, ingen kan gå gjennom alle punktene, så se etter den som passerer så nært dem vertikalt som mulig.
Eksempel på anvendelse av statistikk i økonomiske prognoser for å beregne utgifter i drivhus:
Et spredningsdiagram viser at det er en sterk lineær sammenheng mellom den gjennomsnittlige utetemperaturen for dagene i en måned og det gjennomsnittlige daglige gassforbruket i løpet av den måneden i et drivhus. Du vil bruke dette forholdet for å forutsi gassforbruket ditt. Hvis en måned har et gjennomsnitt på 10 graders dager per dag, hvor mye gass blir brukt i den måneden?
Etter å ha gjort en prediksjon ved bruk av spredningsdiagrammene, kan det utledes at gassforbruket vil være ca. 12,5 m 3.
4. Regresjonsmodeller
Regresjonsanalyse er den mest brukte statistiske teknikken for å undersøke og modellere forholdet mellom variabler. Dens attraktivitet og nytteverdi er generelt et resultat av å bruke en ligning for å uttrykke forholdet mellom en variabel av interesse (responsen) og et sett relaterte prediktive variabler.
4.1 Lineær regresjon
Den enkle lineære regresjonsprognosen er en optimal modell for trendmønstre for etterspørsel (økende eller synkende), det vil si mønstre som presenterer et lineært forhold mellom etterspørsel og tid.
Et eksempel på en prognoseapplikasjon er som følger:
Lekebutikken Gaby ønsker å estimere salget for sin nye barnevogn «Mate» ved hjelp av enkel lineær regresjon. Informasjonen om salgsadferden til alle kjedebutikkene presenteres i tabellen nedenfor.
De relevante beregningene er gjort:
Og til slutt kan vi bestemme at salgsprognosen for periode 7 tilsvarer 13067 enheter. Dette hjelper oss til å ta relevante og forhånd beslutninger om produksjon, råvarer og distribusjon.
4.2 Ikke-lineær regresjon
De ikke-lineære regresjonsmodellene tar sikte på å bygge eksakte modeller ved å bruke funksjonelle ligninger som gjør det mulig å forutsi, kontrollere eller optimalisere ikke-lineære problemer, som er kjent som Funksjonell dataanalyse.
5. Justering av kurve
Kurvepassing er en prosess der, gitt et sett med N par poeng (X, Y), en matematisk funksjon f (x) bestemmes slik at summen av kvadratene med forskjellen mellom det faktiske bildet og tilsvarende oppnådd ved hjelp av den justerte funksjonen i hvert punkt er minimal.
Kurvebeslag kan brukes til å løse en rekke bransjeproblemer, for eksempel:
En pølse fabrikk produserer 5000 pakker med pølser daglig. Maskin A produserer 3000 pakker, hvorav 2% er dårlig utstoppet (defekt) og maskin B produserer de resterende 2000, hvorav 4% er kjent for å være mangelfulle. Bestem sannsynligheten for at en tilfeldig valgt pakke er mangelfull, og at den kommer fra maskin A eller maskin B.
- Sannsynlighet for at den mangelfulle emballasjen er fra Maskin A p (A / D) = p (A∩D) / p (D) = 0.012 / 0.028 = 0.4286
Tilsvarer omtrent 4,2%.
- Sannsynlighet for at den mangelfulle emballasjen er fra Maskin B p (B / D) = p (B∩D) / p (D) = 0.016 / 0.028 = 0.5714
Tilsvarer omtrent 5,7%.
For å forbedre estimatene i beslutningsarbeidet, er det nødvendig å anvende Bayes teorem der statistikken som er laget består av å observere analysen av dataene, noe som gjør det mulig for forskeren å gjøre slutninger eller komme med unntak eller personlige meninger om emnet. studere.
5.1 Usikkerhet
I våre dager er forskjellige statistiske teknikker i daglig bruk som, basert på historiske eller prøveobservasjoner, lager logisk-matematiske modeller som "våger seg" for å beskrive eller forutsi et visst fenomen med en viss grad av målbar sikkerhet.
Statistikk spiller en viktig rolle i spørsmål der variabilitet griper inn, noe som gir opphav til usikkerhet. Utover dataene er statistikk i hovedsak studiet av usikkerhet, noe som fører til behovet for å undersøke et fenomen fra et vitenskapelig perspektiv.
Statistikk er ikke den eneste grenen av kunnskap som har behandlet usikkerhetsstudiet, sannsynligheten undersøker hvordan tilfeldigheter i en del av et system påvirker en annen, og gir gjennom modellen en tilfeldig variabel eller en stokastisk prosess, estimater og / eller spådommer om dataene som skal produseres, det vil si beskriver fenomenets usikkerhet.
5.1.1 Outliers og feil
En Outliers (outlier) er en observasjon eller sett med observasjoner som ser ut til å være uoverensstemmende med resten av datasettet, tilstedeværelsen av outliers i et datasett kan føre til feil i forsøk på å gjøre slutninger om befolkningen i som de kommer fra, derav tilstedeværelsen av disse utgjør et grunnleggende problem i dataanalyse.
Statistisk usikkerhet er tilfeldigheten eller feilen fra forskjellige kilder når du bruker statistisk metodikk, sannsynligheten for at noe dårlig skal skje, når det gjelder beslutningsteori, gjennomsnittlige tap eller forutsagte tap når noe dårlig skjer.
Når man studerer sammenhenger mellom variabler, viser statistikk statistiske sammenhenger og ikke årsakssammenhenger. Generelt, hvis vi ikke er forsiktige, kan vi komme til de mest absurde eller partiske konklusjonene, så vi må gjøre analysen nøye og kjenne til variablene, slik at når vi tolker den, ikke tar beslutninger som kan være skadelige.
6. Søknader på andre områder
Statistikk tjener til å utforske og utnytte informasjon innen sosiale, biologiske, økonomiske og fysiske vitenskaper, så det er viktig å "selge" statistikk som noe nødvendig for nåværende og fremtidige generasjoner.
Anvendt statistikk omhandler hvordan og når man skal bruke matematiske prosedyrer og hvordan man tolker de oppnådde resultatene, og kan brukes på mange felt, for eksempel:
- I naturvitenskapene: for beskrivelse av komplekse termodynamiske modeller, i kvantefysikk, i fluidmekanikk eller i kinetisk teori om gasser, blant mange andre. I samfunns- og økonomiske vitenskaper: i utviklingen av demografi og sosiologi anvendt.I økonomi: for å analysere makro- og mikroøkonomiske parametere. I medisinsk vitenskap: studere utviklingen av sykdommer og pasienter, dødsrater, graden av effektivitet av et medikament, etc.In engineering: For planlegging, budsjetter, prosess- og kvalitetskontroll, industriell sikkerhet, produksjonsberegninger, blant andre.
konklusjon
Etter å ha undersøkt, lest og skrevet om statistikk, parameterisering, verktøy, metoder og til og med eksempler, kan jeg ha en mer generell oversikt over bruk av statistikk i prosjektering, jeg vet mer om hvordan den kan brukes til å løse vanlige problemer i et selskap eller i å ta beslutninger. Imidlertid er det ikke det eneste området som kan brukes, siden det har forskjellige bruksområder innen samfunns-, medisinsk, økonomisk og andre vitenskaper.
Bibliografi
Guarín S., Norberto (2002). Anvendt statistikk. Nasjonalt universitet i Colombia. Utdrag 7. juni 2018 fra siden: http://fcbi.unillanos.edu.co/proyectos/Facultad/php/tutoriales/upload_tutos/Curso% 20De% 20Estadistica% 20Aplicada.pdf
López P., Arturo (2016). Bayesian Curve Fit. Oppgave for å oppnå tittelen Master in Mathematical Sciences, Benemérita Universidad Autónoma de Puebla.
López P., Gabriela. (2017). Regresjonsmodeller for funksjonsdata etter reproduksjonskjerne-metodikken i Hilbert-rom. Oppgave for å oppnå tittelen Master in Mathematical Sciences, Benemérita Universidad Autónoma de Puebla.
Marjorie G., Hahn (2001). Ny utstilling om sannsynlighet og statistikk. 2-5.
Utdrag 9. juni 2018 fra AIP-databasen.
Marone, Luis. (1994). Grunnleggende vitenskaps bidrag til kultur og samfunn.
Interciencia, bind 19 # 5, 264-266.
Moore, David S., Trad. Comas, Jordi (1995). Grunnleggende anvendt statistikk (s. 118120). Spania: Redaksjon Antoni Bosch.
Navarrina, Fermín. & Casteleiro, Manuel. (1991). En generell metodologisk analyse for optimal design. Internasjonalt tidsskrift for numeriske metoder i prosjektering, bind 3 # 1, 85-111.
Runger, George. & Montgomery Douglas. (nitten nittiseks). trad. av Urbina, Mendal & Edmundo G.: Sannsynlighet og statistikk anvendt for engineering. (s. 831-834, 856). Mexico: Mc Graw Hill Publishing.
Sáenz C., Antonio (2012). Statistiske notater for ingeniører. Jaén University. Hentet ut 7. juni 2018 fra siden:
www4.ujaen.es/~ajsaez/recursos/EstadisticaIngenieros.pdf
Seoane, Martin., Lureñas S., Martín & Moreno, Segovia (2007). Statistikk: Beskrivende statistikk og inferensiell statistikk. Hentet ut 8. juni 2018 fra ScienceDirect-databasen. www.proxydgb.buap.mx:2179/science/article/pii/S113835930773945X
Villar, Leisis & Ferrer Mayra (2016). Anvendelse av statistiske verktøy for analyse av indikatorer. 3-12. Hentet ut 8. juni 2018 fra EBSCO-databasen.
www.proxydgb.buap.mx:2209/ehost/pdfviewer/pdfviewer?vid=4&sid=4a8a31 dc-6c87-434c-b8b0-56439efc3d15% 40sessionmgr103
Visweswariah, Chandu (2007). Frykt, usikkerhet og statistikk. Hentet ut 8. juni 2018 fra ACM-databasen.
www.proxydgb.buap.mx:2066/citation.cfm?id=1232032
Last ned originalfilen
