Controllo Statistico di Processo

Presentazione di esempi sul Controllo Qualit. Carte di Controllo per Dati Continui Carte di Controllo per Dati Attributi Analisi di Capacit per Dati Continui Analisi di Capacit per Dati Attributi

T: 0331-587511 www.gmsl.it

Carte di Controllo R e XBar Consistenza dei colori

Carta di Controllo R
La carta R mostra gli intervalli dei sottogruppi ordinati nel tempo. E' opportuno esaminare una carta R o una carta S prima di tentare di interpretare una carta di controllo delle medie del sottogruppo (XBar). Se la variabilit all'interno dei sottogruppi non stabile, i limiti di controllo usati nella carta XBar possono non essere significativi, perch questi limiti di controllo sono basati sulla variazione all'interno del sottogruppo. Usare una carta R per scoprire quando i cambiamenti di variabilit del processo si verificano nel tempo. Usare una carta R per rispondere a domande come: La variazione in un processo rimane stabile nel tempo? Differenti lotti di materia prima causano la variabilit in un processo?
www.gmsl.it Distributore Unico
3

Consistenza dei colori

Una societ usa capsule di plastica, quale materia prima per la costruzione di chassis per monitor di computer. Si vuole valutare se il colore delle custodie costante nel tempo. Vengono selezionati casualmente 5 chassis ogni 4 ore per un periodo di 8 giorni. Strumenti utilizzati
Carta di Controllo R Carta di Controllo XBar Chart

www.gmsl.it Distributore Unico

Creare una carta di controllo R

Creare una carta R per esaminare la variabilit all'interno del sottogruppo delle letture del colore. I 5 pezzi selezionati casualmente per turno sono il sottogruppo. Un sottogruppo dovrebbe rappresentare solamente la variazione di causa comune del processo e dovrebbe essere il pi possibile libero da variazioni di cause speciali. Gli esempi includono parti prodotte nello stesso momento o create dallo stesso operatore. Idealmente, la variabilit all'interno dei sottogruppi razionali limitata alla variazione inerente per quel processo. Il fine dello stimare la stabilit del processo identificare ed eliminare fonti di variazione che hanno un impatto avverso nel processo.
www.gmsl.it Distributore Unico
5

Carta R - Interpretare i risultati

Usare la carta R per stimare se la variazione all'interno del sottogruppo sotto controllo statistico. La linea centrale rappresenta la media delle serie dei sottogruppi ed una stima della variazione all'interno del sottogruppo (within). La disposizione dei limiti superiori e inferiori rappresenta l'ammontare della variazione attesa per le serie del sottogruppo. Un punto al di sopra o al di sotto di questo limite di controllo indica una variazione insolita. La variabilit nella serie per i sottogruppi sembra essere casuale senza valori insolitamente alti o bassi.

www.gmsl.it Distributore Unico

Carta XBar Chart

Una carta XBar un grafico che aiuta a determinare, quando i dati sono raccolti in sottogruppi appropriati, se la media del processo sotto controllo statistico. Le XBar Chart vengono usate per stimare la stabilit della media del processo quando i dati sono raccolti in sottogruppi razionali. Se la variazione all'interno del sottogruppo fuori controllo statistico, i limiti di controllo per la carta vengono influenzati e non possono riflettere adeguatamente lo stato del processo. Per esempio, una carta X pu scoprire: Quando un utensile per forare errato viene installato, provocando un cambiamento nella media del diametro dei fori.

www.gmsl.it Distributore Unico

Stimare gli spostamenti delle medie

Tests per cause speciali La carta offre pi prove per cause speciali rispetto la carta R. Per scopi illustrativi, verranno utilizzate tutte le 8 prove. 1 punto oltre a 3 deviazioni standard dalla linea centrale 9 punti in una riga sullo stesso lato rispetto alla linea centrale 6 punti in una riga, tutti in aumento o diminuzione 14 punti in una riga, che si alternano su e gi 2 punti su 3 oltre a 2 deviazioni standard dalla linea centrale 4 punti su 5 oltre a 1 deviazione standard dalla linea centrale 15 punti in una riga all'interno di 1 deviazione standard della linea centrale (entrambi i lati) 8 punti in una riga oltre a 1 deviazione standard della linea
www.gmsl.it Distributore Unico
8

Carta XBar - Interpretazione dei risultati

Errori nei tests per cause speciali Un numero rosso su un punto dei dati indica che il punto ha fallito una o pi prove. Le prove fallite sono definite nella finestra Session. Il comando "brushing" mostra le stesse informazioni: tenere il cursore sul numero della prova sul grafico. In questo caso vi sono 10 punti falliti in una o pi prove. Questo processo perci fuori controllo statistico.

www.gmsl.it Distributore Unico

Ulteriori analisi
La carta XBar ha rivelato un processo che non sotto controllo statistico. Usare una carta di controllo Xbar-R per stimare lo stato di questo processo. Piuttosto che fidarsi delle stime dei parametri, provenienti dai dati pi recenti della carta di controllo, specificare una media di processo a 40 ed una deviazione standard di 0.96 (ottenuta dai dati quando il processo era sotto controllo). La plastica usata in produzione proviene da due fornitori diversi. Vengono selezionati casualmente 5 macchine ad intervalli di 4 ore per otto giorni e registrati: la data, il tempo, ed il fornitore ai quali corrispondono le misure del colore.

www.gmsl.it Distributore Unico

10

Interpretazione dei risultati

Se possibile ottenere una stima affidabile dai dati precedenti, si potr utilizzare il valore per la media e la deviazione standard del processo. Usando lesperienza precedente, si assume che la media del processo sia 40, e la deviazione standard all'interno del sottogruppo sia 0.96. Chiaramente, dai risultati della carta XBar-R, il processo non sotto controllo statistico. La carta R mostra molti punti fuori controllo, cosi come la carta X.
www.gmsl.it Distributore Unico
11

Carte di Controllo S Contrazione in un processo di stampa ad iniezione

Carta di controllo S
Una carta S un grafico della deviazione standard di ogni sottogruppo di dati in una serie ordinata nel tempo. Questo tipo di Carta viene usata per comparare la variabilit all'interno di ogni sottogruppo di dati nel tempo. Si dovrebbe esaminare una carta R o una carta S prima di tentare di interpretare un grafico delle medie del sottogruppo (carta XBar). Se la variabilit all'interno dei sottogruppi non stabile, i limiti di controllo usati nella carta possono non essere significativi, perch questi limiti di controllo sono basati sulla variazione all'interno dei sottogruppi. Usare una carta S per scoprire quando la variabilit del processo cambia nel tempo. Per esempio, una carta S pu scoprire: Quando la variazione nella forza di parti incollate aumenta perch l'applicatore della colla fornisce quantit di colla inconsistente dovuto a intoppi temporanei.
www.gmsl.it Distributore Unico
13

Contrazione di stampa ad iniezione

Le parti fabbricate in un processo di stampa ad iniezione subiscono una contrazione eccessiva. La contrazione media del 5% inaccettabile. Il processo ha anche una variabilit superiore di quella desiderata. Viene utilizzato un esperimento per investigare sui fattori che potrebbero influenzare la contrazione nel processo. Basandosi sul risultato dellesperimento, viene abbassata la temperatura dello stampo. Dopo aver abbassato la temperatura, il team decide che una modifica della macchina di stampa ad iniezione ridurrebbe ulteriormente la contrazione. I dati vengono raccolti in sottogruppi di dimensione 10 ogni 8 ore. I dati iniziali sono stati identificati come Benchmark. I dati dal processo, dopo che stato fatto il primo cambio, vengono identificati come Reduce Temperature. I dati dal processo dopo che stato fatto il secondo cambiamento vengono identificati come Molding Tool Modification.
www.gmsl.it Distributore Unico
14

Interpretare i risultati
I limiti di controllo, in una carta di controllo, sono calcolati usando tutta la popolazione dei dati. Siccome il processo cambiato, si devono calcolare di nuovo i limiti di controllo.

www.gmsl.it Distributore Unico

15

Stima dei parametri per gruppo

Le modifiche al processo vengono memorizzate in una colonna Change Minitab ricalcola i limiti per ogni valore diverso nella colonna chiamata Change. Usando questa procedura, i limiti di controllo cambiano ogni volta che c' un cambiamento di processo.

www.gmsl.it Distributore Unico

16

Interpretazione dei risultati

Senza ricalcolare i limiti di controllo, non si pu ragionevolmente interpretare i risultati. Le carte di controllo con ricalcolati i limiti di controllo e le linee centrali dimostrano che avvenuto un miglioramento del processo. Gli scopi erano di diminuire la media della contrazione e la variazione nella contrazione. I cambiamenti del processo evidentemente hanno raggiunto entrambi. Il processo sotto controllo statistico per ognuna delle condizioni del processo.

www.gmsl.it Distributore Unico

17

Carta di controllo I-MR Quantit di Prodotto nei Barattoli

Carta MR - Carta a Media Mobile

La carta a media mobile (MR) permette all'utente di esaminare e scoprire i cambiamenti nella variazione del processo quando i dati vengono raccolti come misure individuali invece che sottogruppi. Usare una carta MR per valutare la stabilit quando: Le misure sono costose; ad esempio: test distruttivi I pezzi richiedono un lungo ciclo di tempo di produzione Le misure nel tempo non sono necessariamente riferite;per esempio: il tempo per completare un contratto o il tempo per rispondere ad una domanda dipende dal tipo di contratto o dalla domanda Ogni campione rappresenta un lotto distinto La produzione continua ed omogenea
www.gmsl.it Distributore Unico
19

Carta I - Carte per valori individuali

Una carta individuale (I) permette di determinare se la media del processo sotto controllo statistico quando vengono raccolti dati individuali invece che a sottogruppi. Stimare la media usando le carte I. Stimare la variazione del processo usando una carta MR o la carta combinata I-MR prima di valutare la media del processo. Se la variazione di processo fuori controllo statistico, i limiti di controllo per la carta I non possono essere adeguatamente utili per determinare lo stato di controllo del processo. Usare le carte I per valutare il controllo del processo quando: Le misure sono costose; ad esempio: test distruttivi I pezzi richiedono un lungo ciclo di tempo di produzione Le misure nel tempo non sono necessariamente riferite;per esempio: il tempo per completare un contratto o il tempo per rispondere ad una domanda dipende dal tipo di contratto o dalla domanda. Ogni campione rappresenta un lotto distinto La produzione continua ed omogenea
www.gmsl.it Distributore Unico
20

Quantit di Prodotto nei Barattoli

Il prodotto viene impacchettato in contenitori il cui peso target di 1.150 gr. Viene richiesto di valutare la consistenza del peso netto di prodotto contenuto nei barattoli. I limiti di specifica sono 1.100 e 1.200 gr. Dalla prima evidenza, questo processo risulta stabile con una media di 1.150 gr ed una dev. standard di 8.6 gr. Nel corso di un giorno lavorativo viene registrato il peso di riempimento di ogni contenitore.

www.gmsl.it Distributore Unico

21

Valutare la variazione del processo

Lo scopo di questa analisi di valutare ed esaminare la stabilit del peso, verificando il peso del contenitore e lintervallo tra contenitori consecutivi. Tests Da sistema, Minitab esamina se 1 punto pi di 3 deviazioni standard dalla linea centrale In questo esempio, Minitab verificher anche: 1 punto > 3 deviazione std dal centro linea 9 punti in una riga dallo stesso lato della linea centrale 6 punti in una riga, tutti in aumento o diminuzione 14 punti in una riga, che si alternano su e gi 2 punti su 3 > 2 deviazioni std dalla linea centrale (stesso lato) 4 punti su 5 > 1 deviazione std dalla linea centrale (stesso lato) 15 punti in una riga all'interno di 1 dev. std della linea centrale 8 punti in una riga oltre 1 deviazione std dalla linea centrale
www.gmsl.it Distributore Unico
22

Interpretazione dei risultati

La variabilit inerente sotto controllo statistico. Comunque, le carte (I) individuali non sono sotto controllo statistico, perch il processo non sta lavorando attorno alla media storica di 1.150 gr. nel giorno lavorativo.

www.gmsl.it Distributore Unico

23

Analisi di Capacit Rivestimento dei Cavi

Che cos la Capacit di Processo La capacit di processo pu aiutare a stimare se un processo soddisfi un insieme di requisiti. Strumenti appropriati per uno studio della capacit includono:
Carte di controllo per stimare se il processo sotto controllo I diagrammi di probabilit e i risultati dei test per accertare la distribuzione Stime di capacit, come Cp, Cpk, Pp, Ppk, e livello di sigma, per fornire misure di capacit potenziale e complessiva e la variabilit del processo.

Quando usare la Capacit di Processo Lanalisi di capacit assicura che il processo soddisfi le specifiche del cliente e per stimare la proporzione di prodotto che risulta in difetto.

www.gmsl.it Distributore Unico

25

Interpretazione dei risultati

Un produttore di cavi riveste la superficie esterna, con una pellicola di alluminio, per mantenere forza e durata nel tempo. Lo spessore di questo rivestimento ha come limite inferiore (LSL) di 39 mils, mentre il limite superiore (USL) 43 mils, ed il valore target a met tra questi limiti: 41 mils. I tecnici valutano la capacit del processo di rivestimento dei cavi per assicurare che possa rispondere alle richieste del cliente che specifica un Cpk di 1.5 o superiore. Gli operatori selezionano in modo casuale 5 campioni ad intervalli regolari. Una volta selezionati i campioni gli operatori misurano lo spessore del rivestimento. Variabili
Thickness Valore dello spessore misurato Subgroup Sottogruppo ID (1, 2, , 65)
www.gmsl.it Distributore Unico
26

Creare un sottoinsieme di dati

Durante la produzione stato registrato che un aggiustamento della temperatura responsabile dello spostamento della media dello spessore visto nella parte iniziale dei dati. Questa modifica terminata dopo il sottogruppo 15. La carta di controllo indica che il processo ritornato ad essere stabile dopo quella modifica. Verificare le assunzioni di stabilit e normalit dei dati raccolti dopo il sottogruppo 15, creando un sottoinsieme di dati da utilizzare nelle analisi.
www.gmsl.it Distributore Unico
27

Assunzioni dellanalisi di capacit

La Capability suggerisce che i dati raccolti dopo il sottogruppo 15 sono sotto controllo. Ora che questi dati sono stati separati in un altro foglio, utilizzare la Capability per lanalisi di capacit di questo nuovo set di dati.

www.gmsl.it Distributore Unico

28

Interpretazione dei risultati

Carta di controllo Xbar e R - Le carte mostrano che tutti i punti sono entro i limiti di controllo, suggerendo che il processo stabile. La media del processo e la deviazione standard appaiono costanti. Istogramma - Si pu usare l'istogramma per stimare visivamente se i dati siano o no distribuiti normalmente. Per stimare l'assunzione di normalit pi obiettivamente, usare il diagramma di probabilit. Diagramma a punti degli ultimi 25 sottogruppi - Il diagramma a punti degli ultimi 25 sottogruppi indica che i punti sembrano essere distribuiti casualmente e simmetricamente attorno alla media del processo
www.gmsl.it Distributore Unico
29

Considerazioni finali
Il processo sembra essere stabile, anche se diversi punti risultano fuori dai limiti di specifica. Anche se il processo centrato fra i limiti di specifica, il 10% del campione mostra valori fuori dai limiti. La media di questo processo 40.27, che al di sotto del target desiderato. La media del processo ha bisogno di essere spostata e la variazione ridotta per soddisfare i requisiti del cliente.
www.gmsl.it Distributore Unico
30

Analisi di Capacit su dati attributi Pelli per Sedili Auto

Pelli per sedili dauto

Un fabbricante di pelli usa un'ispezione visiva successo/fallimento sulla qualit di pelle usata per rivestire i sedili dauto. Il cliente disposto ad accettare una percentuale di difetto dell'1% per mantenere il costo di produzione ad un livello ragionevole. Il fabbricante conduce uno studio sulla capacit per determinare se il processo possa soddisfare le specifiche del cliente. Vengono campionati 2 volte al giorno per 25 giorni, 100 pezzi di pelle. I pezzi di pelle sono ispezionati e registrato il numero di pezzi scartati. Variabili nel dataset

Failed: Numero di pelli che hanno fallito lispezione Sampled: Numero di pelli ispezionate Date/Time: Data e Ora dellispezione
www.gmsl.it Distributore Unico
32

Capability Analysis Binomial Distribution

Defectives Numero di pezzi di pelle per sottogruppo che ha fallito l'ispezione nella colonna Failed. Sample size 100 pezzi di pelle vengono ispezionati due volte al giorno per 25 giorni. (per specificare la dimensione del campione, si pu scegliere Constant size digitando 100 o scegliere Use sizes in e digitare la colonna Sampled) Target Il cliente disposto ad accettare una percentuale di difetto dell'1% in modo da tenere il costo di produzione ad un livello ragionevole. Perci il target %Defective 1.0.

www.gmsl.it Distributore Unico

33

Interpretazione dei risultati

P chart - Questo processo sembra essere sotto controllo. Notare che:
Siccome le dimensioni del sottogruppo sono uguali, i limiti di controllo sono continui. Nessun punto fuori dal limite di controllo. Nessuna delle prove fallita.

Cumulative %Defective Dato un processo stabile, la %Defective si dovrebbe stabilizzare dopo molti esemplari. Questa stabilizzazione rappresentata dall'appiattimento dei punti disegnati. Questa carta sembra stabilizzarsi attorno all'1.4%, indicando che sono stati raccolti dati sufficienti per ottenere una buona stima della %Defective
www.gmsl.it Distributore Unico
34

Interpretazione dei risultati

Binomial plot Se le dimensioni dei campioni sono uguali, come in questo esempio,Minitab mostra un diagramma binomiale. Se i punti disegnati cadono lungo una linea retta, l'assunzione che i dati sono stati campionati da una distribuzione binomiale soddisfatta. Distribution of %Defective Minitab produce anche un istogramma per illustrare la distribuzione complessiva della %Defective. La distribuzione della % difettosit sembra essere positivamente obliqua. La %Defective nellintervallo da 0 a 4 con il massimo a 1.
www.gmsl.it Distributore Unico
35

Interpretazione dei risultati

Summary statistics
%Defective: una stima, 95% degli intervalli di confidenza e un target per la percentuale complessiva delle unit non conformi. In media, 1.42% dei pezzi di pelle fallisce l'ispezione. Per questo esempio, stato usato un target di 1.0%. In questo esempio, il target cade leggermente al di sotto del limite pi basso sul limite di confidenza (Lower CI). Questo processo non in grado di soddisfare le specifiche del cliente. PPM Def: Una stima e il 95% dei limiti di confidenza per il numero di unit per milione che non saranno conformi. Per questo esempio, 14,200 pezzi di pelle su 1 milione la stima dei difetti Process Z: Un indice di capacit per il processo. Pi grande il valore Z, meglio sono le preformance del processo. Per questi dati, il valore del processo Z 2.1917. I limiti di confidenza associati sono 2.0997 e 2.2867
www.gmsl.it Distributore Unico
36

Considerazioni finali
Il processo non in grado di soddisfare le specifiche del cliente. L'obiettivo era 1.0% di unit non conformi, stato stimato che il processo produce tra 1.11% e 1.79% unit non conformi, con 95% di confidenza. Un'analisi di capacit binomiale permette all'utente di stimare la capacit quando si ispeziona per unit non conformi. Il processo deve essere sotto controllo statistico prima di stimare ragionevolmente la capacit del processo sulla produzione futura. Usare la carta di controllo sul rapporto di capacit per valutare il controllo del processo.

www.gmsl.it Distributore Unico

37

Analisi di Capacit Poisson Schermi dei Televisori

Analisi della Capacit Poisson

Che cos lAnalisi della Capacit Poisson Usare l'analisi della capacit (Poisson) per produrre un rapporto della capacit del processo quando i dati sono di una distribuzione Poisson. Le assunzioni per usare una distribuzione di Poisson sono: I conteggi sono eventi distinti. Gli eventi distinti accadono all'interno di un'area di opportunit. Gli eventi sono indipendenti, e la probabilit di un evento proporzionale alla dimensione dell'area di opportunit. Gli eventi sono rari. Quando usare lAnalisi della Capacit Poisson L'analisi di capacit di Poisson adatta quando: I dati di difetto sono registrati come conteggi. Si pu presumere che i dati seguano una distribuzione Poisson. Il processo stabile.
www.gmsl.it Distributore Unico
39

Difetti degli Schermi dei Televisori

Un fabbricante di televisori, traccia il numero delle non conformit (come graffi, qualit dell'immagine, suono) durante l'ispezione finale. Questi difetti sono tipicamente ben modellati dalla distribuzione di Poisson. Sono state condotte delle appropriate analisi del sistema di misura per assicurare che tutti gli operatori potessero registrare questi difetti in modo simile. Ogni giorno dal 12 Marzo al 19 Giugno, vengono campionati casualmente dal volume totale di produzione 200 set di televisori. Viene registrato il numero totale di non conformit rilevato in ogni campione. Variabili nel dataset Defects Numero di non-conformit in ogni campione Date Data dellispezione

www.gmsl.it Distributore Unico

40

Analisi della Capacit Poisson

Lo scopo dello studio di caratterizzare la percentuale di non conformit. Defectives Il numero di non conformit osservato in ogni campione di 200 televisori registrato e memorizzato nella colonna Defects. Sample size Ogni giorno, vengono ispezionati 200 televisori. Target Nessun valore target viene fornito in questo esempio. Perci, Minitab assume un target DPU di 0.

www.gmsl.it Distributore Unico

41

Interpretazione dei risultati

U chart La carta U indica un processo stabile, con circa 0.0117 difetti per unit ispezionata. Cumulative DPU Siccome il processo stabile, si pu vedere il DPU cumulativo che si stabilizza rapidamente ad una percentuale di circa 0.0117 difetti per unit ispezionata. Poisson plot Quando le assunzioni del modello Poisson sono adatte, il diagramma di probabilit dovrebbe indicare una relazione lineare. Questa relazione chiaramente indicata dai dati usati in questo esempio. Summary statistics Il confine di confidenza pi basso del 95% per la percentuale di difetto di 2.0498 difetti per 200 unit ispezionate; il confine superiore di 2.6598. Questo intervallo di confidenza traduce da circa 0.0102 a 0.0133 difetti per televisione, con il 95% di confidenza.

www.gmsl.it Distributore Unico

42

Considerazioni finali
La linea di produzione sembra avere approssimativamente 2 difetti per 200 televisori ispezionati. Questa percentuale di difetto pu essere esageratamente alta, dipende dalla qualit del livello desiderato dal fabbricante. Chiaramente, la gravit dei difetti incontrati sarebbe una parte integrante di un'ulteriore analisi; ovvero, difetti banali, come impronte digitali sullo schermo possono non essere seri.

www.gmsl.it Distributore Unico

43

Corsi e Formazione
I Corsi Minitab disponibili sono:
Introduzione Pratica Statistica di Base SPC, Statistical Process Control e Gage R&R Design of Experiment

I nostri corsi sono tenuti da docenti qualificati per linsegnamento e certificati dalla societ Minitab. Il materiale didattico quello ufficiale tradotto in lingua italiana. Contattateci per maggiori informazioni allo 0331-587511
www.gmsl.it Distributore Unico
44