You are on page 1of 21

141

CAPITOLUL 8.

TESTE ALE CONTROLULUI CALITĂŢII
SI FIABILITĂŢII IN AGRICULTURĂ

Obiectice : Însuşirea de către studenţi a tehnicilor de control statistic al calităţii produselor
agricole şi al fiabilităţii maşinilor agricole în cursul procesului de producţie şi la recepţie
(control simplu şi secvenţial)

Conţinut :

8.1 Controlul statistic de calitate în cursul procesului de producţie
8.2 Controlul statistic de calitate la recepţie
8.3 Rezumat
8.4 Întrebări
8.5 Bibiliografie

Cuvinte cheie : fişe de control, control simplu,control secvenţial,însuşire cantitativă ,
însuşire calitativă , fiabilitate .

Produsele agricole de origine vegetală sau animală sunt destinate în principal
consumului uman,consumului zootehnic şi ca materie primă pentru industrie .
Produsele de consum uman pot fi consumate direct(alimente proaspete)
sau după prelucrare/conservare(făină,mălai,zahăr,ulei,brânzeturi,mezeluri,
băuturi,etc).
Calitatea alimentelor destinate consumului uman este un complex de însuşiri
fizice,chimice,biologice şi estetice care trebuie îndeplinite faţă de anumite baremuri
(standarde) astfel ca să asigure la nivel optim nevoile omului.
Aceleasi cerinţe se impun şi pentru produsele de consum zootehnic (furaje proaspete
sau prelucrate/conservate).
Materiile prime pentru industrie(alimentară,textilă,energetică,cosmetică,etc )privesc
standarde de calitate asupra capacităţii de prelucrare sau conservare în vederea satisfacerii la
nivel optim a cerinţelor ca produse finite (alimente,îmbrăcăminte,încălţăminte,biogaz,produse
fitofarmaceutice si cosmetice,etc).
Maşinile agricole pentru producţia vegetală sau zootehnică trebuie să aibă capacităţi
funcţionale şi de economicitate privind combustibilii conform unor standarde care să le
permită amortizarea cheltuielilor de fabricaţie şi obţinerea de profit în urma utilizării lor .
Cel mai important indicator de calitate al masinilor agricole este siguranţa lor în
funcţionare(fiabilitatea) care trebiue să îndeplinească bareme de timp privind funcţionarea
fără defecţiuni la exploatarea în condiţii reale .
Controlul calităţii produselor agricole şi a fiabilităţii masinilor agricole are caracter
oficial si cheltuielile necesare acestui control se amortizează prin vandabilitatea crescută pe
piaţa internă şi mai ales cea externă.
Controlul calităţii si fiabilităţii în agricultură se face în toate etapele procesului de
producţie cât şi la recepţia produselor sau masinilor agricole.
Acest control poate fi exhaustiv(pentru toate produsele sau masinile) sau selectiv (prin
sondaj) .
Utilitatea statisticii în controlul calităţii şi fiabilităţii rezultă din faptul că agricultura
este un domeniu de predilecţie al acţiunii întâmplării(hazardului)

142

prin variabilitatea genetică a plantelor sau animalelor şi prin variabilitatea condiţiilor de
mediu în care acestea trăiesc.
Astfel orice însuşire cantitativă (măsurabilă) sau calitativă(atributivă) X este o
variabilă aleatoare în jurul standardului de calitate.
Timpul T de funcţionare fără defecţiuni al unei maşini agricole este tot o variabilă
aleatoare calitativă în jurul standardului de calitate.
Dacă X este însuşire cantitativă(măsurabilă) trebuie ca M(X)=μ şi V(X)<W2 iar dacă
X este însuşire calitativă(atributivă) trebuie ca frecvenţa sa de apariţie relativă fn(X) să tindă
către probabilitatea P.

8.1 CONTROLUL STATISTIC DE CALITATE ÎN CURSUL
PROCESULUI DE PRODUCŢIE

Fie X o caracteristică de calitate care poate fi cantitativă(măsurabilă) sau
calitativă(atributivă).
În cursul procesului de producţie în agricultură,asupra caracretisticii X acţionează o
multitudine de factori care provoacă asupra valorilor lui X variaţii accidentale(cu cauze
necontrolabile) şi variaţii sistematice(cu cauze controlabile).
Obiectul controlului de calitate este în acest caz,supravegherea variaţiilor sistematice şi
eliminarea lor prin corecţii aduse procesului de producţie.
De fapt caracteristica de calitate X este un proces aleator Xt ; 0≤ t ≤DS unde DS este
durata unei serii în agricultură ( DS = durata perioadei de vegetaţie la plante şi DS = durata
unui ciclu de exploatare a animalelor ).
Realizările Xi , i= 0,1,2,… ale lui Xt se presupun a fi variabile aleatoare normale
N(μ,σ) ,independente câte două.
Împărţim intervalul de timp [ 0; DS ] în m subinrtervale de timp egale :
[ t0 = 0 ; t1) , [ t1; t2 ],…,[ tm-1; tm = DS ] şi efectuăm la momentele de timp t1 , t2 ,…, tm= DS ,
m sondaje toate de volum n ,obţinând datele de sondaj :
x11,x12,…,x1n la momentul t1;
x21, x22,…,x2n la momentul t2 ;
………………………………
xm1 ,xm2,…, xmn la momentul tm .
a) Dacă X este însuşire cantitativă(măsurabilă) , din datele de sondaj calculăm mediile
sondajelor :

1 n
xi   xij
n j 1
abaterile-standard de sondaj:

1 n
si   ( xij  xi )2
n  1 j 1
precum şi media totală :
1 m n
x  xij
mn i 1 j 1
respectiv abaterea-standard totală :

m n
1
s 
mn  1 i 1 j 1
( xij  x ) 2

În controlul propriuzis.se aduc corecţii procesului de producţie .min = m i n xij . b) Dacă X este însuşire calitativă(atributivă) avem xij = 1 dacă obiectul numărul j din sondajul numărul i este rebut şi xij = 0 în caz contrar deci n di  x j 1 ij va fi numărul de rebuturi în sondajul numărul i iar : m n d   x i 1 j 1 ij Dacă populaţia este de volum N . Pentru caracteristica de calitate X controlăm doi parametri : M care ne Indică tendinţa centrală şi D care ne indică împrăştierea valorilor lui X.1. raportul f = n/N se numeşte factor de sondaj. Mărimea lui f şi cadenţa luării probelor m depind de rapiditatea apariţiei variaţiilor sistematice şi de costul luării probelor . LCI se numeşte limita de control inferioară pentru X iar LCS se numeşte limita de control superioară pentru X .min . Pentru aceasta se construiesc intervalele de încredere IM pentru M şi ID pentru D .max – xi. dacă o valoare Mi a lui M cade în afara intervalului IM sau dacă o valoare Di a lui D cade în afara intervalului ID . LCS ] cu încrederea 1 – α şi riscul α. a) Fişa de control pentru medie(fişa  X ) . ipoteza H: μ= μ0 faţă de alternativa Ĥ: μ≠ μ0 respectiv H: σ= σ0 faţă de alternativa  H: σ> σ0 .max = m a x xij deci avem amplitudinile 1≤j≤n 1≤j≤n de sondaj ai = xi. xi. Intervalele de încredere IM şi ID au forma : [ LCI . 143 Fie xi. Aceste limite se prezintă grafic pe fişele de control al calităţii de forma : 8.1 Cazul unei însuşiri cantitative În acest caz în rolul lui M vom lua mediile de sondaj xi sau medianele de sondaj Mei iar în rolul lui D vom lua abaterile-standard de sondaj si sau amplitudinile de sondaj ai Avem de verificat prin control al calităţii .

Mărimile (n-1)si2 / σ02 sunt variabile aleatoare χ2 cu n-1 GL deci vom lua : 12 / 2 2 / 2 LCI ( s )  . . va fi estimat de σˆ =  a /  w aşa că un estimator pentru σ(a) va fi σˆ(a) = σ(w).a (5) w w Cu notaţiile :  ( w)  ( w) D1  1  3.a (4) Din relaţia a = wσ rezultă σ(a) = σ(w). LCS ( s )  . notată a = xmax – xmin este variabilă aleatoare deci este variabilă aleatoare şi raportul w = a/σ . În locul fişei de control b) pentru abaterea-standard se poate folosi : b) Fişa de control pentru amplitudine ( fişa R) Amplitudinea unui sondaj de volum n . 0 . a /  w deci limitele de control pentru a capătă forma :  ( w)  ( w) LCI (a )  a  3. De regulă se ia uα/2 =3 deci 1. LCS ( a)  a  3. .α = 99.a . w w . LCS ( x )  x   . b)Fişa de control pentru abaterea-standard (fişa s) . 144 Mediile sondajelor  x1.a . deci limitele de control pentru medie devin : LCI ( x )  x   . LCS ( x)  x  3  (3) n w n w Notăm : 3   n w cu valori în tabela 15 din Anexă. 0 (2) n 1 n 1 Pentru controlul calităţii abaterii-standard se foloseşte numai LCS . σ0/√n ) deci vom lua : 0 0 LCI ( x)   0  u / 2 . se aproximează cu xˉ iar dacă σ0 nu este cunoscut .865% şi α=0.…. Media w are valorile date de tabela 15 din Anexă. xm sunt variabile aleatoare normale N(μ0. Un estimator al lui σ este σˆ=  a / w deci limitele de control pentru medie din relaţiile (1) devin : a a LCI ( x)  x  3  . D2  1  3.135% . σ şi cum σ nu se cunoaşte. LCS ( x)  0  u / 2 (1) n n Dacă μ0 nu este cunoscut .se aproximează cu s . .

1010.1020.1000 950 990 1030 80 33. Luăm m = 10 sondaje în 10 serii diferite .1020 970 1000 1020 50 24.77 9 1040.1000 1000 1020 1050 50 21. din tabela 15 din Anexă avem D1 = 0 .1010. D2 = 2.1030.49 TOTAL xmin=  x= Xmax=  a=  s= 910 1013 1100 92 40. Date sondaj xij Xi.1010.46 2 950. LCS(a)=D 2 .1030 970 1000 1030 60 25.capătă forma: LCI (a )  D1 .910 910 1000 1040 130 60.30 5 1100.1100 980 1020 1100 120 54.960 960 1020 1010 140 60.1020. .729x92 = 945.990.729 deci relaţiile (4) devin: LCI( x ) = 1013 – 0.1020.990 970 1010 1050 80 33.55 10 970.990.282 deci relaţiile (6) devin : LCI(a) = 0 .1010.1050.min  xi xi.82 8 980.ca împrăştiere a valorilor.1030.990 990 1030 1100 110 48. limitele de control pentru a .944 Niciuna din valorile ai nu depăşeşte pe LCS(a) deci X corespunde la controlul calităţii în cursul procesului de producţie . ca tendinţă centrală a valorilor. a câte n = 4 valori fiecare şi obţinem datele de sondaj din tabelul următor: Nr.a . LCS(a) = 2.max ai si Sondaj 1 1000.68 Toate valorile  xi sunt între aceste limite deci X corespunde la controlul calităţii în cursul procesului de producţie .a (6) Exemplu Fie X greutatea puilor de carne la 40 zile.990.1100.1050.55 6 1020.1030.980.67 3 1100.282x92 = 209. 145 care au valori în tabela 15 din Anexă.84 Pentru n =4 .932 LCS( x ) = 1013 + 0.990.1010 1000 1040 1100 100 45. din tabela 15 din Anexă.792x92 = 1080.67 4 970. avem δ = 0.1000. Pentru n = 4 .60 7 970.1020.

4 0. i . Avem de verificat ipoteza H : p = p0 faţă de alternativa H: p>p0 .5 1.128)=12.8 + 3 .7 0.7 10.8  am= 0.m).2.69 Toate cele 10 producţii individuale sunt între limitele precedente. Exemplu X = producţia zilnică de lapte de vacă(litri/zi) în a 28-a zi de la fătare (controlul Nr.71/1.4 11.128)=8.2 Cazul unei însuşiri calitative În acest caz vom avea un singur parametru M în rolul căruia vom lua fie numărul di de exemplare-rebut din sondajul nr. avem  w =1.7 10. deci caracteristica X corespunde calităţii . 146 În cazul măsurătorilor individuale . (7bis) w w Aici  w se culege din tabela 15 din Anexă pentru n = 2 iar  am este media diferenţelor succesive aim =| x i – x i – 1 | numite amplitudini mobile. fie frecvenţa rebuturilor fi = di / n din sondajul nr.3 0. Fie k1(α) cel mai mare număr natural pentru care avem : k1 ( )  P (d  k1 ( ))  C k 0 k n p0k (1  p0 ) n  k  1  2 . pentru n=2 valori în amplitudinile mobile . (i=1.2 1.(0.p0) n – k unde p0 este proporţia rebuturilor în cursul procesului de producţie .1 0. Avem m=10 sondaje a câte n=1 vaci fiecare cu producţiile xi : xI 9.5 12. 1).…. di este variabilă binomială adică : P(di = k) = Cnk p0k (1.8 – 3 .128 deci : LCI(x)=10.volumele sondajelor sunt egale cu 1 şi limitele de control pentru cele m valori individuale xi vor fi: am am LCI ( x )  x  3.91 LCS(x)=10.5 10 10. 8. LCS ( x)  x  3.9 0.71 Din tabela 15 din Anexă .9 11 10.8 |xi-xi-1| .1.9  x= 10. i .71/1. 0.4 9.5 0. .(0.

05 0.06  f=0. (9) n n Dacă LCI(p0) < 0 .03 0. 147 Fie k2(α) cel mai mare număr natural pentru care avem : n  P (d  k2 ( ))   k  k2 ( ) 1 Cnk p0k (1  p0 ) n  k  1  2 Avem : LCI(d) = k1(α) .02 0. variabila binomială poate fi aproximată cu variabila normală.02 0 0.04 8 Avem  f = 0. 0 (8) n n Cum p0 nu se cunoaşte .04 0.1 .07 0. limitele (7) implică calcule laborioase deaceea pentru n ≥40 şi p0 ≤0. LCS ( p0 )  p0  3.p0)/n deci limitele de control pentru p0 vor fi : p0 (1  p0 ) p (1  p0 ) LCI ( p0 )  p0  3. luăm LCI(p0) = 0 . Exemplu X = starea de ecloziune a ouălelor de găină în a 18-a zi de incubaţie.04 deci din relaţiile (9) obţinem : . . LCS(d) = k2(α) (7) Din păcate . LCS ( p0 )  f  3. a) Fişa de control pentru frecvenţa rebuturilor (fişa p ) Un estimator pentru p0 este fi = di /n unde di este numărul rebuturilor din sindajul nr. găsindu- se numărul di de ouă neeclozionate în aceste sondaje şi frecvenţele de rebut fi : Nr. i de volum n .0 0. se aproximează cu : 1 m 1 m 1 m n f   i mn  m i 1 f  i 1 d i   xij mn i 1 j 1 aşa că limitele de control pentru p0 devin : f (1  f ) f (1  f ) LCI ( p0 )  f  3.03 0. . Avem : M(fi)= p0 şi V(fi)=p0(1. 1 2 3 4 5 6 7 8 9 10 TOTAL Sond di 3 5 2 0 4 7 8 3 2 6  d=4 fi 0. Se efectuează m = 10 sondaje a câte n = 100 ouă în 10 serii de incubaţie.

găsind  produse defecte.099 . 0. lotul se respinge ca fiind necorespunzator calităţii X controlate.059  0 deci LCI(p 0 )  0 100 0.10 100 b) Se observă că toate valorile fi nu depăşesc limita superioară LCS(p0) deci X corespunde la controlul calităţii în cursul procesului de producţie ca proporţie a rebuturilor . lotul se acceptă ca fiind corespunzator calităţii X controlate. Exemplu Pentru exemplul anterior avem  d= 4 aşa că : LCI (d )  4  3 4  2 deci LCI(d)=0 LCS(d)=4+3 4  10 Niciuna din valorile di din cele 10 sondaje nu depăşeşte pe LCS(d) deci X corespunde la controlul calităţii în cursul procesului de producţie ca număr de rebuturi.04  3  0. LCS (d )  d  3 d (11) Dacă LCI(d) <0 luăm LCI(d) = 0 .2 CONTROLUL STATISTIC DE CALITATE LA RECEPŢIE D Fie un lot de N produse din care D au defecte şi fie p  proporţia acestor defecte. deci limitele de control pentru d au forma : LCI (d )    3  . N Dacă δ  c .In lotul respins se înlocuiesc produsele defecte cu altele bune.04  3  0. b)Fişa de control pentru numărul rebuturilor (fişa C ) În acest caz numărul di al rebuturilor într-un sondaj de volum n poate fi considerată variabilă Poisson cu media şi varianţa λ . 148 0.04  0.iar dacă δ  c . îl aproximăm cu : 1 m d  di m i 1 deci limitele precedente capătă forma : LCI (d )  d  3 d . LCS (d )    3  (10) Cum λ nu se cunoaşte .04  0. N Efectuăm un control selectiv al calităţii produselor astfel:extragem din lot un sondaj de n n produse (factorul de sondaj este ) şi le controlăm.96 LCI ( p0 )  0. 8.96 LCS ( p0 )  0.059  0. .04  0.04  0.

d 0 In plus valoarea medie pentru volumul n de sondaj este: n  n  L  p   N  1  L  p  . iar p1 calitate limită admisă.deci este riscul beneficiarului. .deoarece: N  δ D  δ M   . p 0 se va numi calitate de acceptare. Observăm că pentru p=0 avem n  n . Graficul său are forma: α  1  L p 0  este eroarea de ordin I.iar pentru p=1 avem n  N . CDN C NN p δ  δ D Prin calcul rezultă că ca variabila aleatoare. daţi. adică probabilitatea respingerii unui lot cu defecte putine.iar lim V   0 .  n N n   n Pentru . adică probabilitatea acceptării unui lot cu defecte multe.  L p 1  β . β  L p1  este eroarea de ordin II. Controlul calitatii revine deci la verificarea ipotezei H : p  p 0 faţă de alternativa H : p  p1 .deci este riscul furnizorului. trebuie să aflăm pe n şi c astfel ca: L  p 0   1α. 149 Probabilitatea de acceptare a lotului ca funcţie de p (proporţia produselor defecte în intregul lot) se notează cu L(p) şi se numeste caracteristica operativă a controlului de calitate.  este variabilă hipergeometrică deoarece obiectele controlate deja (între care pot fi şi rebuturi) nu se mai întorc în populaţie.are media M    şi varianţa n  n N  δ 1 N  n D  N  D δ V     deci este o estimaţie absolut corectă pentru proporţia  n n N 1 N 2 n D reală p  de produse defecte ale lotului. c Evident L  p   Pδ c   P δ d .de aceea avem: n d CdD  CnNdD C N p  C N  1p  d Pδ d    .

3)Dacă n este foarte mare. Aceste ecuaţii în raport cu n şi c sunt foarte greu de rezolvat datorită calculelor cu combinări.1) cu valori in tabela 1 a Anexei.aşa că n şi c satisfac ecuaţiile:  c  np 0  F   1α .  np 0  1  p0     c  np1  Fβ   . c CdNp1  C nN 1dp1   d 0 C NNp1 β.avem: N c L  p    Cdn  p d  1  p  n d d 0 încât n si c satisfac ecuaţiile: c n d  Cdn  pd0   1  p0  d 0  1α .  n  p1  d c d 0 d!  eβ n p1  . .  np1  1  p1    Prezentăm mai departe două tipuri de control al calităţii şi fiabilităţii: controlul simplu şi controlul secvenţial. deci n şi c satisfac ecuaţiile: N  n  p 0   n p 0 d c  d 0 d! e  1α . 150 adică: c CdNp1  C nN 1dp0   d 0 C NNp0  1α . avem: N c λd L  p     e λ d  0 d! n unde λ  np  D . n 1)Dacă este mult mai mic ca 1.In unele cazuri variabila hipergeometrică poate fi inlocuită cu variabila binomială. d 0 n 2)Dacă p şi sunt mult mai mici ca 1.Poisson sau normală. c C  p1d   1  pβ 1 n d d n  . avem:  c  np  L  p  F  .  np  1  p    unde F este funcţia de repartiţie N(0.

2. am demonstrat: Teorema 8. U1β  U p1  c  n Ţinând cont că: U1β   Uβ . 151 8.  σ  Xμ Conform demonstraţiei teoremei 6.2.  2 Dacă Tmin este limita inferioară admisă pentru valorile lui X.1. σ Pentru p  p0 obţinem:  Xμ  P   n  U p0  c n  1α .  σ  iar pentru p  p1 obţinem:  Xμ  P   n  U p1  c nβ   .  σ  σ Xμ Aşadar lotul se acceptă dacă: n   Up  c n . lotul este acceptat dacă la sondajul efectuat găsim media: X  Tmin  cσ . trebuie să găsim volumul sondajului n şi pragul de acceptare c al lotului la controlul calităţii. Această condiţie se mai scrie: Xμ T max μ  cσ  sau: Xμ  Tμ   n   max  c n. n σ este variabilă N(0. Pentru .1 In cazul testului simplu al controlului calităţii avem: 2  U α  Uβ  U α  U p1  U β  U p0 n  .deci avem :  U α  U p0  c   n. deci c rămâne neschimbat.1 Controlul unei însuşiri cantitative 8.2. p1 daţi.1 din secţiunea 6. Lotul este acceptat dacă la sondajul efectuat găsim media X  Tmax  cσ . luăm  S. .1 Controlul simplu al unei însuşiri cantitative Fie Tmax limita superioară admisă pentru valorile însuşirii cantitative(măsurabile) X.  şi p0 . σ  σ  Dar proporţia de produse defecte este:  Tμ   max  Tμ p  1  F  max  .iar n creşte de  c 2  1   ori. aşa că  Up .c  (1)  U p  U pα U U  0 1 β Dacă =necunoscută. ceea ce duce la aceleaşi valori ca mai sus pentru n şi c.1).

1 cm şi se dau =5%. c U μ α 1  βμ  U 0  U α β  T U (2)  2Tσ  0σ  1  σ   U α  Uβ  Exemple: 1)Se controlează X=greutatea unui lot de pui livraţi(kg) pentru care limita inferioară de calitate este Tmin = 1kg.9700 deci U 3%  1. Din formulele precedente obţinem : μ0=3.48 .9900 deci U1%  2. F  U 7%   93%  0.7.33. p 0  1%. Dacă se ştie că  = 0. c=1. Tmax  cσ  3. 2)Se controlează X=grosimea stratului de grăsime la greabăn al porcilor livraţi(cm) pentru care limita superioară de calitate este Tmax  4cm .2kg . U 2%  2.06. Solutie: Din tabela 1 a Anexei. Lotul se acceptă dacă într-un sondaj de n=12 porci.grosimea medie a stratului de grăsime la greabăn nu depăşeste 3. F  U1%   99%  0. 152 Fie T limita (superioară sau inferioară) pentru valorile lui X. aşa că:  σ    σ  μ 0  T  U p0  σ.65. obţinem F  U3%   97%  0.767 Kg .greutatea medie al acestora este de cel puţin 1. Lotul se acceptă dacă dintr-un sondaj de n=34 de pui livraţi. Înlocuind aceste valori în relaţia (1) găsim: n=34. μ1=1. Din relaţiile de mai sus obţinem: μ0=0.83 cm. 8. să se determine volumul n al sondajului şi limita de acceptare Tmin  cσ pentru media de sondaj X . Dacă se ştie că =0.175 Kg. U 7%  1. c=2 deci Tmin  cσ  1.88. U p1  1 σ σ Verificarea ipotezei H : p  p0 faţă de alternativa H : p  p1 devine: H :μ  μ 0 faţă de alternativa H :μ  μ 1 iar valorile din teorema 7.2 kg. =7%.1kg şi se dau =3%.9600 deci U 4%  1.1 devin: n  U α β  Uσ   . să se determine volumul sondajului n şi limita de acceptare Tmax  cσ pentru media de sondaj X.9300 deci U 7%  1. p1  4% .2 Controlul secvenţial al unei însuşiri cantitative .83 cm. μ1  T  U p1  σ Tμ 0 μ T deoarece U p0  . F  U 4%   96%  0.1. p1  7% .  Tμ 0  Tμ 1 Fie 1 F  p0 . F   p1 . =10%.75. μ1=4.2. p 0  2%. U10%  1.48. Din formula (1) rezultă: n=12.148 cm.794 cm. Solutie: Din tabela 1 din Anexă obţinem ca în exemplul anterior: U 5%  1.28.

2 2σ Pn 0 Pn 1 μ1  μ 0  nμ μ  aşa că avem: ln Pn 0  σ2   x i  0 2 1   Cu notaţiile: μ 0  μ1 σ2 β σ2 1. b0  ln  0 ..  σ   σ  de unde rezultă: μ 0  Tmax  U p0  σ. Avem cazurile: β P 1 β 1)  n1  .volumul n de sondaj este mult mai mic ca în cazul sondajului simplu.. x n în cazul în care este adevarată ipoteza H şi Pn1 probabilitatea de a obţine valorile x1 .prin logaritmare în baza e..duc la : Teorema 8.avem:   xμi  0    xμi  1  2 2 1  1   Pn 1  2σ 2 2 Pn 0 e 2σ şi e . In acest fel.dacă p este mult mai mic ca p 0 (lot foarte bun) sau mult mai mare ca p1 (lot foarte prost). Controlul de calitate revine a la verifica ipoteza H :μ  μ 0 faţă de alternativa H :μ  μ 1 ..β a .2 Avem cazurile: . Pαn0 Populaţia fiind presupusă normală şi datele de sondaj independente. Pn 0 1α Pn 1 1β 3)  . 1α P n 0 α Pn 1 β 2)  . Fie Pn 0 probabilitatea de a obţine valorile de sondaj x1 . în care caz se ia decizia acceptării ipotezei H :μ  μ 0 .ci se face controlul în lot.. μ1 max  0  Tμ T μ  definite de relaţiile: 1  F    p0 . x n în cazul în care este adevarată ipoteza alternativă H . în care caz se ia decizia acceptării ipotezei alternative H :μ  μ 1 .până la acceptarea sau respingerea lotului la controlul de calitate..produs cu produs.. Fie Tmax limita superioară admisă pentru valorile însuşirii cantitative X şi fie μ 0 . μ1  Tmax  U p1  σ .     n n 2π  σ 2π  σ de unde rezultă:   xμi  0  2  x  μi  1 2 Pn 1 e .. F max  1  p1 . în care caz se continuă măsurătorile. b1  ln > 0 (3) 2μ μ 11 α 0  μ μ 1α 0 cazurile 1)-3) de mai sus. 153 In acest caz volumul n al sondajului nu se mai determină în prealabil.

în care caz se acceptă ipoteza H :μ  μ 0 . σ  5kg.35 518 532. Solutie: Avem μ 0  100kg. Practic. deci zona 2 este zona de acceptare a lotului. se reprezintă grafic dreptele x  a.n  b1 .65 x 1    x n 105n+7. acceptarea ipotezei H duce la acceptarea lotului la controlul calităţii. Exemple: 1)X=greutatea porcilor la livrare(kg) limitată inferior.în timp ce acceptarea ipotezei alternative duce la respingerea lotului la controlul calităţii. β  2% .n  b1 . μ 1  110kg.deci zona 3 este zona de respingere a lotului.n  b1 .35 723 742.n  b 0 .44 5 103 515. b1  7.35 107 112.35 319 322.n  b0 şi x  a.să se verifice ipoteza H : μ  100kg faţă de H : μ  110kg prin control secvenţial.=2% şi se ştie că =5 kg.35 415 427.44 2 103 200. α  5%. în sistemul de axe cu abscisa n şi ordonata x i şi se continuă măsuratorile până când punctul de coordonate  n . în care caz se continuă măsuratorile.35 623 637.44 . 154 1) a.n  b0   x i  a.44 7 100 725.situaţia este inversă.deci conform formulelor (3) obţinem: a  105kg. în care caz se acceptă ipoteza alternativa H :μ  μ 1 . b 0  9.44 3 109 305. 2)  x i  a. Tabelul de calcul cu datele de sondaj x i şi sumele  x i este: n xi 105n-9.44 4 96 410. Dacă Tmin este limită inferioară pentru X .44 6 105 620.44 .Dacă se dau =5%.44 1 107 95. 3)  x i  a.35 210 217.65. x  i trece prin una din zonele 2 sau 3: Tmax fiind limită superioară pentru X.

5n-2.8 34.15 3. μ 1  4cm.2.7 9. deci se acceptă H.2 Controlul unei însuşiri calitative 8.65 13.65 20. β. aşa că lotul se acceptă la controlul calităţii deoarece X este limitată superior.5cm. deci se acceptă H. p 0 . Dacă se dau =6%.aşa că lotul se respinge la controlul calităţii deoarece X este limitată inferior. b 0  2.0 25.5n+2. α  6%.1 Controlul simplu al unei însuşiri calitative Pentru α.2. 2p 0 2p1 .6 22. iar pentru p  p1 avem  β  p1 .35.15 10.15 23. de unde 2n 2n rezultă : Teorema 8.65 26.avem  x i  a.3 1α2  β2 Avem n  cu 2(c+1) grade de libertate. 8. Solutie: Avem μ 0  3cm.1 30.15 28.72 Tabelul de calcul cu datele de sondaj x i şi sumelor x i .avem  x i  a.7 29.6 6. prin control secvenţial.72 3 3.72 5 3.8 13.35 x 1    x n 3.15 17. σ  1cm. 155 După n=7 măsuratori. 2n 1 2 1 2 Pentru p  p 0 avem 1α  p0 . p1 daţi.22 Dacă n=9 măsurători. b1  2. 2)X=grosimea stratului de grăsime la greabăn pentru porci(cm) limitată superior. deci conform formulelor (3) obţinem: a  3.72 7 2.n  b 0 .6 20.22 8 3.1 27.0 11.5 23.2.22 2 4.să se verifice ipoteza H : μ  3cm faţă de alternativa H : μ  4cm .9 18.n  b 0 .72 1 3.22 4 3.trebuie să găsim volumul n al sondajului şi pragul de acceptare c al lotului la controlul de calitate.22 6 2.8 16.72 9 2.8 15. 1 2 Se poate arăta că p   p cu 2(c+1) grade de libertate.1 8.este: n xi 3. Lotul este acceptat dacă la sondajul efectuat găsim numărul de rebuturi δ  c .65 7. β  9% .1 4.=9% şi se ştie că =1 cm.6 1.

05 .2 Controlul secvenţial al unei însuşiri calitative  1.pentru că în acest caz avem  0.95   0. Pn 0 1α . dacă al i-lea produs din sondaj este defect faţă de însuşirea X  Fie: x i  în caz contrar  0. β  5%. în care caz se decide că H : p  p 0 este adevarată.05 2 sau 3 0. Dacă se dau α  5%.05  30. 2  0. 1α P n 0 α Pn 1 β 2)  . p1  6% . 8.14 .2.2. k n k P  p   1   p1 Pn 1  p  1   p1 Avem n 1   1    . Solutie:  0.cel mult c=9 ouă sunt neeclozionate. în care caz se continuă măsurătorile.95 2  0. Pn 0  p0  1  p 0 Pn 0  p 0  1  p 0 Dându-se  şi .03 Lotul se acceptă dacă dintr-un sondaj de n=167 de ouă . se cere volumul sondajului n şi pragul de acceptare c al lotului la controlul calităţii.03 0. Pn 1  C nk p1k  1  p1  n k nk . In cazul nostru avem: Pn 0  Cnk p 0k  1  p 0  . Controlul de calitate revine la verificarea ipotezei H : p  p 0 faţă de alternativa H : p  p1 . egalitate care se realizează 2 2 Trebuie să avem:  0.95  10. p 0  3%.ln  1   n  k  .12 Rezultă că c=9 şi n  167 . respectiv p 0 .ln  . p0 p1 Exemplu: X=ecloziunea unui lot de ouă de găină în a 18-a zi de incubaţie.12. apoi din teorema 8.3 găsim pe n.deci: ln  k . p1 avem cazurile: β P 1 β 1)  n1  .  deci dacă x i sunt independente. deci găsim pe c. unde k   xi este numărul produselor din sondaj care sunt rebuturi faţă de însuşirea calitativă X. 2 2 10.  0. 156 In concluzie vom căuta pentru câte grade de libertate (egale cu 2(c+1)) avem:  2  β2  1α  .06 pentru 2(c+1)=19 GL .  x i este variabilă binominală de parametri p  P x i   1 şi n.

Se dau =4%.87 3 4. b0  . Acceptarea ipotezei H duce la acceptarea lotului la controlul calităţii. b1  0. 3) k  a. p 0  0.72 5 0 1. .n  b0 şi x  a. este: n xi 0. deci conform formulelor (4) obţinem: a  0.04.deci lotul se acceptă la controlul calităţii.n  b 0 .63.22 6 1 2.22 4 0 1.72 3 1 0. 157 Pn 1 1β 3)  .1.9 .87 2 2. 2) k  a.deci zona 2 este zona de acceptare a lotului în timp ce acceptarea alternativei H duce la respingerea lotului la controlul de calitate.13 0 1.n  b1 .k) trece în una din zonele 2 sau 3. Practic. în care caz se continuă masuratorile. în care caz se decide că alternativa H : p  p1 este adevarată.63 k  x1  K  x n 0. β  0. Pαn0 Cu notatiile: 1  p0 β 1β ln ln ln 1  p1 1α α a .72 .4 Avem cazurile: 1) a. Tabelul de calcul cu datele de sondaj x i şi sumele k   x i .37 2 2. în care caz se acceptă ipoteza H.conduc la : Teorema 8. Exemplu: X=viabilitatea puilor de găină in vârstă de o zi.87 2 3.5n-0. b1  (4) p1  1  p 0  p1  1  p0  p1  1  p0  ln ln ln p 0  1  p1  p 0  1  p1  p0  1  p1  cazurile 1)-3) de mai sus prin logaritmare în baza e.72 După n=8 pui controlaţi se acceptă ipoteza H. în care caz se acceptă alternativa H .37 3 4.5n+0.se reprezintă grafic dreptele x  a.deci zona 3 este zona de respingere a lotului.22 8 0 3. Să se verifice ipoteza H:p<10% faţă de alternativa H : p  90% prin controlul secvenţial.5.37 1 1.22 2 1 0.06. p1  0.=6%.72 7 0 2.72 1 0 -0. b 0  0.n  b1 .n  b0  k  a.n  b1 în sistemul de axe cu abscisa n şi ordonata k   xi şi se continuă măsurătorile până când punctul de coordonate (n. Solutie: Avem α  0.37 3 3.

deci obţinem pe c.2 Fiabilitatea este o însuşire calitativă(atributivă) pentru care p 0 şi p1 sunt înlocuiţi cu T0 (timpul mediu de funcţionare fără defecţiuni acceptat).2. In acest caz  0.05 sau 2  0.95  26.2.1 Controlul simplu al fiabilităţii maşinilor agricole Dacă pentru produsele agricole destinate consumului este important controlul statistic al calităţii lor in raport cu diferite însuşiri X.pentru câte grade de libertate. pentru α.T0  160 ore.51  2120 ore. Solutie: Trebuie să avem T0 1α  T1 β . Lotul este acceptat dacă: a)timpul de funcţionare până la apariţia a c defecţiuni este t  t c sau b)numărul de defecţiuni apărute în timpul de funcţionare t c este k  c . 2 2 160 De aici rezultă că c=19. p 2t c 2t c Pentru t  T0 avem: T0  .3 Controlul fiabilităţii maşinilor agricole 8. Exemplu: Pentru controlul fiabilităţii unor maşini agricole de împrăştiat îngrăşăminte chimice. In cadrul testului simplu al controlului fiabilităţii. se dau α  5%.β  5%.β. 2 2 Vom căuta în tabela 3 din Anexă . 2t c Se poate arăta că t  2 cu 2(c+1) grade de libertate.05  55. avem T0  2  1α  T1 β 2 .T1 daţi.51. pentru maşinile agricole este important controlul statistic al siguranţei în functionare sau al fiabilitatii lor.3. unde avem T0 >T1 spre deosebire de p 0  p1 la însuşirile X atributive. adică 160  0. In caz contrar lotul se respinge la controlul fiabilităţii. t c  26.  0.95  80  0. măsurabile sau atributive.76 . 2 .5 T T Avem t c  0 1α2  1 β 2 cu 2(c+1) grade de libertate.05 2 2 2 2 2 2 ceea ce se întamplă pentru 2(c+1)=40 GL. Definiţia fiabilităţii a fost dată în secţiunea 4. respectiv T1 (timpul mediu de funcţionare fără defecţiuni limită admis). 158 8. Să se determine numărul c de maşini defecte acceptat şi timpul de acceptare t c la controlul fiabilităţii.T0 . de unde rezultă: 1α 2 β Teorema 8. iar pentru t  T1 avem: T1  2 .95   0. adică 2(c+1). T1  80 ore.deci trebuie verificată ipoteza H : t  T0 faţă de alternativa H : t  T1 . apoi din teorema 8.trebuie găsite numărul de defecţiuni acceptate c şi timpul de acceptare t c al lotului la controlul fiabilităţii.5 obţinem pe t c .

 .lotul se respinge la controlul fiabilităţii.    P k  e  k!  este timpul mediu între apariţia a două defecţiuni consecutive. 1α P n 0 α Pn 1 β 2)  . t deci: Pn 0   To   e .1 . t n .cazurile 1)-3) de mai sus conduc la : Teorema 8. b 0  1α . în care caz se acceptă ipoteza alternativa H .2. Pn 0 1α Pn 1 1β 3)  . Pn 0 T1  T1 T0 Avem cazurile: β P 1 β 1)  n1  . 8. t este timpul de funcţionare fără defecţiuni al unei maşini. în care caz se continuă măsurătorile.este: P  k   e k! k 1  t Cu λ  avem:   t  . In caz contrar.  . probabilitatea de a avea k defecţiuni într-un interval de timp de  λ  t   λ t .ln o  t  ln   . Pαn0 1 1 β 1 β  ln ln T1 T0 Cu notatiile: a  .6 . Pn 1  T0  T1 e T1 k! k! k  1 1 Pn 1  T0  t     T1 T0   e . t n în cazul că alternativa H este adevarată.iar datele de sondaj privind funţionarea sa fără defecţiuni sunt: t 1 . Conform teoremei 4. t n în cazul că ipoteza H este adevarată şi Pn 1 probabilitatea de a obţine datele de sondaj t 1 . 159 In concluzie. Fie Pn 0 probabilitatea de a obţine datele de sondaj t 1 . k lungime t.3. Pn 0  T1 Pn 1 T  1 1 de unde:  k .2 Controlul secvenţial al fiabilităţii maşinilor agricole Dorim să verificăm ipoteza H : t  T0 faţă de alternativa H : t  T1 . Avem: k k  t  t   t    . în care caz se acceptă ipoteza H.lotul se acceptă dacă timpul de funcţionare până la defectarea a 19 maşini este de cel puţin 2120 ore sau dacă numărul de maşini care s-au defectat după 2120 ore de funcţionare este de cel putin 19 maşini. unde T0>T1 . b1  α (5) T0 T0 T0 ln ln ln T1 T1 T1 prin logaritmare in baza e.  .

b1  2.54t+2.08 0 2.86 Se acceptă ipoteza H: t>4 luni după t=7 luni de funcţionare deci lotul de staţii de epurare se acceptă la controlul calităţii.62 2 5.β  10%.16 3 0 0 1 3. în care caz se continuă măsurătorile.se reprezintă grafic dreptele x  a.08 1 0 -1.t  b1 .62.este: t ti 0.=10%.t  b0  k  a.4 Întrebări .32 7 0 2.08 .3 Rezumat În acest capitol se prezintă controlul statistic al calităţii în cursul procesului de producţie prin fişe de control al unei însuşiri cantitative respectiv calitative .16 2 5. în sistemul de axe cu abscisa t şi ordonata k   t i şi se continuă măsurătorile până când punctul de coordonate (t.24 5 1 1. deci conform formulelor (5) găsim: a  0.54 1 3.t  b1 .54.T1  1 .78 6 0 1. avem =5%. Practic. Să se verifice ipoteza H: t>4 luni faţă de alternativa H : t  1 lună prin control secvenţial. Tabelul de calcul cu datele de sondaj t i şi sumele k   ti .T0  4. Exemplu: Pentru controlul fiabilităţii unor staţii pentru epurarea dejecţiilor la porci. 3) k  a. Soluţie: Avem α  5%.t  b 0 şi x  a. în care caz se acceptă ipoteza H.62 k  t1  K K  tn 0. 8. 8.54 1 4.54t-1.62 2 1 -0. caliative şi fiabilitate. în care caz se acceptă ipoteza alternativă H . Se prezintă controlul simplu şi secvenţial al controlului statistic de recepţie pentru însuşiri cantitative. b 0  1. Zona 2 este zona de acceptare al lotului la controlul fiabilităţii.08 2 4.70 4 0 0. 2) k  a. 160 Avem cazurile: 1) a.t  b1 .iar zona 3 este zona de respingere al lotului la controlul fiabilităţii.k) trece prin una din zonele 2 sau 3.t  b 0 .

În ce constă controlul simplu al calităţii la recepţie ? 3.1985 3.M. 161 1.Iosifescu şi col.Ceres. Alecu “ Statistică aplicată în agricultură “ Ed.N..Ene . În ce caz controlul sevcenţial este preferat controlului simplu ? 8.Ştiinţif.şi Enciclop. În ce constă controlul secvenţial al calităţii la recepţie ? 4. M. “ Mică enciclopedie de statistică “ Ed. Anuarul statistic al României .2003 2. 1990 -2003 .5 Bibliografie 1.D. I. Ce fişe de control se folosesc pentru controlul calităţii în cursul procesului de fabricaţie? 2.Drăghici.