Metodi statistici per il controllo della qualita
Transcript
Metodi statistici per il controllo della qualita
Obiettivi • Evidenziare come tipici problemi industriali Metodi statistici per il controllo della qualità richiedano un controllo statistico di qualità • Segnalare l’esistenza di specifiche norme UNI che definiscono formalmente come eseguire i controlli Raffaele Pesenti statistici di qualità 24/11/99 17.03 Raffaele Pesenti 1 Raffaele Pesenti Indice 2 UNI - Ente Nazionale Italiano di Unificazione • UNI • le norme • fondato nel 1921 • le norme sui Metodi Statistici di Controllo Qualità: la loro classificazione • studia, pubblica e diffonde le norme tecniche nazionali relative a tutti i settori industriali, con esclusione di quelli elettrotecnico ed elettronico di competenza del CEI. • esempi di norme e loro applicazioni • http://www.unicei.it Raffaele Pesenti 3 Raffaele Pesenti 4 • garantiscono il consumatore rispetto alla durata, quantità, qualità, sicurezza dei prodotti Le norme tecniche definiscono le caratteristiche e le prestazioni di prodotti, processi produttivi e servizi sotto differenti aspetti: qualitativi, dimensionali, tecnologici e di sicurezza. • favoriscono il produttore poiché sono il risultato di ricerche, progettazioni e prove semplificare e razionalizzare i processi produttivi, migliorandone l'economicità e a ridurre il contenzioso con i clienti • sono a prova di idiota • determinano lo stato dell'arte del prodotto considerato • migliorano l'economicità del sistema produttivo • facilitano i rapporti fra produttori ed utilizzatori Raffaele Pesenti • permettono ai prodotti rispondenti ai requisiti prescritti di ricevere la certificazione di conformità ed essere muniti del marchio che ne premia l'elevato livello qualitativo (IMQ, CE) 5 ricordarsi però che ... Raffaele Pesenti 6 altre norme di interesse nel controllo dei processi industriali (diverse da quelle trattate a lezione) • esprimono quindi una soluzione concordata tra le parti interessate: – produttori – utenti – mondo della ricerca – autorità competenti • ISO 9000 (certificazione qualità) • ISO 14000 (impatto ambientale) • BS 8800 (sicurezza) Raffaele Pesenti Raffaele Pesenti 7 8 Metodi statistici per il controllo qualità (MSpCQ): struttura norme MSpCQ: esempio norma Visualizzazione di una norma MSpCQ • Titolo e codice • Generalità – scopo – descrizione • Campo e condizioni di applicazione • Descrizione della procedura • Esempi • Tabelle dati (non riportato nel lucido per motivi di copyright) Raffaele Pesenti 9 Metodi statistici per il controllo qualità (MSpCQ): chi li propone Raffaele Pesenti 10 Campo attività commissione • terminologia Commissione metodi statistici per la qualità GL 1: Terminologia e metodi statistici GL 2: Valutazione dei metodi di misura GL 3: Campionamento per l'accettazione • metodi statistici • guide per l'applicazione di piani di collaudo per attributi e per variabili di prodotti confezionati o alla rinfusa Non esiste attualmente attività normativa sull'argomento • stima dei parametri • valutazione della precisione e ripetibilità dei metodi di prova Raffaele Pesenti 11 Raffaele Pesenti 12 Come si trova una norma Classificazione norme MSpCQ • Sedi UNI a Milano e Roma • Biblioteche Università, grandi industrie, enti dello stato • Sito http://www.unicei.it • Terminologia • Calcolo e rappresentazione di dati statistici • Caratteristiche delle probabilità di distribuzione • Interpretazione statistica dei dati • Confronti tra serie di dati Esistono circa 10000 norme bisogna consultare i cataloghi Raffaele Pesenti • Procedimenti di collaudo statistico • Carte di controllo 13 Raffaele Pesenti 14 Indice • Ipotesi base • UNI 6806-72 • UNI 6810-72 Metodi statistici per il controllo della qualità (II) Raffaele Pesenti Raffaele Pesenti 1 Ipotesi base 2 Confronti tra due serie di dati • norme: 6806-72, 6807-72, 6809-72, 6811 • es. applicazione: verificare se due tipi di produzione conducono a prodotti con caratteristiche significativamente diverse nei valori medi o nelle varianze Le norme assumono: – campioni indipendenti e casualizzati (UNI 4843) – valori delle caratteristiche delle popolazioni distribuiti in modo • normale (variabili - UNI 4726) • bi/multinomiale (attributi - UNI 7829) A meno che non sia specificato diversamente Raffaele Pesenti Raffaele Pesenti • norme appartenenti al gruppo in senso lato: 6908-72, 6810-72 3 Raffaele Pesenti 4 Serie 1 Serie 2 27.5 28.1 28.1 28.4 27.9 27.9 28.2 27.6 27.4 28.2 28.5 28.8 27.8 28.2 28.3 Problema Problema Verificare se varia significativamente la tensione di perforazione un dielettrico ottenuto con due lavorazioni diverse Dati – Vedi lucido successivo – Tensioni espresse in Kv/mm procedura di confronto in UNI 6806-72 Raffaele Pesenti 5 Raffaele Pesenti Soluzione/Ipotesi Ipotesi • scopo: significatività differenza medie di una caratteristica di due serie di dati • ipotesi zero (H0): le due serie statistiche vengono dalla stessa popolazione • rischio α: ritenere significativa la differenza quando non lo è • statistica usata: t-student t= Raffaele Pesenti 6 • ipotesi implicita: popolazioni di provenienza distribuite in modo normale eventualmente verificare con UNI 4726 differenza fra medie errore tipo della differenza 7 Raffaele Pesenti 8 estrazione di campioni casualizzati Soluzione serie 1 m edia = x 1 popolazione normale media vera = µ il valore medio è deterministico s er ie 2 m e d ia = x 2 il valore normalizzato della media è una variabile casuale distribuita secondo t-student il valore normalizzato della differenza tra le medie di due campioni è una variabile casuale distribuita secondo t-student Raffaele Pesenti 0.4 9 H0 respinta H0 accettata H0 dubbia 0.3 0.2 t13;95 0.1 0 -4.0 t13;99 – |t|≥tν,99 H0 respinta (diff. significativa α≤1%) – tν,99>|t|≥tν,95 H0 dubbia (diff. semisign. 1%<α≤5%) H0 accettata (diff. non sign. α>5%) – |t|<tν,95 Raffaele Pesenti 10 Procedimento: piccoli campioni • ipotesi: – n1, n2 ≤ 30 – scarti tipo non noti ⇒ si stimano • procedimento: – calcolo t e ν= n1+ n2 - 2 – confronto con valori tabellari tν,99, tν,95 (app.) t -2.0 0.0 2.0 4.0 t-student per ν=13 Raffaele Pesenti • applicabilità: dati non appaiati/numerosità diversa • procedimento: il valore di t derivato dalle serie viene confrontato con valori di t-student di riferimento • criteri: confronto bilatero 11 ( n1 + n2 )[ ∑i ( x1i − x1 ) 2 + ∑i ( x2i − x 2 ) 2 ] t = ( x1 − x 2 ) / n1n2 ( n1 + n2 − 2) Raffaele Pesenti 12 Soluzione numerica Procedimento: grandi campioni 27.5 28.1 27.9 28.2 27.4 28.5 • ipotesi: – n1, n2 > 30 ⇒ t ≅ u ∼ N(0,1) (UNI 4726) – scarti tipo si assumono noti • procedimento: – calcolo u – confronto con valori critici u99=2.58, u95=1.96 u = ( x1 − x 2 ) / s12 s22 + n1 n2 Raffaele Pesenti N u m: M e d ia : Va ria n za Σ s c a rti2 6 27.93 0.18 0.89 t ν 0.04 13 t c rit ic i t (13,.) 95% 2.16 9 28.14 0.13 1.00 99% 3.01 H0 accettata: differenza non significativa 13 Raffaele Pesenti Norma da usare 14 Problema UNI 6806-72: Significatività della differenza tra due medie Problema Verificare se la lunga esposizione ai raggi solari danneggia le caratteristiche di un dielettrico Dati – Vedi lucido successivo – Osservazioni su un campione di dielettrici nel nord e nel sud dell’Europa – Valutazioni qualitative di esperti sulle condizioni del dielettrico 1. Generalità – scopo, applicabilità, procedimento, criteri accettazione/rifiuto ipotesi zero, commenti 2. Caso di piccoli campioni – definizione, ipotesi, procedimento calcolo 3. Caso grandi campioni – definizione, ipotesi, procedimento calcolo 4. Esempio (caso di piccoli campioni) Appendice (Valori di t) Raffaele Pesenti 28.1 28.4 27.9 27.6 28.2 28.8 27.8 28.2 28.3 15 Raffaele Pesenti 16 Soluzione Sud Europa Nord Europa • scopo: verificare se due attributi degli elementi di una popolazione si sono associati Buone Condizioni 543 348 Cattive condizioni 256 117 • procedimento: si confrontano le frequenze osservate di ogni possibile classificazione di presenza/assenza degli attributi in considerazione con le frequenze di riferimento nel caso di attributi non associati procedura di confronto in UNI 6810-72 Raffaele Pesenti 17 Ipotesi H0 accettata 0.8 H0 respinta 0.6 • rischio α: ritenere significative la differenze quando non lo sono 0.4 χ21;95 0.2 • statistica usata: χ2 (approssimazione di quella esatta per campioni numerosi) Raffaele Pesenti 18 1 • ipotesi zero (H0): le differenze tra le frequenze non sono significative 2 χ calc =∑ Raffaele Pesenti 0 0 scarti quadratici frequenze frequenza di riferimento 1 2 3 4 distribuzione χ2 con ν=1 19 Raffaele Pesenti 20 Procedimento Commenti • terminologia usata: vedi UNI 4723 – attributo: caratteristica non misurabile o che si preferisce non misurare sulla quale viene dato unicamente il giudizio di appartenenza ad una o più categorie alternative – frequenza: numero di elementi o di osservazioni che possiedono un dato attributo ... • ipotesi implicite: – l’appartenenza di un valore ad una classe segue una distribuzione multinomiale (per stima delle frequenze di riferimento) Raffaele Pesenti 21 Realizzazione prospetto frequenze osservate fij Classifi- 1 aclasse 2 aclasse ... cazioni 1 aclasse f11 f12 ... 2 aclasse f21 f22 ... R1 =Σ jf 1j R2 ... ... ... ... ... totali C 1=Σ ifi1 C 2 ... N=Σ ijfij Raffaele Pesenti Procedimento 22 Procedimento Per attributi indipendenti • Ri/N e Cj/N sono stime delle frequenze relative delle differenti classi dei due attributi • (Ri/N) (Cj/N) è la stima della frequenza relativa del verificarsi entrambi i valori dei due attributi quindi f*ij= (Ri/N) (Cj/N) N = Ri Cj /N frequenza di riferimento stima della frequenza per una cella Raffaele Pesenti totali Valori di interesse χ2calc= Σij[(fij - f*ij) 2/ f*ij] ν= (r - 1) (c-1) Se − R = C = 2 ⇒ calcoli semplificabili − ∃fij < 5 ⇒ raggruppare classi, correggere formula − N < 30 ⇒ usare procedimento esatto (UNI 6811) 23 Raffaele Pesenti 24 Calcoli numerici Verifica freq. os s . B uone Condizioni Cattive condizioni totali • Si sceglie la significatività 95% o 99% S ud Nord totali 543 348 891 256 799 117 373 465 1264 χ 2 calc 6 .6 9 ν 1 • Si confronta χ2calc con il valore critico χ2tab freq. rif. B uone Condizioni Cattive condizioni totali – se χ2calc ≤ χ2tab si accetta H0 (diff. non signif.) – se χ2calc > χ2tab si respinge H0 (diff. signif.) S ud Nord totali 563 328 891 236 799 137 373 465 1264 χ 2 tab 9 5 % 9 9 % χ 2 (1 ;.) 3 .8 4 6 .6 3 H0 respinta: diff. significative (il sole danneggia) Raffaele Pesenti 25 Raffaele Pesenti Commenti 26 Commenti ATTENZIONE Il successo del test non implica la correttezza delle conclusioni se le ipotesi sui dati non sono rispettate. Potrebbero esserci concause Raffaele Pesenti 27 • Errato: per il sud Europa tutti i dielettrici in cattive condizioni provengono dalla stessa zona • Corretto: per il sud Europa i dielettrici provengono da zone diverse la cui unica caratteristica comune a tutti è l’esposizione solare. Il rapporto tra dielettrici in buone e cattive condizioni è uniforme su tutte le zone. Raffaele Pesenti 28 Norma da usare Altre norme • UNI 6807-72 Confronto fra due serie di dati appaiati. Significatività della differenza da zero della media delle serie di differenze. • UNI 6808-72 Serie di osservazioni duplicate. Calcolo dello scarto tipo di ripetibilità. • UNI 6809-72 Confronto fra le dispersioni di due serie mediante il confronto delle varianze. • UNI 6811 Confronto fra due campioni di popolazioni binomiali. Significatività della differenza tra due percentuali. UNI 6810-72: Verifica di associazione fra classificazioni (mediante confronto di frequenze) 1. Generalità – scopo, applicabilità, procedimento 2. Elaborazione dati – procedimento calcolo Verifica 3. – criterio accettazione/rifiuto H0 4. Esempio Appendice (Valori di χ2) Raffaele Pesenti 29 Raffaele Pesenti 30 Indice • • • • Metodi statistici per il controllo della qualità (III) Il controllo statistico della qualità Terminologia Le carte di controllo per attributi Le carte di controllo per variabili cenni Raffaele Pesenti Raffaele Pesenti 1 Raffaele Pesenti Controllo statistico della qualità Terminologia (UNI 4723) • • • • • processo produttivo sottogruppo tolleranza naturale tolleranza/prescrizione elemento conforme/non conforme • difetto • causa accidentale/identificabile • in controllo/fuori controllo Controllo [statistico] : insieme di procedure che, durante lo svolgimento di un processo produttivo, raccolgono dati circa le caratteristiche del processo o del prodotto al fine di intraprendere eventuali azioni correttive Raffaele Pesenti 2 3 Raffaele Pesenti 4 Le carte di controllo Struttura carte • Cosa sono: diagrammi in cui sono riportati i punti rappresentativi dei sottogruppi,... (es.: valore caratteristica, numero difetti, percentuale pezzi non conformi) • Cosa servono: a controllare caratteristiche processo o prodotto valutare opportunità azioni correttive • Come funzionano: la disposizione dei punti permette di dedurre lo stato del processo Raffaele Pesenti % elementi non conformi LC: linea centrale 0.12 fuori controllo 0.08 0.04 0.00 0 5 10 LIS: limite controllo inferiore 5 15 20 sottogruppi 25 Raffaele Pesenti 6 Uso carte Struttura carte • Statico: verifica a posteriori se in ogni sottogruppo la caratteristica osservata è sotto controllo (poco interessante), LC, LSC, LIC sono calcolati dai sottogruppi osservati • LC: valore medio/valore atteso imposto da una prescrizione • LSC/LIC: limiti variazione accettabili (tipicamente comprendono 3σ ovvero 99.73% dei valori nel caso di distribuzioni normali) Raffaele Pesenti LSC: limite controllo superiore • Dinamico: verifica in linea se un processo si mantiene in controllo (molto interessante) LC, LSC, LIC sono dati a priori o calcolati una volta per tutti da sottogruppi di cui si sia sicuri che siano in controllo 7 Raffaele Pesenti 8 Situazioni fuori controllo Esempio: uso dinamico in controllo 0.12 fuori controllo Situazioni fuori controllo tendenza all’innalzamento progressivo (UNI 4728-66) 0.08 tendenza all’innalzamento medio (UNI 4728-66) indicazione di più livelli (UNI 4728-66) 0.04 deriva 0.00 0 (UNI 4728-66) superamento limiti di attenzione, i.e., 2σ (non in norme italiane) 5 10 15 20 25 30 35 40 45 50 sottogruppi per calcolo LC, LSC, LIC Raffaele Pesenti tendenza a variazioni cicliche (autocorrelazione) 9 Raffaele Pesenti 10 Innalzamento medio Più livelli 0.12 valore medio dati stabili nuovo valore medio 0.12 0.08 0.08 0.04 0.04 0.00 25 0.00 25 Raffaele Pesenti 30 35 40 45 30 35 40 45 50 due livelli 50 11 Raffaele Pesenti 12 Variazioni cicliche Limiti di attenzione action limits 0.12 0.12 0.08 0.08 0.04 0.04 0.00 warning limits 0.00 25 30 35 40 45 50 25 periodo 30 35 40 45 50 sottogruppi scatenanti la fase di osservazione Raffaele Pesenti 13 Raffaele Pesenti 14 Carte di controllo per attributi Situazioni fuori controllo Attenzione: • tipo carte: non eseguire troppi test fluttuazioni casuali possono dare falsi allarmi –carta p per frazione di elementi non conformi p – verificare per un numero sufficiente di sottogruppi –carta pn per numero di elementi non conformi pn – cercare equilibrio tra falsi allarmi e qualche sottogruppo fuori controllo non individuato –carta d per numero di difetti d Raffaele Pesenti 15 Raffaele Pesenti 16 Carte di controllo per attributi Carta p • Ipotesi: distribuzione binomiale della non conformità • Simbologia: –k: numero sottogruppi (almeno 25) –ni: numerosità i-mo sottogruppo –n: numerosità sottogruppi se tutti uguali –pi: frazione pezzi non conformi i-mo sottogruppo –ni pi: numero pezzi non conformi i-mo sottogruppo –di: numero difetti i-mo sottogruppo Raffaele Pesenti 17 • LC: fissata al livello di probabilità di non conformità stimato p= • LSC, LIC: fissati a più/meno 3 stime della deviazione standard (scarto tipo vero) da LC s= • Ipotesi: distribuzione di Poisson • LC: fissata al numero medio di difetti ∑i npi n ∑i n d= • LSC, LIC: fissati a più/meno 3 scarti tipo da LC Raffaele Pesenti 18 Carta d • LC: fissata al numero medio di non conformità s= p(1 − p ) ni Raffaele Pesenti Carta pn pn = num. tot . elementi non conformi ∑i ni pi = num. totaleelementi ∑i ni ∑i di k • LSC, LIC: fissati a più/meno 3 scarti tipo da LC s= pn (1 − p ) 19 Raffaele Pesenti d 20 Commenti Esempio Problema Verificare se un nuovo processo di lavorazione produce lo stesso numero di pezzi non conformi che il precedente, la verifica avviene ad impianto funzionante utilizzando i lotti di dimensione diversa previsti dal piano di produzione Dati – p’: frazione non conforme processo precedente – ni: dimensioni lotti • Sottogruppi di dimensione variabile ammissibili nelle carte p non nelle rimanenti • Prescrizioni potrebbero imporre il tipo di distribuzione da usare, il valore dei valori medi e degli scarti tipo, ma ... l’intervallo di variazione rimane sempre ±3σ Raffaele Pesenti 21 Raffaele Pesenti Esempio • • • • UNI 4727-66: esempio lotti 100 pezzi problema con prescrizione lotti di 100, 200, 300 pezzi LC fissato a p’= 0.07 LSC, LIC fissati con scarti tipo dipendenti dal lotto – s = 0.077 per lotti 100 pezzi – s = 0.054 per lotti 200 pezzi – s = 0.044 per lotti 300 pezzi Raffaele Pesenti 22 fuori controllo 0.16 0.12 0.08 0.04 0 0 lotti 200 pezzi 23 Raffaele Pesenti 5 10 15 carta p 20 25 lotti 300 pezzi 24 Norma da usare Esempio: commenti • la variabilità la frazione di pezzi non conformi nei lotti dovrebbe diminuire al crescere del lotto (legge dei grandi numeri) • il processo sembra migliore in media del precedente ma non ancora del tutto in controllo Raffaele Pesenti 25 Carte di controllo per variabili • analoghe alle precedenti ma presentano due diagrammi: diagramma delle medie e diagramma delle dispersioni • per lotti di piccola dimensione in assenza di prescrizioni si usa l’escursione (differenza tra valore massimo e minimo di una variabile in un campione) nel calcolo della tolleranza • norma da usare: UNI 4728-66 Raffaele Pesenti 27 UNI 4727-66: Carte di controllo per attributi Carta p e carta d 1. Generalità – scopo, tipo di carte, interpretazioni 2. Carta p – posizione LC, LSC, LIC 3. Carta d – posizione LC, LSC, LIC 4. Formulario e nomogramma 5. Esempi 6. Carta di controllo con riferimento ad una prescrizione Raffaele Pesenti 26 Indice • • • • • • Metodi statistici per il controllo della qualità (IV) Raffaele Pesenti Il collaudo Terminologia Il collaudo mediante campionamento statistico Ipotesi base Collaudo per variabili sul valore medio ... Norme sul collaudo Raffaele Pesenti 1 Raffaele Pesenti 2 Il collaudo: commenti Il collaudo • durante il collaudo un lotto viene accettato o rifiutato in toto, non vengono selezionati i pezzi conformi anche in presenza di collaudo al 100%. Collaudo: insieme di operazioni che permettono di stabilire se un lotto di un determinato prodotto è accettabile in base alle specifiche contrattuali • la qualità è responsabilità del fornitore che deve essere capace di fare accettare i propri lotti e non spendere per i lotti rifiutati • il committente può accettare lotti con pezzi non conformi, infatti produrre lotti senza pezzi difettosi può essere eccessivamente costoso Raffaele Pesenti 3 Raffaele Pesenti 4 Il collaudo: commenti Terminologia (UNI 4723) • al momento dell’uso degli elementi del lotto (ad esempio in un assiemaggio) il committente assume la responsabilità della qualità ed eventualmente verifica ogni singolo pezzo ed esclude quelli difettosi •lotto/lotto per il collaudo/numerosità del lotto •collaudo per variabili/attributi/numero difetti •collaudo per campionamento/al 100% • grazie al collaudo il committente una ragionevole sicurezza di escludere pochi pezzi. •procedimento di collaudo/piano di campionamento •probabilità di accettazione Raffaele Pesenti 5 Raffaele Pesenti Il collaudo per campionamento Ipotesi base • Quando serve: in presenza di prove distruttive o costi troppo elevati per collaudi al 100% • Come si definisce: fornitore e committente definiscono un piano di campionamento contrattando sui livelli di qualità e sui rischi reciproci Raffaele Pesenti 6 7 Le norme assumono: – campioni indipendenti e casualizzati (UNI 4843) – valori delle caratteristiche delle popolazioni distribuiti in modo • normale (variabili - UNI 4726) • bi/multinomiale (attributi - UNI 7829) Raffaele Pesenti 8 Problema esempio Collaudo per variabili sul valore medio con protezione unilaterale contro valori bassi Raffaele Pesenti Problema Acquistare componenti elettronici che resistano alle alte temperature Dati – temperatura a cui si desidera resista il componente medio (150°C) – scarto tipo del comportamento del componente (7°C) 9 Raffaele Pesenti 10 Problema esempio Problema commento Soluzione: • il committente assume che cause sistematiche (produzione fuori controllo) possano fare variare il valore medio dei lotti, non lo scarto tipo committente e fornitore fissano il piano di campionamento i.e., per ogni lotto, il numero n di campioni da misurare e un valore medio di accettazione (VAM), tale che: x = ∑ i xi / n ≥ VAM lotto accettato • se teme variazioni anche nello scarto tipo deve x = ∑ i xi / n < VAM lotto respinto verificarlo con UNI 7373-74 Raffaele Pesenti dove xi valore della caratteristica osservata per il campione i-mo 11 Raffaele Pesenti 12 Problema nel problema Problema nel problema Soluzione: calcolare n e VAM a partire da dei livelli di qualità: – livello di qualità tollerabile (LQTM) – livello di qualità accettabile (LQAM) e delle probabilità esprimenti dei rischi: – rischio del committente (RCM) – rischio del fornitore (RFM) Problema: come calcolare n e VAM Considerazione: VAM < 150°C altrimenti la temperatura a cui resisterebbe il componente medio dei lotti accettati sarebbe superiore a 150° C, e il committente dovrebbe pagare la maggiore qualità Raffaele Pesenti contrattate fra committente e fornitore 13 Raffaele Pesenti Contrattazione: visione committente Contrattazione: visione committente • assume il rischio di accettare lotti con caratteristica media uguale a LQTM con probabilità al massimo uguale RCM, in genere il 10% (errore di tipo II, β, assumere valido un valore che non lo è) • garantisce al fornitore di accettare lotti con caratteristica media uguale a LQAM con probabilità uguale a 1- RFM, in genere 95% Raffaele Pesenti 14 caratteristica media per il lotto RCM desiderato 150°C accettato il 95% delle volte LQAM accettato il 10% delle volte LQTM molti elementi in questo lotto sono inutilizzabili 15 Raffaele Pesenti 16 Contrattazione: visione fornitore Contrattazione: visione fornitore • assume il rischio di vedersi rifiutare lotti con caratteristica media uguale LQAM con probabilità RFM lotto di qualità ancora buona al massimo uguale al RFM, in genere il 5% (errore di tipo I, α, assumere non valido un valore che lo è) • garantisce al committente di accettare indietro lotti desiderato caratteristica media per il lotto 150°C respinto il 5% delle volte LQAM respinto il 90% delle volte LQTM con caratteristica media uguale a LQTM con probabilità uguale a 1- RCM, in genere 90% Raffaele Pesenti 17 Raffaele Pesenti 18 Equazioni per n e VAM Equazioni per n e VAM normalizzando le variabili casuali si ottiene ∞ ∫ f (u)du = 0.95 P ( x ≥ VAM | xi ~ N ( LQAM , σ ) = 0.95 (VAM − LQAM ) ∞ P ( x ≥ VAM | xi ~ N ( LQTM , σ ) = 0.10 ∫ f (u)du = 0.10 (VAM − LQTM ) le equazioni sono dal punto di vista del committente, ma sono simmetriche viste dal fornitore Raffaele Pesenti n σ 19 n σ dove f(t) è la distribuzione normale (σ è noto), usare t-student se σ non è noto Raffaele Pesenti 20 Equazioni per n e VAM Equazioni per n e VAM Le tabelle delle distribuzioni normali riportano i valori uα definito come: u95%=-1.64, u10% =1.28 da cui ∞ uα : ∫ f (u)du = α (VAM − LQAM ) n = −1.64 σ (VAM − LQTM ) n = 1.28 σ uα Quindi noto α% si ricava uα e di conseguenza, noti LQTM e LQAM, VAM e n Raffaele Pesenti 21 Raffaele Pesenti Equazioni per n e VAM Posto Equazioni per n e VAM λ = (LQAM-LQTM)/σ kacc =(LQAM -VAM)/σ Le norme riportano delle tabelle che dato λ il sistema diventa kacc n = 1.64 ( λ − kacc ) n = 1.28 Raffaele Pesenti 22 forniscono n e kacc da cui si può calcolare 1.64 + 1.28 n = λ k acc = 2 VAM = LQAM - kacc σ 1.64 λ 1.64 + 1.28 23 Raffaele Pesenti 24 Come decidere LQAM e LQTM Come decidere LQAM e LQTM Se il processo del fornitore non è stabile, il committente decide i livelli di qualità in proporzione ai pezzi di livello inferiore a L da permettere nel caso di LQTM (es. 10%) e LQAM (es. 1%), da cui: Dal punto di vista del committente • sia L valore limite della caratteristica al di sotto del quale non può utilizzare il prodotto LQAM t . c. • sia 1% il numero di prodotti che permette avere 1 2πσ valore della caratteristica minore a L • sia VD il valore del componente medio Raffaele Pesenti LQTM t . c. 25 Raffaele Pesenti ∫e u − LQAM ) 2 2σ 2 du = 0.01 −∞ L −( ∫e u − LQTM ) 2 2σ 2 du = 0.10 −∞ Raffaele Pesenti Come decidere LQAM e LQTM Commenti con questo approccio: – LQTM e LQAM calcolati sono i minimi accettabili dal committente – non interessa VD, il committente calcola direttamente LQTM, LQAM, n e VAM – n e VAM sono indipendenti dalla dimensione del lotto – se σ non noto si sostituisce il t-student 1 2πσ L −( 26 Problema esempio • essendo σ = 7°C • posto L = 120°C • LQTM = L + u0.10 σ = 129°C • LQAM = L + u0.01 σ = 136°C • λ=1 • piano campionamento: n = 9, kacc= 0.56, VAM = 132°C 27 Raffaele Pesenti 28 Curva operativa (COM) Lotti rifiutati • non possono ripresentarsi tali e quali al collaudo per campioni – dopo un po’ lo passerebbero, però... – l’immagine fornitore sarebbe danneggiata perché sembrerebbe fornire tanti lotti di bassa qualità • possono essere sottoposti ad un collaudo al 100% Raffaele Pesenti 29 Curva operativa (COM) PA = P( x ≥ VAM | xi ~ N ( µ ,σ )) = ∞ ∫ f (u)du (VAM − µ ) n σ Raffaele Pesenti 30 Norme: collaudo per variabili esempio per: n = 9, VAM = 132°C • UNI 7371-74: piani di campionamento indicizzati secondo LQA per valori medi, scarto tipo noto, protezione unilaterale (tabula n e kacc in funzione di λ) PA1 RFM 0.75 • UNI 7371-74: piani di campionamento indicizzati secondo LQA per valori medi, scarto tipo sconosciuto, protezione unilaterale 0.5 0.25 RCM 0 125 Raffaele Pesenti COM: per un dato piano di campionamento, n e VAM fissati, fornisce la PA in funzione del valor medio µ della variabile oggetto del collaudo 130 LQTM 135 LQAM • UNI 6365-74: piani di campionamento indicizzati secondo LQA per valori medi, scarto tipo noto, protezione bilaterale µ 140 31 Raffaele Pesenti 32 Norme: collaudo per variabili Norme: collaudo per variabili • UNI 6367-74: piani di campionamento sequenziali indicizzati secondo LQA per valori medi, scarto tipo noto, protezione unilaterale • UNI 6366-74: piani di campionamento sequenziali secondo LQA per valori medi, scarto tipo noto, protezione bilaterale Raffaele Pesenti 33 • UNI 6366-74: procedimento collaudo statistico sulla base del valore caratteristico (data l’osservazione di un campione si deduce se una frazione Q della popolazione sia sopra un valore caratteristico) Raffaele Pesenti 34 Medie vs. Valori caratteristici Statistica vs. Sequenziale • medie: – si hanno garanzie sui valori medi dei lotti accettati – la numerosità del campione che permette di giungere ad una decisione è molto minore • valori caratteristici: – si hanno garanzie sui valori dei singoli elementi – committente più protetto ma deve fare più prove • statistica – semplice con tempi di esecuzione fissi • sequenziale – in media la numerosità del campione che permette di giungere ad una decisione è molto minore – può diventare costosa se c’è un costo fisso per l’accesso agli elementi del lotto – tempi di esecuzione variabili Raffaele Pesenti • UNI 7373-74: procedimento collaudo statistico per l’accertamento dello scarto tipo (analoga alle norme sulle medie) 35 Raffaele Pesenti 36 Norme: collaudo per attributi • UNI 4842 All.: istruzioni per lo svolgimento di collaudo statistico per attributi • UNI ISO 2859/1: piani di campionamento indicizzati secondo livello qualità accettabile • UNI ISO 2859/2: piani di campionamento indicizzati secondo qualità limite • UNI ISO 2859/3: campionamento con salto di lotti • UNI 6368-68: collaudo sequenziale Raffaele Pesenti 37