Vedran Mudronja, Gorana Bari, Marko Kati, Vedran imunovi

VEDRAN MUDRONJA, GORANA BARI, MARKO KATI, VEDRAN

IMUNOVI
Fakultet strojarstva i brodogradnje, Zagreb
vedran.mudronja@fsb.hr , gorana.barsic@fsb.hr, marko.katic@fsb.hr,
vedran.simunovic@fsb.hr

INDEKSI SPOSOBNOSTI PROCESA I STATISTIKE TOLERANCIJE

Pregledni rad/Review
Saetak

Statistike tolerancije ulaze u sve iru primjenu u industrijskoj proizvodnji. U radu e se

komentirati pretpostavke povezane s naznaenim vrijednostima indeksa sposobnosti procesa
temeljem kojih se vri proraun statistikih tolerancija. Odreena pojanjenja razmotriti e se
na odgovarajuem primjeru prorauna statistikih tolerancija.

Kljune rijei: sposobnost procesa, indeksi sposobnosti procesa, kontrolne karte, statistike
tolerancije

1. UVOD

Primjena statistikih tolerancija danas je neizostavna u proizvodnji dijelova, posebice u

automobilskoj industriji. Navoenjem statistikih tolerancija kupac na izravan nain iskazuje
zahtjev za kvalitetom dijelova. Cilj ovog rada je upoznavanje s postupcima statistike analize
tolerancija uz tumaenje indeksa sposobnosti procesa, koji su sastavni dio statistikih
tolerancija.

2. STATISTIKE TOLERANCIJE

Statistike tolerancije prvi put su obraene u normama ASME Y14.5M-1994. i ASME

Y14.5.1M-1994. U normama su u kratkim crtama naznaeni temeljni principi aritmetikih i
statistikih tolerancija uz prijedlog simbola za oznaavanje statistikih tolerancija na
tehnikim crteima.

ST - simbol za oznaavanje statistikih tolerancija

U postupcima analize tolerancija koriste se oznake prikazane na slici 1.

Slika 1 - Tolerancije

LSL donja granica zahtjeva (tolerancije)

USL gornja granica zahtjeva (tolerancije)
T podruje zahtjeva (T = 2 TOL)

LSL + USL
D=
2

14. HRVATSKA KONFERENCIJA O KVALITETI I

5. ZNANSTVENI SKUP HRVATSKOG DRUTVA ZA KVALITETU - 231 -
Baka, otok KRK, 15. 17. svibnja 2014. g.
 Vedran Mudronja, Gorana Bari, Marko Kati, Vedran imunovi

Tolerancije se mogu slagati (analizirati) aritmetiki i statistiki. Kratak prikaz metoda dan je u
nastavku.

2.1 Aritmetiko slaganje tolerancija (WC - Worst Case)

TOLY = TOLxi

Ovo je klasian nain tzv. stack-up analize. Danas je uglavnom primjenljiv samo za kritine
sustave. Ne predviaju se nesukladnosti. Ovaj model je vrlo skup u odnosu na druge
(statistike) modele analize.
Primjenjuje se, u pravilu, 100%-tna kontrola sastavnih dijelova.

2.2 Statistiko toleriranje (RSS Root-Sum-Squares)

3 Y = TOLY = 3 TOL
2 2
xi = xi

Ovo je razumna procjena i zahtijeva blae tolerancije sastavnih dijelova, a time i niu cijenu
izrade. Mogua je pojava nesukladnosti u postupku sastavljanja. Ova metoda pretpostavlja
statistiku kontrolu procesa (SPC) izrade sastavnih dijelova. Radi sigurnosti esto se izlazna
tolerancija mnoi s odreenim koeficijentom. U primjeni je uglavnom tzv. Bender-ov
koeficijent koji iznosi 1,5 odnosno:
TOLy = 1,5 TOL 2
xi

2.3 est sigma metoda

Poseban nain statistikog toleriranja je tzv. est sigma metoda. U ovom sluaju se u
analizu tolerancija ukljuuju indeksi sposobnosti procesa. Opi izraz za analizu tolerancija je:

2
TOLxi
Y = =
2
Xi
3C p
Meutim, s obzirom da se C indeksima (Cp, Cpk) procjenjuje potencijalna sposobnost
procesa prihvatljivije je u analizu tolerancija ukljuiti P indekse (Pp, Ppk) koji odraavaju
stvarnu mogunost (sposobnost) procesa, odnosno:

2
TOLxi
y =

3Pp

U postupcima analize tolerancija ovom metodom pretpostavlja se da je Pp = Ppk , odnosno

pretpostavlja se potpuna centriranost procesa. Ta je pretpostavka u praksi rijetko ispunjena te
je nuno analizu tolerancija provesti i primjenom Monte Carlo simulacija pri emu uz
zahtijevani Ppk treba analizirati nepovoljne situacije uz pretpostavljeni Pp. Na Slici 2.
prikazane su neke raspodjele procesa za sluaj kada je Ppk=1 uz promjenljivu vrijednost
indeksa Pp.
Kod primjene ove metode analize tolerancija nuno je kontrolirati procese izrade sastavnih
dijelova primjenom odgovarajuih kontrolnih karata uz dokumentiranje indeksa sposobnosti
procesa.

14. HRVATSKA KONFERENCIJA O KVALITETI I

5. ZNANSTVENI SKUP HRVATSKOG DRUTVA ZA KVALITETU - 232 -
Baka, otok KRK, 15. 17. svibnja 2014. g.
 Vedran Mudronja, Gorana Bari, Marko Kati, Vedran imunovi

Slika 2 - Mogue raspodjele procesa za Ppk=1

Primjer provoenja analize tolerancija naveden je u toci 4. Meutim, radi punog

razumijevanja statistikih tolerancija u nastavku se provodi rasprava o indeksima sposobnosti
procesa.

3. INDEKSI SPOSOBNOSTI PROCESA

Podsjetimo se definicije sposobnosti procesa: Sposoban proces je onaj proces koji moe
proizvoditi jedinice (dijelove) unutar zahtijevanih granica (granica tolerancije).
Pri tome mora dominirati postavka da kvalitetu procesa odreuje njegovo rasipanje, te s tim u
vezi prihvatiti injenicu da je procijenjeno standardno odstupanje, kao statistika mjera
rasipanja, ujedno i mjera kvalitete.
Sposobnost procesa se iskazuje posredstvom odgovarajuih indeksa. Raunanje i pravilna
interpretacija indeksa sposobnosti procesa temelji se na slijedeim pretpostavkama:
raspodjela podataka se moe aproksimirati normalnom raspodjelom;
proces koji se razmatra je stabilan i bez znaajnih uzroka varijacija (proces je pod
kontrolom);
pouzdana procjena sposobnosti procesa moe se donijeti samo temeljem praenja
procesa primjenom odgovarajue kontrolne karte i nakon dovoenja procesa u stanje
statistike kontrole (stanje pod kontrolom).
U literaturi se mogu nai razliita tumaenja indeksa sposobnosti procesa. Ta su tumaenja
esto kontradiktorna i mogu unijeti zbrku u primjeni. Zbrka je uglavnom povezana s nainom
procjenjivanja raspona procesa (standardnog odstupanja) i s tim u svezi primijenjene
terminologije. Vano je naznaiti da standardno odstupanje treba procjenjivati temeljem
dovoljno velikog broja podataka. Statistika je igra velikih brojeva i procjena statistikih
parametara iz malog broja podataka uvijek rezultira relativno niskim razinama pouzdanosti.
Inenjerska praksa potvruje da za relativno pouzdanu statistiku procjenu treba broj
podataka biti vei od 300.
Dominantan indeks sposobnosti procesa je tzv. potencijalna sposobnost Cp (engl. Potential
Capability). Ovaj indeks se moe procijeniti (izraunati) samo temeljem analize odreene
kontrolne karte. Indeks se rauna temeljem sljedeeg izraza:
T R s
Cp = , pri emu je: = ili = .
6 d2 c2
Pri tome se procjena standardnog odstupanja dobiva analizom karte rasipanja x R ili
x s kontrolne karte.
Ovako procijenjeno standardno odstupanje naziva se standardno odstupanje iz uzoraka ili
unutranje standardno odstupanje (engl. within subgroups or internal standard deviation).

14. HRVATSKA KONFERENCIJA O KVALITETI I

5. ZNANSTVENI SKUP HRVATSKOG DRUTVA ZA KVALITETU - 233 -
Baka, otok KRK, 15. 17. svibnja 2014. g.
 Vedran Mudronja, Gorana Bari, Marko Kati, Vedran imunovi

Vano je naznaiti da iznos indeksa Cp ukazuje na potencijalnu sposobnost procesa, odnosno

sposobnost procesa koja se uz raspoloive resurse (strojevi, radnici, materijali i dr.)
eventualno moe postii. Drugim rijeima ovim indeksom su obuhvaene samo sluajne,
procesu svojstvene varijacije. Vrijednost indeksa tijekom dueg vremenskog razdoblja u
pravilu ima vrlo malu varijabilnost bez obzira na pomake u procesu, trendove i sl.
Ako se u postupku procjene standardnog odstupanja koriste svi podaci iz uzoraka kontrolne
karte dobiva se tzv. ukupno standardno odstupanje (engl. overall standard deviation)
temeljem kojeg se rauna indeks stvarne sposobnosti procesa (engl. Performance Process):

(x ) 2
T x
Pp = , uz: = i
.
6 n 1

Iznos indeksa Pp varira u funkciji pomaka procesa u promatranom vremenskom razdoblju.

Ako su u procesu prisutne samo sluajne varijacije tada su vrijednosti indeksa Pp i Cp jednake.
U opem sluaju iznos indeksa Pp je uvijek manji od iznosa indeksa Cp osim ako nije
analiziran dovoljno velik broj podataka.
Primjer x R kontrolne karte u kojoj nema izraenih pomaka procesa prikazan je na Slici 3.

Slika 3 - x R kontrolna karta bez izraenih pomaka procesa

S obzirom da nema izraenih pomaka procesa vrijednosti indeksa Cp i Pp su vrlo bliske

(Cp=1,34; Pp=1,37). Ova informacija upuuje na nemogunost poboljanja kvalitete
procesa ako se ne izvri odreena promjena u proizvodnim resursima.
Na Slici 4. prikazan je proces koji nije pod kontrolom. Vidi se pomak (statiki) procesa.
Procjene standardnih odstupanja se znaajno razlikuju (dvije raspodjele na desnoj slici).

Slika 4 - x R kontrolna karta s izraenim pomakom procesa

Xba r-R Cha rt of 30-4 Pr ocess Ca pabil ity o f 30-4
1

104 .6 LSL U SL
U C L=1 04 .5 085 P r oce ss D at a W ithin
S a m p le M e a n

LS L 103 O verall
104 .4
_
_ T ar get *
US L 105 Po te nt ial (W it hin) C ap ab ility
X =10 4. 28 78
S am ple M e an 104 .2 88 Cp 2 .6 2
104 .2 CP L 3 .3 7
S am ple N 90
S tD ev (Wit hin ) 0.1 27 46 CP U 1 .8 6
LC L=10 4. 06 70
1 1 Cp k 1 .8 6
104 .0 S tD ev (O v e ra ll) 0.2 03 24 8
1 O v e ra ll C apa bilit y
1 4 7 10 13 16 19 22 25 28 Pp 1 .6 4
S a mp le
PPL 2 .1 1
PPU 1 .1 7
0. 60 P pk 1 .1 7
U C L=0 .5 55 5 Cp m *

0. 45
S a mp l e R a ng e

0. 30
_
R = 0.2 15 8 10 3.2 103 .5 10 3.8 1 04 .1 1 04.4 1 04 .7 10 5.0
0. 15
O bse rv ed P e rf or m ance E xp. With in P er fo rm an ce E xp. O v er all P er for m an ce
P P M < LS L 0. 00 P P M < LS L 0.0 0 PP M < LS L 0 .0 0
0. 00 LC L=0 PPM > U SL 0. 00 PPM > U SL 0.0 1 PP M > U S L 228 .9 8
1 4 7 10 13 16 19 22 25 28 P P M T o ta l 0. 00 P P M T o ta l 0.0 1 PP M T ot al 228 .9 8
S a mp le

14. HRVATSKA KONFERENCIJA O KVALITETI I

5. ZNANSTVENI SKUP HRVATSKOG DRUTVA ZA KVALITETU - 234 -
Baka, otok KRK, 15. 17. svibnja 2014. g.
 Vedran Mudronja, Gorana Bari, Marko Kati, Vedran imunovi

U ovom se sluaju iznosi indeksa Cp i Pp znaajno razlikuju (Pp=1,64; Cp=2,82). Nadzorom

procesa i otklanjanjem uzroka pomaka mogue je, glede sposobnosti procesa, doi do razine
koja je definirana iznosom indeksa Cp.
Sredina procesa je tijekom vremena promjenljiva, odnosno dolazi do tzv. dinamikog pomaka
procesa. Moe se pretpostaviti, ako nema injeninih pokazatelja, da su pomaci procesa u
dugom vremenskom razdoblju unutar intervala 1,5 . S obzirom na pomak procesa,
odnosno njegovu necentriranost, moe se izvriti korekcija indeksa Cp i Pp. Pri tome se
korekcija k rauna iz izraza:

D sred . procesa
k= , odnosno: k =
USL LSL TOL
2
Pri tome je D ciljana vrijednost procesa (sredina polja tolerancija), a sredina procesa je
sredinja linija primijenjene kontrolne karte ili aritmetika sredina podataka temeljem kojih je
izvrena procjena indeksa sposobnosti procesa.
Korigirane vrijednosti indeksa sposobnosti procesa Cp i Pp dobivamo iz izraza:

C pk = (1 k ) C p ; Ppk = (1 k ) Pp

Indeks sposobnosti procesa Cpk esto se naziva i demonstrirana izvrsnost (engl. Demonstrated
excellence).
esto puta je poeljno izraunati, a obavezno u sluaju samo jedne granice tolerancija, tzv.
donju potencijalnu sposobnost (CpL), odnosno gornju potencijalnu sposobnost (CpU), pri emu
je:
sred . procesa LSL USL sred .procesa
C pL = ; C pU = .
3 3

Posredstvom indeksa CpL i CpU moe se odrediti iznos indeksa Cpk kao:

C pk = min{C pL , C pU }
Napomena: Isti izrazi koriste se za P indekse sukladno odgovarajuoj procjeni standardnog
odstupanja .
Pored navedenih indeksa sposobnosti procesa u praksi je u primjeni, a najee prilikom
preuzimanja stroja, indeks Cpm koji se naziva potencijalna sposobnost stroja (engl. Potential
Machine Capability). Ovaj indeks se rauna koritenjem alternativne procjene standardnog
odstupanja koja sadri efekt sluajne necentriranosti (rasipanja oko ciljane vrijednosti D).
S tim u vezi se ovaj indeks esto naziva i Taguchi-jev indeks. Rauna se koritenjem sljedeih
izraza:

=
(x D )
i
2
USL LSL
, odnosno: C pm = .
n 1 6
U kojem e sluaju procjena standardnog odstupanja biti pouzdana, a u kojem sluaju ak i
besmislena? Za pouzdanu procjenu , a time i indeksa sposobnosti procesa, nuno je ispuniti
dva temeljna uvjeta:
1. Standardno odstupanje treba procjenjivati temeljem dovoljno velikog broja
podataka.
2. Drugi uvjet je da vidimo podatke. To znai da raspodjelu podataka grafiki
prikaemo histogramom, te vizualno, ili koritenjem odgovarajueg statistikog testa,

14. HRVATSKA KONFERENCIJA O KVALITETI I

5. ZNANSTVENI SKUP HRVATSKOG DRUTVA ZA KVALITETU - 235 -
Baka, otok KRK, 15. 17. svibnja 2014. g.
 Vedran Mudronja, Gorana Bari, Marko Kati, Vedran imunovi

utvrdimo normalnost raspodjele. Najee je vizualna ocjena normalnosti potpuno

zadovoljavajua. U sluaju da raspodjela nije normalna treba traiti uzrok tome. Nije rjeenje
u brzopletom raunanju statistikih parametara primjenom odreene ne-normalne raspodjele.
U praksi esto i izgled histograma moe zavarati i dovesti do pogrenih zakljuaka. S toga,
gdje je god mogue, treba pored histograma vidjeti i kretanje podataka u vremenu
(kontrolna karta). Zapamtimo da se C indeksi mogu izraunati samo temeljem analize
odgovarajue kontrolne karte.
C indeksi pokazuju do koje razine moemo uz postojee resurse poboljavati kvalitetu
procesa. Izuzetak ine procesi s izraenim trendovima. U takvim sluajevima nije ispunjen
niti uvjet da je proces raspodijeljen po normalnoj raspodjeli jer su takvi procesi raspodijeljeni
po tzv. uniformnoj raspodjeli. Za takve procese provedena rasprava o sposobnosti procesa nije
primjenljiva.

4. PRIMJER ANALIZE TOLERANCIJA

Tehnikom dokumentacijom propisan je labavi dosjed H7/g6 za provrt/osovinu nazivnog

promjera 20 mm (Slika 5.).

Slika 5 - Labavi dosjed H7/g6

Tolerancija H7 promjera provrta (D) iznosi 20 0+0, 021 mm , a tolerancija g6 promjera osovine (d)
iznosi 2000,,007
020 mm.

U cilju provoenja statistike analize tolerancija moemo navedene zahtjeve napisati kao:
D = D TOLD
D = 20,0105 0,0105 mm, odnosno:
d = d TOLd
d = 19,9865 0,0065 mm.

4.1 Worst Case metoda

Worst Case analizom zranosti dobivamo:

TOLz = TOLD + TOLd , odnosno:
z = 24 17 m.
To znai da je predviena zranost z u rasponu od 7 m do 41 m.

4.2 RSS metoda

14. HRVATSKA KONFERENCIJA O KVALITETI I

5. ZNANSTVENI SKUP HRVATSKOG DRUTVA ZA KVALITETU - 236 -
Baka, otok KRK, 15. 17. svibnja 2014. g.
 Vedran Mudronja, Gorana Bari, Marko Kati, Vedran imunovi

RSS metodom iz izraza:

3 z = TOLz = TOL2D + TOL2d
dobivamo standardno odstupanje zranosti u iznosu od z = 4,1 m, odnosno 3 z = 12,3 m,
te imamo:
z = 24 12,3 m.
Treba napomenuti da bi se u ovom sluaju zranost kretala u intervalu od 11,7 m do 36,3
m. Na Slici 6. kvalitativno su prikazane pretpostavke za provoenje RSS analize (raspodjele
1 i 2), odnosno pretpostavlja se da je Pp=Ppk=1.

Slika 6 - Pretpostavke za RSS analizu

4.3 Statistika analiza tolerancija za Ppk = 1 i Pp = 2

Ako pretpostavimo nepovoljan sluaj u izradi dijelova, odnosno da su Ppk = 1 i

Pp = 2 sukladno prikazu na Slici 6. (raspodjele 3 i 4) dobivamo:
TOLD TOLd
D = = 0,00175 mm; d = = 0,00108 mm; z = D2 + d2 = 0,002056 mm.
6 6
DL
Iz izraza: PpL = , raunamo: D = L + 3 D PpL = 20 + 3 0,00175 1 = 20,00525 mm, a iz
3 D
izraza:
U d
PpU = , raunamo: d = U 3 d PpU = 19,993 3 0,00108 1 = 19,98976 mm.
3 d
Srednja zranost iznosi: z = D d = 0,0155 mm.
U ovom sluaju dobivamo da je zranost: z = 15,5 6,2 m, odnosno zranost bi se kretala u
rasponu od 9,3 m do 21,7 m, to je znaajno manje u odnosu na postavljene tolerancijske
zahtjeve.

4.4 est sigma metoda

S obzirom na probleme koji se pojavljuju u postupku sastavljanja dijelova a poglavito zbog

odstupanja od oblika (krunost, cilindrinost) izvrena je korekcija tolerancija uvoenjem
statistikih tolerancija s namjerom da se osigura najmanja zranost u iznosu od 15 m (Slika
7.).

14. HRVATSKA KONFERENCIJA O KVALITETI I

5. ZNANSTVENI SKUP HRVATSKOG DRUTVA ZA KVALITETU - 237 -
Baka, otok KRK, 15. 17. svibnja 2014. g.
 Vedran Mudronja, Gorana Bari, Marko Kati, Vedran imunovi

Slika 7 - Labavi dosjed H7/g6 s oznakom statistikih tolerancija

Pretpostavimo Pp=Ppk=1,4 za procese izrade dijelova (provrt/osovina) kao to je prikazano na

Slici 8. (raspodjele 1 i 2).

Slika 8 - Pretpostavke za est sigma analizu

Koritenjem izraza:
2 2
TOLD TOLd
z = +
3P
, dobiva se: z = 0,00294 mm, odnosno:
3 Pp p

z = 24 8,8 m.
Zranost bi se u ovom sluaju kretala u rasponu od 15,2 m do 32,8 m. Zanima nas kolika je
vjerojatnost da se kod sparivanja dijelova pojavi zranost manja od zahtijevanih 15 m.
Temeljem vrijednosti varijable u jedinine normalne raspodjele:
z z 15 24
u= = = 3,061 m
z 2,94
dobiva se (Excel NORMSDIST funkcija):
P = 0,001102 ( 0,1 %), odnosno zranost bi bila manja od 15 m u 1102 sluaja na milijun
(DPMO = 1102).

4.5 est sigma metoda za Ppk=1,4 i Pp=2

14. HRVATSKA KONFERENCIJA O KVALITETI I

5. ZNANSTVENI SKUP HRVATSKOG DRUTVA ZA KVALITETU - 238 -
Baka, otok KRK, 15. 17. svibnja 2014. g.
 Vedran Mudronja, Gorana Bari, Marko Kati, Vedran imunovi

Ako pretpostavimo nepovoljniji sluaj, odnosno Ppk=1,4 i Pp=2 kao to je prikazano na Slici
8. (raspodjele 3 i 4) dobivamo:
TOLD TOLd
D = = 0,00175 mm; d = = 0,00108 mm; z = D2 + d2 = 0,002056 mm
6 6
DL
Iz izraza PpL = , raunamo: D = L + 3 D PpL = 20 + 3 0,00175 1,4 = 20,00735 mm.
3 D
Slino tome imamo:
U d
PpU = , odnosno: d = U 3 d PpU = 19,993 3 0,00108 1,4 = 19,98846 mm.
3 d
z = D d = 0,01889 mm
U ovom sluaju dobivamo da je zranost z = 18,9 6,2 m, odnosno zranost bi se kretala u
rasponu od 12,7 m do 25,1 m.
Temeljem izraunatih parametara normalnih raspodjela za D i d provedena je i Monte Carlo
simulacija (Slika 9.) ime su potvreni parametri raspodjele zranosti.

Slika 9 - Rezultati Monte Carlo simulacija

Pp=2; Ppk=1,4
Anderson-Darling Normality Test
A-Squared 0,65
P-Value 0,092

Mean 0,018893
StDev 0,002056
Variance 0,000004
Skewness 0,0043127
Kurtosis -0,0162399
N 100000

Minimum 0,010159
1st Quartile 0,017498
Median 0,018891
3rd Quartile 0,020286
0,0104 0,0130 0,0156 0,0182 0,0208 0,0234 0,0260 0,0286 Maximum 0,028556
95% Confidence Interval for Mean
0,018880 0,018906
95% Confidence Interval for Median
0,018875 0,018906
95% Confidence Interval for StDev
95% Confidence Intervals
0,002047 0,002065
Mean

Median

0,018875 0,018880 0,018885 0,018890 0,018895 0,018900 0,018905

U ovom sluaju je:

z z 15 18,9
u= = = 1,8935 , to predstavlja vjerojatnost od P = 0,029146( 3 %) da e
z 2,06
zranost biti manja od zahtijevanih 15 m.
Ova vjerojatnost ukazuje na este probleme u sastavljanju dijelova (DPMO=29 146). S tim u
svezi mogua su sljedea rjeenja:
poduzeti tehnoloke mjere za smanjivanje odstupanja od oblika;
praenjem procesa izrade dijelova osigurati da ciljane mjere daju veu srednju
zranost dosjeda;
razmotriti mogunost propisivanja labavijeg dosjeda;
pootriti statistike tolerancije (npr. Ppk poveati na vrijednost od 1,7).
U svakom se sluaju kod primjene statistikih postupaka analize tolerancija trebaju uzimati u
obzir razliite pretpostavke, te je poeljno provoditi itav niz simulacija. Analiza tolerancija
se znaajno pojednostavljuje ukoliko su poznate statistike znaajke procesa, posebice u

14. HRVATSKA KONFERENCIJA O KVALITETI I

5. ZNANSTVENI SKUP HRVATSKOG DRUTVA ZA KVALITETU - 239 -
Baka, otok KRK, 15. 17. svibnja 2014. g.
 Vedran Mudronja, Gorana Bari, Marko Kati, Vedran imunovi

pogledu indeksa sposobnosti procesa. U tom sluaju se vei broj pretpostavki moe otkloniti
iz postupka analize tolerancija.
5. ZAKLJUAK

Statistike tolerancije sve vie ulaze u primjenu posebice u visoko serijskoj proizvodnji. U
analizi statistikih tolerancija treba razmatrati vie pretpostavki koje se mogu ostvariti u
stvarnoj proizvodnji dijelova. Pri tome treba imati ispravno tumaiti indekse sposobnosti
procesa koji su sastavni dio statistikih tolerancija. U postupcima slaganja tolerancija (stack-
up) vrlo esto treba simulirati proizvodnju koritenjem Monte Carlo metode. U ovom radu je
analiziran jednostavan primjer tolerancija koji moe posluiti kao vodi u kompleksnijim
zahvatima statistike analize tolerancija. Sumarni prikaz rezultata analize zranosti dan je u
Tablici 1.

Tablica 1: Sumarni prikaz rezultata analize zranosti

Srednja
zranost P, %
Toka z min , m z max , m DPMO
( z 15 m)
z , m
4.1 24 7 41 - -
4.2 24 11,7 36,3 1,4 14 078
4.3 15,5 9,3 21,7 40,4 403 925
4.4 24 15,2 32,8 0,11 1 102
4.5 18,9 12,7 25,1 2,91 29 146

LITERATURA

[1] OpenSourceSixSigma.com, Certified Lean Six Sigma Black Belt Book, 2010.
[2] F.Breyfogle, J.M. Cupello, B. Meadows, Managing Six Sigma, John Wiley and Sons, New York, NY, 2000.
[3] V.Mudronja, Sigma Measure of Quality. // Proceedings of the 12th International scientific conference on
production engineering CIM2009. Biograd, 2009. Str.133-139.
[4] N.D.Cox, How to perform statistical tolerance analysis, ASQ,1986.
[5] F.Scholz, Statistical Tolerancing, University of Washington, 2007.
[6] K.Chase, Basic tools for tolerance analysis of mechanical assemblies, Brigham Young University, 2000.

PROCESS CAPABILITY INDICES AND STATISTICAL TOLERANCES

Summary

The use of statistical tolerances in industry is increasing rapidly. This paper will comment on the assumptions,
relating to the values of process capability indices, on which the statistical tolerances are calculated. An example
calculation of statistical tolerance will be given in order to clarify certain issues.

Keywords: process capability, process capability index, control charts, statistical tolerances

14. HRVATSKA KONFERENCIJA O KVALITETI I

5. ZNANSTVENI SKUP HRVATSKOG DRUTVA ZA KVALITETU - 240 -
Baka, otok KRK, 15. 17. svibnja 2014. g.