Professional Documents
Culture Documents
Kljune rijei: sposobnost procesa, indeksi sposobnosti procesa, kontrolne karte, statistike
tolerancije
1. UVOD
2. STATISTIKE TOLERANCIJE
Slika 1 - Tolerancije
LSL + USL
D=
2
Tolerancije se mogu slagati (analizirati) aritmetiki i statistiki. Kratak prikaz metoda dan je u
nastavku.
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.
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
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
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).
(x ) 2
T x
Pp = , uz: = i
.
6 n 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
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,
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.
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).
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.
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
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.
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.
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