Sei sulla pagina 1di 29
Metodi statistici per il controllo della qualità Raffaele Pesenti 24/11/99 17.03 Raffaele Pesenti
Metodi statistici per
il controllo della qualità
Raffaele Pesenti
24/11/99 17.03
Raffaele Pesenti

1

Obiettivi

Evidenziare come tipici problemi industriali

richiedano un controllo statistico di qualità

Segnalare lesistenza di specifiche norme UNI che

definiscono formalmente come eseguire i controlli

statistici di qualità

Raffaele Pesenti

2

Indice

UNI

le norme

le norme sui Metodi Statistici di Controllo Qualità: la loro classificazione

esempi di norme e loro applicazioni

Raffaele Pesenti

3

UNI - Ente Nazionale Italiano di Unificazione

fondato nel 1921

studia, pubblica e diffonde le norme tecniche nazionali relative a tutti i settori industriali, con

esclusione di quelli elettrotecnico ed elettronico di competenza del CEI.

http://www.unicei.it

Raffaele Pesenti

4

Le norme tecniche

definiscono le caratteristiche e le prestazioni di prodotti, processi produttivi e servizi sotto differenti aspetti: qualitativi, dimensionali, tecnologici e di sicurezza.

, dimensionali , tecnologici e di sicurezza . • sono a prova di idiota • determinano

sono a prova di idiota

determinano lo stato dell'arte del prodotto considerato

migliorano l'economicità del sistema produttivo

facilitano i rapporti fra produttori ed utilizzatori

garantiscono il consumatore rispetto alla durata, quantità, qualità, sicurezza dei prodotti

favoriscono il produttore poiché sono il risultato di ricerche, progettazioni e prove semplificare e razionalizzare i processi produttivi, migliorandone l'economicità e a ridurre il contenzioso con i clienti

permettono ai prodotti rispondenti ai requisiti prescritti di ricevere la certificazione di conformità ed essere muniti del marchio che ne premia l'elevato livello qualitativo (IMQ, CE)

Raffaele Pesenti

5

Raffaele Pesenti

6

ricordarsi però che

altre norme di interesse nel controllo dei processi industriali (diverse da quelle trattate a lezione)

esprimono quindi una soluzione concordata tra le parti interessate:

ISO 9000 (certificazione qualità)

ISO 14000 (impatto ambientale)

produttori

BS 8800 (sicurezza)

utenti

mondo della ricerca

 

autorità competenti

Raffaele Pesenti

7

Raffaele Pesenti

8

Metodi statistici per il controllo qualità (MSpCQ): struttura norme

Titolo e codice

Generalità

scopo

descrizione

Campo e condizioni di applicazione

Descrizione della procedura

Esempi

Tabelle dati

MSpCQ: esempio norma

Visualizzazione di una norma MSpCQ

(non riportato nel lucido per motivi di copyright)

Raffaele Pesenti

9

Raffaele Pesenti

10

Metodi statistici per il controllo qualità (MSpCQ): chi li propone

Campo attività commissione

terminologia

Commissione metodi statistici per la qualità GL 1: Terminologia e metodi statistici GL 2: Valutazione dei metodi di misura GL 3: Campionamento per l'accettazione

metodi statistici

guide per l'applicazione di piani di collaudo per attributi e per variabili di prodotti confezionati o alla rinfusa

 

stima dei parametri

Non esiste attualmente attività normativa sull'argomento

valutazione della precisione e ripetibilità dei metodi di prova

Raffaele Pesenti

11

Raffaele Pesenti

12

Come si trova una norma

Sedi UNI a Milano e Roma

Biblioteche Università, grandi industrie, enti dello stato

Sito http://www.unicei.it

Esistono circa 10000 norme bisogna consultare i cataloghi

Raffaele Pesenti

13

Classificazione norme MSpCQ

Terminologia

Calcolo e rappresentazione di dati statistici

Caratteristiche delle probabilità di distribuzione

Interpretazione statistica dei dati

Confronti tra serie di dati

Procedimenti di collaudo statistico

Carte di controllo

Raffaele Pesenti

14

Metodi statistici per il controllo della qualità (II) Raffaele Pesenti Raffaele Pesenti
Metodi statistici per
il controllo della qualità (II)
Raffaele Pesenti
Raffaele Pesenti

• Ipotesi base

• UNI 6806-72

• UNI 6810-72

Indice

Raffaele Pesenti

 

1

2

 

Ipotesi base

Confronti tra due serie di dati

Le norme assumono:

norme: 6806-72, 6807-72, 6809-72, 6811

– campioni indipendenti e casualizzati (UNI 4843)

es. applicazione: verificare se due tipi di produzione conducono a prodotti con caratteristiche significativamente diverse nei valori medi o nelle varianze

– valori delle caratteristiche delle popolazioni distribuiti in modo

normale (variabili - UNI 4726)

 

bi/multinomiale (attributi - UNI 7829) A meno che non sia specificato diversamente

• norme appartenenti al gruppo in senso lato:

   

6908-72, 6810-72

Raffaele Pesenti

3

Raffaele Pesenti

4

Problema

Problema Verificare se varia significativamente la tensione di perforazione un dielettrico ottenuto con due lavorazioni diverse

Dati

– Vedi lucido successivo

– Tensioni espresse in Kv/mm

Raffaele Pesenti

5

Serie 1

Serie 2

27.5

28.1

28.1

28.4

27.9

27.9

28.2

27.6

27.4

28.2

28.5

28.8

27.8

28.2

28.3

procedura di confronto in UNI 6806-72

Raffaele Pesenti

6

Soluzione/Ipotesi

scopo: significatività differenza medie di una caratteristica di due serie di dati

ipotesi zero (H 0 ): le due serie statistiche vengono dalla stessa popolazione

rischio : ritenere significativa la differenza quando non lo è

statistica usata: t-student

differenza fra medie

t =

errore tipo della differenza

Raffaele Pesenti

7

Ipotesi

ipotesi implicita: popolazioni di provenienza

distribuite in modo normale eventualmente

verificare con UNI 4726

Raffaele Pesenti

8

estrazione di campioni casualizzati serie

1 media = x 1
1
media
= x
1
serie 2 media = x 2
serie 2
media
=
x
2
popolazione normale media vera =
popolazione normale
media vera =

il valore medio è deterministico

il valore normalizzato della media è una variabile casuale distribuita secondo t-student

media è una variabile casuale distribuita secondo t-student il valore normalizzato della differenza tra le medie

il valore normalizzato della differenza tra le medie di due campioni è una variabile casuale distribuita secondo t-student

Raffaele Pesenti

9

Soluzione

applicabilità: dati non appaiati/numerosità diversa

procedimento: il valore di t derivato dalle serie viene confrontato con valori di t-student di riferimento

criteri: confronto bilatero

– |t|t ,99

– t ,99 >|t|t ,95 H 0 dubbia (diff. semisign. 1%< 5%)

– |t|<t ,95

H 0 respinta (diff. significativa 1%)

H 0 accettata (diff. non sign. >5%)

Raffaele Pesenti

10

0.4

0.3

0.2

0.1

0

H 0 respinta H 0 accettata H 0 dubbia t 13;95 t 13;99 t -4.0
H 0 respinta
H 0 accettata
H 0 dubbia
t 13;95
t 13;99
t
-4.0
-2.0
0.0
2.0
4.0

Raffaele Pesenti

t-student per =13

11

Procedimento: piccoli campioni

ipotesi:

– n 1 , n 2

– scarti tipo non noti

30

si stimano

procedimento:

– calcolo t e =

n 1 + n 2 - 2

– confronto con valori tabellari t ,99 , t ,95 (app.) ( nn + )[
– confronto con valori tabellari t ,99 , t ,95 (app.)
(
nn
+
)[
(
x
x
)
2 +
(
x
x
2 )
2 ]
12
i
1 i
1
i
2
i
txx =
(
1
2
)/
nn
(
n
+
n
2
)
12
1
2

Raffaele Pesenti

12

Procedimento: grandi campioni

ipotesi:

– n 1 , n 2 > 30

– scarti tipo si assumono noti

t

u N(0,1) (UNI 4726)

procedimento:

– calcolo u

– confronto con valori critici u 99 =2.58, u 95 =1.96

2 2 s 1 s 2 )/ + 1 2 n 1 n 2
2
2
s
1
s 2
)/
+
1
2
n
1
n 2

uxx = (

Soluzione numerica

27.5

28.1

Nu m:

6

9

28.1

28.4

M

e d ia:

27.93

28.14

27.9

27.9

Va

ria n za

0.18

0.13

28.2

27.6

s ca rti2

0.89

1.00

27.4

28.2

28.5

28.8

t

0.04

 

27.8

 

13

28.2

28.3

t

c ritic i

95%

99%

 

t(13,.)

2.16

3.01

H 0 accettata: differenza non significativa

Raffaele Pesenti

13

Raffaele Pesenti

14

 

Norma da usare

Problema

UNI 6806-72: Significatività della differenza tra due medie

Problema Verificare se la lunga esposizione ai raggi solari danneggia le caratteristiche di un dielettrico

1. Generalità

scopo, applicabilità, procedimento, criteri accettazione/rifiuto ipotesi zero, commenti

Dati

2. Caso di piccoli campioni

Vedi lucido successivo

definizione, ipotesi, procedimento calcolo

Osservazioni su un campione di dielettrici nel nord e nel sud dell’Europa

3. Caso grandi campioni

definizione, ipotesi, procedimento calcolo

4. Esempio (caso di piccoli campioni) Appendice (Valori di t)

Valutazioni qualitative di esperti sulle condizioni del dielettrico

Raffaele Pesenti

15

Raffaele Pesenti

16

 

Sud Europa

Nord Europa

Buone

   

Condizioni

543

348

Cattive

   

condizioni

256

117

procedura di confronto in UNI 6810-72

Soluzione

scopo: verificare se due attributi degli elementi di una popolazione si sono associati

procedimento: si confrontano le frequenze osservate di ogni possibile classificazione di presenza/assenza degli attributi in considerazione con le frequenze di riferimento nel caso di attributi non associati

Raffaele Pesenti Raffaele Pesenti 17 18 Ipotesi 1 • ipotesi zero (H 0 ): le
Raffaele Pesenti
Raffaele Pesenti
17
18
Ipotesi
1
• ipotesi zero (H 0 ): le differenze tra le frequenze
non sono significative
H 0 accettata
0.8
H 0 respinta
0.6
• rischio : ritenere significative la differenze
quando non lo sono
0.4
2 1;95
0.2
• statistica usata: 2 (approssimazione di quella
esatta per campioni numerosi)
0
01234
scarti quadratici frequenze
2
=
calc
distribuzione 2 con =1
frequenza di riferimento
Raffaele Pesenti
Raffaele Pesenti
19
20

Commenti

Procedimento

Realizzazione prospetto frequenze osservate f ij • terminologia usata: vedi UNI 4723 Classifi- 1 a
Realizzazione prospetto frequenze osservate f ij
• terminologia usata: vedi UNI 4723
Classifi-
1 a classe
2 a classe
totali
– attributo: caratteristica non misurabile o che si
preferisce non misurare sulla quale viene dato
unicamente il giudizio di appartenenza ad una
o più categorie alternative
cazioni
1 a classe
f
f
R-
11
12
1 =
j f 1j
– frequenza: numero di elementi o di osservazioni
che possiedono un dato attributo
2 a classe
f
f
R 2
21
22
• ipotesi implicite:
– l’appartenenza di un valore ad una classe segue
una distribuzione multinomiale (per stima delle
frequenze di riferimento)
totali
C 1 = i f i1
C 2
N= ij f ij
Raffaele Pesenti
Raffaele Pesenti
21
22
Procedimento
Procedimento
Per attributi indipendenti
Valori di interesse
R i /N e C j /N sono stime delle frequenze relative
delle differenti classi dei due attributi
ij [(f ij - f* ij ) 2 / f* ij ]
2 calc =
(R i /N) (C j /N) è la stima della frequenza relativa
del verificarsi entrambi i valori dei due attributi
quindi
= (r - 1) (c-1)
Se
R = C = 2
calcoli semplificabili
f* ij = (R i /N) (C j /N) N = R i C j /N
frequenza di riferimento stima della frequenza
per una cella
f ij < 5
N < 30
raggruppare classi, correggere formula
usare procedimento esatto (UNI 6811)
Raffaele Pesenti
Raffaele Pesenti
23
24

Verifica

• Si sceglie la significatività 95% o 99%

• Si confronta 2 calc con il valore critico 2 tab

– se

2

calc

2 tab si accetta H 0 (diff. non signif.)

– se 2 calc > 2 tab si respinge H 0 (diff. signif.)

Raffaele Pesenti

25

Calcoli numerici

freq. os s .

S ud

Nord

totali

Buone

     
2 calc 6.69 1
2 calc
6.69
1
 

Condizioni

543

348

891

Cattive

     

condizioni

256

117

373

totali

799

465

1264

freq. rif.

S ud

Nord

totali

Buone

           

Condizioni

563

328

891

2 tab

95%

99%

Cattive

           

condizioni

236

137

373

2(1;.)

3.84

6.63

totali

799

465

1264

H 0 respinta: diff. significative (il sole danneggia)

Raffaele Pesenti

26

Commenti

ATTENZIONE

Il successo del test non implica la correttezza delle conclusioni se le ipotesi sui dati non sono rispettate.

Potrebbero esserci concause

Raffaele Pesenti

27

Commenti

Errato: per il sud Europa tutti i dielettrici in cattive condizioni provengono dalla stessa zona

Corretto: per il sud Europa i dielettrici provengono da zone diverse la cui unica caratteristica comune a tutti è l’esposizione solare. Il rapporto tra dielettrici in buone e cattive condizioni è uniforme su tutte le zone.

Raffaele Pesenti

28

Norma da usare

UNI 6810-72: Verifica di associazione fra classificazioni (mediante confronto di frequenze)

1. Generalità

– scopo, applicabilità, procedimento

2. Elaborazione dati

– procedimento calcolo

3. Verifica

– criterio accettazione/rifiuto H 0

4. Esempio

Appendice (Valori di 2 )

Raffaele Pesenti

29

UNI 6807-72

Altre norme

Confronto fra due serie di dati

appaiati. Significatività della differenza da zero

della media delle serie di differenze.

UNI 6808-72

Serie di osservazioni duplicate.

Calcolo dello scarto tipo di ripetibilità.

UNI 6809-72

Confronto fra le dispersioni di

due serie mediante il confronto delle varianze.

UNI 6811

Confronto fra due campioni di

popolazioni binomiali. Significatività della

differenza tra due percentuali.

Raffaele Pesenti

30

Metodi statistici per il controllo della qualità (III) Raffaele Pesenti Raffaele Pesenti
Metodi statistici per
il controllo della qualità (III)
Raffaele Pesenti
Raffaele Pesenti

Indice

• Il controllo statistico della qualità

• Terminologia

• Le carte di controllo per attributi

• Le carte di controllo per variabili cenni

Raffaele Pesenti

 

1

2

Controllo statistico della qualità

Terminologia (UNI 4723)

• processo produttivo

Controllo [statistico] : insieme di procedure che,

• sottogruppo

durante lo svolgimento di un processo produttivo,

• tolleranza naturale

raccolgono dati circa le caratteristiche del

• tolleranza/prescrizione

elemento conforme/non conforme

processo o del prodotto al fine di intraprendere

difetto

eventuali azioni correttive

causa accidentale/identificabile

in controllo/fuori controllo

Raffaele Pesenti

3

Raffaele Pesenti

4

Le carte di controllo

Cosa sono:

diagrammi in cui sono riportati i punti

rappresentativi dei sottogruppi,

caratteristica, numero difetti, percentuale pezzi non conformi)

(es.: valore

Cosa servono:

a controllare caratteristiche processo o prodotto valutare opportunità azioni correttive

Come funzionano:

la disposizione dei punti permette di dedurre lo stato del processo

Raffaele Pesenti

5

Struttura carte

LC: linea centrale LSC: limite controllo superiore 0.12 0.08 fuori controllo 0.04 0.00 0 5
LC: linea centrale
LSC: limite controllo superiore
0.12
0.08
fuori controllo
0.04
0.00
0
5
10
15
20
25
sottogruppi
LIS: limite controllo inferiore
% elementi non conformi

Raffaele Pesenti

6

Struttura carte

LC: valore medio/valore atteso imposto da una prescrizione

LSC/LIC: limiti variazione accettabili (tipicamente comprendono 3 ovvero 99.73% dei valori nel caso di distribuzioni normali)

Raffaele Pesenti

7

Uso carte

Statico: verifica a posteriori se in ogni sottogruppo la caratteristica osservata è sotto controllo (poco interessante), LC, LSC, LIC sono calcolati dai sottogruppi osservati

Dinamico: verifica in linea se un processo si mantiene in controllo (molto interessante) LC, LSC, LIC sono dati a priori o calcolati una volta per tutti da sottogruppi di cui si sia sicuri che siano in controllo

Raffaele Pesenti

8

Esempio: uso dinamico

in controllo fuori controllo 0 5 10 15 20 25 30 35 40 45 50
in controllo
fuori controllo
0
5
10
15
20
25
30
35
40
45
50
fuori controllo 0 5 10 15 20 25 30 35 40 45 50 0.12 0.08 0.04

0.12

0.08

0.04

0.00

deriva

sottogruppi per calcolo LC, LSC, LIC

Situazioni fuori controllo

Situazioni fuori controllo

tendenza all’innalzamento progressivo (UNI 4728-66)

tendenza all’innalzamento medio (UNI 4728-66)

indicazione di più livelli (UNI 4728-66)

tendenza a variazioni cicliche (autocorrelazione)

(UNI 4728-66) superamento limiti di attenzione, i.e., 2 norme italiane)

(non in

Raffaele Pesenti Raffaele Pesenti 9 10 Innalzamento medio Più livelli 0.12 valore medio dati stabili
Raffaele Pesenti
Raffaele Pesenti
9
10
Innalzamento medio
Più livelli
0.12
valore
medio dati stabili
nuovo valore medio
0.12
0.08
0.08
0.04
0.04
0.00
25
30
35
40
45
50
0.00
due livelli
25
30
35
40
45
50
Raffaele Pesenti
Raffaele Pesenti
11
12
Variazioni cicliche 0.12 0.08 0.04 0.00 25 30 35 40 45 50 periodo
Variazioni cicliche
0.12
0.08
0.04
0.00
25
30
35
40
45
50
periodo

Raffaele Pesenti

13

Limiti di attenzione

action limits

0.12

0.08

0.04

0.00

warning limits

25 30 35 40 45 50
25
30
35
40
45
50

sottogruppi scatenanti la fase di osservazione

Raffaele Pesenti

14

Situazioni fuori controllo

Attenzione:

non eseguire troppi test fluttuazioni casuali possono dare falsi allarmi

– verificare per un numero sufficiente di sottogruppi

– cercare equilibrio tra falsi allarmi e qualche sottogruppo fuori controllo non individuato

Raffaele Pesenti

15

Carte di controllo per attributi

tipo carte:

–carta p per frazione di elementi non conformi p

–carta pn per numero di elementi non conformi pn

–carta d per numero di difetti d

Raffaele Pesenti

16

Carte di controllo per attributi

Ipotesi: distribuzione binomiale della non conformità

Simbologia:

–k: numero sottogruppi (almeno 25) –n i : numerosità i-mo sottogruppo –n: numerosità sottogruppi se tutti uguali –p i : frazione pezzi non conformi i-mo sottogruppo –n i p i : numero pezzi non conformi i-mo sottogruppo –d i : numero difetti i-mo sottogruppo

Carta p

LC: fissata al livello di probabilità di non conformità stimato

num . tot . elementi nonconformi n p i i i p = = num
num . tot . elementi nonconformi
n p
i
i
i
p =
=
num totaleelementi
.
i n
i

LSC, LIC: fissati a più/meno 3 stime della deviazione standard (scarto tipo vero) da LC

s =

p (1 p ) n i
p (1
p )
n i
Raffaele Pesenti Raffaele Pesenti 17 18 Carta pn Carta d • Ipotesi: distribuzione di Poisson
Raffaele Pesenti
Raffaele Pesenti
17
18
Carta pn
Carta d
• Ipotesi: distribuzione di Poisson
• LC: fissata al numero medio di non conformità
• LC: fissata al numero medio di difetti
np
i
i
pn =
n
d
i
i
n
d =
i
k
• LSC, LIC: fissati a più/meno 3 scarti tipo da LC
• LSC, LIC: fissati a più/meno 3 scarti tipo da LC
s =
d
s =
pn(1
p)
Raffaele Pesenti
Raffaele Pesenti
19
20

Commenti

• Sottogruppi di dimensione variabile ammissibili

nelle carte p non nelle rimanenti

• Prescrizioni potrebbero imporre il tipo di

distribuzione da usare, il valore dei valori medi e

Esempio

Problema Verificare se un nuovo processo di lavorazione produce lo stesso numero di pezzi non conformi che il precedente, la verifica avviene ad impianto funzionante utilizzando i lotti di dimensione diversa previsti dal piano di produzione

Dati degli scarti tipo, ma – p’: frazione non conforme processo precedente l’intervallo di variazione
Dati
degli scarti tipo, ma
p’: frazione non conforme processo precedente
l’intervallo di variazione rimane sempre ±3
n i : dimensioni lotti
Raffaele Pesenti
Raffaele Pesenti
21
22
Esempio
UNI 4727-66: esempio
lotti 100 pezzi
fuori controllo
• problema con prescrizione
0.16
• lotti di 100, 200, 300 pezzi
0.12
• LC fissato a p’= 0.07
0.08
• LSC, LIC fissati con scarti tipo dipendenti dal
lotto
0.04
– s = 0.077 per lotti 100 pezzi
0
– s = 0.054 per lotti 200 pezzi
0
5
10
15
20
25
– s = 0.044 per lotti 300 pezzi
lotti 200 pezzi
lotti 300 pezzi
carta p
Raffaele Pesenti
Raffaele Pesenti
23
24

Esempio: commenti

• la variabilità la frazione di pezzi non conformi nei

lotti dovrebbe diminuire al crescere del lotto

(legge dei grandi numeri)

• il processo sembra migliore in media del

precedente ma non ancora del tutto in controllo

Raffaele Pesenti

Norma da usare

UNI 4727-66: Carte di controllo per attributi - Carta p e carta d

1. Generalità

– scopo, tipo di carte, interpretazioni

2. Carta p

– posizione LC, LSC, LIC

3. Carta d

– posizione LC, LSC, LIC

4. Formulario e nomogramma

5. Esempi

6. Carta di controllo con riferimento ad una prescrizione

Raffaele Pesenti

 

25

26

Carte di controllo per variabili

• analoghe alle precedenti ma presentano due diagrammi: diagramma delle medie e diagramma delle dispersioni

• per lotti di piccola dimensione in assenza di prescrizioni si usa l’escursione (differenza tra valore massimo e minimo di una variabile in un campione) nel calcolo della tolleranza

norma da usare: UNI 4728-66

Raffaele Pesenti

27

Metodi statistici per il controllo della qualità (IV) Raffaele Pesenti Raffaele Pesenti
Metodi statistici per
il controllo della qualità (IV)
Raffaele Pesenti
Raffaele Pesenti

1

Indice

• Il collaudo

• Terminologia

• Il collaudo mediante campionamento statistico

• Ipotesi base

• Collaudo per variabili sul valore medio

• Norme sul collaudo

Raffaele Pesenti

2

Il collaudo

Collaudo: insieme di operazioni che permettono

di stabilire se un lotto di un determinato prodotto è

accettabile in base alle specifiche contrattuali

Raffaele Pesenti

3

Il collaudo: commenti

• durante il collaudo un lotto viene accettato o rifiutato in toto, non vengono selezionati i pezzi conformi anche in presenza di collaudo al 100%.

la qualità è responsabilità del fornitore che deve essere capace di fare accettare i propri lotti e non spendere per i lotti rifiutati

il committente può accettare lotti con pezzi non conformi, infatti produrre lotti senza pezzi difettosi può essere eccessivamente costoso

Raffaele Pesenti

4

Il collaudo: commenti

• al momento dell’uso degli elementi del lotto (ad esempio in un assiemaggio) il committente assume la responsabilità della qualità ed eventualmente verifica ogni singolo pezzo ed esclude quelli difettosi

• grazie al collaudo il committente una ragionevole sicurezza di escludere pochi pezzi.

Raffaele Pesenti

5

Terminologia (UNI 4723)

•lotto/lotto per il collaudo/numerosità del lotto

collaudo per variabili/attributi/numero difetti

•collaudo per campionamento/al 100%

•procedimento di collaudo/piano di campionamento

•probabilità di accettazione

Raffaele Pesenti

6

Il collaudo per campionamento

Quando serve:

in presenza di prove distruttive o costi troppo elevati per collaudi al 100%

Come si definisce:

fornitore e committente definiscono un piano di campionamento contrattando sui livelli di qualità e sui rischi reciproci

Raffaele Pesenti

7

Ipotesi base

Le norme assumono:

– campioni indipendenti e casualizzati (UNI 4843)

– valori delle caratteristiche delle popolazioni distribuiti in modo

normale (variabili - UNI 4726)

bi/multinomiale (attributi - UNI 7829)

Raffaele Pesenti

8

Collaudo per variabili sul valore medio con protezione unilaterale contro valori bassi

Raffaele Pesenti

9

Problema esempio

Problema Acquistare componenti elettronici che resistano alle alte temperature

Dati

– temperatura a cui si desidera resista il componente medio (150°C)

– scarto tipo del comportamento del componente (7°C)

Raffaele Pesenti

10

Problema commento

• il committente assume che cause sistematiche

(produzione fuori controllo) possano fare variare il

valore medio dei lotti, non lo scarto tipo

• se teme variazioni anche nello scarto tipo deve

verificarlo con UNI 7373-74

Raffaele Pesenti

11

Problema esempio

Soluzione:

committente e fornitore fissano il piano di campionamento i.e., per ogni lotto, il numero n di campioni da misurare e un valore medio di accettazione (VAM), tale che:

x
x

x

=

=

i

i

x

x

i

i

/ VAM lotto accettato

/ VAM lotto respinto

n

n <

dove x i valore della caratteristica osservata per il campione i-mo

Raffaele Pesenti

12

Problema nel problema

Problema:

come calcolare n e VAM

Considerazione:

VAM < 150°C altrimenti la temperatura a cui resisterebbe il componente medio dei lotti accettati sarebbe superiore a 150° C, e il committente dovrebbe pagare la maggiore qualità

Raffaele Pesenti

13

Problema nel problema

Soluzione:

calcolare n e VAM a partire da dei livelli di qualità:

livello di qualità tollerabile (LQTM)

livello di qualità accettabile (LQAM) e delle probabilità esprimenti dei rischi:

rischio del committente (RCM)

rischio del fornitore (RFM)

contrattate fra committente e fornitore

Raffaele Pesenti

14

Contrattazione: visione committente

• assume il rischio di accettare lotti con caratteristica media uguale a LQTM con probabilità al massimo uguale RCM, in genere il 10% (errore di tipo II, , assumere valido un valore che non lo è)

• garantisce al fornitore di accettare lotti con caratteristica media uguale a LQAM con probabilità uguale a 1- RFM, in genere 95%

Raffaele Pesenti

15

Contrattazione: visione committente

RCM

Raffaele Pesenti 15 Contrattazione: visione committente RCM desiderato accettato il 95% delle volte accettato il 10%

desiderato

accettato il 95% delle volte

accettato il 10% delle volte

accettato il 95% delle volte accettato il 10% delle volte molti elementi in questo lotto sono

molti elementi in questo lotto sono inutilizzabili

caratteristica media per il lotto

150°C

LQAM

LQTM

molti elementi in questo lotto sono inutilizzabili caratteristica media per il lotto 150°C LQAM LQTM Raffaele

Raffaele Pesenti

16

Contrattazione: visione fornitore

• assume il rischio di vedersi rifiutare lotti con

caratteristica media uguale LQAM con probabilità

al massimo uguale al RFM, in genere il 5%

(errore di tipo I, , assumere non valido un valore

che lo è)

• garantisce al committente di accettare indietro lotti

con caratteristica media uguale a LQTM con

probabilità uguale a 1- RCM, in genere 90%

Contrattazione: visione fornitore

lotto di qualità ancora buona RFM desiderato respinto il 5% delle volte
lotto di qualità
ancora buona
RFM
desiderato
respinto il 5% delle volte

respinto il 90% delle volte

caratteristica media per il lotto 150°C LQAM LQTM
caratteristica
media per il lotto
150°C
LQAM
LQTM
Raffaele Pesenti Raffaele Pesenti 17 18 Equazioni per n e VAM Equazioni per n e
Raffaele Pesenti
Raffaele Pesenti
17
18
Equazioni per n e VAM
Equazioni per n e VAM
normalizzando le variabili casuali si ottiene
P
(
x
VAM x
|
~
N ( LQAM
,)
= 0.95
f
()
u du = 0 95
.
i
n
(
VAM
LQAM )
P
(
x
VAM | x
~
N
(
LQTM
,)
= 010.
i
f
()
u du = 010
.
n
(
VAM
LQTM )
le equazioni sono dal punto di vista del committente,
ma sono simmetriche viste dal fornitore
dove f(t) è la distribuzione normale ( è noto),
usare t-student se non è noto
Raffaele Pesenti
Raffaele Pesenti
19
20

Equazioni per n e VAM

Le tabelle delle distribuzioni normali riportano i valori u definito come:

• u : f () u du = u
u
:
f
() u du =
u

Equazioni per n e VAM

u 95% =-1.64, u 10% =1.28 da cui

(VAM

n
n

LQAM ).

=

164

n (VAM LQTM ). = 128 Quindi noto % si ricava u e di conseguenza,
n
(VAM
LQTM ). =
128
Quindi noto % si ricava u e di conseguenza, noti
LQTM e LQAM, VAM e n
Raffaele Pesenti
Raffaele Pesenti
21
22
Equazioni per n e VAM
Equazioni per n e VAM
Posto
= (LQAM-LQTM)/
k acc =(LQAM -VAM)/
Le norme riportano delle tabelle che dato
il sistema diventa
forniscono n e k acc da cui si può calcolare
164 .
+
k
n = 164.
acc
128 . 2
VAM = LQAM - k acc
n =
(
k
).n=
128
164
.
acc
k acc =
164
.
+
128
.
Raffaele Pesenti
Raffaele Pesenti
23
24

Come decidere LQAM e LQTM

Dal punto di vista del committente

• sia L valore limite della caratteristica al di sotto

del quale non può utilizzare il prodotto

• sia 1% il numero di prodotti che permette avere

valore della caratteristica minore a L

• sia VD il valore del componente medio

Come decidere LQAM e LQTM

Se il processo del fornitore non è stabile, il committente decide i livelli di qualità in proporzione ai pezzi di livello inferiore a L da permettere nel caso di LQTM (es. 10%) e LQAM (es. 1%), da cui:

LQAM t c

LQTM t c

2 ( u LQAM ) L 1 2 e 2 du = 0 . 01
2
(
u
LQAM
)
L
1
2
e
2
du = 0 . 01
2
2
(
u
LQTM
)
L
1
2
e
2
du = 010 .
2

Raffaele Pesenti

25

Raffaele Pesenti

 

26

Come decidere LQAM e LQTM

 

Problema esempio

Commenti con questo approccio:

essendo = 7°C

 

posto L = 120°C

– LQTM e LQAM calcolati sono i minimi accettabili dal committente

LQTM = L + u 0.10 = 129°C

– non interessa VD, il committente calcola direttamente LQTM, LQAM, n e VAM

LQAM = L + u 0.01 = 136°C = 1

– n e VAM sono indipendenti dalla dimensione del lotto

piano campionamento:

– se non noto si sostituisce il t-student

n = 9, k acc = 0.56,

VAM = 132°C

Raffaele Pesenti

27

Raffaele Pesenti

 

28

Lotti rifiutati

non possono ripresentarsi tali e quali al collaudo per campioni

– dopo un po’ lo passerebbero, però

l’immagine fornitore sarebbe danneggiata perché sembrerebbe fornire tanti lotti di bassa qualità

• possono essere sottoposti ad un collaudo al 100%

Curva operativa (COM)

COM: per un dato piano di campionamento, n e VAM fissati, fornisce la PA in funzione del valor medio della variabile oggetto del collaudo

PA

• =≥ P x ( VAM | x ~ N ( , )) = f
=≥ P x
(
VAM | x
~
N
(
,
))
=
f
(
u ) du
i
n
(
VAM
)

Raffaele Pesenti

29

Raffaele Pesenti

30

 

Curva operativa (COM)

Norme: collaudo per variabili

UNI 7371-74: piani di campionamento indicizzati secondo LQA per valori medi, scarto tipo noto, protezione unilaterale (tabula n e k acc in funzione di )

 

esempio per: n = 9, VAM = 132°C

 

PA

1

PA 1

RFM

0.75

0.5

UNI 7371-74: piani di campionamento indicizzati secondo LQA per valori medi, scarto tipo sconosciuto, protezione unilaterale

0.25

RCM

UNI 6365-74: piani di campionamento indicizzati secondo LQA per valori medi, scarto tipo noto, protezione bilaterale

 
 

0

 

125

130

LQTM

135

LQAM

140

Raffaele Pesenti

31

Raffaele Pesenti

32

Norme: collaudo per variabili

UNI 6367-74: piani di campionamento sequenziali

indicizzati secondo LQA per valori medi, scarto

tipo noto, protezione unilaterale

UNI 6366-74: piani di campionamento sequenziali

secondo LQA per valori medi, scarto tipo noto,

protezione bilaterale

Norme: collaudo per variabili

UNI 7373-74: procedimento collaudo statistico per l’accertamento dello scarto tipo (analoga alle norme sulle medie)

UNI 6366-74: procedimento collaudo statistico sulla base del valore caratteristico (data l’osservazione di un campione si deduce se una frazione Q della popolazione sia sopra un valore caratteristico)

Raffaele Pesenti

33

Raffaele Pesenti

34

 

Statistica vs. Sequenziale

Medie vs. Valori caratteristici

statistica

 

medie:

semplice con tempi di esecuzione fissi

– si hanno garanzie sui valori medi dei lotti accettati

sequenziale

– in media la numerosità del campione che permette di giungere ad una decisione è molto minore

– la numerosità del campione che permette di giungere ad una decisione è molto minore

valori caratteristici:

– può diventare costosa se c’è un costo fisso per l’accesso agli elementi del lotto

– tempi di esecuzione variabili

– si hanno garanzie sui valori dei singoli elementi

– committente più protetto ma deve fare più prove

Raffaele Pesenti

35

Raffaele Pesenti

36

Norme: collaudo per attributi

UNI 4842 All.: istruzioni per lo svolgimento di collaudo statistico per attributi

UNI ISO 2859/1: piani di campionamento indicizzati secondo livello qualità accettabile

UNI ISO 2859/2: piani di campionamento indicizzati secondo qualità limite

UNI ISO 2859/3: campionamento con salto di lotti

UNI 6368-68: collaudo sequenziale

Raffaele Pesenti

37