İSTATİSTİKSEL KALİTE

KONTROL

DOÇ.DR.ÖZLEM İPEKGİL DOĞAN

Kaliteyi Etkileyen Faktörler
• Firma içi faktörler
– Yönetim
– İnsan gücü
– Çalışanların motivasyonu
– Malzeme
– Makine
– Üretim yöntemleri
– Ölçüm araç ve gereçleri
• Firma Dışı faktörler
– Tüketici özellikleri
– Pazarın yapısı
– Sermaye ve finansal
Kaynaklar
– Teknoloji
Kalite Kontrolüne İlişkin Bazı
Temel Kavramlar
PROSES(Süreç)

Herhangi bir ürün veya hizmetin müşteri

isteklerini karşılayacak kalite düzeyinde
elde edilebilmesi (belirlenen hedefe
ulaşılması)için gerekli faaliyetler ile
makine, alet/ekipman, yöntem, malzeme
ve işgücü gibi faktörlerin sistematik bir
şekilde planlandığı sistemin tümü
ÖLÇME

Kalite kontrolü içinde ölçme aletlerinin

seçimi, geliştirilmesi, kullanımı, bakım ve
kalibrasyonu ile ölçme yöntemlerinin
uygulanmasından oluşan faaliyetlere
“ölçme tekniği” denir.
Kalibrasyon /Sıfır Ayarı

Belirli koşullar altında herhangi bir deney

aleti ile yapılan ölçüm sonucunda elde
edilen değerler ile gerçek ölçüler arasında
bağlantı kurma işlemine “kalibrasyon”
denir.
Veri Toplama

Bir prosesten elde edilen özelliklerin

ölçülmesi
İstatistik

Belirli amaçlar için verilerin toplanmasını,

işlenmesini, betimlenmesini,
çözümlenmesini ve yorumlanmasını
sağlayan araç, yöntem ve teknikleri
içeren bilim dalı.
İSTATİSTİKSEL KALİTE KONTROL

EN AZ MALİYETLE ZAMANINDA VE
DOĞRU VERİ ÜRETMEKTİR.

YÖNTEMLERİ;
i) İstatistiksel proses Kontrolü
ii) Ürün kontrolü
İSTATİSTİKSEL PROSES KONTROL

Süreç kalitesini ölçmek amacıyla yapılır ve

sürecin kontrol dışına çıktığı belirlenirse,
sürecin düzeltilmesine yönelik önlemler
alınır.
Ürün Kontrolü

Bir örnek tasarıma göre kabul veya red

kararının verilmesi
İSTATİSTİKSEL PROSES
KONTROL;
• İstatistiksel tekniklerin, bir
• İstatistiksel proses
üretim veya hizmet
prosesinin olağan
biçimde devam edip
etmediğinin istatistiksel
tekniklerle kontrolü,
olağan dışı bir durum
varsa bunun fark edilmesi
ve nedenlerinin
belirlenerek ortadan
kaldırılması.
İSTATİSTİKSEL KALİTE
KONTROL;
kontrolünü, örnekleme
planlarını, diğer
istatistiksel teknikleri ve
uygulanmasını içerir ve
kalitenin sürekli olarak
izlenmesine ve
gerektiğinde önlem
alınmasına dayanan bir
yöntem
Muayene

Herhangi bir ürünün veya hizmetin ölçü,

nitelik veya performansının önceden
belirlenmesi işlemi
Muayene Faaliyetleri

• %100 muayene
• %100’den fazla muayene
• Örnekleme aracılığıyla muayene
Kalite kontrol

Üretim aşamasında spesifikasyonlara

uymayan ürünlerin ayrılması amacını
taşımakla birlikte, bu tür ürünlerin
üretilmesini engellemek veya mümkün
olduğu kadar spesifikasyonlara uyumu
sağlamaya çalışmaktır. Muayene, kalite
kontrolünün bir fonksiyonudur.
Muayene Kalite kontrol

• Geçmiş üretimin • Gelecek üretim

kalitesi kalitesi
Değişken;

Birimin sahip olduğu ve bir

diğerinden ayırt edilmesine
yarayan özellik
• Nitel değişkenler • Nicel Değişkenler
– Kelimelerle ifade – Sayılarla ifade
edilebilen değişkenler edilebilen değişkenler
Değişkenlik

Bir prosesten elde edilen ürünler, aynı

yöntem ve makinelerin kullanılmalarına
karşılık, kalite özellikleri birbirinin tıpa tıp
aynı olmayıp her zaman birbirinden az
da olsa farklılık gösterebilir. Bu farklılığa “
değişkenlik” denir.
Prosesteki değişkenlik

• Genel Nedenler: Her zaman ortaya çıkabilen

önceden tahmin edilebilen, birbirinden bağımsız
değişkenliklerdir.(Ör:titreşim, nem, sıcaklık,
gerilim dalgalanması…)
• Özel Nedenler: Üretim faktörlerinin bir
kısmında olan, tek başlarına önemli derecede
etkileri olan, az sayıda ortaya çıkan giderilmesi
mümkün olan nedenlerdir. (Ör: Makine
aşınması, makine boşlukları, vasıfsız
elemanlar, çalışanların dikkatsizliği…)
Standart

Bir ürünün kalite özellikleriyle ilgili ürün

tasarımı, üretim ve ölçme vb. konularda
karışıklıktan kurtulmak ve belirli bir düzen
kurmak amacıyla “önceden belirlenmiş
kurallar” olarak tanımlanabilir.
Standartlaştırma (ISO)

Genel ekonominin optimum düzeye

ulaştırılması amacıyla, ilgili kuruluşların
bir araya gelerek bir faaliyetin fonksiyonel
gereksinmeler ve güvenlik koşullarına
uyularak düzenli biçimde yapılabilmesi
için gerekli kuralların belirlenmesi ve
uygulanması prosesidir.
Standartlaştırmadan beklenen
amaçlar;
• Makine ve işgücünün verimliliğini artırmak,
• Üretim maliyetlerini düşürmek,
• Malzeme kayıplarını min. İndirmek,
• Stoklara yapılan yatırımı azaltmaya çalışmak,
• Tamir-bakım ve yedek parçalara ilişkin
harcamaları azaltmak,
• Müşteri ihtiyaçlarını en iyi şekilde karşılamak,
• Üretim işlemlerinin karşılaştırılmasını sağlamak,
• Kalite kontrol ve muayene işlemlerini
kolaylaştırmak.
Spesifikasyon

• Kalite kontrolüyle ilgili işlerin yapılma

şeklini gösteren belirli özellikleri tam
olarak açıklayan talimat ve ölçütlerle
belirtilen özellikler.

• Standartların uygulanmasında yardımcı

olan araçlardır.
Spesifikasyon Sınırları

Spesifikasyonun sahip olduğu tolerans

değerlerine veya aynı anlama gelmek
üzere, ürün kalitesinin kabul edilebilir alt
ve üst sınırları
Kalite Spesifikasyonları

• Malzeme ve mamul spesifikasyonları

• Proses spesifikasyonları
• Test spesifikasyonları
• Müşteri spesifikasyonları
Tolerans

Belirli bir mamülün kalite özellikleriyle ilgili

olarak mamul dizaynında öngörülen ve
önceden belirtilen sınırlar içinde kabul
edilen sapmalardır.
Kabul Örneklemesi

Firmaya dışarıdan giren malzeme veya

ürünlerin belli büyüklükteki bir örneklem
hacmi muayene edilir ve kalite
özelliklerine uygun olan örneklemlere
ilişkin partiler kabul, uygun olmayanlar ise
reddedilir.
• Kabul örneklemesi belirli bir partinin
içinde kabul edilemeyecek kadar yüksek
bir orandaki ürünlerin özelliklerinin,
belirlenen kalite sınırları dışına çıkması
durumunda, bu ürünlerin bir sonraki
üretim aşamasına geçmesine veya
kullanılmasına engel olmak amacıyla
uygulanan bir tekniktir.
Kabul örneklemesi Planları

• Nicel örnekleme Planları

• Nitel örnekleme planları
– Tek aşamalı örnekleme planları
– İki aşamalı örnekleme planları
– Çok aşamalı örnekleme planları
– Ardışık örnekleme planı
– Dodge-Romig örnekleme planları
Tek Aşamalı Örnekleme Planı

• 0<c<n olmak üzere, n

n tane üründen c veya
daha az kusurlu
Red bulunması
durumunda parti
kabul, fazla olması
C
durumunda ise parti
Kabul
reddedilir.
0
İki aşamalı Örnekleme Planı

n1+n2 İlk sonucu sağlamak

n
için ikinci bir
örneklem
Red
yapılmasıdır.
Red
C2

C3
C1

Kabul Kabul

0
İşlem Özelliği Eğrisi
(Operating Characteristic,OC)
Kabul örneklemesi planlarında kullanılan
işlem özelliği eğrisi;partideki kusurlu
yüzdesi (p) ile partinin kabul edilme
olasılığı (Pa) arasındaki ilişkiyi gösteren
bir grafiktir.
Eğri, partinin belirli bir kusurlu oranı ile
kabul edilmesinin veya reddedilmesinin
olasılığını gösterir.
 I.tip hata-üretici
Kabul
olasılığı
riski:iyi
Üretici
kalitedeki bir
0,70 riski partinin
reddedilmesi
II.tip hata-tüketici
riski: kötü
kalitedeki bir
0,1
partinin kabul
Tüketici
0
riski edilmesi.
AQL LTPD Kusurlu
0,05 0,10 oranı
ÖRNEK

• Bir partinin ortalama kusurlu oranının

0,05 olması durumunda, 10 hacimlik
örneklemde 0 kusurlu bulunma olasılığını
Binom dağılımı ile hesaplayınız.
• Çözüm:
P(x)= n .px .(1-p)n-x
x

P(0)= 10
.(0,05)0.(0,95)10-0 =0,5987
0
Kontrol Grafikleri
İÇERİK

• Kontrol grafiği nedir? Neden, ne zaman ve

nasıl hazırlanır?
• Kontrol grafiklerinde ortaya çıkan sistematik
hata eğilimleri
• Kontrol grafiklerinin temel yapısı
• Kontrol grafiklerinin uygulandığı veri tipleri
- Ölçülebilen özellikler (değişkenler) için
kontrol grafikleri
- Ölçülemeyen özellikler (vasıflar) için kontrol
grafikleri
Kontrol Grafiği Nedir?

Kontrol grafikleri, üretimden belirli ve eşit zaman

aralıklarında alınan örneklerden elde edilen ölçüm
değerlerinin zaman içerisindeki değişimlerinin
gösterildiği grafiklerdir.

• Merkez Çizgi; kalite

özelliğinin ortalama değeri
(hedeflenen değer)
• Üst Kontrol Sınırı
• Alt Kontrol Sınırı
Neden Kontrol Grafiği?

• Zaman içerisinde proses çıktısındaki varyasyonu

göstermek ve kontrol altına almak,
• Proses değişikliği olduğunda bunu tanımlamak,
• Varyasyondaki rasgele etkileri özel etkilerden ayırmak,
• Varyasyon sebeplerini atamada yardımcı olmak,
• Devam eden esasa göre proses problemlerini tanımlamak,
• Operatöre ne zaman harekete geçmeyeceğini ve sistemi
çalışmaya bırakacağını söylemek,
• Ürünün üretilmesine katkıda bulunan prosesleri kontrol
etmek,
• Proses varyasyonunu azaltmak ve hatalı ürün üretilmesini
engellemek,
• Artıktan kurtulmak ve kaybı azaltmak.
Ne Zaman?

• Üretimin veya prosesin önemli karakteristiklerini

ölçerken,
• Gözleme dayanan bir sistemden önlemeye dayanan bir
sisteme geçerken,
• Sistemi daha tahmin edilebilir yapmak için dengede
tutarken,
• Sistemin yeterliliğini iyileştirirken,
• Dizaynın veya prosesin değişikliğinin etkileyici
olduğunu değerlendirirken ve kanıtlarken.
Nasıl?

• Ölçülecek karakteristik veya kalite özelliği tanımlanır,

• Karakteristiğin, prosesin neresinde ölçüleceği tanımlanır,
• Hangi kontrol grafiğinin kullanılacağı seçilir,
• Örnek büyüklüğü ve ölçüm sıklığı belirlenir,
• Ölçüm alınır,
• Grafik üzerinde ölçümler ve özet istatistikler işaretlenir,
• En az 20 işaretlenen noktadan sonra, merkez çizgi ve kontrol
sınırları hesaplanır,
• Kontrol dışı noktalar tanımlanır,
• Varyasyonun özel sebepleri analiz edilir ve bunlar silinir,
• Kontrol dışı noktalara denk gelen örnek verileri silinir,
• Kalan noktalar kullanılarak kontrol sınırları tekrar hesaplanır ve
çizim yenilenir.
Sistematik Hata Eğilimleri

a) Periyodik . . . . . . . ÜKS

dalgalanma . ... MÇ

AKS

b) Proses . . . . . . . . ÜKS

ortalamasından ... MÇ

AKS
kayma

. . . . . ÜKS

c) İki farklı anakütle .. .. . . MÇ

AKS
Normal Dağılım

İlk olarak Shewhart tarafından geliştirilen kontrol

grafiklerinin temel yapısı normal dağılıma dayanır.

Değişken değerlerinin;
• ±2σ’lık alanda bulunması
olasılığı %95,45
• ±3σ’lık alanda bulunması
olasılığı %99,73’tür.
• Seçilen herhangi bir birimin -3 σ -2 σ Ortalama +2 σ +3 σ
%95.45
±3σ’lık alanın dışında kalması
olasılığı (1-0,9973)=0,0027’dir. %99.73
α ve β Tipi Hatalar

• 1. tip hata Type 1 error is % 0.27

(type 1 error- α error):
Proses aslında kontrolde
olmasına rağmen, özel
sebep arayıp düzeltme
yapma yoluna gidilmesi.
• 2. tip hata
-3 σ -2 σ Ort. +2 σ +3 σ
(type 2 error- β error):
%99.73
Proses aslında kontrol
dışı olmasına rağmen,
buna yol açan özel sebebin aranıp ortadan kaldırılmaması.
Veri Tipleri

• Ölçülebilen özellikler (değişken nicelikler):

Sayısal olarak ölçülebilir ve sürekli bir ölçek üzerinde
rakamsal olarak ifade edilebilir özelliklerdir.
Örnek; uzunluk, hacim, ağırlık, sıcaklık vb.
Kalite özelliğini tasvir etmede merkezi eğilim ölçülerinden
aritmetik ortalama, dağılım ölçülerinden standart sapma ve
açıklık kullanılır.

• Ölçülemeyen özellikler (vasıflar):

Sayısal olarak ölçülemeyen ancak kusurlu-kusursuz olarak
sınıflandırılabilen özelliklerdir.
Değişkenler İçin Kontrol Grafikleri
• X-ortalama grafiği
Süreçte işlem gören ya da çıkan parçaların merkezi
eğilimlerini inceler.
• Açıklık (R) grafiği
Kitlenin dağılışında zaman içinde bir değişiklik olup
olmadığını belirler.
• Standart sapma (S) grafiği
Kitlenin zaman içindeki dağılışını inceleyen bir başka
grafik türüdür.
Uygulamada X-ort. grafiği S veya R grafiği ile birlikte
kullanılır.
Değişkenler İçin Kontrol Grafikleri
Kusurlu mallar
ÜKS

• Dağılımın değişmesi
µ MÇ
(S1<S2 veya R1<R2) ilk alınan sonra alınan
örnek örnek
AKS
Kusurlu mallar

Kusurlu mallar

• Ortalamanın ÜKS

µ2
değişmesi (µ1≠µ2) µ1 MÇ

ilk alınan sonra alınan

örnek örnek
AKS
 Belirtici İstatistikler
n
• Ortalama: x i
– Veri setinin merkezi eğiliminin bir x i 1

ölçüsüdür. n
• Standart Sapma:
x  X 
n
2
– Dağılımdaki her bir değerin i
ortalamaya göre ne uzaklıkta
 i 1
olduğunu gösteren bir ölçüdür. n 1
• Açıklık:
– Bir başka dağılım ölçüsüdür.
– Veri setindeki en büyük ve en
R= Xmax- Xmin
küçük değer arasındaki farkı ifade
eder.
 X-ort. ve R Kontrol Grafikleri
Üretimden alınan örneklerin hacimleri 10’dan küçük
olduğunda (n<10) X-ort. grafiği ile birlikte R grafiğinin
kullanılması tercih edilir.

Üretimin doğru bir görünüşünü elde edebilmek için

genellikle 4 veya 5 birimden oluşan 20-25 alt grup
örneklem olarak seçilir.

X-ort. ve R grafiklerinde kontrol sınırları standartların

belli olması ve olmaması durumlarına göre ayrı ayrı
belirlenir.
X-ort. ve R Kontrol Grafikleri

• Standartların belli olması durumu

Bu durumda anakütle ortalaması µ ve standart
sapması σ bilinmektedir.

X-ort grafiği R grafiği

ÜKS= µ+Aσ ÜKS= D2σ

MÇ= µ MÇ= d2σ
AKS= µ-Aσ AKS= D1σ
X-ort. ve R Kontrol Grafikleri
• Standartların belli olmaması durumu
n birimlik k tane örnek (alt grup) için;
k

X i
 R
X i 1 R= i

k k
X-ort grafiği R grafiği
ÜKS  X  A2 R ÜKS  RD4
MÇ  X MÇ  R
AKS  X  A2 R AKS  RD3
X-ort. ve R Kontrol Grafikleri
• Bir üretim prosesinden çeşitli zaman aralıklarında rasgele olarak
5’er birimlik 20 örnek alınmıştır. (n=5, k=20)
• Anakütle ortalaması ve standart sapması bilinmemektedir
(standartlar belli değil).
• Örneklere ait ortalama ve açıklık değerleri aşağıdaki gibidir.

Örnek no 1 2 3 4 5 6 7 8 9 10
X-Ort 170,6 171,2 172 173,6 173 178,8 177,2 181,6 177,8 178,4

R 23 8 22 12 7 8 16 6 6 12

Örnek no 11 12 13 14 15 16 17 18 19 20
X-Ort 180,8 175,8 179,6 178,6 180,2 179,6 177,8 178,6 181,2 178,2

R 9 8 7 6 5 6 10 9 7 9
X-ort. ve R Kontrol Grafikleri

X = (170,6+171,2+...+178,2)/20 R = (23+8+...+9)/20
= 177,23 = 9,85

Kontrol Sınırları;

X-ort Grafiği R Grafiği

ÜKS = 177,23+(0,58)(9,85) ÜKS = (2,12)(9,85)
= 182,91 = 20,83
MÇ = 177,23 MÇ = 9,85
AKS = 177,23-(0,58)(9,85) AKS = (0)(9,85)
= 171,55 =0
Kontrol Sınırları Çarpanları

Kontrol Sınırları Çarpanları

Ortalama Standart Sapma Açıklık
Örneklem genişliği (n) A A2 A3 C4 B3 B4 B5 B6 d2 D1 D2 D3 D4
2 2,12 1,88 2,66 0,798 0 3,27 0 2,61 1,13 0 3,69 0 3,27
3 1,73 1,02 1,95 0,886 0 2,57 0 2,28 1,69 0 4,36 0 2,58
4 1,5 0,73 1,63 0,921 0 2,27 0 2,09 2,1 0 4,7 0 2,28
5 1,34 0,58 1,43 0,94 0 2,09 0 1,96 2,33 0 4,92 0 2,12
6 1,23 0,48 1,29 0,952 0,03 1,97 0,03 1,87 2,53 0 5,08 0 2
7 1,13 0,42 1,18 0,959 0,12 1,88 0,11 1,81 2,7 0,21 5,2 0,08 1,93
8 1,06 0,37 1,1 0,965 0,19 1,82 0,18 1,75 2,85 0,31 5,31 0,14 1,86
9 1 0,34 1,03 0,969 0,24 1,76 0,23 1,71 2,97 0,55 5,34 0,18 1,82
10 0,95 0,31 0,98 0,973 0,28 1,72 0,28 1,67 3,08 0,69 5,47 0,22 1,78
11 0,91 0,29 0,93 0,975 0,32 1,68 0,31 1,64 3,17 0,81 5,53 0,26 1,74
12 0,87 0,27 0,89 0,978 0,35 1,65 0,35 1,61 3,26 0,92 5,59 0,28 1,72
13 0,83 0,25 0,85 0,979 0,38 1,62 0,38 1,59 3,34 1,03 5,65 0,31 1,69
14 0,8 0,24 0,82 0,981 0,41 1,59 0,4 1,56 3,41 1,12 5,69 0,33 1,67
15 0,78 0,22 0,79 0,982 0,43 1,57 0,42 1,54 3,47 1,21 5,74 0,35 1,65
 X-ort. ve R Kontrol Grafikleri

X Bar-Control Chart R-Control Chart

184,39 30

25
180,81
20

177,23 15

olcumler UKS= 20,83

10
173,65 UKS = 182,91 Ort = 9,85

Ort = 177,23 5 AKS = ,00

170,07 AKS = 171,55 0 olcumler

1 3 5 7 9 11 13 15 17 19 1 3 5 7 9 11 13 15 17 19
2 4 6 8 10 12 14 16 18 20 2 4 6 8 10 12 14 16 18 20

Sigma level: 3 Sigma level: 3

X-ort. ve S Kontrol Grafikleri

Üretimden alınan örneklerin büyüklükleri 10 veya

daha fazla (n≥10) olduğunda R grafiği yerine S grafiği
kullanılır.

n≥10 durumunda R’nin etkinliği, dolayısıyla

güvenilirliği azaldığından dağılım ölçüsü olarak
standart sapma tercih edilir.

X-ort. ve S grafikleri için de standartların belli olması

ve olmaması durumu söz konusudur.
X-ort. ve S Kontrol Grafikleri

• Standartların belli olması durumu

Anakütle ortalaması µ ve standart sapması σ
olmak üzere;

X-ort grafiği S grafiği

ÜKS= µ+Aσ ÜKS= B6σ

MÇ= µ MÇ= C4σ
AKS= µ-Aσ AKS= B5σ
X-ort. ve S Kontrol Grafikleri
• Standartların belli olmaması durumu
n birimlik k tane örnek için;

S= S i
 =S n
k n 1

X-ort grafiği S grafiği

ÜKS= X +A3  ÜKS= B4 

MÇ= X MÇ= 

AKS= X -A3  AKS= B3 

X-ort. ve S Kontrol Grafikleri
• Bir üretim prosesinden 10’ar birimlik 15 örnek şansa bağlı olarak
alınmıştır. (n=10, k=15)
• Örneklerin alındığı anakütlenin ortalamasının 54 ve standart
sapmasının 2 olduğu bilinmektedir (standartlar belli: µ=54, σ=2).
• Örneklere ait ortalama ve standart sapma değerleri aşağıdaki gibidir.

Örnek no 1 2 3 4 5 6 7 8 9 10
X-Ort 53,9 53,8 53,9 54,3 53,8 53,5 53,7 55,5 54,8 54,1

S 2,47 2,49 3,07 1,34 1,81 1,58 1,16 1,65 1,14 1,45

Örnek no 11 12 13 14 15
X-Ort 55,1 55 54,6 53,5 54

S 1,85 2,31 0,84 1,51 2,16

X-ort. ve S Kontrol Grafikleri

X-ort Grafiği S Grafiği

ÜKS= µ+Aσ = 54+(0,95)2 ÜKS= B6σ =(1,67)2

=55,9 =3,34

MÇ= µ= 54 MÇ= C4σ =(0,973)2

=1,95

AKS= µ-Aσ = 54-(0,95)2 AKS= B5σ =(0,28)2

= 52,1 = 0,56
Kontrol Sınırları Çarpanları
Kontrol Sınırları Çarpanları
Ortalama Standart Sapma Açıklık
Örneklem genişliği (n) A A2 A3 C4 B3 B4 B5 B6 d2 D1 D2 D3 D4
2 2,12 1,88 2,66 0,798 0 3,27 0 2,61 1,13 0 3,69 0 3,27
3 1,73 1,02 1,95 0,886 0 2,57 0 2,28 1,69 0 4,36 0 2,58
4 1,5 0,73 1,63 0,921 0 2,27 0 2,09 2,1 0 4,7 0 2,28
5 1,34 0,58 1,43 0,94 0 2,09 0 1,96 2,33 0 4,92 0 2,12
6 1,23 0,48 1,29 0,952 0,03 1,97 0,03 1,87 2,53 0 5,08 0 2
7 1,13 0,42 1,18 0,959 0,12 1,88 0,11 1,81 2,7 0,21 5,2 0,08 1,93
8 1,06 0,37 1,1 0,965 0,19 1,82 0,18 1,75 2,85 0,31 5,31 0,14 1,86
9 1 0,34 1,03 0,969 0,24 1,76 0,23 1,71 2,97 0,55 5,34 0,18 1,82
10 0,95 0,31 0,98 0,973 0,28 1,72 0,28 1,67 3,08 0,69 5,47 0,22 1,78
11 0,91 0,29 0,93 0,975 0,32 1,68 0,31 1,64 3,17 0,81 5,53 0,26 1,74
12 0,87 0,27 0,89 0,978 0,35 1,65 0,35 1,61 3,26 0,92 5,59 0,28 1,72
13 0,83 0,25 0,85 0,979 0,38 1,62 0,38 1,59 3,34 1,03 5,65 0,31 1,69
14 0,8 0,24 0,82 0,981 0,41 1,59 0,4 1,56 3,41 1,12 5,69 0,33 1,67
15 0,78 0,22 0,79 0,982 0,43 1,57 0,42 1,54 3,47 1,21 5,74 0,35 1,65
X-ort. ve S Kontrol Grafikleri

X Ortalama Grafiği S Grafiği

57 3,5
56 Ortalama 3
S.sapma
55 2,5
ÜKS 2 ÜKS
54
MÇ 1,5 MÇ
53
AKS 1
52 AKS
0,5
51 0
0 2 4 6 8 10 12 14 16 0 2 4 6 8 10 12 14 16
Örnek No Örnek No
Vasıflar İçin Kontrol Grafikleri
• p (kusurlu oranı) grafiği
Prosesten alınan örneklerin kusurlu oranlarını inceleyen grafik
türüdür.
• Stabilize p grafiği
Örnek ölçümlerinin eşit olmaması durumunda kullanılan grafiktir.
• np (kusurlu sayısı) grafiği
Kusurlu sayılarıyla oluşturulan grafiklerdir.
• c (örnek başına kusur sayısı) grafiği
Her bir örnek için toplam kusur sayıları dikkate alınarak
hazırlanan kontrol grafiğidir.
• u (birim başına kusur sayısı) grafiği
Tek bir birimdeki hataları incelemek için kurulan kontrol
grafiğidir.
p (kusurlu oranı) Grafiği

p grafiklerinde, oran söz konusu olduğu için, üretim

sürecinden daha büyük hacimli örnekler alınmalıdır.

Kriter olarak; np>1 olacak şekilde n’in tespit

edilmesi tavsiye edilir. Örneğin, kusurlu oranı p=0.05
ise np>1 durumunun sağlanması için n>20 olmasına
dikkat edilmelidir.

Anakütle kusurlu oranı belli değilse şansa bağlı

olarak alınacak yeterince büyük bir örnekteki kusurlu
oranı esas alınarak örnek büyüklükleri ayarlanır.
p (kusurlu oranı) Grafiği

Birinci örnekteki kusurlu sayısı x1, ikinci örnekteki x2,..,

k’inci örnekteki kusurlu sayısı xk olmak üzere bu
örneklerdeki kusurlu oranları;
p1=x1/n, p2=x2/n, ......, pk=xk/n şeklindedir.

Ortalama kusurlu oranı; p = (p1+p2+...+pk)/ k

Kontrol sınırları; ÜKS  p  3 p(1  p) n

MÇ = p
AKS  p  3 p(1  p) n
p (kusurlu oranı) Grafiği

• Bir üretimden 50’şer birimlik 20 örnek alınmıştır. (n=50, k=20)

• Anakütlenin kusurlu oranı bilinmemektedir (standart belli değil).
• Her bir örnekteki kusurlu sayıları ve kusurlu oranları aşağıdaki
şekilde tespit edilmiştir.

Örnek no 1 2 3 4 5 6 7 8 9 10
K. sayısı 9 4 5 16 10 15 7 9 5 12

K. oranı 0.18 0.08 0.1 0.32 0.2 0.3 0.14 0.18 0.1 0.24

Örnek no 11 12 13 14 15 16 17 18 19 20 Toplam

K. sayısı 10 17 14 19 12 8 10 6 12 8 208
K. oranı 0.2 0.34 0.28 0.38 0.24 0.16 0.2 0.12 0.24 0.16 4.16
p (kusurlu oranı) Grafiği

Birinci örnekteki kusurlu oranı; p1=9/50=0.18

İkinci örnekteki kusurlu oranı; p2=4/50=0.08
.
.

Ortalama kusurlu oranı; p = (0.18+0.08+...+0.16)/20

= 4.16/20= 0.21

(0.21)(0.79) / 50
Kontrol sınırları; ÜKS = 0.21+3 = 0.38
MÇ = 0.21
(0.21)(0.79) / 50
AKS = 0.21-3 = 0.04
p (kusurlu oranı) Grafiği

p-Control Chart
,4

,3

,2
k u s u r lu o r a n la r i

KUSURLU

,1 UKS = ,38

MC = ,21

0,0 AKS = ,04

1 3 5 7 9 11 13 15 17 19
2 4 6 8 10 12 14 16 18 20

Sigma level: 3
Stabilize p Grafiği

Üretimden alınan örneklerin ölçümleri farklı olduğunda

kontrol grafiğine kusurlu oranları yerine bunların
standartlaştırılmış değerleri işlenir.
Standart z değerlerinden dolayı grafik;
ÜKS = +3
MÇ = 0
AKS = -3 olmak üzere düzenlenir.
Grafiğe işlenecek değerler;

z= pi - p σp p (1- p) formülleri aracılığı ile bulunur.

=
σp ni
Stabilize p Grafiği

• Bir üretimden ölçümleri farklı 9 örnek alınmıştır. (k=9)

• Anakütlenin kusurlu oranı bilinmemektedir (standart belli değil).
• Örnek ölçümleri ve kusurlu sayıları aşağıdaki şekilde
belirlenmiştir.

Örnek no 1 2 3 4 5 6 7 8 9
Örnek 90 105 105 155 155 155 210 155 155
ölçümü (n)
Kusurlu 0 0 4 8 2 0 4 7 5
sayısı
Stabilize p Grafiği

Ortalama kusurlu oranı; p = ∑xi ⁄ ∑ni = 30 ⁄ 1285

= 0,0233 (1- p ) = 0,9767
Örnek Örnek Kusurlu Kusurlu
σp
no Ölçümü (ni) Sayısı (xi) Oranı (pi)
p -p
i
zi

1 90 0 0 -0,0233 0,0159 -1,47

2 105 0 0 -0,0233 0,0147 -1,59
3 105 4 0,0381 0,0148 0,0147 1,01
4 155 8 0,0516 0,0283 0,0121 2,34
5 155 2 0,0129 -0,0104 0,0121 -0,86
6 155 0 0 -0,0233 0,0121 -1,93
7 210 4 0,0190 -0,0043 0,0104 -0,41
8 155 7 0,0452 0,0219 0,0121 1,81
9 155 5 0,0323 0,009 0,0121 0,74
Toplam 1285 30
Stabilize p Grafiği

Stabilize p grafiği

4
3
z
z değerleri

2
1 ÜKS
0
-1 MÇ
-2 AKS
-3
-4
1 2 3 4 5 6 7 8 9
örnek no
np (kusurlu sayısı) Grafiği

np grafiklerinde kusurlu oranları yerine kusurlu

sayıları kullanılır. Örnek oranlarının hesaplanmasına
gerek duyulmadığı için p grafiğine göre daha kolay
gelebilmektedir. Şekil olarak p grafiğinin aynısıdır.
Sadece dik eksen kusurlu oranı yerine kusurlu sayısını
temsil eder.
Ortalama kusurlu oranı; p =
 x
nk

Kontrol sınırları; ÜKS = n p +3 n p(1  p)

MÇ = n p
AKS = n p -3 n p(1  p)
np (kusurlu sayısı) Grafiği

• Bir piston imalathanesinin üretiminden 100’er birimlik 15 örnek

alınmıştır. (n=100, k=15)
• Anakütlenin kusurlu oranı bilinmemektedir (standart belli değil).
• Her bir örnekteki kusurlu sayıları aşağıdaki gibidir.

Örnek no 1 2 3 4 5 6 7 8 9 10
Kusurlu 8 16 4 0 6 2 8 6 4 5
sayısı

Örnek no 11 12 13 14 15 Toplam
Kusurlu 5 0 7 8 14 93
sayısı
np (kusurlu sayısı) Grafiği

Ortalama kusurlu oranı;

93
p= = 0.062
100 x15

Kontrol sınırları;
ÜKS = 100(0.062)+3 100(0.062)(0.938)
= 13.43
MÇ = 100(0.062) = 6.20
AKS = 100(0.062)-3
100(0.062)(0.938)
= -1.03= 0
np (kusurlu sayısı) Grafiği

np-Control Chart
20

15

10
k u s u r lu s a y is i

kusur

UKS = 13,43
5
MC = 6,20

0 AKS = ,00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

ornek no
Sigma level: 3
 c Kontrol Grafiği
(Örnek başına kusur sayısı)

c grafiklerinde üretilen birimlerin kalite kontrolünde, her

bir örnekte rastlanan toplam kusur sayıları esas alınır.
Örnek, tek bir parça ürün ya da parçanın bir kısmı olabilir.
k; alt grup sayısı olmak üzere her bir alt grupta n=1
olma durumu söz konusudur.
k

Ortalama kusur sayısı;

c i
c i 1

k
Kontrol sınırları;
ÜKS  c  3 c
MÇ =
c
AKS  c  3 c
c Kontrol Grafiği
(Örnek başına kusur sayısı)

• Bir firmanın ürettiği buzdolaplarından 20 tanesi alınmıştır. (k=20)

• Geçmiş verilere dayanılarak hesaplanmış bir c değeri yoktur
(standart belli değil).
• Her bir buzdolabındaki toplam kusur sayısı tespit edilerek
aşağıdaki tablo düzenlenmiştir.

Örnek no 1 2 3 4 5 6 7 8 9 10
Kusur 4 3 5 7 2 8 1 4 3 5
sayısı

Örnek no 11 12 13 14 15 16 17 18 19 20
Kusur 6 6 3 1 2 2 5 4 0 3
sayısı
c Kontrol Grafiği
(Örnek başına kusur sayısı)

Ortalama kusur sayısı;

c = ∑ci / k =(4+3+5+...+3)/20
= 3,7
Kontrol sınırları; ÜKS = 3,7+3 3,7
= 9,47
MÇ =3,7
AKS = 3,7-3 3,7
= -2,07 =0
c kontrol Grafiği
(Örnek başına kusur sayısı)

c-Control Chart
10

4 kusur
K u s u r s a y is i

UKS = 9,47
2
MC = 3,70

0 AKS = ,00
1 3 5 7 9 11 13 15 17 19
2 4 6 8 10 12 14 16 18 20

Sigma level: 3
 u-Kontrol Grafiği
(Birim başına kusur sayısı)

u grafiklerinde her bir birimde rastlanan ortalama kusur

sayıları işlenir. Buna ek olarak bazı durumlarda alt gruplar
farklı sayılarda birimlerden oluşabilirler.

Alt grupları oluşturan birim sayıları farklılık gösterdiğinde

izlenebilecek iki yol vardır:
– Ortalama bir n değeri hesaplamak,
– Değişen n değerlerine göre ayrı ayrı kontrol sınırları
belirlemek.
u-Kontrol Grafiği
(Birim başına kusur sayısı)

Uygulamalar için birim başına gerçek hata sayısı u

bilindiğinde (standart belli iken), bu değer kontrol
sınırlarını hesaplamada kullanılır. Bilinmediğinde ise
birim başına ortalama hata sayısı (ū) hesaplanır.

U=
c
n
Kontrol sınırları; ÜKS  u  3 u n
MÇ  u
AKS  u  3 u n
u-Kontrol Grafiği
(Birim başına kusur sayısı)

• Bir dokuma fabrikasında günlük üretilen top kumaşlardaki

kusurları belirlemek amacıyla %100 muayene yapılmıştır.
• 10 günlük süreçte tespit edilen kusurlu kumaş topu sayıları ve
bunlardaki kusur sayıları aşağıdaki gibidir.
• Gerçek kusur sayısı olan u değeri bilinmemektedir (standart belli
değil).

Gün 1 2 3 4 5 6 7 8 9 10
Kumaş 20 20 20 21 22 22 23 33 23 21
topu s.(n)
Kusur 27 23 30 28 29 31 37 29 36 27
sayısı (c)
u-Kontrol Grafiği
(Birim başına kusur sayısı)
Birim başına ortalama kusur sayısı; ū= ∑c / ∑n
= 297/225= 1,32
Kumaş topu Kusur
Gün Sayısı (n) Sayısı (c) ui=ci/ni 3 ū/ni ÜKS AKS
1 20 27 1,35 0,77 2,09 0,55
2 20 23 1,15 0,77 2,09 0,55
3 20 30 1,50 0,77 2,09 0,55
4 21 28 1,33 0,75 2,07 0,57
5 22 29 1,32 0,73 2,05 0,59
6 22 31 1,41 0,73 2,05 0,59
7 23 37 1,61 0,72 2,04 0,60
8 33 29 0,88 0,60 1,92 0,72
9 23 36 1,57 0,72 2,04 0,60
10 21 27 1,29 0,75 2,07 0,59
Toplam 225 297
u-kontrol grafiği
(Birim başına kusur sayısı)
sayısı

u-Control Chart
2,5

2,0

1,5

1,0
K u s u r s a y is i

kusur

UKS
,5
MC = 1,32

0,0 AKS
1 2 3 4 5 6 7 8 9 10

Sigma level: 3
 Özet

Ölçülebilen Veri Ölçülemeyen

Tipi

Evet n<10 Hayır

Kusur kusur-kusurlu Kusurlu
sayısı

X-ort. ve R X-ort. ve S
grafikleri grafikleri
Evet eşit sayıda Hayır Evet eşit sayıda Hayır
örnek örnek

c grafiği u grafiği

p grafiği sp grafiği
np grafiği
ALTERNATİF KONTROL GRAFİKLERİ

Shewhart kontrol kartlarının eksik

noktaları:
• Sadece bir noktaya ya da tek bir
örnekleme dayanarak karar verilmesi
• Prosesteki küçük ancak sürekli kaymalara
karşı yeterince duyarlı olmaması.
ALTERNATİF KONTROL GRAFİKLERİ

• Kümülatif Toplam (CUSUM) Kontrol

Grafiği
• Hareketli Ortalama (MA) Kontrol Grafiği
• Üstel Ağırlıklı Hareketli Ortalama (EWMA)
Kontrol Grafiği
• Regresyon Kontrol Grafiği
Kümülatif Toplam (CUSUM) Kontrol Grafiği

• CUSUM grafiği ilk kez Page(1954)

tarafından önerilmiş
• Grafik, örneklem ortalamalarının belirli bir
hedef veya standart değerden
sapmalarının kümülatif toplamı ile zaman
dönemini koordinat sistemi içinde
görüntülemektedir.
• Shewhart kontrol grafiklerinde kullanılan
kontrol sınırlarından daha etilidir.
CUSUM SHEWHART

• CUSUM, önceki örneklemlerin serisini

dikkate almaktadır.
• CUSUM, hem nicel hem de nitel
değişkenler için uygulanabilmektedir.
• Orta çizgi ve kontrol sınırları yerine
Barnhard (1959) tarafından geliştirilen V
maskesi kullanılmaktadır.
• CUSUM kontrol grafiği örneklem
ortalamaları serisi yerine daha basit bir
seri niteliğindeki bireysel gözlem değerleri
kullanılmaktadır.
• CUSUM değerlerinin esası, proses
ortalamasından kümülatif sapmaları
dikkate alarak, ortalamada değişmezlik
olup olmadığını belirlemesidir.
CUSUM kontrol grafiğinin
çizilmesi;
• J=1,2,3,….k olmak üzere örneklem numaraları
sütunu
• Bireysel gözlemler(Xj) sütunu veya örneklem
ortalamaları (Xj)sütunu
• Her bir bireysel gözlem değerleri (veya
örneklem ortalaması) ile proses ortalaması
arasındaki cebirsel sapmalar sütunu
( Xj  X )veya ( Xj  0 )
• Cebirsel sapmaların kümülatif toplamı sütun
k k
Sj   ( X j  X ) veya Sj   ( X j   0 )
j 1 j 1
CUSUM Grafiği;

• Noktaların eğimi yukarı doğru ise; prosesin,

ortalamanın üzerinde merkezlendiğini veya
proses ortalamasının kaydığını,
• Noktaların eğimi aşağı doğru ise; prosesin
ortalamanın altında merkezlendiği
• Noktaların eğimi düz bir doğru gibi ise,
prosesin ortalamaya merkezlendiği anlamını
taşır.
PROSES YETERLİLİK ÇÖZÜMLEMESİ

Herhangi bir prosesin yeterli olup olmaması,

söz konusu prosesin spesifikasyonlar veya
toleranslar içinde üretim yapıp yapmadığıdır.
Proses değişkenliğinin belirlenmesinde, bu
değişkenliğin ürün gereksinimlerine veya
spesifikasyonlara göre çözümlenmesinde ve
bu değişkenliğin önemli ölçüde azaltılması
veya ortadan kaldırılmasında kullanılan
istatistiksel tekniklere “proses yeterlilik
çözümlemesi” denir.