Sunteți pe pagina 1din 77

CONTROLUL STATISTIC AL CALITATII

Prof.univ.Doina Carp
I. INSTRUMENTE STATISTICE

I.1. NOTIUNI DE STATISTICA

Statistica se ocupă de studiul cantitativ al fenomenelor de masă cu scopul


cunoaşterii legităţilor lor de manifestare la nivelul întregului ansamblu.
Fenomenele de masă, spre deosebire de cele din natură de tip
determinist, sunt fenomene complexe, atipice si rezultă din acţiunea
combinată şi repetată a unui mare număr de factori de influenţă.
Elemente specifice ce caracterizează fenomenele de masă sunt:
-esenţa lor se poate evidenţia doar dacă există un număr mare de cazuri
individuale, -variabilitate, forma individuală de manifestare este diferită
-sunt fenomene nedeterminate, de tip stochastic, produse în condiţii de
incertitudine.
Legitatea lor de manifestare nu poate fi cunoscută la nivelul fiecărui
individ, ci se manifestă ca tendinţă la nivelul ansamblului.
Abordarea statistică a fenomenelor de masă presupune trecerea de la datele
individuale numeroase, amorfe, la un sistem de indicatori specifici unui ansamblu.
Activitatea de cercetare statistică presupune acţiuni de :
-proiectare şi organizare,
-culegere de date,
-prelucrare a datelor,
-analiza şi interpretarea datelor statistice.
Statistica nu formulează concluzii sigure, ci concluzii probabile în
anumite limite de incertitudine, pe care, de asemenea, le calculează.
Raţionamentul statistic premergător elaborării deciziilor implică, în
judecată sau raţionament, noţiunea de risc asumat.

I.1.1 NOŢIUNI FUNDAMENTALE ÎN STATISTICĂ

1. Colectivitatea statistică (sau populaţia statistică) desemnează totalitatea

elementelor de aceeaşi natură supuse studiului statistic (persoane, obiecte,


evenimente, agenţi economici, idei sau opinii, etc).
Colectivităţile pot fi privite static (exprimă o stare) sau dinamic (proces, devenire).
2.Unităţile colectivităţii sunt subiectele logice ale informaţiei statistice,
asupra lor efectuându-se nemijlocit observarea.
Pot fi unităţi simple (angajat, persoana fizică) sau complexe (familie, gospodărie).
3. Caracteristica (variabila) statistică desemnează însuşirea, proprietatea,
trăsătura comună a unităţilor unei colectivităţi statistice, pentru care se fac
înregistrări în programul statistic (vârsta, cifra de afaceri, greutatea, etc).
Valorile înregistrate de o caracteristică la unităţile colectivităţii statistice
se numesc variante.
Clasificarea caracteristicilor:
-în funcţie de modul de înregistraresunt caracteristici calitative (exprimabile
prin cuvinte) sau caracteristici cantitative (exprimabile prin valori numerice).
Cele numerice pot fi cu variaţie discretă (iau doar valori separate, ce se pot
pune în corespondenţă bijectiva cu multimea numerelor naturale N) sau cu
variaţie contiună (iau toate valorile dintr-un interval finit sau infinit)
-în funcţie de modul de obţinere sunt variabile primare (din înregistrări
directe) şi variabile derivate (din prelucrări ale datelor).
-în funcţie de conţinut sunt variabile de timp, variabile de
spaţiu,variabile atributive(numerice sau nenumerice).
-în funcţie de numărul variantelor înregistrate pot fi caracteristici alternative
(au doar două valori individuale complementare (de exemplu produs bun sau
rebut) sau caracteristici nealternative (pot avea oricâte variante).
Statistica utilizează şi conceptul de variabilă aleatoare ale cărei valori
posibile au ataşată şi probabilitatea de a fi luate.
Ea poate fi discretă (cu mulţime numărabilă de valori) ∈ {1 … } sau
continuă
(cu valori într-un interval). Cele discrete au
ataşată şi densitatea de
probabilitate ∈.
( )
4.Parametru statistic (sau valoare tipică a repartiţiei) desemnează o
valoare reprezentativă obţinută dintr-o operaţie numerică (de calcul, de
agregare). Exemple de valori tipice sunt mediile, dispersiile, etc.
5.Datele statisticesunt caracterizări numerice, cantitative, ale unităţilor
statistice. Ele sunt mărimi concrete obţinute din experimente,
observaţii, numărare, măsurare sau calcule.
Datele cuprind: notiunea care precizează fenomenul sau procesul la care se
referă identificarea (de timp, de spaţiu, organizatorică) şi valoarea numerică.
Datele statistice pot fi absolute sau relative, primare sau derivate şi sunt
purtătoare de informaţii.
6. Informaţia statisticăreprezintă conţinutul specific (semnificaţia), mesajul datelor.
7.Indicatori statistici sunt expresii numerice ale diferitelor concepte
economice.Ei permit cercetarea unui fenomen/process economic sub
aspectul structurii, interdependentelor, al modificărilor în timp şi spaţiu.

I.1.2 NIVELURI DE MĂSURARE FOLOSITE IN STATISTICĂ

Datele cu care operează statistica se deosebesc în funcţie de scala de


măsurare. Se operează cu următoarele scale:
1. Scala nominală presupune utilizarea unor numere, simboluri sau

cuvinte pentru a clasifica obiecte sau persoane (profesii, ocupaţii etc.).


2.Scala ordinală precizează când o categorie(clasă) este mai bună din
punct de vedere al caracteristicii după care a fost construită (mai mică
sau mai mare, mai dificilă sau mai uşoară, mai buna sau mai rea).
3. Scala interval are caracteristicile unei scale ordinale şi, în plus,
diferenţa dintre două numere ale scalei are o semnificaţie. O astfel de
scală are o unitate de măsură constantă, raportul dintre două intervale
este independent de unitatea de măsură şi de punctul zero al scalei. Se
aleg arbitrar punctul zero şi unitatea de masură.Este o scală cantitativă.
4. Scala de raport are toate caracteristicile scalei de interval, iar punctul zero
este dat natural. Aici raportul dintre două puncte ale scalei este independent
de unitatea de măsură. Cu ea se exprimă cantităţi de producţie, număr de
personal, timpi, iar zero înseamna lipsa producției sau de personal.

I.1.3 METODE DE CULEGERE A DATELOR (OBSERVAREA STATISTICĂ)


Pentru cercetarea statistică se culeg date care apoi se prelucrează pentru a se
obţine, prin prelucrare, informaţiile necesare luării deciziilor, adică desfăşurării
procesului de conducere. În acest scop există Sistemul Informaţional Statistic(SIS)
care presupune parcurgerea mai multor etape, prima fiind culegerea datelor.
Metode de culegere a datelor (observarea statistică) se realizează prin
observări totale sau observări parţiale, observări curente sau periodice,
observări directe sau indirecte.
Principalele metode de culegere a datelor sunt:
-Recensământul ( cea mai veche metodă) culege date de la toate unităţile
colectivităţii populaţiei. Este metodă de observare totală, nepermanentă.
-Rapoartele statistice sunt tot observări totale, dar permanente. Există
un nomenclator al rapoartelor statistice pe care le completează fiecare
agent economic.
-Sondajul statistic este o metodă de observare parţială. El se organiză atunci şi
acolo unde nu se pot organiza observări totale. Se efectuează doar asupra unui
eşantion reprezentativ, iar rezultatele se pot extrapola la întreaga populaţie.
-Ancheta statistică este o observare parţială care nu presupune
reprezentativitatea eşantionului.
-Observarea părţii principale este o observare parţială care presupune
culegerea de date numai de la masivul principal (panel). Ea nu
presupune reprezentativitatea eşantionului.
-Monografia este o metodă de observare aprofundată a fenomenelor sau
proceselor care au loc în activitatea doar a unui agent economic sau al unui grup
de agenţi.

I.1.4 PROGRAMUL DE ORGANIZARE A UNEI OBSERVĂRI


STATISTICE Observarea statistică presupune soluţionarea unor
probleme metodologice şi organizaţionale complexe, laborioase, la
care pot participa multe persoane, dar nu toate de specialitate!
Programul observării trebuie să precizeze cel puţin următoarele
elemente: -Scopul observării, care poate să nu coincidă cu
scopul cercetării statistice; -Colectivitatea statistică supusă
observării; -Unitatăţile de observare (înregistrare);
-Precizarea caracteristicilor statistice despre care se vor culege date;
-Timpul observării care implică două aspecte diferite şi anume timpul la care
se referă înregistrarea şi intervalul de timp sau momentul de culegere a datelor,
-Locul observării care trebuie să permită identificarea facilă a
unităţilor de observare;
-Măsuri organizatorice (zonarea suprafeţei sau teritoriului, recrutarea şi
pregătirea personalului, tipărirea formularului, delimitarea eşantionului, etc).
I. 2. PRELUCRAREA DATELOR STATISTICE

I.2.1. PRELUCRAREA PRIMARA A DATELOR

Datele statistice înregistrate printr-o observare statistică totală sau parţială sunt
utile în procesul de cunoaştere şi de pregătire a deciziilor numai dacă sunt supuse
unor operaţii de prelucrare. Astfel se trece de la date individuale la indicatori
derivaţi, sintetici, care reflectă esenţa din manifestarea fenomenului analizat.
Forma generală de prezentare sistematizată a datelor statistice este
prezentată într-un tabel de forma următoare:

Valori x Y1 .... Yj ... Yn Total


/valori y frecvente
dupa
variabila x
x1 f11 ... f1j ... f1n Σ f1k
... ... .... .... .... ...
Xp fp1 ... fpj ... fpn Σ fpk
Total
frecvente Σ fk1 Σ fkj Σ fkn
dupa
variabila y

Valori x (mediu)/ valori Y1(productie) Y1(comert) Total


y (profil activitate)
x1 (URBAN)
X2 (RURAL)
Total

I.2.2. SERII STATISTICE

Seriile statistice reprezintă o altă modalitate de reprezentare a datelor.


Seriile statistice definesc corespondenţa univocă dintre două şiruri de date
statistice între care primul sir reprezintă variaţia caracteristicii urmărite, iar al
doilea şir reprezintă frecvenţele de apariţie ale valorilor acesteia.
Forma cea mai generala este :

Variabila (Variante) X1 X2....... Xn


frecvenţe f1 f2........... fn

Natura caracteristicilor urmărite le împarte în:


1. serii de repartiţie,
2. serii cronologice (dinamice),
3. serii teritoriale (de spaţiu),
4. serii descriptive (enumerative): liste după anumite
caracteristice. Serie cronologică (după variabila timp)
Variabila Valorile
timp (t) caracteristicii y
0 Y0
1 Y1
2 Y2
3 Y3
4 Y4
5 Y5
6 Y6
7 Y7
Total y

Serie teritorială (după variabila împărţire teritorială)


Unităţi Valorile
teritoriale caracteristicii
y
A YA
B YB
C YC
D YD
E YE
F YF
G YG
H YH
Total y

Pentru vizualizarea marimii și variației independente sau interdependente a datelor, în

scopul prelucrării acestora sau al prezentării lor, se utilizează elemente de grafică.


Grafica statistică nu ilustrează doar marimea datelor ci și rapoartele și
proporțiile dintre ele si de aceea se apelează la: lungimi, suprafețe,
volume. Se apelează la figuri geometrice, sisteme de coordonate, hărți,
desene figurale. Se utilizează :
-grafic de bare

- graficul circular

- histograma, care se construieşte cu datele dintr-un table de frecvenţe,


reprezentate graphic sub forma unei serii de dreptunghiuri de lăţime
egală şi înălţimi diferite, proporţionale cu numărul de valori ale datelor
dintr-un interval determinat.

-poligonul frecvenţelor, se obţine radicand în mijlocul fiecărui interval de pe axa


absciselor câte o perpendicular cu înălţimea proporţională cu frecvenţa intervalelor
respective şi unind printr-o linie frântă extremităţile acestor perpendiculare.

-curba cumulativă a frecvențelor (în exemplul următor se cumulează


frecvenţele de apariţie a defectelor de diferite tipuri)

-diagrame prin benzi sau coloane, Reprezentarea se face pe o bandă divizată pe


lungime de la 0 la 100%

- cronograma (la seriile statistice).

Pentru corecta intelegere a tuturor acestor forme de reprezentare a datelor, ele


trebuie să aibă: legendă, rețea și scară de reprezentare, axe de coordinate explicite.

I.2.3. INDICATORI STATISTICI

INDICATORII STATISTICI sunt expresii numerice ale unor fenomene,


procese, activități sau categorii economice și socialedelimitate în timp,
spațiuși structură organizatorică.
Ei surprind variabilitatea fenomenelor de masă și îndeplinesc următoarele funcții:
-de măsurare,
-de comparare,
-de analiză și sinteză,
-de estimare,
-de verificare a ipotezelor,
-de testare a semnificației parametrilor utilizați.
După etapa în care apar în procesul cercetării statistice, ei pot fi primari sau derivați.

I.2.3.1.Indicatorii primari se obţin în procesul prelucrării primare prin


centralizarea/agregarea datelor care provin dintr-o observare totală sau parțială.
Indicatorii derivați se obțin prin comparări, abstractizări, generalizări, prin aplicarea
unor procedee specifice de prelucrare a mărimii absolute a indicatorilor primari.
Ei pun în evidență aspecte calitative ale fenomenelor analizate deoarece
exprimă relația dintre parțile colectivității, dintre diferitele caracteristici,
contribuția factorilor de influență la variația unui fenomen complex.
Indicatorii primari se pot obține prin:
- comparații între date prin diferență a valorilor sau prin raportul lor.
Compararea prin diferență a datelor generează modificarea absolută care
înseamna creșterea sau reducerea absolută, economia sau pierdere
absolută. Compararea prin raport a datelor generează mărimi relative.

I.2.3.2.INDICATORI RELATIVI

O primă cale de trecere de la mărimile absolute la indicatori derivați, de


la concret la abstract, il reprezintă calculul indictorilor relativi.
DEFINITIE O mărime relativă exprimă numeric proporțiile indicatorului primar
raportat la indicatorul bază de raportare. Comparabilitatea datelor trebuie asigurată
din punctul de vedere:
-al conținutului,
-al sferei de cuprindere,
-al metodologiei de calcul,
-al unităților de măsură,
-al surselor de informații.
Mărimile relative sunt: de structură, de intensitate, de dinamică, de
coordonare și ale planului.

I.2.3.2.1 Mărimile relative de structură (numite și ponderi și greutăți) exprimă


raportul părților față de întreg. Se calculează cu una dintre formulele:
=

unde ni=numărul unităților din grupa i (frecvența absolută a grupei i)
fi= frecvența relativă a grupei i
∑ = numărul total din colectivitatea investigată
OBS: Suma mărimilor de structură este 1.
Dacă se exprimă procentual prin formula
= 100 , atunci suma mărimilor de structură este 100 .

INDICATOR mild.lei %
A 1 2
Capital propriu 300 30
Obligatiuni 450 45
Fonduri atrase 250 25
TOTAL 1000 100
I.2.3.2.2. Mărimi relative de coordonare se calculează comparând valorile unui
indicator corepunzătoare la două grupe. Ele arată de câte ori nivelul
caracteristicii x este mai mare sau mai mică la unitatea A față de unitatea B.

=
Pentru tabelul care conține pasivul bugetului pentru două societăți
comerciale prezentate în tabelul următor
INDICATOR SOCIETATE A SOCIETATE B
mild.lei mild.lei
Capital propriu 300 450
Obligatiuni 450 360
Fonduri atrase 250 390
TOTAL 1000 1200
se procedează astfel

= = = 0,666 pentru capital propriu .

2.3.2.3 Mărimile relative de intensitate se calculează comparând prin raportare


valorile unei caracteristici X cu valorile altei caracteristici Y cu care se află în
legătură logică de intercondiționare sau dependență. Astfel de mărimi pot fi:
-productivitatea muncii (producție în unitatea de timp)
-cursul de schimb valutar (câți lei se pot cumpăra cu un Euro)
-prețul unitar
-rentabilitatea economică (beneficiul economic la un leu activ).
și caracterizează variația în timp a unui fenomen.
Ele exprima de câte ori se modifică o variabilă X dintr-o perioadă de timp t față de o
perioadă de referință (de raportare).
Pot fi:
-cu bază fixă,

/ = . 100 cu t = 1,2,….T
-cu bază mobilă (sau înlănțuiți),
∗ = . 100
/( )

unde Xt = nivelul caracteristicii X din perioada t


X0 = nivelul caracteristicii X din momentul bază fixă de comparație.

Mărimile relative ale prevederilor, ale planului unui program se calculează


comparând nivelul prevazut (comparat) al caracteristicii cu nivelul realizat într-o perioadă anterioară.
,
= undeeste nivelul prevăzut a se realiza în perioada curentă
/
= /(
=
)

/

/( )=
= . =
∗ ∗
/( ). /

I. 3. INDICATORII TENDINȚEI CENTRALE

Fenomenele de masă se caracterizează în principal prin variabilitatea formelor


individuale de manifestare determinate de actiunea combinată în sensuri diferite a
unui complex de factori sistematici sau întâmplători, obiectivi sau subiectivi,
esențiali sau neesențiali,identificați direct sau indirect. Ele intră sub incidența legilor
statistice, care nu se manifestă la nivelul fiecărui individ ci la la nivelul colectivității
ca tendință, abaterile de la tendință compensându-se reciproc.
Pentru fundamentarea deciziei trebuie cunoscută la nivelul colectivității
tendința, a ceea ce este obiectiv, esential comun și stabil în formele
individuale de manifestare a fenomenelor, iar în acest scop este necesar
să se determine indicatorii sintetici corespunzători.
Utilizarea corectă a indicatorilor sintetici este esențială. Yule (1945)a
precizat condițiile pe care trebuie să le îndeplinească astfel de
indicatori: -să fie definit în mod obiectiv,
-să depindă de toate valorile individuale înregistrate,
-să aibă o semnificație ușor de înțeles chiar pentru
nespecialişti, -să fie simplu și rapid de calculat,
- să fie puțin sensibil la fluctuațiile de
selecție, -să se preteze la calculele algebrice.

I.3.1. INDICATORII MEDII

MEDIA este o măsură a tendinței centrale iar valoarea sa calculată


sintetizează ceea ce este tipic, esențial, comun si obiectiv în apariția și
manifestarea fenomenului de masa.
I.3.1.1. MEDIA ARITMETICĂ
DEFINITII
1. Pentru o variabilă aleatoare discretă cu funcția de probabilitate P

media este m=∑ ( = )


2. Pentru o variabilă aleatoare continua cu densitatea de probabilitate f(x) media
este m=∫ ( )
3. Media aritmetică este acea valoare ̅care s-ar fi inregistrat dacă toți factorii de
influență ar fi actionat constant, uniform, la nivelul fiecărei unități.

Asadar: x1+x2+…xn= ̅+ ̅+… ̅= ̅ de unde


rezultă că ̅= ( + + ⋯ )/

OBSERVAȚII
a. Mărimea mediei aritmetice este unică.
b. Mărimea mediei aritmetice poate să coincidă sau nu cu cu una din valorile individuale.
c. Media aritmetică este legată de toate valorile numerice înregistrate și, în
consecință, este sensibilă la prezența valorilor aberante.
d. Suma abaterilor (diferențelor) de la valorile individuale la medie este nulă, ceea ce ii
conferă mediei caracter de “centru de greutate” al ansamblului de date din care s-a obținut.

( − )= − = − =0

e. Mărimea mediei aritmetice este cuprinsă între cea mai mică și cea mai mare valoare
individuală. f. Intr-o colectivitate destul de numeroasă cu repetări ale unor valori (distribuție
de frecvențe) media aritmetică se calculează ca o medie aritmetică ponderată.

=

unde ∑ este numărul total de valori individuale înregistrate de x, iar este frecvența de apariție a valorii .
Cu frecvențe relative, = ∑. dacă = este frecvenţa relativă.

În cazul unei serii distribuită pe grupe (intervale) convențional se pot înlocui


valorile individuale cu centrul intervalului de grupare care se poate obține astfel:

= ă+ ă2

presupunându-se că frecvențele sunt uniform distribuite.


În cazul caracteristicii alternative, unitățile colectivității la care se întâlnește una din cele 2 valori ale caracteristicii

primesc valoarea zero iar celelalte primesc valoarea 1.


Varianta Raspunsul Frecvențe Frecvențe relative
caracteristicii înregistrat absolute
(xj)
X=1 Da N poseda p =
caracteristica
X=0 Nu M nu poseda q =
caracteristica
TOTAL N+M p+q=1
Aşadar media va fi =p·1+q·0= p
I. 3.1.2.MEDIA ARMONICĂ

DEFINIȚIE Media armonica sau inversa mediei aritmetice a inverselor se

calculează cu formula:
=

Pentru o serie de distribuție de frecvențe media armonică


ponderată se calculează cu formula:

= ∑

OBSERVAȚIE Pentru aceleași valori pozitive, media armonică este


mai mică decât media aritmetică.

I.3.1.3. MEDIA PĂTRATICĂ

DEFINIȚIE Media patratică reprezintă acea valoare care, dacă ar


înlocui fiecare Valoare individuală, suma pătratelor nu s-ar modifica.

= + +⋯.+ =

Pentru o serie de distribuție de frecvențe formula devine:


=

OBSERVAȚII
a. Media pătratică are sens economic doar dacă se calculează din valori pozitive;
b. Valoarea mediei pătratice este mai mare decât valoarea mediei aritmetice
pentru aceleași valori.
c. Media pătratică caracterizează tendința centrală din ansamblul abaterilor valorilor
individuale de la valoarea lor medie. Se recomandă a se calcula pentru seriile în
care valorile predominante ale caracteristicii sunt mari.

I.3.1.4. MEDIA GEOMETRICA

DEFINIȚIE Media geometrică reprezintă acea valoare a caracteristicii care, dacă ar


înlocui fiecare valoare individuală din serie, produsul valorilor x i nu s-ar modifica.

=.….=.…..=
deci
= ∏
sau ∏ ∑ în cazul seriei de distribuție de frecvenţe.
=
OBSERVAȚII
a. Se calculează mai rar și doar dacă valorile seriei se concentrează către valorile
mici sau când se acordă o semnificație deosebită valorilor individuale mici.
b. Media geometrică se utilizează pentru calculul indicelui mediu al dinamicii, al ritmului
mediu, pentru caracterizarea tendinței centrale din seria indicilor cu bază mobilă.
c. Daca cel putin o valoare este zero sau negativă, nu are sens calculul mediei geometrice.
d. Pentru o colectivitate structurată în subansambluri, media geometrică se va
calcula în functie de mediile geometrice ale subansamblurilor.
Abaterile valorilor individuale de la media geometrică se cumulează prin rapoarte de tipul xi /
Media geometrică se aplică, în general, dacă fenomenul urmărit are o evolutie exponențială.

I.3.1.5 MEDIA DE ORDINUL r


Fie o populație P din care se analizează variabila X care are valorile înregistrate
{xj}j=1…k
DEFINITIE Media de ordinul r este o generalizare a mediilor anterioare
fiind definită prin:

Mr = .

Se observă că pentru r=1 atunci M1= ,


r=2 atunci M2=
r=-1 atunci M-1= ℎ
Intre medii există relația h g x p sau, în general,
< < dacă < < .

I.3.2. INDICATORII DE POZITIE

I.3.2.1.VALOAREA MODALĂ A CARACTERISTICII (valoare dominantă,


valoarea cea mai probabilă sau modul) reprezintă acea valoare a
caracteristicii care corespunde celui mai mare număr de unități sau
aceea care are cea mai mare frecvență de apariție.
Pentru seria de repartiție {xi, ni} valoarea modală a caracteristicii va fi
acea valoare individuală care se repeată de cele mai multe ori.
Valori 2 4 10 12 18 20
Frecvențe 3 6 5 10 2 4
Valoarea modală este Mo=12
Pentru seria de intervale egale, valoarea modală se determină astfel:
-se identifică intervalul modal (cu frecvența cea mai mare) și acolo se
caută valoarea modală,
-se estimează valoarea modală, astfel:
a) dacă în intervalul modal frecvențele sunt distribuite simetric,
modul este valoarea din mijlocul intervalului,
b) dacă repartiția frecvențelor în intervalul modal nu este simetrică,
atunci valoarea modală se determină prin formula:
= ∆ unde:
+ℎ
∆ ∆

este limita inferioară a intervalului modal


ℎ = lungimea intervalului modal;
∆ = diferența dintre frecvența intervalului modal și a intervalului precedent
∆ = diferența dintre frecvența intervalului modal și a intervalului următor.

EXEMPLU:
Distribuția a 50 de unități de alimentație după volumul încasărilor zilnice:
Grupe de unități Număr de Centrul de Nr. de unități Observații
după încasări unități interval cumulate crescător
zilnice ni xi
400-450 3 425 3
450-500 12 475 15
500-550 17 525 32 Intervalul modal
550-600 8 575 40
600-650 5 625 45
650-700 5 675 50
50
Valoarea modală a încasărilor zilnice este :
17−15 2 1
=500 +50 =500+50
(17 − 12) + (17 − 8) 5+9 = 500+507
= 517,86
OBSERVAȚIE
Pe graficul repartiției statistice valoarea modală corespunde abscisei
punctului în care graficul își atinge maximul.

I.3.2.2 MEDIANA reprezintă acea valoare care împarte seria (ordonată crescător sau
descrescător) în două părți egale. Pentru a afla mediana se procedează astfel:
- se ordonează crescător sau descrescător elementele

seriei -dacă seria are un număr impar de termeni, atunci =

-dacă seria este formată dintr-un număr par de termini, atunci mediana este

semisuma termenilor de rang și ( + 1), adică =


Pentru o serie de distribuție de intervale, determinarea medianei se face parcurgând
etapele:
- se determină frecvențele cumulate crescător (Fc i),
- determinăm unitatea mediană cu relația U Me =
- se stabilește intervalul median= ( , ) , respective intervalul pentru

care este respectată relația≤


- se calculează mediana cu ajutorul relației= +(− ) unde

Sn reprezintă suma frecvențelor care preced intervalul

median k = mărimea intervalului în care se plasează mediana.


RELAȚIA DINTRE MEDIA ARITMETICĂ, VALOAREA
MODALĂ SI MEDIANĂ Dacă = = distribuția este simetrică.
Dacă < < sau < < seria este asimetrică, deplasată către valorile mai mari
sau mai mici.
În cazul unei distribuții unimodală ușor asimetrică, cei trei indicatori ai
tendinței centrale verifică relația: − = ( - ).

I.3.3 VARIABILITATEA FAȚĂ DE TENDINȚA CENTRALĂ

Prin împrăștiere (variație sau dispersare)în statistică se au în vedere abaterile


măsurabile de la valorile individuale față de o valoare centrală (tipică).
Seriile 2,2,2,2,10,18,18,18,18 și seria 9,9,9,9,10,11,11,11,11 au aceași medie
(10) și mediană (10), dar împrăștierea lor este diferită, seria a doua fiind
mai omogenă. Pentru ea valorile tipice sunt mai reprezentative.
I.3.3.1.INDICATORII SIMPLI AI ÎMPRĂȘTIERII măsoară fie aria
împrăștierii valorilor individualeale variabilei observate, fie împrăștierea
fiecărei valori individuale față de nivelul lor mediu.Ei sunt :
3.3.1.1.Amplitudinea împrăștierii sau variației (A) se definește ca diferența
dintre cea mai mare și cea mai mica valoare individuală înregistrată:
A = xmax- xmin unde xmax, xmin∈ { , , … . } valori individuale înregistrate.
1.Amplitudinea se exprimă în unitatea de măsură a caracteristicii
urmărite, sau în procente, dacă se calculează cu formula:
A%= ̅ ̅
100
-Amplitudinea nu ține seama de toate variantele ci doar de cele extreme
și este sensibilă la prezența variantelor aberante;
- Nu are sens pentru seriile de distribuții pe intervale.

I.3.3.1.2.Abaterea intercuartilică se calculează ca diferență între cuartila


superioară și cuartila inferioară de același ordin. Astfel, pentru
r=4, Q3-Q1 conține 50% din numărul observațiilor.
r=10, D9-D1 conține 80% din numărul observațiilor.

I.3.3.1.3. Abaterile individuale exprimă cu cât se abate o valoare individuală de la valoarea medie
= − ̅sau, procentual, % = ̅ ̅
.
100
̅ ̅
OBSERVATII
1.Media abaterilor individuale dieste nulă deoarece abaterile înt-un
sens și în altul se compensează reciproc.
2. Pentru seriile de distribuții de frecvențe pe interval, pentru calculul
abaterilor individuale se iau în considerarea centrele intervalelor.
- Abaterea maximă pozitivă este = − ̅
sau %= ̅ ̅
.
100
̅ ̅
- Abaterea maximă negativă = − ̅.

I.4. INDICATORII SINTETICI AI ÎMPRĂȘTIERII

Indicatorii sintetici ai împrăștierii sintetizează într-o singură expresie


numerică variația valorilor individuale față de tendința central a
caracteristicilor urmărite. Ei sunt: abaterea medie absolută,
dispersia,abaterea medie pătratică și coeficientul de variație.
I.4.1. ABATEREA MEDIE ABSOLUTĂ este media aritmetică simplă sau
ponderată a abaterilor absolute ale termenilor seriei de la tendința lor centrală.

̅ ̅
∑ | − ̅|
̅=

∑ ̅ ̅ .
̅
sau, pentru seria de distribuție de frecvențe: =
̅ ̅ ∑
Acest indicator se calculează dacă prezintă interes pentru caracterizarea variabilității mărimii
abterilor, nu și semnul lor.
∑ ( )
I.4.2. DISPERSIA ̅= ∑ ( ̅ ̅)
sau, pentru seria de distribuție de frecvențe: ̅=

OBSERVAȚII
Cu cât valorile individuale ale caracteristicilor sunt mai omogene, mai apropiate
între ele, cu atât mărimea dispersiei este mai mică. La limită, dacă toate valorile
individuale ar fi egale între ele, dispersia ar fi nulă.

Formulele de calcul ale dispersiei devin ̅= - ̅ sau
∑ - ̅.
̅ ̅= ∑ =1
Dacă fiecare valoare individuală se simplifică sau amplifică cu aceași valoare h,
atunci dispersia se simplifică sau amplifică cu ℎ .
Pentru o caracteristică alternativă, dispersia se calculează astfel : =
( ) ( ) = + =+= ( + ) = (1 − )
unde = =1− reprezintă greutatea specifică a unităților care posedă

caracteristica ( de tip DA)


= = 1 − reprezintă greutatea specifică a unităților care nu posedă

caracteristica (răspuns de tip NU).

I.4.3.ABATEREA MEDIE PĂTRATICĂ (sau abaterea standard sau abaterea tip) este media pătratică simplă sau
ponderată a abaterilor valorilor individuale de la tendința centralăsau ca rădăcină pătrată a dispersiei.
Formula de calcul este:= )
̅ ̅ = ∑ (
̅ ̅

Ea se exprimă în unitatea de măsură a caracteristicei urmărite, iar valoarea


ei este cu atât mai mare cu cât variația valorilor individuale este mai mare.
În analizele statistice se preferă abaterea medie pătratică deoarece ea este un
parametru al repartiției normale. Ea este folosită pentru a construi un interval
centrat în care conține un anumit procent din masa totală a observațiilor.
Astfel, dacă distribuția unităților este sub formă de clopot al lui Gauss
sau este ușor asimetrică, atunci intervalul:
( - , + ) conține 68,26%,
̅ ̅ ̅
( -2 , +2 ) conține 95,44%,
̅ ̅ ̅
( -3 , +3 ) conține 99,74%.
̅ ̅ ̅

I.4.4.COEFICIENTUL DE OMOGENITATE

Coeficientul de omogenitate (CV) (de variație) descrie abaterea medie


pătratică ca procent din media aritmetică.
̅
= ̅ 100
CV este cel mai sintetic indicator al împrăștierii deoarece permite compararea
împrăștierii valorilor individuale a mai multor caracteristici cantitative care nu se
exprimă în aceeași unutate de măsură șipentru că valorile sale sunt localizate în
intervalul [0,100]. Cu cât are valori mai mici, seria este mai omogenă.
Pragul de trecere de la omogenitate la neomogenitate este plasat la 35%.
Aşadar, dacă CV< 35 colectivitatea este omogenă.

I.5. SONDAJUL STATISTIC

Sondajul statistic se afla printre metodele „preferate “ de obținere a datelor


statistice datorită operativității și a economicității. În economia de piață
sondajul este forma preponderentă de obținere a datelor, în timp ce
raportările statistice constitue forma predominantă în economiile centralizate.
DEFINIȚIE Sondajul este o procedură prin care se caracterizează o populație
în urma cercetării unei părți a acesteia, adică a unui eșantionprelevat din
populație, iar rezultatele obținute se extrapolează probabilistic la nivelul
întregii populații. Există, asumat, riscul ca rezultatele să fie eronate.
Avantajul metodei folosirii sondajelor constă nu în îndepărtarea erorilor ci,
mai ales, în predimensionarea acestora și a fixării probabilității afirmațiilor.

I.5.1. ERORILE DE SONDAJ


Erorile de reprezentativitate sistemică au drept sursă încălcarea
principiilor alcătuirii corecte a eșantionului, adică eșantionul nu
“reproduce în mic”structura populației în ansamblu.
Erorile întămplătoareau sursă în natura sondajului ca cercetare parțială.
Acestea nu pot fi eliminate, dar pot fi predimensionate adică
“distorsiunile” de apreciere pot fi “probabilistic “ prevăzute.
Mărimea erorii de reprezentativitate se poate calcula:
-absolut, ca dimensiune a deplasării indicatorului de sondaj ( ), de la mărimea
“adevărată” a parametrului în populația generală ( m), respectiv |x - ̅m|, sau
-relativ, caz în care indicatorul “eroare de eșantionare”
se poate exprima
̅ ̅ |
| .100 ≤ 5%
Dacă eroarea relativă este situată sub 5% se apreciază că sondajul este
reprezentativ și oferă o imagine aproximativ „fidelă”realității. Reducerea
erorii se poate face prin creșterea dimensiunii eșantionului, până la
limita dimensiunii populației.
I.5.2. MODALITĂȚI DE PRELEVARE A UNITĂȚILOR STATISTICE
Procedeele de prelevare a unităților şi alcătuire a eșantioanelor :

a) sondaje aleatoare, care pot fi:


1. sondaj simplu,
2. sondaj tipic,
3. sondaj de serii,
4.sondaj secvențial,
5. sondajul în trepte.
b)sondaj dirijat,

c)sondaj sistematic.
Fiecare tip poate fi realizat repetat (o unitate prelevată poate reveni în
populație și poate fi extrasă din nou) sau nerepetat (o unitate prelevată
nu poate reveni în populație și nu poate fi extrasă din nou).
Modelele matematice sunt în”urna lui Bernoulli” cu bila revenită sau nerevenită.
Metode pentru prelevarea unităților:
Metoda LOTERIEI: unitățile perfect identificabile sunt prelevate după cum bilețelul
cu marca lui ( seria produsului, numărul de marcă al salariaților, numărul casei,
etc) este extras aleator dintr-o “urnă”.
Procedeul tabelelor cu numere aleatoare se aplică populațiilor mari, unde nu
merge metoda Loteriei.
Conform acestui procedeu, unitățile vor fi prelevate din populația N și
se va alcătuieșantionul n în ordinea aleatoare în care sunt înregistrate
numerele într-un tabel special construit sau sunt extrase cu ajutorul
calculatorului prin programul de generare de numere aleatoare.
Procedeul mecanic constă în prelevarea unităților cu un pas bine precizat numit pas de numărare.
De regulă pasul de numărare este K=N/n.Extracția începe de la o poziție aleasă și ea aleator.

I. 5.3 SONDAJUL ALEATOR SIMPLU

Simboluri utilizate în sondaj sunt prezentate în tabelul următor:


INDICATORI Număr de Media aritmetică pentru Dispersia pentru caracteristici
REFERITORI LA unități caracteristici
(volumul) măsurabile binare măsurabile binare
Populația N* m p σ p(p-1)
generala
Eșantion n f s f(f-1)
*În practică N este finit, deci toate mărimile, fiind calculate din el, sunt
finite! Indicatorii estimați pe baza sondajului, fiind variabile aleatoare,
pentru a putea fi extinși la întreaga populație, trebuie să fie:
-estimații nedeplasate, adică valoarea medie a indicatorului sondaj pentru un
volum n finit, trebuie să fie egală cu parametrul din populația generală,
-estimații consistente, adică valoarea medie a indicatorului de sondaj pentru
Un volum n finit dar mare, să conveargă în probabilitate către parametrul din

populația generală,
-estimații eficientă (să aibă dispersia minimă). Așadar,
un eșantion A de volum n și media m estimată pentru întreaga populaţie
din estimatorul ̅Aeste mai eficient decât un eșantion B de volum n și
media m estimată pentru întreaga populație din estimatorul ̅B dacă D( A)
< D( B). Estimațiile obținute sunt evaluări aproximative ale adevăratelor
valori ale parametrilor obținuți din populația generală, deci rezultatele
din sondaj sunt afectate de erori.
Așadar, ceea ce se obține prin sondaj este un “un interval de
incredere” care, cu o probabilitate fixată de cercetător, conține și
valoarea necunoscută a parametrului.
Cele două limite ale intervalului de incredere θinf și θsup se
calculează cu ajutorul datelorde sondaj x1, x2,... xn, astfel încât
( < < )=1-α.
Probabilitatea P= 1-α caracterizează siguranța afirmațiilor și se
numește nivel de încredere,iar α este nivel sau prag de încredere.
Dacă eroarea de sondaj se distribuie după legea normală, erorile
egale în valoare absolută au probabilităti egale de apariție pentru
același volum al eșantionului.
Eroarea limită admisă este ∆= ( ; ).

I.5.4.INDICATORII SONDAJULUI ALEATOR SIMPLU REPETAT ȘI NEREPETAT

I.5.4.1.Eroare medie de sondaj


a) Cazul sondajului repetat (o unitate extrasă revine în populația
inițială deci mai poate fi extrasă din nou).
Observațiile înregistrate pe baza datelor eșantionului x 1, x2,... xn pot fi considerate
variabile aleatoare, iar, folosind independența valorilor variabilei, media de sondaj
= 1+ 2+⋯ = 1

poate fi un estimator nedeplasat al mediei m a colectivității generale, adică


M( )=m,
Dispersia este D( )=

iar abaterea medie pătratică a mediei de sondaj fiind σ ̅ ̅= ≈


√ √
b) Cazul sondajului nerepetat (o unitate extrasă nu revine în populația inițială deci
nu mai poate fi extrasă din nou).
Dacă N este volumul populației
generale, atunci P(X1= x1)= 1/n, dar
P(X2= x2/ X1= x1)= 1/N-1 fiind o probabilitate condiționată, iar abaterea medie
patratică a mediei de sondaj ca măsurăa erorii medii de reprezentativitate este:

̅ ̅=
− ≈ 1−
√ −1 √
În calcule, pentru < 0,2 factorul nu se mai ia în considerare fiind

subunitar.

Dacă volumul n al sondajului crește, precizia creste cu aproximativ √ ,


iar abaterea medie scade cu √ . Atunci se lucrează cu volum nu foarte
ridicat deoarece această creștere nu se regăsește în creșterea preciziei.
OBSERVAȚIE
1. Dacă volumul populației este ridicat iar al sondajului este redus, atunci →1

deci rezultatul estimării indicatorului e ̅ ste același în ambele forme de sondaj.

2.Dacă N=n , factorul 1− devine nul și deci dispare și eroarea medie de


sondaj,

cercetarea parțială devenind astfel cercetare totală.


3. În general, eroarea de reprezentativitate a eșantionării fără
revenireeste mai mică decât cea a prelevării cu revenire.
4.Când (abaterea medie pătratică din populația generală) este necunoscută,
ea a fost înlocuită cu s care este estimatorul ei stabilit pe baza unui sondaj.
5.Un estimator al dispersiei(în cazul în care nu se poate asigura o eșantionare
preliminară pentru calculul împrăștierii) este și valoarea maximă a
indicatorului: = ( ̅ ̅) ( )

6. În cazul caracteristicilor binare, relațiile de calcul ale erorii medii rămân valabile,

cu mențiunea că în locul lui se va lua = (1− ), cu estimatorul de sondaj


= ( −1), sau cu abaterea rezultată din calculul
dispersiei unde f este
= (1− )= 0,5(1 − 0,5) = 0,25
frecvența relative a caracteristicii binare căreia i s-a atribuit codul 1.

I.5.4.2.EROAREA LIMITĂ (eroarea maxim admisă sau probabilă)


Eroarea maxim admisă definește siguranța (sau probabilitatea de încredere)
estimăriimediei m prin variabila de sondaj ș
̅ i se măsoară astfel ̅ − < ∆ ̅

| |
Mărimea -∆ caracterizeazăprecizia estimației.
̅ ̅
(| ̅−|<∆ ) =1−
̅ ̅
Probabilitatea 1 − se alege de către cercetător în funcție de “nivelul de
siguranță” urmărit în estimare, cele mai uzuale fiind 0,95; 0,99; 0,999.
Eroarea limită se determină pornind de la variabila = care are o repartiție

normală, tabelată, care satisface relația: 2∅ ( )=1− .


Ex: z0,05= 1,96
z0,01= 2,33
z0,05= 3,09.
Așadar, ∆ = pentru sondajul repetat și ,∆ = pentru sondajul
̅ ̅ √ ̅ ̅ √
nerepetat.

I.5.4.3.DETERMINAREA VOLUMULUI ESANTIONULUI


Dimensionarea rațională a eșantionului este una din problemele dificile ale
sondajului. Se urmărește determinarea numărului minim de unități de observat care
să asigure precizie și siguranță rezultatelor. Se aleg eșantioane mari sau eșantioane
de volum redus și în funcție de gradul de omogenitate al colectivității generale.
Calculul volumului eșantionului se realizează pornind de la eroarea
limită maxim admisă, care în cazul sondajului repetat este:
∆=
̅ ̅

de unde ∆ ̅ =
sau = ,

iar în cazul sondajului repetat = .

În concluzie, pentru a dimensiona rațional volumul n al eșantionului


sunt necesare următoarele elemente:
-eroarea limită admisibilă ̅ care se stabilește în funcție de particularitățile
concrete ale problemei practice de solutionat, de precizia necesară de asigurat;
-probabilitatea de încredere(1- ) sau eroarea , suficient de apropiatăde
certitudine
-dispersia caracteristicii în populația generală
-în cazul prelevării fără revenire este necesar a se cunoaște și volumul
N al colectivității.
I.5.4.4. CALCULUL INTERVALULUI DE ÎNCREDERE
Intervalul de încredere desemnează zona probabilă în interiorul căreia se va plasa media populației generale. El se
determină pornind de la media de sondaj corectată cu nivelul erorii limită maxim admisă:
| ̅− | = ∆ care este echivalentă cu − ̅ ∆ < < ̅+ ∆ ̅ ̅
̅ ̅ ̅ ̅
P(| ̅− |<∆ )=P( −
̅ ∆ < < ̅+∆ )=1− .
̅ ̅ ̅ ̅ ̅ ̅
Lungimea intervalului de încredere este direct proporțională cu mărimea
împrăștierii valorilor (masurată prin ) și invers proporțională cu nivelul
pragului de semnificație și mărimea eșantionului.
Se mai estimează și nivelul totalizat al caracteristicii în populația generală:

∑ ≈ ̅și ̅− ≤ ≤ ( ̅+ ) sau
√ √

̅− ≤ ≤ ̅+ pentru sondajul nerepetat.


√ √

APLICAŢIE
Se realizează un sondaj nerepetat pentru verificarea calităţii unui lot de lampi de
volul N=20000 şi care au durata de funcţionare m=2000 ore. Eroarea probabilă
admisă este de 7% din nivelul mediei, iar împrăştierea măsurată prin CO este de
19%. Coeficientul de încredere P=1 − =98% (Zα = Z0,02 =2,33), să se afle
dimensiunea esantionului.
REZOLVARE.
Din CO=19/100, iar CO= 100 atunci 100 = 19 atunci = =380 ore.
Eroarea maxim admisa este

̅=7%m = (7/100)2000=140 deci volumul sondajului este:


= = , = =39,91unităţi.
, ,

Se poate lucra, deci , cu un esantion de 40 unităţi.

I.5.4.5. INDICATORII DE SONDAJ PENTRU CARACTERISTICA BINARA


Considerăm o populaţie cu N elemente şi o caracteristică binară X, k unităţi
având valoarea notată 1 (x=1) şi N-k având valoarea notată cu 0 (x=0).
Fie sondajul cu n unităţi {x1, x2, …xn} în care, în urma unei aranjări, x1=
x2=…xk= 1 iar celelalte n-k au valoarea zero.
Atunci =
̅ ∑ = [1 ∗ + 0( − )] = =f (frecvenţa).
“f” este un estimator nedeplasat al probabilităţii p deoarece M( ̅) =m şi M(f) =p.
(sau, conform teoremei lui Bernoulli, limP(| − | < )=1 ).
= 1 ( − ) =

1 1 1 1 1 ( − )=
= − = [( 1− +0−

= 1− = (1 − )

Aşadar, = ( )
.
Pentru sondajul nerepetat = ( )

iar din − ( ) < < + ( ) se obţine

= .

∆ ̅( −1)+ (1− )
APLICAŢIE
Pentru a stabili greutatea specifică a producţiei rebutate intr+un lot de
volum N =4000 piese s-au prelevat aleator nerepetat 400 produse. În acest
eşantion, prin control, s-au descoperit 10 produse necorespunzătoare. Să
se estimeze procentul de rebuturi pentru întregul lot.
Rezolvare

Se estimează= ( ) unde f=10/400 = 0,025.

Pentru α=0,025 , P=1- α = 0,965, Zα =2,11 (se caută în tabel pentru 0,4835)
şi se obţine

P< + ( ) , ( , ) =0,0398
= 0,025 + 2,11 ∗
P> − ( ) , ( , ) =0,00853
= 0,025 − 2,11 ∗

Deci pϵ(0,00853 ; 0,0398).

II. UTILIZAREA INSTRUMENTELOR STATISTICE


PENTRU CONTROLUL CALITĂŢII

II.1 CONTROLUL

Controlul se poate define ca un proces deurmărire şi supraveghere a


activităţilor în scopul asigurării că acestea au fost îndeplinite aşa cum au
fost planificate şi proiectate şi de corectare a abaterilor semnificative.
Aşadar este un proces de urmărire a performanţei şi de luarea de măsuri
sau acţiuni care să asigure atingerea rezultatelor dorite sau intenţionate.
Un sistem de control eficace asigură realizarea integrală a activităţilor în
modalităţile care conduc la atingerea obiectivelor organizaţionale.
Criteriul de eficacitate pentru un sistem de control îl reprezintă nivelul
sau gradul de congruenţă pe care îl asigură îndeplinirii obiectivelor.

Controlul se poate structura în următoarele tipuri :


-control la nivel tehnic,
-control la nivel administrativ,
-control la nivel instituţional,
-control social.
a)Controlul la nivel tehnic:
•supraveghează şi prevede feedback-ul pentru performanţa operaţională
şi ţintește la performanţa standardizată de îndeplinire a obiectivelor,
•clasifică standardele de corecţie,
•specifică acţiunea corectivă necesară a fi luată dacă performanţa se
abate de la standard.
b)Control la nivel adminsitrativ:
•urmăreşte performanţa unităţilor organizaţiei,
•realizează obiectivele sau standardele pentru controlul tehnic,
•managerii pot coordona activităţile de muncă şi alocările de resurse
între unităţi sau pot ajusta controalele la nivel tehnic,
c)Controlul la nivel instituţional are rolul unui “sistem de ghidare”
pentru acţiune şi decizie
d)Controlul social se referă la controlul societăţii (guvern, agenţii
guvernamentale) asupra acţiunii oragizaţionale .
II.1.1.COMPONENTELE ACTIVITĂŢII DE CONTROL Activitatea
de control se desfăşoară în următoarele direcţii:
1. Stabilirea standardelor de performanţă şi ale obiectivelor;
2. Măsurarea şi analizarea rezultatelor în comparaţie cu standardele;
3. Corectarea performanţei care nu se potriveşte cu obiectivele,
4.Modificarea standardelor care sunt nesatisfăcătoare,
5.Acţiunea de a valorifica avantajul oportunităţilor ce au fost
descoperite (acţiuni corrective).

1.Stabilirea standardelor de performanţă şi a obiectivelor porneşte de la


accepţiunea termenului de standard.
Standardul este o valoare sau criteriu cu ajutorul căruia performanţa reală poate fi
măsurată sau comparată.
Standardele se clasifică în:
Standarde de rezultat, precum precizări referitoare la: timp, calitate,
cantitate, cost. Standarde de comportare: elaborează modalitatea în
care o activitate este executată şi etapele în performanţă şi în execuţie.
Standarde comparative: bazate pe experienţa altora, pot fi folosite în
conducerea organizaţiei.

2. Măsurarea şi analizarea rezultatelor în comparaţie cu standardele (performanţa)


Performanţa reală trebuie comparată cu performanţa dorită (stabilită de standard)
Măsurarea poate fi continuuă (prin monitorizare) sau periodică. Din
punct de vedere a ritmicităţii se deosebesc:
Precontroale – controale efectuate înainte ca lucrările să aibă
loc; Controale curente –controale în timpul execuţiei lucrărilor;
Postcontroale – controale la încheierea lucrărilor, inspectia finală,
identificarea responsabililor pentru succes-eşec.

3. Acţiuni corective
Pentru a corecta abaterile, opţiunile managerilor sunt:
•să nu întreprindă nimic (la probleme nesemnificative cu remediere
costisitoare), •să corecteze problema,
•să revizuiască/modifice standardul utilizat,
•să valorifice avantajul unei oportunităţi descoperite.

II.1.2.METODELE CONTROLULUI CALITĂŢII PRODUSELOR


Pentru controlul calităţii produselor există două metode fundamentale de control:
- controlul bucată cu bucată (control 100%) – se practică în mod obligatoriu
în producţia de unicate şi serie mică, dar nu numai. Poate fi practicat de toţi
cei ce execută operaţiile de producţie, nu necesită personal calificat.
-controlul selectiv – presupune verificarea calităţii produselor pe baza
probelor selectate şi formularea deciziilor de a continua sau nu
operaţiile. Are două variante aplicative:
a)controlul selectiv experimental
şi b) controlul statistic.

Controlul statistic se referă la determinarea prin metodele statisticii


matematice a elementelor folosite pentru verificare calităţii. Contolul
statistic are două tehnici principale, şi anume:
1. diagrama de control, care se practică în special la un control intermediar,
2. tabelele de eşantionare, care se practică pentru recepţie de materiale,

II.2.CARACTERIZAREA SI DIRIJAREA STATISTICĂ A CALITĂŢII

Istoric:- prima incercare de folosire a statisticii in controlul calităţii aparţine


lui V.M. Ostrogradski pentru verificarea producţiei vrac de cereale.
-în Romania primele lucrari de aplicare a statisticii în controlul calităţii au
fost elaborate de Gh. Mihoc, M. Iosifescu, V. Voda, Rancu şi Tovissi, ş.a.
Conceptele de calitate şi calitate totală au stat în atenţia specialiştilor în ultimii
50 de ani, la graniţa dintre secole şi milenii, deoarece creşterea populaţiei
planetei impune o exploatare intensivă a resurselor existente cu identificarea de
noi oportunităţi de exploatare.Pe de altă parte, grupul de executanţi care produc
acelaşi produs a crescut numeric şi ca dispunere spaţială, ceea ce induce
variabilitatea proprietăţilor calitative ale produselor şi serviciilor.
Câteva dintre accepţiunile curente ale conceptului de calitate sunt
prezentate în continuare:
1.Calitatea este o categorie filosofică si exprimă însuşirile esenţiale ale
unui obiect, serviciu, care îl fac să se distingă de toate celelalte produse
(servicii) similare,care au aceeaşi destinaţie,respectiv aceeaşi utilitate.
2.Calitatea reprezintă gradul de utilitate sau aptitudinea de utilizare în
conformitate cu cerinţele.
3.Calitatea reprezintă gradul de utilitate sau aptitudinea de utilizare a produsului.
4.Calitatea reprezintă ansamblul de proprietăţi şi caracteristici ale unui
produs sau serviciu care îi confer acestuia aptitudinea de a satisface
necesităţile exprimate sau implicite". STAS 8402-1991
Aşadar: Calitatea există numai în relaţia cu clientul şi prin calitate
trebuie satisfăcute atât nevoile exprimate, cât şi cele implicite .

II.2.1 CALIMETRIA

Exprimarea calitativă a caracteristicilor unui produs sau proces este subiectivă,


vagă şi difuză. Această imprecizie în caracterizare a impus necesitatea obiectivă
direcţionată către aflarea unor metode cantitative de apreciere a calităţii. Acest
ansamblu coerent s-a numit CALIMETRIE, ca ramura de ştiinţă a măsurării calităţii.
CALIMETRIA, ca ştiinţă a calităţii, a elaborat metode cantitative de apreciere a
calităţii, de estimare a nivelului acesteia şi de identificare a resurselor
de a o produce.
Întemeietorul controlului statistic modern W.A. SHEWHART apreciază
că “Calitatea nu trebuie doar verificată ci şi produsă”.
Calitatea este determinată de o multitudine de caracteristici calitative,
adică însuşiri, cu ponderi diferite în definirea, descrierea acesteia.Ele se
pot grupa în: -caracteristici tehnice,
-caracteristici psihosenzoriale,
-caracteristici comerciale,
-caracteristici de utilizare ( fiabilitatea, mentenabilitatea).
Primele trei grupe sunt denumite şi tehnico-economice, iar asigurarea lor se reflectă
în costul de realizare. Ultima categorie se regăseşte în costul de utilizare.
Costul de realizare împreună cu costul de utilizare, alături de pierderile
prin rebuturi sau prin nefuncţionare formează costul global.

II.2.2.INDICATORI AI PERFORMANŢELOR
CALITATIVE II.2.2.1.Indicatori parţiali ai calităţii
Indicatorii parţiali ai calităţii se referă la aspecte specifice diferitelor
produse ( rezistenţa firelor la rupere, conţinutul în grăsimi al produselor
lactate), valorile fiind precizate în standarde sau documente normative.
Aprecierea se face prin comparare cu produse etalon.
COEFICIENTUL DE COMPARARE
Kc =Xr/Xe unde Xr reprezintă nivelul realizat
Xe reprezintă nivelul etalon (standard).

INDICATORII CUMULATIVI se aplică produselor complexe la care calitatea


se referă la un cumul de caracteristici care au importanţă diferită.
K (cum) = ∑ unde Xi reprezintă valoarea caracteristicii calitative

gi reprezintă ponderile caracteristicilor şi ∑ = 10


Ei sunt utilizaţi pentru comparări în timp pentru un produs, sau pentru comparări
între producători diferiţi ai aceluiaşi produs.
INDICATORII CALITĂŢII MEDII sunt utilizaţi pentru caracterizarea sintetică a calităţii produselor realizate pe clase de
calitate diferite, cu preţuri de producţie şi vânzare diferite.
= + +⋯ =∑
+ +⋯ ∑

Pentru producţia omogenă, indicatorul este utilizat pentru calcularea calităţii medii.

Valorile ki se numesc coeficienţi pe clase calitative şi au valorile:


k=0 pentru calitatea EXTRA
k=1 pentru calitatea I
k=2 pentru calitatea II, iar
qk sunt cantităţile fizice din producţia pe clase calitative.
MODIFICAREA CALITĂŢII ÎN TIMP
= =∑ :∑
∑ ∑
O îmbunătăţire a nivelului calitativ între cele două perioade se va
reflecta printr+o valoare subunitară a indicelui.
COEFICIENTUL GENERALIZAT pentru producţia eterogenă este o medie
aritmetică ponderată a coeficientilor simpli.
= ∑ ( )

DINAMICA CALITĂŢII se va stabili cu ajutorul indicilor structurii.
-dinamica calităţii medii
= =∑ ( ) :∑ ( )
∑ ∑
-influenţa modificării calităţii pe produse
= =∑ ( ) :∑ ( )

∑ ∑
- influenţa schimbării structurii producţiei
= =∑ ( ) :∑ ( )

∑ ∑
II.2.2.2.INDICATORII LIPSEI DE CALITATE
Aceşti indicatori sunt folosiţi pentru stabilirea noncalității, prin punctarea
abaterilor față de prevederile din standarde sau alte acte normative.
Metode utilizate:
1. Metoda penalizării defectelor se bazează pe stabilirea unui criteriu de punctare
a a defectelor. Aceste sunt încadrate în următoarele clase: defecte funcționale,
defecte structurale, defecte aspectuale , defecte de ambalare. În cadrul fiecărei
clase se aplică un punctaj diferențiat după gravitatea defectului:
-defecte critice (100 de puncte),
-defecte majore (50 puncte),
-defecte minore A (10 puncte),
-defecte minore B (1 puncte).

După efectuarea unei inspecții prin sondaj asupra unui eșantion


reprezentativ de produse se înregistrează defectele, se clasifică și se
punctează după criteriile convenite.
Punctajul mediu pe un produs se poate compara în timp sau cu un nivel
fixat contractual.
2. Indicatorii reclamațiilor pornesc de la faptul că produsul trebuie să
răspundă cât mai deplin cerințelor consumatorilor. Pornind de aici, orice
informație asupra comportării produsului la utilizare este folositoare
producătorului în fazele de proiectare și fabricație, pentru perfecționarea
performanțelor calitative. Se utilizează teste,anchete statistice, probe, se
construiesc baze de date cu opiniile beneficiarilor, etc.

II.3. CALITATEA OPTIMĂ


La proiectarea unui produs se realizează și proiectarea nivelului calității,
adică se răspunde la întrebări de tipul “cat timp trebuie să funcționeze,
cât de rezistent trebuie să fie”, etc.
„Calitatea perfectă” este un deziderat care, din punct de vedere economic, costă, iar din
punct de vedere practic nu este de obicei necesar, de aceea problema se rezumă la a
stabili “calitatea optimă necesară”. Uzura morală, moda, costurile ridicate sunt
factori care fac preferabilă o calitate mai redusă, dar obținută cu
cheltuieli acceptabile.

costuri

3
1 2

minim maxim Nivelul calității


În optimizarea nivelului calității se urmărește eficiența ca rezultat al comparării
profituluicu costurile. Astfel costul realizării sau achiziționării crește proporțional pe
măsura creșterii performanțelor calitative și nu pleacă de la zero deoarece și lipsa
de calitate costă (2). Sporirea performanțelor generează o scădere a cheltuielilor de
reparații și întreținere(1), iar curba cumulativă (3) a tuturor cheltuielilor prezintă o
zonă de variație în care se plasează nivelul optim al calității.
Cheltuielile necesare obținerii și memținerii calității se gestionează în
BILANȚUL CALITĂȚII care are în activ efectele determinate de îmbunătățirea
calității (cele care se pot cuantifica bănește), iar în pasiv cumulează
cheltuielile necesare pentru menținerea și ridicarea nivelului calității.

II.3.1. ÎNSEMNELE PRODUCȚIEI MODERNE-MARCA PRODUCATORULUI

Marca de fabrică este un simbol, o denumire sub care se comercializează o


categorie de bunuri realizate de un anumit producător pentru a realiza:
- o individualizare a produselor proprii de cele
similare, -pentru a promova performanțele calitative și

- pentru a-si proteja interesele concurențiale.


Mărcile de fabrică, comerț sau serviciu se declară la Registrul Comerțului
și se protejează prin înregistrare la Oficiul de Stat pentru Mărci și Invenții.
Pentru consumator adesea anumite mărci de fabrică devin o garanție a
calității, adică se confundăMarca de Fabrică cu Marca de Calitate.
Marca de Calitateeste un semn oficial care certifică cumpărătorului
performanța calitativă a produsului. Ea constă dintr-un motiv grafic sau un cuvânt
(în unele țări litera Q sau cifra zero) care certifică faptul că produsul este
de Clasă internațională, din punct de vedere al caracteristicilor calitative.
Marca de Calitateare un caracter național și se aplică produselor
similare produse de mai mulți producători.

II.4. SUPRAVEGHEREA STATISTICĂ A PROCESELOR DE PRODUCȚIE


Aplicarea statisticii ca metodă activă de intervenție în producție pentru
limitarea procesului apariției rebuturilor se face în două scopuri:
1. pentru determinarea capabilității sistemului și
2. pentru controlul propriu zis.

II.4.1.Determinarea capabilității sistemului

În procesul de producție au loc variații ale caracteristicilor de calitate


ale produselor, care, în final, pot genera pierderi. Ele pot fi generate de
cauze aleatoare (întâmplătoare) sau de cauze sistematice.
Cauzele de producție aleatoare sunt cele care acționează întâmplător,
dar au acțiune foarte complexă. Sunt foarte numeroase, sunt greu de
identificat, individualizat sau măsurat. Influența tuturor cauzelor care le
determină intră sub acțiunea legii numerelor mari si se anulează parțial.

( Sub denumirea de lege a numerelor mari vom intelege o serie de propozitii care afirma ca, cu o probabilitate apropiata de 1, se va
produce un anumit eveniment, eveniment care depinde de un numar arbitrar de mare de evenimente elementare, fiecare dintre ele
avand o influenta mica asupra fenomenului considerat in ansamblul lui. Pentru o intelegere mai usoara a celor spuse sa luam un
exemplu simplu: o urna continand doua bile de culori diferite, una alba si cealalta neagra, din care se fac extrageri multiple, repunand
de fiecare data bila extrasa inapoi in urna. Probabilitatea de aparitie a bilei albe cat si a bilei negre este egala de fiecare data cu 1/2. Nu
putem insa sti, inainte de a efectua extragerea, care dintre cele doua bile va aparea. Sa consideram un numar n de extrageri, toate
efectuate in conditii identice. In k dintre acestea apare bila alba, iar in celelalte n-k apare bila neagra. Raportul k/n reprezinta frecventa
(relativa) de aparitie a bilei albe, iar raportul (n-k)/n reprezinta frecventa de aparitie a bilei negre. Daca n este mare, este de asteptat ca
frecventa k/n sa fie destul de aproape de 1/2. Statisticianul englez K. Pearson a aruncat o moneda de n=12000 de ori si a obtinut stema
de k=6019 ori, ceea ce da o frecventa k/n = 0.5016. Acelasi statistician, intr-un alt experiment, a aruncat o moneda de n=24000 ori si a
obtinut stema de k=12012 ori, ceea ce da o frecventa de k/n = 0.5005. In ambele cazuri diferenta dintre frecventa si probabilitate este
destul de mica. Totusi nu putem afirma ca frecventa k/n “converge” la 0.5 cand n creste indefinit, asa cum s-ar putea crede la prima
vedere. Singurul lucru care poate fi afirmat este acela ca este de asteptat ca, pentru repetari suficient de multe ale experimentului,
frecventa k/n sa fie “destul de aproape” de probabilitatea p.)

Cauzele de producție sistematice acționează într-o anumită direcție


producând abateri de la specificații și generează astfel producții
necorespunzătoare. Ele trebuie depistate rapid și eliminate cât mai repede.
Procesul de producție stabil este cel aflat numai sub influența cauzelor de producție
întâmplătoare, specifice respectivului proces. După evoluția în timp el poate fi:
-proces static stabil sau
-proces dinamic stabil.
Procesul de producție este instabil când asupra lui acționeată și cauze de producție
sistematice, care determină variația unilaterală ca sens a valorilor caracteristicii.

II.4.1.1. CAMP DE ÎMPRĂȘTIERE,CÂMP DE TOLERANȚĂ


Sub influența diferitelor cauze de producție, caracteristica de calitate a
unui produs variază între două limite numite limite de împrăștiere: l i –
limită de împrăștiere inferioară
ls –limită de împrăștiere superioară.
Mărimea acestei variații se numește câmp de împrăștiere.
Prin specificații sunt stabilite limitele în interiorul cărora le este permisă variația
valorilor caracteristicei astfel încât produsul să fie corespunzător calitativ. Ele se
numesc limite de toleranță, notate:
Ti –limită de toleranţă inferioară
Ts –limită de toleranţă superioară, iar zona dintre aceste două limite
reprezintă câmpul de toleranță.

REGLAREA se caracterizează prin poziția câmpului de împrăștiere a valorilor


caracteristicii, exprimată prin centrul de grupare a repartiției. Mașina se consideră
complet reglată când centrul câmpului de împrăștiere (centrul de grupare) al
valorilor caracteristicei de calitate este aproximativ egal cu centrul de toleranță.
Reglarea se apreciază prin parametrii statistici: ̅media, M e mediana și Mo modulul.
PRECIZIA mașinii se poate caracteriza prin mărimea câmpului de
împrăștiere și este considerată corespunzătoare când mărimea acestuia
nu depășește pe cea a câmpului de toleranță. Precizia se exprimă cu
ajutorul parametrilor de împrăștiere: A, σ.

II.4.1.2. CAPABILITATEA SISTEMULUI

Capabilitatea procesului de producție este o măsură a preciziei sau a


uniformității cu care acesta realizează caracteristicile de calitate ale
unui produs. Studiul capabilității servește pentru:
-stabilirea performanțelor reale ale unui proces de producție,
-elementele de “start” în fixarea parametrilor planurilor de sondaj pentru
recepția loturilor de produse
-stabilirea condițiilor contractuale referitoare la calitatea producției.
Pentru a se realiza o cât mai bună încadrare a câmpului de împrăștiere în
câmpul de toleranță, specialiștii utilizează cel mai adesea intervalul de
împrăștiere al caracteristicii ka egal cu 6σ (corespunzător regulii ±3σ).
Spre exemplu, în intervalul ±3σ sunt cuprinse 99,8% din valorile
înregistrate într-o observare, în intervalul ±2σ sunt aproximativ 95% iar
în intervalul ±σ numai 68%. Indicatorul sintetic al capabilității CAP este

=
iar CAP ϵ (0,6; 0,8) indică un nivel acceptabil al capabilității procesului,
el fiind controlabil statistic.

Stabilirea capabilității necesită o succesiune de operațiuni statistice de


prelucrare a datelor asupra respectivului proces.
Verificarea caracterului întâmplător al repartizării valorilor
Eliminarea valorilor aberante
Validarea legii de repartiţie
Calculul fractiunii defective probabile

II.4.1.3.VERIFICAREA CARACTERULUI ÎNTÂMPLĂTOR al valorilor are ca obiectiv a


stabili dacă procesul de producție se află sub influența cauzelor de producție
întâmplătoare sau sistematice. Deoarece se urmărește identificarea regularităților, a
repetabilităților adică a legității după care se desfășoară procesul de producție, ceea
ce face necesar ca eșantionul de unități prelevat din producția curentă să fie
reprezentativ. Rezultatele măsurătorilor, adică valorile caracteristicii controlate:
-se consemnează într-o fișă în ordinea
prelevării; -se reprezintă într-un grafic de timp;

- se testează caracterul aleator al distribuției folosind unul in testele


specific (Wallis-More, testul semnelor, testul iterațiilor)
II.4.1.4. ELIMINAREA VALORILOR ABERANTE
Deoarece scopul analizei preliminare este de a identifica starea
specifică a procesului, valorile care diferă puternic de masa restului
valorilor se elimină înaintea calculării parametrilor procesului.
Din șirul de valori ale caracteristicii X respectiv x 1,x2,…..xnse ordonează crescător și
suspecte a nu face parte din familia valorilor sunt prima (x 1) sau
primele, respective ultima (xn) sau ultimele.
Comparând cu echivalentul probabilistic calculat se decide păstrarea
sau eliminarea din şir:
() = ̅− ( )
respectiv () = ̅− ( )
unde: r ̅ eprezintă valoarea medie a
șirului este abaterea standard
iar Z(1)P; Z(n)P sunt coeficienți probabilistic stabiliți în funcție de mărimea
eșantionului n, probabilitatea de decizie fixată fiind P=1-α.
II.4.1.5. VALIDAREA LEGII DE REPARTIȚIE
Deoarece cvasitotalitatea procedeelor de control și supraveghere a proceselor de
producție sunt alcătuite în ipoteza unei distribuții normale a valorilor, este necesar a
se verifica dacă și cazul particular analizat este o distribuție normală. Validarea se
2
poate fece cu unul din testele cunoascute: χ , Kolmogorov-Smirnov.
Dacă procesul de producție are un randament ridicat, pentru a asigura
reprezentativitatea eșantionului, volumul acestuia se va alcătui dintr-un
număr de subeșantioane N=rn unde r este numărul de probe de volum n.
Fie valorile de sondaj :
n1: x11, x12, …..x1ncu media și dispersia
n2: x21, x22, …..x2ncu media și dispersia
………………………………………………….

nr: xr1, xr2, …..xrncu media și dispersia .


Se testează ipotezele = = ⋯ și = =⋯
Se omogenizează șirul și se calculează parametrii specifici:
̿= ∑ și = ∑
∑ ∑

II.4.1.6. CALCULUL FRACTIUNII DEFECTIVE PROBABILE


Fracțiunea defectivă probabilă p sau procentul de rebut probabil este un
parametru cu ajutorul căruia se caracterizează precizia utilajelor.
Prin definiție, fracțiunea defectivă reprezintă probabilitatea
caracteristicii X să depășească câmpul de toleranță, adică:
= ( < ; > )=1− ( ≤ ≤ ).
Pentru caracteristicile care au o repartiție normală, fracțiunea defectivă
se determină cu relația:
= 1 − [ ( ) − ( )] = 1-2 ( )
unde = iar = , iar, datorită simetriei limitelor de toleranță față de centrul
câmpului de toleranță = = | | cu = .
În funcție de mărimea fracțiunii defective se apreciază capabilitatea procesului,
respectiv precizia utilajului și se decide dacă procesul de producție poate fi sau
nu controlat statistic și ce metode de dirijare și control pot fi utilizate.
Se apreciază că un proces este controlabil statistic dacă p<0,02. Pentru
p< 0,001 se apreciază că procesul are o precizie excesiv de ridicată.
II.5. METODE DE CONTROL PE FLUXUL DE FABRICAȚIE

Controlul reglării și a preciziei procesului se realizează prin urmărirea


evoluției indicatorilor de tendință (concentrare), respectiv de împrăștiere.
II.5.1.CONTROLUL REGLĂRII se efectuează pe baza supravegherii
mediei sau medianei.Se stabilesc limite de control pentru fiecare
parametru supravegheat, astfel:
Pentru medie
= − unde LCI este limita de control inferioară

= + unde LCS este limita de control superioară,


este valoarea funcției lui Laplace pentru riscul fixat α,


abaterea medie pătratică a procesului, stabilită în etapa preliminară,
n= mărimea eșantionului.
Limitele de supraveghere :
= − unde LSI este limita de supraveghere inferioară

= + unde LSS este limita de supraveghere superioară.


Limitele de control pentru mediană sunt similare cu cele pentru medie, cu

deosebirea ca abaterea medie pătratică este corectată cu factorul 1,2533 =

Decizia se ia astfel: periodic, din proces, se prelevează probe de volum


n. Valorilor alese { x1,x2,…xn } li se calculează media sau mediana. Dacă
̅sau Xmeϵ (LCI,LCS) se apreciază că procesul este reglat corespunzător.

II.5.2. CONTROLUL PRECIZIEI se realizează în baza concretizării


testelor referitoare la abaterea medie patratică și la amplitudine,
reținându-se o singură ramură a intervalului de încredere.
Limita abaterii medii pătratice se calculează astfel : LC( unde

LC(s) este limita de control pentru abaterea medie pătratică

iar este variabila Hi pătrat stabilită pentru n-1 grade de


libertate și nivel de semnificație.
AMPLITUDINEA ÎMPRĂȘTIERII este un parametru al preciziei mașinii
ușor de calculat și poate înlocui în practică abaterea medie pătratică.

LC(R)= ;

unde ;
este coeficient stabilit în baza nivelului de semnificație ales și tabelat.

Decizia privind precizia procesului se ia prin compararea parametrului de


împrăștiere (S sau R) cu valoarea calculată a limitei, fiind considerată
corespunzătoare cand (R sau S) ≤ LC.
Controlul se efectuează astfel: se calculează pentru fiecare probă abaterea medie
pătratică s, care se compară cu limita de control și de supraveghere. Dacă:
≤ ( ) procesul se consideră corespunzător ca precizie și poate continua,
> ( ) procesul nu corespunde ca precizie și trebuie oprit, depistată
și înlăturată cauza
( )< < ( ) este caz de atenționare că ar putea exista o cauză sistemică.

II.5.3. FIȘELE DE CONTROL STATISTIC

II.5.3. 1.TIPURI DE FIŞE DE CONTROL pe variabile :


A.fişa de control pentru media aritmetică şi amplitudine: fişa( ̅;R)
B.fişa de control pentru media aritmeticăşiabatereamediepătratică: fişa( ̅;s)
C.fişa de control pentrumedianăşiamplitudine: fişa(x me;R)

II.5.3.1.A.Fișa( ; ̅ R)
Este cea mai utilizată fişă de control pe variabile datorită avantajelor pe
care le prezintă:
-media aritmetică reprezintă cel mai bun estimator al poziţiei centrale a
distribuţiei valorilor măsurate;
-amplitudinea este un indice de împrăştiere care se poate calcula cu uşurinţă,
iar estimarea dispersiei valorilor măsurate se realizează cu exactitate.

Etape de construire a fișei:


1.Stabilirea mărimii eşantionului şi a intervalului de timp dintre două
extrageri consecutive de probe,
2.Colectarea şi înregistrarea datelor pe formularul tipizat,
3.Calcularea mediei aritmetice şi a amplitudinii pentru fiecare eşantion,
4.Calcularea limitelor de control,
5.Trasarea diagramelor de control,
6.Interpretarea fişei.

1.Stabilirea mărimii eşantionului


Efectivul optim al unui eşantion este de n=5 exemplare, la această valoare
ajungându-se în urma unui compromis: pe deoparte trebuie să fie
îndeplinită condiţia omogenităţii probei, ceea ce impune un număr redus
de exemplare, iar pe de altă parte, numărul pieselor controlate trebuie să
fie mare pentru ca rezultatele obţinute să fie cât mai apropiate de realitate.
2. Colectarea şi înregistrarea datelor
Analiza procesului tehnologic cu ajutorul fişei presupune prelevarea a minimum
25 de eşantioane, fiecare dintre ele cuprinzând câte 5 unităţi de produs.Valorile
caracteristicilor de calitate măsurate se înregistrează apoi pe formularul tipizat:

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online

3. Calculul mediei aritmetice şi a amplitudinii


Pentru fiecare eşantion în parte se calculează valorile mediei aritmetice

̅ =

şi ale amplitudinii = , − ,
4. Calculul limitelor de control
Estimarea valorilor mediei aritmetice, a amplitudinii și a abaterii medii
pătratice ale întregului lot de produse
̅= ∑ ̅


=

Pentru diagram mediilor aritmetice:


= ̅+ 3 = ̅+ 3 = ̅+
̅ ̅ ̅ ̅ √
= ̅− 3 = ̅− 3 = ̅−
̅ ̅ ̅ ̅ √

Pentru diagram amplitudinilor


= +3 =

= −3 =

unde s-a notat D4=1+3d3/d2


D3=1-3d3/d2
5.Trasarea diagramelor de control
Pe formularul tipizat, în zonele aferente diagramelor mediilor şi
amplitudinilor, se trasează două linii întrerupte corespunzătoare
valorilor calculate ale mediei mediilor şi amplitudinii medii.
Cu linii continue sunt reprezentate limitele de control ale mediilor şi
amplitudinilor, având grijă ca LCS şi LCI să fie egal depărtate de media mediilor.
Corespunzător fiecărei probe, se marchează apoi prin câte un punct
media aritmetică şi amplitudinea calculată, urmând ca în final, punctele
consecutive să fie unite prin segmente de dreaptă.
Interpretarea fişei de control
-dacă valorile mediilor aritmetice se găsesc între limitele de control,
procesul de fabricaţie este stabil ca reglaj;
-dacă valorile amplitudinilor se găsesc între limitele de control, procesul
de fabricaţie este stabil ca precizie; dacă valorile amplitudinilor
depăşesc limitele de control,se pot ivi două situaţii particulare:
a. dacă valorile amplitudinilor depăşesc limita de control
superioară LCS, procesul de fabricaţie este instabil ca precizie;
b. dacă valorile amplitudinilor depăşesc limita de control inferioară
LCI, maşina pe care se prelucrează piesele este mai precisă decât
necesită caracteristica urmărită, fiind folosită neeconomic.
Se poate aprecia că instabilitatea preciziei poate apărea atunci când uzura maşinii-
unelte este avansată, calificarea operatorilor este necorespunzătoare, mai ales când
sunt necesare prelucrări speciale, semifabricatele sunt neomogene.
Instabilitatea reglajului poate avea ca surse: neverificarea periodică a
maşinii-unelte, uzura sculei, reglarea necorespunzătoare a maşinii la
dimensiunea de lucru şi semifabricat neomogene.
Dacă punctele de pe diagrama de control se situează în interiorul limitelor de
control, sau în intervalul de încredere, procesul poate fi considerat sub control.
Dacă există puncte în afara limitelor, procesul va fi considerat în afară de control.
Deasemenea, sunt situaţii când o dispunere particulară a punctelor, chiar în
interiorul limitelordecontrol,indică o anomalie în desfăşurarea procesului.
II.5.3.1.2.INTERPRETAREA DIAGRAMEI MEDIEI ARITMETICE:
1. Un punct în afara limitelor de control poate avea drept
cauze: -o eroare de calcul sau de poziţionare a punctelor;
-apariţia unor incidente de tipul ruperii sculei, căderii energiei electrice,
întreruperii alimentării cu materie primă;
-modificarea sistemului de măsurare.

2.O serie de 8 puncte consecutive de o parte a liniei centrale are cause posibile:
- o înlocuire a muncitorului la maşină;
- o reglare incorectă a utilajului;
- oboseala şi neatenţia operatorului care efectuează măsurătorile.

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online


3.O serie de 7 intervale successive crescătoare sau descrescătoare
poate avea drept cauză posibilă uzarea sculei .

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online


4.Mai mult de 22 de puncte din 25 consecutive sunt situate în treimea centrală
Cauze posibile:
-calculul greşit al limitelor de control;
-înaintea fiecărei eşantionări, maşina este reglată;
-în urma măsurării, datele presupuse a fi greşite sunt eliminate.

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online


5. Mai puţin de 10 puncte din 25 consecutive se găsesc în treimea centrală

Cauze posibile:
- erori de calcul şi de poziţionare a limitelor de control;
- aparatele de măsură nu au precizia necesară;
- măsurările vizează procese diferite.

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online

6.Evoluţia ciclică a valorilor calculate


Cauzeposibile:
-modificările ciclice ale temperaturii mediului ambiant;
- oboseala operatorului;
- fluctuaţii cu character regulat în alimentarea cu energie
electrică; -schimbări periodice ale operatorilor, etc

II.5.3. 1.3.INTERPRETAREA DIAGRAMEI AMPLITUDINII:

1. Un punct în afara limitelor de controlare drept cauze:


-o eroare de calcul sau de poziţionare a indicelui de împrăştiere al
esantionului; -o eroare de calcul sau de amplasare a limitelor de control;
-apariţia unor incidente pe parcursul prelevării unui eşantion: oprirea
maşinii, ruperea sculei, piese confecţionate din materii prime provenite
de la furnizori diferiţi etc.;
-utilizarea la un moment dat, a unor instrumente demăsură cu o precizie
superioară, care scot în evidenţă o mai mare dispersie a valorilor.

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online


2.O serie de 8 puncte consecutive se află deasupra valorii centrale
sau 7 intervale succesive sunt crescătoare.
Cauze posibile:
-lipsa uniformităţii materiei prime;
-schimbarea analistului sau oboseala acestuia;
-slăbirea progresivă a strângerii în dispozitiv
a sculei; -o supraîncălzire a maşinii ş.a.
Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online

3. O serie de 8 puncte consecutive se află sub linia central sau 7


intervale successive sunt descrescătoare.
-În aceste cazuri trebuie făcută distincţia dintre o îmbunătăţire reală a
procesului şi o eventuală modificare a metodei de măsurare
Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online
4. Mai mult de 22 de puncte din 25 consecutive sunt situate în treimea centrală
Cauze posibile:
-calculul greşit al limitelor de control;
-înaintea fiecărei eşantionări,maşina este reglată;
-în urma măsurării, datele presupuse a fi greşite sunt
eliminate; -slaba instruire a operatorului.

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online


5.Mai puţin de 10 puncte din 25 consecutive se găsesc în treimea centrală.
Cauze posibile:
-jocurile mari din lanţurile cinematice ale maşinii;
-utilizarea unor instrumente de măsură cu o precizie scăzută ş.a.
6. Saltul brusc de nivel
- Un salt spre limita de control inferioară sugerează o îmbunătăţire
a procesului datorată dispariţiei unor factori influenţatori;
-un salt spre limita de control superioară indică existenţa a două
repartiţii distincte ale caracteristicii de calitate analizate.

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online


7. Evoluţia ciclică a amplitudinilor
Cauze posibile:
uzarea SDV-urilor;
neatenţia operatorului;
utilizarea maşinii de către mai mulţi muncitori.
Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online

II.5.3.1.4.Regulile lui Nelson pentru interpretarea fișelor de control


Regulile lui Lloyd S. Nelson au fost pentru prima oară publicate în
Octombrie 1984 într-un articol din Journal of Quality Technology.
Regulile se bazează pe media și abaterea standard a eșantioanelor.

Ce indică
Regula 1 Punctele aflate la mai mult de 3 abateri Esantioanele aferente sunt
standard de medie ”evident” în afară de control
Regula 2 O serie de 9 (sau mai multe) puncte Există o influență sistemică
consecutive sunt de aceeași partea prelungită.
mediei
Regula 3 O serie de 6 (sau mai multe) puncte Exista un trend.
consecutive sunt continuu crescătoare
(sau descrescătoare)
Regula 4 O serie de 14 (sau mai multe) puncte Această”oscilație”excede zgomotul.
consecutive alternează în direcție, Este directional și poziția mediei și
crescând apoi scăzând. mărimea abaterii standard nu
afectează regula
Regula 5 2 (sau3) din 3 puncte consecutive se află Există o tendință ” moderată” a
la mai mult de 2 abateri standard de eșantioanelor de a fi ”mediu” în
medie în aceeași direcție afară de control. Partea mediei
pentru al treilea punct este
nespecificată.

Regula 6 4 (sau5) din 5 puncte consecutive se află Există o tendință ”puternică” a


la mai mult de o abatere standard de la eșantioanelor de a fi ”ușor” în afară
medie în aceeași direcție de control. Partea mediei pentru al
cincilea punct nu este
nespecificată.
Regula 7 15 puncte consecutive se află în interiorul Variație mica relativ la limitele de
a o abatere standard de la medie, pe control
oricare parte a acesteia
Regula 8 8 puncte consecutive din care nici unul Salturile de sus în jos (și
nu se află în inteiorul a o abatere invers) fără puncte în zona de
standard de la medie și punctele sunt 1 abatere standard nu sunt de
în ambele direcții de la medie obicei aleatoare.

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online

II.5.3. 1.B. FISA ( ̅; s)


Această fișă de control se utilizează în acele situaţii în care trebuie asigurată
o înaltă eficacitate a controlului, cum ar fi, de pildă, cazul produselor scumpe
sau a acelora a căror defectare ar produce pagube importante.
Datorită calculelor laborioase pe care le impune, această fişă de control se
utilizează atunci când operatorii au la dispoziţie mijloace adecvate de
prelucrare a informaţiilor, ceea ce impune şi o înaltă calificare a analiştilor.
II.5.3. 2. 1.Calculul limitelor de control
Estimarea valorilor mediei aritmetice și a abaterii medii pătratice ale
întregului lot de produse
Se prelevează 25 de eşantioane cărora li se calculează mediile
aritmetice şi abaterile medii pătratice:
)
=∑ ∑ (

Estimatorul mediei aritmetice şi media abaterilor medii pătratice sunt:


̅ ̅=
∑ =1
= ∑ =1

k = numărul eșantioanelor extrase (k ≥ 25)


Pentru diagrama abaterilor medii pătratice
̅ ̅
̅ ̅= ̅+ 3 ̅ ̅= ̅− 3 2 − 2,5
2 − 2,5
Notând= 1 + 3 , și =1−3 ,

√ √

̅ ̅= ̅
̅
̅ ̅=
n 2 3 4 5 6 7 8 9 10
B3 - - - - 0,030 0,118 0,185 0,239 0,289
B4 3,267 2,568 2,266 2,089 1,970 1,882 1,815 1,761 1,716
Pentru diagrama mediilor aritmetice

LCS = +3 ̅ ̅
− 0,5
LCI = −3 ̅ ̅ sau
√ ,
notând A3= obținem LCS = + 3 ̅ și LCI = − 3 ̅.
,

n 2 3 4 5 6 7 8 9 10
A3 2,659 1,954 1,628 1,427 1,287 1,182 1,099 1,032 0,975

Interpretarea fișei de control


Pentru interpretarea acestei fişe se aplică aceleaşi recomandări ca în cazul fişei (x;R).

II.5.3. 2.2 CONCLUZII CU PRIVIRE LA UTILIZAREA FIȘELOR DE CONTROL PE VARIABILE

1.Se va utiliza întotdeauna acea fişă care este cel mai bine stăpânită de
către personalul din întreprindere, chiar dacă, pe moment, ea nu este
cea mai potrivită scopului propus.
2.În paralel, angajaţii trebuie să fie instruiţi cu privire la modul de aplicarea
tuturor instrumentelor de control oferite de statistica matematică, astfel
încât, în timp, acest criteriu de selectare să nu mai fie utilizat.

3.Se va ţine seama de costul controlului raportat la precizia oferită de o


anumită fişă.
4.Se va tine seama de costurile generate de apariţia neconformităţilor.
Astfel, în cazul controlării unor produse scumpe, datorită riscurilor ca prin
noncalitate să se producă pagube importante, se va utiliza fişa (x;s).

II.5.4.FIȘE DE CONTROL PRIN ATRIBUTE


Controlul statistic prin attribute se aplică în acele situaţii în care
caracteristicile de calitate sunt greu sau chiari mposibil de măsurat.
În urma acestui tip de control, informaţiile obţinute sunt sumare
şi mai puţin relevante decât în cazul controlului pe variabile.
Mărirea gradului de siguranţă în adoptarea deciziilor impune, în acest caz,ca
numărul pieselor dintr-un eşantion să fie mai mare (n=20-200 de bucăţi) , numai
astfel putându-se sesiza variaţiile apărute în derularea unui process productiv.
Principalul dezavantaj al fişelor de control prin attribute îl constituie
lipsa de obiectivitate a informaţiilor obţinute, deoarece măsura
conformităţii unui produs este data de către raţionamentul, logica unui
operator uman, ceea ce introduce subiectivism.
Tipuri de fișe de control prinatribute

DEFECTE DEFECTIVE
EȘANTION VARIABIL Fișa “u” Fișa “p”
EȘANTION CONSTANT Fișa “c” Fișa “np”

II.5.4.1. Fișa ”p”


1.Stabilirea mărimii eşantionului și a frecvenței de extragere a probelor
Este cea mai utilizată fişă de control prin atribute, cu ajutorul ei
determinându-se proporţia pieselor care nu respectă specificaţiile.
Se poate defini proporţia pieselor neconforme ca fiind raportul dintre
numărul pieselor cu defecte identificate într-o probă şi efectivul acesteia.
Proporţia pieselor neconforme reprezintă o mărime adimensională care
are avantajul că poate fi comparată, în timp, pentru un acelaşi loc de
muncă sau între locuri de muncă diferite.
Numărul pieselor care alcătuiesc un eşantion trebuie să fie mare
(cuprins între 50 şi 200).
Datorită faptului că proporţia neconformităţilor este o mărime
adimensională, concluzia care se impune este aceea că efectivul
probelor nu trebuie să se menţină constant în timp.

Culegerea și înregistrarea datelor


Pentru fiecare eşantion prelevat se determină următoarele mărimi:
-efectivul eşantionului ni
-numărul pieselor neconforme descoperite în acel eşantion np i;
Cu ajutorul acestor mărimi se calculează fracţiunea defectivă a probei, cu relaţia
( )
=
Calculul limitelor de control
- se prelevează un număr de k eşantioane (k ≥20) cărora li se
determină fracţiunea defectivă pi.
-se determina estimatorul fracţiunii defective a întregului lot
(media = linia centrală - CL):
∑ ∑ ( )
̅==

= ̅+ 3 ̅ ̅( ̅ ̅
)
̅ ̅
Calculul limitelor de control
= ̅− 3 ̅ ̅( ̅ ̅
)
̅ ̅

O alternativă de aproximare pentru calculul limitelor de control este să se


utilizeze valoarea medie n a eșantioanelorni. Aproximarea se consider
satisfăcătoare încazul în care ni nu variază față de n cu mai mult de 25% din n.

Trasată fișa de control, orice punct aflat aproape sau în afara


limitelor poate fi verificat recalculând limitele folosind n i.

= ̅+ 3 ̅ ̅( ̅ ̅
)
̅ ̅
Calculul limitelor de control devine
= ̅− 3 ̅ ̅( ̅ ̅
)
̅ ̅

unde= ∑ .

INTERPRETAREA FIȘEI ”P”


1.Un punct în afara limitelor de control
Cauze posibile:
-o eroare de calcul a limitelor de control;
-o poziţionare greşită a punctului analizat;
-diferenţe mari între efectivele eşantioanelor, punctual situate în
afara limitelor aparţinând, de regulă, unor probe de volum redus;
-o deteriorare a performanţelor procedeului;

-înăsprirea criteriilor de conformitate impuse .


Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online
Observație:
În situaţiile în care limita de control inferioară este nenulă, un punct
amplasat sub aceasta poate să apară datorită uneia din următoarele
cauze: -o eroare de calcul;
-o îmbunătăţire reală a procesului productiv;
-o modificare a metodei de apreciere a caracteristicii de calitate.

2. O serie de 8 puncte consecutive se află deasupra liniei mediane sau 7


intervale successive sunt crescătoare.
Cauze posibile:
- se prefigurează o deteriorare a performanţelor procesului
productiv; - se constată o uzare a sculei;
- materia primă nu mai îndeplineşte condiţiile cerute de specificaţii;
- se înregistrează o schimbare a modalităţii de control.

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online


3. O serie de 8 puncte consecutive se află sub linia centrală
sau 7 intervale successive sunt descrescătoare.
Cauze posibile:
- îmbunătăţirea procesului productiv;
-lipsa experienţei controlorului;
-o relaxare a cerinţelor privind calitatea produsului.

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online

4.O grupare a mai multor puncte în jurul liniei centrale a diagramei (2/3
din punctele diagramei se găsesc în treimea centrala a acesteia).
Cauze posibile:
-o eroare de calcul a fracţiunii defective;
-o eroare de determinare a limitelorde control;
- efectuarea unor preselectări ale pieselor, înainte ca acestea să fie verificate

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online


5.Gruparea valorilor către limitele de control (mai puţin de 1/3
din punctele diagramei se găsesc în treimea centrală)
Cauze posibile:
- erori de calcul;
-o eşantionare neîntâmplătoare;
-variaţii mari ale efectivelor probelor
Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online
Fișa”p”se folosește atunci când se reprezintă grafic:
1) Defective
2) Sunt satisfăcute ipotezele distribuției Binomiale
3) Eșantionul este variabil (se pot reprezenta și eșantioane
constante). Fiecare observație este independentă.
Scopul este să se determine limitele de control (LCS și LCI) și să se
determine performanța în timp a procesului.
Această fișă prezintă proporția de unități defective într-un eșantion
variabil sau constant.
Fiecare eșantion trebuie să aibă o mărime astfel încât să conțină cel puțin un defect.
Dacă nivelul de defective este redus, (mărimea eșantionului inmulţit cu procentul
mediu de defective < 5) atunci se aplică limitele exacte ale distribuției binomiale.
Nu trebuie folosită fișa atunci când un singur defect scoate procesul din
control. Fișa se folosește în mod normal pentru a detecta deplasări > 1,5 σ.
Aceasta este cea mai sensibilă fișă de control prin atribute.
Această fișă prezintă proporția de unități defective într-un eșantion
variabil sau constant.

Exemplu

ESANTION mARIME ESANTION (44) nUMAR DE UNITATI


DEFECTE
1 42 3 3/42= 0,071
2 41 2 2/41=0,048
3 54 5 5/54=0,092
4 73 11 11/73=0,151
5 48 12 12/48=0,25
6 84 6 6/84=0,072
7 52 7 7/52=0,134
8 54 9 9/54=0,166
9 63 5 5/63=0,079
10 85 14 14/85=0,164
11 92 4 4/92=0,043
12 46 8 8/46=0,173
13 74 9 9/44=0,204
14 94 10 10/74=0,135
15 49 3 3/49= 0,061
16 66 5 5/66=0,075
17 58 6 6/58=0,103
18 98 8 8/98=0,081
19 102 11 11/102=0,107
20 45 15 15/44=0,333
TOTAL 1320 153

cl= = ∑ ( ) =153/1320=0,116

(1− ) 0,116+ se repeta
= +3 3 , ( , ) = calculul pentru
fiecare esantion
0,116 + 3√ 0,0341 =
0,116 + 3 × 0,184 =
0,668
(1− ) 0,116- se repeta
= −3 3 , ( , ) = calculul pentru
fiecare esantion
0,116 − 3√0,0341 =
0,116 − 3 × 0,184 <
0
Se va lua valoarea
zero
Exemplul
2

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online


II.5.4.2.FIȘA ”np”

Reprezintă o variant a fişei ”p” şi se poate utiliza în cazurile în care


efectivele eşantioanelor prelevate sunt constante.
Fişa”np”se aplică cu precădere la acele procese productive care, prin
însăşi tehnologia aplicată, realizează grupuri de piese cu efective egale.
De exemplu, la fabricarea hârtiei, în finalul procesului, colile format A4
sunt grupate în topuri de câte 500 de bucăţi.
La anumite interval de timp se extrage un pachet care este supus verificării.
Calculul limitelor de control
determinarea numărului mediu de piese neconforme descoperite în k eşantioane
succesiv extrase (k = 20 ... 25)
∑ ( )
=

determinarea liniei centrale - CL

CL= = =
̅ ∑ ( ) unde n este volumul eșantionului.

= +3 (1 − )
Calculul limitelor de control
= − (1 − )

Interpretarea fișei”np”
Regulile de interpretare ale fişei ”np” sunt în totalitate identice cu cele aferente
fişei ”p”, cauzele generatoare ale instabilităţii procesului fiind aceleaşi.
Fișa”np”se folosește atunci când se reprezintă grafic:
1)Defective
2)Sunt satisfăcute ipotezele distribuției Binomiale
3)Eșantionul este constant (mărime constanta a subgrupurilor)

OBSERVATII
1.Fiecare observație este independentă.
2.Scopul este să se determine limitele de control (LCS și LCI) și să se
determine performanța în timp a procesului.
3.Această fișă prezintă numărul de unități (piese) defective.
4.Mărimea constant a subgrupurilor (eșantionului) permite valori
constante pentru limitele de control, nemaifiind necesară recalcularea
limitelor de control pentru fiecare subgroup (eșantion).
Dacă nivelul de defective este redus (mărimea eșantionului înmulţit cu procentul
mediu de defective < 5)atunci se aplică limitele exacte ale distribuției binomiale.
Fișa se folosește în mod normal pentru a detecta deplasări ce depășesc 1,5σ.

EXEMPLE
În tabelul următor sunt prezentate tipurile de defecte constatate la
prelucrarea mecanică prin aşchiere a unui lot de 100 piese
Defecte la prelucrare mecanica a unui lot de 100 piese
Nr. Defectulconstatat Numărdefecte Numar cumulate de Frecventarelativă la
crt. defecte lot a defectului
1 Abateri dimensionale (A) 5 5 5/100=0.05
2 Abateri de forma (B) 6 11 6/100=0.06
3 Rugozitate 8 19 8/100=0.08
necorespunzatoare (C)
4 Arsura pe suprafata (D) 3 22 3/100=0,03
5 Exfolieri de material (E) 23 45 23/100=0,23
6 Alte defecte (F) 4 49 4/100=0,04

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online

OBS:
a.Fiecare unitate (piesă) poate avea unul sau mai multe defecte care o fac defectivă.
b. Din acest tabel nu rezultă numarul de piese defective.

2.Tabel utilizat la calcul

ESANTION MARIME ESANTION (44) NUMAR DE UNITATI


DEFECTE
1 44 3 3/44= 0,068
2 44 2 2/44=0,045
3 44 5 5/44=0,113
4 44 11 11/44=0,25
5 44 12 12/44=0,272
6 44 6 6/44=0,136
7 44 7 7/44=0,159
8 44 9 9/44=0,204
9 44 5 5/44=0,25
10 44 14 14/44=0,318
11 44 4 4/44=0,090
12 44 8 8/44=0,181
13 44 9 9/44=0,204
14 44 10 10/44=0,226
15 44 3 3/44= 0,068
16 44 5 5/44=0,113
17 44 6 6/44=0,136
18 44 8 8/44=0,181
19 44 11 11/44=0,25
20 44 15 15/44=0,340
TOTAL 880 153
153/880 =0,173
DIMENSIUNEA 44
ESANTIONULUI
cl = = ∑ ( ) 153/20=7,65

7,65+
= +3 (1 − ) 3 7,65(1 − , )=
7,65 + 8,26=15,91
7,65-
= − (1 − ) 7,65(1 − , )=
7,65 − 8,26=-0,61
Se va lua valoarea
zero

II.6. RECEPŢIA STATISTICĂ A LOTURILOR DE PRODUSE FINITE

Trecerea mărfurilor de la producător la beneficiar înseamnă, de fapt, un


transfer de proprietate realizat prin achitarea contravalorii acestora.
Fiind vorba de costuri, trebuie efectuat şi un control de conformitate a
produselor realizate cu standardele, normele şi asteptările.
Controlul statistic se realizează prin diferite metode având ca scop obţinerea
informaţiilor asupra unui lot de produse sau a stării procesului de fabricaţie
prin : control 100% ( în cazul producţiei de serie mică sau unicate) sau prin
eşantionare (în cazul producţiei de serie mare sau a producţiei de masă).
În funcţie de natura caracteristicii de calitate care se controlează, metodele de
control sunt: metode de control prin atribute, prin care caracteristicile de calitate
sunt clasificate în corespunzător/necorespunzător după cum se încadrează sau nu
în specificaţii, sau metode de control prin măsurare, la care se analizează valorile
caracteristicii de calitate obţinute prin valori numerice măsurate .
În funcţie de stadiul de execuţie al lotului de produse, controlul statistic este:
- Control statistic de recepţie, cu rol static, aplicat asupra loturilor
complet executate, având ca scop luarea deciziilor referitoare la
admitere, respingere sau sortare/resortare.
-Control statistic al procesului, cu rol activ, aplicat asupra loturilor în
curs de fabricare, având ca scop luarea deciziilor referitoare la procesul
de fabricaţie, de prevenire şi limitare a rebuturilor.

OBSERVAŢII
1. Controlul 100% nu exclude prelucrarea statistic a datelor obţinute
prin verificare / constatare.
2. Controlul statistic al procesului permite furnizorului (executantului)
stabilirea limitelor de control inferioară LCI şi superioară LCS, acest
lucru realizându-se prin eşantionare periodic şi succesivă asupra lotului
de produse. În acest mod, furnizorul are o imagine în timp asupra
fabricării lotului de produse (aspect diacron al fabricaţiei).
3. Controlul final şi beneficiarul au însă o imagine diferită, şi anume
privesc lotul de produse ca realizat deodată, în condiţii identice de
realizare (aspectul sincron al fabricaţiei),fiind interesaţi ca nivelul
neconformităţilor să nu depăşească AQL(nivelul de calitate aceptabil).
4.Controlul statistic de recepţie şi al procesului se aplică numai la procese
stabile statistic.Stabilitatea statistică presupune că toate cauzele speciale au
fost îndepărtate, singurele influenţe fiind date de cauzele comune.

II.6.1.AVANTAJELE CONTROLULUI PRIN EȘANTIONARE


Avantajele controlului prin eșantionare se pot aprecia prin diverse
criterii economice, spre exemplu comparând costul asociat acestuia cu
cel asociat controlului 100%.
Fie: N= volumul lotului
n=volumul esantionului,
C= costuri datorate nedepistarii produselor defecte la receptia lotului,
Cu= costurile de control a unei piese (costul controlului unitar)
P= fractiunea defectiva a lotului,
C100%= costul controlului 100%,
Ce= costul controlului prin esantionare.

Atunci: C100%=N Cu
Ce= n Cu + ( N-n) PC
Se poate determina valoare lui n (numită punct de echilibru pentru care
cele doua costuri devin egale din relatia: N Cu = n Cu + ( N-n) PC
- Daca se Pcritic= Cu/C fracţiunea defectivă critică, dacă:
noteaza
P < Pcritic costul cel mai redus este dat de controlul prin eşantionare;

P> Pcritic costul cel mai redus este dat de controlul 100%.
II.6.2. CONTROLUL STATISTIC DE RECEPŢIE
De mare importanţă pentru luarea de decizii corecte asupra lotului
de produse supus controlului statistic de recepţie este prelevarea
corectă a eşantionului (procedurile sunt date în STAS6085-86).
Sinteza elementelor necesare efectuării eşantionării pentru recepţia
loturilor se dă sub forma planurilor de control ce conţin:
- riscurile furnizorului,
-riscul beneficiarului,
-nivelul calităţii
producţiei şi -criteriile de
decizie.
Din punct de vedere probabilistic orice lot de produse conţine o proporţie
de produse defecte (necorespunzătoare) numită fracţiune defectivă.

Practic, controlul prin eşantionare reprezintă o formă a testăriii


potezelor statistice, prin aplicarea planurilor de control statistic
decizându-se dacă lotul de produse poate fi acceptat sau respins.
Ipoteza nulă este H0:p<p0(acceptare)cu alternativa H1: p>p0(respingere), unde p0
este nivelul critic al fracţiunii defective determinat pe baze economice.

II.6.2.1. ERORILE POSIBILE LA APLICAREA CONTROLULUI STATISTIC DE RECEPŢIE

Scopul controlului statistic de recepţie este de a determina dacă


această fracţiune defectivă nu depăşeşte o anumită valoare critică.
Prin aplicarea controlului statistic de recepţie se poate ajunge la două
feluri de decizii eronate:

Eroare de genul 1 (riscul furnizorului) Eroare de genul 2 (riscul beneficiarului)

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online


unde s-a notat :
n–volumul eşantionului,
N–volumul lotului,
CC–calitate corespunzătoare,
CN–calitate necorespunzătoare.

Eroarea de gen 1 inseamna respingerea unui lot corespunzător, eroarea


comisă notată α, apare din cauza faptului ca intreg eşantionul este
format din unităţi de calitate necorespunzătoare.

Eroarea de gen 2 inseamna acceptarea unui lot necorespunzător.


Eroarea comisă notată beta, se datorează faptului că întregul lot al
eşantionului este format din piese de calitate corespunzătoare,
defectivele fiind în totalitate în afara eşantionului.

II.6.2.2. CARACTERISTICA OPERATIVĂ A PLANURILOR DE CONTROL STATISTIC

Caracteristica operativă (CO) reprezintă corespondenţa dintre fracţiunea defectivă


(p) şi probabilitatea acceptării loturilor de produse
(Pa). CO poate fi descrisă prin funcția dată în relația
(Pa)=f(p)
care exprimă probabilitatea de acceptare a lotului ce conține o fracțiune
defectivă p = D/N unde D reprezintă numărul de defective, expresia
grafică constiuind-o Curba caracteristicii operative.
Se consideră nivelul p0 al fracțiunii defective pentru care dacă controlul
s-ar efectua integral și fără erori,
loturile cu p ≤ p0 ar fi acceptate cu certitudine iar
cele cu p > p0 ar fi respinse cu certitudine. Acest caz se consideră unul ideal, iar

Curba caracteristicii operative in forma ideală (sus)

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online


Curba caracteristicii operative in forma reala (jos)

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online


În realitate, datorită erorilor de reprezentativitate se comit erori de
decizie evaluate probabilistic prin riscurile α și β.
Cu cât are loc îndepărtarea de p=0 (fracțiune defectivă= 0 sau calitate perfectă)
spre p=1 (fracțiune defectivă 100% sau calitate nulă), are loc înrăutățirea calității.

Până la p0 se consideră faptul că totuşi calitatea are un nivel acceptabil


ceea ce conduce la acceptarea lotului.
Curba Caracteristicii operative reale arată că în realitate loturi de calitate
acceptabilă (p≤p0) pot fi totuși respinse, iar loturi necorespunzătoare (p>p0)
vor fi acceptate. Curba caracteristicii operative este prezentată mai jos
Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online
II.6.2.3. CURBA CO ŞI MĂRIMILE SPECIFICE CONTROLULUI STATISTIC DE RECEPŢIE

În jurul valorii p0 există o zonă de interferență în care deciziile sunt


echivalente, însă pe măsura îndepărtării dinspre p 0 spre 0 sau dinspre
p0 spre 1, probabilitatea respingerii unui lot corespunzător respectiv
accepării unui lot necorespunzător, scade.
Loturile corespunzătoare (p≤p1) se acceptă cu o probabilitate mare (Pa=1-
α), însă datorită erorilor de reprezentativitate (eșantionare) vor fi și loturi
corespunzătoare response nejustificat cu o probabilitate (α) mică.
Loturile necorespunzătoare (p≥p2)sunt respinse cu o probabilitate mare ( Pa=1-β ),
dar sunt și loturi necorespunzătoare care sunt acceptate cu o probabilitate (β) mică.
Atunci când loturile au fracțiunea defectivă cuprinsă între p 1 și p2, acestea sunt
respinse cu o probabilitate Pa=1-β-α , probabilitate care descrește pe măsură ce are
loc îndepărtarea din p1 spre p2, adică pe măsura înrăutățirii calității.

Domeniul Domeniulde Domeniulde Domeniulde


acceptare indiferenţă respingere
Fracţiunea 0 p1 p2 1
Defectivă (p) (AQL) (LQ)
Probabilitatea de 1>Pa>1- α 1- α >Pa> β β >Pa>0
Acceptare (Pa)
Fracţiune defectivă acceptată sau Nivel de Calitate Acceptabil AQL (Acceptable
Quality Level) este fracţiunea defectivă p1 adică fracţiunea defectivă maximă pentru
care lotul se acceptă (probabilitatea de acceptare este foarte mare, cel puţin 1- α).
Fracţiunea defectivă p2 este fracţiunea defectivă minimă pentru care
lotul se respinge (probabilitatea de acceptare de beneficiar este foarte
mică, cel mult β) şi se mai numeşte fracţiune defectivă tolerată sau Nivel
de Calitate Limită LQ (Limited Quality).
Fracţiunea defectivă p0 cu Pa(p0)=0,5 se numeşte fracţiune defectivă probabilă.

Mărimile p1, p2, α și β care materializează cerințele controlului statistic prin


eșantionare se stabilesc de catre furnizor și beneficiar de comun acord.
Aceste mărimi se stabilesc în mod diferit în funcție de fiecare produs în parte.
Între aceste mărimi există evident relațiile:
1>1-α>0,5>β>0
0 < p1 < p2 <
1 p2- p1 > 1/N

Calitatea medie după control – AOQ (Accepted Outgoing Quality) este


un indicator al eficienţei unui plan de control şi reprezintă calitatea
medie a producţiei livrate după controlul unui număr de loturi.
Prin aplicarea controlului vor rezulta evident loturi acceptate şi loturi respinse,
produsele defecte ale acestora din urmă înlocuindu-se cu produse
corespunzătoare. A. Dacă eşantionul (în cazul unui lot acceptat) s-a reintrodus în
lot fără înlocuirea produselor defecte, Calitatea medie după control
AOQ = pPa
B. Dacă produsele defecte au fost înlocuite, Calitatea medie după
control, AOQ, va fi:
AOQ = pPa (1-n/N) unde: n – volumul eşantionului, N – volumul lotului
Analiza evoluţiei AOQ conduce la concluzia că se produce o stabilizare a sa în timp.
Indicatorul corespunzător este limita calităţii medii după control AOQL şi reprezintă
valoarea maximă a lui AOQ fiind cel mai scăzut nivel al calităţii medii acceptabile:
AOQL = max AOQ
0<p<1
Nivelul de calitate acceptabil AQL (Acceptable Quality Level) reprezintă
procentul maxim de produse defecte sau numărul maxim de defecte la
suta de unităţi de produs pentru care lotul se consideră acceptabil din
punct de vedere al calităţii medii a producţiei.
Standardul STAS 3160-84 recomandă ca stabilirea valorii AQL să se facă de comun
acord de către furnizor şi beneficiar şi să fie înscrisă în contractele comerciale.
Gradul de gravitate a defectelor, recomandat de STAS3160/84 este:
-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%
Dacă produsele prezintă defecte de gravităţi diferite nivelul AQL se
stabileşte pentru fiecare tip de defect în parte.
În cazul în care există un număr mare de caracteristici de calitate, şi s-a stabilit
pentru fiecare nivelul AQL respective numărul de defecte admisibil A i, atunci se pot
determina Nivelul global AQL global și Nivelul global al numărului de defecte Aglobal.

Nivelul global AQLglobal se calculează ca fiind media geometrică a


nivelurilor individuale AQLi

1/m
AQLglobal= (AQL1 AQL2… AQLm)
Nivelul global al numărului de defecte A global se calculează ca fiind
media pătratică a valorilor individuale Ai
2 2 2 1/2
Aglobal= [(A1 + A2 … Am )/m]

O a doua abordare a nivelului AQL se bazează pe procentul mediu de


defecte stabilizat pmediu.
Se recomandă o valoare iniţială AQL = 0,8 pmediu.

II.6.2.4 PLANURI DE CONTROL ATRIBUTIVE

Există mai multe tipuri de control statistic prin atribute. Formele


prezentate în STAS 3160/1-84 corespund cu standardul American MIL
STD 105D preluate ulterior şi în ISO3951.
Planul de control simplu
Funcţie de numărul eşantioanelor controlate (k), planurile de control
attributive sunt simple (k=1), duble (k=2), multiple(k<8) şi pot fi diferenţiate
funcţie de gradul de severitate al controlului în normal,sever,redus.

Schema planului de control atributiv simplu


Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online
unde N–volumul lotului,
NC–niveluri de control funcţie de gradul de severitate impus:
normal, sever, sau redus (I,II,III-normale, S1, S2, S3, S4–speciale),
LC–litera de cod,
AQL–nivelul de calitate acceptabil,
A–numărul maxim de produse necorespunzătoare cu care lotul se acceptă,
R– numărul minim de produse corespunzătoare pentru care lotul se
respinge.

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online


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
Recepţia loturilor de produse înseamnă verificarea ipotezelor statistice:
Ipoteza nulă este H0: p <p1 cu alternativa H1: p >p1 .
Mărimile α, β, p1, p2 fiind fixate și cunoscând ”N”, volumului lotului, se
poate determina volumul “n” al eşantionului precum şi numărul maxim
de produse defecte din eşantion A (care se mai numeşte şi număr de
acceptare) care condiţionează acceptarea, iar 0<A<n<N (A poate fi si 0).
Notând cu “D” numărul de produse defecte din lotul de volum “N”iar G = N
- D produse corespunzătoare, prin eşantionare se obţine un volum de “n”
produse care se controlează bucată cu bucată fără a fi reintroduse în lot.
Probabilitatea ca să obţinem în “n” extrageri “d” produse defecte (g = n - d produse
corespunzătoare) este dată de relaţia corespunzătoare repartiţiei
hipergeometrice p(n,d) =CDd CN-Dn-d/ CNn.
Pentru eşantioane foarte mari modelul repartiţiei hipergeometrice poate
fi aproximat prin modelul binomial (în ipoteza că după verificare fiecare
produs se reintroduce în lot) conform relaţiei:
d
p(n,d)= Cn pd(1-p)n-d (limita după n foarte mare).

Atunci când produsele defecte au frecvenţă de apariţie relativ mică (p <


0,1) şi n > 30 (astfel încât n/N < 0,05) modelul hipergeometric se
aproximează prin modelul Poisson:
d -np
p(n,d)={ (np) /d!} e

Planul de control dublu


Schema planului de control dublu (conform STAS3160/1-84) este următoarea:

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online


Procedeul de utilizare a unui plan de control atributiv dublu

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online

Planul de control multiplu


Planul de control multiplu atributiv este similar planului dublu cu
observaţia că k < 7, iar efectivele eşantioanelor sunt egale n 1=n2=…=n7

II.6.2.5 PLANURI DE CONTROL PRIN MĂSURARE

Aplicarea controlului prin măsurare are la bază ipoteza că valorile


caracteristicii de calitate sunt repartizate normal sau aproximativ
normal.Procedurile de urmat sunt descries în STAS3160/3-84.
Cunoscând legea de repartiţie şi fiind fixate limitele câmpului de
toleranţă (valorile limită specificate), Ls, TS, LSS–limita specificată
superioară, respective Li, TI, LSI– limita specificată inferioară se pot
determina probabilităţile ca aceste limite să nu fie depăşite.
Probabilitate egală cu fracţiunea defectivă este preprezentată de aria
haşurată din figura următoare.

Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online


Fracţiunile defective aferente limitelor inferioară, superioară, bilateral.
Utilizând pentru determinarea fracţiunii defective funcţia Laplace Φ(z),
atunci se obţin valorile probabile ale lui p.

P=1/2-Ø(Zpi,s) atunci când caracteristica de calitate este limitată


inferior respectiv superior
Sau P=1-2Ø(Zp) unde Zp=ITS/2=(TS-TI)2 atunci când caracteristica
de calitate este cuprinsă între TI şi TS, (ITS/2=(TS-TI)/2 reprezentând
jumătatea câmpului de toleranţă.

Planul de control simplu prin măsurare


Pentru aceste planuri, la baza deciziei stau rezultatele măsurărilo x 1,x2,
…,xn efectuate asupra unui eşantion de volum “n” fixat funcţie de
cerinţele furnizorului şi/sau beneficiarului.
Volumul eşantionului “n” şi factorul (constanta) deacceptare “k” se pot
calcula din condiţiile Pa(p1)= 1- α respective Pa(p2)= β
Planurile de control prin măsurare utilizate în STAS3160/3-84 se bazează
pe schema următoare şi respect regulile generale stabilite pentru
controlul atributiv de recepţie.
Cea mai utilizată este metoda x–s cazurile principale fiind atunci când limitele
superioare şi inferioare au acelaşi AQL, respective când au valori AQL diferite.
Sursa Pugna,A. Ingineria si Managementul Calităţii,curs online

Schema generală de determinare a caracteristicilor planului de control


prin măsurare
Unde MSD – abaterea medie pătratică maximă,
MAR – amplitudinea medie maximă

BIBLIOGRAFIE
1.Baron,T., Calitate şi fiabilitate.(1988). Bucureşti: Editura Tehnică
2.Ciobanu,M., ş.a., (1999). Ingineria calităţii. Bucureşti: Editura Printech
3.Carp, V., Carp, D. Statistica Economica, Oradea,2003, Editura
Universitatii din Oradea
4.Iliescu, D. V., Vodă, V. Gh., (1977). Statistică și Toleranţe. Bucureşti:
Editura Tehnică.
5.Isaic-Maniu,A., Vodă,V.H.,Manualul calităţii, (1998). Bucureşti:Editura Economică.
6.Juran, J.M., Gryna, F.M.jr., (1972). Calitatea produselor. Bucureşti: Editura Tehnică.
7.Oprean, C., Kifor, C. V., & Suciu, O., (2005).Managementul integrat al calității.
Sibiu, Ed.Universitatii "Lucian Blaga" din Sibiu.
8.Panaite, V., Munteanu, R., (1982). Control statistic şi fiabilitateBucureşti: E.D.P.
9.Pugna, A. P., (2003). Metode Matematice de Analiză a Calităţii, Partea I. Timişoara:
Editura Solness.
10.Pugna, A. P., POtra, S., (2015). Controlul și Asigurarea Calității. Ghid
de redactare a Documentelor Calității. Timişoara: Editura Solness.
11. Pugna,A. Ingineria si Managementul Calităţii,curs online, Facultatatea de
Management in Producție și Tansporturi, Universitatea Politehnica Timisoara,
12.Popescu O. coordinator (1997). Matematici aplicate in economie,
Bucuresti, Editura Didactică si Pedagogica