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

X 3

Jedinica mjere - Unit

odreuju iz odnosa

20
18
16
14
12
10
8
6
4
2
0

, odnosno nalaze se u okviru

X 3 x .

Gornja kontrolna granica - Upper control limit

Sredinja crta - Central line

3

Donja kontrolna granica - Lower control limit

11

13

15

17

19

21

23

25

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

Jedinica mjere - Unit

X bar control chart

20
15
10
5
0
1

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

Jedinica mjere - Unit

20
15
10
5
0
1

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)
kada
smjetene vrlo blizu
0,4 m nepravilnost
0,6 m koja
0,8semjavlja 1,0
m su izmjerene
Prosjek vrijednosti
Raspon
sredinje
crte
ili
kontrolnih
granica.
1.
0,4720
0,2390
0,2760
0,3960
0,4530
0,3672
0,2330
Analiziranju
pojedine 0,2140
kontrolne 0,3210
karte treba0,3630
pristupiti0,3234
vrlo ozbiljno
i studiozno. Na osnovi
2.
0,3570svake0,3620
0,1490
rezultata
kontrolne
karte,
mogue
je
unaprijediti
proizvodni
proces,
otkloniti
neeljene uzroke
3.
0,2580
0,3400
0,3350
0,4160
0,3260
0,3350
0,1580
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
znanjem
onih
koji
vode
proces,
zamjenjuje
intuitivno
odluivanje
o procesu,
5.
0,2470
0,3450
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.

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

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 + 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

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

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)

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

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 =

c =

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

Prosjean broj pritubi na dan je 6

Donju granicu stavljamo na 0 jer ne postoje
negativne pritube (ili ih ima ili ih nema)

Pregled pritubi po danu pomou c karte

16
14
12
10

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

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 + 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

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

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

C pl =

srednja vrijednost procesa - LSL 501 482

=
= 1,097
3
3 * 5,77

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