Statistické posouzení metodiky výpočtu Q-Indicatoru ve Weekly Quality Reportu

Škoda Auto a.s. nabízí studentům vysokých škol ke zpracování téma závěrečné práce pro oblast Produktový management.

Stručný popis:

Cílem práce je statistická revize klíčového ukazatele kvality (Q-Indicator) ve Weekly Quality Reportu. Student posoudí, zda současný výpočet pomocí váženého aritmetického průměru spolehlivě odráží kvalitu výroby napříč modely a závody.

Hlavní oblasti mají nastavené váhy: Functional faults 40 %, Comfort faults 25 %, Optical faults 15 % a Process quality 20 %. Práce zahrnuje analýzu citlivosti, vlivu vah, extrémních hodnot a malých vzorků dat s cílem navrhnout optimalizaci či alternativní metodiku výpočtu pro potřeby managementu.

Student se zaměří na to, zda současný způsob výpočtu dává smysl z pohledu statistiky, zda jsou vhodně nastavené váhy jednotlivých oblastí, jak velký vliv mají malé vzorky, chybějící data a extrémní hodnoty, a zda by bylo možné metodiku výpočtu dále zpřesnit.

Výstupem práce bude doporučení, zda současnou metodiku ponechat beze změny, upravit ji, nebo navrhnout alternativní způsob výpočtu.

Náplň práce:

Student provede revizi metodiky výpočtu Q-Indicatoru se zaměřením na segmentaci, váhy a pravidla vyhodnocení. Následná statistická analýza historických dat prověří stabilitu ukazatele, vliv extrémních hodnot a specifika ramp-up fází či malých vzorků. Výstupem bude citlivostní analýza a návrh robustnějšího modelu výpočtu (např. úprava vah, agregace dat či zavedení intervalů spolehlivosti) pro přesnější manažerské rozhodování.

Hlavní výzkumná otázka:

Je současný způsob výpočtu Q-Indicatoru statisticky vhodný a poskytuje spolehlivý obraz o skutečné kvalitě výroby?

Dílčí výzkumné otázky:

1. Je použití váženého aritmetického průměru vhodné pro agregaci různých typů kvalitativních a procesních parametrů?

2. Jsou současné váhy jednotlivých oblastí Q-Indicatoru obhajitelné na základě historických dat?

3. Jak citlivý je výsledný Q-Indicator na změnu jednotlivých parametrů, vah a cílových hodnot?

4. Jaký vliv mají malé počty hodnocených vozidel na stabilitu a interpretaci výsledku?

5. Jak současná metodika pracuje s chybějícími nebo nevyhodnocenými daty a může tento přístup výsledek zkreslovat?

6. Dochází ke zkreslení při porovnávání různých modelů, závodů, výrobních objemů nebo ramp-up fáze?

7. Existuje statisticky vhodnější nebo robustnější varianta výpočtu Q-Indicatoru?

Možnost konzultace: začátkem roku 2027

Co musíte znát, mít, umět:

• Studium prezenční formy studia VŠ (ideálně zaměření na statistiku, matematiku či datovou analýzu)
• Pokročilá znalost statistických metod (korelační, regresní a scénářová analýza, bootstrap, intervaly spolehlivosti)
• Analytické myšlení a schopnost pracovat s rozsáhlou datovou základnou (historická data za 12+ měsíců)
• Zájem o oblast kvality a logistiky v automobilovém průmyslu

Co můžete získat:

• Konzultační formu spolupráce
• Odborné vedení závěrečné práce 
• Informace o nejmodernějších technologiích v daném oboru
• Možnost zúčastnit se Ceny Laurina & Klementa, která oceňuje nejlepší bakalářské a diplomové práce psané pod záštitou společnosti