UNIVERZITET ZA POSLOVNE

STUDIJE

DOBRO DOŠLI

UPRAVLJANJE KVALITETOM

Prof. dr sc. Ilija Šušić

e-mail: i.susic51@gmail.com
 STATISTIČKE METODE
UPRAVLJANJA KVALITETOM
UVOD U STATISTIČKE METODE
Matematička statistika našla je veliku pri-
mjenu u industrijskoj praksi, a naročito u
kontroli kvaliteta. Prvi teorijski radovi i
praktični pokušaji primjene matematičke
statistike u kontroli kvaliteta datiraju još
1923 godine u SAD, kada je uveden po-
jam rizika kupca i rizika potrošača što je
obradio HARI DODGE.
Do 1931. godine u SAD su metode stati-
stičke kontrole kvaliteta potpuno razra-
đene. Tu je naročito poznat Walter
Shewhart,koji je istovremeno i tvorac
kontrolnih karata. Međutim praktična primjena
ovih metoda u američkoj industriji je gotovo
neznatna sve do Drugog svjetskog rata.
U Evropi je prvi put donijet standard o meto-
dama statističke kontrole kvaliteta 1936.
godine u Čehoslovačkoj,ali je on za industriju
prošao gotovo nezapažen.
Ruski matematičari su pokušali da mate-
matičku statistiku primjene u kontroli kvaliteta,
jer su pokazali da odlično vladaju kompliko-
vanim zakonima vjerovatnoće, ali praktično u
ono vrijeme za industriju ništa nije urađeno.
U ovoj oblast je naročito poznat Ruski naučnik
Kantarov.
Značajna primjena statističkih metoda unapri-
jeđenja kvaliteta u industriji počinje u SAD za
vrijeme Drugog svijetskog rata.
Da bi statističke metode i tehnike bile prihva-
ćene, bilo je potrebno riješiti sledeće:
• prilagoditi matematičku statistiku i metode
unaprijeđenja kvaliteta nivou direktnih
učesnika u proizvodnom procesu, tako da
ne prelaze znanja elementarne matematike,
• objasniti nov pristup u gledanju na kvalitet i
činiti ovo shvatanje prihvatljivo za radnike i

organe odgovorne za kvalitet i

• sprovesti ozbiljan program obrazovanja
učesnika, da bi se upoznali sa metodama i
tehnikama koje će se primjenjivati.
Statističke metode upravljanja kvalitetom
doživljavaju punu afirmaciju pedesetih godina
dvadesetog vijeka u Japanu,a u seriji standa-
rda ISO 9000 one su obavezan zahtjev.
Statističke metode i tehnike unaprijeđe-
nja kvaliteta podrazumijevaju prikupljanje
dokumentovana tradicija.
Koristi od statističkih metoda i tehnika unaprije-
đenja kvaliteta su u mogućim predviđanjima,na
bazi metoda,u objektivnom ocjenjivanju sposo-
bnosti procesa, u analizi procesa i donošenja
mjera za poboljšanje kvaliteta.

PODRUČJE PRIMJENE
Naziv STATISTIČKE KONTROLE PROCESA
( SPC – Statistical Process Control ) sugeriše
upotrebu statistike. Uobičajno je razmatranje tri
elementa: STATISTIKE, PROCESA I KONTROLE.
Statistika podrazumijeva prikupljanje, predsta-
vljanje i interpretiranje podataka.Statističke me-
tode obezbjeđuju načine pristupanja neizvje-
snim događajima i predviđanje rezultata.
Proces praktično predstavlja svaku aktivnost.
Na nivou radnog mjesta proces je kombinacija
mašina, ljudi, materijala,sredstava rada i okru-
ženja. SPC se odnosi na radno mjesto,odjelje-
nje,dio organizacije bili oni proizvodnog,uslu-
žnog, obrazovnog ili bilo kog drugog karaktera.
Kontrola-SPC program uključuje kontrolu iza
koje slijedi poboljšanje. Procesi se prvo dovode
pod kontrolu, a zatim poboljšavaju smanjenjem
varijabilnosti na nominalnu vrijednost ili u pogo-
dnim slučajevima na smanjenje nivoa odbaciva-
nja neispravnih jedinica do nule.
Postoje četiri glavna razloga koja opredjeljuju
organizaciju prilikom donošenja odluke o uvo-
đenju SPC programa, a to su:
• spoljašnji pritisak-često puta kupci
zahtije-
vaju SPC program kao preduslov saradnje,
• interna korist-koristi od uvođenja SPC su
različite, mnogobrojne i u većini slučajeva
očigledne,
• opstanak - tržišna konkurencija zahtjeva
stalne promjene unutar preduzeća a prvi
preduslov opstanka je prepoznavanje potre-
ba za promjenom što SPC programi omogu-
ćavaju i
• troškovi kvaliteta - uvođenje i uvedeni
SPC programi predstavljaju povećane pre-
ventivne troškove
 ( planiranje kvaliteta, projektovanje i obuku)
koji u krajnjoj instanci imaju za posljedicu
smanjenje ukupnih troškova kvaliteta.
SPC programi podrazumjevaju kontrolu i
unaprijeđenje procesa a time i težnju ka
manjoj entropiji u cjelini.
Opis
Uvođenje SPC programa podrazumjeva po-
znavanje i korišćenje niza postupaka,metoda
i tehnika, a to su:
• prikupljanje i prikazivanje podataka
(vrsta
 podataka,način prikupljanja,oblici obrazaca,
oblikovanje histograma i poligona),
• posebne metode rješavanja problema
( ABC analiza, dijagram uzrok posljedica,
Brainstorming,FMEA,FMECA,...),
• određivanje mjera centralne tendencije i
rasipanja (srednja vrijednost,mod,medijana,
raspon,devijacija),
• kontrolne karte za atributivne karakteri-
stike kvaliteta,
• koktrolne karte za numeričke karakteri-
stike kvaliteta,
• analiza sposobnosti procesa, itd.
Ključni aspekt SPC programa je da se dobije
predvidiv proces a time predvidiv rezultat.

Polaznu osnovu za donošenje suda o predvi-

divosti procesa predstavljaju podaci,izdvojeni
i obrađeni na način koji omogućava donoše-
nje relevantnih zaključaka.
Postupak
Bez obzira o kojoj metodi ili tehnici je riječ
postupak obuhvata sljedeće korake:
1)izbor problema i/ili procesa koji se želi
rješiti,
2) Izbor metode ili tehnike primjerene
predmetnoj potrebi,
3) izdvajanje podataka,
4) primjena metode ili tehnike,
5) analiza dobijenih rezultata,
6) predlaganje korektivnih mjera,
7) sprovođenje korektivnih mjera.
KONTROLNE KARTE
Kontrolne karte spadaju u statističke metode
kontrole kvaliteta. U suštini to je grafikon na
kome apscisa predstavlja redosljed ko-
ntrolisanja, a na ordinatu se ubilježavaju
vrijednosti parametara, koje kontrolišemo
preko uzoraka određene veličine. Pomoću
kntrolne karte utvrđujemo variranje kvaliteta, a s
tim u vezi stabilnost procesa proizvodnje u odnosu
na utvrđene kontrolne granice.
Tvorac kontrolnih karata dr Šjuhart, kaže da
je njihov zadatak:
1. da održavaju proces proizvodnje u
stanju kontrole,
2. da dovedu proces proizvodnje u stanje
kontrole,
3. da pokažu da li je postignuto stanje
kontrole.
Za proces se kaže da je pod kontrolom ,
ako se variranje procesa odvija u okviru
kontrolnih granica.
Kada je proces pod kontrolom to znači
da je variranje kvaliteta normalno i da je
proces proizvodnje stabilan.
 Kod novog proizvoda najvažnije je utvrditi
tj. ustanoviti tolerancije.
Kontrolne karte pružaju objektivnu informa-
ciju o stanju kvaliteta rukovorećem osoblju u
proizvodnji.
Karakteristike kvaliteta se prema načinu
ocjenjivanja dijele na :
1. numeričke i
2. atributivne.
Numerčke karakteristike kvaliteta su takva
svojstva koja se ocjenjuju brojnim vrijedno-
stima npr: temperatura,pritisak,dužina,gusti-
na,snaga itd.
Atributivne karakteristike kvaliteta su takva
svojstva koja se ocjenjuju opisno pa se
kaže da je nešto loše ili dobro,da odgovara
ili ne, da ide ili ne ide itd.
Materija kontrolnih karata obuhvata slje-
deće:
1. područje primjene,
2. osnovne matematičko-statističke relacije,
3. kontrolne karte za numeričke karakteristike
kvaliteta,
4. kontrolne karte za atributivne karakteristike
kvaliteta,
5. analiza sposobnosti procesa i
6. obrada kontrolnih karata pomoću računa-
ra.

1. PODRUČJE PRIMJENE

Kontrolne karte imaju primjenu: u ulaznoj

kontroli kvaliteta, u toku tehnološkog pro-
cesa, u kontroli kvaliteta gotovih proi-
zvoda, u laboratorijama, na probnim stolovi-
ma, kod osvajanja novih proizvoda,
 u ocjeni sposobnosti procesa i kod istraži-
vačko-razvojnih poslova.
Kontrolne karte, uz podršku računarske
opreme i odgovarajućeg softvera, mogu se
znatno efikasnije primjeniti.
U tom pogledu potrebno je prihvatiti sledeće
pretpostavke:
 sa računarom se radi brže,
 sa računarom radite lakše,
 sa računarom učesnik ostvaruje više,
 vremena odgovora računara su prihvatljiva,
 vjerovatnoća rješenja zadatka računarom
 bliska je jedinici,
 programske tehnike se izrađuju modularno

i dobro su dokumentovane i
 rad sa računarom ne zatvara puteve ljuds-
ke komunikacije u radnim procesima.
 2. OSNOVNE MATEMATIČKO-
STATISTIČKE RELACIJE

Kod praćenja bilo koje karakteristike kvaliteta

dobijaju se razne vrijednosti koje imaju svoju
distribuciju (raspodijelu). Neke vrijednosti
imaju veću a neke manju učestalost.

Osnovne karakteristike rasporeda frekve-

ncija
Raspored frekvencija definiše se sa dvije
osnovne karakteristike:
1) vrijednost oko koje se frekvencija nagomi-
lava,
2) rasipanje ili disperzija izmjerenih rezultata.
Ove dvije osnovne karakteristike rasporeda
frekvencija određene su sa nekoliko veličina.
Karakteristike srednje vrijednosti
Postoji više načina izračunavanja srednje
vrijednosti.
Mod je vrijednost sa najvećom frekvenci-
jom.
Medijan je vrijednost od koje je jednak broj
manjih i većih rezultata.
 Prosjek ili srednja vrijednost je aritme-
tička sredina svih izmjerenih rezultata i izra-
čunava se po obrascu:
n

x1  x2  x3    xn x i
x  i 1

n n
gdje su: x1 do xn pojedinačni rezultati mjere-
nja.

Prosjek kao karakteristika srednje vrijednosti

najčešće se upotrebljava u kontroli kvaliteta.
Karakteristika za rasipanje
Raspon je razlika između najmanjeg i
najvećeg izmjerenog rezultata.
Standardna devijacija je takođe
karakteristika rasipanja i data je sledećim
izrazom:

x x x  x x  x
2 2 2 
n
x  x
i
2

 1 2 n
 i 1
n n
Standardna devijacija ima istu dimenziju kao izmje-
reni rezultat.
Koeficijent varijacije je odnos standardne devi-
jacije prema srednjoj vrijednosti i dat je izrazom:

 1000 0 
x
Varijansa je kvadrat standardne devijacije i
često se koristi u statističkim analizama.

x  x x  x x  x  x  x
n 2
2 2 2
  i
n
 1 2
2
  i 1

n n
Karakteristika za kosost
Karakteristika rasipanja frekvencija se defini-
še koeficijentom kososti, koji je dat izrazom.
Vrijednost za k može biti >0 ili <0. Kod simetričnog
rasporeda k=0.
 x 
n
3
i x
k i 1

n 3
Raspored frekvencija
Kontrolom kvaliteta utvrđuju se numeričke
karakteristike koje su u opštem slučaju promjenjive
i vrijednosti njihovih relevantnih frekvencija mogu
se prikazati funkcijom. Koriste se četiri teorijska
rasporeda frekvencija: hipergeometrijski, binomni,
poasonov (Poisson) i normalni (Gauss)raspored.

GAUSOV NORMALNI RASPORED

2
1  x  x0 
 
1 2 0
y e 

 0 2
gdje je:
y – vjerovatnoća,
x – promjenjiva,
σ0 – parametar koji predstavlja standardnu
devijaciju za n→∞,
x0 – parametar koji predstavlja prosjek za n→∞ .

Normalni raspored potpuno je određen ako mu je po

znata standardna devijacija i prosjek.
Kriva ima prevojne tačke za vrijednosti promjenjive
x=x0 ± σ0
 Moguće je izračunati površinu ispod krivulje
normalne distribucije za bilo koje granice, odnosno
promjenjive x. Ako se koordinatni sistem postavi
tako da ordinata predstavlja osu simetrije krivulje
normalne distribucije,onda se udaljenost promje-
njive može izraziti pomoću standardne devijacije
umnožene parametrom koji se označava sa t.

x  x0
x  x0  t  0 t
0
 3. KONTROLNA KARTA ZA NUMERIČKE
KARAKTERISTIKE KVALITETA

Od kontrolnih karata za numeričke karakteristike

kvaliteta najčešće se koriste:
xR - Kontrolna karta

x - Kontrolna karta

xR - KONTROLNA KARTA n ≤ 25
Pomoću ove karte prave se prosjeci x i rasponi R za
izmjerene vrijednosti u uzorku. Uzorak za ove karte je
mali, što znači n<25, a u praksi se najčešće uzima n=5,
n=10 ili između 5 i 10.
 n

x1  x2  x3  xn x i
xi   i 1

n n
R  X j max  X j min .
1. Izračunavanje centralnnih linija:
k

x1  x    x x i
X  2 k
 i 1 n = const.
k k
k

R1  R2    Rk R i
R  i 1
k k
2. Proračun kontrolnih granica procesa:
Kontrolne granice procesa pokazuju kvalitetno
kretanje procesa, njegovu stabilnost i sposobnost.

G
D KG X  X  A2 R GKGR  D4 R

DKGR  D3 R

Gdje su A2,D3 i D4 faktori za izračunavanje kontro-

lnih granica, zavise samo od n i njihove vrijednosti
se mogu očitati iz tabele.
3. Proračun kontrolnih granica iz zadane
tolerancije ( dat standard)

Poznato je x0 i σ0. Može biti i tolerancija T iz koje se

izračunava σ0.
T
T  6  0 0 D KG X ST   X 0  A 0
G

6
GKGR ST  D2  0 DKGR ST  D1 0
Gdje su A, D1 i D2 faktori za izračunavanje kontrolnih
granica, zavise samo od n i njihova vrijednost se može
očitati iz tabele.
PRIMJER BROJ 1.
Kontrolor u toku procesa kontroliše električni otpor. Kontrolor u
jednakim vremenskim razmacima uzima uzorak od 6 jedinica
pri čemu je 19 posmatranja registrovao stanje dato u tabeli.
Dokumentacijom je dat zahtjev x0=56,5 i σ0=5,5.
Broj 1 2 3 4 5 6 7 8 9
posmatranja
( k)
Rezultati(vrijedn 62 53 51 53 57 55 50 56 62
ost) mjerenja
uzorka n 56 45 60 65 66 45 44 40 67

58 47 61 43 62 58 51 52 56

64 59 53 50 42 62 62 61 47

61 67 63 63 64 60 58 63 64

59 65 54 62 45 56 53 58 58

60 56 57 56 56 56 53 55 59
Srednja vrijednost

xi
Raspon R 8 22 12 22 24 17 18 23 20
Broj posmatranja 10 11 12 13 14 15 16 17 18 19
k

Rezultati 51 50 64 52 70 66 68 55 55 50
mjerenja uzorka n
40 52 62 45 60 50 65 44 51 44

62 64 68 53 52 47 70 60 65 68

67 60 50 57 43 52 62 65 58 57

59 62 46 49 65 67 65 56 69 70

63 48 58 50 58 60 42 50 62 59

Srednja vrijednost 57 56 58 51 58 57 62 55 60 58

xi
Raspon R 27 16 24 12 27 20 28 21 18 26

1. Proračun centralne linije

 n

x1  x2  x3    xn x i
xi   i 1
k k
605658
x  56,842
19
k

R1  R2    Rk R i
R  i 1
k k
8 2212 26
R  20,157
19
2. Proračun kontrolnih granica procesa

G KG
D
 x  A2 R  56,84  0,483 20,157
X

GKGX  66,578 DKGX  47,105

GKGR  D4 R  2,004  20,157  40,395

DKGR  D3 R  0  20,157  0
3. Proračun kontrolnih granica iz datih standarda
Dokumentacijom je postavljen zahtjev:

x0  56,5  0  5,5
G KG  X 0  A 0  56,5  1,255  5,5
D X ST 

GKG  63,24 DKG  49,76

X ST  X ST 

GKGR ST   D2  0  5,078 5,5  27,93

DKGR ST   D1  0  0  5,5  0

 xx 40  56,84
t1    2,212
 7,95
Iz tabele se očitava vrijednost površine ispod Gaussove
krive za t1=2,212 kojoj odgovara F(t1)=0,4865

xx 70  56,84
t2    2,032
 7,95
Iz tabele se očitava vrijednost površine ispod Gaussove kri-
ve za t2=2,032 kojoj odgovara F(t2)=0,4795.
Sabiranjem F(t1) i F(t2) i oduzimanjem od 1 dobija se:
F=1-(F(t1)+F(t2))=1-(0,4865+0,4795)=0,0345.
Procenat proizvoda koji ne zadovoljava zahtjev dokumenta-
cije je 3,45%.
 x - Kontrolna karta n 25
Pomoću ove kontrolne karte se prati verira-
nje karakteristike kvaliteta preko srednje
vrijednosti uzorka i njegove standardne de-
vijacije.
Ova karta se koristi kada su uzorci veći,po
pravilu više od 15, a to znači da se koristi za
male n<25 i velike uzorke n>25, a naročito
se koristi u tehnološkim procesima, gdje se
na posmatranoj operaciji istovremeno tretira
veći broj jedinica proizvoda. kao i na kontroli
kvaliteta gotovih proizvoda.Ovo je slučaj u pro-
cesima termičke obrade, površinske zaštite i
sl.Ova karta se ne koristi na opremi na kojoj se
radi jedan po jedan proizvod, izuzev kod auto-
matskih brzih procesa. Koristi se i na kontroli
kvaliteta gotovih proizvoda.
Kontrolnom tehnologijom se definiše veli-
čina uzorka i učestalost kontrolisanja.Kontrolor
vrši obilaske kako je to za taj proces propisano
i mjeri karakteristiku kvaliteta čije se variranje
posmatra. U izvještaj se bilježe rezultati mjere-
nja za svako posmatranje i izračunava srednja
vrijednost i standardna devijacija uzorka.
n

x1  x2  x3    xn x i
x  i 1

n n
   2
 2

x1 x  x 2  x  x n  x   2 
n
x  x
i
2

 i 1
n n
Da bi se kontrolna karta mogla podvrći statističkoj analizi
potrebno je izvršiti najmanje 15 posmatranja. Uzorak je
često puta promjenjiv, n≠const. U kontrolnoj karti se evide-
ntira broj posmatranja, veličina koraka, srednja vrijednost i
standardna devijacija.
 Broj 1 2 … k
posmatranja
Veličina
koraka
n1 n2 ... nk
Srednja …
vrijednost x1 x2 xn
Standardna
devijacija 1 2 …
n
1. Izračunavanje centralne linije
n

n1 x1  n2 x    nn x n x i i
X  2 n
 i 1

n n
1 2
   nn
n
n

i
i 1
 n

n   n   ...  n  n 

i i
1 2 n
= 1 2 n
 i 1

n  n  ...  n
n
1 2 n
n i 1
i

x  predstavlj a..srednju ..vrijednost..svih..srednjih ..vrijednosti

  predstavlja..srednju..vrijednost..svih..devijacija

Za slučaj da je n=const.,gornji obrasci postaju jednostavniji.

n

 x  x  x x
x x
i
1 2 3 n
 i 1
n
k k
1   2     n  i
  i 1
k k
2. Proračun kontrolnih granica procesa
Kontrolne granice procesa pokazuju kvalitetno
kretanje procesa, negovu stabilnost i sposobnost.
To su granice mogućnosti jednog procesa i predsta-
vljaju normalne varijacije,koje se mogu očekivati.

Kontrolne granice za srednje vrijednosti x

Mali uzorak Veliki uzorak
n  25 n 25

G KG
D
 X  A1 G KG
D
 X 3
X X
n
Kontrolne granice za standardnu devijaciju 

GKG  B4
G KG
D 
 3
2n
DKG  B3
A1, B3, i B4 su faktori za izračunavanje kontrolnih granica,
zavise samo od n i njihove vrijednosti se mogu očitati iz
tabele.
3. Proračun kontrolnih granica iz zadane tolera-
ncije ( dat standard )
Poznato je x0 i σ0, odnosno može biti poznata tole-
rancija T iz koje se izračunava σ0. T=6· σ0
 Kontrolne granice za srednje vrijednosti x
Mali uzorak Veliki uzorak
n  25 n 25

G KG  X0 3
D KG X ST   X 0  A 0
G
D X ST 
n
Kontrolne granice za standardnu devijaciju 
Mali uzorak n  25 Veliki uzorak n 25
0
GKG ST   B2 0 G KG
D  ST 
0 3
2n
DKG ST   B1 0
A, B1 i B2 su faktori za izračunavanje kontrolnih granica, zavise samo
od n i njihove vrijednosti se mogu očitati iz tabele.
 KONTROLNA KARTA ZA
INDIVIDUALNO PRAĆENJE KVALITETA

Ova kontrolna karta se još naziva i kontrolna karta sa

pomičnim rasponom. Primjenjuje se kod 100% kontrole kva-
liteta, npr. kod složenih proizvoda,skupih agregata ( turbine,
generatori, pumpe ) koje se rade u malim količinama, onda
se registruju parametri kvaliteta i prate se putem ove kontro-
lne karte.
U procesnoj i hemijskoj industriji , npr. u proizvodnji
piva, alkoholnih pića i hemikalija dovoljno je izvršiti samo je-
dno ispitivanje da bi se ocjenila čitava proizvodna masa. Da
bi se izvršila statistička obrada, potrebno je imati bar 20 po-
smatranja ( k>20 ).
Naziv karta sa pomičnim rasporedom dat je otuda
što se raspon izračunava između dva uzastopna ispitivanja,
tako da je raspon za jedan manji od broja izmjerenih veličina.
 1. Izračunavanje centralne linije
n

x1  x2  x3    xn x i
x  i 1

k k
R1  R2    Rn
R
k 1
2. Proračun kontrolnih granica procesa
G KG
D
 x  2,66R
X
GKGR  D4 R DKGR  D3 R
D3 i D4 su faktori za izračunavanje kontrolnih granica i za n=2 očitava se iz tabele.
Ukoliko je dat standard, onda tolerancija koja je propisana,odnosno X max i
X min istovremeno predstavljaju granice dozvoljenih varijacija.
PRIMJER BROJ 2.
Kontroliše se sadržaj silikona u maganovom čeliku. U toku
15 ispitivanja dobijeni su sledeći rezultati procenta silikona:
0,70; 0,75; 0,79; 0,74; 0,72; 0,70; 0,70; 0,73; 0,72; 0,76; 0,72;
0,71; 0,74; 0,78; 0,84.
Standardom je propisano za ovaj čelik, procenat silikona
od 0,7-1,0%. Treba analizirati kvalitet proizvedenog čelika u
ovih 15 šarži.
K 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

X 0,70 0,75 0,79 0,74 0,72 0,70 0,70 0,73 0,72 0,76 0,72 0,71 0,74 0,78 0,84

R 0,05 0,04 0,05 0,02 0,02 0,00 0,03 0,02 0,01 0,04 0,04 0,01 0,03 0,04 0,06

PRORAČUN
1. Proračun centralnih linija
x x  x  x  x
1 2 3 n

0,70  0,75    0,84 11,10
  0,74
15 15
k
R1  R2    Rn 0,05  0,04    0,06 0,44
R    0,0314
k 1 14 14
2. Proračun kontrolnih granica procesa
G KG
D
 x  2,66R  0,74  2,66  0,0314
X
GKG  0,8235 DKG  0,6565
X
X

GKGR  D4 R  3,269  0,0314  0,1026

DKGR  D3 R  0  0,0314  0
 Pošto 15-esto posmatranje izlazi van koktrolnih
granica procesa, potrebno je izvršiti ponavljanje pro-
računa , ali bez 15-og posmatranja.
1. Izračunavanje centralne linije

x x1
 x  x  x
2 3 14

0,70  0,75    0,78 11,10  0,84
  0,733
k 1 14 14
R1  R2    R14 0,05  0,04    0,04 0,44  0,06
R    0,0292
k 2 13 13
2. Proračun kontrolne granice procesa
G KG
D
 x  2,66R  0,733  2,66  0,0292
X

GKG  0,810 DKG  0,6555

X
X
 GKGR  D4 R  3,269  0,0292  0,0954
DKGR  D3 R  0  0,0314  0
3. Kontrolne granice iz zadanog standarda
X max  1,00 X min  0,70
T 1,000,70
0    0,05
6 6
R0   0  d 2  0,05 1,128  0,0564
GKGRST   D4 R0  3,269  0,0564  0,1834
DKGRST   D3 R0  0  0,0564  0
d 2 je faktor za izračunavanje kontrolnih granica i za n=2 očitava se iz tabele.
Koristeći Gauss-ovu distribuciju izračunava se %
nezadovoljavajućeg čelika .

GKGx  DKDx 0,8100,6555

   0,0258
6 6
xmin  x 0,70  0,733
t   1,28
 0,0258
Iz tabele za t=1,28 očitava se vrijednost površine
F(t)=0,3997, a odavde se dobija: F=0,50-F(t)=
0,5-0,3997=0,1003

Zaključak:
• U ovom procesu proizvodnje može se očekivati
10,03% nezadovoljavajućeg čelika sa manjim
procentom silikona od propisanog,
• Ovaj proces proizvodnje je stabilan i pod kontro-
lom, jer se sve tačke nalaze unutar kontrolnih
granica procesa. Posmatranje broja 15 je odba-
čeno, jer bi ono deformisalo rezultate,
• Rasipanje ovog procesa je manje od dozvolje-
nog. Dozvoljava se od 0,7-1,0%, a ostvaruje se
od 0,65-0,81%.
 KONTROLNE KARTE ZA ATRIBUTIVNE
KARAKTERISTIKE

Od kontrolnih karata za atributivne

karakteristike kvaliteta najčešće se koriste
sledeće:
 p – kontrolna karta,
 m – kontrolna karta,
 u – kontrolna karta,
 c – kontrolna karta
 p- Kontrolna karta
Ova kontrolna karta koristi se za praćenje
proporcije loših proizvoda. Proporcija loših proi-
zvoda se obilježava sa p i predstavlja:

broj...loših m
p 
pregledana...količ. n
Kod ove kontrolne karte koristi se binomni raspored,
jer je nesimetričan.
Broj posmatranja treba da iznosi najmanje 15 (k>15)
da bi se izvršila statistička analiza.
Na osnovu podataka evidentiranih u kontrolnoj karti
vrši se proračun:
Broj posmatranja k 1 2 ... k
Pregledana n n1 n2 ... nk
količina
Broj loših m m1 m2 ... mk
Proporcija p p1 p2 ... pk

1. Izračunavanje centralne linije:

n

m1  m2    mk m i
p  i 1

n1  n2    nk n

n i 1
i
 n

n1 p1  n2 p 2    nk p k n p i i
p  i 1

n1  n2    nk n

n
i 1
i

Za slučaj da je n=const. koristi se relacija:

n

p1  p2    pk p i
p  i 1
k k

2. Proračun kontrolnih granica procesa:

 Kontrolne granice procesa pokazuju normalne
varijacije kvaliteta koje se u jednom procesu proizvo-
dnje mogu očekivati.
Standardna devijacija kod proporcije loših
proizvoda dobija se pomoću izraza:

 p
p1 p
n
Kontrolne granice su:

G p1 p
D KG  p 3
n
Ako je p0,1 ,onda se za praktične proračune može smatrati da je

1 p1 pa izraz za kontrolu granica dobija drugi oblik:

G KG  p
D
p  3
n
3. Proračun kontrolnih granica iz zadanog
standarda
 p0 1 p0 
ST   p0  3
G KG
D
n
Odnosno za p0  0,1, može se koristiti relacija:
 p
G KG
D ST   p0
 3 0
n
PRIMJER BROJ 3.

U toku procesa proizvodnje kontroliše se kvalitet

pri čemu je u deset posmatranja registrovano
stanje prikazano u tabeli:
Broj 1 2 3 4 5 6 7 8 9 10
posmatranja
Potrebna 200 200 200 400 400 400 400 400 200 200
količina n
Broj loših m 8 5 8 9 10 6 11 10 5 5

Proporcija 0,040 0,025 0,040 0,022 0,025 0,015 0,027 0,025 0,025 0,025
loših p
 1.Proračun centralne linije:
m1  m2    mk 8  5  5
p   0,0256
n1  n2    nk 200  200    200
2. Proračun kontrolnih granica procesa

G KG  p  3
p1 p
D
n
Za n= 200

G KG  0,0256  3  0,025610,0256  0,0256  0,0335

D
200
 GKG  0,059 DKG  0
Za n= 400
G KG  0,0256  3  0,025610,0256  0,0256  0,0236
D
400

GKG  0,049 DKG  0,002

3. Proračun kontrolnih granica iz datog standarda
Poznato je p0 =2% pa je p0=0,02

Za n= 200
0,0210,02
ST   0,02  3
G KG
D
200
 GKGST   0,0479 DKGST   0
Za n=400

G KG  0,02  3 
0,0210,02
D ST  400
GKGST   0,041 DKGST   0
Zaključak:
 Navedeni proces proizvodnje je stabilan i pod kontrolom.
 U prosjeku možemo očekivati 2,56% loših proizvoda, a proces
varira u granicama od 0,00-5,90%.
 U odnosu na postavljen zahtjev proces proizvodnje je ekscentričan

na više u smislu pogoršanja kvaliteta. U prosjeku je dozvoljeno 2%

loših proizvoda, a ostvaruje se 2,56%.
 u-Kontrolna karta
Ova kontrolna karta se koristi za praćenje
broja grešaka, odnosno neispravnosti
(defekata).
Ova karta se koristi na proizvodima koji
nemaju za jedinicu komad, već dužinu,
površinu, težinu i satnu proizvodnju ( štof,
pređa, kablovi, žica,limovi).

Karta se koristi za praćenje defekata na:

 tkaninama,
 papiru,
 pločama od stakla,
 plastike,
 limovima,
 električnim vodovima,
 žici,
 profilima,
 strojevima na elektronskim aparatima,
 zavarenim i zakovanim konstrukcijama,
 galvaniziranim,obojenim i lakiranim
površinama i dr.
c broj..grešaka..(defekata)
u 
n pregledana..količoli
Za statističku kontrolu procesa potrebno je da
bude ispunjen uslov od najmanje 15 posma-
tranja (k>15).
Broj posmaranja k 1 2 3 ... k
Pregledana količina n n1 n2 n3 ... nk
Broj grešaka ( mana ) c c1 c2 c3 ... ck
Broj grešaka po jedinici u u1 u2 u3 ... uk

1. Proračun centralne linije

n
 ci
c1  c2  ck i 1
u  n
n1  n2  nk  n
i
i 1
 n
 ni ui
n1u1  n2 u2  nk uk i 1
u  n
n1  n2  nk  ni
i 1
Za slučaj da je n=const.
n
 ui
u1 u2 uk i 1
u  n
n1  n2  nk  n
i
i 1

n
 ci
c1  c2  ck i 1
u 
k n k n
2. Proračun kontrolnih granica procesa

G u
D KG u  3
n
3. Proračun kontrolnih granica iz zadanog
standarda
Ako je za neki proizvod propisan prosječan broj
grešaka po jedinici proizvoda „ u0”, tada se ko-
ntrolne granice izračunavaju po obrascu:

G KG  u u0
D 0
 3
n
 PRIMJER BROJ 4.
Treba analizirati kvalitet procesa proizvodnje na instalacijama
proizvodnih uređaja ako su otkriveni defekti koji su dati u tabeli.
k n c u
1 20 72 3,60
2 20 38 1,90
3 40 76 1,90
4 25 35 1,40
5 25 62 2,48
6 25 81 3,24
7 40 97 2,42
8 40 78 1,95
9 40 103 2,58
10 40 56 1,40
11 25 47 1,88
12 25 55 2,20
13 25 49 1,96
14 25 62 2,48
15 25 71 2,84
16 20 47 2,35
17 20 41 2,05
18 20 52 2,60
19 40 128 3,20
20 40 84 2,10
580 1334
1. Proračun centralne linije
n
 ci
c1  c2 ck i 1 723884
u  n   2,30
n1  n2  nk  n 20 20 40
i
i 1
2. Proračun kontrolnih granica procesa
Kontrolne granice procesa se proračunavaju za
svaku vrijednost n-a; n=20 ; n=25 ; n=40
Za n=20
G KG  u  3  u 2,30
D
 2,30  3   2,30  1,02
n 20

GKG  3,32 DKG  1,28

Za n=25
G KG  u  3  u 2,30
D
 2,30  3   2,30  0,91
n 25
GKG  3,21 DKG 1,39
Za n=40
u 2,30
G KG
D
 u  3  2,30  3   2,30  0,72
n 40
GKG  3,02
DKG 1,58
Zaključak:

1. Proces je nestabilan,a kvalitet nepouzdan, jer

proces nije pod kontrolom.
2. U prvom, četvrtom,desetom i dvanaestom po-
smatranju proces je van kontrolnih granica.
3. Potrebno je provesti konkretne mjere da bi se
poboljšalo stanje.