dokuz eylül Üniversitesi mühendislik fakültesi endüstri...
TRANSCRIPT
Dokuz Eylül Üniversitesi
Mühendislik Fakültesi
Endüstri Mühendisliği
Metalurji & Malzeme Mühendisliği
END 3618 & END 4822 Kalite Planlama & Kontrol
Mart - 2019
Bölüm 5: Nitelikler (Belirtiler) için Kontrol
Kartları
Dr. Öğr. Üyesi Kemal SUBULAN
Niteliklere (Belirtilere) Göre Kontrol Grafikleri
Kalite karakteristiklerinin ölçülemediği ancak uygun-uygun değil, iyi-kötü,geçer-geçmez, kabul-ret gibi niteliklerin değerlendirilerek sayılabildiğidurumlarda kullanılır.
Bir veya birden fazla kalite karakteristiğine göre, uygun/uygun değil gibisınıflandırmanın yapıldığı durumlarda kullanılır. Çok fazla sayıda kalitekarakteristiği ile ilgilenildiğinde, her bir kalite karakteristiği için ölçümleryapılarak ayrı ayrı 𝑋-R veya S kontrol grafiği oluşturmanın zorluğu ve nedenolacağı maliyet artışı, kalite kontrolün niteliklere göre yapılmasını gerektirebilir.
İncelenen bir birim ürün üzerindeki hata/kusur sayıları ile ilgilenildiğidurumlarda kullanılır.
Değişkenler için kontrol grafikleri kadar fazla bilgi sunamamalarına rağmen,(Sadece uygunsuzlukların sınıflandırılması: kusurlu/kusursuz) nitelikler içinkontrol grafikleri pratikte geniş uygulama alanına sahiptir.
Kalite karakteristiği değerlerinin ölçümünün zor olduğu hizmet sektöründe de,niteliklere göre kontrol grafikleri kalite geliştirme/iyileştirme aracı olarakkullanılabilmektedir.
1. p (Kusurlu Oranı) Kontrol Grafiği
Ürünlerin belli özelliklerinin standartlara uygunluğu yerine buürünlerin kusurlu olup olmadıklarının araştırılması durumunda,prosesten alınan örneklerin ortalamaları yerine, kusurlu oranlarınınkontrol edilmesi uygundur. Bu işlem, p-grafiği ile yapılır.
Ürün üzerinde incelenen bir veya birden fazla kalite karakteristiğinegöre, ürün standartları sağlamıyorsa (Spesifikasyonlara uymuyorsa),kusurlu olarak adlandırılır. Birden fazla kalite özelliği eş zamanlıolarak incelenebilir.
Kusurlu oranı kontrol grafiğinin istatistiksel açıdan temeli, Binomdağılımına dayanmaktadır. Ardışık olarak üretilen her bir birim ürünbirbirinden bağımsız olmakla birlikte, p parametresine sahip Bernoullirastgele değişkeni ile ifade edilir.
𝑋 − 𝑅 ve 𝑋 − 𝑆 grafiklerine nazaran, p-grafiklerinde oran söz konusuolduğu için daha büyük hacimli örnekler alınmalıdır. Örnekbüyüklüğü (n) tespitinde, 𝒏. 𝒑 > 𝟏 durumu sağlanmalıdır (p = 0.05 isen > 20 olmaktadır).
Örneklem büyüklüğü
50’den küçükse Binom
dağılımı; kusurlu oranı
%10’dan küçükse
Binom dağılımının
Poisson dağılımına
yaklaşımı; örneklem
büyüklüğünün çok
fazla, kusurlu
oranının da çok küçük
olması durumunda ise
normal dağılıma
yaklaşım kullanılabilir.
Binom dağılımının
olasılık yoğunluk
fonksiyonu
(Parametreleri p ve n)n, örneklem büyüklüğü
D, kusurlu ürün sayısı
Binom dağılımının beklenen değeri, 𝑛. 𝑝Varyansı ise, 𝑛. 𝑝(1 − 𝑝)
Örneklem içerisindeki
kusurlu oranı
𝒑 rastgele değişkeninin dağılımı, binom dağılımından elde edilir.
Ortalaması ve varyansı aşağıdaki gibi hesaplanabilmektedir.
Standartların Belli Olması Durumu Standartların belli olması durumu, üretim sürecine ait gerçek kusurlu
oranı, p standart değerinin bilinmesi anlamına gelmektedir. Bir başkadeyişle, popülasyonunun (ana kütle) kusurlu oranı bilinmektedir.
Bu durumda, p kontrol grafiğinin merkez çizgisi ve alt/üst kontrol limitleriaşağıdaki gibi hesaplanmaktadır.
Birbirini izleyen n ardışık örnek alınarak, 𝑝 kusurlu oranları hesaplanıp,kontrol grafiği üzerine işlenir. 𝑝 değerleri kontrol limitleri içerisindekaldığı ve herhangi bir sistematik (rassal olmayan) örüntü (pattern)oluşturmadığı sürece, p-seviyesinde proses kontrol altındadır denir.
Bazı durumlarda, n ve p’nin değerine
bağlı olarak LCL (alt kontrol limiti)
negatif olarak hesaplanır. Bu durumda,
alt kontrol limiti %0’dan küçük
olamayacağından, ‘0’ olarak alınır.
Genelde, sürece ait p-kusurlu oranı kesin ve net bir şekilde bilinmez bu
durumda, n adet gözlem içeren m adet örneklem alınarak, kusurlu oranı
tahmin edilmeye çalışılır. Daha evvel de belirtildiği üzere, örneklem sayısı
en az 20-25 civarında olmalıdır.
Her bir örneklem için kusurlu oranları hesaplanır. Daha sonra, tüm
örneklemleri içeren ortalama kusurlu oranı hesaplanarak, sürecin p
ortalama kusurlu oranı tahmin edilir ve bu değer merkez çizgi olarak
belirlenir.
Standartların Belli Olmaması Durumu
Standartların belli olmadığı
durumda alt ve üst kontrol
limitlerinin hesaplanması
Dondurulmuş portakal suyu konsantrasyonunu, 6-oz’luk mukavva
kutulara paketleyen bir makineden örneklemler alınarak, kutulardan
herhangi bir sızma durumunun (Çatlak & delik olması) olup olmadığı
değerlendirilerek, kusurlu & kusursuz olarak ayrılıyor. Paketleme
makinesinden çıkan kutulardaki kusurlu oranlarının iyileştirilmesi
amacıyla, p-kontrol grafiğini oluşturunuz.
Örnek-1
3 vardiya çalışan makineden
yarım saat arayla 50 gözlem
değeri içeren toplam 30
örneklem alınarak kusurlu
ürün sayıları belirlenmiştir.
15. örneklemdeki kontrol dışı durumun sebebi, yeni bir hammadde/malzeme
kullanımı olarak belirlenmiştir. Kullanılan bu yeni hammadde, bazı
durumlarda üretimin performansını olumsuz yönde etkilemektedir.
23. örneklemdeki kontrol dışı durumun sebebi olarak ise, örneklemin alındığı
zamanda, makineye deneyimsiz yeni bir operatörün atanması olarak
belirlenmiştir.
Aşama-I, deneme kontrol
limitlerinin elde edilmesi.
15. ve 23. örneklemlerdeki
kusurlu oranları üst kontrol
limitini aşmış, proses kontrol
dışındadır. Değişkenliğin
özel nedenleri bulunup,
düzeltici önlemler
uygulanarak giderilmelidir.
Merkez Çizgi ve Kontrol Limitlerinin
Revize Edilmesi
Kontrol limitlerinin daralması sebebiyle, 21.
örneklemdeki kusurlu oranı, üst kontrol limitini
aşmaktadır. Ancak, veriler analiz edildiğinde, kontrol dışı
gibi gözüken bu durumun herhangi bir özel nedeni
belirlenememiştir. Bu nedenle, bu noktanın göz ardı
edilebileceğine karar verilmiş ve yeni kontrol limitlerinin
gelecek üretimin izlenmesinde kullanılabileceği
belirtilmiştir (Aşama-I tamamlandı).
15. ve 23. örneklemler, veri setinden elimine
edilerek, kontrol limitleri ve merkez çizgi
yeniden hesaplanmıştır.
p = 0.215 seviyesinde, süreç kontrol altındadır.
Kontrol limitleri revize edildikten sonra, kontrol dışına çıkan noktanın özel
sebebi belirlenebiliyorsa, sürecin kontrol altında olduğu söylenemez.
Süreç/Proses İyileştirme Çalışması Süreç kontrol altında olmasına rağmen (stabil bir şekilde devam ediyor), üst yönetim
p = 0.215 oranını yüksek bulmuş ve sürecin iyileştirilmesi amacıyla, kontrol kartları
uygulamasına ek olarak, sürecin bir kalite mühendisi tarafından analiz edilmesini
uygun bulmuştur. Kalite mühendisi, makine üzerinde bazı ayarlamaların
yapılabileceğini tespit etmiş ve bu ayarlardan sonraki üç vardiya boyunca 50 gözlem
değerinden oluşan 24 adet ek örneklem alınıp, kusurlu oranı incelenmiştir.
Kalite mühendisleri tarafından gerçekleştirilen süreç analizleri
doğrultusunda yapılan makine ayarları, sürecin iyileşmesine
(Ortalama kusurlu oranının azalmasına) katkı sağlamıştır.
İstatistiksel proses kontrol uygulamalarının varlığı, operatörlerde de
süreç kalitesi konusunda daha fazla farkındalık uyandıracak, bu da
süreç performansının sürekli olarak izlenip iyileştirilmesine katkıda
bulunacaktır.
Süreç, p = 0.215 seviyesinden çok
daha iyi bir seviyede (Daha düşük
kusurlu oranı) devam etmektedir.
41. örneklemde kusurlu oranı alt
kontrol limitinin altına düşmüştür,
ancak bu kontrol dışı durumun
herhangi bir özel nedeninin
olmadığı anlaşılmıştır. Bu nedenle,
bu durum göz ardı edilebilir.
MINITAB 14 ile p-Kusurlu Oranı
Kontrol Grafiğinin Oluşturulması
Prosesin Kusurlu Oranı için Hipotez Testi
Örnek - 2
Geçmiş verinin alındığı önceki periyottaki prosesin
kusurlu oranı ile iyileştirme sonrası kusurlu
oranının değişip değişmediğine dair hipotez testi
Kusurlu oranları arasındaki farkların
hipotezi için test istatistiği (İki oranın
farkı için hipotez testi)
Geçmiş üretim ile şimdiki üretim prosesinin
kusurlu oranlarının ağırlıklı ortalaması
%95 güven düzeyinde, 𝐻0 hipotezi reddedilir.
Mevcut üretim prosesinin kusurlu oranı, geçmişteki
kusurlu oranı ile aynı değildir. Kusurlu oranında
önemli ölçüde iyileşme/azalma meydana gelmiştir.
Yapılan makine ayarlarının, kusurlu oranını
azaltmada başarılı olduğu söylenebilir.
Bu nedenle, kontrol limitleri sadece en son veriler
kullanılarak (31-54 örneklemler) tekrar revize
edilmelidir.
Hipotez Testi Sonucu
Proses İyileştirme Sonrası Revize Edilen
Merkez Çizgi ve Kontrol Limitleri
Kusurlu oranı kontrol grafiğinde,
alt kontrol limiti negatif olamaz.
Tüm noktalar yeni kontrol limitleri
içerisinde olduğundan, süreç
kontrol altındadır.
Gelecek Üretimin İzlenmesi Amacıyla
Süreçten Alınan Ekstra Örneklemler
Gelecek Üretimin İzlenmesi
Sürecin izlenmesi amacıyla, önümüzdeki 5 vardiyadan alınan ekstra 40
örneklem ile elde edilen kontrol grafiğine göre, kontrol dışı herhangi bir
durum söz konusu değildir, ancak %11.08 kusurlu oranı hala yüksektir.
Bunun için deney tasarımı yaklaşımları ile süreç iyileştirmesinde etkili
olan kritik makine ayarları belirlenebilir.
Kusurlu Oranı Kontrol Grafiklerinin Tasarımı Örneklem büyüklüğü, örnek alma sıklığı ve kontrol limitlerinin
genişliğinin belirlenmesi (Kontrol Kartı Tasarımı),
Sürecin tüm çıktıları üzerinde uygun bir zaman periyodunda %100
muayenenin yapıldığı durumlarda, örneklem büyüklüğü, örnek alma sıklığı
ile ilişki içerisindedir. Bu durumda, örnek alma sıklığı üretim oranına göre
belirlenerek, sabit örneklem büyüklüğü ile çalışılır.
Rasyonel alt grup oluşturma da örnek alma sıklığını belirlemede rol oynar.
Örneğin, 3 vardiya çalışılan bir işletmede, kalite düzeyinin vardiyalar arasında
değişkenlik gösterdiğinden şüphelenerek, günlük kusurlu oranını elde etmek
için tüm vardiya çıktılarının bir araya getirilmesi yerine, her bir vardiya
sonucunda üretilen ürünlerden bir rasyonel alt grup oluşturulabilir.
Örneklem büyüklüğünü belirlemek için çeşitli yöntemler mevcuttur. Eğer,
prosesin kusurlu oranı çok küçükse, örneklem içerisinde en az bir kusurlu
ürün olması bulunması olasılığını arttırmak için örneklem büyüklüğü fazla
seçilir. Aksi halde, sadece bir kusurlu ile elde edilen kontrol limitleri, sürecin
kontrol dışında olduğu sinyalini verecektir.
Eğer kusurlu oranı 𝑝 = 0.01 ve 𝑛 = 8 ise üst kontrol limiti:
Eğer örneklem içerinde sadece bir kusurlu varsa, kusurlu
oranı üst kontrol limitini aştığından süreç kontrol altında değildir. Tek bir
kusurlu ürünün olduğu örneklemlerde sürecin kontrol altında olmadığını
söylemek pek mantıklı olmayacaktır. Bu durumu engellemek için örneklem
büyüklüğü yeterince fazla seçilmelidir.
Prosesin kusurlu oranından sapma
(Proses yer değiştirmesinin büyüklüğü)
Yer değiştirmenin %50 olasılıkla
tespit edilmesi için alınması
gereken örneklem büyüklüğü
Kusurlu oranının p = 0.01 olduğu bir süreçte, kusurlu
oranının p = 0.05 seviyelerine çıkması (yer değiştirme)
durumunun %50 olasılıkla tespit edilebilmesi için,
örneklem büyüklüğü en az 56 olmalıdır (3-sigma
kontrol limitlerinin kullanılması halinde).
Örneklem Büyüklüğü
Belirleme
Bir Diğer Örneklem Büyüklüğü Belirleme Yöntemi
Kontrol altındaki bir süreçte, kusurlu oranı seviyesinin küçük olması
durumunda, örneklem büyüklüğü belirlemenin bir diğer yolu ise alt
kontrol limitinin pozitif değer almasını sağlayacak kadar yeterince
fazla örneklem almaktır.
Kusurlu oranının %5 olduğu ve 3-sigma kontrol limitlerinin
kullanılması durumunda, örneklem büyüklüğü en az 172 olduğunda, alt
kontrol limiti pozitif bir değer alır.
Örneklem büyüklüğünün arttırılmasıyla, kontrol limitlerinin
daralması durumunda, kontrol kartı küçük değişimleri tespit edebilme
konusunda daha hassas hale gelecektir. Ancak, yanlış alarm verme
sıklığı artacaktır.
Kusurlu Oranı Kontrol Kartları Üzerindeki
Noktaların Yorumlanması Kusurlu oranı kontrol kartları, Binom olasılık modelini kullanır. Bu olasılık
modeline göre, birbirini izleyen ardışık üretimler birbirinden bağımsızdır vekusurlu ürün üretilme olasılığı sabittir.
Kusurlu ürünlerin bir araya toplandığı üretim süreçlerinde veya kusurlu ürünüretme olasılığının bir önceki üretilen ürünlerin kusurlu olmasınadayandığı durumlarda (Bağımsızlık söz konusu değil), Binom olasılık modeli,dolayısıyla da kusurlu oranı kontrol grafiklerinin kullanımı uygun değildir.
Alt kontrol limiti altındaki noktaların yorumuna dikkat edilmelidir. Bunoktalar genelde, süreç kalitesindeki gerçek bir iyileşmeyi göstermezler. Bunoktalar genellikle, test sürecindeki hatalardan (Deneyimsiz kalite kontrolelemanı, kalibrasyonu iyi yapılmamış test cihazı) kaynaklanmaktadır. İlkbakışta, alt kontrol limitinin altına düşen noktalar arzu edilmesine rağmen, altkontrol limiti altındaki her nokta, kalitenin iyileştiği anlamına gelmemektedir.Zayıf bir p-tahmini veya merkez çizginin yanlış belirlenmesi sebebiyle deböyle durumlar oluşabilir.
2. Kusurlu Sayısı (np) Kontrol Grafiği Nitelikler için kontrol grafiği oluştururken, kusurlu oranı yerine kusurlu sayıları
da kullanılabilir. Standartların belli olmadığı durumda (p kusurlu oranı
bilinmiyorsa), ortalama kusurlu oranı 𝒑 kullanılarak tahmin edilebilir.
Her bir örnekteki kusurlu sayıları, kontrol grafiği üzerine işlenir.
Örneklemler içerinde 21 kusurlu ürün olması durumunda süreç
kontrol dışında olacaktır. Kusurlu sayısı kontrol grafiği
uygulamalarında, kontrol limitlerinin tamsayı olması tercih
edilmektedir. Dolayısıyla, kontrol limitleri 2 ve 21 olarak belirlenebilir.
Örneklem büyüklüğünün sabit olduğu durumlarda,
kusurlu sayısı kontrol grafiği, kusurlu oranı kontrol
grafiğinin yerine kullanılabilir.
Örnek-3Dondurulmuş portakal suyu konsantrasyonunu verilerini
kullanarak, kusurlu sayısı (np) kontrol grafiğine ait alt ve
üst kontrol limitlerini hesaplayınız.
MINITAB 14 ile np-Kusurlu Sayısı
Kontrol Grafiğinin Oluşturulması
Belirli bir zaman periyodunda üretilen ürünler, süreç çıktıları (alınan
örneklemler) %100 muayeneye tabi tutuluyorsa, her bir periyotta farklı sayıda
ürün üretilmesinin mümkün olmasıyla, örneklem büyüklükleri farklı olabilir.
Bu durumda, 3 farklı yaklaşım kullanılabilmektedir. Üretim hızı daima aynı
değildir, buna bağlı olarak örneklem büyüklüğü farklılık gösterecektir.
1. Değişen genişlikteki kontrol limitleri: Her bir örneklem için ayrı ayrı spesifik
kontrol limitlerinin belirlenmesi. 𝑛𝑖, i. Örneklemin hacmi olmak üzere;
kontrol limitleri, örneklem büyüklüğünün karekökü ile ters orantılıdır.
Alınan 25 örneklem için kusurlu oranının tahmin edilmesi (Merkez çizgi değeri):
Değişken Örneklem Büyüklüğü ile Çalışılması
Halinde Kusurlu Oranı p-kontrol grafiği
Not: En büyük olan örneklem, en küçük olan örneklemi %20’den fazla
aştığında, her bir örneklem için alt ve üst kontrol limitleri ayrı ayrı hesaplanır.
Örneklem kusurlu oranının
standart sapmasının tahmini Örnek- 4
MINITAB 14 ile p-Kusurlu Oranı
Kontrol Grafiğinin Oluşturulması
(Değişken Örneklem Büyüklüğü)
Örnek-5 Bir ürüne ilişkin 10 adet üretim partisi %100 muayeneye tabi tutulmuş ve
aşağıdaki tabloda verilen sonuçlar elde edilmiştir. Ayrıca, ürüne ait muayenelere
yeni başlandığından, belirli bir standart henüz hesaplanamamıştır. Tablodaki
verilere en uygun kontrol kartı oluşturulmak isteniyor. Not: Veri setindeki en
büyük ve en küçük örnek hacimlerine dikkat ediniz.
Parti No Muayene edilen ürün sayısı (n) Hatalı ürün sayısı (np)
1 500 6
2 600 9
3 600 4
4 300 9
5 300 3
6 600 3
7 200 1
8 500 2
9 200 1
10 200 2
MINITAB 14 ile p-Kusurlu Oranı Kontrol Grafiğinin
Oluşturulması (Değişken Örneklem Büyüklüğü)
2. Ortalama Örneklem Büyüklüğüne Dayanarak
Yaklaşık Kontrol Limitlerinin Hesaplanması Ortalama örneklem büyüklüğü kullanılarak, kontrol limitleri yaklaşık
olarak hesaplanabilmektedir.
Gelecekteki örneklem büyüklüklerinin mevcut örneklem büyüklüğünden
önemli ölçüde sapmayacağı varsayılır.
Alt grupların örneklem büyüklüklerinin çok değişken olmadığı durumlarda
ortak kontrol limitleri hesaplanır.
Bu yaklaşımda, sabit kontrol limitleri elde edilir. Ancak, belli bir örneklem
içerisindeki varyasyon yüksek ise ya da kontrol kartı üzerindeki bir nokta
yaklaşık kontrol limitlerine çok yakınsa, bu durumda bu nokta için kesin
kontrol limitlerinin hesaplanıp, bu noktanın hesaplanan gerçek kontrol
limitine göre değerlendirilmesi gerekmektedir.
Alt gruplarda ölçümü en büyük olan örneklem, ölçümü en küçük olan
örneklemi %20’den fazla aşmadığında kullanılması tercih edilir.
Örnek-6
Süreç kontrol altında olmasına rağmen, 11.
örneklem yaklaşık olarak hesaplanan üst kontrol
limitine çok yakındır. Bu durumda gerçek veya
kesin kontrol limiti 0.18 olarak hesaplanır ve 11.
örneklemin (0.182) kontrol dışında olduğu görülür.
Benzer şekilde, yaklaşık kontrol limitlerinin dışında
olan bir nokta, kesin kontrol limiti hesaplandığında
kontrol altında olduğu anlaşılabilir.
Örneklem kusurlu oranındaki değişim, örneklem büyüklüğüne göreyorumlanmalıdır. Örneğin, kusurlu oranının %20 olduğu bir imalat sürecindebirbiri ardına alınan örneklemlerin kusurlu oranları %28 ve %24 olsun. Örneklembüyüklükleri, ilk örneklemde 250, ikincide 50 ise, bu durumda, kusurlu oranı dahaaz olmasına rağmen ikinci örneklem ortalamadan daha fazla sapma göstermişdurumdadır. İlk örneklemin ortalamadan sapması 1.41 birim iken, ikinci örneklemortalamanın (p = 0.20) 1.58 birim üzerinde olacaktır.
3. Stabilize - p Kontrol Kartları Değişken örneklem büyüklüğünün olması durumunda, kullanılan üçüncü
yaklaşım, kontrol kartı üzerindeki noktaların standart sapma birimlerinin
işaretlenmesidir. Standartlaştırılmış kontrol grafiklerinde merkez çizgi
değeri sıfırdır (Hiç sapmanın olmadığı durum). Alt ve üst kontrol limitleri
ise +3 ve -3 olarak belirlenir.
p veya ( 𝑝 standartlar belli değilse) sürecin kontrol altında olduğu durumdaki
kusurlu oranı. Örneklem büyüklükleri çok farklı olan test verileri üzerinde
standartlaştırılmış kontrol kartlarının kullanımı önerilir. Çünkü, operatör
tarafından anlaşılması ve yorumlanması zor olmasına rağmen, örüntü
tanımlama (Pattern recognition) metotlarının bu kartlar üzerinden
uygulanması daha kolay ve güvenilir olacaktır. Ayrıca, birçok atölye tipi
üretim ortamında olduğu gibi, imalat süresinin (standart üretim zamanı)
kısa olduğu durumlarda bu kartların kullanılması önerilmektedir.
Kontrol kartı üzerine işaretlenecek değişken
(Örneklem kusurlu oranının
standartlaştırılmış değeri)
Standartlaştırılmış
kontrol kartları
üzerindeki bir
noktadan diğerine,
göreceli değişimler
aynı ölçü birimi ile
ifade edildiği için
örüntü tanımlama
metotları bu kartlar
üzerinde güvenilir bir
şekilde uygulanabilir.
Örnek - 7
Örnek - 8 Bir otomobil jant fabrikasında, belirli bir tip üründen belirli günlerde ve sayılarda
örneklem alınarak muayene edilmiş ve hatalı ürün sayıları aşağıdaki tabloda
verilmiştir. Jant imalat sürecine ait standart hatalı oranı, üst yönetim tarafından
0.045 olarak belirlenmiştir. Uygun kontrol kartını kullanıp, sürecin kusurlu oranı
açısından kontrol altında olup, olmadığını değerlendiriniz.
Örneklem büyüklüğü (n) Hatalı sayısı (np)
150 5
148 0
142 8
150 6
145 2
145 4
150 3
148 0
145 4
150 6
Hizmet Sektöründe Uygulamalar
İstatistiksel proses kontrol uygulamaları kapsamında, kusurlu oranı kontrol
kartları hizmet sektöründe çok yaygın uygulama alanları bulmaktadır.
Hizmet sektöründe, birçok kalite karakteristiği değişken (ölçülebilir)
olmaktan ziyade, kusurlu/kusursuz olarak sınıflandırılabilir durumdadır.
Çalışanların maaşlarının hatalı veya geç yatırılması sürecinin analizi
buna örnek olarak verilebilir. Standart muhasebe dönemlerinde yatırılmayan
maaşların kontrol edilmesi, satın alınan hammaddelerin tedarikçiler
tarafından teslimat süreci (Zamanında teslim edilip edilmediği) buna
örnek olarak verilebilir.
Hizmet sektöründeki uygulamaların çoğu, değişken örneklem
büyüklüklerini içermektedir. Haftadan haftaya incelenen ‘zamanında
teslimat oranları’ için ‘sipariş miktarları’ veya teslim edilmesi gereken
hammadde miktarları (örneklem büyüklükleri) zaman içerisinde değişkenlik
gösterebilmektedir.
Hata Sayısı Kontrol Grafikleri Hata, önceden belirlenen spesifikasyonlara uymama/aykırılık durumudur.
Ürün bir veya daha fazla kontrol özelliği için belirlenmiş standartları
sağlamadığı durumda, kusurlu veya uygun olmayan ürün olarak adlandırılır.
Ürün, üzerinde birçok hata bulundurmasına rağmen, kusurlu olarak
adlandırılmayabilir. Hatalar, eğer ürün fonksiyonlarını önemli ölçüde
etkilemiyorsa, ürün müşterinin kendisinden beklediği fonksiyonları yerine
getirebiliyorsa, müşteri tarafından fark edilemiyorsa ve hatalar ürün satışını
etkilemiyorsa, ürün kusurlu olarak sınıflandırılmayabilir.
Bu tip durumlarda, kusurlu oranından ziyade, ürün üzerindeki hata sayıları
ile ilgilenilir. Toplam hata sayıları ile ilgilenilebileceği gibi, bir birim ürün
üzerindeki ortalama hata sayısı kullanılarak ta kontrol kartları oluşturulabilir.
Sabit örneklem büyüklüğünde hataların ortaya çıkma olasılığı Poisson
dağılımı ile modellenir. Poisson dağılımının kullanılabilmesi için örneklem
büyüklüğünün fazla, hatanın ortaya çıkma olasılığının ise küçük ve sabit
olması beklenir. Test edilen her üründe, hata ortaya çıkma olasılığının aynı
(eşit) olması gerekmektedir.
3. Hata Sayısı, C-Kontrol Grafiği Tek bir parça ürün üzerindeki hata sayıları ile ilgilenilebileceği gibi 5-10 birim
üründen oluşan parçalar ile de c-kontrol grafiği oluşturulabilir. Önemli olan,
örneklem büyüklüğünün aynı veya sabit olmasıdır. Her birim için hatanın
ortaya çıkma olasılığı küçük ise, c-kontrol şeması için teori Poisson dağılımı
üzerine kurulur. Test edilen ürün üzerinde x adet hata bulunma olasılığı:
Standartlar belli olduğu durumda (c-değerinin bilinmesi halinde) ve 3-sigma
kontrol limitleri ile çalışıldığında:
Alt kontrol limiti negatif olamaz, bu durumda ‘0’ olarak alınır.
c, Poisson dağılımının ortalaması
ve aynı zamanda varyansı’dır.
Standartların Belli Olmaması Halinde: c-Kontrol Kartı
Standartlar verilmediği durumda, geçmiş veriler üzerinden örneklemlere
ait ortalama hata sayıları 𝒄 kullanılarak c değeri tahmin edilmeye
çalışılır ve deneme kontrol limitleri hesaplanır.
İlk örneklemler, kontrol dışı durumların tespit edilmesi amacıyla
Aşama-I’de analiz amaçlı kullanılır.
Örnek-9
Her biri 100 elektronik devre kartından oluşan birbirini izleyen 26
örneklemdeki hata sayıları verilmiş olsun (n = 100, m = 26). Bu verilere
ilişkin uygun kontrol şemasını oluşturup yorumlayınız.
26 örneklem, toplamda
516 hata içermektedir.
(i) Ortalama hata sayısı
hesaplanmalıdır.
(ii) Deneme kontrol
limitleri hesaplanır.
6. ve 20. örneklemlerdeki hata sayıları kontrol
limitleri dışındadır. 6. örneklemin kontrol dışında
olmasının özel nedeni, yeni deneyimsiz bir kontrol
elemanının mevcut hataları fark edememesinden
kaynaklanmaktadır. 20. örneklemde ise makine
üzerinde sıcaklık ayarının doğru yapılmamasından
ötürü çok sayıda hatanın oluştuğuna karar verilmiştir.
Bu iki nokta veri setinden temizlenerek geriye kalan
24 örneklem üzerinden yeniden kontrol limitleri
hesaplanır. Daha sonra, sürecin izlenmesi amacıyla art
arda 20 ilave örneklem alınmıştır (Her biri 100 devre
içermektedir).
MINITAB 14 ile c-Hata Sayısı
Kontrol Grafiğinin Oluşturulması
Yeni alınan ilave örneklemlere göre, süreç
kontrol altında olmasına rağmen, hata
sayısı hala kabul edilemeyecek kadar
yüksektir. Bu nedenle, sürecin
iyileştirilmesi amacıyla ek önlemler
alınmalı veya iyileştirme planları
hazırlanmalıdır.
Bu amaçla, hangi hata tipleri üzerinde iyileştirme planları (Kontrol dışı aksiyon
planları) yapılacağına karar vermek için 500 adet elektronik devre üzerinde oluşan
16 farklı hata tipi için Pareto analizi gerçekleştirilmiştir. Hataların %60’ından
fazlasının sadece 2 tip hatadan kaynaklandığı görülmüştür. Bu hatalar üzerine
odaklanmak, devreler üzerindeki hata sayısını önemli ölçüde azaltacaktır.
Hata Analizinde Neden-Sonuç Diyagramı
Hata kaynaklarının analiz edilmesinde ve çeşitli hata tiplerine neden olan sebeplerin ve bu
sebepler arasındaki ilişkilerin belirlenmesinde, tüm olası hataların sebeplerine ait büyük
resmin görülmesine olanak sağlayan balık kılçığı diyagramı kullanılabilir. İki temel hatanın
oluştuğu imalat sürecinin optimize edilmesi amacıyla, deney tasarımı teknikleri kullanılabilir.
4. u-Kontrol Grafiği (Birim Başına Ortalama
Hata Sayısı Kontrol Kartı)
Her bir alt kontrol grubunun tek birimden oluşması gereken c-kontrol
kartlarının aksine, alt grupların birden fazla ve farklı sayıda
gözlemlerden (Değişken örneklem büyüklüğü) oluşması durumunda
u-kontrol grafikleri kullanılmaktadır.
u-kontrol kartlarında, birim başına ortalama hata sayısı ile
ilgilenilmektedir. Bir başka deyişle, muayene edilen birim başına
ortalama kusur sayısı esasına dayanır. n birimden oluşan bir örnekte
toplam kusur sayısı c olmak üzere, birim başına ortalama kusur sayısı:
c, Poisson rastgele değişkeni.
Örneklem büyüklüğü n’in tam sayı olma zorunluluğu yoktur.
Birim başına gerçek hata sayıları bilindiğinde (Standartların belli
olması), merkez çizgi olarak bu değer (u) kullanılır.
Bilinmediği durumda ise, tüm alt gruplarda gözlenen hata sayısı, alt
grupları oluşturan gözlem sayıları toplamına bölünerek birim başına
ortalama hata sayısı 𝑢 hesaplanarak merkez çizgi değeri elde edilir.
𝑢 = 𝑐
𝑛
4. u-Kontrol Grafiği (Birim Başına Ortalama
Hata Sayısı Kontrol Kartı)
Örneklem Büyüklüğü Değişken Olduğunda
Neden c-Kontrol Kartı Yerine u-Kontrol Grafiği
Kullanılmalı ?
Örneklem büyüklüğünün değişken olması durumunda, c-kontrol
grafiklerinin kullanımı uygun olmaz. Bunun temel nedeni, hem
merkez çizgi hem de kontrol limitlerinin örneklem büyüklüğüne
bağlı olarak değişkenlik göstermesidir. Bu nedenle, kalite kontrol
mühendisi açısından c-kontrol grafiğini yorumlamak zorlaşacaktır.
u-kontrol grafiklerinin kullanılması durumunda ise merkez çizgi
sabit olacak; kontrol limitleri ise örneklem büyüklüğünün karekökü
ile ters orantılı olarak değişkenlik gösterecektir.
Bir firmanın tedarik zinciri mühendisleri,
firmanın dağıtım ağını inceleyerek, yapılan
sevkiyat hatalarını haftalara göre kayıt altına
almışlardır. Her hafta için rastgele 50 örnek
seçilmiştir. u-kontrol kartını kullanarak süreç
kontrolünü gerçekleştiriniz.
Örnek-10
Öncelikle, deneme kontrol limitleri
hesaplanmalıdır.
Alt kontrol limiti negatif
çıktığı için ‘0’ olarak alınır.
Süreç kontrol altındadır. Elde edilen deneme kontrol limitleri güvenilir
olduğundan Aşama-II’de sürecin izlenmesi amacıyla kullanılabilir.
Süreç kontrol altında olmasına rağmen, birim başına ortalama sevkiyat
hatası fazla olabilir. Bu durumda, dağıtım sürecinin iyileştirilmesi için
gerekli önlemler alınmalıdır.
Bir tekstil fabrikasında, kumaşlar üzerindeki boya lekesi hatalarının
kontrolü amacıyla, farklı büyüklüklerdeki (m2) 10 top kumaştan 50 m2’lik
kumaşlar halinde örneklem alınarak, toplam hata sayıları belirlenmiştir.
Uygun kontrol grafiğini kullanarak süreç kontrolünü gerçekleştiriniz.
Örnek-11
Birim başına ortalama hata sayısı, merkez çizgi olarak belirlenir
(Her 50 m2 kumaş için ortalama hata sayısı).
Kontrol limitleri, örneklem
büyüklükleri ile ters orantılı olarak
değişkenlik gösterir. Örneklem
büyüklüğü arttıkça, kontrol limitleri
daralmaktadır.
Süreç kontrol altındadır.
MINITAB 14 ile
u-Kontrol Grafiği
Bir döküm atölyesinde, dökümü gerçekleştirilen otomotiv fren disk
aynaları incelendiğinde, yapılan çeşitli döküm hatalarının sayısı ve
alınan fren disk aynası örneklerinin sayısı aşağıdaki tabloda verilmiştir.
Bu doğrultuda, uygun kontrol grafiğini kullanarak, döküm sürecinin
analizini gerçekleştiriniz. Fren disk aynası döküm sürecinin kontrol altında
olup olmadığını yorumlayınız.
Örnek-12
Penetrasyon Segregasyon Kum gözeneği Fren disk aynası
adedi
1 4 3 25
2 3 4 25
3 5 5 30
2 2 4 30
1 3 3 25
4 4 2 25
3 5 3 50
5 6 4 30
3 7 5 50
2 5 4 25
3 3 6 30
4 4 5 30
Değişken Örneklem Büyüklüğünde
U-Kontrol Grafiğine Alternatif Yaklaşımlar
1. Kontrol limitlerinin ortalama örneklem
büyüklüğüne göre oluşturulması
2. Stabilize u-kontrol grafiğinin oluşturulması
Merkez çizgi = 0
Kumaş örneği için, standartlaştırılmış
birim başına ortalama hata sayısı
değerleri kullanılarak, stabilize-u
kontrol grafiği elde edilmiştir.
Kusur/Hata Sistemleri: Sınıflandırma Otomobil, bilgisayar, elektronik cihazlar gibi karmaşık yapıdaki ürünlerde, çok
sayıda farklı tipte hatalar oluşabilmektedir. Oluşan bu hataların hepsi de aynı
önem derecesine sahip değildir.
Bir ürün üzerindeki şiddeti (müşteri üzerindeki etkisi) yüksek olan bir hata
ürünün kusurlu olarak ayrılmasına neden olabileceği gibi; etkisi, şiddeti önemsiz
sayılabilecek çok sayıda hata içeren bir ürün, kendisinden beklenen fonksiyonları
yerine getirebildiği takdirde kusurlu olarak sayılmayabilir.
Bu nedenle, nitelik türündeki veriler (özellikler) için kusur/hata sistemleri
hataların şiddetine göre sınıflandırılması ve ağırlığının belirlenmesi amacıyla
kullanılabilmektedir. Hata sınıflandırma şemasına örnek olarak:
A-sınıfı hatalar – çok ciddi ve şiddeti yüksek. Kendisinden beklenen
fonksiyonların yerine getirememesi, hatanın düzeltilemez oluşu ve kullanıcıda
yaralanmalara ve zarara neden olan hatalar.
B-sınıfı hatalar - A sınıfı hatalara göre etkisi daha hafif olan, ürünün kullanım
ömrünü azaltan ya da yüksek bakım maliyetlerine neden olan hatalardır.
C-sınıfı hatalar – orta seviyede şiddete sahip, ürünün görünümünde veya
işin kalitesinde olası fonksiyon kayıplarına yol açan, işin kalitesini azaltan
hatalardır.
D-sınıfı hatalar – şiddeti/etkisi az, ürün kalitesinde gözlemlenen küçük
hatalardır.
Tüm hata sınıflarının birbirinden bağımsız olduğu varsayılır ve her sınıf
hatanın oluşma olasılığı, Poisson dağılımı kullanılarak modellenir.
i. alt kontrol grubundaki A, B, C ve D sınıfına
ait hataların sayısı
i. Kontrol birimi üzerinde
ağırlıklandırılmış hata sayısı
n birimlik örneklem ile çalışıldığı
durumdaki, birim başına ortalama
hata sayısı
𝑢𝑖 birbirinden bağımsız Poisson rastgele değişkenlerinin lineer
kombinasyonudur. Her bir 𝒖𝒊 istatistiği, kontrol kartı üzerine işlenir.
Kusur/Hata Sistemlerinde Kontrol Limitleri
Bazı durumlarda, ürün üzerindeki hatalar; A, B, C & D sınıfı hatalar
olarak ayrılmak yerine; fonksiyonel hatalar ve görünüm hataları
olmak üzere iki gruba ayrılabilir. Bu durumda, bu iki farklı hata
grubunu kombine etmek yerine, her bir hata grubu için ayrı ayrı
kontrol kartları oluşturulabilmektedir.
Farklı sınıflardaki ortalama hata sayıları
Özel Durum: Hata Sayısı veya Kusurlu Oranı
Seviyesinin Çok Düşük Olması Durumu
Hata sayısı veya kusurlu ürün oranı seviyesinin çok düşük olduğu
durumlarda (Her 1 milyonda 1000 hatadan daha az olması), imalat sürecinde
üretilen kusurlu ürünler arasında geçen zaman çok uzun olacaktır.
Bu tip durumlarda, alınan çok sayıda örneklem sıfır hata/kusurlu ürün
içerecektir.
Bu nedenle, klasik c ve u-kontrol grafiklerinin kullanımı etkili bir yaklaşım
olmayacaktır.
Kusurlu ürün seviyesinin çok düşük olması durumunda, üretim sürecinden
kusurlu ürünlerin ortaya çıkması arasında geçen zaman kullanılarak,
kontrol grafiklerine işlenir.
Kusurlu ürünlerin ortaya çıkması arasında geçen zamanların uzun olması
istenen bir durumdur.
Belirli bir zaman aralığında, ortaya çıkan kusurlu ürün sayısı, Poisson
dağılımı gösterdiğinden ötürü, kusurlu ürünler arasında geçen
zamanın Üssel dağıldığı söylenebilir.
Ancak, Üssel (exponential) dağılımın fazlasıyla çarpık olması
nedeniyle, Üssel dağılan verilerin kullanımı sonucu, asimetrik kontrol
kartları oluşmaktadır.
Bunu önlemek amacıyla, Üssel rastgele değişkenlerin, Weibull
dağılımına dönüşümü gerçekleştirilmektedir.
Weibull dağılımı da simetrik olduğundan, rahatlıkla normal dağılıma
yakınlaştırılabilmektedir.
Özel Durum: Hata Sayısı veya Kusurlu Oranı
Seviyesinin Çok Düşük Olması Durumu
Üssel Dağılımın Önce Weibull Dağılımına
Daha Sonra da Normal Dağılıma Yaklaşımı
Weibull dağılımı olasılık yoğunluk fonksiyonuÜssel dağılım olasılık yoğunluk fonksiyonu
Dönüşümü yapılarak, x rastgele değişkeninin
normal dağılım gösterdiği varsayılarak
kontrol kartı oluşturulabilir.
Örnek-13 Hata sayısı ve kusurlu ürün oranı seviyesinin çok
düşük olduğu bir kimyasal imalat sürecinde, bir
kimya mühendisi süreci iyileştirmek ve izlemek
amacıyla proses hataları arasında geçen zamanı
rastgele değişken olarak tanımlayıp, ardışık 20
hata arasında geçen süreyi tablodaki gibi elde
etmiştir. Elde ettiği verileri kullanarak normal
olasılık grafiğini oluşturmuş ve verilerin normal
dağılmadığı sonucuna varmıştır.
Poisson proses özelliği uyarınca, hatalar arası
geçen süre Üssel dağıldığından, verilerin normal
dağılıma benzeyen Weibull dağılımına dönüşümü
yapılarak, tekrar normal olasılık grafiği elde
edilmiştir. Dönüşüm sonrası, tüm noktalar doğru
üzerinde veya doğrudan önemli sapmalar
göstermediği için, artık dönüştürülmüş veriler
kullanılarak birimler kontrol grafiği (I) ve hareketli
aralık (MR) kontrol grafiği oluşturulabilir.
Birimler Kontrol
Grafiği (Bireysel
gözlem değerleri için)
Hareketli aralık
(MR) kontrol grafiği
Her iki kontrol grafiğine göre de süreç kontrol altındadır.
Bir başka deyişle, incelenen kimyasal ürünlerin imalat süreci için hataların
ortaya çıkması arasında geçen süre stabil düzeydedir (Sabittir).
Hata sayılarını iyileştirmek amacıyla, imalat süreci üzerinde herhangi bir
değişimin/ayarın yapılması durumunda (Örneğin, farklı bakım faaliyetleri
gerçekleştirilebilir) hatalar arası geçen ortalama süre uzayacaktır.
Bu durumda da, birimler kontrol grafiği üzerine işaretlenen noktalar üst
kontrol limitine doğru yaklaşacak veya üzerine çıkacaktır.
Proses üzerindeki küçük değişimleri tespit etmek için CUSUM ve EWMA
kontrol grafikleri, birimler kontrol grafiklerine göre daha etkilidir ve bu
grafiklerin tercih edilmesi önerilmektedir.
Nitelik ve Değişkenler için Kontrol Kartı
Uygulamalarında Örneklem Büyüklüğü Belirleme
Örnek - 14
Ölçülebilen (Değişken türünde) bir kalite karakteristiğinin ortalaması ve
standart sapması sırasıyla 50 ve 2 birim olarak bilinmektedir (Standartlar belli).
Süreç 𝑿-kontrol grafiği ile izlenmektedir. 3-sigma kontrol limitlerinin ötesinde,
sürece ait alt ve üst spesifikasyon limitleri sırasıyla 44 ve 56 olarak
belirlenmiştir. Süreç ortalamasının 50 olduğu durumda, süreç kontrol
altındayken, kusurlu oranının %0.27 olduğu bilinmektedir. Süreç
ortalamasının 52’ye yükselmesi durumunda, kusurlu oranı %2.28’e
çıkmaktadır. Proses ortalamasındaki bu değişimi, alınan ilk örneklemde tespit
etmek için (Yer değiştirmenin %50 olasılıkla tespit edilmesi için), 𝑿-kontrol
grafiği ve p-kusurlu oranı grafiklerinin ayrı ayrı kullanılması durumunda (Yer
değiştirmenin her iki kontrol grafiğiyle de aynı olasılıkla tespit edilebilmesi için)
alınması gereken örneklem büyüklüklerini hesaplayıp, karşılaştırınız.
p-Kusurlu Oranı Kontrol Grafiğinde
Örneklem Sayısının Hesaplanması
L, kontrol limitlerinin ortalama değerden standart sapma
cinsinden uzaklığı,
𝜹, kusurlu oranı cinsinden yer değiştirmenin büyüklüğü
p, kusurlu oranı
p-kontrol grafiğinde alınması gereken örneklem büyüklüğü yaklaşık 60’tır.
Ölçülerek elde edilen gözlem değerleri için örneklem alma maliyeti,
kusurlu/kusursuz olarak ayırmanın maliyetinden 7 kat daha fazla
olmadıkça, 𝐗-kontrol grafiğinin çok daha ekonomik olduğu söylenebilir.
Nitelikler için Kontrol Kartları Ne Zaman
Kullanılmalı ?
1. Operatör kaynağı belirlenebilen değişkenliğin nedenini (özel
değişkenlik nedeni) belirleyip, ıskartaya ayrılan süreç çıktılarının
miktarının azaltılması gerektiğinde,
2. Bilgisayar, otomasyon ekipmanı, otomobil gibi kompleks montaj
operasyonu içeren üretim süreçlerinde, ürün kalitesi hataların ortaya
çıkma sıklığı ile ölçüldüğü durumda,
3. Proses kontrolü gerekiyor ancak ölçüm verisi elde edilemiyorsa,
4. Süreç performansı ile ilgili geçmiş verilerin kullanımının gerektiği
durumlarda, nitelikler için kontrol kartları süreç hakkında özet bilgilerin
yönetime sunulması açısından oldukça etkindir.
Nitelikler & Değişkenler için Kontrol Kartları
Arasındaki Seçim
Bazı durumlarda, kalite mühendisleri, değişkenler veya nitelikler için kontrol
kartlarından hangisini kullanması gerektiği konusunda seçim yapmak
durumunda kalırlar. (Eğer, kalite karakteristiği, halı veya kumaştaki renk gibi
kesinlikle ölçülemeyen bir kalite karakteristiği değilse).
Çok sayıda kalite karakteristiğinin eş zamanlı olarak değerlendirilmesi
hususunda, nitelikler için kontrol grafiklerinin kullanımı avantajlıdır. Aksi
halde, her bir kalite karakteristiği için ölçümler yapılarak ayrı ayrı kontrol
grafiği oluşturulur ya da bazı çok değişkenli (multivariate) kontrol grafikleri
kullanılır. Bu da zaman ve maliyet açısından dezavantaj oluşturmaktadır.
Değişkenler için kontrol grafikleri kullanıcıya proses performansı (Süreç
ortalaması ve değişkenliği) hakkında çok daha fazla bilgi sunmaktadır.
Ayrıca, kontrol dışı bir durumun varlığında, bunun potansiyel sebepleri
hakkında da bilgi sunabilmektedir. Süreç yeterlilik analizlerinde, değişkenler
için kontrol grafiklerinin kullanımı tercih edilmektedir.
𝑋 - R kontrol grafiklerinin en önemli avantajı, süreçte problemler meydana gelmeden
evvel (Kontrol dışı bir durum oluşmadan önce) sinyal verip, düzeltici önlemler
alınmasını sağlayarak, kusurlu ürünlerin oluşmasını engellemektir. p-kusurlu oranı
veya c ve u-kontrol kartlarında ise kusurlu oranı veya hata sayısı arttığında ancak
sürece müdahale edilmektedir. Bir başka deyişle, sürecin kusurlu oranı veya hata
sayısı değiştikten sonra düzeltici önlem alınabilmektedir. Proses ortalaması 𝝁𝟏’den
𝝁𝟐’ye arttığında 𝑋 kontrol grafiğinde bir çok kontrol dışı nokta oluşup, reaksiyon
gösterecektir. p-kusurlu oranı kontrol grafiği ise süreç ortalaması 𝝁𝟑’e gelmeden
herhangi bir kontrol dışı durumun sinyalini vermeyecektir.
Nitelik & Değişkenler için Kontrol Kartları
Arasındaki Seçim
Bu nedenle, değişkenler için kontrol
grafikleri daha güçlü istatistiksel proses
kontrol araçlarıdır. Ayrıca, daha az sayıda
örnek alınmasını (Daha küçük örneklem
büyüklüğü) gerektirmektedir.
Süreç İyileştirme Amacıyla Aksiyon Planlama İstatistiksel proses kontrolün temel amacı, süreç iyileştirmedir. Kontrol
kartları, sürecin istatistiksel olarak kontrol altında olması ve süreç
yeterliliği hakkında kullanıcılara bilgi sağlamaktadır. Süreç yeterliliği,
sürecin çıktılarının uygunsuzluk düzeyinin (Kusurlu oranı/kusur sayısı)
yeterince düşük olup olmadığının kalitatif olarak değerlendirilmesidir.
Sürecin kontrol altında ve yeterli olduğu durum, ideal durumdur. Bu
tür durumlarda SPC metotları, süreç izleme ve yeni bir özel neden
oluşması halinde uyarı vermesi bakımdan önem arz etmektedir.
Süreç kontrol altında ancak yeterli değilse, bunun sebebi süreç
yeterlilik indeks değerlerinin müşteri tarafından ihtiyaç duyulandan
düşük olması veya aşırı hurda ve yeniden işlemeye yol açan proses
değişkenliğinin olmasıdır.
Bu durumda, SPC metotları, sürecin tanınması veya teşhis konulması
ve iyileştirilmesi için önem taşıyan kontrol kartları üzerindeki
örüntülerin tanımlanması açısından avantaj sağlamaktadır (Kontrol
kartları üzerinde kontrol dışı sinyal bulunmamasına rağmen).
Bu tür durumlarda, süreci iyileştirmek için (i) deney tasarımı
yaklaşımları kullanılabilir, (ii) spesifikasyonlar gözden geçirilebilir
veya yeni gelişen teknolojiler doğrultusunda, süreç
değiştirilebilir/yenilenebilir.
Süreç İyileştirme Amacıyla Aksiyon Planlama
Süreç hem kontrol dışında hem de yeterli değilse, aynı aksiyonlar
kullanılmalıdır. Tek fark, SPC metotları, kaynağı belirlenebilen özel
nedenler için artık daha hızlı sinyal oluşturacaktır.
Süreç kontrol dışında ancak spesifikasyonların oldukça geniş
olmasından ötürü yeterli ise, SPC metotları kullanılarak değişkenlik
azaltılabilmektedir. Çünkü;
(i) Spesifikasyonlar farkında olmadan değişebilir,
(ii) Müşteri hem kontrol hem de yeterlilik ihtiyacı duyabilir,
(iii) Süreç deneyimleri doğrultusunda kaynağı belirlenebilen nedenler,
süreçte bilinmeyen bir baskıya/güce işaret edip, bu nedenle gelecek üretim
için sürecin yetersiz olmasına neden olabilmektedir.
Süreç İyileştirme Amacıyla Aksiyon Planlama
Yıllar boyunca hep sayılara inandım ve de nedenleri getiren denklemlere ve mantığa..
Bu şekilde geçen bir yaşamdan sonra, mantık aslında nedir ? diye soruyorum..
Nedenlerine kim karar verir ? Yaşamım matematik, fizik, metafizik & halüsinasyonlar
arasında gidip geldi..
Ve akademik kariyerim en önemli buluşunu yaptım.. Hayatımın da en önemli buluşu bu..
Mantıklı sebepler ancak ve ancak gerçek sevginin gizem dolu denklemlerinde bulunabilir.
John Forbes Nash, Jr.
Nobel ödülü konuşmasından (1994)