1

Conf. dr. ing. Eftimie N.

2
2
Structura disciplinei:

3 ore de curs sptmnal;
1 or de laborator sptmnal;
1 or de proiect sptmnal.


Competene:
Studenii vor dobndi competene profesionale n
utilizarea metodelor moderne de control statistic
al calitii.
3
Obiectivele disciplinei:

Dobndirea de cunotine teoretice i practice n
domeniul Controlului Statistic al Calitii:

Fie de control prin atribute;
Fie cu sume cumulate i fie pentru medie mobil
ponderat exponenial;
Alte tehnici univariate de control i monitorizare a
proceselor: Fia xbar i R pentru producia de serie mic.
Fie de control modificate i fie de control de acceptare.
Fie de control pentru procese cu mai multe surse;
Inspecia de recepie prin eantionare a loturilor de
produse.
4
Evaluare i examinare:

Examen: 50% din nota final;
Laborator: 10% din nota final;
Proiect: 40% din nota final.
5
1.1 NOIUNI GENERALE
Controlul prin atribute se utilizeaz atunci cnd:
este dificil sau chiar imposibil de msurat o
caracteristic de calitate;

costul msurtorilor este inacceptabil de mare n
raport cu economiile pe care le poate genera.
1. FIE DE CONTROL PRIN ATRIBUTE
6
Fiele de control prin atribute, sunt adesea primele
fie utilizate n atelierele de producie, deoarece:
datele necesare pentru ntocmirea lor sunt de multe
ori deja disponibile;
de cele mai multe ori, clasificarea produselor n
conforme i neconforme prin controlul atributiv, este
mult mai rapid i mai simpl dect realizarea unor
msurtori ale caracteristicii studiate.
7
Dup statistica utilizat, fiele de control prin
atribute, se pot clasifica astfel:
Fia p: care urmrete evoluia proporiei de
produse neconforme;
Fia np: care urmrete evoluia numrului de
produse neconforme;
Fia u: care urmrete evoluia numrului de
neconformiti per unitate.
Fia c: care urmrete numrul de neconformiti
constatate;
Criterii de conformitate
8
1.2 FIA DE CONTROL PENTRU PROPORIA DE
PRODUSE NECONFORME (FIA p)
i
i
i
n
d
p =
Produsele pot fi examinate din punctul de vedere al
mai multor caracteristici de calitate simultan;
Dac pentru cel puin o caracteristic nu sunt
respectate specificaiile, produsul respectiv este
clasificat ca neconform.
Etapele implementrii n lucru a fiei p
Alegerea mrimii eantionului i a frecvenei de
eantionare;
Colectarea datelor;
9
m
p
p
m
i
i
=
=
1
( )
n
p p
p LSCp

+ =
1
3
( )
n
p p
p LICp

=
1
3
p LC =
Calculul limitelor de control
n cazul cnd valoarea lui LICp rezult din calcule
negativ se va adopta 0.
10
Analiza capabilitii procesului
n cazul fiei p, capabilitatea procesului este reflectat
de ctre media fraciunilor defective ale eantioanelor,
calculat dup ce procesul a fost adus n stare de
control statistic.
Dac se dorete, aceasta poate fi exprimat cu ajutorul
cantitii p 1
11
H
0
: p
1
=p
2
H
1
: p
1
>p
2
Fraciunea defectiv a
procesului pentru
datele preliminare
Fraciunea defectiv a
procesului pentru
perioada curent
|
|
.
|

\
|
+

=
2 1
2 1
0
1 1
)

1 (

n n
p p
p p
z
2 1
2 2 1 1

n n
p n p n
p
+
+
=
Dac z
0
>z
o
se respinge H
0
12
Proiectarea fiei p

Dac p este foarte mic
n trebuie ales suficient de mare astfel nct
probabilitatea ca fiecare eantion s conin cel puin
un produs neconform s fie ridicat.

n caz contrar, limitele de control au valori pentru care
prezena unui singur produs neconform n eantion
constituie un semnal de tipul procesul nu este sub
control.
p
0
n LSCp d
i
p
i
0.01 8 0.11553 1 0.125
Pentru evitarea acestei situaii, se alege n astfel nct
probabilitatea ca fiecare eantion s conin cel puin
un produs neconform s fie cel puin .
13
3
14
Duncan (1986):

n suficient de mare astfel nct
probabilitatea de detectare a unei schimbri de o
valoare specificat o a procesului,
s fie de aproximativ 50%.
n
p p
L
) 1 (
0 0

= o ) 1 (
0 0
2
p p
L
n
|
.
|

\
|
o
=
Pentru limite de control 3 sigma, L=3
15
Dac p, valoarea fraciunii de produse neconforme
atunci cnd procesul este sub control este mic
n se poate alege suficient de mare astfel nct limita
inferioar de control s fie pozitiv

se va fora investigarea situaiilor cnd anumite
eantioane conin un numr neobinuit de mic de
produse neconforme.
0
) 1 (
0 0
0
>

=
n
p p
L p LICp
2
0
0
) 1 (
L
p
p
n

>
Pentru limite de control 3 sigma, L=3
16
Fia p cu mrime variabil a eantionului

=
=
=
m
i
i
m
i
i
n
d
p
1
1
( )
i
n
p p
p LSCp

+ =
1
3
( )
i
n
p p
p LICp

=
1
3
p LC =
a) Limite de control variabile
17

=
=
=
m
i
i
m
i
i
n
d
p
1
1
( )
n
p p
p LSCp

+ =
1
3
( )
n
p p
p LICp

=
1
3
p LC =
b) Limite de control aproximative, bazate pe media
mrimilor eantioanelor
m
n
n
m
i
i
=
=
1
Variaie mare a mrimii eantionului
Punct situat aproape de o limit de control
Se vor determina limite de control exacte
18

=
=
=
m
i
i
m
i
i
n
d
p
1
1
3 = LSCp
3 = LICp
c) Fia p standardizat
i
i
i
n
p p
p p
z
) 1 (

=
Punctele sunt reprezentate pe fi n uniti de
abatere standard;
Se pot aplica testele pentru serii i modele
nealeatoare.
Funcia Caracteristicii Operative i ARL pentru Fia p
Este o reprezentare grafic a probabilitii de acceptare
incorect a ipotezei de control statistic (eroarea de tipul
II), n funcie de fraciunea neconform a procesului.

Furnizeaz o msur a sensibilitii fiei de control
abilitatea de a detecta o schimbare a fraciunii
neconforme a procesului, de la o valoare nominal
la alt valoare p.

Probabilitatea erorii de tipul II:
p
)

( )

( p LICp p P p LSCp p P s < = |

20
20
) ( ) ( p LICp n d P p LSCp n d P s < = |
d variabil aleatoare binomial cu parametrii n i p
Doar pentru LICp pozitiv
0.0000
0.1000
0.2000
0.3000
0.4000
0.5000
0.6000
0.7000
0.8000
0.9000
1.0000
0 0.1 0.2 0.3 0.4 0.5 0.6
b
e
t
a
p
Funcia Caracteristicii Operative pentru Fia p
21
) control de itelor lim afara n punct ( P
1
ARL =
Procesul este sub control:
o
=
1
0
ARL
Procesul nu este sub control:
|
=
1
1
1
ARL
o i | se calculeaz cu ajutorul distribuiei Binomiale
sau se citesc de pe curba caracteristicii operative.
Proces sub control
p=pbar= 0.2
0.9973
o = 0.0027
ARL
0
~ 370
P(punct ntre limitele de control)=
Alarm fals n medie la
370 de eantioane.
22
Procesul nu este sub control
p= 0.3
|=
0.8594
ARL
1
~ 7
Sunt necesare n medie 7 puncte detectarea schimbrii
fraciunii neconforme a procesului de la 0.2 la 0.3
Reducere timpului necesar pentru detectarea schimbrii:
creterea mrimii eantionului (| scade ARL
1
se
micoreaz);
reducerea intervalului de timp dintre eantioane.
23
1.3 FIA DE CONTROL PENTRU NUMRUL DE
PRODUSE NECONFORME (Fia np)
i
Fa np urmrete numrul de produse neconforme
(defective) rezultate n urma desfurrii unui proces i
se aplic atunci cnd mrimea eantioanelor rmne
constant pe parcursul anumitor perioade de timp.
m
np
np
m
i
i
=
=
1
Numrul mediu de produse neconforme:
Limitele de control :
) 1 ( 3 p np np LSCnp + = ) 1 ( 3 p np np LICnp =
Interpretarea din punct de vedere al stabilitii
procesului se realizeaz la fel ca i n cazul fiei p.
24
1.4 FIA DE CONTROL PENTRU NUMRUL DE
NECONFORMITI (Fia c)
se poate aplica n cazul controlului strii suprafeei
plcilor, benzilor sau a firelor, cnd de obicei se
preleveaz un eantion de mrime constant.
urmrete numrul de neconformiti (defecte)
rezultate n urma desfurrii unui proces.
m
c
c
m
i
i
=
=
1
Numrul mediu de neconformiti:
Limitele de control :
c c LSCc 3 + = c c LICc 3 =
Interpretarea fiei de control din punct de vedere al
stabilitii procesului se realizeaz la fel ca i n cazul fiei p.
Funcia Caracteristicii Operative pentru Fia c
Este o reprezentare grafic a probabilitii erorii de
tipul II, |, n funcie de valuarea real a numrului
mediu de defecte, c.

Probabilitatea erorii de tipul II:
) ( ) ( c LICc x P c LSCc x P s < = |
Doar pentru LICc pozitiv
x variabil aleatoare Poisson cu parametrul c
26
26
Funcia Caracteristicii Operative pentru Fia c
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 5 10 15 20 25 30 35 40 45 50
b
e
t
a
c
27
1.5 FIA DE CONTROL PENTRU NUMRUL DE
NECONFORMITI PER UNITATE (Fia u)
urmrete numrul de neconformiti (defecte) per
unitate, rezultate n urma desfurrii unui proces;
se poate folosi atunci cnd mrimea eantionului
este variabil.
numrul de neconformiti per unitate:
i
i
i
n
c
u =
Linia central
Limitele de control:
n
u
u LSCu 3 + =
n
u
u LICu 3 =
m
u
u
m
i
i
=
=
1
Interpretarea fiei de control din punct de vedere al
stabilitii procesului se realizeaz la fel ca i n cazul fiei p.
n constant
28
Fia u cu mrime variabil a eantionului
i
n
u
u LSCu 3 + =
i
n
u
u LICu 3 =

=
=
=
m
i
i
m
i
i
n
c
u
1
1
a) Limite de control variabile (exacte)
29
n
u
u LSCu 3 + =
n
u
u LICu 3 =
m
n
n
m
i
i
=
=
1
b) Limite de control aproximative bazate pe media
mrimii eantioanelor

=
=
=
m
i
i
m
i
i
n
c
u
1
1
30
3 = LSCu
3 = LICu
c) Fia u standardizat

=
=
=
m
i
i
m
i
i
n
c
u
1
1
i
i
i
n
u
u u
z

=
31
Fiele Shewhart utile n faza I de implemenare a SPC
(variaii importante ale parametrilor monitorizai).

Dezavantaj:
utilizeaz doar informaia despre proces furnizat de
ctre ultimul eantion,
nu ine cont de informaia furnizat de ctre ntreaga
secven de puncte

relativ insensibile la modificri mici ale procesului
(de aproximativ 1.5 o sau mai mici)

mai puin utile n faza II, de monitorizare a procesului.
2. FIA CUSUM I FIA EWMA
32
Fiele CUSUM i EWMA
Alternative la fiele Shewhart pentru faza II, de
monitorizare a proceselor.
2.1 Fia CUSUM (cu sume cumulate) pentru monitorizarea
mediei procesului
24.40
24.50
24.60
24.70
24.80
24.90
25.00
25.10
25.20
25.30
25.40
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

1


Distribuie normal

0
= 25

o = 0.1
33
24.40
24.50
24.60
24.70
24.80
24.90
25.00
25.10
25.20
25.30
25.40
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

1
= 25.1 ; = 0.1
Schimbare a mediei procesului n valoare de 1o
34
Fia de control Shewhart pentru medii
eficace pentru deplasri de la 1.5o la 2o sau mai mari.
Fia CUSUM utilizeaz toat informaia coninut de
secvena de msurtori, prin reprezentarea grafic a
sumelor cumulate ale deviaiilor msurtorilor de la
valoarea int.
1 > n
) (
1
0
=
=
i
j
j i
x C
Suma cumulat pn la eantionul i inclusiv
35
i x
i
x
i
-
0
C
i
=(x
i
-
0
)+C
i-1
1 24.94 -0.06 -0.06
2 24.84 -0.16 -0.22
3 25.07 0.07 -0.15
4 25.20 0.2 0.05
28 25.09 0.09 0.78
29 25.08 0.08 0.86
30 24.99 -0.01 0.85

1 = n
0
0
= C
25
0
=
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Ci
i

1
>
0
|

1
<
0
+
36
CUSUM Tabelar (algoritmic) pentru monitorizarea mediei
procesului
o cunoscut, sau o estimaie a sa este disponibil
(Faza II de aplicare SPC)
} ) ( , 0 max{
1 0
+

+
+ + =
i i i
C K x C
} ) ( , 0 min{
1 0

+ =
i i i
C K x C
0
0 0
= =
+
C C
C
i
+
i C
i
-
acumuleaz deviaiile fa de valoarea int
0

care sunt mai mari dect K.
Cusum unilateral,
superior i inferior
Acumuleaz deviaiile de la
0

peste valoarea int
Acumuleaz deviaiile de la
0

sub valoarea int
37
K valoarea de referin
jumtatea distanei dintre valoarea int
0

i valoarea mediei
1
(pentru care procesul nu mai este
sub control)
ce se dorete a fi rapid detectat.

1
=
0
+ oo
o mrimea schimbrii, n uniti de abatere standard.
H = ho h = 4 sau h = 5
2 2
0 1

= o
o
= K
H LSC = H LIC =
38
N
+
i N
-

numrul de puncte consecutive pentru care C
i
+
i C
i
-
au
fost diferite de 0.
Punct n afara limitelor de control
se caut cauza special;
se aplic aciunile corective;
se reiniializeaz CUSUM la 0.

Celelalte teste (serii de puncte sau modelele nealeatoare)
nu pot fi aplicate, deoarece valorile succesive ale lui C
i
+
i
C
i
-
nu sunt independente.
39
n cazul cnd prin reglarea unei anumite variabile a
procesului,
acesta se poate aduce napoi la valoarea int
0
,
este necesar estimarea noii valori a mediei procesului
(de dup schimbare):

< +
> + +
=

+
+
+
H C dac
N
C
K
H C dac
N
C
K
i
i
i
i
,
,

0
0
40
Recomandri pentru proiectarea Fiei Cusum

Fia Cusum Tabelar se proiecteaz prin alegerea valorilor
lui K i H, urmrindu-se o bun performan ARL.
H = h i K=k


Pentru h = 4 sau h = 5 i k =
Cusum cu bune proprieti ARL pentru o schimbare a
mediei n valoare de 1.


n general, k se alege n funcie de mrimea schimbrii
ce se dorete a fi detectat.
2
o
= k
mrimea schimbrii n
uniti de abatere standard
41
Dup stabilirea valorii lui k, se alege h pentru a se
obine valoarea dorit a lui ARL
0
.

Aproximarea lui Siegmund, pentru Cusum unilateral
(C
i
+
sau C
i
-
) cu parametri h i k:
2
2
2
1 2
A
A +
=
A
b e
ARL
b
pentru A=0
pentru C
i
+
A = o* - k

pentru C
i
-
A = -o* - k


b = h + 1.166
o

= o
0 1
*
42
pentru A=0
ARL = b
2
pentru o* = 0 se obine ARL
0

pentru o* = 0 se obine ARL
1



Calculul ARL pentru Cusum bilateral cu ajutorul
statisticilor unilaterale ARL
+
i ARL
-
:
+
+ =
ARL ARL ARL
1 1 1
43
Rspunsul rapid iniial (FIR sau Headstart)
Aceast procedur mbuntete sensibilitatea fiei
Cusum la nceputul desfurrii procesului.
Valorile iniiale C
0
+
i C
0
-
primesc o valoare diferit de 0,
de obicei H/2 i -H/2.

0
K H Exemplu proces care pornete sub control
100 3 12 Primele 10 eantioane sunt sub control, cu media = Valoarea int
i x
i
x
i
- (
0
+K) C
i
+
N
+
x
i
- (
0
K) C
i
-
N
-
0 6 -6
1 102.00 -1.00 5.00 1 5.00 -1.00 1
2 97.00 -6.00 0.00 0 0.00 -1.00 2
3 104.00 1.00 1.00 1 7.00 0.00 0
4 93.00 -10.00 0.00 0 -4.00 -4.00 1
5 100.00 -3.00 0.00 0 3.00 -1.00 2
6 105.00 2.00 2.00 1 8.00 0.00 0
7 96.00 -7.00 0.00 0 -1.00 -1.00 1
8 98.00 -5.00 0.00 0 1.00 0.00 0
9 105.00 2.00 2.00 1 8.00 0.00 0
10 99.00 -4.00 0.00 0 2.00 0.00 0
Neafectate de valorile iniiale.
Ambele Cusum scad rapid la valoarea iniial la 0.
44

0
K H Exemplu proces care nu pornete sub control
100 3 12 Procesul pornete cu media 105
i x
i
x
i
- (
0
+K) C
i
+
N
+
x
i
- (
0
K) C
i
-
N
-
0 6 -6
1 107.00 4.00 10.00 1 10.00 0.00 0
2 102.00 -1.00 9.00 2 5.00 0.00 0
3 109.00 6.00 15.00 3 12.00 0.00 0
4 98.00 -5.00 10.00 4 1.00 0.00 0
5 105.00 2.00 12.00 5 8.00 0.00 0
6 110.00 7.00 19.00 6 13.00 0.00 0
7 101.00 -2.00 17.00 7 4.00 0.00 0
8 103.00 0.00 17.00 8 6.00 0.00 0
9 110.00 7.00 24.00 9 13.00 0.00 0
10 104.00 1.00 25.00 10 7.00 0.00 0
Datorit valorii iniiale a lui C
0
+
, la eantionul 3 deja se
depisteaz schimbarea mediei procesului.
45
i x
i
x
i
- (
0
+K) C
i
+
N
+
x
i
- (
0
K) C
i
-
N
-
0 0 0
1 107.00 4.00 4.00 1 10.00 0.00 0
2 102.00 -1.00 3.00 2 5.00 0.00 0
3 109.00 6.00 9.00 3 12.00 0.00 0
4 98.00 -5.00 4.00 4 1.00 0.00 0
5 105.00 2.00 6.00 5 8.00 0.00 0
6 110.00 7.00 13.00 6 13.00 0.00 0
7 101.00 -2.00 11.00 7 4.00 0.00 0
8 103.00 0.00 11.00 8 6.00 0.00 0
9 110.00 7.00 18.00 9 13.00 0.00 0
10 104.00 1.00 19.00 10 7.00 0.00 0
Dac nu se utilizeaz valoare iniial, schimbarea mediei
procesului se depisteaz doar la eantionul 6.
Dac procesul pornete sub control la valoarea int,
valorile Cusum vor scdea rapid la 0 i valoarea iniial va
avea un efect mic asupra performanei procedurii Cusum;
Dac procesul pornete la un nivel diferit de valoarea
int, valoarea iniial va permite detectarea mai rapid a
schimbrii.
46
Fia CUSUM pentru monitorizarea variabilitii procesului
x
i
: msurtoare dintr-un proces:
distribuie normal
media (valoarea int) =
0
abaterea standard = o
Valoarea standardizat a lui x
i
este:
349 . 0
822 . 0
=
i
i
y
v
o

=
0 i
i
x
y
Sensibil la schimbrile n dispersie
Hawkins:
47
] , 0 max[
1
+

+
+ =
i i i
S k v S
] , 0 min[
1

+ + =
i i i
S k v S
0
0 0
= =
+
S S
h LSC = h LIC =
2
o
= k
Dac abaterea standard a procesului crete, valorile
lui S
i
+
vor crete i vor ajunge mai mari dect h
Dac abaterea standard a procesului scade, valorile
lui S
i
-
vor scdea i vor ajunge mai mici dect -h
Cusum unilateral superior

Cusum unilateral inferior
48
2.2 Fia pentru media mobil ponderat exponenial
( EWMA )
Alternativ la fiele Shewhart pentru detectarea
modificrilor mici ale mediei.

Media mobil ponderat exponenial:
1
) 1 (

+ =
i i i
z x z
1 0 s <
0 0
= z x z =
0
sau
unde
valoarea de start
constanta :
valoarea int a procesului media datelor preliminare
49
EWMA medie ponderat a tuturor msurtorilor
insensibil la non-normalitatea distribuiei acestora
fi ideal pentru msurtorile individuale
( ) | |
i
L LSC
2
0
1 1
2

o + =
( ) | |
i
L LIC
2
0
1 1
2

o =
0
= LC
n general, 0.05 0.25
Valori uzuale: 0.05 ; 0.10 ; 0.20
Pentru valori mari ale lui L = 3
Pentru valori mici ( 0.10) 2.6 L 2.8
50
2.3 Fia de control pentru medie mobil
Msurtori individuale: x
1
, x
2
,

Media mobil pe intervalul de mrime w, la
momentul i:
w
x x x
M
w i i i
i
1 1
...
+
+ + +
=
La momentul i, cea mai veche msurtoare este
nlturat din expresia medie mobile, iar cea mai
nou msurtoare este adugat la aceasta.

Linia central a fiei: Valoarea int a mediei,
0
.
51
Limitele de control trei sigma:
w
LSC
o
+ =
3
0
w
LIC
o
=
3
0
pentru i w:
pentru i < w:
i
LSC
o
+ =
3
0
i
LIC
o
=
3
0
Pentru detectarea schimbrilor mici ale mediei se
utilizeaz un interval de mrime w al mediei mobile
mai mare.
52
3. ALTE TEHNICI UNIVARIATE DE CONTROL
STATISTIC I MONITORIZARE A
PROCESELOR
3.1 Fia xbar i R pentru producia de serie mic
Utilizeaz abaterea de la valoarea nominal a
caracteristicii de calitate n loc de valoarea msurat;
Se mai numete Fia DNOM (Deviation from Nominal).
53
Nr.
eantion M1 M2 M3
1 C1 20.00 20.02 19.90 20.08
2 C1 20.00 20.15 19.84 20.06
3 C1 20.00 20.11 20.04 20.07
4 C1 20.00 20.10 20.15 20.10
5 C2 30.00 29.95 30.09 29.88
6 C2 30.00 30.02 29.80 29.85
7 C2 30.00 30.04 30.14 29.90
8 C2 30.00 30.06 30.00 30.12
9 C3 45.00 44.73 44.95 44.93
10 C3 45.00 45.03 44.98 44.87
11 C3 45.00 45.04 44.90 45.07
12 C3 45.00 44.91 45.13 44.94
13 C3 45.00 44.94 45.04 45.00
14 C4 55.00 55.09 55.03 55.14
15 C4 55.00 55.11 55.30 54.98
16 C4 55.00 54.89 54.91 54.99
17 C4 55.00 54.97 55.03 54.86
18 C4 55.00 54.94 54.96 54.89
19 C5 60.00 60.14 59.98 59.95
20 C5 60.00 59.91 60.19 59.98
21 C5 60.00 59.96 60.17 59.99
22 C5 60.00 59.90 60.13 59.89
23 C5 60.00 60.11 59.92 59.95
24 C5 60.00 60.05 59.89 60.10
25 C5 60.00 59.91 60.07 60.13
Cod
Pies
Valoare
Nominal
Msurtori
Abaterea standard a procesului este aproximativ
aceeai pentru toate tipurile de piese;
Mrimea eantionului este constant pentru toate
tipurile de piese.
54
A i i
T M x =
Msurtoarea
numrul i
Valoarea nominal a
piesei cu codul A
m
x
x x LC
m
i
i
=
= =
1
m
R
R LCR
m
i
i
=
= =
1
R A x x LSC
2
+ = R A x x LIC
2
=
R D LSCR
4
= R D LICR
3
=
n 2 3 4 5 6 7 8 9 10
D
4
3.267 2.574 2.282 2.114 2.004 1.924 1.864 1.816 1.777
D
3
0 0 0 0 0 0.076 0.136 0.184 0.223

n 2 3 4 5 6 7 8 9 10
A
2
1.880 1.023 0.729 0.577 0.483 0.419 0.373 0.337 0.308

55
3.2 Fie de control modificate i fie de control de
acceptare
Atunci cnd a fost atins un nivel ridicat al capabilitii
procesului,
se poate relaxa nivelul de supraveghere furnizat de ctre
fiele de control standard.

Metode:
Fia xbar cu limite modificate (de respingere);
Fia de control de acceptare.
56
Atunci cnd a fost atins un nivel ridicat al
capabilitii procesului, cte odat este util s se
relaxeze nivelul de supraveghere furnizat de ctre
fia de control standard.
Fia cu limite de control modificate x
Limitele de control modificate sunt utilizate n general
atunci cnd
variabilitatea natural a procesului este considerabil
mai mic dect intervalul de toleran
C
p
i C
pk
sunt mult mai mari dect 1.
57
Media procesului poate varia ntr-un interval,
fr a afecta performana global a acestuia.
LIS LSS
6

58
Fia modificat trebuie s detecteze dac
media procesului este localizat astfel nct
fraciunea neconform rezultat s nu depeasc
o anumit valoare specificat o.

Deci poate varia n intervalul:
inf

sup


Se presupune:

Variabilitatea procesului este sub control

Caracteristica de calitate este normal distribuit.
x
59
LIS LSS
o
o

inf

sup
z
o
z
o

LIC LSC
o o
n
z o
o
n
z o
o
o + =
o
z LIS
inf
o =
o
z LSS
sup
60
o
|
|
.
|

\
|
=
o
+ o =
o
+ =
o
o
o
o
o
n
z
z LSS
n
z
z LSS
n
z
LSC
sup
o
|
|
.
|

\
|
+ =
o
o + =
o
=
o
o
o
o
o
n
z
z LIS
n
z
z LIS
n
z
LIC
inf
o
|
|
.
|

\
|
=
o
n
z LSS LSC
3
o
|
|
.
|

\
|
+ =
o
n
z LIS LIC
3
Linia Central jumtatea intervalului de toleran;

La proiectarea unei fie de control modificate, este
necesar s fie disponibil o bun estimaie a lui o.
Aceasta se obine cu ajutorul unei fie R sau s;
Dac variabilitatea procesului se schimb, limitele de
control modificate nu se pot utiliza;
61
O fi R sau s trebuie utilizat ntotdeauna mpreun cu
fia de control modificat;
Utilizarea limitelor doi-sigma pentru fia de control
modificat
limitele de control mai strnse permit
o mai bun protecie mpotriva schimbrilor mediei
(risc | mai mic) la o pierdere mic legat de riscul o.

Fi de control pentru un proces ase Sigma
Proces normal distribuit
Valoarea int a mediei = 20
Abaterea standard = 2
LIS = 8 LSS = 32
dac procesul este centrat la valoarea int,
C
p
= C
pk
= 2
62
n cazul procesului ase-sigma, se presupune c media se
poate deplasa pn la 1.5 abateri standard fa de
valoarea int, fr a cauza probleme serioase.
5 10 15 20 25 30 35
5 10 15 20 25 30 35
pinf 3.3977E-06
psup 3.1863E-14
ptot 3.3977E-06
5 10 15 20 25 30 35
pinf 3.1909E-14
psup 3.3977E-06
ptot 3.3977E-06
pinf 9.8659E-10
psup 9.8659E-10
ptot 1.9732E-09
63
Fie de control de acceptare
A doua metod de utilizare a unei fie xbar
pentru monitorizarea fraciunii neconforme
(fraciunea de produse care depesc limitele de
specificaie)
este fia de control de acceptare.

Freund (1957) a dezvoltat fia de control de acceptare
pentru a ine cont de:
riscul de a respinge un proces care se desfoar la un
nivel satisfctor (eroarea de tipul I, sau riscul o);
riscul de a accepta un proces care se desfoar la un
nivel nesatisfctor (eroarea de tipul II, sau riscul |).

Exist dou metode de proiectare a fiei:
64
a) Fia de control se proiecteaz pe baza
unei valori specificate a lui n i
a unei fraciuni neconforme a procesului
pe care dorim s o respingem cu probabilitatea 1 - |.

Limitele de control:
o
|
|
.
|

\
|
+ =
|

n
z
z LSS LSC o
|
|
.
|

\
|
+ + =
|

n
z
z LIS LIC
b) Se calculeaz mrimea eantionului pentru valori
specificate ale lui o, o, i |.
o
|
|
.
|

\
|
+ = o
|
|
.
|

\
|

|

o
o
n
z
z LSS
n
z
z LSS
65

Rezult mrimea eantionului:
2
|
|
.
|

\
|

+
=
o
| o
z z
z z
n
66
3.3 Fie de control pentru procese cu mai multe surse
Proces cu mai multe surse: MSP
(Multiple-Stream Process)
la un moment dat, datele procesului constau din
msurtori provenite din mai multe surse.


Atunci cnd procesul este sub control, sursele sunt
presupuse a fi identice;
Fiecare surs se poate monitoriza i regla individual.
Fia de control pentru grup GCC (Group Control Chart):

introdus de ctre Boyd (1950);

procedura de baz care poate fi utilizat pentru a
controla un proces cu mai multe surse (MSP)
Proces MSP s surse.

Fiecare surs are:
aceeai valoare int;
aceeai variabilitate inerent.

Caracteristica de calitate rezultat din fiecare surs
este normal distribuit.
De fiecare dat cnd este executat o operaie de
eantionare,
este extras cte un eantion de mrime n
din fiecare din cele s surse.

Aceast operaie va fi repetat pn cnd se vor
extrage m astfel de grupuri de eantioane.
MSP controlat cu ajutorul unei fie i R

Din cele m x s eantioane de mrime n
m x s medii de eantioane;
m x s amplitudini de eantioane.
Medie
x
R
x
R A x x LSC
2
+ = R A x x LIC
2
=
R D LSCR
4
= R D LICR
3
=
Constantele A
2
, D
3
i D
4
depind de mrimea
eantionului, n.
GCC
doar cea mai mare i cea mai mic din cele s medii de
eantioane rezultate la fiecare operaie de eantionare
vor fi reprezentate pe fia ;
doar cea mai mare amplitudine de eantion va fi
reprezentat pe fia R.
x
Dac cea mai mare (sau cea mai mic) valoare provin
din aceeai surs de r ori consecutiv
eviden a faptului c sursa este diferit fa de
celelalte.

(s, r): (3, 7); (4, 6); (5-6, 5); (7-10, 4)
70
4. INSPECIA DE RECEPIE PRIN
EANTIONARE A LOTURILOR DE
PRODUSE
4.1 Noiuni generale
Necesitatea aplicrii inspeciei de recepie prin
eantionare:
n unele situaii testele sunt distructive;
inspecia 100% este ineficient (eficiena trierii
produselor ~ 80%), cea 0% este riscant;
dup fabricaie, produsele sunt transportate la
beneficiar i pot suferi deteriorri;
procesul trebuie s se desfoare un anumit timp pn
la atingerea strii de control statistic. n acest timp,
calitatea produselor trebuie evaluat;
71
eliminarea furnizrii intenionate de produse defective;
controlul procesului nu poate fi aplicat din cauza costului
sau a lipsei de instruire a personalului;
beneficiarul impune aplicarea unui plan de eantionare.
Controlul bucat cu bucat se aplic n cazul produciei
de serie mic i de unicate, n cazul cnd condiiile
tehnice impuse produselor sunt deosebit de severe.
Datorit neuniformitii repartizrii produselor neconforme
n cadrul ntregului lot, la alctuirea eantioanelor se comit
inevitabil erori de reprezentativitate, care au ca rezultat
erori de decizie.
Astfel:
loturi corespunztoare calitativ pot fi respinse;
loturi necorespunztoare calitativ pot fi acceptate.
72
Inspecia de recepie prin eantionare poate fi afectat
de dou tipuri de decizii eronate:
1. Respingerea unui lot corespunztor calitativ
(eroarea de tipul I)
Probabilitatea comiterii erorii de tipul I poart
denumirea de riscul furnizorului, o.
2. Acceptarea unui lot care nu corespunde din punct
de vedere calitativ
(eroarea de tipul II)
Probabilitatea comiterii erorii de tipul II se numete
riscul beneficiarului, |.

Se definesc fraciunile defective p
1
i p
2
astfel:
P
a
(p
1
) = 1 - o
P
a
(p
2
) = |
73
Fraciunea defectiv p
1
, pentru care
probabilitatea de acceptare este 1-o, se numete
nivel de calitate acceptabil AQL (Acceptable Quality
Level).
Fraciunea defectiv p
2
se numete
fraciune defectiv tolerat LTPD (Lot Tolerance Percent
Defective).
Prin aplicarea planurilor de inspecie de recepie prin
eantionare, se testeaz ipoteza statistic:

H
1
: p p
1
caz n care lotul se accept;

cu ipoteza alternativ:

H
2
: p p
2
caz n care lotul se respinge.
74
4.2 Curba Caracteristicii Operative
75
Curbele Caracteristicii Operative pot fi de dou tipuri:

Curbele de tip A
Eantionarea se realizeaz dintr-un lot individual
(izolat)
Probabilitatea de acceptare a lotului, n funcie de
fraciunea defectiv a acestuia.

Curbele de tip B
Eantionarea se realizeaz dintr-un proces (procesul
furnizorului, n urma cruia a fost produs lotul)
Proporia de loturi care vor fi acceptate, n funcie de
fraciunea defectiv a procesului.
76
Caracteristica de calitate poate fi exprimat poate fi
exprimat sub forma:

atribute produsele sunt clasificate n 2 clase:
conforme i neconforme.
Exemplu: numrul de produse neconforme
depistate ntr-un eantion de mrime n;

numrare Exemplu: numrul de defecte la 100 de
uniti n populaie;

variabile msurarea unei caracteristici pe o scal
continu. Exemplu: diametrul unei piese.
77
Distribuia Hipergeometric
N = mrimea lotului, N>0
p = proporia defectiv a lotului, p=0, 1/N, 2/N,,1
n = mrimea eantionului, n=1, 2,,N
x = numrul de produse neconforme din eantion, x=0, 1,,n

Funcia de frecven:
n
N
x n
Np N
x
Np
C
C C
x f

= ) (
Distribuiile de probabilitate pentru Curbele Caracteristicii Operative
Caracteristica Tip A Tip B
Atribute Hipergeometric Binomial
Numrare f-binomial Poisson
Variabile Distribuie continu
aplicabil
Distribuie continu
aplicabil
78
Distribuia Binomial
n = mrimea eantionului, n>0
p = proporia defectiv, 0 p 1
x = numrul de produse neconforme din eantion, x=0, 1,,n

Funcia de frecven:
x n x x
n
p p C x f

= ) 1 ( ) (
Distribuia Poisson
= numrul mediu de defecte, >0, =np
x = numrul de defecte din eantion, x=0, 1, 2,

Funcia de frecven:
!
) (
x
e
x f
x

=
79
Distribuia f-Binomial
Descrie distribuia defectelor la eantionarea fr nlocuire, dintr-o
populaie finit, coninnd un numr cunoscut de defecte.
N = mrimea lotului, N > 0
n = mrimea eantionului, n > 0
D = numrul de defecte din lot, D 0
x = numrul de defecte din eantion, 0 x D

Funcia de frecven:
x D x
N
n N
N
n
x
D
x f

|
.
|

\
|

|
.
|

\
|
|
.
|

\
|
= ) (
D
N
n N
f
|
.
|

\
|

= ) 0 (
N
Dn
=
80
Caracteristica Operativ de tip A
Pentru un lot de mrime finit:
proporia de produse neconforme
numrul de defecte la 100 de uniti
Caracteristica Operativ de tip B
Proporia de produse neconforme rezultat n urma
desfurrii procesul productorului poate avea orice
valoare de la 0 la 1.

Lotul de mrime N un eantion din procesul
productorului.
Eantionul de mrime n un sub-eantion din procesul
productorului .

Deci, p poate lua orice valoare de la 0 la 1 pentru cazul
caracteristicii operative de tip B.
Numr limitat de
valori.
81
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
P
a
p
Pa Hiper
Pa fBin
Pa Bin
Pa Poi
Curba Caracteristicii Operative
82
Activitatea de inspecie afecteaz calitatea final a
produciei livrate.
Loturile respinse necesit o inspecie 100%;
Produsele defective depistate n timpul eantionrii
i al inspeciei 100% sunt nlocuite cu produse
conforme;
Se presupune c inspecia se realizeaz fr erori.
4.3 Rectificare
83
84
CALITATEA MEDIE REZULTAT (AOQ)

n loturile de mrime N asupra crora se aplic planul
de inspecie, vor exista:
1. Cele n produse extrase n eantion;
2. N-n produse care sunt:
a. sau inspectate 100%;
b. sau acceptate.
n categoria 2b, vor fi, n medie p(N - n) produse
defective.
Deoarece categoria 2b va aprea n proporie de P
a

din timp, planul de eantionare, va genera n medie,
loturi care conin P
a
p(N - n) produse defective.
N
n N p P
AOQ
a
) (
=
p P AOQ
a
=
85
0
0.001
0.002
0.003
0.004
0.005
0.006
0.007
0.008
0.009
0.01
0
.
0
0
0
0
.
0
0
5
0
.
0
1
0
0
.
0
1
5
0
.
0
2
0
0
.
0
2
5
0
.
0
3
0
0
.
0
3
5
0
.
0
4
0
0
.
0
4
5
0
.
0
5
0
0
.
0
5
5
0
.
0
6
0
0
.
0
6
5
0
.
0
7
0
0
.
0
7
5
0
.
0
8
0
0
.
0
8
5
0
.
0
9
0
0
.
0
9
5
0
.
1
0
0
p
A
O
Q
AOQL
n= 89
A= 1
p
M
86
NUMRUL TOTAL MEDIU DE PRODUSE INSPECTATE (ATI)
) )( 1 ( n N P n ATI
a
+ =
0
10
20
30
40
50
60
70
80
90
100
110
120
130
140
150
160
170
180
190
200
210
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8 0.85 0.9 0.95 1
p
A
T
I
n = 10
A = 2
N = 200
A = 0
AOQL ?
N mare, n relativ mic
p P AOQ
a
=
n n
n a
p p p C n P P ) 1 ( ) 1 ( ) 0 , (
0 0
= = =
p
A
O
Q
n
p p AOQ ) 1 ( =
AOQL
= =
'
1
) 1 ( ) 1 ( ) (
n n
p np p p Q AO
)] 1 ( 1 [ ) 1 ( ) 1 ( ) 1 (
1 1
+ = =

n p p np p p
n n
1
1
+
=
n
p
M
1
) 1 ( 1
1
1
1
1
+
+
=
|
.
|

\
|
+

+
=
n
n
n
n
n
n n
AOQL
91
Decizia asupra calitii lotului de mrime N se ia n
urma inspeciei unui eantion de mrime n.
d numrul de produse neconforme depistate n
eantion.
5. PLANURI DE EANTIONARE SIMPL
PRIN ATRIBUTE
Fiind fixate mrimile o, |, p
1
i p
2
, se determin
parametrii planului de inspecie:
mrimea n a eantionului care trebuie extras din lot
i verificat;
numrul maxim de rebuturi din eantion pentru
care lotul este acceptat, A ;
Numrul de respingere are valoarea R=A+1.
92
Decizia asupra calitii lotului se ia n modul urmtor:

dac d s A lotul se accept;
dac d > R lotul se respinge.
Pentru determinarea parametrilor planului de
inspecie de recepie,
pe lng valorile lui o, |, p
1
i p
2
,
trebuie s se cunoasc i legea de distribuie a
numrului de produse neconforme.
93
Utilizarea distribuiei hipergeometrice

Lot N ,
din care D produse neconforme.
Din lot se efectueaz n extrageri succesive, fr a se
reintroduce produsele verificate n lot.
n
N
d n
D N
d
D
C
C C
d n P

= ) , (

| =
o =
) (
1 ) (
2
1
p P
p P
a
a
n i A numere ntregi

| s

o >

A
d
n
N
d n
D N
d
D
A
d
n
N
d n
D N
d
D
C
C C
C
C C
0
0
2 2
1 1
1
unde
1 1
p N D = i
2 2
p N D =
94
Utilizarea distribuiei Binomiale

=
A
d
d n d
d
n
a
p p d n P
C
0
) 1 ( ) , (

| s
o >

d n d
A
d
d
n
d n d
A
d
d
n
p p C
p p C
) 1 (
1 ) 1 (
2 2
0
1 1
0
np
A
d
d
a
e
d
np
d n P

=

=
0
!
) (
) , (

| s
o >

A
d
np
d
A
d
np
d
e
d
np
e
d
np
0
2
0
1
2
1
!
) (
1
!
) (
Utilizarea distribuiei Poisson
95
p
P
a
p
1
p
2
|

1-o

n, A
Nomograma Binomial (Larson)
96
A
n
A
p
P
a
n=20, A=1
o=0.05, |=0.1
p
1
=0.018, p
2
=0.18
97
Lot de mrime N se extrage un eantion de mrime n
1

numrul de defective n primul eantion = d
1

Dac d
1
s A
1
lotul este acceptat;
Dac d
1
>A
2
lotul este respins;
Dac A
1
< d
1
s A
2
se extrage eantionul de mrime n
2
.
6. PLANURI DE EANTIONARE DUBL
PRIN ATRIBUTE
Numrul de defective din al doilea eantion = d
2

Dac d
1
+ d
2
s A
2
lotul se accept;
Dac d
1
+ d
2
> A
2
lotul se respinge.
98
2 1
n n =
pn
1
R =
p
2
/p
1

A
1
A
2
P
a
= 0.95 P
a
= 0.10
11.90 0 1 0.21 2.50
7.54 1 2 0.52 3.92
6.79 0 2 0.43 2.96
5.39 1 3 0.76 4.11
4.65 2 4 1.16 5.39
4.25 1 4 1.04 4.42
3.88 2 5 1.43 5.55
3.63 3 6 1.87 6.78
3.38 2 6 1.72 5.82
3.21 3 7 2.15 6.91
3.09 4 8 2.62 8.10
2.85 4 9 2.90 8.26
2.60 5 11 3.68 9.56
2.44 5 12 4.00 9.77
2.32 5 13 4.35 10.08
2.22 5 14 4.70 10.45
2.12 5 16 5.39 11.41

parametrii planului:
n
1
, n
2
, A
1
i A
2

sunt obinui cu
ajutorul unor tabele
obinute pe baza
distribuiei Poisson.
99
1 2
n 2 n =
pn
1
R =
p
2
/p
1

A
1
A
2

P
a
= 0.95 P
a
= 0.10
14.50 0 1 0.16 2.32
8.07 0 2 0.30 2.42
6.48 1 3 0.60 3.89
5.39 0 3 0.49 2.64
5.09 1 4 0.77 3.92
4.31 0 4 0.68 2.93
4.19 1 5 0.96 4.02
3.60 1 6 1.16 4.17
3.26 2 8 1.68 5.47
2.96 3 10 2.27 6.72
2.77 3 11 2.46 6.82
2.62 4 13 3.07 8.05
2.46 4 14 3.29 8.11
2.21 3 15 3.41 7.55
1.97 4 20 4.75 9.35
1.74 6 30 7.45 12.96

100
Curba Caracteristicii Operative
II
a
I
a a
P P P + =
Probabilitatea de acceptare
dup primul eantion
Probabilitatea de acceptare dup
cel de-al doilea eantion
1 1
1
1
50
1
0
50
) 05 . 0 1 ( 05 . 0
d d
d
d I
a
C P

=
=

n1 n2 A1 A2 p
50 100 1 3 0.05
Exemplu
101
Probabilitatea de acceptare dup cel de-al doilea eantion

Al doilea eantion este extras dac A
1
< d
1
A
2

1)d
1
= 2 i d
2
= 0 sau 1
2) d
1
= 3 i d
2
= 0
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1 0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
0 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1 0.11 0.12 0.13 0.14 0.15 0.16 0.17 0.18 0.19 0.2
P
r
o
b
a
b
i
l
i
t
a
t
e
a

d
e

r
e
s
p
i
n
g
e
r
e
P
r
o
b
a
b
i
l
i
t
a
t
e
a

d
e

a
c
c
e
p
t
a
r
e
,

P
a
p
Prob. respingere dup primul
eantion (Axa dreapta)
Prob. acceptare (Axa stnga)
Prob. respingere (Axa dreapta)
Prob. acceptare dup primul
eantion (Axa stnga)
102
) 1 ( ) 1 )( (
1 2 1 1 2 1 1 1
P n n P n n P n ASN + = + + =
unde P
1
este probabilitatea de luare a deciziei dup
primul eantion.
P
1
= P{lotul este acceptat dup primul eantion} +
P{lotul este respins dup primul eantion}
Curba ASN
30
40
50
60
70
80
90
100
110
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16 0.18 0.2 0.22
A
S
N
p
103
n practic, inspecia celui de-al doilea eantion este
de obicei terminat i lotul se respinge n momentul
cnd numrul total de defective din cele dou
eantioane depete numrul de acceptare A
2

(inspecie trunchiat).
104
Se bazeaz pe testul raportului de probabilitate
secvenial dezvoltat de ctre Wald (1947);
Decizia cu privire la calitatea lotului se ia dup
verificarea fiecrui produs n parte.
7. PLANURI DE EANTIONARE
SECVENIAL PRIN ATRIBUTE
h
1
h
2
n
N
u
m

r

d
e

d
e
f
e
c
t
i
v
e

X
A
= - h
1
+sn
X
R
= h
2
+sn
Acceptare
Continuare
Respingere
Metoda grafic
105
) 1 (
) 1 (
lg
1
lg
2 1
1 2
1
p p
p p
h

|
o
=
) 1 (
) 1 (
lg
1
lg
2 1
1 2
2
p p
p p
h

o
|
=
) 1 (
) 1 (
lg
1
1
lg
2 1
1 2
2
1
p p
p p
p
p
s

=
Metoda scorului
Scorul pornete de la valoarea 0.

produs conform extras se adaug la scor
valoarea 1;
produs neconform extras se scade din scor
valoarea (1-s)/s.


Decizia:

scor h
1
/s lotul se accept;
scor -h
2
/s lotul se respinge.

H
-H
107
Curba Caracteristicii Operative
u u
u
|
|
.
|

\
|

|
|
.
|

\
|
|
|
.
|

\
|

=
1
2
1
2
1
2
1
1
1
1
1
p
p
p
p
p
p
p
u u
u
|
.
|

\
|
o
|

|
.
|

\
|
o
|

|
.
|

\
|
o
|
=
1
1
1
1
a
P
u = 0 p = s
2 1
2
h h
h
P
a
+
=
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
1.00
0.00 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16 0.18
P
a
p
108
Curba ASN
1
2
1
2
1
1
lg ) 1 ( lg
1
lg ) 1 (
1
lg
p
p
p
p
p
p
P P
ASN
a a

+
o
|
+
o
|
=
p = s
) 1 (
2 1
s s
h h
ASN

=
0.00
10.00
20.00
30.00
40.00
50.00
60.00
0.00 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16 0.18
A
S
N
p
109
8. PLANURI DE EANTIONARE PRIN
VARIABILE PENTRU PROPORIA DE
PRODUSE NECONFORME
realizarea de msurtori precise cost mai mult dect
simpla clasificare a produselor necesar n cazul aplicrii
planurilor de eantionare prin atribute;
eantion mai mic dect n cazul planurilor prin atribute;
pentru fiecare caracteristic de calitate inspectat este
necesar aplicarea unui plan de eantionare separat;
rezultatele depind de distribuia caracteristicii de
calitate.
110
8.1 Planuri de eantionare simpl prin variabile:
cazul cnd abaterea standard este cunoscut
A. Planuri de eantionare cu o singur limit de
specificaie
o
LIS x
z

=
inf
eantion de mrime n se calculeaz statistica z
inf

dac z
inf
> k lotul se accept;
dac z
inf
< k lotul se respinge.
LIS
111
o
x LSS
z

=
sup
LSS
p
sup
eantion de mrime n se calculeaz statistica z
sup

dac z
sup
> k lotul se accept;
dac z
sup
< k lotul se respinge.
LSS
112
Dac LIS i LSS sunt suficient de deprtate una de alta,
atunci va exista fraciune defectiv doar la un singur capt
al intervalului de toleran i
un plan cu dou limite de specificaie va fi format din
dou planuri separate cu o singur limit de specificaie,
unul aplicat pentru limita inferioar iar cellalt pentru
limita superioar.
n acest caz, lotul se accept dac
z
inf
> k i z
sup
> k
iar n caz contrar, lotul se respinge.
B. Planuri de eantionare cu dou limite de specificaie
113
Parametrii planului:
2
2 1
|
|
.
|

\
|

+
=
| o
z z
z z
n
n
z
z k
o
=
1 1
n
z
z k
|
+ =
2 2
2
2 1
k k
k
+
=
o
z
o
|
z
|
1
z
1
p
2
z
2
p
114
8.2 Planuri de eantionare simpl prin variabile:
cazul cnd abaterea standard este necunoscut
114
eantion de mrime n se calculeaz statistica z
inf

dac z
inf
> k lotul se accept;
dac z
inf
< k lotul se respinge.
LIS
A. Planuri de eantionare cu o singur limit de
specificaie
1
) (
1
2

=

=
n
x x
s
n
i
i
s
LIS x
z

=
inf
115
eantion de mrime n se calculeaz statistica z
sup

dac z
sup
> k lotul se accept;
dac z
sup
< k lotul se respinge.
LSS
1
) (
1
2

=

=
n
x x
s
n
i
i
s
x LSS
z

=
sup
116
B. Planuri de eantionare cu dou limite de specificaie
nainte de aplicarea celor dou planuri cu o singur limit,
se compar abaterea standard cu valoarea maxim MSD.

Calculul MSD
1.Se calculeaz aria p** situat la dreapta lui z
p
* = k
2.Se calculeaz z
p
** pentru care aria din dreapta sa este
egal cu p**/2
3.Se calculeaz


* *
2
p
z
LIS LSS
MSD

~
Se compar abaterea standard cu valoarea maxim MSD:
a. Dac s MSD se aplic dou planuri separate cu
o singur limit de specificaie.
n acest caz, lotul se accept dac:




iar n caz contrar se respinge.

b. Dac s > MSD lotul se respinge.
117

>
>
k z
k z
sup
inf
118
2
2 1
2
2
1
|
|
.
|

\
|

+
|
|
.
|

\
|
+ =
| o
z z
z z
k
n
Parametrii planului:
| o
| o
+
+
=
z z
z z z z
k
1 2
119
x
s
MSD
LIS LSS
k
LIS
k
x
s
inf
=
k
x
k
LSS
s
sup
=
Respingere
Respingere Respingere
Acceptare
Poligonul de acceptare
120
Poligonul de acceptare este cuprins ntre axa Ox, MSD i
cele dou dreapte de acceptare.

Wallis (1950) metod pentru determinarea unei zone
de acceptare mai exact:
Se calculeaz aria p** situat la dreapta lui z
p
* = k
Se mparte p** n dou pri, p
1
i p
2
, astfel nct
p
1
+ p
2
= p**
Se calculeaz z
1
i z
2
, pentru care aria din dreapta este p
1

respectiv p
2

Se calculeaz coordonatele punctelor zonei de acceptare
exact:
2 1
2 1
z z
z LIS z LSS
x
+
+
=
'
2 1
z z
LIS LSS
s
+

=
'