Politecnico di Torino DIGEP

METODI STATISTICI NEI PROCESSI DI

PROGETTAZIONE, PRODUZIONE E
VERIFICA
Introduzione e concetti base

CONCETTI PRINCIPALI
Un concetto fondamentale, diffuso nelle aree di
Progettazione, produzione e verifica, la
VARIABILIT
La variabilit fortemente considerata e di solito
gestiti nell'ambito delle procedure tradizionali con
metodi che coinvolgono
TOLLERANZE
e
COEFFICIENTI DI SICUREZZA
(spesso chiamati amichevolmente fattori dignoranza)

CONCETTI PRINCIPALI
Per i processi di verifica gli ampi intervalli
corrispondenti a tolleranze e coefficienti di sicurezza
non sono praticabili, per cui si ricorre in modo pi
evoluto al concetto dincertezza. Tale evoluzione
presente anche per la progettazione e i processi
produttivi: ben nota, per esempio, la tendenza ad
applicare il
TOLLERAMENTO STATISTICO
invece dell
ANALISI DEL CASO PEGGIORE

CONCETTI PRINCIPALI
Dovremo andare un po pi in profondit all'interno
del concetto di variabilit. Prendendo l'aiuto di un
semplice caso di misura, pu essere facile dimostrare
ci che pu accadere ai dati sperimentali.
Consideriamo l'uso di uno strumento meccanico molto
comune per la misurazione della lunghezza: il
micrometro a vite inventato da Jean Laurent Palmer di
Parigi nel 1848

CONCETTI PRINCIPALI
Il micrometro Palmer ha la struttura di un semplice
morsetto:

Uno spostamento L trasformato in una rotazione

. Se il passo 500 m, =1=> L<1.4 m

CONCETTI PRINCIPALI
Qui possiamo vedere micrometro di Palmer: il telaio a
C, le superfici di misura, la vite. Inoltre vi un sistema
per contare il numero di giri completi e per misurare
l'angolo all'interno di ogni giro

CONCETTI PRINCIPALI
I risultati delle misurazioni sono influenzati da molti
fattori, ad esempio:
- temperatura, che produce dilatazione e distorsione termica;
- sporcizia e ossidazione sulle superfici di misura;
- irregolarit geometriche delle superfici di misura e della vite
micrometrica;
- deformazioni elastiche dovute alle forze di contatto.

Di solito l'effetto di ciascuno di questi fattori di circa

1.m, quindi, se vedete un effetto di alcuni
micrometri, non potete sapere qual fattore lo abbia
prodotto.

CONCETTI PRINCIPALI
come essere nella nebbia; si vedono delle ombre, ma
non si riesce a collegarle ai reali oggetti che le
producono.
Ora considerate uno dei fattori citati prima: la
temperatura.
In generale, con una variazione di temperatura di
meno di 2C e piccoli pezzi in acciaio da misurare,
leffetto meno di 2 m, ben nascosta dalla nebbia
prodotta dagli altri fattori.

CONCETTI PRINCIPALI
Ma, sempre per la stessa grandezza fisica, la
temperatura, cosa accade nel caso la temperatura della
vostra officina sia 30C e il materiale del pezzo da
misurare, lungo circa 100|mm, sia una lega di
alluminio?
Leffetto di temperatura, in tal caso, dellordine di
10.m, ben evidente e tale che la sua causa pu essere
riconosciuta.
Leffetto ben pi alto dello spessore della nebbia!

CONCETTI PRINCIPALI
Leffetto globale di alcuni fattori indipendenti che
producono effetti equivalenti il disordine!
Questa situazione ben formalizzata nella statistica
dal Teorema del Limite Centrale, con importanti
conseguenze, ma per ora basta fissare lattenzione
sulla caratteristica di disordine!
Uno specifico effetto di un certo fattore, invece, pu
essere riconosciuto e collegato alla causa che lha
prodotto. Ci si riconosce perch un certo qual ordine
viene prodotto.
Disordine e Ordine, questo importante!

CONCETTI PRINCIPALI
Riassumendo, abbiamo due situazioni principali:
- disordine: non possibile mettere in relazione la
variabilit osservata alla sua causa;
- ordine: pu essere possibile rinviare la variabilit
osservata alla sua causa.
Possiamo dire, nel primo caso, che siamo in una
condizione CASUALE, mentre nel secondo caso in
una condizione SISTEMATICA.

CONCETTI PRINCIPALI
Tre osservazioni sulle condizioni casuali e
sistematiche sono molto importanti:
- una condizione casuale dovuta all'intero processo,
quindi per ottenere risultati migliori deve essere
migliorato l'intero sistema;
- una condizione sistematica dovuto a uno o pochi
fattori, quindi se si identificano i fattori colpevoli si
possono ottenere risultati migliori con un costo
accettabile;
- le condizioni casuali o sistematiche non dipendono
dal fattore coinvolto.

CONCETTI PRINCIPALI
Effetti casuali e sistematici non sono esaustive delle
possibili situazioni. Se, ad esempio, un collega scuote
il vostro strumento mentre state misurando, certamente
buttare via il risultato corrispondente.
Ma cosa succederebbe se lo strumento fosse
automatico, e voi non foste presenti al fatto?
Leffetto sarebbe solo uno strano risultato
ingiustificato, che non pu essere gestito all'interno
delle statistiche generali del processo, perch non
dovuto agli stessi fattori che producono la solita
variazione casuale.

CONCETTI PRINCIPALI
Questa situazione di fattori rari che producono effetti
forti abbastanza comune, soprattutto con gli
strumenti elettronici moderni, perch lo "scuotimento"
pu essere prodotto da interferenze elettromagnetiche.
La statistica aiuta anche in questo caso, essendo in
grado di gestire i valori anomali con i
PRINCIPI DI ESCLUSIONE.

CONCETTI PRINCIPALI
Cond. 1

Cond. 2

Cond. 3

Cond. 4

Cond. 5

Val. 1

4.5038

4.5040

4.5060

4.5092

4.5053

Val. 2

4.5051

4.5025

4.5041

4.5104

4.5076

Val. 3

4.5037

4.5101

4.5028

4.5110

4.5113

Val. 4

4.4988

4.5025

4.5049

4.5087

4.5112

Val. 5

4.5023

4.5046

4.5025

4.5047

4.5066

Val. 6

4.5063

4.5020

4.5030

4.5076

4.5065

Val. 7

4.5080

4.5046

4.5073

4.5056

4.5139

Val. 8

4.5058

4.5085

4.5065

4.5113

4.5064

Val. 9

4.5031

4.5056

4.5071

4.5068

4.5065

Val. 10

4.5084

4.5037

4.5064

4.5093

4.5057

CONCETTI PRINCIPALI
In conclusione possiamo descritto una situazione
generale:
- effetti casuali sono sempre presenti, ma molto
difficile ridurre la variabilit casuale, perch
dovuta a molteplici cause sconosciute;
- effetti sistematici possono essere presenti e le loro
cause possono essere conosciute, quindi possono
essere corretti, compensati o la loro causa ridotta;
- fenomeni casuali rari, che causano effetti non
giustificabili dalla statistica del gruppo di dati,
possono accadere

CONCETTI PRINCIPALI
Uno schema di gestione generale, di solito molto
efficiente, pu essere descritto:
a) si riconosce che sono presenti fattori sistematici,
controllando se si vedono effetti evidenti, al di
sopra della nebbia della casualit;
b) si cerca di stabilire una connessione tra effetti
sistematici individuati e le loro possibili cause;
c) si cerca di individuare e identificare un modello
matematico che descriva la relazione di causaeffetto, utile per correggere gli effetti sistematici.

CONCETTI PRINCIPALI
Per percorrere questo schema necessario confrontare
i nostri risultati con lo spessore della nebbia casuale.
Si possono utilizzare opportuni metodi statistici:
- test di normalit per evidenziando effetti sistematici;
- test di ipotesi o ANOVA per il collegamento degli
effetti sistematici per i fattori coinvolti;
- regressione per identificare un modello matematico
adeguato, permettendo, cos, di correggere il
sistematico.

STUDIO DI UN CASO
Possiamo discutere una applicazione ad un caso reale

Politecnico di Torino Ia Facolt di Ingegneria

Corso di Laurea in Ingegneria dellAutoveicolo

TESI DI LAUREA TRIENNALE

Titolo:
GESTIONE DELLE PROBLEMATICHE
DIMENSIONALI DI UN ELEMENTO STAMPATO
Studente : Matteo Birolo
Relatore: Prof. Giulio Barbato

Scopo della tesi

Analisi di problemi geometrici e dimensionali nel telaio
dellAlfa Romeo Mito

PRIME MISURE

STUDIO DI UN CASO
I risultati ottenuti, in rosso quando fuori tolleranza,
non sono accettabili.
Come riportato dal mio studente, una discussione
stata sollevata per decidere se il problema nascesse
dalla produzione o, invece, dalla verifica.
Anche senza analizzare i dati fu deciso di ripetere le
misure. Questo , in questo caso, corretto, perch la
verifica meno costosa.

STUDIO DI UN CASO - Outliers

Analizzare i dati non costava nulla!
Il principio di esclusione di Chauvenet non evidenzia
outlier.
Data
Up
Down
R1
-0.3
0.0
Si noti che anche la
R2
-0.1
-0.1
presenza di un solo
R3
-0.1
-0.1
R4
0.6
0.7
outlier pu portare a
R5
0.6
0.8
conclusioni
R6
0.7
0.8
fortemente errate!
R7
0.7
0.6
R8
R9
R10
R11

0.1
-0.1
0.6
1.1

0.7
-0.1
-0.3
0.5

MISURE DI ENTRAMBI I LABORATORI

STUDIO DI UN CASO
Un secondo gruppo di misure fu ottenuto.
Siccome I risultati sembravano compatibili, dopo
unaccesa discussione fu deciso che il problema
proveniva dalla produzione.
Anche in questo caso, sarebbe stato meglio non trarre
conclusioni solo sulle sensazioni, ma porre
correttamente la domanda e utilizzare il test statistico
specifico

STUDIO DI UN CASO
Per confrontare due gruppi di dati si pu usare il test
dipotesi
Column averages are checked as compared with average
distribution
(in red when outside the boundaries)
Average
distribution
Column Average
Number of samples
averaged
Average
Average Standard deviation
Confidence level
Lower boundary
Upper boundary

23
0.29
0.08
80%
0.19
0.39

Lab. 1
Lab. 2

0.27
0.31

Conclusions
No averages outside the boundaries
No systematic difference between laboratories evidenced

STUDIO DI UN CASO
Fortunatamente, prima di iniziare costose modifiche
dello stampo, un giovane membro del gruppo pose la
domanda corretta:
LE TOLLERANZE CHE SONO STATE
PRESCRITTE, SONO REALMENTE
IMPORTANTI?

CONCETTI PRINCIPALI
Per comprendere quanto questa domanda sia
importante, dobbiamo valutare la variabilit seguendo
lo schema dellincertezza dato da:
ISO 17450-2 Geometrical product specifications
(GPS) -- General concepts
Part 2: Basic tenets, specifications, operators,
uncertainties and ambiguities

CONCETTI PRINCIPALI
GPS ISO 17450-2

Norma: ISO 17450-2

Esempio di Johan Dovmark

Specifiche funzionali
F = 5 20 N

TOTAL
Uncertainty

CORRELATION
Uncertainty

MEASUREMENT
Uncertainty

METHOD
Uncertainty

31

COMPLIANCE
Uncertainty

SPECIFICATION
Uncertainty

IMPLEMENTATION
Uncertainty

Correlation Uncertainty Compliance Uncertainty

Force, F [N]

D
20
18
16
14
12
10
8
6
4
2
0

Diameter, D [mm]
32

Specification Uncertainty

LSL
USL
Specification uncertainty
33

Measurement Uncertainty Method and implementation

Uncertainties

LSL
34

USL

STUDIO DI UN CASOFunctional specifications

Per rispondere alla domanda:

LE TOLLERANZE CHE SONO STATE
PRESCRITTE, SONO REALMENTE
IMPORTANTI?
dobbiamo valutare attentamente le specifiche
funzionali.
Nel nostro caso il compito del pezzo prodotto di
prendere un riferimento di posizione dal telaio
dellabitacolo e portarlo al parafango e al frontale.

STUDIO DI UN CASOFunctional specifications

Infatti le tollerante imposte erano quelle tipiche della

carrozzeria, su tutta la superficie, non solo sui punti di
collegamento tra abitacolo, parafanghi e frontale.
Le tolleranze vennero modificate opportunamente
Ma, anche cos, un gran numero di punti rimane fuori
tolleranza, come si pu vedere dal disegno e dalla
tabella seguenti.

MEASUREMENT RESULTS
Main results for the connection points
in x, y, and z directions

given

PARTE DESTRA
Misure originali
Misure in x, y e z e corrispondenti differenze dal nominale
x

CERC1

258.66

0.62

653.07

0.15

577.80

-0.14

CERC2

133.00

0.10

666.37

0.55

577.80

-0.32

CERC3

173.75

0.21

707.00

1.05

641.65

0.25

CERC4

-34.00

0.25

692.00

-0.26

624.92

0.03

CERC5

-314.88

-0.19

648.00

0.38

584.35

0.58

CERC6

-390.00

0.52

622.00

-0.12

507.00

0.00

CERC7

-296.00

0.78

696.50

0.13

454.00

0.09

CERC8

-256.00

0.89

696.50

-0.35

454.00

0.04

STUDIO DI UN CASOFunctional
specifications
Luso delle specifiche funzionali reali ha ridotto
drasticamente il numero di punti fuori tolleranza.
Bisogna, per, osservare che le corrette implicazioni
delle reali specifiche funzionali non sono ancora state
adottate. In fatto il compito del nostro pezzo di avere
distanze corrette tra i punti di collegamento, ma le
specifiche di verifica sono state date sulle coordinate,
quindi anche sulla posizione. Non funziona!
Infatti, guardate ai risultati con il concetto di
ORDINE-DISORDINE. Riuscite a vedere qualche
cosa?

PARTE DESTRA
Misure originali
Misure in x, y e z e corrispondenti differenze dal nominale
x

CERC1

258.66

0.62

653.07

0.15

577.80

-0.14

CERC2

133.00

0.10

666.37

0.55

577.80

-0.32

CERC3

173.75

0.21

707.00

1.05

641.65

0.25

CERC4

-34.00

0.25

692.00

-0.26

624.92

0.03

CERC5

-314.88

-0.19

648.00

0.38

584.35

0.58

CERC6

-390.00

0.52

622.00

-0.12

507.00

0.00

CERC7

-296.00

0.78

696.50

0.13

454.00

0.09

CERC8

-256.00

0.89

696.50

-0.35

454.00

0.04

CASE STUDY Functional specifications

Pu darsi che non riusciate a vedere dov lordine.
La statistica pu aiutare. Applichiamo un test di
normalit, il grafico di probabilit normale (GPN).
Vedremo, nelle prossime lezioni, che, se il grafico ha
una tendenza non rettilinea, dobbiamo presumere che
effetti sistematici siano presenti

GPN per le differenze dal nominale

NPP
2.50
2.00
1.50
1.00

0.50
0.00
-0.50
-1.00
-1.50
-2.00
-2.50
-0.6

-0.4

-0.2

0.0

0.2

0.4

0.6

0.8

1.0

1.2

x/mm

La presenza di un effetto sistematico evidente

STUDIO DI UN CASOFunctional
specifications
S, possiamo vedere che la tendenza non rettilinea;
effetti sistematici sono presenti.
Questo esempio molto utile per l'evidenziazione del
concetto di Effetto sistematico costante" ed " Effetto
sistematico variabile".
Se il pezzo ha subito uno spostamento, l'effetto, per
ogni direzione, costante e non produce variabilit dei
dati, pertanto, non pu essere visto.
Le rotazioni, al contrario hanno effetti diversi su ogni
punto, quindi la loro presenza pu essere vista.

STUDIO DI UN CASOFunctional specifications

Tornando ai nostri dati, l'effetto della rotazione,

evidenziato dal GPN, non pu essere visto dai dati,
mentre l'effetto di spostamento evidente usando i
concetti di ordine-disordine:
facile vedere che tutti i punti fuori tolleranza hanno
spostamenti positivi.
evidentemente improbabile che un fattore casuale
abbia effetti sempre positivi.

PARTE DESTRA
Misure originali
Misure in x, y e z e corrispondenti differenze dal nominale
x

CERC1

258.66

0.62

653.07

0.15

577.80

-0.14

CERC2

133.00

0.10

666.37

0.55

577.80

-0.32

CERC3

173.75

0.21

707.00

1.05

641.65

0.25

CERC4

-34.00

0.25

692.00

-0.26

624.92

0.03

CERC5

-314.88

-0.19

648.00

0.38

584.35

0.58

CERC6

-390.00

0.52

622.00

-0.12

507.00

0.00

CERC7

-296.00

0.78

696.50

0.13

454.00

0.09

CERC8

-256.00

0.89

696.50

-0.35

454.00

0.04

Le differenze possono essere dovute a una rototraslazione del sistema di riferimento

Z

Zg

O
Og
xOg

Xg

Y
zOg

yOg
Yg

STUDIO DI UN CASOModello matematico

Ora sappiamo che il problema sorto perch le
specifiche funzionali corretti non sono state applicate:
la necessit di tolleranze sulla forma stato
erroneamente prescritto come tolleranze su coordinate.
Siamo in grado di passare dalle misure delle
coordinate a un controllo della forma applicando una
rototraslazione al sistema cartesiano. Le equazioni di
rototraslazione possono essere impostate e i loro
parametri identificati mediante il metodo statistico
della regressione

PARTE DESTRA
possiamo vedere come i risultati originali
Measurement in x, y and z and differences from nominal
x

CERC1

258.66

0.62

653.07

0.15

577.80

-0.14

CERC2

133.00

0.10

666.37

0.55

577.80

-0.32

CERC3

173.75

0.21

707.00

1.05

641.65

0.25

CERC4

-34.00

0.25

692.00

-0.26

624.92

0.03

CERC5

-314.88

-0.19

648.00

0.38

584.35

0.58

CERC6

-390.00

0.52

622.00

-0.12

507.00

0.00

CERC7

-296.00

0.78

696.50

0.13

454.00

0.09

CERC8

-256.00

0.89

696.50

-0.35

454.00

0.04

RIGHT PART
sono trasformate dalla roto-traslatine
Misure in x, y e z e corrispondenti differenze dal nominale
x

CERC1

349.36

-0.20

-19.29

0.36

25.11

0.20

CERC2

223.69

0.30

-5.98

-0.03

25.11

0.39

CERC3

264.40

0.16

35.27

0.09

88.96

-0.18

CERC4

56.67

0.13

18.90

0.04

72.23

0.04

CERC5

-224.17

0.61

-24.59

-0.10

31.66

-0.52

CERC6

-299.27

-0.08

-51.15

-0.16

-45.69

0.06

CERC7

-205.34

-0.40

23.89

0.13

-98.69

-0.02

CERC8

-165.34

-0.51

23.40

0.13

-98.69

0.03

STUDIO DI UN CASO-CONCLUSIONI
UNA SEVERA CONDIZIONE DI FUORI TOLLERANZA PU
ESSERE DOVUTA A ERRORI SISTEMATICI NELLE MISURE.
FREQUENTEMENTE LA DOMANDA: LE TOLLERANZE
PRESCRITTE SONO REALMENTE IMPORTANTI? PU
CAMBIARE DRASTICAMENTE LA SITUAZIONE. UNA
ATTENTA ANALISI DELLE REALI SPECIFICHE FUNZIONALI
MOLTO IMPORTANTE

STUDIO DI UN CASO-CONCLUSIONI
OPPORTUNO CONTROLLARE ANCHE LE ALTRE CAUSE
DINCERTEZZA SECONDO LO SCHEMA DELLA ISO 17450-2

STUDIO DI UN CASO-CONCLUSIONI
NON ACCETTARE VALUTAZIONI SULLA BASE DI
SENSAZIONI; CONTROLLA SEMPRE CON UN ADEGUATO
TEST STATISTICO
RIPULIRE SEMPRE IL GRUPPO DI DATI CONSIDERANDO:
INCIDENTI DI MISURA O DI PRODUZIONE
PRESENZA DI EFFETTI SISTEMATICI (TEST DI
NORMALIT)
POSSIBILE COLLEGAMENTO TRA EFFETTI SISTEMATICI
E I FATTORI CHE INFLUENZANO IL PROCESSO
LUSO DI MODELLI MATEMATICI APPROPRIATI,
IDENTIFICATI CON LA REGRESSIONE, PER CORREGGERE
GLI EFFETTI SISTEMATICI CONTINUI.

STUDIO DI UN CASO-CONCLUSIONI
VIA USUALE
Dare uno sguardo ai dati, per
controllare che non vi sia
qualcosa di strano

VIA STATISTICA
Controllare I dati con un
principio desclusione per
evidenziare gli outlier

Suddividere I dati in gruppi nella Suddividere I dati in gruppi nella

stessa situazione
stessa situazione
Confronta I dati di situazioni
differenti per vedere se vi sono
effetti differenti
Lavora per tentativi per
correggere le differenze

Usare I test statistici per valutare

se vi sono differenze sistematiche
o fattori che producono effetti
sistematici
Cerca un modello matematico
significativo per correggere gli
effetti sistematici

STUDIO DI UN CASO-CONCLUSIONI
VIA USUALE
Dare uno sguardo ai dati, per
controllare che non vi sia
qualcosa di strano:
nulla di osservato

VIA STATISTICA
Controllare I dati con un
principio desclusione per
evidenziare gli outlier:
nulla di osservato

Suddividere I dati in gruppi nella Suddividere I dati in gruppi nella

stessa situazione
stessa situazione
Fattori controllati: laboratori
metrologici, nessun effetto
evidenziato

Fattori controllati: laboratori

metrologici, nessun effetto
evidenziato
Ordine-disordine: tutti I fuoritolleranza sono positivi

STUDIO DI UN CASO-PRATICA
VIA USUALE
Confronta I dati di situazioni
differenti per vedere se vi sono
effetti differenti

VIA STATISTICA
Usare I test statistici per valutare
se vi sono differenze sistematiche
o fattori che producono effetti
sistematici:
errori dei laboratori metrologici non
sono evidenti, quindi la colpa sar
della produzione

I fattori che potrebbero produrre gli

effetti riscontrati (spostamenti e
rotazioni) sono stati modellati
matematicamente e ci ha
evidenziato che la situazione
completamente differente e meno
critica di quanto appariva allinizio

CONCLUSIONI
UNA APPLICAZIONE RAGIONEVOLE DEI METODI STATISTICI
PU EVITARE TRE SITUAZIONI MOLTO PERICOLOSE:
LA CORREZIONE DI ERRORI ACCIDENTALI (guardate lesperimento
dellimbuto di Deming), CHE PORTA AD UN PROBABILE RADDOPPIO
DELLA VARIABILIT
CORREZIONI SISTEMATICHE DI ERRORI CHE SONO
SISTEMATICAMENTE DIVERSI DA QUELLI CORRETTI
EVITARE LA VARIABILIT DOVUTA A UN PIANO SPERIMENTALE
INADEGUATO (incertezza di metodo)UNA PARTE MOLTO IMPORTANTE
LA PIANIFICAZIONE DEGLI ESPERIMENTI (DoE, Design of
Experiments).