Politecnico di Milano – Dipartimento di Elettrotecnica 1
2 – Gli StrumentiAffidabilità e Controllo Qualità
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Test d’Ipotesi (1)Test d’Ipotesi (1)Test d’Ipotesi (1)Test d’Ipotesi (1)Test d’Ipotesi (1)Test d’Ipotesi (1)Test d’Ipotesi (1)Test d’Ipotesi (1)
• Ipotesi statistica:• È una assunzione formulata su un particolare
aspetto della popolazione– considerazioni teoriche– Informazioni relative a popolazioni analoghe– Informazioni relative a popolazioni collegate a quella
indagata
Politecnico di Milano – Dipartimento di Elettrotecnica 2
2 – Gli StrumentiAffidabilità e Controllo Qualità
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Test d’Ipotesi (2)Test d’Ipotesi (2)Test d’Ipotesi (2)Test d’Ipotesi (2)Test d’Ipotesi (2)Test d’Ipotesi (2)Test d’Ipotesi (2)Test d’Ipotesi (2)
• Ipotesi statistica non parametrica:• L’ipotesi riguarda la forma della distribuzione di
un carattere della distribuzione
Politecnico di Milano – Dipartimento di Elettrotecnica 3
2 – Gli StrumentiAffidabilità e Controllo Qualità
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Test d’Ipotesi (3)Test d’Ipotesi (3)Test d’Ipotesi (3)Test d’Ipotesi (3)Test d’Ipotesi (3)Test d’Ipotesi (3)Test d’Ipotesi (3)Test d’Ipotesi (3)
• Ipotesi statistica parametrica:• È una ipotesi legata ai valori dei parametri di
una distribuzione di probabilità (es.: media, varianza, frequenza) .
Tipo di ipotesi:Tipo di ipotesi:Semplice Semplice {{ HH00: : θ θ = = θθ0 0 (Ipotesi nulla)(Ipotesi nulla)
HH11: θ : θ ≥≥ θθ0 0 (Ipotesi alternativa bilaterale)(Ipotesi alternativa bilaterale)Composta HComposta H11: θ : θ ≤≤ θθ00
HH11: θ : θ ≠≠ θθ0 0 (Ipotesi alternativa unidirezionale)(Ipotesi alternativa unidirezionale){ }
Politecnico di Milano – Dipartimento di Elettrotecnica 4
2 – Gli StrumentiAffidabilità e Controllo Qualità
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Test d’Ipotesi (4)Test d’Ipotesi (4)Test d’Ipotesi (4)Test d’Ipotesi (4)Test d’Ipotesi (4)Test d’Ipotesi (4)Test d’Ipotesi (4)Test d’Ipotesi (4)
• Verifica d’Ipotesi statistica:• Osservazione di un campione casuale della
popolazione• Calcolo della statistica (Funzione Test)• Definizione della regola di decisione:
– l’insieme dei valori della funzione test che porta al rifiuto dell’ipotesi nulla è detta regione critica o regione di rifiuto
Regione di accettazione
Politecnico di Milano – Dipartimento di Elettrotecnica 5
2 – Gli StrumentiAffidabilità e Controllo Qualità
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Test d’Ipotesi (5)Test d’Ipotesi (5)Test d’Ipotesi (5)Test d’Ipotesi (5)Test d’Ipotesi (5)Test d’Ipotesi (5)Test d’Ipotesi (5)Test d’Ipotesi (5)
• Individuazione della regione critica:• La distribuzione del carattere nella popolazione• il parametro• Il sistema di ipotesi a confronto• La funzione Test• La probabilità di commettere gli errori di prima
e seconda specie
Politecnico di Milano – Dipartimento di Elettrotecnica 6
2 – Gli StrumentiAffidabilità e Controllo Qualità
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Test d’Ipotesi (6)Test d’Ipotesi (6)Test d’Ipotesi (6)Test d’Ipotesi (6)Test d’Ipotesi (6)Test d’Ipotesi (6)Test d’Ipotesi (6)Test d’Ipotesi (6)
• Tipi di errori:• Errore di I specie:
– Ipotesi nulla rifiutata quando è vera
• Errore di II specie: – Ipotesi nulla non rifiutata quando non è vera – α= P{errore di I specie}= P{rifiutare H0H0 è vera}– β= P{errore di II specie}= P{accettare H0H0 è falsa}
Politecnico di Milano – Dipartimento di Elettrotecnica 7
2 – Gli StrumentiAffidabilità e Controllo Qualità
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Test d’Ipotesi (7)Test d’Ipotesi (7)Test d’Ipotesi (7)Test d’Ipotesi (7)Test d’Ipotesi (7)Test d’Ipotesi (7)Test d’Ipotesi (7)Test d’Ipotesi (7)
• Le procedure di verifica d’ipotesi richiedono di specificare il valore della probabilità assegnata all’errore di I specie α (rischio)
• α = livello di significatività del test; consente di individuare il punto di confine tra la regione critica e quella di accettazione
• La probabilità di commettere un errore di I specie è legata alla dimensione della regione critica e quindi alla soglia di significatività individuata da α
Politecnico di Milano – Dipartimento di Elettrotecnica 8
2 – Gli StrumentiAffidabilità e Controllo Qualità
Verifica d’ipotesi sul valore medioVerifica d’ipotesi sul valore medioVerifica d’ipotesi sul valore medioVerifica d’ipotesi sul valore medioVerifica d’ipotesi sul valore medioVerifica d’ipotesi sul valore medioVerifica d’ipotesi sul valore medioVerifica d’ipotesi sul valore medio
Politecnico di Milano – Dipartimento di Elettrotecnica 9
2 – Gli StrumentiAffidabilità e Controllo Qualità
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Implicazioni del Test d’Ipotesi (1)Implicazioni del Test d’Ipotesi (1)Implicazioni del Test d’Ipotesi (1)Implicazioni del Test d’Ipotesi (1)Implicazioni del Test d’Ipotesi (1)Implicazioni del Test d’Ipotesi (1)Implicazioni del Test d’Ipotesi (1)Implicazioni del Test d’Ipotesi (1)
• La possibilità di accettare l’ipotesi nulla quando è falsa determina l’errore di II specie. E’ possibile determinarne il valore calcolando la probabilità:
• Indica la possibilità di accettare l’ipotesi H0quando invece risulta vera l’ipotesi H1
( )
11
00
10
::/
θθθθ
β
==
=
HH
HHP
Politecnico di Milano – Dipartimento di Elettrotecnica 10
2 – Gli StrumentiAffidabilità e Controllo Qualità
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Implicazioni del Test d’Ipotesi (2)Implicazioni del Test d’Ipotesi (2)Implicazioni del Test d’Ipotesi (2)Implicazioni del Test d’Ipotesi (2)Implicazioni del Test d’Ipotesi (2)Implicazioni del Test d’Ipotesi (2)Implicazioni del Test d’Ipotesi (2)Implicazioni del Test d’Ipotesi (2)
• Nel caso di test unilaterale destro
• Nel caso di test unilaterale sinistro
( ) ( ) βθθ =≤= 110 // HPHHP c
( ) ( ) βθθ =≥= 110 // HPHHP c
• Nel caso di test bilaterale( ) ( ) βθθθ =≤≤= 1
'''10 // HPHHP cc
Politecnico di Milano – Dipartimento di Elettrotecnica 11
2 – Gli StrumentiAffidabilità e Controllo Qualità
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Implicazioni del Test d’Ipotesi (3)Implicazioni del Test d’Ipotesi (3)Implicazioni del Test d’Ipotesi (3)Implicazioni del Test d’Ipotesi (3)Implicazioni del Test d’Ipotesi (3)Implicazioni del Test d’Ipotesi (3)Implicazioni del Test d’Ipotesi (3)Implicazioni del Test d’Ipotesi (3)
• Nel caso di test unilaterale destro sulla media con varianza nota:
• La probabilità β, assegnati α ed n, è funzione del parametro θ.
• E’ possibile, assegnato α, tracciare una famiglia di curve al variare di n.
( ) ( ) ( )
−≤=≤== 1110 //
// Hn
xZPHxXPHHP icci σ
µθβ
Politecnico di Milano – Dipartimento di Elettrotecnica 12
2 – Gli StrumentiAffidabilità e Controllo Qualità
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Implicazioni del Test d’Ipotesi (4)Implicazioni del Test d’Ipotesi (4)Implicazioni del Test d’Ipotesi (4)Implicazioni del Test d’Ipotesi (4)Implicazioni del Test d’Ipotesi (4)Implicazioni del Test d’Ipotesi (4)Implicazioni del Test d’Ipotesi (4)Implicazioni del Test d’Ipotesi (4)
• Probabilità di errore di I specie:• Concludere che il processo è fuori controllo
quando non lo è• Probabilità di errore di II specie:
• Concludere che il processo è sotto controllo quando non lo è
Politecnico di Milano – Dipartimento di Elettrotecnica 13
2 – Gli StrumentiAffidabilità e Controllo Qualità
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Implicazioni del Test d’Ipotesi (5)Implicazioni del Test d’Ipotesi (5)Implicazioni del Test d’Ipotesi (5)Implicazioni del Test d’Ipotesi (5)Implicazioni del Test d’Ipotesi (5)Implicazioni del Test d’Ipotesi (5)Implicazioni del Test d’Ipotesi (5)Implicazioni del Test d’Ipotesi (5)
• Esempio:• Fasce elastiche per pistoni di automobili:
– µ = 74 mm σ = 0,01 mm n = 5
Scelto α si ha che 100(1-α)% dei campioni cadono tra: 74+Z α /2(σ’) e 74- Z α /2(σ’) con
Per Z α /2 = 3Limiti di controllo a 3 σ
nσσ ='
Politecnico di Milano – Dipartimento di Elettrotecnica 14
2 – Gli StrumentiAffidabilità e Controllo Qualità
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Implicazioni del Test d’Ipotesi (6)Implicazioni del Test d’Ipotesi (6)Implicazioni del Test d’Ipotesi (6)Implicazioni del Test d’Ipotesi (6)Implicazioni del Test d’Ipotesi (6)Implicazioni del Test d’Ipotesi (6)Implicazioni del Test d’Ipotesi (6)Implicazioni del Test d’Ipotesi (6)
H0: µ=74H1: µ≠74
Politecnico di Milano – Dipartimento di Elettrotecnica 15
2 – Gli StrumentiAffidabilità e Controllo Qualità
µµ−σµ−2σµ−3σ µ+σ µ+2σ µ+3σ
68.26%
95.46%
99.73%
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Implicazioni del Test d’Ipotesi (7)Implicazioni del Test d’Ipotesi (7)Implicazioni del Test d’Ipotesi (7)Implicazioni del Test d’Ipotesi (7)Implicazioni del Test d’Ipotesi (7)Implicazioni del Test d’Ipotesi (7)Implicazioni del Test d’Ipotesi (7)Implicazioni del Test d’Ipotesi (7)
Politecnico di Milano – Dipartimento di Elettrotecnica 16
2 – Gli StrumentiAffidabilità e Controllo Qualità
µµ−σµ−2σµ−3σ µ+σ µ+2σ µ+3σ
68.26%
95.46%
99.73%
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Implicazioni del Test d’Ipotesi (8)Implicazioni del Test d’Ipotesi (8)Implicazioni del Test d’Ipotesi (8)Implicazioni del Test d’Ipotesi (8)Implicazioni del Test d’Ipotesi (8)Implicazioni del Test d’Ipotesi (8)Implicazioni del Test d’Ipotesi (8)Implicazioni del Test d’Ipotesi (8)
100(1-α)% = 99,73%
Errore di I specie: 0,0027
27 volte ogni 10000 campioni
La probabilità che un punto superi uno dei limiti a 3-sigmaè 0,00135
Politecnico di Milano – Dipartimento di Elettrotecnica 17
2 – Gli StrumentiAffidabilità e Controllo Qualità
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Lunghezza media delle sequenze Lunghezza media delle sequenze Lunghezza media delle sequenze Lunghezza media delle sequenze Lunghezza media delle sequenze Lunghezza media delle sequenze Lunghezza media delle sequenze Lunghezza media delle sequenze
pARL 1=
Lunghezza media delle sequenze (ARL, Average Run Lenght):
Tempo medio al segnale (ATS, Average Time to Signal):
hARLATS ⋅=
Politecnico di Milano – Dipartimento di Elettrotecnica 18
2 – Gli StrumentiAffidabilità e Controllo Qualità
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Lunghezza media delle sequenze : esempioLunghezza media delle sequenze : esempioLunghezza media delle sequenze : esempioLunghezza media delle sequenze : esempioLunghezza media delle sequenze : esempioLunghezza media delle sequenze : esempioLunghezza media delle sequenze : esempioLunghezza media delle sequenze : esempio
3700027,011 ===
pARL
µµ−σµ−2σµ−3σ µ+σ µ+2σ µ+3σ
68.26%
95.46%
99.73%
La probabilità che un punto cada fuori dai limiti di controllo a 3σ è: 0,0027
Politecnico di Milano – Dipartimento di Elettrotecnica 19
2 – Gli StrumentiAffidabilità e Controllo Qualità
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::Dimensione minima del campioneDimensione minima del campioneDimensione minima del campioneDimensione minima del campioneDimensione minima del campioneDimensione minima del campioneDimensione minima del campioneDimensione minima del campione
21 2
⋅≥ −
εσαz
n
Politecnico di Milano – Dipartimento di Elettrotecnica 20
2 – Gli StrumentiAffidabilità e Controllo Qualità
Fondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statisticiFondamenti statistici ::::::::DefinizioniDefinizioniDefinizioniDefinizioniDefinizioniDefinizioniDefinizioniDefinizioni
Inferenza statistica: insieme di metodi statistici, basati sul calcolo della probabilità, tendenti a valutare i risultati di una indagine campionariaIl collettivo statistico oggetto di inferenza prende il nome di popolazione (N)La parte di collettivo sottoposta all’osservazione prende il nome di campione (n)
RappresentativitàCorrettezza
Campione casuale
Politecnico di Milano – Dipartimento di Elettrotecnica 21
2 – Gli StrumentiAffidabilità e Controllo Qualità
CONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONE (1)(1)(1)(1)(1)(1)(1)(1)Tutte quelle attività che hanno lo scopo di verificare la rispondenza dei “materiali “ grezzi, semilavorati o finiti che provengono dall’esterno o dall’interno dell’azienda
Accettazione di componenti / parti di fornitura esternaControllo di lotti di fornitura (da parte del fornitore o da parte del cliente)Controllo di processiControllo di prodottiControllo di dati………
Politecnico di Milano – Dipartimento di Elettrotecnica 22
2 – Gli StrumentiAffidabilità e Controllo Qualità
CONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONE (2)(2)(2)(2)(2)(2)(2)(2)
• In uno scambio commerciale vengono stabilite le regole per verificare:• L’aderenza alle specifiche• La frazione massima di elementi difettosi
ammessi dal fornitore• La frazione massima di elementi difettosi
ammessi dal produttore
Politecnico di Milano – Dipartimento di Elettrotecnica 23
2 – Gli StrumentiAffidabilità e Controllo Qualità
CONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONECONTROLLO PER ACCETTAZIONE (3)(3)(3)(3)(3)(3)(3)(3)
• Effettuati dal fornitore– Evitare il rifiuto del prodotto da parte del
committente
• Effettuati dal produttore– Evitare di accettare materiale non conforme
Politecnico di Milano – Dipartimento di Elettrotecnica 24
2 – Gli StrumentiAffidabilità e Controllo Qualità
IL CAMPIONAMENTO STATISTICO (1)IL CAMPIONAMENTO STATISTICO (1)IL CAMPIONAMENTO STATISTICO (1)IL CAMPIONAMENTO STATISTICO (1)IL CAMPIONAMENTO STATISTICO (1)IL CAMPIONAMENTO STATISTICO (1)IL CAMPIONAMENTO STATISTICO (1)IL CAMPIONAMENTO STATISTICO (1)
Il piano di campionamento è l’insieme delle regole che definiscono:• La partita o il lotto di elementi (grezzi, semi
–finiti, finiti) da considerare• Dimensione del campione da estrarre • Condizioni di accettazione o di rifiuto• Caratteristica di qualità richiesta dalla
specifica tecnica: – LQA: livello di qualità accettabile– LQT: livello di qualità tollerabile
Politecnico di Milano – Dipartimento di Elettrotecnica 25
2 – Gli StrumentiAffidabilità e Controllo Qualità
( )2
21
*21
−−
= σµ
πσ
x
exf
Distribuzione gaussiana
IL CAMPIONAMENTO STATISTICO (2)IL CAMPIONAMENTO STATISTICO (2)IL CAMPIONAMENTO STATISTICO (2)IL CAMPIONAMENTO STATISTICO (2)IL CAMPIONAMENTO STATISTICO (2)IL CAMPIONAMENTO STATISTICO (2)IL CAMPIONAMENTO STATISTICO (2)IL CAMPIONAMENTO STATISTICO (2)
Politecnico di Milano – Dipartimento di Elettrotecnica 26
2 – Gli StrumentiAffidabilità e Controllo Qualità
IL CAMPIONAMENTO STATISTICO (3)IL CAMPIONAMENTO STATISTICO (3)IL CAMPIONAMENTO STATISTICO (3)IL CAMPIONAMENTO STATISTICO (3)IL CAMPIONAMENTO STATISTICO (3)IL CAMPIONAMENTO STATISTICO (3)IL CAMPIONAMENTO STATISTICO (3)IL CAMPIONAMENTO STATISTICO (3)
La conformità del lotto è valutata in base al numero di unità conformi che costituiscono il campione• Rifiutare il lotto che dovrebbe essere
accettato• Accettare il lotto che dovrebbe essere
rifiutato
Politecnico di Milano – Dipartimento di Elettrotecnica 27
2 – Gli StrumentiAffidabilità e Controllo Qualità
IL CAMPIONAMENTO STATISTICO (4)IL CAMPIONAMENTO STATISTICO (4)IL CAMPIONAMENTO STATISTICO (4)IL CAMPIONAMENTO STATISTICO (4)IL CAMPIONAMENTO STATISTICO (4)IL CAMPIONAMENTO STATISTICO (4)IL CAMPIONAMENTO STATISTICO (4)IL CAMPIONAMENTO STATISTICO (4)
Rischio del fornitore: Rf
• Rifiuto del lotto che dovrebbe essere accettato essendo di qualità uguale o migliore di quella specificata dal LQA
Rischio del committente: Rc
• Accoglimento del lotto che dovrebbe essere rifiutato essendo di qualità peggiore di quella specificata negli accordi dal LQT
Politecnico di Milano – Dipartimento di Elettrotecnica 28
2 – Gli StrumentiAffidabilità e Controllo Qualità
IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:I PIANI DI CAMPIONAMENTO (5)I PIANI DI CAMPIONAMENTO (5)I PIANI DI CAMPIONAMENTO (5)I PIANI DI CAMPIONAMENTO (5)I PIANI DI CAMPIONAMENTO (5)I PIANI DI CAMPIONAMENTO (5)I PIANI DI CAMPIONAMENTO (5)I PIANI DI CAMPIONAMENTO (5)
• Dimensione del lotto: N• Dimensione del campione: n• numero di accettazione : na
– Numero massimo di elementi difettosi ammessi nel campione
• numero di rifiuto : nr – Numero massimo di elementi difettosi nel campione che
determinano il rifiuto• LQA= na /n• LQT= nr /n• Percentuale di pezzi difettosi: p• Probabilità d accettare il lotto: P(A)
Politecnico di Milano – Dipartimento di Elettrotecnica 29
2 – Gli StrumentiAffidabilità e Controllo Qualità
IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:I PIANI DI CAMPIONAMENTO (6)I PIANI DI CAMPIONAMENTO (6)I PIANI DI CAMPIONAMENTO (6)I PIANI DI CAMPIONAMENTO (6)I PIANI DI CAMPIONAMENTO (6)I PIANI DI CAMPIONAMENTO (6)I PIANI DI CAMPIONAMENTO (6)I PIANI DI CAMPIONAMENTO (6)
Semplice: l’accettazione dipende dal controllo di un solo campioneDoppi: l’accettazione dipende dal controllo di due campioniMultipli: l’accettazione dipende dal controllo di più campioniSequenziali: l’accettazione del lotto dipende dal risultato ottenuto dopo ogni elemento collaudato
Politecnico di Milano – Dipartimento di Elettrotecnica 30
2 – Gli StrumentiAffidabilità e Controllo Qualità
IL CAMPIONAMENTO STATISTICO (7)IL CAMPIONAMENTO STATISTICO (7)IL CAMPIONAMENTO STATISTICO (7)IL CAMPIONAMENTO STATISTICO (7)IL CAMPIONAMENTO STATISTICO (7)IL CAMPIONAMENTO STATISTICO (7)IL CAMPIONAMENTO STATISTICO (7)IL CAMPIONAMENTO STATISTICO (7)
La probabilità d accettare o rifiutare un lotto, per uno stesso piano di campionamento, viene descritta mediante la “curva caratteristica operativa”• Distribuzione binomiale• Distribuzione di Poisson
– n elevato e p piccolo
Politecnico di Milano – Dipartimento di Elettrotecnica 31
2 – Gli StrumentiAffidabilità e Controllo Qualità
IL CAMPIONAMENTO STATISTICO (8)IL CAMPIONAMENTO STATISTICO (8)IL CAMPIONAMENTO STATISTICO (8)IL CAMPIONAMENTO STATISTICO (8)IL CAMPIONAMENTO STATISTICO (8)IL CAMPIONAMENTO STATISTICO (8)IL CAMPIONAMENTO STATISTICO (8)IL CAMPIONAMENTO STATISTICO (8)
( ) knkn
kpp
kn
APA
−
=
−
=∑ 1)(
0
Distribuzione Binomiale:
P(Am)…P(A2)P(A1)P(A)
pm…p3p2p1
Possiamo pensare di costruire la Curva Caratteristica Operativaa partire dalla tabella:
Politecnico di Milano – Dipartimento di Elettrotecnica 32
2 – Gli StrumentiAffidabilità e Controllo Qualità
IL CAMPIONAMENTO STATISTICO (8)IL CAMPIONAMENTO STATISTICO (8)IL CAMPIONAMENTO STATISTICO (8)IL CAMPIONAMENTO STATISTICO (8)IL CAMPIONAMENTO STATISTICO (8)IL CAMPIONAMENTO STATISTICO (8)IL CAMPIONAMENTO STATISTICO (8)IL CAMPIONAMENTO STATISTICO (8)
( )∑=
=An
k
npk
eknpAP
0 !)(
Distribuzione di Poisson:
Da utilizzare per valori elevati di n e p piccolo
Politecnico di Milano – Dipartimento di Elettrotecnica 33
2 – Gli StrumentiAffidabilità e Controllo Qualità
IL CAMPIONAMENTO STATISTICO (9)IL CAMPIONAMENTO STATISTICO (9)IL CAMPIONAMENTO STATISTICO (9)IL CAMPIONAMENTO STATISTICO (9)IL CAMPIONAMENTO STATISTICO (9)IL CAMPIONAMENTO STATISTICO (9)IL CAMPIONAMENTO STATISTICO (9)IL CAMPIONAMENTO STATISTICO (9)
Accettazione o rifiuto dei lotti• La curva operativa illustra i comportamento
di un qualsiasi piano di campionamento • Fissato Rf (α) e Rc (β) si possono
determinare LQA e LQT
Politecnico di Milano – Dipartimento di Elettrotecnica 34
2 – Gli StrumentiAffidabilità e Controllo Qualità
P0 = limite superiore per la frazionedifettosa del lotto ritenuta accettabile
P1 = limite inferiore per la frazionedifettosa del lotto ritenuta da rifiutare
α = rischio del produttore o fornitoreβ = rischio del cliente
IL CAMPIONAMENTO STATISTICO (10)IL CAMPIONAMENTO STATISTICO (10)IL CAMPIONAMENTO STATISTICO (10)IL CAMPIONAMENTO STATISTICO (10)IL CAMPIONAMENTO STATISTICO (10)IL CAMPIONAMENTO STATISTICO (10)IL CAMPIONAMENTO STATISTICO (10)IL CAMPIONAMENTO STATISTICO (10)
CURVA CARATTERISTICA OPERATIVAÈ un diagramma che indica la probabilità di accettazione di lotti in funzione della difettosa presente negli stessi
Politecnico di Milano – Dipartimento di Elettrotecnica 35
2 – Gli StrumentiAffidabilità e Controllo Qualità
IL CONTROLLO PER CAMPIONAMENTO
Considerazioni e risultati relativi a campioni con diversa numerosità: La scelta della dimensione del campione deve essere un giusto compromesso tra sicurezza del risultato e tempi / costi di esecuzione.
Si consideri il seguente esempio.
IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:Esempio Esempio Esempio Esempio Esempio Esempio Esempio Esempio
Politecnico di Milano – Dipartimento di Elettrotecnica 36
2 – Gli StrumentiAffidabilità e Controllo Qualità
IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:Esempio (2)Esempio (2)Esempio (2)Esempio (2)Esempio (2)Esempio (2)Esempio (2)Esempio (2)
Politecnico di Milano – Dipartimento di Elettrotecnica 37
2 – Gli StrumentiAffidabilità e Controllo Qualità
IL CAMPIONAMENTO STATISTICO (11)IL CAMPIONAMENTO STATISTICO (11)IL CAMPIONAMENTO STATISTICO (11)IL CAMPIONAMENTO STATISTICO (11)IL CAMPIONAMENTO STATISTICO (11)IL CAMPIONAMENTO STATISTICO (11)IL CAMPIONAMENTO STATISTICO (11)IL CAMPIONAMENTO STATISTICO (11)
TABELLA PER IL CONTROLLO ORDINARIO PER CAMPIONAMENTO SEMPLICE PER ATTRIBUTI
Politecnico di Milano – Dipartimento di Elettrotecnica 38
2 – Gli StrumentiAffidabilità e Controllo Qualità
Il livello di collaudo sceltodetermina il potere discriminante della prova.Il livello S1 è quello con minor potere discriminante, il livello III è quello con maggior potere discriminante.Salvo diversa indicazione e per normali necessità si usaIl livello II. I livelli speciali S1,S2, S3, S4 sono usati quando sono necessarie numerosità dicampione piccole, e possonoo devono essere tollerati i rischi determinati dal minorpotere discriminante (ad es. controlli su materiali ricavati da un processo continuo).La scelta di collaudo ordinario,rinforzato o ridotto (vedi oltre)è completamente indipendentedal livello di collaudo scelto.
LIVELLO DI COLLAUDOIL CAMPIONAMENTO STATISTICO (12)IL CAMPIONAMENTO STATISTICO (12)IL CAMPIONAMENTO STATISTICO (12)IL CAMPIONAMENTO STATISTICO (12)IL CAMPIONAMENTO STATISTICO (12)IL CAMPIONAMENTO STATISTICO (12)IL CAMPIONAMENTO STATISTICO (12)IL CAMPIONAMENTO STATISTICO (12)
Politecnico di Milano – Dipartimento di Elettrotecnica 39
2 – Gli StrumentiAffidabilità e Controllo Qualità
Piano di Campionamento OrdinarioIL CAMPIONAMENTO STATISTICO (13)IL CAMPIONAMENTO STATISTICO (13)IL CAMPIONAMENTO STATISTICO (13)IL CAMPIONAMENTO STATISTICO (13)IL CAMPIONAMENTO STATISTICO (13)IL CAMPIONAMENTO STATISTICO (13)IL CAMPIONAMENTO STATISTICO (13)IL CAMPIONAMENTO STATISTICO (13)
Politecnico di Milano – Dipartimento di Elettrotecnica 40
2 – Gli StrumentiAffidabilità e Controllo Qualità
IL CAMPIONAMENTO STATISTICO (14)IL CAMPIONAMENTO STATISTICO (14)IL CAMPIONAMENTO STATISTICO (14)IL CAMPIONAMENTO STATISTICO (14)IL CAMPIONAMENTO STATISTICO (14)IL CAMPIONAMENTO STATISTICO (14)IL CAMPIONAMENTO STATISTICO (14)IL CAMPIONAMENTO STATISTICO (14)Piano di Campionamento Ridotto
Politecnico di Milano – Dipartimento di Elettrotecnica 41
2 – Gli StrumentiAffidabilità e Controllo Qualità
IL CAMPIONAMENTO STATISTICO (15)IL CAMPIONAMENTO STATISTICO (15)IL CAMPIONAMENTO STATISTICO (15)IL CAMPIONAMENTO STATISTICO (15)IL CAMPIONAMENTO STATISTICO (15)IL CAMPIONAMENTO STATISTICO (15)IL CAMPIONAMENTO STATISTICO (15)IL CAMPIONAMENTO STATISTICO (15)Piano di Campionamento Rinforzato
Politecnico di Milano – Dipartimento di Elettrotecnica 42
2 – Gli StrumentiAffidabilità e Controllo Qualità
Regole di commutazione tra i piani di campionamento
IL CAMPIONAMENTO STATISTICO (16)IL CAMPIONAMENTO STATISTICO (16)IL CAMPIONAMENTO STATISTICO (16)IL CAMPIONAMENTO STATISTICO (16)IL CAMPIONAMENTO STATISTICO (16)IL CAMPIONAMENTO STATISTICO (16)IL CAMPIONAMENTO STATISTICO (16)IL CAMPIONAMENTO STATISTICO (16)
Politecnico di Milano – Dipartimento di Elettrotecnica 43
2 – Gli StrumentiAffidabilità e Controllo Qualità
QUANDO È NECESSARIOProve distruttiveGrandi quantitativiControlli molto onerosi
QUANDO È OPPORTUNO
Per ridurre i costi di controlloPer stimolare il fornitore
all’autocontrollo e al miglioramento
Quando il livello di qualità ha raggiunto valori elevati che non giustificano un controllo al 100%
FASI PRINCIPALI DEL CONTROLLOPER CAMPIONAMENTO
Stabilire in anticipo la frazione difettosa accettabile
Definire la numerosità del campione, sulla base della confidenza statistica richiesta e della complessità / costo della prova
Effettuare materialmente il controllo
Nota: è sbagliato considerare aprioristicamente che un controllo al 100% dia più garanzie di un controllo statistico!
IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:IL CAMPIONAMENTO STATISTICO:SINTESISINTESISINTESISINTESISINTESISINTESISINTESISINTESI