Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
QS 9000
Nota dell’editing:
QUESTO MANUALE E’ STATO TRADOTTO DALL’INGLESE
LA TRADUZIONE NON E’ VALIDATA
NEL CASO DI DUBBI CONSULTARE LA VERSIONE
ORIGINALE
CONTROLLO STATISTICO
DEL PROCESSO
(SPC)
MANUALE di RIFERIMENTO
Prima edizione 1992 Seconda edizione, Marzo 1995 (solo nuova copertina)
Copyright 1992, 1995
Chrysler Corporation, Ford Motor Company, General Motors Corporation
Lo statuto del Gruppo di Intervento ASQC/AIAG riguarda la standardizzazione dei manuali di riferimento, delle
procedure, dei formati dei rapporti e della nomenclatura tecnica usata da Chrysler, Ford e General Motors nei loro rispettivi
sistemi di valutazione dei fornitori : Assicurazione Qualità Fornitore, Perfezione della qualità totale e Obiettivi per la
perfezione. . Di conseguenza, questo manuale di riferimento può essere usato dai fornitori che desiderano sviluppare
informazioni rispondenti ai requisiti richiesti dai sistemi di valutazione fornitori di Chrysler, Ford o General Motors.
Fino ad oggi, l’industria automobilistica non attuava alcun approccio formale unificato nei riguardi del controllo statistico
di processo. Alcuni costruttori fornivano dei metodi ai loro fornitori, mentre altri non avevano requisiti particolari. Per
semplificare e ridurre le variazioni tra i requisiti qualità richiesti ai fornitori, Chrysler, Ford e General Motors hanno
concordato di sviluppare e distribuire questo manuale con il concorso di AIAG. Il gruppo di lavoro che si è occupato dei
contenuti del manuale è stato guidato da Leonard A. Brown della società General Motors.
Questo manuale rappresenta un’introduzione al controllo statistico di processo. Non intende limitare l’evoluzione dei
metodi statistici adatti a processi o beni particolari, né intende raggruppare tutte le tecniche SPC. Eventuali domande
relative all’uso di metodi alternativi devono essere poste al servizio qualità del vostro cliente.
Il Gruppo d'Intervento desidera ringraziare: Thomas T. Stallkamp, Clinton D. Lauer e Donald A. Pais vice presidenti
rispettivamente di Chrysler, Ford e General Motors per la guida e l'impegno profuso; i gruppi di valutazione della qualità e
del fornitore delle rispettive società per la competenza tecnica e il grande impegno lavorativo dimostrato ; e l’inestimabile
contributo fornito dall'AIAG (sotto la guida del Direttore Generale Joseph R. Phelan) per lo sviluppo, la preparazione e la
distribuzione del manuale.
Desideriamo inoltre ringraziare il gruppo di correzione bozze ASQC di Peterson Spring, guidato da Tripp Martin il quale
ha rivisto il manuale fornendo validi contributi al suo contenuto.
Bruce W. Pince
Coordinatore del Gruppo d’Intervento
Sandy Corporation
Troy, Michigan
Dicembre 1991
Questo manuale è coperto dai diritti di copyright di A.I.A.G. 1991. Copie di questo manuale e/o il permesso per la
riproduzione di alcune sue parti per l’uso all’interno delle società fornitore possono essere richieste a AIAG - (313) 358-
3570.
Harvey Goltzer della Chrysler Corporation ha contribuito ai concetti relativi alla capability del processo e agli studi di
capacità del processo, contenuti nell’introduzione della sezione del Capitolo I. Jack Herman della Du Pont ha contribuito
su alcuni dei concetti relativi agli indici di capacità e di performance e l’importanza della variabilità delle misurazioni,
contenuti nelle parti dei capitoli II e IV, rispettivamente.
La Divisione Motorizzazioni della General Motors ha fornito casi ed esempi relativi alla formazione dei sottogruppi e al
processo di sovraregolazione. La sezione nel Capitolo II che fornisce la comprensibilità sulla capacità del processo e
relative problematiche è stata sviluppata dal Comitato Comune dell’Esame Statistico di General Motors. Questo comitato
ha inoltre contribuito allo sviluppo del Capitolo IV, Processo dell Analisi dei Sistemi di Misurazione, così come su alcuni
argomenti dell’Appendice.
In conclusione, una preziosa fonte a tutte le sezioni di questo manuale è stata fornita da ASQC rappresentata da Greg
Gruska, Doug Berg e Tripp Martin.
Dicembre, 1991
APPENDICI
Capitolo I
Controllo Statistico del Processo 10
Data aggiornamento pagina : 14/08/01
QS 9000
INTRODUZIONE AL MIGLIORAMENTO
CONTINUO ED AL CONTROLLO
STATISTICO DEL PROCESSO
Per poter prosperare nell’attuale sistema economico le case costruttrici di automobili, i fornitori e i concessionari devono
concentrarsi sul miglioramento continuo. Devono ricercare assiduamente i modi più efficaci per produrre prodotti e servizi
i quali, a loro volta, devono costantemente aumentare di valore. Devono focalizzare la loro attenzione sui clienti, interni ed
esterni, e fare della soddisfazione del cliente l’obiettivo primario della loro attività.
Per raggiungere questo obiettivo, ogni membro della società deve impegnarsi per realizzare il miglioramento necessario e
per usare i metodi più efficaci. Questo manuale tratta alcune delle esigenze relative alla seconda area e descrive un certo
numero di metodi statistici impiegabili per l’esecuzione di diversi compiti. E’ destinato in particolare ai professionisti ed ai
direttori che hanno iniziato ad applicare metodi statistici, ma serve anche come aggiornamento sui metodi di base per
coloro che impiegano attualmente delle tecniche più avanzate. Ovviamente non comprende tutti i metodi di base. La
trattazione di altri metodi di base (quali moduli raccolta dati, diagrammi di flusso, diagrammi di Pareto, diagrammi di
causa-effetto) e di alcuni metodi avanzati (quali altre carte di controllo, progettazione di esperimenti, Quality Function
Deployement [casa della qualità], etc) è effettuata in altri libri o pubblicazioni indicate nell’Appendice H.
I metodi statistici di base trattati in questo volume comprendono quelli associati con il controllo statistico del processo e
l’analisi della capacità di processo. Il primo capitolo dei questo manuale fornisce una serie di informazioni relative al
controllo di processo e spiega un certo numero di concetti quali cause comuni e speciali di variazione e presenta la carta di
controllo che può essere un valido strumento per l’analisi ed il monitoraggio dei processi. Il secondo capitolo descrive la
costruzione e l’uso delle carte di controllo per i dati di variabili (dati quantitativi o misure ): carte di controllo X, R, carte di
controllo X, s, carte di controllo della mediana e carte di controllo X-MR (media singola e mobile). Spiega inoltre il
concetto della capacità di processo e tratta gli indici ed i rapporti di uso più comune. Il terzo capitolo illustra alcune carte di
controllo per i dati per attributi (dati qualitativi o conteggi): la carta di controllo p, la carta di controllo np, la carta di
controllo c e la carta di controllo u. Il quarto capitolo sviluppa l’argomento dell’analisi dei sistemi di misura e presenta un
esempio dello stesso. Le Appendici comprendono esempi di raggruppamenti per sottogruppi e di sovrarettifiche, un
diagramma di flusso relativo all’uso delle carte di controllo, una tabella di costanti e formule, la distribuzione normale
standard e copie riproducibili di moduli delle carte di controllo in bianco. Un glossario fornisce una breve spiegazione dei
termini e dei simboli usati nel manuale mentre la sezione dei Riferimenti fornisce l’elenco di altre pubblicazioni per
approfondimenti.
Prima di iniziare è importante chiarire sei punti fondamentali.
Primo, la raccolta dei dati e l’uso di metodi statistici per la loro interpretazione non sono strumenti fini a se stessi. Lo scopo
generale deve essere una migliore comprensione dei processi attuati dal lettore. E’ facile diventare degli esperti senza
peraltro realizzare alcun miglioramento. L’aumento delle conoscenze deve costituire la base per l’azione.
Secondo, il concetto base dello studio delle variazioni e dell’uso dei segnali statistici per migliorare le prestazioni può
essere applicato a qualsiasi area, siano esse appartenenti all’officina o all’ufficio. Alcuni esempi sono rappresentati dalle
macchine (caratteristiche prestazionali), contabilità (tassi d’errore), vendite all’ingrosso, analisi degli scarti (tassi di scarto),
sistemi informatici (caratteristiche prestazionali) e gestione dei materiali (tempi di transito). Questo manuale tratta
particolarmente le applicazioni d’officina. Il lettore è incoraggiato a consultare alcuni riferimenti dell’Appendica H per
applicazioni amministrative e di servizio.
METODI
STATISTICI
PERSONE
ATTREZZATURE
MODO IN CUI
MATERIALI
SI LAVORA / PRODOTTI
O CLIENTI
METODI
ARMONIZZAZIONE SERVIZI
DELLE RISORSE
AMBIENTE
IDENTIFICAZIONE
DELLE NECESSITA’ E
ASPETTATIVE CHE
INPUT PROCESSO/SISTEMA OUTPUT CAMBIANO
Un sistema di controllo di processo può essere descritto come un sistema di informazioni di ritorno. Il Controllo di
Processo Statistico (SPC) è un tipo di sistema di informazioni di ritorno. Esistono anche altri sistemi di questo tipo che non
sono statistici. Quattro sono gli elementi importanti di questo sistema ai fini della trattazione :
1. Il processo - Con il termine processo si intende la combinazione completa di fornitori, produttori, persone,
attrezzature, materiali iniziali, metodi e ambiente che lavorano insieme per produrre un prodotto ed i clienti
che usano questo prodotto (vedere Figura 1). La performance complessiva del processo dipende dalla
comunicazione tra il fornitore ed il cliente, dal modo in cui il processo è progettato e realizzato e dal modo in
cui è messo in funzione e gestito. Il resto del sistema di controllo di processo è utile solo se contribuisce a
mantenerne il livello ottimale od a migliorare la performance totale del processo.
2. Informazioni relative alla performance - Lo studio del prodotto, del processo permette di ottenere un gran
numero di informazioni relative alla performance effettiva del processo in questione. Le informazioni più utili
circa la performance di un processo sono fornite, comunque, dalla comprensione del processo stesso e della
sua variabilità interna. Le caratteristiche del processo (quali le temperature, i tempi ciclo, i tassi
d’alimentazione, l’assenteismo, la rotazione del personale, la lentezza o il numero d’interruzioni) devono
essere lo scopo verso il quale devono essere concentrati gli sforzi. E’ necessario stabilire dei valori obiettivo
per queste caratteristiche che permettano di ottenere le operazioni più produttive del processo e quindi
controllare il processo per stabilire quanto i valori effettivi del processo si avvicinano o si discostano da essi.
Se le informazioni sono raccolte ed interpretate in modo corretto, è possibile scoprire se il processo funziona in
modo normale o anormale. Sarà quindi possibile adottare le azioni correttive appropriate per correggere il
processo o il prodotto appena fabbricato. Quando si rende necessaria l’adozione di un’azione correttiva, questa
deve essere opportuna ed adeguata per non vanificare il lavoro della raccolta delle informazioni.
3. Azione sul processo. L’azione sul processo si dimostra sovente più economica quando viene adottata per
prevenire variazioni troppo ampie rispetto al valore oggettivo delle caratteristiche importanti. (processo o
prodotto). In questo modo è possibile mantenere la stabilità e la variazione del risultato del processo entro
limiti accettabili. Le azioni possono consistere in modifiche delle operazioni (per esempio: addestramento
degli operatori, modifica dei materiali in entrata, ecc.) oppure nel cambiamento di elementi più importanti per
il processo stesso (per esempio: l’attrezzatura - che può aver bisogno di una revisione completa, il modo di
comunicazione tra le persone, o la progettazione del processo nel suo insieme - che possono essere influenzati
dai cambiamenti della temperatura e dell’umidità all’interno dell’officina). L’effetto dell’azione deve essere
controllato e, in caso di necessità, devono essere eseguite nuove analisi o intraprese nuove azioni.
4. Azioni sul risultato - Le azioni sul risultato spesso si rivelano meno economiche quando sono limitate al
rilevamento ed alla correzione dei prodotti fuori specifica e non prendono in considerazione i problemi di
processo basilari. Purtroppo se i risultati correnti non soddisfano in modo uniforme i requisiti del cliente può
essere necessario selezionare tutti i prodotti e scartare o rieseguire la rilavorazione degli articoli non conformi.
Ciò deve continuare sino a quando non vengano intraprese le necessarie azioni correttive per il processo o fino
a quando non vengano modificate le specifiche del prodotto.
E’ ovvio che i controlli ai quali segua un’azione applicata solo ai risultati rappresentano un mezzo sostitutivo inadeguato
per ottenere un’efficace gestione di processo. Le azioni intraprese solo sui risultati dovrebbero essere adottate unicamente
come misura provvisoria per processi instabili o non adeguati (vedere Sezione 5). Di conseguenza, lo studio che segue è
incentrato sulla raccolta e sull’analisi delle informazioni di processo in modo da poter intraprendere le azioni adeguate per
correggere il processo nel suo insieme.
MA FORMANO UNO SCHEMA CHE, SE STABILE, PUÒ ESSERE DESCRITTO COME UNA DISTRIBUZIONE.
VALORE
OBIETTIVO
TEMPO
TIPO
?
? ?
? ? VALORE
SE SONO PRESENTI CAUSE SPECIALI ? ? OBIETTIVO
? ?
DI VARIAZIONE, IL RISULTATO DEL PROCESSO
? ? ? ?
NON E’ STABILE NEL TEMPO:
PREVISIONE
TEMPO
TIPO
Azioni Locali
• Possono essere messe in atto dalle persone a diretto contatto con il processo.
• In genere, sono richieste per ridurre le variazioni provocate dalle cause comuni.
• Richiedono quasi sempre l’intervento della direzione per poter attuare la correzione.
(*) Il Dr. W.E. Deming ha trattato questo problema nella pubblicazione dal titolo “Che cosa accadde in Giappone ?”
Controllo della Qualità Industriale, Vol. 24, N. 3, Agosto, 1967, pagine 89-93 ed in altri articoli.
(**) Queste osservazioni sono state formulate per la prima volta dal Dr. J. M. Juran, e sono state confermate
dall’esperienza del Dr. Deming.
CONTROLLO DI PROCESSO
SOTTO CONTROLLO
(LE CAUSE SPECIALI SONO STATE ELIMINATE)
TEMPO
TIPO
FUORI CONTROLLO
(SONO PRESENTI LE CAUSE SPECIALI)
CAPACITÀ DI PROCESSO
TEMPO
TIPO
CONTROLLO
PLAN DO
PLAN DO
ACT
ACT STUDY
STUDY
PLAN DO
ACT
STUDY
3. MIGLIORARE IL PROCESSO
• Modificare il processo per comprendere
meglio le cause comuni di variazione
• Ridurre le cause comuni di variazione
CARTE DI CONTROLLO
Linea media
1. Raccolta:
• Raccolta dei dati e tracciatura degli stessi su un foglio.
2. Controllo:
• Calcolo dei limiti di prova partendo dai dati di processo.
• Identificazione delle cause speciali di variazione e azione relativa.
3. Analisi e miglioramento
• Quantificazione della variazione dovuta a cause comuni; azioni per ridurle.
Per ottenere il miglioramento continuo del processo occorre ripetere queste tre fasi.
- maggiore qualità,
1 2 3 4 5 6 7
Processo
Non Accurato
Accurato*
Figura 6. Dati delle variabili - risultati derivanti dalla misura di un risultato intermedio o finale di un
processo.
Le carte di controllo per variabili sono strumenti potenti che possono essere usati quando sono disponibili le misure prese
durante un processo. Ad esempio, il diametro di un cuscinetto, lo sforzo di chiusura di una porta o il tempo per rivedere un
buono (voucher). Le carte delle variabili - soprattutto le forme più comuni, le carte X (x bar) e la carta R - rappresentano
l’applicazione tipica del controllo di processo a mezzo di carte (vedere Figura 6).
Le carte di controllo per le variabili sono particolarmente utili per una serie di motivi ::
1. La maggior parte dei processi e dei loro risultati hanno caratteristiche misurabili quindi l’applicabilità
potenziale delle carte è ampia.
2. Un valore quantitativo (per esempio “il diametro è 15,45 mm”) contiene più informazioni di una semplice
dichiarazione si - no (per esempio “il diametro è entro i limiti delle specifiche”).
3. Sebbene ottenere una parte di dato misurato sia generalmente più costoso che non ottenere un dato passa/non
passa, per ricavare le informazioni sul processo occorre controllare un minor numero di pezzi, quindi in alcuni
casi i costi per le misure totali possono essere più bassi.
4. Grazie alla necessità di usare un numero minore di pezzi prima di prendere delle decisioni affidabili,
l’intervallo di tempo tra la produzione di pezzi e l’azione correttiva spesso può essere abbreviato.
5. Con i dati delle variabili, è possibile analizzare la performance di un processo e quantificare i miglioramenti
anche se tutti i valori individuali sono entro i limiti della specifica; ciò è molto importante quando si è alla
ricerca del miglioramento continuo.
Le carte di controllo per variabili possono spiegare i dati di processo in termini tanto di dispersione (variabilità tra un pezzo
e l’altro) quanto di localizzazione (media di processo). Grazie a ciò le carte di controllo per variabili dovrebbero sempre
essere preparate ed analizzate a coppie - una carta per la localizzazione ed un’altra per la dispersione. Le coppie più
comunemente usate sono le carte X e R. X rappresenta la media dei valori di piccoli sottogruppi - misura di localizzazione;
R è l’escursione dei valori all’interno di ogni sottogruppo (il più grande meno il più piccolo) - una misura di dispersione.
Le carte X , R sono trattate ampiamente nella sezione 1 di questo capitolo. La sezione 2 di questo capitolo tratta le carte -X
e s (un’alternativa alla carta R), la sezione 3 tratta le carte mediane (un sostituto più semplice delle carte di media e di
escursione) e la sezione 4 tratta le carte per singoli valori (quando le decisioni devono essere basate su un solo valore, sulla
sola lettura e non sui sottogruppi).
Figura 7. Carta X e R.
La rappresentazione delle carte X e R vede di norma la carta X sopra la carta R, e blocchi di dati. I valori di
X e R sono indicati su scale verticali mentre la sequenza dei sottogruppi nel tempo è situata sulla linea
orizzontale. I valori dei dati e dei punti di tracciatura per l’escursione e per la media devono essere allineati
verticalmente.
Il blocco di dati deve comprendere uno spazio per ognuna delle singole letture. Deve comprendere anche lo
spazio per la somma dei valori, la media ( X ), il range (R) e la data/ora o altre identificazioni del
sottogruppo.
Indicare i valori singoli e l’identificazione di ogni sottogruppo.
A.3. Calcolo della media ( X ) e dell’escursione (R) di ogni sottogruppo (Vedere Figura 8)
Le caratteristiche da tracciare sono la media del campione ( X ) l’escursione del campione (R) per ogni
sottogruppo; presi insieme questi dati riflettono la media generale del processo e la sua variabilità,
rispettivamente.
Per ogni sottogruppo, calcolare:
X1 + X 2 + .... + X n
X =
n
R = Xmax – Xmin
dove X1, X2… sono valori singoli all’interno del sottogruppo e n è la dimensione del campione del
sottogruppo.
La scale verticali per le due scale di controllo sono quelle riferite ai valori misurati rispettivamente di X e R.
Alcune norme generali per determinare le scale possono essere utili sebbene esse debbano essere modificate
in particolari circostanze. Per la carta di controllo X , la differenza tra il valore più alto ed il più basso sulla
scala deve essere almeno due volte la differenza tra il valore più alto e il valore più basso delle medie dei
sottogruppi ( X ). Per la carta di controllo R, i valori dovrebbero variare dal valore più basso 0 al valore più
alto pari a circa due volte l’escursione più grande incontrata durante il periodo iniziale.
NOTA: Per la carta di controllo dell’escursione un metodo valido può essere quello di stabilire la distanza
sulla scala come doppia di quella indicata sulla carta della media (per esempio se un’unità sulla
carta di controllo delle medie è uguale a 0,01 pollici, un’unità sulla carta di controllo delle
escursioni dovrebbe essere uguale a 0,02 pollici). Per i sottogruppi con dimensioni standard, i
limiti di controllo per le medie e le escursioni dovranno avere più o meno la stessa ampiezza per
essere facilmente analizzati.
A.5. Tracciatura delle medie e delle escursioni sulle carte di controllo (Vedere Figura 9).
Tracciare le medie e le escursioni sulle relative carte di controllo. Quest’operazione dovrebbe essere eseguita
nel minor tempo possibile dopo aver deciso il tipo di scala da usare. Collegare i punti con le linee per meglio
visualizzare gli schemi e gli tendenze.
Valutare brevemente i punti tracciati per controllare se sono ragionevoli; se qualche punto è sostanzialmente
più alto o più basso degli altri, confermare che i calcoli e la tracciatura siano corretti. Accertarsi che i punti
indicati per le relative X e R sono posizionati in linea verticale.
NOTA: allo scopo di rafforzare la messa in pratica a livello dell’officina di tutte le carte di controllo che
hanno dei limiti di controllo, le carte di controllo delle sequenze iniziali per le quali non si
calcolano i limiti di controllo (perché i dati non sono sufficienti) devono essere chiaramente
identificate come “Studio Iniziale”. Di conseguenza, queste carte di controllo denominate “Studio
Iniziale” sia che vengano usate per la capacità iniziale o per studi eseguiti dopo modifiche o
miglioramenti apportati al processo, devono essere le uniche carte di controllo di processo
permesse in officina senza indicazione dei limiti di controllo.
B.1. Calcolo dell’escursione media ( R ) e della media di processo ( X ) (Vedere Figura 10).
Per il periodo di studio, calcolare:
R 1 + R 2 + .... + R k
R =
k
X1 + X 2 + .... + X k
X =
k
dove k è il numero dei sottogruppi, R1 e X 1 sono l’escursione e la media per il primo sottogruppo, R2 e X 2
sono l’escursione e la media per il secondo sottogruppo, ecc.
B.2. Calcolo dei limiti di controllo (Vedere Figura 10)
I limiti di controllo sono calcolati per mostrare la dimensione della variazione delle medie dell’escursione del
sottogruppo qualora fossero presenti cause comuni di variazione. Questi limiti si basano sulla dimensione del
campione del sottogruppo e sulla quantità di variabilità all’interno del sottogruppo riflessa dalle escursioni.
Calcolare i limiti di controllo superiore e inferiore per le escursioni e per le medie.
LCSR = D4 R
LCIR = D3 R
LCS x = X + A2 R
LCI x = X - A2 R
dove D4, D3 e A2 sono costanti che variano in base alla dimensione del campione, con valori per dimensioni
di campione da 2 a 10, come indicato nella tabella parziale che segue, ricavata dall’Appendice E.
n 2 3 4 5 6 7 8 9 10
D4 3.27 2.57 2.28 2.11 2.00 1.92 1.86 1.82 1.78
D3 * * * * * .08 .14 .18 .22
A2 1.88 1.02 .73 .58 .48 .42 .37 .34 .31
* (per dimensioni di campione inferiori a 7, il LCIR dovrebbe essere, tecnicamente, un numero negativo; in
queste caselle non ci sono dei limiti di controllo inferiori; ciò significa che per una dimensione di sottogruppi
uguale a 6, sei misure “identiche” non sarebbero ragionevoli).
B.3. Tracciatura delle linee per le medie ed i limiti di controllo sulle carte (Vedere Figura 10).
Tracciare l’escursione media ( R ) la media di processo ( X ) come linee orizzontali continue, i limiti di
controllo come linee orizzontali tratteggiate; e dare un nome alle linee. Durante la fase di studio iniziale,
questi sono considerati limiti di controllo di prova.
Distanza dei punti da R : generalmente, circa 2/3 dei punti tracciati dovrebbe trovarsi all’interno del
terza parte mediana dell’area situata tra i limiti di controllo; circa 1/3 dei punti dovrebbe essere nei 2/3
esterni di quest’area.
Sostanzialmente, se oltre i 2/3 dei punti tracciati si trovano vicini a R (per 25 sottogruppi se oltre il
90% si trovano nella terza parte mediana della zona dei limiti di controllo), ricercare la presenza di una
o di varie delle seguenti condizioni:
• I limiti di controllo o i punti tracciati sono stati calcolati o tracciati in modo errato.
• Il processo e il metodo di campionatura sono stratificati; ogni sottogruppo contiene sistematicamente
le misure derivanti da due o più flussi di processo i quali hanno medie di processo molto diverse
(per esempio un pezzo preso da ognuno dei vari mandrini).
• I dati sono stati editati (sottogruppi con escursioni che si scostavano troppo dalla media sono stati
alterati o eliminati).
Sostanzialmente, se meno dei 2/3 dei punti tracciati si trovano vicini a R (per 25 sottogruppi se il 40%
o valori inferiori si trovano nella terza parte centrale), ricercare la presenza di una o di entrambe
seguenti condizioni:
• I limiti di controllo o i punti tracciati sono stati calcolati o tracciati in modo errato.
• Il processo e il metodo di campionatura fanno si che sottogruppi successivi contengano misure
derivate da due o più flussi di processo la cui variabilità è estremamente diversa (per esempio lotti
misti di materiali iniziali). *
Se sono presenti parecchi flussi di processo questi devono essere identificati e controllati
separatamente*
* Vedere Appendice A.
σ̂ = R /d2
dove R è la media delle escursioni del sottogruppo (per i periodi le cui escursioni sono in condizioni di
controllo), d2 è una costante che varia in base alla dimensione del campione come indicato nella tabella
parziale che segue ricavata dall’Appendice E:
n 2 3 4 5 6 7 8 9 10
d2 1.13 1.69 2.06 2.33 2.53 2.70 2.85 2.97 3.08
b. Usare i fattori tabulati per d2, D3, D4 e A2 basandosi sulla nuova dimensione del sottogruppo, calcolare
la nuova escursione ed i limiti di controllo.
R new = σ̂ d2
LCSR = D4 R new
LCIR = D3 R new
LCS x = X + A2 R new
LCI x = X - A2 R new
Tracciare questi nuovi limiti sulla carta di controllo ed usarli come base per il controllo del processo in
corso.
Fintanto che il processo rimane in condizione di controllo tanto per le medie quanto per le escursioni, i limiti
in corso possono essere estesi per periodi aggiuntivi. Se, tuttavia, esiste l’evidenza che la media o
l’escursione del processo sono cambiate (in qualsiasi direzione) è necessario determinare la causa e, se la
modifica è giustificata, i limiti di controllo devono essere calcolati basandosi sulla performance corrente.
C.8. Concetti finali relativi al “controllo” - Per considerazioni successive.
“Non è mai possibile ottenere un perfetto stato di controllo in un processo produttivo. Gli obiettivi delle carte
di controllo del processo non sono la perfezione ma il raggiungimento di uno stato di controllo ragionevole
ed economico. Tuttavia per scopi pratici, un processo sotto controllo non è un processo in cui i dati sulla
carta di controllo non escono mai dalla situazione sotto controllo. Se una carta di controllo non esce mai
dalla situazione sotto controllo ci si può chiedere se effettivamente le operazioni devono essere indicate su
un documento. Per scopi di officina, un processo controllato è considerato quello in cui solo una piccola
percentuale dei punti escono dalla situazione di controllo e in cui i punti fuori controllo sono seguiti da
azioni adeguate” (tratto da Appendice H, Riferimento 7, Pag 220-221).
PROCESSI IN GRADO DI SODDISFARE LE SPECIFICHE (TEORICAMENTE TUTTI I RISULTATI SONO ENTRO I LIMITI
DI SPECIFICA) CON DIVERSI LIVELLI DI VARIAZIONE:
LIMITE LIMITE
INFERIORE SUPERIORE
LSI LSS
SPECIFICA SPECIFICA
(LSI) (LSS)
TIPO TIPO
PROCESSO NON IN GRADO DI SODDISFARE ALLE SPECIFICHE (IL RISULTATO È FUORI DA UNO O DA ENTRAMBI I
LIMITI DI SPECIFICA):
TIPO TIPO
DEVIAZIONE STANDARD E ESCURSIONE (PER UNA DETERMINATA DIMENSIONE DI CAMPIONE, PIÙ È GRANDE
L’ESCURSIONE MEDIA - R , MAGGIORE SARÀ LA DEVIAZIONE STANDARD - σ̂ ).
X X
X
σ̂ σ̂ σ̂
R R R
TIPO TIPO TIPO
LSI LSS
R = .169
X
n =5 .0738
d2 = 2.33 σ̂
.500 .738 .900
σ̂ = R/d2 = .169/2.33 = .075 R
.169
X = .738
LSS = .500
LSI = .900
La valutazione della capacità di processo inizia dopo aver risolto i problemi di controllo evidenziati nelle carte X e R (aver
identificato, analizzato, corretto e fatto in modo che le cause speciali non si presentino più) e le carte di controllo correnti
riflettano un processo che sia statisticamente sotto controllo, preferibilmente per 25 o più sottogruppi. In generale la
distribuzione del risultato del processo viene confrontata con le specifiche tecniche, per controllare se le specifiche sono
uniformemente soddisfatte.
Esistono molte tecniche per valutare la capacità di un processo in situazione di controllo statistico. Alcuni presumono che i
risultati del processo seguano la distribuzione normale a forma di campana. Nel caso non si conosca se la distribuzione è
normale è necessario effettuare un test per controllare la normalità, test del tipo di revisione di un istogramma, tracciatura
su un semplice foglio per il calcolo delle probabilità, o uso di metodi più precisi (vedere Appendice H, Riferimento 9,
Capitolo 27). Se si sospetta o se viene confermata la non normalità è bene utilizzare tecniche più flessibili quali la
trasformazione dei dati, per normalizzare la distribuzione (vedere Appendice H, Riferimento 14, Parte 2), adeguamento
computerizzato delle curve o analisi grafica. Quando la forma della distribuzione è normale, è possibile utilizzare la tecnica
descritta nel seguito. Essa coinvolge semplici calcoli ricavati dalle carte di controllo. La media di processo, X , viene usata
come localizzazione della distribuzione. Come misura della dispersione si usa la deviazione standard, stimata partendo da
una semplice formula che comprende l’escursione media, R .
Dall’esempio:
X = .738
σ̂ = .0725
LSS = .900
LSI = .500
Z min 2.23
C pk = = ≅ .74 (= minimo di CPL o CPI)
3 3
NOTA: Solo a scopo di confronto, gli altri indici sono (vedere pag. 80):
Cp = .92, Pp = .88 CPI = 1.06, and Ppk = .71, calcolati nel seguente modo:
LSS − LSI .9 − .5
Cp = = = .92
6σˆ R / d 6(.0725)
2
2
⎛⎜ x − X ⎞⎟
LSS − LSI .9 − .5
80
(x i − .738)2
∑
80
⎝ i ⎠
Pp =
6σˆ s
=
6(.0759 )
= .88 , dove σˆ s = ∑
i =1
n −1
=
i =1
79
= .0759
Ppk =
(.900 − .738) / σˆ s =
.162 / .0759
= .71
3 3
I Rapporti di Capacità sono : CR = 1.09, PR = 1.14, calcolati nel seguente modo:
6σˆ R / d 6(.0725)
CR = 1 / C p = 2
= = 1.09
LSS − LSI .9 − .5
6σˆ s 6(.0759)
PR = 1 / C p = = = 1.14
LSS − LSI .9 − .5
• Se questo processo può essere rettificato verso il centro della specifica, la
proporzione di pezzi che ricade oltre uno o entrambi i limiti di specifica
LSI LSS
può essere ridotta anche senza apportare nessuna modifica a σ̂ . Ad
P = .0029
P = .0029 ZLSS
X NEW
ZLSI
Controllo Statistico del Processo .0725 69
σ̂
ZLSI ZLSS
.500 .700 .900
2.76 2.76
Data aggiornamento pagina : 14/08/01
QS 9000
esempio, se le carte di controllo confermano che, X new = .700 (centrato),
quando:
Z min 2.76
C pk = = = .92
3 3
σ̂ = R /d2 = σ̂ R /d2
dove R è la media delle escursioni del sottogruppo (per periodi all’interno delle escursioni in condizioni di
controllo) e d2 è una costante che varia in base alla dimensione del campione, come indicato nella tabella
parziale sotto riportata, ricavata dall’Appendice E.
n 2 3 4 5 6 7 8 9 10
d2 1.13 1.69 2.06 2.33 2.53 2.70 2.85 2.97 3.08
La stima della deviazione standard di processo ( σ̂ R /d2) può essere usata per valutare la capacità di processo
fino a quando entrambe le escursioni e le medie siano in situazione di controllo statistico.
D.2. Calcolo della capacità di processo (Vedere Figura 21.)
La capacità può essere descritta in termini di distanza della media di processo dai limiti di specifica in unità
di deviazione standard, Z. Può essere utile tracciare un grafico che mostri la curva di distribuzione, X ,
σ̂ R /d2, i limiti di specifica e i valori Z.
LSS − X X − LIS
• Per la tolleranza unilaterale, calcolare: Z = oZ= , usare quella più appropriata.
σˆ R / d σˆ R / d
2 2
dove LS = al limite di specifica, X = alla media di processo misurata e σ̂ R /d2 = alla deviazione
standard di processo stimata.
• Per tolleranze bilaterali calcolare:
LSS − X X − LIS
ZLSS = ZLIS =
σˆ R / d σˆ R / d
2 2
Dall’esempio:
Se il requisito di capacità espresso in termini di Zmin, è Zmin ≥ 4, la capacità di processo corrente in termini di
Zmin sarà inaccettabile, poiché Zmin = 2,23 e circa 1,3% del risultato è fuori specifica; anche se il processo
potesse essere centrato, Zmin = 2,76. Occorre adottare un’azione correttiva.
• Per migliorare la capacità di processo corrente (l’obiettivo a lungo termine), la variazione dovuta a cause
comuni deve essere ridotta; questa deve essere indicata con un σ̂ più piccolo.
La media di questo processo X serve per calcolare la dispersione necessaria perché Zmin = 4 rispetto alle
specifiche esistenti:
LSS − X X − LSI
σ new = , o σ new =
Z min new Z min new
LSI LSS
a seconda di quale limiti di specifica è più vicino alla
X
media di processo. Poichè, in questo caso, l’USL è il σ̂
limite più vicino: NEW
.0405
.900 − .738 .162
σ new = = = .045 ZLSI ZLSS
4 4 .500 5.88 4.00 .900
.738
Se le carte di controllo confermano che il processo è centrato e che X new = .700 , la dispersione di
processo necessaria affinché Zmin = 4 ( X ± 4σ ), basata sulla specifica esistente sia :
LSI LSS
LSS − X .900 − .700 .200
σ new = = = = .0500
Z min new 4 4
X NEW σ̂
NEW
Rettificando il processo per portarlo al centro della .0500
specifica, è necessario adottare azioni correttive per
ridurre la deviazione standard di processo da 0,0725 a ZLSI ZLSS
.500 .900
0,0500, circa il 31%. 4.00 .700 4.00
• Se tutto quanto prodotto deve essere selezionato, circa 1,3% (circa 0,06% se centrato) deve essere
scartato o rilavorato e ciò è costoso e inaffidabile.
• In alcuni casi, un’alternativa a breve termine può essere rappresentata dall’aumento della tolleranza di
specifica.
LSI NEW
LSS
NEW
Se non si prevede di modificare il processo, le nuove
specifiche X ± 4σ saranno: X
.0725
σ̂
X ± 4σˆ = .738 ± 4 × .0725 = .738 ± .290
ZLSI ZLSS
= da .448 a 1.028 (Arrotondato: da .45 a 1.03). .448 .738 1.028
4.00 4.00
Se il processo è stato modificato ed è stato confermato
LSI LSS
dalle carte di controllo che X new = .700 (centrato) le NEW NEW
dove LSS e LSI sono le specifiche tecniche superiore ed inferiore, X è la media di processo e σ̂ è la
deviazione standard di processo, calcolata usando R /d2.
Un processo con Zmin = 3 avrà un indice di capacità Cpk=1,00. Se Zmin = 4 il processo avrà un valore
Cpk=1,33.
D.3. Valutazione della capacità di processo (Vedere Figura 22.)
A questo punto il processo è in condizione di controllo statistico e il suo indice di capacità è stato descritto in
termini di Zmin oppure Cpk. Il passo successivo consiste nel valutare la capacità di processo in termini di
soddisfacimento dei requisiti del cliente.
L’obbiettivo fondamentale è il miglioramento continuo della performance del processo. A breve termine
comunque, devono essere stabilite delle priorità per stabilire quali processi dovranno essere esaminati per
primi. Questo è essenziale per prendere una decisione economica. Le circostanze variano da un caso all’altro,
a seconda della natura, del tipo di processo in questione e delle performance di altri processi che potrebbero
essere anch’essi candidati ad un’azione immediata di miglioramento.
Mentre ogni decisione può essere presa individualmente, spesso conviene usare delle linee guida più ampie
per stabilire le priorità e promuovere un’uniformità di sforzi migliorativi. Ad esempio, alcune procedure
fanno riferimento a requisiti di indici di capacità indiscriminati di Zmin ≥ 3 o Cpk ≥ 1,00, altri requisiti di indici
di capacità specifici di Zmin ≥ 4 oppure Cpk ≥ 1,33 per nuovi processi che influiscono sulle caratteristiche di
prodotto significative selezionate. Questi requisiti dovrebbero garantire un livello minimo di performance
coerente tra le caratteristiche, i prodotti, e le fonti di fabbricazione. Comunque far riferimento alla Sezione 5
del presente capitolo per altre spiegazioni dell’interpretazione del Cpk ed altre misure di processo relative alla
determinazione dei requisiti di misura.
Sia che si tratti di una risposta ad un criterio relativo all’indice di capacità che non è stato soddisfatto sia che
si tratti invece della necessità continua di miglioramento dei costi e della qualità oltre i requisiti minimi
dell’indice di capacità, l’azione da intraprendere è la stessa:
• Migliorare la performance del processo riducendo la variazione prodotta dalle cause comuni, in modo
che si avvicini di più all’obiettivo. Questo, in genere, significa coinvolgere la direzione nel
miglioramento del sistema.
In questi casi, quando è necessaria un’azione più immediata per rispettare le esigenze a breve termine, sono
possibili due procedure :
• Selezionare quanto prodotto e scartare o rilavorare se necessario (aggiungendo così costi e tolleranze di
scarti).
• Alterare le specifiche relative all’uniformità con la performance di processo (questo non permette di
migliorare né il processo né la soddisfazione del cliente).
Entrambe le procedure sono chiaramente inferiori al miglioramento del processo.
1 2 1 2 1 2 1 2 1 2 1 2 1 2
1 1.30 1.01 1.22 1.08 .98 1.12 .92 1.04 1.08 1.20 1.25 1.24 1.13 1.08
2 1.10 1.10 1.05 1.12 1.30 1.30 1.10 1.14 .92 1.13 .91 1.34 1.16 1.31
3 1.20 1.15 .93 1.11 1.31 1.01 1.13 1.18 1.14 1.19 .96 1.40 1.12 1.12
4 1.25 .97 1.08 1.28 1.12 1.20 1.02 1.12 1.20 1.16 1.04 1.26 1.22 1.18
5 1.05 1.25 1.15 1.00 1.08 1.11 .93 1.00 1.02 1.03 .93 1.13 1.12 1.15
6 .95 1.12 1.27 .95 1.10 .93 1.17 1.02 1.04 1.25 1.08 1.15 1.07 1.17
7 1.10 1.10 .95 1.15 1.15 1.02 1.24 1.05 .94 1.20 1.29 1.08 1.04 .98
8 1.16 .90 1.11 1.14 1.35 1.25 .98 1.34 1.05 1.24 1.42 1.02 1.28 1.05
9 1.37 1.04 1.12 1.28 1.12 1.05 1.34 1.12 1.12 1.10 1.10 1.05 1.12 1.00
10 .98 1.08 1.10 1.31 1.26 1.10 1.12 1.05 1.06 1.03 1.00 1.18 1.10 1.26
X 1.15 1.07 1.10 1.14 1.18 1.11 1.10 1.11 1.06 1.15 1.10 1.19 1.14 1.13
s .136 .098 .106 .120 0121 .115 .136 .101 .086 .079 .170 .125 .070 .107
1 2 1 2 1 2
I dettagli relativi alle istruzioni per l’uso delle carte di controllo X e s sono simili a quelle fornite per le carte di controllo
X e R; le eccezioni sono descritte nel seguito:
A. RACCOLTA DEI DATI.
(vedere Sezione 1, parte A del presente capitolo, le eccezioni sono elencate nel seguito).
• Se i dati grezzi sono voluminosi, spesso essi sono registrati su fogli separati (vedere Figura 23) con la sola
indicazione di X e di s per ogni sottogruppo.
• Calcolare la deviazione standard del campione per ogni sottogruppo usando una delle seguenti formule
equivalenti:
∑ (X )
2
i −X
s=
n −1
o
∑X
2 2
2
i − nX X12 + X 22 + ... − n X
s= =
n −1 n −1
dove Xi, X , n rappresentano i valori singoli del sottogruppo, la media e la dimensione del campione.
LCSS = B4 s
LCIS = B3 s
LCS X = X + A3 s
LCI X = X - A3 s
dove s è la media delle deviazioni standard del campione del singolo sottogruppo, e B4, B3 e A3 sono le
costanti che variano in base alla dimensione del campione, con valori per la dimensione del campione 2-10
sono illustrate nella tabella parziale che segue ricavate dall’Appendice E.
n 2 3 4 5 6 7 8 9 10
B4 3.27 2.57 2.27 2.09 1.97 1.88 1.82 1.76 1.72
B3 * * * * .03 .12 .19 .24 .28
A3 2.66 1.95 1.63 1.43 1.29 1.18 1.10 1.03 .98
* non vi sono limiti di controllo inferiori per le deviazioni standard in caso di dimensione di campione
inferiore a 6.
C. INTERPRETAZIONE PER IL CONTROLLO DI PROCESSO
(Vedere Sezione 1, Parte C di questo capitolo)
D. INTERPRETAZIONE PER LA CAPACITA’ DI PROCESSO
(Vedere Sezione 1, Parte D del presente capitolo; le eccezioni sono riportate nel seguito)
• Stima della deviazione standard di processo:
σˆ = s / c 4 = σ̂ s / c
4
dove s è la media delle deviazioni standard del campione (per periodi in cui la deviazione standard è in
condizione di controllo) e c4 è una costante che varia in base alla dimensione del campione con valori di
dimensione campione da 2 a 10 indicati nella tabella parziale che segue, ricavata dall’Appendice E.
n 2 3 4 5 6 7 8 9 10
c4 .798 .886 .921 .940 .952 .959 .965 .969 .973
• Se il processo ha una distribuzione normale, questa stima di σ può essere usata direttamente per valutare la
capacità di processo fino a quando sia le medie che le deviazioni standard si trovino in condizioni di
controllo statistico.
Le istruzioni per l’uso delle carte della mediana sono simili a quelle delle carte X e R; le eccezioni sono elencate nel
seguito.
A. RACCOLTA DEI DATI
(Vedere Sezione 1, Parte A del presente capitolo; le eccezioni sono elencate nel seguito).
• In genere, le carte di controllo della mediana sono usate con sottogruppi la cui dimensione di campione è 10 o
inferiore; i campioni con quantità dispari sono più convenienti. Se si usano sottogruppi formati da campioni
in numero pari la mediana è la media delle due unità centrali.
• E’ possibile tracciare solo un grafico individuale; occorre impostare la scala per includere il valore più grande
di (a) tolleranza della specifica di prodotto più una concessione per valori fuori specifica, oppure (b) 1,5-2
volte la differenza esistente tra la misura singola più grande e quella più piccola. Le scale del grafico devono
concordare con il calibro.
• Tracciare le singole misure prese per ogni sottogruppo in verticale. Contrassegnare la mediana di ogni
sottogruppo (il valore medio); se il campione è costituito da un numero di pezzi pari, la mediana sarà
rappresentata dalla linea centrale tra i punti più interni (per aiutare l’interpretazione delle tendenze, collegare
le mediane dei sottogruppi con una linea).
~
• Inserire la mediana di ogni sottogruppo ( X ) e l’escursione (R) nella tabella dei dati. Si consiglia inoltre di
tracciare anche la carta di controllo dell’escursione per osservare le tendenze o le sequenze all’interno
dell’escursione.
B. CALCOLO DEI LIMITI DI CONTROLLO
(Vedere Sezione 1, Parte B di questo capitolo; le eccezioni sono indicate nel seguito)
~
• Trovare la media delle mediane del sottogruppo e tracciarla come linea centrale sulla carta; registrarla come X .
• Trovare la media delle escursioni, registrarla come R.
• Calcolare i limiti di controllo superiore ed inferiore per le escursioni e le mediane.
LCSR = D4 R
LCIR = D3 R
~ ~
LCS X~ = X + A 2 R
~ ~
LCI X~ = X - A 2 R
n 2 3 4 5 6 7 8 9 10
D4 3.27 2.57 2.28 2.11 2.00 1.92 1.86 1.82 1.78
D3 * * * * * .08 .14 .18 .22
~ 1.88 1.19 .80 .69 .55 .51 .43 .41 .36
A2
* Non c’è il limite di controllo inferiore per le escursioni di campioni la cui dimensione è inferiore a 7
σ = R / d2
dove R è la media delle escursioni del campione (per periodi in cui le escursioni sono in situazioni di
controllo) e d2 è una costante che varia in base alla dimensione del campione, con valori per dimensione di
campione da 2 a 10 illustrati nella tabella che segue, ricavata dalla Appendice E.
n 2 3 4 5 6 7 8 9 10
d2 1.13 1.69 2.06 2.33 2.53 2.70 2.85 2.97 3.08
• Se il processo ha una distribuzione normale, la stima di σ può essere usata direttamente per valutare la capacità
di processo fino a quando le mediane e le escursioni rimangono in condizioni di controllo statistico.
• Poiché esiste un solo pezzo per sottogruppo, i valori di X e di σ̂ possono presentare una sostanziale variabilità
(anche se il processo è stabile) fino a quando il numero dei sottogruppi non sia 100 o superiore.
I dettagli per le istruzioni relative alle carte per individui sono abbastanza simili a quelle delle carte X e R; le eccezioni
sono indicate nel seguito.
A. RACCOLTA DEI DATI (Vedere Figura 27.)
(Vedere Sezione 1, Parte A di questo capitolo; le eccezioni sono elencate nel seguito)
• Sulla carta dei dati, le letture per individui (X) sono registrate da sinistra a destra.
• Calcolare l’escursione mobile (MR) tra individui. In genere, conviene registrare la differenza tra ogni
successiva coppia di letture (per esempio differenza tra la prima e la seconda lettura, tra la seconda e la terza,
ecc.). Un’escursione mobile sarà inferiore di 1 rispetto alle letture per individui (25 letture forniscono 24
escursioni mobili). In qualche caso, l’escursione mobile può essere basata su un gruppo mobile più grande
(per esempio 3 o 4), oppure sul sottogruppo fisso (per esempio tutte le letture eseguite su un solo turno).
Occorre notare che, anche se le misure sono campionate individualmente, è il numero di letture raggruppate
che forma l’escursione mobile (per esempio 2, 3 o 4) e che stabilisce la dimensione nominale del campione
n. Questo deve essere tenuto presente quando si consultano le tabelle dei fattori.
• Selezionare le scale per le carte per individui (X) uguali alla valore più grande di (a) la tolleranza della
specifica prodotto più una concessione per letture fuori specifica, oppure (b) 1,5 a 2 volte la differenza tra la
lettura singola più alta e più bassa. La distanza per la scala della carta relativa alle escursioni mobili (MR)
deve essere uguale a quella della carta X.
B. CALCOLO DEI LIMITI DI CONTROLLO (Vedere Figura 28.)
(Vedere Sezione 1, Parte B di questo capitolo; le eccezioni sono elencate nel seguito)
• Calcolare e tracciare la media di processo (la somma di letture individuali, divisa per il numero di letture);
indicato, per convenzione, con X ; vedere il glossario all’Appendice G, e calcolare l’escursione media ( R );
notare che per un’escursione mobile con dimensione di campione uguale a 2 esiste un valore di escursione
mobile (MR) in meno rispetto al numero di letture singole (X).
Figura 28. Interpretazione delle carte di controllo per individui e per escursione mobile
LCSMR = D4 R
LCIMR = D3 R
LCSX = X + E2 R
LCIX = X - E2 R
dove R è l’escursione mobile media, X è la media del processo, e D4, D3 e E2 sono costanti che variano
secondo la dimensione del campione, n, usato per raggruppare le escursioni mobili come indicato nella
tabella parziale riportata nel seguito, ricavata dall’Appendice E.
n 2 3 4 5 6 7 8 9 10
D4 3.27 2.57 2.28 2.11 2.00 1.92 1.86 1.82 1.78
D3 * * * * * .08 .14 .18 .22
E2 2.66 1.77 1.46 1.29 1.18 1.11 1.05 1.01 .98
* Non c’è il limite di controllo inferiore per le escursioni di campioni la cui dimensione è inferiore a 7
NOTA: Un approccio alternativo al calcolo dei limiti di controllo quando R è più grande dell’escursione
~
mediana, R (come generalmente è il caso) è di usare l’escursione mediana per escursioni mobili di
2 pezzi e calcolare i limiti di controllo nel seguente modo (vedere Appendice H, Riferimento 23):
~
LCSMR = 3.865 R ; LCIMR = 0
~ ~
LCSX = X + 3,14 R LCIX = X - 3,14 R
C. INTERPRETAZIONE PER IL PROCESSO DI CONTROLLO (Vedere Figura 28.)
(Vedere Sezione 1, Parte C di questo capitolo; le eccezioni sono elencate nel seguito)
• Rivedere la carta dell’escursione mobile per i punti che si trovano oltre i limiti di controllo considerandoli come
indicazioni dell’esistenza di cause speciali. Notare che escursioni mobili successive siano correlate, poiché
esse hanno almeno un punto in comune; a causa di ciò occorre fare attenzione nell’interpretazione delle
tendenze. Per interpretare queste tendenze è consigliabile richiedere il consiglio di un esperto di statistica.
• La carta per individui può essere analizzata per i punti che si trovano oltre i limiti di controllo, per la
dispersione dei punti all’interno dei limiti di controllo, per le tendenze o per gli schemi. Notare comunque,
che se la distribuzione di processo non è simmetrica, le regole indicate precedentemente per le carte X
possono indicare l’esistenza di cause speciali anche se queste effettivamente non esistono.
D. INTERPRETAZIONE PER LA CAPACITÀ DI PROCESSO (Vedere Figura 28.)
(Vedere Sezione 1, Parte D di questo capitolo; le eccezioni sono elencate nel seguito)
σ̂ = R /d2 = σ̂ R /d2
dove R è la media delle escursioni mobili e d2 è una costante che varia in base alla dimensione del
campione, n, usato per raggruppare le escursioni mobili illustrate nella tabella che segue, ricavata
dall’Appendice E.
n 2 3 4 5 6 7 8 9 10
d2 1.13 1.69 2.06 2.33 2.53 2.70 2.85 2.97 3.08
• Se il processo ha una distribuzione normale, la stima di σ può essere usata direttamente per valutare la capacità
di processo, fino a quando il processo stesso rimane in condizioni di controllo statistico.
Pp: si tratta dell’indice di performance definito come ampiezza della tolleranza diviso per la performance
di processo senza tenere conto del valore centrale della distribuzione di processo. Tipicamente questo
LSS − LIS
è espresso: Pp = (dovrebbe essere usato solo per i confronti o con Cp e Cpk e per misurare
6σˆ s
e dare priorità ai miglioramenti nel tempo).
CPS: si tratta dell’indice di capacità superiore ed è definito come la dispersione superiore della tolleranza
divisa per la dispersione superiore di processo effettiva. Normalmente è espresso come
LSS − X
CPS = .
3σˆ R / d
2
CPI: si tratta dell’indice di capacità inferiore ed è definito come la divisione della tolleranza divisa per la
X − LIS
dispersione inferiore di processo effettiva. In genere è espresso come: CPI = .
3σˆ R / d
2
Cpk: si tratta dell’indice di capacità relativo alla centratura del processo ed è definito come minimo di CPS
o di CPI. Mette in relazione la distanza della media di processo e il limite di specifica più vicino alla
metà della dispersione di processo totale.
Ppk: si tratta dell’indice di performance che rappresenta il valore centrale di processo ed è definito come
LSS − X X − LIS
minimo di o di (dovrebbe essere usato solo per i confronti o con Cp e Cpk e per
3σ s
ˆ 3σˆ s
misurare e dare priorità al miglioramento nel tempo).
B.2. Rapporti
1 6σˆ R / d
CR: si tratta del rapporto di capacità ed è semplicemente il reciproco di Cp; cioè CR = = 2
.
C p LSS − LIS
NOTA: Esempi di calcolo per tutte queste misure sono rappresentati a pagina 58.
Entrambi s (usata nelle parti A, B di questa Sezione) e s (usata nelle carte di controllo X e s) sono calcolate
n
(x −x )
2
usando esattamente la stessa formula della deviazione standard di campione: cioè s = ∑
i =1
i
n −1
.
Comunque la “n” nella formula indica due diversi tipi di dimensione di campione:
• Per s (pagina 79), n si riferisce al numero totale di tutti i valori singoli campionati - ad esempio, il
numero di questi valori singoli può derivare dal totale del numero di tutti i valori individuali del
sottogruppo rilevati su una carta di controllo (sommati tutti insieme) o da una campionatura ampia su
una popolazione complessiva.
• Per s (pagina 65), n si riferisce solo al numero di valori singoli all’interno di ogni sottogruppo
determinato - in genere, n è un numero costante e uguale per ogni sottogruppo.
• σ̂ s valuta la deviazione standard di un processo totale (“popolazione”) usando s, mentre σ̂ s valuta la
deviazione standard di un determinato sottogruppo con dimensione fissa, usando s (vedere pagine 65-
67).
C. DESCRIZIONE DELLE CONDIZIONI E DEI PRESUPPOSTI
Occorre evidenziare che la variazione di processo e il valore centrale della distribuzione del processo sono due
caratteristiche di processo separate. Ognuna deve essere studiata separatamente dall’altra. Comunque, per ridurre al
minimo l’analisi separata di ciascuna è diventato utile combinare le due caratteristiche in un solo indice, quale, Cpk o
Ppk. Questi indici possono servire per:
• Misurare il miglioramento continuo usando le tendenze nel tempo;
• Stabilire la priorità dell’ordine in cui i processi saranno migliorati.
L’indice di capacità, (per esempio Cpk) è utile anche per determinare se un processo è in grado di soddisfare i
requisiti del cliente (lo scopo originario dell’indice di capacità). Occorre mettere in evidenza che questo uso
aggiuntivo non deve essere applicato agli indici di performance.
Per usare in modo efficace questi indici (così come le altre misure di processo descritte nella Parte B di questa
Sezione) è importante capire le CONDIZIONI e i PRESUPPOSTI ad essi legati. Se queste condizioni e questi
presupposti non sono rispettati le misure non avranno significato e, quindi, non permetteranno di capire i processi
che li hanno generati. Di seguito elenchiamo le quattro condizioni minime che devono essere soddisfatte per tutte le
misure di capacità descritte nella Parte B di questa sezione.
• Il processo dal quale si ricavano i dati deve essere statisticamente stabile.
• Le misure singole per i dati di processo devono formare una distribuzione approssimativamente normale.
• Le specifiche devono essere basate sui requisiti del cliente.
• Deve esistere la volontà di accettare il valore dell’indice (o del rapporto) calcolato come il “vero” valore
dell’indice (o del rapporto) - cioè non tenere conto dell’influenza della variazione della campionatura sul
numero calcolato (per esempio un Cpk di 1,5 può derivare da un processo in cui Cpk “vero” è 1,40, o
viceversa, semplicemente a causa della variazione di campionatura). Per altre informazioni su questo
argomento vedere l’Appendice H, Riferimenti 19, 20 e 21.
LSI LSS
A B C
SCARTO BUONO SCARTO
VALORE OBIETTIVO/SCOPO DI
PROGETTAZIONE/REQUISITI DEL CLIENTE
LSI LSS
CURVA DELLA PEZZI SUL PUNTO A : NESSUNA PERDITA
FUNZIONE DI PERDITA PEZZI SUL PUNTO B : LIEVE PERDITA
PEZZI SUL PUNTO C : MAGGIORE PERDITA
(b)
AMMONTARE DELLA PERDITA IN C
PERDITA
A B C AMMONTARE DELLA PERDITA IN B
CENTRO
DEL PROCESSO
LSI LSS
(a) OBIETTIVO
(REQUISITO DEL CLIENTE) PERCENTUALE DI PEZZI FUORI DAI LIMITI DI SPECIFICA
(MENTALITÀ “DELL’OBIETTIVO”)
VARIAZIONE
PROCESSO
LA DISTRIBUZIONE DEL PROCESSO
LSI LSS
OBIETTIVO PERDITA
(REQUISITO DEL CLIENTE)
(b)
PERDITA
(c)
AMMONTARE DEL DISALLINEAMENTO DEL
PERDITA PROCESSO RISPETTO ALL’OBIETTIVO DEL
CLIENTE
LSI LSS
= PERDITA PER L CLIENTE GENERATA DA
QUESTO PROCESSO (NON PONDERATA)
(e)
PERDITA
eseguito per meglio comprendere i processi anche se non si calcolano e/o usano le misure di processo
(cioè Cp/Cpk, ecc.);
• Per un miglioramento continuo del processo, sarebbe necessario usare le misure di processo cercando di
continuare ad abbinare la “Voce del Processo” con la “Voce del Cliente” con perdita minima per il
cliente.
Un’ultima precauzione da tenere presente è che tutte le valutazioni della capacità dovrebbero essere limitate
ad una sola caratteristica di processo. Non conviene mai combinare o far la media dei risultati della capacità
di numerosi processi in un solo indice.
Speriamo che l’applicazione delle misure di processo in questo ambito generale possa fornire le informazioni
necessarie per ottenere dei miglioramenti di processo effettivi con un rapporto competitivo.
Risultati del confronto tra il risultato del processo e una specifica d’accettazione e relativa
decisione circa la conformità o non conformità dello stesso.
Non Conforme :
“RIFIUTATO”
Metodi Materiali
• Carta di Controllo u
per Numero di Non
Conformità per Unità di
Controllo
Sebbene le carte di controllo spesso vengano viste in termini di variabili (come dimostrato nel Capitolo II) sono state
sviluppate delle versioni anche per gli attributi (vedere Figura 31). Gli attributi hanno solo due valori (conforme/non
conforme, passa/non passa, presente/assente) ma essi possono essere contati per registrazioni ed analisi *. Esempi
comprendono la presenza di una determinata etichetta, la continuità di un circuito elettrico, o gli errori su un documento
battuto a macchina. Altri esempi sono le caratteristiche misurabili, ma i cui risultati sono registrati con il semplice modo
SI/NO, quali ad esempio la conformità del diametro di un albero quando viene misurato con un calibro passa/non passa,
l’accettabilità di margini di una porta misurati con un calibro visivo o di controllo, o la consegna della merce eseguita in
tempo. Le carte di controllo per gli attributi sono importanti per una serie di motivi elencati nel seguito.
• Le situazioni con attributi esistono in qualunque processo tecnico o amministrativo, quindi le tecniche per le analisi
degli attributi sono utili per molte applicazioni. La difficoltà più evidente è di sviluppare delle definizioni precise
per indicare ciò che non è conforme.
• Gli attributi sono disponibili in molte situazioni - ovunque esistano controlli, indicazioni di riparazione, selezione
del materiale scartato, ecc., in questi casi non sono richieste spese aggiuntive per la raccolta dei dati semplicemente
basta lo sforzo di convertire i dati in una carta di controllo.
• Quando sia necessario raccogliere dei nuovi dati, le informazioni relative agli attributi in genere sono più rapide ed
economiche da ottenere con l’uso di un semplice calibro (per esempio un calibro passa/non passa) e spesso non
occorrono abilità specifiche.
• La maggior parte dei dati raccolti per le relazioni riepilogative alla direzione sono fornite in forma di attributi e
possono trarre vantaggio dall’analisi delle carte di controllo. Gli esempi possono includere le performance di una
prima messa in funzione, le percentuali di scarta, gli audit qualità e gli scarti di materiali. Grazie all’abilità a
distinguere le variazioni tra quelle prodotte dalle cause speciali e quelle prodotte dalle cause comuni, l’analisi delle
carte di controllo può essere utile per interpretare questi rapporti per la direzione.
• Quando si introducono le carte di controllo in un’organizzazione, è importante dare priorità alle aree che presentano
dei problemi ed usare le carte quando effettivamente sono necessarie. Indicazioni di problemi possono derivare dal
sistema di controllo dei costi, dai reclami dei clienti, dalle strozzature interne, ecc. L’uso di carte di controllo per gli
attributi per le misure chiave della qualità totale spesso possono aprire la strada verso specifiche aree di processo
che richiedono un esame più dettagliato - comprendendo la possibilità dell’uso di carte di controllo per le variabili.
* Questo manuale utilizzerà gli attributi con i valori conforme/non conforme semplicemente perché 1) sono quelli
“tradizionalmente usati”; 2) le organizzazioni che intraprendono la strada del miglioramento continuo normalmente
iniziano con queste categorie e 3) molti degli esempi disponibili nella letteratura usano queste categorie. Non si deve
comunque pensare che queste siano le sole categorie “accettabili” o che le carte degli attributi non possano essere usate
con i processi del caso 1) (vedere Appendice H).
Le quattro sezioni che seguono riguardano i principi fondamentali delle quattro maggiori carte di controllo degli attributi:
Sezione 1 - La Carta di Controllo p per la Proporzione delle Unità Non Conformi (ricavate da campioni non
necessariamente di uguale dimensione)
Sezione 2 - La Carta np per il Numero di Unità Non Conformi (ricavate da campioni di dimensione uguale)
Sezione 3 - La carta c per il Numero di Non Conformità (ricavate da campioni di dimensione uguale)
Sezione 4 - La Carta u per il Numero di Non Conformità per unità (ricavate da campioni non necessariamente di
uguale dimensione)
Il primo studio relativo alla carta p è più lunga delle altre perché introduce i concetti principali. Le altre tre sezioni si
concentrano sulla distinzione delle caratteristiche di questi tipi di carte.
Figura 32. Carta di controllo p per la parte di non conformità - Raccolta dei dati
Figura 33. Carta di Controllo p per la parte di Non Conformità - Calcolo dei limiti di controllo, foglio 1
dove n1p1, n2p2… e n1, n2… sono i numeri di articoli non conformi ed il numero di articoli controllati per
ogni sottogruppo. Occorre far attenzione a non confondere le percentuali (px100 - p%) con la proporzione di
difetti (p).
B.2. Calcolo dei limiti di controllo superiori e inferiori (LCS, LCI) (Vedere Figura 33, Foglio 1)
I limiti di controllo sono la media di processo più o meno una concessione per la variazione che può essere
prevista se il processo fosse in condizioni di controllo statistico considerando la dimensione del campione del
sottogruppo. Per il periodo di studio di k sottogruppi, calcolare i limiti di controllo superiore ed inferiore:
( )
LCS p = p + 3 p 1 − p / n
( )
LCI p = p − 3 p 1 − p / n
Nota: quando p è basso e/o n è piccolo, LCI può essere talvolta calcolato come numero negativo. In questi
casi non vi è un limite di controllo inferiore, poiché anche un valore di p = 0 per un particolare periodo si
trova entro i limiti di una variazione casuale.
B.3. Tracciatura e indicazione delle linee (Vedere Figura 33, Foglio 1)
Figura 33. Carta di Controllo p per la parte di Non Conformità - Calcolo dei limiti di controllo, Foglio 2
( )
LCS p K LCI p = p ± 3 p 1 − p / n
Quando la dimensione del sottogruppo varia oltre questa quantità, sono necessari dei limiti di
controllo per i periodi che presentano campioni particolarmente piccoli o particolarmente grandi.
Una procedura ragionevole (che dovrebbe essere documentata nella sezione “commenti” del
modulo) è la seguente:
• Stabilire l’escursione delle dimensioni del campione che potrebbero variare rispetto alla media di ±
25%; identificare tutti i sottogruppi con la dimensione di campione che si trova fuori da questa
escursione.
• Ricalcolare i limiti precisi per questi punti nel seguente modo:
( ) ( )
LCS p K LCI p = p ± 3 p 1 − p / n = p ± 3 p 1 − p / n
Figura 34. Carta di Controllo p per la parte di Non Conformità. Punti fuori dai limiti di controllo
NOTA: quando la media degli articoli non conformi per sottogruppo (n p ) è moderatamente grande (9
o superiore) la distribuzione del sottogruppo p è generalmente normale e l’analisi della
tendenza è simile a quella applicata alle carte di controllo X . Quando n p diventa piccolo (5 o
inferiore) le norme che seguono non sono direttamente applicabili.
NOTA: quando n p è piccolo (sotto 5) la probabilità di escursione sotto p aumenta, così come
un’escursione di 8 o superiore può essere un segnale di diminuzione nella proporzione delle
non conformità.
Figura 36. Carta di Controllo p per la parte di non conformità. Schemi non casuali
Figura 37. Carta di controllo p per la parte di non conformità. Ricalcolo dei limiti di controllo
Dall’esempio:
p = 0,0312
La capacità di processo corrente corrisponde a 3,12% di difetti rispetto al
controllo funzionale (96,88% OK).
• Per una carta p la capacità di processo è riflessa dalla media di non conformità del processo, p , calcolata
quando tutti i punti sono sotto controllo. Se richiesto, questo può essere espresso come la proporzione
conforme alle specifiche (1 - p ).
• Per la stima preliminare di una capacità di processo, usare i dati storici ma escludere i punti associati a
cause speciali.
• Per uno studio formale della capacità di processo, occorre utilizzare dati nuovi, preferibilmente per 25 o
più periodi con i punti tutti sotto controllo statistico. Il p per questi periodi consecutivi sotto controllo,
rappresenta la miglior stima della capacità corrente di processo.
D.2. Valutazione della capacità di processo
• La capacità di processo come calcolata fin qui riflette il livello corrente della performance che il processo
genera o che si può prevedere possa generare, fino a quando il processo stesso rimane in condizioni di
controllo e non è sottoposto a modifiche sostanziali della performance. Partendo da una base periodo -
periodo, la proporzione di non conformità misurata varierà tra i limiti di controllo, ma escludendo ogni
eventuale modifica del processo, o periodo in cui si permette al processo di andare fuori controllo, la
proporzione media di non conformità tenderà ad essere stabile.
• Questa capacità media, non i valori singoli fluttuanti, deve essere valutata in base alle previsioni della
direzione per quella particolare caratteristica. Quindi se il livello medio non è accettabile, è necessario
che vengano eseguite analisi e intraprese azioni nuove nei confronti del processo stesso (responsabilità
della direzione).
np1 + np 2 + ... + np k
np =
k
dove np1, np2…sono i numeri di non conformità in ogni k sottogruppo.
• Calcolare i limiti di controllo superiore ed inferiore (LCS, LCI).
⎛ np ⎞
LCS np = n p + 3 n p⎜⎜1 − ( )
⎟ = np + 3 np 1 − p
n ⎟⎠
⎝
⎛ np ⎞
LCI np = n p − 3 n p⎜⎜1 − ( )
⎟ = np − 3 np 1 − p
n ⎟⎠
⎝
LCSc = c + 3 c
LCI c = c − 3 c
La capacità di processo è c , il numero medio di non conformità di un campione con dimensione fissa n.
dove c1, c2… e n1, n2… sono i numeri di non conformità e la dimensione di campione di ogni sottogruppo k.
• Calcolare i limiti di controllo (LCS, LCI).
u
LCS u = u + 3 u / n = u + 3
n
u
LCI u = u − 3 u / n = u − 3
n
dove n è la dimensione media del campione.
u
LCS u , LCI u = u ± 3 u / n = u ± 3
n
Sezione 1
INTRODUZIONE
Dopo aver determinato le caratteristiche da misurare per un determinato processo, è necessario eseguire una valutazione
del sistema di misurazione adottato per quella/quelle caratteristica/caratteristiche per garantire un’analisi efficace di ogni
successivo dato SPC generato per quella/quelle caratteristica/caratteristiche. Ricordare la scoperta fondamentale condivisa
da tutti gli esperti di statistica e dai professionisti della qualità in tutto il mondo secondo la quale un valore osservato è
composto da un valore principale della caratteristica misurata più un errore di misura, oppure
“L’errore di misura” è il termine statistico che significa l’effetto netto di tutte le fonti di variabilità della misura che
provocano la deviazione di un valore osservato dal valore principale (valore vero). Purtroppo questa relazione significa che
ci si trova a dover prendere delle decisioni su un prodotto usando delle informazioni (per esempio numeri) che contengono
una variabilità aggiuntiva. Proseguendo, la variabilità totale in una serie di dati consistente in almeno due misure per lotto
(o sottogruppo) e molti lotti (sottogruppi) nel tempo, è composta a sua volta da due elementi, cioè:
L’importanza di ridurre al minimo l’effetto della variabilità della misura sulla valutazione della variabilità del processo non
può essere esagerato. Per comprendere meglio i vari aspetti dell’analisi dei sistemi di misura, far riferimento al Manuale
Analisi dei Sistemi di Misura (MSA per l’industria automobilistica) (Appendice H, Riferimento 15) pubblicato nel mese di
dicembre 1990 a Automitive Industry Action Group (AIAG). Uno dei metodi più diretti ed anche ampiamente più applicati
per l’analisi dei sistemi di misura è descritto nel manuale AIAG-MSA e presentato in questa sezione come metodo
ragionevolmente ben accetto per la valutazione di un sistema di misura prima di iniziare un controllo di processo statistico.
Non si intende comunque suggerire che questa sia l’unica tecnica MSA accettabile. Inoltre la tecnica descritta in questo
manuale suppone che siano già stati valutati e ritenuti accettabili gli altri attributi chiave del sistema di misura cioè
accuratezza, linearità e stabilità così come sono descritti nel manuale MSA.
B. CALCOLI
I calcoli per la ripetibilità e la riproducibilità dei calibri sono illustrati nelle Figure 42 e 43. La Figura 42 mostra il foglio
dei dati sui quali sono registrati tutti i risultati degli studi. La Figura 43 indica il foglio di rapporto sul quale si registrano le
informazioni di identificazione e si eseguono i calcoli secondo la formula descritta. La procedura per il calcolo dopo aver
raccolto i dati è la seguente:
1. Sottrarre la lettura più piccola da quella più grande nelle righe 1, 2 e 3; scrivere il risultato nella riga 5.
Eseguire le stesse operazioni per le righe 6, 7 e 8; e 11, 12 e 13 e scrivere i risultati nelle righe 10 e 15
rispettivamente (Figura 42).
2. I dati scritti nelle righe 5, 10 e 15 devono essere valori positivi (Figura 42).
3. Eseguire la somma della riga 5 e dividere il totale per il numero di pezzi campionati per ottenere l’escursione
media per le prime prove eseguite R a. Eseguire le stesse operazioni per le righe 10 e 15 per ottenere R b e
R c (Figura 42).
4. Trasferire le medie delle righe 5, 10 e 15 ( R a, R b, R c) nella riga 17. Sommarle e dividerle per il numero di
operatori quindi scrivere i risultati come R (media di tutte le escursioni) (Figura 42).
5. Scrivere R (escursione media) nelle righe 19 e 20 e moltiplicarlo per D3 e D4, rispettivamente, per ottenere i
limiti di controllo inferiore e superiore. Notare che D3 è pari a 0 e D4 è uguale a 3,27 nel caso in cui si usino
due prove. Il valore del limite di controllo superiore (LCSR) delle singole escursioni deve essere scritto nella
riga 19. Il valore del limite di controllo inferiore (LCIR) per un numero inferiore a 7 prove è uguale a 0
(Figura 42).
6. Ripetere le misure che hanno dato come risultato un’escursione più grande di LSCR calcolata facendole
eseguire allo stesso operatore ed usando lo stesso pezzo utilizzato in precedenza, o non tenere conto di questi
valori e ricalcolare la media e R ed il valore limite LSCR prendendo come base la dimensione riesaminata
del campione. Eliminare le cause specifiche che hanno prodotto la condizione fuori controllo.
7. Sommare le righe 1, 2, 3, 6, 7, 8, 11, 12, 13. Dividere la somma di ogni riga per il numero dei pezzi
campionati e inserire questi valori nella colonna di destra denominata “Media” (Figura 42).
8. Aggiungere le medie nelle righe 1, 2 e 3, dividere il totale per il numero di prove e scrivere il valore nella
riga 4 nel blocco X a. Ripetere queste operazioni per le righe 6, 7 e 8; 11, 12 e 13, e inserire i risultati nei
blocchi X b e X c nelle righe 9 e 14, rispettivamente (Figura 42).
9. Inserire le medie massime o minime delle righe 4, 9 e 14 nell’apposito spazio della riga 18 e calcolare le
differenze. Introdurre questa differenza nello spazio contrassegnato da X DIFF della riga 18 (Figura 42).
10. Sommare le misure per ogni prova per ogni pezzo e dividere il totale per il numero di misure (il numero di
prove stabilisce il numero degli operatori). Inserire il risultato nella riga 16 nello spazio riservato alla media
per il pezzo (Figura 42).
11. Sottrarre la media più piccola per il pezzo da quella più grande e scrivere il risultato nello spazio
contrassegnato da Rp della riga 16. Rp è l’escursione delle medie del pezzo (Figura 42).
12. Trasferire i valori calcolati di R , X DIFF e Rp negli spazi sul lato del rapporto previsti per questo scopo
(Figura 43).
13. Eseguire i calcoli della colonna denominata “Analisi dell’Unità di Misura” sulla colonna a sinistra del
modulo (Figura 43).
14. Eseguire i calcoli della colonna denominata “Variazione Totale Percentuale %” sul lato destro del modulo
(Figura 43).
15. Controllare i risultati per accertare che non siano stati fatti degli errori.
La ripetibilità o variazione dell’attrezzatura (EV o σ e) si determina moltiplicando l’escursione media ( R ) per una costante
(K1). K1 dipende dal numero di prove eseguite nello studio del calibro.
La riproducibilità o variazione dell’operatore (AV o σ o ) si determina moltiplicando la differenza media massima
dell’esperto ( X DIFF) per una costante (K2). K2 dipende dal numero degli operatori che hanno preso parte allo studio sul
calibro. Poiché la variazione dell’operatore è viziata dalla variazione dell’attrezzatura, questa deve essere rettificata
sottraendo una frazione della variazione dell’attrezzatura. Di conseguenza, la variazione dell’esperto (AV) si calcola
mediante:
⎡ (EV )2 ⎤
AV = [X × K2 ]
2
−⎢ ⎥
⎣⎢ (n × r ) ⎦⎥
DIFF
dove n = numero dei pezzi ed r = numero delle prove. Se il calcolo della radice quadrata produce un valore negativo la
variazione dell’esperto (AV) assume per difetto il valore (0).
PEZZO
OPERATORE /
MEDIA
PROVA #
1 2 3 4 5 6 7 8 9 10
1. A 1
2. 2
3. 3
4. Media Xa=
5. Escursione Ra=
6. B 1
7. 2
8. 3
9. Media Xb=
10. Escursione Rb=
11. C 1
12. 2
13. 3
16. Pezzo
X =
Media ( X p) Rp =
17. [R a= ] + [R b= ] + [R c= ] / [ # DI OPERATORI = ]= R =
19. [R = ] x [ D *4 = ] = LCSR
20. [R = ] x [ D *3 = ] = LCIR
D *4 = 3,27 per 2 prove e 2,58 per 3 prove; D *3 = 0 fino a 7 prove. LCSR rappresenta il limite dell'escursione R individuale. Segnalare
quelli che si trovano oltre questo limite. Identificare le cause ed eliminarle. Far ripetere queste letture allo stesso operatore ed usando la
stessa unità o rifiutare i valori e ricalcolare la media R e il valore limite sulla base delle osservazioni fatte.
Note: _______________________________________________________________________________________________________
Figura 42. Foglio dei dati della Ripetibilità e Riproducibilità del calibro
AV = ⎢⎣
(
⎡ X DIFF xK
2 ) − (EV
2 2
/ nr ⎤)
⎥⎦
= 100 [____ / ____]
R&R = (EV + AV )
2 2
= 100 [____ / ____]
= (____ + ____ )
2 2
= ____%
Pezzi K3
= ____ 2 3,65
Variazione pezzo (PV) 3 2,70 %PV = 100 [PV/TV]
4 2,30
PV = Rp x K3 5 2,08 = 100 [____ / ____]
= ____ x ____ 6 1,93
7 1,82 = ____%
= ____ 8 1,74
Variazione totale (TV) 9 1,67
10 1,62
PV = (R & R + PV ) 2 2
= (____ + ____ )
2 2
= ____
Tutti i calcoli si basano sulla previsione 5,15 sigma (99% dell'area sotto la curva di distribuzione normale).
K1 è pari a 5,15/ d2, dove d2 dipende dal numero delle prove (m) ed il numero dei pezzi stabilisce il numero degli operatori (g) che si
presume superiore a 15. I valori d2 sono ricavati dall’Appendice E.
AV - Se il valore calcolato sotto la radice quadrata è negativo, la variazione esperto (AV) assume il valore zero (0) per difetto.
K2 è pari a 5,15/ d2*, dove d2* dipende dal numero degli operatori (m) e (g) è uguale a 1, poiché si calcola un solo campo di variazione.
K3 è pari a 5,15 d2*, dove d2* dipende dal numero dei pezzi (m) e (g) è uguale a 1, poiché si calcola un solo campo di variazione.
d2* si ricava dalla tabella D3 "Controllo Qualità e statistiche industriali", A.J. Duncan (Vedere Appendice H, Riferimento 9)
La variazione di ripetibilità e riproducibilità del sistema di misura (R&R o σ m) si calcola aggiungendo il quadrato della
variazione dell’attrezzatura ed il quadrato della variazione dell’operatore e calcolando la seguente radice quadrata:
R&R= [(EV) 2
+ (AV )2 ]
La variazione tra i pezzi (PV oppure σ p) è determinata moltiplicando l’escursione delle medie del pezzo (Rp) per una
costante (K3). K3 dipende dal numero di pezzi usati nello studio del calibro.
La variazione totale (TV oppure σ t) dallo studio si calcola sommando il quadrato della variazione di ripetibilità e
riproducibilità (R&R) e la variazione tra i pezzi (PV) e calcolando la seguente radice quadrata:
TV = [(R & R ) 2
+ (PV )2 ]
Se la variazione di processo è conosciuta ed il suo valore si basa su 6 σ , questo può essere usato al posto della variazione
totale dello studio (TV) calcolata partendo dai dati dello studio del calibro. Ciò si ottiene eseguendo i seguenti calcoli:
⎡ Variazione. Pr ocesso ⎤
1. TV = 5.15 ⎢ ⎥
⎣ 6.00 ⎦
2. PV = [(TV ) 2
+ (R & R )2 ]
Entrambi questi valori (TV e PV) sostituiscono quelli calcolati in precedenza.
Dopo aver determinato la variabilità di ogni fattore nel corso dello studio del calibro, questa può essere confrontata con la
variazione totale (TV). Ciò si ottiene eseguendo i calcoli sul lato destro del modulo di rapporto calibri (Figura 43) nella
colonna “variazione totale percentuale”.
⎡ EV ⎤
La percentuale che la variazione dell’attrezzatura (% EV) utilizza della variazione totale (TV) si calcola con 100 ⎢ ⎥.
⎣ TV ⎦
La percentuale di variazione totale consumata dagli altri fattori può essere calcolata nel modo seguente:
⎡ AV ⎤
%AV = 100 ⎢ ⎥
⎣ TV ⎦
⎡R & R ⎤
% R&R = 100 ⎢ ⎥
⎣ TV ⎦
⎡ PV ⎤
%PV = 100 ⎢ ⎥
⎣ TV ⎦
LA SOMMA DELLE PERCENTUALI UTILIZZATE DA OGNI FATTORE NON SARÀ UGUALE AL 100%
I risultati di questa variazione totale percentuale devono essere valutati per stabilire se il sistema di misura è accettabile per
l’uso che si intende farne.
Se l’analisi si basa sulla tolleranza invece che sulla variazione di processo, il modulo del rapporto di riproducibilità e
ripetibilità del calibro (Figura 43) può essere modificato in modo tale che il lato destro del modulo indichi la percentuale di
tolleranza invece che la percentuale della variazione totale. In questo caso, %EV, %AV, %R&R e %PV si calcolano
sostituendo il valore della tolleranza nel denominatore del calcolo con la variazione totale (TV).
Le linee guida per l’accettazione della ripetibilità e riproducibilità del calibro (%R&R) sono:
• Sotto il 10% di errore - il sistema di misura è accettabile
• Tra 10% e 30% di errore - può essere accettato a seconda dell’importanza dell’applicazione,
del costo del calibro, del costo delle riparazioni, ecc.
• Oltre il 30% di errore - il sistema di misura deve essere migliorato. È necessario
identificare i problemi ed eliminarli.
D. ESEMPIO
La società XYZ ha lanciato una valutazione dei sistemi di misura. Il primo dispositivo di misura sottoposto a valutazione è
uno spessimetro per guarnizione. Il tecnico della qualità ha deciso di usare 10 pezzi che rappresentano la variabilità del
processo e richiede l’aiuto di 3 operatori del gruppo di controllo, selezionati a caso. Poiché il tempo rappresenta un vincolo
si eseguono solo 2 prove. Il metodo di raccolta e di analisi dei dati applica le procedure descritte all’inizio di questa sezione
con i risultati illustrati nella Figura 44 e nella Figura 45.
Il limite di controllo superiore (LCSR) e quello di controllo inferiore (LCIR) per i singoli campi di variazione sono calcolati
seguendo le istruzioni della Figura 44. I dati potrebbero essere tracciati su un diagramma di controllo dei campi di
variazione per la ripetibilità, ma l’analisi di questi campi indica che sono tutti sotto controllo (cioè si trovano tra LCSR e
LCIR). Ciò significa che esiste coerenza tra tutti gli operatori e che tutti stanno usando il calibro nello stesso modo.
E’ necessario procedere all’analisi dell’unità di misura ed al calcolo della percentuale della variazione di processo per ogni
componente della variazione (vedere Figura 45). I risultati devono essere valutati per stabilire se il sistema di misura è
accettabile per l’uso che si intende fare. In questo esempio, la %R&R è uguale a 25,2% e, di conseguenza, il sistema di
misura sarà considerato di secondaria importanza per la misura della variazione di processo.
PEZZO
OPERATORE /
MEDIA
PROVA #
1 2 3 4 5 6 7 8 9 10
1. A 1 0,65 1,00 0,85 0,85 0,55 1,00 0,95 0,85 1,00 0,60 0,83
2. 2 0,60 1,00 0,80 0,95 0,45 1,00 0,95 0,80 1,00 0,70 0,825
3. 3
4. Media 0,625 1,000 0,825 0,900 0,500 1,000 0,950 0,825 1,000 0,650 X a = 0,8275
5. Escursione 0,05 0,00 0,05 0,10 0,10 0,00 0,00 0,05 0,00 0,10 R a = 0,045
6. B 1 0,55 1,05 0,80 0,80 0,40 1,00 0,95 0,75 1,00 0,55 0,785
7. 2 0,50 0,95 0,75 0,75 0,40 1,05 0,90 0,70 0,95 0,50 0,75
8. 3
9. Media 0,550 1,000 0,775 0,775 0,400 1,025 0,925 0,725 0,975 0,525 X b = 0,7675
10. Escursione 0,00 0,10 0,05 0,05 0,00 0,05 0,05 0,05 0,05 0,05 R b = 0,045
11. C 1 0,50 1,05 0,80 0,80 0,45 1,00 0,95 0,80 1,05 0,85 0,825
12. 2 0,55 1,00 0,80 0,80 0,50 1,05 0,95 0,80 1,05 0,80 0,83
13. 3
14. Media 0,525 1,025 0,800 0,800 0,475 1,025 0,950 0,800 1,050 0,825 X c = 0,8275
15. Escursione 0,05 0,05 0,00 0,00 0,05 0,05 0,00 0,00 0,00 0,05 R c = 0,030
16. Pezzo
X = 0,8075
Media ( X p) 0,567 1,008 0,800 0,825 0,458 1,017 0,942 0,783 1,008 0,667 Rp = 0,559
19. * 0,13
[ R = 0,04 ] x [ D 4 = 3,27 ] = LCSR
20. * 0,00
[ R = 0,04 ] x [ D 3 = 0,00 ] = LCIR
D *4 = 3,27 per 2 prove e 2,58 per 3 prove; D *3 = 0 fino a 7 prove. LCSR rappresenta il limite dell'escursione R individuale. Segnalare
quelli che si trovano oltre questo limite. Identificare le cause ed eliminarle. Far ripetere queste letture allo stesso operatore ed usando la
stessa unità o rifiutare i valori e ricalcolare la media R e il valore limite sulla base delle osservazioni fatte.
Note: _______________________________________________________________________________________________________
Figura 44. Foglio dei dati della Ripetibilità e Riproducibilità del calibro - Esempio
AV = (
⎡ X DIFF xK
⎢⎣ 2 ) − (EV
2 2
)
/ nr ⎤
⎥⎦
= 100 [0,16 / 0,93]
= [(0,06x2,70) − (0,18
2 2
)]
/ (10 x 2 )
= 16,8%
n = numero di pezzi
r = numero di prove
Operatori 2 3
= 0,16 3,65 2,70
K2
Ripetibilità & Riproducibilità (R&R) %R&R = 100 [R&R/TV]
R&R = (EV + AV )
2 2
= 100 [0,24 / 0,93]
= (0,18 + 0,16 )
2 2
= 25,2%
Pezzi K3
= 0,24 2 3,65
Variazione pezzo (PV) 3 2,70 %PV = 100 [PV/TV]
4 2,30
PV = Rp x K3 5 2,08 = 100 [0,90 / 0,93]
= 0,56 x 1,62 6 1,93
7 1,82 = 96,8%
= 0,90 8 1,74
Variazione totale (TV) 9 1,67
10 1,62
PV = (R & R + PV )2 2
= (0,24 + 0,90 )
2 2
= 0,93
Tutti i calcoli si basano sulla previsione 5,15 sigma (99% dell'area sotto la curva di distribuzione normale).
K1 è pari a 5,15/ d2, dove d2 dipende dal numero delle prove (m) ed il numero dei pezzi stabilisce il numero degli operatori (g) che si
presume superiore a 15. I valori d2 sono ricavati dall’Appendice E.
AV - Se il valore calcolato sotto la radice quadrata è negativo, la variazione esperto (AV) assume il valore zero (0) per difetto.
K2 è pari a 5,15/ d2*, dove d2* dipende dal numero degli operatori (m) e (g) è uguale a 1, poiché si calcola un solo campo di variazione.
K3 è pari a 5,15 d2*, dove d2* dipende dal numero dei pezzi (m) e (g) è uguale a 1, poiché si calcola un solo campo di variazione.
d2* si ricava dalla tabella D3 "Controllo Qualità e statistiche industriali", A.J. Duncan (Vedere Appendice H, Riferimento 9)
APPENDICE A
Alcuni commenti relativi alla formazione dei sottogruppi
Le carte di controllo servono per rispondere alle domande relative ai processi. Affinché la carta di controllo sia utile è
importante che queste rispondano alle domande giuste. Una carta di controllo X-media pone la domanda: “La variazione
presente nel sottogruppo produce una media superiore a quella prevista basandosi sulla variazione all’interno dei
sottogruppi?”. Di conseguenza capire le fonti di variazioni all’interno e tra i sottogruppi è molto importante per poter
comprendere la carta di controllo e la variazione di processo. La maggior parte delle carte di controllo delle variabili
confrontano la variazione interna del sottogruppo con la variazione tra i sottogruppi, quindi è importante per interpretare le
carte di controllo formare dei sottogruppi in cui si capisca quali sono le possibili fonti di variazione che possono
influenzare i risultati del processo. Prendiamo in considerazione il presente esempio: un processo di produzione è formato
da quattro operazioni parallele. Si suppone che la variazione nel risultato di processo debba essere studiata con le carte di
controllo, quindi si deve prendere una decisione sul modo più adatto per raccogliere i dati per costruire le carte. Deve
essere presa in considerazione la grande varietà di schemi di campionatura possibili.. Gli elementi possono essere prelevati
da ogni flusso per formare un sottogruppo oppure le parti possono essere prelevate da un solo flusso ed incluse nello stesso
sottogruppo oppure si possono formare dei sottogruppi prelevando dei pezzi dalla combinazione del flusso dei risultati
senza tenere conto della loro fonte. L’esempio numerico descritto nel seguito indica i possibili risultati ottenibili con questi
tre metodi.
Metodi per raccogliere i dati partendo dal risultato di un processo di produzione a flusso multiplo
(mandrino)
S1
S2
S4
Metodo 3: il sottogruppo è
formato da misure prese sul
risultato combinato di tutti i
flussi.
Ogni ora si raccoglie un campione di 16 pezzi prelevando i pezzi da quattro cicli consecutivi di ogni flusso. Esempio dei
dati raccolti:
Ciclo della Macchina
Campione # A B C D
Flusso 1 17 18 18 20
Flusso 2 12 15 12 12
Flusso 3 9 10 9 12
Flusso 4 10 11 12 12
In questi dati sono state acquisite tre fonti di variazione. La variazione Ciclo-Ciclo è acquisita dalle diverse colonne della
tabella; la variazione flusso-flusso è acquisita dalle righe della tabella, e la variazione ora-ora è acquisita dai differenti
campioni dei 16 pezzi.
1) A B C D X R 1) A B C D X R 1) A B C D X R
S1 9 10 9 12 10.0 2 S1 9 12 12 11 11.0 3 S1 10 12 11 10 10.8 2
S2 12 15 12 12 12.3 3 S2 11 13 10 11 11.3 3 S2 11 12 12 11 11.5 1
S3 17 18 18 20 18.3 3 S3 15 17 17 17 16.5 3 S3 16 16 20 16 17.0 4
S4 10 11 12 12 11.3 2 S4 12 15 12 11 12.5 2 S4 10 11 12 11 11.0 2
X 12.0 13.5 12.8 14 X 11.8 14.3 12.8 12.5 X 11.8 12.8 13.8 12.0
R 8 8 9 8 R 6 5 7 6 R 6 5 8 6
1) A B C D X R 1) A B C D X R 1) A B C D X R
S1 7 6 6 8 6.8 2 S1 11 11 8 10 10.0 3 S1 8 10 7 6 7.8 4
S2 8 8 8 9 8.3 1 S2 13 15 13 15 14.0 2 S2 9 10 9 9 9.8 1
S3 14 15 15 13 14.3 2 S3 17 18 19 16 17.5 3 S3 15 15 14 15 14.8 1
S4 6 7 7 7 6.5 1 S4 11 12 13 11 11.8 2 S4 6 7 5 6 6.0 2
X 8.8 9.0 8.8 9.3 X 13.0 14.0 13.3 13.0 X 9.5 10.5 8.8 9.0
R R 11 R 9 8 9 9
Dati prelevati nel corso di 20 ore consecutive usati per costruire le carte di controllo con ogni metodi di formazione di
sottogruppi.
Metodo 1: sottogruppi per colonna (ciclo)
Questa forma di sottogruppo contiene 80 sottogruppi di dimensione n = 4. L’escursione media è 7,85 ed il limite di
controllo superiore per la carta dell’escursione è 17,91 unità. Con questo metodo la variazione all’interno del sottogruppo
appare stabile.
12
8 R
12 X
8
LCIX
4
16
12
8
LCSR
4
R
0
16
LCSX
12 X
LCIX
8
Le carte di controllo per diversi tipi di formazione di sottogruppo sono molto diverse anche se sono ricavate dagli stessi
dati. La carta X-media per i dati raggruppati per riga mostra uno schema: tutti i punti corrispondenti al mandrino 3 sono
notevolmente più alti di quelli rilevati negli altri flussi. La prima carta X-media non rivela le differenze tra i flussi perché è
stata calcolata la media delle letture fatte su ogni flusso per ottenere ogni valore X-media. Raggruppando i dati in modo
diverso, le carte si occupano di questioni diverse.
Per la prima serie di carte, la variazione flusso-flusso è usata come base di confronto. La carta R permette di controllare se
la variazione flusso-flusso è stabile nel tempo e la carta X-media confronta la variazione ciclo-ciclo e la variazione ora-ora
con quella flusso-flusso. La seconda serie di carte usa la variazione ciclo-ciclo come base di confronto. La carta R permette
di controllare se la variazione ciclo-ciclo è stabile nel tempo mentre la carta X-media confronta la variazione flusso-flusso
e la variazione ora-ora con il livello base di variazione definito dalle escursioni, cioè variazione ciclo-ciclo. Poiché le
differenze tra flusso e flusso sono così grandi i limiti di controllo nella prima serie di carte sono più ampi di quelle della
seconda serie.
Con il secondo metodo di formazione dei sottogruppi i dati possono essere usati per creare quattro serie separate di carte di
controllo, una per ogni flusso.
16
12
Il confronto tra le carte mostra che la media del terzo flusso è superiore a quella degli altri e che i processi singoli sono
fuori controllo. Il livello base di variazione usato per studiare i risultati di ogni flusso, è la variazione ciclo-ciclo indicata
nell’escursione. Per ogni flusso gli effetti della variazione ora-ora sono indicati sulle carte di controllo X-media.
Tracciando le carte usando la stessa scala è possibile confrontare il livello e le variazioni per ogni flusso.
Metodo 3: Il terzo metodo di campionatura consiste nel campionare i pezzi prelevandoli dal risultato combinato di tutti e
quattro i flussi. Questo metodo fornisce intuizioni sulle variazioni inviate al processo successivo ma, non è più possibile
differenziare quale flusso ha prodotto il pezzo. A condizione che i pezzi del flusso congiunto siano mescolati l’escursione
riflette una mescolanza di variazioni flusso-flusso e ciclo-ciclo. I valori della X- media contengono inoltre una variazione
ora-ora. Se il contributo ora-ora alla variazione è sufficientemente ampio questo sarà ritenuto come punto fuori controllo
sulla carta X-media.
12
8
R
4
La carta R permette di controllare se le variazioni flusso-flusso e ciclo-ciclo sono uniformi nel tempo. La carta X-media
risponde alla domanda: “La variazione dei valori nella carta X-media è prevista se la variazione ciclo-ciclo e flusso-flusso
fosse il solo tipo di variazione presente nel processo, o c’è un’aggiunta ora-ora?”.
In linea generale, la variazione rappresentata all’interno dei sottogruppi dovrebbe essere il tipo di variazione meno
significativa o almeno meno interessante come oggetto dello studio corrente. In ogni caso, occorre usare un metodo di
formazione dei sottogruppi che permetta di porre delle domande circa gli effetti delle potenziali fonti di variazione.
APPENDICE B
Sovraregolazione
La sovraregolazione è la pratica di trattare ogni deviazione dall’obiettivo come se fosse il risultato dell’azione di una causa
speciale di variazione sul processo. Se un processo stabile è regolato sulla base di ogni misura presa, la regolazione diventa
una fonte di variazione aggiuntiva. I seguenti esempi dimostrano questo concetto. Il primo grafico mostra la variazione dei
risultati senza nessuna regolazione apportata. Il secondo grafico mostra la variazione dei risultati dopo la regolazione del
processo per compensare ogni deviazione dall’obiettivo. Il terzo grafico mostra la variazione dei risultati quando le
regolazioni sono fatte per compensare solo quando l’ultimo risultato è superiore di una unità rispetto al target. Il terzo caso
è un esempio di compensazione per rimanere all’interno delle specifiche stabilite. Ogni metodo di regolazione aumenta la
variazione del risultato poiché la variazione senza regolazione è stabile (vedere Appendice H, Riferimento 4, Capitolo 11).
30
28
26
24
22 Variazione
20 Normale
18
16
14
12
10
30
28
26
24
22 Nota Aumento
20 in Variazione
18
16
14
12
10
30
28
26
24 Nota Aumento
22 in Variazione
20
18
16
14
12
10
APPENDICE C
Selezione delle procedure da usare per le carte di controllo descritte nel presente
manuale
STABILIRE LE CARATTERISTICHE
CHE DEVONO ESSERE
TRACCIATE
INTERESSANO LE INTERESSANO
NO UNITÀ NON NO LE NON
I DATI SONO
CONFORMI - CIOÈ CONFORMITÀ -
VARIABILI?
PERCENTUALI DI CIOÈ
PEZZI “CATTIVI”? DISCREPANZE-
PEZZI?
SI SI
NO NO
SI USARE UNA LA DIMENSIONE LA DIMENSIONE USARE UNA
CARTA p DEL CAMPIONE È DEL CAMPIONE È CARTA u
COSTANTE? COSTANTE?
SI SI
USARE UNA USARE UNA
CARTA np O p CARTA c O u
SONO DI NATURA
OMOGENEA O NON E’ POSSIBILE
TENDENTI ALLA NO CALCOLARE IN NO USARE UNA
CAMPIONATURA DEL MODO ADATTO CARTA DELLA
SOTTOGRUPPO PER LA MEDIA DEI MEDIANA
ESEMPIO BAGNO SOTTOGRUPPI?
CHIMICO, LOTTO DI
VERNICE?
SI
SI LA DIMENSIONE
DEL NO
USARE UNA
SOTTOGRUPPO
È UGUALE A 9 O CARTA X - R
USARE LA CARTA PER
GLI INDIVIDUI: X-MR SUPERIORE?
SI
E’ POSSIBILE
CALCOLARE IN NO
USARE UNA
MODO ADATTO S
PER OGNI CARTA X - R
SOTTOGRUPPO?
APPENDICE D
Relazione tra Cpm* e altri indici con
(LSS-T) = (T-LIS)**
LSS T LIS
10 11 12 µ 14 15 16 17 18
LSS T LIS
10 11 12 13 µ 15 16 17 18
LSS T LIS
10 11 12 13 14 µ 16 17 18
LSS T LIS
10 11 12 13 14 15 µ 17 18
LSS T LIS
10 11 12 13 14 15 16 µ 18
LSS − LIS
n
(x i − T )2
* Cpm =
6σˆ C pm
, dove σ
ˆ C pm = ∑i =1
n −1
; T = Tolleranza di specifica, xi è una di campione individuale e n = numero
APPENDICE E
Tabella delle Costanti e delle Formule per le Carte di Controllo
* Da ASTM pubblicazione STP-15D, Manuale sulla Presentazione dell’Analisi dei Dati e delle Carte di Controllo, 1976; pp 134-
136. Copyright ASTM, 1916 Race Street, Philadelphia, Pennsylvania 19103. Ristampato con autorizzazione.
~ ~
LCS X~ , LCI X~ = X ± A 2 R LCS X , LCI X = X ± E 2 R
LCS R = D 4 R LCS R = D 4 R
LCI R = D 3 R LCI R = D 3 R
σˆ = R / d 2 σˆ = R / d 2
* Da ASTM pubblicazione STP-15D, Manuale sulla Presentazione dell’Analisi dei Dati e delle Carte di Controllo, 1976; pp 134-
136. Copyright ASTM, 1916 Race Street, Philadelphia, Pennsylvania 19103. Ristampato con autorizzazione.
~
** A 2 Fattori derivati da ASTM–STP-15D Tabella Dati e Efficienze Contenuta nel W.J.Dixon e F.J.Massey, Jr., Introduzione
all’Analisi Statistica, Terza Edizione. 1969; Pagina 488; McGraw-Hill Editore, New York.
carta p per la proporzione delle unità non conformi, per campioni non necessariamente di dimensioni costante:
( )
LCS p , LCI p = p ± 3 p 1 − p / n
( )
= p ± 3 p1− p / n
carta np per il numero di unità non conformi, per campioni di dimensione costante:
( )
LCS np , LCI np = n p ± 3 n p 1 − p
LCSc , LCI c = c ± 3 c
carta u per il numero di non conformità per unità, per campioni non necessariamente di dimensioni costante:
LCS u , LCI u = u ± 3 u / n
u
= u±3
n
Memorandum: guida per la selezione delle carte di controllo per gli attributi:
NUMERO Unità
(semplice ma richiede una dimensione Non Conformi Non Conformità
di campione costante)
np c
PROPORZIONE
(più complessa ma adattabile ad una
proporzione comprensibile e può
utilizzare campioni con dimensioni p u
variabili
APPENDICE F
Distribuzione Normale Standard
Pz = la proporzione del risultato di processo oltre un particolare valore di interesse (tipo limite di specifica) che presenta
una deviazione standard di unità z rispetto alla media di processo (per un processo che sia in situazione di controllo
statistico e di distribuzione normale). Per esempio, se z =2.17, Pz = 0.0150 o 1.5%. In qualsiasi situazione effettiva questa
proporzione è solo approssimativa.
LS LS
x x
Pz σ σ Pz
z z
|z| x.x0 x.x1 x.x2 x.x3 x.x4 x.x5 x.x6 x.x7 x.x8 x.x9
4.0 .00003
3.9 .00005 .00005 .00004 .00004 .00004 .00004 .00004 .00004 .00003 .00003
3.8 .00007 .00007 .00007 .00006 .00006 .00006 .00006 .00005 .00005 .00005
3.7 .00011 .00010 .00010 .00010 .00009 .00009 .00008 .00008 .00008 .00008
3.6 .00016 .00015 .00015 .00014 .00014 .00013 .00013 .00012 .00012 .00011
3.5 .00023 .00022 .00022 .00021 .00020 .00019 .00019 .00018 .00017 .00017
3.4 .00034 .00032 .00031 .00030 .00029 .00028 .00027 .00026 .00025 .00024
3.3 .00048 .00047 .00045 .00043 .00042 .00040 .00039 .00038 .00036 .00035
3.2 .00069 .00066 .00064 .00062 .00060 .00058 .00056 .00054 .00052 .00050
3.1 .00097 .00094 .00090 .00087 .00084 .00082 .00079 .00076 .00074 .00071
3.0 .00135 .00131 .00126 .00122 .00118 .00114 .00111 .00107 .00104 .00100
2.9 .0019 .0018 .0018 .0017 .0016 .0016 .0015 .0015 .0014 .0014
2.8 .0026 .0025 .0024 .0023 .0023 .0022 .0021 .0021 .0020 .0019
2.7 .0035 .0034 .0033 .0032 .0031 .0030 .0029 .0028 .0027 .0026
2.6 .0047 .0045 .0044 .0043 .0041 .0040 .0039 .0038 .0037 .0036
2.5 .0062 .0060 .0059 .0057 .0055 .0054 .0052 .0051 .0049 .0048
2.4 .0082 .0080 .0078 .0075 .0073 .0071 .0069 .0068 .0066 .0064
2.3 .0107 .0104 .0102 .0099 .0096 .0094 .0091 .0089 .0087 .0084
2.2 .0139 .0136 .0132 .0129 .0125 .0122 .0119 .0116 .0113 .0110
2.1 .0179 .0174 .0170 .0166 .0162 .0158 .0154 .0150 .0146 .0143
2.0 .0228 .0222 .0217 .0212 .0207 .0202 .0197 .0192 .0188 .0183
1.9 .0287 .0281 .0274 .0268 .0262 .0256 .0250 .0244 .0239 .0233
1.8 .0359 .0351 .0344 .0336 .0329 .0322 .0314 .0307 .0301 .0294
1.7 .0446 .0436 .0427 .0418 .0409 .0401 .0392 .0384 .0375 .0367
1.6 .0548 .0537 .0526 .0516 .0505 .0495 .0485 .0475 .0465 .0455
1.5 .0668 .0655 .0643 .0630 .0618 .0606 .0594 .0582 .0571 .0559
1.4 .0808 .0793 .0778 .0764 .0749 .0735 .0721 .0708 .0694 .0681
1.3 .0968 .0951 .0934 .0918 .0901 .0885 .0869 .0853 .0838 .0823
1.2 .1151 .1131 .1112 .1093 .1075 .1056 .1038 .1020 .1003 .0985
1.1 .1357 .1335 .1314 .1292 .1271 .1251 .1230 .1210 .1190 .1170
1.0 .1587 .1562 .1539 .1515 .1492 .1469 .1446 .1423 .1401 .1379
0.9 .1841 .1814 .1788 .1762 .1736 .1711 .1685 .1660 .1635 .1611
0.8 .2119 .2090 .2061 .2033 .2005 .1977 .1949 .1922 .1846 .1867
0.7 .2420 .2389 .2358 .2327 .2297 .2266 .2236 .2206 .2177 .2148
0.6 .2743 .2709 .2676 .2643 .2611 .2578 .2546 .2514 .2483 .2451
0.5 .3085 .3050 .3015 .2981 .2946 .2912 .2877 .2843 .2810 .2776
0.4 .3446 .3409 .3372 .3336 .3300 .3264 .3228 .3192 .3156 .3121
0.3 .3821 .3783 .3745 .3707 .3669 .3632 .3594 .3557 .3520 .3483
0.2 .4207 .4168 .4129 .4090 .4052 .4013 .3974 .3693 .3897 .3858
0.1 .4602 .4562 .4522 .4483 .4443 .4404 .4364 .4325 .4286 .4247
APPENDICE G
Glossario dei Termini e dei Simboli
Si tratta di una descrizione intuitiva dei termini usati in questo manuale. Per le definizioni operative matematiche vedere
riferimenti nell’Appendice H.
Termini usati nel manuale
Metodi statistici avanzati Tecniche più sofisticate di analisi di controllo statistico di processo inclusi nei
Metodi Statistici di Base; questi possono comprendere tecniche di carte di
controllo più avanzate, analisi della regressione, progettazione di esperimenti,
tecniche avanzate di problem-solving, ecc.
Attributi Dati qualitativi che possono essere contati partendo dalla registrazione
dell’analisi. Gli esempi comprendono caratteristiche quali la presenza di
determinate etichette, l’installazione di tutti i dispositivi di chiusura richiesti,
l’assenza di errori su un rendiconto. Altri esempi sono caratteristiche intrinseche
misurabili (possono essere trattate come dati variabili), ma per le quali i risultati
sono registrati con il semplice metodo SI/NO, come l’accettabilità del diametro
di un albero controllato con un calibro passa/non passa o la presenza di
modifiche tecniche su un disegno. Gli attributi sono normalmente raccolti sotto
forma di unità non conformi o di non conformità; e sono analizzati usando le
carte di controllo p, np, c e u. (Vedere anche Dati Variabili).
Media La somma di valori divisa per il numero dei valori (dimensione del campione);
indicata da una barra sopra il simbolo dei valori per i quali deve essere calcolata
la media: per esempio X (X-barrato) è la media dei valori X all’interno di un
~
sottogruppo; X (X doppia barra) è la media delle medie del sottogruppo; X (X-
tilde barra) è la media delle mediane del sottogruppo; R è la media delle
escursioni del sottogruppo.
Consapevolezza Comprensione personale della qualità e produttività, che attira l’attenzione sui
requisiti per il coinvolgimento della direzione ed il modo di pensare statistico per
ottenere miglioramenti senza fine.
Metodi Statistici di Base Applica la teoria della variazione mediante l’uso di tecniche di base di
problem-solving e di controllo statistico del processo; comprende la
costruzione e l’interpretazione delle carte di controllo (sia per le variabili che
per gli attributi) e l’analisi di capacità.
Distribuzione Binomiale Una discreta distribuzione di probabilità per gli attributi che si applica alle
unità conformi e non conformi ed è alla base delle carte di controllo p e np.
Diagramma Causa-Effetto Un semplice strumento per il problem-solving di gruppo o singoli, che usa una
descrizione grafica dei diversi elementi del processo per analizzare le potenziali
fonti di variazione del processo. Chiamato anche diagramma a lisca di pesce
(dall’aspetto) o diagramma Ishikawa (dall’ideatore).
Linea Centrale La linea che su una carta di controllo rappresenta il valore della media degli
articoli tracciati.
Caratteristica Un aspetto che differenzia un processo dal suo risultato e per il quale si possono
raccogliere le variabili o gli attributi.
Causa Comune Una fonte di variazione che influisce su tutti i valori individuali del risultato del
processo in corso di studio; nell’analisi delle carte di controllo appare come
parte della variazione causale di processo.
Dispersione di Processo L’estensione della variazione della distribuzione di valori individuali della
caratteristica di processo; spesso è mostrata come media di processo +/- un
certo numero di deviazioni standard ⎛⎜ X ± 3σ ⎞⎟ .
⎝ ⎠
- Variazione Totale La variazione di processo dovuta sia a cause comuni sia a cause speciali, valutata
mediante σ̂ s .
Analisi di Zona Si tratta di un metodo di analisi dettagliata di una carta di controllo Shewhart che
divide la carta X-barrato tra i limiti di controllo in tre zone equidistanti sopra la
media e in tre zone equidistanti sotto la media. Queste zone vengono talvolta
indicate come zone “sigma” (in questo caso sigma è la deviazione standard dalla
distribuzione MEDIA, non gli individui). Ad ogni zona è assegnata una
probabilità per la proporzione di punti che si prevede si dovranno trovare in
quest’area, a condizione che i dati siano distribuiti normalmente (cioè “sotto
controllo”). Ad esempio, alle zone adiacenti alla media vengono assegnate
probabilità di 0,3413, le zone vicine hanno probabilità pari a 0,136 e le zone
esterne hanno probabilità uguali a 0,02135. Alle aree che si trovano oltre i limiti
di controllo superiore e inferiore vengono assegnate probabilità di 0,00135. A
questo punto i dati possono essere sottoposti a test per scoprire schemi innaturali
basati su dove si trovano i punti dati in relazione a queste zone. Le probabilità
per le carte di controllo dell’escursione dipendono dalla dimensione del
campione mentre le probabilità per le carte degli attributi si basano su
distribuzioni binomiali e di Poisson. La regola empirica derivata da questo
sistema può essere usata come un sistema di avvertimento iniziale per modifiche
subdole di processo che possono non riflettersi come punti oltre i limiti di
controllo. Per maggiori informazioni fare riferimento al “Manuale del Controllo
Statistico della Qualità” di Western Electric, pag. 25-31, 180-183 (Appendice H,
Riferimento 7).
A2 Un moltiplicatore di R usato per calcolare i limiti di controllo per le medie; tabella dell’Appendice E.
~
A2 Un moltiplicatore di R usato per calcolare i limiti di controllo per le mediane; tabella dell’Appendice
E.
A3 Un moltiplicatore di s usato per calcolare i limiti di controllo per le medie; tabella dell’Appendice E.
B3, B4 Moltiplicatori di s usati per calcolare i limiti di controllo inferiori e superiori, rispettivamente, per le
deviazioni standard del campione; indicato nella tabella dell’Appendice E.
c Il numero di non conformità in un campione; la carta di controllo c è descritta al Capitolo III, Sezione
3.
Cpk L’indice di capacità per un processo stabile, definito tipicamente come il minimo di CPU o CPL.
⎛⎜ X − LSI ⎞⎟
CPL L’indice inferiore di capacità, definito in genere come ⎝ ⎠.
3σ R / d
ˆ
2
⎛⎜ LSS − X ⎞⎟
CPU L’indice superiore di capacità, definito in genere come ⎝ ⎠.
3σˆ R / d
2
6σˆ R / d
2
CR Il rapporto di capacità per un processo stabile, definito in genere come .
(LSS − LSI)
d2 Un divisore di R usato per valutare la deviazione standard del processo; indicato nella tabella
dell’Appendice E.
D3, D4 Moltiplicatori di R usati per calcolare i limiti di controllo inferiori e superiori, rispettivamente per le
escursioni; indicati nella tabella dell’Appendice E.
E2 Un moltiplicatore di R usato per calcolare i limiti di controllo per gli individui; indicato nella tabella
dell’Appendice E.
k Il numero di sottogruppi usato per calcolare i limiti di controllo.
LCI Il limite di controllo inferiore; LCI X , LCIR, LCIp, ecc. sono, rispettivamente, i limiti di controllo
inferiore per le medie, le escursioni, le proporzioni di non conformità, ecc.
LSI Il limite inferiore della specifica tecnica.
MR L’escursione mobile di una serie di dati usati soprattutto su una carta per gli individui.
n Il numero di individui di un sottogruppo; la dimensione del campione sottogruppo.
np Il numero medio di articoli non conformi dei campioni con dimensione costante n.
p La proporzione di unità non conformi in un campione; la carta p è descritta al Capitolo III, Sezione 1.
6σˆ s
PR Il rapporto di performance definito in genere come
(LSS − LSI)
⎛⎜ LSS − X ⎞⎟ ⎛⎜ X − LSI ⎞⎟
Ppk L’indice di performance, in genere definito come il minimo di ⎝ ⎠ o ⎝ ⎠
3σˆ s 3σˆ s
pZ La proporzione del risultato oltre il punto di interesse, come un limite particolare di specifica, unità di
deviazione standard z lontani della media di processo.
R L’escursione del sottogruppo (valore più alto meno valore più basso); la carta di controllo R è
descritta nel Capitolo II.
s La deviazione standard media di campione di una serie di sottogruppi, pesati se necessario in base alla
dimensione del campione.
LS Un limite di specifica tecnica unilaterale.
u Il numero di non conformità per unità in un campione che può contenere più di un’unità; la carta di
controllo u è descritta al Capitolo III, Sezione 4.
u Il numero medio di non conformità per unità in campioni non necessariamente della stessa
dimensione.
LCS Il limite di controllo superiore; LCS X , LCSR, LCSp, ecc. sono rispettivamente i limiti di controllo
superiori per le medie, le escursioni, la proporzione di non conformità, ecc.
LSS Il limite superiore di specifica tecnica.
X Un valore singolo, sul quale sono basate altre statistiche di sottogruppo; la carta di controllo per gli
individui è descritta al Capitolo II, Sezione 4.
X La media dei valori di un sottogruppo; la carta di controllo X è descritta al Capitolo II, Sezione 1.
X La media delle medie dei sottogruppi (ponderata se necessario in base alla dimensione del campione);
la media di processo misurata. Nota: in questo manuale, X è usato per la media di processo di una
carta di individui (Capitolo II, Sezione 4) anche se essa rappresenta solo un livello di determinazione
della media (i punti individuali), per evitare la confusione con X che fa sempre invece riferimento
alla media del sottogruppo.
~
X La mediana dei valori di un sottogruppo; la carta delle mediane è descritta al Capitolo II, Sezione 3 (X
tilde).
~
X La media delle mediane del sottogruppo; la mediana si processo stimata (X tilde barrato).
Z Il numero di unità di deviazione standard dalla media di processo verso un valore di interesse quale
una specifica tecnica. Quando viene usata per la valutazione della capacità, ZLSS, rappresenta la
distanza verso il limite superiore di specifica, ZLSI rappresenta la distanza dal limite di specifica
inferiore, mentre Zmin rappresenta la distanza dal limite di specifica più vicino.
σ (Sigma) La deviazione standard della distribuzione di valori individuali di una caratteristica di processo.
σ̂ La stima della deviazione standard di una caratteristica di processo.
σ X , σ R , σ p , ecc. La deviazione standard di una statistica basata sul risultato campione di un processo, quale la
sottogruppo ricavata dal processo, in genere all’interno dell’ambito delle carte di controllo dove il
fattore d2 è indicato nella tabella dell’Appendice E.
APPENDICE H
Riferimenti e Documenti Citati
l. Walter A.Shewhart, Economic Control of Quality Manufactured Product,Van Nostrand,1931; republished ASQC,
1980. Available from the American Society for Quality Control, 611 East Wisconsin Ave., Milwaukee, WI 53202.
2. Walter A. Shewhart, Statistical Method from the Viewpoint of Quality Control, Edited by W. Edwards Deming, the
Graduate School, Department of Agriculture, 1939.
3. W. Edwards Deming, Quality, Productivity and Competitive Position, Massachusetts Institute of Technology,
Center for Advanced Engneering Study, 1982.
4. W. Edwards Deming, "Out of the Crisis", Massachusetts Institute of Technology, Center for Advanced Engineering
Study, 1989.
5. American National Standards Institute, Guide for Quality Control and Control Chart Method of Analyzing Data
(ASQC Standards Bl-1958 and B2- 1958/ANSI Zl.1-1958 and Zl.2-1958, revised 1975).
American National Standards Institute, Control Chart Method of Controlling Quality During Production (ASQC
Standard B3-1958/ANSI Zl.3-1958, revised 1975).
NOTE: The above two booklets are available from the American Society for Quality Control, 611 East Wisconsin
Ave., Milwaukee, WI 53202.
6. American Society for Testing and Materials, Manual on Presentation of Data and Control Chart Analysis (STP-
15D), 1976. Available from the ASTM, 1916 Race Street, Philadelphia, PA 19103.
7. Western Electric Co., Inc., Statistical Quality Control Handbook, 1956. Available from : I.D.C. Commercial Sales,
Western Electric Company, P.O. Box 26205, Indianapolis, Indiana 46226.
8. Harey C. Charbonneau and Gordon L. Webster, Industrial Quality Control, Prentice-Hall, Inc., 1978.
9. Acheson J. Duncan, Quality Control and Industial Statistics, Richard D. Imin, Ine., Fourth Edition, 1974.
10. Eugene L. Grant and Richard S. Leaven,-orth, Statistical Quality Control, McGraw-Hill, Ine., Fifth Edition, 1980.
11. Kaoru Ishika,-a, Guide to Quality Control, Asian Productivity Organization, Revised Edition, 1976.
12. J. M. Juran, Frank M. Gryna, Jr., and R. S. Bingham, Jr., Quality Control Handbook, McGraw-Hill, Inc., Fourth
Edition, 1990.
13. Ellis R. Ott, Process Quality Control, McGraw-Hill, Inc., 1975
14. Bert Gunter, "Use and Abuse of Cpk" 4 parts, Quality Progress, January 1989, March 1989, May, 1989 and July
1989.
15. ASQC Automotive Division/AIAG, Measurement Systems Analysis Reference Manual, AIAG, 1990.
16. L. J. Chan, S.W.. Cheng, and F.A.Spiring, "A New Meásure ofprocess Capability: Cpm"Journal of Quality
Technology, Vol. 20, No. 3,1988, pp 162-175.
17. Fred A. Spiring, "Assessing Process Capability in the Presence of Systematic Assignable Cause", Journal of Quality
Technology, Vol. 23, No. 2, April 1991.
18. John T. Herman, "Capability Index-Enough for Process Industries?" Proceedings, ASQC 43rd AQC, 1989.
19. Robert A. Dovich, "Statistical Terrorists”, Quality in Manufacturing Magazine, March-April, 1991.
20. B.A.F. Bissell, "Hov Reliable Is Your Capability Index?", Applied Statistics, Vol. 39, 1990, pp 331-340.
21. R. A. Boyles, "The Taguchi Capability Index, "Journal of Quality Technology", Vol. 23,1991, pp. 17-26.
22. William W. Scherkenbach, Deming’s Road to Continual Impovement, SPC Press, Inc., 1991.
23. Donald J. Wheeler, David S. Chambers, Undestanding Statistical Process Control, Statistical Process Controls,
Inc., 1986.
24. General Motors Corporation, Key Charaeteistics Designation System, GM-1805 QN, 1991.
25. Douglas C. Montogomery, Intoduction to Statistical Quality Control, ASQC Quality Press, Second Edition, 1991.
26. Leonard A. Doty, Statistical Process Control, ASQC Quality Press, 1991.
27. Peter D. Mauch, Basic SPC: A Guide For the Sevice Industries, ASQC Quality Press, 1991.
28. J.Bert Keats and Douglas C. Montgomery, Statistical Process Control in Manufacturing, ASQC Quality Press,
1991.
29. Gary Fellers, PhD., SPC for Pactitioners: Special Cases and Continuous Processes, ASQC Quality Press, 1991.
30. ASQC Statistics Division, Statistical "How-To " Techniques Series, ASQC Quality Press (1 5 Volumes), 1979-
1991.
31. Victor E. Kane, Defect Pevention-Use of Simple Statistical Tools, Marcel Dekker, Ine. and ASQC Quality Press,
1989.
32. ASQC, Definitions, Symbols, Formulas, and Tables for Control Charts, ANSI/ASQC A1-1987.
APPENDICE I
Copie riproducibili dei Formati delle Carte di Controllo
Rappresentante______________________________________________________________
Fornitore/Azienda/Nome Divisione
Indirizzo______________________________________________________________
______________________________________________________________
______________________________________________________________
Telefono__(_____)_________________________
Per cortesia elencare i vostri tre principali Clienti nel settore automobilistico e la loro ubicazione
__________________________ __________________________
Cliente Ubicazione Cliente Ubicazione
__________________________ __________________________
Cliente Ubicazione Cliente Ubicazione
__________________________ __________________________
Cliente Ubicazione Cliente Ubicazione
Commenti di ritorno______________________________________________________________
(allegare fogli aggiuntivi
se necessario)
______________________________________________________________
______________________________________________________________
______________________________________________________________
______________________________________________________________