Obiettivi

Evidenziare come tipici problemi industriali

Metodi statistici per

il controllo della qualit

richiedano un controllo statistico di qualit

Segnalare lesistenza di specifiche norme UNI che
definiscono formalmente come eseguire i controlli

Raffaele Pesenti

statistici di qualit

24/11/99 17.03
Raffaele Pesenti

Raffaele Pesenti

Indice

UNI - Ente Nazionale

Italiano di Unificazione

UNI
le norme

fondato nel 1921

le norme sui Metodi Statistici di Controllo

Qualit: 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

Raffaele Pesenti

 garantiscono il consumatore rispetto alla durata,

quantit, qualit, 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 poich sono il risultato

di ricerche, progettazioni e prove semplificare e
razionalizzare i processi produttivi, migliorandone
l'economicit e a ridurre il contenzioso con i
clienti

sono a prova di idiota

determinano lo stato dell'arte del prodotto
considerato
migliorano l'economicit del sistema produttivo
facilitano i rapporti fra produttori ed utilizzatori
Raffaele Pesenti

permettono ai prodotti rispondenti ai requisiti

prescritti di ricevere la certificazione di conformit
ed essere muniti del marchio che ne premia
l'elevato livello qualitativo (IMQ, CE)
5

ricordarsi per che ...

Raffaele Pesenti

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
autorit competenti

ISO 9000 (certificazione qualit)

ISO 14000 (impatto ambientale)
BS 8800 (sicurezza)

Raffaele Pesenti

Raffaele Pesenti

Metodi statistici per il controllo

qualit (MSpCQ): struttura norme

MSpCQ: esempio norma

Visualizzazione di una norma MSpCQ

Titolo e codice
Generalit
scopo
descrizione
Campo e condizioni di applicazione
Descrizione della procedura
Esempi
Tabelle dati

(non riportato nel lucido per motivi di copyright)

Raffaele Pesenti

Metodi statistici per il controllo

qualit (MSpCQ): chi li propone

Raffaele Pesenti

10

Campo attivit commissione

terminologia

Commissione metodi statistici per la qualit

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 attivit normativa

sull'argomento

stima dei parametri

valutazione della precisione e ripetibilit 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 Universit, grandi industrie, enti dello
stato
Sito http://www.unicei.it

Terminologia
Calcolo e rappresentazione di dati statistici
Caratteristiche delle probabilit 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 qualit (II)
Raffaele Pesenti

Raffaele Pesenti

Ipotesi base

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

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

Raffaele Pesenti

Soluzione/Ipotesi

Ipotesi

scopo: significativit differenza medie di

una caratteristica di due serie di dati
ipotesi zero (H0): le due serie statistiche vengono
dalla stessa popolazione
rischio : ritenere significativa la differenza
quando non lo
statistica usata: t-student
t=
Raffaele Pesenti

ipotesi implicita: popolazioni di provenienza

distribuite in modo normale eventualmente
verificare con UNI 4726

differenza fra medie

errore tipo della differenza
7

Raffaele Pesenti

estrazione di campioni
casualizzati

Soluzione

serie 1

m edia = x 1

popolazione normale
media vera =
il valore medio
deterministico

s er ie 2
m e d ia = x 2

il valore normalizzato della media una

variabile casuale distribuita secondo
t-student

il valore normalizzato della differenza tra le medie di

due campioni una variabile casuale distribuita
secondo t-student
Raffaele Pesenti

0.4

H0 respinta

H0 accettata
H0 dubbia

0.3
0.2

t13;95

0.1
0
-4.0

t13;99

|t|t,99
H0 respinta (diff. significativa 1%)
t,99>|t|t,95 H0 dubbia (diff. semisign. 1%<5%)
H0 accettata (diff. non sign. >5%)
|t|<t,95
Raffaele Pesenti

10

Procedimento: piccoli campioni

ipotesi:
n1, n2 30
scarti tipo non noti si stimano
procedimento:
calcolo t e = n1+ n2 - 2
confronto con valori tabellari t,99, t,95 (app.)

t
-2.0

0.0

2.0

4.0

t-student per =13

Raffaele Pesenti

applicabilit: dati non appaiati/numerosit 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
s c a rti2

6
27.93
0.18
0.89

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: Significativit 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 dellEuropa
Valutazioni qualitative di esperti sulle
condizioni del dielettrico

1. Generalit
scopo, applicabilit, 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 : ritenere significative la differenze

quando non lo sono

0.4

21;95

0.2

statistica usata: 2 (approssimazione di quella

esatta per campioni numerosi)

Raffaele Pesenti

18

ipotesi zero (H0): le differenze tra le frequenze

non sono significative

2
calc
=

Raffaele Pesenti

0
0

scarti quadratici frequenze

frequenza di riferimento

distribuzione 2 con =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 pi categorie alternative
frequenza: numero di elementi o di osservazioni
che possiedono un dato attributo ...
ipotesi implicite:
lappartenenza 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 = jf 1j
R2

...

...

...

...

...

totali

C 1= ifi1 C 2

...

N= 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) 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
2calc= ij[(fij - f*ij) 2/ f*ij]
= (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 significativit 95% o 99%

S ud Nord totali
543

348

891

256
799

117 373
465 1264

2 calc 6 .6 9

Si confronta 2calc con il valore critico 2tab

freq. rif.
B uone
Condizioni
Cattive
condizioni
totali

se 2calc 2tab si accetta H0 (diff. non signif.)

se 2calc > 2tab si respinge H0 (diff. signif.)

S ud Nord totali
563

328

891

236
799

137 373
465 1264

2 tab 9 5 % 9 9 %
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 lesposizione solare.
Il rapporto tra dielettrici in buone e cattive
condizioni uniforme su tutte le zone.
Raffaele Pesenti

28

Norma da usare

Altre norme
UNI 6807-72 Confronto fra due serie di dati
appaiati. Significativit della differenza da zero
della media delle serie di differenze.
UNI 6808-72 Serie di osservazioni duplicate.
Calcolo dello scarto tipo di ripetibilit.
UNI 6809-72 Confronto fra le dispersioni di
due serie mediante il confronto delle varianze.
UNI 6811
Confronto fra due campioni di
popolazioni binomiali. Significativit della
differenza tra due percentuali.

UNI 6810-72: Verifica di associazione fra

classificazioni (mediante confronto di
frequenze)
1. Generalit
scopo, applicabilit, procedimento
2. Elaborazione dati
procedimento calcolo
Verifica
3.
criterio accettazione/rifiuto H0
4. Esempio
Appendice (Valori di 2)
Raffaele Pesenti

29

Raffaele Pesenti

30

Indice

Metodi statistici per

il controllo della qualit (III)

Il controllo statistico della qualit

Terminologia
Le carte di controllo per attributi
Le carte di controllo per variabili cenni

Raffaele Pesenti
Raffaele Pesenti

Raffaele Pesenti

Controllo statistico della qualit

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

Raffaele Pesenti

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 opportunit 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

10

LIS: limite controllo inferiore

5

15
20
sottogruppi

25

Raffaele Pesenti

Uso carte

Struttura carte

Statico: verifica a posteriori se in ogni

sottogruppo la caratteristica osservata 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 3 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

Situazioni fuori controllo

Esempio: uso dinamico

in controllo

0.12

fuori controllo

Situazioni fuori controllo

tendenza allinnalzamento progressivo (UNI 4728-66)

0.08

tendenza allinnalzamento medio (UNI 4728-66)

indicazione di pi livelli (UNI 4728-66)

0.04

deriva
0.00
0

(UNI 4728-66)
superamento limiti di attenzione, i.e., 2 (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)

Raffaele Pesenti

10

Innalzamento medio

Pi 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 conformit

Simbologia:
k: numero sottogruppi (almeno 25)
ni: numerosit i-mo sottogruppo
n: numerosit 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 probabilit di non

conformit stimato
p=

LSC, LIC: fissati a pi/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 pi/meno 3 scarti tipo da LC

Raffaele Pesenti

18

Carta d

LC: fissata al numero medio di non conformit

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 pi/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 ...
lintervallo di variazione rimane sempre 3
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

10

15

carta p

20

25

lotti 300 pezzi

24

Norma da usare

Esempio: commenti
la variabilit 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 lescursione (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. Generalit
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 qualit (IV)
Raffaele Pesenti

Il collaudo
Terminologia
Il collaudo mediante campionamento statistico
Ipotesi base
Collaudo per variabili sul valore medio ...
Norme sul collaudo

Raffaele Pesenti

Raffaele Pesenti

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
accettabile in base alle specifiche contrattuali

la qualit responsabilit del fornitore che deve

essere capace di fare accettare i propri lotti e non
spendere per i lotti rifiutati
il committente pu accettare lotti con pezzi non
conformi, infatti produrre lotti senza pezzi
difettosi pu essere eccessivamente costoso

Raffaele Pesenti

Raffaele Pesenti

Il collaudo: commenti

Terminologia (UNI 4723)

al momento delluso degli elementi del lotto (ad

esempio in un assiemaggio) il committente
assume la responsabilit della qualit ed
eventualmente verifica ogni singolo pezzo ed
esclude quelli difettosi

lotto/lotto per il collaudo/numerosit 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

probabilit di accettazione

Raffaele Pesenti

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 qualit e
sui rischi reciproci
Raffaele Pesenti

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

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 (150C)
scarto tipo del comportamento del
componente (7C)
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
qualit:
livello di qualit tollerabile (LQTM)
livello di qualit accettabile (LQAM)
e delle probabilit esprimenti dei rischi:
rischio del committente (RCM)
rischio del fornitore (RFM)

Problema:
come calcolare n e VAM
Considerazione:
VAM < 150C
altrimenti la temperatura a cui resisterebbe il
componente medio dei lotti accettati sarebbe
superiore a 150 C, e il committente dovrebbe
pagare la maggiore qualit
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 probabilit al massimo
uguale RCM, in genere il 10% (errore di tipo II, ,
assumere valido un valore che non lo )
garantisce al fornitore di accettare lotti con
caratteristica media uguale a LQAM con
probabilit uguale a 1- RFM, in genere 95%
Raffaele Pesenti

14

caratteristica
media per il lotto

RCM
desiderato

150C

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 probabilit

RFM

lotto di qualit
ancora buona

al massimo uguale al RFM, in genere il 5%

(errore di tipo I, , assumere non valido un valore
che lo )
garantisce al committente di accettare indietro lotti

desiderato

caratteristica
media per il lotto
150C

respinto il 5% delle volte

LQAM

respinto il 90% delle volte

LQTM

con caratteristica media uguale a LQTM con

probabilit 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 , ) = 0.95

(VAM LQAM )

P ( x VAM | xi ~ N ( LQTM , ) = 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

19

dove f(t) la distribuzione normale ( noto),

usare t-student se non noto
Raffaele Pesenti

20

Equazioni per n e VAM

Equazioni per n e VAM

Le tabelle delle distribuzioni normali riportano i

valori u definito come:

u95%=-1.64, u10% =1.28

da cui

u :

f (u)du =

(VAM LQAM )

n
= 1.64

(VAM LQTM )

n
= 1.28

Quindi noto % si ricava u 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

= (LQAM-LQTM)/
kacc =(LQAM -VAM)/

Le norme riportano delle tabelle che dato

il sistema diventa
kacc n = 1.64
( kacc ) n = 1.28
Raffaele Pesenti

22

forniscono n e kacc da cui si pu calcolare

1.64 + 1.28
n =

k acc =

VAM = LQAM - kacc

1.64

1.64 + 1.28
23

Raffaele Pesenti

24

Come decidere LQAM e LQTM

Come decidere LQAM e LQTM

Se il processo del fornitore non stabile, il
committente decide i livelli di qualit 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 pu utilizzare il prodotto

LQAM t . c.

sia 1% il numero di prodotti che permette avere

1
2

valore della caratteristica minore a L

sia VD il valore del componente medio
Raffaele Pesenti

LQTM t . c.
25

Raffaele Pesenti

u LQAM ) 2
2 2

du = 0.01

L (

u LQTM ) 2
2 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 non noto si sostituisce il t-student

1
2

L (

26

Problema esempio
essendo = 7C
posto L = 120C
LQTM = L + u0.10 = 129C
LQAM = L + u0.01 = 136C
=1
piano campionamento:
n = 9, kacc= 0.56, VAM = 132C

27

Raffaele Pesenti

28

Curva operativa (COM)

Lotti rifiutati
non possono ripresentarsi tali e quali al collaudo
per campioni
dopo un po lo passerebbero, per...
limmagine fornitore sarebbe danneggiata
perch sembrerebbe fornire tanti lotti di bassa
qualit
possono essere sottoposti ad un collaudo al 100%

Raffaele Pesenti

29

Curva operativa (COM)

PA = P( x VAM | xi ~ N ( , )) =

f (u)du

(VAM )

Raffaele Pesenti

30

Norme: collaudo per variabili

esempio per: n = 9, VAM = 132C

UNI 7371-74: piani di campionamento indicizzati

secondo LQA per valori medi, scarto tipo noto,
protezione unilaterale (tabula n e kacc in funzione di )

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 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

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
losservazione 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 numerosit del campione che permette di
giungere ad una decisione molto minore
valori caratteristici:
si hanno garanzie sui valori dei singoli elementi
committente pi protetto ma deve fare pi
prove

statistica
semplice con tempi di esecuzione fissi
sequenziale
in media la numerosit del campione che
permette di giungere ad una decisione molto
minore
pu diventare costosa se c un costo fisso per
laccesso agli elementi del lotto
tempi di esecuzione variabili
Raffaele Pesenti

UNI 7373-74: procedimento collaudo statistico

per laccertamento 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 qualit accettabile
UNI ISO 2859/2: piani di campionamento
indicizzati secondo qualit limite
UNI ISO 2859/3: campionamento con salto di
lotti
UNI 6368-68: collaudo sequenziale
Raffaele Pesenti

37