Sunteți pe pagina 1din 44

Curs IC

Anul III IMC


Facultatea de Inginerie Industrială și
Robotică

1
Controlul statistic al proceselor
➢ este o metodă a management al calităţii, cu
ajutorul căreia poate fi supravegheat un process
iar la nevoie se poate efectua o intervenţie de
reglare, respectiv de corectare a procesului,
înainte de a rezulta neconformităţi;
➢ în cazul unui proces tehnologic complex,
procedeele statistice ajută la identificarea
precoce a abaterilor sistematice ale procesului,
astfel încât caracteristicile calitative să se
menţină în limitele de toleranţă prestabilite;
➢ principiul de bază al metodei nu este
identificarea erorilor, ci evitarea lor; 2
Controlul statistic al proceselor
➢ toate procesele de fabricaţie, indiferent de
natura acestora, sunt incapabile să producă
identic acelaşi produs;
➢ există întotdeauna o dispersie a
caracteristiclor, astfel:
➢ o dimensiune liniară pe un lot de piese nu
va fi niciodată exact 10 mm ci va fi cuprinsă
între 9,97 şi 10,03 de exemplu;
➢ un lot de rezistenţe electrice nu va avea
valoarea nominală 10 Ohmi ci va avea valori
între 9,9 şi 10,1 ohmi;
3
Controlul statistic al proceselor
➢ această varibilitate este imposibil de evitat iar
ceea ce se urmăreşte este numai ţinerea
proceselor sub control;
➢ variaţiile măsurate provin din analiza 5M a
procesului (a se vedea seminar/proiect):

4
Controlul statistic al proceselor
➢ mai există o posibilitate de a observa greşit
procesul şi anume MĂSURAREA;
➢ în cele ce urmează se va lucra în ipoteza în
care aceasta nu introduce erori suplimentare în
determinarea caracteristiclor produselor;

5
Analiza formei dispersiei
➢ analiza producţiei pe o maşină-unealtă
reglată corespunzător arată că repartiţia
produselor urmează o lege normală de tip
clopot; se mai numeşte distribuţie Guass sau
Laplace-Gauss;

6
Analiza formei dispersiei
ഥ - reprezintă media eşantionului;
➢𝑿
➢ 𝝁 - reprezintă media întregii populaţii
(producţiei);
➢ S – este abaterea medie pătratică a
eşantionului;
➢ 𝝈 – este abaterea medie pătratică a întregii
populaţii;

➢ D – se numeşte dispersie: 𝑫 = σ^𝟐;


➢ dacă o distribuţie nu urmează o lege normală
atunci procesul este cu siguranţă dereglat;
7
Analiza formei dispersiei
➢ dacă un reglaj este realizat defectuos pe
valorile +3 şi -3, pentru un lot de 100 de piese,
curbele posibile a fi obţinute sunt cele din
figură;

8
Analiza formei dispersiei
➢ cauzele comune ale dispersiei sunt prezente
întotdeauna în diferite grade în toate procesele
de producţie existente;
➢ dacă nu există decât cauze comune în variaţia
unui proces atunci se va spune că procesul este
sub control;
➢ exemple de cauze comune:
➢ jocuri în lanţul cinematic al maşinii-
unealtă;
➢ vibraţiile normale induse de componentele
în mişcare etc; 9
Analiza formei dispersiei
➢ cauzele speciale ale dispersiei sunt neregulate
şi instabile;
➢ apariţia unei astfel de cauze implică imediat
interveţia asupra procesului;
➢ există două tipuri de cauze speciale:
➢ cele care intervin asupra poziţiei valorii
măsurate (dereglarea unei m.u. de ex.);
➢ cele care acţionează asupra dispersiei şi
deci asupra capabilităţii procesului (lipsa
lubrifierii corecte a unor lagăre);
10
Analiza formei dispersiei

11
Supravegherea proceselor
➢ se poate face urmărind limitele naturale a
unui proces sau limitele de toleranţă impuse
piesei;
➢ limitele naturale ale procesului sunt date de
cauzele comune ale dispersiei şi dacă media
producţiei este centrată pe valoarea nominală
(ţintă) atunci valorile rezultate se vor regăsi în
intervalul ±𝟑𝝈; are valoare de predictibilitate;
➢ câmpul de toleranţă serveşte pentru a
determina dacă o piesă este acceptabilă sau nu;
se realizează un diagnostic retrospectiv (privire
înapoi) asupra procesului; 12
Supravegherea proceselor
➢ se consideră un proces de fabricaţie cu 25 de piese
(serie mică) fiecare piesă fiind controlată 100%;
➢ dacă se conduce procesul prin limitele de toleranţă
se va interveni când valorile obţinute vor fi în
vecinătatea acestora.

13
Supravegherea proceselor
➢ mult mai indicat este să se utilizeze o
conducere statistică a procesului, în acest caz
descentrarea acestuia fiind mult mai evidentă şi
intervenţia pentru recalibrarea lui putând avea
loc la momentul potrivit;
➢ tradiţional munca unui operator reglor constă
în reglarea maşinii unelte şi în supravegherea
acesteia ca aceasta să nu se deregleze; în acest
scop, din când în când, el prelevează câte o
piesă pe care o măsoară şi apoi intervine asupra
procesului în funcţie de rezultat;
14
Supravegherea proceselor
➢ rezultă apariţia unor erori deoarece există o greşeală
de judecată confundându-se dispersia normală a
maşinii unealtă cu dereglarea acesteia;
➢ o măsurare reprezintă suma a două efecte: un efect
de reglare a maşinii (sistematic); un efect al dispersiei
(aleator);

15
Supravegherea proceselor
➢ pentru a regla corect o maşină-unealtă trebuie
eliminat efectul dispersiei pentru a determina reglarea
corespunzător;
➢ dispersia asupra mediei valorilor este mult mai mică
iar probabilitatea de detectare a dereglării mult mai
mare decât în cazul valorilor individuale analizate
separat (vezi fig.);

16
Definirea
Modelul de procesului

îmbunătățire a calității Selectarea


punctelor
de
măsurare

Colectarea
și interpr.
datelor

➢ Procesul este capabil?


Procesul Nu Investigare și
identificare
➢ Procesul răspunde este
stabil
cauze
speciale
?

➢ nevoilor clienților? Da

Nu Procesul
Îmbunătățirea este
capabilității capabil
procesului ?
Da
Se va utiliza
Controlul
Statistic al
Procesului

17
CAPABILITATEA PROCESULUI
➢ Condiția necesară, dar nu suficientă, pentru ca un proces să fie
capabil, este ca acesta să fie stabil

Cartela de Control Shewhart a procesului Histograma procesului

UCL - LSC

CL – M

LCL -- LIC
2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32
Ordinea de măsurare LSL - Lower Spec Limit USL - Upper Spec Limit
Valoarea Nominală

18
Evaluarea capabilității pentru contabilizarea neconformităților
săptămânale pe o linie de producție
Săpt. # Nr. neconf
1 15 Nr. neconf.
Cartela de Control
2 22 35
3 18 30
UCL=28.0
4 10
25
5 13
20
6 9
15 Avg=16.0
7 27
8 12 10

9 24 5 LCL=4.0
10 22 0
5 10 15 20
11 8
Săptămâna
12 8
13 26
14 16
15 20 Procesul este capabil așa cum se prezintă
16 10
17 16
acum?
18 9 Ar trebui îmbunătățit?
19 15
20 20 19
Total 320
Măsurarea capabilității procesului

Capabilitatea generală a procesului - Cp

Specificații tehnice = USL - LSL = As - Ai


Cp =
Dispersia reală a procesului 6s c 6s c

Cp < 1.0 → Procesul nu este capabil


Cp = 1.0 → Procesul este marginal capabil
Cp > 1.0 → Procesul poate fi capabil (în general peste 1,33)

Ipoteză: S-a presupus că procesul are ca țintă nominală


centrul intervalului, că procesul este stabil și distribuția este de tip
normal (Gauss)

20
Măsurarea capabilității procesului

Indexul capabilității procesului - Cpk

Distanța de la media
procesului până la cea mai
apropiată limită
Cpk =
= ½ * Dispersia reală a procesului =
3s c 3s c

Notă: sunt posibile valori negative dacă procesul se află în afara specificațiilor
tehnice

C pk < 1.0 → Procesul nu este capabil


C pk = 1.0 → Procesul este marginal capabil
Cpk > 1.0 → Procesul poate fi capabil (în general peste 1,33)

Notă: evaluarea capabilității pentru procese INSTABILE, nu poate oferi o


indicație valorificabilă asupra modului în care procesul se desfășoară efectiv

21
Capabilitatea procesului

LSL USL

Ce număr de produse se află în afara specificațiilor?


Câte pe termen scurt și câte pe termen lung?

22
Rata capabilității procesului

LSL USL

Vocea procesului

Vocea clientului

Ce raport există între nevoile exprimate de client și posibilitatea reală oferită


de proces?

23
Strategii de îmbunătățire a capabilității procesului

1. Centrarea procesului pe valoarea Medie/Nominală


2. Reducerea variației rezultatelor obținute

Neconformități
Neconformități

LSL USL

24
Recapitulare

Există doi indici de măsurare a capabilității pe termen scurt a procesului:


➢ Cp
➢ Cpk

USL − LSL
Cp =
6sc

X- LSL USL- X
Cpk = Min( , )
3sc 3sc

25
Nivelul de calitate apreciat în funcție de valoarea abaterii
medii pătratice - sigma

26
Exemplul 1:
LSL - Ai USL-As
27 mm 33 mm

u = 30 mm
s c= 1

USL − LSL
Cp =
6sc

Cp = __________
27
Exemplul 2 – se reduc abaterile/specificațiile tehnice, rămâne
constantă sigma
LSL - Ai USL-As
29 mm 31 mm

u = 30 mm
s c= 1

USL − LSL
Cp =
6sc

Cp = __________
28
Exemplul 3 – se mărește abaterea/specificațiile tehnice, se
reduce abaterea medie pătratică sigma
LSL USL
28 mm 32 mm

u = 30 mm
s c = 0.333

USL − LSL
Cp =
6sc

Cp = __________
29
Exemplul 4 – rămân fixate specificațiile tehnice, rămâne
fixată sigma și se modifică (alunecă) media
LSL USL
28 mm 32 mm

u = 33 mm
s c = 0.333
USL − LSL
Cp =
6sc

Cp = __________
30
Pentru a ține cont de alunecarea mediei valorilor se calculează
Indexul Capabilității procesului Cpk

X- LSL USL- X
Cpk = Min( , )
3sc 3sc

X- LSL USL- X
CpL = CpU =
3sc 3sc

31
Se calculează indexul capabilității Cpk

LSL USL
28 mm 32 mm

u = 33 mm
s c = 0.333

CpL = ___________ CpU = ___________


Cpk = ____________

32
Exemplu:
Trei strunguri automate sunt evaluate din punct de vedere al capabilității pentru a
afla care dintre ele pot să realizeze producția unui arbore de oțel cu diametrul de 16
mm și câmpul de toleranță ±0,2 𝑚𝑚.
Din datele istorice se cunosc abaterile medii pătratice obținute la prelucrarea pe
aceste mașini.
Date se prezintă tabelar: ◼ Formule de calcul
Strungul A
Strung σ USL-LSL 6σ

A 0,05 0,4 0,3

B 0,1 0,4 0,6 Strungul B

C 0,2 0,4 1,2

Strungul C

33
CP & CPK măsoară capabilitatea pe
I Chart for C1
termen scurt
39
3.0SL=37.36

Individual Value
Procesul este sub 34
Control statistic ?
X=30.60
Există neconformități ? 29

24 -3.0SL=23.84

0 5 10 15 20 25 30 35
Observation Number

Capabilitatea pe termen scurt acoperă de obicei o


perioadă limitată în timp destul de redusă (zile,
săptămâni, și are în general între 30 și 50 de prelevări
de eșantioane) în funcție de aplicația concretă
34
Capabilitatea pe termen lung – performanța
I Chart for C3
procesului Pp
50
3.0SL=47.12

Individual Value
40 Capabilitatea
pe termen scurt
X=33.80

30

20 -3.0SL=20.49

0 50 100
Observation Number

Capabilitatea pe termen lung (performanța procesului)


acoperă o perioadă relativ mare de timp (săptămâni, luni,
ani) și constă în analiza a sute de eșantioane de date.

35
Compararea capabilității pe termen scurt cu
performanța procesului – capabilitatea pe
termen lung
Date statistice înregistrate

Variabile N Media Sigma


Termen scurt 30 30.6 2.23
Termen lung 180 33.8 4.44

Care este diferența între evaluarea capabilității pe termen


scurt și pe termen lung?
Ce se modifică?
Ce rezultat provoacă analiza unui set mai mare de date?
36
Dinamica normală a unui proces de prelucrare

LSL USL

Capabilitatea pe
termen scurt

Capabilitatea pe
termen lung

În decursul timpului, un proces poate să varieze statistic de la


media rezultatelor cu aproximativ 1.5s 37
Măsurarea capabilității pe termen lung –
performanța procesului
Specificațiile tehnice = USL - LSL
Pp =
Variația reală a procesului 6s s

Pp < 1.0 → Performanța procesului este nesatisfăcătoare

Pp = 1.0 → Performanța procesului satisfice marginal specificațiile

Pp > 1.0 → Performanța procesului este bună

Notă: se presupune că procesul este centrat pe media


specificației tehnice, procesul este sub control statistic iar
distribuția valorilor este normală

38
Măsurarea capabilității pe termen lung pentru
cazul în care media rezultatelor obținute nu
este centrată pe jumătatea câmpului de
toleranță
Distanța față de cea
mai apropiată limită
Ppk = =
½ Variația reală a procesului 3s s

Ppk < 1.0 → Performanța procesului este nesatisfăcătoare

Ppk = 1.0 → Performanța procesului satisfice marginal specificațiile

Ppk > 1.0 → Performanța procesului este bună

Notă: se presupune că procesul este centrat pe (media)


specificației tehnice, procesul este sub control statistic iar
distribuția valorilor este normală
39
Înregistrarea capabilității VERSUS evaluarea
performanței procesului
Numărul
CO2de Levels
neconformități zilnice
for 55 Time pentru 55 de zile
Points

14

defecte
13

Nr. de
CO2-Shrt
12

11

10

Index 10 20 30 40 50

Aceste rezultate arată că dacă procesul al fi mai bine


controlat rezultatele ar fi mult mai bune decât în prezent
Relația Capabilitate proces – concept Six Sigma?
Ținta conceptului șase sigma este de a avea următoarele valori pentru
capabilitatea procesului:
Cp = 2.0
Cpk = 1.5
Indexul capabilității Cpk este fixat la valoarea 1.5 pentru a permite alunecarea
Normală cu 1.5 sigma față de țintă (mijlocul intervalului de toleranță).
Exemplu: Valoarea țintă a vâscozității unui ulei industrial este de 0.76.
Abaterea medie calculată s c a procesului este 0.01.
Limitele inferioare și superioare de control sunt 0.70 și 0.82.
Să se calculeze Cp și Cpk 0.82 - 0.70 0.12
Cp = = = 2.0
6x(0.01) 0.06
0.82 - 0.775 0.045
Cpk (target + 1.5sc ) = = = 1.5
3(0.01) 0.03
LSL USL

41
0.70 0.71 0.72 0.73 0.74 0.75 0.76 0.77 0.78 0.79 0.80 0.81 0.82
T-1.5sc T T+1.5sc
Variabilitatea totală măsurată este cauzată de
două componente

s 2 = s process + s test
2 2
total
Unde: s2 = s c2 (Presupunând că procesul este stabil)
total
s 2 = s S2 (Pentru procese instabile se estimează sigma)
total
s test
2 Poate fi estimat prin:
1) Probă de referință standard - Eșantionare repetată
2) Test de Reproductibilitate și Repetabilitate

VARIABILITATEA PROCESULUI poate fi estimată făcând diferența dintre


variabilitatea totală înregistrată și variabilitatea cauzată de măsurare
42
Concluzii

43
Vă mulţumesc frumos!

44