Montgomery
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
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
FATTORI CASUALI
CAUSE
FATTORI SPECIFICI
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
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
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
L = distanza dei limiti di controllo dalla linea centrale espressa in unit di deviazioni standard
14/43
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
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
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
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
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
31/43
32/43
34/43
35/43
36/43
37/43
38/43
39/43
40/43
41/43
42/43
IMPLEMENTARE LSPC
43/43