Douglas C.

Montgomery

Controllo statistico della qualit 2/ed

2006 McGraw-Hill

Teoria e metodi del controllo statistico di un processo produttivo

Insegnamento: Metodi ed Applicazioni Statistiche Corso di Laurea Specialistica in Ingegneria Gestionale Facolt di Ingegneria, Universit di Padova Docenti: Prof. L. Salmaso, Dott. L. Corain
1/43

SOMMARIO SPC: Statistical Process Control I sette pi importanti strumenti statistici dellSPC Fonti di variabilit nella qualit Fondamenti statistici delle carte di controllo

2/43

SPC: Statistical Process Control

Perch un prodotto possa soddisfare le esigenze dei clienti deve essere il risultato di un processo produttivo stabile e ripetibile. Per raggiungere questo scopo il processo deve essere in grado di produrre pezzi tali che la variabilit del valore nominale specifico del prodotto sia la pi bassa possibile. Il Controllo Statistico del Processo produttivo (SPC, Statistical Process Control) un insieme di potenti strumenti, utili per raggiungere la stabilit del processo e per migliorare la produttivit attraverso la riduzione della variabilit.
3/43

I MAGNIFICI SETTE
LSPC pu essere applicato a qualsiasi processo. I sette pi importanti strumenti statistici con cui si realizza il Controllo Statistico del Processo sono: Istogrammi Fogli di controllo Grafici di Pareto Diagrammi Causa-Effetto Diagrammi di flusso del processo e sulla concentrazione dei difetti Grafici a dispersione CARTE DI CONTROLLO
4/43

FONTI DI VARIABILIT NELLA QUALIT

Un processo produttivo, anche se ben progettato, soggetto a variabilit intrinseca o naturale, dovuta alleffetto cumulato di tanti, piccoli, ineliminabili fattori costanti o casuali. Le fonti di variabilit che non sono riconducibili a fattori casuali vengono chiamate fattori specifici: macchinari non ben funzionanti errori degli operatori materiali difettosi La variabilit prodotta da tali fattori molto pi evidente di quella prodotta da fattori casuali e da luogo in genere ad una prestazione del processo inaccettabile. Infatti, un processo che stia funzionando in presenza di fattori specifici verr detto fuori controllo.
5/43

FONTI DI VARIABILIT NELLA QUALIT

Un processo produttivo in cui la variabilit provocata solo da fattori casuali verr detto sotto controllo. VARIABILIT

FATTORI CASUALI

CAUSE

FATTORI SPECIFICI

SOTTO CONTROLLO PROCESSO FUORI CONTROLLO

6/43

ESEMPIO DELLINFLUENZA DELLE FONTI DI VARIABILIT

Un esempio dellinfluenza di fonti di variabilit casuali e specifiche su un processo da cui risulta che il processo produttivo, fino a t1 sotto controllo. Da t1 in poi subentrano fattori specifici che portano il processo fuori controllo.

7/43

LE CARTE DI CONTROLLO
Processo sotto controllo la maggior parte dei valori della grandezza oggetto di controllo cade tra i limiti di specifica. Processo fuori controllo molte determinazioni campionarie cadono al di fuori delle specifiche. Lo strumento principale per monitorare il processo produttivo costituito dalle carte di controllo. Funzioni delle carte di controllo: Individuare velocemente lesistenza di fattori specifici Controllare i parametri del processo Determinare la capacit del processo Ridurre la variabilit
8/43

FONDAMENTI STATISTICI DELLE CARTE DI CONTROLLO

La carta di controllo un grafico che descrive landamento di una certa variabile informativa sulla qualit di un prodotto in funzione del tempo. Linea centrale (CL) = valore desiderato quando il processo in controllo Linea superiore (UCL) = limite superiore di controllo (Upper Control Limit) Linea inferiore (LCL) = limite inferiore di controllo (Lower Control Limit) Se un punto cade fuori dei limiti inferiore e superiore vi evidenza del fatto che il processo fuori controllo azioni correttive e di indagine per individuare ed eliminare le cause dellinsorgere dei fattori specifici.
9/43

ANDAMENTO SISTEMATICO
Anche se i punti cadono entro i limiti il processo potrebbe essere fuori controllo se i punti presentano un andamento sistematico e non casuale. Ad esempio Degli ultimi 20 punti 18 sono posizionati tra CL e UCL Trend crescente (o decrescente) dei valori (caso C in figura)

10/43

LEGAME TRA CARTE DI CONTROLLO E TEST DIPOTESI

Esistono delle forti analogie tra carte di controllo e verifiche di ipotesi. Ipotizzando che lasse verticale sia riferito alla media campionaria: media campionaria cade tra i limiti di controllo accetto lipotesi nulla che = 0 media campionaria cade supera i limiti di controllo rifiuto lipotesi nulla, cio la media del processo fuori controllo, ovvero che 0 Esistono comunque delle differenze: solo uno scostamento sistematico risponde alle usuali condizioni di applicabilit di un test statistico, mentre uno scostamento improvviso potrebbe ritornare in breve tempo verso il suo valore nominale.
11/43

UN ESEMPIO
Nella costruzione delle fasce elastiche dei pistoni delle automobili, una caratteristica critica della qualit il diametro interno. Il processo sotto controllo se il diametro misura 74 mm. La deviazione standard (scarto quadratico medio) del diametro pari a 0,01 mm. Viene analizzato un campione casuale di 5 unit. La deviazione standard della media campionaria
X =
n = 0,01 = 0,0045 5

Se la media campionaria ha distribuzione approssimativamente normale (usando eventualmente il teorema del limite centrale), si dovrebbe avere che, se il processo sotto controllo, il 100(1-)% dei campioni cadono tra 74 + Z/2 (0,0045) e 74 Z/2 (0,0045).
12/43

UN ESEMPIO
Scegliendo arbitrariamente Z/2 = 3 ricaviamo i limiti di controllo: UCL = 74 + 3 (0,0045) = 74,0135 LCL = 74 - 3 (0,0045) = 73,9865 Questi limiti sono chiamati limiti di controllo a 3-sigma.

FIGURA 4.4

13/43

CARTA DI CONTROLLO DI SHEWHART

Si pu proporre uno schema generale di costruzione di una carta di controllo seguendo i criteri delle carte di controllo di Shewart. Se w una statistica campionaria che misura una certa caratteristica di un prodotto con media ipotizzata w e deviazione standard ipotizzata w allora i valori per costruire la carta di controllo seguiranno questa regola: UCL = w + L w CL LCL = w = w L w

L = distanza dei limiti di controllo dalla linea centrale espressa in unit di deviazioni standard
14/43

USO DELLA CARTA PER IL MIGLIORAMENTO DEL PROCESSO

La carta di controllo uno strumento di controllo statistico on-line che contribuisce nellimportante compito del miglioramento del processo produttivo. In genere si riscontrato che: 1) la maggior parte dei processi non opera in condizioni di controllo; 2) luso delle carte di controllo volto a identificare i fattori specifici, che se eliminati indurranno una riduzione della variabilit. Nellidentificare ed eliminare i fattori specifici, importante trovare la causa principale: intervenire con palliativi non migliorer il processo.
15/43

fig. 4.5 pag. 120

USO DELLA CARTA PER LA STIMA LA CAPACIT DEL PROCESSO

La carta di controllo pu essere usata anche come strumento di stima di alcuni parametri del processo, come la media, la deviazione standard, la frazione di pezzi non conformi e cos via.

Queste stime possono essere usate per valutare la capacit del processo (process capability) nel produrre pezzi accettabili. Gli studi di capacit del processo hanno una notevole importanza nella progettazione di un prodotto e nella definizione dei rapporti contrattuali tra acquirenti e fornitori.
16/43

TIPOLOGIA DELLA CARTA DI CONTROLLO

Le carte di controllo possono essere usate in due modi a seconda della caratteristica oggetto di studio: Se la caratteristica rappresentabile su scala continua viene detta variabile ed possibile descriverla con una misura di posizione e una di variabilit carte di controllo per variabili Se la caratteristica non pu essere misurata su scala continua o anche solo numerica, la conformit delle unit prodotte descritta dal possedere o meno certi attributi o dal numero di difetti rilevati carte di controllo per attributi sulla centralit del processo
per variabili Carte di controllo per attributi
(es. media campionaria) sulla variabilit del processo (es. range o deviazione standard campionaria) per frazione di non conformi per non conformit
17/43

LA PROGETTAZIONE DELLE CARTE DI CONTROLLO

Un passo importante nelluso delle carte di controllo la loro progettazione. Con questa espressione intendiamo una serie di operazioni scelta dei limiti di controllo scelta della dimensione campionaria scelta della frequenza di campionamento Nella maggior parte dei problemi di controllo della qualit si soliti progettare una carta principalmente sulla base di considerazioni statistiche. Ad esempio, allaumentare della numerosit campionaria si riduce lerrore di II tipo, aumentando quindi la capacit della carta di segnalare situazioni fuori controllo. A queste considerazioni vanno aggiunte ovviamente anche quelle legate allesperienza e altre di tipo economico.
18/43

LE RAGIONI DEL SUCCESSO DELLE CARTE DI CONTROLLO

Le carte di controllo hanno avuto ampia applicazione in tutto il modo. Cinque sono le ragioni del successo: Comprovata tecnica per migliorare la riducono gli sprechi e la perdita di tempo produttivit:

Efficaci per prevenire la produzione di pezzi difettosi: tempestivit delle segnalazioni Evitano di dover apportare inutili aggiustamenti al processo produttivo: gli interventi devono essere mirati Forniscono informazioni diagnostiche Forniscono informazioni sulla capacit del processo e sulla sua stabilit nel tempo
19/43

LA SCELTA DEI LIMITI DI CONTROLLO

La definizione dei limiti di controllo uno dei passaggi pi critici nella progettazione di una carta di controllo. Quanto pi i limiti vengono posizionati lontano dalla linea centrale CL, che rappresenta il valore desiderato del processo, si va incontro ad un trade-off tra rischio di errore di I e II tipo. Tanto pi i limiti sono posti lontano da CL: tanto sar pi difficile posizionarsi fuori dai limiti, quindi tanto minore sar il rischio di I tipo (dichiarare una situazione fuori controllo quando invece in realt non esiste nessun fattore specifico in atto) tanto sar pi facile posizionarsi entro i limiti quando in realt il processo non sotto controllo (quindi tanto maggiore sar il rischio di II tipo ) Se viceversa, i limiti vengono avvicinati a CL, si otterr invece leffetto opposto.
20/43

LA SCELTA DEI LIMITI DI CONTROLLO

Rispetto allerrore di I specie (segnalazione di fuori controllo quando il processo sotto controllo) si pu procedere secondo due alternative: LIMITI DI CONTROLLO A 3-SIGMA 1. si fissa lampiezza desiderata (es. 3-sigma) e si determina il corrispondente errore di I tipo (nellipotesi che X sia normale, si ricava dalle tavole che lerrore di I tipo 0,0027) LIMITI DI CONTROLLO PROBABILISTICI 2. si fissa lerrore di I specie (es. 0,001) e si determina il multiplo per x da usare (per 0,001 3,09)
21/43

LA SCELTA DEI LIMITI DI CONTROLLO

Alcuni analisti suggeriscono di usare due limiti differenti. Oltre ai limiti operativi a 3-sigma, i limiti di sorveglianza: limiti pi interni (per esempio ampiezza 2-sigma o errore di I specie 0,025) rispetto ai limiti operativi (UCL e LCL) per segnalare eventuali funzionamenti anomali del processo: 1. UWL = Upper Warning Limit 2. LWL = Lower Warning Limit Se uno o pi punti cadono tra i limiti di sorveglianza o anche solo in prossimit di essi, si deve ritenere che il processo stia funzionando correttamente.
22/43

SCHEMI ADATTATIVI
Per essere certi che lipotesi sul non corretto funzionamento del processo sia veritiera, si soliti aumentare la frequenza del campionamento e/o la dimensione campionaria cos che molte pi informazione vengono analizzate nellintorno temporale dellistante in cui il problema pu essersi manifestato. Questi interventi vengono chiamati schemi adattativi o schemi di campionamento con dimensione campionaria variabile. La curva operativa caratteristica (OC) descrive, per una data numerosit campionaria, in funzione dello scostamento che intendiamo rilevare tra il parametro del processo e il valore obiettivo, lerrore di II tipo cio la probabilit che il punto cada entro i limiti di controllo quando invece dovrebbe cadere fuori per segnalare una specifica differenza.
23/43

DIMENSIONE DEL CAMPIONE

Se n aumenta la curva tende ad abbassarsi, nel senso che quanto pi grande il campione tanto pi facile sar individuare piccoli scostamenti o sregolazioni del processo.

Per scegliere la dimensione campionaria ottimale bisogna quindi aver presente qual lo scostamento del processo che si vuole individuare.
24/43

FREQUENZA DI CAMPIONAMENTO
Lideale sarebbe esaminare grandi campioni frequentemente ma si pone un trade off per esigenze economiche allocazione degli sforzi di campionamento. Le alternative sono: 1. Esaminare piccoli campioni frequentemente 2. Esaminare grandi campioni a intervalli pi distanziati In genere si preferisce la soluzione (1), soprattutto se si tratta di industrie che producono grandi volumi e si possono manifestare svariati tipi di fattori. Per la decisione sulla dimensione campionaria ottimale e sulla frequenza di campionamento si utilizzano i due strumenti seguenti (p= probabilit che un punto cada fuori i limiti di controllo): ARL (Average Run Lenght) = lunghezza media delle sequenze numero medio di punti (campioni) che devono essere osservati prima di avere un segnale di fuori controllo: ARL = 1/p. ATS (Average Time to Signal) = tempo medio al segnale tempo medio tra due segnali di fuori controllo: ATS = ARL h (h=intervallo di tempo tra lanalisi di un campione e quella del campione successivo).
25/43

UN ESEMPIO
Esempio: nel caso del controllo della qualit del diametro delle fasce elastiche, si ha che n=5 e che quando il processo va fuori controllo, la media del diametro si sposta a 74,015 mm. La frequenza di campionamento unora (h=1). In base alla curva operativa caratteristica la probabilit che la media campionaria cada entro i limiti pari a 0,5 e quindi la probabilit di rilevare un fuori controllo (complemento a 1) p=0,5. Risulta allora ARL1 = 1/p = 1/0,5 = 2 Ogni due campioni viene rilevato lo scostamento.

26/43

UN ESEMPIO
Il tempo medio tra un segnale e laltro ATS = ARL1 h = (2) (1) = 2 ore Se riteniamo che il tempo medio sia eccessivo possiamo (a) aumentare la frequenza o alternativamente (b) aumentare la numerosit campionaria. a) Se poniamo h=0,5 ore allora ATS1 = ARL1 h = (2) (0,5) = 1 ora b) Se usiamo n=10 allora la probabilit che la media campionaria cada entro i limiti (curva OC) pari a 0,1 e quindi p = 0,9. ARL2 = 1/p = 1/0,9 = 1,11 e ATS2 = ARL2 h = (1,11) (1) = 1,11 ore
27/43

SOTTOGRUPPI RAZIONALI
The rational subgroup concept means that subgroups or samples should be selected so that if assignable causes are present, chance for differences between subgroups will be maximized, while chance for difference due to assignable causes within a subgroup will be minimized. 2 general approaches for constructing rational subgroups: 1. Sample consists of units produced at the same time consecutive units: primary purpose is to detect process shifts 2. Sample consists of units that are representative of all units produced since last sample random sample of all process output over sampling interval

Often used to make decisions about acceptance of product Effective at detecting shifts to out-of-control state and back into incontrol state between samples Care must be taken because we can often make any process appear to be in statistical control just by stretching out the interval between observations in the sample
28/43

SOTTOGRUPPI RAZIONALI

29/43

ANALISI DEGLI ANDAMENTI TIPICI DI UNA CARTA DI CONTROLLO

Pattern is very nonrandom in appearance 19 of 25 points plot below the center line, while only 6 plot above Following 4th point, 5 points in a row increase in magnitude, a run up There is also an unusually long run down beginning with 18th point
30/43

ANALISI DEGLI ANDAMENTI TIPICI DI UNA CARTA DI CONTROLLO

31/43

ANALISI DEGLI ANDAMENTI TIPICI DI UNA CARTA DI CONTROLLO

32/43

COMMENTI ALLE REGOLE DI SENSIBILIT PER LE CARTE DI CONTROLLO

Alcune regole di sensibilit per le carte di controllo di Shewart 1. Uno o pi punti cadono al di fuori dei limiti di controllo 2. Due punti consecutivi su tre cadono oltre i limiti di sorveglianza posizionati a 2-sigma ma rimangono entro i limiti a 3-sigma 3. Quattro punti su cinque consecutivi cadono oltre la distanza di 1sigma dalla linea centrale 4. Otto punti consecutivi cadono dalla stessa parte della linea centrale 5. Sei punti consecutivi sono in ordine crescente o decrescente 6. 15 punti consecutivi cadono oltre la distanza di 1-sigma dalla linea centrale 7. 14 punti consecutivi si alternano a zig-zag 8. Otto punti consecutivi si alternano intorno alla linea centrale ma nessuno a distanza inferiore di 1-sigma 9. Si manifesta un comportamento non casuale dei dati 10. Uno o pi punti si posizionano vicino ai limiti di sorveglianza e di controllo
33/43

ALTRI STRUMENTI DEI MAGNIFICI SETTE

Fogli di controllo Check Sheet

34/43

ALTRI STRUMENTI DEI MAGNIFICI SETTE

Grafici di Pareto Pareto Chart

35/43

ALTRI STRUMENTI DEI MAGNIFICI SETTE

Grafici di Pareto Pareto Chart

36/43

ALTRI STRUMENTI DEI MAGNIFICI SETTE

Diagramma causa-effetto Cause-and-Effect Diagram

37/43

ALTRI STRUMENTI DEI MAGNIFICI SETTE

Diagramma causa-effetto Cause-and-Effect Diagram

38/43

ALTRI STRUMENTI DEI MAGNIFICI SETTE

Diagramma sulla concentrazione dei difetti Defect Concentration Diagram

39/43

ALTRI STRUMENTI DEI MAGNIFICI SETTE

Grafici a dispersione Scatter Diagram

40/43

ALTRI STRUMENTI DEI MAGNIFICI SETTE

41/43

ALTRI STRUMENTI DEI MAGNIFICI SETTE

42/43

IMPLEMENTARE LSPC

43/43