Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Vicard
Le carte di controllo
Carte di controllo
per variabili
per variabili
Queste note NON sostituiscono il testo
di riferimento ma sono finalizzate ad
agevolare lo studio del testo stesso.
Controllo Statistico della Qualità Prof.ssa P. Vicard
Carta x
Sia X la caratteristica quantitativa rilevata (si assume abbia distribuzione
normale di media µ e deviazione standard σ).
Generalmente i dati sono divisi in sottogruppi (piccoli campioni di
numerosità compresa tra 2 e 10).
Indichiamo con
- m il numero dei campioni1 (ad es. relativi a m periodi di tempo) e
- con n il numero di unità che compongono ogni singolo campione2.
Per ognuno degli m campioni calcoliamo la media aritmetica
x1 + + xn
xi = i = 1,...,m
n
x ha distribuzione normale di media µ e deviazione standard σ x . µ e σ
non sono note e quindi è necessario stimarle.
1
Generalmente, se si è nella fase I di applicazione delle carte, allora m = 20 (o 25).
2
n è generalmente molto piccola (4, 5, o 6). Ciò è giustificabile se si usano sottogruppi razionali oppure se il costo di campionamento e di ispezione
per unità è elevato.
3
Controllo Statistico della Qualità Prof.ssa P. Vicard
4
Controllo Statistico della Qualità Prof.ssa P. Vicard
R1 + + Rm
R=
m
5
Controllo Statistico della Qualità Prof.ssa P. Vicard
σˆ 3
LIC = x − 3 =x− R
n d2 n
3
Ossia A2⋅=
d2 n
3
L’uso del range è legato a tempi precedenti in cui la potenza degli strumenti di calcolo era limitata e quindi si preferiva usare stimatori di facile
calcolo. Lo stimatore basato sul range è meno efficiente ma per dimensione campionarie minori di 10 ha una performance accettabile e per questo
continua ad essere utilizzato.
4
La costante d2 è tabulata per diversi valori di n.
6
Controllo Statistico della Qualità Prof.ssa P. Vicard
La carta R
È necessaria per far individuare fonti straordinarie di variabilità.
Abbiamo già individuato tutti gli strumenti per costruire questa carta.
7
Controllo Statistico della Qualità Prof.ssa P. Vicard
R d3
LSC = R + 3σˆ R = R + 3d3 = 1 + 3 R = D4⋅ R
d2 d2
R d
LIC = R − 3σˆ R = R − 3d3 = 1 − 3 3 R = D3⋅ R
d2 d2
8
Controllo Statistico della Qualità Prof.ssa P. Vicard
Se tutti i punti sono all’interno dei limiti allora si può concludere che il
processo è sotto controllo e i limiti (inferiore e superiore) possono essere
usati per valutare la produzione futura (in fase II).
9
Controllo Statistico della Qualità Prof.ssa P. Vicard
10
Controllo Statistico della Qualità Prof.ssa P. Vicard
m=6
n=3
20.3 + 19.3 + 17 + 19 + 21 + 18.7
x= = 19.22
6
3+ 4+ 2+5+3+5
R = = 3.67
6
11
Controllo Statistico della Qualità Prof.ssa P. Vicard
5
Le costanti sono
A2 = 1.023 D3 = 0 D4 = 2.574
Carta x Carta R
Valore centrale x = 19.22 R = 3.67
19.22−1.023⋅3.67= 0
LIC
=15.47
19.22+1.023⋅3.67= =2.574⋅3.67=
LSC
=22.97 =9.44
5
Queste costanti sono tabulate e sono fornite in fondo al libro di testo. Quando le carte vengono costruite con l’ausilio di un software (ad es.
Minitab), la procedura di calcolo stessa elebora i dati e usa le tavole implementate nel software.
12
Controllo Statistico della Qualità Prof.ssa P. Vicard
5
R=3.67
0 LIC=0
1 2 3 4 5 6
Sample Number
13
Controllo Statistico della Qualità Prof.ssa P. Vicard
23 LSC=22.97
22
21
Sample Mean
20
19
18
17
16 LIC=15.47
15
1 2 3 4 5 6
Sample Number
Controllo Statistico della Qualità Prof.ssa P. Vicard
m=8
n=5
15
Controllo Statistico della Qualità Prof.ssa P. Vicard
5 + 4.8 + 6.2 + 3.4 + 4.4 + 5.6 + 5.4 + 5.6
x= = 5.05
8
2+3+ 2+ 2+ 2+ 2+3+3
R= = 2.375
8
Le costanti sono
A2 = 0.577 D3 = 0 D4 = 2.114
Carta x Carta R
Valore centrale 5.05 2.375
5.05−0.577⋅2.375= 0
LIC
=3.68
5.05+0.577⋅2.375= =2.114⋅2.375=
LSC
=6.42 =5.02
16
Controllo Statistico della Qualità Prof.ssa P. Vicard
7
LSC=6.42
Sample Mean
5 Mean=5.05
4
LIC=3.68
1
3
Settimana 1 2 3 4 5 6 7 8
5 LSC=5.02
Sample Range
4
3
R=2.375
2
1
0 LIC=0
17
Controllo Statistico della Qualità Prof.ssa P. Vicard
Come si può notare la carta Xbar mostra un punto fuori controllo. La valutazione
del docente nella quarta settimana di rilevazione è stata particolarmente bassa ed
è al di sotto del limite di controllo inferiore. Occorre, quindi, eliminare il
campione che si riferisce alla quarta settimana e calcolare le nuove stime del
voto medio e della varianza del voto e contestualmente costruire la nuova carta
che non tenga conto della settimana anomala.
Xbar-R Chart of voto
7 Come scelta grafica, si è
U C L=6,687
deciso di lasciare il gap
Sample M ean
6
_
_
bianco per mostrare dove si
5
X=5,286
trova il campione che è
uscito dell’analisi.
4 LC L=3,885 Si noti che, essendo stato
1 2 3 4
Sample
5 6 7 8
eliminato il campione che
aveva la media
particolarmente bassa, ora
U C L=5,135
4,8
3,6
2,4
_
R=2,429 5,286 (mentre prima era
1,2 5,05).
0,0 LC L=0
1 2 3 4 5 6 7 8
Sample
18
Controllo Statistico della Qualità Prof.ssa P. Vicard
I limiti di controllo quindi altro non sono che dei limiti di tolleranza
naturali del processo e vengono solitamente posti, come abbiamo
visto, a una distanza pari a 3σ dal valore medio.
I limiti di specifica sono individuati indipendentemente dal
comportamento naturale del processo: vengono in genere definiti dal
management, dagli ingegneri, dalla clientela,...
19
Controllo Statistico della Qualità Prof.ssa P. Vicard
20
Controllo Statistico della Qualità Prof.ssa P. Vicard
21
Controllo Statistico della Qualità Prof.ssa P. Vicard
22
Controllo Statistico della Qualità Prof.ssa P. Vicard
Dal momento che le cause speciali non agiscono, possiamo ritenere che il
nostro processo operi in condizioni “normali”; in particolare segua una
distribuzione normale con
- media = x
R
- deviazione standard σˆ =
d2
Come si fa???
23
Controllo Statistico della Qualità Prof.ssa P. Vicard
LIS − x LSS − x
P Z < + P
Z > =
σˆ σˆ
LIS − x LSS − x
= Φ + 1 − Φ
σˆ σˆ
24
Controllo Statistico della Qualità Prof.ssa P. Vicard
Circa lo 0.6% (6 ogni mille pezzi prodotti) dei pezzi prodotti sarà fuori dei
limiti di specifica.
Si giunge al medesimo risultato se, stimate la media e la deviazione
standard, si usa un software per il calcolo delle probabilità.
25
Controllo Statistico della Qualità Prof.ssa P. Vicard
Alcune osservazioni
Per usare questo strumento è necessario disporre di almeno 100
osservazioni in modo da avere indicazioni efficienti sulla media, la
deviazione standard e la forma del processo (visualizzata mediante
l’istogramma).
Bisogna prestare attenzione nella raccolta dei dati.
Occorre:
1. scegliere la macchina o le macchine da utilizzare (attenzione, se si
vogliono estendere i risultati a tutte le macchine allora è necessario
che le macchine prescelte siano rappresentative della popolazione di
macchine).
2. selezionare le condizioni operative/ambientali di riferimento
3. selezionare un operatore rappresentativo
4. controllare che sia bene eseguita la rilevazione dei dati e registrato
l’ordine temporale delle osservazioni.
26
Controllo Statistico della Qualità Prof.ssa P. Vicard
27
Controllo Statistico della Qualità Prof.ssa P. Vicard
Grafici di probabilità.
Sono un’alternativa agli istogrammi e non richiedono numeri elevati di
osservazioni. Il grafico di probabilità più diffuso è il normal probability
plot.
In sostanza, una volta raccolti i dati, si costruisce il normal probability
plot in modo tale da verificare se il processo sta lavorando sotto un
modello normale.
In caso affermativo, la media e la deviazione standard si calcolano dal
grafico come segue: la media è uguale alla mediana (ossia corrisponde
al 50° percentile); la deviazione standard si stima mediante la differenza
tra l’84° percentile e il 50° percentile.
28
Controllo Statistico della Qualità Prof.ssa P. Vicard
asimmetria M3 M4 curtosi
β1 =
ˆ
32
β2 = 2
ˆ
M2
M
2
n
j
∑ xi − x
dove M j = i=1 n , j =1,2,3,4 .
Si consideri che questi due indici assumono valori ben precisi nel
caso in cui la distribuzione è normale.
Infatti sotto normalità si ha: β1 = 0 e β2 = 3
29
Controllo Statistico della Qualità Prof.ssa P. Vicard
LSS − LIS
Cp =
6σ
Cp si calcola quando sono definiti sia il limite inferiore che il limite
superiore di specifica. Il denominatore costituisce la base per la
definizione della capacità produttiva. Poiché σ è generalmente non nota,
allora lo si sostituisce con la sua stima σˆ . Inoltre si ha che
1
100 indica la percentuale di specifica usata dal processo.
Cp
************************
31
Controllo Statistico della Qualità Prof.ssa P. Vicard
LSS − x
C ps =
3σ
Cps si calcola quando è definito solamente il limite superiore di specifica.
(Ad esempio le poste devono far sì che una raccomandata arrivi a
destinazione entro due giorni dalla spedizione). In questo caso la base per
la definizione per la capacità produttiva è 3σ.
x − LIS
C pi =
3σ
Cpi si calcola quando è definito solamente il limite inferiore di specifica.
(Ad esempio posso imporre solo LIS nel caso della valutazione dei
docenti). Anche in questo caso la base per la definizione per la capacità
produttiva è 3σ.
32
Controllo Statistico della Qualità Prof.ssa P. Vicard
Cp < 1 quando LSS – LIS < 6σ. Ciò significa che, se il processo è
correttamente centrato, i limiti di controllo (ovvero i limiti di
tolleranza naturali del processo) sono esterni ai limiti di specifica. (Si
veda la curva (b) della figura seguente). Un processo di questo tipo
produce un numero notevole di unità non conformi alle specifiche.
34
Controllo Statistico della Qualità Prof.ssa P. Vicard
0
-10 -5 0 5 10
µ
↑ ↑ ↑
LIS Media del LSS
processo
35
Controllo Statistico della Qualità Prof.ssa P. Vicard
36
Controllo Statistico della Qualità Prof.ssa P. Vicard
quindi
Min (Cps e Cpi) < 1
37
Controllo Statistico della Qualità Prof.ssa P. Vicard
38
Controllo Statistico della Qualità Prof.ssa P. Vicard
6
basta moltiplicare e dividere il denominatore di Cpkm per σ
39
Controllo Statistico della Qualità Prof.ssa P. Vicard
7
si veda ad es. pag 298 del libro di testo
41
Controllo Statistico della Qualità Prof.ssa P. Vicard
LSC = µ+ 3σ n
LIC = µ − 3σ n
42
Controllo Statistico della Qualità Prof.ssa P. Vicard
Con riferimento alla carta R abbiamo che possiamo ricavare il valore del
range a partire da σ.
Infatti sappiamo che: σ=R/d2 e σR=d3σ. Quindi
43
Controllo Statistico della Qualità Prof.ssa P. Vicard
Carte di controllo x e S
In presenza di dimensioni campionarie sufficientemente grandi (più di 10)
oppure se la dimensione campionaria varia da campione a campione, è
opportuno stimare σ con la deviazione standard campionaria S.
n
2
(
∑ ix − x )
La varianza campionaria corretta è data da S 2 = i =1
n −1
44
Controllo Statistico della Qualità Prof.ssa P. Vicard
( )
LIC = c4σ − 3σ 1 − c42 = 1 − 3 1 − c42 σ = B5 S
45
Controllo Statistico della Qualità Prof.ssa P. Vicard
Supponiamo, come del resto effettivamente accade, che σ sia non noto.
Allora deve essere stimato usando m campioni preliminari ciascuno di n
unità. Sia Si la deviazione standard dell’i-esimo campione. Si calcola
1 m
S = ∑ Si
m i =1
S è uno stimatore corretto di c4σ , pertanto abbiamo che S c4 è uno
2 S
stimatore corretto di σ. σˆ S = σˆ 1 − c4 = 1 − c42
c4
Allora le linee della carta S sono:
S
LSC = S + 3 1 − c42
c4
LC = S
S
LIC = S − 3 1 − c42
c4
46
Controllo Statistico della Qualità Prof.ssa P. Vicard
3 3
ponendo B3 = 1 − 1 − c42 e B4 = 1 + 1 − c42 si ha
c4 c4
LSC = B4 S
LC = S
LIC = B3 S
47
Controllo Statistico della Qualità Prof.ssa P. Vicard
Quando S viene usato per monitorare la variabilità allora può essere anche
usato per definire corrispondentemente i limiti di controllo della carta x .
σˆ S
LSC = x + 3 = x +3 = x + A3 S
n c4 n
LC = x
σˆ S
LIC = x − 3 = x −3 = x + A3 S
n c4 n
48
Controllo Statistico della Qualità Prof.ssa P. Vicard
49
Controllo Statistico della Qualità Prof.ssa P. Vicard
50
Controllo Statistico della Qualità Prof.ssa P. Vicard
51
Controllo Statistico della Qualità Prof.ssa P. Vicard
Nota 1: Ogni carta di controllo prevede una revisione periodica dei limiti
di controllo e della linea centrale. Queste revisioni possono essere
eseguite ad intervalli di tempo regolari.
A volte si sostituisce la linea centrale della carta x con un valore
obiettivo, diciamo x0 . Se la carta R mostra una situazione di
controllo allora riposizionare la linea centrale su un valore
obiettivo può essere utile per raggiungere livelli di produzione
desiderati dal management. (Questa operazione ha senso quando
la media può essere modificata con semplici interventi sul
processo).
52
Controllo Statistico della Qualità Prof.ssa P. Vicard
53