SPC ΒΙΟΜΗΧΑΝΙΑ ΤΡΟΦΙΜΩΝ

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ
ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ
ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ∆ΩΝ ∆ΙΑΣΦΑΛΙΣΗ ΠΟΙΟΤΗΤΑΣ
∆ΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ
ΣΤΑΤΙΣΤΙΚΟΣ ΕΛΕΓΧΟΣ ∆ΙΕΡΓΑΣΙΑΣ ΣΤΗ

ΒΙΟΜΗΧΑΝΙΑ ΤΡΟΦΙΜΩΝ
ΕΛΕΝΗ ΚΩΝΣΤΑΝΤΙΝΟΥ
Επιβλέπων καθηγητής: κ. ΓΕΩΡΓΙΟΣ ΜΠΕΣΕΡΗΣ
ΠΑΤΡΑ
ΣΕΠΤΕΜΒΡΙΟΣ, 2004
1
ΠΕΡΙΕΧΟΜΕΝΑ
ΠΕΡΙΛΗΨΗ
ΚΕΦΑΛΑΙΟ 1 : Εισαγωγή
1.1 Γενικά
1.2 Στόχος της εργασίας
1.3 ∆ιάρθρωση της εργασίας
Α ΜΕΡΟΣ: ΘΕΩΡΗΤΙΚΗ ΤΕΚΜΗΡΙΩΣΗ

ΚΕΦΑΛΑΙΟ 2: Στατιστικός Έλεγχος ∆ιεργασίας
2.1 Γενικά
2.2 Ορισµοί
2.3 Ο στόχος του στατιστικού ελέγχου διεργασίας
2.4 Τα διαγράµµατα ελέγχου
ΚΕΦΑΛΑΙΟ 3: Η Βιοµηχανία Τροφίµων

3.1 Γενικά
3.2 Η ασφάλεια των τροφίµων
3.3 Οι απαιτήσεις της µοντέρνας διασφάλισης ποιότητας για χρήση και
εγκατάσταση στατιστικών µεθόδων στη βιοµηχανία τροφίµων
Β ΜΕΡΟΣ: ΠΕΙΡΑΜΑΤΙΚΗ ∆ΙΑ∆ΙΚΑΣΙΑ

ΚΕΦΑΛΑΙΟ 4: Συλλογή δεδοµένων
4.1 Γενικά
4.2 Προϊόντα
4.3 Φάσεις παραγωγής
4.4 ∆είκτες Ποιότητας
4.4.1 Το λίπος του γάλακτος
4.4.2 Βάρος / Όγκος
4.4.3 Υγρασία / Λίπος επί ξηρού
4.4.4 Ζύµες / µύκητες
4.5 ∆εδοµένα
ΚΕΦΑΛΑΙΟ 5: Ανάλυση ∆εδοµένων

5.1 Γενικά
5.2 Μεθοδολογία έρευνας
5.3 Επεξεργασία
5.4 Κριτήρια
5.5 Αποτελέσµατα – Πορίσµατα
ΚΕΦΑΛΑΙΟ 6: Συµπεράσµατα
ΠΑΡΑΡΤΗΜΑΤΑ
ΒΙΒΛΙΟΓΡΑΦΙΑ
2
ΠΕΡΙΛΗΨΗ
Η εργασία αποτελεί ένα εγχειρίδιο χρήσης των διαγνωστικών εργαλείων του

Στατιστικού Ελέγχου ∆ιεργασίας σε συνδυασµό µε διάφορα στατιστικά εργαλεία
και υποδεικνύει τον τρόπο εργασίας για συλλογή και επεξεργασία δεδοµένων σε
βιοµηχανικό περιβάλλον.
Στη βιοµηχανία τροφίµων, τα φυσικοχηµικά χαρακτηριστικά των παραγοµένων
προϊόντων και η µικροβιακή τους ποιότητα αποτελούν σηµαντικές παραµέτρους
παραγωγής.
Η παρούσα ανάλυση αποτελεί µια εφαρµογή του ΣΕ∆ στη βιοµηχανία τροφίµων
και συγκεκριµένα στη βιοµηχανία γάλακτος και γαλακτοκοµικών προϊόντων. Τα
δεδοµένα αφορούν σε δείκτες ποιότητας γαλακτοκοµικών προϊόντων.
Τα προϊόντα που επιλέχθηκαν για µελέτη είναι το φρέσκο παστεριωµένο γάλα µε
λιπαρά 3.5% και το τυρί φέτα συσκευασµένο υπό κενό.
Μελετήθηκε η συµπεριφορά των δεικτών ποιότητας όγκος προϊόντος, λίπος και
αριθµός ζυµών/ µυκήτων ανά ml για το γάλα. Για το τυρί φέτα µελετήθηκαν οι
δείκτες ποιότητας υγρασία, λίπος επί ξηρού και αριθµός ζυµών/ µυκήτων ανά ml.
Tα βασικά εργαλεία του Στατιστικού ελέγχου ∆ιεργασίας που χρησιµοποιήθηκαν
είναι τα διαγράµµατα ελέγχου και συγκεκριµένα τα διαγράµµατα µέσης τιµής και
εύρους Χbar/R Charts.
Εξήχθηκαν συµπεράσµατα και παρουσιάστηκαν προτάσεις για την αντιµετώπιση
των προβληµάτων που αναδείχθηκαν στα σχετικά τµήµατα της εργασίας.
SUMMARY
This dissertation can be used as an instruction manual of the Statistical Process

Control tools in combination with other statistical tools. It suggests the working
procedure for collecting and analysing data in an industrial environment.
In the food industry the physicochemical properties as well as the microbiological
quality of the manufactured products are some of the most important parameters
of the production process.
This dissertation is an implementation of the Statistical Process Control in the
food industry, especially in the dairy industry. The data refers to quality measures
of dairy products.
The products selected for this research are fresh pasteurized milk, 3.5% fat and
feta cheese in vacuum.
The object of the study was the performance of the following quality measures:
volume, fat and number of yeasts and moulds per milliliter for the milk. Referring
to the feta cheese the quality measures examined were: humidity, fat in dry
matter and number of yeasts and moulds per milliliter.
The Statistical Process Control tools used were the Χbar/R Control Charts.
Conclusions and suggestions for overcoming the problems mentioned, according
to the presented results in the relevant sections of this dissertation, were given.
3
1. ΕΙΣΑΓΩΓΗ
1.1 Γενικά
Στο χώρο µιας συνεχώς αναπτυσσόµενης πολυεθνικής αγοράς, όπως η

ευρωπαϊκή, είναι εύλογο ότι όλες οι διαδικασίες παραγωγής, εµπορίας και
υπηρεσιών αποκτούν ολοένα και µεγαλύτερη σηµασία και καθίστανται
αντικείµενο ανταγωνισµού και βελτίωσης. Η ανοιχτή ευρωπαϊκή αγορά αποτελεί
για τους παραγωγούς τροφίµων και ποτών µια ισχυρή πρόκληση, καθώς παρέχει
τη δυνατότητα για συνεχή και πολύπλευρη επέκταση, αλλά επιφυλάσσει και
πολλούς κινδύνους στην περίπτωση που η ποιότητα του προϊόντος δεν ελέγχεται
κατάλληλα. [3]
Η σύγχρονη τάση στη βιοµηχανία τροφίµων είναι αναµφίβολα η εισαγωγή νέων

τεχνολογιών σε ένα υψηλά ανταγωνιστικό περιβάλλον και η παραγωγή
προϊόντων υψηλής ποιοτικής στάθµης µε συνέπεια την απαίτηση για
εγκατάσταση και χρήση νέων µεθόδων ελέγχου και για βελτίωση των
παραµέτρων παραγωγής σε διάφορες φάσεις της παραγωγικής διαδικασίας.
Τα τελευταία χρόνια, η συνεχής βελτίωση είναι η κεντρική επιδίωξη στο χώρο της
διαχείρισης της ποιότητας. Η βελτίωση της ποιότητας των παραγοµένων
προϊόντων επιτυγχάνεται µε τη συνεχή βελτίωση των διεργασιών κατά τις οποίες
παράγονται τα παραπάνω προϊόντα. Σε κάθε διεργασία ένα µετρήσιµο
εξερχόµενο παρουσιάζει πάντοτε κάποια µεταβλητότητα µικρού ή µεγάλου
βαθµού. ∆ιακρίνουµε δύο είδη µεταβλητότητας : τη µεταβλητότητα κοινών αιτίων
και τη µεταβλητότητα ειδικών αιτίων. Η µεταβλητότητα κοινών αιτίων επηρεάζει
όλα τα προϊόντα µιας διεργασίας και αποδίδεται στις κανονικές συνθήκες
λειτουργίας οι οποίες προκύπτουν από το σχεδιασµό της διεργασίας και
προξενούν µεταβλητότητα που είναι δυνατόν να προβλεφθεί. Η µεταβλητότητα
ειδικών αιτίων δεν προβλέπεται στο σχεδιασµό µιας διεργασίας. Τα ειδικά αίτια
επηρεάζουν σχετικώς λίγα από τα προϊόντα µιας διεργασίας, συγχρόνως
καθιστούν τη διεργασία µη προβλέψιµη. Το ελάχιστο που πρέπει να γίνεται σε
µια διεργασία είναι να ελέγχεται περιοδικά κατά πόσο είναι ελεγχόµενη
(παρουσιάζει µεταβλητότητα µόνο λόγω κοινών αιτίων) ή µη ελεγχόµενη
(παρουσιάζει και τα δύο είδη µεταβλητότητας). Η µετατροπή µιας διεργασίας από
µη ελεγχόµενη σε ελεγχόµενη γίνεται µέσω εξάλειψης των ειδικών αιτίων και
είναι σηµαντική, όχι µόνο γιατί οι ελεγχόµενες διεργασίες είναι προβλέψιµες, αλλά
και γιατί αυτές είναι οι µόνες διεργασίες που είναι δυνατόν να βελτιωθούν. [10]
Η ανεύρεση ειδικών αιτίων µιας διεργασία γίνεται µέσω της τεχνικής του
Στατιστικού Ελέγχου ∆ιεργασίας. Η βελτίωση µιας ελεγχόµενης διεργασίας
συνίσταται στη µείωση της µεταβλητότητας κοινών αιτίων και για το σκοπό αυτό
χρησιµοποιούνται τεχνικές του Στατιστικού Σχεδιασµού Πειραµάτων συχνά σε
συνδυασµό µε γνωστές στατιστικές τεχνικές όπως Ανάλυση Παλινδρόµησης,
Ανάλυση ∆ιασποράς και άλλες.
4
1.2 Στόχος της εργασίας
Στόχος της διπλωµατικής εργασίας είναι η µεταφορά τεχνογνωσίας για ανάλυση

δεδοµένων στη βιοµηχανία τροφίµων και ειδικότερα στη βιοµηχανία γάλακτος και
γαλακτοκοµικών προϊόντων.
Η εργασία µπορεί να χρησιµοποιηθεί, από εταιρίες που στοχεύουν στο µέγιστο
της ωφέλειας από προγράµµατα παρακολούθησης της ποιοτικής στάθµης των
προϊόντων. Η παρούσα ανάλυση αποτελεί ένα εγχειρίδιο χρήσης των
διαγνωστικών εργαλείων του Στατιστικού Ελέγχου ∆ιεργασίας σε συνδυασµό µε
διάφορα στατιστικά εργαλεία και υποδεικνύει τον τρόπο εργασίας για συλλογή και
επεξεργασία δεδοµένων σε βιοµηχανικό περιβάλλον.
Τα δεδοµένα είναι εικονικά λόγω των συνθηκών υψηλού ανταγωνισµού και
εχεµύθειας στο χώρο της βιοµηχανίας τροφίµων που δεν επέτρεψαν τη συλλογή
στοιχείων από συγκεκριµένη παραγωγική εταιρία. Τέλος τα δεδοµένα αφορούν
σε δείκτες ποιότητας γαλακτοκοµικών προϊόντων ευρείας χρήσης και
συγκεκριµένα σε χαρακτηριστικά ποιότητας που αποτελούν σηµαντικές
παραµέτρους παραγωγής.
1.3 ∆ιάρθρωση της εργασίας
Η διπλωµατική εργασία αποτελείται από έξι κεφάλαια. Αναλυτικά έχουµε:
ΚΕΦΑΛΑΙΟ 2: ΣΤΑΤΙΣΤΙΚΟΣ ΕΛΕΓΧΟΣ ∆ΙΕΡΓΑΣΙΑΣ

Αναφορά γενικά στο στατιστικό έλεγχο διεργασίας ως τεχνική για εν σειρά
έλεγχο της ποιότητας και ειδικότερα στα διαγράµµατα ελέγχου, βασικοί ορισµοί,
ανάλυση των στόχων και των πλεονεκτηµάτων της χρήσης του Σ.Ε.∆.
ΚΕΦΑΛΑΙΟ 3: Η ΒΙΟΜΗΧΑΝΙΑ ΤΡΟΦΙΜΩΝ

Ανάπτυξη της έννοιας της ποιότητας για τη βιοµηχανία τροφίµων, αναφορά στην
ασφάλεια των τροφίµων και στην ανάλυση επικινδυνότητας και κρίσιµων σηµείων
ελέγχου ( HACCP), τεκµηρίωση της ανάγκης εγκατάστασης στατιστικών τεχνικών
στη βιοµηχανία τροφίµων που προκύπτει από τα πρότυπα διασφάλισης της
ποιότητας της σειράς ISO 9000.
ΚΕΦΑΛΑΙΟ 4: ΣΥΛΛΟΓΗ ∆Ε∆ΟΜΕΝΩΝ

Περιγραφή προϊόντων και των φάσεων παραγωγής τους(διαγράµµατα ροής),
ανάλυση των δεικτών ποιότητας, επιλογή υποοµάδων και συλλογή δεδοµένων.
ΚΕΦΑΛΑΙΟ 5: ΑΝΑΛΥΣΗ ∆Ε∆ΟΜΕΝΩΝ

Αναφορά της µεθοδολογίας για την µέτρηση των χαρακτηριστικών ποιότητας των
προϊόντων, ανάλυση των δεδοµένων (excel 2000) και κατασκευή διαγραµµάτων
ελέγχου (ΜΙΝΙΤΑΒ 13.32).
ΚΕΦΑΛΑΙΟ 6: ΣΥΜΠΕΡΑΣΜΑΤΑ
5
2. ΣΤΑΤΙΣΤΙΚΟΣ ΕΛΕΓΧΟΣ ∆ΙΕΡΓΑΣΙΑΣ
2.1 Γενικά
Οι συνεχώς αυξανόµενες απαιτήσεις για άριστη ποιότητα από το διεθνοποιηµένο

πελάτη αποκαλύπτουν την ανάγκη ανάληψης σηµαντικών πρωτοβουλιών εκ
µέρους των ανώτατων στελεχών των επιχειρήσεων για την οικοδόµηση της
ποιότητας σε όλα τα προϊόντα τις διεργασίες και τις υπηρεσίες. Αυτό απαιτεί
ευρεία χρήση των µεθόδων της Στατιστικής Επιστήµης και την ελαχιστοποίηση
(µέσω στατιστικών τεχνικών) της µεταβλητότητας στην απόδοση του προϊόντος ή
της διαδικασίας, κάτι που θα οδηγεί πάντα σε ποιοτικότερα προϊόντα, σε
λιγότερες περιττές δαπάνες, λάθη, κόστος και άσκοπη εργασία, αλλά και σε
υψηλό βαθµό αξιοπιστίας, καθώς και στην απόκτηση καλής φήµης και µεριδίου
αγοράς.
Τα προγράµµατα ποιότητας για τον έλεγχο και τη µείωση της µεταβλητότητας

κατά τη διάρκεια της παραγωγικής διαδικασίας εντάσσονται στις προσπάθειες για
«Εν Σειρά Έλεγχο της Ποιότητας». Ιδιαίτερα η µέθοδος του Στατιστικού Ελέγχου
∆ιεργασίας – ΣΕ∆ (Statistical Process Control – SPC) κατατάσσεται σε υψηλά
επίπεδα µεταξύ των προγραµµάτων που σχετίζονται µε τη «εν σειρά» βελτίωση
της ποιότητας. Η µέσω του ΣΕ∆ συνεχής παρακολούθηση της µεταβλητότητας
της παραγωγής δίνει την ευκαιρία της αναγνώρισης και συνεπώς απάλειψης
ειδικών αιτίων προβληµάτων. Επιπλέον, ο ΣΕ∆, από µια ευρύτερη οπτική, είναι
δυνατόν να συσχετιστεί µε οποιοδήποτε τµήµα ή τοµέα κάποιου οργανισµού είτε
πρόκειται για παραγωγή, κατασκευές, υπηρεσίες, εκπαίδευση ή οτιδήποτε άλλο.
[12]
2.2 Ορισµοί
∆ιεργασία (process): σύνολο αλληλοσχετιζόµενων πόρων και δραστηριοτήτων

που µετασχηµατίζουν τα εισερχόµενα σε εξερχόµενα. (Οι πόροι µπορεί να
περιλαµβάνουν προσωπικό, οικονοµικά µέσα, εξοπλισµό, τεχνικές και
µεθόδους). [9]
Κατάσταση στατιστικού ελέγχου (state of statistical control): κατάσταση

στην οποία η µεταβλητότητα µεταξύ των παρατηρούµενων τιµών των δειγµάτων
οφείλεται σε ένα σύστηµα τυχαίων αιτίων που δεν µεταβάλλονται µε το χρόνο. [9]
∆ιεργασία υπό έλεγχο, σταθερή διεργασία (process in control, stable

process): όλοι οι δείκτες ποιότητας (π.χ. η µέση τιµή και η µεταβλητότητα ή
κλάσµα µη συµµορφούµενων ή η µέση τιµή των µη συµµορφούµενων µονάδων
του προϊόντος ή της υπηρεσίας) βρίσκονται σε κατάσταση στατιστικού ελέγχου.
[9]
Στατιστικός έλεγχος διεργασίας - ΣΕ∆ (statistical process control - SPC): η

εφαρµογή στατιστικών µεθόδων για τη µέτρηση και ανάλυση της µεταβλητότητας
στις τιµές χαρακτηριστικών της διεργασίας. [6]
6
Κοινά αίτια - common causes (Deming; Λογοθέτης) ή Τυχαία αίτια - chance
causes (Juran; Shewhart) ή Θόρυβος: Αίτια συνήθως πολλά σε αριθµό το
καθένα από τα οποία προκαλεί συνήθως ελάχιστη µεταβλητότητα τα οποία δεν
έχουν απαραίτητα προσδιοριστεί. [9]
Σηµείωση: τα κοινά αίτια αναφέρονται στις διάφορες πηγές διασποράς, σε µια

διεργασία που βρίσκεται υπό στατιστικό έλεγχο. Αυτά µπορεί να είναι οι µη
ελεγχόµενες περιβαντολογικές συνθήκες, η δυσλειτουργία των φθαρµένων
εξαρτηµάτων, η µεταβλητότητα των αγορασµένων υλικών, οι ανοχές των
εξαρτηµάτων, καθώς και άλλα αίτια διασποράς που δεν είναι εµφανή και που
µπορεί να µην είναι παρόντα συγχρόνως ανά πάσα στιγµή, τα οποία όµως εάν
ληφθούν υπ’ όψιν όλα µαζί, παράγουν µη αναµενόµενα αποτελέσµατα.
Συµπεριφέρονται ως σταθερό σύστηµα τυχαίων αιτίων. Η ανάλυση των κοινών
αιτίων της παρέκκλισης απαιτεί δράση επί του συστήµατος, συνήθως αυτό είναι
καθήκον της διοίκησης, επειδή απαιτεί αλλαγή στη ίδια τη διεργασία, στον τρόπο
σχεδιασµού, οικοδόµησης και εξοπλισµού της. [13]
Ειδικά αίτια - special causes (Deming; Λογοθέτης) ή Προσδιορίσιµα αίτια -

assignable causes (Juran; Shewhart): Αίτια τα οποία µπορούν να ανιχνευτούν
και να προσδιοριστούν καθώς συµβάλλουν σε αλλαγή κάποιου χαρακτηριστικού
ποιότητας ή στο επίπεδο της διεργασίας. [9]
Σηµείωση: η παραβίαση των ορίων ενός διαγράµµατος ελέγχου ή η παρουσία

ενός ενδεικτικού διαγράµµατος-µοτίβου εντός των ορίων ελέγχου, είναι ένδειξη
ύπαρξης ειδικών αιτίων παρέκκλισης, τα οποία συχνά είναι εύκολα
αναγνωρίσιµα: αλλαγές χειριστού ή βάρδιας, µεταβολές των πρώτων υλών,
απώλειες λόγω καταστροφών των µηχανηµάτων, παρερµηνευµένες αναλογίες
µεγέθους, περιστασιακές ακατάλληλες ρυθµίσεις των µηχανών και άλλα. Τα αίτια
αυτά δεν είναι κοινά για όλες τις εµπλεκόµενες εργασίες και, εποµένως, η
ανακάλυψή τους και αποµάκρυνσή τους απαιτούν επί τόπου ενέργειες από
κάποιον που να συνδέεται άµεσα µε την παραγωγική διαδικασία. [13]
∆ιαγράµµατα ελέγχου: διαγράµµατα µε ανώτερο και/ή κατώτερο όριο ελέγχου

στα οποία παριστάνονται γραφικά τιµές στατιστικών παραµέτρων για σειρά
δειγµάτων, συνήθως µε χρονική σειρά ή κατά αύξουσα σειρά δείγµατος. Συχνά
το διάγραµµα ελέγχου περιλαµβάνει µια κεντρική γραµµή η οποία βοηθά στην
αναγνώριση τάσης των τιµών των µετρήσεων προς τα όρια ελέγχου. [9]
2.3 Ο στόχος του στατιστικού ελέγχου διεργασίας
Ο στόχος του στατιστικού ελέγχου διεργασίας είναι η ανεύρεση και η εξάλειψη

ειδικών αιτίων σε µια διεργασία µε αποτέλεσµα τη µείωση της διασποράς στις
τιµές χαρακτηριστικών της διεργασίας και κατ’ επέκταση καλύτερη ποιότητα και
οικονοµία.
Στη βιοµηχανία ο έλεγχος των πρώτων υλών, καθώς και των ενδιάµεσων ή
τελικών προϊόντων, είτε αυτά παραλαµβάνονται από άλλο τµήµα του ιδίου
εργοστασίου είτε από κάποιον εξωτερικό παραλήπτη, αποτελεί ένα σηµαντικό
µέρος της διαδικασίας ∆ιασφάλισης της Ποιότητας.
7
Ο Dr. E. Deming στο 3ο σηµείο για το µάνατζµεντ αναφέρει: «Σταµατήστε να
εξαρτάστε από την µαζική επιθεώρηση». Η 100 % επιθεώρηση είναι αργή,
αναποτελεσµατική και έχει υψηλό κόστος. Η ποιότητα δεν επιτυγχάνεται µέσω
της επιθεώρησης, αλλά από τη βελτίωση της παραγωγικής διαδικασίας. Οι
απόψεις των επιθεωρητών διίστανται µέχρι να επιτευχθεί κατάσταση στατιστικού
ελέγχου. Αντίθετα η επιθεώρηση µικρών δειγµάτων προϊόντος µε σκοπό την
κατασκευή διαγραµµάτων ελέγχου, αποτελεί έργο υψηλών απαιτήσεων.
Επιθεωρητές, προµηθευτές και πελάτες χρησιµοποιούν την ίδια γλώσσα
επικοινωνίας. [7]
Οι παραδοσιακοί τρόποι ελέγχου της ποιότητας σε µια παραγωγική διαδικασία

ήταν εκείνοι της 100% επιθεώρησης και της επιθεώρησης δειγµάτων. Και οι δύο
τρόποι επικεντρώνονταν στο τελικό αποτέλεσµα της διαδικασίας. Όποιος και αν
είναι ο δειγµατοληπτικός σχεδιασµός, ο παραγωγός θα πρέπει να αποδεχτεί µια
ορισµένη πιθανότητα κινδύνου να ξεφύγουν κάποια ελαττωµατικά προϊόντα από
το δίκτυο του ποιοτικού ελέγχου. Αυτό έρχεται σε αντίθεση µε την αρχή της
ολικής ποιότητας και πολλές επιχειρήσεις που έχουν δεσµευτεί ως προς τις ιδέες
της ολικής ποιότητας αυξάνουν τις προσπάθειές τους για την ανακάλυψη και
χρήση εναλλακτικών µεθόδων ποιοτικού ελέγχου, οι οποίες θα µπορούσαν να
εξασφαλίσουν υψηλότερο βαθµό ακρίβειας και πιστότητας για τα προϊόντα τους.
Η τεχνική του στατιστικού ελέγχου διεργασίας αποτελεί µια πολύτιµη εναλλακτική

πρόταση καθώς εστιάζεται στη διαδικασία παραγωγής του προϊόντος και όχι στο
ίδιο το τελικό προϊόν. Παρ’ όλα αυτά υπάρχει ένα κοινό χαρακτηριστικό ανάµεσα
στο σχεδιασµό δειγµάτων και στο στατιστικό έλεγχο διεργασίας. Το
χαρακτηριστικό αυτό είναι η χρήση της σχέσης µεταξύ των ιδιοτήτων ενός
δείγµατος και των ιδιοτήτων του αρχικού πληθυσµού. Η τεχνική του στατιστικού
ελέγχου διεργασίας δίνει τη δυνατότητα στο χρήστη της να διορθώσει ή να
ρυθµίσει κατάλληλα την παραγωγική διαδικασία εγκαίρως, έτσι ώστε να
αποφευχθεί η απόρριψη ολόκληρων παρτίδων αργότερα. Παράλληλα ενθαρρύνει
τη διαρκή βελτίωση της διεργασίας η οποία βελτίωση αντανακλάται τόσο στο
προϊόν όσο και στον εξοπλισµό παραγωγής. Ο στατιστικός έλεγχος διεργασίας
φέρνει ένα βήµα µπροστά την εξέλιξη των συστηµάτων ποιοτικού ελέγχου, αλλά,
όσον αφορά στη συγκέντρωση της προσπάθειας, πηγαίνει στην πραγµατικότητα
ένα βήµα πίσω από το στάδιο της ολικής επιθεώρησης του τελικού προϊόντος,
στο στάδιο της παραγωγικής διαδικασίας. [13]
2.4 Τα διαγράµµατα ελέγχου
Tα βασικά εργαλεία του στατιστικού ελέγχου διεργασίας είναι τα εξής:

1. Ιστόγραµµα (histogram) και διάγραµµα stem and leaf
2. Φύλο ελέγχου (check sheet)
3. ∆ιάγραµµα Pareto (Pareto chart)
4. ∆ιάγραµµα αιτίου – αποτελέσµατος (cause and effect diagram)
5. ∆ιάγραµµα συγκέντρωσης ελαττωµάτων (defect concentration diagram)
6. ∆ιάγραµµα διασκόρπισης (scatter diagram)
7. ∆ιάγραµµα ελέγχου (control chart)
Το κύριο εργαλείο του στατιστικού ελέγχου διεργασίας, το διάγραµµα ελέγχου,

επινοήθηκε και αναπτύχθηκε τη δεκαετία του 1920 από τον ∆ρ. Walter Shewhart,
8
των Bell Telephone Laboratories. Στις µελέτες του ο παρατήρησε ότι η
µεταβλητότητα υπάρχει στη φύση καθώς επίσης και στα περισσότερα
βιοµηχανικά προϊόντα. H µελέτη αυτής της µεταβλητότητας και των τρόπων
περιορισµού της, αποτελούν τις βασικές αρχές για βελτίωση της ποιότητας. To
διάγραµµα ελέγχου αποτελεί µια γραφική απεικόνιση ενός χαρακτηριστικού
ποιότητας το οποίο καταµετρήθηκε ή υπολογίστηκε σε µια παραγωγική
διαδικασία. Τα δεδοµένα απεικονίζονται µε τη σειρά µε την οποία παρήχθησαν.
Ένα διάγραµµα ελέγχου αποκαλύπτει το ποσό και τη φύση της µεταβλητότητας
µε το χρόνο, υποδεικνύει κατάσταση στατιστικού ελέγχου ή όχι και δίνει τη
δυνατότητα ερµηνείας συγκεκριµένων µοτίβων και ανίχνευσης αλλαγών στη
διεργασία.
Ένας από τους κύριου σκοπούς για τους οποίους χρησιµοποιούµε τα

διαγράµµατα ελέγχου είναι η ανίχνευση τυχόν αλλαγών στη µέση τιµή και τυπική
απόκλιση των χαρακτηριστικών µιας διεργασίας. Επειδή µερικές σπουδαίες
κατανοµές χαρακτηρίζονται απόλυτα από τη µέση τιµή και την τυπική απόκλιση,
µε τα διαγράµµατα ελέγχου παρακολουθούµε το µέσο όρο και την τυπική
απόκλιση στατιστικών χαρακτηριστικών δειγµάτων από τα προϊόντα της
διεργασίας, προκειµένου να ελέγξουµε εάν η διεργασία έχει αλλάξει από τη
στιγµή που πιστοποιήθηκε. Όταν χρησιµοποιούµε τα διαγράµµατα ελέγχου για
τον προαναφερθέντα σκοπό, ουσιαστικά κάνουµε ένα διαρκή έλεγχο υποθέσεων
ως προς εάν το δείγµα που µόλις ελήφθη, ανήκει στον ίδιο πληθυσµό µε τα
δείγµατα που χρησιµοποιήθηκαν κατά τη διάρκεια πιστοποίησης της διεργασίας.
[6]
Τα διαγράµµατα ελέγχου έχουν µακρά ιστορία στην Αµερικάνικη βιοµηχανία. Η

δηµοτικότητά τους οφείλεται στους παρακάτω κυρίως λόγους:
- Τα διαγράµµατα ελέγχου αποτελούν αποδεδειγµένη τεχνική για αύξηση της
παραγωγικότητας. Ένα επιτυχές πρόγραµµα χρήσης διαγραµµάτων
ελέγχου, µειώνει τον αριθµό των µη συµµορφούµενων και των
διορθωτικών ενεργειών, που αποτελούν τους κύριους εχθρούς κάθε
διαδικασίας. Αποτέλεσµα των παραπάνω είναι ή αύξηση της
παραγωγικότητας, η µείωση του κόστους και ή αύξηση της ικανότητας
διεργασίας.
- Τα διαγράµµατα ελέγχου είναι αποτελεσµατικά στην πρόβλεψη των
ελαττωµάτων. Η χρήση τους οδηγεί σε ελεγχόµενες διεργασίες µε
χαµηλότερο κόστος καθώς µειώνεται το κόστος για το διαχωρισµό
συµµορφούµενων από τις µη συµµορφούµενες µονάδες.
- Τα διαγράµµατα ελέγχου προλαµβάνουν άχρηστες ρυθµίσεις στη
διεργασία. Ένα διάγραµµα ελέγχου ξεχωρίζει τους παράγοντες θορύβου
από τα ειδικά αίτια παρέκκλισης . Εάν οι χειριστές ρυθµίσουν τη διεργασία
στηριζόµενη σε περιοδικούς ελέγχους χωρίς τη χρήση διαγραµµάτων
ελέγχου, υπάρχει κίνδυνος να γίνουν άχρηστες ρυθµίσεις. Αυτές οι
περιττές ρυθµίσεις πράγµατι περιορίζουν την απόδοση της διεργασίας.
- Τα διαγράµµατα ελέγχου παρέχουν διαγνωστικές πληροφορίες. Συχνά, τα
µοτίβα που εµφανίζονται σε ένα διάγραµµα ελέγχου, περιέχουν
διαγνωστικές πληροφορίες για τον έµπειρο χειριστή ή µηχανικό. Αυτές οι
πληροφορίες επιτρέπουν την εφαρµογή κάποιας αλλαγής στην διεργασία
που αυξάνει την απόδοση.
9
- Τα διαγράµµατα ελέγχου παρέχουν πληροφορίες για την ικανότητα
διεργασίας. Το διάγραµµα ελέγχου παρέχει πληροφορίες για τις τιµές
σηµαντικών παραµέτρων της παραγωγικής διαδικασίας και τη
σταθερότητά τους µε το χρόνο. Αυτό επιτρέπει την εκτίµηση της
ικανότητας διεργασίας. Αυτή η πληροφορία έχει σηµαντικότατη χρήση για
το προϊόν και τους σχεδιαστές της διεργασίας. [15]
10
3. Η ΒΙΟΜΗΧΑΝΙΑ ΤΡΟΦΙΜΩΝ
3.1 Γενικά
Ο κλάδος της βιοµηχανίας τροφίµων και ποτών αποτελεί ζωτικό παράγοντα της
οικονοµίας των κρατών, λόγω των αυξανοµένων δαπανών για την αγορά ειδών
διατροφής και της σηµαντικής απασχόλησης εργατικού δυναµικού. Ως εκ τούτου,
η ασφάλεια των τροφίµων προστατεύει τα συµφέροντα των παραγωγών και
όσων σχετίζονται µε την επεξεργασία και διάθεση των τροφίµων, πέρα από τον
πρωταρχικό και αδιαπραγµάτευτο σκοπό της που συνίσταται στην προστασία
της υγείας των καταναλωτών. [4]
Η βιοµηχανία τροφίµων έχει αναβαθµιστεί κατά τη διάρκεια των τελευταίων

δεκαετιών µε την εισαγωγή αυτοµατισµών υψηλής τεχνολογίας στις γραµµές
επεξεργασίας, την εφαρµογή καινοτοµικών µεθόδων στη συσκευασία και τη
βελτίωση των µέσων συντήρησης, διάθεσης, διακίνηση και εµπορίας των
προϊόντων. Οι µεταβολές αυτές, σε συνδυασµό µε την ελεύθερη κυκλοφορία των
τροφίµων στις αγορές των ευρωπαϊκών χωρών, τον έντονο ανταγωνισµό των
επιχειρήσεων και τη σύγχρονη πολιτική που διέπει την οργάνωση των
τελευταίων, δηµιουργούν τις προϋποθέσεις για παραγωγή και διάθεση ποιοτικά
αναβαθµισµένων προϊόντων.
Από τα τέλη της δεκαετίας του 1940 έχουν γραφτεί πολλά σχετικά µε τον ποιοτικό
έλεγχο των διεργασιών παραγωγής των βιοµηχανικών προϊόντων και ειδικότερα
για την αξιολόγηση των τελικών προϊόντων που παράγονται από τις βιοµηχανίες
τροφίµων και ποτών. Επίσης τις τελευταίες δεκαετίες έχει δοθεί ιδιαίτερη έµφαση
στη διασφάλιση ποιότητας τόσο των παραγοµένων προϊόντων όσο και των
διαδικασιών παραγωγής τους.
Εξαιτίας της οικονοµικής πίεσης και του υψηλού ανταγωνισµού στον τοµέα, η
βιοµηχανία τροφίµων χρειάζεται να βελτιώνει συνεχώς την αποτελεσµατικότητα
της χρήσης των πρώτων υλών και των διεργασιών παραγωγής. Επίσης υπάρχει
ανάγκη έγκαιρου και ακριβούς προσδιορισµού της ποιότητας της πρώτης ύλης
που θα επιτρέπει την βελτιστοποίηση των διεργασιών παραγωγής µε σκοπό την
επίτευξη της επιθυµητής – σχεδιασµένης ποιότητας των τελικών προϊόντων. Οι
στατιστικές τεχνικές αναπτύσσονται και εφαρµόζονται σε όλο το φάσµα της
παραγωγικής διαδικασίας και στην ανάπτυξη νέων προϊόντων διασφαλίζοντας µε
επιστηµονικό τρόπο τον παραπάνω στόχο της επίτευξη του επιθυµητού
επιπέδου ποιότητας.
Τα τελευταία χρόνια η ποιότητα έχει συνδεθεί άµεσα µε την επιχειρηµατική και

την καταναλωτική συµπεριφορά. Η υψηλή ποιότητα των παραγοµένων
προϊόντων και των παρεχοµένων υπηρεσιών αποτελεί βασικό στόχο και στοιχείο
ανταγωνισµού των περισσοτέρων βιοµηχανιών και επιχειρήσεων. Η
παρατηρούµενη συνεχής αύξηση του ποιοτικού επιπέδου αγαθών και υπηρεσιών
έχει ως αποτέλεσµα την ευαισθητοποίηση των καταναλωτών απέναντι στην
ποιότητα την οποία θεωρούν ως το σηµαντικότερο κριτήριο αγοράς διαφόρων
αγαθών. Η ποιότητα αναγνωρίζεται πλέον ως ο σηµαντικότερος παράγοντας και
αποτελεί το κλειδί για το σχεδιασµό και τη δηµιουργία καλύτερων και
ανταγωνιστικών προϊόντων και υπηρεσιών. [3]
11
3.2 H ασφάλεια των τροφίµων
Η παραγωγή ασφαλών τροφίµων προϋποθέτει την υιοθέτηση δύο βασικών

τακτικών: α) εφαρµογή της ανάλυσης επικινδυνότητας στα κρίσιµα σηµεία
ελέγχου (HACCP), που επικεντρώνεται στον έλεγχο της παραγωγικής
διαδικασίας και β) εφαρµογή της ανάλυσης επικινδυνότητας (Risk Analysis), που
σχετίζεται άµεσα µε την υγεία των καταναλωτών. Το πρόγραµµα HACCP
αποτελεί µια συστηµατική επιστηµονική προσέγγιση για τη διασφάλιση της
ασφάλειας των τροφίµων και βασίζεται στον εντοπισµό, επίβλεψη και
αποτελεσµατική διαχείριση των κρίσιµων σηµείων ελέγχου (CCP). Οι αρχές του
υιοθετήθηκαν τόσο από την κοινοτική νοµοθεσία µε την 93/43/ΕΟΚ Οδηγία του
Συµβουλίου της Ευρωπαϊκής Ένωσης ( E.E. L 175/ 19.7.93). [4]
Η εφαρµογή του HACCP απαιτεί πολύ καλή γνώση των διεργασιών παραγωγής
των τροφίµων. Η ροή των διεργασιών (διάγραµµα ροής) της παραγωγικής
διαδικασίας των προϊόντων µε όλα τα τεχνολογικά στοιχεία (παράµετροι
διεργασιών, εξοπλισµός, χρόνος διεργασιών και άλλα) είναι απαραίτητη. Το
HACCP εστιάζει στις διεργασίες και συνεπώς ως CCPs καθορίζονται σηµεία τα
οποία ελέγχουν τις ίδιες τις διεργασίες και φυσικά σχετίζονται µε
παράγοντες/παραµέτρους ασφάλειας των τροφίµων.
Τα προγράµµατα HACCP στηρίζονται σε επτά βασικές αρχές και

προσαρµόζονται ανάλογα µε τις ανάγκες και των ιδιαίτερο χαρακτήρα κάθε
επιχείρησης. Ο έλεγχος των κρίσιµων ορίων στα κρίσιµα σηµεία ελέγχου (CCPs)
γίνεται κυρίως µε δύο τρόπους:
1. συστήµατα πάνω στη γραµµή παραγωγής µε τα οποία οι κρίσιµοι
παράµετροι µετρούνται κατά τη διάρκεια της επεξεργασίας. Τα συστήµατα
αυτά µπορεί να είναι συνεχή ή ασυνεχή. Στα συνεχή συστήµατα τα
δεδοµένα που θεωρούνται κρίσιµα για την ασφάλεια καταγράφονται σε
συνεχή βάση, ενώ στα ασυνεχή γίνονται παρατηρήσεις σε τακτά χρονικά
διαστήµατα κατά τη διάρκεια της επεξεργασίας. Παράδειγµα συνεχών
διαδικασιών παρακολούθησης είναι ο χρόνος/θερµοκρασία παστερίωσης,
ο έλεγχος συσκευασιών κατεψυγµένων λαχανικών µε µεταλλικό ανιχνευτή
και ο έλεγχος ερµητικού κλεισίµατος γυάλινων περιεκτών.
2. συστήµατα εκτός γραµµής παραγωγής, µε χρήση των οποίων
λαµβάνονται δείγµατα για τη µέτρηση των κρίσιµων παραγόντων.
Παραδείγµατα φυσικών και χηµικών µετρήσεων που εφαρµόζονται για την
παρακολούθηση των κρίσιµων ορίων είναι η θερµοκρασία, ο χρόνος, το
pH, η περιεχόµενη υγρασία και η ενεργότητα νερού.
Η καθιέρωση διαδικασιών επαλήθευσης αποτελεί απαίτηση της εφαρµογής ενός
συστήµατος HACCP. ΟΙ διαδικασίες επαλήθευσης διεξάγονται µετά την
ολοκλήρωση της µελέτης HACCP,όταν παρατηρείται αλλαγή στο παραγόµενο
προϊόν ή στις εφαρµοζόµενες διεργασίες, όταν εµφανίζεται κάποια απόκλιση,
όταν αναγνωρίζονται καινούργιοι κίνδυνοι και σε τακτά χρονικά διαστήµατα.
Η συχνότητα των διαδικασιών επαλήθευσης καθορίζεται από το πρόγραµµα του

σχεδίου HACCP και από τυχόν ενδείξεις για µεταβολή της ασφάλειας των
τροφίµων. Οι ενδείξεις αυτές προκύπτουν από:
ελέγχους πάνω στη γραµµή παραγωγής που δείχνουν ότι τα CCPs δεν
βρίσκονται εντός των κρίσιµων ορίων
12
ανασκοπήσεις αρχείων που δείχνουν ασυνεπές σύστηµα ελέγχου
ανασκοπήσεις αρχείων που συνεπάγονται επαναλαµβανόµενη λειτουργία
των CCPs εκτός των κρισίµων ορίων
παράπονα πελατών ή απόρριψη προϊόντων από τους πελάτες
νέα επιστηµονικά δεδοµένα.
Η επιτυχής εφαρµογή του συστήµατος HACCP απαιτεί τη συνεχή δέσµευση της

ανώτατης διοίκησης, την τήρηση των προαπαιτούµενων προγραµµάτων και την
προσκόλληση στις επτά αρχές του συστήµατος.
3.3 Οι απαιτήσεις της µοντέρνας διασφάλισης ποιότητας για εγκατάσταση

στατιστικών µεθόδων στη βιοµηχανία τροφίµων
3.3.1 Τα πρότυπα της σειράς ISO 9000
Το ISO 9001 είναι ένα πολύ δηµοφιλές πρότυπο διασφάλισης της ποιότητας, το
οποίο βασίζεται σε επιθεωρήσεις γ µέρους και έχει προωθηθεί εµπορικά πολύ
έξυπνα. Έχει διαµορφώσει µια δική του ορµή στην αγορά δηµιουργώντας φορείς
πιστοποίησης, φορείς διαπίστευσης, οργανισµούς παροχής συµβουλευτικών
υπηρεσιών, σεµιναρίων ενηµέρωσης, σεµιναρίων εκπαίδευσης επιθεωρητών
Σ∆Π κατά ISO 9001, προγραµµάτων Η/Υ για ISO 9001 και άλλα. Αναµφίβολα, το
ISO 9001 ως εργαλείο ποιότητας µπορεί να αποβεί χρήσιµο εργαλείο για τη
βελτίωση της ποιότητας.
Η νέα οικογένεια των ISO 9000:2000 είναι µια σειρά προτύπων που θέτει τις
απαιτήσεις για ενσωµάτωση της διοίκησης ποιότητας στο σχεδιασµό, την
παραγωγή /κατασκευή και παράδοση των προϊόντων, υπηρεσιών και λογισµικού.
Η οικογένεια αποτελείται από τρία κύρια πρότυπα που υποστηρίζονται από
αριθµό τεχνικών αναφορών. Αυτά είναι:
ISO 9000:2000 Συστήµατα ∆ιοίκησης Ποιότητας - Βασικά και λεξιλόγιο
(αντικαθιστά τα ISO 8402:1995 και ISO 9000-1:1994). Περιγράφει τις
βασικές αρχές των συστηµάτων διοίκησης ποιότητας και
συγκεκριµενοποιεί την ορολογία.
ISO 9001:2000 Συστήµατα ∆ιοίκησης Ποιότητας - Απαιτήσεις (αντικαθιστά
τα ISO 9000-1:1994, ISO 9002:1994 και ISO 9003:1994). Καθορίζει τις
απαιτήσεις σε συστήµατα διοίκησης της ποιότητας για χρήση όπου η
ικανότητα ενός οργανισµού να παρέχει προϊόντα που ικανοποιούν τις
απαιτήσεις του πελάτη και των ισχυόντων κανονισµών πρέπει να
επιδεικνύεται.
ISO 9004:2000 Συστήµατα ∆ιοίκησης Ποιότητας - Οδηγίες για το ISO
9000:2000(αντικαθιστά τα ISO 9000-1:1994 και ISO 9000-2:1993).
Σχολιάζει τις κύριες αρχές και προσεγγίσεις για το νέο ISO 9000:2000 και
παρέχει ορισµούς για το νέο λεξιλόγιο.
Το ISO 9001:2000 είναι ο ακριβής προσδιορισµός για το σύστηµα διοίκησης

ποιότητας, επειδή οι απαιτήσεις τους ορίζουν τα κριτήρια για τον έλεγχο του
συστήµατος ποιότητας. Αν και ο ρόλος του προτύπου στη σειρά δεν έχει υποστεί
ιδιαίτερες αλλαγές, τα περιεχόµενά του και η οργάνωση κατά τοµείς έχουν
13
αναθεωρηθεί σε βάθος, Οι απαιτήσεις του συστήµατος ποιότητας έχουν
οργανωθεί σε τέσσερις τοµείς µε σαφή έµφαση στις απαιτήσεις του πελάτη και
την ικανοποίησή του:
α) Τοµέας 5 – Ευθύνες διοίκησης
β) Τοµέας 6 – ∆ιαχείριση πηγών
γ) Τοµέας 7 – Πραγµατοποίηση προϊόντος ή / και υπηρεσιών
δ) Τοµέας 8 – Μέτρηση, ανάλυση και βελτίωση [5]
3.3.2 Ο στατιστικός έλεγχος διεργασίας στο ISO 9001[6]
Σχετικά µε τις απαιτήσεις του προτύπου για στατιστικές εφαρµογές, στην

απαίτηση του προτύπου για ΣΕ∆ οι διάφορες εκδόσεις του προτύπου δε
διαφέρουν ουσιαστικά µεταξύ τους. Η αναφορά στατιστικών τεχνικών στο
πρότυπο ενισχύει την ανάγκη χρήσης του ΣΕ∆ και αναδεικνύει τη χρησιµότητά
του σα διαγνωστικό εργαλείο. Συγκεκριµένα οι άµεσες απαιτήσεις των διαφόρων
εκδόσεων για εφαρµογή στατιστικών τεχνικών παρουσιάζονται στις παρακάτω
παραγράφους:
4.20 Όπου χρειάζεται, ο προµηθευτής πρέπει να καθιερώσει διαδικασίες για τον

προσδιορισµό καταλλήλων στατιστικών τεχνικών οι οποίες απαιτούνται, ώστε να
επαληθεύει ότι οι διεργασίας και τα χαρακτηριστικά του προϊόντος είναι
αποδεκτά. ISO 9001:1987. Μετάφραση ΕΛΟΤ 1994-04-06.
4.20.1 Ο προµηθευτής πρέπει να εντοπίσει τις ανάγκες σε τεχνικές στατιστικής
που απαιτούνται για την καθιέρωση, τον έλεγχο και την επαλήθευση της
ικανότητας διεργασίας και των χαρακτηριστικών του προϊόντος και
4.20.2 Ο προµηθευτής πρέπει να τηρεί τεκµηριωµένες διαδικασίες, για να
υλοποιεί και να ελέγχει την εφαρµογή των τεχνικών στατιστικής που έχουν
εντοπιστεί σύµφωνα µε το 4.20.1. ISO 9001:1994. Μετάφραση ΕΛΟΤ 1996-11-
22.
Το άρθρο 4.20 δεν αναφέρεται µόνο στον έλεγχο της στατιστικής επεξεργασίας
των δεδοµένων. Η νοµοθεσία της Ε.Ε. προβλέπει τη χρήση από τους
παραγωγούς τροφίµων διαγραµµάτων Shewhart και την εφαρµογή τεχνικών
στατιστικής δειγµατοληψίας τόσο στις εισερχόµενες πρώτες ύλες όσο και στα
ενδιάµεσα και τελικά προϊόντα.[3]
8.1 Ο οργανισµός θα σχεδιάζει και θα εφαρµόζει την παρακολούθηση, µέτρηση,
ανάλυση και βελτίωση των διεργασιών που απαιτούνται, προκειµένου α) να
επιδείξει συµµόρφωση του προϊόντος (προς τις απαιτήσεις) β) να
διασφαλίσει συµµόρφωση του Σ∆Π και γ) να βελτιώνει, συνεχώς την
αποτελεσµατικότητα του Σ∆Π. ISO 9001:2000-1-15
Το ISO 9001 δεν απαιτεί ευθέως εφαρµογή ΣΕ∆. Αναφέρεται στο έλεγχο
διεργασιών αφήνοντας την επιλογή του τρόπου ελέγχου στον επιθεωρούµενο.
14
4. ΣΥΛΛΟΓΗ ∆Ε∆ΟΜΕΝΩΝ
4.1 Γενικά
Η διαδικασία που προτείνεται είναι η εξής:

1. Επιλογή δεικτών ποιότητας. Για το γάλα θα µελετηθεί η συµπεριφορά των
δεικτών λίπος %, όγκος και αριθµός ζυµών/ µυκήτων ανά ml. Για το τυρί φέτα
θα µελετηθεί η συµπεριφορά των δεικτών υγρασία %, λίπος επί ξηρού και
αριθµός ζυµών/ µυκήτων ανά ml. Ο αριθµός των ζυµών /µυκήτων µε βάση τα
διεθνή standards εκφράζεται µε έναν αριθµό µεταξύ 1,0 και 9,9 επί την
αντίστοιχη δύναµη του 10. Για τις ανάγκες της συγκεκριµένης εργασίας θα
χρησιµοποιηθούν οι αριθµοί στην απλή τους µορφή.
2. Επιλογή υποοµάδας. Το µέγεθος δείγµατος είναι η = 2 και θα αναλυθούν
δεδοµένα για 10 διαφορετικά δείγµατα διαφορετικών παρτίδων παραγωγής.
3. Συλλογή δεδοµένων. Για κάθε δείγµα συλλέγονται τα δεδοµένα µε τη χρήση
των προτεινόµενων τεχνικών ή/και µεθόδων αναφοράς.
4. Ανάλυση δεδοµένων (κεφάλαιο 5). Κατασκευάζονται διαγράµµατα ελέγχου
για όλους τους δείκτες ποιότητας των προϊόντων και εξάγονται
συµπεράσµατα που οδηγούν στη λήψη αποφάσεων και ενεργειών
βελτίωσης.
5. Επανάληψη δειγµατοληψίας. Εκ νέου κατασκευή διαγραµµάτων ελέγχου
µετά την υλοποίηση ενεργειών βελτίωσης και σχολιασµός των
αποτελεσµάτων.
4.2 Προϊόντα
Στην παρούσα εργασία θα µελετηθεί η συµπεριφορά συγκεκριµένων δεικτών

ποιότητας σε γραµµή παραγωγής των παρακάτω προϊόντων:
Α/ Παστεριωµένο γάλα πλήρες (3,5% λιπαρά) σε συσκευασία 1 L
To γάλα παραδίδεται στον καταναλωτή µετά από διάφορα είδη θερµικής

επεξεργασίας: καθόλου (νωπό γάλα), παστεριωµένο ή αποστειρωµένο και
συνήθως συσκευασµένο. Οι ιδιότητες του γάλακτος που απαιτούν την
µεγαλύτερη προσοχή είναι η ασφάλεια του καταναλωτή, η διάρκεια ζωής και η
γεύση. Η ασφάλεια είναι ως γνωστόν ιδιαίτερα σηµαντική παράµετρος και η
κατανάλωση νωπού γάλακτος δεν πρέπει να θεωρείται ασφαλής. Kατά συνέπεια
σε πολλά κράτη η διάθεση νωπού γάλακτος είναι απαγορευµένη ή αυστηρά
περιορισµένη σε άλλα. Επιπλέον η χρήση µη συσκευασµένου γάλακτος µπορεί
να περιλαµβάνει σοβαρούς κινδύνους για την ανθρώπινη υγεία.
Το γάλα καταναλώνεται ως ρόφηµα και στην περίπτωση αυτή το άρωµα και η
γεύση είναι χαρακτηριστικά υψίστης σπουδαιότητας. Επίσης οι καταναλωτές
χρησιµοποιούν γάλα συµπληρωµατικά σε ροφήµατα όπως καφές ή τσάι καθώς
επίσης στην µαγειρική και ζαχαροπλαστική. [17]
Είδη γάλακτος [11]

Ο κώδικας τροφίµων, ποτών και αντικειµένων γενικής χρήσης ορίζει τα
παρακάτω:
«Νωπό γάλα» νοείται το γάλα που εκκρίνεται από τους µαστικούς αδένες µιας ή
περισσότερων αγελάδων , προβατίνων, αιγών ή βουβαλίδων το οποίο δεν έχει
15
θερµανθεί πέραν των 40οC, ούτε έχει υποβληθεί σε επεξεργασία µε ισοδύναµο
αποτέλεσµα.
∆ια του όρου «γάλα» απλώς, άνευ συνοδεύοντος αυτό επιθέτου τινός, νοείται
αποκλειστικώς και µόνο το γάλα το οποίον:
α) Προέρχεται εξ αγελάδας.
β) Είναι νωπό.
γ) ∆εν έχει υποστεί αφυδάτωση ή συµπύκνωση
ε) ∆εν περιέχει έξωθεν προστιθέµενας ετέρας Ύλας
Ως «νωπόν» χαρακτηρίζεται το γάλα, όπερ διατίθεται εις την κατανάλωσιν άνευ

ουδεµίας ετέρας επεξεργασίας, πλην της διηθήσεως και ψύξεως, ως και της
οµογενοποιήσεως.
«Θερµικά επεξεργασµένο γάλα» χαρακτηρίζεται γάλα κατάλληλο για
ανθρώπινη κατανάλωση που παράγεται µε θερµική επεξεργασία άµεσα και
αποκλειστικά από νωπό γάλα, και το οποίο έχει τη µορφή γάλακτος
παστεριωµένου, UHT και αποστειρωµένου.
Το παστεριωµένο γάλα πρέπει:
- να έχει υποβληθεί σε επεξεργασία που περιλαµβάνει την έκθεση σε υψηλή
θερµοκρασία για µικρό χρονικό διάστηµα ( τουλάχιστον 71,1 οC για 15
δευτερόλεπτα ή ισοδύναµος συνδυασµός) ή σε διαδικασία παστερίωσης
που χρησιµοποιεί διαφορετικούς συνδυασµούς χρόνου και θερµοκρασίας για
την επίτευξη ισοδύναµου αποτελέσµατος.
- να παρουσιάζει αρνητική αντίδραση στη δοκιµασία της φωσφατάσης και
θετική αντίδραση στη δοκιµασία υπεροξειδάσης. Ωστόσο επιτρέπεται η
παραγωγή παστεριωµένου γάλακτος µε αρνητική αντίδραση στη δοκιµασία
υπεροξειδάσης, υπό την προϋπόθεση ότι η ετικέτα του γάλακτος φέρει την
ένδειξη «υψηλής παστερίωσης».
- αµέσως µετά την παστερίωση, να ψύχεται το συντοµότερο δυνατόν, σε
θερµοκρασία που δεν υπερβαίνει τους 6 οC.
Β/ Τυρί φέτα από πρόβειο γάλα συσκευασµένο υπό κενό σε συσκευασία 200 g
Η φέτα αποτελεί ένα παραδοσιακό λευκό µαλακό ελληνικό τυρί. Παραδοσιακά, το

τυρί φέτα παρασκευαζόταν µε τη χρήση στοιχειώδους εξοπλισµού σε
πρωτόγονες εγκαταστάσεις. Κάτω από αυτές τις συνθήκες, πολλά προβλήµατα
παρουσιάζονταν ιδίως όσον αφορά στην ποιότητα και την συντήρηση του τυριού.
Σταδιακά η κατάσταση άλλαξε και σήµερα η φέτα παρασκευάζεται ως επί το
πλείστον σε οργανωµένα και εξοπλισµένα εργοστάσια. [8]
Η κατανάλωση φέτας στην Ελλάδα είναι η µεγαλύτερη στον κόσµο και ανέρχεται
στα 22 κιλά κατά κεφαλή ανά έτος. Η γεύση της τυπικής φέτας είναι συνήθως
ήπια ταγκής, ελαφρώς όξινη και η δοµή του τυριού είναι σφιχτή, λεία και
κρεµώδης. Το χρώµα του τυριού είναι λευκό. Ένα απλουστευµένο διάγραµµα
ροής παρασκευής του τυριού φέτα µε την παραδοσιακή τεχνολογία παρασκευής
είναι το διάγραµµα 4.2
Χηµικές και µικροβιολογικές ιδιότητες
Η χηµική σύσταση του τυριού φέτα σύµφωνα µε έρευνα του υπουργείου
εµπορίου είναι η εξής: υγρασία% : 54,34± 2,86 λίπος επί ξηρού% : 49,76± 3,59
ολική πρωτεΐνη% : 17,59± 1,15 λακτόζη% : 0,53± 0,28 τέφρα% : 4,12± 0,54
συντελεστής άλατος [ αλάτι% * 100 (αλάτι% +υγρασία%)]: 4,39± 0,78% και
οξύτητα εκφρασµένη σε γαλακτικό οξύ: 1,86± 0,66%. Αξίζει να σηµειωθεί εδώ ή
16
ύπαρξη µεγάλης τυπικής απόκλισης και το γεγονός ότι το 20% των τυριών που
συµπεριλήφθηκαν στην έρευνα υπερέβησαν το όριο του 56% που ορίζεται από
την νοµοθεσία για την περιεκτικότητα του τυριού σε υγρασία. [8]
4.3 Φάσεις παραγωγής
Παρατίθενται απλουστευµένα διαγράµµατα ροής της παραγωγικής διαδικασίας

των παραπάνω προϊόντων
Παραλαβή νωπού γάλακτος
Μηχανικός καθαρισµός
Αποθήκευση (ψύξη)
Τυποποίηση
Οµογενοποίηση
Παστερίωση
Συσκευασία
Αποθήκευση (ψύξη)
Μεταφορά
∆ιανοµή
∆ιάγραµµα 4.1 ∆ιάγραµµα Ροής Παστεριωµένου Γάλακτος
17
Παραλαβή νωπού γάλακτος
Τυποποίηση
Παστερίωση
Προσθήκη καλλιέργειας
Προσθήκη CaCl2
Προσθήκη πυτιάς
Ζύµωση στους 32οC
Κοπή τυροπήγµατος
Καλούπωµα, στράγγισµα
Αλάτισµα
Τοποθέτηση σε άλµη
Ωρίµανση
Συσκευασία, Αποθήκευση,
∆ιανοµή
∆ιάγραµµα 4.2 ∆ιάγραµµα Ροής Παραγωγής Τυριού Φέτα [4]
18
4.4 ∆είκτες ποιότητας
Στη βιοµηχανία τροφίµων τα φυσικοχηµικά χαρακτηριστικά των παραγοµένων

προϊόντων και η µικροβιακή τους ποιότητα αποτελούν κρίσιµες παραµέτρους
παραγωγής και ισχυρή δέσµευση του παραγωγού απέναντι στον καταναλωτή και
στην εθνική και κοινοτική νοµοθεσία.
4.4.1 Το λίπος του γάλακτος
Τα λιπίδια είναι από τα πιο ενδιαφέροντα συστατικά του γάλακτος και θεωρούνται
σήµερα ως µια από τις πιο θρεπτικές τροφές. Από διαιτητικής απόψεως το λίπος
του γάλακτος έχει ιδιαίτερο ενδιαφέρον γιατί αποτελεί πηγή ενέργειας, κατά
προσέγγιση 9 Kcal ανά γραµµάριο, είναι φορέας των λιποδιαλυτών βιταµινών Α,
D, E, και K και περιέχει αξιόλογη ποσότητα απαραίτητων λιπαρών οξέων.
Ο πιο σηµαντικός ρόλος του λίπους του γάλακτος αφορά στη διαµόρφωση του
αρώµατος των γαλακτοκοµικών προϊόντων. Το πλούσιο ευχάριστο άρωµά του
είναι ασυναγώνιστο από οποιοδήποτε άλλο είδος λίπους. Αυτός είναι και ο λόγος
που υπό µορφή βουτύρου, παγωτού και κρέµας ανταγωνίζεται άλλα λίπη.
Η δοµή και η υφή των γαλακτοκοµικών προϊόντων, που είναι από τα
χαρακτηριστικά που επηρεάζουν πολύ την προτίµηση των καταναλωτών, σε
πολλές περιπτώσεις καθορίζονται από τα λιπίδιά τους.
Στη λιπαρά φάση του γάλακτος υπάρχουν τρεις κατηγορίες ενώσεων:
α/ τα ουδέτερα λίπη - τριγλυκερίδια, διγλυκερίδια, µονογλυκερίδια. Τα
τριγλυκερίδια αποτελούν το 98% περίπου της λιπαρής φάσης.
β/ τα πολικά λιπίδια – φωσφολιπίδες, γλυκολιπίδες. Είναι ουσίες πολύπλοκης
φύσης και αποτελούν το 1% περίπου της λιπαρής φάσης.
γ/ τα ασαπωνοποίητα συστατικά – στερόλες, λιποδιαλυτές βιταµίνες,
καροτινοειδή. Αυτά αντιπροσωπεύουν το 1% περίπου της λιπαρής φάσης,
∆ιαφέρουν από τα προηγούµενα στη δοµή, έχουν όµως κοινή ιδιότητα να µη
διαλύονται στο νερό. [2]
Τα διάφορα είδη γάλακτος περιέχουν τα ίδια συστατικά σε αναλογίες που

κυµαίνονται ευρύτατα. Η µέση χηµική σύσταση του αγελαδινού, πρόβειου και
αίγειου γάλακτος φαίνεται στον πίνακα 4.1.
%
είδος
περιεκτικότητα
γάλακτος νερό λίπος πρωτεΐνη λακτόζη τέφρα συνολικά
στερεά
αγελάδας 86,90 3,90 3,54 4,93 0,71 13,39
κατσίκας 87,00 4,25 3,52 4,27 0,86 13,00
προβάτου 80,71 7,90 5,23 4,81 0,90 19,29
Πίνακας 4.1 Μέση χηµική σύσταση του γάλακτος διάφορων ζώων [2]
19
4.4.2 Βάρος/Όγκος
Το βάρος αποτελεί ποιοτικό χαρακτήρα ο οποίος προσδιορίζεται εύκολα µε

διάφορους τύπους ζυγών. Αναφέρεται τόσο στα συσκευασµένα όσο και στα µη
συσκευασµένα προϊόντα.
Ορισµοί
Μικτό βάρος: περιλαµβάνει το βάρος του περιεχοµένου τροφίµου και το βάρος
του περιέκτη.
Καθαρό βάρος: Προκύπτει από το µικτό βάρος αν αφαιρεθεί το βάρος του
περιέκτη.
Ο όγκος χρησιµοποιείται σαν τρόπος µέτρησης της ποσότητας των υγρών

τροφίµων όπως γάλα, ποτά αλκοολούχα και µη, χυµοί φρούτων και λαχανικών,
αναψυκτικά, µεταλλικά και λοιπά νερά και άλλα. Στις τυποποιηµένες συσκευασίες
αναγράφεται το κοινοτικό σήµα « e» που αποτελεί δήλωση του παραγωγού ότι η
συσκευασία αυτή ανταποκρίνεται στους κοινοτικούς όρους αποκλειστικά και
µόνον από πλευράς πραγµατικής ποσότητας. [1]
4.4.3. Υγρασία/ Λίπος επί ξηρού
Χαρακτηριστικά της «ΦΕΤΑΣ»(FETA): [11]

Τα βασικά χαρακτηριστικά της «ΦΕΤΑΣ» (FETA) (ποιοτικά, οργανοληπτικά,
γευσιογνωστικά κ.λ.π.) είναι:
Χηµική σύσταση
- Μέγιστη Υγρασία: 56%
- Ελάχιστη λιποπεριεκτικότητα επί ξηρού: 43%
- Συνεκτικότητα: µαλακό τυρί που µπορεί να κόβεται σε φέτες
- Σχήµα: σφηνοειδές ή ορθογωνίου παραλληλεπιπέδου
- ∆ιαστάσεις: διάφορες
- Βάρη: διάφορα
- Επιδερµίδα: δεν έχει
- Υφή: συµπαγής µε λίγες µηχανικές σχισµές
- Χρώµα: καθαρό λευκό
- Οπές: καθόλου ή λίγες
- Κατανοµή : σε όλη τη µάζα
- Σχήµα οπής: ακανόνιστο
- Γεύση: γεύση λιπόλυσης, ευχάριστη, ελαφρά όξινη και πλούσιο άρωµα
- Απαγορεύεται ή χρήση χρωστικών, συντηρητικών και αντιβιοτικών ουσιών
στο τυρί και στην άλµη.
Η υγρασία στο τυρί ηλικίας µιας ηµέρας είναι περίπου 60% και µειώνεται στο
55% µέσα σε δέκα ηµέρες από την παραγωγή, ή ακόµα περισσότερο σε σύντοµο
χρονικό διάστηµα ανάλογα µε την τεχνολογία παραγωγής. Κατά τη διάρκεια της
αποθήκευσης και ωρίµανσης περαιτέρω µείωση της υγρασίας συντελείται
συνήθως, συχνά παρατηρείται επίσης αύξηση της υγρασίας κατά την ωρίµανση
σε διάφορα τυριά άλµης. Το τελευταίο πιθανά οφείλεται σε σχίσιµο της αλυσίδας
20
των πεπτιδίων και τη δηµιουργία καινούργιων ιωνικών οµάδων που
απορροφούν νερό από την άλµη. [8]
4.4.4 Ζύµες / µύκητες
Ένα παράδειγµα µικροβιολογικού κινδύνου για τη βιοµηχανία τροφίµων είναι οι

ζύµες και οι µύκητες. Πολλά γένη και είδη ζυµών προξενούν ανεπιθύµητες
αλλοιώσεις σε τρόφιµα µε την ανάπτυξη τους σε αυτά και άλλες µπορούν να
δηµιουργήσουν ιδιαίτερα προβλήµατα κατά τη διάρκεια της οµαλής πορείας µιας
ζύµωσης. Πολλές φορές οι αλλοιώσεις είναι µόνο αισθητικές και οφείλονται στην
απλή παρουσία των ζυµών και άλλες φορές παράγονται ανεπιθύµητα προϊόντα
µεταβολισµού, που ευθύνονται για ανεπιθύµητες οσµές και γεύσεις.
Τα προϊόντα µεταβολισµού των ζυµών δεν θεωρούνται τοξικά για τον άνθρωπο
και έτσι οι ζύµες, παρότι µερικά γένη και είδη είναι παθογόνα για τον άνθρωπο
και τα ανώτερα ζώα, δεν θεωρούνται πρόξενοι τροφικών δηλητηριάσεων. Πηγές
µολύνσεως από ζύµες είναι ο αέρας, η σκόνη τα διάφορα έντοµα αλλά και ο
χειριστής.
Στα ενδιάµεσα προϊόντα µεταβολισµού ορισµένων ειδών µυκήτων
συγκαταλέγονται και οι µυκοτοξίνες που συσσωρεύονται στα τρόφιµα και στις
ζωοτροφές και είναι τοξικές για τον άνθρωπο και τα ανώτερα ζώα. [16]
Μυκοτοξίνες
Οι µυκοτοξίνες αποτελούν δευτερεύοντα, τοξικά προϊόντα µεταβολισµού
ορισµένων µυκήτων. Μέχρι σήµερα έχουν αποµονωθεί γύρω στις 80
µυκοτοξίνες, που παράγονται από 200 είδη µυκήτων. Οι αφλατοξίνες είναι
µυκοτοξίνες που συνήθως απαντώνται στα τρόφιµα και εµπεριέχουν κινδύνους
για την υγεία των καταναλωτών. Πρόκειται για µια οµάδα ετεροκυκλικών
ενώσεων µε συγγενείς χηµικές ιδιότητες, έξι από τις οποίες παρουσιάζουν
εξαιρετικό ενδιαφέρον για την ασφάλεια των τροφίµων (Β1, Β2, G1, G2, Μ1 και
Μ2). Οι αφλατοξίνες Μ1 και Μ2 απαντώνται στο γάλα γαλακτοπαραγωγών ζώων
που καταναλώνουν ζωοτροφές µε αφλατοξίνες Β1 και Β2, οι οποίες είναι και οι
συνηθέστερες στα τρόφιµα. Τα ύποπτα για αφλατοξίνες τρόφιµα είναι οι
ελαιούχοι καρποί, τα δηµητριακά, τα φρούτα, οι χυµοί, τα αρτοσκευάσµατα, το
γάλα, το συκώτι, το κρέας των πουλερικών, τα αυγά και ορισµένες κατηγορίες
τυριών. Οι παράγοντες που επηρεάζουν την παραγωγή αφλατοξινών στα
τρόφιµα είναι το στέλεχος του µύκητα, η θερµοκρασία, η υγρασία, το pH, το
υπόστρωµα, η παρουσία µυκητοστατικών και ο ανταγωνισµός µεταξύ µικροβίων.
Ο FAO/WHO συνιστά ως ανώτατο επιτρεπτό επίπεδο αφλατοξινών στα τρόφιµα
τα 30 µg/kg τροφίµου. Τα αποδεκτά όρια των µυκοτοξινών σε διεθνές επίπεδο
φαίνονται στον πίνακα 4.2
Μυκοτοξίνη Επιτρεπτό όριο (µg/kg)

Αφλατοξίνη στα τρόφιµα 0-50
Αφλατοξίνη Μ1 στο γάλα 0-0,5
Πατουλίνη στο χυµό µήλου 20-50
Ωχρατοξίνη Α στα τρόφιµα 1-300
Ζεαραλενόνη 30-1000
Πίνακας 4.2 Εύρος επιτρεπτών ορίων για τις µυκοτοξίνες [4]
21
4.5 ∆εδοµένα
Τα δεδοµένα αναφέρονται στις καταστάσεις ΠΡΙΝ και ΜΕΤΑ. Στην κατάσταση

ΠΡΙΝ συλλέγονται τιµές των δεικτών ποιότητας για καταγραφή και ανάλυση πριν
από οποιαδήποτε ενέργεια βελτίωσης. Στην κατάσταση ΜΕΤΑ γίνεται συλλογή
δεδοµένων αφού έχουν προηγηθεί ενέργειες βελτίωσης µε βάση ή τις
πληροφορίες που συλλέγονται από τη χρήση των εργαλείων του στατιστικού
ελέγχου διεργασίας ή αποφάσεις της διοίκησης για αλλαγή της τιµής στόχου
σύµφωνα µε νοµοθετικές ή εσωτερικές προδιαγραφές.
Παρατίθενται οι τιµές για το λίπος % σε 10 δείγµατα παστεριωµένου γάλακτος.
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10
ΠΡΙΝ ∆ΟΚ_1 3,56 3,57 3,57 3,53 3,68 3,57 3,55 3,56 3,62 3,59
∆ΟΚ_2 3,58 3,54 3,59 3,55 3,65 3,54 3,57 3,58 3,65 3,56
ΜΕΤΑ ∆ΟΚ_1 3,54 3,56 3,48 3,47 3,52 3,55 3,46 3,48 3,53 3,51
∆ΟΚ_2 3,51 3,52 3,46 3,49 3,51 3,55 3,47 3,49 3,50 3,50
Πίνακας 4.3 Περιεκτικότητα σε λίπος % παστεριωµένου γάλακτος 1 lt
Παρατίθενται οι τιµές για τον όγκο σε 10 δείγµατα παστεριωµένου γάλακτος.
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10
ΠΡΙΝ ∆ΟΚ_1 0,980 0,960 0,990 0,960 0,970 0,980 0,940 0,960 0,970 0,950
∆ΟΚ_2 0,970 0,960 0,980 0,970 0,980 0,960 0,950 0,960 0,960 0,950
ΜΕΤΑ ∆ΟΚ_1 1,010 0,990 0,990 1,050 0,990 1,000 0,970 0,990 0,980 0,980
∆ΟΚ_2 1,000 0,980 0,980 1,010 1,000 1,020 0,990 1,020 1,030 0,990
Πίνακας 4.4 Όγκος παστεριωµένου γάλακτος 1 lt
Παρατίθενται οι τιµές για τον αρ. ζυµών /µυκήτων / ml σε 10 δείγµατα

παστεριωµένου γάλακτος.
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10
ΠΡΙΝ ∆ΟΚ_1 50 70 60 90 60 95 35 85 90 85
∆ΟΚ_2 60 85 70 85 65 90 45 80 95 95
∆ΟΚ_1 30 60 35 50 25 35 40 50 30 50
ΜΕΤΑ ∆ΟΚ_2 25 50 40 55 20 25 45 45 35 55
Πίνακας 4.5 Ζύµες /µύκητες ανά ml παστεριωµένου γάλακτος 1 lt
22
Παρατίθενται οι τιµές για την υγρασία % σε 10 δείγµατα τυρί φέτα.
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10
ΠΡΙΝ ∆ΟΚ_1 60 58 55 59 63 54 58 57 54 60
∆ΟΚ_2 58 58 56 57 64 58 60 59 56 61
ΜΕΤΑ ∆ΟΚ_1 55 54 54 52 56 57 53 54 57 55
∆ΟΚ_2 54 53 52 51 55 56 50 52 55 56
Πίνακας 4.6 Υγρασία % για το τυρί φέτα 200 g
Παρατίθενται οι τιµές για το λίπος επί ξηρού % σε 10 δείγµατα τυρί φέτα.
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10
ΠΡΙΝ ∆ΟΚ_1 42 46 40 39 38 40 35 33 38 41
∆ΟΚ_2 40 44 41 40 35 39 33 32 37 42
ΜΕΤΑ ∆ΟΚ_1 44 45 45 43 46 47 44 45 46 43
∆ΟΚ_2 45 46 47 44 45 46 45 46 46 45
Πίνακας 4.7 Λίπος επί ξηρού % για το τυρί φέτα 200 g
Παρατίθενται οι τιµές για τον αρ. ζυµών /µυκήτων / ml σε 10 δείγµατα τυρί φέτα.
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10
ΠΡΙΝ ∆ΟΚ_1 40 52 47 71 32 68 60 54 72 53
∆ΟΚ_2 43 51 45 68 35 72 55 58 73 56
ΜΕΤΑ ∆ΟΚ_1 33 21 24 14 17 19 10 8 15 9
∆ΟΚ_2 30 24 27 16 13 16 12 9 13 8
Πίνακας 4.8 Ζύµες /µύκητες ανά ml για το τυρί φέτα 200 g
23
5. ΑΝΑΛΥΣΗ ∆Ε∆ΟΜΕΝΩΝ
5.1 Γενικά
Σε αυτό το κεφάλαιο παρουσιάζεται η τεκµηρίωση σχετικά µε τους δείκτες

ποιότητας των προϊόντων και αναλύονται τα πιθανά αίτια απόκλισης από
κατάσταση στατιστικού ελέγχου στις ελεγχόµενες διεργασίες.
5.2 Μεθοδολογία έρευνας
1. Μέθοδοι µικροβιολογικού ελέγχου και χηµικών αναλύσεων γάλακτος και

τυριών
▬ IDF 1D: 1996 – MILK (Röse-Gottlieb) – DETERMINATION OF FAT CONTENT
▬ IDF 4A: 1982 – CHEESE and PROCESSED CHEESE – DETERMINATION

OF THE TOTAL SOLIDS CONTENT (Reference Method)
▬ IDF 5B: 1986 – CHEESE and PROCESSED CHEESE – DETERMINATION

OF FAT CONTENT – GRAVIMETRIC METHOD (Reference Method)
▬ IDF 94B: 1990 – MILK & MILK PRODUCTS – ENUMERATION OF YEASTS &
MOULDS – COLONY COUNT TECHNIQUE AT 25 o C
▬ IDF 122: 2001/ ISO 8261 – MILK & MILK PRODUCTS – PREPARATION OF
SAMPLES AND DILUTIONS FOR MICROBIOLOGICAL EXAMINATION
▬ IDF 105: 1981 – MILK (GERBER BUTYROMETERS) – DETERMINATION OF

FAT CONTENT
2. ∆ιαγράµµατα ελέγχου
Κατασκευή ∆Ε R και ∆Ε X̅
ΟΡΙΑ ΕΛΕΓΧΟΥ ΓΙΑ ∆Ε R
UCL = ΑΟΕR = D4 * R̅ από πίνακα για n = 2 ΑΟΕR = 3,267 * R̅
LCL = KOER = D3 * R̅ από πίνακα για n = 2 KOER = 0 * R̅ = 0
ΟΡΙΑ ΕΛΕΓΧΟΥ ΓΙΑ ∆Ε X̅
UCL = ΑΟΕX̅ = X̿+A2 * R̅ από πίνακα για n = 2 ΑΟΕX̅ = X̿ + 1,880* R̅
LCL = KOEX̅ = X̿̿-A2 * R̅ από πίνακα για n = 2 KOEX̅ = X̿ - 1,880* R̅
24
5.3 Επεξεργασία
ΛΙΠΟΣ % ΓΑΛΑΚΤΟΣ - ΠΡΙΝ
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10 X̿ R̅
∆ΟΚ_1 3,56 3,57 3,57 3,53 3,68 3,57 3,55 3,56 3,62 3,59
∆ΟΚ_2 3,58 3,54 3,59 3,55 3,65 3,54 3,57 3,58 3,65 3,56
ΣΥΝΟΛΟ 7,14 7,11 7,16 7,08 7,33 7,11 7,12 7,14 7,27 7,15
Χ̅ 3,57 3,56 3,58 3,54 3,67 3,56 3,56 3,57 3,64 3,58 3,5805
R 0,02 0,03 0,02 0,02 0,03 0,03 0,02 0,02 0,03 0,03 0,025
Κατασκευή ∆Ε R και ∆Ε Χ̅ µε MINITAB µε την παρακάτω διαδικασία:

• Καταχωρούνται στη στήλη c1 µε τίτλο “FAT CONTENT before” οι τιµές των
δεδοµένων που αφορούν στην εκατοστιαία περιεκτικότητα σε λίπος
δειγµάτων παστεριωµένου γάλακτος στην κατάσταση “ΠΡΙΝ”
• Χρησιµοποιούνται οι επιλογές :
Stat>control charts>Χ bar-R [Data are arranged as single column: c1,
Subgroup size: 2] > Estimate [Calculate control limits using: subgroup size: 2]
> Tests [Perform all eight tests].
Από το ΜΙΝΙΤΑΒ προκύπτει το παρακάτω διάγραµµα:

∆ιάγραµµα 5.1
Xbar/R Chart for FAT CONTENT - before

3,67 1
Sample Mean
1
UCL=3,628
3,62
Mean=3,581
3,57
LCL=3,533
3,52
Subgroup 0 1 2 3 4 5 6 7 8 9 10
0,08 UCL=0,08168
Sample Range
0,06
0,04
R=0,025
0,02
0,00 LCL=0
Test Results for Xbar Chart

TEST 1. One point more than 3,00 sigmas from center line.
Test Failed at points: 5 9
25
ΛΙΠΟΣ % ΓΑΛΑΚΤΟΣ - META
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10 X̿ R̅
∆ΟΚ_1 3,54 3,56 3,48 3,47 3,52 3,55 3,46 3,48 3,53 3,51
∆ΟΚ_2 3,51 3,52 3,46 3,49 3,51 3,55 3,47 3,49 3,50 3,50
ΣΥΝΟΛΟ 7,05 7,08 6,94 6,96 7,03 7,10 6,93 6,97 7,03 7,01
Χ̅ 3,53 3,54 3,47 3,48 3,52 3,55 3,47 3,49 3,52 3,51 3,505
R 0,03 0,04 0,02 0,02 0,01 0,00 0,01 0,01 0,03 0,01 0,018

• Καταχωρούνται στη στήλη c1 µε τίτλο “FAT CONTENT after” οι τιµές των
δεδοµένων που αφορούν στην εκατοστιαία περιεκτικότητα σε λίπος
δειγµάτων παστεριωµένου γάλακτος στην κατάσταση “META”

Xbar/R Chart for FAT CONTENT - after

3,56
3,55 1
1
Sample Mean
3,54 UCL=3,539
3,53
3,52
3,51
Mean=3,505
3,50
3,49
3,48 5
3,47 LCL=3,471
1
3,46 1
Subgroup 0 1 2 3 4 5 6 7 8 9 10
0,06 UCL=0,05881
Sample Range
0,05
0,04
0,03
0,02 R=0,018
0,01
0,00 LCL=0

Test Failed at points: 2 3 6 7
TEST 5. 2 out of 3 points more than 2 sigmas from center line (on one side of CL).
Test Failed at points: 4
26
ΟΓΚΟΣ ΓΑΛΑΚΤΟΣ ΣΕ ΛΙΤΡΑ – ΠΡΙΝ
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10 X̿ R̅
∆ΟΚ_1 0,980 0,960 0,990 0,960 0,970 0,980 0,940 0,960 0,970 0,950
∆ΟΚ_2 0,970 0,960 0,980 0,970 0,980 0,960 0,950 0,960 0,960 0,950
ΣΥΝΟΛΟ 1,950 1,920 1,970 1,930 1,950 1,940 1,890 1,920 1,930 1,900
Χ̅ 0,975 0,960 0,985 0,965 0,975 0,970 0,945 0,960 0,965 0,950 0,965
R 0,010 0,000 0,010 0,010 0,010 0,020 0,010 0,000 0,010 0,000 0,008

• Καταχωρούνται στη στήλη c1 µε τίτλο “VOLUME before” οι τιµές των
δεδοµένων που αφορούν στον όγκο δειγµάτων παστεριωµένου γάλακτος στην
κατάσταση “ΠΡΙΝ”

Xbar/R Chart for VOLUME before

0,99
1
Sample Mean
0,98 UCL=0,9800
0,97
Mean=0,965
0,96
0,95 LCL=0,9500
1
0,94
Subgroup 0 1 2 3 4 5 6 7 8 9 10
0,03
UCL=0,02614
Sample Range
0,02
0,01
R=0,008
0,00 LCL=0

27
ΟΓΚΟΣ ΓΑΛΑΚΤΟΣ ΣΕ ΛΙΤΡΑ – ΜΕΤΑ
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10 X̿ R̅
∆ΟΚ_1 1,010 0,990 0,990 1,050 0,990 1,000 0,970 0,990 0,980 0,980
∆ΟΚ_2 1,000 0,980 0,980 1,010 1,000 1,020 0,990 1,020 1,030 0,990
ΣΥΝΟΛΟ 2,010 1,970 1,970 2,060 1,990 2,020 1,960 2,010 2,010 1,970
Χ̅ 1,005 0,985 0,985 1,030 0,995 1,010 0,980 1,005 1,005 0,985 0,9985
R 0,010 0,010 0,010 0,040 0,010 0,020 0,020 0,030 0,050 0,010 0,021

• Καταχωρούνται στη στήλη c1 µε τίτλο “VOLUME after” οι τιµές των δεδοµένων
που αφορούν στον όγκο δειγµάτων παστεριωµένου γάλακτος στην κατάσταση
“ΜΕΤΑ”

Xbar/R Chart for VOLUME after

1,05
1,04 UCL=1,038
Sample Mean
1,03
1,02
1,01
1,00 Mean=0,9985
0,99
0,98
0,97
0,96 LCL=0,9590
0,95
Subgroup 0 1 2 3 4 5 6 7 8 9 10
0,07 UCL=0,06861
Sample Range
0,06
0,05
0,04
0,03
0,02 R=0,021
0,01
0,00 LCL=0
28
ΑΡ. ΖΥΜΩΝ /ΜΥΚΗΤΩΝ ΑΝΑ ml ΣΤΟ ΓΑΛΑ – ΠΡΙΝ
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10 X̿ R̅
∆ΟΚ_1 50 70 60 90 60 95 35 85 90 85
∆ΟΚ_2 60 85 70 85 65 90 45 80 95 95
ΣΥΝΟΛΟ 110 155 130 175 125 185 80 165 185 180
Χ̅ 55 77,5 65 87,5 62,5 92,5 40 82,5 92,5 90 74,5
R 10 15 10 5 5 5 10 5 5 10 8

• Καταχωρούνται στη στήλη c1 µε τίτλο “YEASTS/MOULDS before” οι τιµές των
δεδοµένων που αφορούν στον αριθµό των ζυµών/µυκήτων ανά κυβικό
εκατοστό δειγµάτων παστεριωµένου γάλακτος στην κατάσταση “ΠΡΙΝ”
Από το ΜΙΝΙΤΑΒ προκύπτει το παρακάτω διάγραµµα: ∆ιάγραµµα 5.5
Xbar/R Chart for YEASTS/MOULDS before

95 1 1 1
UCL=89,54
85
Sample Mean
75 Mean=74,5
65
LCL=59,46
55 1
45
35 1
Subgroup 0 1 2 3 4 5 6 7 8 9 10
30
UCL=26,14
Sample Range
20
10
R=8
0 LCL=0

Test Failed at points: 1 6 7 9 10
Test Failed at points: 6 7 10
TEST 6. 4 out of 5 points more than 1 sigma from center line (on one side of CL).
TEST 8. 8 points in a row more than 1 sigma from center line (above and below CL).
29
ΑΡ. ΖΥΜΩΝ /ΜΥΚΗΤΩΝ ΑΝΑ ml ΣΤΟ ΓΑΛΑ – ΜΕΤΑ
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10 X̿ R̅
∆ΟΚ_1 30 60 35 50 25 35 40 50 30 50
∆ΟΚ_2 25 50 40 55 20 25 45 45 35 55
ΣΥΝΟΛΟ 55 110 75 105 45 60 85 95 65 105

Χ̅ 27,5 55 37,5 52,5 22,5 30 42,5 47,5 32,5 52,5 40
R 5 10 5 5 5 10 5 5 5 5 6

• Καταχωρούνται στη στήλη c1 µε τίτλο “YEASTS/MOULDS after” οι τιµές των
εκατοστό δειγµάτων παστεριωµένου γάλακτος στην κατάσταση “META”

Xbar/R Chart for YEASTS/MOULDS after

60
1
1 1
Sample Mean
50 UCL=51,28
40 Mean=40
30 5 LCL=28,72
1
20 1
Subgroup 0 1 2 3 4 5 6 7 8 9 10
20 UCL=19,60
Sample Range
10
R=6
0 LCL=0

Test Failed at points: 1 2 4 5 10
30
ΥΓΡΑΣΙΑ % ΤΥΡΙΟΥ ΦΕΤΑ – ΠΡΙΝ
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10 X̿ R̅
∆ΟΚ_1 60 58 55 59 63 54 58 57 54 60
∆ΟΚ_2 58 58 56 57 64 58 60 59 56 61
ΣΥΝΟΛΟ 118 116 111 116 127 112 118 116 110 121
Χ̅ 59,0 58,0 55,5 58,0 63,5 56,0 59,0 58,0 55,0 60,5 58,25
R 2,0 0,0 1,0 2,0 1,0 4,0 2,0 2,0 2,0 1,0 1,7

• Καταχωρούνται στη στήλη c1 µε τίτλο “ HUMIDITY before” οι τιµές των
δεδοµένων που αφορούν στην εκατοστιαία περιεκτικότητα σε υγρασία
δειγµάτων τυριού φέτα στην κατάσταση “ΠΡΙΝ”

Xbar/R Chart for HUMIDITY before

64 1
63
Sample Mean
62
61 UCL=61,45
60
59
58 Mean=58,25
57
56
55 LCL=55,05
1
54
Subgroup 0 1 2 3 4 5 6 7 8 9 10
6
UCL=5,554
Sample Range
5
4
3
2 R=1,7
1
0 LCL=0

31
ΥΓΡΑΣΙΑ % ΤΥΡΙΟΥ ΦΕΤΑ – ΜΕΤΑ
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10 X̿ R̅
∆ΟΚ_1 55 54 54 52 56 57 53 54 57 55
∆ΟΚ_2 54 53 52 51 55 56 50 52 55 56
ΣΥΝΟΛΟ 109 107 106 103 111 113 103 106 112 111
Χ̅ 54,5 53,5 53,0 51,5 55,5 56,5 51,5 53,0 56,0 55,5 54,05
R 1,0 1,0 2,0 1,0 1,0 1,0 3,0 2,0 2,0 1,0 1,5

• Καταχωρούνται στη στήλη c1 µε τίτλο “ HUMIDITY after” οι τιµές των
δεδοµένων που αφορούν στην εκατοστιαία περιεκτικότητα σε υγρασία
δειγµάτων τυριού φέτα στην κατάσταση “META”

Xbar/R Chart for HUMIDITY after

57 UCL=56,87
Sample Mean
56 8
55
54 Mean=54,05
53
52
51 LCL=51,23
Subgroup 0 1 2 3 4 5 6 7 8 9 10
5 UCL=4,901
Sample Range
4
3
2
R=1,5
1
0 LCL=0

TEST 8. 8 points in a row more than 1 sigma from center line (above and below CL).
32
ΛΙΠΟΣ ΕΠΙ ΞΗΡΟΥ % ΤΥΡΙΟΥ ΦΕΤΑ – ΠΡΙΝ
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10 X̿ R̅
∆ΟΚ_1 42 46 40 39 38 40 35 33 38 41
∆ΟΚ_2 40 44 41 40 35 39 33 32 37 42
ΣΥΝΟΛΟ 82 90 81 79 73 79 68 65 75 83
Χ̅ 41,0 45,0 40,5 39,5 36,5 39,5 34,0 32,5 37,5 41,5 38,75
R 2,0 2,0 1,0 1,0 3,0 1,0 2,0 1,0 1,0 1,0 1,5

• Καταχωρούνται στη στήλη c1 µε τίτλο “ FAT IN DRY MATTER before” οι τιµές
των δεδοµένων που αφορούν στην εκατοστιαία περιεκτικότητα λίπους επί
ξηρού δειγµάτων τυριού φέτα στην κατάσταση “ΠΡΙΝ”

Xbar/R Chart for FAT IN DRY MATTER before

45 1
Sample Mean
UCL=41,57
40
Mean=38,75
6
LCL=35,93
35
1
1
30
Subgroup 0 1 2 3 4 5 6 7 8 9 10
5 UCL=4,901
Sample Range
4
3
2
R=1,5
1
0 LCL=0

33
ΛΙΠΟΣ ΕΠΙ ΞΗΡΟΥ % ΤΥΡΙΟΥ ΦΕΤΑ – ΜΕΤΑ
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10 X̿ R̅
∆ΟΚ_1 44 45 45 43 46 47 44 45 46 43
∆ΟΚ_2 45 46 47 44 45 46 45 46 45 45
ΣΥΝΟΛΟ 89 91 92 87 91 93 89 91 91 88
Χ̅ 44,5 45,5 46,0 43,5 45,5 46,5 44,5 45,5 45,5 44,0 45,1
R 1,0 1,0 2,0 1,0 1,0 1,0 1,0 1,0 1,0 2,0 1,2

• Καταχωρούνται στη στήλη c1 µε τίτλο “ FAT IN DRY MATTER after ” οι τιµές
των δεδοµένων που αφορούν στην εκατοστιαία περιεκτικότητα λίπους επί
ξηρού δειγµάτων τυριού φέτα στην κατάσταση “ΜΕΤΑ”

Xbar/R Chart for FAT IN DRY MATTER after

47,5 UCL=47,36
Sample Mean
46,5
45,5
Mean=45,1
44,5
43,5
LCL=42,84
42,5
Subgroup 0 1 2 3 4 5 6 7 8 9 10
4 UCL=3,921
Sample Range
1 R=1,2
0 LCL=0
34
ΑΡ. ΖΥΜΩΝ /ΜΥΚΗΤΩΝ ΑΝΑ ml ΤΥΡΙΟΥ ΦΕΤΑ – ΠΡΙΝ
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10 X̿ R̅
∆ΟΚ_1 40 52 47 71 32 68 60 54 72 53
∆ΟΚ_2 43 51 45 68 35 72 55 58 73 56
ΣΥΝΟΛΟ 83 103 92 139 67 140 115 112 145 109

Χ̅ 41,5 51,5 46 69,5 33,5 70 57,5 56 72,5 54,5 55,25
R 3 1 2 3 3 4 5 4 1 3 2,9

• Καταχωρούνται στη στήλη c1 µε τίτλο “YEASTS/MOULDS before” οι τιµές των
εκατοστό δειγµάτων τυριού φέτα στην κατάσταση “ΠΡΙΝ”
Από το ΜΙΝΙΤΑΒ προκύπτει το παρακάτω διάγραµµα: ∆ιάγραµµα 5.11
Xbar/R Chart for YEASTS/MOULDS before

75 1
1 1
70
Sample Mean
65
60 UCL=60,70
55 Mean=55,25
50 5 LCL=49,80
45 1
40 1
35
30 1
Subgroup 0 1 2 3 4 5 6 7 8 9 10
10 UCL=9,475
Sample Range
R=2,9
0 LCL=0

Test Failed at points: 1 3 4 5 6 9
35
ΑΡ. ΖΥΜΩΝ /ΜΥΚΗΤΩΝ ΑΝΑ ml ΤΥΡΙΟΥ ΦΕΤΑ – ΜΕΤΑ
∆ΕΙΓΜΑ 1 2 3 4 5 6 7 8 9 10 X̿ R̅
∆ΟΚ_1 33 21 24 14 17 19 10 8 15 9
∆ΟΚ_2 30 24 27 16 13 16 12 9 13 8
ΣΥΝΟΛΟ 63 45 51 30 30 35 22 17 28 17
Χ̅ 31,5 22,5 25,5 15 15 17,5 11 8,5 14 8,5 16,9
R 3 3 3 2 4 3 2 1 2 1 2,4

• Καταχωρούνται στη στήλη c1 µε τίτλο “YEASTS/MOULDS after” οι τιµές των
εκατοστό δειγµάτων τυριού φέτα στην κατάσταση “META”

Xbar/R Chart for YEASTS/MOULDS after

1
30
Sample Mean
1
1
UCL=21,41
20
Mean=16,9
6 LCL=12,39
10 1
1 1
Subgroup 0 1 2 3 4 5 6 7 8 9 10
9
8 UCL=7,841
Sample Range
7
6
5
4
3
2 R=2,4
1
0 LCL=0

Test Failed at points: 1 2 3 7 8 10
36
5.4 Κριτήρια [14]
Τα κριτήρια που χρησιµοποιήθηκαν για την ανάλυση των διαγραµµάτων ελέγχου

και την εξαγωγή συµπερασµάτων είναι τα κριτήρια που χρησιµοποιεί το στατιστικό
πακέτο ΜΙΝΙΤΑΒ. Αυτά είναι:
1. Ένα σηµείο βρίσκεται σε απόσταση µεγαλύτερη από 3 σίγµα από την
κεντρική γραµµή του διαγράµµατος
2. Εννέα συνεχή σηµεία βρίσκονται από ίδια πλευρά της κεντρικής γραµµής
3. Έξι συνεχή σηµεία µε ανοδική ή καθοδική τάση
4. ∆εκατέσσερα συνεχή σηµεία εναλλάσσονται πάνω-κάτω
5. ∆ύο από τρία συνεχή σηµεία βρίσκονται σε απόσταση µεγαλύτερη από 2
σίγµα από την κεντρική γραµµή του διαγράµµατος (ίδια πλευρά της
κεντρικής γραµµής)
6. Τέσσερα από πέντε συνεχή σηµεία βρίσκονται σε απόσταση µεγαλύτερη
από 1 σίγµα από την κεντρική γραµµή του διαγράµµατος (ίδια πλευρά της
7. ∆εκαπέντε συνεχή σηµεία βρίσκονται σε απόσταση έως 1 σίγµα από την
κεντρική γραµµή (και από τις δύο πλευρές της κεντρικής γραµµής)
8. Οκτώ συνεχή σηµεία βρίσκονται σε απόσταση µεγαλύτερη από 1 σίγµα
από την κεντρική γραµµή του διαγράµµατος (και από τις δύο πλευρές της
5.5 Αποτελέσµατα - Πορίσµατα
λίπος % γάλακτος – πριν

Από το διάγραµµα 5.1 είναι εµφανές ότι πρόκειται για διεργασία εκτός στατιστικού
ελέγχου, καθώς παρατηρούνται σηµεία στο διάγραµµα ελέγχου της µέσης τιµής
πάνω από το ΑΟΕ, τα σηµεία 5 και 9. Παρατηρούνται συνεπώς δύο παρτίδες
δειγµάτων µε αρκετά υψηλές τιµές, γεγονός που απαιτεί περαιτέρω έλεγχο.
Το διάγραµµα ελέγχου για το εύρος στην κατάσταση πριν υποδεικνύει ότι η
διεργασία βρίσκεται υπό στατιστικό έλεγχο όσον αφορά στη µεταβλητότητα.
Επίσης όλες οι τιµές του εύρους κυµαίνονται πολύ κοντά στην τιµή του µέσου
εύρους 0,025 γεγονός που αποδεικνύει την αξιοπιστία του µετρητικού
συστήµατος.
λίπος % γάλακτος – µετά

Από το διάγραµµα 5.2 είναι εµφανές ότι πρόκειται για διεργασία εκτός στατιστικού
ελέγχου, καθώς παρατηρούνται σηµεία στο διάγραµµα ελέγχου της µέσης τιµής
πάνω από το ΑΟΕ, τα σηµεία 2 και 6 και σηµεία κάτω από το ΚΟΕ τα σηµεία 3 και
7. Επίσης µε βάση το κριτήριο 5 το σηµείο 4 δηλώνει την ύπαρξη ειδικών αιτίων.
Σε γενικές γραµµές παρατηρείται η ύπαρξη κάποιου κυκλικού µοτίβου
Το διάγραµµα ελέγχου για το εύρος στην κατάσταση µετά υποδεικνύει ότι η
37
όγκος γάλακτος σε λίτρα – πριν
Από το διάγραµµα 5.3 διαπιστώνεται ότι τα σηµεία 3 και 7 βρίσκονται εκτός των
Ορίων Ελέγχου του διαγράµµατος της µέσης τιµής. Επίσης παρατηρείται µια
καθοδική τάση των τιµών του παραπάνω διαγράµµατος.
όγκος γάλακτος σε λίτρα – µετά

Από το διάγραµµα 5.4 είναι εµφανές ότι πρόκειται για διεργασία εντός
στατιστικού ελέγχου, καθώς δεν παρατηρούνται µοτίβα σηµείων στο διάγραµµα
µέσης τιµής που να δηλώνουν την ύπαρξη ειδικών αιτίων.
Οι τιµές εύρους για τα δείγµατα 4 και 9 υποδεικνύουν υψηλή διασπορά µέσα στα
συγκεκριµένα δείγµατα.
αρ. ζυµών /µυκήτων ανά ml στο γάλα – πριν

Από το διάγραµµα 5.5 είναι εµφανές ότι πρόκειται για διεργασία εκτός
στατιστικού ελέγχου, µε βάση τα κριτήρια 1, 5, 6 και 8.
αρ. ζυµών /µυκήτων ανά ml στο γάλα – µετά

στατιστικού ελέγχου, µε βάση τα κριτήρια 1 και 5.
υγρασία % τυριού φέτα – πριν

Από το διάγραµµα 5.7 διαπιστώνεται ότι τα σηµεία 5 και 9 βρίσκονται εκτός των
Ορίων Ελέγχου του διαγράµµατος της µέσης τιµής. Επίσης παρατηρούνται τιµές
που πλησιάζουν στα όρια ελέγχου του παραπάνω διαγράµµατος.
Η τιµή εύρους για το δείγµα 6 υποδεικνύει υψηλή διασπορά µέσα στο
συγκεκριµένο δείγµα.
υγρασία % τυριού φέτα – µετά

Από το διάγραµµα 5.8 διαπιστώνεται ότι δεν υπάρχουν σηµεία εκτός των ορίων
ελέγχου του διαγράµµατος της µέσης τιµής. Η διεργασία όµως φαίνεται να
βρίσκεται εκτός στατιστικού ελέγχου µε βάση το κριτήριο 8, όπου διαπιστώνονται
8 συνεχή σηµεία σε απόσταση µεγαλύτερη από 1 σίγµα από την κεντρική
γραµµή του διαγράµµατος. Επίσης παρατηρούνται τιµές που πλησιάζουν στα
όρια ελέγχου όπως και στην περίπτωση του διαγράµµατος 5.7
38
λίπος επί ξηρού % τυριού φέτα – πριν
στατιστικού ελέγχου, µε βάση τα κριτήρια 1 5 και 6. Επίσης παρατηρείται µια
καθοδική τάση των τιµών του διαγράµµατος.
λίπος επί ξηρού % τυριού φέτα – µετά

Από το διάγραµµα 5.10 είναι εµφανές ότι πρόκειται για διεργασία εντός
στατιστικού ελέγχου, καθώς δεν παρατηρούνται µοτίβα σηµείων στο διάγραµµα
µέσης τιµής που να δηλώνουν την ύπαρξη ειδικών αιτίων.
Επίσης στο διάγραµµα εύρους παρατηρείται µεγάλη συγκέντρωση των τιµών
γύρω από την κεντρική τιµή του διαγράµµατος.
αρ. ζυµών /µυκήτων ανά ml τυριού φέτα – πριν

στατιστικού ελέγχου, µε βάση τα κριτήρια 1 5 και 6.
Επίσης παρατηρείται µια ελαφρώς ανοδική τάση των τιµών του διαγράµµατος
εύρους.
αρ. ζυµών /µυκήτων ανά ml τυριού φέτα – µετά

στατιστικού ελέγχου, µε βάση τα κριτήρια 1 5 και 6. Επίσης παρατηρείται µια
έντονη καθοδική τάση των τιµών του διαγράµµατος της µέσης τιµής.
39
6. ΣΥΜΠΕΡΑΣΜΑΤΑ
ΛΙΠΟΣ % ΓΑΛΑΚΤΟΣ
Η τιµή του µέσου όρου µειώθηκε από 3,581 σε 3,505.
Στην κατάσταση ΠΡΙΝ η µέση τιµή κυµάνθηκε από 3,54 έως 3,665.
Στην κατάσταση ΜΕΤΑ η µέση τιµή κυµάνθηκε από 3,465 έως 3,55.
Το µέσο εύρος µειώθηκε από 0.025 σε 0.018 συνεπώς παρατηρείται µείωση της
µεταβλητότητας από την κατάσταση πριν στην κατάσταση µετά.
Τα διαγράµµατα µέσης τιµής υποδεικνύουν καταστάσεις εκτός στατιστικού
ελέγχου.
Η ύπαρξη κυκλικού µοτίβου στο διάγραµµα 5.2 δηµιουργεί υπόνοιες για τη
σταθερότητα της πρώτης ύλης.
ΠΡΟΤΑΣΕΙΣ
Απαιτείται η ανεύρεση και εξάλειψη των ειδικών αιτίων. Αυτό µπορεί να
επιτευχθεί µε τη χρήση των πληροφοριών που συλλέγονται από τα ήδη
υπάρχοντα ∆.Ε. και την περαιτέρω δειγµατοληψία µε µεγαλύτερο µέγεθος
δείγµατος και περισσότερο αριθµό δειγµάτων για περισσότερο αξιόπιστα
αποτελέσµατα. Προτείνεται η σύσταση οµάδας brainstorming από όλα τα
εµπλεκόµενα τµήµατα της παραγωγικής διαδικασίας µε σκοπό των εντοπισµό
των αιτίων απόκλισης και τη λήψη διορθωτικών ενεργειών. Ενδιαφέρουσες
παράµετροι προς έλεγχο για το συγκεκριµένο δείκτη ποιότητας είναι η πρώτη ύλη
και ο εξοπλισµός της παραγωγικής µονάδας.
ΟΓΚΟΣ ΓΑΛΑΚΤΟΣ ΣΕ ΛΙΤΡΑ

Η τιµή του µέσου όρου αυξήθηκε από 0,965 σε 0,9985.
Στην κατάσταση ΠΡΙΝ η µέση τιµή κυµάνθηκε από 0,945 έως 0,985.
Το µέσο εύρος αυξήθηκε από 0.008 σε 0.021 συνεπώς παρατηρείται αύξηση της
Η αύξηση της διασποράς από την κατάσταση ΠΡΙΝ στην κατάσταση ΜΕΤΑ
οδηγεί στο συµπέρασµα ότι απαιτείται έλεγχος στις ρυθµίσεις και την απόδοση
του εξοπλισµού.
ΠΡΟΤΑΣΕΙΣ
Ισχύουν τα ίδια σχόλια όπως στην περίπτωση του δείκτη λίπος γάλακτος.
ΑΡ. ΖΥΜΩΝ /ΜΥΚΗΤΩΝ ΑΝΑ ml ΣΤΟ ΓΑΛΑ

Η τιµή του µέσου όρου µειώθηκε από 74,5 σε 40.
Στην κατάσταση ΠΡΙΝ η µέση τιµή κυµάνθηκε από 40 έως 92,5.
Στην κατάσταση ΜΕΤΑ η µέση τιµή κυµάνθηκε από 22,5 έως 55.
Το µέσο εύρος µειώθηκε από 8 σε 6 συνεπώς παρατηρείται µείωση της
ελέγχου.
ΠΡΟΤΑΣΕΙΣ
40
αποτελέσµατα.
ΥΓΡΑ ΣΙΑ % ΤΥΡΙΟΥ ΦΕΤΑ

Η τιµή του µέσου όρου µειώθηκε από 58,25 σε 54,05.
Στην κατάσταση ΠΡΙΝ η µέση τιµή κυµάνθηκε από 55 έως 63,5.
Το µέσο εύρος µειώθηκε από 1,7 σε 1,5 συνεπώς παρατηρείται µείωση της
ελέγχου. Επίσης παρατηρούνται τιµές πολύ κοντά στα όρια ελέγχου που
δηλώνουν αστάθεια του προϊόντος. Απαιτείται δηλαδή συστηµατική
παρακολούθηση του προϊόντος εφόσον δεν έχει εξασφαλιστεί η σταθερότητά
του.
ΠΡΟΤΑΣΕΙΣ
αποτελέσµατα. Προτείνεται η σύσταση οµάδας brainstorming από όλα τα
εµπλεκόµενα τµήµατα της παραγωγικής διαδικασίας µε σκοπό των εντοπισµό
των αιτίων απόκλισης και την κατάθεση προτάσεων για εξασφάλιση της
σταθερότητας του προϊόντος. Σηµαντική παράµετρος προς έλεγχο για το
συγκεκριµένο δείκτη ποιότητας είναι η τεχνολογία παραγωγής του προϊόντος σε
όλα τα στάδια της παραγωγικής διαδικασίας.
ΛΙΠΟΣ ΕΠΙ ΞΗΡΟΥ % ΤΥΡΙΟΥ ΦΕΤΑ

Η τιµή του µέσου όρου αυξήθηκε από 38,75 σε 45,1.
Στην κατάσταση ΠΡΙΝ η µέση τιµή κυµάνθηκε από 32,5 έως 45.
Το µέσο εύρος µειώθηκε από 1,5 σε 1,2 συνεπώς παρατηρείται µείωση της
ΠΡΟΤΑΣΕΙΣ
Προτείνεται περαιτέρω δειγµατοληψία για την πιστοποίηση της διεργασίας µε
µεγαλύτερο µέγεθος δείγµατος και περισσότερο αριθµό δειγµάτων για
περισσότερο αξιόπιστα αποτελέσµατα. Ενδιαφέρουσες παράµετροι προς έλεγχο
για το συγκεκριµένο δείκτη ποιότητας είναι η πρώτη ύλη και η ακολουθούµενη
τεχνολογία παραγωγής.
ΑΡ. ΖΥΜΩΝ /ΜΥΚΗΤΩΝ ΑΝΑ ml ΤΥΡΙΟΥ ΦΕΤΑ

Η τιµή του µέσου όρου µειώθηκε από 55,25 σε 16,9
Στην κατάσταση ΠΡΙΝ η µέση τιµή κυµάνθηκε από 33,5 έως 72,5
Στην κατάσταση ΜΕΤΑ η µέση τιµή κυµάνθηκε από 8,5 έως 31,5
Το µέσο εύρος µειώθηκε από 2,9 έως 2,4 συνεπώς παρατηρείται µείωση της
ελέγχου.
41
ΠΡΟΤΑΣΕΙΣ
Απαιτείται η ανεύρεση και εξάλειψη των ειδικών αιτίων. Ο συστηµατικός έλεγχος
της πρώτης ύλης και των ενδιάµεσος προϊόντων είναι απολύτως απαραίτητος και
η χρήση των ∆.Ε. δίνει ενδιαφέρουσες πληροφορίες για την πιθανά αίτια
απόκλισης και κρίσιµα σηµεία ελέγχου.
42
ΠΑΡΑΡΤΗΜΑ_1
Ο έλεγχος της κατανοµής των τιµών χ των δειγµάτων γίνεται µε τη χρήση του
ΜΙΝΙΤΑΒ µε τις επιλογές:
Stat>Basic Statistics>Display Descriptive Statistics > Graphs [Histogram of
data, with normal curve].
Histogram of trial_1 fat content before-milk,

with Normal Curve
3
2
Frequency
3,54 3,56 3,58 3,60 3,62 3,64 3,66 3,68

fat content before_1
Histogram of trial_2 fat content before-milk,

with Normal Curve
2
Frequency
3,55 3,57 3,59 3,61 3,63 3,65

fat content before_2
43
Histogram of trial_1 fat content after-milk,
with Normal Curve
2
Frequency
3,46 3,48 3,50 3,52 3,54 3,56

fat content after_1
Histogram of trial_2 fat content after-milk,

with Normal Curve
2
Frequency
3,46 3,47 3,48 3,49 3,50 3,51 3,52 3,53 3,54 3,55
fat content after _2
44
Histogram of trial_1volume before-milk,
with Normal Curve
3
2
Frequency
0,94 0,95 0,96 0,97 0,98 0,99

volume before_1
Histogram of trial_2 volume before-milk,

with Normal Curve
3
Frequency
0,95 0,96 0,97 0,98

volume before_2
45
Histogram of trial_1 volume after-milk,
with Normal Curve
3
Frequency
0,97 0,98 0,99 1,00 1,01 1,02 1,03 1,04 1,05

volume after_1
Histogram of trial_2 volume after-milk,

with Normal Curve
2
Frequency
0
0,98 0,99 1,00 1,01 1,02 1,03
volume after_2
46
Histogram of trial_1 moulds before-milk,
with Normal Curve
3
2
Frequency
35 45 55 65 75 85 95
moulds before_1
Histogram of trial_2 moulds before-milk,

with Normal Curve
2
Frequency
45 55 65 75 85 95
moulds before_2
47
Histogram of trial_1 moulds after-milk,
with Normal Curve
2
Frequency
25 30 35 40 45 50 55 60
moulds after_1
Histogram of trial_2 moulds after-milk,

with Normal Curve
2
Frequency
20 25 30 35 40 45 50 55
moulds after_2
48
Histogram of trial_1 humidity before-feta cheese,
with Normal Curve
2
Frequency
54 55 56 57 58 59 60 61 62 63
humidity before_1
Histogram of trial_2 humidity before-feta cheese,

with Normal Curve
2
Frequency
56 57 58 59 60 61 62 63 64
humidity before_1
49
Histogram of trial_1 humidity after-feta cheese,
with Normal Curve
2
Frequency
52 53 54 55 56 57
humidity after_1
Histogram of trial_2 humidity after-feta cheese,

with Normal Curve
2
Frequency
50 51 52 53 54 55 56
humidity after_2
50
Histogram of trial_1 fat in dry matter before-feta cheese,
with Normal Curve
3
2
Frequency
34 36 38 40 42 44 46
f.d.m. before_1
Histogram of trial_2 fat in dry matter before-feta cheese,

with Normal Curve
2
Frequency
32 34 36 38 40 42 44
f.d.m. before_2
51
Histogram of trial_1 fat in dry matter after-feta cheese,
with Normal Curve
2
Frequency
0
43 44 45 46 47
f.d.m. after_1
Histogram of trial_2 fat in dry matter after-feta cheese,

with Normal Curve
3
Frequency
0
44 45 46 47
f.d.m. after_2
52
Histogram of trial_1 moulds before-feta cheese,
with Normal Curve
2
Frequency
32 37 42 47 52 57 62 67 72
moulds before_1
Histogram of trial_2 moulds before-feta cheese,

with Normal Curve
2
Frequency
35 40 45 50 55 60 65 70 75
moulds before_2
53
Histogram of trial_1 moulds after-feta cheese,
with Normal Curve
2
Frequency
8 13 18 23 28 33
moulds after_1
Histogram of trial_2 moulds after-feta cheese,

with Normal Curve
3
Frequency
10 15 20 25 30
moulds after_2
54
ΠΑΡΑΡΤΗΜΑ_2
Ο έλεγχος της κανονικότητας της κατανοµής των τιµών χ των δειγµάτων γίνεται
µε τη χρήση του ΜΙΝΙΤΑΒ µε τις επιλογές:
Graph> Probability Plot> Options [Least Squares [failure time [X] on rank [Υ]]].
Normal Probability Plot for FAT CONTENT before trial_1

LSXY Estimates - 95% CI
99 LSXY Estimates
Mean 3,58
95
StDev 0,0408993
90
Goodness of Fit
80
70 AD* 1,755
Percent
60 Correlation 0,906
50
40
30
20
10
5
3,5 3,6 3,7

Data
Normal Probability Plot for FAT CONTENT before trial_2

99 LSXY Estimates
Mean 3,581
95
StDev 0,0396035
90
Goodness of Fit
80
70 AD* 1,568
Percent
50
40
30
20
10
5
3,5 3,6 3,7

Data
55
Normal Probability Plot for FAT CONTENT after trial_1
99 LSXY Estimates
Mean 3,51
95
StDev 0,0369507
90
Goodness of Fit
80
70 AD* 1,232
Percent
50
40
30
20
10
5
3,4 3,5 3,6

Data
Normal Probability Plot for FAT CONTENT after trial_2

99 LSXY Estimates
Mean 3,5
95
StDev 0,0263707
90
Goodness of Fit
80
70 AD* 1,237
Percent
50
40
30
20
10
5
3,4 3,5 3,6

Data
56
Normal Probability Plot for VOLUME before trial_1
99 LSXY Estimates
Mean 0,966
95
StDev 0,0157636
90
Goodness of Fit
80
70 AD* 1,207
Percent
50
40
30
20
10
5
0,92 0,97 1,02

Data
Normal Probability Plot for VOLUME before trial_2

99 LSXY Estimates
Mean 0,964
95
StDev 0,0108985
90
Goodness of Fit
80
70 AD* 1,433
Percent
50
40
30
20
10
5
0,925 0,935 0,945 0,955 0,965 0,975 0,985 0,995 1,005

Data
57
Normal Probability Plot for VOLUME after trial_1
99 LSXY Estimates
Mean 0,995
95
StDev 0,0209687
90
Goodness of Fit
80
70 AD* 1,854
Percent
50
40
30
20
10
5
0,92 0,97 1,02 1,07

Data
Normal Probability Plot for VOLUME after trial_2

99 LSXY Estimates
Mean 1,002
95
StDev 0,0181624
90
Goodness of Fit
80
70 AD* 1,212
Percent
50
40
30
20
10
5
0,95 1,00 1,05

Data
58
Normal Probability Plot for MOULDS before trial_1
99 LSXY Estimates
Mean 72
95
StDev 20,5731
90
Goodness of Fit
80
70 AD* 1,385
Percent
50
40
30
20
10
5
0 50 100 150
Data
Normal Probability Plot for MOULDS before trial_2

99 LSXY Estimates
Mean 77
95
StDev 16,9630
90
Goodness of Fit
80
70 AD* 1,301
Percent
50
40
30
20
10
5
40 90 140
Data
59
Normal Probability Plot for MOULDS after trial_1
99 LSXY Estimates
Mean 40,5
95
StDev 11,7497
90
Goodness of Fit
80
70 AD* 1,328
Percent
50
40
30
20
10
5
0 10 20 30 40 50 60 70 80
Data
Normal Probability Plot for MOULDS after trial_2

99 LSXY Estimates
Mean 39,5
95
StDev 13,1829
90
Goodness of Fit
80
70 AD* 1,277
Percent
50
40
30
20
10
5
0 20 40 60 80
Data
60
Normal Probability Plot for HUMIDITY before trial_1
99 LSXY Estimates
Mean 57,8
95
StDev 3,00991
90
Goodness of Fit
80
70 AD* 1,192
Percent
50
40
30
20
10
5
48 58 68
Data
Normal Probability Plot for HUMIDITY before trial_2

99 LSXY Estimates
Mean 58,7
95
StDev 2,47789
90
Goodness of Fit
80
70 AD* 1,348
Percent
60 Correlation 0,95
50
40
30
20
10
5
50 52 54 56 58 60 62 64 66 68
Data
61
Normal Probability Plot for HUMIDITY after trial_1
99 LSXY Estimates
Mean 54,7
95
StDev 1,70209
90
Goodness of Fit
80
70 AD* 1,244
Percent
50
40
30
20
10
5
50 55 60
Data
Normal Probability Plot for HUMIDITY after trial_2

99 LSXY Estimates
Mean 53,4
95
StDev 2,19893
90
Goodness of Fit
80
70 AD* 1,237
Percent
50
40
30
20
10
5
45 50 55 60
Data
62
Normal Probability Plot for FAT IN DRY MATTER before trial_1
99 LSXY Estimates
Mean 39,2
95
StDev 3,76378
90
Goodness of Fit
80
70 AD* 1,235
Percent
50
40
30
20
10
5
30 40 50
Data
Normal Probability Plot for FAT IN DRY MATTER before trial_2

99 LSXY Estimates
Mean 38,3
95
StDev 4,11517
90
Goodness of Fit
80
70 AD* 1,207
Percent
50
40
30
20
10
5
24 34 44 54
Data
63
Normal Probability Plot for FAT IN DRY MATTER after trial_1
99 LSXY Estimates
Mean 44,8
95
StDev 1,36659
90
Goodness of Fit
80
70 AD* 1,226
Percent
50
40
30
20
10
5
40 45 50
Data
Normal Probability Plot for FAT IN DRY MATTER after trial_2

99 LSXY Estimates
Mean 45,4444
95
StDev 0,893553
90
Goodness of Fit
80
70 AD* 1,608
Percent
50
40
30
20
10
5
42 43 44 45 46 47 48
Data
64
Normal Probability Plot for MOULDS(cheese) before trial_1
99 LSXY Estimates
Mean 54,9
95
StDev 13,7950
90
Goodness of Fit
80
70 AD* 1,194
Percent
50
40
30
20
10
5
20 40 60 80 100
Data
Normal Probability Plot for MOULDS(cheese) before trial_2

99 LSXY Estimates
Mean 55,6
95
StDev 13,2724
90
Goodness of Fit
80
70 AD* 1,183
Percent
50
40
30
20
10
5
10 20 30 40 50 60 70 80 90 100
Data
65
Normal Probability Plot for MOULDS(cheese) after trial_1
99 LSXY Estimates
Mean 17
95
StDev 7,91795
90
Goodness of Fit
80
70 AD* 1,206
Percent
50
40
30
20
10
5
-10 0 10 20 30 40
Data
Normal Probability Plot for MOULDS(cheese) after trial_2

99 LSXY Estimates
Mean 16,8
95
StDev 7,71545
90
Goodness of Fit
80
70 AD* 1,43
Percent
50
40
30
20
10
5
-10 0 10 20 30 40
Data
66
ΒΙΒΛΙΟΓΡΑΦΙΑ
[1] Αθανασόπουλος, Ε. Π., Αρχές Ποιοτικού Ελέγχου Τροφίµων, Αθήνα:

Αθανασόπουλος 1986
[2] Ανυφαντάκης Ε. Μ., Χηµεία και Ανάλυση του γάλακτος, Αθήνα:

Καραµπερόπουλος 1986
[3] Αρβανιτογιάννης, Ι.Σ., Ευστρατιάδης, Μ.Μ., Μπουντουρόπουλος Ι.∆.,

ISO 9000 & ISO 14000: Παρουσίαση - Ανάλυση Προτύπων ∆ιασφάλισης
Ποιότητας και Περιβαλλοντικής ∆ιαχείρισης, Προσαρµογή στη Βιοµηχανία
Τροφίµων και Ποτών, Θεσσαλονίκη: University Studio Press, 2000
[4] Αρβανιτογιάννης, Ι.Σ., Σάνδρου ∆., Κούρτης Λ., Ασφάλεια Τροφίµων:

Εφαρµογή της Ανάλυσης Επικινδυνότητας και Κρίσιµων Σηµείων Ελέγχου
(HACCP) στις Βιοµηχανίες Τροφίµων και Ποτών, Θεσσαλονίκη: University
Studio Press, 2001
[5] Αρβανιτογιάννης, Ι.Σ., Κούρτης Λ., ISO 9000:2000, Παρουσίαση του

νέου προτύπου – Σύγκριση µε το ISO 9000:1994 – Εφαρµογές του νέου σε
προϊόντα και παροχή υπηρεσιών Βελτίωση Ποιότητας Έρευνα Αγοράς
Ικανοποίηση Καταναλωτή, Αθήνα: Αθ. Σταµούλης, 2002
[6] Γεωργακάκος, Γ., Στατιστικός Έλεγχος ∆ιεργασίας, Πάτρα: ΕΑΠ, 2002
[7] Deming, W. E., Out of the crisis, Massachusetts Institute of Technology,

Center of Advanced Engineering Study: Cambridge, MA (1986).
[8] Fox, P.F., Cheese: Chemistry, Physics and Microbiology, Volume 2

Major Cheese Groups, Second Edition, Aspen Publishers, Inc.,
Gaithersburg, Maryland:1999
[9] Juran, J. M. and Blanton Godfrey, A., Juran’s Quality Handbook, Fifth
Edition, Singapore: McGraw-Hill, 2000
[10] Κουτρουβέλης, Ι., Σχεδιασµός και Ανάλυση Πειραµάτων, Προηγµένα

Εργαλεία και Μέθοδοι για τον Έλεγχο της Ποιότητας, Τόµος Α, Πάτρα: ΕΑΠ
2002
[11] Κώδικας Τροφίµων, Ποτών και Αντικειµένων κοινής χρήσης, Εθνικό

Τυπογραφείο, Αθήνα 1988
[12] Λογοθέτης, Ν., ∆ιαδικασίες και Τεχνικές Συνεχούς Βελτίωσης της

Ποιότητας, Προηγµένα Εργαλεία και Μέθοδοι για τον Έλεγχο της Ποιότητας,
Τόµος Γ, Πάτρα: ΕΑΠ, 2001
[13] Λογοθέτης, Ν., Μάνατζµεντ Ολικής Ποιότητας, Αθήνα: ΙNTERBOOKS,

1993
[14] MINITAB 13.32
67
[15] Montgomery, D. C., Introduction to Statistical Quality Control, Third
Edition, John Wiley & Sons, INC, Arizona State University, 1997
[16] Μπαλατσούρας Γ. ∆., Μικροβιολογία Τροφίµων, Αθήνα: 1990
[17] Walstra, P., Geurts. T. J., Noomen. A., Jellema. A., van Boekel.
M.A.J.S., Dairy Technology, Principles of Milk Properties and Processes,
Marcel Dekker, INC, New York 1999
68

SPC ΒΙΟΜΗΧΑΝΙΑ ΤΡΟΦΙΜΩΝ

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

SPC ΒΙΟΜΗΧΑΝΙΑ ΤΡΟΦΙΜΩΝ

Uploaded by

Copyright:

Available Formats

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ

ΠΡΟΓΡΑΜΜΑ ΣΠΟΥ∆ΩΝ ∆ΙΑΣΦΑΛΙΣΗ ΠΟΙΟΤΗΤΑΣ

ΣΤΑΤΙΣΤΙΚΟΣ ΕΛΕΓΧΟΣ ∆ΙΕΡΓΑΣΙΑΣ ΣΤΗ

Επιβλέπων καθηγητής: κ. ΓΕΩΡΓΙΟΣ ΜΠΕΣΕΡΗΣ

Α ΜΕΡΟΣ: ΘΕΩΡΗΤΙΚΗ ΤΕΚΜΗΡΙΩΣΗ

ΚΕΦΑΛΑΙΟ 3: Η Βιοµηχανία Τροφίµων

Β ΜΕΡΟΣ: ΠΕΙΡΑΜΑΤΙΚΗ ∆ΙΑ∆ΙΚΑΣΙΑ

ΚΕΦΑΛΑΙΟ 5: Ανάλυση ∆εδοµένων

Η εργασία αποτελεί ένα εγχειρίδιο χρήσης των διαγνωστικών εργαλείων του

This dissertation can be used as an instruction manual of the Statistical Process

Στο χώρο µιας συνεχώς αναπτυσσόµενης πολυεθνικής αγοράς, όπως η

Η σύγχρονη τάση στη βιοµηχανία τροφίµων είναι αναµφίβολα η εισαγωγή νέων

Στόχος της διπλωµατικής εργασίας είναι η µεταφορά τεχνογνωσίας για ανάλυση

1.3 ∆ιάρθρωση της εργασίας

Η διπλωµατική εργασία αποτελείται από έξι κεφάλαια. Αναλυτικά έχουµε:

ΚΕΦΑΛΑΙΟ 2: ΣΤΑΤΙΣΤΙΚΟΣ ΕΛΕΓΧΟΣ ∆ΙΕΡΓΑΣΙΑΣ

ΚΕΦΑΛΑΙΟ 3: Η ΒΙΟΜΗΧΑΝΙΑ ΤΡΟΦΙΜΩΝ

ΚΕΦΑΛΑΙΟ 4: ΣΥΛΛΟΓΗ ∆Ε∆ΟΜΕΝΩΝ

ΚΕΦΑΛΑΙΟ 5: ΑΝΑΛΥΣΗ ∆Ε∆ΟΜΕΝΩΝ

Οι συνεχώς αυξανόµενες απαιτήσεις για άριστη ποιότητα από το διεθνοποιηµένο

Τα προγράµµατα ποιότητας για τον έλεγχο και τη µείωση της µεταβλητότητας

∆ιεργασία (process): σύνολο αλληλοσχετιζόµενων πόρων και δραστηριοτήτων

Κατάσταση στατιστικού ελέγχου (state of statistical control): κατάσταση

∆ιεργασία υπό έλεγχο, σταθερή διεργασία (process in control, stable

Στατιστικός έλεγχος διεργασίας - ΣΕ∆ (statistical process control - SPC): η

Σηµείωση: τα κοινά αίτια αναφέρονται στις διάφορες πηγές διασποράς, σε µια

Ειδικά αίτια - special causes (Deming; Λογοθέτης) ή Προσδιορίσιµα αίτια -

Σηµείωση: η παραβίαση των ορίων ενός διαγράµµατος ελέγχου ή η παρουσία

∆ιαγράµµατα ελέγχου: διαγράµµατα µε ανώτερο και/ή κατώτερο όριο ελέγχου

2.3 Ο στόχος του στατιστικού ελέγχου διεργασίας

Ο στόχος του στατιστικού ελέγχου διεργασίας είναι η ανεύρεση και η εξάλειψη

Οι παραδοσιακοί τρόποι ελέγχου της ποιότητας σε µια παραγωγική διαδικασία

Η τεχνική του στατιστικού ελέγχου διεργασίας αποτελεί µια πολύτιµη εναλλακτική

2.4 Τα διαγράµµατα ελέγχου

Tα βασικά εργαλεία του στατιστικού ελέγχου διεργασίας είναι τα εξής:

Το κύριο εργαλείο του στατιστικού ελέγχου διεργασίας, το διάγραµµα ελέγχου,

Ένας από τους κύριου σκοπούς για τους οποίους χρησιµοποιούµε τα

Τα διαγράµµατα ελέγχου έχουν µακρά ιστορία στην Αµερικάνικη βιοµηχανία. Η

Η βιοµηχανία τροφίµων έχει αναβαθµιστεί κατά τη διάρκεια των τελευταίων

Τα τελευταία χρόνια η ποιότητα έχει συνδεθεί άµεσα µε την επιχειρηµατική και

Η παραγωγή ασφαλών τροφίµων προϋποθέτει την υιοθέτηση δύο βασικών

Τα προγράµµατα HACCP στηρίζονται σε επτά βασικές αρχές και

Η συχνότητα των διαδικασιών επαλήθευσης καθορίζεται από το πρόγραµµα του

Η επιτυχής εφαρµογή του συστήµατος HACCP απαιτεί τη συνεχή δέσµευση της

3.3 Οι απαιτήσεις της µοντέρνας διασφάλισης ποιότητας για εγκατάσταση

3.3.1 Τα πρότυπα της σειράς ISO 9000

Το ISO 9001:2000 είναι ο ακριβής προσδιορισµός για το σύστηµα διοίκησης

3.3.2 Ο στατιστικός έλεγχος διεργασίας στο ISO 9001[6]

Σχετικά µε τις απαιτήσεις του προτύπου για στατιστικές εφαρµογές, στην

4.20 Όπου χρειάζεται, ο προµηθευτής πρέπει να καθιερώσει διαδικασίες για τον

Η διαδικασία που προτείνεται είναι η εξής:

Στην παρούσα εργασία θα µελετηθεί η συµπεριφορά συγκεκριµένων δεικτών

Α/ Παστεριωµένο γάλα πλήρες (3,5% λιπαρά) σε συσκευασία 1 L

To γάλα παραδίδεται στον καταναλωτή µετά από διάφορα είδη θερµικής

Είδη γάλακτος [11]

Ως «νωπόν» χαρακτηρίζεται το γάλα, όπερ διατίθεται εις την κατανάλωσιν άνευ

Η φέτα αποτελεί ένα παραδοσιακό λευκό µαλακό ελληνικό τυρί. Παραδοσιακά, το

4.3 Φάσεις παραγωγής

Παρατίθενται απλουστευµένα διαγράµµατα ροής της παραγωγικής διαδικασίας

Παραλαβή νωπού γάλακτος

∆ιάγραµµα 4.1 ∆ιάγραµµα Ροής Παστεριωµένου Γάλακτος

Ζύµωση στους 32οC

∆ιάγραµµα 4.2 ∆ιάγραµµα Ροής Παραγωγής Τυριού Φέτα [4]