Capitolul - IV METODE STATISTICE PENTRU

CONTROLUL CALITĂŢII ŞI
FIABILITĂŢII PRODUSELOR

CUPRINS

1. Dirijarea statistică a proceselor de producţie

1.1 . Omologarea capabilităţii proceselor tehnologice

Introducere
Stabilitatea procesului
Câmp de împrăştiere, câmp de toleranţă
Capabilitatea procesului
Dimensionarea eşantionului
Verificarea caracterului întâmplător al repartiţiei
Eliminarea valorilor aberante
Validarea legii de repartiţiei
Calculul fracţiunii defective probabile

1.2. Metode de control pe fluxul fabricaţiei

. 1. Controlul reglării şi preciziei procesului

2. Fişe de control statistic

1
Capitolul – IV
Metode statistice pentru controlul
calităţii şi fiabilităţii produselor

Nu există practic domeniu referitor la calitatea producţiei în care

statistica să nu contribuie cu proceduri, metode, tehnici etc. de prelucrare,
interpretare şi intervenţie corectivă în proces. De la recepţia materiilor
prime, la interpretarea analizelor de laborator, la alcătuirea planurilor de
recepţie a loturilor de produse finite, până la urmărirea comportării în
exploatare a produselor la beneficiar statistica pune la dispoziţie un întreg
arsenal metodologic. Dintre cele mai importante prezentăm:

1. Dirijarea proceselor de producţie

1. Omologarea capabilităţii proceselor de producţie

Introducere

Procesele tehnologice (de producţie industrială) sunt astfel

organizate încât să se poată genera colectivităţi de produse similare în care

2
să se regăsească încorporate caracteristicile unui anumit model conceptual
(proiectul produsului respectiv).
Fiind vorba de generarea unor colectivităţi de produse, este aproape
evident faptul că acestea nu se pot realiza decât prin funcţionarea procesului
tehnologic o perioadă dată de timp, în care, pentru ca unităţile de produs să
fie cât mai aproape calitativ de modelul conceptual, sistemul de factori care
guvernează procesul trebuie să fie ţinut sub control, să fie cât mai stabil
posibil.
Datorită variabilităţii intrinseci (inerente) a proceselor de fabricaţie,
unităţile de produs nu pot fi absolut identice - nici între ele, nici cu modelul
care le stă la bază - identitatea realizându-se doar statistic la nivelul unei
probabilităţi dorită cât mai mare (adică apropiată ca valoare de 1).
Ca o consecinţă a acestei situaţii obiective ce caracterizează
producţia de tip industrial, se desprind două idei în afara cărora orice
raţionament în sfera producţiei industriale este fals:
a) un proces tehnologic poate asigura o reproducere a modelului
unui produs numai cu o fidelitate mai mică sau cel mult egală (în mod
excepţional) cu 100%;
b) unica informaţie în stare să pună în evidenţă nivelul acestei
fidelităţi de reproducere a modelului, tendinţele de evoluţie ale acestui
nivel, precum şi modificările tendinţelor ce se manifestă consecutiv unor
decizii tehnico-economice, este informaţia statistică.
Apare deci clar faptul că performanţele specificate într-un concept
(proiect) nu pot fi îmbunătăţite pe seama procesului tehnologic şi, în plus,
nivelul de fidelitate al reproducerii conceptului unui produs de către un
proces de producţie special organizat în acest sens, reprezintă una din
informaţiile esenţiale în evaluarea (estimarea) calităţii care poate fi aşteptată
de la produsul respectiv.
Evaluarea nivelului de fidelitate al reproducerii modelului face parte
din activitatea mai complexă de asigurare a calităţii definită de regulă ca
ansamblul de acţiuni planificate şi sistematice, necesare pentru a garanta că
produsul este astfel realizat încât să fie capabil de a satisface necesităţile
specificate.

3
 Fidelitatea reproducerii modelului specificat este însă scopul final al
procesului de fabricaţie. Realizarea unei fidelităţi cât mai mari nu poate
avea loc decât prin procese tehnologice omologate şi ulterior optimizate din
punct de vedere economic.

Stabilitatea procesului

Calitatea produselor se obţine în procesul de producţie.

Controlul proceselor tehnologice şi al calităţii producţiei se poate
efectua în două moduri:
1 - ca un control total, bucată cu bucată sau "sută la sută" şi
2 - ca un control prin sondaj, fundamentat pe teoria probabilităţilor
şi statistică matematică.
În cursul desfăşurării procesului de producţie, au loc variaţii ale
caracteristicilor de calitate ale produselor care pot genera pierderi din
rebuturi. Aceste variaţii se datoresc atât cauzelor de producţie întâmplătoare
(aleatoare) cât şi celor sistematice.
 Cauzele de producţie întâmplătoare sunt acele cauze care
acţionează întâmplător asupra procesului de producţie. Ele sunt deosebit de
numeroase, greu de identificat, individualizat şi măsurat. Acţiunea lor este
complexă iar influenţa tuturor cauzelor intră sub acţiunea legii numerelor
mari şi se anihilează (parţial) reciproc.
 Cauzele de producţie sistematice acţionează într-o anumită direcţie,
producând prin aceste abateri de la specificaţii. În cele mai multe situaţii,
ele duc la obţinerea unei producţii necorespunzătoare. De aceea, ele trebuie
depistate rapid şi eliminate.
 Proces de producţie stabil este acela care se află numai sub
influenţa cauzelor de producţie întâplătoare, specifice respectivului proces.

4
 Procesul de producţie este instabil când asupra sa acţionează sub
influenţa cauze de producţie sistematice ce determină variaţia unilaterală ca
sens a valorilor caracteristicii.
La rândul său, procesul de producţie stabil poate fi:
- statistic stabil şi
- dinamic stabil.

Câmp de împrăştiere, câmp de toleranţă

Sub influenţa diferitelor cauze de producţie, caracteristica de

calitate a unui produs variază în cadrul unor limite numite limite de
împrăştiere (li - limita de împrăştiere inferioară şi ls - limita de împrăştiere
superioară). Mărimea acestei variaţii, respectiv a intervalului de împrăştiere,
se numeşte câmp de împrăştiere.
Prin specificaţii sunt stabilite limitele în interiorul cărora este
permisă variaţia valorilor caracteristicii astfel încât produsul să fie
corespunzător calitativ. Aceste limite se numesc limite de toleranţă şi se
notează cu Ti - limita de toleranţă inferioară şi T s - limita de toleranţă
superioară.
Zona dintre aceste două limite reprezintă câmpul de toleranţă (T).

5
 xi
Câmp de toleranţă l

Câmp de împrăştiere T
Reglarea se caracterizează prin poziţia câmpului de împrăştiere a
valorilor caracteristicii, exprimată prin poziţia centrului de grupare al
repartiţiei. Maşina se consideră corect reglată când centrul câmpului de
împrăştiere (centrul de grupare) al valorilor caracteristicii de calitate este
aproximativ egal cu centrul câmpului de toleranţă.
Pentru aprecierea reglării se folosesc parametrii statistici ca: media
x , mediana Me, modulul M0 etc.
Precizia maşinii se poate caracteriza prin mărimea câmpului de
împrăştiere şi este considerată corespunzătoare când mărimea acestuia nu
depăşeşte pe cea a câmpului de toleranţă. Precizia se exprimă cu ajutorul
parametrilor de împrăştiere s, A, Cv.
Ti lPrincipalele
i
Tc stări ale
ls procesului
T s li Ti de producţie,
Tc atât din punct
T s de
ls
vedere al reglării cât şi
a. Câmpul de împrăştiere din punct de vedere al preciziei, sunt următoarele
b. Câmpul de toleranţă
(vezi figura 2).
Figura 1

6
 Ts

a. proces de producţie corespunzător ca reglare;

b. proces de producţie corespunzător ca reglare, însă
Tc necorespunzător ca precizie;
c,d. proces de producţie necorespunzător ca reglare, însă
corespunzător ca precizie;
e,f. proces de producţie necorespunzător atât ca reglare cât şi ca
Ti precizie.

a b c d e f g h
. Capabilitatea procesului

Figura 2

7
 Capabilitatea procesului
-34% 34%de producţie este măsură a preciziei sau
-|34%|+34%=68%
uniformităţii cu care acesta realizează caracteristicile de calitate ale unui
anumit produs.
Studiul capabilităţii serveşte pentru:
- stabilirea performanţelor reale ale unui proces de producţie;
- elementele de "start" în fixarea parametrilor planurilor de sondaj
pentru recepţia loturilor de produse; |-13,5%|+13,5%+68%=95%
-13,5%
- stabilirea 13,5% referitoare la calitatea producţiei.
condiţiilor contractuale
Pentru aprecierea performanţelor utilajelor de a realiza o încadrare
|-2,4%|+2,4%+95%=99,8%
corespunzătoare
-2,4% a câmpului de toleranţă2,4%(adică a capabilităţii utilajului),
specialiştii utilizează intervalul de împrăştiere al caracteristicii ks (sau ks),
  ori egal cu 6s (corespunzător regulii ± 3s).
intervalul luat de cele mai multe
Aşa de exemplu, în intervalul  2 ± 3s sunt cuprinse 99,8% din valorile
înregistrate într-o observare, 3în intervalul ± 2s aproximativ 95%, iar în
intervalul ± s numai 68% din valori (vezi figura 7.3).

Figura 3

8
 6
Indicatorul sintetic al capabilităţii: C A P  , unde CAP Î
T
(0,6;0,8) ® capabilitate acceptabilă.

Dimensionarea eşanţionului
xi
4.005

3.990
Metode de prelucrare:
3.975 1. Metoda sondajelor de volum mare;
2. Metoda sondajelor de volum mic.
3.960
Mărimea eşantionului:
3.945 z 2  2
n 2 sondaj repetat
3.930 x
z 2   2
n  20 40 60sondaj nerepetat
80 100 120 140
n z    Figura 4 Graficul de timp
2 2
2 x 
N

9
 Rezultatele cercetării sunt în continuare reprezentate prin puncte
într-un sistem de axe rectangulare în graficul de timp (figura 7.4).

. Verificarea caracterului întâmplător al repartiţiei

- metoda iteraţiilor;
- metoda diferenţelor succesive;
- criteriul semnelor;
- testul Wallis-Moore.
Iteraţia - un grup de valori mai mici sau mai mari faţă de valoarea
medianei.
- numărul minim de iteraţii:
1
I a   n  1  za n  1 
2
IIa  procesul sub acţiunea cauzelor aleatoare.

Eliminarea valorilor aberante

- necesitatea validării legii de repartiţie;

- alcătuirea seriei de repartiţie;
- prezentarea grafică;
- teste de validare.
x(1) p  m  Z( n ) p
x( n ) p  m  Z( n ) p

Validarea legii de repartiţie

10
 Ca teste analitice pentru verificarea concordanţei se utilizează: testul
2, testul lui Kolomogorov, testul lui Massey etc.

Testul 2 (hi pătrat)

Vom presupune că datele unui sondaj de mărime n au fost

repartizate în k grupe având frecvenţele n1, n2, ..., nk, iar probabilităţile ca
valorile observate să aparţină grupelor respective sunt p1, p2, ..., pk adică:

 n1 , n2 ,..., n p ,..., nk 
 p , p ,..., p ,..., p  cu:
 1 2 p k
n kpi
n1  n2 ...nk   ni  n si p1  p2 ... pk    1
i 1 i 1

k  n  np  2

  
2 i i
Mărimea calculată cu relaţia 2
unde
i 1 npi
pi   ( zi )   (zi 1 )
(zi) - valorile funcţiei Laplace pentru mărimile Z i calculate pentru
x x
fiecare interval al seriei de repartiţie: zi  i
s
Excepţie: p1=0,5+(zi) şi pk=0,5-(zk-1).
Dacă nivelul 2 calculat depăşeşte 2(:i-k-(r+1)) (tabelar) rezultă că
ipoteza privind normalitatea nu poate fi respinsă.
 Metoda sondajelor de volum redus
- se aplică în cazul proceselor de mare randament, volumul controlat fiind:
- N = r x n, unde r - probe iar n - volumul unei probe.

Calculul fracţiunii defective probabile

Prin definiţie, fracţiunea defectă reprezintă probabilitatea ca

valorile caracteristicii X să depăşească limitele câmpului de toleranţă, adică:

11
 =P(XTi; XTs)= 1-P(Ti XTs)
În cazul caracteristicilor normal repartizate:
T  Tc Ts  Tc
p=1-[(zs)-(zi)]=1-2(z) unde z i  i ; zs  iar datorită
 
simetriei limitelor
Pi de toleranţă faţă de centrul câmpului
Ps de toleranţă z=z s=|

(zi) (zs)

Ti Tc Ts
Figura 5 Fracţiunea defectă probabilă

T
zi|1 cu z  (vezi figura 5.).
2

Conceptul de omologare a capabilităţii unui proces tehnologic

include două componente:
1) starea de control statistic a procesului;
2) o anumită valoare convenabilă a indicelui de capabilitate al
procesului.
Noţiunea de indice de capabilitate a unui proces aparţine lui W.A.
Shewhart şi a fost enunţată în lucrarea sa din 1931. Shewhart a pornit de la
următoarele consideraţii: se ştie că la proiectarea unui produs, fiecărei
caracteristici de calitate a acestuia i se atribuie un interval de variaţie
"tolerat" [Ti, Ts] în care se permite ca respectiva caracteristică să ia valori.
valorile limită, Ti şi Ts se mai numesc specificaţii tehnice sau toleranţe.
Desigur, este posibil să avem intervale unilaterale de toleraţă, după cum

12
este posibil ca pentru unele caracteristici să nu aloce toleranţe ci doar
valoarea nominală. În multe cazuri, la caracteristici dublu tolerate, centrul
intervalului de toleranţă se află la valoarea nominală a caracteristicii, după
cum în multe cazuri, toleranţele pot fi asimetric dispuse faţă de această
valoare nominală.
Din cauza unei multitudini de factori care acţionează în procesul
generator al produsului, este foarte plauzibil ca aceasta să nu poată realiza
întocmai valorile caracteristicii X în intervalul de toleranţe prescris prin
documentaţia tehnică ("blueprint - tipăritura albastră, desenul de proiect - în
limbajul lui Shewhart). Procesul are propriile sale toleranţe, pe care
Shewhart le-a numit statistice - în limba română aceste toleranţe fiind
numite “naturale”, pentru a pune în evidenţă comportarea proprie, firească,
a procesului (statistical tolerances, în limba engleză; statisticeskie
tolerantnîie predelî, în limba rusă; toleranze naturali, în limba italiană. În
literatura de specialitate americană actuală, aceste limite se numesc tot
"naturale" - natural tolerances."
Nu întotdeauna, intervalul natural de toleranţă (INT) coincide ce cel
specificat. Shewhart a estimat acest interval natural INT prin indicatorul 6s,
unde s este abaterea standard calculată cu valorile măsurate ale
caracteristicii

 
s  n 1  x i  x  
2 1/ 2
, x  n 1  xi

Se observă că raportul ITS/INT este subunitar iar fracţia defectivă

va apare “în mod natural" chiar dacă este stabilizat.
În fig. 7.6 a,b,c se ilustrează trei situaţii în care câmpul de
împrăştiere depăşeşte câmpul de toleranţă (a), sunt egale (b), respectiv
ILIITS (c).
Shewhart a numit raportul

(Ts-Ti)/6s

indicator empiric de capabilitate al procesului, iar prin extensie expresia

13
 (Ts-Ti)/(Ls-Li)=Cp

a fost numită indice de capabilitate.

Un proces capabil de a furniza produse cu o fracţiune defectivă
mică este acela pentru care Cp 12 . Aşadar, pentru a îndeplini conditiile de
omologare, un proces nu este suficient să producă o singură dată (din pură
întâmplare sau cu eforturi speciale) un produs pentru care caracteristicile
sale de o calitate respectă intervalul de toleranţă.
a

Li Ti  Ts Ls


Li  T i Ls  Ts
c


Ti Li Ls Ts

Figura 7
14
 Aceste proces trebuie să fie astfel organizat, încât să furnizeze
succesiv (deci în timp), în stare de stabilitate statistică, produse cu
caracteristici pentru care indicele de capabilitate să se menţină o vreme cât
mai îndelungată, supraunitar.
În aceste condiţii, procesul poate fi considerat omologat din punct
de vedere statistic şi producţia poate fi derulată cu ferma convingere că
aplicând în continuare procedee de rutină în vederea menţinerii status quo-
ului atins, se va obţine o producţie economică şi de nivel calitativ adecvat.
Apare însă în mod firesc următoarea întrebare: prin ce mijloace pot
fi atinse condiţiile de omologare? Tot Shewhart a arătat că deşi problema
tolerantelor naturale este importantă şi totodată foarte dificilă din punct de
vedere matematic, instalarea stabilităţii procesului tehnologic este cheia de
boltă a problemei omologării şi această problemă este prin excelenţă de
competenţa tehnologului din domeniul respectiv.
Marile întreprinderi din ţările avansate tehnologic au încercat să
pună la punct metodologii de stabilizare pe baza fişelor  X , R  şi a
variantelor acestor fişe. Experienţa acumulată la Western Electric,
întreprindere la care au lucrat ingineri şi matematicieni de renume ca
Shewhart, Dodge, Romig, Thomas ş.a. s-a concretizat prin apariţia în 1956
a primei ediţii a "Manualului de Control Statistic al Calităţii" cu circuit
închis, tratând îndeosebi probleme legate de analiza fişelor de control
statistic. O parte din elementele legate de comportamentul fişelor  X , R 
au fost asimilate şi de lucrări uzuale. În 1984, manualul Western Electric a
ajuns la cea de a IX-a ediţie. Fără a fi declarat secret, acest document nu
poate fi procurat în mod obişnuit din librării (pe pagina de gardă a acestui
manual se specifică însă: "şi alţii, de oriunde pot considera că acest
document este util ca ghid de aplicare a controlului statistic al calităţii").
În limba română a se vedea: Al.Isaic-Maniu, V.Gh.Vodă:"Manualul
Calităţii"; Ed.Economică, Bucureşti, 1997.
În literatura de specialitate din Japonia, relativ la indicele de
capabilitate, se preferă utilizarea expresiei

Cp=(Ts-Ti)/(Ls-Li)

15
în locul indicatorului empiric, deoarece în cazurile în care repartiţia
caracteristicii nu mai este normală, intervalul 6s nu mai descrie corect
intervalul natural de toleranţă.
Trebuie să facem observaţia - interesantă din punct de vedere istoric
- că încă Shewhart a pus în 1931 (respectiv 1939) problema determinării
efective a limitelor Li şi Ls pentru o repartiţie normală

 Ls 
Pr ob   f (x;  , )dx  P   
2

 Li 
unde
f ( x;  , 2 )  ( 2 ) 1 exp[ ( x   ) 2 / 2 2 ]
Relaţia de definiţie a limitelor de toleranţă trebuie citită astfel: “cel
puţin o proportie P (relativ mare) din populaţie normală N(,2) se găseşte
între limitele Li şi Ls, cu probabilitatea  (relativ mare)”.
Toleranţele naturale Li, Ls au primit denumirea de toleranţe de tip
(P,), indicatorul 6s fiind de fapt un estimator al lungimii L s - Li pentru o
anumită combinaţie (P, ).

2. Metode de control pe fluxul de fabricaţie

2.1. Controlul reglării şi preciziei procesului

Controlul propriu-zis sau "controlul de rutină" urmăreşte

caracterizarea reglării şi a preciziei procesului. Aceste aspecte pot fi
urmărite statistic prin parametrii corespunzători: media sau mediana, pentru
controlul reglării şi abaterea medie pătratică sau amplitudinea împrăştierii,
pentru controlul preciziei.
Prin combinarea indicatorilor, rezultă ca metode de control:
- metoda mediei aritmetice şi abaterii mediei pătratice;
- metoda mediei aritmetice şi amplitudinii împrăştierii;
- metoda medianei şi amplitudinea împrăştierii.

16
 Controlul reglării efectuat pe baza mediei sau medianei reprezintă o
particularizare a verificării ipotezei statistice H0:m=m0 şi a testului z
bilateral, cunoscut de la statistica matematică. Limitele de control statistic
ale mediei sunt:
Metoda mediei aritmetice şi medianei. Pentru controlul statistic al
caracteristicii de calitate x se foloseşte în acest caz drept parametru pentru
caracterizarea reglării (sau a centrului de grupare), media aritmetică a
probei.
Limitele de control se vor calcula cu relaţiile:


LCI  TC  z  (1)
n


LCS  TC  z  (2)
n

Limitele de supraveghere pentru metoda mediei aritmetice sunt:


LSI  TC  1,96  z (3)
n


LSS  TC  1,96  z (4)
n

unde: LCS şi LCI sunt limitele de control superioară şi inferioară;

TC - centrul câmpului de toleranţă:
za - coeficient extras din tabelele funcţiei Laplace pentru nivelul ales al
pragului de semnificaţie. Cele mai uzuale valori ale coeficientului sunt:
=0,05  z=1,96; =0,025; z0,025=2,24;
=0,001  z0,001=3,29;
s -abaterea medie pătratică a caracteristicii a cărei valoare a fost stabilită sau
estimată în etapa studiului preliminar;
n - volumul probei.

17
 În cazul controlului reglării prin mediană, abaterea medie pătratică
se corectează cu factorul 1,2533   / 2 .
Decizia se va lua astfel: periodic din proces se prelevează probe de
volum n; în baza celor n valori (x 1,x2,...,xn) se calculează media (sau
mediana); dacă x sau (xmc)(LCI;LCS) se apreciază că procesul este
reglat corespunzător.
Controlul preciziei se efectuează în baza concretizării testelor
referitoare la abaterea medie pătratică şi amplitudinea împrăştierii, cu
menţiunea că se reţine o singură ramură a intervalului de încredere, precizia
fiind cu atât mai bună cu cât împrăştierea este mai redusă. Astfel:
Pentru abaterea medie pătratică:

LC ( )    / 2 , (5)
n 1

în care:
LC(s) - reprezintă limita de control pentru abaterea medie pătratică:
  / 2   2 / 2 - valoarea tabelară a funcţiei Hi pătrat, obţinută în baza
probabilităţii de încredere p = 1 -  şi a volumului eşantionului.
Amplitudinea împrăştierii R este un parametru al preciziei maşinii,
uşor de calculat şi de aceea se utilizează adeseori în practică în locul abaterii
medii pătratice. Ca şi în cazul abaterii medii pătratice, nu se calculează
decât limita superioară de control a amplitudinii eşantionului (probei).
LC(R) = ta/2;n.s în care (6)
LC(R) - reprezintă limita de control pentru amplitudine;
ta/2;n - coeficient stabilit în baza nivelului de semnificaţie ales şi al volumului
probei, din tabela repartiţiei amplitudinii împrăştierii.
Decizia privind precizia procesului se ia prin compararea
parametrului de împrăştiere (s sau R) cu valoarea calculată a limitei, fiind
considerată corespunzătoare când s (sau R)  LC.
Controlul se efectuează astfel: se calculează pentru fiecare probă,
abaterea medie pătratică a probei s, care se compară cu limita de control şi
de supraveghere. Se pot întâlni următoarele trei situaţii:

18
 a) s  LS(s), caz în care procesul se consideră corespunzător ca
precizie şi poate continua:
b) s  LC(s), caz în care procesul nu corespunde ca precizie; se
opreşte, se depistează şi se înlătură cauza care a perturbat procesul.
Produsele realizate între cele două probe se controlează bucată cu bucată;
c) LS(s)  s  LC(s), caz de atenţionare că asupra procesului poate
interveni o cauză sistematică.

2.2. Fişe de control statistic

Din cele prezentate a rezultat că produsele necorespunzătoare

calitativ se obţin fie datorită unei dereglări a procesului, fie unei precizii
necorespunzătoare, fie ambelor cauze. Aceasta face ca aplicarea metodelor
statistice pentru dirijarea şi controlul fabricaţiei să se utilizeze combinat doi
parametri ai probei, şi anume: unul care să caracterizeze reglarea sau
centrul de grupare şi altul care să caracterizeze precizia (împrăştierea). În
practică, se folosesc mai frecvent următoarele combinaţii, a căror aplicare
este reglementată prin standarde:
- metoda mediei aritmetice şi abaterii medii pătratice;
- metoda mediei aritmetice şi a amplitudinii împrăştierii;
- metoda medianei şi a amplitudinii împrăştierii.
În aplicarea practică a controlului pe fluxul de fabricaţie se
utilizează fişele de control statistic. În fişa de control statistic se înscriu o
serie de date referitoare la produsul cercetat. Aşa de exemplu, se trece:
întreprinderea, secţia, sectorul, atelierul, linia, maşina, produsul,
caracteristica controlată, toleranţa prescrisă, operaţia, producţia orară,
aparatul de măsurat, precizia de citire a aparatului, mărimea probei,
intervalul de timp între două probe. Se trec, de asemenea, data şi ora când s-
au luat probele, precum şi numărul lor de ordine. În fig..5 un model de fişă
(x , R ) .

MODEL DE LUCRU FIªA (x , R ) ÎNTREPRINDEREA

19
 LIMITE DE
TOLERANŢE
CONTROL
COTA
PRODUSUL
PRELUCRATA LCS X LCSR
Ti Ts
LCI X LCIR

LCS X

FIªA
x
x

LCI X
LCSR

FIªA
R
R

LCIR
DATELE
PRIMARE

MEDIA (x)
AMPLITUDINEA(R)
OBSERVAŢII

Figura

Bibliografie

20
1. Baron, T. şi colab. - Statistica teoretică şi economică, Bucureşti,
Editura Didactică şi Pedagogică, 1996
2. Baron, T.; Tovissi, I; Isaic-Maniu, Al. - Calitate şi fiabilitate. Manual
practic, Bucureşti, Editura Tehnică, 1988
3. Bârsan, V., Isaic-Maniu, Al., Vodă, V. Gh., - Grubbs tzpe statistics
for detecting outliers in exponential population, in “Ec. Comp. Econ.
Cyb. Stud. Res.”, nr. 1-4/1995
4. Dorin, Al.C.; Isaic-Maniu, Al.; Vodă, V. Gh. – Probleme statistice
ale fiabilităţii, Bucureşti, Editura Economică, 1994
5. Isaic-Maniu Al., Părăuşanu, V. ş.a. – Selecţia unui inhibator de
coroziune cu eficienţă maximă prin metoda EVOP, “Ind. Uşoară”, nr.
6/1989
6. Isaic-Maniu, Al. - Metoda Weibull, Bucureşti, Editura Academiei
Române
7. Isaic-Maniu, Al. şi colab. - Statistică teoretică şi economică, Chişinău,
Editura Tehnică, 1994
8. Isaic-Maniu, Al., Vodă, V. Gh., - Fiabilitatea – şansă şi risc, Ed.
Tehnică, Bucureşti, 1986
9. Isaic-Maniu, Al., Vodă, V. Gh., - Rolul fişelor de control statistic în
studiul calităţii fabricaţiei şi la recepţia produselor industriale, în
“Revista de Statistică”, nr. 9, 1989
10. Isaic-Maniu, Al.; Mitruţ, C.; Voineagu, V. - Statistica pentru
managementul afacerilor, Bucureşti, Editura Economică, 1995
11. Isaic-Maniu, Al.; Vodă, V. Gh. - Ce este calimetria?, Bucureşti,
Editura Tehnică, 1994
12. Isaic-Maniu, Al.; Vodă, V. Gh. - Manualul calităţii, Bucureşti,
Editura Economică, 1997
13. Ishikawa, K. – How to apply company – wide quality control in
foreign countries, in “Rep. Stat. App. Res. (JUSE)”, Tokyo, vol. 32,
nr. 34, 1985
14. Kane, V. E., - Process capability indices, in “Journal of Quality
Technology”, vol. 18, nr. 1, 1986

21
15. Mihoc Gh., Urseanu, V., - Sondaje şi estimaţii statistice, Ed.
Tehnică, Bucureşti, 1977
16. Tovissi, L., Isaic-Maniu, Al., - Aplicarea unor metode de testare a
ipotezelor statistice în problema calităţii, în “Calitatea Producţiei şi
Metrologie”, nr. 4, 1972
17. Tovissi, L.; Vodă, V. Gh. - Metode statistice. Aplicaţii în producţie,
Bucureşti, Editura Ştiinţifică şi Enciclopedică, 1982
18. Wiener, U; Isaic-Maniu, Al.; Vodă, V. – Aplicaţii ale reţelelor
probabilistice în tehnică, Bucureşti, Editura Tehnică, 1983

22