Sunteți pe pagina 1din 804

INGINERIA I

MANAGEMENTUL CALITII
1
Curs, Laborator, Proiect:
Conf.univ.dr.ing. Adrian Pugna

2

Forma de evaluare: Examen
IMC: 3h Curs /spt. ; 2h Lab./spt. (7) ; 2h Pr./spt. (11)
Observaii:
IMC examen activitate parcurs
N =N 60%+N 40%
activitate parcurs Laborator Pr oiect
N =N 40%+N 60%
1 2 3 aplicatie
examen
N +N +N +N
N =
4
N
1
; N
2
; N
3
; N
aplicaie
, N
Laborator
; N
Proiect
5

1.1 CONCEPTUL DE CALITATE
3
CAP.I INGINERIA CALITII
- Definire i concepte de baz -

aptitudinea pentru utilizare (J.M. Juran);

conformitatea cu necesitile (P. Crosby);

satisfacerea unei necesiti;

gradul de satisfacere a consumatorului de prima dat i de fiecare
dat;

un cost mai mic pentru o utilizare dat;

conformitatea produsului sau a serviciului cu exigenele clienilor interni
sau externi;

a face lucrul potrivit de prima dat etc.
"calitate" "qualis
Sensuri
fel de-a fi
4

1.2 Definiii ale calitii
n sensul
cel mai general
Calitatea este o categorie filosofic si exprim
nsuirile eseniale ale unui obiect, serviciu, care l fac
s se disting de toate celelalte produse (servicii)
similare, care au aceeai destinaie, respectiv utilitate.
Literatura de
specialitate
Calitatea reprezint gradul de utilitate sau aptitudinea
de utilizare n conformitate cu cerinele.
J .M. J uran
Calitatea reprezint gradul de utilitate sau aptitudinea
de utilizare a produsului.
Phil Crosby
Calitatea reprezint conformitatea cu cerinele
existente n domeniu i nu ca bun sau elegant.
5
G. Taguchi
Calitatea reprezint un minim de pierdere dinspre
produs spre societate, din momentul n care produsul
este livrat.
STAS 8402-1991
Calitatea reprezint ansamblul de proprieti i
caracteristici ale unui produs sau serviciu care i
confer acestuia aptitudinea de a satisface
necesitile exprimate sau implicite".
calitatea este ntotdeauna descris de un ansamblu de
caracteristici ;

calitatea exist numai n relaia cu clientul;

prin calitate trebuie satisfcute att nevoile exprimate, ct i
cele implicite.
Din definiia enunat mai sus rezult urmtoarele idei importante:
6
Dicionarele de specialitate furnizeaz n general dou tipuri de
definiii ale calitii care sunt importante pentru manageri.


Acestea se bazeaz fie pe relaia dintre calitate i caracteristicile
produsului, fie pe relaia dintre calitate i lipsa deficienelor.
Integrarea celor dou perspective ntr-o singur definiie este foarte
dificil, fapt ilustrat de Juran (1989), care a artat c nu exist consens
deplin cu privire la semnificaia dat conceptului de calitate
Caracteristicile produsului au un impact direct asupra volumului
vnzrilor, astfel c, din acest punct de vedere, o calitate mai bun,
de obicei, cost mai mult.


Pe de alt parte, deficienele produsului au un impact direct asupra
costurilor, astfel nct, din acest punct de vedere, o calitate mai bun,
de obicei cost mai puin.
7
Tab. 1.1 Principalele semnificaii ale calitii
Caracteristici ale produselor-serviciilor
care satisfac nevoile consumatorilor
Lipsa deficienelor
Efectul major se manifest asupra
vnzrilor
Efectul major se manifest asupra
costurilor
n general, un nivel nalt de calitate cost
mai mult
n general un nivel nalt de calitate cost mai
puin
Un nivel nalt de calitate permite firmelor:

- sa mreasc nivelul de satisfacie al
consumatorilor;
- s realizeze produse vandabile;
- s fac fa concurenei;
- s i mreasc segmentul de pia;
- s realizeze venituri din vnzri;
- s practice preuri competitive.
Un nivel nalt de calitate permite firmelor:

- s reduc numrul de erori;
- s reduc numrul de rebuturi;
- s reduc numrul de defecte de
- funcionare i reparaii n garanie;
- s reduc insatisfacia clienilor;
- s diminueze activitile de
- inspecie/testare;
- s reduc timpul de lansare pe pia a
produselor noi;
- s-i mbunteasc gradul de utilizare a
- capacitii de producie;
- s mreasc performana livrrilor.
8
n acelai timp, practica arat c, pe fondul unor dezbateri
controversate, se pot identifica o serie de termeni cheie preferai
de firme pentru definirea conceptului de calitate
Tab. 1.2 Termeni cheie utilizai n definirea calitii
Termeni cu frecven mare de utilizare
Termeni
controversai
Termeni cu frecven
mic de utilizare
Calitatea serviciilor:
- caracteristici, performan, competitivitate;
- promptitudine, curtoazie;
- capabilitatea proceselor;
- lipsa erorilor;
- conformitate cu standarde i proceduri.

Calitatea produselor:
- caracteristici, performan, competitivitate;
- interfa prietenoas;
- siguran n funcionare;
- lipsa defectelor de funcionare;
- fiabilitate, mentenabilitate, disponibilitate;
- durabilitate, estetic;
- capabilitatea proceselor;
- costurile calitii sczute;
- conformitate cu specificaii, standarde, proceduri.
- procese interne
(recrutare,
elaborarea
statelor
de plat);
- durata ciclului
de fabricaie;
- promptitudine;
- lipsa erorilor;
- competitivitate;
- sigurana
locului
de munc.
- pre;
- costuri (alte
dect cele
datorate
deficienilor);
- absenteism;
- responsa-
bilitatea
social fa
de angajai,
mediu,
public etc.
9
n activitatea practic, legat de producia i circulaia mrfurilor, au aprut
noiuni concrete, uzuale, aplicative, care deriv din noiunea teoretic a
calitii.

Astfel, calitatea este cunoscut n mai multe ipostaze a cror ignorare poate
produce confuzie n relaiile dintre productor i beneficiar:
Calitatea proiectat reflect valorile individuale ale proprietilor
la un nivel ales n urma comparrii mai multor variante, n scopul
satisfacerii ntr-o anumit msur a nevoilor consumatorilor.
Acestei ipostaze i se acord mare atenie, ntruct ponderea ei n
obinerea unui produs de calitate este de circa 70%, deci are un rol
hotrtor n prevenirea defectelor i n economisirea de resurse
materiale i umane.


Calitatea potenial, reflect calitatea produselor dup
proiectare, dar nainte de fabricaie.
10

Calitatea omologat exprim valorile individuale ale proprietilor
produsului, avizate de o comisie de specialiti, n vederea realizrii seriei
0, i care are caracterul de etalon.


Calitatea prescris a unei mrfi indic nivelul limitativ al valorilor
individuale (selecionate) ale proprietilor produsului, nscrise n
standarde norme, specificaii. Pe baza ei se face recepia calitativ a
loturilor de mrfuri ntre productori i beneficiari (comer, turism).


Calitatea fabricaiei desemneaz gradul de conformitate a produsului
cu documentaia tehnic.


Calitatea contractat exprim valorile individuale asupra crora s-a
convenit ntre prile contractante. De regul este apropiat de cea
prescris n standarde, dar poate s fie la un nivel superior acesteia.
11
Calitatea livrat presupune nivelul efectiv al calitii produselor
livrate de furnizor.


Calitatea real exprim nivelul determinat la un moment dat pe
circuitul tehnic ( recepie, transport, pstrare etc.) i se compar cu
calitatea prescris sau contractat.


Calitatea tehnic sau industrial a unei mrfi exprim gradul de
conformitate a valorilor individuale ale proprietilor( de regul tehnice
i funcionale), fa de prescripiile standardelor i normelor n vigoare,
lsndu-se pe planul secund celelalte proprieti. Este punctul de
vedere al productorului.


Calitatea parial reprezint raportul dintre calitatea cerut si cea
obinut.
12

Aceast ipostaz este de mare importan n luarea deciziei de
cumprare, ea reprezentnd punctul de vedere al consumatorului.

Consumatorul privete produsul prin prisma serviciului pe care-l aduce
n timpul utilizrii i al costului global al acestuia.

Calitatea comercial este cea care are impact major pe pia.

Calitatea comercial este punctul de plecare n aprecierea mrfurilor
i se nelege implicit n orice discuie care vizeaz calitatea.
Calitatea comercial exprim nivelul, caracteristicilor psiho-
senzoriale, varietatea gamei sortimentale, mrimea termenului de
garanie, activitatea de service, modul de prezentare i ambalare
,volumul cheltuielilor de ntreinere i funcionare, etc.
13
n analiza calitii se utilizeaz mai muli termeni de specialitate.


Cei mai importani sunt:
Cerinele calitii, sunt expresiile cererilor formulate de
beneficiari (utilizatori, consumatori) n timpul cercetrilor de
pia si reprezint comanda social, la un moment dat.

Consumatorii chestionai i exprim opiunile pentru un nivel sau
altul de calitate al produselor prin intermediul unor formulri
generale, care vizeaz unul sau mai multe aspecte ale calitii,
fr s indice precis valoarea unei proprieti.
14
Proprietile sunt nsuirile specificate ale unui produs
(serviciu) necesar obinerii lui pentru acoperirea unei nevoi, i
care confer produselor o utilitate (valoare de ntrebuinare).

Ele apar n documentaia tehnic (standarde, norme) ca urmare
a traducerii n termeni tehnici i economici a cerinelor de
calitate formulate de consumatori, sau dup omologarea
produselor de ctre specialitii n domeniu (ingineri i
economiti).

Numrul proprietilor este relativ mare, n funcie de natura
produsului, acestea fiind necesare pentru fabricaia lui, ntre limitele
de toleran admise de documentaia tehnico-economic.

Proprietile sunt prevzute n proiecte i prescrise n
standarde i norme sub forma proprietilor fizice, chimice,
mecanice etc.
15
Caracteristici de calitate. Datorit varietii sortimentelor de
mrfuri cu aceeai destinaie, n practica economic se face apel la un
numr restrns de proprieti care confer produsului o anumit
trstur definitorie a gradului de utilitate pentru satisfacerea
unei nevoi i care se numesc caracteristicile calitii.

Ele sunt deci, cele mai importante proprieti selecionate dup
aportul lor la stabilirea gradului de utilitate a produsului la un
moment dat.

Caracteristicile calitii reprezint prima treapt a sintezei
pentru evaluarea corect a calitii.

n ele se regsesc proprieti apropiate care exprim gradul de
satisfacere a unui segment de nevoi (caracteristici estetice, tehnice,
ergonomice etc.).

16
Funciile calitii. Sunt rezultatul gruprii a dou sau mai multe
caracteristici nrudite, complementare, care exprim gradul de
satisfacere al nevoii.

Ele reprezint penultima treapt a sintezei caracteristicilor n
stabilirea calitii produsului ca ntreg, n toat complexitatea sa,
n vederea estimrii gradului de satisfacere al nevoii oamenilor
la un moment dat.

n general, caracteristicile de calitate ale unui produs se pot grupa
n trei funcii eseniale: tehnic, economic, social, dup aportul
pe care l au la satisfacerea nevoii beneficiarilor.
17
Parametrii calitii exprim mrimea, valoarea proprietilor
i caracteristicilor de calitate ale produselor (ex: rezistena la
rupere : 51 kg/mm
2
etc). n cazul proprietilor psiho-senzoriale,
mrimea acestora se exprim prin noiuni: dulce, amar etc.


Indicii calitii exprim valorile relative ale mrimii unei
proprieti, fa de cea prescris sau de referin.


Indicatorii calitii sunt expresiile cifrice sau noionale ale
funciilor, sau ai calitii produselor sau serviciilor. Ei au o
sfer de cuprindere mai mare la nivelul unui produs, al unui lot de
mrfuri sau al produciei unei ntreprinderi.

Ex.: durabilitatea unui motor (funcie) 10 ani; calitatea unui lot
este de maximum 2% defecte etc.

18

1.3 Funciile calitii
Calitatea are un caracter complex i dinamic.

Din definiia calitii, rezult c ea nglobeaz un ansamblu de
caracteristici tehnico-funcionale, economice, sociale, psiho-
senzoriale, care mpreun satisfac ntr-un anumit grad nevoia
social la un moment dat i ntr-un anumit loc.

Din aceast grupare a caracteristicilor de calitate se pot deduce i
funciile pe care le ndeplinete.
a. Funcia tehnic a calitii este conferit de grupa caracteristicilor
tehnico-funcionale (respectiv de proprieti intrinseci, fizice, mecanice,
fiabilitate, etc.) i exprim gradul de utilitate, de satisfacere a unor
nevoi, sau a unor segmente importante ale acestora.
19
Caracteristicile care stau la baza acestei funcii se pot mpri n
dou subgrupe:

1. Caracteristici tehnice;

2. Caracteristici funcionale;
Aceste caracteristici au caracter obiectiv i o valoare tiinific ridicat.
Valorile lor sunt msurate cu exactitate n laboratoare specializate.

Ele sunt prevzute n standarde i stau la baza negocierilor dintre
productori i comerciani, fiind de regul, hotrtoare pentru succesul
multor produse pe pia.

Pentru produsele de folosin ndelungat, aceste caracteristici tehnico-
funcionale au cea mai importan n stabilirea nivelului calitativ, motiv
pentru care se folosete denumirea de nivel tehnic.
1. Caracteristicile tehnice ale produselor finite i au originea n calitatea
materiilor prime, materialelor, precum i n calitatea procesului
tehnologic, al nivelului tehnic al mijloacelor de producie, prin intermediul
crora sunt dirijai parametrii de calitate.
20
Observaii
Nivelul tehnic al produselor exprim mrimea caracteristicilor
tehnico-funcionale n care s-a materializat i concretizat nivelul calitii
produciei, respectiv al utilajelor i instalaiilor.


ntre nivelul tehnic i calitate exist un raport ca de la parte la
ntreg.

Nivelul tehnic este un atribut al calitii produselor i poate
influena n mare msur calitatea lor.

Noiunea de calitate nu poate fi desprins de nivelul tehnic al
produselor.

Pe de alt parte, dei nivelul tehnic al produselor este esenial, el
este insuficient pentru a asigura un nalt nivel calitativ produselor.
21

1.3.1 Determinarea nivelului tehnic absolut
Exist mai multe ci de determinare a nivelului tehnic, care sunt
variaii i combinaii care se spijin n fapt pe dou principii de
baz.
Principiul 1 const n definirea unui indicator global ca sum a unor
indicatori pariali,

Principiul 2 const n definirea unui indicator global ca produs al acestor
indicatori pariali.
Ambele ci vizeaz o analiz de tip multicriterial, n care fiecrui criteriu
(caracteristic) de calitate i este asociat o pondere cu care aceasta
particip la formarea imaginii de ansamblu.

La ambele ci pentru determinarea nivelului tehnic este nevoie de o referin
(etalon) n raport cu care se determin nivelul produsului analizat.
22
Metodele de determinare a nivelului tehnic se difereniaz prin:

modul de agregare al indicatorilor individuali (elementari) ntr-un
singur indicator global,

de msurile de obiectivizare a comparaiei efectuate,

de exploatarea informaiilor obinute,

de algoritmii de calcul folosii.
La metodele de tip sum indicatorii de tip elementar se
nmulesc cu ponderea fiecruia.

La metodele de tip produs indicatorii de tip elementar se ridic
la o putere egal cu ponderea.

23

1.3.1.1 Metodologia de determinare la care agregarea
indicatorului se face prin nsumare
n principiu, toate metodologiile de determinare a unui indicator al
nivelului tehnic al produselor folosesc principiul utilitii n sensul
enunat de von Neumann - Morgenstern, care presupune
transformarea caracteristicilor n utiliti, nsumndu-le ponderat.
Punctele de vedere din care se analizeaz produsul sunt prezentate n
Tabelul 1.3.

Ele trebuie alese cu mult discernmnt, nefiind toate adecvate oricrui
tip de produs.

De exemplu, la maini i aparate predomin aspectele tehnice, la
produsele industriei uoare prezentarea pe pia, la produsele
farmaceutice i alimentare coninutul n substane active, lipsa de
nocivitate etc. Lista din Tabelul 1.3 poate fi adoptat i n analiza
serviciilor, adugnd unele aspecte specifice acestora.
24
Tab. 1.3 Grupe de indicatori ai nivelului tehnic
25
Numrul optim de caracteristici, utiliti care descriu un produs
este ntre 10 i 25.

Alegerea acestora se face respectnd punctul de vedere al
beneficiarilor, avndu-se grij s fie independente ntre ele pentru a
nu se accentua artificial anumite aspecte.


De asemenea, pentru fiecare caracteristic mai trebuie determinat
semnul de influen.

acesta poate fi (+) dac valoarea mai mare este mai bun.
acesta poate fi (-) dac valoarea mai mic este mai bun.

Pentru cazul n care este suficient ncadrarea ntre dou limite,
metodologia prevede reducerea situaiei la (+) sau (-) dup cum este
mai bun flexibilitatea, o dispersie mai mic sau atingerea unei valori
absolute.
26
Relaiile de calcul:
a) Pentru indicatorii elementari:
i i i
I R P =

(1.1)
unde: I
i
- indicatorul calitativ al caracteristicii i;
R
i
- raportul calitativ al caracteristicii i;
P
i
- ponderea caracteristicii i.
b) Pentru raportul calitativ (att pentru semnul de influen + ct
i pentru semnul de influen ):

i
valoarea produsului analizat
R
valoarea produsului de referint
=
(1.2)
27
c) pentru indicatorul corespunztor la diferite nivele de
agregare (indicatorul sintetic):
i
i
I
Q
P
=

(1.3)
unde: Q indicatorul sintetic;
I
i


suma indicatorilor elementari comparai;
P
i
suma ponderilor indicatorilor elementari comparai.
d) pentru nivelul de informare:
i
i
PCC
N(%) 100
PCTC
=

(1.4)
unde: PCC suma ponderilor caracteristicilor comparate;
PCTC suma ponderilor caracteristicilor ce trebuiau comparate.
28
Observaii
Conceptul nivelului de informare este echivalentul aceluia de
nivel de ncredere din statistica matematic. (se recomand ca
acest nivel s nu fie sub 60%).


Alegerea referinelor alturi de stabilirea nomenclatorului de
caracteristici i a ponderii acestora are drept consecin, pentru
toate metodele de determinare a nivelului tehnic (inclusiv pentru
cea descris mai sus), apariia unui inerent caracter de
subiectivitate.


Pentru stabilirea nomenclatorului de caracteristici i a ponderilor
acestora se pot folosi diferite metode de investigare n rndul
utilizatorilor.
29
O greeal frecvent ce poate apare este aceea c analistul, de
regul din partea furnizorului (proiectant sau executant), tinde s
stabileasc caracteristicile i ponderile astfel nct comparaia
s apar favorabil i nivelul de informare maxim (100%).

Stabilirea mai nti a caracteristicilor i a ponderilor printr-o
metod ce prevede consultarea utilizatorilor, consemnarea
acestora n documentaia referitoare la produsul (familia de produse)
respectiv() constituie o cale de obiectivizare a rezultatelor.

Alegerea unor produse de comparaie nvechite sau care nu se
desfac pe segmentul de pia pentru care se efectueaz analiza,
conduce la deformarea concluziilor.

Lrgirea nejustificat a segmentului de pia vizat permite, de
asemenea, alegerea unui amalgam neomogen de produse de
comparaie, efectul de deformare subiectiv a concluziilor fiind i
n acest caz inerent.
30

1.3.1.2 Metodologia de determinare la care agregarea
indicatorului se face prin nmulire
n baza principului utilitii von Neuman Morgerstern i a funciilor
de producie Cobb Douglas, nivelul tehnic absolut este definit de
o relaie de forma:
1
1
1 2

j j
ij j
tai
j S j S
j ij
K K
N a
K K
e e
| | | |
=
| |
| |
\ . \ .
[ [
(1.5)
31
unde: a o constant ce definete nivelul tehnic al produsului de referin
(de regul, a = 1000) ;
1 produsul de referin (oricare produs dintre cele analizate poate fi
considerat de referin);
i produsul analizat;
K
ij
valoarea caracteristicii j pentru produsul i;
S
1
submulimea caracteristicilor a cror valoare este direct
proporional cu calitatea;
S
2
submulimea caracteristicilor a cror valoare este invers
proporional cu calitatea;

j
ponderea caracteristicii j;
j caracteristica produsului.
Observaie
Valorile N
tai
rezult peste sau sub valoarea produsului de
referin, care este 1000, fapt ce permite o ierarhizare a lor.
32
Nivelul tehnic relativ se calculeaz cu relaia:
(1.6)
{ }
( )
tai
r i
tai
N
N % 100
max N
=
Produsul cu cel mai nalt nivel tehnic are valoarea 100, iar
celelalte valori sub 100.

Determinarea ponderilor de influen ale caracteristicilor
tehnice se poate efectua prin metoda MISENIT sau prin metoda
STEM.
Observaii
33
Metoda MISENIT
Metoda se bazeaz pe elasticitatea funciei cheltuieli de exploatare
(elasticitatea este proprietatea valorii unei funcii de a se modifica
atunci cnd argumentul se modific).
Etapele de calculare a ponderilor
1) Se construiete funcia cheltuieli de exploatare:
(1.7)
( )
f
e 1 2 3 j n
C K ,K ,K ,...,K ,...,K =
unde K
j
caracteristica de calitate.
34
2) Se calculeaz cheltuielile de exploatare.

3) Se mbuntesc caracteristicile cu o mic valoare (de exemplu, cu 1%):
( )
'
j j
K K 1 0,01 =
(1.8)
Se consider semnul (+) dac j S
1
i semnul (-) dac j S
2
.
4) Se calculeaz cheltuielile de exploatare cu caracteristicile mbuntite:
( )
f
' ' ' ' ' '
e 1 2 3 j n
C K ,K ,K ,...,K ,...,K = (1.9)
35
5) Se determin economia marginal:
'
e e
C C =
(1.10)
6) Se determin costurile de exploatare n cazul n care se mbuntete
cte o singur caracteristic:
( )
( )
( )
( )
f
f
f
f
'
1 1 2 3 j n
'
2 1 2 3 j n
'
i 1 2 3 j n
'
n 1 2 3 j n
C K ,K ,K ,...,K ,...,K
C K ,K ,K ,...,K ,...,K
C K ,K ,K ,...,K ,...,K
C K ,K ,K ,...,K ,...,K
=
=
=
=
(1.11)
36
7) Se calculeaz participaiile caracteristicilor la economia marginal:
j e j
C C =
(1.12)
8) Se calculeaz ponderea caracteristicilor:

j
j
=
(1.13)
cu observaia c:
1
1
n
j
j
=
=

37
Exemplu de calcul
Se cere s se calculeze, folosind metoda MISENIT, nivelul tehnic a
3 generatoare electrice de 100 MW, care au urmtoarele valori
pentru caracteristici (Tabelul 1.4):
Tab. 1.4 Caracteristicile de calitate pentru 3 generatoare de 100 MW
Caracteristica Simbol U.M.
Generator
G1 G2 G3
Randament - 0,96 0,98 0,95
Greutate (mas) G (m) t 120 150 120
Greutate (mas) specific g
s
(m
s
) t/MW 1,2 1,5 1,2
Suprafaa util S
u
m
2
2000 2200 2500
Durabilitate ore 50.000 60.000 50.000
Timpul mediu de bun
funcionare
MTBF ore 2000 2000 1500
38
Se alege generatorul G1 drept produs de referin.

Mulimea S a caracteristicilor este alctuit din:
S = {, g
s
, G, S
u
, , MTBF}
Submulimea S
1
, a caracteristicilor ce trebuie s fie ct mai mari, este:

S
1
= {, , MTBF}

Submulimea S
2
, a caracteristicilor ce trebuie s fie ct mai mici, este:

S
2
= {g
s
, G, S
u
}
39
Pentru calculul ponderii caracteristicilor se construiete funcia
cheltuieli specifice de exploatare.

n cazul utilajelor energetice (cazane, turbine, generatoare electrice,
motoare, compresoare, transformatoare) formula de principiu pentru
cheltuielile de exploatare este:
e 1 2
C E A A R C D = + + + + +
n care: C
e
cheltuielile specifice de exploatare;
E costul energiei;
A
1
amortizarea utilajelor;
A
2
amortizarea cldirilor;
R cheltuieli de ntreinere-reparaii;
C cheltuieli convenional constante;
D taxa pentru fondurile fixe.
40
Adaptat pentru generatoarele electrice, relaia devine:
( )
1 1

2 100
100
s s
s k
e
R R
s k R
s 1 k V
g C c
C
T h
T h p T h
a
t
T h
C b C
g C t k
p h p h h
+

= + + +

+

+ + +

41
n care au intervenit urmtoarele mrimi (n parantez sunt menionate
valorile lor pentru aceste generatoare):
c costul specific al energiei de antrenare la cupla dintre turbin
i generator (0,17 lei/kWh);

a procentajul scderii randamentului la fiecare t ore de
funcionare (0,02%);

T durata de serviciu a generatorului (40 ani);

k
s
coeficientul majorrii suprafeei ocupate de main pentru
considerarea suprafeelor auxiliare (k
s
= 30);

V
s
valoarea specific a cldirii (4.000 lei/m
2
);

C
R1
cheltuieli pentru ntreinerea i reparaiile efectuate n
primul ciclu de reparaii (150 lei);

b procentajul creterii cheltuielilor de ntreinere i reparaii la
fiecare perioad de funcionare t
R
(5%);
42
k cheltuieli convenional constante. (54.000 lei/an);

C
k
costul amortizrii specifice (210 lei/t);

rata eficienei economice normale (0,1%);

p puterea generatorului;

h numrul orelor de funcionare pe an, innd seama de sigurana
n funcionare i de durabilitate:
0
1
R
d d
h t
MTBF
| |
=
|
\ .
unde: t fondul nominal de timp (6500 h/an) (t = t
R
);
d
0
durata medie statistic a unei ntreruperi accidentale (40 h);
d
R
durata reparaiilor planificate (2000 ore/ciclu).
43
Dup efectuarea calculelor rezult valoarea cheltuielilor specifice de
exploatare :

C
e
= 0,793171 lei/kWh.

Se mbuntesc caracteristicile cu 1% i se recalculeaz, n aceste
condiii, cheltuielile specifice de exploatare rezultnd:

C
e
= 0,177506675 lei/kWh.

Economia marginal este:

A = C
e
C
e
= 0,00181050 lei/kWh.

n Tabelul 1.5 sunt trecute valorile pentru costurile specifice de
exploatare, cnd se mbuntete pe rnd cte o singur
caracteristic, participarea caracteristicilor la economia marginal i
ponderea caracteristicilor.

44
Tab. 1.5 Valorile parametrilor luai n considerare la determinarea
nivelului tehnic prin metoda MISENIT
Caracteristica C
j

j

j

0,17760368 1,713500 0,937167
g
s
0,17926270 0,054484 0,027616
G 0,17926270 0,054484 0,027616
S
u
0,17931388 0,003296 0,002600
0,17930625 0,10926 0,005500
MTBF 0,17931621 0,000968 0,000500
45
Calculul nivelului tehnic absolut se efectueaz cu relaia (1.5):

N
ta G1
= 1000
0,937167 0,027616 0,0055 0,0005
ta G2
0,027616 0,0026
0,98 60 2000 1,2
N 1000
0,96 50 2000 1,5
100 2000
1008,32
120 2200
| | | | | | | |
=
| | | |
\ . \ . \ . \ .
| | | |
=
| |
\ . \ .
0,937167 0,027616 0,0055 0,0005
ta G3
0,027616 0,0026
0,95 50 1500 1,2
N 1000
0,96 50 2000 1,2
100 2000
985
90 2500
| | | | | | | |
=
| | | |
\ . \ . \ . \ .
| | | |
=
| |
\ . \ .
46
Calculul nivelului tehnic relativ se efectueaz cu relaia (1.6):

r G1
1000
N 100 99%
1008
= =

r G2
1008
N 100 100%
1008
= =

r G3
985
N 100 97%
1008
= =
47
CONCLUZII
Ordinea ierarhic a produselor este G2, G1, G3.

ntre G2 i G1 deosebirea este mic din punct de vedere al nivelului tehnic.

Considernd c preurile celor dou produse sunt 12 milioane lei (pentru G1) i
18 milioane lei (pentru G2), poate exista tendina de cumprare a lui G1.

Dar calculnd economia obinut folosind G2, ea rezult la 1,4 milioane lei/an
fa de G1.

Aceast economie permite ca diferena de investiie de 6 milioane lei s fie
recuperat n 4,3 ani.

ntruct n energetic norma de recuperare pentru investiii suplimentare este
de 8 ani, rezult c adoptarea lui G2 fa de G1 este justificat i din punct de
vedere al eficienei economice.

48

j1
4 pentru K K
j1 j2
2 pentru K K
j1 j2
a
j1j2
1 pentru K K
j1 j2
0 pentru K K
j2

>>
>
=
~
<
Metoda STEM
Aceast metod este de o finee mai mic dect cea anterioar, dar
permite, n schimb, un calcul mai rapid al ponderilor n condiiile n care
analistul trebuie s fie un specialist n domeniul exploatrii produselor
respective.

Pentru aceasta, se compar caracteristicile dou cte dou, definindu-se
o matrice A cu elementele a
j1j2
stabilite astfel:
(1.14)
unde K
j
sunt caracteristicile de calitate
49
Semnele care intervin au urmtoarele semnificaii:

(>>) - mult mai important;
(>) - mai important;
() - echivalent;
(<) - mai puin important.

n aceste condiii ponderile caracteristicilor se calculeaz cu relaia:
j1j2
j2
j
j1 j2
j1 j2
a

a a
=

(1.15)
50
Exemplu de calcul
Se cere s se determine, cu ajutorul metodei STEM, nivelul tehnic a 5
pompe cu pistoane radiale, cu presiunea de refulare p = 210 bari,
cunoscnd valorile pentru urmtoarele caracteristici care sunt
prezentate n Tabelul 1.6.

Tab. 1.6 Caracteristicile pompelor cu pistoane radiale
Caracteristica P
1
P
2
P
3
P
4
P
5

Randament, 0,857 0,85 0,87 0,86 0,88
Debit specific, q (l/min) 65 46 51 48 50,5
Turaia, n (rot/min) 1475 1590 1500 1550 1500
Masa, m (kg) 79,4 81,6 79,5 81,5 80
Moment de inerie la
antrenare, GD
2
(daNm
2
)
0,4 0,7 0,5 0,8 0,5
Puterea motorului de
antrenare, p (kW)
26 18,5 20 19 19,5
51
Submulimea S
1
, a caracteristicilor ce trebuie s fie ct mai mari, este:

S
1
= {, q}

Submulimea S
2
, a caracteristicilor ce trebuie s fie ct mai mici, este:

S
2
= {m, GD
2
, n, p}
Ponderea caracteristicilor, determinat conform relaiei (1.14), este
prezentat n Tabelul 1.7.
Carac-
teristica
q n m GD
2
P
- 1 2 4 4 4 15 0,357
q 1 - 2 4 4 4 15 0,357
n 0 0 - 2 2 2 6 0,142
m 0 0 0 - 1 0 1 0,023
GD
2
0 0 0 1 - 0 1 0,023
P 0 0 0 2 2 - 4 0,095
Tab. 1.6 Ponderea caracteristicilor
52
Produsul de referin se alege P
5
.

Calculul nivelului tehnic absolut se face cu relaia (1.5):
0,357 0,357 0,023 0,142
ta P
1
0,023 0,095
0,857 65 1500 80
N 1000
0,88 50,5 1457 79,4
0,5 19,5
1062,9
0,4 26
| | | | | | | |
=
| | | |
\ . \ . \ . \ .
| | | |
=
| |
\ . \ .
0,350 0,357 0,023 0,142
ta P
2
0,023 0,095
0,85 46 1500 80
N 1000
0,88 50,5 1590 81,6
0,5 19,5
944,43
0,7 18,5
| | | | | | | |
=
| | | |
\ . \ . \ . \ .
| | | |
=
| |
\ . \ .
53
0,357 0,357 0,023 0,142
ta P
3
0,023 0,095
0,875 51 1500 80
N 1000
0,88 50,5 1500 79,5
0,5 19,5
999,22
0,8 20
| | | | | | | |
=
| | | |
\ . \ . \ . \ .
| | | |
=
| |
\ . \ .
0,357 0,357 0,023 0,142
ta P
4
0,023 0,095
0,86 48 1500 80
N 1000
0,88 50,5 1550 81,5
0,5 19,5
971,46
0,8 19
| | | | | | | |
=
| | | |
\ . \ . \ . \ .
| | | |
=
| |
\ . \ .
ta P
5
N 1000 =
54
Aceste caracteristici exprim calitatea pe termen lung,
verificabil prin teste sociale, la un anumit nivel al costurilor pentru
meninerea n funciune a produselor.

Mrimea acestor caracteristici determin volumul cheltuielilor
la utilizator, reclamate de frecvena reparaiilor efectuate n timp i
care afecteaz bugetul de familie.

Datorit acestor implicaii economice la beneficiar, caracteristicile
de fiabilitate i mentenabilitate reprezint principalele elemente
ale competitivitii produselor de folosin ndelungat.
2. Caracteristicile funcionale, specifice n special produselor de
folosin ndelungat sunt reprezentate cel mai elocvent de ctre
disponibilitate cu cele dou laturi ale ei: fiabilitatea i
mentenabilitatea.
Observaii
55
Exist deci, dou influene economice ale calitii: una asupra
costului de producie, datorit nivelului prescris al caracteristicilor
din prevederile proiectului; alta asupra veniturilor beneficiarilor,
datorit modului de satisfacere al nevoii pe durata de folosin a
produsului, exprimat de fiabilitate.
b. Funcia economic a calitii const n stabilirea unui raport ntre
efortul productorului pentru asigurarea calitii, la care se adaug
cheltuielile serviciului adus, i gradul de satisfacere a nevoii beneficiarului.
c. Funcia social a calitii. Aceast funcie deriv din influena pe
care o exercit calitatea produselor i serviciilor asupra condiiilor de
munc, asupra vieii i nivelului de trai, asupra mediului nconjurtor. n
ultimul deceniu, aceast funcie a crescut n importan, datorit
accenturii caracterului de mas a produselor i serviciilor.
56
Calitatea unui produs este determinat, n general, de
patru componente principale:
57
CARACTERISTICI DE CALITATE
Criteriul de
clasificare
Tipuri Observaii
Importana
caracteristicii
funcionale
critice
Asigur funcionarea pentru
utilizarea dorit, reduc la
minimum riscul de accidente
importante
minime
nefuncionale
Nu influeneaz funcionarea
produsului
Mod de exprimare
cantitative
Se exprim prin mrimi
concrete, msurabile
calitativ-atributive
Se exprim printr-o
apreciere calitativ
Posibilitatea de
msurare
direct msurabile
Dimensiuni, greuti, puritate
etc.
indirect msurabile Puterea unui motor
comparabile obiectiv cu o mostr etalon Gradul de alb al unei esturi
comparabile subiectiv cu o mostr
etalon
Gradul de vopsire
psihosenzoriale
Se determin cu ajutorul
simurilor sau a senzaiilor
produse
58
Prin nevoi exprimate se neleg acele caracteristici ale unui
produs care sunt cuprinse n documentaia constructiv (de
comand) a acestuia.

Spre deosebire de nevoile exprimate, cele reale reprezint
caracteristicile cerute de ctre pia.
59
60

1.4 Caracterul dinamic al calitii
Inspecia Calitii (IC);
Controlul Calitii (CC);
Asigurarea Calitii (AC);
Managementul Calitii Totale (TQM).
61
62
63

n cadrul acestei etape, calitatea se obine doar printr-un control
final, toat atenia fiind concentrat asupra produsului finit i nu
asupra modului de obinere a acestuia.

Realizarea unui anumit nivel de calitate implic dirijarea tuturor
produselor finite spre compartimentul de inspecie a calitii,
acesta din urm avnd rolul s dejoace toate ncercrile care ar permite
trecerea mai departe a unui produs neconform specificaiilor.
Inspecia calitii este cea mai veche form de
control, ea fiind un proces de analiz post-eveniment.
64
La sfritul secolului al XIX-lea i nceputul secolului XX, F.W. Taylor a
formulat o serie de principii de conducere i organizare tiinifica a
activitilor din ntreprindere care separ activitile celor care
proiecteaz de partea de execuie i control.

Taylor a atribuit inginerilor i specialitilor sarcina de a proiecta
activitile i a lsat muncitorilor i inspectorilor responsabilitatea
execuiei i calitii lucrrilor.

Responsabilitatea pentru calitatea produselor o au executanii, care
trebuie s execute produse conform cu specificaiile, iar aprecierea
acestei conformiti revine inspectorilor de calitate .
Istoric
Calitatea era asigurat, n principal, prin controlul final al pieselor,
respectiv al produselor, urmrindu-se identificarea celor neconforme.

Sistemul taylorist a reuit s realizeze creteri spectaculoase ale
productivitii, a condus la specializarea lucrrilor efectuate de indivizi,
n particular la nivelul forei de munc.
65
Acestor avantaje li s-au contrapus o serie de trsturi negative:


muncitorii nu neleg cum contribuie activitatea lor individual
la obiectivele ntreprinderii;

reacia invers a informaiilor (feedback-ul), ctre muncitori,
necesar pentru reglarea proceselor, este deseori inadecvat
sau chiar inexistent;

se asigur oportuniti reduse muncitorilor pentru a participa
la proiectele de mbuntire a calitii.
66
Controlul calitii este un proces ceva mai sofisticat dect inspecia,
el fcnd apel, ntr-o oarecare msur, la metodele statistice de
control.

Odat cu introducerea Controlului Calitii numrul
neconformitilor se reduce i pot fi ntlnite aciuni simple de
verificare, cum ar fi: controlul documentelor i procedurilor, testarea
materiilor prime, culegerea datelor cu privire la performan etc.
Istoric
n anii 20 ncepe o nou etap n abordarea calitii, caracterizat prin
aplicarea tehnicilor statistice de control.

nc din anul 1925, W.A. Shewhart propune utilizarea fiei de control
statistic al calitii, destinat pentru controlul statistic pe fluxul de
fabricaie.

Prin aplicarea tehnicilor statistice la controlul proceselor de fabricaie se
pot observa n timp util abateri ale caracteristicii de calitate de la
valorile impuse prin specificaii, se identific i se nltur cauzele
care pot provoca aceste abateri.
67
n anii celui de-al doilea rzboi mondial, profesorul W.
Edward Deming ntreprinde demersuri privind
utilizarea metodelor statistice n industria de armament
a S.U.A. introducnd conceptul de nivel de calitate
acceptabil (Acceptable Quality Level), care exprim
procentul din punct de vedere al calitii medii a
produselor verificate n cadrul unui plan de control
statistic.

n anii 50, n Japonia capt o larg extindere
metodele statistice, impulsionate de cursurile inute de
J.M. Juran i W.E. Deming, sub sloganul Calitatea
este problema tuturor.
68
Asigurarea calitii presupune integrarea controlului n
producie i proiectarea produselor de o manier care s
satisfac cerinele controlului integrat.
Se face trecerea de la calitatea produsului la calitatea procedeului
de obinere a acestuia, introducndu-se totodat i noiunea de
prevenire!!!
Defectele care apar sunt detectate chiar n locul n care au fost
generate, aadar costurile legate de apariia produselor
neconforme sunt cu mult mai mici.
69
Istoric
Experii americani Deming, Feigenbaum, Juran au elaborat concepte noi n
domeniul asigurrii calitii, care i-au gsit aplicabilitate mai nti n Japonia.
Conceptele noi ale asigurrii calitii au fost dezvoltate ulterior n Japonia
de profesorul Kaoru Ishikawa.

Noua abordare a calitii are n vedere controlul efectuat cu accentul pe
prevenirea defectelor, cu un larg domeniu de activiti controlate, de
persoane i compartimente implicate:

controlul calitii ncepe de la proiectarea produsului i se termin
cu livrarea acestuia ctre client;

controlul este efectuat att de personal de control specializat, ct
i de ctre fiecare persoan implicat n procesul de fabricaie;

pentru a realiza obiectivele asigurrii calitii este necesar
implicarea tuturor compartimentelor ntreprinderii.
Transpunerea n practic a conceptului de asigurare a calitii nseamn c
eforturile trebuie s fie orientate spre eliminarea defectelor, urmrindu-
se nlocuirea controlului clasic, bazat pe constatare, cu tehnici de verificare
i autocontrol al operatorilor, utilizate n toate etapele realizrii produsului.
70
Activitile de control desfurate n sistemul de asigurare a calitii
devin control total, care se extinde la toate activitile ce contribuie la
asigurarea unui anumit grad de satisfacere a cerinelor clienilor:

- controlul proiectului (de produs, de tehnologie);
- controlul documentelor, instruciunilor de lucru i de asigurare a calitii sub
aspectul claritii, al integritii etc.;
- evaluarea capabilitii procesului de fabricaie de a asigura obinerea
produselor n conformitate cu cerinele de calitate, nainte de trecerea la
fabricaia de serie;
- controlul resurselor utilizate: evaluarea capacitii furnizorului de a realiza
produse de calitate, verificri i probe de recepie ale produselor
aprovizionate, verificarea contractelor cu beneficiarul, verificarea
cunotinelor i aptitudinilor personalului etc.;
- controlul proceselor de fabricaie etc.;
- controlul i ncercarea produselor finite;
- controlul condiiilor de manipulare i depozitare;
- controlul metrologic i al SDV-urilor;
- urmrirea comportrii n exploatare a produselor, probe de fiabilitate i
mentenabilitate.
71
Managementul calitii totale reprezint un ansamblu de
preocupri i metode reunite la nivelul ntreprinderii astfel nct s
se obin o generalizare a activitilor performante n toate
domeniile, pentru toate legturile funcionale i operaionale.

Calitatea total este inta urmrit, managementul fiind mijlocul de
atingere a acestui scop.


Managementul calitii totale este un sistem centrat pe
calitate, bazat pe participarea tuturor membrilor unei colectiviti,
prin care se urmrete asigurarea succesului pe termen lung, prin
satisfacerea clientului i obinerea de avantaje pentru toi membrii
organizaiei i pentru societate.
72
Aplicarea Managementului Calitii Totale necesit o serie de schimbri n
cadrul unei ntreprinderi, cum ar fi:

o schimbare de mentalitate n ceea ce privete munca:
orientarea ctre client (satisfacerea fr rezerve a necesitilor
clientului);
prevenirea erorilor;
optimizarea muncii proprii.

o schimbare a mediului de lucru:
relaiile de munc trebuie s se bazeze pe comunicare, ncredere,
colaborare, participare;
nsuirea, pe ct este posibil, a spiritului japonez bazat pe
disciplin, ataament fa de ntreprindere, pe lucrul n echip.

o schimbare n sensul mbuntirii continue:
stabilirea periodic a unor indicatori de performan, cerinele fa
de calitate a acestora sporind continuu n timp;
organizarea de echipe de mbuntire continu;
angajatul trebuie s-i dedice timpul i capacitatea pentru a gsi
idei i aciuni de mbuntire.
73
Conceptul de calitate total difer esenial de preocuprile care puneau
accentul pe controlul calitii i este neles ca o extindere a problematicii
calitii la toate funciunile i la toate nivelurile structurii organizatorice, de la
directorul general la ultimul angajat, fiecare n parte trebuind s participe la
procesul de mbuntire continu a calitii.
Conceptul calitate total are la baz urmtoarele principii:

implicarea tuturor compartimentelor ntreprinderii n realizarea i
ameliorarea calitii;

n cadrul fiecrui compartiment toi salariaii au atribuii precise
privind calitatea;

problema calitii este n primul rnd o problem de evitare a non-
calitii (imperfeciuni, neconformiti, defecte etc.) dar totodat de
cretere a nivelului calitativ al produselor sau serviciilor;

toate etapele traiectoriei produsului sunt luate n considerare n
vederea asigurrii calitii.
Observaii
74
Implementarea principiilor calitii totale este astzi predominant n
ntreprinderile moderne pentru c asigur satisfacerea cerinelor
clienilor, creterea vnzrilor i reducerea costurilor prin evitarea
risipei de timp, materiale i energie.

Trebuie precizat c unele aspecte ale managementului calitii totale
(TQM) sunt uneori denumite calitate total (TQ).

Conform standardului SR ISO 8402:1995, Managementul calitii
totale este un mod de conducere a unei organizaii, concentrat
asupra calitii, bazat pe participarea tuturor membrilor acesteia i
care vizeaz un succes pe termen lung prin satisfacerea clientului,
precum i avantaje pentru toi membrii organizaiei i pentru
societate.

Controlul calitii totale trebuie considerat ca o component a
managementului calitii totale (TQM), iar rezultatul este calitatea total.
75

1.5 Maetrii ai Asigurrii i Managementului Calitii
W.E. Deming i Programul n 14 puncte
W.Edward Deming, elev ai statisticianului W.A.Shewhart, a fost preocupat,
ndeosebi de interpretarea statistic a fenomenului calitii.

A dezvoltat ideile profesorului su n lucrarea " The Statistical Theory of
Errors", aprut n anul 1934.

ncepnd cu anii '50, aceasta lucrare a stat la baza cursurilor pe care Deming
le-a inut, alturi de J-M.Juran, n Japonia.

Ca o recunoatere a meritelor sale, Premiul Naional pentru Calitate,
instituit n Japonia n 1951, a primit numele su.
1900 - 1993
76
Lucrarea sa de referin, n acest domeniu, "Programul in 14
puncte", a aprut in 1982.
1. Asigurai mbuntirea continu a calitii produselor i serviciilor, pe baza
unui plan, pentru a deveni competitivi i pentru a putea rmne n afaceri.

2. Adoptai o nou filozofie, renunnd la "nivelul acceptabil" al calitii.

3. Renunai la controlul integral al produselor, introducnd metodele de
control statistic, pentru a stabili conformitatea cu cerinele specificate.(Este
preferabil prevenirea defectelor, identificrii lor)

4. Solicitai dovezi din partea furnizorilor, privind evidenta statistic a calitii.
Afacerile se bazeaz, in prezent, mai mult pe calitate, dect pe pre: eliminai
furnizorii care nu fac dovada unei asemenea evidene.

5. Descoperii problemele. Conducerea este cea care trebuie sa se ocupe de
imbunatatirea continua a tuturor proceselor din fiecare etapa a dezvoltrii
produsului, ncepnd cu proiectarea si pana la asigurarea service-ului in
utilizare.
77
6. Utilizai metode moderne de instruire a ntregului personal din ntreprindere.

7. Asigurai tuturor angajailor instrumentele necesare pentru desfurarea
corespunztoare a activitilor. Responsabilitatea efilor de echipa trebuie
concentrata pe calitate, iar conducerea trebuie sa fie pregtita sa acioneze
imediat, pe baza rapoartelor acestora, referitoare la deficientele constatate.

8. Eliminai frica, ncurajai comunicarea, astfel nct fiecare angajat sa-si
poat prezenta punctul de vedere in mod deschis.

9. nlturai barierele dintre compartimentele ntreprinderii. Formai echipe,
cuprinznd persoane din compartimente diferite (cercetare, proiectare,
producie, desfacere) pentru identificarea problemelor si prevenirea lor in
procesele ulterioare.

10. Eliminai afiele, sloganurile specifice muncii forate. nainte de a urmri
creterea productivitii, asigurai-va ca aceasta nu este n defavoarea calitatii,
pe care trebuie sa o mbuntii continuu.
78
11. Revedei timpii de munc normai, astfel nct sa nu devin
un obstacol n calea productivitii sau a calitii.

12. Eliminai toate obstacolele care-i mpiedic pe oameni s fie
mndri de munca lor.

13. Introducei un program riguros de instruire a personalului, n
concordan cu evoluia procedeelor, metodelor si tehnicilor
utilizate n toate compartimentele ntreprinderii.

14. Creai o structur corespunztoare, la nivelul conducerii de
vrf, care sa asigure ndeplinirea celor 13 puncte anterioare.
79
J.M. Juran i Trilogia calitii
Joseph Moses Juran, cel care este supranumit astzi Seniorul calitii
mondiale s-a nscut n Brila, la 24 decembrie 1904.
Juran elaboreaz, n 1928, prima sa lucrare n domeniul calitii,
intitulat Metode statistice aplicate problemelor de fabricaie, care
avea s fie utilizat ca punct de plecare pentru binecunoscutul AT&T
Statistical Control Handbook.
1904 - 2008
80
Inginer, avocat, profesor universitar, a iniiat si coordonat, la nceputul anilor
'50, cursurile de perfecionare a lucrrilor din industria japoneza, sub deviza
"calitatea este o problem a tuturor".

Deintor al medaliei National Medal of Technology in SUA si al ordinului
Order of Sacre Treasure in Japonia pentru dezvoltarea calitii i ntrirea
prieteniei americano-japoneze.

Cartea sa "Quality Control Handbook", publicat pentru prima dat n anul
1951, a devenit o lucrare de referin n organizarea controlului calitii n
ntreprinderi.

Ca i n cazul lui Deming, meritele lui Juran n domeniul managementului
calitii au fost recunoscute, in S.U.A., abia ncepnd cu anii '80.
81
Susinnd necesitatea unei mbuntiri continue a calitatii, Juran face
deosebire intre "problemele sporadice" si cele "cronice". n timp ce
primele pot fi rezolvate de lucrtori, cele cronice cad n sarcina
managerilor.

Acestea din urma au o pondere de 80%, astfel nct pentru
imbuntirea calitii este deosebit de important rezolvarea
problemelor cronice.

Lucrarea sa "Managerial Breakthrough" s-a dorit a fi un ghid pentru
soluionarea problemelor cronice ale calitii.

Pentru a asigura imbunttirea continu a calitii, Juran propune
parcurgerea urmtoarei succesiuni de etape:
82
Succesiuni de etape pentru mbuntirea continu a calitii (Juran)
83
Pentru rezolvarea sistematic a problemelor, Juran considera c
sunt necesare dou faze:

1. faza de "diagnostic" (analiza problemei), care conduce de la
un simptom la cauza sa
2. faza "terapeutic" (eliminarea cauzelor), n care se stabilete
terapia necesar pentru rezolvarea problemelor.

n concepia lui Juran, calitatea nseamn "corespunztor pentru
utilizare" (fitness for use).

Juran se numra printre primii care au susinut faptul c nu trebuie
abordat calitatea ca o entitate omogen, acelai produs
trebuind sa satisfac cerinele diferite ale clienilor.

Pentru realizarea de produse "corespunztoare pentru utilizare",
este important ca cerinele acestora, definite pe baza studiilor de
pia, s fie "traduse" n termeni tehnici, sub forma
specificaiilor.
84
Acestea trebuie privite prin prisma cunoscutei "spirale a calitii".

Aceasta spiral reprezint, de fapt ntreaga traiectorie a produsului,
de la cercetarea pieei pentru identificarea nevoilor, trecnd prin
proiectare, producie, vnzri, servicii post-vnzare, ajungnd din nou
la cercetare.

Realizarea dezideratului "corespunztor pentru utilizare" depinde de
toate compartimentele ntreprinderii, deci teza potrivit creia
compartimentul calitate este singurul rspunztor pentru calitate
este, in opinia lui J uran, inadecvat.
n opinia lui Juran "conformitatea cu specificaiile" (conformance
to specification) nu spune ns nimic despre gradul de
satisfacere a cerinelor clienilor n vederea asigurrii
"conformitii pentru utilizare".
85
Spirala calitii reprezint un model conceptual al
activitilor care influeneaz calitatea unui produs sau
serviciu pe ntreaga durat de desfurare a fazelor,
ncepnd cu identificarea necesitilor i pn la evaluarea
satisfacerii lor.
86
Abordarea calitii prin prisma procesului de producie trebuie
nlocuit cu o abordare cuprinztoare, la nivelul ntreprinderii,
asigurndu-se conlucrarea n acest sens a tuturor compartimentelor.

n opinia lui Juran, o importan deosebit o prezint, apoi,
iniierea unui program general de instruire, la toate nivelele
managementului, n scopul imbuntirii continue a calitii.

Metodele statistice, ca de exemplu controlul statistic al proceselor,
controlul prin eantionare ai loturilor de produse etc. sunt
considerate componente importante ale sistemului de asigurare
a calitii.

Juran definete managementul calitii n termenii "Trilogiei calitii
(Quality Trilogy).

Juran, consider c managementul calitii ar cuprinde trei categorii
de procese:

Planificarea calitii ---Controlul calitii ----mbuntirea calitii.
87
Trilogia calitii dup Juran
88
A.V. Feigenbaum- printele conceptului Total Quality Control
Armand Vallin Feigenbaum, nscut n 1920 - Massachusets.

Din 1958 director mondial pentru calitate la General Electric
Preedinte al Societii Americane de Control al Calitatii (ASQC-
American Society for Quality Control)
Fondator si preedinte al Academiei Internaionale a Calitii.
Coproprietar al firmei de consultan General Systems

Feigenbaum a definit pentru prima dat conceptul de "Total Quality
Control". ntr-un articol aprut n revista "Harvard Business", n anul
1956.
89
Astfel principiul de baz al conceptului de calitate total, care
reflect si diferena fundamental fa de alte concepte, const n
aceea c, pentru a obine o eficien corespunztoare, inerea
sub control a calitii trebuie s nceap cu identificarea
cerinelor de calitate ale consumatorilor i s nceteze doar dup
ce produsul a ajuns la consumator si acesta este satisfcut.

Total Quality Control nseamn coordonarea aciunilor lucrtorilor,
a mainilor si a informaiilor pentru atingerea acestui obiectiv.

n principala sa lucrare Total Quality Control considerat i n
prezent de referin n domeniu, Feigenbaum formuleaz o definiie
complet a conceptului TQC:
"Total Quality Control reprezint un sistem efectiv pentru integrarea
eforturilor din toate compartimentele ntreprinderii (marketing, proiectare,
producie si service) privind realizarea, meninerea si mbuntirea calitii n
scopul satisfacerii totale a clientului, n condiii de eficien .
90
1. Calitatea este un proces la nivelul companiei
2. Calitatea este ceea ce clientul spune c este
3. Calitatea i costul sunt o sum i nu o diferen
4. Calitatea cere fanatism individual si colectiv
5. Calitatea este o form de management
6. Calitatea este etic
7. Calitatea si inovaia depind una de alta
8. Calitatea cere mbuntire continu
9. Calitatea este calea productivitii efective si solicit mai puin
capital
10. Calitatea se implementeaz ntr-un sistem total care
conecteaz compania cu clienii si furnizorii
Feigenbaum formuleaz zece criterii cheie pentru succesul n calitate:
91
Feigenbaum mai formuleaz o serie de principii ale calitii totale:
formularea clar a politicii calitii;
orientarea absolut spre client;
integrarea activitilor la nivelul ntreprinderii;
stabilirea clar a atribuiilor si responsabilitilor;
stabilirea unor msuri speciale de asigure a calitii la sub-funizori;
asigurarea echipamentelor necesare de inspecie si ncercri;
asigurarea unor procese, metode de supraveghere si a unui sistem
informaional eficient, referitor la calitate;
motivarea - pregtirea lucrtorilor n domeniul calitii;
evaluarea nivelului calitii prin costuri; msuri corective eficiente;
supravegherea continu a sistemului calitii, cu asigurarea unui
feedback informaional;
audituri periodice ale sistemului calitii.
92
Pentru implementarea acestui concept, Feigenbaum ia in considerare aa
numitele subsisteme prezentate in figur:
93
Feigenbaum pune accentul pe urmtoarele trei aspecte, pe care le
considera deosebit de importante in abordarea calitii:

cerinele consumatorului determin calitatea;

toi sunt rspunztori pentru calitate, ncepnd cu conducerea
de vrf a ntreprinderii si pn la ultimul lucrtor;

toate compartimentele ntreprinderii, deci nu numai producia,
particip la realizarea calitii.
Feigenbaum opineaz c un produs sau serviciu poate fi
considerat de calitate superioar, numai atunci cnd satisface
ateptrile consumatorului.

Feigenbaum acord ns o importan deosebit corelaiei dintre
calitate si pre, demonstrnd o "orientare spre costuri", in
definitivarea calitii produselor.
94
Kaoru Ishikawa - creatorul conceptului Company Wide Quality Control
Kaoru Ishikawa - principala autoritate n domeniul calitii n Japonia , a
dezvoltat teoriile experilor americani Juran, Deming si
Feigenbaum, a promovat conceptual implicrii tuturor
compartimentelor ntreprinderii n realizarea calitii punnd
accentul pe un management participativ.

De asemenea este creatorul cercurilor de control a calitii (quality
control circles),denumite mai trziu cercurile calitii , cu o foarte
larg rspndire n Japonia.
1915 1989
95
n 1962, JUSE - Japanese Union of Scientists and Engineers a iniiat primele
cercuri ale calitii (n anii 1980-1990 existau aproximativ 250.000 astfel de
cercuri ale calitii).

S-a creat un flux informaional n dublu sens (de sus n jos si de jos n
sus) ntre grupurile participative de prim nivel (comitetul strategic), de al
doilea nivel grupurile de progres (compuse din persoane cheie ale
ntreprinderii) i de al treilea nivel cercurile calitii.

Obiectivele cercurilor calitii n perioada de nceput au fost:

mbuntirea activitii de conducere si a capacitii manageriale a
efilor intermediari si superiori, sprijinind perfecionarea prin
autodezvoltare

crearea unui mediu contient cu privire la importana calitii

funcionarea unui nucleu de activitate participativa si formativa in
fiecare departament, in care sa se dezvolte aptitudinile umane, sa se
mreasc gradual abilitile angajailor

96
De asemenea Ishikawa este creatorul diagramei cauz efect,
diagrama Ishikawa (diagrama fishbone).

Dei este de acord cu conceptul TQC, dezvoltat de Feigenbaum,
Ishikawa pledeaz pentru o abordare mai larga a calitii, n afara
domeniului strict profesional, apreciind ca trebuie acordat mai mult
ncredere nespecialitilor.

Pentru a se diferenia de opiniile lui Feigenbaum, ncepnd cu anul 1968,
Ishikawa i-a denumit propriul concept "Company Wide Quality
Control" (CWQC).

Ulterior, o serie de aspecte au fost clarificate, ajungndu-se, n prezent,
ca cele dou concepte s aib aproape aceeai semnificaie.
Att Feigenbaum cat si Ishikawa pledeaz, de fapt, pentru o
implicare total a firmei in realizarea i mbuntirea continu a
calitii !!!
97
Cele trei componente de baza ale Company Wide Quality Control sunt:

asigurarea calitii;

inerea sub control a calitii;

inerea sub control a costurilor, cantitilor i termenelor de
livrare.
98
Cercul interior "asigurarea calitii", reprezint nucleul conceptului
QWQC. Termenul de asigurare a calitii este utilizat intr-un sens
restrns, referindu-se n special la inerea sub control a dezvoltrii
noilor produse.

Msurile de inere sub control, corespunztoare nivelului al doilea,
se refer la toate activitile relevante pentru calitate.

Cercul al treilea, se refer la supravegherea desfurrii tuturor
activitilor ntreprinderii n scopul prevenirii deficientelor.

Pentru satisfacerea cerinelor clienilor, este deosebit de
important realizarea unor produse de calitate corespunztoare,
dar, in acelai timp, trebuie luate in considerare costurile, cantitile
solicitate, termenele de livrare stabilite.

Supravegherea si mbuntirea activitilor se poate realiza
parcurgnd cele patru etape ale ciclului PDCA (Plan-Do-Check-Act).
La toate cele trei niveluri ale CWQC, cercurile calitii joac un rol
important.
99
Ishikawa d o dimensiune intern principiului orientrii spre client:

Ishikawa atribuie aceast dimensiune persoanelor implicate n
procesul de realizare a produselor din diferite compartimente ale
ntreprinderii (marketing, proiectare, producie, vnzri etc.),
consacrndu-le "client interni", spre deosebire de beneficiarii finali ai
produselor care sunt "clieni externi".

Acest principiu ("next process is your customer") va deveni unul
din principiile de baz ale managementului total al calitii.


O alt contribuie important a lui Ishikawa o reprezint clarificarea
unor aspecte statistice ale asigurrii calitii.

Plecnd de la premisa c nu este posibila inerea sub control a
calitii fr utilizarea unor metode statistice, el clasific aceste
metode n trei categorii, in funcie de dificultatea aplicrii lor:
100
Metodele statistice propuse de Ishikawa pentru inerea sub control a calitii
101
n opinia lui Ishikawa, metodele statistice intermediare i
avansate sunt destinate specialitilor, n timp ce metodele
statistice elementare (considerate "instrumente de baz" ale
calitii), ar trebui s fie nsuite de ntregul personal al
ntreprinderii ncepnd cu conducerea de vrf i pn la
ultimul lucrtor.

Pe baza experienei dobndite n aplicarea celor apte
instrumente de baz, Ishikawa ajunge la concluzia ca circa 95%
din problemele care se pot ivi in cadrul unei ntreprinderi, n
domeniul calitii, pot fi soluionate cu ajutorul acestor
instrumente.

Ishikawa consider c rezultatele mai bune nregistrate de
industria japonez, comparativ cu cea occidental, s-ar datora
modului diferit de abordare a calitii, la nivelul ntreprinderii.
n rile vest-europene asigurarea calitii reprezint apanajul
specialitilor, n Japonia preocuparea pentru calitate este
total i permanent.
102
Punctele-cheie ale filozofiei lui Ishikawa n domeniul calitii sunt
urmtoarele:


calitatea este mai important dect obinerea unui profit
imediat;

orientarea politicii calitii spre client i nu spre productor;

internalizarea relaiei "client-furnizor" si desfiinarea
barierelor dintre compartimente;

utilizarea metodelor statistice ;

promovarea managementului partcipativ.
103
Genichi Taguchi - promotorul unei metode revoluionare de inginerie a
calitii
Genichi Taguchi - inginer japonez , nscut n 1924 n Takamachi.

1948 -1950 lucreaz la Institutul Naional De Statistic Matematic
n 1980 implementeaz la Ford Motors Co. metoda de inginerie a calitii
care-i poart numele
Din 1983 director la Ford Supplier Institute Inc.
considerat a fi primul specialist care a evaluat cantitativ calitatea
produselor.
Taguchi a folosit pentru prima dat noiunea de pierdere financiar n
comparaia calitativ a dou produse

104

Taguchi apreciaz c abaterile fa de performanele funcionale
dorite, specifice produsului, sunt cauza pierderilor financiare.

Posibilitatea de a controla variaiile acestor performane
decurge din stabilirea, ntr-o prim etap, a parametrilor
determinani pentru asigurarea si meninerea calitii, iar apoi
din stabilirea cantitativ a acestor variaii.

Metoda Taguchi ine seama de dinamicitatea parametrilor si arat
cum s se aplice practic o anume relaie, optimizat pe baze
statistice, relaie existent ntre parametrii unui produs sau proces.

Calitatea unui produs se msoar prin abaterea unei anumite
caracteristici funcionale fa de valoarea sa int (nominal,
ideal).
105
Taguchi a intuit rolul proiectrii i al dezvoltrii
tehnologice asupra ratei profitului
106
Philip B.Crosby Calitatea este gratuit
Concepte i contribuii:

A face lucrurile bine de la nceput

Zero defecte
Fondator al Quality College Florida
(1926 - 2001)
107

Strategia lui Crosby se compune din trei aciuni:

1. Determinare

2. Pregtire la toate nivelurile

3. Implantare

Principiile absolute ale managementului calitii, conform lui Crosby:

Calitatea se definete ca ndeplinirea cerinelor

n sistemul calitii, de baz este prevenirea

Standardul de realizare este "Zero defecte"

Msura calitii nu sunt indicatorii ci preul nendeplinirii
108
Cei 14 pai pentru mbuntirea calitii
1. Angajarea conducerii
2. Lucrul in echip
3. Controlul proceselor
4. Evaluarea costului calitii,
5. Crearea contiinei calitii,
6. Aciunea corectiv,
7. Urmrirea mbuntirii
8. Educarea personalului
9. "Zero defecte" ca indicator al schimbrii,
10. Fixarea obiectivelor individuale i de grup,
11. Eliminarea cauzelor de eroare cu ajutorul tuturor,
12. Recunoaterea si aprecierea participrii,
13. Stabilirea "reuniunilor de calitate "periodice,
14. Repetarea ntregului proces.

109
CAPITOLUL II
INSTRUMENTE STATISTICE ALE
CALITII
2.1 Generaliti

n vederea stabilirii, controlului i verificrii caracteristicilor de
calitate ale produselor, pentru controlul proceselor, evitarea
neconformitilor, analiza problemelor de calitate i
mbuntirea calitii, se folosesc instrumente i tehnici
statistice.
110
- analiza pieei;
- proiectarea caracteristicilor produsului;
- controlul proceselor i determinarea capabilitii acestora;
- determinarea nivelurilor calitii n planurile de eantionare
utilizate n controlul statistic de recepie;
- analiza datelor, evaluarea performanelor i analiza
neconformitilor;
- mbuntirea proceselor;
- evaluarea securitii i analiza riscurilor.
Organizaiile care implementeaz un sistem al calitii trebuie s
identifice corect instrumentele i tehnicile statistice necesar a fi
aplicate, avnd n vedere importana acestora pentru controlul diferitelor
faze ale proceselor organizaiei.
Instrumentele i tehnicile statistice pot fi aplicate pentru urmtoarele
activiti (cf. SR EN ISO 9004-1:2010):
Cele mai importante evenimente legate de evoluia controlului
statistic al calitii i momentele n timp corespunztoare, sunt
sintetic prezentate n tabelul 2.1.
111
Tab.2.1 Evenimente n dezvoltarea controlului statistic al calitii
112
2.2. Instrumente i tehnici statistice
Cunoaterea i utilizarea instrumentelor i tehnicilor statistice este absolut
necesar n organizaia care implementeaz un sistem de asigurare a
calitii.

Cteva dintre cele mai uzuale instrumente i tehnici bazate pe principii
statistice i grafice, utilizate n colectarea i analiza datelor i n controlul
proceselor sunt urmtoarele:

- prezentarea grafic a datelor;
- histograma;
- diagrama de dispersie (de corelaie);
- analiza prin stratificare;
- diagrama cauz-efect;
- diagrama Pareto;
- fia de control.

Aceste instrumente i tehnici mai sunt denumite cele apte instrumente
clasice ale calitii i se bazeaz pe controlul statistic, fiind concepute,
n principal, pentru tratarea datelor numerice.
113
Pentru toate tipurile de date necesare la construirea diferitelor tipuri de
grafice se completeaz formulare de colectare a datelor.


Formularul de prelevare a datelor este utilizat pentru culegerea i
nregistrarea datelor n timpul controalelor sau verificrii n scopul de a
obine o imagine clar a faptelor, de a facilita analizele produsului, ale
procesului de fabricaie sau ale calitii serviciului prestat.
Procedura de ntocmire a unui formular de colectare a datelor implic
urmtoarele etape:
114
a) Se stabilete scopul colectrii datelor referitoare la produs, proces
sau serviciu: cunoaterea datelor de msurare a unei caracteristici,
identificarea celor mai frecvente defecte etc.

b) Se identific datele necesare pentru realizarea scopului.

c) Se determin modul de analiz a datelor i cine va realiza aceast
analiz.

d) Se stabilete structura formularului pentru colectarea datelor. Se
prevede o rubric pentru nregistrarea informaiilor referitoare la: cine
colecteaz datele; unde, cnd i cum au fost colectate datele.

e) Se experimenteaz formularul prin colectarea i nregistrarea datelor.

f) Dac este necesar, se analizeaz i se revizuiete formularul, pentru
definitivarea formei acestuia.
115
Un exemplu de formular de colectare a datelor cu evidenierea
cauzelor defectelor, tipurilor de defecte i numrului defectelor de
fiecare tip pentru o imprimant este dat n tabelul 2.2
Tab. 2.2 Formular de colectare a datelor pentru o imprimant Laser jet -1100 HP
116
2.2.1 Reprezentarea grafic a datelor
Datele experimentale pot fi reprezentate grafic cu ajutorul punctelor,
liniilor, suprafeelor i al altor forme geometrice.

Exist multe posibiliti de ntocmire a graficelor utilizate obinuit n
controlul calitii:
a. Graficul sub form de bare (coloane)
Se recomand pentru analiza comparativ a mrimii cantitilor unor
elemente (fig. 2.1).
Fig. 2.1. Grafic sub form de bare
117
Pe o ax orizontal pe care sunt reprezentate valorile variabilei la
scar liniar, se ridic bare (coloane) de nlimi proporionale cu
efectivele (sau frecvenele) valorilor variabilei respective.


nlimea barelor indic, n general, nivelul, intensitatea,
frecvena variabilei, parametrului, caracteristicii de calitate
sau aspectului analizat.


n acest mod se pot ntocmi, de exemplu, grafice privind nivelul
livrrilor de produse n timp, grafice privind nivelul intrrilor etc.
118
b. Graficul liniar
Este folosit pentru a urmri variaia n timp a unei caracteristici de
calitate a produsului sau a unui parametru economic: vnzri,
ncasri, profit etc. (fig. 2.2).

Se recomand, de exemplu, pentru a urmri variaia n timp a
numrului de defecte ale produsului, a gradului de utilizare a
mainilor etc.

Timpul se nscrie pe axa orizontal iar valorile caracteristicii
(parametrului) a crui variaie se analizeaz, pe axa vertical .

Prin unirea punctelor de pe grafic rezult o linie frnt care indic
evoluia n timp a caracteristicii analizate.
119
Fig. 2.2 Variaia rugozitii de suprafa n funcie de viteza de achiere
la operaia de rectificare
120
c. Graficul circular
Se ntocmete atunci cnd se urmresc proporiile diferitelor
pri componente ale unui ansamblu de date.

Se poate folosi pentru a analiza producerea defectelor pe tipuri
de defecte, pentru a clasifica vnzrile de produse etc.

n fig. 3.2 se prezint graficul circular pentru a stabili proporia
proceselor tehnologice de diferite categorii n realizarea unui
produs.
121
Fig. 2.3. Ponderea proceselor tehnologice pentru realizarea unui produs
- grafic circular -
122
d. Graficul band
Are aceleai funciuni ca i graficul circular pentru c prezint
proporional sau n valori absolute ponderile diferitelor elemente
componente ntr-un ansamblu de date.

Reprezentarea se face pe o band divizat pe lungime de la 0 la 100%.

n fig. 2.4 este prezentat un grafic band reprezentnd procentual
categoriile de defecte ale pieselor, n primele trei luni ale anului.
Fig. 2.4. Categorii de defecte - grafic band
123
2.2.2 Histograma
Histograma se utilizeaz pentru cu ajutorul ei se pot evidenia tendina
datelor de intrare studiate precum i dispersia valorilor acestora, prin
dreptunghiuri, astfel nct nlimea fiecrui dreptunghi s fie proporional
cu numrul de valori ale datelor dintr-un interval determinat.

Histogramele permit comunicarea vizual a informaiilor referitoare la
comportarea unui proces i luarea deciziilor referitoare la mbuntirea
calitii realizate de acel proces.
Histograma se construiete cu datele dintr-un tabel de frecvene,
reprezentate grafic sub forma unei serii de dreptunghiuri de lime egal
i nlimi diferite.

Limea reprezint un interval din cadrul domeniului total de variaie a
datelor. nlimea reprezint numrul de valori ale datelor din fiecare
interval aa numita frecven a caracteristicii
124
Procedura de construire a histogramei implic parcurgerea urmtoarei
succesiuni de etape:
a) Se colecteaz valorile datelor care se nscriu ntr-un tabel de
prelevare a datelor.
Datele primare pot fi prezentate sub form tabelar, valorile fiind
nscrise n ordine aleatoare. Prin ordonarea n ir cresctor se
obine tabelul valorilor ordonate, irul numindu-se i statistic.
Un alt mod de prezentare a irului statistic este tabelnd valorile
distincte i corespunztor numrul de apariii al lor.

Dac considerm gruparea n k intervale disjuncte, numrul
unitilor cu aceeai valoare aparinnd aceluiai interval reprezint
frecvena absolut.
125
Rezult urmtoarele relaii:
k
i
i 1
i
i
k
i
i 1
a n (2.1)
a
f (2.2)
n
f 1 (2.3)
=
=
=
=
=

b) Se identific valorile maxim X


max
i minim X
min

din irul de date,
apoi se determin amplitudinea mprtierii datelor R:
R = X
max
- X
min

(2.4)
Frecvena absolut:
Frecvena relativ:
126
c) Se calculeaz numrul de intervale K din histogram
k=1+3,322 logn (2.5)
Numrul de clase poate fi stabilit astfel:
Sau folosind relaia lui H.A.Sturges:
max min
x x
a (2.6)
1 3,322logn

=
+
unde a mrimea intervalului de grupare
127
( )
1
5
1
k 4 n 1 (2.7)
4
(
=
(


Pentru n > 100 se poate utiliza relaia H.Mann i A. Wald:
Un mod simplu de determinare a numrului de clase este:
De obicei se adopt k = 10 pentru n < 250, iar pentru n < 25 gruparea n
clase nu prezint interes.

Adeseori k este cuprins ntre 6 i 12
k n (2.8) =
128
d) Se determin limea fiecrui interval h, calculnd raportul dintre
amplitudinea R i numrul de intervale
max min
X X
h (2.9)
k

=
e) Se determin valorile limitelor intervalelor
- se determin limita inferioar a primului interval care este X
min

din irul
de date;

- se adun la aceasta limea intervalului h i se obine valoarea maxim
a primului interval. Pentru al doilea interval, valoarea minim este egal
cu valoarea maxim a primului interval, iar valoarea maxim a celui de-
al doilea interval se va calcula prin adunarea unui h la valoarea minim;

- considernd a i b limitele unei clase, atunci o valoare x aparinnd
intervalului [a , b) trebuie s satisfac inegalitatea a x< b.

129
e) Se completeaz tabelul de frecvene (tab. 2.3) prin nregistrarea n
tabel a frecvenei absolute de apariie a datelor care reprezint
numrul de valori cuprinse n fiecare interval
Tab. 2.3 Frecvenele absolute ale caracteristicii
130
f) Se reprezint histograma (fig. 2.6)
Fig. 2.6 Histograma frecvenelor absolute
- se marcheaz pe axa absciselor scara de valori ale caracteristicii (datelor
culese), iar pe axa ordonatelor se marcheaz scara de valori ale frecvenelor.

- se traseaz nlimea fiecrui interval, care este egal cu numrul de valori
ale datelor cuprinse n intervalul respectiv (frecvena absolut), respectiv
procentul de valori cuprinse n intervalul respectiv (frecvena relativ)
131
Poligonul frecvenelor (fig. 2.7), se obine ridicnd n mijlocul
fiecrui interval de pe axa absciselor cte o perpendicular cu
nlimea proporional cu frecvena intervalelor respective i unind
printr-o linie frnt extremitile acestor perpendiculare.
Fig. 2.7 Histograma i poligonul frecvenelor absolute
132
Exist patru variante de histograme: fia de observaie, histograma simpl,
histograma suspendat, diagrama tip trunchi i frunz (stem and leaf)
Fia de observaie
- numrul coloanelor este egal cu cel al claselor, iar rnduri sunt attea ct
de mare este frecvena absolut maxim observat.

- pe msur ce se culeg datele, acestea sunt marcate pe fi sub forma cte
unui punct, fiecare n dreptul clasei creia i aparine.
133
Histograma simpl
Din analiza formei fiei de observaie se pot desprinde concluzii cu
privire la tendina principal i la distribuia populaiei studiate.
Din analizaunei histograme simple se culeg informaii cu privire
la valorile cele mai des ntlnite ale caracteristicilor de calitate,
gradul de simetrie al repartiiei, forma distribuiei datelor,
poziia centrului repartiiei, fcndu-se i referiri la depirea
uneia sau a ambelor limite de control.
134
Histograma suspendat
- se construiete pornind de la o curb de distribuie ideal, ipotetic,
trasat ntr-un sistem rectangular de axe care are drept coordonate, n abscis
- limitele claselor, iar n ordonat - frecvenele absolute de apariie ale valorilor
caracteristicilor de calitate.

- de aceast curb de distribuie ideal sunt suspendate dreptunghiuri care
au limea egal cu mrimea clasei, iar nlimea egal cu frecvena absolut

Histograma suspendat ajut observatorul s verifice msura n care
datele din proces corespund distribuiei ideale (optim ar fi ca toate
dreptunghiurile s ating abscisa sistemului de coordonate, fr s o
depeasc ns).
135
Diagrama trunchi i frunz
- au fost utilizate pentru prima oar n anul 1987 i, spre deosebire de
histogram, prezint avantajul vizualizrii valorii tuturor caracteristicilor de
calitate studiate.

- exist trei tipuri de asemenea grafice: simplu, extins sau comprimat .
Exemplu: Prelucrarea prin strunjire a unui lot de 40 de arbori.

Timpii de prelucrare:
136
Varianta simpl:
Partea de "trunchi" a graficului este dat de prima cifr (digit) sau grup
de cifre aferente fiecrei valori a irului de date i este plasat pe partea
stng a diagramei, naintea unei linii verticale.

Poriunea de "frunz" este reprezentat de partea dreapt a graficului, ea
fiind alctuit, pentru fiecare "trunchi" n parte, din irul format de ultimele
cifre ale valorilor datelor culese.

Fiecare "trunchi" poate avea asociat una sau mai multe "frunze".
137
Varianta extins:
Trunchiul" este extins la o lungime dubl prin mprirea fiecrui rnd n alte
dou diferite.

Poriunea de "trunchi" care va avea drept "frunze" valorile cuprinse ntre 0 i
4 se va nota cu a, iar cea de-a doua jumtate, cu "frunzele" de la 5 la 9, se va
nota cu b.
138
Varianta comprimat:
Fiecare "trunchi" este mprit n 5 diviziuni egale.

"Trunchiul" care are drept "frunze" valorile 0 i 1 se va nota cu a, cel
care are "frunzele" 2 i 3 se noteaz cu b i aa mai departe pn la
ultima diviziune, cu "frunzele" 8 i 9, care se noteaz cu e.
139
140
141
2.2.3 Diagrama de dispersie (corelaie )
O diagram de dispersie (de corelaie) este o reprezentare grafic care
evideniaz corelaiile dintre dou ansambluri asociate de date care apar
perechi ntr-un fenomen comun (de exemplu, (x,y), o pereche de date din
fiecare ansamblu).

Diagrama de dispersie reprezint grafic perechile de valori x i y sub
forma unei mulimi de puncte.

Corelaiile dintre ansamblurile asociate de date se deduc din configuraia
mulimilor de puncte.

De obicei, cu x se noteaz variabila independent i cu y variabila
dependent.

O corelaie pozitiv ntre x i y exist atunci cnd o cretere a valorilor
variabilei x este asociat cu o cretere a valorilor variabilei y.

O corelaie negativ se constat atunci cnd o cretere a valorilor
variabilei x este asociat cu o scdere a valorilor variabilei y.
142
Fig. 2.8 Diagrame de dispersie (corelaie) uzuale
n fig. 2.8 sunt reprezentate ase configuraii uzuale ale acestor mulimi de puncte
143
Procedura de construire a diagramelor de dispersie (corelaie) const n
urmtoarele etape:
a) Se colecteaz datele pereche (x,y) provenite din dou ansambluri
asociate de date ale cror corelaii eventuale vor fi analizate. Este de
dorit s se obin aproximativ 30 perechi de date.

b) Se traseaz axele x i y ale diagramei. De obicei se adopt axa
absciselor x pentru factorul cauz i axa ordonatelor y pentru
caracteristica de calitate (efect).

c) Se identific valorile minime i maxime att pentru x ct i pentru y
i se utilizeaz aceste valori pentru trasarea scrilor abscisei (x) i
ordonatei (y). Ambele axe ar trebui s aib aproximativ aceeai
lungime.

d) Se reprezint grafic datele pereche (x,y). Atunci cnd dou perechi
de date au aceleai valori, fie se deseneaz cercuri concentrice n jurul
punctului reprezentat, fie se reprezint cel de-al doilea punct n
apropiere.


144
e) Se examineaz configuraia mulimii de puncte pentru a descoperi
tipul i puterea corelaiilor. Pentru determinarea puterii (intensitii)
corelaiei este util calcularea coeficientului de corelaie (relaia 2.10).
( )( )
( ) ( )
n
i i
i 1
n n
2 2
i i
i 1 i 1
x x y y
r
x x y y
=
= =

=


(2.10)
n care:

n este numrul de perechi de date obinute experimental (din
msurtori, experiene etc.);

x
i
, y
i
sunt valorile variabilei x, respectiv y, n experiena numrul i;

, , - valorile medii aritmetice ale parametrului x, respectiv y.
x y
145
Valorile coeficientului de corelaie r sunt cuprinse ntre 1 i +1.

Dac r are semnul +, corelaia este pozitiv; dac r are semnul -,
corelaia este negativ.

Cu ct coeficientul de corelaie are valoarea mai apropiat de +1
sau 1, cu att corelaia este mai puternic.

n cazul extrem n care |r| = 1, datele se dispun n lungul unei drepte.

n schimb, dac |r| este apropiat de zero, se consider c ntre
variabilele x i y exist o corelaie slab.

Dac r = 0 se consider c ntre variabilele x i y nu poate exista o
corelaie definit printr-o dependen funcional liniar.
146
n practic se consider c dac:
147
148
149
150
151
2.2.4 Analiza prin stratificare
Atunci cnd procesul analizat prin msurtori este att de complex
nct cauza unui efect sau a unei dispersii (mprtieri) a valorilor
msurtorilor efectuate nu rezult clar, poate fi util reprezentarea
datelor msurate n dou sau mai multe subpopulaii (histograme)
numite straturi, corespunztoare diferitelor cauze.

Stratificarea este o metod de identificare a surselor de variaie a
datelor culese, prin gruparea lor n funcie de diferii factori.

Stratificarea poate fi fcut, de exemplu, prin gruparea datelor pe tipuri
de maini, de materiale, de metode de prelucrare, pe operatori, pe
schimburi etc.

Stratificarea se poate aplica asupra graficelor liniare, histogramelor,
diagramelor de corelaie, fielor de control etc.

Dac, de exemplu, se folosesc dou tipuri de materiale, diferena n
caracteristicile acestora poate fi evideniat ntocmind histograme
separate pentru fiecare material.
152
Figura 2.9 red o histogram combinat reprezentand repartiia
valorilor diametrului unor piese de tip ax prelucrate pe dou maini de
rectificat diferite (zona haurat este rebut, avand diametrul mai mic
decat diametrul minim).

Cum obinerea diametrului exterior se face pe dou maini diferite se
va intocmi histograma stratificat pentru cele dou maini:
Fig. 2.9 Exemplu de analiz prin stratificare
153
Fig. 2.9 Exemplu de analiz prin stratificare (continuare)
d
min
d
max
Histogramele stratificate obinute evideniaz c numai maina I
rebuteaz piesele, astfel incat cercetrile ulterioare se vor orienta asupra
rectificrii diametrului exterior pe aceast main pentru a izola i indeprta
cauza abaterii.
154
2.2.5 Diagrama cauz efect
Diagrama cauz-efect sau diagrama Ishikawa este un instrument
utilizat pentru analiza i reprezentarea grafic a relaiilor dintre un
efect dat (de exemplu, variaiile unei caracteristici de calitate) i cauzele
sale posibile.

Aceast diagram evideniaz, prin urmare, legtura (relaia) ntre
cauze-factori de influen i un efect o caracteristic de calitate.

Cele mai multe cauze posibile pot fi clasificate, dup importan, n cauze
principale (majore), cauze secundare, teriare etc. pe diferite niveluri
de importan, astfel nct reprezentarea grafic seamn cu scheletul
unui pete.

De aceea, procedeul este cunoscut i sub denumirea de diagrama
(fishbone) - os de pete.
155
Cauzele variaiei caracteristicilor de calitate sunt factorii care influeneaz
valorile acestor caracteristici i care includ: materialele, mainile
(utilajele), metodele de lucru, metodele muncitorii i mediul (clima,
microclimatul);

Aceste ase categorii de cauze formeaz cei 6M.

Materiile prime, resursele materiale;
Mainile, utilajele, echipamentele de lucru;
Metodele, procedeele de lucru;
Muncitorul, resursele umane;
Mediul;
Msurarea, metodele i mijloacele de msurare.

Ramurile diagramei sunt sgei care indic relaiile dintre efect i factorii
cauzali.



156

identificarea cauzelor ce stau la originea unor efecte negative
sau, dimpotriv, a unor efecte pozitive n desfurarea unui
proces;

analiza condiiilor necesare pentru ameliorarea calitii unui
produs sau serviciu, sau pentru o mai bun aprovizionare
material sau pentru reducerea costurilor;

eliminarea condiiilor ce cauzeaz respingerea unui produs
sau reclamaii din partea clienilor;

educarea i capacitarea personalului n luarea de decizii i n
aciunile cu caracter corectiv.

Diagramele de acest tip sunt utile pentru:
157

Pentru domeniile extra-productive sunt considerate mai potrivite
diagramele 4P:

Politici
Proceduri
Personal
Poziie (amplasare)
Procedura de construire a diagramei cauz-efect include parcurgerea
urmtoarelor etape:
a) Se definete efectul sau caracteristica de calitate analizat, n
mod clar i concis.

b) Se definesc cauzele principale posibile sau factorii principali
care influeneaz caracteristica de calitate.
158
c) Se ncepe construirea diagramei, prin nscrierea efectului ntr-o
caset din partea dreapt a foii de hrtie la captul liniei principale i
prin poziionarea cauzelor principale drept canale de alimentare pentru
caseta Efect (fig. 2.10).
Fig. 2.10 Forma iniial a diagramei cauz-efect
159
d) Se dezvolt diagrama printr-o analiz profund i prin completarea
tuturor cauzelor secundare, teriare etc. de la nivelurile urmtoare i se
continu aceast procedur la nivelurile de ordin mai nalt. O diagram
bine ntocmit nu va avea ramificaii (ramuri) cu mai puin de dou niveluri,
ci va avea multe ramificaii pe trei sau mai multe niveluri (fig. 2.11).
Fig. 2.11 Dezvoltareadiagramei cauz-efect
160
e) Se selecteaz i se identific un numr mic (3 la 2) de cauze de
nivel mai nalt care sunt susceptibile s aib influene semnificative
asupra efectului i care necesit aciuni ulterioare, cum ar fi colectarea
datelor, eforturi pentru control etc.
- care sunt cauzele nerealizrii unei caracteristici de calitate
impuse;

- care sunt cauzele creterii numrului de exemplare cu defecte
ntr-un proces de producie;

- care sunt cauzele scderi vnzrilor, a productivitii sczute, a
creterii reclamaiilor de la clieni etc.
Diagrama cauz-efect se poate ntocmi n scopuri diferite, ca de
exemplu:
161
Este posibil s se ntocmeasc diferite tipuri de diagrame cauz - efect:
a) Pentru analiza dispersiei caracteristicilor de calitate

Efectul nedorit este prezentat pe partea dreapt, la sfritul sgeii
liniei orizontale.

Echipa de brainstorming genereaz idei asupra cauzelor principale
care pot genera efectul.

Aceste cauze principale sunt desenate ca ramificaii ndreptate spre
linia trunchi orizontal.

La aceste diagrame cauzele pot fi grupate pe componentele
principale ale sistemului tehnologic, n cazul general pe cei 6M.

Pentru fiecare cauz principal , cauzele secundare de diferite
niveluri se identific prin brainstorming.
162
b) Pentru clasificarea procesului de producie

La acest tip de diagram linia principal conine etapele (operaiile)
principale ale procesului.

Pentru fiecare etap a procesului se ataeaz cauzele care pot
influena calitatea.

ntocmirea n prealabil a unei diagrame de flux, n care se reprezint
grafic etapele componente ale unui proces, este deseori util pentru
construirea diagramei cauz-efect de clasificare a procesului.
c) Pentru enumerarea cauzelor

Acest tip de diagram se reduce la o list simpl a tuturor cauzelor
posibile care afecteaz un anume efect o caracteristic de calitate a
produsului.

Dup ce grupul de brainstorming a expus toate sugestiile, cauzele sunt
notate i desenate ca ramuri secundare ndreptate ctre linia principal
orizontal (linia trunchi).
163
164
165
166
167
168
169
170
Diagrama 6M
171
172
Diagrama 8P utilizat n Marketing i Administraie
173
Diagrama 4S utilizat n Servicii
174
2.2.6 Diagrama Pareto
Diagrama Pareto reprezint o metod grafic simpl de clasificare a
entitilor (faptelor), dup frecvena lor relativ (n procente), de la cele
cu frecvena cea mai mare de apariie pn la cele mai puin frecvente
Procedura pentru trasarea diagramei Pareto este urmtoarea:

a) Se decide care sunt entitile ce urmeaz a fi analizate. Aceste
entiti pot fi: tipuri de defecte, cauze, categorii de pierderi
economice, numr de remedieri etc.

b) Se selecteaz intervalul de timp pentru culegerea datelor care
urmeaz a fi analizate
.

175
c) Se plaseaz pe axa absciselor, de la stnga la dreapta n ordinea
descresctoare a frecvenelor de apariie, denumirile diferitelor
categorii de defecte, cauze etc.

n acest scop, axa absciselor trebuie divizat ntr-un numr de
intervale egal cu numrul de categorii sau clase de defecte
clasificate.

Categoriile de defecte, cauze etc. care conin cele mai puine
entiti pot fi combinate ntr-o categorie denumit altele care se
plaseaz n partea extrem dreapta a diagramei.
d) Se construiesc dou axe ale ordonatelor, cte una la fiecare
capt al axei absciselor.

Se divizeaz axa din stnga n unitile de msur adoptate, iar
nlimea acestei axe trebuie s fie egal cu suma valorilor tuturor
categoriilor de entiti (defecte).

Axa ordonatelor din dreapta trebuie s aib aceeai nlime i s
fie divizat de la 0% la 100%.
176
Fig. 2.11 Exemplu de diagram Pareto
e) Deasupra fiecrei entiti se traseaz un dreptunghi a crui
nlime este corespunztoare frecvenei pentru acea entitate.
Dreptunghiurile se traseaz alturat unul de altul.

f) Se construiete linia frecvenelor cumulate (curba Pareto) prin
nsumarea valorilor fiecrei entiti de la stnga la dreapta (fig. 2.11).
177
g) Se utilizeaz diagrama Pareto pentru identificarea celor mai
importante entiti (cauze, defecte), n vederea eliminrii
deficienelor care s conduc la mbuntirea calitii.
n tabelul 2.4 sunt prezentate tipurile de defecte constatate la
prelucrarea mecanic prin achiere a unui lot de 1000 piese, iar
n fig. 2.12 este reprezentat diagrama Pareto pentru datele
nscrise n tabel.
Tab. 2.4 Frecvenele absolute ale caracteristicii
178
Fig. 2.12 Diagrama Pareto pentru defectele unui lot de 1000 piese
Pentru mbuntirea calitii produselor se acioneaz asupra defectuluui
cu ponderea cea mai mare (n cazul prezentat, abaterile dimensionale),
elaborndu-se msuri clare de remediere, dup identificarea tuturor
locurilor de munc la care au aprut astfel de defecte.
179
Observaie
180
Dup eliminarea cauzelor A, B i C:
181
n urma comparrii celor dou diagrame Pareto, analistul care le-a
ntocmit poate s se descurajeze, deoarece observ c dei s-au
eliminat trei cauze majore generatoare de neconformiti, acestora le-
au luat locul alte trei.

Aceast interpretare nu este ns corect, deoarece pe diagrama
Pareto trebuie luat n considerare ordonata n procente i nu cea cu
valori absolute
182
Prin utilizarea diagramei Pareto s-a constatat c:

20% din cauze conduc la 80% din defecte;

80% din cifra de afaceri este realizat cu 20% din
clieni;

80% din absenele de la serviciu sunt produse de 20%
din personal;

80% din costurile noncalitii se datoresc la 20% din
tipurile de defecte;

80% din producia de porumb a SUA se produce pe 20%
din suprafaa agricol.


Aciunea de diminuare/eliminare a cauzelor generatoare de neconformiti
ar putea continua, ns, atunci cnd numrul acestora este mare, s-ar
putea s devin neeconomic.

O analiz a costurilor trebuie efectuat n permanen pentru a vedea
dac nu cumva coreciile cost mai mult dect nsi problema.
183
O adaptare a conceptului propus de Pareto a fost introdus de
Ted Grier, de la firma Casio, din necesitatea de a compara
respingerile pentru diferite modele ale aceluiai tip de produs.
Diagrama Grier
n acest sens, a fost realizat o codificare a respingerilor
produselor, iar codurile respective au fost reprezentate grafic ntr-o
diagram de forma celei din figura 2.13.
Fig. 2.13 Exemplu de diagram Grier, cu reprezentarea codurilor de
respingere a produsului pentru trei perioade
184
Codurile de la 1 la 15 corespund tuturor diferitelor modele ale
produsului, iar codurile de la A la E corespund diverselor motive de
respingere pentru un singur model, n particular.

Codurile de respingere se reprezint pe axa X, iar procentajele de
respingere pe axa Y.

Se realizeaz un astfel de grafic pentru fiecare model al tipului de
produs.

n fig. 2.13, reprezentarea codurilor de respingere este realizat
pentru trei perioade de timp.

Se poate observa, de exemplu, o scdere a returnrilor produselor,
pentru cazul conceptului simbolizat cu codul 10, ceea ce arat o
mbuntire a calitii.
Diagrama Grier este de fapt o diagram Pareto modificat, util
pentru detectarea problemelor de calitate n cazul cnd exist mai
multe modele asemntoare ale aceluiai produs.
185
W. A. Shewhart

(1891-1967)
W. A. Shewhart a proiectat fiele de control astfel
nct utilizatorii s poat distinge ntre cauzele
comune (aleatoare) i speciale (sistematice) de
variaie din cadrul procesului, oferind o regul
pentru minimizarea riscului de a reaciona la o
cauz considerat special cnd de fapt este o
cauz comun i s nu se reacioneze la o cauz
special cnd ea este prezent.

Dup investigaii i experimente minuioase,
Shewhart a poziionat limitele de control la 3
abateri standard () de la valoarea medie i a
aplicat aceast regul la toate fiele de control.
Utilizare regulii 3 sigma nu face nicio
presupunere n ce privete natura procesului
(distribuiei).

Confirmarea regulii a fost fcut de Cebev, care
a artat c dac procesul este stabil, 89% din
valori se vor afla n intervalul 3 (vezi 4.4
Inegalitatea Cebev)
2.2.6 Fie de control
186
Prima fi de control - 1924
187
O fi de control este un instrument utilizat pentru compararea
grafic a datelor performanelor procesului cu limitele de control
trasate ca linii limit pe fi.

O fi de control este o diagram pe care sunt trasate limita de
control superioar (LCS) i limita de control inferioar (LCI),
precum i o linie central (LC) corespunznd nivelului mediu dorit al
caracteristicii de calitate.

Pe fia de control sunt reprezentate valorile unor parametri statistici
pentru o serie de eantioane sau subgrupuri ordonate cronologic sau
dup numerele eantioanelor selectate n secvena regulat de
producie.

Un prim obiectiv al unei fie de control este de a evidenia variaiile
n proces datorate unor cauze speciale .

Termenul cauze desemnabile sau speciale are o semnificaie
deosebit i este important s se neleag aceast semnificaie pentru
a nelege conceptul fiei de control (vezi tab. 2.5).
188
Tab. 2.5 Distincia dintre cauze de variaie aleatorii i desemnabile (speciale)
189
Variaiile n proces pot fi generate de dou categorii de cauze:

a) aleatorii, adic datorate numai ntmplrii;

b) desemnabile, adic datorate unor factori specifici
speciali.

n mod ideal, numai cauzele aleatorii (sau comune) trebuie s fie
prezente ntr-un proces.

Un proces care se desfoar fr cauze de variaie desemnabile,
astfel nct n proces nu intervin modificri sistematice, se afl
n stare de control statistic, sau pe scurt sub control.

Fia de control pentru un astfel de proces are toate punctele care
reprezint parametrul statistic ntre limitele de control statistic.
190
Fia de control statistic face distincie ntre cauzele de variaie aleatorii
i cele desemnabile, prin alegerea limitelor sale de control.

Aceste limite de control sunt calculate utiliznd legi de probabilitate
astfel nct cauzele de variaie foarte improbabile s fie presupuse c
se datoresc nu unor cauze aleatorii ci unor cauze speciale.

Cnd valorile parametrului statistic reprezentat pe fia de control
sunt n afara limitelor de control, aceasta reprezint un semnal c
anumite cauze speciale de variaie au intervenit n proces i deci
acest proces va trebui s fie investigat pentru a determina aceste cauze
de variaie excesiv.

Variaia aleatorie ntre limitele de control nseamn c numai cauze
comune (aleatorii) sunt prezente; mrimea variaiei este stabilizat i
ca urmare trebuie s fie evitate coreciile minore ale procesului.
191
Fiele de control se clasific n dou categorii: pe variabile i prin
atribute

Fiele de control pe variabile sunt utilizate n acele situaii n care
caracteristicile de calitate analizate sunt msurabile, adic pot fi
exprimate cantitativ, prin valori numerice.

cnd se aplic pentru prima oar un procedeu nou de fabricaie sau
cnd un produs nou se obine cu ajutorul unui procedeu existent;

cnd procesul productiv are ntreruperi dese datorate unor
defeciuni sau cnd este incapabil s respecte specificaiile;

cnd controalele efectuate au un caracter destructiv, fiind deci
costisitoare;

cnd cmpul de toleran specificat este ngust i sunt ntmpinate
greuti n respectarea limitelor sale;

cnd operatorul trebuie s decid dac este cazul s regleze
maina;

cnd stabilitatea i capabilitatea utilajului trebuie determinate n
mod continuu.
Se utilizeaz n urmtoarele situaii:
192
Fiele de control prin atribute se aplic n acele cazuri n care
caracteristicile de calitate analizate nu pot fi msurate, ele
neavnd un echivalent cantitativ.


Utilizarea lor este determinat de urmtoarele situaii posibile:


punerea sub control a procesului este necesar, dar
caracteristicile de calitate nu sunt msurabile;

calitatea produselor este dat de nedepirea unui
anumit numr de defecte;

controlul statistic se desfoar pe baza unei
clasificri a produselor verificate n "corespunztor"
sau "necorespunztor".
193
A. Fie de control pe variabile
Fiele de control pe variabile reprezint acele instrumente create de
statistica matematic pe care conducerea unei ntreprinderi le
utilizeaz ca mijloace de prevenire activ.

Datorit lor, analitii au la dispoziie, n timp real, date referitoare la
performanele procesului vizat, acestea permindu-le adoptarea unor
aciuni preventive rapide.
Costurile implicate de controlul cu ajutorul fielor este mai mic
dect cel aferent verificrilor 100%, deoarece sunt testate doar
eantioane ale unui lot de produse;

Durata controalelor este redus deoarece eantioanele au un
volum mic (n general 5 uniti de produs).
194
Verificarea cu ajutorul fielor de control pe variabile se
efectueaz simultan dup doi parametri statistici:

un parametru care determin poziia cmpului de
mprtiere (media aritmetic, mediana);

un parametru care stabilete mrimea cmpului de
mprtiere (amplitudinea, abaterea medie ptratic).
Tipuri de fie de control pe variabile :
fia de control pentru media aritmetic i amplitudine: fia ( x ; R)

fia de control pentru media aritmetic i abaterea medie ptratic: fia ( x ; s)

fia de control pentru median i amplitudine: fia (x
me
; R)
195
2.2.6.1 Fia ( x ; R)
Este cea mai utilizat fi de control pe variabile datorit avantajelor pe
care le prezint:

media aritmetic reprezint cel mai bun estimator al poziiei
centrale a distribuiei valorilor msurate;

amplitudinea este un indice de mprtiere care se poate calcula
cu uurin, iar estimarea dispersiei valorilor msurate se
realizeaz cu exactitate.
Etape de construire a fiei:

1. Stabilirea mrimii eantionului i a intervalului de timp dintre dou
extrageri consecutive de probe.
2. Colectarea i nregistrarea datelor pe formularul tipizat.
3. Calcularea mediei aritmetice i a amplitudinii pentru fiecare eantion.
4. Calcularea limitelor de control.
5. Trasarea diagramelor de control.
6. Interpretarea fiei.
196
1. Stabilirea mrimii eantionului
Efectivul optim al unui eantion este de n = 5 exemplare, la
aceast valoare ajungndu-se n urma unui compromis: pe de o
parte trebuie s fie ndeplinit condiia omogenitii probei, ceea
ce impune un numr redus de exemplare, iar pe de alt parte,
numrul pieselor controlate trebuie s fie mare pentru ca
rezultatele obinute s fie ct mai apropiate de realitate.
2. Colectarea i nregistrarea datelor
Analiza procesului tehnologic cu ajutorul fiei presupune prelevarea a
minimum 25 de eantioane, fiecare dintre ele cuprinznd cte 5
uniti de produs. Valorile caracteristicilor de calitate msurate se
nregistreaz apoi pe un formular tipizat
197
198
199
200
3. Calculul mediei aritmetice i a amplitudinii
Pentru fiecare eantion n parte se calculeaz valorile mediei
aritmetice (relaia 2.11) i ale amplitudinii (relaia 2.12):
n
ij
j 1
i
x
x
n
=
=

(2.11)
i i,max i,min
R x x =
(2.12)
201
4. Calculul limitelor de control
Estimarea valorilor mediei aritmetice, a amplitudinii i a abaterii medii
ptratice ale ntregului lot de produse
k
i
i 1
x
x
k
=
=

k
i
i 1
R
R
k
=
=

(2.13)
(2.14)
x
2
R

d
=
(2.15)
Numai pentru procese
aflate n control
202
Pentru diagrama mediilor aritmetice:
2
x
x
2
3 x
LCS x 3 s x x A R
d n

= + = + = +

(2.16)
2
x
x
2
3 R
LCI x 3 s x x A R
d n

= = =

(2.17)
203
Pentru diagrama amplitudinilor:
3
R
2
d
LCS R 3 R
d
= + (2.18)
3
R
2
d
LCI R 3 R
d
=
(2.19)
Dac se fac notaiile:
3
4
2
d
D 1 3
d
= +
3
3
2
d
D 1 3
d
=
4
R
LCS D R =
(2.20)
3
R
LCI D R =
(2.21)
204
5. Trasarea diagramelor de control
Pe formularul tipizat, n zonele aferente diagramelor mediilor i
amplitudinilor, se traseaz dou linii ntrerupte corespunztoare
valorilor calculate ale mediei mediilor i amplitudinii medii.

Cu linii continue sunt reprezentate limitele de control ale
mediilor i amplitudinilor, avnd grij ca LCS i LCI s fie egal
deprtate de media mediilor.

Corespunztor fiecrei probe, se marcheaz apoi prin cte un
punct media aritmetic i amplitudinea calculat, urmnd ca n
final, punctele consecutive s fie unite prin segmente de
dreapt.
205
Pentru o fi de control, n funcie de poziia punctelor pe fia de
control, se pot trage urmtoarele concluzii:

dac valorile mediilor aritmetice se gsesc ntre limitele de
control, procesul de fabricaie este stabil ca reglaj;

dac valorile amplitudinilor se gsesc ntre limitele de control,
procesul de fabricaie este stabil ca precizie; dac valorile
amplitudinilor depesc limitele de control, se pot ivi dou situaii
particulare:

dac valorile amplitudinilor depesc limita de control
superioar LCS, procesul de fabricaie este instabil ca
precizie;

dac valorile amplitudinilor depesc limita de control
inferioar LCI, maina pe care se prelucreaz piesele este
mai precis dect necesit caracteristica urmrit, fiind
folosit neeconomic.
6. Interpretarea fiei de control
206
Se poate aprecia c instabilitatea preciziei poate aprea atunci cnd
uzura mainii-unelte este avansat, calificarea operatorilor este
necorespunztoare, mai ales cnd sunt necesare prelucrri speciale,
semifabricatele sunt neomogene.

Instabilitatea reglajului poate avea ca surse neverificarea periodic a
mainii-unelte, uzura sculei, reglarea necorespunztoare a mainii
la dimensiunea de lucru i semifabricate neomogene.

Dac punctele de pe diagrama de control se situeaz n interiorul
limitelor de control, sau n intervalul de ncredere, procesul poate fi
considerat sub control.

Dac exist puncte n afara limitelor, procesul va fi considerat n
afar de control.

De asemenea, sunt situaii cnd o dispunere particular a punctelor,
chiar n interiorul limitelor de control, indic o anomalie n
desfurarea procesului.
207
Interpretarea diagramei mediei aritmetice
1. Un punct n afara limitelor de control

Cauze posibile:
o eroare de calcul sau de poziionare a punctelor;

apariia unor incidente de tipul ruperii sculei, cderii energiei
electrice, ntreruperii alimentrii cu materie prim;

modificarea sistemului de msurare.
208
2. O serie de 8 puncte consecutive de o parte a liniei centrale

Cauze posibile:
o nlocuire a muncitorului la main;

o reglare incorect a utilajului;

oboseala i neatenia operatorului care efectueaz msurtorile.
209
3. O serie de 7 intervale succesive cresctoare sau descresctoare

Cauze posibile:

uzarea sculei.
210
4. Mai mult de 22 de puncte din 25 consecutive sunt situate n
treimea central

Cauze posibile:
calculul greit al limitelor de control;

naintea fiecrei eantionri, maina este reglat;

n urma msurrii, datele presupuse a fi greite sunt eliminate.
211
5. Mai puin de 10 puncte din 25 consecutive se gsesc n
treimea central

Cauze posibile:

erori de calcul i de poziionare a limitelor de control;

aparatele de msur nu au precizia necesar;

msurrile vizeaz procese diferite.
212
6. Evoluia ciclic a valorilor calculate


Cauze posibile:
modificrile ciclice ale temperaturii mediului ambiant;

oboseala operatorului;

fluctuaii cu caracter regulat n alimentarea cu energie electric;

schimbri periodice ale operatorilor etc.
213
Interpretarea diagramei amplitudinii
1. Un punct n afara limitelor de control

Cauze posibile:
o eroare de calcul sau de poziionare a indicelui de mprtiere
al eantionului;

o eroare de calcul sau de amplasare a limitelor de control;

apariia unor incidente pe parcursul prelevrii unui eantion:
oprirea mainii, ruperea sculei, piese confecionate din materii
prime provenite de la furnizori diferii etc.;

utilizarea, la un moment dat, a unor instrumente de msur cu
o precizie superioar, care scot n eviden o mai mare
dispersie a valorilor.
214
2. O serie de 8 puncte consecutive se afl deasupra valorii centrale
sau 7 intervale succesive sunt cresctoare.

Cauze posibile:
lipsa uniformitii materiei prime;

schimbarea analistului sau oboseala acestuia;

slbirea progresiv a strngerii n dispozitiv a sculei;

o supranclzire a mainii .a..
215
3. O serie de 8 puncte consecutive se afl sub linia central sau 7
intervale succesive sunt descresctoare.

n aceste cazuri trebuie fcut distincia dintre o mbuntire
real a procesului i o eventual modificare a metodei de
msurare.
216
4. Mai mult de 22 de puncte din 25 consecutive sunt situate n
treimea central

Cauze posibile:
calculul greit al limitelor de control;

naintea fiecrei eantionri, maina este reglat;

n urma msurrii, datele presupuse a fi greite sunt eliminate;

slaba instruire a operatorului.
217
5. Mai puin de 10 puncte din 25 consecutive se gsesc n treimea
central.

Cauze posibile:

jocurile mari din lanurile cinematice ale mainii;

utilizarea unor instrumente de msur cu o precizie sczut .a..
218
6. Saltul brusc de nivel

Un salt spre limita de control inferioar sugereaz o mbuntire a
procesului datorat dispariiei unor factori influenatori;

Un salt spre limita de control superioar indic existena a dou
repartiii distincte ale caracteristicii de calitate analizate.
219
7. Evoluia ciclic a amplitudinilor

Cauze posibile:

uzarea SDV-urilor;

neatenia operatorului;

utilizarea mainii de ctre mai muli muncitori.
220
Exemplu:
Datele din tabelul urmtor reprezint un eantion al valorilor forei
aplicate ntr-un proces de lipire.


Utiliznd fia de control ( x ; R ), s se determine dac procesul este
n control.
221
Eantion Obs 1 Obs 2 Obs 3 Obs 4 Obs 5
1 10,682 10,689 10,776 10,798 10,714
2 10,787 10,860 10,601 10,746 10,779
3 10,780 10,667 10,838 10,785 10,723
4 10,591 10,727 10,812 10,775 10,730
5 10,693 10,708 10,790 10,758 10,671
6 10,749 10,714 10,738 10,719 10,606
7 10,791 10,713 10,689 10,877 10,603
8 10,744 10,779 10,110 10,737 10,750
9 10,769 10,773 10,641 10,644 10,725
10 10,718 10,671 10,708 10,850 10,712
11 10,787 10,821 10,764 10,658 10,708
12 10,622 10,802 10,818 10,872 10,727
13 10,657 10,822 10,893 10,544 10,750
14 10,806 10,749 10,859 10,801 10,701
15 10,660 10,681 10,644 10,747 10,728
222
Pasul 1
calculul mediei i amplitudinii pentru eantioane,
calculul mediei mediilor
calculul mediei amplitudinilor
Eantion Obs 1 Obs 2 Obs 3 Obs 4 Obs 5 Medie Amplit.
1 10.682 10.689 10.776 10.798 10.714 10.732 0.116
2 10.787 10.86 10.601 10.746 10.779 10.755 0.259
3 10.78 10.667 10.838 10.785 10.723 10.759 0.171
4 10.591 10.727 10.812 10.775 10.73 10.727 0.221
5 10.693 10.708 10.79 10.758 10.671 10.724 0.119
6 10.749 10.714 10.738 10.719 10.606 10.705 0.143
7 10.791 10.713 10.689 10.877 10.603 10.735 0.274
8 10.744 10.779 10.11 10.737 10.75 10.624 0.669
9 10.769 10.773 10.641 10.644 10.725 10.710 0.132
10 10.718 10.671 10.708 10.85 10.712 10.732 0.179
11 10.787 10.821 10.764 10.658 10.708 10.748 0.163
12 10.622 10.802 10.818 10.872 10.727 10.768 0.250
13 10.657 10.822 10.893 10.544 10.75 10.733 0.349
14 10.806 10.749 10.859 10.801 10.701 10.783 0.158
15 10.66 10.681 10.644 10.747 10.728 10.692 0.103
Medii 10.728 0.220400
223
Pasul 2
Determinarea limitelor de control
2
x
2
x
LCS = x + A R
LCI = x - A R
Limitele de control pentru x
Limitele de control pentruR
4
R
3
R
LCS = D R
LCI = D R
n A2 D3 D4
2 1,88 0 3,27
3 1,02 0 2,57
4 0,73 0 2,28
5 0,58 0 2,11
6 0,48 0 2.00
7 0,42 0,08 1,92
8 0,37 0,14 1,86
9 0,34 0,18 1,82
10 0,31 0,22 1,78
11 0,29 0,26 1,74
224
Pasul 3 i 4
Calcularea limitelor de control pentru media mediilor i reprezentarea
grafic a datelor
2
x
2
x
UCL = x + A R 10,728 0,58 0,2204 =10,856
LCI = x - A R 10,728 - 0,58 0,2204 =10,601
= +
=
10.550
10.600
10.650
10.700
10.750
10.800
10.850
10.900
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
M
e
d
i
i
Eantioane
Media
eantioanelor
LCS
LCI
media
mediilor
225
Pasul 5 i 6
Calcularea limitelor de control pentru amplitudine i reprezentarea
grafic a datelor
4
R
3
R
LCS = D R 2,11 0,2204 0,46504
LCI = D R 0 0,2204 0
= =
= =
0.000
0.100
0.200
0.300
0.400
0.500
0.600
0.700
0.800
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
R
Eantion
Amplitudine
LCS
LCI
R-mediu
226
Regulile lui Lloyd S. Nelson au fost pentru prima oar publicate n
Octombrie 1984 ntr-un articol din Journal of Quality Technology.

Regulile se bazeaz pe media i abaterea standard a eantioanelor
Regulile lui Nelson pentru interpretarea fielor de control
Regula 1: Un punct se afl la mai mult de 3 abateri standard de medie
Problema indicat:

Un eantion (dou n acest caz) este evident n afar de control
LAI
227
Regula 2: O serie de 9 (sau mai multe) puncte consecutive sunt de
aceeai parte a mediei
Problema indicat:

Exist o influen sistemic prelungit
228
Regula 3: O serie de 6 (sau mai multe) puncte consecutive sunt
continuu cresctoare (sau descresctoare)
Problema indicat:

Exist un trend
229
Regula 4: O serie de 14 (sau mai multe) puncte consecutive
alterneaz n direcie, crescnd apoi scznd
Problema indicat:

Aceast oscilaie excede zgomotul. Este direcional i poziia
mediei i mrimea abaterii standard nu afecteaz regula

230
Regula 5: 2 (sau 3) din 3 puncte consecutive se afl la mai mult de
2 abateri standard de medie n aceeai direcie
Problema indicat:

Exist o tendin moderat a eantioanelor de a fi
mediu n afar de control. Partea mediei pentru al treilea
punct este nespecificat
231
Regula 6: 4 (sau 5) din 5 puncte consecutive se afl la mai mult de
o abatere standard de la medie n aceeai direcie
Problema indicat:

Exist o tendin puternic a eantioanelor de a fi uor
n afar de control. Partea mediei pentru al cincilea punct
nu este nespecificat
232
Regula 7: 15 puncte consecutive se afl n interiorul a o abatere
standard de la medie, pe oricare parte a acesteia
Problema indicat:

Variaie mic relativ la limitele de control
233
Regula 8: 8 puncte consecutive din care niciunul nu se afl n
inteiorul interiorul a o abatere standard de la medie i
punctele sunt n ambele direcii de la medie
Problema indicat:

Salturile de sus n jos (i invers) fr puncte n zona de 1
abatere standard nu sunt de obicei aleatoare
234
2.2.6.2 Fia ( x ; s)
Aceast fi de control se utilizeaz n acele situaii n care
trebuie asigurat o nalt eficacitate a controlului, cum ar fi, de
pild, cazul produselor scumpe sau a acelora a cror defectare ar
produce pagube importante.


Datorit calculelor laborioase pe care le impune, aceast fi de
control se utilizeaz atunci cnd operatorii au la dispoziie
mijloace puternice de prelucrare a informaiilor, ceea ce impune
i o nalt calificare a analitilor.
235
1. Calculul limitelor de control
Estimarea valorilor mediei aritmetice i a abaterii medii ptratice ale
ntregului lot de produse
Se preleveaz 25 de eantioane crora li se calculeaz
mediile aritmetice i abaterile medii ptratice:
n
ij
j 1
i
x
x
n
=
=

(2.22)
n
2
j i
j 1
i
(x x )
s
n 1
=

=

(2.23)
236
Estimatorul mediei aritmetice i media abaterilor medii ptratice:
k
i
i 1
x
x
k
=
=

(2.24)
k
i
i 1
s
s
k
=
=

(2.25)
k = numrul eantioanelor extrase (k > 25)
237
Pentru diagrama abaterilor medii ptratice
s
s
LCS s 3
2 n 2,5
= +

s
s
LCI s 3
2 n 2,5
=

Dac se fac notaiile:
(2.26)
(2.27)
4
1
B 1 3
2 n 2,5
= +

3
1
B 1 3
2 n 2,5
=

4
s
LCS B s =
3
s
LCI B s =
(2.28)
(2.29)
238
Pentru diagrama mediilor aritmetice
x
s
LCS x 3
n 0,5
= +

x
s
LCI x 3
n 0,5
=

Dac se face notaia:


3
3
A
n 0,5
=

3
x
LCS x A s = +
3
x
LCI x A s =
(2.30)
(2.31)
(2.32)
(2.33)
239
2. Interpretarea fiei de control
Pentru interpretarea acestei fie se aplic aceleai
recomandri ca i n cazul fiei ( x ; R).
2.2.6.3 Fia de control ( x
me
; R)
Aceast fi de control se utilizeaz atunci cnd se iniiaz
controlul statistic ntr-o ntreprindere, personalul acesteia
nefiind obinuit cu metodele statistice de control.

Se poate aprecia faptul c n cazul unei repartiii normale,
mediana i amplitudinea probei conduc la o estimare mai puin
precis a reglajului i a preciziei procesului tehnologic.
240
1. Calculul limitelor de control
Calcularea medianei medii i a amplitudinii medii ale
celor k = 25 de eantioane prelevate
k
me,i
i 1
me
x
x
k
=
=

k
i
i 1
R
R
k
=
=

(2.34)
(2.35)
241
Pentru diagrama medianei
me
me
LCS x A R = +
(2.36)
(2.37)
Pentru diagrama amplitudinilor
4
R
LCS D R =
3
R
LCI D R =
(2.38)
(2.39)
me
me
LCS x A R =
242
2. Interpretarea fiei de control
Pentru interpretarea acestei fie se aplic aceleai
recomandri ca i n cazul fielor prezentate anterior
Concluzii cu privire la utilizarea fielor de control pe variabile
Se va utiliza ntotdeauna acea fi care este cel mai bine
stpnit de ctre personalul din ntreprindere, chiar dac, pe
moment, ea nu este cea mai potrivit scopului propus.

n paralel, angajaii trebuie s fie instruii cu privire la modul
de aplicare al tuturor instrumentelor de control oferite de
statistica matematic, astfel nct, n timp, acest criteriu de
selectare s nu mai fie utilizat.

Se va ine seama de costul controlului raportat la precizia
oferit de o anumit fi.

Se va ine seama de costurile generate de apariia
neconformitilor. Astfel, n cazul controlrii unor produse
scumpe, datorit riscurilor ca prin noncalitate s se produc
pagube importante, se va utiliza fia ( x ; s).
243
B. Fie de control prin atribute
Controlul statistic prin atribute se aplic n acele situaii n care
caracteristicile de calitate sunt greu sau chiar imposibil de msurat.

n urma acestui tip de control, informaiile obinute sunt sumare i mai
puin relevante dect n cazul controlului pe variabile.

Mrirea gradului de siguran n adoptarea deciziilor impune n acest
caz, ca numrul pieselor dintr-un eantion s fie mai mare (n = 20 -
200 de buci), numai astfel putndu-se sesiza variaiile aprute n
derularea unui proces productiv.
Principalul dezavantaj al fielor de control prin atribute l constituie
lipsa de obiectivitate a informaiilor obinute.

Aceast concluzie rezult din faptul c msura conformitii unui
produs este dat de ctre raionamentul, logica unui operator uman.

Se tie ns c aceast judecat variaz de la o persoan la alta sau
poate s difere, pentru acelai individ, de la un moment la altul.
244
Tipuri de fie de control prin atribute
Defecte Defective
Eantion
variabil
Fi u Fi p
Eantion
constant
Fi c Fi np
245
2.2.6.4 Fia p
1. Stabilirea mrimii eantionului i a frecvenei de extragere a probelor
Este cea mai utilizat fi de control prin atribute, cu ajutorul ei
determinndu-se proporia pieselor care nu respect specificaiile.

Se poate defini proporia pieselor neconforme ca fiind raportul
dintre numrul pieselor cu defecte identificate ntr-o prob i efectivul
acesteia.

Proporia pieselor neconforme reprezint o mrime
adimensional care are avantajul c poate fi comparat, n timp,
pentru un acelai loc de munc sau ntre locuri de munc diferite.
Numrul pieselor care alctuiesc un eantion trebuie s fie mare
(cuprins ntre 50 i 200).

Datorit faptului c proporia neconformitilor este o mrime
adimensional, concluzia care se impune este aceea c efectivul
probelor nu trebuie s se menin constant n timp.
246
2. Culegerea i nregistrarea datelor
Pentru fiecare eantion prelevat se determin urmtoarele mrimi:

efectivul eantionului: n
i
;

numrul pieselor neconforme descoperite n acel eantion: (np)
i
;

Cu ajutorul acestor mrimi se calculeaz fraciunea defectiv a probei,
cu relaia (2.40):
(2.40)
i
i
i
(np)
p
n
=
247
3. Calculul limitelor de control
Se preleveaz un numr de k eantioane (k > 20) crora li
se determin fraciunea defectiv p
i
.
Estimatorul fraciunii defective a ntregului lot
(media = linia central):
k
i
i 1
p
p
k
=
=

(2.41)
( )
p
p 1 p
LCS p 3
n

= +
( )
p
p 1 p
LCI p 3
n

=
(2.42)
(2.43)
k
i
i 1
n
n
k
=
=

(2.44)
248
4. Interpretarea fiei p
1. Un punct n afara limitelor de control

Cauze posibile:
o eroare de calcul a limitelor de control;

o poziionare greit a punctului analizat;

diferene mari ntre efectivele eantioanelor, punctul situat n afara
limitelor aparinnd, de regul, unor probe de volum redus;

o deteriorare a performanelor procedeului;

nsprirea criteriilor de conformitate impuse.
249
Observaie:
n situaiile n care limita de control inferioar este
nenul, un punct amplasat sub aceasta poate s
apar datorit uneia din urmtoarele cauze:

o eroare de calcul;

o mbuntire real a procesului productiv;

o modificare a metodei de apreciere a caracteristicii
de calitate.
250
2. O serie de 8 puncte consecutive se afl deasupra liniei mediane sau
7 intervale succesive sunt cresctoare.


Cauze posibile:
se prefigureaz o deteriorare a performanelor procesului productiv;

se constat o uzare a sculei;

materia prim nu mai ndeplinete condiiile cerute de specificaii;

se nregistreaz o schimbare a modalitii de control.
251
3. O serie de 8 puncte consecutive se afl sub linia
central sau 7 intervale succesive sunt descresctoare.


Cauze posibile:
mbuntirea procesului productiv;

lipsa experienei controlorului;

o relaxare a cerinelor privind calitatea produsului.
252
4. O grupare a mai multor puncte n jurul liniei centrale a
diagramei (2/3 din punctele diagramei se gsesc n treimea
central a acesteia)


Cauze posibile:
o eroare de calcul a fraciunii defective;

o eroare de determinare a limitelor de control;

efectuarea unor preselectri ale pieselor, nainte ca acestea s
fie verificate.
253
5. Gruparea valorilor ctre limitele de control (mai puin de 1/3 din
punctele diagramei se gsesc n treimea central)


Cauze posibile:
erori de calcul;

o eantionare nentmpltoare;

variaii mari ale efectivelor probelor.
254
Exemplu:
Fia p se folosete atunci cnd se reprezint grafic:

1) Defective

2) Sunt satisfcute ipotezele distribuiei Binomiale

3) Eantionul este variabil (se pot reprezenta i eantioane
constante

Fiecare observaie este independent.

Scopul este s se determine limitele de control (LCS i LCI) i s se
determine performana n timp a procesului.

Aceast fi prezint proporia de uniti defective ntr-un eantion
variabil sau constant.
255
Fiecare eantion trebuie s aib o mrime astfel nct s conin cel
puin un defect.

Dac nivelul defectiv este redus, ( mrimea eantionului x
procentul mediu de defective < 5) atunci se aplic limitele exacte ale
distribuiei binomiale.

Nu trebuie folosit fia atunci cnd un singur defect scoate
procesul din control.

Fia se folosete n mod normal pentru a detecta deplasri > 1,5 .

Pentru a detecta deplasri mai mici sau mai rapide se folosesc alte
fie de control ce pot fi aplicate la date variabile sau atributive ca de
exemplu Exponentially Weighted Moving Average (EWMA) sau
Cumulative Sum of Quality Characteristic Measurement (CUSUM).


Aceasta este cea mai sensibil fi de control prin atribute.
256
?
?
257
258
259
2.2.6.5 Fia np
Reprezint o variant a fiei p i se poate utiliza n cazurile n
care efectivele eantioanelor prelevate sunt constante.


Fia np se aplic cu precdere la acele procese productive care,
prin nsi tehnologia aplicat, realizeaz grupuri de piese cu
efective egale.


De exemplu, la fabricarea hrtiei, n finalul procesului, colile format
A4 sunt grupate n topuri de cte 500 de buci.


La anumite intervale de timp se extrage un pachet care este supus
verificrii.
260
1. Calculul limitelor de control
determinarea numrului mediu de piese neconforme
descoperite n k eantioane succesiv extrase (k = 20 - 25)
k
i
i 1
(np)
np
k
=
=

(2.46)
np
np
LCS np 3 np (1 )
n
= +
np
np
LCI np 3 np (1 )
n
=
(2.45)
(2.47)
261
1. Interpretarea fiei np
Regulile de interpretare ale fiei np sunt n
totalitate identice cu cele aferente fiei p,
cauzele generatoare ale instabilitii procesului
fiind aceleai.
262
Exemplu:
Fia np se folosete atunci cnd se reprezint grafic:

1) Defective

2) Sunt satisfcute ipotezele distribuiei Binomiale

3) Eantionul este constant (mrime constant a subgrupurilor)

Fiecare observaie este independent.

Scopul este s se determine limitele de control (LCS i LCI) i s se
determine performana n timp a procesului.

Aceast fi prezint numrul de uniti (piese) defective.

Fiecare unitate (pies) poate avea unul sau mai multe defecte care o
fac defectiv.
263
Mrimea constant a subgrupurilor (eantionului) permite valori
constante pentru limitele de control, nemaifiind necesar
recalcularea limitelor de control pentru fiecare subgrup
(eantion).

Dac nivelul defectiv este redus, ( mrimea eantionului x
procentul mediu de defective < 5) atunci se aplic limitele exacte ale
distribuiei binomiale.

Fia se folosete n mod normal pentru a detecta deplasri > 1,5 .

Pentru a detecta deplasri mai mici sau mai rapide se folosesc alte
fie de control ce pot fi aplicate la date variabile sau atributive ca de
exemplu Exponentially Weighted Moving Average (EWMA) sau
Cumulative Sum of Quality Characteristic Measurement (CUSUM).
264
?
?
265
266
267
2.2.6.6 Fia c
Fiele c i fiele u fac parte din categoria acelor
instrumente puse la dispoziie de ctre statistica
matematic cu ajutorul crora se poate analiza numrul
defectelor care afecteaz o unitate de produs sau mai
multe piese ale unui eantion.
Defect = nerespectarea de ctre un produs a specificaiilor impuse
uneia din caracteristicile de calitate care l definesc, cu
alte cuvinte, orice abatere de la calitatea prescris (o pat
pe o suprafa de hrtie, o discontinuitate a unui cordon
de sudur, o bul de aer ntr-un obiect de sticl etc).


Defectivul este definit ca reprezentnd acel produs care are
nglobate n el unul sau mai multe defecte.
268
Defecte critice = acele neconformiti care pot conduce la
lips de securitate sau la riscuri de
accidentare a utilizatorilor. Defecte critice
sunt i acelea care mpiedic ndeplinirea
funciei pentru care a fost creat un produs.


Defecte majore, care, fr s fie critice, pot provoca un
dereglaj sau reduc n mod substanial
posibilitatea de utilizare a produsului
respectiv;


Defecte minore, care, comparativ cu specificaiile prescrise,
constituie abateri ce afecteaz doar ntr-o
mic msur funcionarea sau utilizarea
unui produs.
269
Defect critic la sistemul de frnare
Defect major la sistemul de propulsie
Defect minor la tergtor
270
Fiecare din cele trei tipuri de defecte se poate mpri n subclase
(de exemplu: defecte majore de tipul A i de tipul B).

Se recomand ns ca la analizarea unui produs, numrul total al
claselor i subclaselor s fie de maximum patru.
Defective critice, adic acele produse care nglobeaz unul sau mai
multe defecte critice, fr ca prin aceasta s se
exclud prezena celorlalte tipuri de defecte (majore
i/sau minore);


Defective majore sau produsele care cuprind cel puin un defect
major, neexcluzndu-se prezena i a unora minore;


Defective minore, adic acele uniti de produs care includ unul sau
mai multe defecte minore.
271
Datorit faptului c cele trei categorii de defecte care pot
afecta un produs difer ca importan, la ntocmirea fielor
c i fielor u trebuie s se in cont de acest lucru.


Astfel, atunci cnd se nsumeaz numrul defectelor aferente
unui produs sau unui eantion, fiecrei clase de defecte i se
asociaz un coeficient de pondere, dup cum urmeaz:

pentru defectele critice, coeficientul A;

pentru defectele majore, coeficientul B;

pentru defectele minore, coeficientul C.

A > B > C
272
Fia de control c are ca scop determinarea stabilitii unui
proces tehnologic prin contabilizarea numrului de defecte care
afecteaz produsele unui eantion.


Principalele etape care trebuie s fie parcurse pentru ntocmirea fiei
sunt urmtoarele:


1. Culegerea datelor;

2. Calculul limitelor de control;

3. Interpretarea fiei.
273
1. Culegerea datelor
Se preleveaz circa 25 de eantioane de efectiv constant,
constituite dintr-una sau mai multe uniti de produs.


De obicei, mrimea eantionului se alege astfel nct numrul
mediu al defectelor descoperite s fie de minimum dou.


Pentru obinerea unei sensibiliti mai ridicate a controlului
se recomand ca efectivele probelor s fie ct mai mari, astfel
nct numrul defectelor s fie i el crescut.
274
2. Calculul limitelor de control
media aritmetic a numrului de defecte care sunt
descoperite n toate cele k eantioane prelevate:
k
i
i 1
c
c
k
=
=

(2.48)
c
LCS c 3 c = +
c
LCI c 3 c =
(2.49)
(2.50)
275
3. Interpretarea fiei
Dac un punct se afl deasupra limitei superioare de control,
procesul tehnologic analizat este instabil, produsele fabricate
dup penultimul control trebuind s fie ndeprtate de la
main.

Dac este posibil acestor produse li se face un control
bucat cu bucat, n caz contrar ele fiind declarate
rebuturi.


n cazul n care punctul care reprezint numrul de defecte se
afl sub limita inferioar de control, procesul tehnologic este,
de asemenea, instabil.

ntreaga producie realizat de la penultimul control este
considerat, n acest caz, ca fiind corespunztoare

Dac toate punctele de pe fi se afl ntre limitele de control,
procesul tehnologic este, n general, declarat stabil, putnd
ns s existe anumite situaii pentru care se impune
acceptarea strii de instabilitate.
276
Exemplu:
Fia c se folosete atunci cnd se reprezint grafic:

1) Defecte

2) Sunt satisfcute ipotezele distribuiei Poisson

3) Eantionul este constant (mrime constant a subgrupurilor)

Fiecare observaie este independent.

Scopul este s se determine limitele de control (LCS i LCI) i s se
determine performana n timp a procesului.

Aceast fi prezint numrul de defecte din eantioane.

277
Dac nivelul defectelor este sczut atunci se aplic limitele exacte
ale distribuiei Poisson, DPU < 1,5 (Defecte/Unitate).


Fia se folosete n mod normal pentru a detecta deplasri > 1,5 .


Pentru a detecta deplasri mai mici sau mai rapide se folosesc alte
fie de control ce pot fi aplicate la date variabile sau atributive ca de
exemplu Exponentially Weighted Moving Average (EWMA) sau
Cumulative Sum of Quality Characteristic Measurement (CUSUM).
Se prezint n continuare datele obinute din 25 de eantioane de
mrime constant.

n toate eantioanele au fost inspectate 12 uniti. n primul
eantion au fost gsite 10 defecte, dar aceasta nu spune c toate
cele 10 defecte au fost gsite la o unitate sau n ce cantitate, spune
simplu c au fost n total 10 defecte gsite la cele 12 uniti din
eantionul 1.
278
?
?
279
280
281
2.2.6.7 Fia u
Cu ajutorul acestui tip de fi se detecteaz starea stabil sau
instabil a unui proces de fabricaie, mrimea de control
utilizat fiind numrul de defecte pe unitatea de produs.
Efectivele eantioanelor nu mai trebuie s fie egale, totui, din
raiuni de simplificare a calculelor referitoare la limitele de control,
mrimile probelor vor fi apropiate ca valoare (sunt permise variaii
de 25% n raport cu media efectivelor).
282
1. Calculul limitelor de control
determinarea valorilor mrimii medii a eantioanelor extrase:
determinarea valorilor numerelor medii ale defectelor pe unitatea
de produs aferente tuturor probelor prelevate
k
i
i 1
k
i
i 1
c
u
n
=
=
=

(2.51)
k
i
i 1
n
n
k
=
=

(2.52)
283
(2.53)
(2.54)
u
u
LCS u 3
n
= +
u
u
LCI u 3
n
=
Interpretarea fiei u se bazeaz pe aceleai
reglementri ca i cele valabile n cazul fiei c.
284
Exemplu:
Fia u se folosete atunci cnd se reprezint grafic:

1) Defecte

2) Sunt satisfcute ipotezele distribuiei Poisson

3) Eantionul este variabil (mrime variabil a subgrupurilor)

Fiecare observaie este independent.

Scopul este s se determine limitele de control (LCS i LCI) i s se
determine performana n timp a procesului.

Aceast fi prezint numrul de defecte pe unitate din eantioane
variabile.

285
Dac nivelul defectelor este sczut atunci se aplic limitele exacte
ale distribuiei Poisson, DPU < 1,5 (Defecte/Unitate).


Fia se folosete n mod normal pentru a detecta deplasri > 1,5 .


Pentru a detecta deplasri mai mici sau mai rapide se folosesc alte
fie de control ce pot fi aplicate la date variabile sau atributive ca de
exemplu Exponentially Weighted Moving Average (EWMA) sau
Cumulative Sum of Quality Characteristic Measurement (CUSUM).
286
?
?
287
288
289
CAPITOLUL III
INSTRUMENTE UTILIZATE N MANAGEMENTUL I
STRATEGIA CALITII
3.1 Instrumente pentru identificarea problemelor prin prelucrarea datelor
a. Fie i formulare de nregistrare
Formulare de colectare a datelor
Fia de verificare Check Sheet
Foaia de prelevare propus de Ishikawa

b. Grafice
Grafice cu coloane i bare
Grafice liniare
Grafice circulare
Histograme
Tabele
Poligonul frecvenelor
Diagrama Pareto
Diagrama de corelaie
Grafice radar
Diagrama desfurat
Diagrama lipsurilor
Fiele de control


c. Tabloul de bord
290
Grafice radar Spider Chart pentru compararea mai
multor caracteristici

Fig. 3.1 Grafic radar pentru compararea bugetului alocat cu cel cheltuit
Pentru nelegerea variaiei ratei
defectelor ntre dou site-uri
Site-ul B are o rat a defectelor mai mare ca
site-ul A
Rata defectelor Site ului A pare stabil
Rata defectelor Site ului B pare s creasc
1. Definirea obiectivului
Date Site A Site B
30-Sep 1.18 1.85
07-Oct 1.37 2.09
14-Oct 1.40 1.82
21-Oct 1.37 1.93
28-Oct 1.40 2.16
04-Nov 1.19 2.07
11-Nov 1.03 2.11
18-Nov 1.07 2.03
25-Nov 1.06 2.35
02-Dec 1.07 2.47
09-Dec 1.28 2.40
16-Dec 1.14 2.22
23-Dec 1.27 2.47
30-Dec 1.03 2.31
06-Jan 1.06 2.53
13-Jan 1.04 2.67
20-Jan 1.15 2.39
27-Jan 1.27 2.76
03-Feb 1.03 2.52
10-Feb 1.14 2.58
17-Feb 1.10 2.75
24-Feb 1.29 2.85
03-Mar 1.22 2.96
10-Mar 1.20 2.71
17-Mar 1.21 2.79
% defect rate
2. Colectarea datelor
% defect rates
0.00
0.50
1.00
1.50
2.00
2.50
3.00
3.50
3
0
/
0
9
/
0
2
1
4
/
1
0
/
0
2
2
8
/
1
0
/
0
2
1
1
/
1
1
/
0
2
2
5
/
1
1
/
0
2
0
9
/
1
2
/
0
2
2
3
/
1
2
/
0
2
0
6
/
0
1
/
0
3
2
0
/
0
1
/
0
3
0
3
/
0
2
/
0
3
1
7
/
0
2
/
0
3
0
3
/
0
3
/
0
3
1
7
/
0
3
/
0
3
Time
%

d
e
f
e
c
t

r
a
t
e
Site A
Site B
4. Analiza rezultatelor
3. Trasare graficului
Diagrama desfurat Run Diagram pentru evidenierea apariiei
sau frecvenei unui eveniment n decursul timpului
Fig. 3.2 Diagrama desfurat i modul de interpretare
Ratele defectelor %
Data
Ratele defectrilor %
R
a
t
a

d
e
f
e
c
t
e
l
o
r

%

Timp
292
Exemplu 1: Diagrama desfurat pentru un proces cu evoluie ciclic
Exemplu 2: Diagrama desfurat pentru un proces cu trend cresctor
Exemplu 3: Diagrama desfurat pentru un proces cu salt semnificativ
293
Diagrama lipsurilor Defect Concentration Diagram se marcheaz cu
x sau fiecare apariie a unui defect, neconformitate etc, pe desenul
sau schia produsului, n dreptul zonei sau poziiei afectate.
Exemplu:
294
c. Tabloul de bord
Tabloul de bord ofer o imagine cumulat, sintetic a activitii,
prezint informaii cu un grad mare de prelucrare, pentru o viziune rapid de
ansamblu cu privire la funcionarea organizaiei. Astfel, ofer
posibilitatea conducerii s acioneze ct mai prompt n luarea de decizii
si msuri corective.
Fig. 3.3 Tabloul de bord
295
3.2 Instrumente pentru analiza i identificarea cauzelor
a. Tehnica de lucru n grup sau n echip

b. Brainstorming

c. Sinectica

d. Tehnica Delberg

e. Tehnica Delphi

f. Tehnica cercurilor calitii

g. Analiza diagnostic

h. Tehnica auditului

i. Tehnica rezolvrii problemelor



296
j. Instrumente utilizate n analiza managerial

Diagrama afinitilor
Diagrama arbore
Diagrama relaiilor
Diagrama matriceal
Diagrama cmpului de fore
Chestionarul CCUCC
Chestionarul Cei 5 De ce?
Analiza SWOT
Diagrama Pareto
Grila prioritilor
Grila eficacitii / eficienei



297
i. Tehnica rezolvrii problemelor Problem Solving Technique
Fig. 3.4 Etapele de desfurare ale tehnicii rezolvrii problemelor
298
j. Instrumente utilizate n analiza managerial

Diagrama afinitilor K-J Method
Metoda K-J, cunoscut i sub numele de
Diagrama Afinitilor a fost dezvoltat de
antropologul i etnogeograful japonez
Kawakita Jiro n anii 1960 i a devenit
unul din cele apte Instrumente de
Management i Planificare folosite n
Total Quality Control.
Kawakita Jiro
299
Diagrama afinitilor reprezint structural relaiile (afinitile) dintre
ideile (opiniile, refleciile) referitoare la un anumit aspect sau la o
anumit problem.

Aceste idei sunt grupate pe familii i apoi este stabilit relaia
(afinitatea) dintre familiile de idei afiate

Dup ce au fost colectate un numr suifcient de mare de idei referitoare la
o anumit problem, se organizeaz informaiile pe grupe, pe baza
relaiilor naturale care exist ntr ele

Procesul este conceput s stimuleze creativitatea i participarea
total, derulndu-se pe grupe de maxim 8 membri

Acest instrument poate fi folosit pentru organizarea ideilor generate de
Brainstorming
300
a) Se enun subiectul n termeni generali (detaliile pot duna
rspunsurilor)

b) Se nregistreaz un numr ct mai mare de idei (opinii, considerente)
individuale pe fie (una pe fi)

c) Se amestec fiele i se mprtie aleatoriu pe o mas mare

d) Se grupeaz fiele astfel;

- se sorteaz pe grupe fiele ntre care par s existe legturi;
- se limiteaz la 10 numrul de grupuri (fr a fora formarea de
grupuri dintr-o singur fi);
- se alege sau se creeaz o fi principal care s reprezinte
semnificaia fiecrei grupe;
- se aeaz deasupra aceast fi principal.
Standardul ISO 9000-4 sugereaz urmtoarele etape de desfurare
pentru construirea diagramei afinitilor:

301
Exemplu: Robot telefonic
Fig. 3.5 Dispunerea aleatoare a datelor n diagrama afinitilor
302
Tab. 3.1 Organizare datelor pe grupe n diagrama afinitilor
Mesaje de lungime variabil
Afiarea orei i datei
Nu nregistreaz apeluri
Indic numrul de mesaje
Mesaje primite
Cod acces secret
Muf pentru casc
Confidenialitate
Instruciuni clare
Fi de referire rapid
Instruciuni
Comenzi clar marcate
Uor de utilizat
Se poate aciona prin telefon
Comenzi
Uor de ters
terge mesaje selectate
tergere
303
304
Diagrama arbore
Diagrama arbore este utilizat pentru indicarea relaiilor
dintre un subiect i elementele sale componente.

Aceast diagram recurge la descompunerea sistematic
a unui subiect n elementele sale componente pentru
indicarea legturilor logice i secveniale.

Diagrama arbore poate fi utilizat n planificarea i n
rezolvarea problemelor n care se urmrete realizarea
unui obiectiv (scop, efect) prin aplicarea unor msuri sau
metode.

Diagrama se aseamn cu un arbore, cu un numr
cresctor de ramuri.
305
Procedura pentru utilizarea acestui instrument este urmtoarea:

a) Se enun clar i simplu subiectul ce urmeaz s fie studiat sau
obiectivul care trebuie atins.

b) Se definesc categoriile principale ale subiectului, respectiv msurile
ce se pot aplica pentru realizarea obiectivului fixat.

c) Se construiete diagrama prin aezarea subiectului (respectiv
obiectivului) ntr-o caset n partea stng a colii de hrtie. Se
ramific categoriile principale lateral nspre dreapta n vederea
descompunerii lor.

d) Pentru fiecare categorie principal se definesc elementele
componente i sub-elementele.

e) Se ramific lateral nspre dreapta elementele componente i sub-
elementele pentru fiecare categorie principal.

f) Se analizeaz diagrama pentru a se asigura c nu exist lacune n
ordinea secvenial sau logic.
306
Un exemplu de diagram arbore pentru un proces tehnologic este
dat n figura 3.6

Diagrama arbore se poate utiliza pentru evaluarea metodelor i
msurilor ce trebuie aplicate atunci cnd exist mai multe posibiliti
de rezolvare a problemei, de ndeplinire a obiectivului dorit.
Fig. 3.6 Factorii de influen asupra rugozitii suprafeelor
307
Diagrama relaiilor
Diagrama relaiilor permite identificarea legturilor logice dintre diferitele
cauze ale unei probleme precum i a relaiei dintre aceste probleme care
particip la apariia unei deficiene sau probleme funcionale (fiecare
problem n sine poate fi un efect al unei probleme cauz)
Fig. 3.7 Diagrama relaiilor
308

1. Se adaug un simbol pentru fiecare element implicat n problem.

2. Se compar fiecare element cu toate celelalte.

3. Se folosesc sgei de influen pentru conectarea elementelor
care sunt n relaie (sgeta va fi desenat de la elementul care
influeneaz spre cel influenat). Influenele mai slabe se deseneaz
cu linie punctat iar cele mai puternice cu linie plin.

4. Dac dou elemente se influeneaz reciproc, sgeata va fi astfel
desenat nct s reflecte influena mai puternic. (nu se deseneaz
sgei cu dou vrfuri).

5. Elementele care au cele mai multe sgei care ies vor fi
considerate cauze de baz sau drivere.

6. Cele care au cele mai multe sgei care intr vor deveni ieiri sau
rezultate.
Construirea diagramei relaiilor
309
310
Observaie:
311
312
313
314
315
Diagrama matriceal
Diagrama matriceal permite evidenierea relaiilor ntre rezultate
i cauze sau ntre obiective i metode atunci cnd intervin mai
muli factori
Etapele crerii unei diagrame matriceale:
1. Se decide ce grup de elemente trebuie comparate.

2. Se alege tipul corespunztor de diagram matriceal (L, T, X, Y, C).

3. Se listeaz elementele fiecrui grup de-alungul axelor diagramei
matriceale.

4. Se compar fiecare element cu criteriul stabilit, indicnd simbolul
corespunztor la intersecia celor dou elemente.

5. Se analizeaz diagrama matriceal pentru existen relaiilor i a
nivelului acestora.
316
Consideraii la etapa 3:

Problemele, variantele, conflictele, deciziile, metodele
poteniale sunt listate pe axa vertical.

Criteriile, elementele de evaluare, cerinele, cracteristicile sunt
listate n partea superioar.

Criteriile reprezint ceea ce este important pentru evaluare.
Fiecrui criteriu i se poate desemna o pondere relativ pentru
a evalua importana.
Se pot utiliza simboluri pentru a stabili intensitatea
legturilor (relaiilor).

Criteriile sunt adesea alese astfel nct s indice impactul major,
importana cea mai mare, cea mai mic dificultate, cea mai
mare probabilitate de succes etc.
317
Observaii
Relaie puternic
Relaie moderat
Relaie slab sau potenial; nicio relaie
Simbolurile pot oferi informaii calitative importante pentru
rezolvarea problemelor i indic intensitatea relaiilor sau rolul
oamenilor / activitilor.
+ Pozitiv
0 Neutru
- Negativ
Scal de evaluare grad numeric, msuri ponderate

1 = mic msur 2 = oarecare msur 3 = mare msur
1 = puin spre 5 = mult
1 = maxim 2 = mediu 3 = minim
318
Item 1
Item 2
Item 3
Item 4
Item 5
Fig. 3.8 Matrice n L Compar dou seturi de date

319
Item 1
Item 2
Item 3
Item 4
Item 5
Item I
Item II
Item III
Item IV
Item V
Fig. 3.9 Matrice n T Compar un set de date cu alte dou, pe perechi
320
Item 1
Item 2
Item 3
Item I
Item II
Item III
Fig. 3.10 Matrice n X Compar patru seturi de date, fiecare cu alte
dou, pe perechi
321
Item 1
Item 2
Item 3
Item 4
Item 5
Fig. 3.11 Matrice n Y Compar trei seturi de date, fiecare cu
fiecare, pe perechi
322
Item 1
Item 2
Item 3
Item 4
Item 5
Item A
Item B
Item C
Item D
Item E
Fig. 3.12 Matrice n C Compar trei seturi de date fiecare cu fiecare, simultan
323
Acest exemplu prezint legtura (relaia) dintre 4 modele de produs cu
locaia lor de fabricare i cu clienii.

Se utilizeaz o matrice n T, fcndu-se comparaia a 3 grupuri, astfel,
grupul 1 (Locaia) i grupul 2 (Clienii) se compar fiecare cu grupul 3
(Modelul de produs), grupurile 1 i 2 nefiind comparate ntre ele.
Exemplu:
324
Exemplu:
Volum mare
Volum mic
Aceast matrice n X, extinde matricea n T precedent pentru a include
relaiile ntre transportatori cu locaiile de fabricare pe care le deservesc i
cu clienii care le folosesc. Fiecare ax este este relaionat cu cele dou
grupuri adiacente dar nu cu cele de vis-a-vis.
Matricea n X compar patru grupuri. Fiecare grup este n legtur (relaie)
cu alte dou grupuri.
325
Un ofer de taxi ntr-un ora mare se afl n competiie pentru clieni pe
strzi, la aeroport etc, genernd perioade lungi de ateptare, timp n care se
pierd sume poteniale de bani importante.

De acea compania de taxiuri s-a specializat n preluare de comenzi pre-
planificate de la clieni ca hoteluri, spitale, firme private.

Aceast strategie a fos un succes ns, n ultima perioad, au fost primite
multe plngeri de la clieni referitoare la preluri i deplasri ntrziate,
maini murdare, oferi nepoliticoi i altele mai puin importante.

Fiabilitatea, serviciile i ncrederea clienilor au fost cruciale pentru succes,
aa c aceast problem trebuie rezolvat.

Administraia, dispeceratul central i oferii consider c principala cauz
pentru ntrzieri este traficul imprevizibil dar c exist i alte cauze.

O echip de mbuntire a folosit o diagram matriceal s vad dac i
celelalte cauze posibile sunt importante.
Exemplu: Clienii se plng de serviciile oferite de o companie de taxi
326
327
328
329
Diagrama cmpului de fore Force Field Analysis
Diagrama cmpului de fore evideniaz forele (cauzele) care sunt
pentru i mpotriva (status-quo) atingerea unui obiectiv pe o
diagram, de o parte i de alta a unei linii verticale. Ideea de baz este
de a evidenia i de a concentra efortul nspre reducerea forelor
(cauzelor) care sunt contra atingerii obiectivului.Diagrama se utilizeaz
n situaia implementrii schimbrilor ntr-o organizaie.
Fig. 3.13 Diagrama cmpului de fore
330
Chestionarul CCUCC - Cine? Ce? Unde? Cnd? Cum?
Acest chestionar evideniaz toate dimensiunile unei situaii
(probleme, cauze, fenomene etc.) prin rspunsurile la ntrbrile:
Cine (cine trebuie s fac / s nu fac);

Ce (ce trebuie fcut / ar trebui s se fac);

Unde (unde trebui s se fac / s nu se fac / ar trebui s se fac);

Cnd (cum trebuie s se fac / moment / frecven);

Cum (cum trebuie s se fac, n ce msur)
Metoda s-a dezvoltat ulterior n:
CCUCCD - Cine Ce Unde Cnd Cum De ce
i apoi n:
CCUCCDC - Cine Ce Unde Cnd Cum De ce Ct (n ce msur)
331
Chestionarul Cei 5 De ce? 5-Why
Acest chestionar evideniaz adevratele cauze (rdcina cauzei) ale
unei neconformiti, nefuncionaliti, probleme, deficiene etc., prin
ntrebarea De ce? dup fiecare cauz identificat succesiv, de cinci ori.

O variant este chestionarul Cei 5 Cum? 5-How
Taiichi Ohno
(1912 1990)
Creatorul tehnicii 5-Why Taiichi Ohno a fost un
proeminent om de afaceri japonez. Este considerat
printele Toyota Production System (TPS) care a
devenit ulterior n SUA, Lean Manufacturing.

Principiile lui Ohno au influenat i zone din afara
produciei, extinzndu-se i n zona serviciilor. De
exemplu, domeniul Sales Process Engineering a
artat cum conceptul JIT (Just In Time) poate
mbunti vnzrile, marketingul i procesele de
service ale clienilor.
332
1. De ce s-a oprit robotul?

Circuitul s-a suprancrcat, cauznd ca o siguran s se ard.

2. De ce s-a suprancrcat circuitul?

Lagrele nu au fost suficient lubrificate aa c s-au blocat.

3. De ce a fost insuficient lubrefierea lagrelor?

Pompa de ulei a robotului nu circul suficient ulei.

4. De ce pompa nu circul suficient ulei?

Admisia pompei este nfundat cu pan.

5. De ce admisia este nfundat cu pan?

Pentru c pompa nu are filtru.
Taiichi Ohno, este citat ca folosind urmtorul exemplu pentru a
demonstra utilizarea metodei 5-Why, pentru analiza cauzei de baz
(rdcina) Root Cause Analysis:
333
334
335
Metoda 5-Why RCFA (Root Cause Failure Analysis) (5 De ce extins)
Metoda 5-Why a analizei cauzei de baz (rdcina) necesit
rspunsul la ntrebrile a cum apar cauzele secveniale a
evenimentelor cderilor i s se identifice traiectul cauz-efect al
cderilor.

Se pune ntrebarea De ce? pentru a afla fiecare element cauzator
anterior pn cnd se presupune c se ajunge la cauza de baz
(rdcin) a incidentului.

Din pcate se poate ajunge uor la o concluzie greit.

La o ntrebare De ce? rspunsurile pot fi multiple i dac nu
exist certitudinea c un rspuns este cel corect exist posibilitatea
s se fi urmat un traiect greit al cderilor.
336
Descrierea metodei 5-Why RCFA (Root Cause Failure Analysis)
Metoda 5-Why RCFA utilizeaz un instrument numit Arbore cauz-
efect sau Arbore - De ce (Why Tree) i care permite identificarea
interaciunilor dintre cauze.

Uneori numai o cauz genereaz un eveniment, alteori sunt necesar
mai multe cauze pentru a produce un efect.

Chiar pentru probleme simple, arborele poate crete foarte mult cu
numeroase ramuri cauz-efect.

Exist opinii c 7 ntrebri De ce? sunt mai eficiente ca 5 ntrebri,
acestea nefiind suficiente pentru descoperirea adevrului latent care
iniiaz incidentul.

Metoda 5-Why RCFA utilizeaz un Tabel De Ce pentru a prezenta
secvenial ntrebrile i rspunsurile la acestea.

n tabelul urmtor se prezint un exemplu pentru ntrzierea n livrare
care a fcut ca o organizaie s piard un client important.
337
Tabel ntrebri 5 De Ce
Membrii: Data:
Problema: Pe drumul spre cas de la servici, maina s-a oprit n mijlocul drumului.

Estimarea costului total: Deplasare cu taxiul x 2 = 50$, 2 ore pierdute = 100 $, Ordinul a ajuns trziu la client
deoarece agentul nu a ajuns la servici n timp util pentru a lansa livrarea i clientul a impus o penalitate la contract
de 25,000$. Clientul a pierdut i potenialele viitoare venituri de la acesta (se estimeaz la 2 millioane de $ n
urmtorii10 ani).

Soluia recomandat: O carte de credit la purttor pentru accesare banilor atunci cnd este necesar.
Probleme latente: Cheltuirea tuturor banilor la poker arat lips de control personal i responsabilitate asupra banilor.
nrebri De ce? Rspunsuri
(cu ce, cnd, unde, cum, ct de mult)
Evidene Soluie
1. De ce s-a oprit maina?

Deoarece a rmas fr benzin pe un
drum lturalnic n drum spre cas.

Maina s-a oprit
n drum

2. De ce a rmas fr benzin?

Pentru c nu am pus benzin n
aceast diminea n drumul spre
servici.

Indicatorul de
benzin a artat
gol

Sun la servici i s
vin cineva s te
recupereze

3. De nu ai cumprat benzin
de diminea?

Pentru c nu am avut bani la mine s
cumpr benzin.
Nu erau bani n
portofel

Pstreaz o carte de
credit n portofel

4. De ce nu ai avut bani?

Pentru c am pierdut banii la poker
jucnd cu prietenii mei, acas la unul
dintre ei.

Se joac poker n
fiecare mari seara

Nu mai merge la poker

5. De ce ai pierdut banii la
poker asear?

Pentru c nu tiu s blufez cnd am
cri proaste i ceilali ridic miza.

S-au pierdut bani la
multe jocuri de
poker

Du-te la un curs de
poker i nva s
blufezi
6. De ce
a. Construirea tabelului 5 De ce?
Exemplu: ntrzierea n livrare care a fcut s se piard un client important
338
b. Construirea arborelui 5 De ce? pe rnd cte un nivel cauzal
Numai utilizarea tabelului 5 De ce este permis atunci cnd exist
o singur cauz pentru fiecere efect listat n tabel.
Conectivitatea logic ntre evenimente i toate cauzele lor poate fi
observat construind un arbore 5 De ce.

Trebuie construit arborele 5 De ce, pe rnd pe cte un nivel i apoi s
se pun ntrebrile pentru pentru a afla traiectul real la acel nivel cauzal.
n figura urmtoare se prezint un arbore 5 De ce parial pentru o
main oprit (un arbore complet ar fi imens).

Echipa de analiz folosete experiena i cunotinele lor colective pentru
determinarea cauzelor pentru oprirea mainii pentru a dezvolta logic
primul nivel al arborelui 5 De ce.

Odat identificate toate cauzele de nivel 1 posibile, se pune ntrebarea
De ce? pentru a afla care sunt cauzele de nivel 1 reale.
339
Exemplu: Arbore De ce parial pentru oprirea motorului unei maini de pasageri
340
Motorul unei maini de pasageri se pate opri din cauza cderii
sistemului electric SAU cderea sistemului de alimentare SAU
pierderea compresiei motorului.

Fiecare cauz este presupus a fi independent astfel nct
conexiunile la evenimentul de cdere (din vrf) sunt cunoscute ca
pori SAU.

Se observ din figura precedent c la partea superioar a
arborelui 5 De ce exist trei ramuri mergnd spre posibile cauze
de baz.

Dou se vor dovedi nereale i de aceea dezvoltarea lor nu are
sens (de aceea nu e bine s se dezvolte ntreg arborele de la prima
ntnire a echipei dac evidenele nu duc spre cauza de baz)

La fiecare nivel adevratul traiect al cderii trebuie identificat de
evidene i eliminate celelalte posibiliti.

Are sens dezvoltatea ramurilor care nu cauzeaz evenimentul
de cdere de la vrf numai dac se face o analiz de risc i nu o
analiz a cderilor.
341
n figura urmtoare prima ntrebare De ce? este De ce s-a
oprit maina?.

Rspunsul este c motorul a ncetat s funcioneze, evidena
este c maina nu mai repornete.

ntrebarea de nivel 2 este De s-a oprit motorul?.

O cdere critic a oricrei din componentele (electric,
alimentare, mecanic) care fac motorul s funcioneze, l va opri
din funcionare.
Evenimentul
cdere
Cauze de
nivelul 2
Cauze de
nivelul 1
342
La nivelul 2 exist trei motive posibile pentru care motorul s nu
funcioneze.

Nu trebuie pus ntrebarea de nivel 3 De ce? pn cnd nu
se cunoate rspunsul adevrat la ntrebarea De ce de
nivel 2.

Dac exist evidene sigure/adevrate, antunci echipa de
analiz va ti rspunsul adevrat la ntrebarea De ce de
nivel 2.

Dac nu exist evidene sigure/adevrate, membri din echip
vor fi trimii s investigheze evenimentele astfel nct s fie
identificat traiectul adevrat al cderii.

n figura urmtoare se prezint arborele 5 De ce pna la
nivelul cauzal 7.
343
Evenimentul
cdere
Cauze de
nivelul 1
Cauze de
nivelul 2
Cauze de
nivelul 3
Cauze de
nivelul 4
Cauze de
nivelul 5
Cauze de
nivelul 7
Cauze de
nivelul 6
344
c. Selectarea ntrebrii de nceput ct mai sus n arborele 5 De ce
Dac se selecteaz evenimentul cdere de vrf prea jos n
arborele 5 De ce, s-ar putea ca adevrata cauz s nu fie
aflat.

n cazul de fa, dac evenimentul cdere de vrf ar fi fost faptul
c motorul nu merge i am fi pus prima ntrebare De ce? de
forma De ce s-a oprit motorul?, am fi fcut presupunerea c
maina s-a oprit din cauza unei probleme cu motorul. Dar o main
se poate opri i din cauza unui accident (de exemplu lovind maina
din fa i avariind motorul)

n urmtoarea figur se arat importana ntrebrii De ce? ct
mai sus n arbore. Astfel, considernd evenimentul cdere de
vrf ca fiind faptul c maina s-a oprit i punnd prima
ntrebare De ce s-a oprit maina ne asigurm c toate
celelate cauze posibile de oprire a motorului au fost eliminate
de evidene.
345
Nefiind un accident de main, n mod logic, oprirea motorului s-a
datorat unei probleme cu motorul nsui.

Este mai bine s se nceap ct mai sus n arborele 5 De ce
i s se pun cteva ntrebri nu neaprat necesare, dar la care
s se poat rspunde uor dect s se porneasc prea jos cu
ntrebrile n arborele 5 De ce i s se rateze traiectul cauz
i efect real al incidentului (evenimentului).
Evenimentul
cdere
Cauze de
nivelul 2
Cauze de
nivelul 1
346
Observaie:
Cum se trateaz porile I n metoda 5-Why RCFA
Multe incidente de cdere necesit ca multiple cauze s se produc
simultan pentru a declana un eveniment ulterior (de nivel urmtor).

De exemplu, un foc necesit oxigen, combustibil i o surs de
aprindere, toate trei fiind necesare simultan.

ntr-un arbore 5 De ce pentru foc, va exista ntotdeauna
configuraia din figura urmtoare, cu combustibilul I oxigenul I sursa
de aprindere prezente.

n arborele 5 De ce, cele trei trec printr-o poart I.
Evenimentul
cdere
Cauze de
nivelul 1
347
n figura urmtoare exis dou cauze necesare simultan pentru
evenimentul Ap n distribuitor care formeaz o poart I

Pentru ca s fie ap n distribuitor trebuie s existe un fel de
gaur n acesta i simultan trebuie s existe ap pe acesta

Din pcate, un tabel 5 De ce nu acomodeaz pori I.

Dac exist o poart I n arborele 5 De ce, fiecare cauz
trebuie separat n propriul tabel 5 De ce.

Tabelul 5 De ce poate fi folosit singur numai dac exist o
singur cauz pentru fiecare efect. ns nu se poate ti dac
exist o singur cauz pn cnd nu se dezvolt acel nivel al
arborelui 5 De ce

n figura urmtoare se arat c sunt necesare 2 noi tabele 5
De ce unul pentru Distribuitorul nu este etan i unul
pentru Distribuitorul are ap pe el
348
Evenimentul
cdere
Cauze de
nivelul 1
Cauze de
nivelul 2
Cauze de
nivelul 3
Cauze de
nivelul 4
Cauze de
nivelul 5
Cauze de
nivelul 7
Cauze de
nivelul 6
349
d. Identificarea cauzelor latente
n tabelul 5 De ce s-a artat c livrarea nu a fost efectuat
de agent pentru c nu a ajuns la timp la servici.

S-a dovedit c acesta a pierdut toi banii la poker i nu a mai
avut bani s cumpere benzin s ajung la servici.

Pentru c livrarea nu a fost efectuat, organizaia a fost
penalizat i a pierdut afacerea pe termen lung.

Dei exist cteva rspunsuri posibile listate n tabelul 5 De ce
pentru problema de a nu a avea banii, ne-am oprit chiar nainte
de a pune cea mai important ntrebare De ce a pariat toi
banii pe care i avea?

Aceast persoan are o slujb nu foarte bine pltit, are familie
de ntreinut, are datorii de pltit i totui a pariat toi banii.

Un arbore 5 De ce referitor la deciza greit de a paria toi
banii este prezentat n figura urmtoare.
350
Cauze
latente
Valori i atitudini
personale
351
Nu a fost rezolvat adevrata cauz de baz (rdcina) a acestui
eveniment cdere problema cu jocul de poker al agentului. Aceast
problem este o cauz latent, care va rmne, ateptnd s cauzeze
mai multe necazuri n viitor.

Valorile i atitudinea acestui agent de tipul vine uor, pleac uor, au
cauzat de fapt evenimentul cdere cu consecinele pecuniare i de viitor
ale organizaiei, el fiind cel mai mare duman al su i al celorlali angajai.

Dac nu aflam c agentul are o problem cu jocurile de noroc nu am fi
putut afla adevrata cauz de baz (rdcina) a acestui eveniment
cdere.

De fapt dac am fi acionat cum s-a sugerat n tabelul 5 De ce, adic s i
dm o carte de credit n caz c rmne fr bani, l-am fi pus n situaia
riscant s intre n datorii i mai mari.

Numai dup aflarea cauzei latente putem face o alegere bun de a reduce
ansa repetrii problemei (s l lum de la locul faptei i s l aducem la
servici)
.
Observaii:
352
Managerul acestui agent are o dilem (evident agentul reprezint
un risc), s l concedieze sau s l repartizeze ntr-un post mai
puin important. Chiar i n alt post atitudinile i valorile agentului
sunt un pericol pentru organizaie.

Cauzele latente sunt cele mai importante (critice) dar sunt greu
de lucrat cu ele fiind adesea stnjenitoare pentru toi cei implicai.

Pn nu se tiu cauzele latente ce au declanat evenimentul
cdere i nu sunt eliminate sau prevenite, nu a fost atacat de
fapt adevrata cauz (rdcina)

Figura urmtoare arat c un incident poate fi iniial legat de
factorii fizici tiinifici ai cderii, mergnd n aval vom observa
evenimenele situaionale legate de circumstanele prezente n
acel moment. i mai n aval se pot observa cderile procesului
organizaiei ce permit s apar situaii nedorite iar n final se
ajunge n zona latenei unde atitudini i valori personale
penetreaz sistemul de protecie al organizaiei.

353
Incident
Cauze / Efecte
tiinifice
De ce 1
De ce 2 De ce 3
De ce 4
De ce 5 De ce 6
De ce 7
I
I
I
SAU
I
SAU
Cauze latente
Aciuni
datorate
incidentului
Cauzele
sistemului
Progresia incidentelor i a evenimentelor de cdere
354
Metoda 5 De ce- extins (5-Why RCFA) este simpl conceptual
dar necesit evidene reale, logic i disciplin n utilizare.

Se poate completa tabelul 5 De ce spre cauza adevrat
(rdcin) dac se construiete iniial arborele 5 De ce.

Exist multe incidente i evenimente care pot cauza cderea din
vrf i trebuie aflate ramurile cauzelor i efectelor spre spre cauza
(cauzele) adevrat (rdcin).

Dac se merge n direcia greit se vor rezolva problemele
greite lsnd pe dinafar cauza adevrat (rdcin). Acestea vor
rmne n organizaie ateptnd urmtoarea oportunitate de a
crea mai multe probleme.

Trebuie pstrate toate evidenale n cazul n care apare o cdere. Cu
fapte i evidene complete, reale, se pot afla cauzele adevrate care
pot fi apoi eliminate i prevenite.
Concluzii:
355
Grila prioritilor
Acest instrument evideniaz nivelul de urgen sau de prioritate al
activitilor prin situarea lor n unul din cele 4 cadrane de prioritate
Fig. 3.14 Grila prioritilor
Evaluarea urgenei i a importanei se face prin notarea acestora de
la 0 la 10. Se poate creea astfel o baz riguroas pentru alocrile de
resurse i concentrarea acestora spre activitile ierarhizate n
ordinea importanei i urgenei
Urgena
Importana
CADRANUL 2

Activiti urgente
dar neimportante
CADRANUL 1

Activiti importante,
urgente
CADRANUL 4

Activiti neurgente
i neimportante
CADRANUL 3

Activiti importante
dar neurgente
356
Grila eficacitii / eficienei
Standardul ISO 9000/2000 definete:

Eficacitatea: msura n care activitile planificate sunt
realizate i rezultatele planificate sunt atinse
Eficiena: relaia ntre rezultatul obinut i resursele utilizate
CADRANUL 3

Activiti eficiente dar
cu eficacitate sczut
CADRANUL 2

Activiti eficace dar
cu eficien scazut
CADRANUL 4

Activiti cu eficacitate
i eficien sczut
CADRANUL 1

Activiti eficace i eficiente
(munc poductiv
Eficacitatea
Eficiena
Fig. 3.15 Grila eficacitii / eficienei
Acest instrument evideniaz gradul de eficacitate i de eficien al
desfurrii activitilor prin situarea lor n unul din cele 4 cadrane.

Performana se obine doar dac activitile se situeaz n cadranul 1
357
3.3 Instrumente ale calitii utilizate n procesul decizional
a. Arborele decizional

b. Tabelul decizional

c. Tehnica bilanului

d. Tehnica ELECTRE
3.4 Instrumente ale calitii utilizate n strategia managerial
a. Planul calitii

b. Benchmarking

c. KAIZEN

d. Reingineria procesului de afaceri
358
Cunoscut ca Lean Guru i printele
mbuntirii continue Continuous
Improvement, Masaaki Imai a fost
pionierul i leaderul rspndirii filozofiei
Kaizen n ntreaga lume.

n 1985 a nfiinat Kaizen Institute pentru
sprijinirea companiilor n introducerea
conceptelor, sistemelor i instrumentelor
Kaizen.

n 1986 a publicat cartea Kaizen: The Key
to Japan's Competitive Success tradus n
14 limbi.

A fost prima carte care a introdus filozofia
LEAN i prezentnd succesele Toyota i
al altor companii japoneze philosophy to
the world
c. Ameliorarea calitii cu pai mici KAIZEN
Masaaki Imai
359
Aceast metod are la baz filozofia mbuntirii continue cu
pai mici n toate activitile organizaiei pentru satisfacerea
ateptrilor clienilor dar i implicarea total n acest demers
a tuturor managerilor i a ntregului personal al organizaiei,
fiecare ndeplinind un rol corespunztor cu poziia deinut.

Pe aceast filozofie se construiesc i se implementeaz
instrumente efective de lucru care permit contientizarea
participrii fiecrui angajat i crearea unor standarde de
referin care cer ameliorri continue, evidenierea
eficacitii i a rezultatelor obinute i n general crearea unui
climat al deschiderii, colaborrii, participrii, motivrii i a
unei continue inovri i creativiti
Principalele instrumente ale KAIZEN
ameliorarea continu folosind ciclul Shewhart (Deming) PDCA

ncurajarea i implementarea unui sistem eficient de sugestii
(ncurajarea pesonalului n a face sugestii, n a analiza i participa la
aplicarea soluiilor alese)
360

introducerea unor metode eficiente de analiz i identficare a cauzelor
bazate pe instrumenele: diagrama Ishikawa, Cei 5 De Ce

introducerea i aplicarea planificrii JIT (Just In Time)

introducerea i aplicarea metodei TPM (Total Productive Maintenance
(participarea efectiv a operatorilor la ntreinerea preventiv a utilajelor pe care
le folosesc i asigurarea unei funcionri mai bune a acestora cu consecina
reducerii cheltuielilor de ntreinere i reparaii)

aplicarea metodei 5 S

SEISO condiii de lucru curate tot timpul
SEITON ordonarea fiecrui lucru
SEIRI ndeprtarea lucrurilor inutile de la postul de lucru
SHITSUKE disciplin prin confomare la standardele de lucru i metode
SEIKESU meninerea igienei i ambianei plcute
361
3.5 Instrumente ale calitii utilizate n cadrul proceselor
a. Instrumente utilizate pentru identificarea, definirea, analiza
cerinelor i ateptrilor

Ascultarea vocii clientului
Modelul Kano
Analiza funcional a serviciilor produsului
Dezvoltarea funciei calitii
Caietul de sarcini funcional

b. Instrumente utilizate n proiectarea constructiv i tehnologic a
produsului

b1. Instrumente utilizate n controlul planificrii proiectului

Analiza drumului critic
Diagrama PERT
362
b2. Instrumente utilizate la examinarea proiectelor

Analiza funciunilor tehnice
Analiza robusteii proiectului Poiectarea Robust Taguchi
Analiza Modurilor de Defectare, a Efectelor i Criticitii lor (AMDEC)
Analiza Valorii
Analiza experimental a produsului
Analiza de omologare a produsului

c. Instrumente utilizate la fabricaia, inspecia, stocarea i livrarea
podusului

c1. Instrumente utilizate n controlul planificrii fabricaiei

Diagrama sau sinoptica procesului de fabricaie
Analiza i urmrirea planului de fabricaie

c3. Analiza siguranei n funcionare a procesului

c4. Analiza stocurilor

c5. Just In Time (JIT)
363
Ascultarea vocii clientului Voice Of Customer (VOC)
VOC este sintagma care denumete tehnica calitii prin care
funcia de marketing a organizaiei sau un colectiv de lucru
multidisciplinar recurge la urmtoarea succesiune de activiti:
Definirea segmentului de pia i a clienilor ale cror voci
(cerine, ateptri) urmeaz a fi ascultate


Stabilirea eantionului reprezentativ al clienilor


Stabilirea produsului/produselor care va face/vor face obiectul
studiului

364
Stabilirea aspectelor ce vor fi urmrite relativ la podus (modul
de achiziie, caracteristici/perfomane, cost, termene, standarde,
ntreinere, service etc.)


Stabilirea modului de ascultare a clientului (interviu
individual/grup, audio/video, chestionar, gril etc.)


Desfurarea aciunii propriu-zise


Analiza ideilor exprimate (frecven, regrupare, ponderare)


Definirea indicatorilor rezultai din analiza ideilor exprimate


Stabilirea aciunilor de corectare necesare, aplicarea lor i
urmrirea indicatorilor definii anterior
Organizaiile cheltuie muli bani pentru cercetarea pieei i intervievarea
clienilor, dar practicile curente nu rein cerinele clienilor n mod corect.

Organizaiile ncep -i dea seama c nu i neleg clienii aa de bine
precum credeau!!!
365
Pasul 1: Dezvoltarea strategiei Vocea Clientului (VOC)
Considerai-l ca un efort continuu...
Definii clar Clienii...
Folosii o gam larg de metode...
Cutai date specifice...
Urmrii tendinele...
Folosii corect informaiile...
Pornii cu obiective realiste.
Elemente eseniale privind sistemul Vocea Clientului (VOC):
Folosii Pasul 1 pentru a obine informaii despre nevoile i
comportamentul clienilor pentru a stabili linii directoare clare pentru
performan i satisfacia clienilor.

Odat definite cerinele concrete, performana actual poate fi
msurat iar strategia i focalizarea pe pia pot fi evaluate n raport
cu ateptrile i cerinele clienilor.
366
Pasul 2: Dezvoltarea standardelor de performan i a declaraiei de cerine
Tipuri de cerine: Ieiri i Service
Cerine de ieire - elemente i/sau caracteristici ale produsului final
sau serviciului care sunt livrate clientului la sfritul procesului.

Cerine de service - linii directoare despre cum trebuie tratai/servii
clienii n timpul desfurrii procesului ni.
De ce ne referim att la Cerine de Ieire ct i la Cerine de Service?
Toi clienii au aceste cerine

Clienii sunt ateni adesea n mod egal la ele, dac nu chiar mai mult
la Cerinele de Service.
367
Linii directoare privind Declaraia de Cerine...
1. Legarea de o Ieire specific sau Momentul Adevrului.

2. Descrierea unui criteriu (sau factor), unic de performan.

3. Flosirea factorilor observabili i/sau msurabili.

4. Stabilirea unui nivel de performan acceptabil sau inacceptabil.

5. Detaliere dar conciziune.

6. Potrivire sau validare de Vocea Clientului (VOC).
368
Etape spre definirea cerinelor...
1. Identificare situaiei de Ieire sau Service

2. Identificarea clientului sau segmentului clientului

3. Evaluarea datelor disponibile despre nevoile, ateptrile,
comentariile, plngerile clienilor etc.

4. Elaborarea unei Declaraii de Cerine iniiale.

5. Validarea cerinelor.

6. Rafinarea i finalizarea Declaraiei de Cerine.
369
Cerinele clienilor nu sunt egale iar clienii vor reciona diferit n
ceea ce privete un defect pentru cerine diferite.
Analiza Kano

Cerine de baz

Cerine variabile

Cerine latente
Pasul 3: Analiza i prioritizarea Cerinelor Clienilor
370
Noriaki Kano
Noriaki Kano este cel care a
dezvoltat Modelul Satisfaciei
Clientului (cunoscut ca i
Modelul Kano) care printr-o
schem simpl de ierarhizare
distinge ntre atributele
eseniale i difereniatoare
legate de conceptele calitii
clientului

Astfel Modelul Kano se
focalizeaz pe diferenierea
atributelor produsului i nu
cum se fcea iniial pe nevoile
clienilor.

De asemenea a propus o
metodologie pentru conectarea
rspunsurilor clienilor la un
chestionar special
Modelul Kano
371
Este foarte important pentru organizaii, n special pentru cele care
lucreaz la dezvoltarea de noi produse i servicii inovative, s
cunoasc nevoile i cerinele clienilor lor ct mai rapid.

Abordarea Crearea Calitii Atractive, cunoscut i sub numele de
Modelul Kano a aprut ca urmare a punerii sub semnul ntrebrii a
ideii tradiionale c acionnd mai intens asupra unui produs sau
serviciu atunci clientul va fi cu att mai mulumit.

Noriaki Kano a susinut c performana unui produs sau serviciu nu
este egal n ochii clienilor, n sensul c performana unor anumite
categorii de atribute ale produselor sau serviciilor, produce
niveluri mai mari de satisfacie dect a altora.

Noriaki Kano a mbuntit definiia calitii adugnd o nou
dimensiune acesteia, definiiile precedente ale calitii pn n acel
moment au fost liniare i unidimensionale.
372
Noriaki Kano a integrat calitatea unui model bidimensional, considernd
dou dimensiuni: modul n care se comport un produs sau serviciu din
punct de vedere al performanei (axa X), i gradul de satisfacie al
utilizatorului / clientului (axa Y).
Calitatea Unidimensional
Performan
Satisfacia utilizatorului
X
Inacceptabil Acceptabil
Acceptabil Inacceptabil
Fig. 3.16 Calitatea unidimensional
373
Y
Satisfacie
Performan
Acceptabil
X
Calitatea Bidimensional
Fig. 3.17 Calitatea bidimensional
374
...analiza problemelor clienilor n loc de a dorinelor clienilor
FOARTE IMPORTANT!!!
Dac clienii sunt ntrebai n faza de explorare numai despre dorinele
lor i despre motivele cumprrii, rezultatele sunt de obicei
dezamgitoare i rspunsurile deja cunoscute.

Ateptrile privind produsul, menionate de clieni, sunt numai vrful
icebergului, fiind necesar s se evidenieze nevoile ascunse i
problemele.

O analiz detaliat a problemelor ce trebuie rezolvate, a condiiilor i
mediului n care evolueaz produsul pot conduce la informaii privind
dezvoltri ulterioare ale produsului.
375
...urmtoarele ntrebri pot fi de mare folos atunci cnd se investigheaz
problemele clienilor....
1. Ce asociaii face clientul atunci cnd utilizeaz produsul X ?

2. Care probleme/defecte/plngeri le asociaz clientul cu utilizarea
produsului X ?

3. Care criterii ia n considerare clientul atunci cnd cumpr
produsul X ?

4. Care elemente sau servicii noi ar putea mplini mai bine
ateptrile clientului ?

5. Ce ar schimba clientul la produsul X ?
376
Elaborarea modelului Kano ncepe printr-o sondare a clienilor pe
baz de chestionare, acetia fiind ntrebai despre atributele
produselor i ce percepie au att asupra faptului c le au n mod
suficient sau n mod insuficient.

Un sondaj de tip Kano pune 2 ntrebri pentru fiecare atribut al
produsului rezultnd categoriile din tabelul 3.2.
Stare fizic
(gradul de
ndeplinire)
Suficient

I
n
s
u
f
i
c
i
e
n
t

Percepia
utilizatorului
Nesatisfcut Neutru Satisfcut
Nesatisfcut Sceptic Trebuie s existe Unidimensional
Neutru Invers Indiferent Atractiv
Satisfcut Invers Invers Sceptic
Tab. 3.2 Categoriile atributelor conform Modelului Kano
377
Astfel la intersecia celor dou, se obine din tabel, varianta Trebuie s
existe, adic vizibilitatea bun este ateptat pentru un astfel de automobil
de ctre client (sau segment de clieni).
Exemplu:
Prima ntrebare:
Dac automobilul are o vizibilitate bun [suficient], cum v simii? [neutru].
A doua ntrebare:
Deci starea fizic este [suficient] iar percepia utilizatorului este [neutru].
Dac automobilul nu are o vizibilitate bun [insuficient], cum v simii ?
[nesatisfcut].
Deci starea fizic este [insuficient] iar percepia utilizatorului este
[nesatisfcut].
378
Exist ase categorii de cerine...
1. Atractiv ... numit i ncnttor se refer la cerine n general
necunoscute clienilor, care nu le menioneaz atunci cnd
sunt intervievai dar le plac atunci cnd le observ.
2. Indiferent ... se refer la faptul c clienilor pur i simplu nu le pas
despre aceste cerine (le sunt indiferente).
3. Unidimensional
...numit i Dorit se refer la faptul c relaia ntre
gradul de ndeplinire (starea fizic) i gradul de
satisfacie este una liniar. Mai mult performan
aduce n mod proporional mai mult satisfacie.
Cerinele Dorite rezult de obicei atunci cnd clienii
sunt ntrebai despre ceea ce doresc. Clienii sunt de
obicei dispui s fac compromisuri n ceea ce privete
mai mult performan pentru unul din elemente n
contul altui element.
379
4. Trebuie s existe ... numit i Ateptat sunt asumate de clieni i
nu sunt menionate (numai dac nu au fost recent
dezamgii).
5. Invers ... se refer la cerinele pe care clienii ar prefera s nu le aib,
fiind chiar dispui s plteasc s nu le aib. Prezena lor
produce insatisfacie iar absena lor satisfacie.
6. Sceptic ... se refer la faptul c exist o anumit incertitudine n ceea
ce privete rspunsul clientului.
380
Ali evaluatori consider c n aceast categorie se pot ncadra
rspunsurile obinute atunci cnd se evalueaz nivelele de performan
despre care
...clientului fie c nu i pas :
Referitor la categoria 6. Sceptic
Cum te-ai simi dac salariul i crete cu 10 lei [suficient], sau cu 5
lei [insuficient]?
...fie c le accept pe oricare dintre ele :
Cum te-ai simi dac ai avea un salariu de 9000 lei [suficient], sau
de 6000 lei [insuficient]?
De notat c clientul va evalua ntotdeauna ntrebarea avnd n minte un
anumit nivel de performan.
381
Exemple de rspunsuri la categoriile Kano referitoare la elementele de
calitate ale unui automobil
Elementul de calitate Ateptat Dorit ncntat Indiferent Invers
Vizibilitate bun
Interior spaios
Sistem de traciune
mbuntit

Imagine aventuroas i
simpatic

Transmisie manual n
6 trepte

Kano urmeaz aceste categorii cu sintagma elemente de calitate,
nsemnnd un nivel nalt funcional al cerinelor.
382
Calitate
indiferent
Calitate
obligatorie
satisfcut
nesatisfcut
neutru
insuficient suficient
Percepia
utilizatorului
Starea
fizic
Calitate
atractiv
Calitate
unidimensional
Calitate
invers
Zona neutr este cea n care ncepe Calitatea
Atractiv i se sfrete Calitatea Obligatorie
Fig. 3.18 Tipuri de calitate conform categoriilor de cerine de tip Kano
383
X
Y
Atractiv
De baz
De
performan
Timp
Schimbarea poziiei categoriilor de cerine de tip Kano n timp
Fig. 3.19 Schimarea n timp a poziiilor categoriilor de cerine de tip Kano
384
O alt posibilitate de a distinge ntre tipurile de cerine care influeneaz
satisfacia clientului este s se rspund n 5 feluri diferite la fiecare
pereche de ntrebri pentru fiecare element al produsului sau
serviciului.
ntrebri funcionale i disfuncionale n sondajul Kano
Forma funcional a ntrebrii

Dac automobilul are o vizibilitate
bun cum v simii ?

1. mi place n acest fel
2. Trebuie s fie n acest fel
3. Sunt neutru
4. Este acceptabil n acest fel
5. Nu mi place n acest fel
Forma disfuncional a ntrebrii

Dac automobilul nu are o vizibilitate
bun cum v simii ?

1. mi place n acest fel
2. Trebuie s fie n acest fel
3. Sunt neutru
4. Este acceptabil n acest fel
5. Nu mi place n acest fel
1. Construirea chestionarelor de tip Kano
385
Modul de evaluare al rspunsurilor la ntrebrile pereche

Cerinele
clientului

ntrebri disfuncionale (negative)
1.Satisfcut 2.Trebuie
s existe
3.Neutru 4.Acceptabil 5.Nesatisfcut

n
t
r
e
b

r
i

f
u
n
c

i
o
n
a
l
e

(
p
o
z
i
t
i
v
e
)

1.Satisfcut Chestionabil Atractiv Atractiv Atractiv Unidimensional
2.Trebuie s
existe
Invers Indiferent Indiferent Indiferent Trebuie
s existe
3.Neutru Invers Indiferent Indiferent Indiferent Trebuie
s existe
4.Acceptabil Invers Indiferent Indiferent Indiferent Trebuie
s existe
5.Nesatisfcut Invers Invers Invers Invers Chestionabil
Tab. 3.3 Evaluarea rspunsurilor la ntrebrile pereche din chestionarul Kano
386
Modul de evaluare al rspunsurilor la ntrebrile pereche (simbolizare)
387
...cerinele clientului (Customer Requirements C.R)
C.R pentru un
automobil
anten radio retractabil
tergtor lunet spate
nchidere electronic a uilor
consum de combustibil
perioad de garanie
raz de bracaj
frne
parbriz
sistemul de rcire al motorului
Exemplu:
388

1.a Dac consumul de combustibil este mic
cum v simii ?
1. mi place n acest fel
2. Trebuie s fie n acest fel
3. Sunt neutru
4. Este acceptabil n acest fel
5. Nu mi place n acest fel

1.b Dac consumul de combustibil este
mare, cum v simii ?
1. mi place n acest fel
2. Trebuie s fie n acest fel
3. Sunt neutru
4. Este acceptabil n acest fel
5. Nu mi place n acest fel

2.a Dac frnele sunt tari, cum v simii ?
1. mi place n acest fel
2. Trebuie s fie n acest fel
3. Sunt neutru
4. Este acceptabil n acest fel
5. Nu mi place n acest fel

2.b Dac frnele sunt slabe, cum v simii ?

1. mi place n acest fel
2. Trebuie s fie n acest fel
3. Sunt neutru
4. Este acceptabil n acest fel
5. Nu mi place n acest fel

3.a Dac antena radio se retrage automat
cnd radioul este oprit, cum v simii ?
1. mi place n acest fel
2. Trebuie s fie n acest fel
3. Sunt neutru
4. Este acceptabil n acest fel
5. Nu mi place n acest fel

3.b Dac antena radio nu se retrage automat
cnd radioul este oprit, cum v simii ?

1. mi place n acest fel
2. Trebuie s fie n acest fel
3. Sunt neutru
4. Este acceptabil n acest fel
5. Nu mi place n acest fel
389
Disfuncional
Trebuie s fie:
Frne bune
Satisfacie
Funcional
Atractiv:
Anten radio retractabil
Unidimensional:
Consum de combustibil
Insatisfacie
390
...cteva recomandri privind ntrebrile pereche...
Pentru a formula o ntrebare clar, nu abstractizai la limit
Atunci cnd o cerin potenial provine din analiza datelor
VOC, evitai abaterea de la intenia original a declaraiei de
cerin a clientului
Atenie la exprimarea polar a ntrebrilor pereche, este de
preferat orientarea multivaloric
Nu introducei mai multe gnduri ntr-o singur ntrebare.
Dac o cerin particular conine mai multe gnduri, folosii
mai multe ntrebri Kano.
Formulai ntrebrile n termenii clientului, nu n termeni ai
dezvoltrii produsului, adic n termeni ai beneficiului adus i
ai elementelor care le produc
Timpul alocat ascultrii clientului i formatul chestionarului
mbuntesc imaginea profesional a organizaiei
391
2. Testarea chestionarelor de tip Kano
Atunci cnd un chestionar Kano este trimis la mai muli
clieni este important ca acesta s fie neles de toi.
Pentru nceput punei membrii care particip la elaborarea chestionarului
Kano s rspund la ntrebri. Fiecare membru trebuie s se gndeasc la un
client ncercnd s prezic ce ar rspunde acesta i care ntrebri s-ar putea s
nu le neleag.

Apoi selectai oameni din interiorul organizaiei i administrai-le
chestionarul. Selectai o mare varietate de personal (manageri, ingineri,
personal de la marketing etc).

Dac testul intern semnaleaz ceva confuz, este probabil c i clienii vor
remarca acelai lucru.

Revizuii i retestai chestionarul adugnd, dac e necesar, instruciuni
suplimentare.
392
3. Administrarea chestionarelor de tip Kano
Selectai clienii pe care dorii s-i intervievai, asigurnd
reprezentativitatea eantionului
Decidei cum dorii s transmitei chestionarele: telefon, fax, pot, e-
mail, fa n fa etc. Cea mai folosit este transmiterea prin pot. Dac
optai pentru acest mod, scriei o scrisoare de introducere n care s
explicai scopul sondajului i includei instruciuni de completare
pentru clieni.
Dac folosii i Chestionare pentru Importan alturi de Chestionarele
Kano, folosii aceeai secven de ntrebri n ambele pentru a
compara mai uor cele dou chestionare.
Trimitei chestionarele. Pstrai un jurnal al clienilor la care s-au trimis
chestionare i nregistrai rezultatele pe msur ce sosesc.
393
4. Procesarea rezultatelor
394
Exemplu:
395
Cel mai simplu mod de a alege o categorie este s se
foloseasc codul care apare cel mai des n rspunsurile pentru
o anumit cerin (C.R) - adic se folosete modul statistic al
rspunsurilor.
Observaii
Dac orice cerin primete un numr substanial de scoruri Q
(questionable) chestionabil, ntrebarea trebuie probabil scoas
temporar din analiz pn cnd confuzia cu aceasta va fi rezolvat
sau modul de gndire a respondenilor poate fi desluit.
Dac majoritatea respondenilor dau un scor R (reverse) - invers la una
din cerine, aceasta indic faptul c gndirea pieei despre ntrebare
este opus gndirii celor ce au creat chestionarul.
396
5. Analiza rezultatelor
O mai bun nelegere a cerinelor clienilor;

Prioritizarea cerinelor pentru activiti de dezvoltare;

Decelarea caracteristicilor segmentelor de pia;

Ajutarea procesului de proiectare.
Beneficii obinute prin analiza datelor Chestionarului Kano:
Scopul Chestionarelor Kano este s se neleag mai bine
caracteristicile cerinelor clienilor.

Rspunsurile trebuie privite doar ca un ghid, ele nu ofer rspunsuri
exacte asupra a ce element trebuie inclus n produs sau ce cerin nu
trebuie satisfcut n ntregime.
Observaie:
397
De obicei se dorete s se fac o analiz mai n profunzime dect cea
oferit de modul statistic simplu.
Exist dou ntrebri i 50 de rspunsuri la fiecare:
- 30 de clieni consider prima cerin A iar 20 o consider I.
- 30 de clieni consider a doua cerin A iar 20 o consider M.
n acest caz este clar c cele dou cerine trebuie tratate n mod diferit.

A doua cerin trebuie s fie prioritar pentru echip.
Exemplu:
Concluzii:
398
Atunci cnd dou coduri Kano sunt egale n evaluarea unei
ntrebri, se consider:
a. Contactarea clienilor pentru informaii adiionale,

b. Cercetarea pentru diferene n segmentarea pieei,

c. Selectarea clasificrii care va avea cel mai mare impact
asupra produsului, folosind urmtoarea ordine:
M > O > A > I
399
Un alt mod de a studia datele este s se construiasc un tabel cu coloane
pentru primul, al doilea i al treilea cel mai frecvent rspuns.
Numrul
CR
Cel mai
frecvent
rspuns
Al 2-lea cel
mai frecvent
rspuns
Al 3-lea cel
mai frecvent
rspuns
1 A O
2 A O
3 M
4 O I I
5 O A
6 M A
7 A O M
8 M
9 O M I
400
Apoi rndurile pot fi rearanjate n grupe conform ordinii: M, O, A, I, R.
Numrul
CR
Cel mai
frecvent
rspuns
Al 2-lea cel
mai frecvent
rspuns
Al 3-lea cel
mai frecvent
rspuns
8 M
3 M
6 M A
9 O M I
5 O A
4 O A
1 A O
7 A O M
2 A O I
401
Dac se utilizeaz n paralel cu chestionarul Kano i un Chestionar de
Importan, atunci rspunsurile pot fi sortate pe baza acestuia:
Observaie:
Dac exist mai multe cerine ale clienilor a cror evaluare a fost A,
atunci se pot folosi datele din Chestionarul de Importan pentru
sortare n ordine descresctoare a importanei acestor cerine.
Ca i ghid general, se poate considera necesar:

ndeplinirea cerinelor M,

a fi competitiv fa de liderii de pia relativ la O,

a se include pentru difereniere elemente A.
Exemplu:
402
Chestionarul de Importan
Pentru fiecare cerint potenial a clienilor inclus n chestionarul Kano,
se construiete o ntrebare n Chestionarul de Importan n formatul
general: Ct de important este sau ar fi dac: [cerina X]?
Ct de important este sau ar fi dac automobilul are un consum mic ?
Exemplu:
403
mbuntiri ale analizei rezultatelor
Dac Chestionarul Kano ntreab despre funcii foarte generale, ca
de exemplu dac o main trebuie s aib 3 sau 4 roi sau un soft
trebuie s aib o GUI (graphical user interface), fiecare va avea o
opinie specific.
Dac ns Chestionarul Kano ntreab despre funcii foarte
specifice, ca de exemplu dac o main trebuie s aib valve
ceramice sau un soft trebuie s fie compatibil cu un printer specific,
atunci majoritatea respondenilor pot fi indifereni (I).
ntrebri extrem de detaliate pot crete nivelul zgomotului pna
la nivelul n care toate cerinele sunt considerate indiferente (I).
404
Dac rspunsurile clienilor clasific o cerin dup cum urmeaz:

18 O,
19 A,
18 M,
20 I,
2 R,
3 Q,


... atunci modul statistic simplu clasific cerina ca I dei 57 din 82 de
persoane consider c au nevoie de acea cerin ntr-un fel sau altul
O modalitate de a modifica modul statistic simplu este:
Dac (O + A + M) > (I + R + Q)

Atunci gradul este maximum (O, A, M)
Dac nu, gradul este maximum (I, R, Q).
Exemplu:
405
Pentru CR1, (19+18+18) > (20+2+3). De aceea, gradul este A;
adic, maximum (18, 19, 18).

Pentru CR2, (7+6+9) < (36+2+2). De aceea, gradul este I, sau
maximum (36, 2, 2).
406
Sunt unele cazuri n care rspunsurile sunt rspndite pe mai multe
categorii sau cnd dei sunt mprite n mod diferit pe dou categorii,
gradul este acelai.
Ideea este s se reduc datele la 2 numere, unul pozitiv care d valoarea
relativ a ndeplinirii cerinelor clienilor (satisfacia clientului va crete prin
oferirea de elemente A i O) i unul negativ, artnd costul relativ al
nendeplinirii acelei cerine (satisfacia clientului va scdea dac elementele
O i M nu sunt incluse).
407
Coeficienii de Satisfacie / Insatisfacie a Clienilor
I M O A
O A
SC
+ + +
+
=
Coeficientul de Satisfacie al Clientului
( ) ( ) 1 I M O A
M O
DC
+ + +
+
=
I M O A
M A
TSC
+ + +

=
Coeficientul Total de Satisfacie al Clientului
Coeficientul de Insatisfacie al Clientului
(3.1)
(3.2)
(3.3)
408
Semnul (-) pus n faa coeficientului DC este pentru a accentua
influena lui negativ asupra satisfacieie clientului dac nu este
atins nivelul de calitate pentru acest produs.

Coeficientul pozitiv SC ia valori ntre 0 i 1; cu ct valoarea este mai
apropiat de 1, cu att mai mare influena asupra satisfaciei
clientului.

Un coeficient SC care se apropie de 0 semnific faptul c exist
foarte puin influen.

Dac coeficientul DC se apropie de -1, influena asupra
insatisfaciei clientului este foarte puternic dac atributul
produsului nu este ndeplinit.

O valoare de aproximativ 0 a coeficientului DC semnific faptul c
acel atribut nu cauzeaz insatisfacie dac nu e ndeplinit.
Dac TSC < 0, atunci cerinele sunt O, dac TSC > 0,1, atunci cerinele
sunt A, dac TSC = 0, atunci cerinele sunt R.
409
Tabelul de transformare Kano
Forma de analiz descris n aceast seciune presupune existena a Q
perechi de ntrebri, j = 1, ..., Q i N respondeni, i = 1, ..., N. Se presupune
de asemenea folosirea n paralel cu Chestionarul Kano a unui Chestionar
de Importan. Astfel, exist trei scoruri pentru fiecare cerin investigat a
clientului Funcional, Disfuncional i Importan.

Cele 3 scoruri sunt codate astfel:
Funcional: Y
ij
=-2 (Dislike), -1 (Live with), 0 (Neutral), 2 (Must-be), 4 (Like)
Disfuncional: X
ij
=-2 (Like), -1 (Must be), 0 (Neutral), 2 (Live with), 4 (Dislike)
Importan: W
ij
=1 (Not at all Important), ..., 9 (Extremely Important).
410
Astfel, dac spre exemplu respondentul 8 rspunde c i place economia
de carburant, poate tri i cu consum mai mare i consider c
problema economiei de carburant e de importan medie, rezult:
Y
8,6
= 4
X
8,6
= 2
W
8,6
= 5
De notat c X i Y iau valorile -2, -1, 0, 2, 4 .

Logica pentru scala asimetric (ncepnd de la -2, mai degrab
dect de la -4) este c Must be i One-dimensional sunt
rspunsuri mai puternice ca Reverse sau Questionable.

De aceea scala trebuie s dea o importan mai mic
rspunsurilor mai puin puternice pentru a diminua influena lor
asupra mediei.

Rspunsurilor de tip Reverse li se d o importan mai mic,
fiind trase spre zero.
411
Fig. 3.20 Reprezentarea cerinelor de tip Kano dup transformare
412
Cele mai pure reprezentri pentru punctele Reverse, Indifferent, One-
dimensional, Must-be, i Attractive se identific n acest sistem de
coordonate cu punctele:
Reverse: X = -2, Y = -2
Indifferent: X = 0, Y = 0
One-dimensional: X = 4, Y = 4
Must-be: X = 4, Y = 0
Attractive: X = 0, Y = 4
Aceste puncte sunt prezentate n figur (cu bold).

Toate celelalte coombinaii de puncte XY apar ca interpolri ntre
aceste puncte
413
Se calculeaz pentru toate ntrebrile, j = 1, ..., Q, media lui X
(disfuncional) i Y (funcional) :
Se reprezint punctele Q (X
ave
[ j],Y
ave
[ j]) i se folosete numrul j ca
simbol pe grafic astfel nct s se poat identifica ce ntrebare reprezint
fiecare punct.
(3.4)
| |
ij
i
ave
X
X j
N
=

| |
ij
i
ave
Y
Y j
N
=

(3.5)
414
Altfel, cum s-a descris i anterior nu o s fie destule Reverses s
trag media spre negativ.

n figura 3.20, ptratul n care X
ave
i Y
ave
sunt cuprinse ntre 0 i 4 este
mprit n cadrane, considernd punctele prototip Attractive, One-
dimensional, Must-be, i Indifferent plasate n cele 4 coluri.

Acest ptrat provine din colul dreapta-sus al figurii 3.19.
Mediile trebuie s cad ntre 0 i 4, deorece valorile negative sunt fie
Questionables sau Reverses.

Questionables nu vor fi incluse n medii.

Reverses pot fi transformate din aceast categorie schimbnd sensul
ntrebrilor funcionale i disfuncionale pentru toi respondenii.

415
Fig. 3.20 Exemplu de reprezentarea a 10 cerine de tip Kano dup
transformare, cu valori X
ave
i Y
ave
cuprinse ntre 0 i 4
416
Din Chestionarul de Importan, se calculeaz media
importanei pentru fiecare ntrebare:
Se reprezin valoarea lng punctele (X
ave
[ j],Y
ave
[ j)]. De exemplu se
deseneaz un cerc plin, cu raza proporional cu:
astfel nct raza cercului j va fi proporional W
ave
[ j].
Ca alternativ, se pot prezenta valorile lui j folosite n identificarea
ntrebrii n nuane de gri, reprezentnd domeniul de valori pentru W
ave
,
ca n figura 3.21.
| |
ij
i
ave
W
W j
N
=

(3.6)
| |
ave
W j
417
Fig. 3.20 Exemplu de reprezentarea a 10 cerine de tip Kano dup
transformare, cu valori X
ave
i Y
ave
cuprinse ntre 0 i 4 i cu
reprezentarea domeniului de valori pentru media importanei
418
Chestionar de Ierarhizare
Pentru fiecare cerin potenial a clienilor inclus n chestionarul Kano,
se construiete o ntrebare n Chestionarul de Ierarhizare n formatul
general: Cum ierarhizai [cerina X] a produsului dumneavoastr?
Cum evaluai ierarhizai elementele pentru zpad adnc ale
sky-ului dumneavoastr ?
Ierarhizare: R
ij
=1 (Totally Unsatisfactory), ..., 7 (Excellent).
419
Indicele de mbuntire a Calitii
Este foarte important pentru strategia dezvoltrii produselor, s se
cunoasc calitatea propriului produs n raport cu cel mai puternic
competitor.

Este de aceea util, nu numai s cerem clienilor s ne evalueze
propriul produs ci i pe cel al competitorului.
Indicele de mbuntire a Calitii (QI) se calculeaz prin nmulirea
semnificaiei relative a unei cerine a produsului (Chestionarul de
Importan) cu diferena dintre ierarhizarea propriului produs i cel al
competitorului obinute printr-un Chestionar de Ierarhizare
QI = Importana relativ x
(ierarhizarea propriului produs ierarhizarea produsului competiiei)
420
421
Desfurarea funciei calitii Quality Function Deployment (QFD)
Yoji Akao este creatorul Hoshin kanri o
metodologie de planificare/management strategic.

QFD a fost dezvoltat de Yoji Akao i Shigeru
Mizuno n anii 1960 ca un grup cuprinztor i flexibil
de tehnici de decizie utilizate n special la
dezvoltarea produselor i serviciilor.

Casa calitii a aprut pentru prima oar n
1972 la proiectarea unui petrolier la Mitsubishi
Heavy Industries Kobe Shipyard.

n 1978 a aprut prima carte n limba japonez,
tradus ulterior n 1994 n limba englez QFD: The
Customer Driven Approach to Quality Planning
and Deployment (Mizuno & Akao, 1994).
Yoji Akao
422
423
Quality Function Deployment (QFD) este un instrument de
planificare care are ca obiectiv proiectarea calitii unui produs sau
serviciu pornind de la nevoile clientului.

Este o abordare care implic echipe inter-funcionale (ai
cror membrii nu sunt neaprat din proiectarea produsului) care
urmresc ciclul complet al dezvoltrii produsului.
QFD este o abordare sistematic a proiectrii bazat pe o
cunoatere profund a dorinelor/cerinelor clienilor cuplat cu
integrarea grupurilor funcionale ale corporaiei.

Pentru a proiecta corect un produs, echipa de proiectare
trebuie s cunoasc ce este produsul pe care l proiecteaz i
ce ateapt clientul (utilizatorul final) de la acesta.

Const n traducerea dorinelor/cerinelor clientului (de
exemplu: uurina de a scrie a unui pix) n caracteristici de
proiectare (vscozitatea pastei, presiune asupra vrfului-bil)
pentru fiecare stadiu al dezvoltrii produsului.
424
Scopul final al QFD este traducerea criteriilor de calitate,
adesea subiective, n criterii obiective ce pot fi cuantificate i
msurate i care apoi pot fi utilizate pentru proiectarea i fabricarea
produsului.


Este o metod complementar pentru determinarea a cum
i unde trebuie atribuite prioritile n dezvoltarea produsului.


Intenia este s se obin proceduri obiective din ce n ce
mai detaliate n dezvoltarea produsului.
425
Cele 3 scopuri principale n implementarea QFD sunt:
1. Prioritizarea nevoilor i cerinelor spuse i nespuse ale clienilor

2. Traducerea acestora n caracteristici tehnice i specificaii

3. Construirea i oferirea unui produs sau serviciu de calitate prin
focalizarea tuturor spre satisfacerea clientului.
De la introducerea QFD, multe companii au reuit s-i transforme modul n care:

Planific noile produse
Proiecteaz cerinelor produsului
Determin caracteristicile procesului
Controleaz procesul de fabricare
Documenteaz specificaiile existente ale produselor

426
QFD folosete unele principii ale Concurrent Engineering n ceea ce
privete implicarea echipelor inter-funcionale n toate fazele dezvoltrii
produselor.

Fiecare din cele 4 faze ale unui proces QFD utilizeaz o matrice pentru a
traduce cerinelor clienilor de la fazele iniiale de planificare pn la
controlul produciei.

Fiecare faz, sau matrice, reprezint un aspect mai specific al
cerinelor produsului. Relaiile ntre elemente sunt evaluate pentru fiecare
faz. Numai cele mai importante aspecte din fiecare faz sunt
desfurate n matricea urmtoare.

QFD permite evidenierea:

a ceea ce ateapt clientul n raport cu caracteristicile de calitate,

cum vor fi ndeplinite aceste ateptri i caracteristici care vor fi
apoi asociate procesului de fabricaie, de asamblare, de aprovizionare
sau a altor etape implicate n realizarea produsului.

427
QFD este o tehnic de identificare a cerinelor n cursul mai
multor etape i anume:
Identificarea iniial a cerinelor pieei/clienilor (n etapa de
prospectare a pieei) sub forma nevoilor i a funciilor;

Identificarea caracteristicilor de calitate care rspund cerinelor
clienilor pe baza funciilor i nevoilor determinate anterior;

Identificarea parametrilor i a caracteristicilor procesului de
prelucrare n baza caracteristicilor de calitate ale produsului, prevzute
n specificaiile tehnice;

Identificarea cerinelor referitoare la verificarea procesului, n baza
specificaiilor tehnologice de execuie a produsului;

Identificarea neconformitilor, a defeciunilor i insatisfaciei
clientului n raport cu produsul realizat i vndut (feed-back-ul
informaional) i redimensionarea funciilor produsului, aceast din
urm activitate ducnd practic la reluarea ciclului.
428
Aplicarea QFD n diverse etape din ciclul de dezvoltare al produsului
Fig. 3.21 Aplicarea QFD
429
Fazele unui proces QFD
Fig. 3.22 Fazele procesului QFD
430
Faza 1 Planificarea produsului: Construirea Casei Calitii.

Este condus de Departamentul Marketing.
Multe organizaii trec numai prin aceast faz a procesului QFD.
Aceast faz documenteaz cerinele clienilor, date din garanii,
oportuniti competitive, msurri referitoare la produs, msurri
referitoare la competiie precum i abilitatea tehnic a organizaiei s
ndeplineasc fiecare cerin a clientului.
Obinerea de date bune/corecte de la clieni, n aceast faz, este
critic pentru succesul ntregului proces QFD.


Faza 2 Proiectarea produsului:

Este condus de Departamentul Inginerie (Engineering).
Proiectarea produsului necesit din partea echipei idei creative i
inovative.
n timpul acestei faze sunt create conceptele produsului i sunt
documentate specificaiile pieselor.
Piesele considerate a fi cele mai importante n satisfacerea
cerinelor clienilor sunt transferate spre planificarea proceselor,
adic faza 3.
431
Faza 3 Planificarea procesului:

Este condus de Departamentul Fabricare (Manufacturing).
n timpul acestei faze, se creeaz diagrame de flux (flowcharts)
pentru procesele de fabricare i sunt documentate valorile
parametrilor proceselor (sau valorile int).


Faza 4 Planificare produciei/Controlul procesului:

Este condus de Departamentele Calitate (Quality) i Fabricare
(Manufacturing).
Se creeaz indicatori de performan pentru monitorizarea
proceselor de producie, planificarea mentenanei i abilitilor
necesare ale operatorilor.
De asemenea se iau decizii referitoare la care procesul prezint
cel mai mare risc i sunt prevzute elemente de control pentru
prevenirea cderilor.
432
Casa Calitii
Prima faz n implementarea
procesului QFD implic
construirea Casei Calitii
Matricea de
corelaie a
descriptorilor
tehnici
Descriptori tehnici
Direcia de
mbuntire
Matricea relaiilor dintre
cerinele clientului i
descriptorii tehnici

Evaluarea descriptorilor
tehnici
Evaluarea de
ctre client a
organizaiei
n raport cu
concurena
Importana
cerinelor
clientului
Cerinele
clientului
Fig. 3.23 Elementele Casei Calitii
433
Etapele construirii casei calitii:
a. Declararea obiectivului - permite stabilirea domeniului
proiectului QFD, concentrnd astfel eforturile echipei. Obiectivele
multiple sunt mprite n QFD-uri separate n scopul meninerii unui
obiectiv clar definit.

b. Identificarea cerinelor clienilor - cerinele clienilor reprezint
caracteristici individuale ale produsului sau serviciului. Pentru
identificarea acestor cerine se recurge de regul la cercetri de
marketing, chestionarele ntocmite n acest scop trebuind s
permit colectarea cel puin a urmtoarelor informaii:

Identificarea cerinelor clienilor;

Identificarea indicelui de importan al cerinelor clienilor;

Evaluarea de ctre client a organizaiei n raport cu
organizaii concurente pentru fiecare dintre cerinele
identificate.
434
Exemplu: Tranzacii cu cri de credit
Comisioane mici;

Tranzacii fr erori;

Neplata unei taxe anuale;

Termen de valabilitate extins;

Servicii pentru client 24 de ore pe zi;

Un avocat al clientului pentru dispute financiare.


n urma unei cercetri de marketing au rezultat urmtoarele cerine
ale clienilor privind realizarea acestui tip de tranzacii:
435
Clientul va fi i cel care va acorda indici de importan pentru
fiecare dintre aceste cerine.

De obicei se folosete o scar de la 1 la 5, unde 1 este cel mai
puin important, iar 5 cel mai important.

n urma prelucrrii datelor, s-au obinut rezultatele din tabelul 3.4
Cerinele clientului Indice de importan al cerinei
Comisioane mici 2
Tranzacii fr erori 5
Neplata unei taxe anuale 1
Termen de valabilitate extins 3
Servicii pentru client 24 ore pe zi 4
Avocatul clientului n dispute financiare 4
Tab. 3.4 Cerinele clientului i importana acestora
Se observ c tranzaciile fr erori reprezint cea mai important
cerin iar cea mai puin important este neplata unei taxe anuale.
436
c. Evaluarea de ctre client a organizaiei n raport cu
concurena, pentru fiecare dintre cerinele identificate

Clientul are un rol important n determinarea poziiei relative a
organizaiei fa de competitorii si pentru fiecare cerin.

Prin aceasta se verific percepia clientului fa de produs sau
serviciu (ajut la identificarea punctelor tari i slabe ale organizaiei).

Rezultatele acestei analizei pot fi spre exemplu:

noi cerine ale clientului, care apoi s fie adugate celor
existente, sau

schimbarea importanei evalurii.

De asemenea, rezultatele acestei analize vor indica care sunt
elementele importante ale produsului sau serviciului pe care
organizaia trebuie s se concentreze.

n aceast analiz este folosit aceeai scar de evaluare ca i la
evaluarea cerinelor clientului.
437
n tabelul 3.5 se prezint evaluarea de ctre client a organizaiei n
raport cu concurena.
Tab.3.5 Cerinele clientului i importana acestora

Cerinele clientului
Evaluarea realizat de client
A B C D
Comisioane mici 2 2 4 2
Tranzacii fr erori 4 5 3 3
Neplata unei taxe anuale 5 5 2 3
Termen de valabilitate extins 2 2 1 4
Servicii pentru client 24 de ore pe zi 2 2 4 3
Avocatul clientului n dispute financiare 4 2 3 3
438
Evalurile sunt punctaje medii obinute de la diferii clieni
pentru: A - organizaia noastr i B, C i D - cei trei concureni

De exemplu, compania C are un punctaj de 4 la cerinele
comisioane mici i servicii pentru client 24 de ore pe zi,
comparativ cu punctajul 2 obinut de organizaia noastr;

Rezult deci c prerea clienilor despre aceast cerin
relativ la organizaia noastr nu este una foarte bun.

S-a identificat astfel o problem pe care pentru a rezolva
putem studia practicile companiei C i s vedem pe care
dintre ele le putem adopta.

Se va continua cu analize similare pentru celelalte cerine,
implementnd gradat servicii mbuntite.
Obiectivul nostru e s devenim nivel de referin.
439
d. Identificarea caracteristicilor de calitate - Cum s facem ?
ca s ndeplinim cerinele clientului
Pentru a mbunti punctajul organizaiei noastre, echipa (membri din
departamentele de proiectare/dezvoltare a produsului, marketing, vnzri,
contabilitate, proiectarea procesului, producie, achiziii, i servicii cu
clienii) va identifica caracteristici de calitate necesare pentru
satisfacerea cerinelor clienilor, ca de exemplu:

Software pentru detectarea erorilor la tranzacii;

O pregtire mai bun a organizaiilor pentru introducere de date
i servicii cu clienii;

Negocieri cu productorii i distribuitorii pentru a asigura
valabilitate extins;

Program de lucru prelungit;

Recrutare eficient.
440
e. Identificarea obiectivelor caracteristicilor de calitate


Pentru caracteristicile tehnice idetificate se vor stabili
obiectivele int.


Se pot utiliza trei simboluri pentru a indica obiectivele int:
Maximizare sau cretere a valorii obinute;

Minimizare sau descretere a valorii obinute;

ndeplinirea unei valori int.
n tabelul 3.6 se prezint cinci caracteristici de calitate, fiecare
cu obiectivele lor int.
441
Tab.3.6 Obiective ale caracteristicilor de calitate

Nr. Crt.

Caracteristici de calitate

Obiectiv
1 Software pentru detectarea erorilor la
tranzacii

2 Instruirea angajailor pentru introducere
de date i servicii cu clienii

3 Negocieri cu productorii i distribuitorii
pentru a asigura valabilitate extins

4 Program de lucru prelungit

5 Recrutare eficient

442
pentru caracteristica de calitate nr.1: crearea unui software
pentru detectarea erorilor la tranzacii, valoarea dorit a
obiectivului este ndeplinirea unei valori int nicio eroare (zero)
la tranzacii.

pentru caracteristica de calitate nr. 2: instruirea angajailor pentru
introducere de date i servicii cu clienii este de dorit o
maximizare sau cretere a rezultatelor pregtirii angajailor pentru a
reduce erorile la introducerea datelor i interaciunea eficient cu
clienii.

pentru caracteristica de calitate nr.4: program de lucru prelungit,
obiectivul este ndeplinirea unei valori int obinerea de
servicii pentru clieni 24 de ore din 24.

Dac un obiectiv concret nu poate fi stabilit pentru o
caracteristic de calitate, ar trebui eliminat din list i
introdus o alt caracteristic.
443
f. Realizarea matricei de corelaie ntre caracteristicile de calitate
Matricea de corelaie a caracteristicilor de calitate este
acoperiul casei calitii.

n matricea corelaiilor artat n figura 3.24 , sunt descrise patru
niveluri de corelaie, cu simbolurile:
Puternic pozitiv (++)

Pozitiv (+)

Negativ (-)

Puternic negativ (--)
Acestea indic msura n care caracteristicile de calitate
se sprijin ntre ele sau dac acestea sunt n conflict
444
Fig. 3.24 Matricea corelaiilor caracteristicilor de calitate


Software
pentru
tranzacii

Recrutare
eficient

Program
de lucru
prelungit

Negocieri
cu
productorii

Pregtirea
angajailor

Cum
+
+
++
+ +
++
Cum Cum Cum Cum
445
Relaiile negative ar putea determina o modificare a valorilor
obiectivelor caracteristicilor de calitate.

Caracteristica de calitate nr. 1: crearea unui software pentru
detectarea erorilor la tranzacii, are o relaie puternic pozitiv
(++) cu caracteristica de calitate nr. 2: instruirea angajailor
pentru introducerea de date i servicii cu clienii.

- aceast arat c interfeele prietenoase ale software-ului vor
avea un impact n ceea ce privete tipul i durata pregtirii.

Exist, de asemenea o relaie puternic pozitiv ntre caracteristica
de calitate nr.2 instruirea angajailor pentru introducere de date
i servicii cu clienii i caracteristica de calitate nr. 5 recrutare
eficient.

- aceasta arat c un program de recrutare bun, va forma baza
pentru un program de pregtire eficient i de succes.
446
g. Evaluarea caracteristicilor de calitate
Evaluarea tehnic a caracteristicilor de calitate de face n mod
asemntor cu evaluarea de ctre clieni a organizaiei n raport
cu concurena.

n acest caz, conducerea tehnic a organizaiei a evaluat
caracteristicile tehnice. (tabelul 3.7)
Caracteristici de calitate
Organizaia 1 2 3 4 5
A 4 3 2 3 4
B 5 3 1 4 1
C 3 5 2 2 5
D 2 2 4 1 3
Tab. 3.7 Evaluarea caracteristicilor de calitate
447
Pentru caracteristica de calitate nr.1, crearea unui software
pentru detectarea erorilor la tranzacii, organizaia noastr (A) a
obinut punctajul 4, dar organizaia B se descurc mai bine avnd
un punctaj de 5; n concluzie compania B reprezint nivelul de
referin fa de care se vor msura performanele.

Organizaia C reprezint nivelul de referin pentru caracteristica de
calitate nr. 2: instruirea angajailor pentru introducere de date
i servicii cu clienii i deci se va cuta deci s se
mbunteasc calitatea i eficacitatea programelor de pregtire.

Pentru caracteristica de calitate nr.4: program de lucru
prelungit, deoarece organizaia B este cotat cel mai bine, acesta
va fi nivelul pe care organizaia noastr se va strdui s-l ating sau
s-l depeasc.

Spre exemplu dac organizaia B ofer servicii cu clienii 16 ore
pe zi, acesta devine obiectivul nostru. Dac nu putem atinge
acest nivel de referin ar fi poate indicat s nu intrm pe aceast
pia deoarece produsele sau serviciile noastre nu vor fi la fel de
bune ca ale competitorilor.
448
h. Elaborarea matricei de relaii dintre cerinele clientului i
caracteristicile de calitate

Aceast matrice ofer un mecanism pentru a analiza modul n care o
caracteristic de calitate va ajuta la satisfacerea unei cerine a clienilor.

Se poate utiliza urmtorul punctaj:
0 nu exist relaie;

1 relaie sczut;

3 relaie medie;

5 relaie foarte puternic.
n tabelul 3.8 se prezint matricea relaiilor (exemplul cu cri de credit)
449
Tab. 3.8 Matricea relaiilor rezultatelor relative i absolute

Cerinele
clientului

Indice de
importan
al cerinei

Caracteristici de calitate
1.Software
pt tranzacii
2.Pregtirea
angajailor
3.Negocieri
cu
productorii
4.Program
de lucru
prelungit
5.Recrutare
eficient
Comisioane mici
2 0(0) 0(0) 5(10) 0(0) 0(0)
Tranzacii fr erori
5 5(25) 5(25) 0(0) 3(15) 5(25)
Neplata unei taxe
anuale
1 0(0) 0(0) 3(3) 0(0) 0(0)
Termen de
valabilitate extins
3 0(0) 1(3) 5(15) 0(0) 0(0)
Servicii pentru client
24 de ore pe zi
4 1(4) 3(12) 0(0) 5(20) 5(20)
Avocatul clientului n
dispute financiare
4 1(4) 3(12) 5(20) 0(0) 3(12)
Importana absolut a
caracteristicii de calitate
33 52 48 35 57
Importana relativ a
caracteristicii de calitate
5 2 3 4 1
450
Pentru caracteristica de calitate nr.2: instruirea angajailor pentru
introducere de date i servicii cu clienii, conducerea tehnic
consider c aceast caracteristic de calitate are o legtur puternic
cu cerina clientului realizarea de tranzacii fr erori aa c i-a fost
alocat valoarea 5.

Aceeai caracteristic de calitate are o relaie moderat cu cerina
clientului oferirea serviciilor pentru clieni 24 ore pe zi i punerea la
dispoziie a unui avocat pentru dispute financiare aa c un punctaj
de 3 a fost acordat acestor relaii.

Valorile din paranteze din tabelul ... sunt obinute nmulind indicele de
importan al cerinei clientului cu punctajul corespunztor corelaiei
Importana absolut a fiecrei caracteristici de calitate este calculat
adunnd rezultatele din paranteze.

Importana relativ a caracteristicii de calitate reprezint o clasificare a
valorilor absolute, unde 1 nseamn cel mai important.

Caracteristica de calitate nr.5, recrutarea eficient este cea mai
important deoarece valoarea absolut, 57, este cea mai ridicat.
451
i. Analiza rezultatelor i stabilirea aciunilor de ntreprins
Pentru ca serviciile oferite s rspund cerinelor clienilor este necesar
s ne concentrm atenia asupra caracteristicilor de calitate cu o
importan absolut ridicat.

Trebuie gsite soluiile tehnice efective pentru ca serviciul oferit s
nglobeze n totalitate sau ntr-o ct mai mare msur caracteristicile
tehnice identificate.
Pentru caracteristica de calitate: recrutare eficient, care a rezultat a
fi caracteristica de calitate cea mai important, pasul urmtor este de a
stabili programele de instruire, personalul anticipat, durata instruirii etc.

Cerinele clienilor sunt numeroase i rareori le putem satisface n
totalitate la un pre competitiv, QFD ne ajut s identificm acele
caracteristici de calitate care s conduc la satisfacerea unei
proporii ct mai ridicate din cerinele clienilor. Justificarea are la
baz i regula 20/80 a lui Pareto: 20% dintre caracteristicile de calitate
satisfcute, inseamn 80% dintre cerinele clienilor satisfcute.
452
Acest proces este apoi repetat ntr-o manier uor simplificat
pentru urmtoarele 3 faze ale proiectului, implicnd paii
1,2,3,5,7,9 &11.



Principalele diferene:

n Faza 2 procesul devine o traducere a VOE (Voice of
Engineer) n VOPDS (Voice of Part Design
Specifications);

n Faza 3 procesul devine o traducere a VOPDS n VOMP
(Voice of Manufacturing Planning);

n Faza 4 procesul devine o traducere a VOMP n VOPP
(Voice of Production Planning)
453
Dezvoltarea
unui
echipament de
crare
(Lowe & Ridgway,
2001)
69
454
Pai n construirea Casei Calitii (Becker and Associates, 2000)
Pasul 1: Cerinele clientului Vocea Clientului (Voice of Customer VOC)

Primul pas ntr-un proiect QFD este s se determine ce segment de pia va fi
analizat n cadrul acestui proces i s identifice clienii. Apoi echipa preia
informaii de la client referitor la cerinele acestora despre produs sau serviciu.
Pentru organizarea i evaluarea acestor date, se folosesc chestionare de tip Kano,
Diagrame de Afiniti sau Diagrame Arbore.
455
Pasul 2: Cerinele obligatorii (regulatorii)

Nu toate cerinele produsului sau serviciului sunt cunoscute clienilor, astfel
nct echipa trebuie s documenteze cerinele dictate de management sau
standardele regulatorii.

Pasul 3: Evaluarea importanei cerinelor de ctre clieni

Pe o scal de la 1 la 5, clienii evalueaz importana fiecrei cerine. Acest
numr va fi folosit mai trziu n matricea de relaii.
456
Pasul 4: Evaluarea competiiei de ctre clieni

nelegerea modului n care clienii evalueaz competiia poate fi un mare
avantaj competitiv. n acest pas al procesului QFD este o idee bun s se
cear clienilor s evalueze produsul sau serviciul oferit relativ la competiie.
Pot fi adugate camere care s identifice oportunitile de vnzare, eluri
pentru mbuntire continu, plngeri ale clienilor etc.
457
458
Pasul 5: Descriptori tehnici Vocea Inginerului (Voice of Engineer VOE)

Descriptorii tehnici sunt atribute despre produs sau serviciu care pot fi msurate i
evaluate n raport cu competiia. Pot exista descriptori tehnici deja folosii n
organizaie pentru determinarea specificaiilor produsului sau pot fi create noi tipuri
de msurri care s asigure c produsul va ndeplini cerinele clientului.
459
Pasul 6: Direcia de mbuntire

Dup definirea descriptorilor tehnici, trebuie determinat direcia n care
trebuie s se deplaseze fiecare descriptor
460
Pasul 7: Matricea de relaii

Cu ajutorul matricii de relaii, echipa determin relaia ntre cerinele clienilor i
abilitatea organizaiei de a le ndeplini. Echipa pune ntrebarea Care este tria
relaiei ntre descriptorii tehnici i cerinele clienilor?. Relaia poate fi slab,
moderat sau puternic cu valorile numerice 1, 4 sau 9.
461
Pasul 8: Dificultatea organizaional

Se evalueaz atributele de proiectare n termeni de dificultate organizaional.
Este posibil ca anumite atribute s fie n conflict direct cu politicile organizaiei,
de exemplu creterea numrului de mrimi (number of sizes) poate fi n
contradicie cu politica stocurilor organizaiei (de unde i gradul de dificultate
organizaional maxim = 5)
462
Pasul 9: Analiza tehnic a produselor competiiei

Pentru o ct mai bun nelegere a competiiei, Departamentul de Inginerie va
efectua o comparaie cu descriptorii tehnici ai competiiei.
463
Pasul 10: Valori int pentru descriptorii tehnici

Echipa QFD ncepe s stabileasc valori int pentru fiecare descriptor
tehnic. Valorile int reprezint ct de mult pentru descriptorii tehnici i pot
fi considerai ca i baz pentru comparaii ulterioare (sau se pot detalia
valorile pentru descriptorii tehnici pentru competiie stabilind apoi valorile
int)
464
465
Pasul 11: Matricea de corelare a descriptorilor tehnici

Matricea de corelare (numit i acoperiul Casei Calitii) este probabil
ultima folosit n analiz, ns, este de mare ajutor pentru inginerii
proiectani n urmtoarea faz a proiectului QFD. Echipa examineaz
impactul descriptorilor tehnici unul asupra altuia. Echipa trebuie s
documenteze relaii puternic negative ntre descriptorii tehnici i s
elimine contradiciile fizice
466
Pasul 12: Importana absolut i relativ

Valoarea numeric a importanei absolute se obine nsumnd pe coloan
(pentru fiecare descriptor tehnic) produsul dintre valoarea celulei cu valoarea
importanei evaluat de clieni.

De exemplu: Descriptorul tehnic greutatea echipamentului (harness weight)
5 x 4 + 3 x 9 +5 x 4 + 2 x 1 = 69

Importana relativ (%) se obine nsumnd valorile absolute i apoi mprind
valoarea absolut a fiecrui descriptor tehnic la suma respectiv

n acest mod se va cunoate care din aspectele tehnice conteaz cel mai mult
pentru clieni !!
69
467
69
468
469
Dezvoltarea unei ui de automobil
John R. Hauser & Don Clausing
HARVARD BUSINESS REVIEW May-June 1988
CRs
(CAs)
Customer
Attributes
470
471
472
473
474
475
476
477
Correlation:
Very Strong Relationship
Strong Relationship
Weak Relationship
Customer
Requirements
Importance to
Customer
Selling Points
Brand 2

Taste 5
Appearance 5
Price 3

Germ-free 4
Pesticide-free 3
Convenience 3
Deployment
5 5 3 5 4 4 5
Engineering Characteristics
Target Values
5 3 4 Importance Weighting 4 4 2 5
W
a
x

R
e
m
o
v
a
l
P
a
t
h
o
g
e
n

R
e
m
o
v
a
l
C
h
e
m
i
c
a
l

F
i
l
m

R
e
m
o
v
a
l
S
o
i
l

R
e
s
i
d
u
e

R
e
m
o
v
a
l
Q
u
a
l
i
t
y

o
f

S
u
p
p
l
i
e
r
s
P
a
c
k
a
g
i
n
g

M
a
t
e
r
i
a
l
:

P
r
o
d
u
c
t

P
r
e
s
e
r
v
a
t
i
o
n
P
a
c
k
a
g
i
n
g
:

A
p
p
e
a
r
a
n
c
e
Suntex Process
478
Windshield Wiper
479
480
481
482
483
Analiza Modurilor de Defectare, a Efectelor i Criticitii lor (AMDEC)
Failure Modes, Effects & Criticality Analysis (FMECA)
AMDEC reprezint o tehnic de analiz raional a fiabilitii
produsului, procesului sau a utilajului (folosit n cadrul
procesului) prin inventarierea modurilor posibile de defectare
ale acestora, a cauzelor care ar putea provoca aceste
defectri, a efectelor defectrilor asupra utilizatorilor, i ca
urmare, evaluarea cantitativ a probabilitilor de afectare a
funciunilor produsului/procesului/utilajului.
Metoda AMDEC este considerat ca find un instrument de baz
n managementul proiectelor, al mentenanei i n cel al
calitii totale.

Procedura a fost dezvoltat iniial de armata SUA, astfel procedura
militar MIL-P-1829 din 1949 intitulat Procedures for
Performing a Failure Mode, Effects and Criticality Analysis
fiind legat de proiectele pentru asigurarea unei disponibiliti
maxime a echipamentelor militare strategice.
a. Definire, istoric
484
Primele aplicaii notabile ale tehnicilor AMDEC sunt legate de NASA
(anii 60) i ulterior n anii 90 de cele 3 mari firme productoare de
autovehicule din SUA: GM, Ford i Chrysler prin includerea acestora
n prescripiile standardului de calitate QS 9000.

Cerine asemntoare include i noul standard ISO 16949 pentru
productorii din industria de autovehicule.

S-a pornit de la ideea c rutinele asigurrii calitii tradiionale,
bazate pe detectarea produselor defecte nu mai sunt adecvate
produciei actuale.

n condiiile creterii preteniilor de calitate ale clienilor, a creterii
complexitii produselor, a scderii perioadelor de proiectare i
lansare trebuie s existe o planificare sistematic a calitii.

Motivul este extrem de simplu i de intuitiv: defectele care pot fi
evitate iniial nu trebuie s fie corectate mai trziu.
485
Principiul de prevenire rspunde unei analize sistematice i
evalurii resurselor poteniale de erori susceptibile a se produce
n toate fazele realizrii unui proiect.

Noile metode ale proiectrii sistemice ale calitii trebuie s
permit analiza i eliminarea defectelor poteniale nc din stadiul
de proiectare i implementare, astfel nct tot mai des se ntlnete
noiunea de Proiectare a Calitii".

Dezvoltarea metodei AMDEC a dus la crearea unor seturi de
instrumente pentru analiza sistematic cu grad foarte mare de
aplicabilitate.

n practic s-a demonstrat c costurile pentru corectarea unui
defect nedetectat ntr-o etap anterioar cresc de 10 ori de la un
stadiu de implementare la altul.

n aceast ordine de idei, AMDEC este o metod de analiz a
defectrilor poteniale ale unui produs, proces sau utilaj n
vederea elaborrii unui plan de msuri ce au ca scop prevenirea
acestora i creterea nivelului calitativ al produselor, proceselor
de munc i a mediilor de producie.



486

n figura 3.25 se prezint relaia dintre originea i detectarea
defectelor n timpul ciclului de fabricaie al unui produs.
Fig. 3.25 Relaia dintre originea i detectarea defectelor n
timpul ciclului de fabricaie al unui produs
487
b. Tipuri de AMDEC
AMDEC proiect produs, se aplic dup etapa de elaborare
a documentaiei de proiectare constructiv i permite urmrirea
i analiza produselor nc din stadiul de proiectare, ncercnd s
evidenieze care sunt defectele posibile i implicaiile acestora
asupra utilitii produsului final.

AMDEC proces produs, se aplic dup etapa de elaborare
a documentaiei tehnologice a procesului pentru realizarea
produsului i permite validarea tehnologiilor de realizare a unui
produs, astfel nct s fie asigurat o fabricaie eficient a
acestuia.

AMDEC mijloc de munc/utilaj se aplic dup definirea
sistemului de maini i utilaje tehnologice pe care se realizeaz
procesul tehnologic i este focalizat pe analiza mijloacelor de
producie, n scopul diminurii numrului de rebuturi, a ratei de
detectare i creterii fiabilitii i disponibilitii.
488
c. Obiectivele AMDEC
determinarea punctelor slabe ale unui sistem tehnic;

cutarea cauzelor iniiatoare ale disfuncionalitii componentelor;

analiza consecinelor asupra mediului, siguranei de funcionare,
valorii produsului;

prevederea unor aciuni corective de nlturare a cauzelor de
apariie a defectelor;

prevederea unui plan de ameliorare a calitii produselor i
mentenanei;

determinarea necesitilor de tehnologizare i modernizare a
produciei;

creterea nivelului de comunicare ntre compartimente de munc,
persoane, nivele ierarhice.
489
d. Situaii cnd se impune obligatoriu utilizarea AMDEC
produse la care se impune un nivel ridicat de securitate;

lansarea unui nou tip de produs sau de proces;

implementarea unei noi tehnologii;

evaluarea probabilitii de apariie a defectrilor, n cazul
unor componente importante din punct de vedere al
siguranei ansamblului;

adaptarea produselor unor noi condiii de utilizare;

schimbarea seriilor de fabricaie;

produse sau procese cu probleme de calitate.
490
e. Echipa AMDEC
Iniiatorul: Este persoana sau serviciul care are initiaiva de a
declana studiul i de a alege subiectul analizei.

Decidentul: Este persoana cu responsabilitate din ntreprindere, care
are puterea de a exercita o alegere definitiv.
Aceasta va lua deciziile finale referitoare la cost, calitate
i termene.

Aceste prime dou persoane nu au n general competene
tehnice precise.

Animatorul: Este garantul metodei, organizatorul activitii
grupului. Precizeaz ordinea de zi a ntlnirilor,
conduce reuniunile, asigur secretariatul i urmrirea
avansului studiului. Adeseori, este o persoan din
exteriorul firmei, sau cel puin exterioar compartimentului
n cauz, pentru a putea anima membrii grupului.

491
Grupul de analiz : 2 pn la 5 persoane, responsabile i competente,
avnd bune cunotine despre sistemul studiat i
care ar putea aduce informaiile necesare analizei
(nu se poate discuta dect despre ceea ce se
cunoate bine).

n funcie de studiu se implic:


personal al serviciului de mentenan ;
personal al compartimentului de asigurare a calitii;
operatori de producie ;
membri ai birourilor de proiectare ;
experi ai domeniului studiat.


Total : 5 pn la 8 persoane.

492
e. Etapele aplicrii AMDEC
1. Identificarea funciilor
2. Identificarea Modurilor
de Defectare
4. Identificarea Efectelor
Modurilor de Defectare
5. Determinarea
Indicelui Gravitii - G
3. Identificarea Cauzelor
Posibile
6. Determinarea
Indicelui de Frecven - F
7. Determinarea
Indicelui de Nedetectare - ND
8. Determinarea
Indicelui de Criticitate - RPN
9. Luarea aciunilor corective
i reducerea riscului
Fig. 3.26 Etapele aplicrii AMDEC
493
Funcia unui reper (subansamblu sau produs) poate fi definit ca
aciunea ateptat a acestuia n termeni de finalitate.

Funcia unui proces poate fi definit ca operaia de prelucrare
(montaj sau verificare) necesar realizrii unei caracteristici de
calitate a unui reper (subansamblu sau produs) conform
cerinelor specificate n desen (plan de operaii, plan de control
sau program de ncercri)
Defect = nendeplinirea unei cerine referitoare la o utilizare
intenionat sau specific.
= lips, scdere, imperfeciune material, fizic sau moral.
= deranjament, stricciune care mpiedic funcionarea unei
maini, a unui aparat.
= ceea ce nu este conform anumitor reguli stabilite ntr-un
anumit domeniu.
1. Identificarea funciilor
2. Identificarea Modurilor de Defectare
494
Defectarea = pierderea aptitudinii unui reper (subansamblu sau
produs) de a-i ndeplini funcia cerut n condiii date.

Deficien = maniera n care reperul (subansamblul sau produsul)
este neconform, se poate defecta sau poate
funciona necorespunztor.
Modurile de Defectare se pot clasifica n urmtoarele categorii de
defectare sau moduri generice de defectare:
Varianta 1
- defectare complet;

- defectare parial;

- defectare intermitent;

- defectare n timp (gradual);

- superperformana unei funcii.
495
Scopul acestei grupri n categorii a Modurilor de Defectare este
de a ajuta echipa AMDEC s identifice toate Modurile de
Defectare posibile.


Analiza Modurilor de Defectare n aceast clasificare poate
scoate n eviden anumite posibiliti de defectare care altfel
nu ar fi luate n considerare.


Se pot pune n eviden funciile care nu au fost definite
corespunztor.


O defectare parial, intermitent, gradual sau
superperformana unei funcii poate genera o defectare
complet a altei funcii neidentificate.
496
Varianta 2
- refuz de a demara;

- refuz de a se opri;

- pierderea funciei;

- funcionare degradat;

- funcionare intempestiv.
n tabelul 3.9 se prezint cteva exemple de moduri posibile de
defectare din trei domenii diferite.
497
Tab. 3.9 Exemple de moduri de defectare posibile din domeniile
electronic/electromecanic, hidraulic i mecanic

Electronic,
Electromecanic

Hidraulic

Mecanic

Nefuncionare
- circuit deschis;
- scurt-circuit;
- fr rspuns la solicitri;
- conexiune / fir desprins.

- scurgere;
- circuit nfundat;
- absena micrii.

Pierderea
funciei
- ruptur sau scurt-circuit;
- component defect.
- obstrucie sau ruperea
circuitului;
- component defect.
- ruptur;
- blocaj /gripare.


Funcionare
degradat

- deriva caracteristicilor;
- perturbaii, parazii
- etaneitate
necorespunzatoare;
- uzur;
- perturbaii;
- "lovitura de berbec".
- contact
necorespunzator;
- desolidarizare;
- joc.

Funcionare
intempestiv

- declanare intempestiv.

- "lovitura de berbec".
498
Cauza defectrii = este o anomalie iniial susceptibil de a
conduce la Modul de Defectare.
Diagrama Cauz - Efect este imaginea cauzelor identificate
pentru o disfunciune potenial a unui sistem.

Aceast diagram se vrea ct mai exhaustiv posibil,
reprezentnd toate cauzele care pot avea vreo influen
asupra siguranei de funcionare.

Au fost identificate 5 mari familii de cauze poteniale:

organizarea mentenanei;

documentaia;

tehnica;

resursa uman;

mediul ambiant.
3. Identificarea Cauzelor Posibile
499
Fig. 3.27 Cauze poteniale care pot afecta sigurana n
funcionare a unui sistem
Sigurana n
funcionare
a sistemului
Mediul
ambiant
Documentaie
Organizarea
mentenanei
Resursa
uman
Tehnica
500
n tabelul 3.10 se prezint cteva exemple de cauze de defectare
din trei domenii diferite.

Electronic
Electromecanic

Hidraulic

Mecanic

Cauze interne
materialului
- mbtrnire;
- component MS
(moarte subit).
-mbtrnire;
-component MS;
-colmataj;
-scurgere.
- aciuni mecanice;
- oboseala;
- starea suprafeelor

Cauze legate de
mediu,
exploatare i
ambient
- praf, ulei, ap;
- ocuri, vibratii;
- supranclzire local;
- parazii.
- temperatura;
- ap, ulei, praf, pan;
- ocuri, vibratii;
- suprancalzire local.
- temperatura;
- ap, ulei, praf, span;
- ocuri, vibratii;
- supranclzire local

Cauze legate de
mna de lucru i
instrumente
- fabricaie, montaj,
reglaj;
- control;
- lipsa energiei;
- utilizare, instrumente.
- fabricaie, montaj,
reglaj ;
- control;
- lipsa energie ;
- utilizare, instrumente.
- concepie (geometrie);
- fabricaie, montaj,
reglaj;
- utilizare, instrumente.
Tab. 3.10 Exemple de cauze de defectare poteniale din domeniile
electronic/electromecanic, hidraulic i mecanic
501
n cazul AMDEC proiect produs, cauzele de defectare pot fi:

- deficiene de proiectare care ar putea conduce la moduri
de defectare
- deficiene de proiectare care ar putea genera erori de
prelucrare sau asamblare
n principiu, analiza AMDEC a unui proiect presupune c specificaiile
de prelucrare i de asamblare sunt realizate n proces, concentrndu-
se asupra defectrilor ce pot rezulta din proiectarea produsului.
n cazul AMDEC proces produs, cauzele de defectare pot fi:

- erori specifice descrise n termenii unor aciuni care pot fi
corectate sau controlate
n principiu, analiza AMDEC a unui proces presupune c produsul a
fost proiectat n mod corespunztor i nu se va defecta din cauza
unei deficiene de proiectare. Aceasta nu implic ns c toate intrrile
n proces sunt conforme cu specificaiile (acestea trebuie luate n
considerare n analiz).
502
4. Identificarea Efectelor Modurilor de Defectare
Efectul potenial al defecienei poate fi definit prin ceea ce
operatorul-utilizator al reperului (subansamblului sau
produsului) i/sau clientul (utilizatorul, consumatorul,
beneficiarul), percepe (observ, sesizeaz, constat prin
verificare) ca urmare a producerii deficienei.

n cazul unui proces, Efectul Modului de Defectare reprezint
ceea ce operatorul-executant sesizeaz ca urmare a
nerealizrii funciei procesului.
5. Determinarea Indicelui Gravitii - G
Indicele de Gravitate (G) estimeaz efectul modului de
defectare perceput de client. Cu alte cuvinte estimeaz
gravitatea pe care o are producerea defectrii asupra
utilizatorului.
503
Modul de stabilire a Indicelui de Gravitate (G):

- se apreciaz gravitatea modului de defectare considerat;
- corespunztor acestei graviti i se atribuie lui G o valoare
cuprins ntre 1 i 10 din tabelul 3.11 (dac G poate lua dou
valori, se alege valoarea cea mai mare)
G Efectul Modului de Defectare
1
Deficien minim, clientul nu o percepe
2 - 3
Deficien minor, pe care clientul o poate descoperi, care i provoac o
uoar nemulumire dar nu are loc nicio degradare a performanelor
4 - 5
Deficien care indispune clientul sau l incomodeaz
6 - 7
Deficien antrennd o degradare notabil a performanelor, clientul
este nemulumit
8
Deficien care provoac o mare nemulumire clientului i/sau cheltuieli
mari pentru reparaii
9
Produs n pan, deteriorare organe vitale
10
Deficien care implic probleme de securitate, accident posibil
Tab. 3.11 Valorile Indicelui de Gravitate - G
504
6. Determinarea Indicelui de Frecven - F
Indicele de Frecven (F) estimeaz riscul de apariie a
defectului ca produs dintre probabilitatea de apariie a cauzei i
probabilitatea ca aceast cauz s provoace defectul considerat. Cu
alte cuvinte estimeaz probabilitatea de producere a defectului.
Tab. 3.12 Valorile Indicelui de Frecven - F
F Probabilitatea de apariie
1
De la 0 la 3/100000 Defectul este puin probabil s apar
2
3/100000 1/10000
3
1/10000 3/10000
4
3/10000 1/1000
5
1/1000 3 /1000
6
3/1000 1/100
7
1/100 3/100
8
3/100 10/100
9
10/100 30/100
10
30/100 100/100 Defectul este aproape inevitabil
505
7. Determinarea Indicelui de Nedetectare - ND
Indicele de Nedetectare (ND) estimeaz probabilitatea ca defectul
datorat cauzei poteniale i modului de defectare stabilit s ajung la
client (se mai poate folosi i Indicele de Detectare D, care estimeaz
probabilitatea detectrii neconformitii nainte de a ajunge la client).
Tab. 3.12 Valorile Indicelui de Nedetectare - ND
ND Probabilitatea ca defectul s ajung la client
1
De la 0% la 2% Foarte mic
probabilitatea ca
defectul s ajung
la client
2
2% 12%
3
12% 22%
4
22% 32%
5
32% 42%
6
42% 52%
7
52% 62%
8
62% 72% Foarte mare
probabilitatea ca
defectul s ajung
la client
9
72% 82%
10
82% 100%
506
8. Determinarea Indicelui de Criticitate - RPN
Indicatorul cantitativ de evaluare al tehnicii AMDEC este Indicele de
Criticitate notat RPN (Risk Priority Number) care permite stabilirea
gradului n care soluia tehnic/constructiv prezint o fiabilitate i
o siguran de utilizare corespunztoare (pentru client).
RPN = G x F x ND
RPN poate lua valori ntre 1 i 1000, i n general, se consider c sunt
necesare msuri pentru prevenirea defectrilor poteniale, atunci cnd
RPN este mai mare de 100 i n cazuri speciale (tabelul 3.13)
F ND G Descriere Msuri
1 1 1
Cazul ideal (scop) Nu sunt necesare
1 1 10
n mod sigur situaia se afl sub control Nu sunt necesare
1 10 1
Defectarea nu afecteaz pe client Nu sunt necesare
1 10 10
Defectarea ar putea afecta pe client Sunt necesare
10 1 1
Defectarea mai frecvent, n mod cert va fi detectat de client Sunt necesare
10 1 10
Defectarea mai frecvent, ar putea s-l afecteze pe client Sunt necesare
10 10 1
Defectarea mai frecvent, de mare importan Sunt necesare
10 10 10
Situaie total necorespunztoare Sunt necesare
Tab. 3.13 Evaluarea necesitii msurilor de mbuntire (orientare general)
507
9. Luarea aciunilor corective i reducerea riscului
Obinerea unei valori a indicelui RPN > 100 sau n cazurile speciale,
implic stabilirea de aciuni corective.

Aceste aciuni corective vor fi urmate de o nou analiz AMDEC i
numai dac RPN < 100 se poate considera c proiectul (procesul sau
produsul) este fiabil.

Tehnica AMDEC are un caracter evident aplicativ, fiind orientat spre
identificarea cauzelor defectrilor, a modurilor de defectare i a
efectelor acestor defectri.

Tehnica AMDEC poate fi nsoit de tehnici statistice mai complexe,
ca de exemplu Proiectarea Experimentelor (AMDEC de proiect
produs), respectiv Controlul Statistic al Proceselor (AMDEC de
proces produs).
508
f. Avantajele aplicrii AMDEC
mbuntirea calitatii, fiabilitii i siguranei unui produs sau
proces;

mbuntirea imaginii i competitivitii firmei;

Creterea satisfaciei consumatorului;

Reducerea timpilor de dezvoltare i costurile;

Colectarea informaiilor pentru a reduce eecurile i defectrile
viitoare;

Reducerea potenialelor probleme de garanie;

Identificarea timpurie i eliminarea potenialelor defecte;

Accentuarea prevenirii problemelor;

Minimizarea modificrilor trzii ce ar putea fi aduse produsului sau
procesului, precum i costurile aferente etc.
509
Studiu de caz:
XEBRA: Maina electric hibrid cu propulsare hidraulic
510
ZAP, productorul american de automobile electrice, va lansa (2007
n.a) un nou model de autocamion electric, pentru flotele care au
nevoie de o rat mare de ncrcare: XEBRA.

Ceea ce este diferit la XEBRA, n comparaie cu celelalte maini
electrice, este sistemul hidraulic de propulsare, care face ca
eficiena vehiculului s creasc.

Agenia pentru Protecia Mediului (EPA), o agenia guvernamental
din S.U.A., este interesat de mbuntirea eficienei vehiculelor
electrice prin integrarea unui sistem hidraulic de propulsare,
mpreun cu componentele electrice.

S-a observat scderea eficienei la mainile electrice, de la 90%
la 60%, n timpul acceleraiei.

Adugnd sistemul hidraulic unei maini electrice Xebra,
bateriile acesteia nu vor mai fi suprasolicitate n timpul
acceleraiei, iar per total, eficiena vehiculului va crete.

511
De aceea, s-au fcut numeroase studii i teste, pentru ca acest tip de
propulsare s poat fi montat pe Xebra.

Sponsorul acestui proiect este EPA, fondat n 1970, cu scopul de a
impune legile federate de reducere a polurii i, totodat, de a
implementa diverse programe pentru prevenirea polurii.

Dei vehiculele electrice au emisii reduse de gaze toxice, sunt
foarte neeficiente.

Bateriile sunt fcute ca s suporte o presiune constant, ns n timpul
acceleratiei, vehiculele necesit presiuni mari pentru perioade de
timp scurte, ceea ce nu numai c reduce eficiena bateriilor, dar
totodat, scade durata de via a acestora.

Reprezentanii EPA sunt de prere c adugarea unui sistem
hidraulic vehiculelor poate fi un element-cheie pentru reducerea
polurii aerului i pentru a scdea dependena de combustibilii
fosili.
512
Xebra este o main electric mic, cu 3 roi, clasificat de lege
ca motociclet.

Roile din spate ale mainii sunt propulsate de un motor electric
de 72 voli, cu un randament de 5 CP.

ase baterii mari, de cte 12V, asigur puterea motorului, n
timp ce o baterie mai mic, tot de 12V, asigur puterea pentru
instrumentele de sub capota vehiculului.

Viteza maxim pe care o atinge Xebra este de 56 km/h, i poate
rula aproximativ 36 km fr ca bateriile s necesite rencrcare.

Aceste valori relativ mici se datoreaz acceleraiei sczute i
solicitrii bateriilor n timpul propulsrii.

Implementarea sistemului hidraulic va mri acceleraia i va
face ca eficiena bateriilor s creasc.
.
513
Specialitii care au lucrat la realizarea noului model Xebra s-au
concentrat pe modificarea design-ului mainii, pentru a
permite ca noul sistem de propulsare s poat fi instalat, i
pe instalarea unora dintre componentele necesare
sistemului hidraulic.

Componentele instalate au fost:

acumulatorii laterali;

valvele;

motorul;

pompa;

senzorii;

pompa cu umplere lent.
514
Analiza AMDEC
A fost realizat un tabel AMDEC pentru evaluarea modificrilor
adugate vehiculului Xebra.

Acesta include toate componentele importante ale sistemului
hidraulic, precum i design-ul.

Mai nti, au fost determinate toate componentele de design i
modalitile n care fiecare s-ar putea defecta.

Gravitatea defectrii (Indicele de Gravitate G), probabilitatea de
defectare (Indicele de frecven F) i probabilitatea de detectare
a defectrii (Indicele de Nedectare ND) au fost notate pe o scar
de la 1 la 10.

O gravitate a defectrii mare indic un efect major pe care
defectarea l-ar putea avea asupra componentei respective.

O probabilitate de defectare mare nseamn c probabilitatea c
un defect s apar este mare, iar o probabilitate de detectare
ridicat arat c defectul va fi uor de detectat.
515
516
517
Cel mai mare RPN s-a dovedit a fi la ndoirea balamalelor, din
cauza supra-ncrcrii, scurgerilor de fluid din mbinrile
hidraulice i din cauza slbirii mbinrilor n timp.

Aciunile recomandate au fost utilizate pentru a reduce valoarea
RPN i, totodat, pentru a scdea probabilitatea defectrilor
acestor componente.

Pentru balamale, cea mai ngrijortoare modalitate de defectare
a fost ruperea.

Efectele poteniale ale unei astfel de defectri ar putea rni
utilizatorul, sau ar putea aduce stricciuni mari componentelor
hidraulice.

Gravitatea acestor incidente a fost notat ca fiind foarte ridicat,
deoarece presiunile mari ale fluidelor din sistem i greutatea
carcasei camionului ar putea cauza pagube majore.

518
Exist numeroase modaliti de defectare dac apare o ruptur.

Principalele cauze sunt:

curbarea datorit ndoirii,

uzura datorat numeroaselor ncrcri i lrgirii crpturilor,

materialul se poate ndoi din cauza suprancrcrii, instalarea
necorespunztoare.

Defectele cu probabilitatea cea mai mare de apariie sunt: uzura
datorat numeroaselor ncrcri i instabilitatea, n timp ce defectul
cu probabilitatea cea mai mic de apariie este curbarea.

Toate aceste mecanisme de defectare sunt controlate i prevenite
prin analiza forei balamalelor, teste de durabilitate i adugarea
unor elemente pentru o susinere mai bun.

519
Montajele hidraulice au fost i ele un punct important n cadrul
analizei.

Aceste montaje conecteaz toate componentele hidraulice, astfel c
cele mai ngrijortoare modaliti de defectare sunt scurgerile,
coroziunea i slbirea mbinrilor montajelor n timp.

Gravitatea acestor defectri este moderat, deoarece unul dintre
efectele lor este doar scderea eficienei sistemului, care nu este la
fel de grav ca o problem de siguran a utilizatorului.

Dac presiunea mare a fluidelor poate s fie periculoas pentru
om, o scurgere nu ar putea fi fatal pentru utilizator, i nici nu va
avea un impact major asupra celorlalte componente.

Unele defectri ale montajelor hidraulice pot fi puse pe seama firelor
avariate i a pieselor cu margini ndoite, sau mai ales, instalrii
necorespunztoare a acestora.
520
Probabilitatea de apariie a acestor elemente este mare doar
dac n timpul montrii i instalrii lipsete atenia i nu sunt
luate msuri de precauie.

Cele mai bune msuri de prevenie a acestor defectri sunt
examinarea montajelor n timpul montrii, precum i folosirea
unei pompe pentru a verifica dac exist scurgeri n ntregul
sistem, dup instalare.

Scurgerile sunt uor de detectat pentru c sunt vizibile, ns nu
se poate spune acelai lucru despre coroziune, care este destul
de greu de detectat nainte de eventualele defectri.

n plus, pentru prevenirea acestor defectri, este recomandat
manevrarea corespunztoare a montajelor, precum i folosirea
unui cuplu de torsiune n timpul montrii, pentru ca montajele
s fie ndeajuns de bine strnse.

521
Action Taken
S
v
r
t
y
O
c
r
n
c
D
t
c
t
n
R
P
N
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
Action Results
Item Function
Potential
Failure Mode
Potential
Effects or
Failure
S
v
r
t
y
Potential
Causes of
Failure
FMEA Template for AIAG and Six Sigma
MEADinfo Product
Prepared By:
Date: 00/00/00
FMEA No/Rev:
Process/Component:
0000/01
O
c
r
n
c
Current
Controls for
Prevention/
Detection
D
t
c
t
n
R
P
N
Recommended
Action
Responsibility
and Target
Completion
Date
522
Syst em Subsyst em Number :
It em Funct i on Fai l ur e Mode Fai l ur e Effect
S
e
v
e
r
i
t
y
C
Pot ent i al
Fai l ur e Cause
Pr event i ve
Act i on
O
c
c
u
r
r
e
n
c
e
Det ect i on
Act i on
D
e
t
e
c
t
i
o
n
R
P
NRecommende
d Act i ons
Responsi bl
e &
Deadl i ne
Act i ons Taken
S
e
v
e
r
i
t
y
O
c
c
u
r
r
e
n
c
e
D
e
t
e
c
t
i
o
n
R
P
N
Cor e
t eam:
Modi fi ed:
It em: Desi gn Responsi bi l i t y:
Pr epar ed
by:
Model Year / Vehi cl e: Key Dat e: Cr eat ed:
Component
523
Item: FMEA number:
Model: Page :
Core Team: FMEA Date (Orig): 1/1/2008
Actions Taken
S
e
v
O
c
c
D
e
t
R
P
N
Drill Blind Hole Hole to deep
Break
through
bottom of
plate
7
Improper
machine
set up
3
Operator training
and instructions
3 63 0
Hole not
deep
enough
Incomplete
thread form
5
Improper
machine
set up
3
Operator training
and instructions
3 45 0
5
Broken
Drill
5 None 9 225
Install Tool
Detectors
J. Doe 3/1/2008 5 5 1 25
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
Recommended
Action(s)
Responsibility
and Target
Completion Date
R
P
N
Process
Function
Responsibility:
Prepared by:
J. Doe
J. Doe
Action Results
FAILURE MODE AND EFFECTS ANALYSIS
Potential
Failure
Mode
Potential
Effect(s) of
Failure
S
e
v
C
l
a
s
s
Potential
Cause(s)/
Mechanis
m(s) of
Failure
O
c
c
u
r
Current
Process
Controls
D
e
t
e
c
J. Doe (Engineering), J. Smith (Production), B. Jones (Quality)
Drill Hole
Current
123456
1 of 1
Rev: 1
524
Item Code:
Revision State:
Item Code:
Revision State:
Effects S Causes Preventive Action O Detection Action D RPN R/D
Gas checked
before shift
Company welding
procedures]
Way to prevent the
cause!
4
First off inspecion
2 80
Outcome of
the Failure
Mode e.g
Reduced
structural
Integrity
Coded Welders
TPM
Fails crash
test
8
10
Failure Mode -
Poor weld
penetration
Failure Cause -
insufficient
acetylene gas
Failure Cause -
Wire feed blocked
Failure Cause - No
gas shield
Function: WHAT YOU INTEND TO ACHIEVE AT THIS STATION - e.g. weld as per drawing
Failure Mode
Company:
Company:
FMEA/Process Step: Responsible: Created:13/03/2013
Sterilisation
Modified:13/03/2013
Process Element: OPERATION UNDER ANALYSIS - e.g. welding
Type/Model/Fabrication/Load: Responsible:
Failure Cause -
Wire feed too slow
Fails crash
test
10
Created:13/03/2013
Beer making (based on Indian Pale
Ale)
Outcome of
the Failure
Mode e.g
Reduced
structural
Integrity
8
Failure Mode -
Excess weld
penetration
525
CAPITOLUL IV
NOIUNI FUNDAMENTALE DE CALCUL
PROBABILISTIC I STATISTIC MATEMATIC
4.1 Elemente fundamentale ale teoriei probabilitilor
n cadrul teoriei probabilitilor se opereaz cu noiuni specifice care
pot fi prezentate pe scurt astfel:
Proba : alegerea aleatorie a unei mulimi (populaii) in scopul
determinrii criteriului de apartenen la mulimea (populaia)
cercetat.

Experiment : producerea unui anumit fenomen, ntr-un complex de
condiii dat, care poate fi repetat de cte ori este necesar sau dorit.

Eveniment (A) : rezultatul unui experiment care poate fi orice fapt
ce poate s apar sau nu n urma efecturii experienei.

526
Probabilitatea unui eveniment P(A), este msura numeric a
probabilitii de realizare. Matematic se exprim prin raportul
cazurilor favorabile m de producere a evenimentului A i
numrul total n de rezultate posibile a experimentului.
Evenimentul sigur (E), este evenimentul care se produce sigur n
cadrul unui experiment. P(E) = 1 ; m = n.
Evenimentul imposibil (C), este evenimentul care se nu se
produce n mod obligatoriu n cadrul unui experiment. P(C) = 0 ; m
= 0.
Evenimentul aleator, este evenimentul care se produce sau nu n
cadrul unui experiment, deci cnd m e (0,1).(C), este evenimentul
care se nu se produce n mod obligatoriu n cadrul unui experiment.
527
n tabelul 4.1 sunt sintetizate principalele proprieti ale operaiilor cu
evenimente.
Enun Relaii
Contrariul unui eveniment sigur este un
eveniment imposibil (i invers)
non E = C
non C = E
Reuniunea sau intersecia unui eveniment
A cu el nsui este egal cu acelai eveniment
A A = A
A A = A
Reuniunile i interseciile sunt comutative A B = B A
A B = B A
Reuniunile i interseciile sunt asociative A ( B C ) = ( A B ) C
A ( B C ) = ( A B ) C
Intersecia n raport cu reuniunea i reu-
niunea n raport cu intersecia sunt distributive
A ( B C ) = ( A B ) ( A C )
A ( B C ) = ( A B ) ( A C )
Reuniunea evenimentelor contrare este un
eveniment sigur
A non A = E
Intersecia a dou evenimente incompatibile
este evenimentul imposibil
A non A = C
Dac E eveniment sigur, C - eveniment
imposibil, A eveniment aleator atunci exist
relaiile
A E = E ; A C = C
E C = E ; E C = C
Oricare ar fi evenimentele A i B exist
relaiile
A ( A B ) = A
A ( A B ) = A
Relaiile lui Morgan non ( A B ) = non A non B
non ( A B ) = non A non B
Tab. 4.1 Proprietile operaiilor cu evenimente
528
4.2 Variabile aleatoare
Statistica matematic opereaz cu dou noiuni (concepte) de baz,
populaia i eantionul.

Populaia statistic poate fi reprezentat prin totalitatea (mulimea)
produselor ce pot rezulta dintr-un proce tehnologic, prin mulimea
valorilor ce le poate lua o caracteristic de calitate a unui produs etc.

Eantionul reprezint acea parte a populaiei asupra creia se aplic
metodele statistice propriu-zise.

Aceast operaie se definete prin noiunea de inferen statistic.

Trebuie fcut observaia c inferena statistic are dou limitri, n
primul rnd informaia ce conduce la luarea deciziei este de natur
statistic i deci implicit supus ntmplrii , i n al doilea rnd se
recunoate explicit nesigurana concluziei cu ncercarea de a
msura ct mai obiectiv incertitudinea implicit.
529
Pentru aplicarea unor metode cantitative este nevoie ca
populaiile statistice s fie formalizate din punct de vedere
matematic, aceasta n scopul gsirii unui model statistic care
s defineasc ct mai adecvat caracteristicile populaiei.

Problema gsirii modelului statistic s-a rezolvat prin introducerea
conceptului de variabil aleatoare.

Aceste variabile caracterizeaz populaia respectiv i este
descris din punct de vedere matematic de funcia de
repartiie asociat.

Variabilele aleatoare prezint dou aspecte: unul privitor la o
anumit caracteristic ce poate fi exprimat calitativ sau
cantitativ, i al doilea la probabilitatea ataat caracteristicii
respective.
530
Din punct de vedere al primului aspect (al caracteristicii)
variabilele aleatoare pot fi:

cantitative : atunci cnd pot lua o anumit valoare nchis
ntr-o mulime de valori cu probabilitate prescris.

calitative (atributive) : atunci cnd pot fi exprimate prin
atribute sau adjective i crora li se poate asocia o
anumit probabilitate.

Dup modul de prezentare a valorilor variabilele aleatoare pot fi:

discrete : atunci cnd pot lua numai anumite valori ntr-un
interval dat.

continue : atunci cnd pot lua orice valoare ntr-un interval
finit sau infinit
531
a. Variabile aleatoare discrete
Fie o variabil aleatoare discret X. n urma efecturii unui
experiment variabila primete valorile x
1
, x
2
,.,x
n
, fiecare avnd
probabilitatea de apariie p
1
,p
2
,.,p
n.


Enumerarea tuturor valorilor posibile ale variabilei aleatoare discrete
mpreun cu probabilitile lor de apariie se numete repartiie i
poate fi exprimat sub una din formele (4.2):
1 2 n i
1 2 n i
x , x ,..., x x
X: sau X:
p ,p ,...,p p
| | | |
| |
\ . \ .
Asociind fiecrui eveniment x
i
probabilitatea corespunztoare p
i
s-a
stabilit n fapt legea de repartiie a variabilei aleatoare discrete.

Expresia analitic a legii de repartiie se numete funcie de
probabilitate i se exprim prin relaia (4.3):
(4.2)
( ) ( )
i i i
P X x P x p = = =
(4.3)
532
Funcia de probabilitate satisface condiia:
( )
i
0 P x 1 s s
(4.4)
Avnd n vedere c prin efectuarea experimentului s-a obinut cte
un singur rezultat pentru fiecare experien, totalitatea acestor
valori formeaz un sistem complet de evenimente incompatibile
i deci se poate scrie:
n
i
i 1
p 1
=
=

(4.5)
Funcia de repartiie a variabilei aleatoare X se definete ca fiind
probabilitatea ca X x, avnd sensul unei probabiliti cumulate.
( ) ( )
F x P X x = s
(4.6)
533
Cunoscnd funcia de probabilitate a variabilei aleatoare discrete
(relaia 4.3) rezult pentru funcia de repartiie expresia:
( ) ( ) ( ) ( )
k k k
k k i i i
i 1 i 1 i 1
F x P X x X x P x p
= = =
= s = = = =

(4.7)
Din punct de vedere grafic (Fig. 4.1) funcia de repartiie a variabilei
aleatoare discrete se prezint sub forma unei diagrame discontinue n
trepte, n care salturile corespund valorilor posibile ale variabilei
aleatorii discrete, fiind egale cu probabilitile acestor valori.

Reprezentarea grafic se mai numete i poligonul repartiiei sau
poligonul repartiiei probabilitilor
534
F(X)
0 1 2 3 4 5 x
1
Fig. 4.1 Graficul funciei de repartiie a unei variabile aleatoare discrete
535
b. Variabile aleatoare continue
n cazul variabilelor continue exist o infinitate de valori i n plus nu
fiecare valoare a variabilei are o probabilitate diferit de zero.

Funcia de repartiie a variabilei continue are expresia din relaia (4.8):
( ) ( ) ( ) ( )
x x
F x P X x f x dx F x dx

'
= < = =
} }
(4.8)
n care f(x) se numete densitate de probabilitate sau densitate de
repartiie a variabilei aleatoare continue i este totodat derivata
nti a funciei de repartiie F(x) i este prezentat grafic n figura 4.2.
Mrimea f(x)dx se numete element de probabilitate i reprezint
probabilitatea ca variabila x s se gseasc n intervalul elementar dx.

Din punct de vedere geometric reprezint aria dreptunghiului elementar cu
baza dx aa cum se prezint n figura 4.3.
536
Fig. 4.2 Graficul densitii de probabilitate a unei variabile aleatoare continue
Fig. 4.3 Graficul elementului de probabilitate
537
Din punct de vedere geometric funcia de repartiie este aria
cuprins ntre curba densitii de probabilitate i axa absciselor,
aria total fiind egal cu unitatea ca n figura 4.2.

Graficul funciei de repartiie a unei variabile aleatoare
continue este prezentat n figura 4. 4.
Fig. 4.4 Graficul funciei de repartiie a unei variabile aleatoare continue
538
( ) ( ) ( ) ( ) ( )
1 2
F 0, F f x dx 1, F x F x
+

= + = = s
}
graficul are ca i asimptote dreptele F(x) = 0 i F(x) = 1
( ) ( ) ( ) ( ) ( ) ( )
2 1 2
1
x x x
1 2 1
x
P x X x F x F x f x dx f x dx f x dx

< < = = =
} } } 2
n practic, n multe cazuri, nu se ntlnesc variabile aleatoare izolate cu
alte cuvinte spre exemplu unele caracteristici de calitate nu pot fi
modelate cu o singur variabil aleatoare.

Se ntlnesc cazuri n care caracteristicile de calitate sunt
reprezentate prin cturi (X/Y) sau sume (X+Y) de variabile aleatoare.

Nu este ns obligatoriu ca n cazul n care X i Y au acelai tip de
repartiie ctul sau suma s urmeze aceeai lege de repartiie.

Dac ns acest lucru se ntmpl atunci repartiia se zice stabil i
simplific modelarea matematic iar pe de alt parte stabilitatea
prezint importan n studiul lanurilor de dimensiuni
539
4.3 Indicatori statistici ai repartiiilor (valori tipice ale variabilelor aleatoare)
n studiul unei caracteristici de calitate, se dispune n general de un
set de date obinute prin experimentare.

Anterior s-a artat c o variabil aleatoare se poate defini cu
ajutorul legii de repartiie.

Exist i cazuri cnd aceasta nu se cunoate i atunci sunt
necesare anumite valori care s caracterizeze tendinele
variabilelor aleatoare.

Aceste valori sau msuri se numesc indicatori sau valori tipice i
ofer informaii privind tendina de grupare i variaie respectiv
modelarea comportrii caracteristicii de calitate.
540
4.3.1 Indicatorii tendinei centrale de grupare (valori tipice de localizare)
Se mai numete speran matematic, medie teoretic, tendin
central sau valoare adevrat.

Pentru o variabil aleatoare discret se calculeaz cu relaia (4.9):
a. Media (, M[X])
| |
n
i i
i 1
M X xp
=
= =

(4.9)
Pentru o variabil aleatoare continu se calculeaz cu relaia (4.10):
| | ( ) ( )
M X x dF x xf x dx
+ +

= = =
} }
(4.10)
541
b. Mediana (Me)
Este acea valoare tipic n raport cu care o variabil aleatoare are
aceeai probabilitate de a fi superioar sau inferioar.

Din punct de vedere al unui ir de valori ordonate cresctor i care
reprezint o serie statistic este acea valoare ce mparte seria n
dou grupe egale ca numr.
( ) ( )
( ) ( )
Me
Me
P X Me P X Me
sau
f x dx f x dx
+

< = >
=
} }
(4.11)
Din punct de vedere geometric, mediana este egal cu abscisa
punctului ce mparte aria delimitat de axa OY i curba f(x) n
dou pri egale.
542
c. Moda (Mo)
Se mai numete mod sau modul i este valoarea tipic ce are cea
mai mare probabilitate de apariie (numit i valoare dominant),
n cazul variabilelor aleatoare discrete sau repartiiilor continue
unimodale.

n cazul variabilelor aleatoare continue, moda corespunde valorii
pentru care densitatea de probabilitate are un maxim.
( ) ( )
' "
Mo Mo
f X 0 ; f X 0 = <
(4.12)
Ecuaia f(x) = 0 poate da mai multe maxime i evident repartiia
poate avea mai multe mode.

Dac repartiia are mai multe mode se numete plurimodal iar
repartiiile fr mod se numesc antimodale.
543
Fig. 4.5 Poziia , Me i Mo pentru trei tipuri de repartiii:
a) asimetrie de dreapta; b) asimetrie de stnga;
c) repartiie simetric; d) repartiie bimodal i antimodal
544
4.3.2 Indicatori de variabilitate (valori tipice de variaie)
Pentru a caracteriza concentrarea sau mprtierea unei repartiii
statistice, respectiv pentru a aprecia gradul de variaie sau
apropierea de valorile tipice de localizare se folosesc urmtorii
indicatori:
a. Amplitudinea (R)
Este un indicator statistic dat de diferena valorilor extreme ale
unui ir statistic.
R = x
max
x
min

(4.13)
545
b. Dispersia sau variana (D[X] ;
2
)
- pentru variabila aleatoare continu:
| | ( ) ( ) ( )
n
2
2 2
2
i i
i 1
D X M X M X M X x p
=
(
( = o = = =



(4.14)
- pentru variabila aleatoare discret:
| | ( ) ( )
2
2
D X x f x dx
+

= o =
}
(4.15)
c. Abaterea standard ((D[X])
1/2
; )
| |
( )
n n
2 2 2
i i i i
i 1 i 1
x p x p
D X
= =
= o = =

- pentru variabila aleatoare discret:
- pentru variabila aleatoare continu:
| |
( ) ( ) ( )
2
2 2
x f x dx x f x dx
D X
+ +

= o = =
} }
(4.16)
(4.17)
546
d. Coeficientul de variaie teoretic (CV)
| |
| |
D X
CV
M X
o
= =

(4.19)
4.3.3 Indicatori caracteristici formei funciei de repartiie
a. Momentul iniial (absolut) de ordin k (k>1) (m
k
;
k
)
- pentru variabila aleatoare discret:
n
l l k k
k k i i
i 1
m M X x p
=
(
= = =


(4.18)
- pentru variabila aleatoare continu:
( )
l l k
k k
m x f x dx
+

= =
}
(4.20)
547
b. Momentul centrat de ordin k (k>1) (m
k
;
k
)
- pentru variabila aleatoare discret (centrare n raport
cu media teoretic = M[X])
| | ( ) ( )
n
k
k
k k i i
i 1
m M X M x x p
=
(
= = =
(


(4.21)
- pentru variabila aleatoare continu:
| | ( ) ( ) ( )
k
k
k k
m M X M X x f x dx
+

(
= = =
(

}
(4.22)
Observaii:

2
= D[X ] =
2
(momentul centrat de ordinul doi este egal cu dispersia)


2
=
2
=
2
-
1
2
( dispersia exprimat cu ajutorul momentelor iniiale)
548
c. Coeficientul de asimetrie al lui Pearson (
1
)
Unii autori consider coeficientul de asimetrie al lui Pearson (
1
)
un indicator al gradului de asimetrie al curbei frecvenelor fa
de media aritmetic, folosind relaiile (4.23) :
( )
2 2
3 3
1
3 3
2
2
m x Mo
sau A
s m

| = = =
o
(4.23)
Dac x > Mo atunci A > 0 i asimetria este de stnga (pozitiv).

Dac x < Mo atunci A < 0 i asimetria este de dreapta (negativ).

Dac
1
< 0 asimetria este negativ (Fig. 4.5 b).

Dac
1
> 0 asimetria este pozitiv (Fig. 4.5 a).

Dac
1
= 0 curba este simetric (Fig. 4.5 c).
549
Ali autori, consider coeficientul de asimetrie (
1
)
1/2
ca fiind un
indicator ce msoar asimetria unei repartiii n raport cu gradul
ei de mprtiere, folosind relaia (4.24):
( )
( )
3 3 3
1 s 1
3/ 2 3/ 2 3
2
2
m
A
m

| = = = = =
o
o
(4.24)
d. Coeficientul de boltire (
2
)
Coeficientul de boltire (
2
) reprezint un indicator al gradului de
nclinare a pantei curbei funciei de repartiie n vecintatea
modei, i este legat de ascuirea ei, relaia (4.25)
4 4
2
2 4
2
m
m

| = =
o
m
4
fiind momentul centrat de ordinul 4
(4.25)
550
e. Coeficientul de exces (E)
Coeficientul de exces (E) reprezint un indicator al formei
repartiiei raportat la repartiia normal, relaia (4.26).

Este legat de coeficientul de boltire prin aceea c pentru o
distribuie normal
2
= 3.
4 4
2 2
2 4
2
m
E 3 3 3
m

= = | = =
o
(4.26)
Pentru E < 0 curba are un exces negativ (mai apltatizat) i se
numete placticurtic.

Pentru E > 0 curba are un exces negativ (mai ascuit) i se
numete leptocurtic.

Pentru E = 0 curba se numete mezocurtic.
551
Fig. 4.6 Formele curbelor de repartiie funcie de exces
a)
b)
c)
a) Repartiie placticurtic
b) Repartiie mezocurtic
c) Repartiie leptocurtic
552
4.4 Inegalitatea Cebev
O repartiie este complet specificat dac i se pot calcula
toate momentele.

Sunt cazuri n care se cunosc numai dou momente: media i
dispersia.

Cu ajutorul inegalitii lui Cebev se poate stabili
probabilitatea abaterii variabilei aleatoare fa de medie,
relaia (4.27).
( )
2
1
P X k 1
k
s >
(4.27)
( )
( )
- pentru k 4,5 P X 4,5 0,95
- pentru k 10 P X 4,5 0,99
= s >
= s >
553
n cazul particular al repartiiilor unimodale simetrice,
(frecvent ntlnite n studiul caracteristicilor de calitate)
inegalitatea Cebev, conform relaiei (4.28), devine :
( )
2
1
P X k 1
2,25k
s >
(4.28)
Cu aceast inegalitate se pot urmri abaterile ntr-un proces
tehnologic fr a-i cunoate legea de repartiie . O atenie
special se acord intervalului 3.
( )
8
- pentru k 3 P X 3
9
= < >
Adic probabilitatea ca variabila aleatoare s fie n intervalul 3
este aproximativ 89% (vezi 2.2.6 Fie de control) De unde
rezult c probabilitatea ca variabila aleatoare s fie n afara
intervalului 3 este 1/9 ( 11%)

Nici o lege de repartiie nu poate da o valoare mai mic dect cea
dat de relaia (4.28).
554
4.5 Repartiii statistice utlizate n modelarea caracteristicilor de calitate
Caracteristicile de calitate pot lua diferite valori aleatoare,
fiecare avnd o frecven proprie de apariie, ntre dou valori
extreme (limit).

Repartizarea acestor frecvene se poate face printr-o lege de
repartiie exprimnd legtura dintre valorile caracteristicii
de calitate i probabilitatea lor de apariie.

Asociind caracteristicii investigate modelul statistic cel mai
adecvat, se pot deduce indicatorii statistici specifici i de
asemenea se pot face predicii privind evoluia
caracteristicii respectiv asupra posibilitii apariiei
evenimentelor nedorite sau anormale.

Exist mai multe feluri de clasificare a tipurilor de repartiii
funcie de diverse criterii ( de exemplu: dup continuitate :
discrete i continue; dup generalitate: pentru analiza
reprezentrii fenomenelor i auxiliare; dup domeniul de
aplicare etc.).
555
4.5.1 Repartiii discrete
a. Repartiia Bernoulli
Se presupune efectuarea unui experiment cu dou posibile rezultate,
fie succes fie eec

Succesul are probabilitatea p n timp ce eecul are
probabilitatea q = 1 p

O variabil aleatoare care ia valoarea 1 n caz de succes i 0 n
caz de eec, se numete variabil aleatoare Bernoulli (despre ea
se zice c are o repartiie Bernoulli).

Se consider o variabil aleatoare discret X care poate lua
valorile 0 sau 1.

Considernd pe(0,1), se spune c X are o distribuie Bernoulli
cu parametrul p dac funcia sa mas de probabilitate
(probability mass function) este cea din relaia (4.29).
556
( )
p dac x 1
f x;p
1 p dac x 0
=

=

=

(4.29)
Funcia de repartiie Bernoulli a unei variabile aleatoare discrete X
este dat n relaia (4.30)
( )
0 dac x 1
F x;p 1 p dac 0 x 1
1 dac x 1
<

= s <

>

(4.30)
557
Principalii indicatori statistici ai variabilei aleatoare cu repartiie Bernoulli
- valoarea medie
| |
M X p = =
- mediana
( )
0 dac q p
F x;p 0,5 dac q p
1 dac q p
>

= =

<

- moda
( )
0 dac q p
F x;p 0,1 dac q p
1 dac q p
>

= =

<

558
| | ( )
2
D X p 1 p = =
| | ( )
D X p 1 p = =
- dispersia
- abaterea standard
- asimetria
( )
2
2
3
1 1
3
2
q p
m q p
,
pq m
pq


= = =
- excesul
4 4
2 2
2 4
2
m 1 6pq
E 3 3 3
pq m

= = = = =
559
Fig. 4.7 Funcia mas de probabilitate Bernoulli pentru diferite
probabiliti de apariie a succesului = 1 i eecului = 0
(un singur experiment)
Funcia mas de probabilitate Bernoulli
P
r
o
b
a
b
i
l
i
t
a
t
e

Variabila aleatoare
560
Fig. 4.8 Funcia de repartiie Bernoulli pentru diferite probabiliti de
apariie a succesului = 1 i eecului = 0
(un singur experiment)
P
r
o
b
a
b
i
l
i
t
a
t
e

Funcia de repartiie Bernoulli
Variabila aleatoare
561
b. Repartiia binomial
Este o repartiie discret cu modelul probabilistic obinut prin
efectuarea de extrageri repetate de piese dint-un lot (eantion),
piesele extrase fiind reintroduse n lot pentru a nu se modifica
compoziia acestuia.

De aceea extragerea se mai numete cu ntoarcere.

Se folosete n modelarea controlului de recepie a loturilor de
produse.
Funcia de repartiie binomial este dat n relaia (4.31):
Dac X
1
,...X
n
sunt variabile aleatoare independente i identic
distribuite , repartizate Bernoulli cu probabilitatea de succes p,
atunci suma acestora este distribuit Binomial (n;p).

n aceste condiii, repartiia Bernoulli este Binomial (1;p)
562
( ) ( )
| |
n
1
k k n k
n x 1
x x n x k 0
n
x 0
n 1
k k n k
n
k 0
0 pentru x 0
q pentru 0 x 1
C p q pentru 1 x 2
P X x F x;n;p C p q
C p q pentru (n 1) x n
1 pentru x

=
=

=
s
< s
< s
s = = =

< s

>

(4.31)
n care: p probabilitatea (constant de apariie a unui eveniment A la
fiecare ncercare)
q = 1 - p, probabilitatea evenimentului contrar
n numrul valorilor posibile (volumul eantionului)
[x] - partea ntreag a lui x
k numrul de succese
563
Principalii indicatori statistici ai variabilei aleatoare cu repartiie Binomial:
- valoarea medie
- dispersia
- abatrerea standard
| |
n n
x x n x
i i i
i i i n
i 1 i 1
M X xp xC p q np

= =
= = =

| | ( )
2
D X np 1 p npq = = =
| |
D X npq = =
- moda
np q Mo np p, Mo Z < < + e
564


- momente
( )
( )
1
2
2 2
3 3
4 4
m np
m npq
m npq q p
m npq 1 6pq 3npq
'
= =
= = =
= =
= = +
- asimetria
( )
2
2
3
1 1
3
2
q p
m q p
,
npq m npq


= = =
- excesul
4 4
2 2
2 4
2
m 1 6pq
E 3 3 3
npq m

= = = = =
565
Funcia mas de probabilitate Binomial
P
r
o
b
a
b
i
l
i
t
a
t
e

p = 0,5 i n = 20
p = 0,7 i n = 20
p = 0,5 i n = 40
Fig. 4.9 Funcia mas de probabilitate Binomial
566
Funcia de repartiie Binomial
P
r
o
b
a
b
i
l
i
t
a
t
e

Fig. 4.10 Funcia de repartiie Binomial
p = 0,5 i n = 20
p = 0,7 i n = 20
p = 0,5 i n = 40
567
Funcia de probabilitate binomial P(n,k) = C
n
k
p
k
q
n-k

568
Funcia de probabilitate binomial P(n,k) = C
n
k
p
k
q
n-k
(continuare)
569
c. Repartiia multinomial
Este o repartiie ce generalizeaz repartiia binomial studiind
distribuia unui vector m dimensional (
1
,
2
, .,
m
).

Se utilizeaz n studiul fiabilitii mijloacelor de msur i
control (de ex: o operaie este un succes sau un eec datorit
unor defeciuni de tipuri independente unele de altele.
Funcia de repartiie multinomial este dat n relaia (4.32):
( ) ( )
| | | | | |
x x x
1 2 m
n 1 2 m n 1, 2,.... m
k 0 k 0 k 0
1 2 m
F x , x ,...., x .... P k k k
= = =
=

(4.32)
n care [x
i
] este partea ntreag a lui x
i
, i=1,...,m
570
d. Repartiia Poisson (repartiia evenimentelor rare)
Repartiia Poisson este o repartiie discret i modeleaz apariia
unor produse de calitate necorespunztoare (defecte) n cadrul
unui lot de produse de calitate superioar.

Se folosete de asemenea n modelarea controlului de recepie a
produselor i n fiabilitate.

Se aplic n special cnd exist ansa ca un eveniment s apar de
un numr mare de ori dar cu o probabilitate mic la fiecare
ncercare.

Repartiia determinat de probabilitile :
( )
k

P k; e ; unde k 0,1,...., ; 0
k !

= = >

se numete repartiie Poisson de parametru .
571
2 k

0 1 2 ..... k ....
X :
e e e
e ..... ...
1 ! 2 ! k !

| |
|
|
|
\ .
Variabila aleatoare Poisson este:
Funcia de repartiie Poisson este dat de relaia (4.33):
( )
| |
x 1
k

k 0

F x e
k !

=
=

(4.33)
n care [x] este partea ntreag a lui x, > 0, un numr dat.
572
ntr-un alt mod de prezentare, se consider c este densitatea
de apariie a unui eveniment n unitatea de timp i atunci = t
este media apariiilor n intervalul de timp t.
( )
( )
k
k
t
t

P X k e e
k ! k !

= = =
Probabilitatea apariiei de k ori a evenimentului respectiv (i
deci funcia de probabilitate) este dat n relaia (4.34):
(4.34)
Funcia de repartiie este dat n relaia (4.35):
( ) ( )
k

k
k 0

F k P X k e
k !

=
= s =

(4.35)
Valorile funciilor de probabilitate i repartiie sunt tabelate funcie de k.
573
Funcia mas de probabilitate Poisson
P
r
o
b
a
b
i
l
i
t
a
t
e

Fig. 4.11 Funcia mas de probabilitate Poisson
(liniile care unesc punctele sunt doar un ghid vizual)
= 1
= 4
= 10
574
= 1
= 4
= 10
Funcia de repartiie Poisson
P
r
o
b
a
b
i
l
i
t
a
t
e

Fig. 4.12 Funcia de repartiie Poisson
(este discontinu la valori ntregi ale lui k i plat oriunde altundeva pentru
c variabilele care sunt repartizate Poisson au numai valori ntregi)
575
( )
k

P x k e
k!

= = Funcia de probabilitate Poisson
576
Funcia de repartiie Poisson
( ) ( )
k
k

k 0

P x k F k e
k!

=
s = =

577
E. Repartiia hipergeometric
Este o repartiie discret similar cu cea binomial cu deosebirea
c elementul extras din lot nu se mai rentoarce.

De aceea extragerea se mai numete fr ntoarcere.

Acest model se recomand la analiza calitii controlului de
recepie atunci cnd decizia de acceptare sau respingere se ia pe
baza numrului de produse defecte din eantion (fiind ndeplinite i
condiiile privind volumul eantionului precum i proporia acestor doi
indicatori).

Funcia de repartiie hipergeometric este dat n relaia (4.33):

( ) ( ) ( )
n
n
k 0
F x P X x P k,a,b
=
= < =

(4.33)
578
( )
k n k
a b
n
n
a b
C C
unde: P k,a,b
C

+
=
Pentru n, a, b e N; n < (a + b); k astfel nct max (0 , n-b) k min (n , a)

a numrul de piese bune
b numrul de piese defecte
n numrul de extrageri
k
a
n k
b
C - nr. grupelor care au k piese bune
C - nr. grupelor care au n k piese bune

| |
na
M X
a b
= =
+
- media
- dispersia
| |
( )
( ) ( )
2
2
nab a b n
D X
a b a b 1
+
= =
+ +
579
Se consider un lot finit de produse , de volum N, i un eantion de
volum n avnd proporia de defective p. Se folosesc notaiile din
tabelul 4.2.
Tab. 4.2 Simboluri utilizate la repartiia hipergeometric
Indicator Lot Eantion
Numrul produselor N n
Numrul de produse bune G G
Numrul de rebuturi D d
Proporia defectiv P p
Proporia de produse corespunztoare Q q
580
ntre aceti indicatori exist relaiile:

N = D + G

1 = P + Q

D = NP

G = NQ

P = D/N

Q = G/N

Probabilitatea ca eantionul s conin d rebuturi i g produse
corespunztoare este:
( )
d g
D G
n
N
C C
P d,n;D,N
C
=
581
4.5.1 Repartiii continue
a. Repartiia uniform
Repartiia uniform este o repartiie continu caracterizat prin faptul c
variabila aleatoare are toate valorile echiprobabile pe un interval [a,b].

Densitatea de probabilitate a variabilei aleatoare repartizat uniform este
dat n relaia (4.34):
( )
| |
| |
1
, pentru x a,b
b a f x
0 , pentru x a,b

(4.34)
Funcia de repartiie uniform este dat n relaia (4.35): :
( )
0 , pentru x a
x a
F x , pentru a x b
b a
1 , pentru x b
s


= < s

>

(4.35)
582
- valoarea medie
| | ( )
b b
a a
xdx a b
M X xf x dx
b a 2
+
= = =

} }
- momente
| |
( )
1
b b 2 2 2
2
2
a a
a b
m M x
2
x dx a ab b
m x f x dx
b a 3
+
'
= =
+ +
'
= = =

} }
- dispersia
| |
( )
2
2
2 2
2
2 1
a b
a ab b a b
D X m m
3 2 12

+ + +
| |
' '
= = =
|
\ .
583
Fig. 4.8 Graficele f(x) i F(x) pentru repartiia uniform
584
b. Repartiia exponenial
Repartiia exponenial este o repartiie continu care se folosete
n studiul fiabilitii, n cazul ratei de defectare constante.

Se aplic atunci cnd probabilitatea de apariie a evenimentelor
este mai mare sub medie dect peste medie.
( )
( )
( |
x
e , pentru x 0, +
f x
0 , pentru x , 0

=

e

Densitatea de probabilitate a variabilei aleatoare repartizat


exponenial este dat n relaia (4.36):
Funcia de repartiie exponenial este dat n relaia (4.37):
(4.36)
( )
( )
( |
x
1 e , pentru x 0, +
F x
0 , pentru x , 0

=

e

(4.37)
585
- valoarea medie
| | ( )
x
0 0
1
M x xf x dx xe dx

= = =
} }
- momente
1
2 x
2
2
0
1
m

2
m x e

'
=
'
= =
}
- dispersia
| |
2
2 1
2 2 2
2 1 1
D X m m

' '
= = =
- abaterea standard
| |
1
D X

=
586
Fig. 4.9 Graficele f(x) i F(x) pentru repartiia exponenial
587
c. Repartiia normal (Gauss-Laplace)
Repartiia normal este o repartiie continu cu o larg
aplicabilitate atunci cnd observaiile se concentreaz n jurul
mediei, probabilitatea ca acestea s fie sub medie este aceeai
ca ele s se afle peste medie.

Variabilitatea este dat de un numr mare de factori ntmpltori.

Abraham de Moivre menioneaz n 1773 pentru prima oar distribuia
normal, ulterior prin lucrrile lui Laplace din 1774 i n special Gauss
n 1809 i 1816 ea devine o distribuie de baz n statistic.

Densitatea de probabilitate a variabilei aleatoare distribuit normal
este dat n relaia (4.38): :
( )
2
1 x
2
1
f x e
2

| |

|
\ .
=
(4.38)
588
Particulariti ale curbei densitate de probabilitate:
( ) ( )
max
1
f x 0 x 0 x ; f x
2
'
= = = =
admite un maxim pentru x = (punct de extrem):
este simetric n raport cu dreapta x =
( )
2
x
f x 0 1 x

| |
''
= = =
|
\ .
are o form de clopot cu convexitatea n sus.

n punctele - i + i modific convexitatea (puncte de
inflexiune):
589
modificarea parametrului translateaz curba de-alungul axei OX (Fig. 4.10 a.)

modificarea parametrului determin modificarea alurii curbei (Fig. 4.10 b.)
a.
b.
Fig. 4.10 Densitatea de probabilitate a variabilei aleatoare distribuit normal
a. diferite valori medii i dispersie constant
b. diferite dispersii i valoare medie constant
590
Funcia de repartiie normal este dat n relaia (4.39):
( ) ( )
2
x
x

1
F x P X x e dx
2
| |

|
\ .

= < =
}
(4.39)
- valoare medie: M[X] =

- dispersia:
2


- momente: de ordin impar:
2k+1
= 0

de ordin par:
2k
= (2k +1)
2k-2
(
2
=
2
;
4
=3
2
;
6
=
4)

- asimetria: 1=0

- excesul: E=0
591
Curbele densitii de probabilitate i de repartiie se pot centra
efectund schimbarea de variabil :
x
z

=
Dac = 0 i = 1 se obine densitatea de probabilitate normal
normat (redus) din relaia (4.40).
( )
2
z
z
2
1
f z e dz
2

=
}
(4.40)
Funcia de repartiie normal normat (Laplace) este dat n relaia
(4.41):
( )
2
z
z
2
1
F z e dz
2

=
}
(4.41)
592
Densitatea de probabilitate a repartiiei normale normate este dat
n Tab. 4.3 (extras) iar funcia de repartiie normal normat este
dat n Tab. 4.4 (extras).
z 0,00 0,01 0.02 . 0,08 0,09
0,0 0,3989 0,3989 0,3989 . 0,3977 0,3973
0,1 0,3970 0,3965 0,3961 . 0,3925 0,3918
0,2 0,3910 0,3902 0,3894 . 0,3836 0,3825
. . . . . . .
2 0,0510 0,0529 0,0519 . 0,0459 0,0449
. . . . . .
3,8 0,0003 0,0003 0,0003 . 0,0002 0,0002
3,9 0.0002 0,0002 0,0002 . 0,0001 0,0001
Tab. 4.3 Densitatea de probabilitate a repartiiei normale normate (extras)
z 0,00 0,01 0.02 . 0,08 0,09
0,0 0,5000 0,5040 0,5080 . 0,5319 0,5359
0,1 0,5398 0,5478 0,5478 . 0,5714 0,5753
0,2 0,5793 0,5871 0,5871 . 0,6103 0,6141
. . . . . . .
2 0,9772 0,9783 0,9783 . 0,9812 0,9817
. . . . . .
3,3 0,9995 0,9995 0,9995 . 0,9996 0,9997
3,4 0.9997 0,9997 0,9997 . 0,9997 0,9998
Tab. 4.4 Funcia de repartiie normal normat (extras)
593
Fig. 4.11 Graficele densitii de probabilitate i funciei de repartiie Laplace
594
Datorit simetriei lui F(z) n raport cu originea se poate face
notaia din relaia (4.42):
( ) ( ) ( ) ( ) ( )
z 0 z
0
1
F z f z dz f z dz f z dz z
2

= = + = +
} } }
(4.42)
Din punct de vedere grafic, normarea reprezint o translaie
realizat de ecuaiile:
z = z i (z) = F(z) - 1/2
Integrala (z) se numete funcia integral Laplace, relaiile de
legtur cu F(z) fiind prezentate n tabelul 4.5.
z (z) F(z)
- -1/2 0
-z - (z) = 1/2 - F(z) 1 - F(z) = 1/2 - (z)
0 0 1/2
z (z) = F(z) - 1/2 - 1/2 + (z)
+ 1/2 1
Tab. 4.5 Relaii ntre funciile (z) i F(z)
595
Funcia intergral Laplace este de asemenea simetric n raport cu
originea (- z) = - (z), deci este suficient s se cunoasc valorile lui
(z) pentru z > 0. Aceste valori sunt de asemenea tabelate.
( ) ( ) ( ) ( )
x
2
1 2 2 1
x
1
P x X x f x dx F x F x < < = =
}
Probabilitatea ca o variabil aleatoare normal N(,) s aparin unui
interval oarecare (x
1
,x
2
) este dat n relaia (4.43):
( ) ( ) ( ) ( ) ( )
x z
2 2
1 2 2 1
x z
1 1
P x X x f x dx f z dz F z F z < < = = =
} }
Efectund normarea z
1
= (x
1
- )/ i z
2
= (x
2
- )/ rezult:
(4.43)
(4.44)
596
n cazul general:
( ) ( )
( ) ( )
1 1 x
P X x z
2 2
1 1 x
P X x z
2 2

| |
< = + = +
|
\ .

| |
> = =
|
\ .
( ) ( ) ( )
2 1
1 2 2 1
x x
P X x ; X x 1 x x 1

(
| | | |
( < > = =
| |
(
\ . \ .

( )
P X ; X 1 < + > =
Prin folosirea unei fie cu gradaie special se poate obine
liniarizarea graficului funciei de repartiie (dreapta lui Henry).

Liniarizarea se bazeaz pe anamorfozarea curbei sigmoide (sau
n ogiv) a funciei de repartiie normale normate ntr-o dreapt.
597
Densitatea de probabilitate a repartiiei normale normate N(0,1)
( )
2
z z
2
1
f z e dz
2

=
}
598
Funcia de repartiie normal normat (Laplace) N(0,1)
( )
2
z
z
2
1
F z e dz
2

=
}
599
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
600
d. Repartiia lognormal (legea lui Galton)
Repartiia lognormal este o repartiie continu utilizat cu
precdere n studiul fiabilitii, modelnd distribuia unor defecte
specifice reparrii utilajelor.

Densitatea de probabilitate a unei variabile aleatoare repartizat
lognormal este dat n relaia (4.45):
( )
2
1 lnx a
2
1
f x e
x 2
| |

|
\ .
| |
=
|
\ .
| |
n
i
2
i 1
lnx
unde: a ; D lnx
n
=
= =

- valoarea medie:
(4.45)
| |
2

M X exp a
2
| |
= +
|
\ .
- dispersia:
| |
( )
2
2
D X exp 2a 1 e
(
= +
(

Atunci cnd a >> , repartiia lognormal tinde spre repartiia normal.
601
e. Repartiia
2
(Helmert-Pearson)
Repartiia
2
este o repartiie continu auxiliar folosit n special la
testarea ipotezelor statistice (pentru minim 50 de observaii), precum
i la simularea distribuiilor cu abateri de la normalitate.

Include ca i cazuri particulare repartiia exponenial (pentru = 2),
respectiv se poate aproxima cu repartiia normal (pentru > 30).
Funcia densitate de probabilitate a repartiiei Helmert-Pearson dat n
relaia (4.46):
( )
( )

x
1
2
2
/ 2
1
x e , pentru x 0
f x
2 / 2
0 , pentru x 0
| |

|
\ .

>
=

<

Unde:
= n - 1 este numrul gradelor de libertate ( n numrul de
variabile independente).

este integrala Euler de spea II:
( )
p 1 x
0
p x e dx


=
}
(4.46)
602
Fig. 4.12 Densitatea de probabilitate a repartiiei
2

Fig. 4.13 Reprezentarea geometric a P(
2
>
0
2
) =
603
n
2 2 2
i
i 1
variabila z este repartizata cu grade de libertate.
=
=



- dac z
i
i = 1,..., sunt variabile independente repartizate normal
N(0,1) atunci:



- dou variabile aleatoare
1
2
i
2
2
repartizate
2
, atunci i suma lor

1
2
+
2
2
este repartizat
2
cu =
1
+
2
= n
1
+ n
2
- 2 grade de
libertate.
- valoarea medie: M[X] =

- dispersia: D[X]=2

v
= | =
|
.
|

\
|
v
+ = |
v
= |
12
3 E
4
1 3
2 2
2
1
: excesul -
: boltire de ul coeficient -
: asimetria -
2
- momente: m
2
=2 ; m
3
=8 ; m
4
= 12( + 4)
604
n practic se determin limita
0
2
pentru care se cunoate fie
probabilitatea P = 1 - astfel nct P(
2
<
0
2
) = 1 - fie
probabilitatea astfel nct P(
2
>
0
2
) = .

Aceste valori sunt date funcie de i n tabelul 4.6 (extras)



0,995

0,990

0,980

.

0,100

0,005
2 0,0100 0,0201 0,0404 . 4,605 5,991
3 0,0717 0,1150 0,1850 . 6,251 7,815
.
.
20 7,431 8,260 9,237 . 28,412 31,419
.
.
30 13,787 14,953 16,306 . 40,256 43,773
Tab. 4.6 Valorile variabilei
2
,
cu grade de libertatate avnd
probabilitatea de a fi depit. P(
2
>
2
,
=
0
2
) (extras)
605
Repartiia _
2
( )
2 2
,
P > =
606
f. Repartiia t (Student)
Repartiia t este o repartiie continu, simetric, mai aplatizat ca
distribuia normal (Fig. 4.14), face parte din categoria distribuiilor
auxiliare i servete la diferite teste i interpretri.
( )
1
2
2
1

x
2
f x 1 ; x R, N


2
+

+
| |
|
| |
\ .
= + e e
|
| |
\ .
|
\ .
Densitatea de probabilitate a variabilei aleatoare repartizat
Student este dat n relaia (4.47):
(4.47)
unde este numrul gradelor de libertate.
607
Fig. 4.14 Comparaie ntre distribuiile normal i Student
608
U
t este repartizata Student cu grade de libertate
V

=
- dac variabilele Ue N(0,1) i Xe
2
(,1) sunt independente atunci variabila:
- repartiia este simetric, deci exist relaiile: f(-t) = -f(t) ; F(-t) = 1-F(t)

- valoarea medie: M[X] = M[t] = 0

- dispersia:; D[X] = D[t] = /-2

-dac > 30 D[X]=1, deci repartiia prezint aceleai caracteristici cu
cea normal normat.

n practic repartiia este folosit pentru determinarea limitelor care sunt
depite cu probabilitatea (Fig. 4.15).

Valorile Valorile P(,t, s t
v,o/2
)= /2 i P(t > t
v,o
) = , sunt tabelate
609
Fig. 4.15 Poziia limitelor pe care variabila aleatoare
Student le poate depi cu probabilitatea
610
( )
,
P t t > =

,
2

P t t
2
| |
s =
|
|
\ .
Repartiia t P(,t, s t
v,o/2
) = /2 i P(t > t
v,o
) =
611
g. Repartiia F (Fisher - Snedecor)
Repartiia F este o repartiie continu auxiliar care se utilizeaz
pentru testarea ipotezei c dou eantioane care provin din
populaii normale aparin unor populaii identice.
( )

1 2
1

1
2
1
1
2
1 2
2
1 2

2
f x x


2 2
unde x 0 ; ; N

+
| |
|
| |
\ .
=
|
| | | |
\ .
| |
\ . \ .
> e
Densitatea de probabilitate a unei variabile aleatoare repartizat
F (Fig. 4.16) este dat n relaia (4.48):
(4.48)
612
2
1 2
1
U
F este repartizata F cu ; grade de libertate
V
=
- dac Ue
2
(1;1) i Ve
2
(
2
;1) sunt independente atunci variabila



- dac x
1
,x
2
,,x
n1
i y
1
,y
2
,,y
n2
sunt dou eantioane provenite din dou
populaii de clase N(
1
;
2
) i N(
2
;
2
) avnd dispersiile de selecie:
( ) ( )
2 2 2 2
2 2 1 2
x y 1 1 2 2
1 2

S ; S unde n 1 ; n 1 atunci

= = = =
variabila S
x
2
/S
y
2
este repartizat F.
- valoarea medie
| | | |
2
2
2

M X M F pentru 2
2
= = >

- dispersia:
| | | |
( )
( ) ( )
2
2 1 2
2
2
1 1 2
2 2
D X D F pentru 4
2 4
+
= = >

613
n aplicaii este necesar s se cunoasc valorile variabilei F
,1,2
care
este depit cu probabilitatea , P(F > F
,1,2
) = o (Fig. 4.17).
Aceste valori sunt tabelate
Fig. 4.16 Densitatea de probabilitate a repartiiei F
614
Fig. 4.17 Reprezentarea geometric a probabilitii P(F > F
,1,2
) = o
615
( )
, ,
1 2
P F F 0,10 > =
Repartiia F (F > F
,1,2
) = o
616
h. Repartiia Weibull
Repartiia Weibull este o repartiie continu pus n eviden n 1939
de Waloddi Weibull pentru descrierea modului de mprtiere a
valorilor obinute din experimentri asupra rezistenei la
oboseal a oelului.

Repartiia Weibull are o larg aplicabilitate n studiul durabilitii,
polurii atmosferice, n controlul de recepie, n chimie,etc.

Repartiia Weibull nglobeaz ca i cazuri particulare repartiiile
exponenial, Rayleigh i normal.

Un avantaj major este posibilitatea utilizrii n studiul proceselor
asimetrice.

Cele mai importante moduri de prezentare sunt sub formele: -
biparametric, normat i triparametric.

Transformarea dintr-o form n alta se poate face relativ uor funcie
de cerinele aplicaiei.
617
a) Repartiia Weibull modelul biparametric
( )
( )
1
f x,, x exp x ; x 0 ; 0 ; 0

= > > >


Densitatea de probabilitate a unei variabile aleatoare repartizat
Weibull este dat n relaia (4.49):
(4.49)
Funcia de repartiie n variant biparametric este dat n relaia
(4.50):
( ) ( )
( )
T

0 ; pentru x 0
F x,, f x,, dt
1 exp x ; pentru x 0

<

= =

>

}
(4.50)
618
b) Repartiia Weibull modelul normat

=
Se introduce notaia:

=
de unde:
Densitatea de probabilitate a unei variabile aleatoare repartizat
Weibull n variant normat este dat n relaia (4.51):
( )
1
x x
f x,,, exp

(
| | | |
= (
| |
\ . ( \ .

(4.51)
unde x ; 0 ; R ; 0 > > e >
parametrul de form; parametrul de scal
619
Dac cantitatea x reprezint timpul pn la cdere, repartiia
Weibull ofer o rat a cderilor (relaia 4.52), proporional cu
timpul ridicat la o putere egal cu parametrul de form minus 1 ( - 1).
1
x

| |
=
|
\ .
O valoare < 1 indic faptul c rata defectrilor scade n timp.
Aceasta se ntmpl dac exist o mortalitate infantil
seminificativ sau elementele defective cad devreme i rata
defectrilor scade n timp pe msur ce elementele defective sunt
eliminate din populaie.

O valoare = 1 indic faptul c rata defectrilor este constant n
timp. Aceasta poate sugerea existena unor evenimente externe
aleatoare care cauzeaz mortalitatea sau cderea.

O valoare > 1 indic faptul c rata defectrilor crete n timp.
Aceasta se ntmpl dac are loc un proces de mbtrnire sau
elementele au tendina s cad pe msura trecerii timpului.
(4.52)
620
Funcia de repartiie n variant normat este dat n relaia (4.53):
T

0 ; pentru x 0
x x
F , f , dt
x
1 exp ; pentru x 0

| | | |

(
= =
| |

| |
> (
\ . \ . |

( \ .

}
(4.53)
Densitatea de probabilitate a unei variabile aleatoare repartizat Weibull n
variant triparametric este dat n relaia (4.54):
c) Repartiia Weibull modelul triparametric
( )
1
x x
f x,,, exp

(
| | | |
= (
| |
\ . ( \ .

(4.54)
unde x ; 0 ; R ; 0 > > e >
parametrul de form; parametrul de scal; parametrul de locaie
621
Pentru diferite valori ale lui | se pot obine alte legi de repartiie (pentru
| = 1 repartiia exponenial, pentru | = 2 repartiia Rayleigh
pentru | > 3 repartiia normal).
Fig. 4.18 Densitatea de probabilitate Weibull
622
Fig. 4.19 Funcia de repartiie Weibull
623
4.6 Estimaii statistice
4.6.1 Noiuni de baz privind sondajul
Prin experimentri se dorete obinerea de valori numerice care
s caracterizeze cantitativ procesul tehnologic sau
caracteristica de calitate i s fie totodat o msur a valorii
parametrilor unei legi de repartiie statistic sau funcii ale
acestora.

Mulimea tuturor valorilor obinute prin experimentri formeaz o
populaie statistic, valorile individuale numindu-se unitai
statistice.

Populaiile statistice pot fi omogene sau neomogene respectiv
finite (numrabile) sau infinite.

n analiza calitii rezultatele experimentrilor formeaz o
populaie finit i real.
624
n cazul n care se iau n considerare toate rezultatele
experimentale atunci operaiunea se numete cercetare unitar
(complet), care ns se poate dovedi neeconomic.

Dac se iau n considerare numai o parte din unitile statistice
(rezultate) atunci se consider o cercetare selectiv, unitile
statistice analizate formnd eantionul.

n mod practic dintr-o populaie inial numit lot se supune
analizei o subpopulaie denumit eantion.

Numrul de uniti statistice (elemente) al eantionului se numete
volum al eantionului.

Pentru n < 30 eantionul este considerat de volum mic, iar
pentru n > 30 este de volum mare.

625
Determinarea volumului eantionului se face funcie de
condiiile concrete i aspectul economic, fiind deosebit de
important pentru alegerea modelului statistic ce va fi aplicat.

Este de asemenea important ca eantionul s aibe un caracter
aleator i s fie reprezentativ.

Un eantion reprezentativ este cel care red ct mai exact
structura populaiei din care provine.

Operaiunea prin care din populaia iniial N (originar) se
preleveaz eantionul n se numete sondaj.

Dac sondajul este incorect atunci se pot obine eantioane
nereprezentative care evident pot conduce la concluzii eronate
privind populaia iniial.

Sondajul poate fi: pur aleator, dirijat sau mixt
626
Se noteaz volumul colectivitii generale (originar) cu N i
volumul colectivitii de selecie (eantionul) cu n, 1 n N-1.
Se noteaz cu , media aritmetic a lui N i cu media aritmetic a lui n x
n
i
i 1
x
x
n
=
=

N
i
i 1
x

N
=
=

Se noteaz cu
2
, dispersia lui N i cu s
2
dispersia lui n
( )
N
2
i
2
i 1
x
x

N
=

=

( )
N
2
i
2
i 1
x
x x
s
n 1
=

=

Atunci cnd eantioanele sunt de volum mare (n >30), se


poate renuna la scderea lui 1 din numitorul dispersiei.
(4.55) (4.56)
(4.57) (4.58)
627
a) Sondajul pur aleator
Sondajul pur aleator se definete prin faptul c fiecare element
(unitate statistic) al populaiei are aceeai probabilitate de a fi
extras, prelevrile fiind independente ntre ele.
Exist dou situaii:

Sondajul pur aleator repetat fiecare unitate statistic este
msurat (verificat) i apoi reintrodus n populaia iniial (se mai
numete extragere bernoullian sau nonexhaustiv),
asigurndu-se astfel astfel probabilitatea constant a extragerii
fiecrei uniti statistice.

Sondajul pur aleator nerepetat fiecare unitate statistic care
este msurat (verificat) nu se mai reintroduce n populaia iniial
(se mai numete extragere nebernoullian sau exhaustiv),
crescnd astfel probabilitatea ca fiecare unitate statistic s fie
extras.
628
Sondajul pur aleator repetat
a. Eroarea de reprezentativitate (a eantionului)
r
E x =
b. Eroarea medie de reprezentativitate (msurat prin abaterea
medie ptratic a mediei de sondaj)
x
x
s
s
n
=
c. Eroarea limit (maxim) admisibil
Media de sondaj este o variabil aleatoare normal distribuit, de
medie i abaterea medie ptratic , nseamn c
variabila normal normat (redus) corespunztoare este:
x
x
n =
x
(4.59)
(4.60)
629
x
x
z

=
x
x
z
s

=
Pentru probabilitatea cu care se garanteaz rezultatele 100(1-)%,
eroarea limit (maxim) admisibil este:
(4.61) (4.62)
x
2 2
x x
s
z s z
n
= = (4.63)
d. Intervalul de ncredere pentru media
Intervalul de ncredere calculat pe baza erorii limit (maxim)
admisibil este:
x x
2 2
s s
x z x z
n n
< < +
x x
x x < < +
(4.64)
(4.65)
630
e. Intervalul de ncredere pentru nivelul total al caracteristicii
( ) ( )
N
i
x x
i 1
N x x N x
=
< < +

(4.66)
f. Volumul eantionului
Se pornete de la relaia (4.63) de unde rezult volumul eantionului:
( )
2
2
2 x
2
x
z s
n

=
(4.67)
s
x
2
se folosete ca o estimaie a lui
x

2
, n general necunoscut.

Valoarea aproximativ a lui s
x
2
poate fi cunoscut dintr-o cercetare
prin sondaj anterioar.
631
g. Probabilitatea de garantare a rezultatelor 100(1-)%
Considernd coeficientul de ncredere este 1-, pentru care
P(-z
/2
< Z < z
/2
)=1-, atunci, din formula erorii limit
(maxim) admisibil dat n relaia (4.63) rezult:
x
2
x
n
z
s
=
Din tabelele distribuiei normale normate se poate determina
apoi probabilitatea 100(1-)% de garantare a rezultatelor.
(4.68)
632
Observaie:
Dac eantionul este de volum redus (n < 30), iar abaterea medie
ptratic din colectivitatea general () este necunoscut i nlocuit
cu cea din eantion (s
x
), statistica din relaia (4.69) este o statistic t
cu (n-1) grade de libertate.

Distribuia de eantionare a statisticii din relaia (4.69) este o distribuie
de probabilitate t cu condiia ca populaia general s fie normal
distribuit.
x
x
t
s n

=
x x
2,n 1 2,n 1
s s
x t x t
n n

< < +
Atunci, intervalul de ncredere pentru media este:
(4.69)
(4.70)
633
S se determine intervalul de ncredere, garantat cu o
probabilitate de 99%, pentru media i nivelul total al unei
caracteristici numerice X, dac eantionul selectat aleator repetat
de 36 de uniti, adic 5% din colectivitatea general este de
medie 800 i abatere medie ptratic 60.
Exemplul 1:
- eroarea medie de reprezentativitate :
x
x
s 60 60
s 10
6
n 36
= = = =
- eroarea limit (maxim) admisibil
2
x x
z s 2,58 10 25,8 = = =
- intervalul de ncredere pentru media
x x
x x
800 25,8 800 25,8
774,2 825,8
< < +
< < +
< <
634
Funcia de repartiie normal normat (Laplace) N(0,1)
( )
2
z
z
2
1
F z e dz
2

=
}
635
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
636
- intervalul de ncredere pentru nivelul total al caracteristicii
( ) ( )
N
i
x x
i 1
N
i 1
N x x N x
557424 594576
=
=
< < +
< <

Exemplul 2:
S se determine volumul eantionului necesar pentru a estima
media unei colectiviti () cu o eroare limit de 0,2 i o probabilitate
de garantare a rezultatelor de 95%, tiind dintr-o cercetare anterioar
c dispersia s
x
2
este aproximativ egal cu 6,1.
( )
2
x
x
2 0,025
0,2 ; s 6,1
100 1 % 95% z z 1,96
= =
= = =
( )
( )
( )
2
2 2
2 x
2 2
x
z s
1,96 6,1
n 585,84 586

0,2

= = = ~
uniti statistice
637
Exemplul 3:
S se determine nivelul de ncredere pentru estimaia privind
media colectivitii generale (), dac volumul eantionului este n =
100 uniti statistice, media eantionului = 258600, abaterea medie
ptratic s = 8000, iar intervalul de ncredere dorit este de 4000.
x
x
2
x
n
2000 100
z 2,5
s 8000
= = =
i
( )
1 P 2,5 z 2,5 2 0,4398 0,9876 = < < + = =
- Probabilitatea cu care se garanteaz rezultatele este de 98,76%.
638
Exemplul 4:
Presupunem c un numr de n = 15 imprimante sunt selectate pentru
a se calcula media numrului de caractere imprimate pn la
terminarea cartuului de imprimare. Pentru eantionul selectat se
obin: = 1.23 milioane caractere; s
x
= 0.27 milioane caractere.
S se formeze un interval de ncredere, garantat cu o probabilitate de
99%, pentru media numrului de caractere imprimate (), n
colectivitatea general.
x
Dac presupunem c numrul de caractere imprimate este normal
distribuit, atunci, pentru n=15:
t
/2 , n-1
= t
0,005 , 14
= 2,977
- Intervalul de ncrederepentru media este:
x x
2 ,n 1 2,n 1
s s
x t x t
n n
0,27 0,27
1,23 2,977 1,23 2,977
15 15
1,02 1,44

< < +
< < +
< <
639
Sondajul pur aleator nerepetat
a. Eroarea de reprezentativitate (a eantionului)
Relaia (4.59) similar cu sondajul pur aleator repetat
b. Eroarea medie de reprezentativitate (msurat prin abaterea
medie ptratic a mediei de sondaj)
x x
x
s s N n n
s 1
N 1 N
n n

= ~

(4.71)
N n n
1
N 1 N

se numete coeficient de corecie n populaie


finit sau factor de exhaustivitate
n
N
reprezint fracia de sondaj
640
c. Eroarea limit (maxim) admisibil
x
2 2
x x
s n
z s z 1
N
n
| |
= =
|
\ .
(4.72)
d. Intervalul de ncredere pentru media
x x
2 2
s s n n
x z 1 x z 1
N N
n n
| | | |
< < +
| |
\ . \ .
e. Intervalul de ncredere pentru nivelul total al caracteristicii
N
2 2
i
i 1
s n s n
N x z 1 x N x z 1
N N
n n
=
| | | |
< < +
| |
\ . \ .

(4.73)
(4.74)
f. Volumul eantionului
2 2 2 2
2 x 2 x
2 2 2 2 2
2 x 2 x 2
x
x
z s N z s
n
z s N z s

N

= =
+
+
(4.75)
641
Prelevarea pieselor pentru sondajul pur aleator poate fi
realizat prin 3 metode.
1. Pe baza unui tabel de numere ntmpltoare (aleatoare)
generate prin metoda Monte-Carlo (tabelul 4.7 extras)
Tab. 4.7 Numere ntmpltoare (aleatoare) extras






5
13407 62899 78937 90525 25033 56358 78902 47008
50230 63237 94083 93634 71652 02656 57532 60307
84980 62458 09703 78397 66179 46982 67619 39254
22116 33646 17545 31321 65772 86506 09811 82848
68645 15068 56898 87021 40115 27524 42221 88293


Nr. 7
Piesa 1


10
26518 39122 96561 56004 50260 68648 85596 83979
36493 41666 27871 71329 69212 57932 65281 57233
77402 12994 59892 85581 70823 53338 34405 67080
83679 97154 40341 84741 08967 73287 94952 59008
71802 39356 02981 89107 79788 51330 37129 31898






15
57494 72484 22676 44311 15356 05348 03582 66183
73364 38416 93128 10297 11419 82937 84389 88273
14499 83965 75403 18002 45068 54257 18085 92625
40747 03084 07734 88940 88722 85717 73810 79866
42237 59122 92855 62097 81276 06318 81607 00565
642
Exemplul:
Dintr-un lot de N = 400 piese trebuie extras un eantion de n = 12 piese
- se alege un numr la ntmplare care va servi ca punct de plecare i se
extrag numerele n sensul fixat dinainte (stnga dreapta, sus jos etc).

- se vor numerota piesele de la 1 la 400 sau se consider numerele succesive
specificate pe etichetele pieselor (de exemplu dac prima pies are numrul
de pe etichet 523, piesa cu numrul 43 va fi 527 + 43 = 570).

- se alege la ntmplare numrul care se gsete n coloana 4 rndul 7 din
tabelul de numere ntmpltoare (aleatoare), i anume 71329.

- piesa numrul 1 a eantionului (sau 523) va fi deci piesa numrul 7 din lot.

- se vor considera ultimele 3 cifre, adic 329 sau se pot reine n mod egal
primele 3 cifre, adic 713 (se iau n considerare 3 cifre pentru c ordinul de
mrime al lotului este de ordinul sutelor, N = 400)
643
- se vor citi pe aceeai coloan numerele de acelai ordin de mrime (3 cifre)
pn cnd se gsesc 12 numere egale cu numerele asociate pieselor sau
celor de pe etichete (care se gsesc ntre 1 i 400 sau 527 i 927).

- adic se vor cuta numerele care se vor asocia celor 12 piese din eantion
astfel:
Numrul piesei
din eantion
Numrul din
tabel
Numrul de
pe pies
Numrul de
pe etichet
Numrul piesei
din lot egal cu
rndul din tabel
1 329 7 534 7
2 330 ... ... ...
3 331 ... ... ...
...
...
...
...
...
...
...
...
...
...
10 338 ... ... ...
11 339 ... ... ...
12 340 ... ... ...
644
2. Pe baz de start ntmpltor (aleator) i pas constant
Exemplul 1:
- trebuie extrase un numr de n = 5 piese/or (N = 60)

- raia de prelevare (fracia de sondaj) este 1/12

- se alege un numr ntre 1 i 12, de exemplu 4

- pasul constant de prelevare p = N/n = 60/5 = 12

- se fixeaz urmtoarele minute pentru prelevare:

- minutul 4 piesa 1 din eantion;
- minutul 16 (4 + 12) piesa 2 din eantion;
- minutul 28 (16 + 12) piesa 3 din eantion;
- minutul 40 (28 + 12) piesa 4 din eantion;
- minutul 52 (40 + 12) piesa 5 din eantion.
645
Exemplul 2:
- trebuie extrase un eantion de n = 5 piese dintr-un lot N = 100 piese

- raia de prelevare (fracia de sondaj) este 1/20

- se alege un numr ntre 1 i 12, de exemplu 7

- pasul constant de prelevare p = N/n = 100/5 = 20

- se preleveaz urmtoarele piese din lot, care vor constitui eantionul:

- 7 piesa 1 din eantion
- 27 (7 + 20) piesa 2 din eantion;
- 47 (27 + 20) piesa 3 din eantion;
- 67 (47 + 20) piesa 4 din eantion;
- 87 (67 + 20) piesa 5 din eantion.
3. Prin extragere oarb cnd e posibil amestecarea elementelor
646
b) Sondajul dirijat
Sondajul dirijat se efectueaz dup un criteriu prestabilit pentru
eliminarea diverselor influene perturbatoare.

Se aplic n cazul n care unitile statistice sunt sub form distinct
sau pot fi aezate/depozitate ntr-un anumit mod.

Se alege un anumit pas p prelevndu-se unitile statistice p+1,
p+2,,p+n.
c) Sondajul mixt
Sondajul mixt reduce dezavantajele primelor dou tipuri de sondaj.

Se aplic loturilor care pot fi stratificate, efectund asupra acestora un
sondaj dirijat.

Fiecrui strat i se aplic apoi un sondaj pur aleator.

Eantionul final se obine prin cumularea eantioanelor extrase din
fiecare strat.
647
Fig. 4.20 Relaia populaie, eantion, date experimentale
648
4.6.2 Repartiii de sondaj (empirice)
Fie o variabil aleatoare X cu densitatea de probabilitate f(x) i
funcia de repartiie F(x).

Fie X
1
,X
2
,,X
n
un eantion prelevat din populaia statistic
caracterizat de repartiia variabilei aleatoare X.

Fiecare X
i
; i=1,..,n este la rndul ei o variabil aleatoare de
aceeai natur cu X.

Valoarea observat efectiv n momentul efecturii experimentului
(msurtorii) este x
i
.

O condiie esenial este ca pe lng caracterul aleator i
reprezentativitate, eantioanele s fie independente.

Condiia de independen este satisfcut dac modul de obinere
a valorii x
i
este independent de modul de obinere a valorilor x
i-1
,x
i+1

sau a oricrei alte valori din irul valorilor observate.
649
Similar cu cele prezentate anterior la paragrafele referitoare la
variabile aleatoare respectiv repartiii statistice se definete
repartiia de sondaj (empiric) ca find relaia dintre valorile
variabilei aleatoare ordonate corespunztoare eantionului i
frecvenele de apariie absolute sau relative ale acestora.
1 2 n 1 2 n
1, 2 n 1 2 n
x , x ,..., x x , x ,..., x
X: sau X:
a a ,...,a f , f ,..., f
| | | |
| |
\ . \ .
(4.76)
unde a
i
frecvena absolut, f
i
fecvena relativ
Analiza repartiiilor de sondaj (empirice) se face prin ntocmirea
de tabele, reprezentri grafice i determinarea indicatorilor
statistici.
650
a) Tabele

Datele primare pot fi prezentate sub form tabelar, valorile fiind
nscrise n ordine aleatoare.

Prin ordonarea n ir cresctor se obine tabelul valorilor ordonate,
irul numindu-se i ir statistic.

b) Intervale de grupare, frecvene absolute, relative, cumulate

Un alt mod de prezentare a irului statistic este tabelnd valorile
distincte i corespunztor numrul de apariii al lor.

Dac considerm gruparea n k intervale disjuncte, numrul
unitilor cu aceeai valoare aparinnd aceluiai interval reprezint
frecvena absolut.



651
k
i
i 1
i
i
k
i
i 1
a n
a
f
n
f 1
=
=
=
=
=

Exist relaiile (vezi 2.2.2 Histograma, relaiile (2.1), (2.2) i (2.3)):


Frecvena absolut:
Frecvena relativ:
Dac se dorete s se exprime numrul total de uniti statistice
pn la o anumit valoare se utilizeaz frecvena cumulat F
absolut sau relativ.

Pentru determinarea mrimii intervalelor de grupare este
recomandabil s se respecte urmtoarele reguli:
652
mrimea intervalelor s fie n general egal (cu excepia celor
extreme care pot avea valori diferite), i cel puin 1,5 ori intervalul
admisibil de rotunjire.

limitele claselor trebuie astfel alese nct orice valoare din irul
statistic s aparin fr echivoc unei clase.

la stabilirea limitelor claselor trebuie s se in cont de exactitatea
cu care se pot obine msurrile.
Numrul de clase poate fi stabilit astfel (vezi 2.2.2 Histograma,
relaiile (2.5), (2.6), (2.7) i (2.8)):
k=1+3,322 logn
max min
x x
a
1 3,322logn

=
+
Sau utiliznd relaia lui H.A.Sturges, unde a este mrimea
intervaluli de grupare:
653
Sau utiliznd relaia H.Mann i A. Wald, pentru n > 100
( )
1
5
1
k 4 n 1
4
(
=
(

Sau utiliznd relaia simpl
k n =
De obicei se adopt k = 10 pentru n < 250, iar pentru n < 25
gruparea n clase nu prezint interes.
Frecvenele rezultate prin gruparea n clase sunt cele ce corespund mediei
fiecrui interval.

Considernd a i b limitele unei clase, atunci o valoare x aparinnd
intervalului [a , b] trebuie s satisfac inegalitatea a x < b.
Observaii:
654
c) Reprezentri grafice
Cele mai frecvent utilizate reprezentri grafice sunt histogramele de
repartiie a frecvenelor (absolute sau cumulate), diagramele cu bare
sau bastonae, poligoanele de frecven (absolut sau cumulat).
Poligonul de frecven absolut se obine unind valorile centrale ale
intervalului de grupare utiliznd histograma frecvenelor absolute iar
poligonul repartiiei (ogiva lui Galton) se obine n acelai mod utiliznd
histograma frecvenelor relative (Fig. 4.21).
Fig. 4.21 Histograma i poligonul frecvenelor absolute respectiv
Histograma frecvenelor cumulate i poligonul repartiiei
655
d) Indicatori statistici
d1) Indicatori de poziie (localizare)

- Media aritmetic:
n
i
i 1
1
x x
n
=
=

(4.77)
m m
i i i i
i 1 i 1
1
x a x x f
n
= =
= =


sau dac x
i
i=1,..,m se repet cu frecvenele absolute a
i
i=1,..,m
(f
i
frecvenele relative)
(4.78)
656
n
n
G i
i 1
M x
=
=
[
- Media geometric:
(4.79)
- Media armonic:
A
n
i 1
i
n
M
1
x
=
=

- Media ptratic:
n
2
i
i 1
P
x
M
n
=
=

(4.81)
(4.80)
657
- Mediana:
n 1
2
n n
1
2 2
Me X ; n 2k 1 (nr. impar de valori)
X X
Me ; n 2k (nr. par de valori)
2
+ | |
|
\ .
| | | |
+
| |
\ . \ .
= = +

` +

= =

)
(4.82)
- Mod (mod,modul) valoarea corespunztoare celei mai mari
frecvene (valoarea maxim a caracteristicii).
x Mo
x Me
3

=
- pentru repartiiile unimodale aproape simetrice:
(4.83)
658
x i M
P
sunt influenate de valorile mari ale irului statistic

M
G
i M
A
sunt influenate de valorile mici ale irului statistic

ntre valorile medii exist relaia:
A G P
M M x M < < <
Me nu este influenat de valorile extreme
Observaii:
(4.84)
659
d2) Indicatori de variaie
( )
n
2
2
i
i 1
1
x x
n
=
=

( ) ( )
m m
2 2
2
i i i i
i 1 i 1
1
a x x f x x
n
= =
= =

- Dispersia:
sau pentru x
i
; i = 1,...,m grupate cu frecvenele absolute a
i

i f
i
frecvena relativ:
(4.85)
(4.86)
- Dispersia corectat
(estimarea dispersiei unei populaii statistice cu ajutorul unui eantion):
( )
n
2
2
i
i 1
1
s x x
n 1
=
=


(4.87)
660
- Abaterea medie ptratic:
( )
n n
2
2
i i
i 1 i 1
1 1
x x x x
n n
= =
= =

(4.88)
sau
( )
( )
m m
2
2 2
i i i i
i 1 i 1
m m
2
2 2
i i i i
i 1 i 1
1 1
a x x a x x
n n
f x x f x x
= =
= =
= = =
= =


(4.89)
661
- Abaterea medie ptratic corectat
(numit i standard dac se ia n raport cu )
( )
n
2
i
i 1
1
s x x
n 1
=
=




x
(4.90)
- Amplitudinea:
R = x
max
- x
min
(4.91)
- Coeficientul de variaie:
V V
s
C sau C
x x
= = (4.92)
Observaii:
suma algebric a abaterilor fa de x este egal cu 0

suma abaterilor ptratice este minim atunci cnd este calculat n
raport cu

x
662
d2) Momente
n
k
k i
i 1
1
m x
n
=
'
=

- Momentul absolut de ordin k (k > 1)
(4.93)
Observaii:
1
2
2 P
m x
m M
'

=

`
'
=
)
(4.94)
( )
n
2
k i
i 1
1
m x x
n
=
=



- Momentul centrat de ordin k (k > 1) n raport cu x
sau
( ) ( )
m m
k k
k i i i i
i 1 i 1
1
m a x x f x x
n
= =
= =

(4.95)
(4.96)
663
Observaii:
1
2
2 2 1
3
3 3 1 2 1
m 0
m m m
m m 3m m 2m
=

' '
= =
`

' ' ' '


= +

)
2
2 2
4
4 4 2
1
m m
12
1 7
m m m
2 240

' '
=

`
' ' '

= +

)
Relaiile (4.98) reprezint corecia momentelor (corecia
Sheppard) datorat neuniformitii datelor n interiorul
claselor ( o - amplitudinea intervalului de grupare).
(4.97)
(4.98)
664
d2) Indicatori pentru asimetrie i aplatizare
- coeficientul de asimetrie:
3
1 1
3
m

= =


- coeficientul de boltire:
4 4
2
2 4
2
m m

m
= =
4
2
4
m
E 3

= =
- excesul:
(4.100)
(4.101)
(4.99)
665
4.6.3 Metode de estimare a indicatorilor (parametrilor) statistici
Populaiile statistice se pot caracteriza prin legea repartiiei
teoretice sau prin valorile indicatorilor (parametrilor) statistici.

n cazul n care se cunoate legea repartiiei, dat printr-o anumit
funcie (densitatea de probabilitate sau funcia de repartiie) atunci
repartiia se consider specificat dac anumii parametri sunt
necunoscui sau complet specificat dac toi parametrii sunt
cunoscui.

Scopul estimrii este de a determina indicatorii statistici
(parametri) ai populaiei statistice pe baza datelor obinute prin
analiza eantionului.

Pe de alt parte trebuie aleas acea estimaie care se apropie cel
mai mult de valorile adevrate ale parametrilor necunoscui.
666
S-a artat anterior c valoarea observat efectiv n momentul
experimentului (estimatorul) este o variabil aleatoare dependent
de eantion.

Estimatorul poate fi punctual dac estimarea se face printr-o valoare
izolat sau poate fi cu interval de ncredere cnd acest interval
include cu o anumit probabilitate valoarea adevrat a parametrului
(indicatorului statistic).

Fie o valoarea unui parametru al unei populaii statistice.

Fie (x
1
,x
2
,x
n
) valoarea estimatorului punctual determinat pe
baza eantionului n (x
1
,x
2
,,x
n
).

( )
1 2 n
n

limE x ,x ,...,x

=
Dac estimatorul converge n probabilitate spre o conform relaiei
(4.102) atunci (x
1
,x
2
,,x
n
) este un estimator consistent a lui o.
(4.102)
667
Dac estimatorul ndeplinete condiiile date de relaia (4.103)
atunci este un estimator deplasat (corect sau consistent deplasat)
al lui o.
( ) ( )
( )
( )
1 2 n
1 2 n
n
n

M E x , x ,..., x B n

limD E x , x ,..., x 0
limB n 0

(
= +

(
=
`

=

)
(4.103)
Dac estimatorul ndeplinete condiiile date de relaia (4.104)
atunci este un estimator absolut corect (nedeplasat sau consistent
nedeplasat) al lui o.
( )
( )
1 2 n
1 2 n
n

M E x , x ,..., x

limD E x , x ,..., x 0

(
=


`
(
=


)
(4.104)
668
Dac estimatorul este absolut corect i n plus are dispersia
minim conform relaiei (4.105) atunci este un estimator eficient.
( )
( )
1 2 n
2
1

D E x , x ,..., x
lnf x,
n M

(
=

(
| | c
(
|
c
(
\ .

(4.105)
Estimaiile sunt suficiente (exhaustive) dac se folosete ntreaga
informaie cu privire la eantion.

Estimaiile trebuie s fie obiective, s fie funcie de toate datele
eantionului, s fie uor de calculat i relativ insensibile la variaiile
datorate sondajului.
669
4.6.3.1 Metoda momentelor (Karl Pearson)
Este uor de aplicat i const n egalarea momentelor
teoretice ale repartiiei F(x,) cu momentele empirice
calculate pe baza eantionului.

este un parametru necunoscut care poate fi un vector
=(
1
,
2
,).

Se obine un sistem de ecuaii care furnizeaz estimaiile
vectorului necunoscut:

( )
1 2

, ,... =


4.6.3.2 Metoda verosimilitii maxime (Ronald A. Fisher)
Fie o populaie statistic la care se cunoate legea de repartiie
dat prin prin funcia densitate de probabilitate, depinznd de
parametrii
i .

Fie un eantion de volum n avnd valorile observate x
i
, i=1,..,n.
670
Metoda const n rezolvarea sistemului de ecuaii dat de
relaia (4.106).
( )
n
i
i 1
lnL
0 ; L f x ;

=
c
= =
c
[
(4.106)
Observaii:
a) Estimatorul mediei teoretice (media eantionului)
| |
M x =
media aritmetic a eantionului este un estimator
nedeplasat al mediei teoretice.
(4.107)
671
dac estimarea se face prin mai multe eantioane de
volume diferite n
i
, i = 1,..,m, se obine estimarea
punctual care reprezint media general adic media
mediilor eantioanelor.
m
i i
i 1
1
x nx
n
=
=

unde:
m
i
i 1
n n
=
=

(4.108)
2
2
x

n
=
dispersia mediei eantionului este:
(4.109)
672
k k
M m
' '
(
=

b) Estimatorul momentului teoretic iniial de ordin k (k > 1)
(4.110)
n
k
k i
i 1
1
m x
n
=
'
=

unde:
Observaie:
m
k
este un estimator absolut corect al lui
k

( )
n
2
2
i 2
i 1
1

x x m
n
=
= =

c) Estimatorul dispersiei
Observaii:
m
2
este estimatorul momentului centrat de ordinul 2
(4.111)
673
| |
2
2
n 1
M m
n

=
media dispersiei eantionului
dispersia estimatorului dispersiei
| | | | ( )
{ }
2
2 2 2
D m M m M m =
Relaiile (4.112) i (4.113) arat c m
2
exprimat prin
relaia (4.111) este un estimator deplasat.
(4.112)
(4.113)
d) Estimatorul dispersiei corectate
( )
n
2
2
2 i
i 1
n 1
s m x x
n 1 n 1
=
= =


(4.114)
674
Observaii:
2 2
2
n
M s
limD s 0

(
=

(
=

media dispersiei corectate a eantionului este:
(4.115)
(4.116)
Estimaia dat de relaia (4.114) avnd n vedere i relaia
(4.116) este absolut corect ns nu este eficient.
( )
( )
m
2
i i
2
i 1
m
i
i 1
n 1 s
s
n 1
=
=

Estimarea dispersiei corectate pentru m eantioane de


volume diferite n
i
, i = 1,...,m se face prin media ponderat a
dispersiilor corectate a eantioanelor.
(4.117)
675
e) Estimatorul abaterii standard
f) Estimatorul abaterii standard a eantionului
( )
n
2
i
i 1
1

x x
n
=
=

( )
n
2
i
i 1
1
s x x
n 1
=
=


Estimatorii sunt deplasai.
Observaie:
(4.118)
(4.119)
4.6.3.3 Metoda celor mai mici ptrate (Gauss Legendre)
Metoda se aplic n estimaia liniar a parametrilor repartiiilor
statistice.

Modelul liniar consider datele ca fiind independente i repartizate
cu dispersie constant fa de valorile medii, acestea din urm fiind
funcii liniare de parametrii necunoscui.
676
4.6.3.4 Metoda intervalelor de ncredere
Avnd n vedere c estimatorii obinui din datele eantionului
sunt variabile aleatoare se pune problema determinrii
gradului de ncredere al estimaiei.


Acest lucru se relizeaz prin determinarea exactitii estimrii
prin probabilitatea sa.


Exprimarea probabilitii se face relativ la un interval numit
interval de ncredere.
( ) ( )
x
2
1 2
x
1
P x X x f x dx < < =
}
(4.120)
677
Fie o valoarea adevrat a unui indicator statistic (parametru) a
crui estimaie este

( )
( )

P
sau

< < + =

< =

)
Considernd o valoare c care poate fi determinat pentru o
anumit probabilitate | numit nivel de ncredere se pot scrie
relaiile:

(4.121)
( )

Intervalul , +
Intervalul complementar intervalului de ncredere se numete
interval critic.

Probabilitatea ca indicatorul estimat s aparin intervalului
critic se numete nivel de semnificaie sau risc o = 1-|.
se numete interval de ncredere
678
Intervalele de ncredere pot fi:
( )
i
P < =
( )
i
P > =
( ) ( )
2 1

P P
2
> = < =
( )
( )
sup sup
inf inf
inf sup
P
P

> =

< =
`

+ =

)
interval cu risc unilateral la stnga:
interval cu risc unilateral la dreapta:
interval cu risc bilateral simetric:
interval cu risc bilateral asimetric:



(4.122)
(4.123)
(4.124)
(4.125)
679
Cazuri particulare:
a. Estimarea intervalului de ncredere pentru media teoretic
a unei distribuii normale la care dispersia este cunoscut.
Fie X : N ( , o
2
) o variabil aleatoare repartizat normal cu o
cunoscut.

Fie n un eantion extras din populaia statistic.

Se dorete estimarea mediei teoretice pe baza unui risc o = 0,05
pentru un interval cu risc bilateral simetric (| = 1-o = 95%).

Prin eantionare se obine estimatorul media eantionului care
conform celor prezentate anterior are o distribuie normal N ( ,
o
2
/n
1/2
).
x
680
x
z

=
se determin variabila aleatoare abatere redus:
unde z este repartizat normal N (0,1)
(4.126)
pentru P = 95% din tabelele distribuiei normale rezult
intervalul (-1,96 ; +1,96).
( )
P 1,96 z 1,96 95% < < =


(4.127)
rezult intervalul de ncredere pentru media teoretic:

x 1,96 z x 1,96
n n
sau

x 1,96
n

= < < +

)
(4.128)
681
Conform relaiilor (4.122), (1.123), (4.124), (4.125) pot fi
de asemenea construite intervalele se ncredere
corespunztoare.

n cazul general:

x z
n
=


(4.129)
b) Estimarea intervalului de ncredere pentru media teoretic a
unei distribuii normale la care dispersia este necunoscut:
Fie X : N ( , o
2
) o variabil aleatoare repartizat
normal cu o neconoscut.

Fie n un eantion cu estimaiile i s. x
682
se determin variabila aleatoare abatere redus:
2
x
t
s
n

=
(4.130)
variabila aleatoare - are o repartiie normal

variabila aleatoare s
2
are o repartiie _
2

variabila aleatoare t o repartiie Student cu v = n-1 grade de libertate

x
similar cu cele prezentate anterior rezult pentru media teoretic:

, ,
2 2

,
2
s s
x t x t
n n
sau
s
x t
n

< < +

)


(4.131)
683
c) Estimarea intervalului de ncredere pentru dispersia unei
distribuii normale cu i o necunoscui.
Fie X : N ( , o
2
) o variabil aleatoare repartizat normal cu
i o necunoscui

Fie s estimatorul corectat al dispersiei eantionului.

2
n
2
i

i 1
x x

| |
=
|
\ .

Variabila aleatoare dat de relaia (4.132) are o repartiie _


2

cu v = n-1 grade de libertate
2 2 2

, ,1
2 2
P 1

| |
< < = =
|
|
\ .
Pentru un risc o se poate scrie relaia:
Rezult intervalul de ncredere bilateral simetric:
( ) ( )
2 2
2
2 2

, ,1
2 2
n 1 s n 1 s


< <
(4.132)
(4.133)
(4.134)
684
d) Estimarea intervalului de ncredere pentru parametrul p al
repartiiei binomiale
Fie n un eantion de volum mare astfel nct
repartiia binomial s poat fi aproximat cu
repartiia normal, atunci se poate scrie relaia:
( )
x np
z
np 1 p

( ) ( )
0 0 0 0

2 2
p 1 p p 1 p
x x
z p z
n n n n

< < +
Rezult intervalul de ncredere pentru p:
unde p
0
este fraciunea defectiv a eantionului
(4.135)
(4.136)
685
e) Estimarea intervalului de ncredere pentru parametrul al
repartiiei Poisson

2 2
x x
x z x z
n n
< < +
Fie n un eantion de volum mare astfel nct
repartiia Poisson s poat fi aproximat cu
repartiia normal, atunci rezult intervalul de ncredere
pentru parametrul :
(4.137)
686
4.7 Teste statistice
Obiectivul principal n analiza i controlul calitii este luarea de
decizii pe baza unor rezultate obinute prin eantionare.

Prin eantionare repetat se obin evident rezultate diferite,
generndu-se astfel o incertitudine.

Problema care se pune este elaborarea unor reguli pe baza crora
decizia s se ia astfel nct concluzia corect s fie dat cu o
probabilitate suficient de mare.

Practic luarea unei decizii const n adoptarea sau respingerea
unei ipoteze statistice.
Ipoteza statistic este o supoziie (sau o incertitudine) asupra
faptului c valorile obinute prin sondaj estimeaz parametrii
populaiei statistice, respectiv dac repartiia de sondaj concord
cu repartiia teoretic propus.

Verificarea ipotezelor statistice (adoptarea sau respingerea unei
ipoteze statistice) se face cu ajutorul unor teste statistice.
687
Testele statistice pot fi:

cu caracter general (verific ipotezele asupra populaiei
statistice din care s-au extras eantioanele)

parametrice (verific ipotezele referitoare la parametrii
necunoscui ai populaiilor statistice pe baza estimaiilor
eantioanelor).

Avnd n vedere c ipotezele statistice se fac asupra populaiei
statistice iar deciziile se iau pe baza eantioanelor vor apare erori
(sau decizia va fi luat cu un anumit risc).

Ipoteza iniial (sau nul) se notez cu H
0
iar ipotezele alternative
(sau contrare) cu H
1
, H
2
,.

Dac ipoteza H
0
este adevrat dar se respinge pe baza
eantionului, atunci se spune c se produce o eroare de genul 1
(o), iar dac H
0
se accept, n realitate fiind fals se spune c se
produce o eroare de genul 2 (|)
688
o = P{respinge H
0
|H
0
adevrat}

| = P{accept H
0
|H
0
fals}

(4.138)
Tab. 4.8 Deciziile ce pot fi luate la testarea ipotezelor statistice
Deciziile posibile sunt prezentate n tabelul 4.8
Decizie H
0
adevrat H
0
fals
H
0
- acceptat Decizie corect
P = 1 - o
Eroare (risc) de genul 2
|
H
0
- respins Eroare (risc) de genul 1
o
Decizie corect
t = 1 - |
Probabilitatea t = 1 - | de a respinge ipoteza H
0
cnd aceasta este
fals se numete puterea testului.

Alegerea puterii testului trebuie fcut cu precauie ntruct n
realitate ea nu este independent de nivelul de semnificaie o.

O cretere a puterii testului poate duce la o diminuare a puterii de
discriminare a testului.
689
Dac se testeaz ipoteza nul H
0
cu alternativa H
1
cu ajutorul unei
funcii discriminante (sau statistic u) se definete pentru o
adoptat un interval de acceptare U numit i regiune de acceptare
conform relaiei (4.139).

Regiunea complementar se numete regiune critic.

Regiunea de acceptare (sau cea critic) nu este unic determinat,
putnd exista mai multe teste pentru verificarea ipotezei nule H
0
.

Se numete cel mai puternic test acela pentru care se face cea
mai mic eroare de genul 2.

Acest test se bazeaz pe cea mai bun regiune critic care se
obine atunci cnd relaia (4.140) este minim
( )
( )
0
1
P u U H 1
P u nonU H
e =
e =
(4.139)
(4.140)
690
n controlul statistic al calitii o reprezint riscul productorului
(riscul de a i se respinge loturi de calitate corespunztoare C
1
),
iar | reprezint riscul beneficiarului (riscul de a accepta loturi de
calitate necorespunztoare C
2
).


Prin trasarea unei curbe ce reprezint valoarea probabilitii de
acceptare n funcie de valoarea adevrat se poate determina
efectul lurii deciziei pe baza eantionrii.


Aceast curb numit i curb de eficacitate sau operativ (CO)
arat c nu exist o curb ideal care s duc la o delimitare clar a
domeniilor de acceptare, ca n figura 4.22

691
Fig. 4.22 Curbele operative (de eficacitate) referitoare la teste statistice
a) CO ideal
b) CO pentru n<<N
c) CO pentru n<N
d) CO cu numr de acceptare 0 i n
d
mare
e) CO cu numr de acceptare 0 i n
e
>n
d

Criteriul de calitate
Probabilitatea
de
acceptare
692
Pentru aplicarea testelor asupra ipotezelor statistice trebuie
urmate n general cteva etape:

formularea ipotezei nule i a celei alternative.

extragerea unui eantion i determinare parametrilor
sondajului.

construirea funciei discriminante.

stabilirea nivelului de semnificaie i stabilirea regulii de
decizie de acceptare sau respingere a ipotezei statistice.


Exist dou moduri de a construi testele statistice.

Primul mod presupune utilizarea unui eantion de volum fixat, iar
cel de-al doilea presupune folosirea unui volum aleator al
eantionului (acesta din urm constituie obiectul analizei
secveniale).
693
Pentru a se putea extinde rezultatele obinute prin analiza
eantionului asupra populaiei statistice, este necesar ca n
prealabil s se fac anumite verificri prin intermediul unor teste
statistice specifice.


Cele mai importante teste sunt:

Teste pentru detectarea caracterului aleator a datelor
eantionului.

Teste pentru detectarea i eliminarea valorilor aberante.

Teste pentru determinarea concordanei dintre repartiia
analizat i o repartiie teoretic.
694
4.7.1 Teste pentru detectarea caracterului aleator a datelor eantionului
Datele obinute prin eantionare trebuie n mod obligatoriu s
aibe un caracter aleator ntruct acestea influeneaz asupra
exactitii determinrii valorilor tipice de localizare i mprtiere.

n mod practic este mai uor se testeze caracterul nealeator al
datelor, urmrindu-se prin testele aplicate prezena de valori
extreme, existena unor tendine, prezena de variaii periodice
respectiv existena discontinuitilor.
a. Testul diferenelor succesive (R.L.Young, Von Neumann)
Pentru detectarea caracterului nealeator se folosete statistica:
( )
n 1
2
2
i 1 i
i 1
1
x x
n 1

+
=
=


(4.141)
695
cu proprietile:
2
2
2
n

M
2

limD 0
2

(
=

(

`
(

=
(


)
(4.142)
Conform relaiei (4.141) o
2
/2 este un estimator nedeplasat al dispersiei
unei populaii normale N(;o
2
).

Statistica o
2
/2 este numit i media ptratic a diferenelor succesive.
Von Neumann a propus pentru testarea caracterului nealeator statistica:
2
2

M
s
=
Valorile critice superioare i inferioare ale statisticii M sunt date n
tabelul 4.9 funcie de nivelul de semnificaie o:
(4.143)
696
Tab. 4.9 Valorile critice pentru testul diferenelor succesive
n V
inf, o=0,05
V
inf, o=0,01
V
sup, o=0,05
V
sup, o=0,05

4 0,78 0,63 3,22 2,37
5 0,82 0,54 3,18 3,46
6 0,89 0,56 3,11 3,44
7 0,94 0,61 3,06 3,39
8 0,98 0,66 3,02 3,34
9 1,02 0,71 2,98 3,29
10 1,06 0,75 2,94 3,25
11 1,10 0,79 2,90 3,21
12 1,13 0,83 2,87 3,17
15 1,21 0,92 2,79 3,08
20 1,30 1,04 2,70 2,96
25 1,37 1,13 2,63 2,87
Decizia se ia astfel, dac :
calculat inf,n,
calculat sup,n,
M V
sau
M V
s

>
)
atunci datele eantionului au un caracter nealeator, iar pentru:
inf,n, calculat sup,n,
V M V < <
caracterul nealeator se respinge.
(4.144)
(4.145)
697
Exemplu:
Iliescu & Vod (1977), pg. 82
Un lot format din 16 scule achietoare este supus unor ncercri de
durabilitate. n tabelul urmtor sunt date durabilitile obinute (n
minute) precum i elementele de calcul necesare
Nr.
crt.
Durabilitatea
(minute)
x
i
Diferenele
succesive
(x
i+1
x
i
)
Diferenele
fa de medie
(x
i
x)

(x
i+1
x
i
)
2


(x
i
x)
2

1 7,16 + 4,18 - 7,86 17,4724 61,7736
2 11,34 - 6,29 - 3,68 39,5641 13,5424
3 5,05 + 7,15 - 9,97 2,1025 99,4009
4 6,50 + 7,76 - 8,52 60,2176 72,5904
5 14,26 - 4,86 - 0,76 23,6196 0,5776
6 9,40 - 2,20 - 5,62 4,8400 31,5844
7 7,20 + 4,98 - 7,82 24,8004 61,1524
8 12,18 + 5,36 - 2,84 28,7296 8,0656
9 17,54 - 1,44 + 2,52 2,0736 6,3504
10 16,10 + 6,96 + 1,08 48,4416 1,1664
698
Nr.
crt.
Durabilitatea
(minute)
x
i
Diferenele
succesive
(x
i+1
x
i
)
Diferenele
fa de medie
(x
i
x)

(x
i+1
x
i
)
2


(x
i
x)
2

11 23,06 - 1,78 + 8,04 3,1684 64,6416
12 21,28 + 9,16 + 6,26 83,9056 39,1876
13 30,44 - 14,14 + 15,42 199,9396 237,7764
14 16,30 + 1,72 + 1,28 2,9534 1,6384
15 18,02 + 6,56 + 3,00 43,0336 9,0000
16 24,58 - + 9,55 - 91,3936
...continuare tabel
( )
( )
16 15
2
2
2 2
i i 1 i
i 1 i 1
1
x 15,02; x x 799,8477 ; x x 38,991; s 53,3231
15
+
= =
= = = = =

calculat 16; 0,05
M V 1,22 s ~
calculat
38,9911
M 0,7312
53,3231
= ~
Experimentatorul poate suspecta factul c eantionul este contaminat de
valori extreme (aberante), de exemplu x
3
= 5,05, care difer suficient de
mult fa de restul valorilor.

Practic aceasta nseamn c au avut loc anumite cderi timpurii ale
sculelor care s-au rupt mult naintea limitei normale de uzur
Rezult c seria statistic
prezint un caracter nealeator
699
4.7.2 Teste pentru detectarea i eliminarea valorilor aberante
n unele cazuri n irul datelor obinute prin eantionare pot apare
valori care nu fac parte n mod natural din acesta.

Cauzele care pot duce la apariia unor astfel de valori sunt n principal
datorate aparaturii de msurare i control, greelilor operatorilor,
erori de nregistrare etc.

Problema care se pune const n:

recunoaterea valorilor aberante

stabilirea oportunitii eliminrii valorilor aberante

eliminarea valorilor aberante

Majoritatea testelor fiind bazate pe repartiia normal este
recomandabil ca atunci cnd normalitatea a fost respins prin teste
specifice s se ncerce detectarea i eliminarea valorilor aberante
dac acestea exist.
700
a. Testul Charlier
Este un test expeditiv cu putere redus n cazul eantioanelor de volum
redus.

Conform acestui test se consider ca fiind valori aberante (i deci trebuie
eliminate) toate valorile aflate aflate n afara intervalului [ ] n
care c este funcie de volumul eantionului.
x cs ; x cs +
- se calculeaz probabilitatea:
x n 1
P c
n
| |
s =
|
\ .
- valoarea lui c rezult din tabelele repartiiei normale sau
poate fi determinat din Fig. 4.23.

- testul se reia pn cnd nu mai exist valori aberante.
(4.146)
701
Fig. 4.23 Valorile lui c pentru testul Charlier
702
b. Testul Grubbs-Smirnov
- se ordoneaz cresctor irul statistic obinut prin eantionare:
1 2 n
x x ... x s s s
1
calculat , inf
x x

=
- dac x
1
= x
min
se suspecteaz a fi aberant se calculeaz statistica:
(4.147)
- dac v
calculat,inf
>

v
critic
(n,o) atunci conform tabelului 4.10 valoarea x
1
se
elimin iar dac v
calculat,inf
s v
critic
(n,o) atunci x
1
se pstreaz.

n
calculat ,sup
x x

s
'

=
'
- presupunnd c valoarea x
1
a fost aberant i a fost eliminat, se
suspecteaz x
n
= x
max
ca fiind aberant, calculndu-se statistica:
(4.148)
703
Unde:
( )
n
i
i 2
n
2
i
i 2
1
x x
n 1
1
s x x
n 2
=
=

'
=

'
=

(4.149)
- dac v
calculat,sup
> v
critic
(n,o) atunci valoarea x
n
se elimin ca fiind
aberant iar dac v
calculat,sup
s v
critic
(n,o) atunci valoarea x
n
se
menine n irul statistic.

- testul se continu (suspectnd x
2
respectiv x
n-1
ca fiind aberante,
etc) pn cnd nu se mai elimin nici o valoare
704
Tab. 4.10 Valorile v
critic
(n,o) pentru testul Grubbs-Smirnov
n\o 0,05 0.025 n\o 0,05 0.025 n\o 0,05 0,025 n\o 0,05 0,025
3 1,15 1,15 9 2,11 2,21 15 2,41 2,55 21 2,58 2,73
4 1,46 1,48 10 2,18 2,29 16 2,44 2,59 22 2,60 2,76
5 1,67 1,71 11 2,23 2,36 17 2,47 2,62 23 2,62 2,78
6 1,82 1,89 12 2,29 2,41 18 2,50 2,65 25 2,66 2,82
7 1,94 2,02 13 2,33 2,46 19 2,53 2,68 30 2,75 2,91
8 2,03 2,13 14 2,37 2,51 20 2,56 2,71 40 2,87 3,04
c. Testul Dixon
Este un test expeditiv, avnd la baz teoria statisticilor de ordine.

Eliminarea valorilor aberante se face prin compararea unor
rapoarte bazate pe diferenele valorilor din irul statistic ordonate
cresctor i valorile critice din tabelul 4.11 (extras).
705
Se calculeaz statisticile:
{ }
{ }
{ }
{ }
2 1
10
n 1
2 1
11
n 1 1
3 1
21
n 1 1
3 1
22
n 2 1
x x
r pentru n 3, 4,...,7
x x
x x
r pentru n 8, 9, 10
x x
x x
r pentru n 11, 12, 13
x x
x x
r pentru n 14,...30
x x


= e


= e

= e


= e

)
( )
calculat critic
r r n, >
Decizia de acceptare c valoarea x
1
este aberant se ia dac este
ndeplinit condiia:
(4.150)
(4.151)
706
Tab. 4.11 Valorile critice r
critic
(n,o) pentru testul Dixon
r
ij
n o = 0,01 o =0,05

r
10

3 0.941 0,988
4 0,765 0,889
6 0,560 0,698
r
11
8 0,554 0,683
10 0,477 0,597

r
21

11 0,576 0,679
12 0,546 0,642
13 0,521 0,615

r
22

14 0,546 0,641
15 0,525 0,616
29 0,381 0,463
30 0,376 0,457
707
Exemplu:
Din verificarea temperaturii de declanare a unor termostate
reglate la 300 C se obine urmtorul ir de valori:

280,3 ; 299,9 ; 309,1 ; 300,0 ; 309,3 ; 306,9 ; 305,0 ;
304,9 ; 299,4 ; 286,7 ; 288,6 ; 304,7 ; 294,0 ; 208,8 ;
301,1 ; 286,1 ; 301,7 ; 288,8 ; 315,4 ; 319,1 ; 316,3 ;
293,3 ; 304,9

S se verifice dac exist valori aberante i dac este cazul
s se elimine aceste valori utiliznd Testele Charlier, Grubbs-
Smirnov i Dixon.
708
- se ordoneaz irul cresctor (opional)
a. Testul Charlier
- se calculeaz: x 296,7; s 21,68 = =
- se determin:
x n 1 23 1
P c 0,95
n 23
| |

s = = =
|
\ .
- din figura 4.32 c =1,96
- se construiete intervalul:
| |
x cs ; x cs 254,20 ; 339,19
(
+ =

- rezult c valoarea 208,8 este aberant i trebuie eliminat:
709
b. Testul Grubbs-Smirnov
- se ordoneaz irul cresctor:
- se calculeaz: x 296,7; s 21,68 = =
- se suspecteaz x
1
= x
min
= 208,8 ca fiind aberant:
1 2 n
x x ... x s s s
- se calculeaz:
1
calculat , inf
x x 296,7 208,8
4,054
s 21,68

= = =
- din tabelul 4.10 v
critic
(23 ; 0,05) = 2,62
- rezult v
calculat,inf
>

v
critic
(n,o) 4,054 > 2,62 i deci
valoarea 208,8 este aberant i trebuie eliminat
- se suspecteaz x
n
= x
max
= 319,1 ca fiind aberant:
- se calculeaz, conform relaiilor (4.149): x ... ; s ...
' '
= =
- se calculeaz:
n
calculat ,sup
x x
...
s
'

= =
'
- din tabelul 4.10 v
critic
(22 ; 0,05) = 2,60
710
- dac v
calculat,sup
> v
critic
(22 ; 0,05) = 2,60 atunci valoarea x
n
se
elimin ca fiind aberant iar dac v
calculat,sup
s v
critic
(22 ; 0,05)
atunci valoarea x
n
se menine n irul statistic.

- testul se continu (suspectnd x
2
respectiv x
n-1
ca fiind aberante, etc)
pn cnd nu se mai elimin nicio valoare
c. Testul Dixon
- se ordoneaz irul cresctor:
1 2 n
x x ... x s s s
- se suspecteaz x
1
= x
min
= 208,8 ca fiind aberant
- pentru c n = 23, se va calcula statistica r
22
utiliznd tabelul urmtor,
rezultat din ordonarea cresctoare a irului
x
1
x
2
x
3
x
4
......... x
n-2
x
n-1
x
n
208,8 280,3 286,1 286,7 315,4 316,3 319,1
- se calculeaz
3 1
22
n 2 1
x x 286,1 208,8 77,3
r 0,73
x x 315,4 208,8 106,6


= = = ~

711
( )
critic
r 23;0,01 0,46 = - din tabelul 4.11 rezult
( )
22calculat critic
r 0,73 r 23;0,01 0,46 ~ > =
- i deci valoarea 208,8 este aberant i trebuie eliminat
-
- dup eliminare, se ordoneaz irul descresctor:
1 2 n
x x ... x > > >
- se suspecteaz x
1
= x
max
= 319,1 ca fiind aberant
- pentru c n = 23, se va calcula statistica r
22
utiliznd tabelul urmtor,
rezultat din ordonarea descresctoare a irului
x
n
x
n-1
x
n-2
......... x
3
x
2
x
1
x
1
x
2
x
3
x
4
......... x
n-2
x
n-1
x
n
208,8 280,3 286,1 286,7 315,4 316,3 319,1
- se calculeaz
3 1
22
n 2 1
x x 315,4 319,1 3,7
r 0,11 0,46
x x 286,7 319,1 32,4


= = = = <

- i deci valoarea 319,1 nu este aberant i nu trebuie eliminat
712
4.7.3 Teste de concordan
a. Testul _
2
(Pearson)
Se utilizeaz pentru testarea ipotezei c repartiia
experimental a datelor unui eantion corespunde unei
repartiii cunoscute.
Dac testarea concordanei se face relativ la repartiia
normal, atunci ipoteza nul este H
0
:XeN (,o
2
), iar ipoteza
alternativ este H
1
:XeN (,o
2
).
Funcia discriminant este:
( )
2
n
2 i i
i 1
a np

n
=

(4.152)
unde: n volumul eantionului (n > 50)
a
i
frecvena absolut a clasei i
p
i
probabilitatea teoretic a clasei i
713
se stabilete numrul de clase astfel nct s fie aproximativ egale
(P% aproximativ egal n fiecare clas) cu excepia primei i ultimei
clase care pot fi infinite; np
i
> 5.

se calculeaz i s.

se calculeaz p
i
cu ajutorul funciei Laplace:
x
( ) ( )
( ) ( )
( ) ( )
i i 1
i i i 1
1
1 1
k
k k
x x x x
p F z F z F F
s s
x x
p F z F F
s
x x
p F F z 1 F
s


| | | |
= =
| |

\ . \ .

| |
= =
`
|
\ .

| |
= + =

|
\ .
)
(4.153)
714
se alege nivelul de semnificaie o

se calculeaz numrul gradelor de libertate v = k - 3 pentru repartiia _
2

se calculeaz valoare _
2
calculat
:
( )
2
k
2 i i
calculat
i 1
a np

n
=

(4.154)
Decizia de acceptare a ipoteze H
0
se face atunci cnd _
2
calculat
< _
2
v,o
Testul poate fi aplicat i pentru verificarea concordanei cu o
repartiie discret (Bernoulli sau Poisson).
715
b. Testul Kolmogorov Smirnov (KS)
Este un test care verific concordana dintre o repartiie teoretic F(x)
(normal, Poisson sau Bernoulli) i una experimental F
n
(x) pe cale
analitic sau grafic.
( ) ( )
n
F x F x =
Funcia discriminant este:
(4.155)
se ordoneaz irul statistic n ordine cresctoare

se alege nivelul de semnificaie o

se stabilete valoarea maxim a lui A:
( ) ( )
max n
max F x F x =
(4.156)
716
( )
max critic
n, <
criteriul de acceptare a concordanei (acceptarea ipotezei H
0
) este
conform lui Mooiu (1994) este:
(4.157)
valorile lui A
critic
(n,o) sunt date n tabelul 4.12
n o = 0,20 o = 0,15 o = 0,10 o = 0,05 o = 0,01
1 0,900 0,925 0,950 0,975 0,995
2 0,684 0,726 0,776 0,842 0,929
3 0,565 0,597 0,642 0,708 0,828
4 0,494 0,525 0,564 0,624 0,733
5 0,446 0,474 0,510 0,565 0,669
6 0,410 0,436 0,470 0,521 0,618
7 0,381 0,405 0,438 0,486 0,577
8 0,358 0,381 0,411 0,457 0,543
9 0,339 0,360 0,388 0,432 0,514
10 0,322 0,342 0,368 0,410 0,490
11 0,307 0,326 0,352 0,391 0,468
12 0,295 0,313 0,338 0,375 0,450
13 0,284 0,302 0,325 0,361 0,433
14 0,274 0,292 0,314 0,349 0,418
Tab. 4.12 Valorile A
critic
(n,o) pentru testul Kolmogorov-Smirnov
717
criteriul de acceptare a concordanei (acceptarea ipotezei H
0
) este
conform lui Panaite & Munteanu (1982) este:
max

n
<
(4.158)
unde se obine din tabelele funciei K(), adoptnd un nivel de
semnificaie o, iar n este volumul eantionului.
( )
( )
( )
( )
max

P 1 K
n
de exemplu pentru:
0.01 K 0,99 1,63
0,05 K 0,95 1,36
0,10 K 0,90 1,23
| |
s = =
|
\ .
= = =
= = =
= = =
(4.159)
718
c. Testul Massey
Este un test care provine din modificarea testului KS pentru
eantioane de volum redus ne[8,32].

Ipoteza nul este H
0
:XeN(,o
2
) i ipoteza alternativ H
1
:XeN(,o
2
).
( )
i
i
i
n i i
i 1
x x
y
s
F y f
=



se ordoneaz valorile irului statistic n ordine cresctoare

se determin parametrii i s

se normeaz valorile variabilei y
i
i se determin frecvena
cumulat a fiecrei valori y
i
:
x
unde f
i
este frecvena relativ a valorii y
I

(4.160)
719
se calculeaz funcia teoretic F(y
i
) cu ajutorul funciei Laplace
se determin diferenele:
( ) ( )
n i i
F y F y =
(4.161)
se alege valoarea superioar A
sup
= sup A , dac A
sup
< A
critic
(n,o)
atunci se accept ipoteza H
0
.

valorile A
critic
(n,o) sunt date n tabelul 4.13
n o = 0,05 o = 0,10 n o = 0,05 o = 0,10
8 0,140 0,163 20 0,117 0,133
9 0,134 0,158 21 0,115 0,131
10 0,130 0,156 22 0,113 0,129
11 0,129 0,155 23 0,112 0,128
12 0,128 0,154 24 0,110 0,126
13 0,128 0,153 25 0,109 0,124
14 0,128 0,151 26 0,108 0,121
15 0,127 0,148 27 0,107 0,120
16 0,126 0,144 28 0,105 0,118
17 0,124 0,142 29 0,104 0,116
18 0,122 0,138 30 0,102 0,114
19 0,120 0,136 32 0,099 0,111
Tab. 4.13 Valorile A
critic
(n,o) pentru testul Massey
720
d. Testul Cramer von Mises
Este un test la care se verific concordana dintre o repartiie
teoretic F(x) i una experimental.

Ipoteza nul este H
0
:XeF(x) pentru toi x cu alternativa H
1
:XeF(x)
pentru cel puin un x.
se ordoneaz irul statistic cresctor

se calculeaz statistica:
( )
n
n
i
i 1
1 2i 1
C F x
12n 2n
=

(
= +
(

(4.162)
ipoteza H
0
se accept dac este ndeplinit condiia:
( )
calculat critic
C C n, s
(4.163)
Valorile C
critic
(n,o) au fost aproximate astfel nct s nu depind de n.

Cele mai uzuale valori sunt C(0,99)=0,743 ; C(0,95)=0,461 ; C(0,90)=0,347
721
Exemplu:
Iliescu & Vod (1977), pg. 71
Se efectueaz msurtori asupra diametrului interior nefinisat al unor
piese cilindrice, obinndu-se urmtoarele valori (n cm):

0,40 ; 0,48 ; 0,59 ; 0,60 ; 0,70 ; 0,55 ; 0,34 ; 0,20 ; 0,50 ; 0,38
Se face ipoteza c repartiia teoretic ar fi o repartiie uniform :

F(x) = x; 0 < x < 1
Calculele sunt sintetizate n urmtorul tabel:

i

x
i

F(x
i
)
1 0,20 0,20 0,15 0,0225
2 0,34 0,34 0,19 0,0361
3 0,38 0,38 0,13 0,0169
4 0,40 0,40 0,05 0,0025
5 0,48 0,48 0,03 0,0009
6 0,50 0,50 -0,05 0,0025
7 0,55 0,55 -0,10 0,0100
8 0,59 0,59 -0,16 0,0256
9 0,60 0,60 -0,25 0,0625
10 0,70 0,70 -0,25 0,0626
- - - 0,2420
( )
i
2i 1
F x
2n

( )
2
i
2i 1
F x
2n
(

(

calculat
1
C 0,2420 0,2503
120
= + = ( )
calculat
C C 0,95 0,461 < =
ipoteza H
0
se accept
722
e. Testul Wilcoxon
Este un test care verific egalitatea a dou distribuii nenormale.

Testul se aplic repartiiilor simetrice care au un numr egal de
observaii i difer numai prin valoarea medie.

Ipoteza nul este H
0
:
1
=
2
cu alternativ H
1
:
1
=
2

discriminarea se face evalund:
|E rangurilor pozitive|=|E rangurilor negative|

se ordoneaz seriile pe dou coloane paralele, ntr-o coloan
separat trecndu-se rezultatele inclusiv semnul diferenei.
irul de date A irul de date B A-B Rang Rang cu semn
se acord rangurilor semnele (+) sau (-) funcie de diferenele
observate

se determin E rangurilor pozitive i E rangurilor negative

se stabilete nivelul de semnificaie o
723
Tab. 4.14 Valorile W
critic
(n,o) pentru testul Wilcoxon
Decizia de respingere a ipotezei nule H
0
se ia atunci cnd se
ndeplinete condiia W
calculat
s W
critic
(n,o), n care W
calculat
este suma
rangurilor cu cea mai mic valoare

Valorile critice sunt date n tabelul 4.14 (extras).
n o = 0,05 o = 0,02 o = 0,01
6 0 - -
7 2 0 -
8 4 2 0
9 6 3 2
10 8 5 3
11 11 7 5
20 52 43 38
21 59 49 43
22 66 56 49
23 73 62 55
24 81 69 61
25 89 77 68
724
4.7.4 Teste pentru verificarea normalitii
Repartiia normal N(,o
2
) este frecvent ntlnit n modelarea
caracteristicilor de calitate.

Testele pentru verificarea normalitii fac parte din
categoria testelor de concordan.

Fa de testele prezentate n 4.7.3, au avantajul c se pot
aplica la eantioane de volum redus i pot discrimina mai
bine o repartiie normal de una simetric oarecare.

Pentru toate aceste teste ipoteza nul este H
0
:XeN(,o
2
) cu
altenativa H
1
:XeN(,o
2
).
725
a. Testul Lilliefors
se calculeaz valorile:
i
i
x x
x ; s ; z
s

=
( )
n i
0 , pentru i 0
1
F z , pentru 1 i n-1
n
1 , pentru i n
<

= s s

>

se ordoneaz

valorile zi calculndu-se F
0
(z
i
) (cu ajutorul funciei
Laplace) respectiv F
n
(z
i
), funcia empiric de repartiie:
(4.164)
se calculeaz diferena maxim
( ) ( )
max 0 i n i
max F z F z =
(4.165)
726
ipoteza H
0
se accept dac este ndeplinit condiia A
max
A
critic
(n,o).

valorile A
critic
(n,o) sunt date n tabelul 4.15 (extras)
Tab. 4.15 Valorile A
critic
(n,o) pentru testul Lilliefors (extras)
n o = 0,05 o = 0,01 n o = 0,05 o = 0,01
4 0,381 0,417 12 0,242 0,275
5 0,337 0,405 13 0,234 0,268
6 0,319 0,364 14 0,227 0,261
7 0,300 0,348 15 0,220 0,257
8 0,285 0,331 20 0,190 0,231
9 0,271 0,311 25 0,173 0,200
10 0,258 0,294 30 0,161 0,187
11 0,249 0,284 >30 0,886n
-1/2
1,031n
-1/2

Exemplu:
Iliescu & Vod (1977), pg. 73
Se studiaz caracteristica de durabilitate (X) a unui burghiu elicoidal cu
6 mm cu miez ngroat. Datele experimentale (n minute) precum i
calculele necesare aplicrii testului Lilliefors sunt date n urmtorul tabel.
727
x
i
z
i
F
0
(z
i
) F
n
(z
i
)
1 16,10 -10,55 111,3025 -1,5158 0,065 0,071 0,006
2 19,18 -7,47 55,8009 -1,0732 0,142 0,143 0,001
3 19,25 -7,40 54,7600 -1,0632 0,144 0,214 0,070
4 22,44 -4,21 17,7421 -0,6408 0,273 0,286 0,013
5 22,58 -4,07 16,5649 -0,5847 0,283 0,357 0,074
6 23,20 -3,45 11,9025 -0,4956 0,320 0,428 0,108
7 24,58 -2,07 4,2849 -0,2974 0,383 0,500 0,117
8 26,50 -0,15 0,0225 -0,0215 0,492 0,571 0,079
9 27,22 0,57 0,3294 0,0818 0,533 0,643 0,110
10 30,26 3,61 13,0321 0,5186 0,730 0,714 0,016
11 32,18 5,53 30,5809 0,7945 0,787 0,786 0,001
12 33,58 6,93 48,0249 0,9956 0,830 0,857 0,027
13 36,58 9,93 98,6049 1,4627 0,923 0,928 0,005
14 39,56 12,91 166,6681 1,8548 0,968 1,000 0,032

373,12
i
x x
( )
2
i
x x
( ) ( )
0 i n i
F z F z =
x 26,65; s 6,96 = ~
max 14; 0,05
0,117 0,227 = < =
Se accept ipoteza normalitii
728
b. Testul Shapiro - Wilk
Este un test bazat pe statisticile de ordine, folosit pentru verificarea
normalitii eantioanelor de volum redus ne[3,50]
( ) ( ) ( )
n n 1 n 1 n 1 2 n k 1 n k 1 k
b a x x a x x ... a x x
+ +
= + + +
se ordoneaz irul statistic cresctor

se calculeaz i s
2


se calculeaz expresia:



x
(4.166)
unde k = n/2 pentru n-par, k = (n-1)/2 pentru n-impar
2
calculat
2
b
SW
s
=
se calculeaz statistica:
(4.167)
Decizia de acceptare a ipotezei H
0
se ia atunci cnd se
ndeplinete condiia SW
calculat
> SW
critic
(n,o).

Valorile a
n-k+1
; k=1,2,n(n-1)/4 i SW
critic
(n,o) sunt tabelate
729
Testul Shapiro-Wilk pentru verificarea normaliti, Coeficienii a
n-k+1

730
Testul Shapiro-Wilk pentru verificarea normaliti, Coeficienii a
n-k+1
(continuare)
731
Testul Shapiro-Wilk pentru verificarea normalitii, Statistica SW
n,o


732
c. Testul DAgostino
Este un test construit pentru eantioane de volum moderat n > 50

se ordoneaz irul statistic cresctor

se calculeaz expresiile:

( )
( )
( )
n n
i i
i 1 i 1
1/ 2
2
n
1 i
i 1
2
1
n n 1
1
T i n 1 x i x x
2 2
1
s x x
n
T
D
n s
= =
=
+
(
= + =

(

(

=
(
`
(

(4.168)
733
se calculeaz statistica:
calculat
D 0,282095
Y n
0,029986

=
(4.169)
Decizia de acceptare a ipotezei H0 se ia atunci cnd se ndeplinete
condiia: Y
critic
(n,o/2) s Y
calculat
s Y
critic
(n,1-o/2).

Valorile critice pentru testul D`Agostino sunt date n tabelul 4.16
Tab. 4.16 Valorile critice pentru testul D`Agostino
n o = 0,05 o = 0,02
Y
critic
(n;0,025) Y
critic
(n;0975) Y
critic
(n;0,010) Y
critic
(n;0,990)
50 -2,757 1,038 -3,442 1,140
60 -2,699 1,115 -3,360 1,236
70 -2,652 1,176 -3,293 1,312
80 -2,613 1,226 -3,237 1,374
90 -2,580 1,260 -3,100 1,426
100 -2,552 1,303 -3,050 1,470
150 -2,452 1,423 -3,009 1,623
200 -2,391 1,496 -2,992 1,715
250 -2,348 1,545 -2,861 1,779
300 -2,316 1,528 -2,816 1,826
734
Exemplu:
Iliescu & Vod (1977), pg. 78
n tabelul urmtor se dau valorile n procente i frecvena lor de
apariie n cadrul unui experiment efectuat n scopul stabilirii unei
tolerane superioare pentru oxidul de sodiu lavabil
(Na
2
O)
L
% 0,03 0,06 0,09 0,10 0,11 0,12 0,13
Frecvena 1 1 3 4 8 9 10
(Na
2
O)
L
% 0,14 0,15 0,16 0,17 0,18 0,19 0,20 0,22
Frecvena 7 7 6 4 3 3 3 1
Se construiete un tabel n care se va calcula statistica
n
i
i 1
i x
=

,unde n = 70
735
Se obine succesiv:
( ) ( )
70
1 i
i 1
calculat
1 1
n 1 n 2485 ; x 0,13742 ; n 1 nx 341,4887
2 2
s 0,033 ; 70 8,365 ; ix 387,26 ; T 387,2600 341,4887 45,7713
45,7713
D 0,28306
4900 0,033
0,28306 0,28203
Y 8,366 0,27247
0,02998
=
+ = = + ~
~ ~ = = =
= =

= ~

70; 0,025 70; 0,9755


Y 2,652 ; Y 1,176 = =
Din tabelul 4.15 rezult:
2,652 0,27247 1,176 < <
Cum Se accept ipoteza normalitii
736
4.7.5 Teste parametrice
Testele parametrice verific ipotezele statistice care privesc
valorile necunoscute ale parametrilor unei repartiii statistice.
a. Testul ipotezei egalitii cu valoarea medie a unei repartiii
normale cu dispersia cunoscut (Testul z)
Fie o populaie statistic cu o caracteristic de calitate
repartizat normal N(,o
2
), cu (media teoretic)
necunoscut i o (dispersia) cunoscut.

Ipoteza nul este H
0
:=
0
cu alternativa H
1
:=
0
, unde
0
-
valoare dat.
737
se determin pentru eantionul de volum n, media experimental

se adopt nivelul de semnificaie o

funcia discriminant este:
x
0
x
z

=
(4.170)
se construiete un interval de acceptare bilateral [-z
o/2
;+z
o/2
]

cu valorile
z
o/2
extrase din tabelele distribuiei normale, definit de relaia:

0

2 2
x
P z z

n
| |
|

s s +
|
|
|
\ .
(4.171)
se calculeaz z
calculat
conform relaiei (4.170)
Decizia de acceptare a ipotezei H
0
se ia atunci cnd -z
o/2
< z
calculat
<
+zo/2
738
Observaii:
stabilirea lui o are ca scop determinarea probabilitii P = 1 - o cu care se
dorete s se precizeze valoarea medie (probabilitatea deciziei).

se fixeaz deci valoarea erorii de genul 1.
n acelai timp i se asociaz eroarea de genul 2, |.
perechile de valori (
0
,1-o) i (
1
,|) determin curbele de
eficacitate (operative).


stabilirea volumului eantionului se face calculnd valoarea d=-
0
/o i
cutnd n tabelele de valori ale curbelor operative, valoarea lui n
funcie de probabilitatea P = | pentru un anumit nivel de semnificaie o.


se pot aplica i teste unilaterale astfel:
739
pentru H
0
:=
0
;H
1
:
1
<
0

0

x
P z 1

n
| |
|

> =
|
|
|
\ .
(4.173)
dac ze[-zo,+) se accept H
0
cu semnificaia o.
pentru H
0
:=
0
;H
1
:
1
>
0

0

x
P z 1

n
| |
|

s =
|
|
|
\ .
(4.172)
dac ze(-,+z
o
)

se accept H
0
cu semnificaia o

740
b. Testul ipotezei egalitii cu valoarea medie a unei repartiii
normale cu dispersia necunoscut (Testul Student)
funcia discriminant este:
0
x
t
s
n

=
(4.174)
se calculeaz d=x-
0
/o,ise aleg riscurile o i |.

se determin mrimea eantionului n i se calculeaz i s.

se calculeaz v=n-1 numrul gradelor de libertate al repartiiei
Student.

se calculeaz t
calculat
conform relaiei (4.174)
x
741
Decizia de respingere a ipotezei H
0
se face cnd |t
calculat
|> t
v,o/2.

Intervalul de acceptare a ipotezei H
0
este (-t
v,o/2
;+t
v,o/2
).

Valorile t
v,o/2
sunt tabelate.
Observaii:
pentru H
0
:=
0
cu alternativa H
1
:<
0
decizia de respingere a
ipotezei nule se ia cnd se ndeplinete condiia t
calculat
< -t
v,o
.


Intervalul de acceptare a ipotezei H
0
este (-tv,o,+).

pentru H
0
:=
0
cu alternativa H
1
:>
0
decizia de respingere a
ipotezei H
0
se ia cnd t
calculat
> t
v,o
.

H
0
se accept dac t
calculat
e(-,t
v,o
)
742
c. Testul ipotezei egalitii cu dispersia unei repartiii normale (Testul _
2
)
funcia discriminant este:
( )
2
2
2
0
n 1

=
(4.175)
se determin =o
1
/o
0
unde o
1
este ecartul admis pentru s.

se aleg riscurile o i |.

se alege din tabelele curbelor operative volumul eantionului funcie de
o i |.

se determin numrul gradelor de libertate v=n-1 pentru repartiia _
2
.

se calculeaz _
2
calculat
conform relaiei (4.175).
743
Ipoteza H
0
se accept cnd se ndeplinete condiia: _
2
v,1-o/2
s

_
2
calculat
s

_
2
v,o


Valorile _
2
v,1-o/2
i _
2
v,o.
sunt tabelate.

Observaii:
pentru H
0
:o
2
=o
0
2
cu alternativa H
1
:o
2
>o
0
2
, decizia de
acceptare a ipotezei H
0
se ia cnd _
2
calculat
< _
2
v,o


Intervalul de acceptare este (-,_
2
v,o
)

pentru H
0
:o
2
=o
0
2
cu alternativa H
1
:o
2
<o
0
2
decizia de
acceptare se ia cnd _
2
calculat
> _
2
v,1-o
.

Intervalul de acceptare este
(
_
2
v,1-o
,
+)
744
d. Testul ipotezei egalitii valorilor medii a dou repartiii normale cu
dispersiile egale de valoare necunoscut (Testul Student)
( ) ( )
n
n y
x
2 2
i i
i 1 i 1
x y x y
x y
t
x x y y
1 1
n n n n 2
= =

=
+
+
+

Ipoteza nul este H
0
:
x
=
y
cu alternativa H
1
:
x
=
y

funcia discriminant este:
(4.176)
unde i sunt valorile medii ale eantioanelor de volum n
x
respectiv n
y

x y
se adopt pentru simplificare n
x
= n
y
= n.

se aleg riscurile o i |.

se determin valoarea lui n din tabelele curbelor operative funcie
de o i |.
745
se consider volumul eantionului n
0
=(n+1)/2.

se determin numrul gradelor de libertate v = v
x
+v
y
= n
x
+n
y
-2 pentru
repartiia Student.

se calculeaz valoarea t
calculat
conform relaiei (4.176)
Decizia de acceptare a ipotezei H
0
pentru specificaie bilateral se ia
atunci cnd -t
v,o/2
< t
calculat
< t
v,o/2
sau |t
calculat
|< t
v,o/2
.


Valorile t
v,o/2
se iau din tabelele repartiiei Student

Observaii:
pentru H
0
:
x
=
y
cu alternativa H
1
:
x
>
y
decizia de acceptare a
ipotezei H
0
se ia cnd t
calculat
s t
v,o

pentru H0:
x
=
y
cu alternativa H
1
:
x
<
y
decizia de acceptare a
ipotezei H
0
se ia cnd
tcalculat
> -t
v,o
746
( )
,
P t t > =

,
2

P t t
2
| |
s =
|
|
\ .
747
e. Testul ipotezei egalitii valorilor medii a dou repartiii normale cu
dispersiile necunoscute i nu neaprat egale (Testul Student)
funcia discriminant este:
2 2
y
x
x y
x y
t
s s
n n

=
+
se determin numrul gradelor de libertate pentru repartiia Student:
( )
( )
2
2
y
x
x y
2
2
y
x
x x
y y
s
s
n n

s
s
n n 1
n n 1
| |
+
|
|
\ .
=
+
+
+
(4.177)
(4.178)
748
se adopt pentru simplificare n
x
=n
y
=n.

se alege riscul o, volumul eantionul alegndu-se dup experien.

se calculeaz t
calculat
conform relaiei (4.177)
Decizia de acceptare a ipotezei H
0
pentru nivelul de semnificaie o i
specificaie bilateral se ia cnd |t
calculat
|< t
v,o/2
Observaie:
Deciziile pentru specificaiile unilaterale se iau similar cu
cele prezentate anterior.
749
f. Testul ipotezei egalitii dispersiilor a dou repartiii normale
(Testul Fisher-Snedecor)
Ipoteza nul este H
0
:o
x
2
=o
y
2
cu alternativa H
1
:o
x
2
=o
y
2

funcia discriminant este:
2
x
2
y
s
F
s
=
(4.179)
se determin s
x
i s
y
corespunztoare celor dou eantioane n
x
,n
y.

pentru simplificare se adopt n
x
=n
y
=n.

se calculeaz numrul gradelor de libertate v
1
=n
x
-1 i v
2
=n
y
-1 ale
repartiiilor _
2
folosite la generarea variabilei aleatoare F
750
se determin valoarea =o
x
/o
y
de respingere a ipotezei nule.

se aleg riscurile o i |.

se determin volumul eantionului n funcie de o i | din
tabelele curbelor operative.

se calculeaz F
calculat
conform relaiei (4.179).
Decizia de acceptare a ipotezei H
0
se ia cnd se ndeplinete condiia:
1/F
o/2,v1,v2
s F
calculat
s F
o/2,v1,v2
Observaii:
pentru H
0
:o
x
2
=o
y
2
cu alternativa H
1
:o
x
2
=o
y
2
se accept ipoteza nul
atunci cnd este ndeplinit condiia F
calculat
< F
v1,v2,o
.

Valorile F
v,o
se gsesc n tabelele repartiiei F.

751
( )
, ,
1 2
P F F 0,10 > =
752
g. Testul ipotezei egalitii mai multor dispersii a unor repartiii normale
(Testul Cochran)
Ipoteza nul este H
0
:o
1
2
=o
2
2
==o
k
2

funcia discriminant este:
| |
2
i 1,k
k
2
i
i 1
maxs
q
s
e
=
=

se determin s
1
2
,s
2
2
,s
k
2
stabilite pe eantioane egale n
1
=n
2
==n
k
=n.

se calculeaz q
calculat
conform relaiei (4.180).
(4.180)
Decizia de acceptare a ipotezei H
0
se ia cnd q
calculat
s q
critic
(k,v,o).

Valorile q
critic
sunt tabelate, cu P = 5% pentru k estimaii independente
fiecare bazate pe v=n-1 observaii.
753
Testul Cochran pentru egalitatea dispersiilor , Statistica q
k,v,0,95
754
h. Testul ipotezei egalitii mediilor unor repartiii normale (Testul Abbe)
Ipoteza nul este H
0
:
1
=
2
=
k
cu alternativa H
1
:|
i+1
-
i
|>0, i = 1,2,k-1,
toate repartiiile normale avnd aceeai dispersie o
2

funcia discriminant este:
( )
( )
k 1
2
i 1 i
k
i 1
i
k
2
i 1
i
i 1
x x
1 1
A unde x
2 k
x

+
=
=
=

= =

(4.181)
se calculeaz pentru acelai numr de date i=1,2,k-1, adic
eantioanele sunt de acelai volum n.

i
x
se alege riscul o

se calculeaz A
calculat
conform relaiei (4.181)
Decizia de acceptare a ipotezei H
0
se ia atunci cnd A
calculat
> A
critic
(k,o).

Valorile A
critic
(k,o) sunt tabelate.
755
Testul Abbe pentru egalitatea mediilor, Statistica A
k,1-o
756
Observaii generale:
Testele la care ipoteza specific valorile unor parametrii
necunoscui se mai numesc i teste ale ipotezei simple.

Testele care verific dac dou repartiii au parametrii de
valori egale se mai numesc teste ale ipotezei duble.

Testele la care ipotezele se fac asupra valorii medii sunt teste
pentru verificarea stabilitii centrrii.

Testele la care ipotezele se fac asupra dispersiilor se numesc
teste pentru verificare stabilitii preciziei.

Testele la care se verific ipotezele referitoare la parametrii
comuni ai mai multor repartiii se mai numesc teste de
omogenitate.
757
CAPITOLUL V
CONTROLUL STATISTIC DE RECEPIE I AL
PROCESELOR
5.1 Consideraii generale privind controlul statistic de recepie i
controlul statistic al procesului
Controlul statistic se realizeaz prin diferite metode avnd ca scop
obinerea informaiilor asupra unui lot de produse sau a strii
procesului de fabricaie prin control 100% sau eantionare.

Funcie de natura caracteristicii de calitate care se controleaz,
metodele de control sunt:

Metode de control prin atribute, la care caracteristicile de
calitate sunt clasificate n corespunztor/necorespunztor dup
cum se ncadreaz sau nu n specificaii.

Metode de control prin msurare, la care se analizeaz valorile
caracteristicii de calitate obinute prin msurare.
758
Funcie de stadiul de execuie al lotului de produse, controlul
statistic este:

Control statistic de recepie, aplicat asupra loturilor
complet executate, avnd ca scop luarea deciziilor
referitoare la admitere, respingere sau sortare/resortare.

Control statistic al procesului, aplicat asupra loturilor n
curs de fabricare, avnd ca scop luarea deciziilor
referitoare la procesul de fabricaie.

O comparaie ntre controlul statistic de recepie i cel al procesului
este redat n figura 5.1, adaptare dup Mooiu (1994)).
759
Fig. 5.1 Deciziile i aciunile funcie de momentul eantionrii
760
Observaii generale:
Controlul 100% nu exclude prelucrarea statistic a datelor
obinute prin verificare/constatare, de asemenea ea conduce
la aciuni asupra procesului de fabricaie respectiv asupra
produsului (nu numai asupra lotului din care s-a extras
eantionul).

Controlul statistic al procesului permite furnizorului
(executantului) stabilirea limitelor de control inferioar LCI i
superioar LCS, acest lucru realizndu-se prin eantionare
periodic i succesiv asupra lotului de produse. n acest mod,
furnizorul are o imagine n timp asupra fabricrii lotului de
produse (aspect diacron al fabricaiei).

Controlul final i beneficiarul au ns o o imagine diferit,
i anume ca i cnd lotul de produse ar fi realizat deodat
n condiii identice de realizare (aspectul sincron al
fabricaiei), fiind interesai ca nivelul neconformitilor s nu
depeasc AQL (nivelul de calitate aceptabil)
761
Controlul statistic de recepie i al procesului se aplic
numai la procese stabile statistic.

Stabilitatea statistic presupune c toate cauzele
speciale au fost ndeprtate, singurele influene fiind
date de cauzele comune.

De obicei toleranele procesului sunt specificate, ns
atunci cnd nu sunt specificate, controlul statistic se
efectueaz n baza toleranelor naturale (corespunde
situaiei de analiz a stabilitii statistice a procesului).
Principalele metode de control statistic de recepie i control statistic al
procesului sunt prezentate n figura 5.2 (Mooiu, 1994)
762
Fig. 5.2 Metode de control statistic
763
Funcie de volumul produselor controlate, controlul statistic este:

Control 100% sau bucat cu bucat, aplicat ntregului
volumul al produciei. Este de obicei aplicabil produciei de
serie mic sau de unicate unde condiiile tehnice impuse
suntdeosebit de stricte.

Control prin eantionare, aplicat numai asupra unor pri
ale produciei (loturi).
Avantajele controlului prin eantionare se pot aprecia prin diverse
criterii economice, spre exemplu comparnd costul asociat acestuia
cu cel asociat controlului 100% (Kifor & Oprean, 2002)
Se noteaz:

N volumul lotului (populaia statistic)

n volumul eantionului
764
P fraciunea defectiv a lotului (proporia de produse necorespunztoare)

C costurile datorate nedepistrii produselor defecte la recepia lotului

C
u
costurile de control a unei piese (costul unitar)
Costul controlului 100% se determin cu relaia (5.1):
100% u
C N C =
(5.1)
Costul controlului prin eantionare se determin cu relaia (5.2):
( ) ( )
e u
C n C N n P C = +
(5.2)
765
La limit, atunci cnd C
100%
C
e
, se poate identifica (determina)
un punct de echilibru cu relaia (5.3):
( ) ( )
u u
N C n C N n P C ~ +
(5.3)
Fraciunea defectiv critic este dat n relaia 5.4
u
critic
C
P
C
=
(5.4)
Dac P < P
critic
, atunci costul cel mai redus se obine aplicnd
metodele de control statistic prin eantionare.

Dac P > P
critic
, atunci mai ieftin este controlul 100%
766
5.2 Controlul statistic de recepie
De mare importan pentru luarea unor decizii corecte asupra lotului de
produse supus controlului statistic de recepie este prelevarea corect a
eantionului (procedurile sunt date n STAS 6085-86).

Sinteza elementelor necesare efecturii eantionrii pentru recepia
loturilor se d sub forma planurilor de control ce conin riscurile
furnizorului, riscul beneficiarului, nivelul calitii produciei i
criteriile de decizie.

Practic, controlul prin eantionare reprezint o form a testrii
ipotezelor statistice, prin aplicarea planurilor de control statistic
decizndu-se dac lotul de produse poate fi acceptat sau respins.

Din punct de vedere probabilistic orice lot de produse conine o proporie
de produse defecte (necorespunztoare) numit fraciune defectiv.

767
Ipoteza nul este H
0
:p s p
0
(acceptare) cu alternativa H
1
:p > p
0

(respingere), unde p
0
este nivelul critic al fraciunii defective
determinat pe baze economice.

Prin aplicarea controlului statistic de recepie se poate ajunge la dou
feluri de decizii eronate:

Scopul controlului statistic de recepie este de a determina dac
aceast fraciune defectiv nu depete o anumit valoare critic.
respingerea unui lot corespunztor, eroarea comis
notat o se numete eroare de genul 1 sau risc al
furnizorului.(fig ura 5.3)

acceptarea unui lot necorespunztor, eroarea comis
notat | se numete eroare de genul 2 sau risc al
beneficiarului.(figura 5.3)
768
Eroare de genul 1 (riscul furnizorului) Eroare de genul 2 (riscul beneficiarului)

n volumul eantionului
N volumul lotului
CC calitate corespunztoare
CN calitate necorespunztoare
Fig. 5.3 Erorile posibile la aplicarea controlului statistic de recepie
769
Caracteristica operativ (CO) reprezint corespondena dintre
fraciunea defectiv (p) i probabilitatea acceptrii loturilor
de produse (P
a
).

CO poate fi descris prin funcia dat n relaia (5.5) care
exprim probabilitatea de acceptare a lotului ce conine o
fraciune defectiv p = D/N, expresia grafic constiuind-o
Curba caracteristicii operative.
5.2.1 Caracteristica operativ a planurilor de control statistic
(5.5)
( ) ( )
P a f p =
Se consider nivelul p
0
al fraciunii defective pentru care dac
controlul s-ar efectua integral i fr erori, loturile cu p p
0
ar fi
acceptate cu certitudine iar cele cu p > p
0
ar fi respinse cu
certitudine.

Acest caz se consider unul ideal, iar Curba caracteristicii
operative ideale este prezentat n figura 5.4
770
Fig. 5.4 Curba CO n form ideal
n realitate, datorit erorilor de reprezentativitate se comit erori de
decizie comensurate probabilistic prin riscurile i
Cu ct are loc ndeprtarea de p = 0 (fraciune defectiv 0 =
calitate perfect) spre p = 1 (fraciune defectiv 100% = calitate
nul) , are loc nrutirea calitii.
771
Fig. 5.5 Curba CO n form real
Pn la p
0
se consider faptul c calitate are un totui nivel
acceptabil ceea ce conduce la acceptarea lotului.

Curba Caracteristicii operative reale arat c n realitate loturi de
calitate acceptabil (p p
0
) pot fi totui respinse, iar loturi
necorespunztoare (p > p
0
) vor fi acceptate.
772
Fig. 5.6 Curba CO i mrimile specifice controlului statistic de recepie
Curba caracteristicii operative este prezentat n figura 5.6, iar
corespondena dintre P% de apariie a erorilor de decizie i fraciunea
de defectiv n tabelul 5.1.
773
n jurul valorii p
0
exist o zon de interferen n care deciziile sunt
echivalente, ns pe msura ndeprtrii dinspre p
0
spre 0 sau
dinspre p
0
spre 1, probabilitatea respingerii unui lot corespunztor
respectiv a acceprii unui lot necorespunztor, scade.

Loturile corespunztoare (p p
1
)

se accept cu o probabilitate
mare (P
a
= 1-), ns datorit erorilor de reprezentativitate
(eantionare) vor fi i loturi corespunztoare respinse nejustificat
cu o probabilitate () mic.

Loturile necorespunztoare (p p
2
) sunt respinse cu o
probabilitate mare (Pa = 1-) mare, dar sunt i loturi
necorespunztoare care sunt acceptate cu o probabilitate ()
mic.

Atunci cnd loturile au fraciunea defectiv cuprins ntre p
1
i p
2
,
acestea sunt respinse cu o probabilitate P
a
= 1--, probabilitate
care descrete pe msur ce are loc ndeprtarea din p
1
spre p
2
,adic
pe msura nrutirii calitii
774
Domeniul Domeniul de
acceptare
Domeniul de
indiferen
Domeniul de
respingere
Fraciunea
defectiv (p)
0 p
1
p
2
1
(AQL) (LQ)
Probabilitatea de
acceptare (P
a
)
1 s P
a
s 1-o 1-o < P
a
< | | s P
a
s 0
Tab 3.1 Corespondena dintre p i P
a

Fraciunea defectiv p
1
este fraciunea defectiv maxim pentru care
lotul se accept (probabilitatea de acceptare este foarte mare, cel
puin 1-o ) i se mai numete fraciune defectiv acceptat sau Nivel
de Calitate Acceptabil AQL (Acceptable Quality Level).

Fraciunea defectiv p
2
este fraciunea defectiv minim pentru care
lotul se respinge (probabilitatea de acceptare de beneficiar este
foarte mic, cel mult |) i se mai numete fraciune defectiv tolerat
sau Nivel de Calitate Limit LQ (Limited Quality).

Fraciunea defectiv p
0
cu P
a
(p
0
) = 0,5 se numete fraciune defectiv
probabil.
775
Mrimile p
1
, p
2
, i care materializeaz cerinele controlului
statistic prin eantionare se stabilesc de furnizor i beneficiar de
comun acord.

Aceste mrimi se stabilesc n mod diferit n funcie de fiecare
produs n parte.

ntre aceste mrimi exist evident relaiile:
(5.6)
1 1 0,5 0 > > > >
1 2
0 p p 1 < < <
(5.7)
2 1
1
p p
N
> (5.8)
776
Calitatea medie dup control AOQ (Accepted Outgoing Quality)
este un indicator al eficienei unui plan de control i reprezint
calitatea medie a produciei livrate dup controlul unui numr de
loturi.

Prin aplicarea controlului vor rezulta evident loturi acceptate i loturi
respinse, produsele defecte ale acestora din urm nlocuindu-se cu
produse corespunztoare.

Dac eantionul (n cazul unui lot acceptat) s-a reintrodus n lot fr
nlocuirea produselor defecte, Calitatea medie dup control AOQ
va fi:
a
n
AOQ pP 1
N
| |
=
|
\ .
a
AOQ pP = (5.8)
Dac produsele defecte au fost nlocuite, Calitatea medie dup
control AOQ va fi:
(5.9)
unde: n volumul eantionului, N volumul lotului
777
( )
0 p 1
AOQL max AOQ
< <
=
Analiza evoluiei indicatorului AOQ conduce la concluzia c se
produce o stabilizare a sa n timp.

Indicatorul corespunztor este limita calitii medii dup control
AOQL i reprezint valoarea maxim alui AOQ fiind cel mai
sczut nivel al calitii medii acceptabile:
(5.10)
n aceast ordine de idei, Nivelul de calitate acceptabil AQL
(Acceptable Quality Level) reprezint procentul maxim de
produse defecte sau numrul maxim de defecte la suta de uniti
de produs pentru care lotul se consider acceptabil din punct de
vedere al calitii medii a produciei.

Standardul STAS 3160-84 recomand ca stabilirea valorii AQL s se
fac de comun acord de ctre furnizor i beneficiar i s fie
nscris n contractele comerciale.
778
O prim abordare a nivelului AQL se bazeaz pe gradul de
gravitate a defectelor. STAS 3160/84 recomand:


pentru defecte critice AQL : 0 - 0,4%

pentru defecte principale AQL : 0,4 - 1%

pentru defecte secundare AQL : 1,5 - 4%

pentru defecte minore AQL : 4 - 10%

Dac produsele prezint defecte de graviti diferite nivelul AQL
se stabilete pentru fiecare tip de defect n parte.
n cazul n care exist un numr mare de caracteristici de calitate,
i s-a stabilit pentru fiecare nivelul AQL respectiv numrul de
defecte admisibil A
i,
atunci se pot determina Nivelul global
AQL
global
i Nivelul global al numrului de defecte A
global

779
Nivelul global AQL
global
se calculeaz ca fiind media
geometric a nivelurilor individuale AQL
i
conform relaiei
(5.11)

Nivelul global al numrului de defecte A
global
se calculeaz
ca fiind media ptratic a valorilor individuale A
i
conform
relaiei (5.12).
n
global 1 2 n
AQL AQL AQL ... AQL =
2 2 2
1 2 n
global
A A ... A
A
n
+ + +
=
O a doua abordare a nivelului AQL se bazeaz pe procentul mediu de
defecte stabilizat .

Se recomand o valoare iniial AQL = 0,8
p
(5.11)
(5.12)
p
780
5.2.2 Planuri de control atributive
Funcie de numrul eantioanelor controlate (k), planurile de
control atributive sunt simple (k=1), duble (k s 2), multiple (k s 7)
i pot fi difereniate funcie de gradul de severitate al controlului
(normal, sever, redus).
Schema planului de control simplu este prezentat n figura 5.7,
iar aplicarea controlului propriu-zis se face conform schemei din
figura 5.8.
a. Planul de control simplu
Exist mai multe tipuri de control statistic prin atribute. Formele
prezentate n STAS 3160/1-84 corespund cu standardul american
MIL STD 105D preluate ulterior i n ISO 3951.
781
N volumul lotului
N
C
niveluri de control funcie de gradul de severitate impus: normal, sever, sau
redus ( I, II, III - normale, S
1
, S
2
, S
3
, S
4
speciale)
L
C
litera de cod
AQL nivelul de calitate acceptabil
A numrul maxim de produse necorespunztoare pentru care lotul se accept
R numrul minim de produse corespunztoare pentru care lotul se respinge
Unde:
Fig. 5.7 Schema planului de control atributiv simplu
782
Fig. 5.8 Procedeul de utilizare a unui plan de control atributiv simplu
Unde:
A codul pentru decizia de acceptare a lotului
R codul pentru decizia de respingere a lotului
783
Ipoteza nul este H
0
:p s p
1
cu alternativa H
1
:p > p
2
.

Mrimile o, |, p
1
, p
2
fiind fixate i cunoscnd N, volumului lotului,
se poate determina volumul n al eantionului precum i numrul
maxim de produse defecte din eantion care condiioneaz
acceptarea A (care se mai numete i numr de acceptare) .
0 s A < n < N (5.13)
Notnd cu D numrul de produse defecte din lotul de volum
N (G = N - D produse corespunztoare), prin eantionare se
obine un volum de n produse care se controleaz bucat cu
bucat fr a fi reintroduse n lot.

Probabilitatea ca s obinem n n extrageri d produse defecte
(g = n - d produse corespunztoare) este dat de relaia (5.14)
corespunztoare repartiiei hipergeometrice:
( )
d n d
D N D
n
N
C C
p n,d
C

=
(5.14)
784
Pentru eantioane foarte mari modelul repartiiei hipergeometrice
poate fi aproximat prin modelul binomial (n ipoteza c dup
verificare fiecare produs se reintroduce n lot) conform relaiei (5.135):
( ) ( )
n d
d d
n
n
limp n,d C p 1 p

=
(5.135)
Probabilitatea de acceptare este:
( ) ( )
A
n d
d d
a n
d 0
P n,d C p 1 p

=
=

Observaii:
Atunci cnd produsele defecte au frecven de apariie relativ
mic (p s 0,1) i n > 30 (astfel nct n/N s 0,05) modelul
hipergeometric se aproximeaz prin modelul Poisson:
( )
( )
d
np
np
p n,d e
d!

=
Probabilitatea de acceptare este:
( )
d
A
np
a
d 0
np
P e
d!

=
=

(5.136)
(5.137)
(5.138)
785
Determinarea parametrilor planului de control simplu atributiv (n, A)
se poate face prin rezolvarea sistemului de ecuaii dat de relaia
(5.139) sau prin utilizarea repartiiei _
2
conform relaiei (5.140).
( )
( )
A
np 1
1
d 0
d
A
np 2
2
d 0
np
e 1
d!
np
e
d!

( ) ( )
( ) ( )
2 2
;2 A 1 1 ;2 A 1
2 1
2 2
2
;2 A 1 1 ;2 A 1
1

n
2p 2p
p

p
( ( + +

( ( + +

s s

~

)
(5.139)
(5.140)
786
n mod practic pentru determinarea lui n i A se procedeaz astfel:
se calculez raportul r = p
2
/p
1


din tabelele repartiiei _
2
se determin valorile aproximative pentru
_
2
[|;2(A+1)]
i _
2
[1-o;2(A+1)]
astfel nct raportul lor s fie egal cu r


se citete numrul gradelor de libertate pentru repartiia _2 ,
v=2(A+1) A=v/2-1


se determin volumul eantionului cu relaia n=(n
1
+n
2
)/2

;

n
1
i n
2
fiind
obinui prin raporturile _
2
[|;2(A+1)]
/ 2p
2
respectiv _
2
[1-o;2(A+1)]
/ 2p
1
787
Repartiia _
2
( )
2 2
,
P > =
788
b. Planul de control dublu
Schema planului de control dublu (conform STAS 3160/1-84) este
prezentat n figura 5.9, iar aplicarea controlului propriu-zis se face
conform schemei din figura 5.10.
Fig. 5.9 Schema planului de control atributiv dublu
789
Fig. 5.10 Procedeul de utilizare a unui plan de control atributiv dublu
790
c. Planul de control multiplu
Planul de control multiplu atributiv este similar planului dublu cu
observaia c k s 7, iar efectivele eantioanelor sunt egale n
1
=n
2
==n
7

d. Planul de control secvenial
n etapa iniial numrul i volumul eantioanelor nu sunt cunoscute,
acestea se adopt funcie de calitatea efectiv a lotului.

Se consider ipoteza nul H
0
: p s p
1
cu alternativa H
1
: p > p
2
cele trei
decizii posibile se bazeaz pe raportul de verosimilitate propus de A. Wald:
2,n
1,n
2,n
1,n
2,n
1,n
p

acceptarea lotului
p 1
p
1
respingerea lotului
p
p
1
continuarea controlului
1 p


>
`


< <


)
(5.141)
791
Unde:
- p
1,n
este probabilitatea ca eantionul de volum n s conin d produse
defecte, dac lotul conine D
1
produse defecte adic p s p
1

- p
2,n
este probabilitatea ca eantionul de volum n s conin d produse
defecte, dac lotul conine D
2
produse defecte adic p > p
2

Observaii:
pentru uurina calculelor i luarea mai rapid a deciziilor se
calculeaz numerele specifice de rebuturi d = A
n
pentru condiia
de acceptare i d = R
n
pentru cea de respingere cu relaiile:
n 1 1
n 2
A n h ; h 0
R n h
= + <

`
= +
)
(5.141)
Unde: =f (p
1
,p
2
); h
1
=f (o,|,p
1
,p
2
); h
2
=f (o,|,p
1
,p
2
)
dac d s A
n
lotul se accept, dac d > R
n
lotul se respinge iar
dac A
n
< d < R
n
se continu controlul.
792
e. Planuri cu cifr de acceptare zero A=0
Planurile cu cifr de acceptare zero au aprut ca o necesitate de
natur psihologic pentru ca probabilitatea de acceptare a
loturilor s fie mare, furnizorul fiind practic obligat s ofere
produse de calitate superioar celei prevzute prin AQL. n
Romnia se aplic prin STAS 12898-90 i se bazeaz pe planurile
C=0 din SUA
f. Planuri de eantionare continu (CSP Continuous Sampling Plan)
Se aplic pentru un flux continuu de produse i presupune
acceptarea sau respingerea prin verificarea bucat cu bucat
alternnd verificarea 100% cu eantionarea funcie de calitatea
observat.
793
5.2.3 Planuri de control prin msurare
Aplicarea controlului prin msurare are la baz ipoteza c valorile
caracteristicii de calitate sunt repartizate normal sau aproximativ
normal . Procedurile de urmat sunt descrise n STAS 3160/3-84

Cunoscnd legea de repartiie i fiind fixate limitele cmpului de
toleran (valorile limit specificate), Ls, TS, LSS limita specificat
superioar, respectiv Li, TI, LSI limita specificat inferioar se pot
determina probabilitile ca aceste limite s nu fie depite,
probabilitate egal cu fraciunea defectiv p reprezentat de aria
haurat din figura 5.11.
Fig. 5.11 Fraciunile defective aferente limitelor inferioar, superioar, bilaterale
794
Utiliznd pentru determinarea fraciunii defective funcia Laplace (z),
atunci se obin valorile probabile ale lui p:
( )
=
p
i,s
1
p z
2

= =
p p
i s
TI TS
unde z ; z

(5.142)
atunci cnd caracteristica de calitate este limitat inferior respectiv superior
( )
=
p
p 1 2 z

= =
p
ITS TS TI
unde z
2 2
atunci cnd caracteristica de calitate este cuprins ntre TI i TS,
(ITS/2=(TS-TI)/2 reprezentnd jumtatea cmpului de toleran.
(5.143)
Verificarea ipotezei nule H
0
:p s p
1
cu alternativa H
1
: p > p
2
devine
echivalent cu verificarea ipotezei H
0
: z
p
> z
p1
cu alternativa H
1
: z
p
s z
p2

795
a. Planul de control simplu prin msurare
Pentru aceste planuri, la baza deciziei stau rezultatele
msurrilor x
1
,x
2
,,x
n
efectuate asupra unui eantion de volum
n fixat funcie de cerinele furnizorului i/sau beneficiarului.
n cazul n care o nu se cunoate atunci parametrii i o se
estimeaz prin x i s. n mod corespunztor pentru z
pI
i z
pS
se
consider estimaiile h
S
=(TS x )/s i h
I
=(TI x )/s care la rndul lor
pot fi considerate variabile normale. Ipoteza nul devine H
0
: h > k i
n acest caz lotul se accept, cu alternativa H
1
: h < k, caz n care
lotul se respinge.
Volumul eantionului n i factorul(constanta) de acceptare k se
pot calcula din condiiile P
a
(p
1
)=1-o respectiv P
a
(p
2
)=|.
796
pentru caracteristica de calitate limitat superior:

- condiia de acceptare: x + ks s TS
- condiia de respingere: x + ks > TS

pentru caracteristica de calitate limitat inferior:

- condiia de acceptare: x - ks > TS
- condiia de respingere: x - ks < TS

pentru caracteristica de calitate dublu limitat:

- condiia de acceptare: LCI s x s LCS unde LCI=TI+ks, LCS=TS-ks
- condiia de respingere: x < LCI sau x > LCS
Observaii:
relaii similare se obin n cazul cnd o se cunoate din cazuri anterioare
n acelai mod ca la planurile atributive se pot utiliza planuri de control prin
msurare duble, secveniale
797
Planurile de control prin msurare utilizate n STAS 3160/3-84 se
bazeaz pe schema din figura 5.12 i respect regulile generale
stabilite pentru controlul atributiv de recepie.
Cea mai utilizat este metoda x s cazurile principale fiind aTunci
cnd limitele superioare i inferioare au acelai AQL, respectiv cnd
au valori AQL diferite:
Fig. 5.12 Schema general de determinare a caracteristicilor
planului de control prin msurare
798
a1) Cazul AQL
TS
=AQL
TI

se stabilete k din tabelele standardului STAS 3160/3-84
se determin x i s
se verific, dup caz, ndeplinirea uneia sau a ambelor condiii cu
statisticile de decizie Q
S
i Q
I




Conform figurii 5.13 se figureaz punctul E(x,s) a crui coordonate
reprezint eantionul.

Dac punctul se afl n zona de acceptare atunci evident lotul se
accept, n caz contrar lotul se respinge.
S
I
TS x
Q k
s
x TI
Q k
s

= >


= >

)
(5.144)
799
Fig 5.13 Metoda grafic dac AQL
TS
=AQL
TI
cu limitare bilateral
i unilateral
800
a2) Cazul AQL
TS
=AQL
TI

se calculeaz s, o, sau R funcie de metoda aleas
se verific n prima faz, dup caz condiiile:
; s MSD
R MAR
s

`
s
)
(5.145)
unde:
MSD abaterea medie ptratic maxim,
MAR amplitudinea medie maxim
se calculeaz, dup caz valorile:
norm
norm
norm norm
x TI s
x ; s
TS TI TS TI
R
; R
TS TI TS TI

= =

= =

)
(5.146)
801
se verific pe graficul de acceptare corespunztor din standard
ca n figura 5.14
Fig 5.14 Metoda grafic dac AQL
TS
=AQL
TI

802
5.3 Controlul statistic al procesului
Controlul statistic al procesului se desfoar n principal n trei faze:

colectarea datelor i nscrierea lor ntr-o diagram,

stabilirea limitelor de control i supraveghere pe baza datelor
din proces sau pe baza specificaiilor,

identificarea cauzelor speciale de variaie i aplicarea
coreciilor locale,

evaluarea capabilitii, identificarea cauzelor comune i
reducerea variabilitii prin msuri de corecie asupra
sistemului

Repetarea n mod permanent a acestor faze duce la o mbuntire
permanent a procesului conform schemei din figura 5.15
803
804

S-ar putea să vă placă și