Capitolo III

A NALISI DI CAPACIT

Per eseguire lanalisi di capacit del processo dobbiamo inizialmente prelevare un campione
abbastanza numeroso (almeno cinquantacento dati) e determinare la distribuzione della variabile.
Poich cause comuni possono sempre essere attive, in particolare uno slittamento della
media, per ridurne leffetto necessario che i dati siano presi in sequenza.
Supponiamo che i dati raccolti siano quelli della Tab. 3-1 e che siano prelevati da una
distribuzione normale. Ci non perch abbiamo una particolare preferenza per tale distribuzione,
ma poich sul processo agisce un numero elevato di fattori, il teorema del limite centrale ci
indirizza verso tale distribuzione.
Possiamo seguire diverse procedure; due tra quelle pi utilizzate, una grafica ed una analitica,
saranno di seguito illustrate.

1. Metodo grafico

Probabilit F(x)

Con tale procedura i dati vengono riportati su un grafico di probabilit normale. Se i punti sono
ben approssimati da una retta, si accetta lipotesi che la popolazione sia normale. Possiamo
riportare i punti singolarmente o raggrupparli in classi.
Nel primo caso occorre ordinarli in ordine crescente ed assegnare a ciascuno il numero
dordine (vedi Richiami). Si stima quindi per il punto iesimo la funzione di ripartizione con una delle
espressioni normalmente impiegate, per esempio con:
Fi = (i - 0.5) / N
con i numero dordine ed N numerosit del campione (nel nostro caso 100).
Riportando i dati su un grafico di probabilit normale si ottiene la Fig. 3-1.

Fig. 3-1
La figura mostra che i dati sono ben approssimati da una retta e pertanto concludiamo che non
ci sono elementi per rigettare lipotesi di normalit.
Dalla stessa figura possiamo stimare i parametri della distribuzione. La media corrisponde al
esimo
50
percentile, mentre lo scarto quadratico medio si stima dividendo per due la differenza delle
Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo III Analisi di capacit
pag 1

x corrispondenti alle probabilit P1= 0.841 e P2=0.159. Si ottiene pertanto:

x = 4.955 mm
= [4.977 - 4.935]/2 = 0.021 mm
Tali dati possono essere utilizzati per la stima della capacit del processo ed eventualmente
delle correzioni da apportare.
Questa analisi verr condotta nel seguito.

2. Metodo analitico
2

A tale scopo si utilizza la distribuzione e si segue il seguente procedimento.

a) si stimano dai dati il valore medio e la deviazione standard della popolazione (supposti
incogniti):
x =

xi

n = 4.9566 mm

s=

2
( x i x ) ( n 1) = 0.02091 mm

b) si raggruppa il campione in classi (Tab. 3-2);

Per la prima e lultima classe il limite inferiore e quello superiore sono, rispettivamente, - e + .
La seguente Tab. 3-3 riporta i calcoli.
Limiti classi

zi

zs

(1)

(2)

(3)

(4)

(5)

(6)

- 4.9145
4.9145 4.9270
4.9270 4.9395
4.9395 4.9520
4.9520 4.9645
4.9645 4.9770
4.9770 4.9895
4.9895 +

-
-2.0134
-1.4156
-0.8178
-0.2200
0.3778
0.9756
1.5734

-2.0134
-1.4156
-0.8178
-0.2200
0.3778
0.9756
1.5734
+

0
0.0221
0.0786
0.2060
0.4129
0.6472
0.8355
0.9421

0.0221
0.0786
0.2060
0.4129
0.6472
0.8355
0.9421
1.0000

2.21
7.86
12.74
20.69
23.43
18.83
11.12
5.79

0.86
1.26
1.31
0.57
2.83
0.12
0.31

0.7396
1.5876
1.7161
0.3249
8.0089
0.0144
0.0961
Totale

0.0941
0.1246
0.0829
0.0139
0.0425
0.0013
0.0166
0.7587

Tab. 3-3
Nelle colonne della tabella sono riportati i valori:
z i: limite inferiore standardizzato della classe [Lim. Inf. classe - media]/
z s : limite superiore standardizzato della classe
(1): area sotto la curva normale standard a sinistra di zi
(2): area sotto la curva normale standard a sinistra di zs
(3): area della curva normale standard tra zi e zs [(2)-(1)] moltiplicato il numero di dati (fornisce il
numero di dati che dovrebbero trovarsi nella classe). Poich tale valore non deve essere inferiore a
cinque, le prime due classi sono state riunite in ununica.
(4): differenza (in valore assoluto) tra numero di dati che dovrebbero trovarsi nella classe (3) e
quelli che effettivamente abbiamo trovato.
(5): quadrato di (4)
(6): (5) diviso (3)
La somma della colonna (6) vale 0.7587.
Tale valore va confrontato con il valore della 2, con 7-2-1= 4 gradi di libert, che lascia a
sinistra unarea pari, generalmente, a 0.95.
(Si ricorda che i gradi di libert sono pari al numero delle classi meno uno, meno il numero dei
parametri stimati dai dati; poich nel nostro caso abbiamo stimato dai dati media e scarto
quadratico medio i gradi di libert sono quattro).
Dalle tavole di tale distribuzione leggiamo:
2

4 ,0.95 = 9.4877

Poich il valore calcolato minore del valore tabulare si accetta lipotesi che la popolazione sia
Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo III Analisi di capacit
pag 2

normale (ipotesi nulla).

Ambedue i test ci hanno indicato che, in base ai dati, lipotesi di distribuzione normale non
rifiutabile e pertanto laccetteremo.
Possiamo allora stimare la frazione (o la percentuale) di pezzi difettosi e cio di pezzi le cui
dimensioni sono esterne ai limiti di tolleranza. Essendo i limiti di tolleranza 500.1 mm (si ricorda
che abbiamo supposto di sottrarre da tutti i dati 45 mm), dobbiamo calcolare la probabilit che un
diametro sia esterno allintervallo 50.1 mm.
Se per la verifica della normalit abbiamo utilizzato il metodo grafico, si riportano sul grafico i
limiti di tolleranza e si leggono i corrispondenti valori di probabilit. Dalla Fig. 5.1 in
corrispondenza di x = 4.90 mm si ha P =0.0035, mentre a 5.10 mm corrisponde, praticamente P
= 1. Abbiamo inoltre rilevato che la media del processo 4.955 mm e quindi inferiore al valore
nominale. Se pertanto spostassimo la media (in pratica modifichiamo la posizione dellutensile
arretrandolo di 0.045/2 mm) ridurremmo la frazione di pezzi difettosi perch la quota minore del
LIT. In tali condizioni infatti i limiti di tolleranza corrisponderebbero ai valori:
z i = (4.90 - 5.00)/0.021 = -4.76
zs = (5.10 - 5.00)/0.025 = 4.76
Poich le aree sotto la curva normale standard esternamente a tale intervallo di z sono
praticamente nulle non avremmo difettosi.
Se avessimo utilizzato il metodo analitico avremmo stimato:
x=

xi

n = 4.9566 mm

s=

2
( x i x ) ( n 1) = 0.02091 mm

I valori della normale standard corrispondenti ai limiti del campo di tolleranza sarebbero:
z i = (4.90 - 4.9566)/0.02091 = -2.71
z s = (5.10 - 4.9566)/0.02091 = 6.858
Poich i valori ottenuti praticamente coincidono con quelli stimati dal GPN, le conclusioni sono
identiche.
Si soliti utilizzare degli indici, detti indici di capacit, per avere unidea di come il processo
opera. Il primo indice, indicato con Cp (chiamato anche potenzialit del processo), dato dal
rapporto tra il campo di tolleranza (Toll) e sei volte lo scarto quadratico medio:
Cp = Toll/(6)
Nel nostro caso otterremmo:
- metodo grafico:

C p = 0.2/(60.021) = 1.587

- metodo analitico:

C p = 0.2/(60.0209) = 1.595

Un valore di Cp maggiore di uno indica che il processo adatto per la produzione in quanto, se
la media centrata rispetto al campo di tolleranza, la frazione di difettosi molto piccola. In tale
caso il processo si dice adeguato o idoneo; occorrer sempre tenerlo sotto controllo. Il controllo
sar tanto pi stretto quanto pi il valore prossimo ad uno.
Se invece Cp minore di uno, allora si avranno sicuramente dei pezzi difettosi e per ridurne la
frazione o diminuiamo la variabilit o eseguiamo un collaudo finale che consenta di scartarli.
Lindice Cp, per, indica solo ci che potrebbe accadere, non ci che effettivamente succede in
questo momento nel processo in quanto d la frazione di pezzi difettosi che si otterrebbe se la
media fosse centrata rispetto al campo di tolleranza.
Per verificare come effettivamente stiamo producendo pi utile in altro indice che tiene conto
della effettiva posizione della media del processo (centratura del processo). Si definisce, pertanto,
un indice Cpk dato da:
Cpk = Min[(- LIT)/(3); (LST - )/(3)]
Nel nostro caso si ha:
( x - LIT)/(3) = (4.956 - 4.90)/(30.0209) = 0.893
(LST - x )/(3) = (5.10 - 4.956)/(30.0209) = 2.297

Pertanto C
p k = 0.893 ed essendo minore di uno concludiamo che attualmente il processo
produce difettosi e quindi i pezzi vanno controllati se si vuole ridurne la frazione.

non fornisce sufficienti indicazioni sul processo in quanto

E da rilevare che il solo indice C
pk
dipende sia dal valore medio che dalla Dev. St.
I due processi di fig. 3-2, con:
Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo III Analisi di capacit
pag 3

0.8

0.6
T

0.4
LIT

LST

0.2

Fig. 5-2

A: A =4
A = 0.5
B: B = 2.5 B = 1
LST = 5.5
hanno uguali valori di Cpk (=1); se non si modifica la variabilit del processo, il valore massimo a
cui si pu portare Cpk, spostando la media, pari a Cp; evidente che con il processo A si
potrebbe ottenere un valore molto pi elevato. Congiuntamente i due indici danno invece tutte le
informazioni necessarie.
Per superare tale inconveniente si utilizza, talvolta, lindice:
Cpkm=

Toll
6

in cui la radice quadrata del valore atteso delle deviazioni dal valore nominale T:

2 = E ( x T) 2 = E ( x ) 2 + ( T ) 2 = 2 + ( T ) 2

3. Intervallo di confidenza di Cp
Il valore di C p = Toll/(6s), calcolato con le procedure illustrate, solo una stima puntuale del
valore vero Cp = Toll/(6).
E utile una stima dellintervallo di confidenza di C p .
2

Sappiamo che la variabile ( n 1) s distribuita secondo una chi quadrato con (n-1) gradi
di libert. Lintervallo di confidenza a livello 100(1-)% di si ottiene dalla relazione:

( n 1) s2
2
2

P ( n 1) ,/ 2

( n 1) ,(1 /2 ) = 1
2

e pertanto:

Toll
P
6s

( n 1) , /2
n 1

2
Toll ( n 1) ,(1/ 2 )

= 1
6 6 s
n1

Toll

da cui:

C
p

(2n 1), / 2
n 1

Cp C
p

2(n 1 ), (1 / 2 )
n 1

2
dove , il valore della chi quadrato con gradi di libert che lascia a destra larea .

Con i dati dellesempio (stima analitica) per =0.05 si ha:

1.595 79.361 99 C p 159572
.
128.422 99
Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo III Analisi di capacit
pag 4

e quindi:

1.35Cp1.79

4. Test delle ipotesi su Cp

E possibile che in sede contrattuale il committente richieda che il fornitore dimostri che il
processo idoneo e cio che ne dimostri la capacit.
Il problema pu essere formulato come un test di ipotesi:
H0:
Cp = Cp1 = Cpmax
H1:
Cp = Cp2 = Cpmin
con i relativi rischi e .
Che pu essere ricondotto al test:
H0:
= 1
H1:
= 2
(1 < 2)
Per eseguire il test, una volta che il processo in controllo, si calcola la Dev. St. di un
campione di dimensione n e si confronta con un valore di accettazione sa oppure si calcola
lindice di capacit e si confronta con un valore di accettazione C. La dimensione campionaria ed
il valore di accettazione si determinano con la seguente procedura. La probabilit di accettare
lipotesi nulla :
2
2
Pa = P(s s a) =P( C p C) = P[(n-1)s 2/ (n-1)s a2/ ]
1

Se lo scarto quadratico medio 1 il primo membro della disuguaglianza distribuito secondo

una 2 con (n-1) gradi di libert; ne segue che, dovendo essere pari ad (1-) la probabilit di
accettazione : (n-1)s 2a/21 =2(n-1),(1-) avendo indicato con 2(n-1),(1-) il percentile della 2
con (n-1) gradi di libert.
Analogamente, se vera lipotesi alternativa, si ha:
(n-1)s 2a/22 =2(n-1), = 21/222(n-1),(1-)
Si procede per tentativi cercando sulle tavole della distribuzione 2 i gradi di libert =(n-1) in
modo che 2(n-1), /2(n-1),(1-)=21/22. Noto n, dalla relazione: (n-1)s 2a/21 =2(n-1),(1-), si
determina sa.
La T - 3-4, calcolata utilizzando Excel, riporta alcune dimensioni campionarie n in funzione del
rapporto Cpmax /Cpmin = 2/1 ed i valori critici C/Cpmin per ==0.05 e ==0.1.

C.
Evidentemente la condizione di accettazione del processo C
p
Supponiamo di voler testare lipotesi che sia Cpmax =1.55 con lipotesi che sia Cpmin=1.14 con
rischi ==0.05.
Il rapporto Cpmax /Cpmin vale 1.55/1.14=1.36. Dalla Tab. 3.4 in corrispondenza ai rischi richiesti
troviamo n=60 e C/Cpmin = 1.149.
Prelevato un campione di 60 unit di prodotto si collauda e si calcola la Dev. St.

C = 1.149C
Si accetta lipotesi che sia Cp=1.55 se C
p
pmin = 1.31.

5. Utilizzazione delle carte di controllo

Le tecniche utilizzate per la determinazione degli indici di capacit mettono in luce leffettiva
capacit del processo solo se questo in controllo e si mantiene tale durante il prelievo del
campione. Andamenti ciclici o slittamenti della media potrebbero infatti non essere evidenziati n
dagli istogrammi n dal grafico di probabilit e pertanto i valori degli indici di capacit ottenuti
sarebbero pi piccoli di quelli reali.
Quindi unanalisi di capacit pu condursi solo dopo il raggiungimento e la permanenza in uno
stato di controllo.
Se quindi necessario verificare con le carte che il processo in controllo, allora possiamo
utilizzare queste per calcolare gli indici di capacit.

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo III Analisi di capacit
pag 5

Con i dati dellesempio sviluppato precedentemente nel Cap. II (Fig. 2-6 e 2-7) abbiamo
determinato:
x = 4.9785
R = 0.04492
ed essendo la dimensione dei campioni n=4, nella T 2-2 leggiamo 1/d2=0.4857; si ha quindi:
= 0.044920.4857 = 0.0218
Risulta pertanto:

C p = 0.2/(60.0218) = 1.529
= ( x - LIT)/(6s) = (4.9785 - 4.90)/(30.0218) = 1.2
C
pk
Gli indici di capacit consentono di calcolare la frazione di pezzi difettosi solo se conosciamo
la distribuzione; nellesempio abbiamo potuto determinare la frazione di pezzi difettosi perch
abbiamo verificato che accettabile lipotesi di normalit.
Quindi alla stima della capacit condotta utilizzando le carte di controllo, se si vuole
determinare la frazione di difettosi, deve essere accoppiata unanalisi per la verifica del tipo di
distribuzione.
I valori che si assegnano a Cp e Cpk, per un processo a regime, dipendono dallimportanza
della caratteristica e vengono stabiliti con riferimento a motivi tecnologici o a prescrizioni di
sicurezza.

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo III Analisi di capacit
pag 6

4.975
4.942
4.979
4.948
4.963
4.952
4.967
4.926
4.952
4.950

4.967
4.970
4.958
4.972
4.997
4.955
4.958
4.960
4.969
4.927

4.976
4.939
4.936
4.944
4.954
4.951
4.959
4.946
4.986
4.959

4.952
4.983
4.958
4.905
4.995
4.944
4.957
4.980
4.936
4.960

4.934
4.902
4.950
4.962
4.971
4.967
4.939
4.958
4.953
4.945

4.991
4.950
4.941
4.952
4.952
4.958
4.983
4.981
4.984
5.000

4.964
4.922
4.928
4.950
4.928
4.985
4.909
4.928
4.972
4.955

4.925
4.934
4.933
4.971
4.997
4.972
4.960
4.987
4.966
4.976

4.951
4.938
4.984
4.945
4.937
4.945
5.002
4.954
4.965
4.965

4.944
4.979
4.957
4.948
4.961
4.930
4.964
4.958
4.934
4.957

Tab. 3-1
Centro
classe
4.9083
4.9208
4.9333
4.9458
4.9583
4.9708
4.9833
4.9958

Limiti classe
4.9020 - 4.9145
4.9145 - 4.9270
4.9270 - 4.9395
4.9395 - 4.9520
4.9520 - 4.9645
4.9645 - 4.9770
4.9770 - 4.9895
4.9895 - 5.0020

f
///
////
/////
/////
/////
/////
/////
/////

/////
/////
/////
/////
/////
/

/////
///// ///// //
///// ///// ////
///// /
/
tot .

n
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100

==0.05
Cpmax /Cp C/Cpmin
min
2.256
1.371
1.899
1.301
1.726
1.260
1.622
1.232
1.550
1.211
1.498
1.196
1.457
1.183
1.425
1.172
1.398
1.164
1.376
1.156
1.357
1.149
1.340
1.143
1.325
1.138
1.313
1.134
1.301
1.129
1.291
1.125
1.282
1.122
1.273
1.119
1.265
1.116

3
4
14
22
24
16
11
6
100 Tab. 3-2

==0.1
Cpmax /Cp C/Cpmin
min
1.878
1.277
1.644
1.227
1.528
1.197
1.456
1.176
1.406
1.161
1.369
1.149
1.340
1.140
1.317
1.132
1.298
1.125
1.282
1.119
1.268
1.114
1.256
1.110
1.245
1.106
1.236
1.103
1.227
1.099
1.220
1.096
1.213
1.094
1.201
1.091
1.201
1.089

T - 3-4 - Dimensione campionaria e valori critici per il test su Cp

Gestione Industriale della Qualit Controllo statistico di processo a cura di Antonino Passannanti
Capitolo III Analisi di capacit
pag 7