Professional Documents
Culture Documents
Seminar Kontrolne Karte
Seminar Kontrolne Karte
SEMINARSI RAD
Kontrolne karte
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
X 3
odreuju iz odnosa
20
18
16
14
12
10
8
6
4
2
0
X 3 x .
11
13
15
17
19
21
23
25
Mjerenja - Measurements
Grafikon 1. Osnovna
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.
11
13
15
17
19
21
23
25
Mjerenja - Measurements
20
15
10
5
0
1
11
13
15
17
19
21
23
25
Mjerenja
Measurements
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)
0,2480
ZAKLJUAK
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
Raspon
24/4=6
20/4=5
24/4=6
16/4=4
36/4=9
10-3=7
7-3=4
12-1=11
7-1=6
15-3=12
X = 30
X graf:
UCL
LCL
= 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
R = 40
X kontrolna karta
14
12
10
Mjerenja
8
6
Srednja vrijednost
UCL
LCL
2
0
1
R kontrolna karta
20
15
Mjerenja
12
11
10
Srednja vrijednost
UCL
LCL
0
1
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
p =
p (1 p)
=
n
0.04(1 0.04)
= 0.02
100
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
p karta
0,12
0,11
0,1
0,08
0,08
0,07
0,06
0,06
0,06
0,05
0,05
0,04
0,05
0,04
0,04
0,03 0,03
0,02
0,02
0,02
0,01
0,04
0,03
0,01
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
Postotak pogrenih
Srednja vrijednost
UCL
LCL
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
c =
c =
UCL c = c + z c = 6 + 3 * 6 = 13 ,35
LCL c = c z c = 6 3 * 6 = 1,35 = 0
6
4
Broj pritubi
UCL
LCL
0
1
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
Mjerenja u sekundama
1
2
3
4
492
512
505
496
501
508
497
503
498
504
501
492
Srednja
vrijednost
497
508
501
497
X = 2003
Raspon
9
8
8
11
R = 36
X=
R = 36 / 4 = 9
X graf:
UCL
LCL
R graf:
UCL R = D 4 R = 2,575 * 9 = 23,175
LCL R = D 3 R = 0 * 9 = 0
X karta
515
510
508
505
Mjerenje
501
500
497
495
497
UCL=510,21
LCL=491,79
490
485
480
1
R karta
25
20
Raspon
15
10
11
UCL=23,18
LCL=0
5
0
1
C pu =
C pl =
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.