VELEUILITE U KARLOVCU

SEMINARSI RAD
Kontrolne karte

Kolegij: Osiguranje kvalitete Nastavnik: Sran Medi

Student: Marko Matoevi

Kontrolne karte

Kontrolne su karte (control chart) osnovni instrument pomou kojega se provodi statistika kontrola proizvoda ili proizvodnoga procesa. Osnovna uloga kontrolnih karata je u otkrivanju i vizualizaciji poremeaja kvalitete proizvoda. Kontrolna karta sastoji se od tri osnovne kontrolne granice : gornja kontrolna granica (upper control limit - UCL), sredinja crta (central line - CL), donja kontrolna granica (lower control limit - LCL). Kontrolna karta kreira se na osnovi aritmetikih sredina odreenoga broja uzoraka k, od kojih se svaki sastoji od po nekoliko jedinica. Centralna linija utvruje se na osnovi aritmetike sredine aritmetikih sredina uzoraka, odnosno: Xi X k Kontrolne granice izraunavaju se pomou zakona vjerojatnosti, na osnovi raspodjele uzoraka. Iste se odreuju iz odnosa

X 3 n

, odnosno nalaze se u okviru

X 3 x .

20 18 16 14 12 10 8 6 4 2 0 1

Gornja kontrolna granica - Upper control limit

Jedinica mjere - Unit

Sredinja crta - Central line

3
19 21 23 25

Donja kontrolna granica - Lower control limit

11

13

15

17

Mjerenja - Measurements Grafikon 1. Osnovna

X kontrolna karta za prosjeke

Varijacije unutar procesa mogu nastati kao posljedica dvije vrste uzroka: 1. opi ili sustavni (common causes), koji su svojstveni procesu (npr. genotipske varijacije), 2. specifini ili posebni (special causes), koji uzrokuju pretjeranu varijaciju. Kontrolne se karte koriste za razlikovanje tih dviju vrsta varijacija u procesu , na osnovu analize podataka iz prolosti i budunosti. Predvianja statistiara pretpostavljaju stabilnu populaciju. To je ona populacija koja se moe ponoviti, to jest ona populacija koje je u stanju statistike kontrole. U takvoj populaciji prisutni su samo sustavni uzroci varijacije, a oni uvjetuju stabilan proces koji vodi do najmanje varijacije. Kontrolna karta za takve procese ima sve toke s podacima unutar statistikih kontrolnih granica.

X bar kontrolna karta

X bar control chart

Jedinica mjere - Unit

20 15 10 5 0 1 3 5 7 9 11 13 15 17 19 21 23 25

Mjerenja - Measurements

Grafikon 2. Proces je u stanju statistike kontrole

Kontrolne granice izraunavaju se pomou zakona vjerojatnosti, na takav nain da se za veoma nevjerojatne uzroke varijacije pretpostavlja da nisu nastale zbog sluajnih uzroka, nego da su nastale kao posljedica posebnih uzroka. Kad varijacija prelazi statistike kontrolne granice, to je znak da su posebni uzroci uli u proces i da proces treba ispitati kako bi se utvrdili uzroci pretjerane varijacije. Za takav proces kaemo da je izvan kontrole (Grafikon 3.). X bar kontrolna karta
X bar control chart 20

Jedinica mjere - Unit

15 10 5 0 1 3 5 7 9 11 13 15 17 19 21 23 25 Mjerenja
Measurements

Grafikon 3. Proces je izvan statistike kontrole

Uzevi u obzir vrstu podataka, na osnovi kojih pravimo kontrolnu kartu, razlikujemo dva osnovna tipa kontrolnih karata: 1. Kontrolne karte za opisna (atributivna) svojstva: p karta (p chart) postotak nesukladnosti (proportion) c karta (c chart) broj nesukladnosti (count) u karta (u chart) prosjean broj nesukladnosti po jedinici proizvodnje (per unit) 2. Kontrolne karte za mjerna (numerika) svojstva X karta (X bar chart) R karta (R chart)

KONTROLNE KARTE ZA MJERNA (NUMERIKA) SVOJSTVA Za mjerna svojstva koriste se X karta (X bar chart) i R karta (R chart). Te dvije vrste kontrolnih karata nazivaju se jo i Shewartove kontrolne karte. Njihova konstrukcija temelji se na prosjecima i rasponima uzoraka. Potrebito je skupiti vei broj uzoraka (najmanje 50 100), koje treba podijeliti u podgrupe, iz kojih se izraunavaju prosjeci ( X ) i rasponi (R). Tek tada se pristupa izraunavanju sredinje crte i kontrolnih granica. Sredinja crta moe biti prosjek prolih podataka ili eljeni prosjek (tj. normizirana vrijednost). Kontrolne se granice obino postavljaju na tri standardna odstupanja ( 3 ) za prosjeke i raspone uzorka, ali se mogu odabrati i druge vrijednosti kontrolnih granica (npr. pomone kontrolne linije na 1 i 2 ). Osnovne formule za izraunavanje kontrolnih granica baziraju se na 3 i koriste sredinju crtu, koriste sredinju crtu koja je jednaka prosjeku podataka koji se koriste za izraunavanje kontrolnih granica. Kontrolne se granice vrlo lako izraunavaju pomou statistikih programa (SPSS, Statistica, SAS i drugi), koji omoguavaju i izradu kontrolnih karata, a postoje i nadogradnje koje u Microsoft Excelu omoguavaju izradu kontrolnih karata. Takoer, postoje skraene formule za izraunavanje kontrolnih granica X i R karata. Postupak izrade R karata sastoji se od izraunavanja pojedinanih raspona za svaki uzorak. Raspone ine razlike izmeu najveih i najmanjih izmjera u uzorku. Iz tako dobivenih raspona izraunava se prosjeni raspon R . Izrada X karata temelji se na izraunavanju velikoga prosjeka ( ), koji predstavlja prosjek prosjeka svih uzoraka. Naposljetku, izraunavaju se kontrolne granice X i R karata , na osnovi kojih se izrauju kontrolne karte.

ANALIZA KONTROLNIH KARATA Osim precizne izrade kontrolnih karata, od velike je vanosti i njihovo pravilno tumaenje. Najjednostavnije je tumaiti kontrolne karte kod kojih se proces nalazi izvan statistike kontrole, odnosno onaj proces kod kojega se vrijednosti pojedinih mjerenja nalaze izvan kontrolnih granica. To znai da je u procesu prisutan neki od posebnih uzroka varijacije i da treba obaviti prilagodbu. Meutim, smjetaj svih toaka unutar kontrolnih granica, odnosno dobivanje kontrolne karte na kojoj je proces unutar statistike kontrole, ne mora znaiti da je takav proces prihvatljiv od strane statistiara. Kod tumaenja kontrolnih karata koristi se niz termina za opisivanje pojedinoga stanja na kontrolnoj karti, koja prikazuje proces unutar kontrole (Juran, 1999.): RUN (tok ili tendencija) javlja se kada se sedam toaka u nizu nalaze s gornje ili donje strane sredinje crte, ali unutar kontrolnih granica. Takav izgled kontrolne karte kazuje nam da u procesu postoje nepravilnosti koje treba korigirati. TREND (trend, nagib) ukoliko na kontrolnoj karti postoji sljed toaka ije vrijednosti kontinuirano opadaju ili rastu, ukazuje nam da proces izmie kontroli i obino je potrebito ugoditi stroj. PERIODICITY (periodinost) evidentna je kada se unutar procesa u istim razmacima javljaju promjene ciklikoga tipa. HUGGING (dranje)m nepravilnost koja se javlja 1,0 m su izmjerene vrijednosti smjetene vrlo blizu kada 0,4 0,6 m 0,8 m Prosjek Raspon sredinje crte ili kontrolnih granica. 1. 0,4720 0,2390 0,2760 0,3960 0,4530 0,3672 0,2330 Analiziranju svake pojedine 0,2140 kontrolne 0,3210 treba pristupiti0,3234 ozbiljno i studiozno. Na osnovi karte vrlo 2. 0,3570 0,3620 0,3630 0,1490 rezultata kontrolne karte, mogue je 0,4160 unaprijediti proizvodni proces,0,1580 otkloniti neeljene uzroke 3. 0,2580 0,3400 0,3350 0,3260 0,3350 varijacije, smanjiti0,3840 trokove proizvodnje, a samim time i poveati dobit. Kontrolna karta, kao sredstvo 4. 0,2440 0,3220 0,2970 0,1400 u kombinaciji sa 0,3450 znanjem onih koji vode proces, zamjenjuje intuitivno odluivanje o procesu, 5. 0,2470 0,3070 0,2670 0,2992 0,0980 donoenjem odluka na znanstvenoj osnovi. 6. 0,3130 0,3320 0,3260 0,2530 0,3470 0,3142 0,0940
7.

ZAKLJUAK

0,2480

0,3060

0,2360

0,2980

0,3420

0,2860

Poboljanje kvalitete proizvoda mogue je postii unaprjeenjem procesa proizvodnje koji moe biti uinkovitiji pomou statistike kontrole kvalitete. Ista rabi statistiku analizu u cilju praenja, kontrole i neprekidnoga poboljavanja procesa. Niska proizvodnost, proizvodi koji ne zadovoljavaju potrebe trita, oteeni proizvodi i drugo rezultat su varijacija u procesu. Procjenjuje se da je oko 94%

Primjeri: 1. Poduzee eli pratiti kako i koliko vremena treba njenim zaposlenicima da zaprime telefonsku narudbu od kupca. Svaki dan u tjednu nasumino je mjereno trajanje 4 telefonska poziva. Podaci su slijedei: Uzorak Srednja 1. pon 2. uto 3. sri 4. et 5. pet Mjerenja u min 5 7 1 7 3 3 5 8 6 15 6 3 3 2 6 10 5 12 1 12 Vrijednost 24/4=6 20/4=5 24/4=6 16/4=4 36/4=9 Raspon 10-3=7 7-3=4 12-1=11 7-1=6 15-3=12

X = 30

R = 40

Odrediti koji tip kontrolne karte treba koristiti XR karta jer se radi o mjerenju minuta Izraunati kontrolne granice
X = 30 / 5 = 6 R = 40 / 5 = 8

X graf:
UCL LCL

X X

= X + A 2 R = 6 + 0 . 729 * 8 = 11 . 832 = X A 2 R = 6 0 . 729 * 8 = 0 . 168

R graf:
UCL R = D 4 R = 2.282 * 8 = 18.256 LCL R = D3 R = 0 * 8 = 0

Na koliko sigmi smo postavili granice? Na 3 sigma jer su ovi koeficijenti izraunati za 3 sigma kontrolne granice

X kontrolna karta
14 12 10 8 6 4 2 0 1 2 3 4 5 6 5 6 4 9 Mjerenja Srednja vrijednost UCL LCL

R kontrolna karta
20 15 10 7 5 0 1 2 3 4 5 4 11 6 12 Mjerenja Srednja vrijednost UCL LCL

Proces je unutar kontrolnih granica osim to je u petak srednja vrijednost bila znatno vea od ostalih.

2. Velika osiguravajua kua ima 20 referenta koji unose nove police osiguranja u raunalo. Po zavrenom poslu oni se rotiraju i svaki mora od drugog provjeriti da li je unos ispravan. Svaki referent provjerava 100 unosa. Dobivena je slijedea distribucija greaka: Referent (Broj uzorka) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Broj greaka 6 5 0 1 4 2 5 3 3 2 6 1 8 7 5 4 11 3 0 4 Suma=80 Postotak 0,06 0,05 0 0,01 0,04 0,02 0,05 0,03 0,03 0,02 0,06 0,01 0,08 0,07 0,05 0,04 0,11 0,03 0 0,04

Ovdje se koristi p tip kontrolne karte jer se svaki unos gleda da li je ispravan ili neispravan tip tono-netono Proraunavanje kontrolne granice: c)
p= ukupan broj defekata 80 = = 0.04 ukupan broj jedinica u uzorku 100 * 20

p =

p (1 p) = n

0.04(1 0.04) = 0.02 100

UCL p = p + z p = 0.04 + 3 * 0.02 = 0.1 LCL p = p z p = 0.04 - 3 * 0.02 = -0.02 = 0 (ne moe biti < 0)

p karta
0,12
0,11

0,1 0,08 0,06 0,04 0,02

0,01 0,06 0,05 0,04 0,03 0,03 0,02 0,02 0,01 0 0,05 0,06 0,05 0,04 0,03 0,04 0,08 0,07

Postotak pogrenih Srednja vrijednost UCL LCL

0
1 3

11

13

15

17

19

to zakljuujemo? Referent br. 17 ima previe greaka Na koliko sigmi su postavljene kontrolne granice? Postavljene su na 3 sigma jer se obino na te granice postavljaju

3. Taksi kompanija ima nekoliko taksista koji se izmjenjuju. Usprkos njihovoj dobroj obuenosti svaki dan u sjedite dolaze pritube na ponaanje vozaa. Da bi smanjili broj pritubi sredinjica je odluila evidentirati te pritube pomou kontrolnih karata. Podaci o pritubama su slijedei: Dan 1 2 3 4 5 6 7 8 9 Broj pritubi 3 0 8 9 6 7 4 9 8 Suma=54

Koju kontrolnu kartu koristiti? Koristi se c kontrolna karta jer imamo vie vozaa i vie pritubi na jednog vozaa. Proraunavanje kontrolne granice
c= broj zamjecenih defekata 54 = =6 broj uzoraka 9 c = 6

Prosjean broj pritubi na dan je 6 Donju granicu stavljamo na 0 jer ne postoje negativne pritube (ili ih ima ili ih nema)

c =

UCL c = c + z c = 6 + 3 * 6 = 13 ,35 LCL c = c z c = 6 3 * 6 = 1,35 = 0

Pregled pritubi po danu pomou c karte

16 14 12 10 8 6 4 2 0 1 2 3 0 3 4 5 6 7 8 9 8 9 6 7 4 9 8 Broj pritubi UCL LCL

Koliko sigmi moramo uzeti da 99.7% naih mjerenja bude unutar kontrolnih granica odnosno da se samo u 0.3% sluaja moe desiti greka tipa I?

Odgovor: 3 sigme

4. Kritina dimenzija usluge je vrijeme. Periodino se uzimaju uzorci od po tri usluge i mjeri se vrijeme. Rezultati mjerenja za posljednja 4 uzorka su: Uzorak 1 2 3 4 492 512 505 496 Mjerenja u sekundama 501 508 497 503 498 504 501 492 Srednja vrijednost 497 508 501 497 Raspon 9 8 8 11

X = 2003

R = 36

Pretpostavljamo da management eli postaviti granice na tri sigme, s toga moramo provjeriti da li je sustav pruanja usluge u kontrolnim granicama

X=

497 + 508 + 501 + 497 = 501 4

R = 36 / 4 = 9

X graf:
UCL LCL

X X

= X + A 2 R = 501 + 1 , 023 * 9 = 510,207 = X A 2 R = 501 1 , 023 * 9 = 491,793

R graf:
UCL R = D 4 R = 2,575 * 9 = 23,175 LCL R = D 3 R = 0 * 9 = 0

X karta
515 510 505 500 495 490 485 480 1 2 3 4 497 501 497 508 Mjerenje UCL=510,21 LCL=491,79

R karta
25 20 15 10 5 0 1 2 3 4 9 11 8 8 Raspon UCL=23,18 LCL=0

Pretpostavljamo da je standardna devijacija procesa 5.77. Ako su gornja i donja granica specifikacije na 50018 sec da li je proces sposoban (izraunavamo indeks sposobnosti procesa za simetrian i nesimetrian sluaj). Pretpostavljamo tri sigma kvalitetu
Cp = Raspon specifikac ija dizajna proizvoda USL - LSL 518 482 = = = 1,039 6 standardni h devijacija proizvodno g sistema 6 6 * 5,77

Cp < 1: proces NE zadovoljava specifikacije Cp > 1: proces zadovoljava specifikacije Je li proces sposoban? Da! Meutim, naa srednja vrijednost je 501, a ne 500 to nas upuuje na to da proces nije centriran pa treba raunati indeks sposobnosti za nesimetrian sluaj.

C pu =

USL - srednja vrijednost procesa 518 501 = = 0,982 3 3 * 5,77 srednja vrijednost procesa - LSL 501 482 = = 1,097 3 3 * 5,77

C pl =

C pk = min(C pl , C pu ) = min(1,097,0,982) = 0,982

Tako gledano na proces vie nije sposoban!

rezultata kontrolne karte, mogue je unaprijediti proizvodni proces, otkloniti neeljene uzroke varijacije, smanjiti trokove proizvodnje, a samim time i poveati dobit. Kontrolna karta, kao sredstvo u kombinaciji sa znanjem onih koji vode proces, zamjenjuje intuitivno odluivanje o procesu, donoenjem odluka na znanstvenoj osnovi. ZAKLJUAK Poboljanje kvalitete proizvoda mogue je postii unaprjeenjem procesa proizvodnje koji moe biti uinkovitiji pomou statistike kontrole kvalitete. Ista rabi statistiku analizu u cilju praenja, kontrole i neprekidnoga poboljavanja procesa. Niska proizvodnost, proizvodi koji ne zadovoljavaju potrebe trita, oteeni proizvodi i drugo rezultat su varijacija u procesu. Procjenjuje se da je oko 94% varijacija u procesu rezultat obinih varijacija koje su svojstveni procesu (npr. genotipske varijacije), a preostalih 6% varijacija posljedica su posebnih uzroka varijacije. Statistika kontrola procesa i kvalitete poljoprivrednih proizvoda unaprjeuje proces tako to smanjuje uzroke varijacije u njima. Kao osnovni alat statistike kontrole kvalitete koriste se kontrolne karte. One slue za usporedbu podataka o procesnom ispunjavanju funkcije s izraunatim statistikim kontrolnim granicama ucrtanim kao granine crte na karti. Postoji veliki broj kontrolnih karata za mjerljiva i opisna svojstva, koje nalaze sve vie mogunosti za primjenu u svim podrujima. Pribliavanjem Republike Hrvatske Europskoj uniji i prihvaanjem meunarodnih normi ISO 9000 u svakoj proizvodnoj djelatnosti, postavljeni su kriteriji, odnosno norme kvalitete, koje svaki proizvod mora ispunjavati da bi mogao izii na trite. Statistika kontrola kvalitete, pomou svojih alata, a osobito kontrolnih karata, uvelike moe pridonijeti postizanju tih zadanih normi. Ispitivanjem mlaznica na prskalici Rau Spridomat D2 i njihovom statistikom analizom ukazano je na neujednaeni protok tekuine kroz mlaznice, na to ukazuju izvjesni otkloni u odnosu na kontrolne granice. Sve navedeno tehnolozi bi trebali uvaiti, a po potrebi i korigirati protoku, glede poboljanja kvalitete rada prskalice u narednim radnim procesima. LITERATURA 1. Juran, J.M., Gryna, M.F. (1999.): Planiranje i analiza kvalitete. MATE, Zagreb: p. 664. 2. Crosby, P. B. (1996): Quality Is Still Free: Making Quality Certain In Uncertain Times. McGrawHill. New York: p. 205 3. Deming, W. E. (1986): Out of the crisis. MIT Center for Advanced Engineering Study. MIT Press, Cambridge. 4. Enginering Statistics Handbook: How did Statistical Quality Control Begin?: URL: http://www.itl.nist.gov/div898/handbook/pmc/section1/pmc11.htm (11.05.2006.) 5. Hadivukovi, S. (1989.): Statistika. Privredni pregled Beograd: p. 271. 6. Ishikawa, K. (1994): What He thought and Achieved, A Basis for Further Research. Quality Management Journal: p. 86- 91 7. StatSoft, Inc. (2004). STATISTICA (data analysis software system), version 7. 8. Woodall, W. H, (2000) : Controversis and Contradictions in Statistical Process Control. Journal of Quality technology Session, October 12-13. 9. Zimmerman, S.M., Icenogle M.L. (2003): Statistical quality control using Excel (Second Edition). ASQ Quality Press Milwaukee.

STATISTICAL CONTROL OF PROCESSES AND PRODUCTS IN AGRICULTURE

SUMMARY