12.

STATISTICKA

KONTROLA KVALITETA

Statistieka kontrola prijema robe moze da se izvodi na vise naeina. Plan kontrole moze da pociva na samo jednom uzorku na osnovu koga se donosi odluka. Moze se pristupiti uzimanju vise nezavisnih uzoraka sa unapred utvrdenom veliCinom i na kraju donosi odluka 0 prijemu. Specifican plan predstavlja sekvencinalni uzorak Cija veliCina nije unapred utvrdena, nego se uzimanje jedinica produzava sve dok se ne pokaze da ima dovoljno osnova za donosenje odluke.

12.2.OPERACIONAKRIVA KOD PLANA.NA OSNOVU JEDNOG UZORKA
U jednostavnoj kontroli na osnovu atributivnih obe1ezja utvrduje se velieina uzorka, n, iz skupa od N jedinica i broj neispravnih proizvoda, e koji se tolerise. Ako se utvrdi e ili manje neispravnih proizvoda, h <::;;e, kontingent se prihvata. U protivnom, kada je broj neispravnih veci. od e, odnosno d > e~ kbntingent se ne prihvata. OznaCiqlO sa r broj neispravnih proizvoda u uzorku, a proporciju ne-

12.1. CILJEVI STATISTICKE KONTROLE KVALITETA
Teorija statisticke inferencije i odluke uspeSno se primenjivala u oblasti statisticke kontrole kvaliteta ponovljenih procesa. Ta se kontrola moze da odnosi na proizvodnju, knjigovodstvene ili stampar&ke greske, nove slueajeve zaraznih bolesti, nedolazak u skolu, povracaj ili gubitak knjiga u javnoj biblioteci, rezervacije u autobuskom, zeleznickom ili vazdusnom saobracaju itd. To su radnje koje se odvijaju pod, manje ili vise, istim uslovima uz mogucnost identifikacije jedinica. StatistiCka kontrola kvaliteta moze, u principu, da bude potpuna i delimiCna. Da li ce se u nekom odredenom slucaju priineniti jedan ili drugi vid kontrole zavisi od tehnickih okolnosd i troskova. Delimicna kontrola, na osnovu uzorka, normalno ce se primeniti u slucajevima masovne proizvodnje jer bi, u protivnom, potpuna kontrola dovela do velikih troskova. Ona ce se, takode, primeniti onda kada neispravni proizvodi ne uticu bitno na zdravlje ili zivot pojedinaca. Nekada i priroda proizvoda diktira delimicnu kontrolu. Na primer, kod kontrole jaja zbog masovnosti proizvodnje nemoguca je potpuna kontrola jer je njeno izvodenje vezano sa unistenjem proizvoda. Ovde ce biti reci 0 delimicnoj statistiCkoj kontroli kvaliteta u industriji jer u toj oblasti ima najveeu primenu. Normalno se pravi razlika iwledu statisticke kontrole proizvodnog proeesa i statisticke kontrole prijema robe. U prvom slucaju vrSi se sistematska kontrola jedinica putem uzorka da bi se pratio kvalitet toka proizvodnje. Uvek se unapred utvrdi jedna granica tolerantnosti neispravnih proizvoda i1i varijabilnost od standardne mere. Ako se proizvodnja odvijau tim okvirima, smatra se da je pod kontrolom. Kada podaci uzorka i1i uzoraka ukazuju da postoje odstupanja preko granica tolerantnosti, tada se traze uzroci i preduzimaju mere da se poremecaj otkloni i proces proizvodnje stavi ponovo pod "kontrolu". Granice tolerancije u kontroli mogu da se promene kada se oceni da su za to stvoreni uslovi. Kontrolna karta je osnovni instrument pomocu koga se sprovodi statisticka kontrola proizvodnog procesa. Cilj statistieke kontrole prijema robe je da se na osnovu uzorka donese odluka oprihvatanju celokupnog kontingenta, polazeci od unapred utvrdenog standarda kvaliteta proizvoda. Odluka 0 prijemu moze da se donese mi osnovu ocene proporcije neispravnih proizvoda. Qna, isto tako, moze da se donese na osnovu merenja jedinica uzorka Cija se karakteristika najeesce izrazava kao aritmeticka sredina i uporeduje sa standardnom sredinom koja se zahteva od kJntingenta da bi se prihvatio. 200

ispravnih proizvoda sa ~ = p;Po je prihvatljivaproporcija neispravnih, a P veron vatnoca prihvatanja kontingenta.
P(p) '.0 0.8

0,6 0,4

0,2

0
0 0.1 0,2 0.3

.
0,4

~p

p 0.5

81. 12.1. Operaciona kriva: N = 50, n = 12, c = 2

Odluka 0 prihvatanju ili odbacivanju kontingenta je u osnovi statistieki test. Praktieno se testira nulta hipoteza po = p uz dye moguce vrste pogrdaka: prva, odbacivanje tacne hipoteze uz posledicu neprihvatanja ispravnog kontingenta; druga, prihvatanje pogrdne hipoteze uz posiedicu prihvatanja neispravnog kontingenta. Ako je verovatnoca prihvatanja hipoteze Po = p funkcija od f, sto pisemo kaoP (p),
tada je rizik odbacivanja nulte hipoteze I-P(p)

=

IX

(grdka

prvog

tipa).

Kada

,

po =1=, rizik prihvatanja nulte hipoteze je pep) = ~ (greSka drugog tipa). Verop vatnoca prihvatanja hipoteze 0 parametru skupa graficki se prikazuje pomocu operaeione krive. U tom kontekstu pod snagom testa se podrazumeva verovatnoca odbacivanja netacne hipoteze i ona se izraZava kao I - ~. Odnos izmedu proporcije neispravnih proizvoda i verovatnoce prihvatanja hipoteze za N = 50, n = 12 i c = 2 prikazan je na slici 12.1. Kontingent ce se 201

9. a da se odbaci ako je broj neispravnih veci od 3. C2 = 3. F(p) 1. dok je verovatnoca za neku vrednost p data obrasceni hipergeometrijske distribucije koja u neSto izmenjenoj notaciji u odno!.12).2 koja je konstruisana na osnovu.8 0 . bice nezadovoljen ako se jedan ili vise njegovih kontingenata odbace zbog toga sto je uzorkom utvrdena proporcija neispravnih p > po. pep) 0.47. Cl = 0. neki kontingent od 50 jedinica ima P = 0.2 CD - ~IK~CA 0. Pristupice se. 12.15 0.Ove dye vrste rizika prikazane supomocu operadone krive na slici 12.6 0.10 0.06 0.0 . sto se precizira planom.2 ~ ° ° 't.pimanju drugog uzorka ako prvi sadrZi 1.3 0. Rizici prodavca i kupca prikazani na operacionoj krivoj: n = 40. Verovatnoca toga rizika je u stvari greSka drugog tipa. ~.~ 1..I.25 B=O~IS p . c. 0.8 0.04 0.OS 0.05 0. ponovljenog i sekvencijalnog uzorka. Kontingent se prihvata kada dva uzorka zajedno. operaciona kriva omogucuje da se utvrdi verovatnoca prihvatanja kontingenta za razliCite vrednosti p.1 51.10) glasi 12.ze.08 51.. Ako. prvi uzorak nije ni posebno dobar ni posebno los. 12. 0. n2 = 50.15.. Rizikprodavca je ot = 0.4 0. Pravilo nalaze. verovatnoca da ce se iz uzorka od 12 jedinica izvuci 2 ili manje neispravne jedinice je PCP) = 0.3.20 0.02 0. C2je gornja granica neispravnih proizvoda za prihvatanje kontingenta na osnovu oba uzorka. DUPLI UZORAK p (ft) Nq .prihvatiti kad god je h'::. imaju 3 ili manje neispravnih proizvoda. visestrUkog. odluka 0 prijemu ce se doneti uzimajuci u obzir rezultate oba uzorka. ° 0.6 0.9) a jos cesce primenom Poasonove distribucije (6. verovatnocada kontingent ima p = 0.ako prihvati kontingent sa vecom proporcijom neispravnih nego sto on smatra dozvoljenom.= ~ (NP)(n-r )j(Nn' ) L.2. pak. aproksimativne verovatnoce za razlicite vrednosti p se dobiju putem obrasca binomne distribucije (6.2 ili 3 neispravna proizvoda.99.9 Ako.30 0.06 neispravnih jedinica. 9 je gornja granica neispravnih proizvoda u prvom uzorku za prihvatanje kontingenta. ako je on pokazao posebno dobar ili posebno los kvalitet. Proizvodac ili prodavac sa kontigentom zadovoljavajuceg kvaliteta. s gledista uslova postavljenih od kupca.u na ranije objaSnjenje (6. Za prakticne ciljeve sastavljene su tabele u funkciji razlicitih vrednosti c i n i namenjene su kontroli prijema na bazi jednostavnog. dok je u Poasonovoj distribuciji m = np.t r r-O c (12. On ce biti zainteresovan dil prag znaeajnosti bude sto manji ili da se poveca velicina uzorka. Postoji i rizik kupca kome se izla. U obrascima ovih dveju distribucija ne pojavljuje se N. Prednost duplog uzorka je u tome sto se njime u proseku smanjuje broj jedinica uzorka potrebnih 203 202 . Neka je nl = = 30.. Jedna od tih vrednosti Po uzima se kao granica tolerantnosti do koje se tolerise proporcija neispravnih u skupu. Ova vrsta rizika (ot) 0 moguenosti odbacivanja tacne hipoteze naziva se rizik prodavca.da se kontingent prihvati kada prvi uzorak nema neispravnih.05 a rizik kupca ~= 0.22 neispravnih jedinica je pep) = 0. a odbacuje preko toga broja. n = 40 i c = 3.4 0. c =3 ° Kao sto se vidi.. IIi.01 0.3.1) Kod plana na osnovu duplog uzorka odluka 0 prijemu kontingenta se donosi tek nakon izvlacenja drugog uzorka..5 0.03 0. Operaciona kriva duplog uzorka Velicinu uzoraka cemo oznaciti sa nl i n2. Kontingent moze da se prihvati ili odbaci i nakon prvog uzorka.7 1° . na primer. Kada je skup veliki.07 P 0. 0. nl + n2 = 30 + 50 = 80.

3) verovatnoca odbacivanja kontingenta u uslovima kvaliteta PI Hi boljeg.za donosenje odluke. sto predstavlja verovatnoCu potrebe za drugim uzorkom u dlju donosenja odluke.P2 (12. kako je oznaeeno. uzorka postoje eetiri moguce odluke: 1) prihvatanje nakon prvog uzorka.. uzimanje uzorka se produzava sve dok ona ne presece jednu od pravih kada se donosi odluka '0 kontingentU. koji se u linearnoj regresiji radije be1eze sa a i"b.4) verovatnoca prihvatanja kontingenta u uslovima kvaliteta P2 ili goreg. 204 VELICINA U-':':W:' . odnose se na prvi i drugi uzorak. 10 itd. izraeunavaju se prema sledeeim obrascima: loghI ~ I-ex 1 P2 I-PI (12. Na primer.. taena verovatnoca prihvatanja nuIte hipoteze za P = 0.4.02 izmedu operacionih krivih za drugi i prvi uzorak je 0. Pored toga. izracunavaju se graniene vrednosti za svaku veliCinu uzorka. takode.Plan duplog uzorka zahteva jos dye operacione krive.3) 0 30 40 50 60 70 8() = h2 + sn. U literatUri se mogu nati visestruki planovi do sedam uzoraka na bazi operacionih krivih slieno kao za jedan ili dupli uzorak. i druga ria osnovu n2 i C2drugog uzorka. PolazeCi od ovoga. = P2 log --logPI 1.20 z ~ g: 15 <f) W z 0 a: 10 IIJ 5 = hI + sn (12.2) (12. Druge dye krive. s je koeficijent nagiba prave.-vencijalnog uzorka 205 . -.-log I-J>. Granice prihvatanja i odbacivanja ' <.!. 2) odbadvanje nakon prvog uzorka. po potrebi. Podrueja tih odluka prikazana su.3. Operaciona kriva duplog uzorka pokazuje verovatnoCu prihvatanja kontingenta na osnovu podataka oba uzorka zajedno i broja neispravnih C2. P2. Razlika u ordinatama izmedu operacionih krivih prvog i drugog uzorka prikazuje verovatnoCu potrebe uzimanja drugog uzorka za bilo koju proporciju neispravnih. Razlika u visini ordinata u taekama preseka za P n je veliCina uzorb. odgovarajutim brojevima na slici 12. 2) neprihvatljiva granica kvaliteta izrazena kao proporcija neispravnih.02 je 0.428.4) = P2 log PI --log l-~ log-ex h2= P 1 P2 log PI . oc. Pracenje rezultata ispitivanja Cfd donosenja odluke na bazi sekvencijalnog uzorka najbolje se izvodi putem radne tabele u kojoj je broj neispravnih jedinica kod svakog izvlaeenja unapred dat. ~. ~. Ovakvim planom se u proseku smanjuje ve1ieina uzorka za oko 50% pa i vise u odnosu na klasiean oblik odluke na osnovu uzorka. Jedinice mogu da se izvlaee sukcesivno jedna po jedna Hi u grupama od po 5. SEKVENCIJALNI UZORAK J U primeni ovih formula pretpostavlja se da je P2 > PI i da je (oc+ ~) < 1. Na istom principu. i na bazi dva uzorka.~.929 i izrazena je glavnom operacionom krivom u sredini.6) . Ove operacione krive prikazane su na slid 12. Za svaki takav plan potrebne su eetiri vrednosti i to: 1) prihvatljiva granica kvaliteta izrazena kao proporcija neispravnih. Ako je kriva u okvirima granica dveju pravih. Posle svake etape donosi se odluka 0 prihvatanju. Posle svakog izvlatenja uzorka rezuItat se prati na kumulativnoj osnovi i ucrtava na grafikon.4. p.4. gde su dl i d2 graniene vrednosti neispravhih proizvoda za prihvatanje i odbacivanje kontingenta. To izvlacenje u velikoj meri zavisi od prosecne veliCineuzorka potrebne za dato ispitivanje. odluka 0 prihvatanju kontingenta moze da se donese na bazi tri iIi vise uzoraka. PI. I-P2 l--PI 12." Sl.5) = 0. Operadona kriva u sredini crteza je kriva duplog uzorka. jedna utvrdena na osnovu ni i CI prvog uzorka. Graficki prikaz ovog postUpka u opstem slueaju pruza slika 12. odbacivanju Hi prodtiZenju uzimanja uzoraka sve dok se ne dobije dovoljna osnova za jednu od dye odluke. on ima i izvestan psiholoski efekat koji proizlazi iz moguenosti da se odluka donese. Pararnetri hI> h2 i s. U primeni duplog . kao i kod duplog uzorka. Kod sekvencijalnog uzorka uzimanje jedinica se izvodi etapno. hI i h2 su tacke preseka na ordinantnoj osi. I-PI log< (12. 12. 3) prihvatanje nakon drugog uzorka i 4) odbadvanje nakon drugog uzorka. Na grafikonu to su dye paralelne linije izrazene sledeCim dvema linearnim jednacinama: dl d2 30 25 "0 ODBACIVANJE 2:. Velieina uzorka potrebna za donosenje odluke zavisi u najvecoj meri od unapred odredenih granica tolerancije kao i od utvrdenog praga znacajnosti.

01. Prihvatanje i odbacivanje kontingenta ~ osnovu sekvencijalnog uzorka: Tabela 12. 60 Kumulacija uzoraka 5 10 ]5 20 25 30 35 40 45 50 Granica prihvatanja.30.08432 I-p2 0.70 P2 1. P2 = 0. P(P) = 1].91568 - v 1) = 0.40.38535 ' Linearne jednacine za prihvatanje i odbacivanje kontingenta su dl = -4. Operativna kriva p = 0.2 0.(0. P2 p' 0. P(ft) = 0.3 0.40 + 0. Pcp) = 0].30 4.67 11.50 6.08432 = 0 22.99.40 i h2 = 5.07 16.9 1.69461 I-IX 0.10 2.30 2. IX ~zavise vrednosti parametara hi>h2 i s koji odreduju operacionu i krivu sekvenciJalnog uzorka.54].30. hI = -4. 12.15.17.70 0.1 0.17 g a.01 1.5 0.2 vrednosti parametara su s = 0.57 10. [P = 1.15.3 0.98 0.7 0. dok je verovatnoCa za = s jednaka P P(p) 1.P2 log --log-=log--log-= PI I-PI .40 5.17 + 0.01.99123 I-PI 0.1 prikazane su vrednosti dl i d2 u funkciji n nakon svakog izvlacenja uzorka od 5 jedinica.22.30103 .22n n.85 0. Granica odbacivanja.30 i ~ = 0.0 51.2 0. 0.02 log -=log-=-1.02.10 0 0 0.5.5.38535 1. Na primer. IX = 0.9 0.38535 s -4. .8 0. Pomocu logaritama dolazimo do sledeCihvrednosti: 0.6 0. ex = 0.15 0. 207 206 .22.5 i 12.8 hd Ihil h2 .97 15.1 0.20 3.01 i ~= 0. x: 160 140 <t 120 d2 = 5.60 = 0.7 0. i utvrdena je na osnovu sledeeih koordinata: [P = 0. [P = = 0.99123 = 5.2 0.85 log -=log-=0.3 0.2. [P = 0. P2 = 0.87 13. Redni broj uzorka 1 2 3 4 5 6 7 8 9 10 PI = 0. ~ \ 0. P(P) = 0.00 1. pep) = 0.IX = Od Pt.02].69461 I 0.27 7.IX. a potom uzimaju uzord sve dok se ne dode do odluke.5 0.99].47 9.37 8. VerovatnoCa prihvatanja posiljke za Pt je 1 . 0. ~ N ~ z 100 80 jUJ tI1 ~ = 0.4 Sl.4 0. d2 6. :.77 12. 0.02. dl - 3.30 0. 12.6 0.15.6. za PI= 0. 0.30.1.6 dobijaju se h = -1. h 2 0. 1-~ log -=log-= IX za P2je ~. [P = 0. U tabeli 12.. Primenom formula. U praksi se obieno dl i d2 unapred izracunavaju. Gruba skica operativne krive prikazana je na slici 12.= Primer.15.20 1. 12.0. Treba utvrditi plan sekvencijalnog uzorka gde je PI = 0. 124.22 Pomocu ov~ dve jednacine lako se dolazi do broja neispravnih za svaku vrednost n.38535.1 0 0 0..4 0. P2.17 0. Kriva proseenog uzorka na osnovu tabele 11.

(12.:!08 boea i postavlja granica tolerancije Pm = 0.15 (1-IX) hI-IX hz PI-S 61 s=0. Ovde je donja granica. G. cine c.95. utoliko ce prosecan uzorak biti veci.= 0. te se. n.If -. Ako se odluka donosi na osnovu kvantitativnih vrednosti jedinica. a na osnovu kontrole utvrdivanjem gornje granice tolerancije kontingent se prihvata kada je pa ~ Pm. kontingent se prihvata. Izraeunavanje TabeIa 12. 209 I U tablicama normalne distribucije za 11. zahteva se manji uzorak za odluku na bazi varijabilnih svojstava obe1eija.08= 6.95. Kako se ovi parametri izraeunavaju na osnovu IX.22 I V n-l -.. kod atributivnih obelclja. za datu granicu tolerancije.40 distribucije.III ~ . Kontrola prijema moze da se izvede utvrdivanjem gornje granice kvaliteta individualnih vredIiosti.80+ 1. Ranija ispitivanja su potvrdila da je standardna devijacija.7. DrugaCije receno. proseenog IIzorka za pojedine tacke .831. PomoCu varijabilnih obelclja kontrola moze da se izvede na vise naCina. moze se dokazati da je uslov za pri- hvatanje kontingenta .8) / Na osnovu jednostrane kontrole.1 - 6. doneti odluku. dz i s kao i od kvaliteta podataka.PD je 0.64 jer se pretpostavlja da je distribucija normalnog rasporeda (na njenoj desnoj i pozitivnoj strani sa 1.83. 14 Statistika . Aritmeticka sredina uzorka je X = = 6.. D = 6. duplog ili visestrukog uzorka. Boca koja ne moze da primi najmanje 6. Odluka 0 prijemu se donosi zavisno od veli. Isto tako..2. odnosno varijabilnih obeleija. unapred se utVrdi velicina uzorka (n) i proporcija neispravnih jediniea (Pm) iznad koje se kontingent odbaeuje. Ta velicin~ zavisi od dI. i na ovaj nacin. odnosno kod jednostavnog prebrojavanja neispravnih jedinica.08 V 20 = -1. Ako se za prihvatanje kontingenta postavljaju donja i gornja granica kvaliteta.1 6.80 del smatra se neispravnom. 0.-'. Plan jednog uzorka na bazi dihotomije je utvrden odredivanjem velicine uzorka. D je donja granica kvaliteta individualnih vrednosti. Do odluke se moze da dode i na sledeCinaCin: D. (12.10. Postupak kontrole je u merenju jedinica uzorka i izraeunavanju njihove srednje vrednosti.5.034 sto je manje od dozvo1jene proporcije neispravnih proizvoda.. manja razlika izmedu PI i pz povecava prosecan uzorak koji se smanjuje kada PI tezi nuli. kontingent se prihvata kada je PD ~ Pm.k a. Ukoliko su IXi ~ manji.28. Aproksimativria kriva proseenog uzorka u nasem primeru prikazana je na slici 12. I pored toga u praksi se mnogo ne primenjuje zato sto je cesto nepraktieno sukcesivno uzimati jedinice da bi se doslo do odluke 0 prijemu. kontingent se prihvata kada je (ftD + pa) ~ Pm. n- I '.-a= r n. X~D+z 0 hi -s 20 pI=0. Ako je izraeunata sredina jednaka ili ispod kriticne. jer.08 del. dobijamo = 0. PI i Pz to je prosecna velicina uzorka uslovljena ovim vrednostima.93. Ako je Pm = 0. sve te karakteristike sluie kao jedinstvena osnova za odluku. Kqntipgent se prihvata kada je Sekvencijalni uzorak ima znacajne prednosti sa gledista veliCine uzorka pctrebne za donosenje odluke.93 < 6. potrebno je prethodno poznavati stahdardnu devijaciju skupa sto cesto nije jednostavno. . utvrdivanjem donje graniee tolerancije.64 a obuhvaceno je 0. c. 12. Ako se kod varijabilnih obelezja prijem oslanja na vise karakteristika. Medutim.2. Ovakav postupak Cini se prirodan.28 a obuhvaceno je 0. doci do njihovog broja u uzorku ne treba da predstavlja problem.80. a z = 1. a Kontrola prijema se u najvecoj meri izvodi direktnim utVrdivanjem broja neispravnih proizvoda putem proporcije. Ovakvim posmpkom mi u stvari donosimo odluku 0 proporciji neispravnih proizvoda Cija je graniea tolerancije Pm. tj. svaku od njih treba posebno izmeriti i. Na desnoj strani distribueije u okviru 1. posto ze1imo da se osiguramo da prihvatimo kontingent koji nece imati vise od 10% neispravnih proizvoda. Prosecna velicina sekvencijalnog uzorka potrebna za donosenje odluke manja je nego kod prostog.. Primer. kontingent prihvata.64 Y 200. i utvrdena je Iia osnovu pet tacaka Cije je izracunavanje prikazano u tabeli 12. Razvoj kontrole kvaliteta proizvoda doveo je i do sve vece primene prijema na bazi merenja jedinica. a povecava kada Pz tezi jedinici.Proselna veliCina uzorka je broj jedinica potreban u sekvencijalnom uzorku da se dode do odluke. Primenom formule 12.05.6. Po jednom.- a=D+ka. VARIJABILNA OBELEZJA KAO OSNOV A KONTROLE X~ G -z Y --. kontingent boea bi trebao'da se prihvati. U primeni varijabilnih obelezja ogranicavajuCi faktor mogu da budu veci troskovi jer je potrebno meriti svaku jedinicu.45 povrsine ispod krive). i broja neispravnih proizvoda.7) p P2= 0.30 I 1 Obrazac hi h2 S (s-l) 133 (1-13)+l3hI pz-s 62 l-s 7 Prosen uzorak gde je z kritiena vrednost u tablieama normalne distrib~cije zavisno od pm.X ' n. Jedna od njegovih prednosti je u tome sto se na bazi iste velicine uzorka postize veca sigurnost u zakljucku nego kod atributivnih obelezja. 19 19 S obzlrom na to da je 6. ! J. onda je z = 1. a odbaeuje se ako je iznad. na osnovu utVrdenog kriterijuma. kada se utvrdi kriterijum za neispravni proizvod.~.80. Prostor povrsine na levoj strani distribucije uzet je u eelini. Jedan kontingent boca namenjen je za 7 decilitara teenosti.a=G. Kada se problem postavl na ovaj nacin.95 . Zatim se uz pomoc teorijske distribucije utvrduje kritiena velicina srednje vrednosti.6. dakle pomocu aritmetickih sredina. izrazenu operacionom krivom..50. Uzima se uzorak od n = 20 D+z ~ -. u uslovima poznate standardne devijacije (0). Pm.

Kontrola se narocito razvila za vreme i nakon poslednjeg rata. Smanjenje varijabilnosti dovodi do manjih rastojanja izmedu linija kontrolnih granica sto ima za posledicu veCi diskriminacioni efekat gresaka I i II tipa i brie otkrivanje poremecaja u proizvodnji.20 del. Veza izmedu kontrolne karte i normalne distribudje prikazana je na slid 12. 12. Kontrolna karta ponekad moze da ima sarno jednu kontrolnu granicu.951 {T9= 3. Postupak se dalje svodi na izraeunavanje (D-X)fs ill (G-it. U prvobitnoj fazi kontrolu su.034 + 0.05.001 = 0. Kontingent se prihvata ukoliko su ove proporcije manje od Pm i obratno. odnosno greSke. STATISTICKA KONTROLA PROIZVODNOG PROCESA / CENTRAL NA LlNtJA Statisticka kontrola prijema robe treba da zastiti kupca od loseg kvaliteta proizvoda. varijabilnost unutar jedinica uzorka u proseku bite izjednacena sa varijabilnosti izmedu uzoraka.7. recimo X. kontingent se prihvata.fs.20-6. tehnika kontrolne karte sastoji se u uzimanju uzoraka odredene veliCine (n) u odredenim vremenskim razmacima za vreme proizvodnje i utvrdivanju njegovih parametara. parametri prelaze kon~rolne granice. koji je utvrden na osnovu prethodnog posmatranja veceg broja uzoraka odredene velicine. ima ct:ntralnu i dye sa njom paralelne linije na istom odstojanju ispod i iznad centralne linije kao na slid 12. cak i na osnovu malog broja jedinica. Na primer. Radi osi' guranja kvaliteta proizvoda uzimaju se 3. uzimaju se grupe od manjeg broja jedinica i vrednosti njihovih parametara se unose na kartu. Primenom formule:12. drugo. recimo a. u tome sto individualni podaci pokazuju vecu varijabilnost od. Sredisna linija na komrolnoj karti odraZava vrednost parametra. Karta. prvenstveno. zatim bi se preduzimale mere za otklanjanje uzroka. da se na poremeeaj preko granice tolerantnosti blagovremeno ukaZe.07.6. - - 12. smanjuje se rizik kupca. Ako. boljem prilagodavanju masina obradi itd. Statisticka kontrola proizvodnog procesa sprovodi se u toku proizvodnje i ima za cilj da proizvodi odgovaraju unapred utvrdenom kvalitetu. a ispod donja kontrolna granica. izvodili radnici za maSinama na ad hoc principu. izvodila se sistematski na osnovu utvrdene velicine uzorka i pristrasnost je bila iskljucena. Uz to.08 V 20 Vrednost PG za 3. dok mu se njihovi ocenjeni parametri.7.04.035 < 0.0. Odluka se donosi na osnovu ftD + PG = 0.05. Kada a nije poznata unapred. to ukazuje da je proizvodnja izvan kontrole. odnosno G ks.035.641(19. Do iste odluke Ce se docS i utvrdivanjem PG G-X a V n-l = 7. preduzimane su odgovarajuce mere koje su se ogledale u poboljsanju kvaliteta sirovina.8 dobija se G ordinate na karti. V 20 Kontingent se prihvata jer je 6. zavisno od toga da li se uzima donja ill gornja granica tolerancije. gde je k dato u tablicama zavisno od n. individualni podaci ceSto nemaju normalni raspored. Tada treba utvrditi uzroke na poremecaja i otkloniti ih sto moze da dovede i do promene dispozicije linija ovogkarti. Danas je normalno sprovode preduzeca sa serijskom proizvodnjom i na taj naCin ostvaruju ogromne uStede smanjenjem otpadaka i poboljsanjem kvaliteta gotovih proizvoda. preduzimanje odgovarajucih koraka korekcije kada . Ako su primeceni neki poremeeaji. GORNJA KONTROLNA GRANICA -z V n n 1 a= 720-1 ' . njihovih sredina.. redmo. Ako je proces u okviru kontrole.95 < 7. Njihova dispozicija zavisi od prirode podataka i tehnickih uslova kontrole. Taj je posao poveren obucenim kontrolorima koji ga izvode pomoCu kontrolne karte. Alternativno mogu se izrafunati D ks. Ukoliko se vrednosti parametara uzoraka nalaze izmedu donje i gornje kontrolne granice.80 del i iznad 7. postavljanje plana kontrole polazeCi od tehnike procesa i njegovih statistiCkih aspekata. Na taj nacin se postiglo da proces bude pod neprekidnom kontrolom. Do pojave i razvoja statisticke kontrole proizvodnog procesa doslo je izmedu dva rata u SAD kao rezultat nastojanja da se poboljsa kvalitet proizvoda. Treba jos istaCi da ako je kontrolna karta na bazi 2 urnesto 3 as. se za to ukaZe potreba. pak.j Pretpostavimo sada da se svaka boca koja moze da primi viSe od 7.04 u tablicama je 0. Ukriltko reeeno.20 del se ne prihvataju.07. U toku njenog izvodenja mogu se razlikovati tri faze: prvo. pracenje procesa proizvodnje na toj osnovi.7. boce kapaciteta ispod 6. Uvodenjem statistike ta kontrola je postavljena na nauene osnove. Kako je 0. Umesto toga.20 del teenosti smatra neispravnom. u principu. 20 0. Razlog je. ako je veca vrednost za X odraz boljeg 14* 211 . pre svega. proizvodni proces se normalno odvija i kaze se da je u okviru kontrole. Posebne tabele su date za PG i PD u funkciji n. a ponekad 2 standardne devijacije. Prikaz veze izmedu kontrolne'karte i normaJne distribucije Kontrolne karte na osnovu individualnih vrednosti se retko upotrebljavaju. Isto tako se utvrduju i linije kontrolnih granica i odstojanje im se meri u jedinicama disperzije. a povetava rizik prodavca. Ako su odredene donja i gornja granica tolerancije u okvirima 7:1::0. priblizavaju. Vrednosti parametara unose se hronoloski u visini 210 DONJA KONTROLNA GRANICA SI.001 sto je znatno ispod 0. Linija iznad centralne naziva se gornja kontrolna granica. trece. uzima se njena ocena (s) na osnovu uzorka.08 = 7.

05. (12. donja kontrolna granica moze da bude ispod nule. tada gornja granica nije potrebna. t Da bi se konstruisala kontrolna karta za proporciju neispravnih proizvoda u toku proizvodnje.063 nice za.05 0.3.II kvaliteta. uzece se k uzoraka velicine n i izracunati k " 1"..063 = 0.05 0.. . Redni broj uzorka 1 2 3 4 5 Broj i proporcija neispravnihjedinica (k = 10. i=1 sto predstavlj::: ordinatu centralne linije na karti. KONTROLNA KART A ZA PROPORCI]U JEDINICI I BRO] GRESAKA PO j I. 0.03 0. Tabela 12. Ako je proces u granicama kontrole.3. Iako. Dalje se uzimaju uzorci i proporcija neispravnih proizvoda se unosi na ovu kontrolnu kartu i tako prati tok proizvodnje. Za ilustraciju uzecemo primer 0 broju pukotlna kod radijatora iz 10 uzoraka od po 10 radijatora 1 "8 2 25 3 25 4 "4 5 27 6 16 7 13 I 213 8 15 9 "6 10 2I v~ Redni broj Broj pukotina .013.05) dakle 0. L tPI. 50/10=" V " 0 2 4 5 6 7 8 9 10 11 12 13 0. TI 4 10 4 2 7 Proporcija. u principu. GORNJA KONTROLNA GRANIC A. n = 100) Do c karte' se dolazi na osnovu prosecilog broja neispravnih proizvoda Ii po jedinici koji se izracunava na osnovu podataka za vise jedinica. Za kontro1ne granice izracunava se standardna greska proporcije ap = a 2 3 I. ° °05 a zatlm ap: PI =. Tabela 12. Kontrolna karta za proporciju I I V p(1.3 81. PI 0.3 sigme".01 0.7.07 Redni broj 6 7 8 9 10 Bro. 12. mora se poci od utvrdivanja p. Kontro1na karta za broj grdaka po jedinici proizvoda naziva se c karla. ima proizvodnih procesa kod kojih se ona pokazala od velike koristi.3 sigme" je 0. Kontrolne grac: 30 GORNJAGRANICAKONTROLE 25 20 Broj neispravnih.050 + 0. Na toj osnov~ saCinjena je kontrolna karta prikazana na slici 12.050 v "1 ~ .08 16 15 10 5 4 DONJA GRANICA KONTROLE 0 I zracunava se P = k ~ = 0.10) p Za kartu na bazi .8." (12.8.021..01. Medutim. lli.02 'I' P=}. 12.:p) . 5 . PI 0. ako se kontrolom prati proporcija neispravnih proizvoda. sigme" su "C::!::3 Uzima se v~Jer je to standardna devijacija P01sonove distribucije. pruza podatke 0 broju i proporciji neispravnih proizvoda za 10 uzoraka od po 100 jedinica na osnovu kojih treba konstruisati kontrolnu kartu za p. kontrolne granice su p::!::3 ap' Da1je se sukcesivno uzimaju uzorci iste velicine i proporcije neispravnih unose na kartu. r.9) C.' 5 1 3 6 8 Proporcija. neispravnih. Donja kontrolna granica na bazi .. Kontrolna karta c: = -0. ova karta moze da se napravi za grupe od po nekoliko proizvoda. Ova karta se sacinjava na pretpostavci Poasonovog rasporeda zato sto postoji velika neizvesnost 0 broju greSaka nekog proizvoda sa mogucnoscu velike varijabilnosti.02 0.06 0.6 7 1\ 9 10 11 12 81. Proizvodnja se normalno odvija ako su te proporcije unutar kontrolnih granica. ceSca 212 - 100 0. je njena primena na bazi broja neispravnosti po jednom proizvodu.04 0.06 P 0.9. Ona ima ogranicenu primenu zbog prirode problema koji se ne susrecu tako cesto. 12.113.04 0. te prakticno i ne postoji.10 0.(1-0. gornja granica je 0.

dakle k - 31nld" = Bl. V~ = V16= 4. n -j 6 7 8 9 10 4 Kratak izvod koeficijenata transformacijeza sastavljanje g i I karte na osnovu intervala za . (12.3 . dati su u tabeli 12.483 0.50 24.92 1. To je. Redni broj 1 2 3 4 5 6 7 8 9 10 25 26 27 25 29 20 26 20 26 20 23 25 22 29 22 26 24 21 28 23 Rezultati 24 23 20 30 24 23 20 22 24 24 27 24 24 26 28 24 22 23 26 25 12. X = ~ X.75 24.50 25. Vn) i nalazi se takode u tabeli 12. tj.3 sigme" su X::I: 3s1Vn.85 2.577 0.50 22. Iz prakticnih razloga do standardne devijacije s se dolazi pomocu sredine intervala uzoraka.00 1.797 A 0.70 2.25 27. 215 .373 0.00 22.~' I Ilk. takode.97 3. Distribucija tih sredina je normalna ili je asimptotski normalna.(12.4.33 2. Kako se disperzija meri pomoCu ranga.8.00 237.=1 .9.75 23. obicno 25.4.50 I 4.5.12) s.10.419 0. 2\ 20 19 0 5 \0 15 20 DONJA KONTROLNAGRANICA Tabela 12.25 24. Kontrolne granice su 1::1:31" 11d. Donja kontrolna granica je 16 .50 8 6 4 8 4 7 8 2 3 2 52 I= odakle je L ..28 2.808 0.50 26. gde je kinterval u i-tom uzorku.308 Bl 0 0 0 0.4.50 23.4.c= ~ cllk = 160/10= 16. 10 \5 priJcesa.82 1.337 0.14) Kontrolna karta za merena obe1ezja se sacinjava na osnovu aritmetickih sredina izvesnog broja uzoraka (k).00 22.848 0. Kontrolne granice na osnovu . Ti koeficijenti. a d" koeficijent kojim se Ttransformise u (12.076 0.00 242. Donja i gornja kontrolna granica. 4 = 4.Ked te karte centralna linija je u visini ordinate J.06 2.24 27 24 24 23 22 26 23 25 25 25 26 25 23 22 g 23.08 fn 0.86 1. 3 7 5 7 6 6 3 4 5 50 Redni broj 11 12 13 14 15 16 17 18 19 20 20 20 20 20 24 18 20 23 26 24 Rezultati 28 22 23 28 27 21 28 24 25 23 24 20 24 26 28 .=T (1::1:3/"ldn).13) GORNJA KONTROLNAGRANICA X::I:3 vn =X~IA.00 25.78 GORNJA KONTROLNA GRANICA Uz kartu X obicno se sastavlja i karta 214 Tda bi se kontrplisala i varijabilnost 5 81.11 2. odnosno X::I: 3sx. Vred- Ukupno 29 28 nost toga koeficijentaza nekolike velicine uzoraka data je u tabe1i 12. Uz to potrebna je ocena 12. vidi se da je proces u granicama tolerancije.864 0.75 26.184 0. Centralna linija na karti se utvrduje na osnovu aritmeticke sredine aritmetickih sredina uzoraka. Interval je razlika u vrednosti izroedu najvece i najmanje jedinice u uzorku. dato u tabeli 12.00 23.11) s = lid".136 0.820 0. na ovoj osnovi. gde je I" koeficijent transformacije. gde A zamenjuje 3/(d" .833 0.lk.50 23..25 23.00 21. a : j g 24. za donju i gomju kontrolnu granicu. su lid" . Rezultati ispitivanja otporrwsti kanapa Tabela 12.4. upotrebljava se koeficijent transformacije da bi se doslo do standardne greSke..223 B2 2. Kontrolne karte Xi T za podatke iz tabe1e 11.729 0.00 24. te su zakoni ovog rasporeda osnova za utvrdivanje kontrolnih granica X kaTte. Svaki uzorak sadrzi nekoliko jedinica.4. gornjakontrolna granica je 16 + 3' 4 = 28.880 0. njene standardne greSke. Iz kontrolne karte prikazane na slici 12. Uobieajeno je da se piSe 1 1 + 31nld" = B2 sto je. . KONTROLNA KARTA ZA MERENA OBELEZJA / i 11 (12.53 2.3 sigme" dn 2.

!!2= 2. Rec je 0 20 uzoraka od po 4 jedinice koji su uzimani nakon svakog casa proizvodnje. " 216 .729' 4.koje su cesto prilagodene specificnostioblasti gde se sprovodi kontrola.729.729' 5.~.1 . prema tabeli 12.1 . Tabela 12. Postoje i druge kontrolne karte.72. na drugacijim osnovama. . i= 5.1= 20. Bl = 0. 0 = 0 i 5. Kontrolne karte X i I na osnovu ovih podataka prikazane su na slid 12.Primer.10.1.9 = 27.'. te su granice 5. pokazuje rezultate ispitivanja otpornosti na prekid kanapa u kg u jednoj tvomid.. 2.0. Za n = 4. .. dok je interval.63. Za T kartu.28.28i 24 + 0.4. te su kontrolne granice 24 . Za kartu X aritmeticka sredina je X = 24.28 = 11. A = 0.

Sign up to vote on this title
UsefulNot useful