Capitolo IV

CARATTERISTICA OPERATIVA DI UNA CARTA DI CONTROLLO

Abbiamo mostrato come possano utilizzarsi le carte di Shewhart per il controllo di un processo
ed accennato al fatto che le sue propriet sono illustrate da una curva chiamata Caratteristica
Operativa (CO).
Supponiamo di avere un processo e, raccolti un numero sufficiente di campioni di numerosit
n, di aver progettato la carta di controllo di Shewhart. In essa la linea media sar data da ed i
limiti di controllo, utilizzando gli usuali limiti 3 x , saranno riportati in corrispondenza delle
ordinate 3 x
Supponendo di aver rilevato, utilizzando i test illustrati, che il processo in controllo, la carta
pu utilizzarsi per verificare se nel futuro il processo si mantiene in uno stato di controllo. Sia x
leffettivo valore medio a cui il processo opera.
In tali condizioni la probabilit che un punto cada fuori della fascia di controllo (distribuzione
normale), quando la varianza della popolazione si mantiene costante, 0.0027. Supponiamo ora
che in un certo istante la media del processo si sposti bruscamente da al valore , mentre si
mantiene costante la varianza; vogliamo sapere la probabilit di accorgerci di tale variazione della
media nel primo campione collaudato; in pratica vogliamo conoscere la probabilit che il primo
punto rilevato cada fuori dalla fascia di controllo (o che cada internamente alla fascia di controllo).
A tale scopo, sempre nellipotesi di distribuzione normale, basta calcolare la probabilit che,
prelevando un campione di numerosit n da una popolazione con media , la media x delle n
misure sia esterna allintervallo LICLSC. Per determinare tale probabilit si calcolano le variabili
normali standardizzate:
z L = (LIC-)/ x
z U = (LSC-)/ x
e dalle tavole della cumulata della distribuzione normale standard si determina larea al di sopra di
z U e al di sotto di zL; la somma delle due aree d la probabilit cercata e cio la probabilit che il
dato sia esterno alla fascia di controllo. Evidentemente il complemento ad uno della probabilit
cos calcolata la probabilit che il punto sia interno alla fascia di controllo e quindi la probabilit
di non accorgerci che la media del processo si spostata da a .
1
0.9
0.8

Pa
n=2
4
6

0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
4.8

4.9

5.1

5.2

Fig. 4-1
La caratteristica operativa un diagramma in cui riportiamo in ascisse la media del processo
ed in ordinate la probabilit di non accorgerci che la media variata.
Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo IV Caratteristica operativa
pag 1

La Fig. 4-1 riporta la CO della carta di Shewhart di Fig. 2.7.

Nella stessa figura sono riportate le CO per altre due numerosit dei campioni.
Poich la distribuzione la normale, la curva simmetrica rispetto alla media.
La CO non tiene conto degli altri criteri indicati per mettere in luce andamenti anomali ed in
particolare dei test sulle sequenze e delle zone. evidente che lutilizzazione di tali test aumenta
la capacit di rilevare situazioni di fuori controllo, ma anche la probabilit di falsi allarmi.
Un altro parametro che consente di valutare la capacit di una carta di mettere in luce un fuori
controllo del processo, strettamente legato alla CO, la lunghezza media della sequenza, ARL,
data, per ogni valore dello scarto = (-), dal valore atteso del numero di dati da riportare sulla
carta perch il punto cada fuori della fascia di controllo. Si dimostra facilmente che tale valore
atteso dato da:
ARL() = 1/(1-Pa)
Infatti la probabilit di rilevare una variazione della qualit esattamente alln-esimo campione vale
pqn-1 avendo posto p=(1-Pi) e q=(1-p) (P i ordinata della CO) e pertanto il valore medio del numero
di punti da riportare sulla carta prima di accorgerci della variazione vale:

ARL =

r p q r 1 = p r q r 1

r =1
r =1
r

Poich i= 0 q =1/(1-q) =1/p, differenziando ambedue i termini rispetto a q si ha:

2
r 1
2

= 1 ( 1 q) = 1 p

r q

r =1

e pertanto:
ARL = 1/p= 1/(1-Pa)
La curva ARL per la carta di Fig. 2.7 riportata nella Fig. 4-2.

1000
ARL
n=

100

2 4 8

10

1
4.9

Fig. 4-2
Nella stessa figura sono riportate le curve ARL per n=2 e 6; essendo i limiti sempre x 3, il
valore di ARL in corrispondenza della media sempre lo stesso (ARL=1/0.0027=370); se
diverso dal valore medio, ARL aumenta al diminuire della numerosit del campione.
Evidentemente anche questa curva simmetrica rispetto a .
Landamento della caratteristica operativa e dalla ARL dipende dalla posizione dei limiti e dalla
numerosit dei campioni.
Dallesame delle figure risulta evidente il ruolo giocato dalla numerosit del campione nel
rilevare uno slittamento della media ed in particolare come la probabilit di accorgerci della
variazione aumenti con la dimensione del campione.

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo IV Caratteristica operativa
pag 2

Il valore di Pa per =0 minore di 1 e dipende dalla posizione dei limiti di controllo; dobbiamo
pertanto aspettarci anche dei falsi allarmi. Se i limiti sono posti a 3 x la probabilit che ci
avvenga 0.0027 e cio mediamente 2.7 falsi allarmi ogni mille punti riportati. Restringendo la
fascia di controllo aumenta sia la probabilit di rilevare la variazione sia quella di avere falsi allarmi.
La CO indica la probabilit di non rilevare il fuori controllo nel primo campione prelevato dopo
che si verificata la variazione nella media del processo.
Possiamo chiederci quale sar la probabilit di rilevare la variazione nei due campioni
successivi alla variazione. Se, per semplicit, poniamo Pa=p e q=1-p, la probabilit di rilevare il
fuori controllo esattamente nel secondo campione data da: p(1-p)=pq (in generale la probabilit
di accorgerci del fuori controllo esattamente alln-esimo campione vale pn-1q); pertanto la
probabilit di rilevare il fuori controllo nel primo o nel secondo campione vale q+pq.
Se supponiamo di mantenere costante il numero di pezzi controllati per unit di tempo, per
esempio 8 pezzi allora, possiamo collaudare un campione di otto pezzi prelevati ogni ora o due di
quattro prelevati ogni mezzora o, infine, quattro di due prelevati ogni quindici minuti. La probabilit
di accorgerci in unora (e quindi con un campione di otto pezzi, con due di quattro o con quattro di
due) di uno slittamento della media nei tre casi mostrata nella Fig. 4-3; poich la curva relativa
ad un unico campione di otto pezzi pi bassa delle altre due, concludiamo che pi
conveniente utilizzare campioni pi numerosi anche se pi lontani nel tempo.

1
Pa
0.8
n=2

0.6
0.4
0.2
0
0

0.5

1.5

/ 2.5
Fig. 4-3

Utilizzando la curva ARL possiamo eseguire un altro confronto ed in particolare calcolare la

permanenza del sistema nello stato di fuori controllo.
1000
Tm
n=2

100

10

0.1
0

0.5

1.5

2.5

Fig. 4-4

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo IV Caratteristica operativa
pag 3

Supponiamo che la variazione della media sia avvenuta subito dopo aver prelevato un
campione.
Il tempo medio di permanenza nello stato di fuori controllo (Tm) dato dal prodotto
dellintervallo di tempo tra due successivi campioni e del valore atteso del numero di campioni per
il rilievo del fuori controllo (dalla curva ARL).
In Fig. 4-4 riportato landamento del tempo medio di permanenza nei tre casi prima indicati.
Essa mostra che la convenienza di ogni tipo di campionamento dipende dallentit dello
slittamento . Se ci aspettiamo che molto piccolo o molto grande allora pi conveniente
avere campioni poco numerosi (prelevati ad intervalli di tempo piccoli), altrimenti pi conveniente
avere campioni di grosse dimensioni prelevati con bassa cadenza.

Un fattore importante, per decidere la dimensione dei campioni, la posizione dei limiti di
tolleranza.
Per fissare le idee supponiamo che gli indici di capacit del processo Cp e Cpk siano ambedue
uno (la media del processo coincide con il valore medio del campo di tolleranza).
Supponiamo, inoltre, che la caratteristica sia distribuita normalmente e che la media subisca
uno slittamento che rimane costante finch non rilevato (questultima ipotesi stata gi fatta
implicitamente nelle precedenti analisi).
Il numero totale di pezzi difettosi prodotti, dallistante in cui si avuto lo slittamento della
media fino al suo rilievo e correzione, proporzionale al prodotto del tempo atteso di permanenza
nello stato di fuori controllo (Tm) per la frazione di difettosi (p%).
Nella Fig. 4-5, in cui riportato il prodotto Tmp%, mostra cosa succede al variare della
numerosit del campione quando costante il numero totale di pezzi controllati nellunit di
tempo. Le curve indicano, anche in questo caso, che sono pi convenienti campioni poco
numerosi prelevati a frequenza elevata se lo slittamento molto piccolo o molto grande.
1
%
n=2 4 8
0.1

0.01
0

0.5

1.5

2.5

Fig. 4-5
I confronti appena eseguiti sono parziali in quanto abbiamo fatto variare un parametro per volta;
per la progettazione della carta possibile tenere, contemporaneamente, conto dei diversi aspetti
illustrati. Generalmente ci si prefigge un obiettivo economico (minimo costo) e si determinano i tre
parametri da cui dipende lefficacia di una carta: la posizione dei limiti, la numerosit dei campioni
e la frequenza di campionamento. Il valore ottimo dei parametri dipende:
- dalla legge, probabilistica, con cui il processo va fuori controllo (che pu stimarsi analizzando i
dati passati) e dallentit dello slittamento della media.
- dalla struttura dei costi,
- dalla politica di gestione del sistema.

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo IV Caratteristica operativa
pag 4