1

1/36
Analisi di capacit del processo
Douglas C. Montgomery
Controllo statistico della qualit 2/ed
2006 McGraw-Hill
Insegnamento: Metodi ed Applicazioni Statistiche
Corso di Laurea Specialistica in Ingegneria Gestionale
Facolt di Ingegneria, Universit di Padova
Docenti: Prof. L. Salmaso, Dott. L. Corain
2/36
SOMMARIO
ANALISI DI CAPACIT DEL PROCESSO
LANALISI DELLA CAPACIT DI PROCESSO CON
ISTOGRAMMI O CARTE DI PROBABILIT
INDICI DI CAPACIT DEL PROCESSO
ANALISI DI CAPACIT DI PROCESSO CON LE
CARTE DI CONTROLLO
STUDI DI CAPACIT DI STRUMENTI E DI SISTEMI
DI MISURA
STIMA DEI LIMITI DI TOLLERANZA NATURALE DI
UN PROCESSO
2
3/36
Per analisi di capacit del processo si intende lattivit
generale volta alla valutazione della variabilit del
processo, in relazione ai livelli nominali di specifica, fino
alle operazioni dedicate alla eliminazione o almeno della
riduzione di detta variabilit.
La capacit del processo viene generalmente riferita alla
uniformit di comportamento del processo. Ovviamente, la
variabilit una misura della uniformit della caratteristica
del prodotto in uscita. Ci sono due modi di interpretare
questa variabilit:
ANALISI DI CAPACIT DI PROCESSO
1. la variabilit naturale o inerente ad uno specifico
istante, detta variabilit istantanea
2. la variabilit rispetto al tempo
Vedremo vari metodi per investigare entrambi questi
aspetti della capacit di processo.
4/36
consuetudine assumere come misura della capacit del
processo un intervallo di 6-sigma della distribuzione della
caratteristica della qualit del prodotto. I limiti di tolleranza
naturale superiore e inferiore (UNTL e LNTL) sono cio
posti ai valori: UNTL = + 3, LNTL = 3. Per la
distribuzione normale, lintervallo tra i limiti di tolleranza
naturale corrisponde ad una probabilit del 99.73%, ovvero
vi una probabilit del 0.27% di ottenere valori fuori da
questo intervallo. opportuno ricordare i 2 seguenti punti:
ANALISI DI CAPACIT DI PROCESSO
1. non detto che una probabilit dello 0.27% debba
essere comunque ritenuta piccola (corrisponde a 2700
unit non conformi per milione)
2. se la distribuzione in uscita non normale la
percentuale di elementi fuori dai limiti 3 pu
risultare considerevolmente diversa.
3
5/36
Definiamo analisi di capacit del processo la procedura di
stima della capacit che viene effettuata con riferimento
alla forma della distribuzione di probabilit, alla sua media
e alla sua deviazione standard. In alternativa, possibile
esprimere la capacit del processo come percentuale di
elementi fuori specifica, anche se le specifiche non
necessariamente sono da utilizzare per eseguire lanalisi
della capacit di processo.
Lanalisi della capacit di processo parte vitale di un
programma complessivo di miglioramento della qualit e
ha applicazione in pi parti del ciclo di vita di vita di un
prodotto, inclusa la fase di progettazione, quella di scelta
dei fornitori, di pianificazione della produzione e quella
della effettiva realizzazione del prodotto.
ANALISI DI CAPACIT DI PROCESSO
6/36
Lanalisi della capacit di processo impiega principalmente
quattro tecniche:
ANALISI DI CAPACIT DI PROCESSO
LUSO DELLISTOGRAMMA
Listogramma pu essere utile per la stima della capacit
del processo. Un vantaggio dellistogramma di fornire
una impressione visiva diretta della prestazioni del
processo e di eventuali regioni di scarsa qualit dello
stesso. Lo scopo quello di valutare visivamente la
centratura e la variabilit della distribuzione rispetto al
valore obiettivo ma anche di verificarne la normalit.
1. istogrammi o carte di probabilit
2. indici di capacit del processo
3. carte di controllo
4. programmazione degli esperimenti
4
7/36
USO DELLISTOGRAMMA
necessario disporre di almeno 100 osservazioni, in modo
da ottenere indicazioni sufficientemente stabili ed efficienti.
Avendo accesso ai dati e alle procedure di rilevazione,
prima della raccolta dati si dovrebbero seguire questi
passi:
1. scegliere la/le macchina/e da utilizzare (rappresenta-
tiva/e dellintera popolazione)
2. selezionare le condizioni operative di riferimento
3. selezionare un operatore rappresentativo
4. controllare con cura il processo di rilevazione e
registrare lordine temporale di produzione delle unit
Listogramma, assieme alla media campionaria e alla
deviazione standard campionaria S, fornisce informazioni
sulla capacit del processo.
x
8/36
GRAFICI O CARTE DI PROBABILIT
Nello studio della forma, dispersione e valore centrale di
una distribuzione, i grafici di probabilit sono unalternativa
allistogramma, rispetto al quale non presentano lo svan-
taggio della suddivisione in intervalli del campo di varia-
zione e forniscono risultati ragionevolmente accettabili
anche per campioni poco numerosi.
Un grafico di probabilit, rispetto ad una data distribuzione
(es. Normal Probability Plot), costituisce la rappresenta-
zione grafica dei dati ordinati rispetto ai valori delle
frequenze campionarie cumulate. La scala delle ordinate
modo
tale che, se la distribuzione
delle osservazioni corri-
sponde a quella ipotizzata, il
grafico delle frequenze
cumulate ha un andamento
pressoch lineare.
5
9/36
GRAFICI O CARTE DI PROBABILIT
Un ovvio svantaggio delle carte di probabilit che non
costituiscono una procedura del tutto oggettiva. Per questa
ragione prassi corredare la carta di probabilit con
procedure statistiche pi formalizzate di verifica di ipotesi
di adattamento.
Anche la scelta della distribuzioni da adattare un passo
fondamentale: utile ricorrere alle conoscenze del feno-
meno fisico, allesperienza passata e anche agli indici di
asimmetria e curtosi.
Occorre comunque prestare
molta una certa cautela nellado-
perare le carte probabilit. Se i
dati non provengono dal tipo di
distribuzione ipotizzato, le con-
clusioni inferenziali possono es-
sere seriamente distorte.
Fig. 9.5 p. 361
10/36
INDICI DI CAPACIT DEL PROCESSO
La capacit del processo pu essere sintetizzata in modo
semplice dal seguente indice:
C
p
=(USL-LSL)/(6)
dove USL e LSL sono i limiti superiore ed inferiore di
specifica. Solitamente, non nota che si deve stimare
opportunamente (attraverso S oppure ).
Se C
p
>1 il processo capace perch la variabilit naturale
inferiore a quella delle specifiche e questo garantisce che
il processo fornisca prodotti che soddisfino le specifiche
(nel caso il processo non presenti un problema di
posizione).
Il valore (1/C
p
)100 invece ci dice qual la percentuale
della banda di specifica usata dal processo.
In caso di specifiche unilaterali (solo superiore o solo
inferiore): C
U
= (USL-)/(3) C
L
= (LSL)/(3)
2
/ R d
6
11/36
corrispondenti tassi di difet-
tosit. Inoltre, in base alle
caratteristiche del processo
coinvolto, possibile fornire
alcune raccomandazioni per
derivare i valori minimi di C
p
.
INDICI DI CAPACIT DEL PROCESSO
Lindice di capacit di processo una misura dellattitudine
del processo medesimo a costruire prodotti che soddisfino
le specifiche.
Assumendo che la caratteristica della qualit segua una
distribuzione normale e che la media del processo sia
posizionata esattamente al centro dellintervallo di
specifica, possibile calcolare alcuni valori di C
p
e i
corrispondenti
Tab. 9.4 p. 366
Tab. 9.3 p. 365
12/36
INDICI DI CAPACIT DEL PROCESSO
Lindice C
p
non tiene conto di dove localizzata la media
del processo rispetto alle specifiche. Per tenere pi
accuratamente conto della centratura del processo viene
definito C
pk
=
C
pk
non altro che un indice unilaterale rispetto al limite di
specifica pi vicino alla media.
z C
pk
=C
p
processo centrato
z C
pk
< C
p
processo non
centrato rispetto allintervallo
di specifica
( ) ( ) ( )
U L
min(C , C ) min USL 3 , LSL 3 =
C
p
misura della capacit
potenziale del processo
C
pk
misura della capacit
effettiva del processo
7
13/36
INDICI DI CAPACIT DEL PROCESSO
Molti autori consigliano di evitare un uso di routine ed
acritico degli indici di capacit, raccomandandone un
interpretazione con estrema cautela. Il motivo che essi
costituiscono una indicazione estremamente semplificata
di fenomeni spesso molto complessi. Gli aspetti critici degli
indici di capacit del processo sono:
1. eccessiva semplificazione perch combinano le
informazioni sia di locazione che di variabilit
2. richiedono lassunzione di normalit
3. sono virtualmente inutilizzabile se calcolati da campioni
con bassa numerosit campionaria
In relazione al secondo punto, nel caso di distribuzione non
normale, un approccio utile quello di trasformare i dati in
modo che nella nuova metrica essi presentino distribuzione
normale.
14/36
INDICI DI CAPACIT DEL PROCESSO
Anche se sviluppato per trattare processi non centrati, il
solo C
pk
risulta anchesso inadeguato come misura di
centratura del processo. Si consideri i due processi
rappresentati in figura hanno entrambi C
pk
=1. Il processo B
per non centrato. Infatti C
p
=1 nel primo caso, 2 nel
secondo.
Questo un caso in cui C
pk
si rivela inadeguato come
misura di centratura del processo.
8
15/36
INDICI DI CAPACIT DEL PROCESSO
Un indice migliore della centratura dato da
C
pkm
= (USL LSL)/6
dove la radice quadrata della deviazione attesa rispetto
al valore di riferimento T = (USL + LSL)/2:

2
= E[(X T)
2
] =
2
+ ( T)
2
quindi C
pkm
pu essere riscritto come
Una stima adeguata di C
pkm

Per il processo A, risulta C

pkm
=1, per B invece C
pkm
=0.63.
p
pkm
2 2 2
C
USL-LSL
C , dove
6 ( ) 1
T

T

= = =
+ +
p
pkm
2

C , dove
1
T x
V
S
V

= =
+
16/36
INTERVALLI DI CONFIDENZA PER GLI INDICI DI CAPACIT
Molti degli utilizzi industriali, cos come dei software
applicativi, si limitano al calcolo degli indici di capacit
dimenticando che si tratta solo di stime puntuali e, come
tali, sono soggetti a variabilit accidentale. Una alternativa
che dovrebbe diventare pratica comune consiste nel
calcolare gli intervalli di confidenza per gli indici di
capacit.
Se la distribuzione della caratteristica della qualit segue
una legge normale, allora gli intervalli di confidenza al
100(1)%, esatto di C
p
e approssimato di C
pk
, sono dati
da
2 2
p 1 / 2, 1 p p / 2, 1

C ( 1) C C ( 1)
n n
n n


pk / 2 pk pk / 2
2 2
pk pk
1 1 1 1

C 1 C C 1

2( -1) 2( -1)
9 C 9 C

Z Z
n n
n n
( (
( ( + + +
( (

9
17/36
TEST DI IPOTESI PER GLI INDICI DI CAPACIT
Una pratica che si sta diffondendo nelle applicazioni
industriali di richiedere al fornitore, come clausola
contrattuale, di dimostrare la capacit del proprio processo.
Diviene quindi sempre pi necessario dimostrare che
lindice di capacit del processo soddisfa, o eccede, un
particolare valore di riferimento C
p0
. Questo problema pu
essere formulato come un tipico problema di verifica
statistica delle ipotesi
0 p p0
1 p p0
H : C C , (ovvero il processo non ha capacit)
H : C C , (ovvero il processo ha capacit)

>

Per agevolare la soluzione

a questo problema si pu
ricorrere a opportuni valori
critici, in funzione della
numerosit campionaria.
Tab. 9.5 p. 374
18/36
ANALISI DI CAPACIT DI PROCESSO CON LE CARTE DI CONTROLLO
Gli istogrammi, i grafici di probabilit e gli indici di capacit
sono tutti strumenti utili a riassumere in sintesi le
prestazioni di un processo, ma comunque non idonei a
descrivere la capacit potenziale del processo, in quanto
non legati al concetto di controllo statistico, secondi cui
occorre identificare i comportamenti sistematici delle
variabili in uscita del processo, che una volta eliminati
produrrebbero un diminuzione significativa della variabilit
della qualit del processo stesso. A tale proposito, le carte
di controllo sono uno strumento assai efficace e
dovrebbero essere viste come tecnica primaria per lanalisi
d
della capacit del processo. Sia le carte per il controllo per
attributi che per variabili possono essere usate, tenendo
presente alcune indicazioni.
10
19/36
ANALISI DI CAPACIT DI PROCESSO CON LE CARTE DI CONTROLLO
Le carte per media e range, rispetto alle carte per attributi
sono le pi indicate, in quanto
z offrono potenza e quantit di informazione
z permettono di studiare il processo senza riferimento alle
specifiche
z consentono di analizzare la variabilit istantanea
(capacit del processo di breve periodo) e la variabilit
nel tempo (capacit di lungo periodo)
A volte lanalisi di capacit indica che il processo fuori
controllo. Non sicuro stimare la capacit del processo in
tali casi, in quanto per produrre una stima affidabile il
processo deve essere stabile. Quando si uno stato di
fuori controllo in fase iniziale dellanalisi di capacit, il
primo obiettivo di eliminare i fattori specifici e portare il
processo in stato di controllo.
20/36
ANALISI DI CAPACIT DI PROCESSO CON LE CARTE DI CONTROLLO
Consideriamo i dati di resistenza a rottura di contenitori per
bevande gassate, raccolti attraverso 20 campioni di 5
osservazioni ciascuno.
Dato che la resistenza a rottura un parametro di
sicurezza, la capacit del processo inadeguata, pur se il
processo opera in stato di controllo. Si necessita di un
intervento strutturale volto al miglioramento del processo.
11
21/36
ANALISI DI CAPACIT DI PROCESSO CON ESPERIMENTI PROGRAMMATI
La programmazione degli esperimenti (Design of
Experiments DoE) un approccio sistematico che
prevede la variazione delle variabili controllabili in ingresso
e quindi lanalisi degli effetti di queste in uscita per valutare
a quale livello queste variabili possono contribuire
allottimizzazione delle prestazioni del processo. Il DoE
quindi utile in problemi produttivi pi generali di quelli di
stima della capacit del processo. Uno degli impieghi
principali principali del DoE nellisolamento e
stima delle cause di variabilit di un
processo. Ad esempio, la variabilit di
un prodotto finito
B
2
pu dipendere
dalla variabilit tra le macchine (M), tra
le testate (H) e da quella analitica di
misura (A):
B
2
=
M
2
+
H
2
+
A
2
.
Fig. 9.12 p. 379
22/36
STUDI DI CAPACIT DI STRUMENTI E DI SISTEMI DI MISURA
Un obiettivo importante perseguito durante la realizzazione
di molti sistemi di controllo statistico di processo quello di
assicurare unadeguata capacit degli strumenti e dei
sistemi di ispezione. In ogni problema legato a procedure
di misura, parte della variabilit dei risultati pu essere
dovuta alla variabilit dei prodotti ma anche alla variabilit
derivante dagli strumenti di misura:

2
totale
=
2
prodotto
+
2
strumento
Le carte di controllo e altre metodologie statistiche
possono essere usate per separare queste componenti di
variabilit e per dare indicazione della capacit degli
strumenti di misura.
pratica comune confrontare la stima della capacit dello
strumento con lampiezza della banda di tolleranza o di
specifica (USLLSL) sulla parte oggetto di misurazione.
12
23/36
STUDI DI CAPACIT DI STRUMENTI E DI SISTEMI DI MISURA
Il rapporto tra e la banda di tolleranza spesso
chiamato rapporto precisione-tolleranza o indice P/T:
P/T = / (USLLSL)
Valori di P/T maggiori o uguali a 0.1 sono spesso
interpretati come sintomo di capacit inadeguata dello
strumento. Tuttavia, dovremmo porre una certa cautela
nelladottare questa regola empirica in ogni occasione
perch in generale uno strumento dovrebbe essere capace
di misurare con sufficientemente accuratezza e precisione
da permettere allanalista di assumere le decisioni corrette.
Piuttosto che il rapporto P/T, una espressione pi
significativa della capacit dello strumento, in quanto
indipendente dallampiezza dei limiti di specifica data
dallespressione
strumento
6
strumento
6
2 2
strumento prodotto
( / ) 100
24/36
UN ESEMPIO
13
25/36
UN ESEMPIO
26/36
UN ESEMPIO
14
27/36
STUDI DI CAPACIT DI STRUMENTI E DI SISTEMI DI MISURA
anche possibile progettare studi di capacit di uno
strumento per analizzare due specifiche componenti
dellerrore di misurazione: ripetibilit e riproducibilit
dello strumento. Si definisce riproducibilit la variabilit
dovuta alla diversit degli operatori che usano lo stesso
strumento (in differenti momenti, o ambienti o, in generale
condizioni); la ripetibilit riflette invece la precisione
intrinseca dello strumento di misura, cio
Fin qui abbiamo studiato principal-
mente la precisione di uno strumen-
to, non laccuratezza. Questultima
si riferisce allattitudine di misurare
correttamente, in media, il vero valo-
re. Spesso pu essere modificata
mediante appropriata calibrazione.
Fig. 9.14 p. 385
2 2 2 2
errore di misurazione strumento ripetibilit riproducibilit
= = +
28/36
Gauge R&R studies are usually conducted with a factorial experiment
Variance
Components
GAUGE R&R STUDIES
15
29/36
This is a two-factor factorial experiment
ANOVA methods are used to conduct the R&R analysis
GAUGE R&R STUDIES
30/36
GAUGE R&R STUDIES
16
31/36
GAUGE R&R STUDIES
32/36
GAUGE R&R STUDIES
Negative estimates of a variance component would lead
to filling a reduced model, such as, for example:
17
33/36
GAUGE R&R STUDIES
34/36
STIMA DEI LIMITI DI TOLLERANZA NATURALE DI UN PROCESSO
In molto processi produttivi pratica comune pensare alla
tolleranza naturale come allintervallo che contiene una
certa frazione prefissata, 100(1)%, dei possibili risultati.
Se la distribuzione dei valori della caratteristica di qualit
fosse completamente nota, ad es. sulla base di una lunga
serie di osservazioni del processo, allora i limiti di
tolleranza si potrebbero determinare in maniera agevole e
diretta. In molti problemi applicativi forma e parametri della
distribuzione non sono per sempre noti, sebbene i
parametri possono essere stimati dai dati campionari.
Se si suppone che la v.c. x sia N(,
2
), una procedura di
stima dei limiti di tolleranza naturale Z
/2
si ottiene da
che una espressione imprecisa, specie per basse
numerosit.
/ 2
x Z S
18
35/36
STIMA DEI LIMITI DI TOLLERANZA NATURALE DI UN PROCESSO
Per rendere pi affidabile la stima, migliore sarebbe
considerare la distribuzione t di Student oppure una
opportuna procedura approssimata.
Sempre basandosi sullipotesi di normalit, anche
possibile specificare limiti di tolleranza unilaterali.
Si ricordi che esiste una fondamentale differenza tra limiti
confidenza e limiti di tolleranza. I limiti di confidenza
sono usati per costruire una stima intervallare dei
parametri di una distribuzione, mentre i limiti di tolleranza
sono usati per indicare i limiti tra i quali ci si pu attendere
cada una proporzione specifica di una popolazione. Si noti
che al divergere di n la lunghezza dellintervallo di
confidenza tende a zero, mentre i limiti di tolleranza si
avvicinano a quelli teorici, corrispondenti allintera
popolazione.
36/36
STIMA DEI LIMITI DI TOLLERANZA NATURALE DI UN PROCESSO
possibile costruire limiti di tolleranza non parametrici (o
distribution-free) validi per ogni tipo di distribuzioni
continue. Questi intervalli sono basati sulla distribuzione
dei valori estremi (il massimo e il minimo dei dati
campionari) di un campione estratto da una generica
distribuzione continua. Per i limiti di tolleranza bilaterali,
deve essere prelevato un numero di osservazioni
approssimativamente pari a
in modo che sia g la probabilit che 100(1)% della
distribuzione cada tra le due osservazioni estreme. In
generale per essi un valore pratico limitato, dal momento
che sono richiesti campioni solitamente molto numerosi e
in alcuni casi proibitivi. Potendo specificare la forma della
distribuzione inoltre possibile costruire intervalli di
tolleranza pi stretti rispetto allapproccio non parametrico.
2
1 ,4
1 2
2 4

| |
+
|
\ .