KALTENN YLETRLMESNDE STATSTKSEL YNTEMLER 1.

GR Bilgiye ulamann ok abuk ve kolay gerekletii, mteri beklentilerinin srekli artt ve teknolojinin sratle ilerledii bir dnemdeyiz. Bu artlarda iletmelerin ticari piyasada rekabet edebilmeleri gitgide zorlamaktadr. Ayakta kalmak iin, hzl, verimli ve kaliteli retimden baka are gzkmemektedir. Ancak bu unsurun ayn anda elde edilmesi ok zordur. Zira retimi hzlandrmak genellikle hata orann ykseltir. Kalite standartlarna bal olarak belirlenen toleranslarn daralmas ise verimin dmesine yol aar; art koulan kalite gerekliliklerini salamayan mamullerin miktar artar. Bu uygunsuz mamuller de ya yeniden ileme tabi tutulur veya hurdaya ayrlr. Her iki durum da malzeme, igc ve zaman kayb demektir. Bu birbirleriyle akyor gibi grnen hedeflere ulaabilmek ve uygun olmayan rn orann drebilmek, bunu yaparken de belli kalite maliyetlerini amamak, gemite kullanlan geleneksel Kalite Kontrol teknikleriyle pek mmkn deildir. Zira bitmi rnn kalitesinin kontrol, istenen kalite standardnn dorulanmasn salarsa da pahal ve verimsizdir. Bu nedenle gnmzdeki Kalite Ynetimi felsefesi, rnn kavram olarak ortaya kndan kullanm mrnn sona ermesine kadar geen tm evrelerinin izlenmesine dayanmaktadr (Life Cycle Approach). Sre Kontrol ad verilen bu yntemde, tm sre boyunca : Hedef kaliteden sapmalar ve uygunsuzluklar tespit edilir Uygunsuzlua yol aan gerek sebepler ortaya karlr buna bal olarak belirlenen dzeltici/nleyici faaliyetler uygulanr Hatalarn grnr belirtileri (semptomlar) ile kkeninde yatan sebepler genellikle ok farkl olduklarndan, uygun tedaviye balanabilmesi iin iyi bir tehis kanlmazdr. Verimin artrlmas iin hayati nem tayan doru tehise varabilmek iin ise, objektif verilerin kullanld, bilimsel temellere dayanan yntemlerden faydalanmak gerekir. statistiksel yntemler bu kriterleri saladklarndan, sre kontrol mekanizmasnda yaygn kabul grmektedirler. Bu yazda da statistiksel Sre Kontrol yntemi ve bu yntemin, retim aamalarnda rn kalitesinin ykseltilmesi amal kullanm teknikleri arz edilecektir. statistik yntemlerin kullanld dier bir alan olan rnekleme ile Kalite Kontrol, yani retim sonras parti iinden rasgele alnan numunelere gre kabul/ret karar verme metodu ise bu yaznn kapsam haricindedir. Bu konunun kapsamnda olan rnekleme, muayene metotlar, numune alma planlar ve Kabul Edilebilir Kalite Seviyesi (AQL) hakknda bilgi edinmek iin TS 2756 standardna bavurulabilir.

2. RETM SRELERNN KONTROLNDE STATSTKSEL YNTEMLERN ROL

2.1. UYGUNSUZLUUN OLUUMU

Uygunsuzluk, (bir rn veya hizmete ait) karakteristiklerin; szleme, spesifikasyon veya onaylanm dier bir tanmda belirtilen gereksinimleri salamamas durumudur. Uygunsuzluk, seri retimin varolduu her yerde karlalan bir problemdir. nk kalite karakteristikleri daima rnden rne farkllk gsterirler. Gerekten de, ayn malzemenin kullanld, ayn retim proseslerinin geerli olduu ve ayn kii/cihazlarn kullanld bir seri retimde elde edilen ktlar bile hibir zaman birbirinin ayn olmayacaktr. Zira bizim ayn veya deimez grdmz tm bu girdiler ve aralar, bnyelerinde kk veya byk farkllklar barndrrlar. rnein bizim ayn zannettiimiz malzeme, belki mikro dzeyde atlaklar iermektedir; belki proseste kullanlan cihazn bal olduu enerji kaynann gerilimi dmtr. Ya da cihaza kumanda eden teknisyen ayn olduu halde o gn can bir eye sklmtr! te bu gibi tm etmenler rn/hizmet kalitesine etki ederek kt zellikleri zerinde deikenlik meydana getirirler. Bu deikenlik (varyasyon), her seri retimin doal bir sonucudur (unutmayn ki ayn yumurta ikizleri bile birbirinin tpatp ayn deildir!). rnn uygun veya uygunsuz olma durumunu (ya da uygunsuzluk orann) belirleyen ise kabul kriterleridir. Kabul kriterleri genellikle mteri tarafndan saptanrlar ve belli bir rn/hizmetin kabul edilebilir olmas iin tamas gereken asgari artlar tanmlarlar. Bu tanm aral ne kadar dar tutulursa, rn kalitesindeki varyasyon sonucunda bu araln dna karak uygunsuzluuna karar verilen rnlerin oran da o kadar yksek kacaktr. Kabul araln deitirmek mmkn olmadna gre verimi ykseltmek iin geriye kalan tek yol, deikenlii azaltmaktr. Her trl rn veya hizmet iin geerli bir altn kural olan deikenliin azaltlmas ise ancak, o rn/hizmeti ortaya karmak iin kullanlan tm proseslerin analizi ile mmkndr; zira herhangi bir prosesin kalitesindeki deiim, o prosese etki eden tm faktrlere ait deiimlerin bilekesidir. 2.2. PROSES ANALZ VE SEBEBN TANIMLANMASI rn/hizmetin tr ve kullanlan prosesin eidi ne olursa olsun, deikenlie yol aan sebepler ok da farkllk gstermezler. Kalite karakteristiklerine etki edebilecek faktrler teori de saylamayacak kadar ok da olsalar, pratikte karlalan ana etmenler alt grupta toplanabilir : Malzeme (Hammadde) Makine retim Metodu gc evre (Ortam) artlar Muayene ve Deneyler

Burada sonuncu faktr olarak zikredilen Muayene ve Deneyler aslnda rn kalitesi zerinde deikenlie yol amazlar; ancak muayene ve deneyde kullanlan test/lm cihazlarnn kalibrasyonuna ve muayene/deneyi yapan kiinin alglamasna bal olarak deerlendirme sonucuna etki ederler. rnein belli bir muayene komisyonu tarafndan uygun olarak kabul edilen bir rn, belki baka bir komisyonca uygunsuz bulunabilir. Etkin bir problem zme sreci, aadaki admlar ierir : TANIM : Sorun tanmlanr GZLEM : Sorunun karakteristik zellikleri (semptomlar) gzlemlenir ANALZ : Hayati sebepler ortaya karlr AKSYON : Sebeplerin ortadan kaldrlmasna ynelik faaliyet balatlr DORULAMA : Faaliyetin, hedeflenen zm iin uygunluu denetlenir STANDARTLATIRMA : Sebeplerin tekrarn nleyici tedbirler alnr GZDEN GERME : Sebep-sonu ilikileri ve uzun vadeli nlemler irdelenir Sre kontrolnde Gzlem Analiz Aksiyon - Dorulama evriminin baars, ancak dngdeki tm ilemlerin doru olmasyla mmkndr; ancak yine de bu admlarn en kritii Analiz aamasdr. nk sebeplerin tehisinde yaplacak bir hata, dzeltici nlemin de yanllna yol aacak ve zincirleme etkileim sonucunda prosesin kalitesi daha da decektir. Tannn ortaya konmasnda, prosesin gemii ve tany koyann tecrbesi hi phesiz inkar edilemez. Bazen sezgiler de bu konuda yol gsterici olabilir. Ancak prosesin uygulamaya yeni konmu olmas, ortaya kan uygunsuzluklarn daha nce grlmemi olmas gibi olaanst durumlarda da doru sebebe ulaabilmek ve kii/prosesten bamszl salamak iin objektif yntemlere bavurmak gerekir. statistiksel yntemler, kalite gerekliliklerinin karlanmas ve proses veriminin ykseltilmesinde vazgeilmez neme sahiptir. Ne var ki baarya ulamada etken unsur, bu yntemlerin bilinmesinden ziyade doru bir ekilde kullanlmasdr. Ancak bu sayede Demingin ifade ettii Srekli yiletirme felsefesi yakalanm olur.

3. VER TOPLAMA TEKNKLER

statistiin temeli veriye dayandna gre, veri toplama da istatistie dayal kontrol iin kritik neme sahiptir. Bu konuda dikkat edilmesi gerekli konular u balklar altnda toplanabilir : Hedefler Net ve Ak Tanmlanmaldr

Veri toplanmadan nce, bu verinin ne ie yarayaca ve hangi amalar dorultusunda kullanlaca belirlenmelidir. Bunun iin de kontrol edilecek srelerin nceden belirlenmi olmas arttr. Kalitede veri toplamann amalar unlar olabilir : - retim srecinin gzlenmesi ve denetimi (Srekli yiletirmeye ynelik) - Uygunsuzluk analizi - Muayene/deney lmlerin gvenilirlii salanmaldr lm cihazlarnn kalibrasyonu, lm aral, evre artlar ve nesnellik gibi faktrler gz nne alnmaldr. Ayrca OTVT (Otomatik Tanma / Veri Toplama) tekniklerinin kullanlmas, veri toplarken oluacak hz kayb ve kiiye bal hatalarn nne geecektir. Tm bunlardan sonra toplanan verilerin, kullanlacak istatistik yntemine uygun olarak kaydedilmesi ve sonraki ilemleri kolaylatracak ekilde bir araya getirilmesi gerekir. Verilerin alnd tarih/saat, veriyi kaydeden ahs, retimin yapld donanm ve reten kii, retilen parti (lot) gibi kritik bilgiler, mutlaka veriyle birlikte ilenmelidir. Ayrca verinin grsel olarak analizini abuklatracak ekilde dzenlenmesi de (rnein etele tablosu tutulmas) hatalarn daha abuk tespitini salar.

4. VER ANALZ
Toplanan verilen analizinde 7 temel metot yaygn olarak kullanlmaktadr : 4.1. ETELE TABLOSU 4.2. PARETO ANALZ 4.3. SEBEP-SONU DYAGRAMI 4.4. SERPLME DYAGRAMI + REGRESYON ANALZ 4.5. HSTOGRAM + PROSES YETERLLK ANALZ 4.6. PROSES KONTROL ZELGELER 4.7. SINIFLANDIRMA Kaoru Ishikawa, kaliteye ilikin problemlerin % 95inin bu 7 temel istatistiksel teknikle zmlenebileceini sylemektedir. Geriye kalan % 5 iin ise ileri seviye yntemlerin uygulanmas gerekmektedir (Tasarlanm Deneyler, oklu Regresyon Analizleri, Yneylem Aratrmalar).

4.1. ETELE TABLOSU etele Tablosu, veriyi toplarken kullanlan bir metot olup, veriye ait istatistik zelliklerin annda grlebilmesine olanak salar (ekil 1).
ekil 1. retim Srecindeki Dalm Gsterir etele Tablosu (Grmek iin ekil 1'e tklayn)

ekil 1de, rnn seilen karakteristik zelliine ait lmler alnm ve hedef deerden sapmasna gre eteleye ilenmitir. eteleye bakldnda ortalama deer, sapma aral, ve dalm adetleri bir arada grlebilmektedir. Verilerin eteleye ilenmesi, analiz metodu olarak histogramn kullanld durumlarda da kolaylk salar. ekil 2deki etele tablosunda uygunsuz malzeme, hata trne gre ayrtrlarak kaydedilmitir. Bu tr bir kayt ise Pareto Analizinde bize yardmc olur.
ekil 2. Uygunsuz Malzeme etele Tablosu (Grmek iin ekil 2'ye tklayn)

4.2. PARETO ANALZ talyan ekonomi uzman V. Pareto, 1897 ylnda, gelir dalmnn eit olmadn gsteren bir forml gelitirmitir. Benzer bir teori 1907de Amerikan iktisats M.C. Lorenz tarafndan da grafik olarak ortaya konmutur. Her iki meslekta, gelirin ok byk bir diliminin, kk bir aznlk tarafndan sahiplenildiine dikkat ekmilerdir. Hatta bu oran 20/80 olarak aklanm; yani gelirlerin % 80inin, % 20lik bir gruba ait olduunu iddia etmilerdir. Bu hipotezi Dr. J.M. Juran, Kalite Kontrol alanna uygulayarak problemlerin snflandrlmasnda hayati aznlk ve nemsiz ounluk kavramlarn getirmitir. Hayati aznlk (vital few), sayca az, fakat nemce byk etmenlerden oluur. nemsiz ounluk (trivial many) ise sayca ok olmalarna ramen etkileri fazla olmayan faktrleri barndrr. Juran, hayatn geneline uygulanabilecek bu kurala Pareto Prensibi adn vermitir. Bu prensibe gre uygunsuzluklarn ok byk blm belli birka sebebe dayanmakta ve bu sebeplerin tespiti, sorunlarn giderilmesinde kilit rol oynamaktadr. Pareto Analizinde aadaki ilem sras takip edilir : a. ncelenecek problemlerin cinsi, toplanacak bilgiler ve bunlarn snflandrma ekli belirlenir. Bilgi toplama metodu ve sresine karar verilir. b. Veriler, problem tiplerine gre snflandrlm bir etele tablosu zerine ilenir. Her snfa ait toplamlar ve yzdeleri belirtilir. Seilmi snflarn dnda kalan problemler, en son grup olarak dierleri hanesine ilenir.

c. Dikey eksenin toplamlar ve yzdelerini, yatay eksenin de gruplar gsterdii bir ubuk diyagram oluturulur. d. lk ubuun sa st kesinden balayarak kmlatif toplamlar gsteren Pareto erisi izilir (ekil 3).
ekil 3. Uygunsuz Malzeme Pareto Diyagram (Grmek iin ekil 3'e tklayn)

Asl amac hayati problemleri ve sebeplerini ortaya karmak olan Pareto Analizinde aadaki noktalara dikkat edilmelidir : Deiik snflandrmalara gidip farkl Pareto diyagramlar denenmelidir. Dierleri snfnn yzdesi kk olmaldr. Aksi takdirde snflandrmann dzgn yaplmad anlalr. Verilere mali anlamlar ykleyerek dikey eksene bu deerleri tamak daha isabetli sonular verir. Herhangi bir problem -etkisi kk de olsa- eer abuk ve kolayca zme kavuturulabiliyorsa, ncelik ona tahsis edilmelidir. Semptomlara dayal olarak yaplacak bir analizin ardndan, sebepleri aratran bir analiz mutlaka hazrlanmaldr. Semptomlar; kalite uygunsuzluu (tamir, yeniden ilem, hurda, iade vs.), maliyet, sevkiyat veya emniyet ile ilgili grnen sorunlardr. Sebepler ise, iletmen, tehizat, hammadde veya yntemler olabilir. 4.3. SEBEP-SONU DYAGRAMI statistiksel yntemler kullanarak sonulardan hareketle sebeplere ulaabildiimize gre, sonularla bunlar douran sebepler arasndaki aprak ilikinin ortaya karlmas ve grsel olarak masaya konmas gerekmektedir. Bunu ise en kolay olarak Sebep-Sonu Diyagramlar ile yapabiliriz. lk defa 1953 ylnda Kaoru Ishikawa tarafndan kullanlan bu metot, daha sonra Japonyada byk ilgi grm ve Japon Endstri Standartlar (JIS) Kalite Kontrol terminolojisine dahil edilmitir. Orada geen tanmyla Sebep-Sonu Diyagram, kalite karakteristikleriyle etmenler arasndaki ilikiyi gsteren diyagramdr. Balk kl diyagram olarak da bilinen bu diyagram, omurgasn ilgili kalite karakteristiinin (sonu) oluturduu, sebeplerin ise nemine gre (ana sebep / tali sebep) klklar tekil ettii bir gsterim metodudur (ekil 4).
ekil 4. Sebep-Sonu Diyagram rnei (Grmek iin ekil 4'e tklayn)

Bu diyagramn hazrlanmasnda ncelikle aratrlacak karakteristik, izilen omurgann sana yazlr. Daha sonra birinci derecede etki eden faktrler byk klklarla, onlara bal ikincil etkenler de kk klklarla gsterilir. Tm olas

sebepleri ortaya dkebilmek iin genellikle geni katlml beyin frtnas toplantlar dzenlenir. Diyagramn oluturulmasnda u hususlara dikkat edilmelidir : Tm sebeplerin aktarlabilmesi iin her kesimin gr alnmaldr. Karakteristik somut olarak tanmlanmal ve llebilir olmaldr. Her karakteristik iin ayr bir diyagram hazrlanmaldr. Etkenler zlebilir nitelikte olmaldr. Sebeplerin nemini tayin ederken objektif davranmaldr. Zaman iinde diyagramn gncelletirilmesi gerekir. Pareto Analizi ve Balk Kl Diyagramnn birlikte kullanlmas, genellikle pratikte tercih edilen metottur. nce hayati karakteristikler Pareto Analizi kullanlarak kefedilir; daha sonra ise Sebep-Sonu Diyagram ile bu karakteristie etki eden faktrler aa karlr. Bu faktrlerin dzeltilmesi, problemi belki % 95 orannda zecektir.

4.4. SERPLME DYAGRAMLARI Sebep-sonu arasndaki ilikinin kurulmasnda deikenler arasndaki bantnn doru biimde ortaya konabilmesi ok nemlidir. Zira bir prosesi kontrol ederken hangi parametreyle ne ekilde oynamanz gerektii bilmek zorundasnzdr. Aksi takdirde durumu daha da ktletirip iin iinden klmaz hale getirmek kanlmaz olur. Genel soru udur : Ne neyi nasl etkiler ? te bu sorunun cevabn vermek iin serpilme diyagramlarn kullanrz. Kalite iyiletirmesinde kullanlan serpilme diyagramlar : Bir kalite karakteristii ile ona etki eden faktr arasndaki Birbirine baml iki kalite karakteristii arasndaki Bir kalite karakteristiini etkileyen birbiriyle ilikili iki faktr arasndaki banty (korelasyon) bulmaya yarar. Bir serpilme diyagram u admlara uyularak hazrlanmaldr : Bants incelenecek deikenler, (x,y) veri iftleri halinde bir tabloya kaydedilmelidir. En az 30 deer ifti alnmas tavsiye edilir.

Deerlerin alt ve st snrlar tespit edilerek diyagram x,y eksenleri oluturulur. Allagelmi uygulamada x ekseni bamsz deikeni (etki eden faktr), y ekseni baml deikeni (kalite karakteristii) temsil eder. (x,y) veri iftleri diyagrama noktalar halinde iaretlenir. Bu ekilde hazrlanm bir diyagram ekil 5te gsterilmektedir.
ekil 5. Serpilme Diyagram rnei (Grmek iin ekil 5'e tklayn)

in en kritik noktas, elde edilen diyagramn doru bir biimde yorumlanabilmesidir. Baz serpilme rnekleri ve ilgili korelasyonlar ekil 6da verilmitir.
ekil 6. Serpilme/Korelasyon eitleri (Grmek iin ekil 6'e tklayn)

Serpilme analizinde, nce ana bek dna den noktalarn varlna baklr. Bu noktalar genelde lm hatasndan veya doal deikenlikten kaynaklanrlar. Bu noktalar gz nne alnmakszn ana bein ekline baklr. ekil 6.1de serpilme az olduundan bant ak olarak gzkmektedir (kuvvetli korelasyon). ekil 6.2de ise (birinde pozitif ve dierinde negatif olmak zere) bir bantnn varlndan sz edilebilir. Bu durumda zayf korelasyondan bahsedebiliriz. ekil 6.3te ise x ve y deerleri arasnda bir iliki kurmak mmkn deildir. ekil 6.4te (x,y) iftlerinden dorusal bir bant elde edilememektedir. Burada 0 < x < 4 iin pozitif korelasyon, 4 < x < 8 iin negatif korelasyon sz konusudur. Bir korelasyonun derecesini saptamak iin, korelasyon katsays ad verilen bir sabite kullanlr. Korelasyon katsays r, yle hesaplanr :

Burada n rnek ifti adedini, S(xy) ise apraz banty (covariation) gsterir. r deeri +1e yakn ise pozitif korelasyon, -1e yakn ise negatif korelasyon mevcuttur. 0a yakn ise korelasyon zayftr. Bulunan r deerinin 1den byk olmas, hesaplamann hatal olduuna iarettir.

Serpilme diyagramlarn yorumlarken, snflandrma yapmak ok nemlidir. rnein ekil 7de baktmzda, akkanlk ile saflk arasnda herhangi bir korelasyonun olmadn dnrz. Ancak burada, iki ayr firmadan gelen rnler kark olarak rneklenmitir. Firma rnleri ayr noktalarla gsterildiinde ise zayf pozitif korelasyon grnr hale gelmektedir. Benzer bir durum ekil 8de sunulmutur. Burada da kark gsterim pozitif korelasyon zann uyandrmaktadr. Halbuki snflandrma sonucunda korelasyon olmad fark edilmektedir.
ekil 7. Serpilmede Snflandrma rnei (Grmek iin ekil 7'ye tklayn) ekil 8. Serpilmede Snflandrma rnei (Grmek iin ekil 8'e tklayn)

Dier bir nokta da, bulunan korelasyonun gerekle ne lde badatnn test edilmesidir. nk baz durumlarda hatal korelasyon diyebileceimiz sonular elde edilebilmektedir. rnein bir aratrma sonucunda, tketici fiyatlar endeksi ile yangnlarn adedi arasnda kuvvetli bir pozitif korelasyon bulunmutur. Bu tr hatal sonular istatistiin doasnda varolduundan, elde edilecek sonularn kabul edilebilir olmasna dikkat edilmelidir. Serpilme Diyagram ile belli bir bantnn varl ortaya konduktan sonra, sra bu ilikinin formle edilmesine gelir. Bunun iin Regresyon Analizi ad verilen bir yntem kullanlr. Bu yntemde, korelasyonun dorusal (1. derece) olduu varsaylarak, diyagramdaki noktalara en yakn geen bir doru oturtulur. Bu Regresyon Dorusunun genel denklemi u ifadeyle belirtilebilir :

y=?+x
Bu denklemde ? regresyon sabiti, ise regresyon katsays olarak isimlendirilirler. Regresyon Analizinde denklem oluturulurken, bein dalma karakteristii gz nnde bulundurulmaldr. ok farkl serpilmelerin, ayn doruya sahip olabilecei, ekil 9da aka grlmektedir.
ekil 9. Ayn Regresyon Dorusuna Sahip Deiik Serpilme Diyagramlar (Grmek iin ekil 9'a tklayn)

4.5. HSTOGRAM Histogram, belli bir veri kmesinin sklk diyagram halinde gsterilmesinden ibarettir. etele tablosu rneindeki (ekil 1) verileri, bir ubuk diyagram haline getirdiimizi farz edelim. Elde edeceimiz ekil, byk ihtimalle bir normal dalm erisi olacaktr (ekil 10). imdi burada biraz teoriye girip normal dalmdan ve onun zelliklerinden bahsedelim.

ekil 10. Bir Histogram rnei (Grmek iin ekil 10'a tklayn)

ekildeki ubuklarn tepe noktalarn birletirdiimizde (kesikli izgi) bu rnek kmeye ilikin dalm erisini elde ederiz. rnek adedini sonsuza kadar artrdmzda ise eri dzgnleerek ekil 11deki normal dalm erisi ortaya kacaktr. an erisi veya Gauss erisi olarak da adlandrlan bu eri bize Genel Deikenliin sebep olduu dalm gstermektedir. Genel Deikenlik, her trl srecin doal ve vazgeilmez sonucu olup, u zelliklere sahiptir : Tamamen rastlantsaldr (random). Dalmn alt ve st snrlar tahmin edilebilir. Yapsaldr; yani bizzat sistemden kaynaklanr ve bu nedenle zm, idari seviyede verilecek kararlara baldr (rnein lm hassasiyetinin ykseltilmesi, donanm toleranslarnn azaltlmas). Bunun dnda ortaya kabilecek zel deikenlikler, arzidirler ve u nitelikleri haizdirler : Belli bir sebebe dayal olduklarndan, karakteristiin deerini sabit bir yne ekerler (sac kalnlnn dmesi gibi). ngrlebilir alt/st limitleri yoktur. zm teknik seviyededir.

ekil 11. Normal Dalm Erisi (Grmek iin ekil 11'e tklayn)

Bu eriden karacamz iki parametre vardr : Ortalama deer () ve standart sapma (?). Ortalama deer, ekilden de grld gibi skln en yksek olduu noktadr. Standart sapma ise dalmn geniliini belirten bir deer olup, ortalamann her iki yanndaki bir bandn geniliini verir. Bu ? bandnn iinde btn rneklerin % 68.3 bulunmaktadr. Benzer ekilde 2? band tm rneklerin % 95.4n, 3? band ise % 99.7sini iine almaktadr (ekil 11). Bir baka deyile herhangi bir rnein, 3? bandnn dnda kalma olasl yalnz % 0.3tr. ve ? deerleri, aadaki formller ile hesaplanabilir :

Bir retim srecine etki eden birok parametre olduuna gre sreteki toplam standart sapma, her bir parametrenin neden olduu standart sapmann bilekesidir :

?2 = ?12 + ?22 + ... + ?n2

Bu formle bakarak, en byk sapmaya sahip bir veya iki parametrenin, toplam standart sapmay belirleyeceini syleyebiliriz (Pareto prensibi !). retilen mamullerin karakteristikleri llp (,?) iftine baklarak bir srecin, belli bir retim iin yeterli olup olmadna karar verilebilir. Proses Yeterlilik Analizi denen bu yntemde, srecin doal dalmyla nihai rn iin istenen kabul kriterleri karlatrlr. Genel kural, kabul kriteri olarak seilen alt/st limit aralnn (SUSL), 6? deerinden byk olmasdr; zira bu durumda (3?) rn verimi % 99.7 olacaktr. (SUSL) / 6?, Sre Yeterlilik Katsays (CP) olarak adlandrlr. CP < 1, srecin yetersiz olduunu gsterir. Uzun vadede CP > 1 yeterli ise de gemii uzun olmayan sreler iin CP > 1.33 olmas tercih edilir. Eer kabul kriteri olarak sadece st veya sadece alt limit belirlenmise, bu durumda CP = (SU) / 3? (?st limit mevcut) veya CP = (SL) / 3? (alt limit mevcut) kabul edilecektir. Hem alt ve hem de st limit verilen srelerde Proses Yeterlilik Katsays haricinde, dalmn simetrik olmasna ve alt/st limit aralnn ortasna dmesine ( ? (SUSL) / 2) dikkat edilmelidir. Proses Yeterlilik Analizinin sonucuna gvenebilmek iin, en az 50 rnek alnm olmas tavsiye edilir.

4.6. PROSES KONTROL ZELGELER Kontrol izelgesi kavram, ilk olarak 1924 ylnda Bell Telephone Laboratories elemanlarndan W.A. Shewhart tarafndan getirilmitir. Kontrol izelgesinin amac, genel deikenlik faktrlerini zel deikenlik etmenlerinden ayrarak sreteki anormal deiimlerin nne gemektir. Bir proses kontrol izelgesi genel olarak, bir merkezi hat ile bunun altna ve stne simetrik olarak izilen kontrol limitlerinden oluur. Merkezi hat, karakteristiin hedef deerini; limitlerle snrlanm alan ise msaade edilen kontroll alan gsterir. Sre devam ettike elde edilen deerler izelgeye ilenir (ekil 12). Bu ekilde srecin istatistiksel zellikleri grsel biimde sunulmu olur. Bu ilem sre esnasnda operatrn denetimine kolaylk salad gibi, ayn zamanda izelge deerlerinin analiziyle srekli bir proses iyiletirmesine

gidilebilir. Sre deerlerinin kontrol limitleri dna kmas, srete zel deikenliin mevcut olduunu gsterir. Bu durumda, daha nce anlatlan yntemler kullanlarak sebeplerin aratrlmas ve dzeltici/nleyici faaliyetlerin balatlmas yoluna gidilir. Kontrol alan genilii olarak, -daha nce histogram bahsinde anlatld zere- 3? genilii seilir. Bu tr izelgelere de 3?-kontrol izelgesi ad verilir. 3?-kontrol izelgelerinde, genel deikenlie bal olarak kontrol dna kma olasl % 0.3tr.
ekil 12. Proses Kontrol izelgesi (Grmek iin ekil 12'ye tklayn)

Sre Kontrolnde gzlemlenecek karakteristiin (kontrol karakteristii) seiminde, u hususlara dikkat edilmelidir : Srecin durumunu doru olarak yanstabilmelidir Sre dndan etkileim en az dzeyde olmaldr lmler annda alnabilmelidir rnekleme ve lm ekonomik olmaldr Belli bir karakteristiin bu artlar yerine getirmemesi durumunda, bu artlar salayan ve nceki karakteristik ile sk ilikisi olan alternatif bir karakteristik kullanlabilir (rnein bir silindir iin ktle lm pahalysa onun yerine uzunluun llmesi). Kontrol izelgesi uygulamalarnda, rnekler gruplar halinde alnr. Grubun kendi iinde hesaplanan ortalamas, izelgeye rnek deeri olarak ilenir. Pratikte grup rnek adedi (n) olarak 3-5 gibi deerlerin seilmesi uygun olur. rneklerin gruplar halinde alnmas, izelgeyi herhangi bir deikenlie daha duyarl hale getirir. Bu ekilde yaplan rneklemede her bir grubun standart sapmas, tek tek rneklerin standart sapmasna oranla daha dktr (?grup = ?birey / ?n; n: gruptaki eleman adedi). Bu nedenle Alt ve st Kontrol Snrlarnn hesaplanmasnda ?grup deeri kullanlmaldr. izelgeye dayal kontrolde aadaki artlar bir araya geldiinde sre kontrol dna km saylr : Bir veya daha fazla noktann snr dna kmas (ekil 13.1). Art arda 7 noktann hepsinin, ortalamann altnda veya stnde kalmas (ekil 13.2). Art arda her 11 noktadan 10unun, her 14 noktadan 12sinin veya her 20 noktadan 16snn ortalamann altnda veya stnde kalmas (ekil 13.3). Art arda 7 noktann artan veya azalan bir eilim gstermesi (ekil 13.4).

3? izgisi yaknndaki her noktadan ikisinin, 2? izgisi dna tamas (ekil 13.5). Noktalarn periyodik deiim gstermesi (ekil 13.6). Noktalarn byk ounluunun 1.5? aral iinde kalmas (ekil 13.7). Bu durum istenen bir zellik gibi grnse de, dalmn normal olmadna iaret eder. Ya limitler yanl seilmitir; ya da rnek gruplar hatal oluturulmutur.
ekil 13. Proses Kontrol izelgesinde Kontrol D Durumlar (Grmek iin ekil 13'e tklayn)

Grld gibi srecin kontrol dna kmas ya ortalama deerin aa/yukar kaymasndan, ya da dalmn bymesinden kaynaklanmaktadr. Mesela makine ayarlarnn bozulmas, ortalama deerin deimesi sonucunu dourabilir. Makine aksamnn anmas ise toleranslarn artmasna ve deerlerde dalmann bymesine sebep olur. Prosesin analizini kolaylatrmak iin, grup ortalama deerlerinin ve aralklarn (en byk deer en kk deer) kaydedildii iki ayr izelge hazrlanabilir. Bu izelge iftine xR Kontrol izelgesi ad verilir. xR izelgesinde rn kalitesine ait bir karakteristik (uzunluk, arlk, younluk vb.) srekli olarak llerek, gruplarn ortalama deerleri ve aralklar kaydedilmektedir. Ancak karakteristiin llemedii, yalnzca uygun / uygunsuz karar verilebildii durumlarda bu izelgenin yerine, Niteliksel Kontrol izelgesinden faydalanlr. Niteliksel Kontrol izelgelerinin, uygunsuzluun kayt ekline gre u trleri kullanlmaktadr : pn izelgesi : Hatal rn adedi kaydedilir p izelgesi : Hatal rn yzdesi kaydedilir c izelgesi : Toplam hata adedi ilenir u izelgesi : rn bana hata adedi ilenir

4.7. SINIFLANDIRMA Snflandrma (stratification) tek bana bir analiz metodu olmayp, her metot iin kullanlabilen genel bir yaklamdr. Sre kontrolnn temelinde deikenliklerin sebebini bulmak varsa; bu sebeplerin ortaya karlmasnda da toplanan verinin snflandrlmas kilit rol oynamaktadr. Snflandrma, verinin deikenlik kaynaklarna gre gruplara ayrlarak kaydedilmesi ve ilenmesi olarak tarif edilebilir. rnein, bir orap imalathanesini ele alalm. Bu iyerinde oraplar, deiik tezgahlarda, farkl operatrler tarafndan farkl zaman dilimlerinde retileceklerdir. oraptaki ka uygunsuzluk olarak nitelersek, retimdeki kak orap yzdesinin kontrol bize proses hakknda fikir verebilir.

Ancak bu orann ani art gsterdii bir durumda elimizdeki grafik tek bana bir ie yaramayacaktr. nk hatann, tehizattan m, insandan m, yoksa hammaddeden mi kaynakland bu grafikten grlemeyecektir. Ancak veriler toplanrken; reten tezgah no., kullanan operatr, vardiya, kuma parti no., hatta uygun durumlarda lm cihaz ve lm yapan kiinin de birlikte kaydedilmesi durumunda, bu parametreler baznda analiz yaplmas mmkn olur. Pareto diyagram, histogram ya da kontrol emas metotlarndan hangisi uygulanacaksa, bunlar her parametre iin ayr ayr dzenlenmelidir. Karmak durumlarda, sebep-sonu diyagramlarna ilenen muhtemel nedenlerin her biri iin ayr bir inceleme yapmak gerekebilir. Snflandrmann, Serpilme Diyagramlar zerinde nasl nemli bir rol oynad ise daha nceki blmlerde anlatlmtr.

5. TOLERANSA GRE SRE KONTROL Bu teknik (pre-control), seri retimdeki bir prosesin denetlenmesinde ve uygunsuzlua doru bir eilimin nceden tespitine yneliktir. Olduka basit olan bu yntemde, rnn kabule esas karakteristikleri operatr tarafndan srekli izlenmektedir. Deerlerin limitlere yaklamas halinde proses annda durdurulmakta ve mdahale edilebilmektedir. Genellikle sk ayar gerektiren prosesler iin dk maliyetli bir kontrol metodudur. Srecin izlenmesine ynelik olarak imalat esnasnda belirli aralklarla ikier ift rnek alnr. (A,B) iftleri olarak adlandrlan bu lmler, kabul kriterlerine dayandrlan bir izelgeye ilenir (ekil 14). ekilde %100 ile gsterilen toleranslarn (kabul kriterleri) d krmzya boyanmtr ve lm deerinin bu blgeye hi girmemesi hedeflenir. Toleransn yars olarak (%50) kabul edilen referans hattnn i ksm yeile, d ise sarya boyanr. Alnan (A,B) iftinin ikisinin de sar blgede olmas veya birinin krmz blgeye dmesi, sistemin yeniden ayarlanmas gerektiini gsterir.
ekil 14. ift Limitli Kontrol (Grmek iin ekil 14'e tklayn)

Kabul kriteri olarak sadece alt limit veya sadece st limit belirtilmise referans hatt, bu snr ile en iyi rnn deeri arasndaki mesafenin %75ine oturtulur (ekil 15).
ekil 15. Tek Limitli Kontrol (Grmek iin ekil 15'e tklayn)

rnein kabul kriteri arlk < 800 kg olarak verilmise ve en hafif rn 600 kg ise referans hatt 750 kg.a konacaktr. Pratikte l alma skl, her iki ayar arasnda 6 rnekleme yaplacak ekilde belirlenir. Yaplan ayarn doruluu ise yle denenir :

Art arda 5 rn yeil blgede kalncaya kadar HER PARA llr. O ana kadar iki sar veya bir krmz grlrse ayar yenilenerek sayma ilemi batan balatlr. Be yeilden sonra seri retime geilerek (A,B) iftleriyle kontrole devam edilir. Bu tr denetim her zaman iki eit risk ierir : Alfa riski : Yeniden ayar gerekmedii halde bu sinyalin alnmas riski (iki sar veya bir krmz). Bu risk, yukardaki karar mekanizmas dikkate alnarak hesaplandnda en kt ihtimalle %2dir. Yani her 50 ayardan ikisi gereksiz yere yaplm olacaktr (biri ilk yanl sinyalde, ikincisi ise birincide bozulan ayar dzeltmek iin !). Beta riski : Bu ise alfa riskinin tersidir; yani yeniden ayar gerektii halde bunun farkedilmeme olasldr. ki ayar arasnda 6 ift rnek alnd durumda da bu oran %1den kktr.