Capitolo II

CARTE DI CONTROLLO

1. Carte di controllo di Shewhart

Tra le carte di controllo oggi in uso la pi antica, ma ancora ampiamente utilizzata, quella di
Shewhart.
Tornando allesempio che fa da filo conduttore a questa esposizione, il problema quello di
studiare la variabilit del diametro del pezzo ed abbiamo deciso di indagare gli effetti dellusura
dellutensile.
Sappiamo che con un utensile vengono lavorati 200 pezzi; decidiamo, quindi, di collaudare un
pezzo ogni cinque e di riportare i risultati su un diagramma cartesiano in cui sullasse delle
ascisse si riporta un indice che indichi la successione temporale con cui il pezzo prodotto, per
esempio il numero dordine del campione o lorario di produzione, e su quello delle ordinate il
risultato della misura.
I dati delle quaranta misure di Tab. 2-1, sono riportati nella Fig. 2-1.
N
x
N
x
N
x
N
x

1
4,921
11
4,977
21
4,962
31
4,959

2
4,936
12
4,927
22
4,886
32
4,939

3
4,973
13
4,924
23
5,015
33
4,991

4
4,961
14
4,956
24
4,960
34
4,998

5
4,977
15
4,982
25
4,944
35
5,002

6
4,979
16
4,944
26
4,952
36
4,982

7
4,940
17
4,964
27
4,976
37
4,962

8
4,961
18
4,943
28
4,960
38
4,964

9
5,024
19
4,962
29
4,997
39
4,947

10
4,914
20
4,988
30
4,944
40
4,914

Tab. 2-1

5.05
X
5
4.95
4.9
4.85
4.8
0

10

20

30

40
Fig. 2-1

Il diagramma molto deludente in quanto non indica alcuno spostamento della media, mentre,
in base allusura degli utensili, ci si aspettava un suo aumento.
In realt, invece, la cosa assolutamente normale.
Abbiamo visto che la variabilit del diametro leffetto di numerosi fattori; alcuni, rilevati dalla
precedente analisi, sono stati corretti, ma sicuramente molti altri sono ancora attivi.
In definitiva, quindi, il valore del diametro influenzato dallusura, ma anche da tante altre
cause che mascherano leffetto del fattore che vogliamo studiare.
Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo II Carte di controllo
pag 1

Se vogliamo mettere in rilievo leffetto del fattore usura, occorre ridurre il disturbo introdotto
dagli altri fattori.
Supponiamo che i disturbi abbiano una distribuzione normale con media zero e varianza 2 ; se
eseguiamo la media di n misure sui diametri di pezzi prodotti in sequenza, la distribuzione dei
disturbi sar con media zero e varianza 2 n . Poich in pratica possiamo ammettere che i valori
che una variabile distribuita normalmente pu assumere sono tutti compresi nellintervallo 3
ne deriva che il disturbo contribuisce al valore della media al pi per 3 n (essendo per
ipotesi =0).
In definitiva quindi mentre il valore della i-esima misura sar compreso nellintervallo Di3,
dove Di il valore che dovrebbe avere il diametro delli-esimo pezzo per effetto dellusura, quello
della media sar Dm 3 n e quindi meno influenzato dal disturbo. Dm la media degli n valori
Di.
Quindi, da un lato, leffetto del disturbo pu ridursi a piacere purch si aumenti la numerosit
del campione, dallaltro per le misure mettono in luce solo valori medi delleffetto del fattore che
vogliamo studiare.
A tal proposito basta osservare che se facessimo le medie delle misure dei diametri di tutti i
pezzi prodotti da pi utensili, scomparirebbe leffetto dinamico dellusura ed otterremmo il valore
del diametro corrispondente allusura media.
In definitiva ogni campione deve essere abbastanza numeroso da ridurre i disturbi, ma, per
evitare di cancellare leffetto dinamico che si vuole mettere in evidenza, i dati sperimentali su cui
eseguiamo la media devono potersi considerare ottenuti mentre il fattore costante.
Si conclude, quindi, che i campioni potranno avere dimensioni tanto pi elevate quanto pi il
fenomeno si evolve lentamente.
In generale, se non sappiamo la frequenza di variazione del fattore, dobbiamo utilizzare
campioni di numerosit bassa (4 o 5 pezzi).
altres evidente da quanto detto che eseguire delle medie consente di ridurre leffetto di
disturbi e cio delle cause di variazione con media zero. Se sul sistema agiscono altri fattori con
media non nulla, i risultati metteranno in rilievo leffetto medio globale.
Se si vogliono separare gli effetti allora occorre una carta per ogni fattore eseguendo, anche in
questo caso, un campionamento stratificato.
Quando su un processo operano pi fattori si applicano tecniche di analisi molto pi efficienti e
che danno informazioni pi complete di quella che stiamo esaminando. Leseguire studi separati
sui vari fattori non consente in generale di avere una comprensione completa del fenomeno ed in
particolare di studiare le interazioni.
Torniamo allesempio e applichiamo la tecnica di filtraggio illustrata.
A tale scopo, invece di collaudare un pezzo ogni cinque prodotti, preleviamo campioni costituiti
da quattro pezzi prodotti in sequenza.
Preleveremo un campione ogni venti pezzi prodotti; in totale ancora quaranta pezzi. I risultati
sono riportati nella Tab. 2-2.
Nr
1
3
5
7
9

x1
4.921
5.030
4.978
4.965
5.009

x2
4.935
4.920
4.957
4.973
5.015

x3
4.971
4.983
4.974
4.996
5.019

x4
4.959
4.932
5.000
4.979
4.999

Nr
x
4.946
2
4.966
4
4.977
6
4.978
8
5.010
10

x1
4.980
4.935
4.980
5.022
4.994

x2
4.982
4.966
4.903
4.968
4.996

x3
4.942
4.991
5.031
4.983
4.978

x4
4.962
4.952
4.976
4.962
4.944

x
4.966
4.961
4.972
4.984
4.978

Tab. 2-2
[Sia questi che i precedenti dati sono stati ottenuti da ununica simulazione. Il disturbo si
assunto distribuito normalmente con media zero e varianza 2=0.0009 mm2, mentre lusura,
deterministica, provoca un incremento del diametro di 2=0.06 mm in duecento pezzi (vita utile

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo II Carte di controllo
pag 2

dellutensile) e cio di 0.06/200 mm per pezzo.]

5.01

5
4.99
4.98
4.97
4.96
4.95
4.94
0

10
Fig. 2-1b

In Fig. 2-1b sono riportate le medie delle quattro misure in funzione del numero del campione.
Ora i punti hanno un andamento pi regolare e sembrano confermare un aumento del diametro
con lusura.
Tuttavia non possiamo basare le nostre conclusioni semplicemente sul fatto che i dati
sembrano confermare lipotesi.
Le nostre conclusioni debbono essere razionali e non dobbiamo fidarci di ci che sembra
anche, e soprattutto, se ci che sembra conferma una nostra ipotesi.
Se si osserva la Fig. 2-1b si rileva una generale tendenza del diametro ad aumentare, ma
notiamo anche che, per esempio, il diametro medio del quarto campione pi piccolo di quello del
terzo e ci evidentemente non pu essere imputato allusura; la giustificazione ovvia: la tecnica
seguita ha ridotto ma non annullato leffetto dei disturbi. Tuttavia, come imputiamo al disturbo il
fatto che alcuni diametri medi sono pi piccoli dei precedenti, analogamente possiamo imputare a
questo il fatto che mediamente il diametro sembra aumentare.
Per risolvere il problema razionalmente dobbiamo ricorrere ancora alla statistica. In particolare
si calcola la probabilit di ottenere, prelevando un campione da un processo random, landamento
mostrato dai dati della figura.
Se la probabilit che ci si verifichi alta diremo che il particolare andamento non mette in
luce anomalie tali da dover rigettare lipotesi che il processo random; in caso contrario diremo
che sono attive cause di variabilit non random (nel nostro caso lusura).
Il test che si utilizza quello sulle sequenze in dati random.

2. Test sulle sequenze in dati random

Supponiamo di avere due differenti tipi di oggetti a e b ordinati in una sequenza; essi
formeranno almeno due distinti gruppi di oggetti uguali in successione. Se per esempio abbiamo
cinque oggetti di tipo a e cinque di tipo b, una delle possibili realizzazioni : aabbbabaab in cui si
hanno u=6 distinte sequenze. In generale, se si hanno m oggetti di un tipo ed n di un altro tipo, il
numero delle possibili disposizioni, tutte equiprobabili,
+n
Cm
=(n+m)!/[n!m!].
n

Se u il numero delle possibili sequenze, la probabilit di u o meno sequenze data da:

P[uu] =

u'

fu
+n
Cm
n
u =2

con:

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo II Carte di controllo
pag 3

1
n 1
f u = 2 Cm
k 1 C k 1

con u =2k (u pari)

1 n 1
m 1
n 1
fu = C m
k 1 Ck 2 + Ck 2 C k 1

con u=2k-1 (u dispari)

Per n=m valore atteso e varianza di u valgono:

2u = [n (n 1)] [2 n 1]

E(u) = n+1

Per n elevato u tende a distribuirsi normalmente.

Nel controllo qualit, poich vogliamo verificare la costanza della media, per applicare il test si
determina dal campione u e si calcola la probabilit di ottenere un valore di u minore o uguale a
quello rilevato; se la probabilit molto bassa si rigetta lipotesi di media costante. In pratica si
utilizzano delle tabelle in cui sono riportati, al variare di m, n e P i valori critici di u; se il valore
rilevato inferiore o uguale a quello tabellare si rigetta lipotesi di costanza della media, altrimenti
si accetta.
Si riportano i valori critici di u quando le due classi di oggetti sono i dati sopra e sotto la
mediana (Tabelle. 3a) o i dati sopra e sotto la media (Tab. 3b e 3b). Applichiamo tale test ai dati
della Tab. 2-2; ordinandoli in ordine crescente si ottiene:
4.946, 4.961, 4.966, 4.966, 4.972, 4.977, 4.978, 4.978, 4.984, 5.010
Si assume come valore della mediana:
Me = (4.972+4.977)/2 = 4.9745.
Riportando una retta orizzontale in corrispondenza di tale valore (Fig. 2-1b) si ottiene la
seguente sequenza (a punti sotto la mediana e b sopra).
aaaababbbb
quindi u=4; calcoliamo adesso la probabilit di ottenere un valore di u minore o uguale a quattro;
applicando le precedenti espressioni (m=n=5) si ottiene:
p(u=4) = 0.126
p(u=3) = 0.032
p(u=2) = 0.008
quindi:

p(u4) = 0.166

Poich la probabilit ottenuta abbastanza elevata non si pu rigettare lipotesi che i dati
siano random ed in particolare che siano stati estratti da una popolazione con media costante.
Utilizzando la T 2-1a i valori critici sono:
P=0.05

u=3

P=0.005

u=1

ed essendo il valore rilevato maggiore di quello critico non si pu rigettare lipotesi che la media si
mantenga costante.
La conclusione diversa da quella che ci aspettavamo. Riteniamo infatti che lusura sia
responsabile della deriva della media, ma il test non ci permette di escludere che la media si
mantenga costante.
Il problema che la numerosit del campione bassa e pertanto il test avrebbe messo in
rilievo la deriva della media solo se essa fosse stata molto elevata.
In tale situazione possiamo seguire due vie e cio accettare o rigettare i risultati del test; in
pratica assumere che:
a) la dimensione non influenzata dallusura (accettare i risultati del test);
b) la dimensione influenzata dallusura.
Se accettiamo questultima ipotesi facciamo una scelta in accordo con la nostra esperienza,
ma non convalidata dai risultati del test. Una tale scelta non sarebbe razionale e corriamo il
rischio di eseguire un intervento sbagliato.
Poich siamo convinti che lusura influenza la dimensione misurata, lunica via possibile
quella di aumentare la dimensione del campione.
Supponiamo di aver prelevato non dieci ma quaranta campioni di numerosit quattro. I dati

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo II Carte di controllo
pag 4

sono riportati nella seguente Tab. 2-3 (i dati vanno letti per righe).
4.939 4.949
4.965 4.934
5.007 4.990
4.970 4.983

4.957
4.960
4.990
4.993

4.958
4.958
4.988
4.967

4.954
4.964
5.003
4.960

4.925
4.973
4.964
4.993

4.960
4.986
5.004
4.987

4.980
4.973
4.981
5.016

4.968
4.985
4.998
4.987

4.959
4.949
4.969
5.014

Tab. 2-3
Ordinati i dati in ordine crescente il 20-esimo e 21-esimo valgono rispettivamente 4.970 e 4.973
e pertanto si assume come mediana il loro valore medio 4.9715. Si riportano quindi i dati e la
mediana in un diagramma. Se alcuni fossero stati uguali alla mediana occorreva assegnarli alle
due classi di punti sopra e sotto la stessa in modo da aumentare il numero di sequenze.

5.02
5.01
5
4.99
4.98
4.97
4.96

Med

4.95
4.94
4.93
4.92
0

10

20

30

40

50
Fig. 2-1c

Nella figura si contano N 12 sequenze (sei sopra e sei sotto la mediana).

Dalla Tab. 2-1a si rileva che per m=n=20 la probabilit di ottenere dodici, o meno, sequenze
di circa 0.005. Se riteniamo che tale valore di probabilit basso, e generalmente si ammette che
lo sia, allora il test permette di rigettare lipotesi che la media costante. In caso contrario tale
ipotesi non si pu rigettare.
I diagrammi ottenuti sono molto utili perch consentono di mettere in luce diverse anomalie;
possiamo renderli pi potenti mezzi di indagine cio tali che possano pi facilmente indicare delle
situazioni anomale.
Sullo stesso diagramma tracciamo oltre alla linea media, altre due rette orizzontali, chiamate
limite superiore di controllo (LSC) e limite inferiore di controllo (LIC), determinate in modo che, se
sul processo operano solo fattori random, la probabilit P che un punto cada sopra il limite
superiore di controllo o sotto quello inferiore sia un valore prefissato. Diremo che il processo in
controllo (statistico) se i punti cadono tra i due limiti.
Generalmente si scelgono quali limiti di controllo i valori: 3 che, se la popolazione
normale, corrispondono ad una probabilit P=0.0013.
Possono utilizzarsi limiti corrispondenti a probabilit diverse e ci in dipendenza delle
conseguenze, generalmente economiche, che derivano dal ritenere un processo in controllo
quando in effetti non lo o, viceversa, dal ritenerlo fuori controllo mentre invece lo .
Questo nuovo diagramma prende il nome di Carta di controllo.
Fondamentalmente possiamo fare due diversi usi della carta di controllo.
Se il processo stato gi studiato a fondo e se tutte le cause di variazione non random sono
controllate, allora la carta viene impiegata per verificare che le procedure messe in atto sono
correttamente applicate e controllare limpatto sul processo produttivo di modifiche di alcuni fattori.

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo II Carte di controllo
pag 5

Una seconda utilizzazione per lanalisi del processo con lo scopo di mettere in luce le cause
di dispersione della variabile.
Comunque, sia per luno che per laltro impiego una carta in cui si riporti il valore medio della
variabile di ogni campione (carta x ) non sufficiente.
Per rendersene conto basta riflettere sul fatto che se la variabilit del processo aumenta,
mantenendosi costante la media, cresce la probabilit che il punto cada fuori dalla fascia di
controllo; questultimo evento viene interpretato come leffetto di un fattore che ha modificato la
media del processo e per cercare di eliminarlo eseguiremmo indagini su quei fattori che fanno
variare la media sprecando, evidentemente, delle risorse.
Dobbiamo quindi, contemporaneamente, costruire una seconda carta che permetta di
controllare la variabilit del processo. A tale scopo le carte che si utilizzano sono la R, la s o, pi
raramente, la s2.
La prima carta da costruire proprio questultima in quanto se la variabilit non in controllo, e
quindi non si pu supporre costante, la carta x non fornisce indicazioni utili.
Se non nota, e per lesempio sviluppato allo stato attuale non lo , occorre stimarla dai dati.
Le carte servono per mettere in evidenza funzionamenti anomali ed in particolare con la carta x
questi sono indicati da un punto fuori della fascia di controllo; se la variabilit stimata pi grande
di quella effettiva, ben difficilmente la carta indicher uno stato di fuori controllo e quindi non servir
allo scopo di miglioramento del processo. pertanto necessario che nella stima della variabilit si
prendano tutti quei provvedimenti che consentano di minimizzare la possibilit di stimare una
variabilit pi grande di quella effettiva.
In particolare abbiamo visto che la variabilit aumenta se si mescolano pi popolazioni e
pertanto occorre fare in modo che i campioni siano prelevati in modo da ridurre una tale
eventualit; quindi, per esempio, nel caso dellutilizzazione di due macchine occorre eseguire un
campionamento stratificato; se la media del processo tende a slittare (per es. usura) ogni pezzo
appartiene ad una diversa popolazione e pertanto occorre che i pezzi costituenti il campione siano
prelevati molto ravvicinati e che la variabilit sia stimata allinterno di ogni campione e non su tutti i
dati; poich per, sempre per la stesso motivo, la dimensione di ogni campione piccola (e quindi
sarebbe piccola la precisione della stima), eseguiremo successivamente la media dei valori
stimati.
Abbiamo precedentemente visto che riportare sul diagramma medie e non valori singoli facilita
la comprensione del processo; mostreremo ora come la carta x permetta di mettere meglio in
luce variazioni della media se si riportano medie. Infatti supponiamo di utilizzare quali limiti di
controllo x 3 x ; dove con x si indicato lo scarto quadratico medio della variabile che si
riporta sulla carta; pertanto nel caso di valori singoli sar , quella della popolazione, mentre nel
caso di una media di n valori sar n . Supponiamo di aver scelto n=4 e che la media della
popolazione aumenti di ; poich la media campionaria ha media pari a quella della popolazione,
sulle due carte avremo lo stesso slittamento; tuttavia mentre sulla carta dei valori singoli la nuova
media dista di 2 dal LSC e la probabilit che il punto cada sopra di questo (la probabilit che
cada sotto il LIC praticamente nulla) pari a P=0.0228, sulla carta delle medie tale distanza di
0.5 e la probabilit vale P=0.3085. Pertanto una carta x tanto pi capace di rilevare variazioni
nella media del processo quanto pi numerosi sono i campioni.
Abbiamo visto, daltra parte, che laumento della numerosit dei campioni pu portare a stime
della variabilit pi grande di quella effettiva, con conseguente diminuzione della sensibilit della
carta. Si ritiene che un ottimo compromesso sia rappresentato dal prelievo di campioni di
numerosit 4 o 5. Tuttavia niente esclude che, se ne ravvisiamo la necessit, si prelevino campioni
di dimensione diversa.
Il comportamento di una carta messo in luce dalla curva CO, Caratteristica Operativa, in cui si
riporta, al variare della media, la probabilit di ritenere il punto in controllo.
Si deve tuttavia rilevare che giudicare un processo in controllo o meno esclusivamente dal fatto
che i punti cadano entro o fuori la fascia di controllo non sufficiente. Tuttavia la carta pu
facilmente indicarci delle situazioni di fuori controllo e nel seguito verranno riportati alcuni esempi.
Se il processo subisce una modifica tale che si dimezza lo scarto quadratico medio mentre la
media aumenta di 1.5 volte il vecchio valore di x , i nuovi dati si troveranno tra la LM ed il LSC,
ma nessuno fuori la fascia di controllo. Una tale eventualit quindi evidenziata dal fatto che tutti i
nuovi punti sono sopra la linea media.
Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo II Carte di controllo
pag 6

Se la carta stata costruita con campioni appartenenti a due popolazioni otteniamo uno scarto
quadratico medio pi elevato di quello effettivo; durante luso della carta si possono verificare due
casi e cio:
- ogni campione contiene pezzi appartenenti ad una delle due popolazioni. In tal caso nella carta
della media i punti oscillerebbero addensandosi attorno ai valori medi delle due popolazioni ed
avremmo pochi punti in prossimit della linea media della carta. Nella carta per la variabilit, per
esempio quella del Range, i punti si addenserebbero attorno alla linea media.
- se ogni campione contiene pezzi delle due popolazioni nessuna delle due carte darebbe in modo
chiaro un segnale di fuori controllo. Tuttavia se tracciamo una carta ausiliaria dei valori singoli
questa ci potrebbe dare linformazione dellanomalia in quanto i punti tenderebbero ad addensarsi
attorno alle due medie.
Questultimo diagramma ausiliario utile anche quando, rilevando un punto fuori controllo sulla
carta x , si vuole controllare se ci dovuto ad un solo valore anomalo o se invece tutte le misure
sono variate.
Abbiamo detto che un punto esterno alla fascia di controllo, essendo bassa la probabilit di un
tale evento, una indicazione di fuori controllo. Anche altre configurazioni sistematiche, avendo
anchesse bassa probabilit, sono indicazioni di un fuori controllo. Le seguenti figure mostrano
alcuni andamenti anomali.
La Fig. 2-2a mostra una carta di controllo relativa ad un processo che ha subito un brusco
slittamento della media.
5.05
X
5.04
5.03
5.02
5.01
5
4.99
4.98
4.97
0

10

15

20

25
Fig. 2-2a

5.2
X

5.15

LSC

5.1
5.05

LM

5
4.95

LIC

4.9
4.85
4.8
0

10

15

20

25
Fig. 2-2b

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo II Carte di controllo
pag 7

Landamento dei punti di Fig. 2-2b si ottiene quando il processo ha una variazione per
effetto, per esempio, di variazioni delle materie prime, operai, di modifiche del progetto.

5.08
X

5.06
5.04
5.02
5
4.98
4.96
4.94
4.92
0

10

15

20

m 25
Fig. 2-2c

Landamento riportato in Fig. 2-2c si ottiene quando si miscelano popolazioni diverse. In questo
caso la variabilit stimata pi grande di quella che si sarebbe ottenuta con campioni di una sola
popolazione e pertanto i punti sono entro la fascia di controllo; i dati relativi ai singoli campioni
tendono ad addensarsi attorno alle rispettive medie.
X

5.2
5.15

LSC

5.1
5.05
LM

5
4.95
4.9

LIC

4.85
4.8
4.75
0

10

15

20

25
Fig. 2-2d

La Fig. 2-2d mostra che i punti si addensano attorno alla linea media; tale situazione, indicata
con stratificazione, si verifica quando i limiti di controllo sono calcolati in maniera errata.
La Fig. 2-2e caratteristica di un processo che oscilla. Le oscillazioni si possono verificare in
seguito a cambio turno, materiali, etc.

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo II Carte di controllo
pag 8

5.2
X
5.15
5.1
5.05
5

LM

4.95
4.9
4.85
4.8
0

10

15

20

25
Fig. 4-2e

Altri test, facilmente eseguibili, sono quelli sulle zone.

Sempre nellipotesi di processo normale e che i limiti siano posti a x 3 x , si suddivisa la
fascia di controllo in sei zone di ampiezza x ed indicate con A, B e C e si sono individuate
alcune configurazioni che hanno, approssimativamente, la stessa probabilit di ottenere un punto
sopra o sotto la fascia di controllo (0.00135). Tali probabilit si calcolano facilmente tenendo conto
che la probabilit che un punto cada al di sopra della zona B 0.0228, che cada al di sopra della
zona C 0.1587 e che sia sopra o sotto la media 0.5.
A

A
B

C
C

B
A

10

20

10

Fig. 2-3a

20

Fig. 2-3b

A
C

B
C

B
A

10

20
Fig. 2-3c

Tali configurazioni, indicate nelle Fig. 2-3ac, sono:

Fig. 2-3a: due punti su tre (consecutivi) al di sopra della zona B; la probabilit che ci si verifichi
per un processo in controllo :
P = 30.02282(1-0.0228) = 0.001524.
Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo II Carte di controllo
pag 9

Fig. 2-3b: quattro punti su cinque al di sopra della zona C (P=0.0027).

Fig. 2-3c: sette punti dalla stesso lato della media (P= 0.57 =0.0078).
Ulteriori regole, che consentono di rilevare slittamenti della media di un processo, sono le
seguenti:
a) su 11 punti consecutivi
b) su 14 punti consecutivi
c) su 17 punti consecutivi
d) su 20 punti consecutivi

almeno 10 sono dallo stesso lato della media;

almeno 12 sono dallo stesso lato della media:
almeno 14 sono dallo stesso lato della media;
almeno 16 sono dallo stesso lato della media.

Infine regole molto utilizzate sono quelle sulle sequenze in salita o discesa. Tra queste la pi
utilizzata : se in otto punti consecutivi si rileva una crescita (o decrescita) il processo fuori
controllo.
Torniamo allesempio. Per illustrare la costruzione delle carte potremmo utilizzare i dati della
Tab. 2-2, ma occorrono pi campioni di quelli disponibili (almeno cento dati e cio venticinque
campioni di numerosit quattro o venti di numerosit cinque). Pertanto supporremo di eseguire un
nuovo campionamento prelevando 30 campioni di numerosit quattro. I dati sono riportati nella
seguente Tab. 2-4.
Riporteremo sulla carta le medie di quattro valori e pertanto per calcolare i limiti di controllo
dobbiamo stimare lo scarto quadratico medio di tale variabile. Poich x = x
n basta stimare
x. Utilizzeremo la carta R. Come si detto la variabilit va stimata allinterno di ciascun campione
e nella tabella sono riportati i valori del Range di ogni campione.
Per disegnare la carta occorre calcolare linea media e limiti di controllo.
La linea media semplicemente la media dei valori di R dei trenta campioni. In base ai dati
otteniamo:

R = 0.0646.
Per il calcolo dei limiti di controllo si utilizza la T 2-2 nella quale, per ogni numerosit dei
campioni, troviamo i due valori D3 e D4.
Si ha (n=4):
LIC = D3 R = 0

LSC = D4 R = 2.2820.0646 = 0.1474

Possiamo pertanto costruire la carta R, Fig. 2-4, che mostra tutti i punti in controllo.
0.16

0.14

LSC

0.12
0.1
0.08
0.06

LM

0.04
0.02
0
0

10

20

30

40

50
Fig. 2-4

Dobbiamo utilizzare altri test ed in particolare quelli sulle sequenze. A tale scopo ordiniamo i
valori in ordine crescente. Il quindicesimo ed il sedicesimo valore valgono rispettivamente 0.056 e
0.060; prendiamo come valore della mediana 0.058. Indicando con la lettera a i dati al di sotto
della mediana e con la b quelli al di sopra, la sequenza dei dati si pu scrivere:

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo II Carte di controllo
pag 10

aabaababaaaaabbbabbbabbbbbaaab
Il numero totale di sequenze 14 ed essendo r = s = 15 la Tab. 2-1a mostra che la probabilit
di ottenere 14 sequenze maggiore di 0.05; concludiamo, quindi, che non ci sono elementi per
rigettare lipotesi che il campione sia random. Possiamo allora progettare la carta x . Linea media
e limiti di controllo valgono:
x=

N = 4.9769

LIC = x A2 R = 4.9769-0.729.0646=4.9298
LSC = x + A2 R = 5.234
Anche i valori di A2 sono riportati nella T 2-2 (n = 4).
X

5.03
5.02
5.01
5
4.99
4.98
4.97
4.96
4.95
4.94
4.93
4.92

med

LSC

LM

LIC

10

15

20

25

30

35 m 40
Fig. 2-5

La carta riportata in Fig. 2-5. Essa mostra che tutti i punti sono interni alla fascia di controllo,
ma si rileva che si hanno sette punti consecutivi (1420) sopra la linea media; la probabilit che
ci si verifichi 0.0078 e pertanto non si pu ritenere il processo in controllo.
Se si individua una condizione di fuori controllo dobbiamo individuarne le cause.
chiaro, da quanto detto sin qui, che la causa lusura dellutensile; di tale fatto avremmo
potuto accorgerci pi rapidamente se quando abbiamo prelevato i dati avessimo annotato tutte le
variazioni intervenute nel processo dallultimo campione prelevato (cambio utensile, operaio, etc.).
Individuata la causa del fuori controllo possiamo intervenire sul processo apportando le
opportune modifiche.
Si decide pertanto di:
-

sostituire con maggior frequenza lutensile;

utilizzare utensili di un solo fornitore;
modificare le condizioni di taglio, o il tipo di utensile, in modo da ridurre lusura;
annotare durante la raccolta dei dati le variazioni intervenute nel processo.

Modificato il processo si continua la raccolta dei dati prelevando sempre campioni di

numerosit n=4 ogni venti pezzi.
I dati relativi ai primi venticinque campioni sono riportati nella Tab. 2-5.
Progettiamo quindi le due carte cominciando dalla carta R.
Si ha:

R = 0.04492.
LIC = D3 R = 0

LSC = D4 R = 2.2820.04492 = 0.1025

La carta riportata in Fig. 2-6.

Tutti i punti sono in controllo e non si notano anomalie che possano far pensare ad un fuori
controllo. Il test sulle sequenze conferma questultima osservazione.
Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo II Carte di controllo
pag 11

0.12

0.1
LSC
0.08
0.06
0.04

LM

0.02
0
0

10

15

20

25

m 30
Fig. 2-6

Si progetta quindi la carta x .

Eseguendo i calcoli risulta:

x = x N = 4.9785
LIC = x A 2 R = 4.9785 - 0.7290.04492=4.9458
LSC = x + A2 R = 5.0112

5.02

X med

5.01

LSC

5
4.99
LM

4.98
4.97
4.96

LIC

4.95
4.94
0

10

15

20

25

m 30
Fig. 2-7

La carta x , Fig. 2-7, non indica che sono attivi fattori non random e ci anche confermato dal
test sulle sequenze. Possiamo quindi concludere che il processo in controllo. In verit
laffermazione che non sono attive cause non random non esatta; ci che pu affermarsi che i
fattori che provocano variazioni non random sono ben controllati, pertanto le variazioni che
inducono sul processo produttivo sono trascurabili e non conviene, allo stato, intervenire in modo
da controllarli.
Queste due carte possono essere utilizzate per il controllo del processo e cio, come abbiamo
detto, per controllare che le procedure fissate siano messe correttamente in atto e verificare
eventuali variazioni del processo in seguito a modifiche di qualche fattore.
Una volta che si verificato che il processo in controllo e che si mantiene tale, possiamo
eseguire una seconda verifica e cio se esso idoneo ad essere utilizzato per produrre i pezzi
con le richieste tolleranze.
Un tale studio prende il nome di Analisi di capacit.
Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo II Carte di controllo
pag 12

m=n
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

P
0.005
1
2
3
3
4
5
5
6
7
7
8
9
10
11
11
12
13
14
14
15
16
17
18
19
19
20
21
22
23
24
24
25

P0.05 m=n
3
3
4
5
6
6
7
8
9
10
11
11
12
13
14
15
16
17
17
18
19
20
21
22
23
24
25
25
26
27
28
29

37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68

P
0.005
26
27
28
29
29
30
31
32
33
34
35
36
36
37
38
39
40
41
42
42
43
44
45
46
47
48
49
50
50
51
52
53

P0.05 m=n
30
31
32
33
34
35
35
36
37
38
39
40
41
42
43
44
45
45
46
47
48
49
50
51
52
53
54
55
56
57
58
58

69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100

P
0.005
54
55
56
57
58
57
59
60
61
62
63
64
65
66
67
67
68
69
70
71
72
73
74
75
76
76
77
78
79
80
81
82

P0.05
59
60
61
62
63
64
65
66
67
68
69
70
71
72
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
87
88

T 2-1a - Valori critici del numero delle sequenze sopra e sotto la mediana
per due livelli di probabilit: P0.005 e P0.05.

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo II Carte di controllo
pag 13

m\n
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

6
2
2
3
3
3
3
3
3
4
4
4
4
4
4
4

9 10 11 12 13 14 15 16 17 18 19 20

3
3
3
3
4
4
4
4
4
5
5
5
5
5

3
3
4
4
4
5
5
5
5
5
6
6
6

4
4
5
5
5
5
6
6
6
6
6
7

5
5
5
5
6
6
6
7
7
7
7

5
6
6
6
7
7
7
7
8
8

6
6
7
7
7
8
8
8
8

7
7
7
8
8
8
9
9

7
8 8
8 9 9
8 9 9
9 9 10
9 10 10
9 10 10

10
10 11
10 11 11
11 11 12 12

T 2-1b - Valori critici del numero di sequenze per P0.005

m/n
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

6
3
4
4
4
5
5
5
5
5
6
6
6
6
6
6

9 10 11 12 13 14 15 16 17 18 19 20

4
4
5
5
5
6
6
6
6
6
7
7
7
7

5
5
6
6
6
6
7
7
7
7
8
8
8

6
6
6
7
7
7
8
8
8
8
8
9

6
7 7
7 8 8
8 8 9 9
8 8 9 9
8 9 9 10
8 9 10 10
9 9 10 10
9 10 10 11
9 10 10 11
9 10 11 11

10
10
11
11
11
12
12

11
11
11
12
12
12

11
12
12
13
13

12
13 13
13 14 14
13 14 14 15

T 2-1c - Valori critici del numero di sequenze per P0.05

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo II Carte di controllo
pag 14

n
10
20
30
40
50

n
4
5
6
7
8
9
10
11
12
13
14
15
20
40
60
80
100
200
500
1.000
5.000

0.05 0.01 0.001

5
--7
8
9
8
9
-9
10
12
10
11
--

Seq.
4
5
5
6
6
6
6
6
6
6
6
6
7
7
7
7
8
8
8
9
9

Prob.
.0028
.0004
.0028
.0004
.0007
.0011
.0014
.0018
.0021
.0025
.0028
.0032
.0006
.0015
.0023
.0032
.0005
.0010
.0024
.0005
.0025

T 2-1d - Valori critici della lunghezza delle

sequenze dai due lati della mediana

Seq
4
4
4
4
4
5
5
5
5
5
5
5
5
6
6
6
6
7
7
7
8

Prob.
.0028
.0165
.0301
.0435
.0567
.0099
.0122
.0146
.0169
.0193
.0216
.0239
.0355
.0118
.0186
.0254
.0322
.0085
.0215
.0428
.0245

T 2-1e - Valori limite delle lunghezze delle sequenze in salita o discesa

in una serie di n numeri

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo II Carte di controllo
pag 15

numero
di
oss. n
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

Carte per la media

Fattori per
Limiti di Controllo
A
A2
A3
2.121
1.732
1.500
1.342
1.225
1.134
1.061
1.000
0.949
0.905
0.866
0.832
0.802
0.775
0.750
0.728
0.707
0.688
0.671
0.655
0.640
0.626
0.612
0.600

1.880
1.023
0.729
0.577
0.483
0.419
0.373
0.337
0.308
0.285
0.266
0.249
0.235
0.223
0.212
0.203
0.194
0.187
0.180
0.173
0.167
0.162
0.157
0.153

2.659
1.954
1.628
1.427
1.287
1.182
1.099
1.032
0.975
0.927
0.886
0.850
0.817
0.789
0.763
0.739
0.718
0.698
0.680
0.663
0.647
0.633
0.619
0.606

Carte per la Deviazione Standard

Fattori per
Lin. Med
Limiti di Controllo
c4
B3
B4
B5
B6
.7979
.8862
.9213
.9400
.9515
.9594
.9650
.9693
.9727
.9754
.9776
.9794
.9810
.9823
.9835
.9845
.9854
.9862
.9869
.9876
.9882
.9887
.9892
.9896

0
0
0
0
0.030
0.118
0.185
0.239
0.284
0.321
0.354
0.382
0.406
0.428
0.448
0.466
0.482
0.497
0.510
0.523
0.534
0.545
0.555
0.565

0
0
0
0
0.029
0.113
0.179
0.232
0.276
0.313
0.346
0.374
0.399
0.421
0.440
0.458
0.475
0.490
0.504
0.516
0.528
0.539
0.549
0.559

2.606
2.276
2.088
1.964
1.874
1.806
1.751
1.707
1.669
1.637
1.610
1.585
1.563
1.544
1.526
1.511
1.496
1.483
1.470
1.459
1.448
1.438
1.429
1.420

1.128
1.693
2.059
2.326
2.534
2.704
2.847
2.970
3.078
3.178
3.258
3.336
3.407
3.472
3.532
3.588
3.640
3.689
3.735
3.778
3.819
3.858
3.895
3.931

.8865
.5907
.4857
.4299
.3946
.3698
.3512
.3367
.3249
.3152
.3069
.2998
.2935
.2880
.2831
.2787
.2747
.2711
.2677
.2647
.2618
.2592
.2567
.2544

Carte per il Range

Fattori per
Limiti di Controllo
d3
D1
D2
0.853
0.888
0.880
0.864
0.848
0.833
0.820
0.808
0.797
0.787
0.778
0.770
0.762
0.755
0.749
0.743
0.738
0.733
0.729
0.724
0.720
0.716
0.712
0.709

0
0
0
0
0
0.205
0.387
0.546
0.687
0.812
0.924
1.026
1.121
1.207
1.285
1.359
1.426
1.490
1.548
1.606
1.659
1.710
1.759
1.804

3.686
4.358
4.698
4.918
5.078
5.203
5.307
5.394
5.469
5.534
5.592
5.646
5.693
5.737
5.779
5.817
5.854
5.888
5.922
5.950
5.979
6.006
6.031
6.058

Caratteristica

Linea centrale

Limiti di Controllo 3

X A3 s

X A2 R
X A

s
T 2-2

3.267
2.568
2.266
2.089
1.970
1.882
1.815
1.761
1.716
1.679
1.646
1.618
1.594
1.572
1.552
1.534
1.518
1.503
1.490
1.477
1.466
1.455
1.445
1.435

Fattori per
Linea Media
d2
1/d2

D3 R

D4 R

d2

D1

D2

B3 s

B4 s

c4

B5

B6

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo II Carte di controllo
pag 16

D3
0
0
0
0
0
0.076
0.136
0.184
0.223
0.256
0.284
0.308
0.329
0.348
0.364
0.379
0.392
0.404
0.414
0.425
0.434
0.443
0.452
0.459

D4
3.267
2.575
2.282
2.115
2.004
1.924
1.864
1.186
1.777
1.744
1.716
1.692
1.671
1.652
1.636
1.621
1.608
1.596
1.586
1.575
1.566
1.557
1.548
1.541

Nr
x1

1
2
3
4
5
6
7
8
9
10
4,920 4,980 5,030 4,935 4,978 4,980 4,965 5,022 5,019 4,994

x2
x3

4,935 4,982 4,920 4,966 4,957 4,903 4,973 4,968 5,025 4,996
4,971 4,942 4,983 4,991 4,974 5,031 4,996 4,983 5,029 4,978

x4
4,959 4,962 4,932 4,952 5,000 4,976 4,979 4,962 5,009 4,944
Xmed 4,946 4,966 4,966 4,961 4,977 4,972 4,978 4,984 5,020 4,978
R
0,051 0,038 0,110 0,056 0,043 0,138 0,031 0,060 0,020 0,052
Nr
x1

11
12
13
14
15
16
17
18
19
20
4,972 4,921 4,968 4,940 4,954 4,949 5,010 5,021 4,943 5,001

x2
x3

4,968 4,933 4,935 5,022 4,955 5,041 4,961 4,974 5,049 5,003

4,979 4,951 4,982

x4
4,933 4,959 4,960
Xmed 4,963 4,941 4,961
R
0,046 0,038 0,047

4,940 4,992 4,962 5,011 4,955 4,937 5,069

5,014 5,021 4,995 5,009 4,966 5,032 5,015
4,979 4,981 4,987 4,998 4,979 4,990 5,022
0,082 0,067 0,092 0,050 0,066 0,112 0,068

Nr
x1

21
22
23
24
25
26
27
28
29
30
4,954 4,942 5,001 5,020 4,999 4,967 4,991 5,020 4,976 5,012

x2
x3

4,949 4,976 5,017 5,028 4,965 4,931 4,957 4,998 4,981 5,023
4,992 4,913 4,945 4,926 4,998 4,993 5,006 4,972 5,009 4,963

x4
4,960 4,911 4,904 4,956 4,930 4,950 4,972 4,977 5,004 5,050
Xmed 4,964 4,936 4,967 4,983 4,973 4,960 4,981 4,991 4,992 5,012
R
0,043 0,065 0,113 0,102 0,069 0,062 0,049 0,048 0,033 0,087

Nr
x1

U 2
3
4
5
6 U 7
8
9
4.948 4.992 4.964 4.965 5.000 4.965 4.971 4.963 4.984

x2
x3

4.983 4.986 4.976 4.989 4.964 4.933 4.973 4.991 4.964

x4

4.974 4.956 4.982 4.984 5.015 4.955 5.011 4.980 4.962

x
R
Nr
x1

4.964 4.981 4.963 4.981 4.997 4.983 4.951 4.956 5.002

4.967 4.979
0.035 0.036
10 U 11
4.979 4.966

4.971 4.980
0.019 0.024
12
13
4.989 5.011

4.994
0.051
14
5.011

4.959 4.977
0.050 0.060
15 U 16
5.010 5.001

4.973 4.978
0.035 0.040
17
18
4.961 4.985

x2
x3

4.990 4.999 4.971 4.975 4.992 4.994 4.962 4.948 5.033

x4

4.979 4.963 4.986 4.973 4.980 5.025 4.939 4.990 4.984

x
R
Nr
x1

4.977 4.959 4.934 4.967 4.995 4.982 4.964 4.985 4.940

4.981 4.972
0.013 0.040
19
20 U
4.968 4.980

4.970 4.981
0.055 0.044
21
22
4.926 4.975

4.995
0.031
23
4.973

5.003 4.966 4.971 4.985

0.043 0.062 0.042 0.093
24
25T,U
5.024 4.981

x2
x3

4.996 4.995 4.988 4.987 4.959 4.946 4.954

x4

4.981 5.007 4.968 4.961 4.999 5.003 4.934

4.982 5.004 4.964 4.980 4.979 4.989 4.963

0.028 0.055 0.062 0.038 0.040 0.078 0.049

Tab. 2-4

4.982 5.035 4.973 4.999 4.986 4.983 4.983

Annotazioni:
U cambio utensile
R rottura utensile

T cambio turno
G variazioni nel grezzo

Tab. 2-5

altro: specificare

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo II Carte di controllo
pag 17