Você está na página 1de 206

ÖNSÖZ

Sanayi kuruluşlarının temel amaçları şüphesiz karlılıktır. Kar veya karlılık bazen bir takım mali
önlemlerle kısa sürede artırılabilir. Ancak karlılığın uzun vadede artırılabilmesi için mutlaka rekabet
edebilirlilik ile ilgili hedeflere yönelmek gerekmektedir. Rekabet edebilirliği etkileyen birçok unsur
vardır. Bunlar arasında en önemlisi ürün ve hizmetlerin kalitesidir. Kaliteye bütün dünyada gün
geçtikçe artan bir yönelim görülmekte ve tüketicilerin kalite ile ilgili beklentileri giderek artmaktadır.
Diğer taraftan üreticilerin kalite ile ilgili görüş ve düşüncelerinde önemli değişiklikler olmuştur. Artık
sadece bitmiş ürünün kalitesine önem vermek yerine, üretim sürecinin her aşamasında kaliteyi elde
etmenin önemli olduğu anlaşılmıştır. Çünkü kaliteyi ilk yerinde elde etmenin ve üretim aşamasının
bütün kademelerinde doğru ve standartlara uygun üretim yapmanın en ekonomik yol olduğu
görülmüştür. Yeniden işleme ve ıskarta maliyeti artıran en önemli unsurlardır. Kalite ve maliyet her
zaman birlikte değerlendirilen konulardır. Kalitede sürekli ve devamlı gelişme bitmeyen ve hiçbir
zaman sonu olmayan gayretler gerektirir.

Bu kitap kaliteyi elde etmek için kullanılan tüm istatistik tekniklere ve kalite geliştirme yönetimine
yer vermektedir. Kitap beş bölümden oluşmaktadır.

1. İstatistik süreç kontrol (İSK) olarak bilinen bu teknik sanayide 1920’li yıllardan beri
kullanılmaktadır. Konu hakkında yazılmış yüzlerce bilimsel kitabın yanı sıra birçok firma
tarafından eğitim kitapları yayınlanmıştır. Tekniğin esasını oluşturan teorinin sahibi ve konu
hakkında ilk kitabın yazarı Dr. Walter A: Shewhart’dır. Uzun yıllardan beri bilinmesine
rağmen, tekniğin firma çapında eğitim programları ile geniş işçi kitlelerine öğretilmesi önce
1970’ li yıllarda Japonya’da başlamış, 1980’den sonra bütün sanayileşmiş ülkelere yayılmıştır.
Geniş kitlelerin anlayıp uygulayabileceği şekilde basitleştirilmiş olmasına rağmen, tekniğin
değişik uygulama alanlarına adapte edilmesi oldukça incelikli ve yaratıcılık gerektiren bir
konudur. Kitapta tekniğin birçok uygulama alanı verilen örneklerle ve bölüm sonundaki 36
ayrı problemle açıklanmağa çalışılmıştır. Problemlerin önemli bir kısmı yazarın bu konudaki
eğitim ve danışmanlık deneyimine dayanmaktadır. Bu kitapta İSK’un özellikle süreç yeterliliği
konusuna ağırlık verilmiş, birçok örnek ile kullanım amacı ve uygulama olanakları tanıtılmağa
çalışılmıştır. Kitapta verilen kontrol çizelgeleri için EXCEL bilgisayar programından
yararlanmıştır. Aslında kontrol çizelgeleri için birçok hazır program olmasına ve örnek olarak
STATGRAPHICS programı kitapta birkaç yerde kullanılmasına rağmen, hemen herkesin
bilgisayarında olan EXCEL programının kullanılması tercih edilmiştir.

2. İkinci bölüm istatistik tekniklerden en bilineni ve yaygını örnekleme ile kalite kontrol
konusunu açıklamaktadır. Bu konuda TS 2756 sayılı bir standart vardır. ISO Standartlarından
adapte edilmiş bu standart daha önce tek bir kitaptı, birçok tercüme hatasına rağmen
anlaşılması daha kolay bir dokümandı. 1995 de yayınlana yeni standart sekiz ayrı kitaptan
oluşmaktadır. İstatistik temel bilgisi olan insanlar için kaleme alınmış bu dizi normal bir
mühendisin okuyup anlaması çok zor olan bir dokümandır. Oysa bu kitapta konu daha kısa
öz olarak ve standardın kaynaklandığı düşünce sistematiğine de yer verilerek açıklanmağa
çalışılmıştır.

3. Üçüncü bölüm ölçme ile ilgilidir ve ölçme sisteminin süreç yeterlilik hesabı üzerindeki
etkisine yoğunlaşmıştır.

4. Dördüncü bölüm “deneyimlerin tasarımı” olarak isimlendirilmiş olup, istatistik tekniklerden


en kapsamlısı, üzerinde en çok çalışılanı ve en yenisi bir disiplindir. Kitap bu konuya sadece
basit birkaç örnekle değinmekte ve konu hakkında okuyucuya bir fikir vermeyi ve merak
uyandırmayı amaçlamaktadır.

5. Kitabın beşinci ve sonuncu bölümü kalite geliştirme ve sorun çözme konusuna ayrılmıştır.
Çünkü tüm istatistik teknikler kalite geliştirmeye hizmet ederler ve istatistikten çok
mühendislik konularıdır. Bu bölümde “ Juran’s Quality Control Hanbook” yararlanılmıştır.
1988 deki dördüncü baskısı 1800 sayfa olan bu dev eserin en önemli ve her mühendis
tarafından okunması gereken kısmı kanımca bu bölümdür. Bu bölüm yazarın fikir ve
görüşlerini yansıtmaktan çok kalite geliştirme konusunda başarılı olmuş firmaların
deneyimlerini sistematik bir şekilde vermektedir.

Kitapta anlatılan bilgilere, üretimle uğraşan ve her seviyede çalışan (genel müdür dahil)
mühendisin sahip olması gerektiği inancındayım. Kırk yıllık meslek hayatımda bu konularda iyi bir
temele oturan sağlam bir bilgi eksikliğini devamlı his ettim ve zaman içinde çeşitli kaynaklardan
öğrenmeğe çalıştım. Konuları fazla detaya girmeden ve uygulamaya dönük olarak anlatan fakat
ihtiyaç duyulacak bütün tablo ve bilgilerin bulunduğu bir kitabın gereksinimini hep duydum. Şimdi

1
böyle bir kitabı kendim hazırlamış olmaktan dolayı mutluyum. Son olarak kitabın hazırlanmasında
bana her zaman olduğu gibi destek olan sevgili eşim Sümer Uğur’a gösterdiği büyük sabır için
teşekkürlerimi sunarım

İÇİNDEKİLER

BÖLÜM SAYFA NO

1. İSTATİSİK SÜREÇ KONTROL (İ.S.K) 1

1.1. Giriş 1

1.2. Kapsam 2

1.3. Temel esaslar 4

1.4. İstatistik süreç kontrol için hazırlık 6

1.5. İstatistik temel bilgileri 12

1.6. Kontrol çizelgeleri 18

1.7. ortalamalar için standart X-R çizelgesi 24

1.8. Standart sapma hesabı 29

1.9. Süreç yeterliliği ve süreç yeterlilik endeksi 33

1.10. Ölçülebilen karakteristikler için kontrol çizelgeleri 42

1.11. Sayılabilen veya niteliksel karakteristikler için kontrol çizelgeleri 64

2
1.12. Toleranslara göre kontrol (pre-control) 77

Bölüm1 ile ilgili problemler 85

2. ÖRNEKLEME İLE KALİTE KONTROL 94

2.1. Giriş 94

2.2. Olasılık kanunları 95

2.3. İşlem karakteristik eğrisi 99

2.4. Üretici ve müşteri riskleri, terslim alınan ortalama seviye 102

2.5. Örnekleme ile kontrol için TS 2756 Standardı 104

2.6. TS 2756 Standardına göre niteliksel kontrol 106

2.7. Ölçülebilen karakteristikler için örnekleme ile kontrol 111

3. ÖLÇME İLE İLGİLİ İSTATİSTİK TEKNİKLER 116

3.1.Giriş 116

3.2. Terminoji 116

3.3. Hata kaynakları 117

3.4. Bileşik hatalar. 118

3
3.5. Yeterliliğin ifadesi 119

4. DENEYİMLERİN TASARIMI 123

4.1. Giriş 123

4.2. Tek örnekli analiz (değişken veri) 128

4.3. Tek örnekli analiz (niteliksel veri) 134

4.4. İki örnekli analiz (değişken veri) 138

4.5. İki örnekli analiz (niteliksel veri) 148

4.6. Diğer yöntemler 153

5. KALİTE GELİŞTİRME VESORUN ÇÖZME 155

5.1.Giriş 155

5.2. Kalite geliştirme 156

5.3. Sorun çözme 182

4
KALİTE GELİŞTİRME İÇİN İSTATİSTİK
YÖNTEMLER
1.BÖLÜM

1.1 GİRİŞ İSTATİSTİK SÜREÇ KONTROL


Bir ürünün kalitesi o ürünün ilk düşünülüşünden tasarımına, imalatına ve piyasaya sürülerek
kullanılmasına kadar olan bütün aşamalarında belirlenir. İstatistik süreç kontrol prensipleri söz
konusu bütün aşamalarda kullanılabilmekte birlikte esas olarak üretim aşaması için önemlidir. Bu
aşamada sağlanan sürekli bilgi akışı ile, gerek otomatik üretim tesislerinde ve gerekse el imalatın kadar
her türlü imalat teknolojisi için uygun bir tekniktir Büyük ölçekli sanayi tesislerinde olduğu kadar,
çok küçük ölçekli hatta tek bir tezgahın çalıştığı atölyelerde bile başarı ile uygulanabilir.

İstatistik süreç kontrol (İSK), ürünlerin şartnameler ve toleransları ile uğraşan geleneksel kalite
kontrolünden farklıdır (Şekil.1.1). En önemli özelliği, ürün karakteristiklerinin şartnameler veya
toleranslar ile karşılaştırılmasından çok, alınan ölçülerin üretim sürecinin doğal değişkenlik sınırları ile
karşılaştırması üzerine yoğunlaşmasıdır. Bu bakımdan (İSK) yaklaşımı hem ürün karakteristiklerinin
(boyut, yüzey pürüzlülüğü, sertlik vs), hem de süreç karakteristiklerinin (sıcaklılık, basınç, devir sayısı
vs) ölçülmesi ve izlenmesini gerektirebilir. Ölçümler sürecin meyli hakkında bilgi verir (örneğin
kararlı ve kararsız olduğu hakkında). Bu bilgiler bazı sorunlar için erken uyarı sağlayarak, önlem
alınmasını bildirir. Böylece sürecin geliştirilmesi, hataların azaltılması ve müşteri beklentilerine (veya
tasarım şarlarına) uyan üretim yapılması mümkün olur. Oysa geleneksel kalite kontrole göre, ürün
karakteristiklerinin şartnameler veya toleranslar ile karşılaştırarak yapılan muayenesinde, hata ve
ıskartaların meydana gelmesi önlenemez. Bu durum yüzde yüz muayenede dahi geçerlidir Gerçi
ilerde de görüleceği gibi toleransları tam karşılamak bakımından yetersiz olan bir üretim sürecinde
istatistik kontrol ile de yapılacak şeyler de sınırlıdır. Ancak üretim sürecini zaman içinde geliştirmek
ve olası hatalı ürün miktarını önceden tespit ederek yüzde olarak tahmin etmek mümkündür.

Şekil.1.1 de görüldüğü gibi geleneksel kalite kontrol uygulamasına göre ürün önce üretilir, imalatı
biten ürün sonra bir muayene elemanı tarafından şartname şartlarını karşılayıp karşılamadığını
anlamak bakımından muayene edilir. Muayene sonucunda söz konusu şartları karşılamayan ıskarta
ürün (hatalı ürün) yeniden işlenmek ve/veya düzeltilmek amacı ile imalata geri gönderilir veya

5
hurdaya ayrılır. Eğer önemli oranda hatalı ürün üretiliyorsa sorunun giderilmesi amacı ile üretim
süreci üzerinde çalışılarak gerekli ayarlamalar ve düzeltmeler yapılır. Geleneksel kontrol iyi
uygulanırsa ürünün yeterli bir kaliteye sahip olması sağlanabilir. Ancak maliyeti yüksek ve verimsizdir.

Bunun en önemli nedeni ise kalite bozukluğunu ortaya çıkarılabilmesi için ürünün imal edilmesini
beklemek zorunda olmak ve bitmiş ürüne yapılan yatırımdır. Yani geleneksel kalite kontrol
kaçınılmaz yeniden işlemeler ve ıskartalar dolayası ile kalitesizlik maliyetleri yüksek olan bir sistemdir
İstatistik süreç kontrol üretim sürecinin belli aşamalarına uygulanır. Bu şekilde kalite, üretim
sürecinin her aşamasında inşa edilmiş olur.

İstatistik süreç kontrol (İSK) Geleneksel kalite kontrol

Süreç üzerinde önlem Performans hakkında bilgi Ürün üzerinde önlem

Ürün hakkında bilgi

İnsan Ekipman Malzeme

Proses veya süreç Ürün


Yöntem Enerji Çevre

Şekil1.1 Geleneksel kalite kontrol ile istatistik süreç kontrol uygulamasındaki farklılık

1.2. KAPSAM

İstatistik süreç kontrol teriminde yer alan kelimeler bu kitapta aşağıdaki anlamlarda
kullanılmışlardır:

İstatistik: Sayısal gerçeklerin derlenerek bir düzene sokularak bunlardan anlamlı bazı sonuçlar
çıkarmak tekniğidir. Sübjektif ve kanaata dönük bilgileri değil, ölçülebilen ve sayılabilen bilgilerin
kullanılmasını tarifler. Bu bakımdan istatistik süreç kontrol sezgisel hükümlere değil, rakamlara
dayanan kararlar verilmesini gerektirir.

Son yıllarda en fazla gelişen ve giderek yeni kullanma alanları bulan bilimsel disiplin istatistiktir.
Bu gün birçok bilimsel araştırma ve kamu oyu yoklaması istatistik tekniklerden geniş çapta
yararlanmaktadır. (seçim tahminleri, televizyon izlenme oranları tahminleri vs gibi). Oysa istatistiğin

6
ilk uygulamaları imalat ve üretim alanında olmuştur. İstatistik süreç kontrol ve örnekleme ile kalite
kontrol gibi teknikler sanayi devrimin ilk yıllarında kullanılmağa ve geliştirilmeğe başlanmıştır. Bu da
gayet doğaldır, çünkü sanayide birbirine benzer karakteristiklere sahip ürünler büyük miktarlarda
üretilmektedir. Bunlardan bazı istatistik sonuçlar çıkarmak oldukça kolaydır.

Süreç: Süreç kelimesi bu kitapta İngilizce (proses) kelimesinin karşılığı olarak kullanılmıştır.
Süreç, sürekli bir işlem veya işlemler dizisidir. İmalat sanayinde tarif edilebilir bir malzemenin tarif
edilebilir bir ürüne dönüşmesini sağlayan bir veya birden fazla faaliyeti içerir. Örnek vermek gerekirse
malzeme bir metal, bir sıvı, bir gaz veya bir veri olabilir. Ürün ise mekanik bir aksam, başka bir
malzeme veya bir veri olabilir. Söz konusu faaliyet ise tornalama, delme gibi mekanik bir işlem veya
rapor yazma faaliyeti olabilir.

Bir süreci etkiyen nedenler genel olarak Şekil.1.1 de de görüldüğü gibi:

1. İnsan (işçi, operatör, mühendis ve yönetici gibi personel)

2. Ekipman. (makine ve teçhizat ile bağlantı teçhizatları)

3. Malzeme (ham malzeme ve yardımcı malzemeler)

4. Enerji (elektrik, hava ve su enerjileri)

5. Metot (üretim yöntemi)

6. Çevre (çevrenin sıcaklığı, rutubeti,temizliği vs.)

Olarak sıralanabilir. Bunlardan herhangi birinin değişmesi, sürecin değişmesi anlamına gelir.
İlerde görüleceği gibi “süreç yeterliliği” hesaplanırken bu konu dikkatle göz önüne alınır. Ancak
genel olarak operatörün değişmesi, malzeme partilerinde meydana gelen küçük değişimler ve
çevredeki doğal değişimler sürecin değişmesi olarak değerlendirilmez.

Kontrol: Denetleme ve yöneltme faaliyetidir. Bu faaliyet için bir temel yani bir şartname veya
standart şarttır. Kontrol edilecek konu ise öngörülebilir olmalıdır. Bir kontrol faaliyeti üretimdeki
kalite sorunlarına uygulandığı zaman şu aşamaları içerir

1. Kontrol konusunu seçmek, yani neyin kontrol edileceğine karar vermek.

2. Ölçü birimini seçmek.

7
3. Kontrol konusu için bir amaç seçmek, yani işletme performansı için hedefi belirlemek.

4. Bir algılayıcı seçmek veya yaratmak (ölçü birimi ile gerçek performansı değerlendirmek için bir
vasıta olarak)

5. Gerçek performansı değerlendirmek

6. Bu performansı yorumlamak

7. Saptanan fark üzerinde önlem almak

Kontrol büyük çapta amaçları karşılamaya ve istenmeyen değişikleri önlemeğe yönelmiş bir
faaliyettir. Sonuç olarak bu kitapta kontrol kelimesi sadece ürün muayenesi için dar anlamda
kullanılmamış, kapsamlı bir faaliyeti tanımlamak için kullanılmıştır

1.3 TEMEL ESASLAR

Kalitenin iyi olması için süreç ürünlerinin önceden kararlaştırılmış olan standart ve beklentilere
uygun olması şarttır. Geleneksel kalite kontrol niyet edilen kalitenin sadece bu şartına göre
tasarlanmıştır. İstatistik süreç kontrol ise ürünlerin birbirleri ile tutarlı ve uyumlu olması şartını
hesaba katar. Eğer süreç yetersiz ise kalite toleranslarını tam olarak karşılamak mümkün olmayabilir.
Ancak (İSK) uygulanan bir süreç stabil ise ürünler birbirleri ile uyumlu ve tutarlıdır. Bunun ne
anlama geldiği ilerdeki bölümlerde daha açık olarak anlatılacaktır. Aslında mükemmel bir uyum ve
tutarlılık asla sağlanamaz. Bütün süreçler üretimlerinde değişkenliklere neden olan bozulmalara konu
olurlar Söz konusu değişkenlik nedenleri başlıca iki grup halinde incelenir:

Genel nedenler: Bunlar bir üretim sürecinin doğal nedenleri olup, süreç var olduğu müddetçe
bozulmalara veya değişkenliklere sebep olurlar. Bu değişkenlikler üretim sürecinin ayrılmaz özellik ve
karakteristiklerinden kaynaklanmaktadır. Örneğin bir torna tezgahında üretilen aynı çaptaki bir çok
milin çapları milimetrenin yüzde biri hassasiyetle ölçülürse, bunların birbirlerinden farklı oldukları
görülebilir. Eğer söz konusu miller torna tezgahından sonra taşlama tezgahında işlenirse bu defa
üretilen miller milimetrenin yüzde biri duyarlılıkla ölçüldüğü zaman aynı, ancak milimetrenin binde
biri (mikron) duyarlılıkla ölçüldüğünde farklı oldukları görülebilir. Bu bakımdan genel nedenlerin
meydana getirdiği değişkenlikler üretim sürecinin yapısına göre azaltılabilir, ancak yok edilemez.
Çünkü her üretim sürecinin değişkenliklere sebep olan bazı özellikleri vardır. Yukarıdaki örneklerde,
bu nedenler: üretim tezgahının yatak boşlukları, titreşimleri, kesici takımların esnemesi, işlenen

8
malzemenin sertliğinin her noktada aynı olmaması, soğutma sıvısı kullanılıyorsa bu sıvının sıcaklık
değişimleri, ortam sıcaklığı ve rutubeti gibi çevre şartlarındaki küçük doğal değişkenlikler, elektrik
enerjisi voltajında, frekansında ve akım şiddetinde meydana gelen küçük oynamalar vs. olabilir. Her
üretim sürecinde bunlara benzer genel nedenler veya değişkenlikler söz konusudur

Genel nedenlerin başlıca üç özelliklerinden bahsetmek mümkündür:

1) Genel nedenler tamamen rasgeledir. Genel nedenlerin yarattığı değişkenlikler, bundan dolayı
şansa bağlı değişkenlikler olarak da isimlendirilirler.

2) Genel nedenler rasgele olmakla birlikte bunların yarattığı değişkenliklerin alt ve üst sınırları belli
ve öngörülebilirdir. Yukarıdaki örnekte torna tezgahı milimetrenin yüzdeleri seviyesindeki
değişkenliklere neden olurken, taşlama tezgahı milimetrenin binde birleri seviyesinde
değişkenliklere neden olmaktadır.

3) Genel nedenlerin azaltılması için üretim sürecinde temelli ve esaslı değişikler yapılması gerekir.
Örneğin üretim tezgahının yenilenmesi, revizyonu veya temelinin yeniden yapılması gibi bir
yatırım gerektiren bu değişikler yönetimin işi olarak kabul edilirler. Genel nedenler ile uğraşmak
normal olarak çalışanların işi değildir. Ancak genel nedenlerin yarattığı değişkenliklerin sınırlarını
bulmak ve bu sınırlar içinde kalmağa çalışmak çalışanların işidir. İstatistik süreç kontrol
kullanıldığında, kontrol çizelgeleri ile bu sınırlar tespit edilir ve sürecin bu limitler içinde
kalmasına çalışır.

Özel nedenler: Özel nedenler isminden de anlaşıldığı gibi ürün karakteristiklerinde bazı özel
değişkenlikler ve bozulmalar yaratırlar. Bunlar sürecin doğal yapısından değil, özel bazı nedenlerden
oluşan değişkenlikler yaratırlar. Örneğin makine ayarının bozulması, ham maddenin değişmesi,
işçinin dikkatsizliği gibi aranırsa tespit edilerek giderilecek nedenlerdir

Özel nedenlerin de üç özelliğinden bahsedilebilir:

1) Özel nedenler rasgele ve şansa bağlı değildir. Belli bir yöne doğru giden bir meyil gösterirler.
Örneğin yukarıdaki millerin çaplarını büyütmeğe veya küçültmeğe doğru açık bir meyil
gösteren değişkenlikleri özel nedenler yaratır

9
2) Özel nedenler belli bir yöne doğru giden değişkenlikler yaratmakla birlikte bu
değişkenliklerin belli ve öngörülebilir alt ve üst sınırları yoktur. Özel nedenler önlem
alınmadığı takdirde üretimde anormal değişkenlikler yaratabilirler

3) Özel nedenlerin giderilmesi için süreçte önemli değişmelerin yapılması gerekmez. Özel
nedeni bulup ortadan kaldırmak ve statükoyu sağlamak yeterlidir. Bu ise yönetimin değil,
çalışanların işidir. İstatistik süreç kontrol üretim sürecini özel bir nedenin veya nedenlerin
etkilediği zaman bunu keşfetme tekniğidir.

İstatistik süreç kontrol ilk uygulandığında özel nedenler varsa tespit edilerek giderilmeli ve süreç
ön görülebilir duruma getirilmelidir. Bu duruma getirilmiş bir süreç istatistik kontrol altında veya
stabil olarak tanımlamaktadır. Bir sürecin istatistik kontrol altında olup, olmadığı ilerde açıklanacak
olan kontrol çizelgeleri ile tespit edilebilir.

1.4 İSTATİSTİK SÜREÇ KONTROL (İSK) İÇİN HAZIRLIK

Genel

İstatistik süreç kontrol uygulanarak kalite geliştirme hedefleniyorsa yönetimin teknik ve idari
yönden bir hazırlık yapması önerilir. Yönetim idari yönden politikasını saptayarak hevesli bir ortam
yaratmalıdır. İstatistik süreç kontrol uygulamak başlı başına kapsamlı bir kalite geliştirme projesi
konusudur. Bu bakımdan bir proje ekibi oluşturmak ve görevi onlara vermek en iyi çözümdür.
(Bölüm.5) Proje ekibi önce pilot çalışmalar ile işe başlayarak bu işi bütün fabrikaya yaygınlaştırmakla
görevlendirilmelidir. Özel uygulamalar için alt ekipler de görevlendirilir. İstatistik süreç kontrol bazı
sorunları ortaya çıkarabilir. Ancak sorunların neler olduğu ve çözümü için bir ekip çalışmasına gerek
görülebilir Proje ekibi proje süresince (dört ile altı ay) gelişmeleri yönetime ve ilgili birimlere rapor
etmelidir. Proje ekibinde üretim, kalite kontrol, planlama ve tasarım departmanlarından elemanlar
bulunabilir. Yönetim bu konudaki tutumunu söz konusu tekniklerin eğitimi için bütün kaynakları
temin ederek belli etmelidir. Uygulamada belli aşamalara ulaştıkça ilgi ve desteğini devam ettirmeli ve
çalışanları teşvik etmelidir. Böyle bir programın başarılı olması için elemanların kalite konularına ilgi
duyacakları ve çalışmalara katılmak için cesaret duyacakları bir ortam yaratılmalıdır. Böyle bir ortamı
yaratabilen yönetim aynı zamanda insan iş gücü kaynağından yararlanmayı en üst düzeye yükselterek
iş yerinin çalışanlar için daha doyurucu bir yer haline gelmesini sağlayabilir.

(İSK) için kullanılan çizelgeler esas olarak süreci yöneten operatörler veya işçiler tarafından
izlenerek işlenir. Böylece çalışana kalitenin durumu hakkında bilgi veren bir ekran açılmış olur. Bu
amaçla kontrol çizelgesinin anlamını, amacını ve nasıl işleneceğini açıklayan bir eğitimin ustabaşı veya

10
formenler tarafından verilmesi gerekir. Diğer taraftan kontrol çizelgesi uygulayan bir eleman işini
kendi planladığı, kendi yaptığı ve kendi kontrol ederek gerekli gördüğü önlemleri kendi aldığı için öz
kontrol durumundadır. Bir elemanın öz kontrol durumunda olması için söz konusu elemana şu
vasıtalar sağlanmalıdır:

1) Ondan ne yapması beklendiğinin bilgisi

2) Onun gerçekte ne yaptığının bilgisi

3) Süreci ayarlama

İSK uygulanan bir süreçte yukarda belirtilen bütün şartlar elemana sağlanmış olur. Bunların
içinde süreci ayarlama yetki ve bilgisi sadece özel makine ayarlayıcılar gerektiren süreçlerde dahi
eleman ayar işinin içindedir. Çünkü bir ayara gerek olduğu konusunda uyarı söz konusu elemandan
gelmektedir. Öz kontrol durumundaki bir eleman işini daha çok benimser ve bedeni ile birlikte
yaratıcı zekasını kullanma alışkanlığına sahip olur.

Süreçlerin tanımlanması ve neden-sonuç diyagramları

İyi bir kontrol sağlanması için sürecin ve elemanlarını tanımlanması ve tarif edilmesi gerekir.
Süreç elemanları daha evvel açıklandığı gibi personel, teçhizat, malzeme yöntemler ve çevre olabilir.
Sürecin farklı yönlerini iyi bilen ve anlayan tüm bireylerin deneyimleri bir araya getirilmeli ve
anlaşılabilir bir şekilde açıklanmalıdır.

Bu amaçla ŞEKİL.1.2 de bir örneği görülen neden sonuç diyagramı kullanılır. Bu gösterim tarzını
ilk kullanan Japon ilim adamı İshikawa adı ile veya şeklinden dolayı balık kılçığı diyagramı olarak
isimlendirilen şekil sürecin grafiksel bir tanımını vererek olası bozulmaların ve değişkenliklerin
kaynaklarını belli edecek bilgiler içermektedir. Bu bakımdan (İSK) uygulaması sırasında şu amaçlarla
kullanılabilir:

1) Süreçlerin tanımlanması ve tarif edilmesinde

2) (İSK) uygulanacak süreç ve ürün karakteristiklerinin tespit edilmesinde

3) (İSK) uygulamasında ortaya çıkarılan sorunların analiz edilmesinde

4) Bu çalışmaların dökümante edilip dosyalanmasında

11
Söz konusu diyagramın daha sonra birçok alternatifi geliştirilmiştir. Sürecin tanımlanmasında
sürecin çeşitli aşamalarını belirten akış diyagramları tespit ve analiz için çok uygun vasıtalardır

Şekil.1.2 de bir kimyasal üretim sürecinin neden-sonuç diyagramı görülmektedir. Bir kalite
sorunun analiz edilmesi için hazırlanan bu diyagram tipik bir örnek olarak sorunun temel nedenlerini
ve alt nedenleri şematik olarak belirtmektedir.

(İSK) uygulamasında söz konusu diyagram yukarda belirtilen dört amaç içinde kullanışlıdır.

Ham madde Reaksiyon Kristalizasyon Torba ağılığı fazla

Solüsyon A Solüsyon B Zaman Sıcaklık Operatör Terazinin

Ağırlık Konsantrasyon Sıcaklık Terazi tipi bakımı

Eksik Solüsyon A PH Konsantrasyon Ağırlık Ölçü Ağılık

Akıtma hızı ölçme

Deşarj yöntemi Karıştırıcı Zaman Ana kristal Terazinin

Devir/dakika doğruluğu

Kalite Miktar Konteyner Sıçrama Sıcaklık ÜRÜN TOZ KİMYASAL

Tipler Kapak Yol Islak tozun hızı Kurutucu devir/dakika

Katalizör Nakliye Nem miktarı

Şekil.1.2 Ishikawa neden-sonuç diyagramı

Ölçülecek ve izlenecek karakteristiklerin tespit edilmesi ve Pareto analizleri

Süreç verimliğini ve ürün kalitesini etkileyen tüm karakteristikler belirlenerek değerlendirmeleri


yapılmalıdır. Değerlendirme için gerçek ve olası tüm etkenler önem sırasına göre dizilmelidir. Ürün
kalitesinin geliştirilmesi için üzerinde en fazla durulması gereken karakteristikler için Pareto prensibi
kullanılır. Ölçülebilen karakteristikler için İSK uygulaması için az sayıda ve en önemli
karakteristiklerin seçilmesi gerekir. Bu konuda Pareto prensibi dışında göz önüne alınması gereken
diğer faktörler aşağıda tartışılmıştır. Sayılabilen karakteristikler için kullanılan hata sayısı (veya oranı)

12
ve hatalı sayısı (veya oranı) kontrol çizelgelerinde göz önüne alınacak önemli ancak az sayıda hatanın
seçiminde de Paroto prensibi ve diyagramı kullanılır.

Pareto prensibine göre bir sorunun genellikle birden çok nedeni vardır. Ancak bu nedenlerin pek
azının etkisi çok fazladır. Pareto prensibine göre nedenlerin %20 sinin etkisi %80 ağılıktadır. Juran bu
nedenleri “pek az sayıda önemli” ve “incelenmesi yaralı pek çok” olarak ikiye ayırmaktadır. .Bu
duruma

Şekil.1.3 Pareto analizleri ile kaliteyi etkilediği düşünülen tüm faktörlerin değerlendirilmesi yapılır.
(Bu grafik STATGRAPHIC bilgisayar programı ile hazırlanmıştır)

13
göre nedenlerin önem sırasına göre istatistiklerinin yapılması gerekmektedir. Bazen bu nedenlerin
önem sırasına göre dizilmesi için bazı deneyimlere ihtiyaç vardır. Pareto diyagramında tüm nedenler
yatay eksende meydana gelme sıklıklarına veya sebep oldukları kalite maliyetlerinin parasal
değerlerine sıklıklarına göre sıraya dizilmekte, düşey eksende ise söz konusu sıklıkların veya kalite
maliyetlerinin yüzde değerleri gösterilmektedir. Şekil.1.3 de görülen Pareto diyagramlarında boyama
işlemi yapılan bir sürecin üretim hatalarının istatistiği yapılmıştır. Üsteki şekil söz konusu hataların
belli bir sürede meydana gelme sıklıklarına göre düzenlenmiştir. Bu diyagrama göre meydana gelen
hatalar %56 boyada kir, %18 oyuk hatası %10 çizikler olarak sıralanmıştır. Bu duruma göre ilk ele
alınacak hata tipi boyada kirdir. Boyada kirin önlenmesi hata sayısını yarıdan fazla azaltacaktır. Ancak
bu sonucun maliyet açısından değerlendirilmesi gerekir.

Alttaki diyagram ise hataların neden oldukları kalite maliyetleri için düzenlenmiştir. Bu
düzenlemede soldaki düşey eksende kalitesizlik maliyetlerinin parasal değerleri, sağdaki düşey
eksende ise yüzde değerler görülmektedir. Bu diyagramda en büyük kalitesizlik maliyetine neden olan
hatanın yukarıdaki diyagramın üçüncü sırasında olan çizik hatası olduğu görülmektedir. Buna karşılık
meydana gelme sıklığı yönünden birinci sırada olan boyada kir neden olduğu kalitesizlik maliyeti
açısından en son sıradadır. Önemli olan kalitesizlik maliyeti olduğuna göre Pareto analizinde çıkarılan
sonuç öncelikle boyada çizik ve oyuk hatasının üzerine eğilmek gerektiğidir. Bu iki hatanın ağırlığı
kalite maliyeti açısından şekilde görüldüğü gibi % 74 civarındadır.

İSK uygularken seçilecek karakteristiklerin seçilmesinde Pareto prensibinden yararlanılır. Örneğin


süreçte işlenen üründe bulunan birçok karakteristikten pek azı kalitesizlik maliyeti yönünden daha
ağır sorunlar yaratır. Bu duruma göre İSK uygulamasında söz konusu karakteristiklere önem vermek
gerekir. Bunun için çoğu durumda herhangi bir Pareto diyagramı düzenlemek de gerekmeyebilir.
Ancak düşünme ve değerlendirmede Pareto prensibine uygun hareket edilir.

Müşterinin ihtiyaçları (iç ve dış müşterilerin) hesaba katılmalıdır. Söz konusu müşteriler ürünleri
başka üretim süreçlerinde kullanabilirler ve ürünün son kullanıcılarıdır İSK un başarılı olması için
müşteri ile kapsamlı bir iletişim, işbirliği ve takım çalışması anlayışı gereklidir.

İSK uygulaması ile sorun kaynaklarının tespit edilmesi, kalite geliştirme için bir takım fırsatların
ortaya çıkarılmasını gerektirir. Bunlar ıskarta ve yeniden işleme, müşterinin ret etmesi vs. ye neden
olan kötü performans kaynakları olduğu gibi deneyimlerden ve tahminlerden tespit edilen olası sorun
alanlarıdır.

14
Karakteristikler arasındaki karşılıklı ilişkiler ve ölçme sisteminin tespiti

İSK uygulanırken iki veya daha fazla süreç karakteristiği arasındaki mevcut karşılıklı ilişkileri
tespit etmek yaralıdır. Örneğin belirli bir süreç karakteristiğindeki değişmeler diğer bir karakteristik
üzerinde hep aynı oranda yansır. Bu durumda her ikisini de izlemek yerine sadece birini ölçmek ve
izlemek yeterli olabilir. Diğer taraftan bazı karakteristiklerin ölçülmesi çok zor veya zaman alıcı
olabilir. Bu nedenle söz konusu karakteristik yerine, onunla doğrudan ilgili, ancak ölçülmesi kolay
olan başka bir karakteristiğin seçilmesi gerekebilir. Örneğin çelik çubuk üretim sürecinde çubuğun
çekme mukavemetinin ölçülmesi zor ve zaman alıcıdır. Bu karakteristiğin yerine onunla doğrudan
ilgili ve ölçülmesi kolay olan sertlik seçilebilir.

Ölçüm teçhizatı ve sistemi planlanmalı, son ürüne verilen aynı dikkat ölçüm cihazlarına da
gösterilmelidir. Söz konusu sistemlerin süreç tanımlanmasına benzer şekilde tanımlanması gerekir.
Tanımlama, alınacak ölçümleri ve bunların nereden ve nasıl alınacağını, kullanılacak formlar dahil
(örneğin kontrol çizelgesinin tipi) içermelidir.

Kontrol verimliliği ölçüm metotlarının doğruluğuna bağlı olarak değişen rakamsal bilgilere
dayanır Seçilecek ölçüm cihazı, öngörülen ölçme aralığının veya toleransın tercihen onda birini, bu
mümkün olmuyorsa en az dörtte birini ölçebilecek duyarlılıkta olması gerekir

Ölçme sistemi kullanılacak cihazların bakım, kalibrasyon, doğruluk ve tekrar edilebilirlik


yöntemlerine de içermelidir.

Ürün değişkenlik nedenlerinden bazıları süreç dışından kaynaklanır ve sadece sürecin izlenip,
gözlenmesi ile azaltılabilir. Söz konusu gözlemler ve temel süreç bilgilerinin izlenmesine dayanan ön
araştırma, bu dış nedenlerden kaynaklanan değişkenlikleri ortaya çıkarabilir ve daha sonraki sorun
analizinde yardımcı olabilir. Böyle bir araştırma sürecin duyarlı bir şekilde çalışıp çalışmadığı
hakkında bilgi verir.

Tipik süreç enfarmasyonuna örnek olarak yeni malzeme partisinin kullanımına ve takım
ayarlarının durumu gibi detaylar sayılabilir.

15
1.5 İSTATİSTİK TEMEL BİLGİLERİ

İstatistik süreç kontrol, istatistiksel metotların kontrol çizelgelerine uygulanmasına dayanır. Bu


metotlar değişkenliğin incelenmesi ile ilgilidir. Değişkenliğin genel yapısı ise bir sıklık dağılımı ile
gösterilir. Söz konusu terimlerin ve kavramların daha iyi anlaşılması için bunları bir örnek üzerinde
açıklamak yararlıdır.

Temel veriler

Aşağıdaki tabloda süreçten alınan ürünlerin izlenen bir karakteristiğinin ölçüleri görülmektedir.
Ölçü birimi mikron, mm,gram, derece, lt/sn,devir/dakika vs olabilir. Tablodaki değerler herhangi bir
karakteristiğin ölçülerinin değişen bölümlerini temsil edebilir. Örneğin süreçte üretilen torbalar 25 kg
dır, ancak bunlar arasında gram mertebesinde farklılıklar vardır. Tablo söz konusu değişkenlikleri
gram olarak temsil etmektedir. Başka bir örnek bir takım tezgahında üretilen millerin çapları mm
olarak aynıdır, ancak mikron olarak farklılıklar vardır. Tablo yine söz konusu bu değişken değerleri
göstermektedir:

13 14 10 10 15 13 13 13 15 14

11 16 9 10 15 12 10 11 12 13

11 14 17 16 14 11 12 14 13 13

13 14 13 12 13 14 15 11 13 16

12 12 13 13 12 15 11 15 12 12

Tipik olarak 50 den fazla ölçü süreç hakkında istatistik bir bilgi vermeğe yeterli olarak kabul
edilir. Bu tablo beşerli on sütuna ayrılmıştır. Bunun anlamı üretim devam ederken belli aralıklarla 5
örnek alınarak ölçülüp kaydedildiği olabilir. Veya imalatı bitmiş bir ürün yığınından rasgele alınan 50
örneğin yine rasgele beşerli guruplara ayrıldıktan sonda ölçülüp kaydedildiği olabilir.

Verilerin bir çetele şeklinde düzenlenmesi

Yukarıdaki tablo bir fikir vermekten uzaktır. Bu verileri daha anlamlı bir şekilde düzenlemek için
Şekil.1.4 de görülen çetele yapılır. Görüldüğü gibi alınan ölçüler dikey bir eksende en büyükten, en
küçüğe kadar sıralanmış ve her ölçü değerin kaç defa rastlandı ise çetelede bir çizik ile temsil
edilmiştir. Daha sonra bu çiziklerim sayıları ve yüzde miktarları son iki sütuna kaydedilmiştir.

16
Değer Çetele Adet Yüzde%

17 / 1 2

16 /// 3 6

15 ////// 6 12

14 /////// 7 14

13 ///////////// 13 26

12 /////////……………… 9 18

11 ////// 6 12

10 //// 4 8

9 / 1 2

Toplam 50 100

Şekil.1.4 Tablodaki verilerin bir çetele şeklinde düzenlenmesi

Verilerin bir histogram şeklinde düzenlenmesi

Şekil.1.5 de görülen şekil bir histogramdır. Histogramın çeteleden farkı verilerin bir çubuk
diyagram ile temsil edilmesidir. Çubukların uzunlukları o gruba giren ölçü sayısı ile orantılıdır.
Histogram genellikle Şekil.1.6 da görüldüğü gibi çeteleye göre 90 derece döndürülmüş olarak çizilir.
İstatistik kalite kontrolde her iki tip histogram da kullanılmaktadır.

Histogramın analizi süreç hakkında önemli ip uçları verir. Örneğin şekildeki sürecin 13 ölçüsüne
merkezlendiği ve ölçülerin 17 ile 19 arasında değiştiği kolayca görülebilir. Bu değerler ürün
şartnamesinde veya teknik resimde verilen nominal değer (hedef değer) ile karşılaştırılarak sürecin
doğru mu yoksa hatalımı merkezlendiği ve toleransları karşılama bakımından yeterli yoksa yetersi mi
olduğu konusunda bazı analizler yapılmasını sağlar

17
HİSTOGRAM
21

ÖLÇÜ DEĞERİ 17

13

1
0 5 10 15
SIKLIK

Şekil.1.5 çeteledeki verilerin bir histogram şeklinde düzenlenmesi daha anlamlı bazı
değerlendirmelere olanak sağlar

HİSTOGRAM

14

12

10

8
S IK L IK

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
ÖLÇÜ DEĞERLERİ

18
Dağılım eğrisi

Şekil.1.5 deki histogram çubuklarının orta noktaları birleştirilirse bir eğri elde edilir. Süreçten
alınan örnek sayısı çok fazla olursa ve ölçme hassasiyeti arttırılır ise bu eğri Şekil.1.6 da görüldüğü
gibi daha düzenli bir hal alır.

Şekil.1.6 Statgraphic bilgisayar programı ile elde edilen Histogram ve Dağılım eğrisi

Şekil.1.6 da görülen histogram söz konusu dağılım eğrisinin temel verilerini sağlamaktadır.
Bilgisayar söz konusu temel bilgilere dayanarak bir eğri çizmiştir. Bu eğriye normal dağılım eğrisi,
şeklinin bir çana benzemesinden dolayı çan eğrisi veya bu eğrinin matematik denklemini ilk defa
veren matematikçinin adı ile Gaus. Eğrisi denilmektedir.

Dağılım eğrisi değişkenliği göstermenin bir başka yoludur. Eğrinin matematik denkleminden ve
eğrinin analiz edilmesinden önemli bazı orta sonuçlar çıkarmak mümkündür. Bunlar aşağıda
sıralanmıştır:

19
1) Eğrinin ekseni sürecin ayarlandığı veya merkezlendiği ölçü değeridir.Şekil.1.6 da nominal
olarak belirtilen bu değer teknik resim veya şartnamedeki hedef değerle (ų) çakışması gerekir.
Ancak pratikte tam bir çakışma genellikle sağlanamaz. Bu konu sürecin ayarı ile ilgilidir.

2) Dağılım eğrisi farklı şekiller alabilir. Bazen orta eksen yer değiştirir yani süreç ayarı veya
merkezlenmesi değişir. Bazen merkez aynı kalır, ancak eğri daha basık bir hal alır. Bu
durumda değişkenlik artmıştır. Bazen ise her iki bozulma da aynı anda olur, sürecin hem
merkezlenmesi bozulur, hem de değişkenlik artarak bozulur. Bütün bu durumlar dağılım
eğrisinin incelenmesinden analiz edilebilir.

3) Dağılım. eğrisi Şekil.1.6 dan görülebileceği gibi artı, eksi üç (s) sınırları içinde değişir. Yani
dağılım eğrisinin genişliği yaklaşık 6 s değerindedir. Küçük s harfi ile gösterilen bu değer
standart sapma olarak isimlendirilir. Standart sapmayı histogramı oluşturan verilerden
hesaplamak mümkündür Bu konuda geniş bilgi aşağıda verilmiştir. Standart sapma küçük bir
örnek grubundan hesaplanmıyor tüm popülasyonu temsil edecek şekilde hesaplanıyorsa (σ)
harfi ile gösterilir. Yani s değeri (σ) nın bir tahmincisidir. Dağılım eğrisinin ekseninden
itibaren birer σ veya bir standart sapma mesafede ürünlerin %34 ü yani toplam olarak %68 ı
bulunur. Bir (σ) ile iki (σ) arasındaki birer (σ) lik bölümde ise simetrik olarak %14ü ve toplam
olarak %28 i bulunur. Bu duruma göre tüm dağılım eğrisini oluşturan ürünlerin toplam %96
sı ikişerden 4 standart sapmalık bir bölüm içine dağılmıştır. Geri kalan iki bölümde ise
ürünleri %1,9 u yani toplamda %3,8 miktarı bulunmaktadır. Sonuç olarak ürünlerin %99,8
miktarı artı, eksi üç (σ) lik veya standart sapmalık bölüm içinde bulunmaktadır.

4) İstatistik süreç kontrol (İSK) yukarıdaki bilgilere dayanarak +/- üç (σ) yani 6 (σ) lık bölümün
tespitine ve bu sınırlar dışında ürün bulunması olasılığının her iki tarafta binde bir olması
kabulüne dayanır. Bu amaçla kullanılan çizelgelere kontrol çizelgesi adı verilir. Kontrol
çizelgesinde bir üretim süreci ürünlerin altı standart sapma sınırları içinde kalması bu
sürecin doğal değişkenlik sınırları. içinde kaldığının ve sadece normal nedenlerden
etkilendiğinin açıklamasıdır. Böyle bir süreç stabil olarak isimlendirilir. Söz konusu sınırlar
dışında ürün bulunması olasılığı her iki tarafta sadece binde bir olduğu için bu şekildeki,
ürünlerin olması sürecin özel nedenlerden etkilendiğini gösterir.

5) Dağılım eğrisi yatay eksenle sonsuzda birleşir. Bu bakımdan 6 standart sapma genişliği
dışında ürün olasılığı binde 2 olduğu gibi, örneğin 12 standart sapma dışında bile ürün olması
olasılığı vardır, ancak bu olasılık milyonda birler mertebesindedir

20
6) Şekil.1.6 da 3 s sınırlarından daha içerde olan, LSL ve USL ile gösterilmiş iki sınır daha vardır.
Bunlar şartname limitleri veya toleranslardır. Toleranslar bilgisayara histogram ve dağılım
eğrisi çizdirirken, verilen değerlerdir. Söz konusu toleranslar 3 s sınırları dışında verilse idi
süreç kalite bakımından yeterli olarak isimlendirilirdi. Bu durumda süreç çok az miktarda
yetersizdir. Yani toleranslar dışı üretim olasılığı vardır. Bunun yüzde miktarını hesaplamak
mümkündür. (Süreç yeterliliği konusuna ilerideki bölümlerde geniş olarak tartışılacaktır).

Ortalama değerlerin dağılım eğrisi

İSK da süreçten belli aralıklarla ve genelde sayıları 1-25 arasında değişen örnek grupları alınır ve bu
örneklerden alınan ölçülerin ortalama değerleri hesaplamalara ve çizelgelere esas olur. Bunun mantıki
bazı sebepleri vardır. Söz konusu sebepleri anlayabilmek için ortalama değerler dağılım eğrisini
bilmeğe gerek vardır. Bu konuyu bir örnek üzerinde açıklamak bakımından yukarıda verilen tabloyu
aşağıda tekrarlamak yaralıdır:

13 14 10 10 15 13 13 13 15 14

11 16 9 10 15 12 10 11 12 13

11 14 17 16 14 11 12 14 13 13

13 14 13 12 13 14 15 11 13 16

12 12 13 13 12 15 11 15 12 12

Toplam………60 70 72 61 69 65 61 64 65 77

Ortalama 12 14 14,4 12,2 13,8 13 12,2 12,8 13 15,4

Şekil.1.7 Bireysel değerlerin beşerli gruplar halinde düzenlenmesini veren tablo

Yukarıdaki tablonun daha öncekinden farkı: verilerin beşerli gruplar halinde düzenlenerek, bu
grupların önce toplam değerlerinin hesaplanması sonra bu toplamların beşe bölünerek ortalama
değerlerin hesaplanmasıdır. Görüldüğü gibi beşerli grupların ortama değerleri daha dar bir aralıkta
değişmektedir. Eğer söz konusu ortalamaların histogramı ve bu histogramdan dağılım eğrisi
bilgisayar vasıtası ile çizilirse, bu histogramın ve dağılım eğrisinin daha dar bir aralıkta değişeceği
açıktır. Yukarıdaki bireysel değerler tablosunda 9, 10 ve 16, 17 değerler ortalamalar arasında
bulunmamaktadır. Rasgele beş değerin ortalaması alındığı için uç değerlerin ortalamalarda yer
almaması da gayet doğaldır.

21
Dağılım eğrisinin daha dar bir aralıkta değişmesi dağılım eğrisinin genişliği olarak kabul edilen 6 (σ
ortalama ) değerinin daha dar olması demektir. İstatistik matematik de iki standart sapma arasında şu
bağlantı ispatlanmıştır:

σ ort = σ /√ n

Burada

σ ort= Ortalama değerlerin standart sapması

σ = Bireysel değerlerin standart sapması

n = Gruplardaki numunelerin sayısı (Bu örnekte numune sayısı 5 tir)

Bu duruma göre beşerli grupların ortalamalarının dağılımı bireysel dağılımdan karekök beş defa
(2,23) daha dardır. Altı standart sapma sınırları da bu durumda 2,23 oranında daha dardır. Başka bir
ifade ile yukarıda bahsedilen kontrol çizelgesinin sınır değerleri yarıdan fazla daha dardır. Bu
durum kontrol çizelgesine büyük bir avantaj sağlamaktadır. Çünkü süreç ortalama değerinden
sapmaların ve değişkenliğin artmasının teşhis edilme olasılığı büyük çapta artmaktadır. Örneğin süreç
ana ortalama değeri bir standart sapma kadar yer değiştirse, yani bireysel değerler dağılım eğrisi bir
standart sapma kadar bir tarafa kaysa limitleri geçen parçalara rastlanma olasılığı (bu olasılığa avlama
olasılığı da denilmektedir) %14 dür. Oysa ortalama değerler kontrol çizelgesinin sınırlar çok daha dar
olduğu için söz konusu avlama olasılığı %90 civarına çıkmaktadır.

Bu duruma göre kontrol bir üretim partisinden veya bir üretim sürecinden birer adet örnek almak
yerine mecbur kalınmadıkça birden fazla ürün içeren gruplardan oluşan örnekler almak tercih
edilmelidir. Ancak bazen tekli örneklerin alınması kaçınılmazdır. Örneğin ürün bir tank sıvı ise
laboratuar analizi için tank dan birden fazla örnek almak gereksizdir. Aynı şekilde üretimi 15 dakika
veya daha fazla zaman alan süreçlerde örneğin beş parçalık bir grubun imal edilmesini beklemek özel
nedenlerin etkilemeğe başladığının teşhisinde istenmeyen gecikmelere sebep olur.

1.6. KONTROL ÇİZELGELERİ

Genel

Kontrol çizelgesi esas olarak süreç değişkenliğini izlemek ve kontrol altına almak için geliştirilmiş bir
grafiktir. İstatistik süreç kontrol (İSK) teknolojisinde başlıca iki tip kontrol çizelgesi kullanılmaktadır,

22
bunlar: ölçülebilen karakteristikler için kontrol çizelgeleri ve sayılabilen veya nitelik sel
karakteristikler için kontrol çizelgeleri. Ölçülebilen karakteristik adı üstünde çap, uzunluk, ağırlık,
sertlik, oktan sayısı devir/dakika vs. gibi bir ölçü aleti ile veya laboratuar analizi ile ölçülmesi
mümkün olan özelliklerdir. Nitelik sel karakteristik ise ürünlerin iyi/kötü, geçer/geçmez olarak
ayrıldığı veya hatalarının sayılarak bunların istatistiklerinin yapıldığı durumlar için kullanılır.

Örnek alma planı

Örnek alma planı, bir defada alınacak örnek sayısı ve örnek alma aralığının veya sıklığının tespit
edilmesidir. Bu konuya yaklaşım ölçülebilen karakteristikler ve sayılabilen karakteristiklerde
birbirinden oldukça farklıdır.

Ölçülebilen karakteristiklerde bir defada alınan örnek sayısı 1 ila 25 arasında değişen bir rakamdır .Bu
sayı ne kadar artarsa limitler o kadar daralır (örnek sayısının kare kökü ile orantılı olarak) ve kontrol
çizelgesi daha duyarlı hale gelir. Diğer taraftan örnek grubu alındığı sırada süreci sadece genel
nedenlerin etkilemesi arzu edilir. Bu bakımdan örnekler ne kadar kısa sürede alınırsa, süreci özel
nedenlerin etkilemesi riski o derecede az olur. Optimum bir çözüm olarak en çok kullanılan sayı 4 ve
5 tir. Çok süratli imalatlarda kontrol çizelgesi için bilgisayar kullanıldığı zaman bu sayı 15 ve hatta 25’
e çıkabilir.

Sayılabilen karakteristiklerin kontrol çizelgelerinde örnek sayısı oldukça fazladır. Genel kural olarak
alınan örneklerin en az 1 ila 5 hatalı ürün içermesi istenir. Örneğin ortalama hatalı oranı %1 olan bir
süreçten alınacak örnek sayısı 100 ila 500 arasında olur.

Örnek alma sıklığının tespiti genellikle ekonomik bir konu olmaktadır. Çünkü alınan her örnek bir
zaman ve emek sonuçta bir maliyet gerektirir. Bu bakımdan örnek alma aralığının geniş tutulması, bu
maliyeti azaltır. Ancak özel nedenlerin zamanında yakalanması olasılığı da azalır. Bu bakımdan
optimum bir sıklık deneyimlere göre tespit edilmelidir. Kural olarak limitlerin ilk tespiti aşamasında
örnek alma aralığı çok dar tutulur. Limitler tespit edildikten sonra aralık giderek genişletilir. Stabil bir
süreçten örnek alma aralığı geniştir. Takım tezgahları kullanılan süreçlerde örnek alma sıklığı saatte 1
ile vardiyada veya günde 1 arasında değişmektedir.

Ana ortalama değer ve kontrol sınırları veya limitleri

Süreç çalışırken, izlenecek karakteristik ile ilgili veriler toplanır ve kontrol çizelgesine işlenecek
forma sokulur. Bu veriler bazı durumlarda örneğin çap gibi, ürünle ilgili doğrudan ölçmeler olabilir.
Bazen de sürecin performansını etkileyen basınç, sıcaklık veya hız gibi bir süreç karakteristiği olabilir.

23
Çok milli takım tezgahlarında her mili etkileyen özel nedenlerden şüphe ediliyorsa her mile ayrı bir
tezgah gibi bakılır. Eğer miller arasındaki değişkenlik sadece genel nedenlerden etkileniyorsa grup
kontrol çizelgesi yeterli olabilir.

Kontrol limitlerinin hesabı süreçten elde edilen verilere dayanır. Bu limitler süreci sadece genel
nedenler etkilerken, beklenen en düşük ve en büyük değerleri temsil ederler. Söz konusu limitler
çizelge üzerinde bir değerlendirme yapabilmek amacı ile çizilir. Dikkat edilmesi gereken bir konu, bu
limitlerin bir şartname sınırı veya tolerans olmadığı, sürecin doğal değişkenlik sınırları olduğudur.

Süreçten alınan artarda veriler, kontrol limitleri ile karşılaştırılarak değişkenliğin stabil olup, olmadığı
veya özel nedenlerden etkilenip, etkilenmediği saptanır. Özel nedenlere işaret eden düzensizlikler
varsa, sürecin çalışması izlenerek gerekli önlemler alınır ve sonra veri toplamaya devam edilir. Genel
kural olarak her çizelgenin limitleri bir önceki çizelgedeki veriler esas alınarak gerekirse tekrar
hesaplanır.

Kontrol çizelgesi üretim sürecinin bir süre izlenip istatistiğinin yapılması ile geliştirilir. Bu amaçla
süreçten en az 20-25 defa örnek alınması gerekir. Numune sayısı 5 ise bu durumda 100 numune
alınması gerekir. Elde edilen bu numunelerin aritmetik ortalamasına ana ortalama değeri adı verilir.
Hesaplanan ana ortama değerin 3 standart (σ) sapma altı ve üstü kontrol limitleri veya sınırları olarak
isimlendirilir. Kontrol çizelgesinin standart sapmasının alınan örneklerden hesaplanması aşağıdaki
bölümlerde kontrol çizelgesi örnekleri anlatılırken açıklanacaktır. Görüleceği gibi bunun için dağılım
eğrisini çizmek gerekmez. Sadece ana ortama değeri ve standart sapmayı bazı formüller kullanarak
hesaplamak yeterlidir.

Kontrol çizelgesi üretim sürecinin zamana göre bir kalite fotoğrafını verir. Çizelgenin yatay ekseni
daima saat, vardiya veya gün olarak zamanı gösterir. Düşey eksende ise ya ölçü değeri ya da hata
oranı hatalı sayısı gibi niteliksel özellikler belirtilir. Çizelgeyi analiz ederek süreç değişkenliği hakkında
bir tahminde bulunmak mümkündür. Söz konusu çizelgeler hem takım tezgahları üretim yapılan
imalatta hem kimya ve petrol sanayinde geniş ölçüde kullanılmaktadır.

Kontrol çizelgesindeki anormalliklerin kuralları ve çizelgenin analizi

Kontrol çizelgesinin analiz edilmesi büyük ölçüde dağılım eğrisinin daha önce açıklanan
özelliklerine dayanır. Kontrol çizelgesini oluşturan noktaların yorumunda anormallik olarak kabul
edilen bazı kurallar aşağıda açıklanmıştır. Söz konusu anormalliklerin meydana gelmesi olasılığı
istatistik olarak binde bir veya daha azdır. Bu da çok küçük bir olasılık olduğundan süreç istatistik

24
olarak kontrol dışına çıkmış olarak kabul edilir. Bu durum stabilite dışına çıkma olarak da
isimlendirilmektedir.

1) Kontrol çizelgesinde alt ve üst kontrol limitleri dışında bir veya daha fazla nokta olması
kuralı. Böyle bir veya daha fazla nokta sürecin özel nedenlerden etkilendiğinin en açık
göstergesi olarak kabul edilir

2) Kontrol çizelgesi üzerindeki tüm noktaların yaklaşık üçte ikisinin limitler arasındaki açıklığın
ortadaki üçte birlik bölüme dağılması kuralı. Bu kural dağılım eğrisinin ekseninden itibaren
simetrik olarak bir standart sapma mesafede ürünlerin %34 ünün yani toplamda %68’nin
bulunması gerektiğinden çıkarılmıştır. Ancak pratikte elle doldurulan çizelgelerde
uygulanması güç olduğundan sadece (İSK) için hazırlanmış bilgisayar programlarında
kullanılmaktadır. Elle doldurulan çizelgelerde göz ardı edilmektedir.

3) İki standart sapma mesafede birbirini izleyen iki noktanın bulunması kuralı. Bilindiği gibi iki
standart sapma dışında ürün bulunması olasılığı her iki tarafta toplam %4 veya 1/25 tir.
İstatistik matematiğine göre birbiri ardına iki noktanın 2(σ) dışına çıkması olasılığı 1/25 x
1/25 =1/625 dür bu ise bir ürünün 3(σ) sınırı dışına çıkması gibi düşük bir olasılıktır. Bu
kural özellikle ileride açıklanacak olan bireysel kontrol çizelgelerinde kullanılmaktadır.
Bireysel çizelgede numune sayısı bir olduğu için çizelge genelde süreç bozulmalarına karşı
fazla duyarlı değildir Bu bakımdan 2(σ) limiti uyarı limiti olarak kullanılmaktadır Ortalamalar
kontrol çizelgeleri için böyle ikinci bir limit çizmek ve izlemek kullanışlı değildir

4) Ortalamanın altıda veya üstünde birbirini izleyen yedi noktanın veya ürünün bulunması
kuralı. Bu durum süreç ortalamasında değişkenliğinde önemli bir kaymanın olduğunun
göstergesidir ve olay muhtemelen söz konusu yedi noktanın ilkine yakın olarak başlamıştır.

5) Artarda yedi noktanın aşağı veya yukarı doğru bir meyil izlemesi kuralı. Bu durum da
yukarıdaki kurala benzer olarak süreç ortalamasında veya değişkenliğinde önemli kaymanın
olduğunu belirtir

Bu genel kurallara ek olarak bazı kitaplarda belirtilen ilave kurallar şunlardır:

• Artarda 11 noktadan 10 tanesinin ana ortalama hattının bir tarafında olması kuralı

• Artarda 14 noktanın en az 12 tanesinin ortalamanın bir tarafında olması kuralı.

• Artarda 17 noktanın en az 14 tanesinin ortalamanın bir tarafında olması kuralı.

25
• Artarda 20 noktanın en az 17 tanesinin ortalamanın bir tarafında olması kuralı.

• Artarda 5 noktanın 4 tanesinin bir standart sapma (σ) dışında bulunması kuralı.

• Artarda 15 notanın bir standart sapma (σ) içinde bulunması kuralı

Bütün bu durumlara sürecin istatistik kontrol dışına çıktığına veya stabilitenin bozulduğuna
hükmedilir.

Kontrol çizelgesi tipleri

Sanayide çok sayıda ve çeşitte kontrol çizelgesi kullanılmaktadır. Çizelgelerin en çok kullanılan
tiplerinden örnekler ilerdeki bölümlerde açıklanacaktır. Ancak çizelgeleri iki ana gruba ayırmak
mümkündür. Bu iki grup içindeki çeşitli tipler aşağıda listelenmiştir

A. Ölçülebilen karakteristikler için kontrol çizelgeleri

Ölçülebilen karakteristik ağırlık, uzunluk, sertlik vs. gibi ölçülebilen özelliktir. Bu amaçla kullanılan ve
ilerdeki bölümlerde örnekleri verilecek başlıca kontrol çizelgeleri şunlardır:

Xort.-R Ortalama değer ve aralık kontrol çizelgesi

Xortanca-R Ortanca değer ve aralık kontrol çizelgesi

Xort.-S Ortalama değer ve standart sapma kontrol çizelgeleri

X-R Bireysel değer ve aralık kontrol çizelgesi

Bu ana tiplere ek olarak ölçülebilen karakteristikler için imalat sanayinde kullanılan özel kontrol
çizelgesi tipleri şunlardır:

Hareketli ortalamalar ve hareketli aralık için kontrol çizelgesi.

Parti değişkenlik çizelgeleri

Sık, sık ayarlanan süreçler

B. Sayılabilen veya niteliksel karakteristikler için kontrol çizelgeleri

26
Sayılabilen veya niteliksel karakteristikler için kontrol çizelgeleri, ürünlerin “uygun, uygun değil”
şeklinde ayrıldığı veya hatalarının sayıldığı durumlar için kullanılan kontrol çizelgeleridir. Bu amaçla
kullanılan kontrol çizelgeleri dört gruba ayrılırlar:

(p) Çizelgesi veya hatalı oranı çizelgesi

(np) Çizelgesi veya hatalı sayısı kontrol çizelgesi

(u) Çizelgesi veya hata oranı kontrol çizelgesi

(c ) Çizelgesi veya hata sayısı kontrol çizelgesi

Kontrol çizelgesinin sağlayacağı yararlar

Daha önce de deyinildiği gibi kontrol çizelgesinin bir çok yararı şu şekilde sıralanabilir:

Süreç performansının tartışılmasında kullanılan ortak bir dil sağlayarak iletişimi kolaylaştırır: Örneğin
sürecin kontrol dışına çıkışı veya stabilitenin bozulması çizelgeyi gören veya inceleyen her ilgili
tarafından fark edilebilir. Fazla konuşma ve açıklama gereksizdir. Bazı üretim tezgahlarında bu
durumu atölye içinde duyurmak için tezgaha renkli bir plaka iliştirilebilir. Böylece atölye
yöneticisinin, varsa tezgah ayarlayıcısının, bakım elemanın, kalite yöneticisinin ve diğer ilgililerin
durumdan anında haberdar olmaları sağlanabilir.

Operatörlere süreçte her şeyin yolunda gittiğini kontrol etme olanağını vererek öz-kontrol durumu
sağlamağa katkı yapar: Bir operatörün öz-kontrol durumunda olması için daha önce de bahsedildiği
gibi operatöre şunlar sağlamalıdır:

- Kendisinden ne yapması beklendiğini bilmesi olanağı. Örneğin sınırları belirtilmiş kontrol -


çizelgesi, teknik resim, şartname, numune parça vs. gibi vasıtalar bu şartı sağlar.

- Ne yaptığını bilme olanağı. Ölçü aletleri, mastarlar ve kontrol çizelgesi operatöre yaptığı işin
kalitesini izleme olanağı sağlar.

- Bir sorun halinde ne yapması gerektiği hakkında vasıta. Örneğin bozulan ayarı bizzat düzeltmek,
ayarcıyı yardıma çağırmak, yöneticiye haber vermek bu vasıtalar içinde kabul edilir.

Eğer bunlar sağlanmazsa operatörün öz-kontrol durumunda olduğu söylenemez ve herhangi bir
yetersizlik halinde sorumlu tutulamaz.

27
Kontrol çizelgeleri özel ve genel bozulma nedenlerinin tespit edilebilmesi olanağını sağlayarak, hangi
sorunların çalışanlar tarafından ve hangilerinin yönetim tarafından çözüleceğini gösterir. Yönetim
tarafından çözümlenebilecek sorunlar genellikle bir yatırım gerektirir. Söz konusu yatırım kararına
yönetimi ikna etme açısından güçlü bir vasıtadır

Bir süreç istatistik kontrol durumunda iken performansı ve kalite seviyesi tutarlı ve ön görülebilir bir
durumdadır. Kontrol çizelgesinin devamlı ve sürekli kullanılması değişkenliği ve hata seviyesini daha
da azaltarak sürecin verimliliğinin artışında önemli rol oynar.

Kontrol çizelgesinin limitleri sürecin doğal değişkenlik sınırlarıdır. Söz konusu sınırların toleranslar
ile karşılaştırılması ilerdeki bölümlerde geniş olarak açıklandığı gibi sürecin yeterliliği hakkında karar
verilmesini sağlar.

Kontrol çizelgeleri ayarlanan orta değerde ve değişkenlikte meydana gelen farklılıkları belirtebilme
özelliğine sahiptir. Çizelge ile süreçte istatistik kontrol durumu sağlandıktan sonra, daha uyumlu
çıktılar elde etmek gibi sürecin iyileştirilmesi ile ilgili hedefler için de kullanılırlar.

Kontrol çizelgesi süreç performansı hakkında bilgi veren kalıcı bir belgedir. Süreç performansındaki
farklılıklar daha önceki kontrol çizelgeleri incelenerek değerlendirilir

1.7 ORTALAMALAR İÇİN STANDART X-R KONTROL ÇİZELGESİ

Ortalamalar için X-R kontrol çizelgesi iki farklı çizelgeden oluşmaktadır. Bunlar alınan ölçülerin
ortalamalarının grafiğini veren ortalanma X çizelgesi ve alınan ölçümlerin en büyüğü ile en küçüğü
arasındaki farkı veren R çizelgesidir. Bu iki çizelge birlikte analiz edilerek süreç değerlendirilir. Genel
olarak X çizelgesi sürecin ayar durumunun, R çizelgesi ise değişkenliğinin teşhis edilmesinde
kullanılır.

Bu çizelgeler, kalitenin uzunluk, ağırlık, sertlik, mukavemet ve saflık gibi ölçülebilen miktarlarla
kontrol edildiği süreçlerde kullanılır. Örnek vermek gerekirse:

Üretilen bir milin çapı

Kutuya doldurulan bir ürünün ağırlığı

Üretilen cıvatanın kopma mukavemeti

Üretilen aspirinin saflığı

28
Isıl işlem gören ürünün sertliği

Üretilen elektrik ampulünün enerji sarfiyatı vs. gibi.

Burada standart çizelge olarak kabul edilen ortalamalar için X-R çizelgesinden bir örnek verilerek
çizelgenin içeriği, ana ortalama değeri ve sınırları gibi kavramlar açıklanacaktır:

ÖRNEK 1.1 Otomatik çalışan bir silindir taşlama tezgahından alınmıştır. Taşlama işlemi yapılan
millerin teknik resmi çapı 2,006±0,004 mm olarak vermektedir. Ölçü aleti 2mm ye sıfırlanmıştır ve
İSK tablosuna 2 mm den mikron olarak farklar yazılmaktadır. Numune büyüklüğü n=5 olup, imal
edilen her tepsiden bir numune grubu alınmakta, operatör tarafından ölçülmekte tabloya
kaydedilmektedir Her beşli grubun toplamı, Xort. olarak ortalaması ve en büyük ölçü ile en küçük
ölçü arasındaki aralık hesaplanarak, R olarak tabloya işlenmektedir.

Bu çizelgede bir defada alınacak numune büyüklüğünün seçimi, sürecin özelliğine bağlıdır. Genel
prensip numune alınması esnasında süreci özel nedenlerin etkileme olasılığının mümkün olduğu
kadar az olması ve ürünler arasındaki farkların sadece genel nedenlerden etkilenmesidir. Bu açıdan
artarda üretilen 5 parçanın numune grubu olarak alınması genelde tercih edilir. Ancak örneğimizde
üretilen her tepsiden 5 parçadan oluşan bir numune grubu alınmıştır .Bunun nedeni otomatik
tezgahın bir tepsi üretim yapması esnasında sadece genel nedenlerden etkileneceği varsayımına
dayanmaktadır. Bu konu üzerinde ilerde tekrar durulacaktır.

Çizelge ilk uygulandığında ana ortalama değerin ve limitlerin hesabı için en az 100 ölçü alınmalıdır,
yani beşli numune gruplarından en az 20 grup almak gereklidir (25 numune grubu tercih edilir). Her
numune grubuna ait ölçüler örneğin beşli grup için X1, X2, X3, X4, X5 olarak tabloya kaydedilir. Bu
ölçülerin önce toplamı, sonra bu toplam numune sayısına yani beşe bölünerek ortalaması hesaplanır
ve ilgili bölüme ortalama X1 olarak kaydedilir. Daha sonra söz konusu 5 numune içinde en büyüğü
ile en küçüğü arasındaki fark hesaplanıp R1 aralık değeri olarak tabloya kaydedilir. Bu işlemler 20
veya 25 defa tekrarlandıktan sonra X için ana ortalama değer ve R için ortalama formüller kullanılır:

Ana ortalama değer X =( X1+X2+……… .…X25)/25

Ortalama aralık R = (R1+R2+……………R25)/25

Bu ortalama değerler X çizelgesinin ve R çizelgesinin ana eksenlerini vermektedir. Her iki çizelgenin
alt ve üst limit değerleri şu formüller kullanılarak hesaplanır.

Xalt,üst = X ± A2 . R

29
Ralt = R D3.

Rüst = R.D4

Bu formüllerde kullanılan A2 , D3 ve D4 değerleri numune sayısına göre değişen sabitler olup


Şekil.1.11 deki katsayılar tablosundan alınacaklardır. Söz konusu katsayıların nasıl hesaplandıkları
ilerdeki bölümlerde açıklanacaktır.

Buraya kadar açıklanan formülleri yukarıdaki örneğe uygulamak için 25 numune grubu için alınan
beşerli ölçümleri aşağıda Şekil.1.8 de bir tablo şeklinde verilmiştir. Daha önce de belirtildiği gibi
ölçüler mikron olarak alınmış ve ölçü aleti 2,000 değerinde sıfırlanmıştır. Tablodan da görüldüğü gibi
ortalama X değerlerinin ortalaması, yani ana ortalama 6 mikron olarak hesaplanmıştır. Bu değer
şartnamede veya teknik resimde belirtilmiş olan 2,006 hedef değeri ile çakışmaktadır. Bu da sürecin
çok iyi merkezlendiğini gösterir. Ancak böyle bir merkezlenme her zaman mümkün olmayabilir. X
ortalama çizelgesinde hesaplanan ana ortama değer eksen olarak alınacaktır. R ortalama değeri
tablodan 4,6 mikron olarak hesaplanmıştır. Bu değer yukarıdaki formüllerde belirtildiği gibi her iki
çizelgenin limitlerinin hesaplanmasında kullanılacaktır.

ÖRNEK 1.1 İÇİN İSK ÇİZELGESİ İÇİN VERİ TABLOSU

Firma Adı Ölçü birimi= Örnek Örnek Sıklığı= Her


XRZ mikron büyüklüğü=5 tepsiden bir grup
numune

Parça Adı=Mil Tolerans= Makine= Puntasız


Karakteristik= 2,006 ±0,004 taşlama
Çap

X1 8 6 7 3 6 6 5 9 5 5 4 6 6 8 6 7 8 4 4 5 8 8 2 9 3
X2 2 7 8 6 4 5 7 4 7 9 5 9 8 7 4 9 10 5 4 9 5 8 6 10 4
X3 7 6 5 5 7 3 6 7 3 5 7 5 8 3 7 10 5 6 10 8 5 8 4 5 6
X4 5 4 6 6 7 7 5 8 9 3 3 4 6 6 8 8 8 4 9 6 6 5 11 4 6
X5 8 3 4 4 6 7 5 4 8 7 7 6 3 5 5 4 3 4 6 7 8 6 7 7 6
oooo Ooo
Ort. AnaOrt.
6 5,2 6 4,8 5,8 5,6 5,6 6,4 6,4 5,8 5,2 6 6,2 5,8 6 7,6 6,8 4,6 6,6 6,8 6,4 6,8 5,8 7 5
Aralık
6,0 6 4 4 3 3 4 2 5 6 6 4 5 5 5 4 6 7 2 6 4 3 3 9 6 3
Şekil.1.8 İSK Çizelgesi için veri tablosu
4,6

Veri tablosundan hesaplanan X=6 ve R=4,6 mikron

Buna göre: Xort. için alt ve üst limit = X ± RxA2 = 6 ±=0,577x4,6 =8,7 ve 3,3

30
Yukarıdaki formülde A2 için 0,577 veya 0,58 sabiti Şekil.1.11 deki katsayılar tablosundan alınmıştır

R için alt limit R D3 =0 olarak alınır, çünkü tablo numune sayısı 5 için D3 sabitini 0 olarak
vermektedir

Üst limit = R.D4= 9,7 olarak hesaplanır, çünkü tablo D4 sabitini 2,114 olarak vermektedir.

X ORT.KONTROL ÇİZELGESİ

10
ÖLÇÜ DEĞERİ

8
6
4
2
0
1
3
5
7
9
11
13
15
17
19
21
23
25
ZAMAN

R ÇİZELGESİ
12
10
8
ARALIK

6
4
2
0
1

11

13

15

17

19

21

23

25

ZAMAN

Şekil.1.9 EXCEL Bilgisayar programı ile çizilen X ve R çizelgeleri

31
.Yukarıda hesaplanan değerlerden iki tablo yapılarak EXCEL bilgisayar programı ile hazırlanan X
ortalama ve R çizelgeleri Şekil.1.9 da görülmektedir.

Şekil.1.8 deki tabloda bulunan veriler istatistik analiz için hazırlanan bilgisayar programına

yüklenerek hazırlanan X-R çizelgeleri Şekil.1.10 da görülmektedir.

Şekil.1.10 STATGRAPHICS bilgisayar programı ile hazırlanan X-R çizelgeleri

Yukarıda görülen her iki çizelge çifti aynı verilerden hesaplandıkları için birbirlerine çok
benzemektedir. Ancak İSK için özel olarak hazırlanmış STATGRAPHICS bilgisayar programının
verdiği çizelge ana ortalama değerler ile alt ve üst limitleri daha belirgin olarak vermekte göze daha iyi
hitap etmektedir. STATGRAPHIC paket programı sadece İSK için hazırlanmamıştır, kullanılan her
türlü istatistik analiz için hazırlanmış genel ve çok kapsamlı bir pakettir. Ancak sadece İSK için
hazırlanmış çok sayıda bilgisayar programı vardır (600 den fazla).

Orta değeri ve limit değerleri tespit edilen çizelge artık bir kalite izleme vasıtası olarak kullanılabilir.

32
1.8. STANDART SAPMA HESABI VE KATSAYILAR TABLOSU

Standart sapma değişkenliğin ölçüsüdür. Daha önce bahsedildiği gibi dağılım eğrisi veya çan eğrisinin
genişliği yaklaşık 6 standart sapma olup dağılım eğrisinin 6 standart sapma dışında olan bölümü
binde iki oranındadır. Standart sapma hesabı için iki yöntem kullanılır.

1. Bir ürün yığının standart sapması

2. Bir üretim sürecinin standart sapması

1). Bir ürün yığının standart sapması eğer küçük bir örnek yığınından hesaplanırsa s harfi ile,eğer 50
ve daha fazla örnek yığınından hesaplanırsa σ(sigma) harfi ile gösterilir. Bu iki değer arasındaki fark
birincisinin standart sapmayı tahmin etmek için kullanılmasıdır. Her ikisi de şu formül kullanılarak
hesaplanır:

Standart sapma=√∑(Xi-X)2/ (n-1)

Burada: Xi =Alınan her ölçü değerini

X = Alınan tüm ölçülerin ortalamasını

n = Ölçüleri alınan numune sayısını temsil etmektedir.

∑ = Toplam alınacağını belirten semboldür.

Ürün yığını veya partisinin standart sapması için bir hesap örneği

.Şekil.1.4 deki çeteledeki 50 ölçü değerinin standart sapmasının hesaplanması istenmektedir.

Önce X ortalama hesaplanmalıdır:

X ortalama =17+(3x16)+(6x15)+(7x14)+(13x13)+(9x12)+(6x11)+(4x9)+9/50 = 12,9

Bu değer yaklaşık olarak 13 kabul edilirse standart sapma için kullanılan formülü uygulamak daha
basitleşecektir.

σ =√(17-13)2+3(16-13)2+6(15-13)2+7(14-13)2+13(13-13)2+9(12-13)2+6(11-13)2+4(10-13)2+(9-13)2/

49 = 1,8 σ =1,8 olarak hesaplanır.

X ortalama yaklaşık olarak 13 yerine gerçek değeri olan 12,9 alınsa idi σ =1,789 olarak hesaplanırdı.

33
Görüldüğü gibi X ortalamanın yaklaşık olarak alınması standart sapma hesabında çok önemli bir
fark yaratmamaktadır

Değer Çetele Adet

17 / 1

16 /// 3

15 ////// 6

14 /////// 7

13 ///////////// 13

12 /////////……………… 9

11 ////// 6

10 //// 4

9 / 1

Toplam 50

Yukarıdaki çetele 50 adetlik bir ürün partisi olduğu gibi ve çok daha büyük sayıda bir ürün yığınından
rasgele alınmış ve bu şekilde tüm ürün yığınını temsil eden bir örnek grubu olabilir.

Yukarıdaki örnek standart sapma hesabından su sonuç çıkarılabilir:

-Söz konusu ürün yığının veya partisinin ortalama ölçüsü 12,9 dur.

-Ürün yığının %99,8 miktarını içeren toleranslar 12,9±3. σ = 12,9±3x1,8=18,3 ve 7,5 dür

-Bu duruma göre şartname veya teknik resimde belirilen minimum tolerans 12,8. ±5,4 olmalıdır.

2) Bir üretim sürecinin standart sapması bir parti veya bir yığın ürünün standart sapmasından farklı
olarak hesaplanır. Çünkü süreç belli bir zaman parçası içinde gerçekleşen bir olaydır. Bu bakımdan
sürecin standart sapmasının hesaplanabilmesi için o sürece istatistik süreç kontrol (İSK) uygulamak
gerekmektedir. En az 20-25 grup örnek alındıktan sonra yukarıdaki gibi X ortalama ve R ortalama
hesaplandıktan sonra standart sapma şu şekilde hesaplanır:

σ = R/d2

Burada R= Ortalama R değerini temsil etmektedir

34
d2 = Katsayılar tablosundan alınan ve numune sayısına bağlı bir katsayıdır.

Görüldüğü gibi süreç değişkenlik ortalaması ile süreç standart sapması arasında doğrudan bir orantı
vardır.

Süreç standart sapma için örnek bir hesap

Şekil.1.8 da veri tablosu ve Şekil.1.9 da kontrol çizelgesi verilen sürecin standart sapma hesabı

σ =R/d2 bu formülde kullanılacak d2 değeri katsayılar tablosundan 2,326 ve R=4,6 olduğuna göre
σ =4,6/2,326 = 1,97 veya yaklaşık olarak 2 mikrondur

Katsayılar tablosu ve tablonun hazırlanma mantığı

Aşağıda Şekil.1.11 de görülen katsayılar tablosu istatistik hesaplamalara dayanan bazı katsayıları
göstermektedir. Söz konusu katsayılardan A2, D3 ve D4 yukarıda açıklandığı gibi X ortalama ve R için
limitlerin hesaplanmasında, d2 katsayısı ise yukarıda görüldüğü gibi standart sapma hesabında
kullanılmaktadır. Aynı şekilde c4 katsayısı da X ortalama-S kontrol çizelgesinde açıklanacağı gibi standart
sapma hesabında kullanılmaktadır.

Bu katsayılardan örnek olarak A2 katsayısının hangi mantıkla tespit edildiği aşağıda açıklanmıştır. Bu
açıklamayı iyice anlayıp, özümsemek İSK iyi kavramak bakımından önemlidir:

X ortalama -R kontrol çizelgesinde X ortalama için alt ve üst limitler istatistik mantığa göre şu şekilde
hesaplanması gerekir:

X ortalama için alt ve üst limit = X ± 3 σ ortalama

Burada bilindiği gibi:

σ ortalama = σ /√n dir.

σ = Sürecin bireysel değerlerinden hesaplanan standart sapması olup, σ =R/d2 dir.

n=numune sayısı olup. Bu duruma göre

3 σ ortalama = 3 σ √n= 3R/d2√n olup 3/d2√n numune sayısına göre değişen bir katsayı olarak A2 kabul
edilmiştir, örneğin tabloda n=5 için =,577 veya 0,58 olarak hesaplanmıştır.

35
n A2 Ã2 d2 D3 D4 A3 c4 B3 B4

2 1,880 1,880 1,128 - 3,267 2,659 0,7979 - 3,267

3 1,023 1,187 1,693 - 2,574 1,954 0,8862 - 2,566

4 0,729 0,796 2,059 - 2,282 1,628 0,9213 - 2,266

5 0,577 0,691 2,326 - 2,114 1,427 0,9400 - 2,089

6 0,483 0,548 2,534 - 2,004 1,287 0,9515 0,030 1,970

7 0,419 0,508 2,704 0,076 1,924 1,182 0,9594 0,118 1,882

8 0,373 0,433 2,847 0,136 1,864 1,099 0,9650 0,185 1,815

9 0,337 0,412 2,970 0,184 1,816 1,032 0,9693 0,239 1,761

10 0,308 0,362 3,078 0,223 1,777 0,975 0,9727 0,284 1,716

11 0,285 3,173 0,256 1,744 0,927 0,9754 0,321 1,679

12 0,266 3,258 0,283 1,717 0,886 0,9776 0,354 1,646

13 0,248 3,336 0,307 1,693 0,850 0,9794 0,382 1,618

14 0,235 3,407 0,328 1,672 0,817 0,9810 0,406 1,594

15 0,223 3,742 0,347 1,653 0,789 0,9823 0,428 1,572

16 0,212 3,532 0,363 1.637 0,763 0,9835 0,448 1,552

17 0,203 3,588 0,378 1,622 0,739 0,9845 0,466 1,534

18 0,194 3,640 0,391 1,608 0,718 0,9854 0,482 1,518

19 0,187 3,689 0,403 1,597 0,696 0,9862 0,497 1,503

20 0,180 3,735 0,415 1,585 0,680 0,9869 0,510 1,490

21 0,173 3,778 0,425 1,575 0,663 0,9876 0,523 1,477

22 0,167 3,819 0,434 1,566 0,647 0,9882 0,534 1,466

23 0,162 3,858 0,443 1,557 0,633 0,9887 0,545 1,455

24 0,157 3,895 0,451 1,548 0,619 0,9892 0,555 1,445

25 0,153 3,931 0,459 1,541 0,606 0,9896 0,565 1,435

Şekil.1.11. Katsayılar tablosu

36
1.9 SÜREÇ YETERLİLİĞİ VE SÜREÇ YETERLİK ENDEKSİ

Genel

Süreç yeterliliği, bir süreç tarafından işlenen ürünün doğal tekrar edilebilirlik ölçüsüdür. İstatistik
kontrol altında olan, yani zamanla ortaya çıkan özel değişkenlik nedenlerinin bulunmadığı bir süreçte
sonuçlanan ürün ünüformluğunu temsil eder Süreç yeterliliği bir sürecin ölçülebilir bir özelliğidir.
Ölçülen sonuç değişkenliğin 6 σ terimi içinde ifade edilir ve ürün toleransından farklı bir değerdir.
Bununla birlikte sürecin uygunluğunu yargılamak için yeterlilik ölçüsü, tolerans ile karşılaştırılır. Süreç
yeterliliği için kullanılan formül:

Süreç yeterliliği = 6 σ

Burada σ = İstatistik kontrol altında bir sürecin standart sapmasıdır (yani hiçbir özel değişkenlik
nedenin bulunmadığı bir sürecin)

Eğer süreç tolerans merkezine yani teknik resim nominal değerine veya hedef değerine
merkezlenmiş ise normal dağılım eğrisini izler ve üretimin %99,8 miktarı ± 3 σ limitleri içinde
bulunur Bazı endüstriyel süreçler istatistik kontrol altında çalışır. Böyle süreçler için hesaplanan 6 σ
süreç yeterliliği, doğrudan teknik resim toleransları ile karşılaştırılabilir ve uygunluk kararı verilebilir.
Bununla birlikte sanayi süreçlerin çoğu özel nedenlerden etkilenir ve ideal durumdan bu sapmalar
hayatın gerçekleridir ve çalışanlar bunlarla uğraşmak zorundadır. Yine de istatistik kontrol altında
olmayı temel alan süreç yeterliliği için bir formül üzerinde standartlaşmanın büyük bir değeri vardır.
Bu durum altında süreç değişenliği birçok küçük değişkenliğin sonucudur (tek büyük bir
değişkenliğin etkisinden çok) ve bu yüzden rasgele değişkenlik karakterine sahiptir.

Standartlaştırılmış formül normal bir dağılım eğrisini kabul eder. Bu ise genellikle rastlanan bir
durumdur, ancak üniversel olarak doğru değildir. Örneğin ovalleşme ve pürüzlülük (burada sıfır arzu
edilir) için fiziksel limite yakın boyutlarda çarpık bir dağılım görülür. Bu durumda ± 3 σ tüm
ürünlerin %99,8 miktarını içermez. Bununla birlikte süreç yeterliliğinin bir ölçüsünü veren normal
logaritma veya Weilbull dağılımını kullanmak mümkündür Bu konu özel süreçlerde İSK
uygulamaları bölümünde açıklanacaktır.

Süreç yeterliliğini hesaplamak için en önemli neden, sürecin ürünü toleranslar içinde tutma
kabiliyetini belirleyebilmektir. İstatistik kontrol altında olan süreçler için ± 3 σ değişkenliğini, tolerans
limitleri ile karşılaştırmak ve hatalı yüzdesini kolayca hesaplamak mümkündür.

37
Süreç yeterliliği ve makine veya tezgah yeterliliği

Bazı uygulayıcılar bu iki terim arasında ayrım yaparlar. Makine yeterliliği bir dizi süreç şartı
altındaki tekrar edilebilirliği belirtir. Örneğin aynı operatörü, aynı homojen ham maddeyi, belirli bir
imalat tekniğini kullanan süreç içindeki tekrar edilebilirliği belirtir. Süreç yeterliliği ise normal şartlar
altında işçilerin, malzemenin ve süreç parametrelerinin değiştiği uzun bir zaman periyodu içindeki
tekrar edilebilirliği belirtir.

Pratikte bir aylık çalışma sonunda süreçten alınan verilerle hesaplanan yeterlilik süreç yeterliliği,
sekiz saatlik bir çalışma alınan verilerle hesaplanan yeterlilik makine yeterliliği olarak kabul
edilmektedir.

Yeterlik endeksi

Süreçlerin ± 3 σ limitleri ile toleransların bağlantısı süreç yeterlik endeksi ile ifade edilir ve söz
konusu endeks Cp ile gösterilir Eğer söz ± 3 σ limitleri bir aylık bir çalışma yerine 8 saat veya daha
kısa sürede alınan verilerden hesaplanmış ise endeks Cm ile gösterilir ve makine yeterlilik endeksi
olarak isimlendirilir. Bu duruma göre her iki endeksi veren formül aynıdır.

Yeterlilik endeksi = Cp veya Cm = Tolerans genişliği / 6 σ.

Binde iki (her iki tarafta binde bir)hatalı oranı için süreç yeterlilik endeksi en az Cp =1 olmalıdır. Bu
durumu sağlamak için kısa süreli verilerle hesaplanan makine yeterlilik endeksinin Cm = 1,33 olması
kabul edilmiştir. (Çünkü bir günlük veya 8 saatlik çalışma esnasında makine, operatör, yöntem,
malzeme vs. değişmez. Bütün bunların belli ölçülerde değişebileceği uzun vadeli (örneğin bir ay) bir
çalışma için Cp=1 olması için, kısa vadede 1,33 olmalıdır.) Ancak yeterlilik endeksi için verilen bu
formül hatalı değilse bile eksiktir. Çünkü süreç ana ortalama değerinin teknik resim nominal değeri
ile tam çakıştığı farz edilmiştir. Oysa bu ideal duruma her zaman ulaşmak mümkün olmayabilir.
Genel olarak süreç ortalaması ile nominal değer arasında artı veya eksi küçük bir fark bulunur. Bu
farkı da göz önüne alan yeterlik endeksi Cpk veya Cmk ile gösterilir ve aşağıda iki formül ile
bulunan endekslerin en küçüğü olarak kabul edilir.

Cpk veya Cmk =minumum (X- ATL/3 σ veya ÜTL- X/3 σ). Burada ATL= Tolerans alt limitini,
ÜTL= Tolerans üst limitini temsil etmektedir.

Örnek:1. ÜTL =20, ATL=8, X=16 ve σ =2 olarak verilen bir süreçte Cp=1 hesaplanır. Buna
karşılık Cpk =4/6 =0,66 veya 8/6=1,33 olduğu için 0,66 olarak kabul edilir Bu durum süreç

38
ortalamasının ÜTL ne yakın bir yere merkezlenmesinden kaynaklanmaktadır. Eğer süreç tolerans
limitleri ortası olan 14 e merkezlense idi, Cpk =1 olacaktı.

Örnek 2 Teknik resminde boyutu 2,006 ±0,004 olarak verilen ürünün Xortalama-R çizelgesinde tespit
edilen ana ortalama değeri X=2,006 mm ve R=4,6 mikron olarak hesaplanmıştır

Süreç yeterliliğin (Cp ve Cpk) ve sürecin hatalı oranın hesabı

σ =R/d2=4,6/2,326 (d2 =2,326 katsayılar tablosundan alınmıştır) =1,97

Yeterlilik endeksi = Cp = Tolerans genişliği / 6 σ =8/6 σ =8/6x1,97=8/11,82=0,67

Cpk = minimum (X- ATL/3 σ veya ÜTL - X/3 σ)= 0,67 (X değeri teknik resimde verilen nominal
değer ile çakıştığından Cpk değerleri birbirine ve Cp ye eşit çıkmıştır Aşağıda açıklanan Şekil1.12 deki
tablodan her iki taraftaki hatalı oranı %2 çıkmaktadır Bunlardan boyutu büyük olan %2. oranındaki
parça tekrar taşlanarak düzeltilebilir. Küçük olan %2 oranındaki bölüm ise hurda olarak ayrılır..

Toleranslar ile süreç yeterliliğinin karşılaştırılması ve hatalı yüzdesini veren tablo

Süreç yeterliliğini toleranslar ile karşılaştırmak, bazı önlemler gerektirir

1. Eğer süreç yeterliliği toleransları karşılamağa uygun değilse (Cp<1):

a. İşi daha uygun yeterlikte başka süreçlere kaydırma. Eğer iş programı zaten tespit edilmiş ise, iş
tekrarlandığında daha uygun bir tayin için hazırlık yapmak.

b. Yeterliliği geliştirmeğe çabalamak. Bu durum özellikle benzer bir üretim sürecinden elde edilen
ürün önemli ölçüde farklı ise önerilebilir. Üretim sürecinin baştan aşağı elden geçirilmesi veya
takımların elden geçirilmesi,.çok milli tezgahlar için milden, mile farklılıklar için nedenlerin kesin
olarak tespit edilmesi gerekebilir. Kontrol çizelgelerinin analizleri bu konuda yardımcı olacaktır.
Eğer süreç istatistik kontrol durumunda ise yeterliliği geliştirmek için elden geçirme gibi önemli
bir değişiklik gerekir. Eğer süreç istatistik kontrol durumunda değilse, kontrol dışı noktalar için
özel nedenler belirlenmelidir. Bu nedenlerin ortadan kaldırılması, süreç yeterliliğinin gelişmesi ile
sonuçlanır

c. Toleransları gözden geçirmeğe çabalama. Hangi toleransın daha genişletilerek serbest


bırakılabileceği hakkında bilginin varlığı, mühendislerin bu konudaki tutumunu
yumuşatabilecektir

39
Cpk Hatalı yüzdesi(%) Milyonda hatalı sayısı

0 50 500 000

0,1 38 380 000

0,2 27 270 000

0,3 18 180 000

0,4 12 120 000

0,5 7 70 000

0,6 4 40 000

0,7 2 20 000

0,8 1 10 000

0,9 0,4 4 000

1,0 0,13 1300

1,1 0,05 500

1,2 0,018 180

1,3 0,005 50

1,4 0,0012 12

1,5 0,0004 4

1,6 0,0001 1

Şeklil.1.12 Cpk endeksinin değerine göre tolerans dışı ürün yüzdesi veya milyonda hatalı ürün sayısını
veren tablo

d. Belli bir hata yüzdesi ile üretime devam etmek ve üretim partileri sonunda yüzde yüz muayene ile
hatalı parçaların düzeltilebilir olanlarını düzeltmek, geri kalanlarını hurdaya ayırmak. Böyle bir
durumda. hatalı yüzdesini her iki Cpk için ayrı, ayrı tahmin etmek mümkündür. Bu amaçla
Şekil.1.12 deki tablo kullanılır.

2. Eğer süreç yeterliliği toleransları karşılamak için uygun ise (Cp>1):

40
a. Eğer yeterlilik toleransın üçte ikisi ile dörtte üçü arasında veya daha az bir değerde ise (Cp=!.33-
1.5) kabul edilebilir bir durumdur. Süreç periyodik numuneler alınarak ayar durumu denetlenirse
uzun bir süre için hep iyi parçalar üretecektir.

b. Eğer yeterlilik toleransın yarısından daha az bir değerde ise (Cp>2), toleransları darlaştırmanın
bazı kazançlar sağlayacağı düşünülmedikçe yapılacak bir şey yoktur. Komple bir aksam içindeki
bir parçanın toleransını darlaştırmak diğer bir parça üzerindeki toleransın gevşemesine izin
verebilir. Toleransların daha yakın olarak garanti edilmesi, satış avantajını sağlayarak rekabet
edebilirliğe etki edebilir.

c. İSK uygulanan ürünün son kontrol işlemi numune alınarak rahatça yapılabilir.

Tek bir örnek grubu ile yapılan yeterlilik etüdü

Bazı durumlarda süreç yeterliliğini tespit etmek için İSK çizelgesi uygulamağa yeterli zaman veya
imkan olmayabilir ve böyle durumlarda bir grup numune ile kabaca ve yaklaşık bir karar vermek arzu
edilebilir. Bu şekilde çok kısa bir çalışma süresi sonunda verilecek bir kararın bazı riskleri olacağı
açıktır, bunlar:

1. Sürecin istatistik kontrol altında olup, olmadığını değerlendirme olanağı yoktur. Süreç numune
grubu alınırken takım aşınması; bağlantı hatası gibi özel nedenlerden etkileniyor olabilir. Bu
bakımdan sonuçtaki yeterlilik endeksi süreç performansını ölçmekte güvenilir olmayacaktır.

2. Süreç çok kısa bir zaman periyodu esnasında düşük bir değişkenlik gösterse bile, bu durum
sürecin uzun bir sürede aynı değişkenliği sağlayacağına dair güvence vermez

3. Tipik olarak 50 –10 arasında bir numune grubu ile hesaplanan yeterlilik, sürecin stabil kalacağı
farz edilse bile yeteri kadar hassas değildir. Aşağıda Şekil.1.13 deki tablo değişen numune
büyüklüğüne göre gerçek yeterlilik makine yeterlilik endeksi için %95 güven aralıkları
vermektedir.

Kabaca bir fikir vermesi açısından üretim sürecinin yeterliliğini 10 parça üreterek tahmin etmek
mümkündür. Bu durumda numune sayısı 10 olarak kabul edilir ve 10 numunenin en küçüğü ile en
büyüğü arasındaki fark ortalama aralık olarak kabul edilir. Katsayılar tablosu 10 için d2 sabitini 3,078
olarak vermektedir. Bu duruma göre :

6 σ =6 R/d2 =6 R/3,078 ~2R

41
Örnek sayısı Tahmini Cmk Cmk için %95 güvenli sınır değerleri

100 0,5 0,4-0,6

1,0 0,8-1,2

1,5 1,3-1,7

2,0 1,7-2,3

50 0,5 0,4-0,6

1,0 0,8-1,2

1,5 1,2-1,8

2,0 1,6-2,4

30 0,5 0,3-1,7

1,0 0,7-1,3

1,5 1,1-1,9

2,0 1,5-2,5

10 0,5 0,2-0,8

1,0 0,5-1,5

1,5 0,8-2,2

2,0 1,0-3,0

5 0,5 0,0-1,0

1,0 0,2-1,8
1,5 0,4-2,6

2,0 0,6-3,4

Şekil.1.13 Cmk yeterlilik endeksi için numune büyüklüğüne göre %95 emniyetli sınır değerler

Sürecin çabuk bir tahmini yapmak gerekli ise 10 adet örnek ölçülür, bunlar arasında en büyüğü ile en
küçüğü arasındaki farkın iki katı süreç yeterliliğini verir. Toleransın bu yeterlilikten geniş olması
gerekir. Ancak yukarıdaki tablodan anlaşılabileceği gibi 10 parça ile tespit edilen yeterlilik endeksi
örneğin Cmk=1,0 ise, %95 emniyetle sınır değerler 0,5-1,5 arasında olduğundan, tolerans en kötü
durumda süreç yeterliliğinin !,5 katı geniş olması gerekir.

42
Sürecin istatistik kontrol altında olduğunun farz edilmesinin süreç yeterliliği üzerinde etkisi

Bütün istatistik tahminler stabil bir süreç farz edilmesini ön görürler. İstatistik anlamda stabil bir
süreç tekrarlanabilirdir, yani ürünler istatistik kontrol altındadır. İstatistikçiler bir tahmin yapmadan
önce bu durumun sağlanmasını kesinlikle şart koşarlar. İmalat mühendisleri de süreç
parametrelerinin tamamen tanınması üzerinde ısrar ederler (hızlar, besleme miktarları vs.)

Pratikte orijinal kontrol çizelgeleri analizleri sürecin sık, sık istatistik kontrol dışına çıktığını
gösterebilmektedir (toleransları karşılıyor veya karşılamıyor olabilir). Bununla birlikte bir araştırma
nedenlerin süreçten ekonomik olarak elimine edilemeyeceğini gösteriyor olabilir. Teoride bir süreç
yeterlilik tahmini süreç istatistik kontrol altına girmeden gerçekleştirilmez Ancak pratikte süreç
istatistik kontrol altına girinceye kadar ürün toleransları ile bir takım karşılaştırmalar yapılır.
Karşılaştırmada gecikmenin en büyük nedeni, özel nedenlerin süreçten asla elimine edilememesi
olabilir. Sonuçtaki karasızlık “toleransın çok mu dar” yoksa, “işçinin çok mu dikkatsiz” olduğu
üzerinde departman içi tartışmayı uzatır. İyi bir yöntem, bireysel ölçümlerin tolerans limitlerine karşı
noktalanması ile işe başlamaktır. Bu şekilde özel nedenler var olsa bile sürecin toleransları
karşılayabildiğini görmek mümkün olabilir. Eğer süreç özel değişkenlik nedenlerine sahip, ancak ürün
toleransları karşılayabiliyor ise genellikle ekonomik bir sorun yoktur Ancak bu durumda sürecin
kalite geliştirme gayretlerinde bir öncelik alması şansıda çok azdır. Eğer süreç istatistik kontrol dışı
ise ve bunun nedenleri ekonomik olarak elimine edilemiyor ise, standart sapma ve süreç yeterliliği
limitleri buna rağmen hesaplanır (kontrol dışı noktaların dahil edilmesi ile). Bu limitler şişirilmiştir,
çünkü süreç en iyi durumda çalışmamaktadır. Ek olarak sürecin stabilite dışı olması bu ön görmenin
yaklaşık olduğu anlamına gelmektedir. Bir sürecin istatistik kontrol durumunda olması ile toleransları
karşılama durumunun birbirinden ayrılması önemlidir. Bir süreç toleransları karşılıyor ise, istatistik
kontrol durumunda olması gerekmeyebilir. İstatistik kontrol limitleri ortalama değerleri esas
aldığından, toleranslar ile doğrudan doğruya karşılaştırılmaz (çünkü bu limitler numune grubu
sayısının kare kökü kadar daha dardır). Kontrol altında olmayan bazı süreçlerde toleranslar
karşılandığı için herhangi bir önlem alınmaz. Buna karşılık istatistik kontrol altındaki bazı süreçlerde
toleranslar karşılanmadığı için önlem almak gereklidir.

Süreç yeterlilik etüdünün planlanması

Veriler toplanmadan önce şu adımlar atılmalıdır.

1. Yeterliliği tespit etmek için kullanılacak makine(ler) seçilir. Eğer bir cıvata tezgahı üzerindeki
etüdün sonucu, aynı tipteki bütün cıvata tezgahlarının yeterliliğini belirlemek için kullanılacaksa,

43
seçilen tezgah temsilci olmalıdır. Ek olarak bir tezgah, içindeki çoklu miller dolaysı ile aslında bir
çok makineyi içerebilir. Çünkü genellikle aynı olarak farz edilen miller sonuçta farklı görülür.

2. Süreç şartları tespit edilir. Mekanik süreçler için örnekler tezgah besleme ve hızı, soğutucu ve
çevrim süresidir; kimyasal süreçler için örnekler basınç ve sıcaklıktır. Süreç yeterlilik miktarları,
ilerde tekrarlanacak bir dizi şart ile ilişkili değilse, anlamsızdır.

3. Üretim işçilerinden bir temsilci seçilir. Değişkenliğin esas olarak işçiye bağlı olduğu yerlerde, etüt
aslında bir işçinin değişkenliği olabilir.

4. Kesintisiz bir etüt için yeterli ham maddeyi temin edilir. 50 parçalık bir örnek grubu tercih edilir.
Bazen daha küçük bir örnek gereklidir, ancak etüt altındaki karakteristiğin istatistik dağılımını
açıklıkla göstermeyebilir.

5. Tanımlanmış bir ölçü sistemi ile uygun ölçü aletini sağlanır.

6. Parçaların yapıldığı sırayı muhafaza etmek için hazırlık yapılır.

7. Etüt esnasında normal üretim veya sevkıyatın temsil edildiği paçalar veya malzeme kullanılır.

8. Doğal yeterliliği ölçmek için etüt esnasında ayar yapmaktan kaçınılır.

9. Toleransın minimum onda birini ölebilecek duyarlılıkta ölçü aleti kullanılır.

10. Etüt esnasında gereksiz kesintilerden kaçınılır

11. Ürün değişkenliğine katılımda bulunabilecek herhangi bir anormal şart altındaki üretim
gözlemlenir.

12. Üretim şartlarının temsilcisi olan takımlar kullanılır.

13. Etüt aynı zamanda normal dışılığı araştırmadıkça (devreye alma esnasında ısınma gibi), sürecin
normal çalışma şartlarında çalıştığından emin olunmalıdır

Süreç yeterliliği için uygulamalar

İmalat planlama esnasında yeterlilik verilerinin en açık kullanımı, mevcut süreç ile toleransların
karşılanıp, karşılanmayacağını ön görmektir.

44
Buna ilave olarak diğer kullanım alanları vardır.

Alternatif süreçler arasında seçim. Birkaç alternatif süreç için yeterlilik etütleri mevcut olduğu zaman,
karşılaştırmalı bir maliyet-verimlilik analizi gerekli olur. Bu durum tasarım mühendisinin toleransları
daha rasyonel bir esasta tespit etmesine yardımcı olacaktır. Aynı zamanda imalat planlamacıya özel
süreçler için en uygun makineyi tayin etmesine yardımcı olacaktır

Makinenin satın alınması Bazı sanayilerde makine satın alma emrinde süreç yeterliliği (6 σ terimleri
içinde) belirtilir. Bunu takip eden izleme iki aşama içerir:

1. Ekipman imalatçısının fabrikasında bir yeterlilik gösterisi. Ekipman imalatçısı sevkıyat için hazır
olduğu zaman, imalatçı müşteriye yeterliliği göstermek için kullanılan küçük bir grup parça
imalatını gözlemlemesi için davet eder. Müşteri sevkıyatı kabul etmeden önce bu gösteriyi
onaylamalıdır.

2. Müşteri fabrikasında yeterlilik gösterisi. Bunun için müşteri işletme şartları altında,kendi
personelini kullanır, Ödeme bu nihai gösteri kabul edildikten sonra onaylanır.

İki aşama önemli amaçlara hizmet eder. İlk aşama yeterlilik üzerinde erken güvenceyi sağlar. Aynı
zamanda uçta bir yeterlilik ile ekipman sevkıyatını önler. İkinci aşama makinenin tipik çalışma şartları
altında yeterliliği karşıladığının güvencesidir

Yeterlilik verisinin diğer kullanımları

Yeterlilik verileri ile sağlanan süreç değişkenlik bilgisi diğer bazı alanlarda da kullanılabilir. Bu alanlara
makine revizyonunun değerlendirilmesi, kontrol limitlerinin oluşturulması, operatör seçimi ve sürecin
ekonomik amacının belirlenmesi dahildir

Bütün bu alanların dışında yeterlilik endeksinin çok önemli diğer bir kullanma alanı da üreticinin
kendi fabrikasında veya yan sanayide üretilen alanı da yeni parçalar için ilk numune onayının
verilmesi prosedürünün bir bölümü olarak kullanılmasıdır.

45
1.10. ÖLÇÜLEBİLEN KARAKTERİSTİKLER İÇİN DİĞER KONTROL ÇİZELGELERİ

Giriş

X-R Ortalama ve aralık kontrol çizelgeleri ölçülebilen karakteristikler için en çok kullanılan ve bilinen
kontrol çizelgeleridir. Üretim süreçlerinin özelliklerine göre farklı ve özel kontrol çizelgelerin
kullanılması da gerekebilmektedir. Bu bölümde özel kontrol çizelgelerinden örnekler tanıtılacaktır.

Xortanca-R Çizelgesi

X-R Ortalama ve aralık kontrol çizelgelerinin en önemli sakıncalarından birisi her numune
grubundaki parçaların ölçülmesinden sonra ortalamanın hesaplanmasının gerekmesidir. Bu hesabı
yapmak yerine ölçülerin ortancasını kullanmak tercih edilebilir. Ortaca değer ölçülen
karakteristiklerin alttan ve üstten en ortasındakidir. Numune büyüklüğü tek sayı ise kolay tespit edilir,
çift sayı ise ortadaki iki rakamın ortalama değeri olarak belirlenir Yani örneğin üçlü bir grup
kullanıyor ise en büyük ölçü ile en küçük ölçü arasındaki ortanca değer kontrol çizelgesine işlenebilir.
Bu durumda .sınır değerlerin hesabında A2 sabiti yerine Ã2 kullanılır. Şekil.1.11 deki katsayılar
tablosunda söz konusu Ã2 katsayısı verilmiştir. R değerlerinin sınırlarının hesabında herhangi bir fark
yoktur. Bu yöntem kontrol çizelgesi uygulamasını daha basitleştirir, ancak çizelgenin duyarlılığından
bir miktar fedakarlık yapılır.

X-S Ortalama ve standart sapma kontrol çizelgesi

Bu çizelgenin X-R kontrol çizelgesinden farkı numunelerin R aralık değeri yerine standart sapma
kullanılmasıdır. Numune büyüklüğü fazla olduğu zaman tercih edilir(örneğin n=10 ila 25). Bunun
birinci nedeni numune sayısı büyük olduğu zaman aralık değerinin tespitinde bazı hatalar ve
dikkatsizlikler yapılması mümkün olabilir. İkinci neden ise bu çizelgenin genellikle özel nedenlerin
belirlenmesinde daha duyarlı olmasıdır. Numune sayısının fazla olan hızlı süreçlerde kullanılır. Elle
işlenen kontrol çizelgelerinde standart sapmanın hesabı için hesap makinesi kullanmak tavsiye edilir.
Kontrol çizelgesi bilgisayar kullanılarak çiziliyorsa bu hesabı bilgisayar yapar. Limitlerin hesabı için
kullanılan formüllerde .A2 yerine katsayılar tablosunda A3 sabiti ve D3, , D4 yerine B3 , B4 kullanılır.
Standart sapma hesabı da farklıdır. Standart sapma ortalama R değerinden değil, ortalama S
değerinden hesaplanır Aşağıda verilen örnekte limitlerin ve standart sapma ile süreç yeterliliğinin

46
hesaplanması için katsayılar tablosundan hangi katsayıların seçildiği ve kullanıldığı daha açık olarak
görülmektedir.

ÖRNEK 1.2

X-S Çizelgesi için özel bir örnek için veriler tablosu Şekil.1.14 kontrol çizelgesi ise Şekil.1.15 de
görülmektedir. Ölçülen karakteristik boya film kalınlığı olup şartnamede minimum 100 mikron
olarak verilmiştir. Çizelge veri tablosunda 5 li 20 adet numunenin ortalamalarının ortalaması
X=112,5 mikron olarak hesaplanmıştır. 5 li grupların ölçülerinin standart sapmalarının ortalaması ise
S=10,4 mikron olarak hesaplanmıştır.

ÖRNEK 1.2 İÇİN İSK ÇİZELGESİ İÇİN VERİ TABLOSU

Firma Adı Ölçü birimi= Örnek Örnek Sıklığı= Her


XRZ mikron büyüklüğü=5 vardiyada bir grup
numune

Parça Adı= Tolerans= Makine= Boyama


Karakteristik= minimum 100 atolyesi
boya kalınlığı mikron

X1 130 101 122 108 98 112 92 100 108 120 128 124 115 108 108 114 106 117 107 113
X2 110 115 105 112 130 130 110 104 92 113 91 134 120 131 126 102 112 122 105 90
X3 120 97 93 111 131 101 113 114 111 119 96 140 115 112 113 114 98 118 97 112
X4 125 110 108 128 112 120 102 118 120 116 104 126 125 118 94 94 112 127 103 104
X5 105 125 115 100 108 111 93 112 102 103 93 113 115 115 130 130 120 117 116 140 .
Ort.118 110 109 112 116 115 102 110 107 114 102 127 115 117 114 111 110 120 106 112 ana ort.=112,5
S 10,4 11,1 10,9 10,2 14,4 10,8 9,6 7,4 10,4 6,8 15,1 10,3 5,9 8,8 14,5 13,7 8,2 4,3 6,9 18,3 ortl. S=10,4
Şekil.1.14 X-S- Çizelgesi için veri tablosu

Ortalamaların ortalaması X=112,5

Standart sapma ortalaması Sortalama=10,4 olarak hesaplandığına göre çizelge limitleri:

Xalt =112,5 – A3. x10,4 =112,5-1,427x10,4=97,7

X üst=112,5+A3.10,4= 112,5+1,427x10,4=127,3

Süst =10,4.B3 =10,4x.2,089=21,7

Salt = 0

47
Şekil.1.15 Tablodaki verilerden elde edilen X-S Çizelgesi

Tablodan alınan verilere göre STATGRAPHICS bilgisayar programına çizdirilen kontrol çizelgesi
Şekil.1.14 de görülmektedir Her iki çizelgede de istatistik kontrol dışına çıkıldığını belirten bir
anormallik yoktur. Süreç stabil olup, yeterlilik için hesap yapılabilir. Süreç yeterlilik hesabı için önce
standart sapma şu formül vasıtası ile hesaplanacaktır:

σ = S/c4

Bu formülde kullanılan c4 sabiti katsayılar tablosundan alınacaktır. Numune adedi 5 olduğu için
tablodan 0,94 değeri alınacaktır. Bu duruma göre standart sapma

σ =10,4/0,94=11,06

Bu sonuca göre süreç yeterliliği şartnamede sadece tolerans alt limit verildiğinden alt limite göre
hesaplanacaktır

Cmk=X- Tolerans alt limiti/3 σ =(112,5-100)/3x11,06=0.38

48
Tablodaki veriler bir aylık çalışma süresine dayanmadığından yeterlilik endeksi Cmk ile gösterilmiştir.
Yani süreç yeterlilik endeksi değil, makine yeterlilik endeksinin hesaplandığı kabul edilmiştir. En iyi
durumda bu 0,38 rakamı Cmk olarak kabul edilse çizelgeden şu sonuçlar analiz edilmektedir:

1. Süreç istatistik kontrol içindedir, çünkü her iki çizelgede limit dışı bir nokta yoktur veya herhangi
bir anormallik tespit edilmemiştir.

2. Süreç stabil olmasına karşılık yeterli değildir. Kalite geliştirme gereklidir.

3. Yeterlilik endeksi 0,38 olarak kabul edildiğine göre Şekil.1.12 deki tablo’ dan alt limit dışına çıkan
ürün yüzdesi yaklaşık %11 civarında olarak tahmin edilir.

4. Sürecin yerli olması için öncelikle ana ortalama değer 112,5 den daha büyük bir ölçüye
ayarlanmalıdır

5. .Boya ortalama kalınlığının mümkün olduğu kadar, tolerans alt limitine yakın bir değerde
tutulması arzu ediliyor ise, değişkenliğin yani ortalama standart sapmanın 10,4 den daha küçük
olması olanakları araştırılmalıdır

Bireysel değerler için X-R kontrol çizelgesi

Bazı süreçlerde her defasında alınan örnek sayısının bir olması tercih edilir (n=1). Bu durumun
başlıca üç değişik nedeni olabilir:

1. Süreç kimyasal bir sıvı üretimidir ve tanka alınan ürünün kimyasal analizi veya fiziksel bir özelliği
izlenmektedir (yoğunluk veya viskozite gibi). Tankın her yerinden alınan örnekler aynı özelliğe
sahiptir ve çok örnek almak anlamsızdır

2. Süreç mekanik bir üretimdir, ancak tek bir parçanın üretilmesi için geçen süre çok uzundur.
Örnek sayısının birden fazla olması halinde hatayı avlamak için geçen süre çok fazla olduğundan
geç kalınmış olacaktır. Bu nedenle tek numune ile karar vermek tercih edilmektedir

3. Süreçten alınan tek bir örneğin ölçülmesi veya analiz edilmesi çok uzun sürmektedir

Her defasında tek bir örnek alınarak izlenen süreçlerde 20-25 numune sonra çizelgelerin orta
değerleri ve sınırları aşağıdaki örnek 3 olduğu gibi hesaplanır. Limitler tespit edildikten sonra çizelge
süreç kontrol için kullanılabilir. Bu çizelgeler Xbireysel-R veya X-R çizelgeleri olarak gösterilir.

49
Bu çizelgeler de iki ayrı çizelgeden meydana gelmiştir. Bunlardan birincisi ölçülen X değerlerinin
işaretlendiği X çizelgesi, diğeri ise her öçlü değeri bir önceki ölçü arasındaki farkın işlendiği R
çizelgesidir. İstatistik kontrol işleminin başlaması için önce süreçten 20-25 defa veri toplanır. ve. İSK
tablosuna işlenir. Sonra aşağıdaki gibi limitler hesaplanır.

X veya Xortalama=X1+X2+…….X20/20

R1= Ölçülen ilk değer ile ikinci değer arasındaki fark

R veya Rortalama=R1+R2+ +R19/19

σ = R/d2

Burada d2 sabiti katsayılar tablosundan 1,128 olarak alınır. Çünkü R değeri iki ölçü arasındaki farktan
hesaplanmaktadır.

Xüst =X+3 σ

Xalt=X-3 σ

Rüst=Rort.D4

Ralt= 0

Görüldüğü gibi bireysel çizelgede X için alt ve üst limitler standart sapma tespit edildikten sonra
hesaplanmaktadır

Kontrol çizelgesi orta değerleri ve limitleri hesaplandıktan sonra bu değerlere göre çizelge hazırlanır
ve şu hususlar tahkik edilir:.

1. Süreç istatistik kontrol içinde mi yani limit dışı noktalar veya diğer anormallikler var mı?

2. Süreç yeterli mi?, yani 6 σ toleranstan büyük mü?

Birinci şart karşılanıyor ise ön görülen aralıklarla numune alınarak istatistik kontrol başlatılır

ÖRNEK 1.3

Aşağıdaki Şekil 1.16’ daki İSK tablosunda listelenmiş veriler, alkol içindeki metonol yüzdeleridir.
Analizler günlük olarak yapılmıştır. 28 günlük çalışma sonunda ortalama yüzde1,325 olarak

50
hesaplanmıştır. İstatistik kontrol uygulanması için limit değerlerin hesaplanması ve müşteriye
bildirilecek tolerans değerleri istenmektedir.

ÖRNEK 1.3 İÇİN İSK ÇİZELGESİ İÇİN VERİ TABLOSU

Firma Adı Ölçü birimi= Örnek Örnek Sıklığı= Her gün


XRZ yüzde metonol büyüklüğü=1 bir numune
miktarı

Ürün Adı=Alkol Tolerans= Makine=Alkol üretim


Karakteristik= tesisi
met. Miktarı

X 1,09 1,13 1,29 1.13 1,23 1,43 1,27 1,63 1,34 1,10 0,98 1,37 1,18 1,58 1,31 1,70 1,45 1,19 1,33 1,18 1,58
1,40 1,58 1,60 1,53 0,90 1.70 0,95 ortalama X=1,326
R 0,04 0,16 0,16 0,10 0,20 0,16 0,36 0,29 0,24 0,12 0,39 0,19 0,40 0,27 0,39 0,25 0,26 0,14 0,15 0,40
0,22 r 0,18 0,02 0,07 0,63 0,20 0,25 ortalama R= 0,27

Şekil.1.16 28 günlük analiz değerleri

Xortalama = 1,326

Rortalama =0,27

σ =0,27/1,128 =0,24

Xüst =1,326+3x0,24=2,046

Xalt =1,326-3x0,24 =0,606

Rüst =D4 x 0,23=3,267x0,27 =0,88

Ralt=0

51
Şekil.1.17 28 günlük analiz sonuçları için X-R kontrol çizelgeleri

Şekil1.17 de görülen kontrol X-R çizelgelerinde en önemli farklılık 3 standart sapma limitleri ile
birlikte 2 standart sapma sınırlarının da gösterilmiş olmasıdır. Bu uygulama X-R bireysel
çizelgelerinde tercih edilen bir uygulamadır. Bunun nedeni bireysel çizelgenin daha önce açıklanan
nedenlerle ortalamalar çizelgesine göre hataları avlamakta yeteri kadar duyarlı olmamasıdır. Bu
bakımdan 2 σ sınırı da çizilerek bir uyarı limiti olarak kullanılır. Daha evvel açıklandığı gibi noktaların
bu limitin dışında olması olasılığı her iki tarafta %2 toplamda %4 dür Bu ise küçük bir olasılıktır.
Artarda iki noktanın uyarı limiti dışına çıkması ise sürecin istatistik kontrol dışına çıkması olarak
kabul edilir. Uyar limitleri kontrol limitlerine benzer olarak şu şekilde hesaplanmıştır:

Xortalama = 1,326

σ =0,24

Uyarı limiti Xüst =1,326+2x0,24=1,8

52
Xalt =1,326-2x0,24 =0,85

X çizelgesinde görüldüğü gibi, kontrol limitini olduğu gibi uyarı limitini de geçen hiçbir nokta yoktur.

Şekil.1.17’de R çizelgesinde de uyarı limitleri gösterilmiştir. Ancak bu uygulama çok genel değildir.

Kontrol çizelgesinin tetkikinden sürecin istatistik kontrol altında, yani stabil olduğu sonucu
çıkarılabilir. Süreç yeterliliği hesaplanamaz çünkü tolerans verilmemiştir. Ancak Cp değerinin en az 1
olması için tolerans alt ve üst limitleri kontrol limitlerine eşit olmalıdır. O halde bu kimyasal üretim
süreci için müşteriye bildirilmesi gereken tolerans değerleri ÜTLüst =2,046 ve LTLalt =0,606 dir.

Sürecin yeterli olması için tolerans alt ve üst sınırlarının en fazla istatistik kontrol limitlerine eşit
olması bütün X-R çizelgeleri için genel bir kuraldır.

Kayar ortalamalar ve kayar aralıklar için kontrol çizelgeleri

Bundan önceki bölümde anlatılan bireysel kontrol çizelgeleri bazı süreçler için uygun ve yeterli
değildir. Örneğin günde üç vardiya çalışan bir süreçten alınan örneklerin laboratuardaki analiz
sonuçlarına göre bazı önlemler almak gerekirse, bireysel çizelge limitleri çok geniş olabilmektedir. Bu
açıdan önceki bölümde açıklandığı gibi 2 standart sapma sınırları uyarı limiti olarak kullanılabilir.
Diğer bir çözüğüm de kayar ortalama kullanmaktır. Kayar ortalama şu düşünceden kaynaklanmıştır,.

Üç vardiya sonuçlarının ortalamalarını alarak ortalamalar çizelgesi kullanılırsa kontrol limitleri


karekök üç oranında daralacak ve kontrol çizelgesi hataları avlama bakımından daha duyarlı bir hale
gelecektir. Ancak bu defa da kontrol sonucunun tespiti için üç vardiyanın analiz değerlerinin alınması
beklenecek ve çizelgenin geri besleme işlevi azalacaktır. Bu bakımdan bireysel çizelgenin çabuk geri
besleme özelliği ile ortalamalar çizelgesinin daha duyarlı limitlerini birleştirecek bir çözüme ihtiyaç
bulunmaktadır. Kayar çizelgeler bu ihtiyacı karşılamaktadır. Özellikle kimya sanayinde tercih
edilmektedirler. Kayar ortalamalar süreçten alınan her ölçünün bir önceki belli sayıdaki ölçü ile
toplanarak ortalamalarının alınması prensibi ile değerlendirilirler. Örneğin üç vardiyada birer defa
ölçüm yapılan süreçte, her vardiya laboratuar sonucu öneki iki sonuç ile toplanarak üçe bölünürse
kayar ortalama elde edilmiş olur. Kayar aralık ise söz konusu üç değerin en büyüğü ile en küçüğü
arasındaki farktır. Konuyu daha iyi anlamak bakımından aşağıdaki örnek incelenmelidir.

ÖRNEK 1.4

Aşağıdaki Şekil 1.18 deki İSK tablosunda listelenmiş veriler, imalat sürecinin reaksiyona girmemiş
CaO yüzdeleridir. Analizler günlük olarak yapılmıştır.

53
Bireysel değerler yerine üç günlük kayar ortalamaların ve kayar aralıkların hesap sonuçları tabloda
görülmektedir. Eylül1, 2 ve 3 değerlerinin ortalaması kayar ortalama olarak eylül 3 hizasına
işlenmiştir. (Aslında bu ortalama üç günün ortalaması olduğuna göre eylül 2 hizasına yazılması daha
doğru olurdu. Ancak burada pratik doğruluk istatistik doğruluğa tercih edilmiştir.) Bu değerlerin en
küçüğü ile en büyüğü arasındaki fark aralık değeri olarak yine aynı satıra işlenmiştir Eylül 2, 3 ve 4
değerlerinin ortalaması kayar ortalama olarak eylül 4 hizasına işlenmiş, bu değerlerin en büyüğü ile en
küçüğü arasındaki fark yine aynı satıra kayar açıklık olarak işlenmiştir. Tüm tablo bu mantık ve
hesaplama yöntemi kullanılarak doldurulmuştur.

Bireysel değerlerin kontrol çizelgesine işlenmiş durumu Şekil1.20’de kayar ortalamaların çizelgesi
Şekil1.19’da görülmektedir. Kayar ortalamaya ait çizelgenin bireysel çizelgeye göre daha az inişli,
çıkışlı yani daha sakin olduğu görülmektedir. Üç günlük ortalamaların kullanılması bu durumu
yaratmıştır. Her gün üretilen ürün daha önce üretilen ürün ile tankta karıştığı için üç günlük ortalama
kimya sanayi için daha uygun olabilmektedir. Bireysel kontrol çizelgesinde sınır değerler
gösterilmemiştir. Kayar ortalama çizelgesinde gösterilen ana ortalama ve limit değerler için daha
önceki ayın verilerinden hesaplanan Xortalama=0,17 ve Rortalama=0,065 değerleri kullanılmıştır. Standart
sapmanın hesaplanması için σ = Rort/d2 formülü kullanılmıştır. Bu formülde kullanılan d2 katsayısı
numune büyüklüğü n=3 alınarak katsayılar tablosundan 1,693 alınmıştır. Bu durma göre standart
sapma σ =0,065/1,693=0,0384 olarak bulunmuştur.

Xüst=0,17+3x0,0384=0,285

Xalt=0,17-3x0,0384=0,055 olarak bulunur.

Kayar ortalamalar kontrol çizelgesi için kontrol limitleri ise:

Xüst=0,17+3x0,084/1,732=0,237

Xalt=0,17-3x0,084/1,732=0,103 (Burada 1,732 sayısı 3’ün karekökü olarak alınmıştır)

Görüldüğü gibi bireysel çizelge için X değerinin limitleri daha geniş kayar ortalamalar için daha
dardır. Bireysel çizelgede şekilde görüldüğü gibi limitler çizilmemiştir

R aralık limitleri her iki uygulama için aynı olup, alt limit 0 ve üst limit ortalama R değerinin D4 ile
çarpılması ile bulunur. Katsayılar tablosundan D4 üçlü grup için 2,574 olarak bulunur. R=0,065
olduğundan üst limit 0,167 olarak hesaplanır. Kayar aralık çizelgesi Şekil.1.21 de görülmektedir

54
ÖRNEK 1.4 İÇİN İSK ÇİZELGESİ İÇİN VERİ TABLOSU

Tarih Günlük değer 3 Günlük 3 Günlük 3 Günlük Geleneksel

Kayar toplam Kayar ortalama kayar aralık çizelge grubu

Eylül 1 0,24
2 0,13
3 0,11 0,48 0,160 0,13 A
4 0,19 0,43 0,143 0,08 B
5 0,16 0,46 0,153 0,08 C
6 0,17 0,52 0,173 0,03 A
7 0,13 0,46 0,153 0,04 B
8 0,17 0,47 0,157 0,04 C
9 0,10 0,40 0,133 0,07 A
10 0,14 0,41 0,137 0,07 B
11 0,16 0,40 0,133 0,06 C
12 0,14 0,44 0,147 0,02 A
13 0,17 0,47 0,157 0,03 B
14 0,15 046 0,153 0,03 C
15 0,20 0,52 0,173 0,05 A
16 0,26 0,61 0,203 0,11 B
17 0,16 0,62 0,207 0,10 C
18 0,00 0,42 0,140 0,26 A
19 0,18 0,34 0,113 0,18 B
20 0,18 0,36 0,120 0,18 C
21 0,20 0,56 0,187 0,02 A
22 0,11 0,49 0,163 0,09 B
23 0,30 0,61 0,203 0,19 C
24 0,21 0,62 0,207 0,19 A
25 0,11 0,62 0,207 0,19 B
26 0,17 0,49 0,163 0,19 C
27 0,18 0,46 0,153 0,07 A
28 0,13 0,48 0,160 0,05 B
29 0,28 0,59 0,197 0,15 C
30 0,16 0,57 0,190 0,15 A
Ekim1 0,14 0,58 0,193 0,14 B
2 0,16 0,46 0,153 0,02 C
3 0,14 0,44 0,147 0,02 A
4 0,10 0,40 0,133 0,06 B
5 0,13 0,37 0,123 0,04 C
6 0,20 0,43 0,143 0,10 A
7 0,13 0,47 0,157 0,07 B
8 0,10 0,44 0,147 0,10 C
9 0,18 0,42 0,140 0,08 A
10 0,11 0,39 0,130 0,08 B
11 0,08 0,37 0,123 0,10 C
12 0,12 0,31 0,103 0,04 A
13 0,13 0,33 0,110 0,05 B
14 0,12 0,37 0,123 0,01 C
15 0,17 0,42 0,140 0,05 A
16 0,10 0,39 0,130 0,07 B
17 0,09 0,36 0,120 0,08 C
Şekil.1.18 Kimyasal sürecin bir ara kademesindeki reaksiyona girmemiş Ca0 miktarı.

55
KAYAR ORTALAMA

0,25
0,2
ORTALAMA
3 GÜNLÜK

0,15
0,1
0,05
0
1

13

17

21

25

29

33

37

41

45
ZAMAN
Şekil1.19 3 Günlük kayar ortalamalar ve limitler

BİREYSEL ÇİZELGE

0,4
GÜNLÜK CaO

0,3
YÜZDESİ

0,2
0,1
0
1
4
7
10
13
16
19
22
25
28
31
34
37
40
43
46

ZAMAN

Şekil.1.20 3 Günlük değerler

Tabloda görülen A, B ve C harflerinin anlamı şudur: Eğer aynı gruplar geleneksel Xortalama-R
çizelgesinde meydana getirilse idi üç farklı çizelge düşünebilirdi. Örneğin eylül 1 başlangıç tarihi
olarak rasgele seçilirse eylül 1.2.ve 3 bir grup, 4, 5, 6 ikinci grup 7, 8, 9 üçüncü grup vs. alınırsa bu
tam bir Xortalama-R çizelgesi olurdu A grupları bu çizelgeyi temsi etmektedir. Başlangıç tarihi eylül 2
alınırsa eylül 2, 3 ve 4 bir grup 5, 6, 7 ikinci grup vs. olmaktadır. B grupları bu çizelgeyi temsil
etmektedir. Eylül 3 başlangıç tarihi alınırsa aynı mantıkla C grubu meydana gelmektedir.

56
Bu tip kontrol çizelgelerinin yorumu limit dışına çıkan noktalar için geleneksel Xortalama-R çizelgeleri
ile aynıdır. Bununla birlikte kayar ortalama ve kayar açıklıklar için art arda noktalar birbirinden
bağımsız değildir. Bu nedenle kontrol limiti dışına çıkan birkaç noktanın yorumu aynı olmaz.
Örneğin Şekil.121 de görülen kontrol dışı noktalar birbirleri ile ilgilidir ve yorum yapılırken bu husus
göz önüne alınmalıdır.

Ortalama değerde bir değişim alt gruplar arasında olmaktan çok, alt gruplar içinde meydana gelirse R
çizelgesi kontrol dışına çıkmağa meyillidir. Böylece ortalamalarda ani bir değişlik önce R çizelgesinde
görülebilecektir. Tüm bir alt gruplar boyunca ısrarlı olmayan kısa süreli değişikler X çizelgesinde
değil, sadece R çizelgesinde görülebilir. Şekil1.21. R çizelgesinde kontrol dışı bir durumu
belirtmektedir.

KAYAR ARALIK ÇİZELGESİ

0,3
3 GÜNLÜK ARALIK

0,25
0,2
0,15
0,1
0,05
0
13
17
21
25
29
33
37
41
45
1
5
9

ZAMAN
Şekil.1.21 Üç günlük kayar aralığı gösteren R çizelgesi

Not: Exel programı kullanılarak hazırlanan yukarıdaki kontrol çizelgelerinde tabloda görülen
değişken X ve R değerleri ile birlikte tablodaki veri sayısı aynı miktarda ve sabit değerde ortalama, alt,
üst limit değerleri kullanılmıştır.

57
Parti değişkenlik çizelgeleri

Standart X-R çizelgeleri genel nedenlerden dolayı olan bütün değişkenliklerin her numune grubu
içinde bulunduğu farz edilir. Ancak bazı süreçlerde numune grupları arasında da genel nedenlerden
doğan değişkenlikler vardır veya daha sık olarak numune grupları arasındaki değişkenlikler rasgele
olmadıkları halde sürecin yapısından kaynaklanırlar. Söz konusu değişkenliğin kontrol edilmesi tipik
olarak zor ve masraflıdır. İSK analizinin standart metodu şu özellikleri gösterir.

a) Ortalama değer için hesaplanan dar kontrol limitlerine göre süreçte daha sık olarak istatistik
kontrol dışına çıkış görülmektedir.

b) Yukarıda açıklanan istatistik kontrol dışına çıkış dolayası ile konu dışı olmasına rağmen, süreç
yeterliliği için iyi bir değer hesaplanmıştır.

Bununla birlikte numune grupları arasındaki değişkenlikler rasgele veya sistematik olabilir (örneğin
ortalamanın çevrimsel olması, hareket etmesi ve yer değiştirmesi gibi). Sistematik değişkenlikler
(elimine edilebilenlerden faklı olanlar) diğer çizelge tipleri olarak ele alınabilir (ortalaması hareket
eden kontrol çizelgeleri).

Bu bölümde detayı verilen metot söz konusu ilave değişkenlikler tamamen rasgele olduğu zaman
kullanılır Bu etki genellikle ayrı partiler halinde üretimden kaynaklandığı için parti değişkenlik
çizelgesi terimi kullanılmıştır. Söz konusu ilave parti değişkenliklerine neden olan süreçlere şunlar
dahildir: ısıl işlem (farklı fırın yüklemeleri), pres işleri (farklı ilk ayarlamalar), ekstruzyon ile üretim
(numune parti içinde değişkenliğin çok az olduğu, ancak numuneler arasındaki değişkenliğin rasgele
olduğu seri üretimler).

Bu bölümde anlatılan metodun kullanılabilmesi için şu dört şart karşılanmalıdır:

a) Standart İSK metodunu kullanan çizelgelerde ortalama çok sık olarak alt ve üst limitler dışına
çıkmaktadır

b) Her numune grubu farklı partilerden alınmıştır

c) Aşağıda belirtilen parti değişkenlik analizi, açıklanamayan herhangi bir stabilite dışı sinyali
göstermemektedir.

d) İlave değişkenlik kaynağını azaltabilecek hiçbir teknik veya işletme yöntemi yoktur veya bu
değişkenlikleri azaltmak ekonomik olarak yapılabilir değildir.

58
Eğer numune grubu içindeki değişkenlik son derece az ise (örneğin R aralığı genellikle 0 ise),
geleneksel bireysel çizelgesi kullanılır.

Parti değişkenlik analizi

Parti (veya numune) ortalamalarına bireysel değerler gibi düşünülür ve bireysel çizelge üzerine
noktalanır. Bu noktalar daha sonra normal yoldan analiz edilir. Analizin amacı ilave değişkenliklerin
tamamen rasgele olup, olmadıklarını belirlemektir. Herhangi bir stabilite dışı işareti tespit edilirse,
daha ileri gitmeden önce bunun nedeni tespit edilmeli ve daha detaylı bir araştırma gerekli ise,
yapılmalıdır. Kontrol dışı olmanın bütün işaretleri anlaşılmış ise bunlar elimine edilmeli ve kontrol
limitleri tekrar hesaplanmalıdır.

Ortalama ve aralık için limit hesabında bireysel X-R çizelgesine göre herhangi bir fark yoktur.
Ortalama için 2 σ uyarı limiti ve 3 σ (standart sapma) kontrol limiti olarak kullanılır σ =R/d2
formülünden hesaplanır. Uyarı limitleri özellikle parti değişkenliğindeki bir farkın belirlenmesinde
faydalıdır. Açıklık çizelgesinde herhangi bir fark yoktur

Süreç yeterliliği

Süreç yeterlilik endeksinin hesaplanması için hem parti içindeki, hem de partiler arasındaki
değişkenliği içeren bir standart sapma tahmini kullanılır. Bu toplam standart sapma tahmini için şu
formül kullanılır:

σ T =√ σ B+(1-1/n)x σ W

Bu formülde

σ B =Bireysel çizelgeden hesaplanan standart sapma olup ve

σ W =Numune partisi içindeki R değerlerinin ortalamasında hesaplanan standart sapmadır.

Yeterlilik endeksi hesabında standart sapma olarak yukarda hesaplanan σ T kullanılır.

ÖRNEK 1.5

Şekil.1.22. de ısıl işlem departmanı tarafından hazırlanan İSK için veri tablosu görülmektedir. .
Haftalık ısıl işlem fırın yükünden alınan 5 parçanın sertlikleri ölçülmüştür. Bireysel sonuçlar yorumu
etkilemediğinden tablo üzerinde gösterilmemiş sadece ortalamalar belirtilmiştir. Hesaplanan ana
ortalama Xortalama olarak gösterilmiştir. Her 5 parçalık numune grubu içinde en büyük değer ile en

59
küçük değer arasındaki farklar R1 değerleri olarak tabloda görülmektedir. Parti değişkenlik çizelgesi
konu olduğunda her ortalamanın bir öncekinden farkı R2 değerleri olarak tabloya işlenmiştir. Her iki
aralık değerinin ortalamaları hesaplanarak tabloda gösterilmiştir. Önce standart Xortalama–R kontrol
çizelgesi uygulaması için limitler hesaplanmıştır:

Xortalama =1024

Xalt = 1024-A2x38,1=1002

Xüst = 1024+A2x38,1=1046 burada A2 sabiti katsayılar tablosundan 0,577 olarak alınmıştır

Ortalama R1 =38,1

Alt limit = 0 ve Üst limit =38,1xD4 =80 burada D4 sabiti tablodan 2,114 olarak alınmıştır.

Kontrol çizelgesi Şekil.1.23 de çizilmiştir. Görüldüğü gibi ortalama değerler alt ve üst limitlerin sık,
sık dışına çıkmaktadır. Bu ise yukarda açıklanan dört şartın birincisine uymaktadır.

Her numune grubu farklı yüklerden alınmıştır. Bu ise ikinci şarta uygundur.

Şekil.1.25 de bireysel X çizelgesi görülmektedir. Bu çizelge sürecin stabil olduğunu belirtmektedir ve


:üçüncü şartı karşılamaktadır.( X- çizelgesinin limitlerinin hesabı aşağıdadır.)

Bu sürecin girdileri (örneğin fırın sıcaklığı ve atmosferi) bütün değişkenliklerin azaltılması yönünde
gayretlerin sürekli devam etmesine rağmen değişkenliğin azaltılması sağlanamamaktadır. Bu da
dördüncü şarta uygundur.

Bireysel kontrol çizelgesinin X değerleri için limitler hesaplanırken uyarı ve dikkat sınırlarının her
ikisi de aşağıdaki gibi hesaplanmıştır. Parti değişkenlik çizelgesinin X çizelgesi ile bireysel çizelgenin
X çizelgesi birbirinin tamamen aynıdır. Parti değişkenlik çizelgesinin R çizelgesi Şekil.1.23 ile aynıdır.

Xortalama =1024

Xalt = 1024-3δ =1025-3x17,2=973 Kontrol sınırı

Xüst = 1024+3δ=1024+3x17,2=1075 Kontrol sınır

Xalt = 1024-2δ =1025-2x17,2=990 Uyarı sınırı

Xüst = 1024+2δ=1024+2x17,2=1058 Uyarı sınırı

60
σ = R2/d2 =19,4/1,128 =17,2

Süreç yeterliliği

σ T =√ σ B+(1-1/n)x σ W = √ 17,22 + (1-1/5)16,32 =22,5

Bu formülde

σ B =Bireysel çizelgeden hesaplanan standart sapma =R2/d2=19,4/1,128=17,2

σW =Numune partisi içindeki R değerlerinin ortalamasında hesaplanan standart sapma=


R1/2,326=38,1/2,326=16,3.

Cpk=1024-950/3x22,5 =1,1

ÖRNEK 1.5 İÇİN İSK ÇİZELGESİ İÇİN VERİ TABLOSU

Firma Adı Ölçü birimi= Örnek Örnek Sıklığı=haftalık


XRZ VICKERS büyüklüğü=5
sertlik

Ürün Adı=Kam Tolerans= Makine=ısıl işlem tesisi


bileziği Karakteristik= min.950

X 1030 1033 1039 1051 1015 1009 1039 1012 1018 1042 994 1017 1030 997 988 1027 1042 1018 1027
1027 1036 1024 1027 1064 1003 ortalama X=1024
R1 61 31 31 31 30 45 47 45 45 15 15 30 31 43 29 45 47 45 45
45 31 45 45 33 43 ortalama R1=38,1
R2 3 6 12 36 6 30 27 6 24 48 23 13 33 9 39 15 24 9 0
9 12 3 37 61 ortalamaR2=19,4

Şekil1.22. Örnek 5 için veri tablosu (Not. Tabloda verilen X değerleri sertliği ölçülen 5 parçanın
ortalama değeridir. R1 aralığı 5 parçanın en büyük sertlikte olanı ile en küçük sertlikte olanın farkıdır

R2 aralığı ortalama değerin bir öncekinden farkıdır)

61
Şekil.1.23 Standart X-R çizelgesi

R ÇİZELGESİ

100
ARALIK

50

0
11
13
15
17
19
21
23
25
1
3
5
7
9

HAFTA
Şekil.1.24. Standart X-R çizelgesi ve parti değişkenlik çizelgesi için R çizelgesi (Not Şekil.1.23 deki R
çizelgesi ile aynıdır, ancak EXCEL ile çizilmiştir)

62
PARTİ DEĞİKENLİK ÇİZELGESİ

1100
1050
SERTLİK

1000
950
900
10

13

16

19

22

25
1

HAFTA
Şekil.1.25 Bireysel çizelge ve Parti değişkenlik çizelgesi için X çizelgesi (Not:Bu çizelgede dikkat ve
uyarı sınırları görülmektedir.)

Örnek 5 den çıkarılacak sonuç şekilde açıklanabilir:

1. Standart Xortalama-R çizelgesinin X bölümü sürecin stabil olmadığını göstermektedir. R


çizelgesinde bir anormallik yoktur.

2. Ancak bu karar yanıltıcıdır, parti değişkenlik çizelgesi kullanılması gerekmektedir. Söz konusu
çizelgenin X bölümü bireysel çizelge ile aynıdır ve sınırlar bu şekilde hesaplandığı zamanı süreç
stabil olmaktadır. R çizelgesinde bir fark yoktur.

3. Süreç stabil olduğu gibi toplam standart sapmaya göre hesaplanan yeterlilik endeksi sürecin
yeterli olduğunu göstermektedir.

4. Söz konusu süreç için hesaplanan kontrol ve uyarı limitleri süreci kontrol etmek için uygun
sınırlar olarak kullanılabilir.

5. İSK uygulaması gereği limit değerler belli aralıklarla gözden geçirilmeli ve gerekli görülürse tekrar
hesaplanmalıdır.

63
Özel süreçlerde İSK uygulamaları

Standart X-R çizelgeleri süreç ortalamasının nominal bir değere ayarlandığı kabulüne dayanır. Eğer
süreç ortalaması herhangi bir nedenle değişirse (örneğin takım aşınması) ortalamayı nominal değere
tekrar getirecek önlem alınabilir. Ancak bazı durumlarda sürekli olarak bu işlemi yapmak pratik
olmayabilir. Bu duruma örnek olarak takım aşınması dolayası ile ortalamanın sürekli olarak değiştiği
taşlama işlemi ve her matkap değişiminde ortalamanın değiştiği delme işlemi verilebilir. Söz konusu
delme süreci sabit takım olarak bilinir ve burada ortalama her takım değişimde yer değiştirmektedir.
Yine bazı süreçler çok sık olarak ayarlanır ve bir ayarlamanın gerekli olduğunu belirmek için İSK
kullanmak olanaksızdır. Bu bölümde söz konusu özel süreçler için geliştirilmiş İSK uygulamalarından
bazı örnekler verilecektir

Ortalaması hareket eden süreçler

Böyle bir süreçte aşağıdaki üç şart karşılanmalıdır:

1) Süreç çalıştıkça ortalama kaçınılmaz olarak aşağı veya yukarı doğru yavaş, yavaş kayar

2) Standart Xort-R çizelgelerine ait kontrol sınırlarını kullanmak pratik olarak mümkün değildir,
çünkü R aralığı çok küçük olduğu için sınırlar çok dar olmaktadır.

3) Süreci sürekli olarak nominal değerde (teknik resimde verilen hedef değer) tutmak ekonomik
olarak yapılabilir değildir

Bu durumda süreci kontrol altında tutan minimum Cpk değeri 1,33 olarak seçilir. Süreçten alınan
belli sayıda numune ile ortalama R ve standart sapma tahmin edilir Sonra aşağıdaki formüle göre
kontrol sınırları tespit edilir.

ÜKL=ÜTL-3x1,33x σ

AKL=ATL+3x1,33x σ

Burada:

ÜKL= Üst kontrol sınırı; AKS= Alt kontrol sınırı, ÜTL= Üst tolerans limiti, ATL= Alt tolerans
limitidir.

64
Bu şekilde hesaplanmış limitlere göre anormallik sadece limiti geçen noktalar için konu olacaktır.
Ortalamanın altında ve üstünde 7 nokta kuralı bu yöntemde kullanılmaz. Artarda 7 noktanın bir eğim
izlemesi limitlere tehlikeli bir şekilde yaklaşıldığı zaman önemlidir. R çizelgesi farklı değildir.

ÖRNEK 1.6

Şekil.1.26 da bir taşlama sürecinden alınan veri tablosu görülmektedir. Taş aşındıkça ortalama giderek
büyümekte ve operatör tarafından eski durumuna getirilmektedir. Parça tolerans 12,67-12,68 yani 10
mikrondur. Numune büyüklüğü saatte 3 parçadır. Tabloda numunelerin tek, tek ölçüleri
gösterilmemiş, ancak Xort ve R değeri gösterilmiştir. Yapılan etütler Rort=0,75 mikron vermiştir. Bu
duruma göre standart sapma σ =0,75/1,693=0,44 olmaktadır.

ÖRNEK 1.6 İÇİN İSK ÇİZELGESİ İÇİN VERİ TABLOSU

Firma Adı Ölçü birimi= Örnek Örnek Sıklığı=1 saat


XRZ mikron sayısı=3

Ürün Adı=bıçak Karakteris.= Tolerans= Makine=taşlama tezgahı

Taşlama 12,67-12,68

Xort 3,0 3,5 4,0 4,0 4,5 5,0 5,5 5,5 5,0 6,0 7,0 1.0 2,5 3,0 4,5 4,5 5,0 5,0 4,5 4,0 4,5 5,0 5,5 5,5 6.0
Ortalama Xort=5 mikron
R 0,5 0,5 0,5 1,0 0,5 0,0 0,5 0,5 0,5 0,5 0,5 1,0 0,5 0,5 1,0 1,0 0,5 0,5 1,0 0,5 0,5 0,5 0,5 0,5 0,5
Rort =0,75 mikron
Şekil.1.26. Ortalaması hareket eden süreç için veri tablosu

Cpk=1,33 kabulü ile X için alt ve üst limitler:

10-3x1,33x0,44=8,2 mikron

0+3x1.33x0,44 =1,8 mikron

R için alt limit 0 dır ve üst limit=0,75xD4 = 0,75x2,574=1,9 mikrondur.

Aşağıda Şekil.1.27 de Xort-R kontrol çizelgesi görülmektedir. 12 inci saatte sürecin operatör
tarafından ayarlandığı çizelgeden görülmektedir. Cpk=1,33 kabul edildiği için ayrıca süreç yeterlilik
endeksi hesaplanmamıştır.

65
X ÇİZELGESİ

10
X ORTALAMA

8
6
4
2
0
1

11

13

15

17

19

21

23

25
ZAMAN

R ÇİZELGESİ

2
1,5
ARALIK

1
0,5
0
1

11

13

15

17

19

21

23

25

ZAMAN

Şekil.1.27 Xort-R çizelgesi

Sık, sık ayarlanan süreçler

Bazı süreçler çok sık ayarlanır ve bir ayarlamanın gerekli olduğunu belirlemek için İSK kullanmak
olanaksızdır. Bu konuya örnek olarak süreç ortalamasının çok sık olarak ayarlandığı otomatik
kompanzatörlü tezgahlar ve operatör tarafından sık, sık ayarlaması yapılan süreçler sayılabilir. Eğer
artarda üretilen parçalara standart numune alma tekniği uygulanır ve ortalamalar çizelgesi kullanılırsa

66
stabilite dışına çıkmak kaçınılmazdır. Böyle bir durumda etkili bir ayarlama yapılması için numune
alma tekniğinde yapılacak değişiklik aşağıda açıklanmıştır

Burada açıklanan numune alma stratejisi sadece aşağıda açıklanan durumlarda kullanılır. Şu dört şart
karşılanmalıdır:

1. Standart X-R çizelgesi kullanıldığında ortalama sık, sık hem alt, hem de üst sınırların dışına
çıkmaktadır.

2. Aralık çizelgesinde noktalar nadiren üst sınırın dışına çıkmaktadır. Bu durum numune alma
esnasında yapılan ayarlama ile ilgilidir ve bunun meydana gelme sıklığı numune büyüklüğüne ve
numune alma sıklığına bağlıdır.

3. Otomatik kompenzasyon metodunu durdurmanın ve ayarlamaya karar vermek için İSK


kullanmanın hem yararlı olmayacağına inanılmaktadır, hem de pratik değildir.

4. Numune alma sıklığını artırmak ve ortalaması yer değiştiren örneklemeyi kullanmak mümkün
değildir

Bir ayarın gerekli olduğuna işaret etmek için İSK kullanılmamasına rağmen, toplam süreç
performansını belli etmek için yine de İSK kullanılabilir ve kullanılmalıdır. Yani süreç ayarına sürecin
bir bölümü olarak bakılabilir. Bunu yapmak için örnekleme stratejisini değiştirmeye ihtiyaç vardır:

1) Tek bir numunenin alınacağı zaman periyodu belirlenir. Bu zaman periyodu birçok süreç ayarının
yapılmasına yetecek kadar uzun olmalıdır. En az 8 ayar yeterlidir. Uygun zaman periyodu bir veya
yarım vardiya süresidir.

2) Aksini yapmak için makul bir neden yoksa numune büyüklüğü 8 parça olmalıdır. Bu 8 parça söz
konusu zaman periyodu içinde eşit zaman aralıkları ile alınmalıdır. Eğer buna olanak yoksa bütün
parçalar periyodun sonunda imal edilen tüm parça yığınından rasgele alınmalıdır.

3) Söz konusu 8 parça kaydedildikten sonra bunlara tek bir numune gibi muamele edilmelidir.
Standart X-R çizelgesi süreci kontrol etmek için kullanılmalıdır. Her zaman periyodunda İSK
çizelgesine tek bir nokta işaretlenir ve çizelge normal usulde analiz edilir.

Eğer süreç ayarı elle yapılıyorsa operatöre ne zaman ayara karar vereceğini belirten limitler
verilmelidir. Bu limitler kontrol çizelgesi üzerine kaydedilmelidir. Alınan her ölçü İSK numunesi içine
dahil edilmez, bu limitlerle karşılaştırılarak eğer ölçü limit dışı ise süreç ayarlanır.

67
1.11.SAYILABİLEN VEYA NİTELİKSEL KAREKTERİSTİKLER İÇİN KONTROL
ÇİZELGELERİ

Giriş

Bu bölüme kadar incelenen kontrol çizelgeleri Standart X-R çizelgesi ile temsil edilen ölçülebilen
karakteristiklere ait çizelgelerdir. X-R çizelgelerinin bir fabrikadaki tüm ürünlere ve bu ürünlerdeki
tüm ölçülebilen özelliklere uygulanması gerekli değildir ve zaten böyle bir şey pratik olarak mümkün
de değildir. Çizelge uygulamasının külfeti, uygulamamanın yarattığı ıskarta ve yeniden işlemeden
doğan kalite maliyetinden düşük olmalıdır. Bu bakımdan hangi ürünlere ve bunların hangi
karakteristiklerine X-R çizelgesi uygulanacağı bir maliyet hesabına dayanmalıdır.

Diğer taraftan kalite karakteristiklerinden bir çoğunu ölçerek bir ölçü ile temsil etmek mümkün
değildir. Gözle yapılan kalite kontrol çoğunlukla niteliksel bir muayenedir. Muayenede ürünler genel
olarak hatalarına göre şartnameye uygun, uygun değil diye ayrılır veya hatalarına göre düzenlenirler.

Söz konusu muayeneler %100 olarak yapılabileceği gibi, numune alınarak ta yapılmaktadır. Her iki
durumda da kontrol çizelgeleri kullanılarak uygunsuzlukların istatistik olarak izlenmesi mümkündür.
Bu tip çizelgelere niteliksel kontrol çizelgeleri adı verilir. Ürünler genel olarak bazı muayene
merkezlerinde zaten muayene edildikleri, hata cinslerine göre ayrıldıkları ve bu konuda bazı kayıtlar
zaten alındığı için, bu muayene sonucunun bir çizelgeye işlenmesi önemli bir külfet ve maliyet
getirmez. Buna karşılık hataların normal oranlarını veya sayılarını tespit ederek bu oran veya sayıların
alt ve üst limitlerini istatistik olarak saptamak mümkündür. Bu şekilde hazırlanmış çizelgelerde X-R
çizelgelerinde olduğu gibi ortalama değerin üç standart sapma altı veya üstü istatistik limitler olarak
kabul edilir. Söz konusu ortalamayı ve buna bağlı olarak kontrol sınırlarını saptamak için süreçten en
az 20-25 defa numune almak yeterlidir. Numune büyüklüğü X-R çizelgelerinde olduğu gibi her
numunede 3 veya 5 parça gibi küçük bir miktar değildir. Numune büyüklüğü için göz önüne kriter,
her numunenin en az 1-5 adet hatalı ürün veya hata içermesidir. Bu duruma göre örneğin % 0,5
ıskarta ile çalışan bir süreçten bir defada alınacak numune ürün sayısı en az 200-1000 parça olmalıdır.
Bir ortalama tespit etmek için söz konusu numune en az 20 defa alındığına göre istatistik limitlerin
belirlenmesi için 4 000- 20 000 ürünün kontrol edilmesi gerekir. Ancak yukarıda da açıklandığı gibi
kontrol genellikle gözle yapıldığından ve herhangi bir ölçü aleti kullanılmadığından kontrol maliyeti
çok düşüktür ve bu kontrol başka amaçlarla zaten yapılmaktadır.

Numune alma sıklığı için genel bir kural yoktur. Konu daha çok ekonomik açıdan değerlendirilir.
Numune ne kadar sık alınırsa anormallikleri fark etmek için zaman kaybedilmemiş olacaktır. Buna

68
karşılık her numunenin alınışı, değerlendirilmesi, çizelgeye işlenmesi ve yorumlanması bir zaman
kaybı ve sonuçta bir maliyettir. Bu iki kaybın bir optimum noktasının tahmin edilmesi gerekir.

Ortalamayı tespit etmek ve limitleri hesaplamak için başlangıçta mümkün olduğu kadar sık numune
alınır. Daha sonra daha az sıklıkta numune alınabilir. Numune büyüklüğü ve numune alma sıklığı için
karar verildikten sonra, numuneler alınmaya ve sonuçlar kontrol çizelgesine işlenmeğe başlanır.

Niteliksel kontrol çizelgesi olarak 4 tip çizelge kullanılmaktadır. Bunlar p, np c ve u çizelgeleri olarak
isimlendirilirler.

(p) Çizelgeleri

Ürün kalitesinin, numunede parça sayısının numunedeki hatalı parça sayısına oranı ile kontrol edildiği
durumlarda kullanılır. Yani p hatalı oranı şu formül ile hesaplanır:

p=numunedeki hatalı parça sayısı/ numunedeki toplam parça sayısı

Bu bölümün sonucu en fazla 1 olabilir. Ancak daha kolay anlaşılması için yukarıdaki oran 100 ile
çarpılırsa p yüzde olarak bulunur. Bunun birlikte aşağıdaki ortalama ve limit hesapları için p değerini
oran olarak kullanmak karışıklığı ve hata yapmayı önler.

p çizelgesini en önemli iki özelliği şunlardır:

1) Ürün hatalı veya hatasız olarak sınıflandırılır. Yani bir ürün tek bir hata içerse, birden fazla hata
içerse .de her iki halde de sonuç aynıdır. Yani ürün hatalı olarak sınıflandırılır

2) Numunedeki parça sayısı değişebilir. Oran hesaplandığı için sonuç değişmez

Daha çok bir tek tip uyumsuzluklar için kullanılır. Örneğin hatalı elektrik ampullerinin test edilen
tüm üretime oranı, uyumsuz vidaların toplam imalata oranı, montaj hattında kontrol edilen telefon
setlerinde görüntüsü hatalı olanların oranı gibi istatistiklerde p çizelgesi tercih edilir. Daha önce de
açıklandığı gibi üretimden 20 veya 25 defa numune alındıktan sonra ortalama hatalı oranı şu şekilde
hesaplanır

Port.= Σ(hatalı parça sayısı)/Σn

Bu formüle göre 20-25 numunede tespit edilen hatalı parça toplamı tüm numune parçaların
toplamına bölünerek ortalama hatalı oranı bulunur. Söz konusu numune parçaların toplamı numune

69
alma sayısına bölünürse ortalama numune adedi elde edilir ve nort. harfi ile. temsil edilir

p için alt ve üst limitler şu formüller ile hesaplanır:

Üst kontrol limiti =ÜKL= port+3√port.(1-port.)/√n

Alt kontrol limiti =AKL= port -3√port.(1-port.)/√n

Yukarıdaki formülde numune sayısını belirten n her numunede farklı bir değer olabileceğinden
kontrol çizelgesinde üst ve alt limiti temsil eden hatlar düz bir hat olamaz. Bu ise çizelgenin
kullanışını kısıtlayan en büyük engeldir. Çünkü her numune alınışında limitlerin ayrıca hesaplanması
gerekir. Bu nedenle yukarıdaki formülde (n) yerine (nort.) kullanılabilir. Böylece alt ve üst limitler boş
çizelgeye önceden düz hatlar olarak çizilebilir. Ancak numune sayısı ortalamadan %25 den fazla farklı
ise bu nokta için limitlerin ayrıca hesaplanması gerekir.

Ortalama değerler ve limitler hesaplandıktan sonra Kontrol çizelgesi çizilebilir. Ancak hesaplamaya
esas olan verilerden elde edilen noktalardan limit değerin dışında olanlar varsa sürecin bu noktalarda
istatistik kontrol dışına çıktığı kabul edilir. İSK teorisine göre bunun mutlaka özel bir nedeni vardır
ve bu nedenin bulunup yok edilmesi gerekir. Oysa bu özel neden süreci etkilerken henüz alt ve üst
limitler hesaplanmadığına göre sürecin istatistik kontrol dışına çıktığının anlaşılması da mümkün
değildir. Bu nedenle alt ve üst limitler hesaplandıktan sonra limit dışına çıkan noktalar varsa, bunlar
ortalama ve dolaysı ile limit hesabına dahil edilmeden, bu noktalar dışındaki veriler ile yeni bir
ortalama ve yeni limitler hesaplanır. Bu yeni hesaplama ile bulunan limitler dışına çıkan yeni noktalar
varsa bunlar da olduğu gibi kabul edilir.

Bundan sonra çizelge artık kullanıma hazırdır.

Çizelgeye veri oluşturan kontrol yapıldığı zaman hatalı ve numune miktarlarının oranından
hesaplanan (p) değeri çizelgeye işlenir. Bu nokta alt ve üst sınırların dışına çıkarsa veya artarda 7
nokta ortalamanın bir tarafında ise veya artarda sekiz nokta aşağı veya yukarın doğru bir meyil izliyor
ise sürecin istatistik kontrol dışına çıktığı kabul edilir ve bu durumun nedeni araştırılır.

Yani temel teori X-R çizelgeleri ile aynıdır. Ancak en önemli fark (p) çizelgesinde alt limitin dışına
çıkan bir nokta aslında iyi bir habercidir. Çünkü hatalı ürün oranı istatistik limitten daha az bir değere
inmiştir. Bu durumda limit dışına çıkmak özel bir nedenden kaynaklanacağına göre bu özel nedenin
bulunup kalıcı hale getirilmesi düşünülür.

70
ÖRNEK 1.7

Aşağıda Şekil.1.28 de bir yakıt pompası üretim tesisinde haftalık olarak test edilen pompalardan testi
başarı ile geçmeyenlerin miktarları listelenmiştir.

ÖRNEK 1.7 İÇİN İSK ÇİZELGESİ İÇİN VERİ TABLOSU

Firma Adı XRZ Kontrol=fonk. Örnek büyük. Örnek Sıklığı=haftalık


Ürün =pompa Resim no.= Operasyon Makine=test tezgahı
Numune sayısı: 152 201 219 128 219 351 147 179 185 182 137 141 156 119 247 114 111 112 164 197 152
206 225 118 89 148 369 138 62 131 112 171 272 226 Toplam=5874 Ortalama n =173
Hatalı sayısı 1 6 2 2 8 10 6 2 0 4 0 2 2 4 6 3 3 0 0 4 2
1 2 3 4 4 10 4 0 0 2 1 5 7 Toplam hatalı=110
No Numune sayısı Hatalı sayısı p=Hatalı oranı Ort. hatalı oranı AKL ÜKL
1 152 1 0,006 0,019 00 0,050
2 201 6 0,029 0,019 0 0,050
3 219 2 0,009 0,019 0 0,050
4 128 2 0,015 0,019 0 0,055
5 219 8 0,036 0,019 0 0,050
6 351 10 0.028 0,019 0 0,040
7 147 6 0,040 0,019 0 0,050
8 179 2 0,011 0,019 0 0,050
9 185 0 000 0,019 0 0,050
10 182 4 0,021 0,019 0 0,050
11 137 0 0 0,019 0 0,050
12 141 2 0,014 0,019 0 0,050
13 156 2 0,012 0,019 0 0,050
14 119 4 0,033 0,019 0 0,056
15 247 6 0,024 0,019 0 0,045
16 114 3 0,028 0,019 0 0,056
17 111 3 0,027 0,019 0 0,057
18 112 0 0 0,019 0 0,057
19 164 0 0 0,019 0 O,050
20 197 4 0,020 0,019 0 0,050
21 152 2 0,013 0,019 0 0,050
22 206 1 0,004 0,019 0 0,050
23 225 2 0,008 0,019 0 0,050
24 118 3 0,025 0,019 0 0,057
25 89 4 0,045 0,019 0 0,062
26 148 4 0,027 0,019 0 0,050
27 369 10 0,027 0,019 0 0,040
28 138 4 0,029 0,019 0 0,050
29 62 0 0 0,019 0 0,050
30 131 0 0 0,019 0 0,050
31 112 2 0,018 0,019 0 0,055
32 171 1 0,006 0,019 0 0,050
33 272 5 0,018 0,019 0 0,045
34 276 7 0,031 0,019 0 0,050
Top 5874 Top110 0,019
Şekil.1.28. p çizelgesi için veri tablosu

71
Kontrol limitleri

Toplam numune sayısı =5874 (yukarıdaki verilerden hesaplanmıştır)

Ortalama numune sayısı nort.=5874/34=173 (172,7 den yuvarlatılmıştır).

nort.+%25=216 nort.-%25=130 yani n=130-216 arası için sınır değerler aynı kabul edilir.

Toplam hatalı pompa sayısı=110

port=110/58740=0,0187 (Yaklaşık 0,019 veya %1,9)

Üst kontrol limiti ÜKL = 0,019 + 3x √0,019x(1-0,019)/173==0,050

Alt kontrol limiti AKL =0 (hesaplama sonucu negatif çıkarsa 0 olarak kabul edilir.)

Yukarıdaki verilerden numune adedi %25 den fazla farklı olanlar için (yani n<130 veya n>216 için)
üst limit değerler hesaplanarak tabloda gösterilmiştir.:

p ÇİZELGESİ
HATALI ORANI

0,08
0,06
0,04
0,02
0
1
4
7
10
13
16
19
22
25
28
31
34

ZAMAN (hafta)
Şekil.1.27 p Çizelgesi

Çizelgenin analizi

Çizelgede üst kontrol limiti dışına çıkan nokta ve diğer bir anormallik yoktur Bu bakımdan söz
konusu süreç stabil olarak kabul edilir. Ortalama hatalı oranı p=0,019 başka bir ifade ile %1,9
olduğuna göre süreç yeterlilik endeksi için Şekil.1.12 deki tablodan Cpk=0,7 bulunur.

Boş kontrol çizelgesi ortalaması ve limitleri çizilmiş olarak artık süreç kontrol için kullanılabilir

72
Bu çizelge haftalık sonuçları özetlediği için yönetime rapor vermek amacı ile kullanılabilir. İşletmeye
uyarı görevini yapan çizelgenin günlük veya saatlik gibi kısa süreleri esas alması geri beslemenin
zamanında yapılması açısından önemlidir.

p Kontrol çizelgesinin amaçları

p Kontrol çizelgeleri %100 kontrol için kullanıldığı gibi aşağıdaki amaçlardan her hangi biri veya
tümü için kullanılır:

1) Muayeneye sunulan parça veya ürünlerin belli bir zaman periyodu içindeki uyumsuz oranını
keşfetmek.

2) Kalite seviyesinin bu ortalamasındaki herhangi bir değişime yönetimin dikkatini çekmek.

3) Üst kontrol sınırını aşan noktalarda bu durumu yaratan özel nedenleri keşfederek kalite
bozulmasının nedenleri için önlem almak.

4) Alt kontrol sınırını aşan noktalarda bu durumu yaratan özel nedenleri keşfederek bunun bir kalite
düzelmesinden mi, yoksa bir değerlendirme hatasından mı kaynaklandığını tespit etmek. Kalite
düzelmesi olduğu kanısına varılırsa, bunun kalıcı hale getirilmesi için önlem almak.

5) Kalite sorunlarını teşhis etmek için X-R çizelgeleri kullanılacak yerleri önerebilmek için ön
çalışma yapmak

np Çizelgeleri

Bu çizelgesinin p çizelgesinden tek farkı (n) numune büyüklüğünün sabit bir değerde olmasıdır. Bu
nedenle hatalı oran veya yüzdesi hesaplanmasına gerek yoktur. Hatalı sayısı esas alınır ve (np) ile
gösterilir. Anlaşılması daha kolay bir çizelge tipidir. Numune sayısının sabit tutulabildiği yerlerde
kullanılır. Bu bakımdan genellikle %100 kontrol için uygun değildir

Çizelgenin ilk kullanıma karar verildiğinde süreçten en az 20-25 numune alınarak ortalama hatalı
sayısı şu şekilde hesaplanır.

nport.= Σ(hatalı ürün sayısı)/20 veya 25

Bu formüle göre tespit edilen hatalı parça toplamı 20 veya 25 e bölünerek ortalama hatalı sayısı

bulunur

73
np için alt üst limitler şu formüller ile hesaplanır:

Üst kontrol limiti ÜKL= nport+3√nport.(1-nport./n)

Alt kontrol limiti AKL= nport -3√nport.(1-nport./n)

Yukarıdaki formülde numune sayısını belirten n sabit olduğundan çizelgesinde üst ve alt limiti temsil
eden hatlar düz bir hat olur. Bu ise çizelgenin kullanışını kolaylaştıran en önemli özelliktir. Çünkü her
numune alınışında limitlerin ayrıca hesaplanması gerekmez.

ÖRNEK.1.8

Aşağıda Şekil.1.30 da punta kaynak tesisinde her yarım saatte bir kontrol edilen kaynaklardan
uyumsuz olanlar listelenmiştir. Numune adedi sabit olup, her seferinde 60 kaynak kontrol
edilmektedir.

ÖRNEK.1.8 İÇİN İSK ÇİZELGESİ İÇİN VERİ TABLOSU

Firma Adı XRZ Kontrol= Örnek 60 adet Örnek Sıklığı=30 dakika


Ürün=kaporta Resim no.= Operasyon Makine=punta kaynak
Kontrol no 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Hatalı sayısı= 2 5 4 3 3 6 5 0 7 5 4 1 2 3 6 3 8 4 4 7 6 4 2 3 4 Ortalama=4,04
Şekil.1.30 Punta kaynak tesisi için hatalı sayısı veri tablosu

np ÇİZELGESİ
HATALI PARÇA

15
SAYISI

10
5
0
1

10

13

16

19

22

25

ZAMAN
Şekil.1.30. Hatalı kaynaklar için np çizelgesi

Üst kontrol limiti ÜKL= nport+3√nport.(1-nport./n)=4,04+√4,04(1-4,04/60)=+5,82=9,86

74
Alt kontrol limiti AKL= nport -3√nport.(1-nport./n)= 4,04-5,82=0 olarak kabul edilir

Çizelgenin analizi

Süreç stabildir. Cpk=0,6 (Resim1.12. deki tablodan)

p ve np Çizelgeleri için gerekli olan aşamalar

Yukarıdaki 7 ve 8 numaralı örnekleri tam olarak anlamak ve yorumlamak bakımından söz konusu
kontrol çizelgelerini gerçekleştirmek için gerekli olan aşamaları aşağıdaki gibi özetlemekte yarar
vardır.

I.. Kontrol çizelgesinin hazırlanması için kararlar

A. Kontrol çizelgesinin amacının belirlenmesi

B. Çizelgeye işlenecek kalite karakteristiklerinin ve muayene istasyonunun seçilmesi

C. Numune büyüklüğünün seçilmesi için karar

D. Çizelge tipinin seçilmesi (p veya np)

E. Kontrol limit hesapları ile ilgili karar

F. Verileri kaydedecek tablo ve çizelge formu için karar

II. Kontrol çizelgesine başlama

A. Veri kaydetme

B. Numunelere ait oranların hesaplanması (p çizelgesi için)

C. port. veya nport. değerlerinin hesaplanması

D. Kontrol limitlerinin hesaplanması

E. Noktaların işaretlenmesi

III. Kontrol çizelgesine devam

A. Kontrol istatistiği için standart bir değeri seçmek (p0 veya np0 değerini seçmek)

B. Kontrol limitlerini hesaplamak

C. Noktaları ve limitleri işaretleme

D. İstatistik kontrol dışına çıkışı yorumlama

E. Standart değerin periyodik olarak gözden geçirilmesi ve revizyonu

75
IV. Kontrol çizelgesini temel alan raporlar ve önlemler

A. Sürecin tatmin edici seviyede bir kontrol durumuna getirecek önlemler

B. Üretim sürecinin yeterliliği ile ilgili spesifikasyonları gözden geçirme

C. Kalite seviyesi ilgili olarak yönetimi bilgi vermek

Yukarıdaki özette belirtildiği gibi kontrol çizelgesine devam edildiği zaman eldeki verilere göre bir p0
veya np0 ortalama hatalı seviyelerinin seçilmesi ve limit değerlerin bunlara göre hesaplanması
önerilmektedir. Söz konusu p0 veya np0 yönetime rapor edilecek ve gerektiği zaman gözden
geçirilerek güncelleştirilecek en uygun ortalama değerlerdir.

(c ) ve (u) Çizelgeleri

Bazı durumlarda ürünlerin hataları tespit edilir ve sayılır. Bir tek ürün üzerinde birden fazla hata
bulunabildiği zaman bu çizelgelerin kullanılması gerekebilir. Ancak burada hatalı ürün ve hata
kelimeleri üzerinde biraz durmak gerekmektedir. Bu kelimeler günlük hayatta kullandığımız anlamın
dışında bir anlam içermektedirler. Hata, ürünün şartname veya standart ile belli bir uyumsuzluğu
demektir. Hatalı ise ürünün bu uyumsuzluğa sahip olması anlamında kullanılmaktadır. Söz konusu
hata ürünün kullanılmasına mani bir kusur olmayabilir. Hatta bazı önemsiz hataları kullanıcı fark
etmeyebilir .

(c ) çizelgesi numune büyüklüğü sabit olduğu zaman kullanılır. Örneğin c değeri şunlardan biri
olabilir:

c bir uçak kanadında veya gövdesindeki uyumsuz perçinlerin sayısıdır

c özel bir test voltajına konu olan belli bir uzunluktaki izolasyonlu kablonun uyumsuz bölgelerinin
sayıdır.

c boyanmış, kaplanmış veya emaye edilmiş üründe belli bir alanda gözetlenen yüzey
uyumsuzluklarının sayısıdır.

c bir cam şişede gözlemlenen hava kabarcıklarının sayısıdır

c bir top kumaştaki uyumsuzlukların sayısıdır.

c bir fotoğraf filmindeki veya bir rulo kağıttaki yüzey hatalarının sayısıdır.

c Çizelgeleri başlıca dört farklı tip durumda kullanılmaktadır:

76
1. Yüzde yüz kontrol neticesinde elimine edilecek uyumsuzluk sayılarına uygulanır. Bu uygulamada
c çizelgesi öncelikle uyumsuzlukların muayene veya düzeltilmesi ile ilgili maliyetlerin azaltılması
için bir vasıta olarak kullanılır Çizelge yönetime veya üretim şeflerine mevcut kalite seviyesi
hakkında bilgi vererek, sürecin istatistik kontrol altında olup, olmadığını gösterir ve kontrol dışı
durumların elimine edilmesi için bir baskı oluşturur. Bazı durumlarda kalite kontrol elemanlarının
değerlendirme hatalarını veya şartname eksiklikleri ile farklı yorumlamalarını ortaya koyabilir. Bu
tip kullanıma tipik bir örnek, karmaşık bir ürünün son muayenesinde tespit edilen her tip
uyumsuzluk sayısı için c çizelgesi uygulamaktır.

2. Her birim için belli sayıdaki uyumsuzluğa tolerans gösterilebildiği, ancak bu uyumsuzlukların
minimumda tutulmak istenildiği durumlarda c çizelgesi periyodik ürün örneklerine uygulanabilir.
Burada esas konu üretimin kalitesini geliştirerek müşteri iadelerini ve tüketici
memnuniyetsizliklerini azaltmaktır. Yüzde yüz kontrol işleminde olduğu gibi bu uygulamada da c
çizelgesi kalite seviyesi hakkında yönetime güncel bilgi ulaştırarak, ürün üniformluğunu artırmada
yardımcı olur ve istatistik kontrol dışı durumlarda bir baskı oluşturur. Bu tip kullanıma tipik bir
örnek kağıt üretim tesisinde yüzey hatalarının çok dikkatle izlenip c çizelgesine kaydedilmesidir.

3. Belli bir üretim işleminin veya belli bir ürünün kalite değişimlerinin kısa özel etütleri için
uygulanır.

4. Hataların numune alınarak kabul veya ret edildiği durumlarda kullanılır. (Örnekleme ile kalite
kontrol bölümünde bahsedilen hata sayıları için c çizelgesi uygulamak)

c Çizelgeleri için ortalama değer ve alt. üst limitler

c Çizelgeleri için ortalama değer ve alt, üst limitler şu formüller ile hesaplanır:

cort.=c1+c2……..cn/n

Üst kontrol limiti ÜKL= cort.+3√cort.

Alt kontrol limiti AKL= cort.-3√cort.

Bu formüllerdeki c harfi numunede sayılan hata miktarını temsil etmektedir. Ortalama hata değerinin
hesaplanması için süreçten en 20-25 defa numune alınır. Numune büyüklüğü seçilirken numunenin
en az 1-5 hata içermesi göz önüne alınmalıdır. Görüldüğü gibi alt ve üst limitler için kullanılan
formül çok basit ve akılda kalıcıdır. Bu bakımdan bir süre kullandıktan sonra tüm personel ezberler.

77
ÖRNEK.1.9 Aşağıda Şekil.1.32 de verilen tabloda bir boya tesisinde üretilen parçalarda tespit edilen
uyumsuzluklar, bunların her numunedeki miktarları ve 31 numune alındıktan sonra hesaplanan
ortalama hata sayısı ve yüzde dağılımları görülmektedir. Numune sayısı 60 parça olup, numune alma
sıklığı vardiyada 1 defadır.

ÖRNEK.1.9.İÇİN İSK ÇİZELGESİ İÇİN VERİ TABLOSU

Firma Adı XRZ Kontrol= Örnek 60 adet Örnek Sıklığı=vardiya


Ürün=kaporta Resim no.= Operasyon Makine=plaka boya
Kontrol no 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 Toplam %
Çizik 1 2 1 3 1 1 9 17
Boyada kir 1 1 2 5 2 11 26
Kuru püskür. 1 1 1 3 7
Leke 1 1 1 1 4 5
Koyuluk 1 1 1 1 1 5 12
İzler 1 5 1 2 9 19
Yabancı mad. 1 1 2 1 2 7 14
Hata toplamı 2 1 5 2 2 7 1 1 3 2 2 1 4 1 2 7 5 48 100
Şekil.1.32 Bir boya atölyesinde üretilen parçalar için uyumsuzluk sayıları tablosu

cort.=48/28=1,71

ÜKL= 1,5.+3√1,5=5.42.

AKL= 1,5.-√1,5=0 (sonuç negatif çıkarsa 0 kabul edilir..

c ÇİZELGESİ

8
HATA SAYISI

6
4
2
0
1

11

13

15

17

19

21

23

25

27

ZAMAN

Şekil.1.33 Boya atölyesi için c çizelgesi

Çizelgeden görüldüğü gibi süreç 12 ve 27’ci vardiyalarda istatistik kontrol dışına çıkmıştır. Normal
prosedür gereği bu vardiyalarda süreci etkileyen özel nedenler olması gerekir. Bu noktalar hariç
tutulursa cort =(48-14)/28=1,21 alınarak boş çizelgenin hazırlanması ve süreç kontrol için
kullanılması gerekmektedir.

78
u Çizelgesi

Bu çizelgenin c çizelgesinden farkı numune büyüklüğünün değişken olmasıdır. Bazı üretimlerde


hatalar sabit büyüklükteki numuneden alınamaz ve hata oranını hesaplamak kaçınılmaz olarak
gündeme gelir. Ortalama hata oranı yine süreçten en az 20-25 numune aldıktan sonra aşağıdaki gibi
hesaplanır:

ū =c1+c2+……cm/n1+n2+……nm

Burada c1 , c2 ……cm numune içindeki uyumsuzluk sayıları ve n, n2……nm numune büyüklüğüdür

Üst kontrol limiti ÜKL=ū +3√ ū/n

Alt kontrol limiti AKL= ū -3√ ū/n

Formüle göre limitler numune büyüklüğüne bağlı olarak her n değeri için ayrıca hesaplanması gerekir
ve sınır hatları düz bir çizgi olamaz. Bu sakıncayı gidermek için n yerine tüm numune
büyüklüklerinin ortalamasını temsil eden ve ñ ile gösterilen nort .kullanılır Ancak herhangi bir
numune büyüklüğü ortalama n den %25 den fazla farklı ise o nokta için limit özel olarak hesaplanır.

ÖRNEK.1.10 Aşağıda Şekil.1.34 de verilen tabloda, bir kaynak tesisinde üretilen parçalarda tespit
edilen uyumsuzluklar, bunların her numunedeki miktarları ve 25 numune alındıktan sonra hesaplanan
ortalama hata sayısı ve yüzde dağılımları görülmektedir. Numune sayısı ideal olarak 8 palet olup, bu
değeri her zaman sabit tutmak mümkün olmamaktadır, numune alma sıklığı günde 1 defadır.

ÖRNEK.1.10.İÇİN İSK ÇİZELGESİ İÇİN VERİ TABLOSU

Firma Adı XRZ Kontrol= Örnek 8 Örnek Sıklığı=vardiya


Ürün=kaporta Resim no.= Operasyon Makine=plaka boya
Kontrol no 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Numune sayısı 8 8 9 8 8 7 7 8 8 8 7 8 9 9 8 9 7 8 9 8
Uyumsuzluk 8 17 18 15 23 9 19 6 14 17 13 15 16 22 16 18 7 8 17 13
Oran u 1,0 2,1 2,0 1,9 2,9 1,3 2,7 0,8 1,8 2,1 1,9 1,9 1,8 2,4 2,0 2,0 1,0 1,0 1,9 1,6
Şekil.1.34.Uyumsuz kaynaklar için u çizelgesi veri tablosu

ū =291/161=1,80

Üst kontrol limiti ÜKL=1,8+3√1,8/8=3,22

Alt kontrol limiti AKL= 1,8 -3√1,8/8=0,38 (n numune sayısı olarak ortalama 8 alınmıştır)

79
UYUMSUZLUK u ÇİZELGESİ

4
3
ORANI

2
1
0

11

13

15

17

19
1

9
ZAMAN

Şekil.1.35 Kaynak hataları için u çizelgesi

Kontrol çizelgesi uygulamasına devam edilmesi

Kontrol çizelgesi uygulamasına devam edilmesi için öncelikle hesaplanan ortalama değerin ekonomik
açıdan analiz edilmesi gerekir. Eğer ortalama değerin kabul edilebilir bir değer olduğu kanısına
varılırsa bu ortalama değere göre hesaplanmış kontrol sınırlarının kullanılmasına devam edilir. Eğer
hatalı veya hata oranının yüksek olduğu düşünülüyorsa, sürecin teknik açıdan gözlenerek önlem
alınması gerekir. Ancak böyle bir önlem almak teknik açıdan güç ise veya ekonomik açıdan bir
avantaj sağlamıyor ise, standartlar ve şartnameler gözden geçirilerek herhangi bir değişiklik yapılıp,
yapılamayacağı etüt edilir.

Kontrol çizelgesi uygulamasına devam edilmesine karar verilirse etüt döneminde hesaplanan
ortalama değerler ( yani port, nport, cort, uort değerleri) yerine, ilk kontrol çizelgelerinin analizi sonucu
p0, np0, c0, ve u0 değerleri seçilerek bunlara göre hesaplanmış limitler kontrol sınırları olarak uygun bir
forma çizilir. Çizelge süreci yöneten personel tarafından doldurulur. Bu şekilde personelin önüne
kalitenin gidişini gösteren bir ekran açılmış olur. İstatistik süreç kontrol tekniğine göre kontrol edilen
bir süreçte seçilen bu değerlerin zaman, zaman gözden geçirilerek gerekli görülen revizyonların
yapılması normaldir. Söz konusu ortalamaların ve bunlara bağlı olarak sınır değerlerin zamanla
küçülmesi beklenir ve bu durum kalite geliştirmenin sağlanması demektir. İSK tekniğinin ana amacı
da budur. Ancak bazı durumlarda süreci etkileyen özel nedeler vardır ve sorun tüm çalışmalara
rağmen giderilememektedir. Böyle bir durumda ortalamalar yönetimin haberi ve mutabakatı ile
artırılır.

80
1.12. TOLERANSLARA GÖRE KOONTROL (PRE-CONTROL)

Giriş

İngilizce’de (pre-control) olarak isimlendirilmiş olan bu teknik, bir süreci kontrol etmek için
şartname veya teknik resimde verilmiş olan toleransları esas alan bir tekniktir. Bu teknikte üretim
sürecinin ölçülebilir ve ayarlanabilir kalite karakteristikleri ile üretim yaptığı farz edilir, ancak söz
konusu ölçülerin dağılımı ile ilgili bir kabul yapılmaz.

Bu teknikte yeni bir süreç (yeni bir ayar, yeni bir ham madde partisi, operatör değişimi vs). artarda
alınan 5 numunenin ölçülerinin belli bir aralığa düşmesi ile kalifiye edilir Bu durum, dağılımın
tolerans limitleri içinde ürün üretecek kadar dar ve yakın olduğu garanti eder. Bu bir istatistik kalite
kontrol değildir, bir yeterlilik kontrolüdür. Yani bu teknik ile sürecin toleranslar içinde ürün üretmeğe
yeterli olduğu kabul edilir ve süreç kalifiye edilmiş olur. Eğer süreç kalifiye olamıyorsa, uyumsuz
ürünlerin belirlenmesi için teşhis işi derhal başlatılır.

Süreç bir defa kalifiye edildikten sonra periyodik olarak ikişer numune alınarak denetlenir.
Numuneler A ve B olarak isimlendirilir. Bu küçük numune grubu süreç operatörüne anında ve
doğrudan bilgi vererek, hızlı çalışan bir geri besleme döngüsü oluşturur. Eğer A ve B den her ikisi de
dikkat bölgesine düşerse önlem alınır.

Bu metodun istatistik gücü A ve B’nin bağımsız olasılıklarının çarpımında yatar: P(A, B)=P(A)xP(B).
Böylece iki adetlik numune büyüklüğü kullanılarak hatalı sinyal riski büyük ölçüde azaltılır. Gerçek
olasılıklar dikkat bölgesinin genişliğinin bir fonksiyonudur (aşağıda alfa riskine bakınız). Tolerans dışı
ürünün atlanması olasılığı dikkat bölgesinin genişliği ve numune alma sıklığı tarafından kontrol edilir.

Ayar ile ilgili kurallar, numune büyüklüğü ve numune alma sıklığının her ikisi de matematik olarak ve
işletme deneyimi ile geliştirilmişlerdir. Bu metodun kurallarının çok basit olması, genellikle
kullanıcıları bunların keyfi olduğu sonucuna götürmekte ve bu metodu geliştirmek için
değiştirmektedirler. Numune büyüklüğünün iki olması, yanlış sinyallerin azaltılması ile, önlem almak
için fazla beklemek arasındaki riski uzlaştırmaktadır. Dikkat bölgesi genişliğinin aşağıdaki gibi tespit
edilmesi yolu ile yapılan avlama, dağılımın toleranstan geniş olduğunun bir işaretidir. Bu durumda
süreç iyileştirilmelidir. Numune alma sıklığına (frekans) gelince, bu konudaki prensip, daha sık
numune almanın maliyeti ile, tolerans dışı üretim yapma riskini uzlaştırmaktır. Yapılan hesaplar tipik
iki süreç ayarı arasındaki zamanda 25 defa A ve B numunesi almanın, tolerans dışı üretimin %1 ve
daha az olmasını garanti ettiğini göstermektedir. Süreçlerin çoğu toleranslar arasında kalmak için
periyodik olarak ayar gerektirir. Yapılan bir çok deneme iki ayar arasında altı adet ikili numune grubu

81
almanın tolerans dışına çıkmamak için yeterli olduğunu göstermiştir ( aşağıda beta riskine bakınız).
Brown (1966) bu teknik ile 30 milyon parçanın tek bir ret ile üretildiğini rapor etmiştir. Halen
optimum olduğu ispat edilmiş bölge ve numune grubu büyüklüğünü değiştirmek, süreç kontrol
etkisini azaltmakla sonuçlanacaktır.

Kullanma için şartlar

Toleranslara göre kontrol, işçinin ilgili karakteristikleri (boyut, renk, mukavemet vs.) ölçebildiği, bu
karakteristikleri değiştirmek için süreci ayarlayabildiği, toplam üretim miktarının üç veya daha fazla
olduğu, sürecin devamlı bir çıktıya (örneğin kağıt) veya parçalar halinde çıktıya (örneğin makine
parçası) sahip olduğu herhangi bir süreç için etkili bir şekilde kullanılabilir

Toleranslara göre kontrol tekniğinde yapılan süreç ayarını kalifiye etmek için en az beş parça gerektiği
halde, aslında bu beş parça imal edilirken de süreç kontrol edilmektedir Eğer ilk iki ürün kontrol
bölgesinde ise, üçüncüsü imal edilmeden önce süreç ayarlanır. Süreç ayarını kalifiye etmek için sayım
tekrar başlamalıdır. Eğer toplam üretim sadece üç birimden ibaretse, toleranslara göre kontrol
üçüncü birim üretilmeden önce değerli bilgi sağlamaktadır.

Süreç yeterliliği ve kalite karakteristiğinin sıklık dağılımı ile ilgili .hiçbir kabul ve ilave hiçbir şartı
yoktur. (Yani bireysel parçaların dağılımını normal olması veya sürecin istatistik kontrol altında
bulunma şartı.)

Toleranslara göre kontrol için bölgelerin tespiti

İki taraflı tolerans: Bir nominal veya hedef değer ile alt ve üst toleransların verildiği karakteristikler
için kullanılır. Nominal veya hedef değer ile alt ve üst tolerans limitleri arasına limitten itibaren
tolerans aralığının ¼ ü kadar olan mesafede iki adet referans hattı çizilir. Bu referans hatları
arasındaki bölge yeşil olarak, referans hattı ile tolerans limiti arasındaki iki bölge sarı olarak ve
tolerans limitleri dışındaki bölgeler kırmızı olarak isimlendirilir. (Şekil.1.36)

Tek taraflı tolerans, toplam gösterge okuması (düzlük, konsantrasyon): Tolerans limiti ile sıfır
arasındaki mesafenin tam ortasına bir referans hattı çizilir. Sıfır ile referans hattı arası yeşil ile,
referans hattı ile toleransın maksimumum limiti arası sarı ile ve limit dışı kırmızı olarak isimlendirilir
(Şekil.1.37).

Tek taraflı tolerans, minimum veya maksimumum:(Kopma mukavemeti): Tolerans limitinden


itibaren üretilen parçaların en iyisi arasındaki mesafenin ¼ üne referans hattı çizilir. Referans hattı ile

82
en iyi parça arasındaki bölge yeşil olarak, referans hattı ile tolerans sınırı arasındaki bölge sarı olarak
ve tolerans dışındaki bölge kırmızı olarak isimlendirilir. (Şekil.1.38)

Tolerans üst limiti


Tolerans alt limiti

Nominal değer
Referans hattı

Referanshattı
Kırmızı Sarı Yeşil Yeşil Sarı
1/4 1/2 1/4
Tolerans Tolerans Tolerans

Şekil.1.36 İki taraflı tolerans için kontrol bölgeleri


Referans hattı

Tolerans
Sıfır

Yeşil Sarı Kırmızı


1/2 1/2
Tolerans Tolrans

Şekil.1.37 Toplam gösterge okuması ve tek taraflı tolerans için kontrol bölgeleri
Tolerans sınırı

En iyi parça
Referans

Kırmızı Sarı Yeşil


1/4 3/4

Şekil.1.38 Tek taraflı maksimum veya minimum tolerans için kontrol bölgeleri

Süreç operatörüne ilgili karakteristiği ölçecek cihazın kadranı yukarıda açıklanan kurallara uygun
olarak yeşil bölge (iyi), sarı bölge (dikkat) ve kırmızı bölgeye (stop) boyanmış olarak verilir.

83
Toleranslara göre kontrol işine başlama

Ayarın kalifiye edilmesi Artarda beş ürün yeşil bölgede kalıncaya kadar, üretilen her parça ölçülür.
Bir dizide iki sarı veya bir kırmızı bulunduğu zaman süreç ayarlanır ve tekrar saymağa başlanır. Bu
adım ilk parça muayenesi yerine geçer.

Çalışma: Artarda üretilen ikişer parça periyodik olarak muayene edilir (A ve B çifti olarak
isimlendirilir). Eğer her ikisi de sarı bölgede ise ayar yapılır. Eğer farklı tarafta sarı ise yardım istenir.
(Bu durum genellikle daha karmaşık bir düzeltme gerektirir) Eğer her ikisinden biri kırmızı ise yine
süreç ayarlanır. İki sarı durumunda uyumsuz üretimi önlemek için ayar hemen yapılmalıdır. Kırmızı
durumunda uyumsuz parça zaten üretildiği için stop edilir. Kırmızı parça daha önceki parçaların
arasına konmaz.

Ölçme sıklığı: Süreç ayarı gerektiren her çalışma zamanda ortalama 6 defa örnek alınarak ölçülür.
Bir saatte 60 dakika bulunduğu için dakika olarak ölçme aralığı ayarlar arasındaki saat olara sürenin
10 ile çarpılması ile dakika olarak tespit edilir. Yani: Ölçüler arasındaki süre (dakika olarak)= Ayarlar
arasındaki süre (saat olarak)x10 dur.

Veya ölçüler arasındaki dakika cinsinden süre, aşağıdaki tablodan saat olarak ayar süresine göre
bulunur

Ayarlar arasındaki saat olarak süre Ölçüler arasındaki dakika olarak süre

1 10

2 20

3 30

4 40

vs.

Şekil.1.39 Toleranslara göre kontrol için ölçme sıklığı

Riskler

Süreç değişkenliğini analiz eden ve örneklemeye dayanan bütün teknikler (İSK dahil) iki risk
gerektirirler. İstatistik teknikte bu riskler tip I (veya alfa) ve tip II (veya beta) olarak isimlendirilirler.
Bu riskler toleranslara göre kontrol tekniğine şu şekilde uygulanır

84
Tip I. Belli bir işletme şartında yanlış alarm riski. Yani sürecin ayarlanmasına gerek olmadığı bir
zamanda çift sarı elde etme riskidir.

Tip II Belli bir işletme şartında üretim tolerans dışı olduğu halde iki sarı veya kırmızı tespit
etmemenin riskidir.

Tip I için en kötü işletme şartı, dağılım eğrisinin normal olması, ana ortalama değerin toleransların
tam ortası bulunması artı, eksi üç standart sapmanın toleranslar ile çakışmasıdır. Bu durumda
referans hattı nominal veya hedef değerden 1,5σ (standart sapma) mesafededir. Normal dağılım
eğrisinde 1,5 σ dışında olan parçaların toplamı %86 dır. Yani her iki tarafta %7 parça bulunması veya
başka bir ifade ile sarı bulunması olasılığı vardır. Bu ise 1/14 demektir. A ve B çiftinin ikisinin birden
bu bölgede bulunma olasılığı bu duruma göre:

1/14x1/14=1/196 veya yüzde olarak yaklaşık %2 dir.

Yani yanlış alarm olasılığı en fazla %2 civarındadır. Yanlış alarmda operatör süreci gereksiz yere
ayarlayacak ve sürecin tekrar kalifiye olması için beş parça imal ederken muhtemelen yine artarda iki
sarı parça ile karşılaşacaktır Bu ikinci sarı sinyal üzerine süreci tekrar ayarlayacak ve muhtemelen
tekrar eski durumuna getirecektir. Bu durumda yanlış alarmın sonucunda iki gereksiz ayar yapılmış
olacaktır. Bir tanesi yanlış sinyal sonucu, diğeri ise bunu düzeltmek için yapılan ayar Ancak bu
durumun sonucunda hiçbir uyumsuz ürün üretilmemekte, sadece boş yere süreç ayarlanmaktadır.

Tip II için en kötü işletme şartı yine artı eksi üç standart sapmanın tolerans genişliğine eşit olduğu
dağılım eğrisinin ortalama değerinin nominal veya hedef değerden 0,85δ farklı olduğu durumdur. Bu
durumda tolerans dışı üretim olasılığı ortalama %1 den fazla değildir. Hesaplama yöntemi Tip I için
olandan biraz daha karmaşıktır

Uygulama

Toleranslara göre kontrol, üretim operatörü tarafından üretim sürecinin entegre bir bölümü olarak
kullanılmak amacı ile tasarlanmıştır. Uygulama onun işbirliğini gerektirir. Toleranslara göre kontrol
ona devredilir. Bu konuda önce atölye içinde bir gönüllü istenir. Toleranslara göre kontrol bu
gönüllüye açıklandıktan sonra kendisine boyanmış bir ölçü aleti ile yazılı bir talimatname verilir.
Kadran ilk deneme için tırnak cilası ile boyanabilir. İlk iki gün periyodik olarak ziyaret edilip, bir
sorun olup, olmadığı araştırılır. İki hafta sonra operatör yeterli deneyim kazanmış ve artık kendi ölçü
aleti ile çalışmağa hazır olacaktır. Genellikle operatör kendi ölçü aletinin de benzer şekilde
boyanmasını talep eder. Bu tekniğin bütün atölye içinde kullanılması altı ayı bulabilir.

85
Her süreçten alınan örnekleri ölçmek için bir takım kalite kontrol teknisyenleri görevlendirilmez ve
işçiden aldığı ölçüleri kaydedeceği bir kontrol çizelgesi tutması istenmez: Toleranslara göre kontrolde
hedefi iyi ürün üretmektir. Ne çizelge, ne kayıt ana hedef değildir. Toleranslara göre kontrolün
verimliliği iyi bir planla tetkik edilebilir.

X-R kontrol çizelgeleri toleranslara göre kontrolün mukayesesi

Böyle bir karşılaştırma aşağıdaki tabloda geniş olarak yapılmıştır. (Şekil.1.40) Sinbaldi (1985) iki
tekniğin karşılaştırılması için bir similasyon çalışmasını açıklamaktadır.

Konu X-R Çizelgesi Toleranslara göre kontrol

Amaç Rasgele ve özel nedenlerle değişkenliğin miktarını İmalat hatalarını önlemek

keşfetmek

İSK kaydını sağlamak

Karar için kurallar Kontrol limitleri dışına çıkan ortalama veya açıklık Hedef bölgenin aynı tarafındaki sarı

Orta hattın bir tarafında artarda sekiz nokta bölgede iki parça

Sürekli artan veya azalan yedi nokta Hedef bölgenin farklı tarafındaki sarı

bölgede iki parça

Alt grup büyüklüğü Genellikle 4 veya 5 Her zaman iki

(İstatistik duyarlılığı Alt grup büyüklünü artırmak Toplam dikkat bölgesini toleransın

geliştirmek için) yarısına eşit yapmakla optimize edilmiş

Belirleme süresini Alt grup büyüklüğünü azaltmak, Tipik süreç ayar süresi içinde daha fazla

kısaltmak için daha sık grup almak,. A ve B almak.

hesapları hızlandırmak

86
Konu X-R Çizelgesi Toleranslara göre kontrol

Bir süreci kalifiye 25 Alt grup alınır, kontrol limitleri hesaplanır, Artarda 5 yeşil parça

etmek için istatistik kontrol durumu gösterilir.

Genel pratikte 10 alt grup alınır, kontrol dışına çıkan

noktalar göz önüne alınmaz veya özel nedenler

elimine edildikten sonra eski limitler kullanılır

Süreç yeterliliğinin Kontrol limitleri toleranstan küçük olduğu için yoktur. Genel durumda hep yeşil parça üretim

toleranstan büyük olasılığı çok fazladır

olmasının etkisi

Bir alt grupta tolerans Eğer ortalama değer kontrol limitleri içinde ise yoktur. Tolerans dışı kırmızı parçada üretim

dışı parça Teoriye göre süreç ekonomik olarak daha fazla derhal durdurulur.

bulunmasının etkisi geliştirilemez, yani sıfır hata ekonomik olarak mümkün

değildir.

Tip I riski Kontrol limitlerinin 3 standart sapma değeri için 0,00 ile 0,02 arası

(avlama olasılığı) 0,0027 ve 2 standart sapma için 0,05

Tip II (tolerans Genellikle düşünülmez, ancak örnek alma sıklığına Örnek alma sıklığına bağlıdır. Teorik

dışının atlanması ve süreç yeterliliğine bağlı olarak büyük olabilir olarak iki ayar arasında 6 örnek

olasılığı) (örneğin %2) alınırsa %1’I geçmez.

Şekil.1.40 X-R Kontrol çizelgesi ile toleranslara göre kontrol karşılaştırılması

87
Toleranslar ve kontrol çizelgeleri hakkında önemli bazı sorular

Toleranslar sadece ürünler için verilmez, süreç karakteristiklerine de tolerans verilebilir. Örneğin
çeliğin sertleştirilmesinde süreç değişkenleri banyo sıcaklığı, süreç süresi vs. dir. Ürün ise tane
büyüklüğü, sertlik vs. ile ölçülür. Yani süreç toleransları süreç karakteristiklerine, ürün kabul
toleransları ise ürün karakteristiklerine uygulanır. Bazı üretimlerde süreç ölçme cihazı ve birimleri
ürün için kullanılanlardan büyük ölçüde farklıdır. Yine bazı süreçlerde işçiden esas olarak süreç
karakteristiklerini yerine getirmesi istenir. Süreç operatörü bu iki tip toleransın her ikisinden sorumlu
tutuluyorsa bu konuda yeterli eğitimi almış olmalıdır. Kalifiye olup, olmadığını görmek için test veya
diğer vasıtalarla değerlendirilmelidir.

Toleranslara göre kontrol iş yerlerinde en çok kullanılan bir kontrol metodudur. Ancak yüzde yüz
kontrol yapılamıyor ancak belli örnekler alınarak toleranslara göre kontrol yapılıyorsa hatasız ürün
üretmek imkansızdır. Bu konularda iş yerlerinde geliştirilmiş olan belli aralıklarla veya rasgele numune
alma yöntemleri hiçbir bilimsel esasa dayanmaz. Yukarıda açıklanan toleranslara göre kontrol
yöntemi bilimsel bir çalışmaya dayanmaktadır ve hatayı en aza indireceği ispatlanmıştır.

Kontrol çizelgesi kullanıldığı durumda bazı sorunlar ortaya çıkmaktadır:

1. Kontrol çizelgesinin resmi durumu nedir? Kalite mühendisini resmi olmayan bir önerisi midir?
Yoksa spesifikasyon gibi, toplu pazarlık anlaşması vs. gibi kişisel olmayan ancak “geçerli olan” bir
amir midir? İşçiler uyumsuz ürüne tepki gösterirler çünkü spesifikasyon limitleri iş yerinde
kanundur. İşçiler kontrol çizelgelerine aynı şekilde tepki vermezler çünkü geçerlilik tam olarak
ortaya konulmamıştır .

2. Limitler, ürün spesifikasyonuna ilave midir, yoksa onun yerini mi almaktadır?

3. Eğer ilave ise farklılığın olduğu yerde durum nedir; örneğin kontrol çizelgesi daha sık ayar
gerektirirse, süreç yeterli değilse vs.?

4. Eğer kontrol çizelgesi spesifikasyon yerine kullanılıyorsa geçerlilik niçin ortaya konulmamıştır,
yani spesifikasdyonları karşılama konusunda işçinin sorumluluğunu kaldıran resmi bir talimat
yoktur?

Bu sorular cevaplandırılmadıkça karışıklık bitmeyecek ve çizelgeler doküman dolaplarına gömülmeğe


devam edeceklerdir.

88
BÖLÜM 1 İLE İLGİLİ PROBLEMLER

1. Bir firma ambarındaki stoklarından 1000 cıvatanın hangi toleranslarda imal edildiğini araştırmak için 50
cıvatanın diş üstü çapını ölçtürmüştür. Sonuçlar aşağıda özetlenmiştir. Cıvataların %99,8 miktarını
kapsayan toleransları hesaplayın.

Adet Çap

3 10,4 mm Çözüm Xort =10,606

12 10,5 σ n-1 = 0,108 (Hesap makinesi ile bulunmuştur.)

20 10,6 3 σ =0,323

9 10,7 Tolerans X ±3 σ = 10,606±0,323

6 10,8

2. Kimyasal bir sıvıdaki çözülmemiş demir miktarı analiz edilerek, milyondaki parça cinsinden (ppm) kontrol
çizelgesine işlenmektedir. Saatlik olarak 125 numune alınıp analiz edildikten sonra bunlar numune alma
sırasına göre her biri 5 ölçülük 25 grup halinde düzenlemiştir. Bu verilerden ΣX=390,8 ve ΣR=84 olarak
hesaplanmıştır. Sürecin istatistik kontrol altında olduğunu kabul ederek Xort--R çizelgesi için limitleri ve bu
sürecin standart sapmasını hesaplayın. Cevap 17,58; 13,68; 7,09; 0; 1,45

3. Yukarıdaki problemde ürün şartnamesi çözülmemiş demir miktarını maksimum 18 ppm olarak vermiştir.
Normal dağılım olduğunu ve sürecin istatistik kontrol altında olduğunu farz ederek bu şartname dışına
çıkan ürün yüzdesini tahmin edin. Cevap %5 –6 arası

4. 4. Bir ürünün tüplerinin ağırlığının etiket değerinin %98 den az olmayacağı konusunda bir standart
bulunmaktadır. Üretici firma üretim esnasında her 10 alt grupluk tüplerin ağırlıklarını ölçmektedir. 20 Alt
grup için ΣXort=731,4gr ve ΣSort=9,66 gr. olarak tespit edilmiştir. Sürecin istatistik kontrol altında
olduğunu kabul ederek Xort ve S için kontrol limitlerini hesaplayın. Eğer etiket ağırlığı 36 gr ise ürünün
standardı karşılayıp, karşılamadığını gösterin Cevap X=731,4/20=36,57 Sort=9,66/20=0,483
δ=0,483/0,97=0,497 ÜKL=Xort+A3x0,497=36,57+0,975x0,497=37,05
AKL= Xort-A3x0,497=36,57-0,975x0,497=36,08

ÜKL=SortxB4=0.483x1,716=0,829

AKL=SortxB3=0,483x0,284=0,137

Cpk=(36,57-36x0,98)/3x0,497=1,29/1,49=0,86 Not %1 civarında standart dışı üretim yapılmaktadır.

89
5. Sürecin kritik bir boyutu üzerinde kontrol çizelgesi uygulanmaktadır. Alt grup büyüklüğü 5 olup, 25 alt
grup sonra ΣXort=562,5mm ve ΣR=90 mm olarak bulunmuştur. Bu sürecin orta değerlerini ve limitlerini
hesaplayın Sürecin istatistik kontrol altında olduğu kabulü ile σ değerini hesaplayın. Cevap:20,41; 22,5;
24,59: 0; 3,60; 7,60; 1,55

6. Ürün belli bir karakteristiği için 120±5,0 standardına göre imal edilmektedir Üretimin tahmini süreç
ortalaması 120 ve standart sapması 1.5 olarak hesaplanmıştır a) Alt grup büyüklüğünü 4 kabul ederek Xort-
R çizelgesi için kontrol limitlerini hesaplayın. b).Ortalama aniden 121 değerine yükselse, süreç stabil
kalmak şart ile yüzde kaç tolerans dışı ürün ile çalışır? Cevap a) 122,25; 117,5; 7,05; 0 b) %0,4

7. Uzun bir zamandır belli bir süreç kontrol çizelgesi ile izlenmektedir. Numune sayısı 4 olup 2 saatte bir
Xort-R çizelgesine işlenmektedir. Xort çizelgesine ait limit değerler 121 ve 129 olarak hesaplanmış olup,
hedef değer 125 dir. a) Eğer ürün 127,0±8,0 şartnamesine sahip bir müşteriye satılsa, normal dağılım
şartı ile yüzde kaç ürün bu şartnameye uymaz? Cevap %1,22. b) Standart sapmayı etkilemeden hedef
değer kaydırılırsa, hangi hedef değerde şartname değerinin dışındaki ürün miktarı minimuma iner? Cevap
127 c) Bu hedef değerde yüzde kaç ürün şartnameyi karşılamaz? Cevap %0,4 den az

8. Bir ısıtıcı üreticisi için boru imal eden yan sanayide boru uzunluları kritik boyut olarak Xort-R kontrol
çizelgesi ile izlenmektedir. Başlangıçta 4 alt grupluk örnekler içeren 25 numune alınmış ve ΣXort=500 ve
ΣR=51,475 olarak bulunmuştur. Kontrol çizelgesinin limitlerini hesaplayınız. Cevap 21,5: 18,5: 4,7; 0.

9. İki saatte bir 5 parça örnek alınan bir süreç Xort ve R çizelgesi ile izlenmektedir. Kritik boyutlardan biri
için teknik resim 2,119 ±0,010 vermektedir. Ürün bu değerin altında ise hurdaya ayrılmakta, üstünde ise
düzeltilmektedir. 50 alt gruptan sonra ΣXort=106,200 ve ΣR=581,5 olarak hesaplanmıştır. a) Çizelge
limitlerini hesaplayınız b) Süreci stabil kabul ederek σ yı ve ürünün % ne kadarının tekrar işlendiğini ve
ıskartanın miktarını söyleyiniz. Cevap σ =5 %16 tekrar işleme ve %0 ıskarta

10. a )Yukarıdaki sorunda birisi üst tolerans limitinin üst kontrol sınırına eşit alınması ve alt tolerans
limitinin alt kontrol sınırına eşit yapılmasını önermiştir. Bu değişikliğin tasarım departmanı tarafından
kabul edileceği farz edilirse bu teklif kanınızca iyi bir öneri midir? Değilse niçin değildir?b )Başka biri
sorunu X çizelgesinde 3 σ limiti kullanmak yerine 2 σ limiti kullanmakla çözülebileceğini önermiştir. Bu
iyi bir teklif midir? Değilse niçin değildir? c ) Başka bir mühendis grup büyüklüğünü 5 den 10 a
çıkarmakla her iki kontrol limitinin toleransların altına ineceğini iddia etmiştir. Bu öneriyi irdeleyiniz. d )
Öneriler ve yaklaşım makul mü? Yoksa başka ne gibi çalışmalar yapılmasını önerirsiniz?

11. Kritik bir boyut toleransı 9.000±0,010 mm olan bir üretim sürecinde bir süredir Xort -R çizelgesi
kullanılmaktadır. Xort ve R için limit değerler:ÜKLx=9,004 AKLx=9,996 ÜKLR =0,0148 AKLR=0 Alt
grup büyüklüğü 5 olup, sürecin standart sapması σ =0,003 olarak hesaplanmıştır. Sürecin ana ortalaması

90
aniden 8,997 ye inmiş σ değişmemiştir. Xort değerlerinin alt kontrol limitinin altına inmesi olasılığı ne
kadardır

12. Bir plastik boru imalatçısı ürettiği bir boru için X-R çizelgesi uygulamaktadır. Et kalınlığı şartnamede
minimum 4 mm olarak verilmiş borunun her kangalında borudan kesilen bir örneğin çevre boyunca 6
noktadan et kalınlığı ölçülmekte kontrol çizelgesine en ince ve en kalın kesit ile bunlar arasındaki fark R
değeri olarak ve 6 kesitin ortalaması Xort değeri olarak kaydedilmektedir. 25 ölçüm sonra hesaplanan
Xort=4,3 mm ve Rort=0,3 mm olarak hesaplanmıştır. a) Cpk süreç yeterliliğini ve 4 mm nin altında imal
edilen boru kesit miktarını yüzde olarak tahmin ediniz. Cevap: Standart sapma σ =0,3/2,326 =0,13
Cpk=4,3-4/3x0,13=0,76 %1 den fazla b) Ortalama boru kalınlığının en az kaç olmasını önerirsiniz?
Cevap4,4 mm

13. Bir plastik profil imalatçısı ürettiği bir tip profil için her saat başı 1m numuneyi keserek tartmakta X değeri
olarak ve her 2 tartı arasındaki farkı R değeri olarak kayıt etmektedir. 25 ölçüm sonra Xort=420 gr ve
Rort=90 gr olarak hesaplanmıştır. Standart profil metre ağılığını 410±%10 olarak vermekte ve minimumun
değerin altına inmeme şartı koşmaktadır . a ) Standart dışı hafif üretim var mı? ve yüzde miktarı ne
kadardır? Cevap σ =90/1,128=80 Cpk=-420-369/3x80=0,21 %26 b ).Standart dışı ağır üretim var
mı? ve miktarı ne kadardır? Cpk=451-420/3x80=0,13 %35 c ) Bu durumda öneriniz nedir Cevap
Mümkünse Rort değerini azaltmağa çalışmak mümkün olmuyorsa Standardı değiştirmeği önermek.

14. Aynı plastik profil imalatçısı her vardiyada bir defa profil kesitindeki 6 kritik boyutu ölçmekte ve tabloya
kayıt etmektedir. Bu imalatçıya söz konusu 6 kritik boyut için hangi kontrol çizelgesini önerirsiniz?Cevap
Profil kesitindeki en kritik boyut için X-R kontrol çizelgesi uygulamasını önermek ( yani 25 vardiyalık
çalışma sonunda X değerlerini toplayıp 25 e bölerek Xort değerini hesaplamak, her X değeri ile bir
öncekinin farkından R değerlerini bulmak bunların toplamını 24 e bölerek Rort değerini hesaplamak σ =
Rort/d2 hesaplamak, X ve R için alt ve üst limitleri bulmak, çizelgeyi usulüne uygun olarak uygulamak.
Her imalat partisinin bitişinde EXCEL de çizilmiş X-R kontrol çizelgesini üst yönetime rapor etmek.

15. Bir seramik imalatçısı başka bir kuruluş için önemli bir parça imal etmektedir. Her 100 adetlik parti için 5
parça kırılma testi uygulanmaktadır. Minimumum kırılma mukavemetinin 5 psi olması gerekmektedir. Test
edilen gruptan bir tanesi bu değerin altında kırılırsa parti ret edilmektedir. Son günlerde ret edilen parti
sayısı %10 u bulmuştur a) Bir süreç yeterlilik çalışması yapılmasına karar verilmiş ve 20 partilik veriler
kayıt edilmiştir ΣXort=121,00 psi ve ΣRt=23,26. olarak tespit edilmiştir . Xort ve R için kontrol limitlerini
hesaplayın ve σ değerini tahmin edin. b ) Sürecin stabil olduğunu kabul ederek Cpk değerini bulun ve 5
psi den az kırılma mukavemetine sahip olan ürün yüzdesini tahmin edin Cevap Xort=121,00/20=6,05
Rort=23,26/20=1.163 psi. σ =1,163/2,326=0,5 Cpk=6,05-5/3x0,5=0,7 hatalı ürün yüzdesi%2

91
16. Polipropilen ince örtü imal eden bir imalatçının otomatik üretim bandı ürettiği ince plastik tabakanın
kalınlığını mikron olarak 8 farklı noktadan ayrı, ayrı ölçmekte bu ölçüleri ve bunların standart sapmasını
bir ekrandan okumak mümkün olmaktadır. Üretim bandından her yarım saatte bir alınan bu verilerle Xort-
S çizelgesi yapılmak istenmiştir. 25 defa kayıt edilen 8 alt grupluk veriler ile bilinen yönteme göre çizelge
hazırlanmıştır. S çizelgesinde bir anormallik yoktur, ancak Xort. Çizelgesi sık, sık hem alt hem de üst
limitin dışına çıkmaktadır. a ) Bu durumu nasıl açıklarsınız? b ) Xort-S çizelgesinin nasıl hazırlanmasını
önerirsiniz? c ) Süreç yeterliliğini 1 kabul ederek müşteriye üretim toleransları verilmek istenmektedir. Bu
iş nasıl yapılacaktır? Cevaplar a) Bu üretim sürecinin özelliği olarak her 8 kalınlık arasında genel
nedenlerden kaynaklanan farklılıklara benzer şekilde, her yarım saatte bir ölçülen ortalama kalınlıklar
arasında da bu üretim sürecinin yapısından kaynaklanan değişkenlikler vardır. Yani süreç parti değişkenlik
çizelgesi kullanmayı gerektirmektedir. b)Parti değişkenlik çizelgesi şu şekilde uygulanmıştır c ) σ 1= 25
standart sapmalarının ortalaması σ2=25 kalınlık ortalamasının her birinin bir öncekinden farkından
hesaplanan R değerlerinin ortalamasından bulunan standart sapma yani σ 2=Rort/d2 Bu iki standart sapma
şu şekilde birleştirilerek Cpk hesabı için kullanılacak σ bulunur. σ =√ σ 22+(1-1/n) σ12 Cpk=1 alınarak
alt ve üst tolerans hesaplanır.

17. 24 Saat sürekli çalışan kimyasal bir süreçte günde 4 defa H2SO4 için yüzde dönüşüm oranları analiz
edilmekte, her analizin sonucu ile bunların günlük Xort ortalamaları ve R değerleri kaydedilmektedir 24
günlük çalışma sonunda Σ.Xor.= 2244,83 ve ΣR =22,3 olarak hesaplanmıştır. a ) Xort-R Kontrol çizelgesi
için limit değerleri hesaplayın b ) Bu çizelge her günün sonunda yani dördüncü analizde alarm verebildiği
için geri besleme yönünden yeterli görülmemiştir Nasıl bir çözüm önerirsiniz. Cevap

Ana ortalama Xort=2244,83/24=93,535

Rort=22,3/24=0,929

Standart sapma σ =0,929 /d2=0,929/2,06

Xort için AKL ve ÜKL=93,535±A2x0,929 formülünden hesaplanır

b) Her bir analizi bireysel bir değer olarak kabul edip, bireysel çizelge kullanmak veya dörderli kayar
ortalama kullanmak her analiz sonunda istatistik kontrol dışına çıkılıp, çıkılmadığı hakkında bilgi verir. Bireysel
çizelge kullanılırsa 3σ kontrol limiti olarak ve 2 σ uyarı limiti olarak kullanılabilir. Artarda iki noktanın uyarı
limiti dışına çıkması kontrol limiti dışına çıkış gibi değerlendirilir.

18 Belli bir ürün imal edildikçe %100 kontrol edilmekte ve veriler her saat başı özetlenmektedir.
Aşağıdaki tablo 16 saatlik veriyi temsil etmektedir. Kullanılacak p çizelgesi eksen hattını ve 3 σ
limitlerini hesaplayın. Cevap port=0.050 3 σ =0.654√n

92
Saat Kontrol edilen ürün sayısı Şartname dışına çıkan ürün sayısı

1 48 5

2 36 5

3 50 0

4 47 5

5 48 0

6 54 3

7 50 0

8 42 1

9 32 5

10 40 2

11 47 2

12 47 4

13 46 1

14 46 0

15 48 3

16 39 0

19 Bir imalatçı bir sandığa konulmuş birkaç bin parça içeren kutular halinde küçük cıvatalar satın
almaktadır. Her sandık birçok kutu içermektedir. Bu cıvataların kabul prosüdürünün bir gereği olarak,
her kutudan alınmak şartı ile rasgele 400 örnek alınmakta ve gözle kontrol edilmektedir. 10 Sandığın
kontrolu sonunda hatalı yüzdeleri şu şekilde tespit edilmiştir: 0; 0; 0,5; 0,75; 0; 2,0; 0,25 0; 0,25
ve 1,25. Bu sandıklar için kontrol çizelgesi uygulansa istatistik kontrol limitleri nedir ve bütün
sandıklar limitler içinde kalıyor mu? Cevap ÜKLp=0,016 AKLp=0

20 Bir parça 200 adetlik partiler halinde yapılmaktadır. Her parti %100 kontrol edilmektedir. İlk 25 parti
için veriler 75 parçanın standarda uymadığını göstermektedir. a) np Çizelgesi için kontrol limitlerini
gösteriniz. b) Bütün noktaların kontrol limiti içine düştüklerini kabul ederek ortalama hatalı oranı p
nedir. Cevap a)ÜKLnp=8,196, AKLnp=0 b)0,015

93
21 Özel bir elektronik cihaz üretiminde, günlük muayene sonuçları kaydedilmektedir. 21 süre ile her gün
100 aksam kontrol edilmiş ve toplam 546 ünite özel ısı gerilmesi testinde uygun bulunmamıştır. En
düşük ve en yüksek dörder p değeri aşağıda listelenmiştir

En yüksek En düşük

0,46 0,18

0,33 0,18

0,31 0,20

0,31 0,21

a ) p Kontrol çizelgesi için orta ekseni ve kontrol limitlerini hesaplayın

b ) Önereceğiniz hedef bir p0 değeri ile bundan sonra kullanılacak p çizelgesinin limit değerleri nedir.

Cevap a )0.392; 0,260; 0,128 b )0,380; 0,250; 0,120

21. Hatalı yüzdesi %10 olan bir süreçten her defasında 200 örnek alınmaktadır.

a ) Her numune için beklenen ortalama hatalı sayısı nedir?

b ) Bir numunedeki hatalıların 3 σ limitini bulun?

22. Bir elektronik firmasında yeni bir parça imalatına başlama prosedürü, hatalı seviyesi kabul edilebilir bir
değere ininceye kadar asgari 4 ay süre ile %100 kontrol öngörmektedir. Bir ürün için 20 günlük çalışma
esnasında 960 hatalı ürün tespit edilmiştir. Bu esnada yapılan üretim 31 985 adettir. Kullanılacak p çizelgesi
için günlük ortalama ürün sayısını baz alarak ana ekseni ve limitleri hesaplayınız. Cevap 0,043; 0,030; 0,017

23. Yukarıdaki problemde kontrol limitleri bulunup çizelgeye işlendikten sonra üst kontrol limitinin
dışında üç nokta tespit edilmiştir. Bu günlerde imal edilen ürün sayısı 4 950 ve hatalı ürün miktarı 232 adettir.
Bundan sonraki üretim periyodu için hangi p0 değerinin kullanılmasını önerirsiniz?

24. Bir üretici süreç ortalama hatalı yüzdesini %1 ve daha az olmasını hedeflemektedir. Günlük üretim
1500 adet olup, 2 günlük üretim sevkiyat için bir parti oluşturmaktadır. Her gün 250 örnek alınıp np çizelgesi
uygulanması planlanmıştır. Bu sürecin 3 σ limitlerini tespit ediniz.

25. p Çizelgesi kullanılan bir üretim işleminde 3 σ limiti yerine 2 σ limiti kullanılmaktadır. Standart bir p0
olarak 0,015 kullanılmaktadır. %100 kontrol uygulanan ilk günlerde günlük ortalama üretim 800 adet olarak
öngörülmekte ve bu miktar bir örnek alt grubu olarak düşünülmektedir. Bu üretime göre p çizelgesinin
kontrol limitlerini hesaplayınız

94
26. Dışarıdan düzenli olarak satın alınan bir ürün için np çizelgesi uygulanması planlanmıştır. Her parti
200 parça içermekte ve %100 kontrol edilmektedir. İlk alınan 30 partide ortalama hatalı oranı 0,014 olarak
hesaplanmıştır. np çizelgesi için kontrol limitlerini hesaplayınız.

27.Aşağıdaki tablo uçak son muayenesindeki eksik perçin miktarlarını vermektedir

Uçak numarası Eksik perçin sayısı Uçak numarası Eksik perçin sayısı Uçak numarası Eksik perçin sayısı

201 8 210 12 218 14

202 16 211 23 219 11

203 14 212 16 220 9

204 19 213 9 221 10

205 11 214 25 222 22

206 15 215 15 223 7

207 8 216 9 224 28

208 11 217 9 225 9

209 21

Ortalama hata oranını bulun ve kontrol çizelgesinin limitlerini hesaplayın. Daha sonraki periyot için hangi
c0 değerini önerirsiniz. Cevap. ÜKLC=25,28 (25,5); AKLc=2,80(2,5); c0=12,96

28. Fotoğraf filmlerinin üzerindeki yüzey düzgünsüzlüklerinin sayılarının izlenmesi için c çizelgesi
kullanılmaktadır. Çizelge ortalama c değeri için 2,6 değeri kabul edilmiştir. Bu süreç 3 σ kontrol limitlerini
bulunuz.

29. Porselen emaye su ısıtıcı kabinleri üzerindeki yüzey düzgünsüzlüklerinin izlenmesi için bir ç çizelgesi
kullanılmaktadır. Her kabin belli bir sınıflama düzgünsüzlüğü için muayene edilmekte ve sayılar c çizelgesine
girilmektedir. Çizelge üzerinde iki limit kullanılmaktadır: +3 σ bir kontrol limiti +2 σ bir uyarı limitidir. Eğer
bir nokta kontrol limitinin üzerinde ise veya sıradaki iki nokta kontrol limiti ile uyarı limiti arasında ise süreç
sorun çözülünceye kadar stop edilmektedir. Merkez hattı olarak c0=2,5 hedeflenmiştir. Uyarı ve kontrol
limitlerini hesaplayınız. .

95
30. Bir tekstil üreticisi kumaş toplarında bulduğu düzgünsüzlükler için c çizelgesi kullanmağa başlamıştır.
Her top aynı uzunlukta, genişlikte, dokumada ve kompozisyondadır. Muayene edilen son 25 topta 145
düzgünsüzlük tespit edilmiştir. En yüksek ve en düşük dört sayı aşağıdadır:

En yüksek En düşük

20 4

16 4

10 5

9 5

a )Bu süreç için 3 σ kontrol limitlerini hesaplayınız

b ) Süreç istatistik kontrol altında mı? (stabil mi?) Değilse bundan sonraki periyot için hedef c0 ve kontrol
limitleri hakkında öneriniz nedir?

31. Bir oluklu kağıt imalat hattını kontrol etmek için u çizelgesi kullanılmaktadır. Son ürün 2000 mm
genişlikte, değişen uzunlukta rulolar içinde üretilmektedir. Hatalar içine yüzey düzgünsüzlükleri, tutkallama
kusurları, oluklu iç tabaka üzerine uyumsuz germe ayarı vs. dahildir. Kontrol istatistiği numune alınan rulodan
her 100 ft kağıt üzerinde tespit edilen düzgünsüzlüklerdir. 20 rulo muayene edildikten sonra toplam
düzgünsüzlük sayısı 340 olarak sayılmış ve 9 300 ft kağıt muayene edilmiştir

a ) 100 ft deki ortalama hata yani ortalama u değerini bulun

b ) 3 σ kontrol limitleri için formülü verin ve belirli limitleri hesaplamak için en uygun forma sokun.

c ) Aşağıdaki üç temsilci örnek için kontrol limitlerini bulun ve noktaların kontrol içinde olup, olmadığını
belirleyin.

Ft olarak rulo uzunluğu uyumsuzlukların sayısı

250 7

500 34

150 11

32. Bir televizyon alıcısı kabinin son muayenesinde yüzey uyumsuzluklarının sayılarının izlenmesi için c
çizelgesi kullanılmaktadır. Muayene bir alt grup oluşturan artarda 6 şar kabin üzerinde yapılmaktadır. Üretimin
%30 u kontrol edilmektedir. En son muayene edilen 15 alt grupta tespit edilen uyumsuzluk sayısı 138 dir Bu
sürecin merkez hattını ve kontrol limitlerini hesaplayın

96
33. Bir takım tezgahı operasyonu için geçer geçmez mastar ile, örnekleme yöntemi ile muayene yapılması
ve np çizelgesi uygulanması kararlaştırılmıştır. CNC torna tezgahı işlenen parça teknik resminde verilen çap
9650±0150 mm dir. Eskiden aynı tezgahta imal edilmiş 50 parça ölçülerek standart sapma σ =0,045 mm
olarak hesaplanmıştır. Örnekleme ile muayene geçer mastar için +1 σ büyük ve geçmez mastar için -1 σ küçük
olarak hazırlanmıştır.

a ) Mastar limitlerini hesaplayınız.

b ) Süreç doğru olarak merkezlendiği zaman mastar her iki testini geçmeyecek parça oranı nedir?

c ) np çizelgesinin kontrol limitlerini alt grup sayısını 12 kabul ederek hesaplayınız

Cevap: a ) 9695; 9605 b) 0,1587 c )5,70; 1,90

34. Teknik resimde çapı 61,50 ±05 mm olarak verilmiş bir parça CNC tezgahta imal edilmekte ve
toleranslara göre kontrol edilmektedir.

a )Numune alarak toleranslara göre kontrol işlemine başlamak için artarda 5 parçanın hangi boyutlar
içinde kalması gerekir?.

b ) Tezgahta bu parça için her vardiyada iki defa ayarın gözden geçirilmesi ön görülmüştür. Numune alma
aralığı kaç dakikadır?

c ) Alınan şu örnekler için: üretime devam, tezgah ayarı, yardım çağır ve stop karalarından hangisini
verirsiniz?

61,47 61,51

61,46-61,54

61,45-61,46

61,52-61,56

35. Bir ısıl işlem sürecinden çıkan ürünler toleranslara göre kontrol edilecektir. Şartnamede belirtilen
minimum sertlik 60 Rc olup, aynı üretim sürecinde daha önce imal edilmiş ve en iyi sertleşmiş ürünün sertliği
68 Rc olarak ölçülmüştür.

a)Toleranslara göre kontrol için yeşil bölge, sarı bölge ve kırmızı bölgenin sertlikler hangi aralıklardadır?

b ) Isıl işlem süreci her gün ayarlanarak set edilmektedir. Süreçten ikili örnek kaç dakika aralıklarla
alınmalıdır.

97
36. Honlama işleminden çıkan ürünlerin yüzey pürüzlülüğü toleranslara göre numune alma yöntemi ile
kontrol edilecektir. Teknik resimde yüzey pürüzlülüğü için maksimum değer verilmiştir. Yeşil bölgenin üst
sınırı bu değerin yüzde kaçı olacaktır?

2.BÖLÜM

ÖRNEKLEME İLE KALİTE KONTROL


2.1 GİRİŞ

Örnekleme ile kalite kontrol, imalatı bitmiş olan ürünlerden belli sayıda rasgele örnekler alınarak
üretim partisinin kabul veya ret edilmesi tekniğidir. Tekniğin dayandığı teori çok eski olmakla birlikte
uygulama ile ilgili tablolar, grafikler ve diğer dokümanlar özellikle ikinci Dünya savaşı esnasında çok
büyük ve kitlesel satın alma süreçlerini gerçekleştiren Amerikan ordusunun bu tekniği geliştirmek
için bilim adamlarını görevlendirmesi sayesinde başarılmıştır.

Örnekleme ile kalite kontrol ile istatistik süreç kontrol (İSK) arasındaki en büyük fark, örnekleme
yönteminde ürün karakteristiklerinin imalat sürecin doğal değişkenlik sınırları karşılaştırılarak
değerlendirilmesi yerine, şartname ve teknik resimlerde belirtilen toleranslar ile karşılaştırılarak
değerlendirilmesidir. Yani örnekleme yönteminde imalatı bitmiş ve müşteriye sunulmuş olan ürün
partisi bu tekniğe göre belli örnekler üzerinden muayene edilerek kabul edilir veya ret edilir. Bu
bakımdan kalite ilgili bir kararın verilmesi için partinin imalatının bitmiş olması gerekir. Bu açıdan
geri beslemesi daha geç gerçekleşen bir tekniktir. Diğer taraftan teknik kabul edilmiş belli bir hata
veya hatalı yüzdesine göre çalışır.(Kabul edilebilir kalite seviyesi AQL) Her ne kadar İSK tekniğinin
dayandığı dağılım eğrisi, teorik olarak doğru ile sonsuzda birleştiğine göre sıfır hata asla mümkün
değildir. Ancak örnekleme ile kalite kontrol tekniğinin dayandığı kabul edilebilir kalite seviyesi
kavramı psikolojik olarak belli bir hatanın baştan kabul edilmesi gibi algılanmaktadır Bu tekniğine en
önemli tenkit büyük “örnekleme ile kalite kontrol sadece belli sayıda hatalı ürünün teslim alınmasını
garanti eder” ifadesi ile büyük kalite uzmanı Deming’ ten gelmiştir.

Ancak Örnekleme ile kalite kontrol daha yıllarca kullanılacak ve sanayi çeşitli nedenlerle bu
kontrol tekniğine ihtiyaç duyacaktır. Bu nedenle örnekleme yöntemini iyi anlamak, özümsemek ve
bilinçli bir şekilde kullanmak gerekmektedir. Bu bölümde tekniğin dayandığı mantık ve matematik
mümkün olduğu kadar basitleştirilmiş şekilde anlatılmağa çalışılmıştır. Aslında örneğin TS 2756
standardını meydana getiren matematik ve hesaplamalar burada anlatılanlardan daha karmaşıktır.

Diğer taraftan bu bölümde verilen tablolar konuyu açıklamak amacı ile hazırlanmıştır. Kullanmak
gerektiği zaman TS 2756 Standardına başvurmak gerekmektedir.

98
2.2 OLASALIK KANUNLARI

Örnekleme ile kontrol konusunun temelini oluşturan bazı olasılık kanunlarını olabildiğince basit
ve pratik olarak tekrarlamakta yarar bulunmaktadır. Örneğin 6 yüzlü bir oyun zarında herhangi bir
sayının olasılığı 1/6 dır. Eğer tavla oyununda olduğu gibi iki zar kullanılırsa tüm olasılıkları aşağıdaki
gibi listelemek mümkündür:

1-1 2-1 3-1 4-1 5-1 6-1


1-2 1-2 3-2 4-2 5-2 6-2
1-3 2-3 3-3 4-3 5-3 6-3
1-4 2-4 3-4 4-4 5-4 6-4
1-5 2-5 3-5 4-5 5-5 6-5
1-6 2-6 3-6 4-6 5-6 6-6
Şekil.2.1 İki adet oyun zarının tüm olasılıklarının listesi

Toplam olasılık sayısı görüldüğü gibi 36 tane olup, bu sayı olasılık matematiğine göre şu şekilde
elde edilebilir.

1/6x1/6=1/36

Bu matematik kural kullanılırsa 3 zar ile istenilen bir durumun meydana gelme olasılığı:

1/6x1/6x1/6=1/216

Yani üç zarın da örneğin 6 gelme olasılığı 216 da 1 dir

Binom dağılımı

Bu defa bir para örneği ele alınırsa, havaya atılan bir paranın yazı veya tura gelme olasılığı %50’
dir ve bu olasılıklar bayağı kesir olarak ½ ve ondalık olarak 0,5 şeklinde ifade edilir. Aynı şekilde bir
deste oyun kağıdından rasgele bir kağıt alınırsa kırmızı veya siyah gelme olasılıkları, istatistik analizde
şöyle ifade edilir:

0,5+0,5=1

Yani tüm olasılıkların toplamı istatistik analizde 1 ile gösterilir. Aynı şekilde bir deste oyun
kağıdında rasgele iki kağıt alınırsa renkler bakımından olasılıklar şu şekilde listelenebilir:

SS, SK, KS, KK veya SS+2SK+KK Bu olasılıkları istatistik analizde şu şekilde ifade edilebilir:

(0,5+0,5)+2(0,5+0,5)+(0,5+0,5)=1

99
Üç kart çekildiğinde meydana gelebilecek durumlar:

SSS, SSK, SKS, KSS, KKS, KSK, SKK KKK Şeklinde listelenebilir ve bu durum şu şekilde
özetlenebilir. SSS+3SSK+3KKS+KKK. Bu olasılıklar istatistik analizde yine şu şekilde ifade
edilebilir:

0,53+(3x0,53)+(3x0,53)+0,53 =1

Üç kartın kırmızı olma olasılığı 0,53=0,125 veya bayağı kesirle bir ifade edilirse 8 de 1 dir. Aynı
şekilde iki kartın kırmızı diğerinin siyah olma olasılığı 3x0,53=0,375 veya 8 de 3 tür.

Yukarıda açıklanan durumlar şu şekilde özetlenebilir:

S+K

S2+2SK+K2

S3+3S2K+3K2S+K3

Bu mantıkla devam edersek aynı desteden n tane kart alınsa, meydana gelecek olasılıklar (S+K)n
formülünün açılımı olacaktır.

(S+K)n =Sn+nS(n-1)K+n(n-1)S(n-2)K2/2x1+……….

Bu açılıma Binom açılımı adı verilir ve yukarıdaki formül kalite kontrol ile ilgili sorunlara şu
şekilde uygulanır:: Örneğin bir ürün yığını içinde %S hatalı ürünü ve %K hatasız ürünü temsil
ediyorsa ve bu ürün partisi içinden n adet numune alınırsa numune içinde 0, 1, 2, 3….vs. adet hatalı
ürün bulunma olasılığını (S+K)n formülünün açılımı verecektir

Bu durumu sayısal bir örnek vererek daha somut bir hale getirmek yararlıdır

Ürün yığını %10 hatalı ürün içermiş olsun ve bu yığın içinden 40 adet numune alınsın. Meydana
gelecek olasılıklar (0,90+0,10)40 formülünün açılımı olacaktır, yani:

(0,90+0,10)40=(0,90)40.+40. (0,90)39 0,10+40.(0,90)38.0,102/2x1+……….

Bu hesaplamalar yapılırsa.40 adet numunede 0 hatalı ürün bulunma olasılığı.= (0,90)40.=0,0148


veya yüzde olarak%1,48 dir.

40 adet numunede 1 hatalı ürün bulunma olasılığı=40. (0,90)39 0,10=0,065 veya yüzde 6,5

100
40 adet numunede 2 hatalı ürün bulunma olasılığı=40. (0,90)39 0,10=0,142 veya %14,2 dir

Bu hesaplamalara 3, 4…vs. devam edilir ve hesaplanan yüzdeler bir grafiğe işlenirse aşağıdakine

benzer grafik elde etmek mümkündür:

Görüldüğü gibi Binom dağılımına göre hatalı ürün sayısı eğrisi normal dağılım eğrisine çok
benzemektedir ve teorik olarak bir dağılım eğrisi olduğunu ispatlamak mümkündür. O halde bir
standart sapması vardır ve standart sapmanın şu formülle bulunur::

Standart sapma= σ =√p(1-p)/n

Burada p= hatalı ürün oranı

n=Numunedeki ürün sayısıdır

Görüldüğü gibi örnekleme ile kalite kontrol tekniği de normal dağılım eğrisini ve standart
sapmayı esas almaktadır. Yani İSK ile örnekleme ile kalite kontrol aynı temel esaslara göre
kurulmuştur. Ancak uygulamada çok önemli bazı farklılıklar vardır

B İN O M D A Ğ IL IM I

20
YÜZDE OLARAK MEYDANA

18
16
GELME OLASILIĞI

14
12
10
8
6
4
2
0
1 2 3 4 5 6 7 8 9 10
N U M U N E D E K İ H A T A L I S A Y IS I

Şekil.2.2.Binom olasılık dağılım eğrisi

ÖRNEK.2.1

Bir ürün yığını veya bir üretim süreci numune alınarak kontrol edilmektedir. Numune büyüklüğü
n=20 olup, muayene planına göre numunede 3 veya daha az hatalı ürün varsa parti kabul edilmekte 4
veya daha fazla hatalı varsa parti ret edilmektedir.

a ) Üretim süreci p=0,05 (%5) hatalı oranı ile devam ederken 20 numunede 3 veya daha az hatalı
bulunması olasılığı nedir?

101
b ) Bu durumda partinin kabul edilme olasılığı ve ret edilme olasılığı nedir?:

c ) Üretim sürecinin hatalı oranı birden artarak %10 değerine ulaşmıştır. Aynı numune alma planı
ile numunenin kabul edilme olasılığı nedir?

ÇÖZÜM: a) Partinin hatalı oranı 0,05 ve numune sayısı 20 olduğuna göre:(0,95+0,05)20


denklemini açılımı hesaplanacaktır. Bu açılımda birinci terim numunede 0 hatalı bulunma olasılığını,
ikinci terim 1 hatalı bulunma olasılığını, üçüncü terim 2 hatalı bulunma olasılığını vs. verecektir.

(0,95+0,05)20=0,358 + 0,377 + 0,148 + 0,058 + 0,013 +……. bulunur. Yani

Numunede 0 hatalı ürün bulunma olasılığı =%35,8

Numunede 1 hatalı ürün bulunma olasılığı =%37,7

Numunede 2 hatalı ürün bulunma olasılığı =%14,8

Numunede 3 hatalı ürün bulunma olasılığı=%5,8

Bu durumda numunede 3 veya daha az hatalı ürün bulunma olasılığı bunların toplamıdır.
0,358+0,377+0,148+0,058=0,941 veya %94,1

Üretim %5 hatalı ile devam ederken bu plana göre numunenin kabul edilme olasılığı %94,1 ve ret
edilme olasılığı=1- 0,941=0,059 veya %5,1 tir.

c ) Bu defa (0,90 + 0,10)20 denkleminin açılımını hesaplanmalıdır.

Poisson dağılımı

Yukarıda açıklanan Binom dağılımının istatistik kalite kontrol açısından uygulanması külfetli
hesaplamalar gerektirmiştir. Özellikle bilgisayar teknolojisinin ilk başlangıç yıllarında ve tüm
hesaplamaların basit mekanik makinelerle ve logaritma cetvelleri ile yapıldığı dönemlerde olasılık
hesapları için Binom dağılımı ile yaklaşık aynı sonuçları veren Poisson dağılımı kullanılmıştır.

Bu dağılımda bir (numunede beklenen hata) terimi kullanılacaktır, m ile temsil edilen bu terim şu
şekilde hesaplanır:

m=hatalı yüzdesi x örnek sayısı

102
Burada hatalı yüzdesi uzun bir deneme sonunda tespit edilen uyumsuz ürün yüzdesidir Örneğin
hatalı oranı %10 olan ve örnek sayısı. 40 olan bir numunede beklenen hatalı sayısı m=0,10x40=4 tür

Bu örnek Poisson dağılımına uygulanırsa

e-m(1+ m/1x2 +m2/1x2x3 + m3/1x2x3x4+……………..vs.)

Bu denklemin açılımı 0, 1, 2, 3, 4……vs. hatalı oranı olasılıklarını vermektedir. Burada e doğal


logaritmanın tabanı olup değeri 2,7183 olup yukarıdaki hesaplar hesap makineleri ile kolayca
yapılabilir. Yukarıdaki hatalı oranı %10 ve numune büyüklüğü 40 olan durumda m=4 alınırsa
denklemin açılımı şu sonuçları verecektir.

0,018+0,072+0144+0,192+0,200+……………..vs.

Bu sonuçlar analiz edilirse

0,018 =40 numunede 0 hatalı bulunma olasılığıdır. (Binom dağılımı ile bulunan 0,0148 ile yakın)

0,072= 40 numunede 1 hatalı bulunma olasılığı (Binom dağılımı ile bulunan 0,065 ile yakın

0,144=40 numunede 2 hatalı bulunma olasılığı (Binom dağılımı ile bulunan0,142 ile yakın

vs.

2.3 İŞLEM KARAKTERİSTİK EĞRİSİ

Yukarıdaki örneğe benzer bir numune alma planı düşünülsün. Bu plana göre ürün yığınından
veya imalat sürecinden alınan örnek sayısı 40 adet ürün olsun ve bu 40 adet ürün içindeki hatalı sayısı
1 ise parti kabul edilsin, hatalı sayısı 2 ise parti ret edilsin. Bu durumu daha iyi analiz etmek için
imalat sürecinin veya ürün yığının çeşitli hata yüzdelerinde partinin kabul veya ret olasılıklarını
hesaplanmak istensin. Bu amaçla Şekil.2.3 de görülen tablo hazırlanmıştır.

Tablodaki ilk kolon sürecin veya ürün yığınının hatalı yüzdesini temsil etmektedir. Bu yüzdeler
%0,5 den başlanarak %10 a kadar sıralanmıştır. Her durum için m değeri (numunede beklenen hata
sayısı), e-m (0 hatalı bulunma olasılığı), m.e-m(1 hatalı bulunma olasılığı) ve bu iki olasılığın toplamı ile
elde edilen partinin kabul olasılığı oran ve yüzde olarak listelenmiştir.

103
Örneğin süreç 0,005 (%0,5) hatalı içerirken 40 adet numunede beklenen hatalı sayısı
40x0,005=0,2 dir. Birinci kolonda çeşitli hatalı yüzdelerine göre m değerleri listelenmiştir: İkinci
kolon numunede 0 hatalı ürün bulunma olasılığını, üçüncü kolon ise numunede 1 hatalı ürün
bulunma olasılığını vermektedir. Bu iki kolonun toplamı söz konusu numune alma planı ile partinin
kabul edilme olasılığını vermektedir ve son kolona bu olasılıklar oran ve yüzde olarak listelenmiştir.

Hatalı yüzdesi m e-m m.e-m Partinin kabul olasılığı

0,5 0,2 0,82 0,164 0,984 yani%98,4

1,0 0,4 0,67 0,268 0,938 yani%93,8

1,5 0,6 0,55 0,33 0,88 yani %88

2 0,8 0,45 0,36 0,81 yani %81

3 1,2 0,30 0,36 0,66 yani %660

4 1,6 0,20 0,32 0,52 yani %52

5 2,0 0,14 0,28 0,42 yani%42

6 2,4 0,09 0,216 0,306 yani %31

7 2,8 0,06 0,168 0,228 yani%23

8 3,2 0,04 0,128 0,168 yani % 17

10 4 0,018 0,072 0,096 yani %10

Şekil.2.3. Poisson dağılımına göre imalat sürecinin çeşitli hatalı yüzdeleri için partinin kabul
olasılıkları

Elde edilen bu sonuçlar Şekil.2.5 de görüldüğü gibi bir grafik halinde çizilebilir. Grafiğin yatay
ekseni sürecin hatalı yüzdesini, düşey ekseni ise partinin kabul edilme olasılığını vermektedir
Tablodaki sonuçlara göre elde edilen eğri, kullanılan numune alma planının işlem karakteristik eğrisi

104
olarak isimlendirilir. Eğriden görüldüğü gibi hatalı yüzdesi artıkça partinin kabul olasılığı
azalmaktadır.

Söz konusu planı başka bir numune alma planı ile karşılaştırmak için numune sayısı 180 olan ve 4
ve daha az hatalı bulunursa partinin kabul edildiği 5 ve daha fazla hatalı bulunursa ret edildiği
numune alma planı ele alınsın. Söz konusu numune alma planını analiz etmek için yine Poisson
dağılımı kullanılacaktır. Şekil.2.4. de görülen tabloda birinci kolon sürecin hatalı yüzdesini, ikinci
kolon m beklenen hatalı sayısını, üçüncü, dördüncü, beşinci ve altıncı terimler sıra ile 1, 2, 3 ve 4
hatalı olasılığını vermektedir.

Sürecin hatalı m e-m m.e-m m2e-m/2x1 m3e-m/3x2.x Partinin kabul

Yüzdesi olasılığı

0,5 0,9 0,407 0,366 0,163 0,049 0,986 yani %99

1,0 1,8 0,165 0,297 0,267 0,140 0,869 yani %87

1,5 2,7 0,067 0,181 0,245 0,216 0,709 yani %71

2,0 3,6 0,027 0,097 0,175 0,209 0,508 yani %51

3,0 5,4 0,005 0,027 0,073 0,1312 0,236 yani %24

Şekil.2.4 Hatalı 4 parça için partinin kabul edildiği, 5 hatalı için ret edildiği planda kabul
olasılıkları

Şekil.2.5 te yukarıda numune alma planı tablosundan alınan verilerle çizilen işlem karakteristik
eğrisi 40 ½ planı ile karşılaştırılmalı olarak gösterilmiştir. Eğrilerin incelenmesi ile görülebileceği gibi
%0,5 hatalı içeren bir süreçte her iki eğri %98 kabul olasılığı verirken sürecin hatalı yüzdesi artıkça
401/2 planı daha büyük kabul olasılığı vermekte, oysa 1804/5 eğrisi giderek daha az olasılıkla partiyi
kabul etmektedir. Bir işlem karakteristik eğrisi önceden tespit edilmiş ve üretici ile müşteri arasında
mutabık kalınmış bir hatalı yüzdesinde büyük bir kabul olasılığı vermeli hatalı yüzdesi artıkça
mümkün olduğu kadar dik olarak aşağı inmeli ve kabul olasılığı hızla düşmelidir.

105
40 1/2 ve 180 4/5 numune alma
planları

100
Yüzde olarak partinin kabul

90
80
edilme olasılığı

70
60
50
40
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11
İmalat sürecinin veya partinin hatalı
yüzdesi

Şekil.2.5. İki numune alma planına ait işlem karakteristik eğrileri

Söz konusu hatalı veya uyumsuz yüzdesine kabul edilebilir hatalı yüzdesi adı verilir ve AQL ile
gösterilir. AQL sürekli parti muayenesi düşünüldüğünde numune alma planı için kalite seviyesini
ifade eder. Genelde alıcı üreticinin AQL üzerinde bir kalite seviyesine sahip olan ürününün büyük bir
bölümünü kabul etmelidir. Üretici de AQL den daha iyi ürün yapmak istemelidir. Bu durum kalite
için bir uzlaşma yoludur. AQL üretici açısından ulaşılabilir kullanıcı açısından ise makul ve kabul
edilebilir olmalıdır

2.4. ÜRETİCİ VE MÜŞTERİ RİSKLERİ VE TESLİM ALINAN ORTALAMA SEVİYE

Örnekleme ile kalite kontrol hem üretici, hem de müşteri açısından riskler taşır; çünkü numune
muayene edilen partinin veya imalatın küçük bir parçasından meydana gelir. Bazen iyi bir parti kabul
edilmeyebilir; çünkü rasgele seçimden dolayı muayene edilmiş örnekler partinin gerçek kalitesini
yansıtmayabilir. Bu durumun meydana gelme riski imalatçı veya tedarikçi riski olarak isimlendirilir ve
(PR) ile gösterilir. İmalatçı riski genel olarak %5 veya %10 ret olasılığı olan parti kalitesi olarak
düşünülür. Yani başka bir ifade ile partinin kabul edilme olasılığı %95 veya %90 iken partideki hatalı
parça yüzdesi imalatçı riski olarak bilinir. Bu durumun tam tersi olarak bazen kötü bir ürün seçilen
örneklerin durumundan dolayı kabul edilebilir. Kötü kaliteli bir ürünün rasgele seçilen örneklerin
tesadüfen iyi olmasından dolayı kabul edilmesi müşteri riski olarak bilinir. Müşteri riski deyimin
İngilizce baş harflerinden dolayı (CR) ile gösterilir ve genel olarak %5 veya%10 olasılıkla kabul edilen

106
partinin kalitesini temsil eder. Şekil.2.5 de görülen karakteristik eğrilerinden imalatçı ve müşteri
risklerindeki partinin hatalı yüzdesini bulmak mümkündür. Bu bakımdan iyi bir işlem karakteristik
eğrisi tüketici riskinde yani %5 veya %10 kabul olasılığında mümkün olduğu kadar AQL değerine
yakın bir hatalı yüzdesi vermelidir. Örnekleme ile kalite kontrol için kullanılan standartlar işlem
karakteristik eğrilerini ve dolaysı ile yukarıda tanımlanan riskleri belirtirler. Bazı standartlar ise
doğrudan bu risklerin miktarları üzerinde kurulmuştur. Görüldüğü gibi örnekleme ile kalite kontrol
için bazı riskleri kaçınılmaz olarak kabul etmek gerekmektedir. Kullanıcı belli bir numune alma
planını kabul ederken %5 veya %10 olasılıkla ne kadar riske girdiğini bilmelidir. Aynı şekilde imalatçı
da kabul planının kendisine ne risk getirdiğini işlem karakteristik eğrisinden incelemelidir.

Örnekleme ile kalite kontrol uygulandığında kural olarak müşteri tarafından ret edilen bir parti
imalatçı tarafından yüzde yüz muayene edilerek tam uygun olarak teslim edilir. Sistem bu kurala tam
uymayı ön görerek kurulmuştur. Tüm tablolar grafikler bu esasa göre hazırlanmıştır. Bu bakımda
teslim alınan ortalama hatalı yüzdesini hesaplamak mümkündür. Örneğin %10 müşteri riskinde kalite
seviyesini işlem karakteristik eğrinden %6 hatalı olarak bulunmuş olsun. Ancak üretim bu hatalı
seviyesinde devam ederken %90 ürün ret edilecek ve tam sağlam olarak teslim edilecektir. Bu
bakımda teslim alınan ortalama hatalı seviyesi %0,6 değerine inecektir. Bu mantıkla teslim alınan
ortalama hatalı yüzdesini, üretim sürecinin her kalite seviyesi için hesaplamak ve bunu bir grafik
halinde çizmek mümkündür. Sonuç olarak numune alma planının işlem karakteristik eğrisi, planın
genel verimi üzerinde faydalı bir inceleme yapılmasına olanak sağlar Buraya kadar anlatılan genel
olasılık kanunlarının bir kalite kontrol işlemine uygulanması ancak aşağıdaki hususları göz önüne
almakla mümkündür:

1. Örnekleme ile kalite kontrol hem imalatçı, hem de müşteri açısında bazı riskler taşır. İşlem
karakteristik eğrisi bu risklerin hesaplanması için kullanılır

2. İşlem karakteristik eğrisi imalatçı ve müşteri arasında kabul edilen numune alma planına
bağlıdır ve her numune alma planı için standartlarda hem eğri hem de tablo olarak verilmiştir.

3. Kabul edilen numune planına göre kontrol edilen birçok parti sonucunda müşterinin
ambarına giren ortalama kalite seviyesi yine hesaplanabilir bir değerdir ve standartlarda tablo
olarak verilmiştir. Bu bakımdan numune alma planının uzun vadeli riski öngörülebilir bir
değerdir.

107
4. Numune alma planı esas olarak imalatçı ve müşteri arasında anlaşmaya varılmış kabul
edilebilir kalite seviyesine (AQL) göre örneklenmektedir ve bu esasa göre kalite kontrol
standartları hazırlanmıştır.

5. Söz konusu standartlar yukarıda özetlenen olasılık kanunlarına temel alarak uzun ve külfetli
bir çalışma sonunda hazırlanmıştır.

6. Örnekleme ile kalite kontrol kurallarına tam uyarak kullanılırsa, kontrol işlemlerinde büyük
ekonomi sağlar: Ancak tekniğin dayandığı mantık iyice anlaşılıp özümsenmedikçe yanlış bazı
uygulamalara neden olabilir.

2.5. ÖRNEKLEME İLE KALİTE KONTROL İÇİN TSE 2756 STANDARDI

Yukarıda genel bazı kavramları açılanan istatistik kurallarına göre hazırlanmış bir Türk Standardı
vardır ve TS 2756 olarak yayınlanmıştır. ISO Standartlarından adapte edilmiş olan bu standardın ilk
yayın tarihi 1977 olup. daha sonra 1996 da aynı standardın ikinci revizyonu yayınlanmıştır. Söz
konusu revizyon tek bir kitap halinde değil, 8 ayrı doküman olarak yayınlanmıştır. Elinizdeki kitap
hazırlanırken genel terminoloji ve açıklamalar için Bölüm 0 dan, nitelik sel özellikler için tablo ve
grafikleri veren Bölüm 1 den, ölçülebilen özellikler için Bölüm 4 ten ve genel bir kılavuz olan Bölüm
7 den yararlanılmıştır.

Ürün birimi olarak birey: Nitelik sel muayenede parti büyüklüğü, numune büyüklüğü veya
örnek sayısı, uyumlu ve uyumsuz örneklerin sayısı gibi bazı kavramların iyi anlaşılmaları gerekir. Bu
amaçla kullanılan birey terimini gram, santim ve diğer birimlerle karıştırmamak gerekir. Mamul birimi
olarak kullanılan birey kavramı yerine madde, nesne gibi kelimeler de kullanılabilmektedir. Örneğin
1000 kg ‘ lık kum çimento karışımı 10 kg’ lık torbalara paketlenmiştir. Burada birey söz konusu
torbadır. Yine başka bir örnek olarak 5000 ürün birbirine uyumlu 2500 kutu ve 2500 kapaktan
oluşmaktadır. Burada birey birbirine uyumlu kutu ve kapaktan oluşan bir bütündür.

Parti ve parti büyüklüğü: Parti aynı koşulları taşıdığı kabul edilen ve örnekleme ile muayene
edilen üretim bireyleri topluluğudur. Her parti aynı zaman sürecinde ve özellikle aynı şartlarda
üretilen maddeleri içermelidir. Parti büyüklüğünün tespitinde muayeneyi yapan kuruluşun belirleme
hakkı vardır. Ancak bu hak makul ve mümkün olduğu kadar üretici ile işbirliği yapılarak tespit
edilmelidir. Örnekleme ile kontrol için partinin büyük seçilmesi avantajlıdır. Çünkü parti büyüklüğü
artıkça örnek sayısının toplam parti sayısına oranı azalmaktadır. Ancak sayıca fazla parti politikası

108
dikkatle uygulanmalıdır. Küçük partiler arasında önemli bir farklılık varsa bunları ayrı tutmakta yara
vardır.

Uyumsuzluklar: Nitelik sel muayenede hatalı- hatasız, uygun-uygun değil, geçer-geçmez gibi bir
ayrıma izin veren özelliklerdir. TS 2756 standardında bir uyumsuzluk kavramı kullanılmaktadır.
Örneğin bir tükenmez kalem yazmıyor olsun; yazmama kusuru bir uyumsuzluktur ve dolaysı ile
kalem uyumsuzdur. Aynı kalem renk, boyut vs. sebeplerle kendi özelliğine göre uyumsuz olabilir.
Dolayası ile kalem sadece uyumsuz birey sayılmasına rağmen birden fazla uyumsuzluk gösterebilir.

Yüzde uyumsuzluk ve yüz bireyde uyumsuzluk sayıları: Verilen bir büyüklükteki ürün
kalitesi yüzde uyumsuzluk veya yüz bireydeki uyumsuzlukların sayısı olarak ifade edilebilir, ancak
bunlar genellikle birbirleriyle değiştirilmezler. Yüzde uyumsuzluk uyumsuz birimlerin sayısının
birimlerin toplam sayısına bölümünün 100 katıdır. Buna karşılık her yüz bireydeki uyumsuzluklar,
uyumsuzlukların toplam sayısının birimlerin toplam sayısına bölümünün 100 katıdır. Örneğin 500
parçadan oluşan bir parti varsayılsın; bunların 15 adedi 1 uyumsuzluk, 4 adedi 2 uyumsuzluk ve 1
adedi de 3 uyumsuzluk göstersin. Partideki yüzde uyumsuzluk= (20/500) x 100= 4 Buna karşılık 100
bireydeki uyumsuzluklar = ( 26/500) x 100 = 5,2 olarak hesaplanır. TES 2756 standardının tabloları
10 veya daha az AQL değerleri için yüzde uyumsuzluğu, ya da her yüz birimdeki uyumsuzlukları
ifade etmektedir. AQL’ nin 10 dan büyük değerleri ise sadece yüz birimdeki uyumsuzlukları ifade
etmektedir.

Kabul edilebilir kalite seviyesi AQL: AQL değeri 2756 standardının çizelgelerinde bir endeks
aracı olarak kullanılmıştır. Üretim sürecinden alınan ürünün kalitesi AQL’ e eşit veya daha yüksek ise
parti genellikle kabul edilecek demektir. AQL’ nin oluşturulmasında geçmişe ait veriler. Mühendislik
hükmü, optimum maliyet ve deneysel seviyeler kullanılır. Büyük çapta satın almalar yapan otomobil
firmaları, beyaz eşya üreticileri satın aldıkları ürünlerin önemine göre AQL değerleri tespit ederek
tedarikçilerine kendi standartları olarak vermektedirler.

Uyumsuzluk ve uyumsuz birimlerin sınıflandırılmaları: Kabul muayenesinin birden fazla


kalite özelliğinin değerlendirmesini içerdiği durumlarda her tipteki uyumsuzluk için ayrı karar
verilmesi gerekir. Uyumsuzluklar genellikle ciddiyet derecesine göre sınıflandırılırlar: Sınıf A: Bu
sınıftaki uyumsuzluklar, ürün ve hizmetler için birinci derecede ilgilidirler. Bu sınıftaki
uyumsuzluklara küçük bir AQL değeri tayin edilmelidir. Sınıf B: Bu sınıf bir alt derecedeki küçük

109
uyumsuzluklarla ilgilidir. Sınıfların sayısı ve sınıfların tayin edilmesi kalite gereksinimlerine uygun
olmalıdır. Sınıflara AQL tayin etmenin birçok yolu vardır. Mümkün olan en kolay yol uyumsuzlukları
Sınıf A ve Sınıf B diye iki gruba ayırıp, her iki gruba bir tek AQL tayin etmektir. Örneğin:Sınıf A
için 0,40 ve sınıf B için 1,5 gibi. Her sınıf için karar ayrı, ayrı verilmelidir. Bazen sınıf sayısı fazla
olabilir. Bunları birleştirerek tek bir AQL kullanmak ta mümkündür.

Muayene seviyeleri: TS 2756 Standardında seçime bağlı 7 ayrı muayene seviyesi belirtilmiştir.
Söz konusu seviyelerin seç,imi için bir kural belirtilmediği sürece muayene seviyesi II kullanılır:S1 ve
S4 arasındaki seviyeler özel muayene seviyeleridir ve tahribatlı muayenelerde kullanılırlar.

Normal, sıkı ve gevşek muayeneler: Yetkili makam tarafından aksi belirtilmedikçe, muayeneye
normal muayene ile başlanır. Normal muayenede 5 veya daha az ardışık partiden ikisinin ret edilmesi
durumunda sıkı muayeneye geçilir. Sıkı muayene sırasında ardışık 5 parti kabul edildiğinde normal
muayeneye geri dönülür. Gevşek muayeneye geçiş kuralları biraz daha karışıktır. Bu defa ardışık 10
partinin kabulü ve bu muayenelerde uyumsuz olarak tespit edilen ürün sayısının bu amaçla
hazırlanmış bir tabloda verilen değeri aşmaması istenir. Ancak daha önemlisi imalatın sakin ve
sorunsuz devam etmesi ile imalatçı ve müşterinin gevşek muayeneye geçişi arzu etmesidir. Gevşekten
normale dönüş için bir partinin ret edilmesi veya üretimde düzensizlik ve gecikme olması yeterlidir.

2.6.TES 2756 STANDARDINA GÖRE NİTELİKSEL KONTROL

Niteliksel kontrol TS 2756 standardının birinci bölümünün içeriğini oluşturmaktadır. Bu kitapta


tanımlar ve açıklamaları izleyen ilk tablo ÇİZELGE 1 olarak belirtilmiş olan numune sayısı kot
harfleri tablosu verilmiştir. Şekil.2.6 da verilmiş olan bu tablodan parti büyüklüğüne göre bir kot harfi
seçilir. Seçilen bu kot harfine ve seçilen AQL değerine göre muayene için numune alma planı ana
çizelgesinden hem numune büyüklüğü hem de kabul ve ret sayıları bulunur. Numune alma planları
tekli, ikili ve çoklu olmak üzere üç tip olarak verilmiştir. Tekli muayenede alınan tek bir numune
grubu ile parti hakkında karar verilir. En basit ve idari yönden kolay olan bu tip genellikle bir defa
daha numune almak için psikolojik bir baskı yaratır. İkili muayenede numune sayısı önce tekliden
azdır, ancak kabul ve ret şartı doğmazsa ikinci bir numune alınır. İkinci numune ile toplam numune
sayısı tekliden fazladır ve ikinci muayenede parti ya kabul ya da ret edilir. Çoklu muayenede en kötü
durumda 7 defa numune alınır ve her defasında kabul veya ret şartı oluşmazsa diğer bir numune
alınır. En son yedincini numunede parti ya kabul edilir, ya da ret edilir.

110
Parti büyüklüğü Özel muayene seviyeleri Genel muayene seviyeleri
S1 S-2 S-3 S-4 I II III
2-8 A A A A A A A
9-15 A A A A B C

16-25 A A B B B C D
26-50 A B B C C D E
51-90 B B C C C E F
91-150 B B C D D F G
151-280 B C D E E G H
281-500 B C D E F H J
501-1200 C C E F G J K
1201- C D E G H K L
3200
3201-10000 C D F H K M N
10001-35000 D E G J L N P
350001-500000 D E G J M P Q
5000001 VE ÜZERİ D E H K N Q R

Şekil.2.6 Numune sayısı kot harfleri

İkili ve çoklu muayene için kabul ve ret kriterlerini veren tablolar buraya alınmamıştır. Ancak
yukarıdaki tablodan bulunan kot harfi ile önce numune büyüklüğü ve sonra seçilen AQL değerine
göre kabul (Ac) ve ret (Re) değerleri bulunur. Örneğin tabloda 3-4 sayıları okunuyorsa 3 uyumsuz
bulunduğu zaman parti kabul edilecek, 4 uyumsuz bulunduğu zaman ret edilecek demektir. Tabloda
her harfe karşı gelen kabul ve ret rakamları yoktur. Eğer rakam yerine okla karşılaşılırsa, ok
istikametinde ilerlenerek, okun ucundaki ilk kabul, ret rakamı kullanılacaktır. Ancak bu defa numune
büyüklüğü için kabul, ret rakamlarının okunduğu satır hizasındaki numune büyüklüğü sayısı
kullanılacaktır. Tekli muayenede kabul ve ret rakamları arasında bir sayı yoktur. Bu bakımdan ilk
numune alınışta karar vermek mümkündür. İkili muayenenin ilk kabul ret rakamları örneğin 2-4 gibi
aralarında birden fazla fark olan sayılardır. Bu bakımdan ilk numunenin durumuna göre bir defa daha
numune almak gerekebilir. Tekli, ikili ve çoklu numune alma planları arasında ekonomik bir
karşılaştırma yapmak, yani hangi numune alma planı ile daha az muayene yapıldığını hesaplamak
mümkündür. Standart bu konuda yardımcı olmak amacı ile ikili ve çoklu numune alma işlemlerinde
ortalama numune büyüklüğü eğrilerini bir tablo halinde vermiştir. Ancak bu konunu partinin
uyumsuz oranına bağlıdır. Parti öngörülen AQL den çok iyi veya çok kötü kalitede ise ilk numuneler
ile kabul veya ret kararına varılabilir. Bu durumda çoklu veya ikili numune alma planları daha
ekonomik olur. Parti ön görülen AQL değerine yakın bir kalitede ise tekli numune alma planı daha
ekonomik olabilir. Standart çeşitli numune alma planları ile ilgili kabul ve ret sayılarını veren tabloları
normal, sıkı ve gevşek muayene için ayrı, ayrı vermiştir.

111
Numune Numune Kabul edilebilir kalite seviyeleri (Normal muayene)
Sayısı sayısı 0,1 0,4 1 1,5 2,5 4 6,5 10
Kot harfi Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac Re Ac
A 2 0 1
B 3 0 1 1
C 5 0 1 1 2 2
D 8 0 1 1 2 2 3 3
E 13 0 1 1 2 2 3 3 4 5
F 20 1 2 2 3 3 4 5 6 7
G 32 0 1 1 2 2 3 3 4 5 6 7 8 10
H 50 1 2 2 3 3 4 5 6 7 8 10 11 14
J 80 2 3 3 4 5 6 7 8 10 11 14 15 21
K 125 0 1 1 2 3 4 5 6 7 8 10 11 14 15 21 22

L 200 2 3 5 6 7 8 10 11 14 15 21 22
M 315 3 4 7 8 10 11 14 15 21 22
N 500 1 2 5 6 10 11 14 15 21 22
P 800 2 3 7 8 14 15 21 22
Q 1250 3 4 10 11 21 22
R 2000 5 6 14 15

AQL ve kot harfinin bu kombinasyonunda okun ucundaki birinci numune alma planı

AQL ve kot harfinin bu kombinasyonunda okun ucundaki birinci numune alma planı

uygulanır. Numune sayısı parti sayısına eşit veya ondan büyük ise yüzde yüz muayene yapılır.

Ac= Kabul sayısı

Re= Ret sayısı

Şekil.2.7 Normal muayene için tekli numune alma planı

112
ÖRNEK:.2.2

Numune alma yöntemi ile muayene edilmek istenen bir ürün parti büyüklüğü 1000 olarak
seçilmiştir. Uyumsuz bireylerin yüzdesi için AQL=%1 olarak kabul edilmiştir. a ) Tekli, b ) ikili ve c )
çoklu numune alma planlarına göre muayeneye edilecek numune sayısını ve bu muayene sonucuna
göre kabul ve ret sayıları nelerdir?

d ) Tekli numune alma planı kullanılırsa ortalama çıktı seviyesi nedir?

e ) Yine tekli numune alma planı kullanıldığında müşteri ve imalatçı riskleri nelerdir?

ÇÖZÜM

a ) Numune sayısı kot harfleri tablosundan parti büyüklüğü 1000 için Genel Muayene Seviyesi II
J kot harfini vermektedir. Normal muayene için tekli numune alma planı numune sayısını n=80
olarak vermektedir. Tablodan AQL=%1 için kabul rakamı Ac=2 ve ret rakamı Re=3 olarak
bulunmaktadır. b ) İkili numune alma planı için ilk alınacak numune sayısı n1=50 olup. Ac=0 ve
Re=3 tür. Eğer birinci numunede 1 veya 2 uyumsuz tespit edilirse ikinci numune n2=50 alınacaktır.
Bu durumda Ac=3 ve Re=4 olup, ikinci numunede son karar verilebilir. Bu durumda toplam
numune sayısı 100 olmaktadır. c ) Çoklu numune alma planında ilk alınacak numune sayısı n1=20
olup, Re=2 olarak verilmiştir. Yani 20 numune ile ret şartı doğmakta, ancak kabul şartı mümkün
olmamaktadır. Çoklu numune alma planı ile en fazla 7 defa numune alınarak son karar
verilebilmektedir. Bu durumda toplam numune sayısı 140 olmaktadır.

d ) Ortalama çıktı kalite sınırını veren tablodan % 1,7 bulunur.

e ) J harfi için işlem karakteristik eğrisinden veya bu eğrinin altında ayrıca verilen tablodan
müşteri riski % 6,52 olarak bulunur. yani %10 bir olasılıkla kalite seviyesi %6,52 uyumsuz ürün
içeren bir partinin tekli numune alma planına göre kabul edilme riski vardır. İmalatçı riski olarak aynı
tablodan %1,03 olarak bulunur Yani %5 olasılıkla kalite seviyesi %1,03 uyumsuz içeren bir partinin
bu numune alma planına göre ret edilmesi olasılığı vardır Tabi %95 olasılıkla bu parti kabul
edilecektir. imalatçı riski %10 alınırsa tablodan%1,38 bulunur olarak bulunur. Yani %10 olasılıkla ret
edilen veya %90 olasılıkla kabul edilen partinin kalite seviyesi %1,38 uyumsuz üründür.

113
ÖRNEK:.2.3

Büyüklüğü 501 ile 1200 arasında değişen parti için Sınıf A ve Sınıf B uyumsuzlukları için farklı
AQL değerlerine göre kontrol edilecektir. Numune sayısının aynı ve ortaklaşa alınması için
AQL=0,10, 0,15, 0,25, 040, 1,0. 1,5, 2,5, 4,0 6,5 ve 10,0 olması durumlarında kabul ve ret sayıları için
bir tablo yapın ve aynı partide farklı AQL değeri verilen uyumsuzluklar için nasıl hareket edeceğinizi
açıklayın.

ÇÖZÜM

TS 2756 Standardı tekli numune alma planında çeşitli AQL değerleri için şu tablo yapılmıştır:

AQL 0,10 0,15 0,25 0,40 0,65 1,0 1,5 2,5 4,0 6,5 10,0

Numune büyüklüğü 125 80 50 125 80 80 80 80 80 80 80

Kabul sayısı 0 0 0 1 1 2 3 5 7 10 14

Ret sayısı 1 1 1 2 2 3 4 6 8 11 15

Tablodan görüldüğü gibi aynı parti için farklı AQL değerleri verilen uyumsuzluklar için
AQL=0,65 ve daha yukarısı için partiden rasgele 80 numune alınır ve bu numune içindeki her tip
uyumsuzluk sınıfları için muayene edilir. Uygun kabul ve ret sayıları partinin kıymet takdiri için her
uyumsuzluk sınıfına uygulanır.

Ancak iki sınıf için farkı numune sayıları gerekli ise örneğin AQL değerleri 0,40 ve 2,5 olarak
verilmiş ise. Bu durumda 125 adetlik ortaklaşa bir numune seçilir AQL=2,5 için kabul ve ret sayıları
daha büyük partiler için verilen rakamdan alınır.

114
2.7.ÖLÇÜLEBİLEN KARAKTERİSTİKLER İÇİN ÖRNEKLEME İLE KONTROL

Örnekleme ile kalite kontrol yöntemi için TS 2756 standardı ürünlerin ölçülebilen
karakteristikleri için kullanılacak şekilde yöntemler ve bunlara ait tablolar vermektedir. Burada
kullanılan metot ve formüller istatistik süreç kontrol (İSK) tekniğinde kullanılanlar ile aynı temele
dayanır. Yani dağılım eğrisini ve dağılım eğrisini tanımlayan orta değer ile standart sapma değerini
esas alınır. Bu açıdan kalite özelliğinin normal dağılıma veya normal dağılıma yakın bir yaklaşıma
göre dağıldığı durumlarda kullanılır. Üç faklı uygulama tekniği vardır. Bunlar:

• “s” metodu numune standart sapması kullanılarak, bir partinin kabul edilebilirliğini değerlendirir.

• “σ “ metodu, işlem standart sapması bilgisini kullanılarak kabul edilebilirliğini değerlendirir Bu


metot sadece işlem standart sapmasının sabit olarak kabul edilmesi ve σ olarak alınabilmesi için
geçerli bir sebebin bulunması durumunda kullanılır.

• “R” metodu numune ölçüleri arasındaki aralıktan hesaplanan standart sapmayı kullanarak kabul
edilebilirliği değerlendirir

TS 2756 Standardında her üç metoda ait tablolar verilmiştir. Bu metot için kullanılan katsayılar
tablosu biraz farklı olup, diğer tablolar gibi buraya sadece fikir vermek açısından alınmıştır. Burada
bir örnek vermek açısından sadece “s” metodundan bahsedilecek ve bu metodun kullanıldığı bazı
örnek problemler yapılacaktır. “R” metodunun tek farkı standart sapmanın hesaplanmasındadır

“s” Metodu

Bu planı elde etmek için şu işlem sırası kullanılır:

a) Verilen bir muayene seviyesi kullanılarak (normal olarak II seviyesi kullanılır) numune kot harfi
tespit edilir. ( ölçülebilen karakteristikler için numune kot harfi tablosu Şekil.2.6. da verilen
tablodan farklı olup, Şekil.2.8. de görülmektedir. Bu tablo ayni parti büyüklüğü için niteliksel
kontrol için verilen tablodan daha küçük numune sayıları verir. Bu nedenle örnekleme ile kalite
kontrol için mümkün olduğu zaman ölçülebilen karakteristikler tercih edilir.)

115
b) Bu kot harfi ile AQL kullanılarak standartta verilmiş olan bir tablodan numune sayısı (n) ve kabul
edilebilirlik sabiti (k) bulunur. (Şekil.2.9 da görülen tablo.)

c) Bu büyüklükteki numune partiden rasgele alınır. Her numunedeki, kontrol konusu olan
karakteristik, toleransın onda biri hassasiyetle ölçülür. Bu ölçülerin ortalaması (xort. ve standart
sapması (s)hesaplanır (Not: Standart sapma küçük bir numune grubundan hesaplandığı için σ
yerine s kullanılmaktadır.)

d) Şu formüllere göre QU ve QL değerleri hesaplanır: QU = (U - xort )/s QL =- (xort.-L)/s


Burada U= Tolerans üst sınırı, L= Tolerans alt sınırını temsil etmektedir.

e) Sadece üst sınır verilmiş ise QU > veya=k ise parti kabul edilir. Aynı zamanda alt sınırda verilmiş
ise QL >k ise kabul edilir

Parti büyüklüğü Özel muayene saviyeleri Genel muayene seviyeleri


S-3 S-4 I II III
2---8 C
9---15 B D
16-25 B C E
26-50 C D F
51-90 B D E G
91-150 C E F H
151-280 B D F G I
281-500 C E G H/I* J
501-1200 D F H J K
1201- E G I K L
3200
3201-10000 F H J L M
10001-35000 G I K M N
35001-150000 H J L N P
150001-500000 I K M P
500001 ve üzeri J L N

Parti büyüklüğü 281-400 için H, 401-500 için I muayene seviyelerini kullanınız.

NOT Bu alanda uygun numune planı yoktur, okun altındaki veya üstündeki ilk numune
planını uygulayın. Bu hem numune sayısını hem de kabul edilebilirlik sabiti k ‘ yı gösterir.

Şekil.2.8 Numune sayısı kot harfleri ve muayene seviyeleri

116
Numune Numune Kabul edilebilir Kalite Seviye (normal muayene)
Sayısı Sayısı 0,1 0,15 0,25 0,4 0,65 1 1,5 2,5 4 6,5 10
Kot k K k K k K k k k k k
harfleri
B 3 1,12 0,958 0,765 0,565
C 4 1,45 1,34 1,17 1,01 0,814 0,617
D 5 1,65 1,53 1,4 1,24 1,07 0,874 0,675
E 7 2 1,88 1,75 1,62 1,5 1,33 1,15 0,996 0,755
F 10 2,24 2,11 1,98 1,84 1,72 1,58 1,41 1,23 1,03 0,828
G 15 2,42 2,32 2,2 2,06 1,91 1,79 1,65 1,47 1,3 1,09 0,886
H 20 2,47 2,36 2,24 2,11 1,95 1,82 1,69 1,51 1,33 1,12 0,917
I 25 2,5 2,4 2,26 2,14 1,98 1,85 1,72 1,53 1,36 1,14 0,936
J 35 2,54 2,45 2,31 2,18 2,03 1,89 1,76 1,57 1,39 1,18 0,969
K 50 2,6 2,5 2,35 2,22 2,08 1,93 1,8 1,61 1,42 1,21 1
L 75 2,66 2,56 2,41 2,27 2,12 1,98 1,84 1,65 1,46 1,24 1,03
M 100 2,69 2,58 2,43 2,29 2,14 2 1,86 1,67 1,48 1,26 1,05
N 150 2,73 2,61 2,47 2,33 2,18 2,03 1,89 1,7 1,51 1,29 1,07
P 200 2,73 2,62 2,47 2,33 2,18 2,04 1,89 1,7 1,51 1,29 1,07

Not 1 Bütün AQL değerleri yüzde uyumsuzluk cinsindendir

Not 2 Semboller Bu alanda uygun numune planı yoktur; okun altıdaki ilk numune alma
planını kullanınız. Bu hem numune sayısını hem de kabul edilebilirlik sabiti k yı gösterir.

Şekil.2.9.Normal muayene için tekli numune alma planı (s metodu)

117
ÖRNEK.2.4

Herhangi bir cihazın çalışma sıcaklığı en fazla 60C0 olarak verilmiştir. Üretim 100 bireylik partiler
halinde incelenecektir. Muayene seviyesi II olup AQL= %2,5 olarak belirtilmiştir. Numune sayısı kot
harfi tablodan F olarak bulunur. TS 2756 Çizelge 2-A dan numune sayısı n=10 ve k=1,41 olarak
bulunur. Ölçülen karakteristikler şu şekilde tespit edilmiştir 50, 53, 57, 49, 58, 59, 54, 58, 56, 55

a ) Parti kabul ret durumu nedir? b ) üst sınırla birlikte 45 olarak alt sınır da verilmiş ise durum
değişir mi?

ÇÖZÜM

Ortalama ve standart sapma özelliği olan hesap makinesinden xort =54,9 olarak ve standart sapma
s=3,414 olarak bulunur

a )QU =(60-54,9)/3.414=1,494 b ) QL =(54,9-45)/3,414=2,89

QU>k olduğundan parti kabul edilir. Aynı zamanda QL >k olduğundan kabul edilir.

ÖRNEK.2.5

Herhangi bir elektrikli cihaz bileşeninin direnci 520±50 Ohm’dur. Üretim muayenesi parti başına
500 bireydir. Muayene seviyesi II normal muayenedir. AQL =%4 olarak kabul edilmiştir. Kot harfleri
tablosundan I harfi bulunmuş ve TS 2756 standardı ÇİZELGE 2A dan n=25 ve k=1,35 olarak
bulunmuştur. Partiden 25 adet rasgele numune alınarak tespit edilen ölçüler şunlardır.515, 491, 479,
507, 543, 521, 536, 483, 509, 514, 507, 484, 526, 552, 499, 530, 512, 492, 521, 467, 489, 513, 535, 501
ve 529. Partinin kabul ve ret durumu nedir?

ÇÖZÜM

Ortalama ve standart sapma özelliği olan hesap makinesinden xort =510,2 olarak ve standart
sapma s=21,4 olarak bulunur

118
a )QU =(570-510,2)/21,4=2,79 QL =(510,2-480)/21.,4=1,41

QU >k aynı zamanda QL >k olduğundan kabul edilir

ÖRNEK.2.6

Bir paçanın sertliği en az 60 ve en fazla 70 Rc olarak verilmiştir. Parti büyüklüğü 96 adet.


Muayene seviyesi II ve AQL =%1,5 olarak verilmiştir. Çizelgeden numune sayısı 10 ve k=1,58 olarak
bulunmuştur. Ölçülen 10 parçanın sertliği: 63,5; 62;0; 65,2; 61,7; 69,0; 60,0; 66,4; 62,8; 68,0; 67,1 dir.
Kabul ve ret durumu nedir?

ÇÖZÜM

Ortalama ve standart sapma özelliği olan hesap makinesinden xort =64,57 olarak ve standart
sapma s=3,01 olarak bulunur QU =1,80 QL =1,51

QU >k fakat QL <k olduğundan parti ret edilir

ÖRNEK.2.7

Herhangi bir çelik dökümün belirtilmiş en küçük akma sınırı 400 N/mm2 dir. Muayeneye 500
bireylik bir parti sunuluyor. Muayene seviyesi II normal muayenedir. AQL=%1,5 tir. İşlem
standart sapması σ =21 olarak biliniyor. Çizelgeden numune sayısı 10 kabul sabiti k=1,70 olarak
tespit edilir. Numunelerin akma noktaları aşağı olduğu gibi varsayılırsa parti kabul ve ret durumu
nedir?

(Not. Standart sapmanın bilindiği durum yukarıda anlatılmamıştır. Daha küçük numune sayısı
gerektirir.)

ÇÖZÜM

Ortalama ve standart sapma özelliği olan hesap makinesinden xort =434,5 olarak bulunur.

Kabul değeri xL=ATL+ δ k = 400+1,7x21=435,7

xort<xL olduğundan parti ret edilir.

119
3.BÖLÜM

ÖLÇME İLE İLGİLİ İSTATİSTİK TEKNİKLER

3.1.GİRİŞ

Bu bölümde ürünlerin ölçülmesi ile ilgili istatistik yöntemler tartışılacaktır. Ölçme sisteminin hata
kaynakları oldukça karmaşık yapıdadır ve bu konu kitabımızın kapsamı ve amacı dışındadır. Burada
sadece gözlemlenen süreç yeterliliği ile gösterge yeterliliğinden elde edilen gerçek süreç yeterliliği
üzerinde durulacaktır. Konu hakkındaki terminoloji aşağıda verilmiştir:

3.2.TERNİNOLOJİ

Ölçüm dağılımı: Bir ölçüm dağılımı aynı parçanın aynı karakteristiği sürekli olarak tekrar
ölçüldüğü zaman elde edilir. Tipik olarak bu dağılımın bir ortalama değer ve standart sapma ile
karakterize edilen normal dağılım olduğu farz edilir

Doğruluk: Aynı parça üzerindeki aynı karakteristiğin, gerçek değeri ile ölçüm dağılımının
ortalaması arasındaki fark olarak tanımlanır Bir ölçüm sisteminin doğruluğu bu sistemin kalibrasyonu
ile kontrol edilir. Doğruluk ile ilgili iki önemli terim lineerlik ve stabilitedir.

Lineerlik: Ölçü cihazının ölçme aralığı boyunca doğruluğundaki fark olarak tanımlanır.

Stabilite: Doğrulukta zamanla meydana gelen farklılık.

Duyarlık: Yukarıda bahsedilen ölçüm dağılımındaki toplam değişkenlik. Bu değişkenlik ölçme


sisteminin doğruluğu hariç, tüm rasgele değişkenlik kaynaklarını içerir. Duyarlık, tipik olarak
tekrarlanabilirlik ve tekrar edilebilirlik olarak ikiye ayrılır.

Tekrarlanabilirlik: Bir operatörün aynı parçanın aynı karakteristiğini ölçmek için aynı ölçme
cihazını birçok defa kullandığı zaman elde edilen ölçüm dağılımının değişkenliği

120
Tekrar edilebilirlik: Farklı operatörlerin aynı parçanın, aynı karakteristiğini, aynı ölçme cihazını
kullanarak ölçtükleri zaman, ölçme dağılımların ortalamaları içindeki değişkenlik.

3.3. HATA KAYNAKLARI

Bütün ölçme hata tipleri sistematik hatalar (doğruluk) veya dağılma (duyarlılık) olarak ikiye
ayrılabildiğinden dolayı bu iki hata tipi arasındaki farkın tamamen anlaşılması çok önemlidir. Aşağıda
Şekil.3.1. de bu iki terimin anlamı bir hedefi vurma benzetmesi içinde gösterilmiştir


DUYARSIZ …
..………

….
DUYARLI ….

DOĞRU DEĞİL DOĞRU

Şekil.3.1. Doğruluk ve duyarlılığın bir hedefi vurma benzetmesi içinde açıklanması

Sistematik hatalar ve ölçümlerin farklılığının kaynakları ölçü hatalarının iyi bilinen birkaç bileşeni
içindedir. Tanımlanabilecek üç önemli kategori şunlardır:

Operatör içindeki değişkenlik: Aynı operatörün aynı ürün parçasını, aynı ölçü aletini
kullanarak defalarca ölçtüğü durumlarda okumaları arasında bir faklılık vardır. Bu değişkenliği
belirtmek için tekrarlanabilirlik terimi kullanılır.

121
Operatörler arasındaki değişkenlik: Birden fazla operatör aynı ürün üzerinde aynı ölçüm
sistemini kullandığı zaman, operatör tekniklerinden kaynaklanan bir takım farklılıklar görülür. Bunun
tek istisnası operatöre duyarlı olmayan koordinat ölçme makinesidir. Bu farklılıklar tekrarlanabilirlik
ve tekrar edebilirlik özelliklerinin her ikisinden birden kaynaklanır.

Ölçme cihazının değişkenliği: Ölçme enstrümanları gerek bir enstrüman içinde ve gerekse
enstrümanlar arasında birçok hata kaynaklarına konudurlar: nonlineerlik, histerizis (dişli boşluğu),
sıcaklık yükselmesinden dolayı sürüklenmek, aşırı gürültüye hassasiyet (manyetik, termal, elektriksel
sahalar). Her teknolojinin kendine göre sorunları vardır.

Bu sorunlar enstrümanları ölçülecek veya test edilecek ürüne birtakım düzeneklerle bağlamak
veya tespit etmek gerektiğinde çok daha fazla çoğalırlar. Bu sorunlara elektriksel bağlantıların iyi
yapılmamasından veya prop’ların iyi yerleştirilmemesinden kaynaklanan problemler de eklenebilir.
Ölçme cihazı değişkenliği, stabiliteyi ve tekrarlanabilirliği etkileyebilir. .

Ölçme sisteminden kaynaklanmayan, ancak ölçme hataları ile karışan diğer bir hata kaynağı parça
içindeki değişkenliktir. Ölçme sisteminin hesaplanan toplam hatası içine parçadan parçaya
değişkenliğin katılmadığına dikkat etmek gerekir. Örneğin bir ölçü aleti değerlendirilmesi etüdünde
konik bir mil kullanılıyorsa , milin her defasında aynı pozisyonda ölçüldüğünü güvenceye almak
gerekir. Alternatif olarak etütte parça içindeki değişkenliği önemli olmayan standart bir test parçası
(örneğin bir kalibrasyon bloğu) kullanılmalıdır. Ancak gerçek parça yerine bir standart, sadece parça
içindeki değişkenlik dışında, gerçek parça kullanılırsa olabilecek bütün değişkenlik kaynaklarını
içeriyorsa kullanılmalıdır

3.4. BİLEŞİK HATALAR

Gözlemlenen ölçümler, ölçülme işlemine katkı yapan bütün değişkenlerden etkilenirler Bu


nedenle gözlemlenen değişkenliği (duyarlılık) etkileyen nedenler genel olarak şu şekilde formüle
edilir: σ 2(abc) = σ 12+ σ 22+ σ 32+ vs.

Burada σ(abc gözlemlenen ölçümün standart sapması ve σ1, σ2, σ 3 vs. duyarlılığı etkileyen
değişkenlerin (mesela tekrarlanabilirliği, tekrar edilebilirliği) büyüklüğünü yansıtan standart
sapmalardır.

122
3.5 YETERLİLİĞİN İFADESİ

Bir ölçü sisteminin yeterliliği üç yolla ifade edilebilir:

1) Doğruluğu ve duyarlılığı mutlak terimlerle ifade etmek. Yani tahmin edilen ortalamayı ve
standart sapmayı miktarlamak

2) Doğruluğu ve duyarlılığı, ölçülen parçanın doğal süreç değişkenliği ile göreceli olarak ifade
etmek.

3) Doğruluğu ve duyarlılığı ölçülen parçanın toleransı ile göreceli olarak ifade etmek.

Bu bölümde son maddedeki yaklaşım kullanılmıştır. Yani ölçme yeterliliği şu şekilde


tanımlanmaktadır:

100 x Ölçme değişkenliğinin %99 miktarı/ Tolerans Bu değer ne kadar küçük ise ölçme sistemi o
kadar iyidir. Not: Ölçme değişkenliğinin %99 miktarı standart sapmanın(σ) 5,15 katı olarak alınır

Ölçü aleti tekrarlanabilirlik kısa etüdü

Ölçme sisteminin tekrarlanabilirliğini çabuk değerlendiren bir etüttür. Son etüt yapılmadan önce
ölçme sisteminin bir değişikliğe ihtiyacı olup olmadığını göstermesi açısından bunun öncelikle
yapılması önerilir. Etüt aynı parçayı aynı ölçü aletini kullanarak en az 20 defa ölçen bir operatör ile
yapılır. Yapılan ölçümlerin ortalaması (Xort ) ve standart sapması (σ) hesaplanır. Tekrarlanabilirlik
değeri: 5,15 σ /tolerans x 100 dir.

Ölçü aleti tekrarlanabilirlik ve tekrar edebilirlik etüdü

Ölçme sistemlerinin çoğunun bir değerlendirme sistemidir. Yeni satın alınmış veya tasarlanmış
ölçme sistemlerinde ve ölçü sisteminin doğruluğundan ve duyarlılığından şüphe ediliyorsa
yapılmalıdır Etüdün adı (GRR) olarak kısaltılmıştır. Etüt sonunda tespit edilen yeterlilik değeri
toleransın %20 sinden az ise ölçü aleti yeterli kabul edilir.

123
Etüt 3 farklı operatör tarafından her biri iki veya üçer defa ölçülen 10 ayrı parça gerektirir.
Operatörler ölçü aletini kullanma konusunda eğitilmiş olmalıdır, çünkü etüt onların
tekrarlayabilirliklerine dayanmaktadır Yani her operatör ölçü aletinin kullanılması konusunda aynı
uzmanlıkta olmalıdır. Ölçüler alınıp bu iş için hazırlanmış bir forma kaydedildikten sonra her bir
operatör tarafından alınmış yirmişer veya otuzar ölçünün ortalamaları alınır. Bu ortalamaların en
küçüğü ile en büyüğü arasındaki fark bir katsayı (K=2,70) ile çarpılarak tekrar edilebilirli değeri
hesaplanır. Operatörlerin her parçayı iki veya üç defa ölçmeleri esnasında hesaplanan ölçü aralığı (R )
değerlerinin ortalaması Rort hesaplanarak bir kat sayı ile çarpılır ( iki deneyim için 4,56 üç deneyim
için 3.059) tekrarlanabilirlik değeri bulunur. Bu her iki değişkenliğin kareleri toplamının karekökü
kullanılan ölçü birimi ile (GRR) değerini verir.

Ancak bu işlemlerin geçerli olması her operatörün her parça için ölçü ortalamaları ile ölçü
aralıklarının İSK da olduğu gibi çizelgelerinin çizilmesi alt ve üst kontrol sınırlarının gösterilmesi ve
bu çizelgelerin İSK da anlatılan anormalliklere sahip olmamaları gerekir. Bu bakımdan gerek
çizelgenin hazırlanması ve gerekse analiz edilmesi için bu konuda geliştirilmiş özel bilgisayar
programlarının kullanılması büyük kolaylık sağlar.

Alınan ölçüler ile gözlemlenen süreç değişkenliği arasındaki ilişki

Bu bölümde gözlemlenen süreç değişkenliği ile alınan ölçüler arasındaki ilişki tarif edilmektedir.
Bu bilgi yetersiz bir ölçü aletinin geliştirilmesinin olası faydasını belirlemek için kullanılabilir. Ancak
aşağıda verilen gerçek süreç yeterliliği tahmin metodu, resmi yeterlilik endeksini belirtmek amacı ile
kullanılamayacağı halde (bu değer içinde çok fazla belirsizlik bulunduğundan dolayı) süreç ve ölçü
aleti sorunlarının önceliğinin tespitinde göz önüne alınır.

Bir dizi parça ölçüldüğü zaman gözlemlenen ölçümler hem ölçü değişkenliğinden hem de ürün
değişkenliğinden oluşan bir dağılım gösterirler. Bunlar arasındaki ilişki matematik olarak şöyle ifade
edilir.

(Gözlemlenen süreç değişkenliği)2 = (Gerçek süreç değişkenliği)2 + (ölçü değişkenliği)2

Gözlemlenen süreç değişkenliği yani σ (gözlem) İSK dan alınan ölçülere göre tahmin edilebilir

124
Ölçü değişkenliği yani σ ölçü yü ölçü aleti etüdünden tahmin edilir (GRR etüdü yaparak ve toplam
ölçü aleti değişkenliğini 5,15’ e bölerek)

Bu iki tahmin kullanılarak gerçek süreç değişkenliği aşağıdaki formül ile tahmin edilir.

σ (süreç) =√ σ 2(gözlem) – σ 2ölçü

Örneğin istatistik süreç kontrol ile hesaplanan değişkenlik σ (gözlem) =11 mikron ve GRR
etüdünden gösterge değişkenliği 10,3 mikron bunun 5,15’e bölünmesinden σ ölçü=2 mikron ise

Bu sonuç gösterge değişkenliğinin gözlemlenen değişkenliği fazla etkilemediğini göstermektedir.

Süreç yeterlilik endeksi ölçümleme değişkenliğini ve süreç değişkenliğini içeren ölçülerden


alındığı için gerçek süreç yeterliliği Cp veya Cpk değeri ile eksik tahmin edilmektedir. Yeterlilik
endeksi formülü göz önüne alınırsa:

Cp = Tolerans/ 6 σ

Yukarıdaki formülde σ (gözlem) kullanılır. Bunun yerine σ (süreç) kullanılırsa Cp değeri şu faktör kadar
artar.:

√1/1-(σ ölçü / σ(gözlem))2

Cpk değeri içinde bu doğrudur. Şekil.3.2 de verilen tablo gözlemlenen süreç yeterliliği ve
gösterge yeterliliğinden gerçek süreç yeterliliğinin elde edilmesi için bir referans sağlamaktadır.

Örneğin eğer bir süreçte:

Cpk =0,8

GRR =%70

125
ise gerçek Cpk= 1,06 ‘ dır. Ancak bu sonucu Cpk değerini geliştirmek için tekrarlanabilirliği daha
düşük bir ölçü aleti kullanmak şeklinde anlamamak gerekir. Eğer tekrarlanabilirliği daha düşük bir
ölçü aleti kullanılırsa Cp veya Cpk değeri buna bağlı olarak zaten azalacaktır.

Gözlemlenen GÖSTERGE YETERLİLİĞİ


Cp/Cpk %10 %20 %30 %40 %50 %60 %70 %80 %90
0,2 0,2 0,2 0,2 0,2 0,2 0,2 0,2 0,2 0,2
0,4 0,4 0,4 0,4 0,41 0,41 0,42 0,42 0,43 0,44
0,6 0,6 0,61 0,61 0,61 0,64 0,66 0,69 0,72 0,77
0,8 0,8 0,81 0,83 0,86 0,9 0,96 1,06 1,2 1,47
1 1,01 1,03 1,07 1,13 1,23 1,4 1,73 2,76
1,1 1,11 1,14 1,19 1,28 1,43 1,72 2,49
1,2 1,21 1,25 1,32 1,45 1,68 2,2 5,84
1,3 1,32 1,36 1,46 1,63 1,99 3,11
1,4 1,42 1,48 1,61 1,85 2,42 6,81
1,5 1,52 1,6 1,76 2,1 3,08
1,6 1,63 1,72 1,93 2,4 4,42
1,7 1,73 1,85 2,11 2,79 12,23
1,8 1,84 1,98 2,32 3,31
1,9 1,95 2,12 2,54 4,09
2 2,06 2,26 2,8 5,52
%10 %20 %30 %40 %50 %60 %70 %80 %90

Şekil.3.2.Gözlemlenen yeterlilik ve gösterge yeterliliğinden elde edilen gerçek süreç yeterliliği

126
4.BÖLÜM

DENEYİMLERİN TASARIMI

. 4.1.GİRİŞ

Herhangi bir deneyimin faydalı ve güvenilir bilgiler sağlaması için söz konusu deneyim
planlanırken büyüklüğüne bakılmaksızın çok ciddi dikkat ve önem gösterilmelidir. Burada gerekli
olan istatistik titizlik açıklanmağa çalışılacaktır. Ancak öncelikle bazı terimleri tanımlamakta yarar
vardır:

Deneyimsel birim: Deneyimsel sonuçlar vermesi için ölçülen nesne. Tipik olarak bu bir parça
veya bir son üründür.

Deneyimse şartlar:Belli bir deneyimsel birime uygulanan kontrol değişkenlerinin bileşimi.


Örneğin söz konusu olan deneyim, taşlama işlemi gören bir aksamın bitiş yüzeyine üç değişkenin
(çevrim süresi. taşlama taşı tipi, soğutma sıvısı cinsi) birlikte etkisini tahmin etmektir ve bunlar
deneyimde kullanılan şartlardan biri olabilir (çevrim süresi =30 saniye, taşlama taşı tipi = 0,1mm ve
soğutucu cinsi= standart)

Yanıtlayan değişken: Deneyimin ölçülen sonucu. Yukarıda verilen örnekte yüzey bitişi
yanıtlayan bir değişkendir.

Kontrol edilen değişken: Yanıtlayan değişkeni etkilediğine inanılan bir değişken. Yukarıda
verilen örnekte çevrim süresi, taşlama taşı tipi ve soğutucu cinsi kontrol edilen değişkenlerdir

Bozucu faktör: Yanıtlayan değişkeni etkilediğine inanılan ancak normal işletme şartları altında
kolayca kontrol edilemeyen değişken. Tipik örneklere sıcaklık, takım aşınması ve operatör becerisi
dahildir.

Deneyimde kullanılan deneyimsel birim veya diğer parçaların diğer özelliklerindeki değişimler de
bozucu faktörlerdir.

127
İyi bir deneyimin şartları

Aşağıda iyi bir deneyim için gerekli olan şartlar aşağıda açıklanmağa çalışılmıştır. Çoğu zaten
açık, belli ve genel olan bu şartlar maalesef genellikle karşılanmaz.

Aleyhte tesirlerin olmaması: Deneyim için göz önüne alınan belli bir tasarımda, eğer deneyim
büyük sayıda deneyimsel birim kullanılarak yapılıyor ise, etüt altındaki değişkenlerin her birinin
etkisini doğru tahmin etmek için bu şart kesin olarak gereklidir. Bu şart karşılanamıyor olabilir,
örneğin eğer deneyim şartı 1 daima sabah kullanılıyor ve deneyim şartı 2 daima akşam kullanılıyor ise,
günün zamanı ile ilgili hesaba alınmamış bazı faktörlerden sonucu karıştırdığından emin olunamaz.
Bu olasılığı elimine etmek için blok yapma, ve tesadüfleştirme teknikleri kullanılmalıdır (ilerdeki
bölümde açıklanacaktır)

Uygun duyarlılık. Eğer aynı şartlar altındaki bir deneyimden her zaman tamamen aynı sonuç
elde ediliyorsa, etüt altındaki faktörlerin her birinin etkisini bilmek için, her şartta bir defa çalıştırmak
yeterli olacaktır. Maalesef bu şekilde tekrarlayan çalışmalardan elde edilen sonuçlar faklı olmağa
meyillidir ve etüt altındaki faktörlerin etkileri sadece tahmin edilebilir İyi bir deneyimsel tasarımın
şartlarından biri, bu etkilerden iyi tahminler sağlamaktır; iyi tahmin faktörün gerçek etkisine yakın
olacaktır. Basit tasarımlarda tahminin duyarlılığı örnek sayısının kare kökü ile orantılıdır. Bu nedenle
duyarlılığı artırmanın bir yolu numune büyüklüğünü artırmaktır, ancak bu genellikle masraflı hatta
imkansızdır ve yukarıdaki belirtilerin ilişkileri azalan verim verir. Bazı zamanlar blok yapma tekniğini
kullanarak çok çarpıcı gelişmeler elde etmek mümkündür

Geçerlilik aralığı: Bir deneyimden elde edilen herhangi bir sonuç tam anlamıyla sadece
deneyimde kullanılan gerçek deneyimsel birimlere uygulanabilir. Ancak bu sonuçlardan daima,
deneyimsel şartlardan farklı şartlardaki diğer deneyimsel birimler tahmin edilmek istenir. İyi
tanımlanmış bir birim nüfusundan uygun örneklemiş deneyimsel birimler önemlidir ve eğer şartlar
izin verirse deneyimin kendisi içindeki geniş bir şart aralığı dikkatle gözden geçirilmelidir. Genellikle
bir prototip özel dikkat gösterilirse mükemmel çalışır, ancak normal üretime aktarıldığı zaman
başarısız olur.

Basitlik: Özellikle eğer deneyimin kendisi bir üretim çevresi içinde yönetilecekse basit tasarımlar
tercih edilir. Daha önceki deneyimlerin sonucunun aydınlattığı birçok küçük ölçekli deneyim, büyük

128
her şeyi kapsayan deneyimlerden daha iyidir Basit bir tasarım genellikle basit bir analize götürür.
Bununla birlikte karmaşık bir tasarımın kullanılmasını haklı çıkaran bazı durumlar vardır.

Kararsızlığın hesaplanması: Daha önce de ifade edildiği gibi deneyim sonuçlarında kararsızlık
doğaldır; deneyimin gereksinimlerinden biri bu kararsızlığın miktarını belirtmek ve ölçmektir. Bunu
tam olarak yapmak için bu şartlardan en azından bazılarını tekrarlamağa ihtiyaç duyulur. Örneğin
bazı deneyimsel şartlar altında çalışan bir set deneyimsel birime ihtiyaç duyulur. Bu sadece aynı
deneyimsel birim üzerindeki tekrarlayan ölçümler almak değil temel deneyimsel birimlerin kendilerini
tekrarlamaktır.

Tasarım öncesi için kılavuz

Bu kılavuz tüm deneyimlere uygulanmalıdır. Büyük deneyimler için bir değerlendirme


toplantısında bir kılavuz olarak kullanılmalı ve sonuçlar deneyimin kendisinin yapılmasından önce
dokümante edilmelidir.

1) Konuları açık olarak ifade edin

2) İlgili eski bilgiler nedir?

• Teorik ilişkiler

• Uzman bilgisi ve deneyimi

• Önceki deneyimler

3 )Yanıtlayan değişkenlerin listesi

• süreç çalışırken normal seviye

• normal operasyonunun aralığı veya dağılımı

• nasıl ölçülüyor

• ölçülebilmesi ile ilgili duyarlılık

129
4) Kontrol edilen değişkenlerin listesi

• süreç çalışırken normal seviye

• set edilebilmesi ile ilgili duyarlılık (deneyim için)

• ölçülebilmesi ile ilgili duyarlılık

• deneyim için önerilen ayar

• ayarın sahip olacağı öngörülen etki (en azından nitelik olarak)

5) Sabit tutulacak değişkenlerin listesi

• izin verilen değişken aralığı ve istenen seviyesi.

• ölçülebilmesi ile ilgili duyarlılık

• nasıl kontrol edilir

• her yanıt üzerinde beklenen etki

6) Varsa bozucu faktörlerin listesi (muhtemelen zamanla değişen)

• ölçme duyarlılığı

• tasarım stratejileri (blok yapma, tesadüfleştirme veya ayırma)

• beklenen etki

7) Bilinen veya şüphe edilen birbirini etkilemelerin listesi

8) Deneyim üzerindeki kısıtlamaların listesi

• kontrol edilen değişkenlerin değişim kolaylığı

• veri elde etme metotları

130
• mevcut çalışmaların malzemeleri süre ve sayısı

• yapılması yasaklanmış veya konu dışı kontrol edilen değişken kombinasyonları

9) Yukarıdakileri birleştirecek deneyimsel tasarımın önerilmesi

10) Analiz ve takdim tekniklerinin önerilmesi

• plotlar, ANOVA, regression, güven aralığı

11) Deneyim için kim sorumlu olacak

12) Deneme çalışmaları yapılacak mı

• mümkün olan kontrol edilen değişken kombinasyonlarını doğrulamak için

• doğru deneyimsel bölgede olunduğundan emin olmak için

• veri elde etme sistemlerini test etmek için

• belirsizliği erken tahmin etmek ve gerekli numune büyüklüğünü sağlamak için

İstatistik düşünce

Deneyimler bazı şeyleri açığa çıkarmak için yapılır. Basit fakat çok genel bir örnek, iki deneyimsel
şartı karşılaştırmaktır (örneğin iki imalat metodunu). İki şart altında veri toplanır ve sonra bu veriler
şartlar arasında herhangi bir fark olup olmadığını bulmak için kullanılır. Deneyimi tasarlamadan ve
çalıştırmadan önce, elde edilecek veri dağılımının genel formunu göz önüne almak önemlidir. Bu
genel form bir istatistik model olarak bilinir. Basit bir model verilerin normal dağıldığını belirten
ancak her iki metot için muhtemelen farklı ortalamaları ve standart sapmaları olan birini
kullanmaktır. İki deneyimsel şart A ve B harfleri ile gösterilirse numuneler alınır ve modelin
parametreleri (ųA, ųB σ A σ B ) tahmin edilir. Farz edilen modelin geçerli olup olmadığını doğrulamak
için veriler analiz edilmelidir. Modelin son analiz yapılmadan önce değiştirilmesi gerekebilir. Modelin
önemi verilerin üzerine konulacağı bir temel sağlamasıdır.

131
4.2 TEK ÖRNEKLİ ANALİZ (DEĞİŞKEN VERİ)

Burada değişken ölçünün tek bir numunesinin analizi açıklanacaktır. Geçerli sonuçlara
ulaşabilmek için istatistik modellerin kullanılması gerekir. Tipik uygulamalar şunlardır:

1) Rekabetçi firma değerlendirmesi

2) Prototip değerlendirmesi

3) Kalite geliştirme çalışmasının değerlendirilmesi

4) İç tetkikler

Bir örnekleme planı tasarlanabilir. Genellikle numune büyüklüğü 5 ile 25 arasında seçilir. Ancak
bazı kısıtlamalar olabilir örneğin prototipler için genellikle 5 örnek sağlanır Veriler başka biri
tarafından toplanıyorsa örnekleme planını iyi anladığından emin olunmalıdır. Ölçülerin ve özellikle
diğer değişkenlerdeki değişmelerin kaydedilmesi ve belirsiz ölçümlerin hemen araştırılması gerekir.
Verilerin normal bir dağılımdan gelip, gelmediğine yardımcı olacak teknikler histogram ve İSK
çizelgesi olabilir. Eğer dağılım eğrisi simetrik değil ve bir tarafa doğru daha uzun ise log veya kare
kök dönüşümü gerekli olabilir. Belirsiz herhangi bir sonucun olup, olmadığı bunların açıklanıp,
açıklanamayacağı analiz edilir.

İstatistik özetlerinin hesaplanması

Normal bir dağılım olduğu var sayılarak şunlar hesaplanır:

n - numune sayısı

xort - numune ortalaması (parti ortalaması ų’ nun tahmini için)

s - numune standart sapması (parti standart sapması σ’ yı tahmin etmek için).

132
Buradaki istatistikler xort ve s nokta tahminlerdir. Çünkü tek değerlerdir, bunlar ų ve σ nın gerçek
değerleri için en geçerli tahminlerdir. Ancak şu hususların da bilinmesine ihtiyaç vardır:

1. Bu tahminler ne kadar duyarlıdır. Örneğin ų’ nun xort dan olası farkı ne kadardır?

2. Bu partiden ilerdeki bir ölçüm hakkında ne tahmin edilebilir? Örneğin ilerdeki bir ölçüm için
hangi değerler aralığı olasıdır?

Bunlardan ilk soru “Güven aralığı” hesaplanarak. İkincisi “öngörme aralığı” hesaplanarak
cevaplandırılır.

Ortalama için güven aralığı

Ortalama için güven aralığı aşağıdaki formül kullanılarak hesaplanır:

xort ± ts/√ n

Buradaki (t) sabiti Şekil.4.1 deki tablodan bulunur Yani (t) ve (s) değerleri çarpılır (n) sayısının
kare köküne bölünür, çıkan sonuç xort dan çıkarılırsa güven aralığının alt sınırı, toplanırsa güven
aralığının üst sınırı bulunur; (t) sabitinin değeri iki faktöre bağlıdır:

1. Numune büyüklüğüne. Örnek sayısı artıkça tahmin daha hassas olur ve böylece güven
aralığını daha dar yapacak şekilde t sabiti küçülür

2. Gerekli olan güven seviyesine. Daha büyük bir güven seviyesi daha geniş bir güven aralığı
demektir ve bu nedenle daha büyük bir t sabiti kullanılır

Aksini kabul etmek için geçerli bir neden olmadıkça %95 güven seviyesinin kullanılması önerilir.
Bu güven aralığı ortalamanın olası en küçük değeri ile olası en büyük değerinin birbirinden farkı
olarak yorumlanabilir %95 güven seviyesi gerçek ortalamanın %5 olasılıkla bu güven aralığı içinde
olmayabileceğini %99 güven seviyesi ise gerçek ortalamanın %1 olasılıkla güven aralığı dışında
olabileceğini belirtir.

133
Standart sapma için güven aralığı

Standart sapma için güven aralığı şu formül kullanılarak hesaplanır: scL ile scU arası Buradaki cL
ve cU. sabitleri Şekil.4.1 de verilen tablodan alınır

Yani hesaplanan s değerinin cL ile çarpılması güven aralığının alt sınırını ve cU ile çarpımı üst
sınırı verecektir. Bu cL ve cU değerleri t ile aynı iki faktöre bağlıdır

Aksine geçerli bir neden olmadıkça %95 lik bir güven seviyesi kullanılmalıdır.

İlerdeki bir gözlem için öngörme aralığı.

Öngörme aralığı için aşağıdaki formül kullanılır:

xort ±t.s√ 1+1/n

Yani 1 sayısı n değerine bölünür ve buna 1 ilave edilir, bu toplamın kare kökü s ve t ile çarpılır,
çıkan sonucun xort ya ilave edilmesi ile öngörme aralığının üst sınırı, çıkarılması ile alt sınırı bulunur
Aksine bir neden olmadıkça %99,7 yani 6δ lık güven seviyesi kullanılır. Bir öngörme aralığı ilerdeki
bir ölçüm için olası değerler arasındaki aralık olarak yorumlanabilir.

Numune büyüklüğünün tespit edilmesi

Eğer xort nın gerekli hassasiyeti tayin edilmiş ise örnek sayısı da belirlenebilir Farz edelim.%95
güven seviyesi ile gerçek ortalamanın K birim içinde tahmin edilmek istensin. Ortalama için güven
aralığı formülünden: ts/√ n = K veya n=(ts/K)2

Bu eşitlik n, t nin birçok değeri için yaklaşık 2,1 olduğundan şu yaklaşık formül kullanılabilir
.N=(2,2s/K)2

Veri elde edilinceye kadar s değerinin bilinmediği açıktır. Bu nedenle formül içine s değerinin en
iyimser ve en kötümser tahminlerini koymak ve nihai n seçimi için kullanmak mantığı önerilir.

134
ÖRNEK 4.1

Bir prototip değerlendirilmesi

Beş prototip parçası imal edilmiş her biri üzerinde kritik karakteristik ölçülmüştür

Parça Ölçü
1 86
2 97
3 98
4 91
5 110
İstatistik özetleri: n =5, xort=96,4 s =9,02

Güven aralıkları: %95 güven seviyesi için şekil.4.1. deki Tablodan

t = 2,78, cL =0,60 cU=2,87

Ortalama değer için güven aralığı= 96,4 ± 2,78 x 9,02/√5 =85,2 ila 107,6

Standart sapma için güven aralığı=9,02 x 0,60 ila 9,02 x 2,87 = 5,4 ila 25,9

Bu aralıkların çok geniş olması dikkat çekmektedir, ancak bu şekildeki küçük örnek sayıları
sadece kaba tahmin içindir. Güven aralığı bu kaba tahmin aralığının ne kadar büyük olduğunu
göstermektedir.

Öngörme aralığı: %99 güven seviyesi için Şekil.4.1. deki tablodan

t = 4,60

İlerdeki bir prototip için %99 öngörme aralığı= 96,4 x 9,02 x √1+1/5 = 50,9 ila 141,9

Bu aralığın geniş olması mevcut bilginin çok küçük miktarda olmasından kaynaklanır. Eğer söz
konusu veri bir karşılaştırabilme sürecinden gelmiş ise bu ilk bilgiyi küçük örnekten elde edilen ile
birleştirmek mümkün olabilir.

135
Numune büyüklüğü

Eğer bu ortalamanın gerçek değerini 5 birim içinde bilmek gerekiyor ise, kaç adet prototip
gereklidir? Aşağıdaki formül kullanılarak

n=(2,1s/K)2

K=5 olduğunu biliyoruz

Diğer bilgiler olmadığından dolayı standart sapma için alt ve üst güven sınırları n değerinin
iyimser ve kötümser değerleri için kullanılacaktır:

İyimser n= (2,1 x 5,4/5)2=5,1

Kötümser n=(2,1 x 25,9/5)2= 118,3

En iyi tahmin s değerinin nokta tahmini kullanılarak verilir:

En iyi tahmin n=(2,1x9,02/5)2 = 14,4

İyimser ile kötümser değerler arasındaki büyük fark standart sapmanın hassas olarak tahmin
edilememesinden kaynaklanmıştır.

Bu analizden örnek sayısının en az 15 olması önerilir. Eğer bu çok zor veya her parçadan elde
edilmesi masraflı ise 15 tespit edilmeli ve elde edilen veriler analiz edildikten sonra ihtiyaç daha fazla
gözden geçirilmelidir. Alternatif olarak her parçadan elde etmek masrafsız ise daha fazla örnek
alınmalıdır

136
Örnek t FAKTÖRLERİ cL FAKTÖRLERİ cU FAKTÖRLERİ
Sayısı %90 %95 %99 %99.7 %90 %95 %99 %90 %95 %99
2 6,31 12,7 63,7 227 0,51 0,45 0,36 16 31,9 160
3 2,92 4,3 9,92 18,9 0,58 0,52 0,43 4,41 6,29 14,1
4 2,35 3,18 5,84 9,1 0,62 0,57 0,48 2,92 3,73 6,47
5 2,13 2,78 4,6 6,56 0,65 0,6 0,52 2,37 2,87 4,4
6 2,02 2,57 4,03 5,46 0,67 0,62 0,55 2,09 2,45 3,48
7 1,94 2,45 3,71 4,87 0,69 0,64 0,57 1,92 2,2 2,98
8 1,9 2,36 3,5 4,5 0,71 0,66 0,59 1,8 2,04 2,66
9 1,86 2,31 3,36 4,25 0,72 0,68 0,6 1,71 1,92 2,44
10 1,83 2,26 3,25 4,07 0,73 0,69 0,62 1,65 1,83 2,28
11 1,81 2,23 3,17 3,94 0,74 0,7 0,63 1,59 1,75 2,15
12 1,8 2,2 3,11 3,83 0,75 0,71 0,64 1,55 1,7 2,06
13 1,78 2,18 3,06 3,74 0,76 0,72 0,65 1,52 1,65 1,98
14 1,77 2,16 3,01 3,68 0,76 0,72 0,66 1,49 1,61 1,91
15 1,76 2,14 2,98 3,62 0,77 0,73 0,67 1,46 1,58 1,85
16 1,75 2,13 2,95 3,57 0,77 0,74 0,68 1,44 1,55 1,81
17 1,75 2,12 2,92 3,53 0,78 0,74 0,68 1,42 1,52 1,76
18 1,74 2,11 2,9 3,49 0,78 0,75 0,69 1,4 1,5 1,73
19 1,73 2,1 2,88 3,46 0,79 0,76 0,7 1,38 1,48 1,7
20 1,73 2,09 2,86 3,43 0,79 0,76 0,7 1,37 1,46 1,67
21 1,72 2,09 2,84 3,41 0,8 0,77 0,71 1,36 1,44 1,64
22 1,72 2,08 2,83 3,38 0,8 0,77 0,71 1,35 1,43 1,62
23 1,72 2.07 2,82 3,36 0,81 0,77 0,72 1,34 1,42 1,6
24 1,71 2,07 2,81 3,35 0,81 0,78 0,72 1,33 1,4 1,58
25 1,71 2,06 2,8 3,33 0,81 0,78 0,73 1,32 1,39 1,56
30 1,7 2,04 2,76 3,27 0,83 0,8 0,74 1,28 1,34 1,439
35 1,69 2,03 2,73 3,22 0,84 0,81 0,76 1,25 1,31 1,44
40 1,68 2,02 2,71 3,19 0,85 0,82 0,77 1,23 1,28 1,4
50 1,68 2,01 2,68 3,15 0,86 0,84 0,79 1,2 1,24 1,34
>> 50 1,64 1,96 2,58 2,99 1 1 1 1 1 1

Şekil.4.1 Güven öngörme aralıklarında kullanılan sabitler

137
4.3 TEK ÖRNEKLİ ANALİZ (NİTELİKSEL VERİ)

Burada niteliksel tek bir numunenin analizi açıklanacaktır. Geçerli sonuçlara ulaşabilmek için istatistik
modellerin kullanılması gerekir. Herhangi bir öngörme ile ilgili belirsizliğin miktarlanmış olması
özellikle önemlidir. Tipik uygulamalar şunlardır:

1. Mevcut performansın değerlendirilmesi. Şu andaki hatalı yüzdesi nedir?

2. Tetkikler. Prosedürlerimizin yüzde kaçı uygun değil

3. Numune incelemesi. Çalışanlarımızın yüzde kaçı dikkatli bir bakışa sahiptir

Yapılacak etüdün konularını açıklıkla tanımlamak önemlidir. Bir örnekleme planı tasarlanmalı ve giriş
bölümünde belirtilen kılavuz göz önüne alınmalıdır Eğer veriler başka biri tarafından toplanıyorsa
örnek alma planını iyi anladığından emin olunmalıdır. Bir veri toplama çizelgesi yapılması önerilir.
Sonuçlar kaydedilirken faydalı olabilecek diğer bilgiler, özellikle diğer değişkenlerdeki değişiklikler not
edilmelidir. Yüzdeler ile çalışırken verileri önce 100 e bölerek oranlara dönüştürmek gerekir. Analiz
yapıldıktan sonra uygun yerlerde sonuçlar tekrar 100 ile çarpılarak yüzdeye dönüştürülür.

Şu istatistikler hesaplanır:

n= örnek sayısı

d= hatalı sayısı

P = hatalı oranı (=d/n)

İstatistik P gerçek partinin (p) oranının bir tahminidir P nin 0 veya 1’e çok yakın olmayan
değerlerinde bu tahmin gerçek oran için yapılan en iyi tahmindir .

Aynı zamanda şunlar bilinmek istenir:

Bu tahmin ne kadar hassastır. Örneğin P nin (p) den çok farklı olması olasılığı nedir?

İlerdeki bir örnekte hatalı sayısı için ne öngörülebilir?

138
Hatalı oranı için güven aralığı

Bir bilgisayar yardımı olmaksızın p için güven aralığının tam olarak hesabı genellikle zordur.
Bununla birlikte sanayide karşılaşılan birçok durum için yeteri kadar iyi, uygun metotlar vardır.
Normal yaklaşım Bu metot n büyük ise (>50) ve nP(1-P)>3 ise kullanılır ve p için güven aralığı:

P±t √ P(1-P)/n

Buradaki t sabiti Şekil.4.2 deki tablodan bulunur.

Aksini yapmak için geçerli bir neden yoksa %95 güven seviyesi kullanılır. Güven aralığı p nin en
büyük değeri ile en küçük değeri arasındaki fark olarak yorumlanabilir. %95 lik bir güven aralığı p nin
%5 olasılıkla (20 de 1) bu aralığın dışında olabileceği anlamına gelir. P nin %99 güven aralığı dışında
kalması olasılığı %1 dir (100 de 1).

Poisson yaklaşımı: Normal yaklaşım için kriterler karşılanamıyor ancak (n) yine de 50’den
büyük ise (n>50) bir Poisson yaklaşımı kullanılabilir Bu durumda p için güven aralığı şu formül
kullanılarak hesaplanır: dL/n ila dU/n arası Buradaki dL ve dU Şekil.4.2 deki tablodan alınır p nin en
iyi tahmini dM/n dir (median değeri).

İlerdeki bir örnek için öngörme aralığı: İlerdeki bir örnek için hatalı sayısının öngörme aralığı
şu formül kullanılarak hesaplanır:

NP± t√N(N+n)P(1-P)/n Yani N ile n toplanır ve sonuç N ve P ile çarpılır Bu sayı hafızaya
alınır. P oranı 1 dan çıkarılır çıkan sayı hafızadaki sayı ile çarpılır, sonuç n değerine bölünür ve
buradan elde edilen sayının karekökü alınır ve t ile çarpılır. Öngörme aralığının alt sınırı bu değerin N
ile P nin çarpımından çıkarılması ile üst limiti ise toplanması ile hesaplanır. Burada n (p) yi tahmin
etmek için kullanılan orijinal numune büyüklüğü ve N ilerdeki numunenin büyüklüğüdür.

Eğer p bir numuneden tahmin edilemiyor, ancak farz ediliyor ise öngörme aralığı şu formülden
hesaplanır: NP±t√NP(1-P) Eğer aksi için geçerli bir neden yoksa %95 öngörme aralığının
kullanılması önerilir.

139
Örnek sayısının belirlenmesi:

Eğer P nin gerekli hassasiyet tespit edilmiş ise örnek sayısı tespit edilebilir. Gerçek hatalı oranı K
içinde %95 güven ile tespit edilmek istensin. Şu formül uygulanır:

t√p(1-p)/n = K veya n =p(1-p)(t/K)2 %95 güven için t=1,96 dır ve n>50 olduğundan

n = p(1-p)(1,96/K)2 Tipik olarak p bilinmeyecektir. Bu nedenle formül için iyimser, kötümser ve


en iyi değerler konarak n seçimi için kullanılır.

ÖRNEK. 4.2.

Yakıt pompası imal eden fabrikada ambardan rasgele 100 pompa alınmış 1 tanesi hatalı
bulunmuştur: Mevcut performans hakkında ne söylenebilir? Ambarda geri kalan 1000 pompadan ne
kadarı hatalı olabilir. Hatalı yüzdesinin (100p) en yakın noktada tahmin edilebilmesi için numune
büyüklüğü (örnek sayısı) ne kadar olmalıdır?

Güven aralığı: Mevcut performans p hatalı oranı (veya bölümü) ile belirlenir. İstatistik özetler
şunlardır: n=100, d=1, P=1/100=0,01 Normal yaklaşım için şu eşitsizlikler doğru olmalıdır:

NP(1-P) > 3 Ancak 100 x 0,01 x 0,99 = 0,99 Bu değer 3 den büyük değildir ve bu nedenle
Poisson yaklaşımı kullanılmalıdır. Şekil.4.2 deki tablodan p için %95 güven aralığı:

dL/n ila dU/n arası yani 0,025/100 ila 5,75/100 =0,00025 ila 0,057 (veya %0,025 ila %5,75 arası)
p nin en iyi tahmini: dM/n yani1,7/100= 0,017 (veya%1,7)

Öngörme aralığı: Ambardaki hatalı pompaların sayısını tahmin etmek için bir öngörme aralığını
hesaplamak gerekir. Yukarıda verilen öngörme aralığı formülü kullanılarak hatalı pompalar %95
olasılıkla şu sayılar arasında olacaktır.

1000 x 0,01 ± 1,96√1000 x (1000 +100) x 0,01 x (1-0,01)/100 =10 ±20 = 0 ila 30 pompa %95
güven ile. Alt sınır için negatif sayı anlamsız olacağından 0 kullanılmıştır.

140
Örnek sayısının belirlenmesi

Yukarıda verilen örnek büyüklüğü formülünden: n =p(1-p)(1,967K)2

K=0,01 (yani yüzde bir nokta). Diğer bilgilerin yokluğu dolaysı ile p nin alt ve üst güven sınırları
kullanılarak n için iyimser ve kötümser değerler elde edilir:

İyimser n = 0,00025 v (1-0,00025) (1,9670,01)2 = 10

Kötümser n = 0,057 x (1-0,057) x (1,96/0,01)2 = 2065

n için en iyi tahmin p için en iyi değeri kullanarak yapılır.

En iyi tahmin n = 0,917 x (1-0,0179(1,96/0,01)2=642

İyimser ile kötümser değerler arasındaki büyük fark p nin göreceli olarak hassas tahmin
edilmemesinden kaynaklanır.

HATALI dL FAKTÖRLERİ dM FAKTÖRÜ DU FAKTÖRLERİ


d %90 %95 %99 %50 %90 %95 %99
0 0,7 2,3 3 4,6
1 0,05 0,025 0,005 1,7 4,74 5,57 7,43
2 0,35 0,242 0,103 2,7 6,3 7,22 9,27
3 0,82 0,619 0,338 3,7 7,76 8,77 11
4 1,36 1,09 0,672 4,7 9,2 10,2 12,6
5 1,97 1,62 1,08 5,7 10,5 11,7 14,1
6 2,62 2,2 1,54 6,7 11,8 13,1 15,7
7 3,28 2,81 2,04 7,7 13,2 14,4 17,1
8 3,98 3,45 2,57 8,7 14,4 15,8 18,6
9 4,68 4,12 3,13 9,7 15,6 17,1 20
10 5,42 4,8 3,72 10,7 17 18,4 21,4

Şekil.4.2.Güven aralığı için kullanılan sabitler (Poisson yaklaşımı)

141
4.4 İKİ ÖRNEKLİ ANALİZ (DEĞİŞKEN VERİ)

Deneyimler genellikle iki grup şartları karşılaştırmak için yapılır. Örneğin iki tezgah, iki süreç, iki
malzeme veya iki yöntem karşılaştırılır. Konu bunlar arasında gerçek bir farkın olup, olmadığını
belirlemek, farkın miktarını tahmin etmek ve bu tahminlerin hassasiyetini ölçmektir.

Burada A ve B gibi iki grup şartın ortalamalarının karşılaştırılması ele alınacaktır. A ve B nin iyi
bir karşılaştırılmasını yapabilmek için bunların aynı süre içindeki etkileri göz önüne alınmalıdır. Önce
A metodu ile bütün sonuçları almak ve sonra B metodu için elde etmek kötü bir tasarım olurdu.
Çünkü uzun bir zaman periyodunda işletme prosedürleri, ham madde ve hava şartları değişebilir. İyi
bir tasarımın şartlarından biri A ve B nin mevcut ve karşılaştırılabilir şartlarda mukayese edilmesidir.
Eğer karşılaştırılabilir şartlarda bütün verileri toplamak mümkün olmuyor ise, blok yapma ve
tesadüfleştirme istatistik teknikleri kullanılmalıdır.

Blok yapma

Bir ekibin bir parça üzerindeki bitiş yüzeyini (pürüzlülüğünü) geliştirmek istediği ve farklı iki
malzeme kullanımının etkilerini karşılaştırmak istediği farz edilsin. Bilindiği gibi art artarda imal
edilen paçaların süreç ortalaması taşlama taşının her tıraş edilişinde yer değiştirir. Bu operasyonda
20 parçada bir taşlama taşı tıraş edilmektedir. Bu etütte kullanılmak için her malzemeden 50 şer
parçanın imalatına izin veriliyor ise, önce bir tipten 50 adet, sonra ikinci tipten 50 adet imal etmek
kötü bir tasarımdır. En iyi strateji her tıraş etme arasında her iki malzemeden 10 tane imal etmek
olurdu. Bir blok yapma örneğidir. Her blok, her tıraş etme arasında yapılan 20 parça içerir. Bir
bloğun önemli özelliği, aynı bloktan parçaların farklı blokta olanlara göre birbirine daha fazla benzer
olmalarının beklenmesidir. Elde edilen verilerin istatistik analizi blokları hesaba alır, böylece iki
malzeme arasındaki farkın blok kullanılmadığı duruma göre daha hassas tahmin edilmesini sağlar.

Tesadüfleştirme

Bu teknik, elde edilen veriler içinde bulunan beklenmeyen kalıpların, etüdü büyük çapta
etkilemesi riskini azaltmak için kullanılır. Bu durum, sanki 100 parça bir kasaya konulmuş ve buradan
gözü kapalı rasgele alınmış gibi parçaların rasgele bir sırada imal edilmesini gerektirir.

142
Tesadüfleştirme blok yapmanın bir alternatifi değildir. En iyi pratik, önce yapılabilecek kadar blok
yapma, sonra tesadüfleştirmedir.

Tipik olarak komple tesadüfleştirmenin idare edilmesi iki grup şart arasındaki yer değiştirmeden
dolayı pratikte güçtür. Uzlaştırıcı bir çözüm parçalardan küçük gruplar oluşturmak ve deneyimi şöyle
çalıştırmaktır:

A B B A B A A B (gerektiği kadar tekrarlanır

Örneğin 10 adetlik bir grup büyüklüğü seçilsin ve her tipin toplamı 50 olsun. Yukarıdaki tasarım
parçaların şurada yapılmasını gerektirir:

10 A’ lar,.20 B’ ler, 10 A’ lar, 10 B’ ler;20 A’ lar, 10 B’ ler, 10 A’ lar, 10 B’ ler

Çiftlenen karşılaştırmalar

Eğer blok yapma kullanılmış ise analiz biraz daha zordur, bununla birlikte ikili blok kullanılmış
ise veri daha kolay analiz edilebilir. İkili örnek büyüklüğü alınan A dan alınan her ölçü B den alınan
bir ölçü ile mantıksal olarak çiftleştirildiği zaman uygundur Örneğin,

Çiftler, her çift arasında bir aralık ile aynı zamanda örneklenir

Çiftler aynı lokasyondan örneklenir, her çift farklı bir yerden gelir

Çiftler, aynı parçanın iki farklı ölçme metodu kullanılarak ölçüleridir.

Çiftler aynı test makinesinde test edilmiş pompalardır, her çift farklı bir makinede test edilmiştir.

Eğer çitleme uygunsa veriler bir grafik üzerine noktalandığı zaman çiftli ölçümler çiftli
olmayanlara göre daha benzerdir.

İstatistik analiz önce her çift arasındaki farkın hesaplanmasını içerir. B ölçüsünün daima A
ölçümünden çıkarılması önemlidir ve farkın işareti kaydedilir. 50 çift olduğuna göre 50 fark olacaktır.

143
Analiz bundan sonra tek örnekli analizde anlatılanları izler. Burada şimdi ų değeri A ile B
arasındaki gerçek farktır. Tipik olarak σ değeri önemli değildir ų Değeri ile ilgilenilir. Bu değerin sıfır
olup, olmaması dikkat çekicidir. Metotlar arasında hiç fark olmaması ų = 0 demektir. ų Değerinin
güven açıklığı hesaplanmalı ve buna göre yorumlanmalıdır

Çiftlenmeyen tasarım

Eğer blok yapma kullanılmamış ise şu analizler izlenmelidir:

Dağılımın değerlendirilmesi: Her iki örnek, tek örnekli analizde anlatıldığı gibi ayrı, ayrı
değerlendirilmelidir.

İstatistik özetin hesaplanması: Aşağıdaki analizler her iki örneğin normal dağılımdan geldiğini
farz eder.

nA - A verisinin örnek sayısı

xortA- A verisinin örnek ortalaması

sA - A verisinin standart sapması

nB - B verisinin örnek sayısı

xortB - B verisinin örnek ortalaması

sB - B verisinin standart sapması

A ve B nin farklı olabileceği sadece iki yol vardır.

1. Biri ölçümlerin değişkenliğinin diğerinden daha fazla olması nedeni ile olabilir. Yani σ A ,σ B
den farklı olabilir.

2. Diğeri ortalama değerler farklı olabilir. Yani ųA , ųB den farklı olabilir.

144
Bu iki farklılığı yukarıda verilen sırada değerlendirmek gerekir. Analizi güven açıklığının, A ve B
yi karşılaştırmak için nasıl kullanılacağını göstermek izler.

Standart sapmaların karşılaştırılması

Standart sapmaları karşılaştırırken bunların oranları ile çalışmak gerekir.

s oranı= sA/sB

Parti standart sapmalarının oranı σ A/ σ B için bir güven aralığı şu formüller kullanılarak
hesaplanır:

FL x s ile FU x s oranı

Burada FL ve FU Şekil4.3 de verilen tablodan alınır Bunları değerleri üç faktöre bağlıdır:

1. A nın örnek sayısı, yani nA.

2. B nin örnek sayısı, yani nB

3. Gerekli emniyet aralığı

Aksine geçerli bir neden yoksa %95 güven açıklığı kullanılması önerilir.

Bu güven açıklığı σ A/ σ B için uygun değerler arası olarak yorumlanabilir

Doğal olarak eğer A ile B arasında hiç bir fark yoksa σ A = σ B ve σ A/ σ B =1dir

Bu nedenle eğer güven aralığı 1 içermiyorsa A ve B nin farklı standart sapmalara sahip olduğunu
belirtir. Herhangi bir karara varılmadan önce alt ve üst emniyet sınırları kullanılarak bir duyarlılık
analizi yapılmalıdır. Eğer karar hangi sınırın doğru farz edildiğine bağlı ise, daha çok veri elde
edilmelidir.

145
İki standart sapma tahmininin birleştirilmesi

Eğer yukarıdaki analiz σ A ile σ B nin eşit veya çok yakın olduğunu belirtiyor ise tek bir standart
sapma parametresi ile çalışmak uygundur. σ = σ B = σ B

Tek bir standart sapma tahmini elde etmek için sA ve sB tahminleri tek bir s elde etmek için
birleştirilebilir:

s= √ (nA-1)sA2+(nB-1)sB2/(nA+nB-2)

σ nın bu havuzlanmış tahmini n=nA+nB-1 efektif örnek büyüklüğüne sahiptir. Eğer gerekiyorsa σ
için güven aralığı daha önce açıklandığı gibi hesaplanır.

Ortalamaları karşılaştırmak

Eğer yukarıda yapılan analiz A ve B nin farklı olduklarını gösteriyor ise, bunlara iki farklı normal
dağılıma sahip olarak bakmak gerekir. Bununla birlikte σ B ve σ B aynı olduğundan tatmin olunmuş ise
ųA ve ųB ‘nin karşılaştırılması gerekir. Karşılaştırma esnasında ortalamaların farkları ile çalışmağa
ihtiyaç vardır. Yani şu istatistik hesaplanır:

xfark=xA-xB

Parti ortalamaları arasındaki farkı (ųA- ųB) için güven aralığı şu formül kullanılarak hesaplanır:

xfark ± ts √ 1/nA+1/nB

Burada s havuzlanmış tahmin olup, yukarıda verilen formüle göre hesaplanır, t ise bir sabit olup
Şekil.4.1 deki tablodan bulunur. Tablo kullanılırken aksine bir neden yoksa %95 güven aralığı
kullanılır.

Doğal olarak A ve B arasında bir fark yoksa ųA= ųB ve ųA- ųB=0 dır. bu nedenle emniyet açıklığı
eğer 0 içermiyor ise veriler A ve B’ nin farklı ortalamalara sahip olduklarını belirtir

146
Örnek sayısının belirlenmesi

Eğer iki ortalama arasındaki olası farklılığın gerekli hassasiyeti belirlenmiş ise örnek sayısı tespit
edilebilir. Deneyime dahil olan A ve B nin sayısına eşit bir n sayısı kabul edilir, yani n=nA=nB.
Gerçek ortalama %95 güven ile K birim içinde tahmin edilmek istensin. Şu formül izlenir:

ts √1/n+1/n=K veya n=2(2,1s/K)2 = (3s/K)2

Doğal olarak veri elde edilinceye kadar s bilinmemektedir. Bu nedenle nihai n değerini seçme
kararı formül içine iyimser, kötümser ve en iyi değerlerin yerleştirilmesi önerilir.

ÖRNEK. 4.3.

Çiftli karşılaştırma tasarımı.

Zararlı ekzos emisyonlarını azaltmak amacı ile dizel motoru yakıt donanımlarını imal eden bir
fabrikada yakıt pompalarında bir değişiklik tasarlandı. Sağlanan gelişmenin miktarını tahmin etmek
için küçük bir deneyim yapıldı. Emisyondaki değişmeye motorunda önemli bir katkı yaptığına
inanıldığından bu faktörü elimine edebilmek için blok yapma kullanıldı.

ÖLÇÜ
MOTOR MEVCUT POMPA YENİ POMPA FARK
1 35 32 3
2 46 40 6
3 28 29 1
4 42 41 1
5 40 37 3
6 37 33 4

Deneyim için 6 farklı motor, mevcut tasarımdan 6 pompa ve eski tasarımdan yine 6 pompa
kullanıldı. Her motor iki pompa ile birer defa olmak üzere 2 defa çalıştırıldı. Bu blok büyüklüğü 2
olan çiftli bir tasarımdır. Alınan ölçümleri içeren tablo yukarıdadır.

İstatistik özet (farklar için)

n=6 xort=2,7 s=2,42

147
Yukarıda verilen analiz izlenerek ortalama fark için güven aralığı hesaplanabilir.

xort±ts√ n= 2,7±(2,57x4,42)/√6=0,2 ila 5,2 arası

Bu aralık 0 içermediğinden dolayı yapılan değişikliğin bir gelişme yarattığı sonucuna varılabilir.
Gelişmenin miktarı bilgisi güven aralığı tarafından verilmiştir. Ortalama farkın daha hassas bir
tahmini gerekli ise daha fazla veri lazımdır. Kaç adet deneyin gerekli olacağı tek örnekli analiz için
verilen örnek sayısı formülünden çıkarılabilir.

ÖRNEK. 4.4.

Çiftlenmeyen tasarım.

Bir firma taşlama işlemi yaptığı kanatlardaki kötü yüzey bitişi için bir araştırma yaptı. İlk olarak
iki ham madde tedarikçisi arasında bir fark olup, olmadığını değerlendirmek için bir deneyim
tasarlandı (A ve B). Her tedarikçiden 20 kanat için yeteri malzeme alıkonuldu ve kanatlar imal
edilerek ölçüldü. Komple tesadüfleştirmenin güç olacağı düşünüldüğünden 5’li gruplar teşkil edildi
ve daha önce açıklanan tasarım kullanıldı. Ölçümler (ölçme sırasına göre):

Sıra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Tedarikçi A 4,1 3,4 4,3 4,9 4,7 3,6 4,3 3,6 5,1 3,4
Tedarikçi B 4,2 4 3,4 3,1 3,3 3,3 1,2 2,6 3,2 3,8

Sıra 21 22 23 24 25 26 27 28 29 30 32 32 33 34 35 36 37 38 39 40
Tedarikçi A 3,5 3,6 4,6 3,7 3,9 4,5 3,5 4,5 4,1 3,7
TedarikçiB 3,4 3,5 4,1 2,5 3,5 3,4 3,4 2,8 3,1 3,4

İstatistik özetleri

nA=20 xA=4,05 sA=0,534

nB=20 xB=3,26 sB=0,651

‘s oranı’ = 0,534/0,652=0,820

‘ xfark’= 4,05-3,26=0,79

148
Standart sapmaların karşılaştırılması %95 lik bir güven aralığı için FL=0,63 , FU=1,58

Standart sapmaların oranı için %95 güven aralığı O,63 x 0,820 ila 1,58 x 0,820=0,52 ila1,30

Bu emniyet aralığı 1 içerdiğinden dolayı A ve B’ nin farklı standart sapmalara sahip olduklarına
dair bir delil yoktur

İki standart sapma tahmininin birleştirilmesi

Yukarıdaki analize göre σ B = σ B kabul edilmesi mümkündür. Bu duruma göre iki tahmin
birleştirilebilir:

s =√ (20-1)x0,5342 + (20-1) x 0,6512/(20+20-2) =0,595

Ortalamaların karşılaştırılması

%95 Emniyet aralığı için (örnek sayısı=20+20-1=39)

t=2,02

Ortalama fark için %95 emniyet aralığı:.

0,79 ±2,02 x 0,595 √ 1/20 + 1/20 = 0,41 ila 1,17

Bu aralık 0 içeremediği için A ve B farklı ortalamalara sahiptir.

Örnek sayısının belirlenmesi

Ortalama fark =0,2 birim içinde olduğunu bilmek için kaç parçaya ihtiyaç olduğunu bilmek
gerekir. Şu formül kullanılır: n = (3s/K)2 K==0,2 olduğu bilinmektedir, s için en iyi tahmin 0,595
Bu nedenle gerekli örnek sayısı için en iyi tahmin: n= (3 x 0,595/0,2)2=79,7 Her iki tipten 80 ve
toplam 160 parça gereklidir. Gerekli örnek sayısı için iyimser ve kötümser değerler δ alt ve üst
emniyet aralıkları kullanılarak hesaplanabilir

149
ÖRNEK SAYISI FL FAKTÖRLERİ FU FAKTÖRLERİ
NA NB %90 %95 %99 %90 %95 %99
5 0,42 0,32 0,21 2,53 3,1 4,82
8 0,54 0,43 0,31 2,47 3,01 4,65
10 0,58 0,46 0,35 2,45 2,98 5,59
5 15 0,65 0,51 0,41 2,42 2,94 4,52
20 0,69 0,53 0,44 2,41 2,93 4,49
30 0,72 0,55 0,47 2,4 2,91 4,46
50 0,76 0,57 0,49 2,38 2,89 4,44
>> 50 0,8 0,6 0,52 2,37 2,87 4,39
5 0,42 0,33 0,22 2,03 2,35 3,18
8 0,54 0,45 0,34 1,95 2,23 2,98
10 0,59 49 0,38 1,92 2,2 2,92
8 15 0,67 0,54 0,45 1,87 2,14 2,82
20 0,7 0,57 0,48 1,86 2,11 2,78
30 0,74 0,6 0,52 1,84 2,09 2,74
50 0,78 0,63 0,54 1,82 2,07 2,71
>> 50 0,83 0,66 0,59 1,8 2,04 2,66
5 0,42 0,34 0,22 1,91 2,17 2,82
8 0,55 0,46 0,34 1,81 2,05 2,62
10 0,6 0,5 0,39 1,78 2,01 2,56
10 15 0,68 0,56 0,46 1,73 1,94 2,46
20 0,72 0,59 0,5 1,71 1,91 2,41
30 0,76 0,62 0,54 1,69 1,89 2,37
50 0,81 0,65 0,57 1,67 1,86 2,33
>> 50 0,87 0,69 0,62 1,65 1,83 2,28
5 0,42 0,34 0,22 1,75 1,97 2,45
8 0,56 0,47 0,35 1,65 1,84 2,24
10 0,62 0,52 0,41 1,61 1,79 2,17
15 15 0,7 0,58 0,49 1,55 1,72 2,06
20 0,74 0,62 0,53 1,53 1,69 2,01
30 0,79 0,66 0,58 1,5 1,65 1,96
50 0,85 0,69 0,61 1,47 1,62 1,92
>> 50 1 0,74 0,68 144 1,58 1,85

Şekil.4.3 .Güven aralıkları için kullanılan sabitler

150
ÖRNEK SAYISI FL FAKTÖRLERİ FU FAKTÖRLERİ
NA NB %90 %95 %99 %90 %95 %99
5 0,42 0,34 0,22 1,69 1,89 2,3
8 0,54 0,47 0,36 1,58 1,75 2,08
10 0,58 0,52 0,41 1,55 1,7 2,01
20 15 0,65 0,59 0,5 1,48 1,62 1,89
20 0,69 0,63 0,54 1,46 1,58 1,84
30 0,72 0,67 0,6 1,43 1,55 1,79
50 0,76 0,71 0,64 1,4 1,52 1,74
>> 50 0,8 0,76 0,71 1,36 1,46 1,67
5 0,42 0,34 0,22 1,64 1,8 2,15
8 0,54 0,48 0,36 1,53 1,66 1,93
10 0,59 0,53 0,42 1,49 1,6 1,89
30 15 0,67 0,61 0,51 1,42 1,52 1,73
20 0,7 0,65 0,56 1,39 1,48 1,68
30 0,74 0,7 0,62 1,36 1,44 1,62
50 0,78 0,73 0,66 1,32 1,4 1,57
>> 50 0,83 0,8 0,75 1,27 1,34 1,48
50 5 0,42 0,35 0,23 1,59 1,75 2,06
8 0,55 0,48 0,37 1,47 1,6 1,84
10 0,6 0,54 0,43 1,43 1,54 1,76
50 15 0,68 0,62 0,52 1,36 1,45 1,63
20 0,72 0,66 0,57 1,32 1,41 1,57
30 0,76 0,71 0,64 1,28 1,37 1,51
50 0,81 0,75 0,69 1,24 1,32 1,45
>> 50 0,87 0,84 0,79 1,18 1,24 1,34
5 0,42 0,35 0,23 1,54 1,67 1,93
8 0,56 0,49 0,38 1,42 1,51 1,7
10 0,61 0,55 0,44 1,37 1,45 1,62
>>50 15 0,7 0,63 0,54 1,29 1,35 1,48
20 0,74 0,69 0,6 1,25 1,31 1,41
30 0,79 0,75 0,68 1,21 1,25 1,34
50 0,85 0,8 0,75 1,15 1,2 1,26
>> 50 1 1 1 1 1 1

Şekil.4.3 (devam).Güven aralıkları için kullanılan sabitler

151
4.5 İKİ ÖRNEKLİ ANALİZ (NİTELİKSEL VERİ)

Bu deneyimler genellikle iki grup şartı karşılaştırmak için yapılır. Konu bunlar arasında gerçek bir
farklılık olup, olmadığını belirlemek, farklılığı tahmin etmek ve bu tahminin duyarlılığını ölçmektir.
Burada iki grup şartın karşılaştırılması için A ve B’ nin karşılaştırılması terimi kullanılmıştır. Yine
burada, daha önce de açıklandığı gibi yüzdeler ile çalışırken bunlar 100 e bölerek oranları bulmak,
oranları 100 ile çarparak yüzdeleri bulmak mümkündür.

İstatistik özetlerin hesaplanması: Şu istatistikler hesaplanır.

nA -A verisinin örnek sayısı

dA -A verisi içindeki hatalı sayısı

PA -A içindeki hatalı oranı tahmini )=dA/nA)

nB -B verisinin örnek sayısı

dB -B verisi içindeki hatalı sayısı

PB -B içindeki hatalı oranı tahmini )=dB/nB)

pA-pB Farkının tahmini:

Analiz normal dağılıma dayanır ve sadece şu şartlar altında geçerlidir:

nA ve nB nin her ikisi de 50 den büyük

nA PA(1-PA)>3

nB PB(1-PB)> 3

152
Eğer bu şartlardan herhangi biri geçerli değil ise aşağıdaki pA/pB tahmini kullanılmalıdır Şu
istatistik hesaplanır:

Pfark=PA-PB.

pA-pB farkı için bir güven aralığı şu formül kullanılarak hesaplanır:

Pfark±t x √ PA(1-PA)/nA+PB(1-PB)/nB

Burada t sabiti Şekil.4.1 de verilen tablodan alınır ve aksine geçerli bir neden yoksa %95 güven
aralığı kullanılır Doğal olarak A ve B arasında bir fark yoksa pA=pB ve pA-pB=0 dır. Bu bakımdan
güven aralığı eğer 0 içermiyor ise bu veri A ve B’ nin farklı olduğunu belirtir.

Herhangi bir karar verilmeden önce alt ve üst güven sınırları kullanılarak bir duyarlılık analizi
yapılabilir. Eğer verilen karar hangi sınırın gerçek farz edildiğine bağlı ise daha çok veri elde
edilmelidir.

pA/pB Oranının tahmin edilmesi

Performanstaki göreceli bir değişikliğin değerlendirilmesi daha uygun olabilir. Örneğin mevcut
hatalı oranı (pA)’ yı en az %50 azaltmak için yeni bir metot (B) sunulmuş olsun. Bu durum şöyle
gösterilebilir:

pA/pB>2

Şu istatistik hesaplanır:

Poran=PA/PB

poran için gerekli güven aralığı yukarıda hesaplanan oranın önce doğal logaritması alınarak (Ln
hesap makinelerinin çoğunda bulunur) kolayca hesaplanabilir Ln (p oran) için yaklaşık bir güven
aralığı aşağıdadır:

153
Ln (P oran) ±t x √ 1/dA+1/dB+(1/nA-dA)+1/nB-dB)

‘p oran’ için gerekli güven aralığı şimdi yukarıda hesaplanan iki sınırın üssü alınarak bulunacaktır
(ex hesap makinelerinin çoğunda). Aşağıda verilen örnek bu yöntemi açıklamak için yardımcı
olacaktır.

Örnek sayısının belirlenmesi

Aşağıdaki metot gerekli örnek büyüklüğünün tahmini için kullanılabilir. Deneyime A ve B nin
eşit sayıda dahil edildiği farz edilir ve bu sayı n olarak belirlenir. Yani n=nA=nB

Aşağıdaki “tahmine” ihtiyaç duyulur:

1) pA ve pB ‘ nin göreceli büyüklüğünün ilk tahmini belirleyen C faktörü:

pA=C x pB

Eğer emin değilse C=2 önerilir

2) Farkı tahmin etmek için istenilen K hassasiyeti. Konu K (%95 güven ile) içinde gerçek farkı
tahmin edecek örnek sayısını belirlemektir. Şu formül izlenir:

t x√ (PA(1-PA)+PA/C(1-PA)/C)/n=K

Bu formül şu görüşlerle basitleştirilir.

(a) Tipik olarak pA çok küçüktür ve bu nedenle(1-pA) yaklaşık olarak 1 kabul edilir.

(b) n>50 ve %95 güven için t=1,96.Buradan kolayca görüleceği gibi

n=PA(1+1/C)(1,96/K)2

154
ÖRNEK. 4.5.

Bir motor imalatçısı test hataları konusunda yaptığı bir araştırmada nedenler konusunda iki tip
motor bileziği üzerinde çalıştı (A ve B). İki tip üzerinde hata oranın farklı olup, olmadığını
değerlendirmek için 24 saat veri toplandı.

İstatistik özetlerinin hesabı.

nA=180, dA=18, PA=18/180=0,10

nB=300, dB=9. PB=9/300=0,03

‘P fark’=0,10-0,03=0,07

‘P oran’=0,10/0,03=3,33

pA-pB farkının tahmini Normal yaklaşım geçerli mi?

nA ve nB’ nin her ikisi de50’ den büyük

180 x 0,10 x (1-0,10) = 16,2 (>3)

300 x 0,03 x (1-0,03) = 8,37 (>3)

Bu durum normal yaklaşımın geçerli olduğunu göstermektedir.

%95 güven için t=1,96. Bu nedenle iki hata oranı arasındaki fark için %95 güven aralığı:

0,07 ± 1,96√ 0,10 x (1-0,10)/180+0,93 x (1-0,03)/300=0,022 ila 0,118

Bu 0 içermediğinden dolayı, veriler iki tip bileziğin farklı hata oranlarına sahip olduklarını gösterir

155
pA/pB oranın tahmini

Başlangıç olarak Ln(P oranı) ile çalışılır.

Ln(P oranı)=Ln(3,33)=1,203

Ln (p oranı) için %95 güven aralığı:

1,203 ± 1,96 √ 1/18+1/9+1/180-18+1/300-9)=0,380 ila 2,026

‘p oranı’ için %95 güven aralığı:

ex(0,380) ila ex(2,026)=1.5 ila7,6

Bu aralık (%95 güven ile) pA ‘nın pB den 1,5 ila 7,6 defa büyük olduğunu ifade eder. Bu aralık
içinde 1 olmadığından dolayı iki tip motor bileziğinin farklı hata oranlarına sahip olduğunu belirtir.

Örnek sayısının belirlenmesi

Hata oranları arasındaki farkı yüzde 2 içinde tahmin edilmek istendiği farz edilsin, yani K=0,02.
İlk etüde göre pA oranı pB’ nin 3 katı idi, yani C=3

n= 0,1 x (1+1/3) x (1,96/0,02)2 =1280,5

Yani her tipten 1281 parça ve toplam 2562 parça gereklidir.

156
4.6. DİĞER YÖNTEMLER

Deneyimlerin tasarımı için başka daha birçok yöntemler geliştirilmiştir. Ancak bu yöntemler
genel olarak bilgisayar yardımı gerektirirler ve bu kitabın amacını aşan uzmanlık konularıdırlar. Bu
bakımdan sadece çok yaygın birkaç yöntem aşağıda kısaca açıklanmıştır.

Değişkenliğin tek yollu analizi (One –way Anova)

Bazen ikiden fazla şart grubunun karşılaştırılması istenir. Bu şartlar dört ayrı bağlantı kafası, beş
makine veya altı farklı malzeme olabilir. Deneyimi çalıştırmadan önce tesadüfleştirme ve blok yapma
ihtiyacı değerlendirilir. Deneyim tamamlandıktan sonra deneyim şartları altında elde edilen verilerin
grup landırılmasına ihtiyaç vardır Daha sonra çeşitli yöntemlerle verilerin grafik olarak gösterilmesi
sağlanır. Grafik gösterimi, istatistik özetlerin hesaplanmasını, standart sapmalar ile ortalamaların
karşılaştırılmasını özel bilgisayar paketleri kolayca gerçekleştirmektedir.

Örneğin otomatik torna tezgahında çap değişkenliğinin nedenleri üzerinde bir araştırma yapıldı.
İlk olarak parçaların imal edildiği tezgahın dört kafası (fixtures) arasında bir fark olup olmadığını
değerlendirmek için bir deneyim tasarlandı. Dört kafadan dörder örnek alındı ve ölçüldü. Konu
bunlar arasında bir fark olup, olmadığını araştırmaktır. Bu araştırma STATGRAPHIC bilgisayar
programı ile kolayca yapıldı.

Değişkenliğin çok faktörlü analizi (two way & multi factor Anova)

Bir faktörden daha fazlasının etkileri birlikte incelendiği zaman deneyimler çok daha güçlüdür.
Örneğin bir ısıl işlem süreci için optimum fırın ayarlarını belirlemek ihtiyacı olabilir. Bir deneyim icap
eden sıcaklık, süre ve atmosfer ile ilgili gerekli verileri sağlayabilir. Veriler elde edildikten sonra her
faktör seviyesindeki ortalamaların, standart sapmaların hesaplanması, bunların çeşitli yöntemlerle
grafik olarak gösterilmesi ve analizi için yine bilgisayar hazır programlarından yaralanılır

Örneğin ısıl işlemin yarattığı çarpılmayı karşılaştırmak için dört farklı malzemenin
karşılaştırılması amacı ile küçük bir deneyim yapıldı. Malzemeler arasında büyük fark olacağı
beklendiğinden ve maliyet dolaysı ile sadece 20 paça kullanılabildi. Çarpılmanın derecesi fırın
yüklerine göre değiştiği bilindiğinden beş ayrı fırın yükü deneyime dahil edildi. Yüklere blok olarak

157
bakıldı. Böylece fırın yükü deneyimi bozmadı ve her yük bu dört malzemeden imal edilmiş birer
parça ihtiva etti Veriler elde edildikten sonra bunların istatistik özetlerinin hesaplanması ve grafik
gösterimi ve analizi için STATGRAPHIC bilgisayar programı kullanıldı. Malzemeler arasındaki
farkın önem seviyesi (signifance level=0,0060) olduğundan gerçek bir fark olduğu kanısına varıldı.

Çok faktörlü tasarımlar

Bir çok faktörün incelenmesine gerek olduğu zaman, genellikle mümkün olan tüm faktör
kombinasyonlarının deneyime dahil edilmesi pratik değildir. Bu deneyimde faktörleri sadece iki seviye
için etüt etmek geneldir Önemli faktörler bir defa keşfedildikten sonra, bunlar diğer deneyimsel
tasarımlar kullanılarak daha detaylı incelenir.

Örneğin bir plastik filtre tedarikçisi kritik bir yerleştirme çapının performansını geliştirmek için
bir deneyim yapmak istedi. Amaç, ortalama çapa hangi süreç parametrelerinin, nasıl etki yaptığını
bulmak ve hangi ayarın ortalamada en az değişkenliğe neden olduğunu tespit emek idi. Bir tartışma
toplantısı sonunda önem sırasına göre şu faktörlerin iki sevide incelenmesine karar verildi:

Tutma basıncı “yüksek” “alçak”

Kalıp sıcaklığı “soğuk” “sıcak”

Vida basıncı “düşük” “yüksek

Plastik tipi “1” “2”

Çevrim süresi “kısa” “uzun”

Rutubet “düşük” “yüksek”

Vida hızı “yavaş” “hızlı”

Parçadan parçaya değişkenlik üzerinde etkiyi değerlendirmek için faktör seviyelerinin her
kombinasyonu deneyime dahil edilerek 100’er parça imal edildi ve bunlardan rasgele alınmış 10
örnek ölçüldü. Analiz sonunda vida basıncı ve tutma basıncının en etkili faktörler olduğu ispatlandı.

158
5.BÖLÜM

KALİTE GELİŞTİRME VE SORUN ÇÖZME

. 5.1.GİRİŞ

“Kalite geliştirme” terimi kalitenin o anda bulunduğu seviyeden daha iyi bir seviyeye getirilmesi
anlamında kullanılmaktadır. Amaç kullanılış için uygunluğu artırarak, hata ve ıskarta seviyesini
azaltmak ve böylece şu avantajları sağlamaktır:

• Kullanıcılar için daha iyi kalite ve daha düşük fiyat.

• İmalatçı için daha uygun maliyet ve satış fiyatı

• İmalatçı için pazarda üstünlük ve daha büyük bir pazar payı

• İmalatçı için aynı kaynaktan daha fazla üretim yapıldığı için verimlilikte artış.

Söz konusu açık avantajlara rağmen, firmaların genellikle geliştirme konusuna yeterli önemi
vermemelerinin nedenleri şunlardır:

• Firmaların özellikle ekonomik gelişme dönemlerinde rekabet edebilirlik seviyelerini


koruyarak, satışlarını sürdürebilmeleri ve kalite sorunlarını daha fazla fiyat yolu ile
müşterilerine pas edebilmeleri

• Genelde rakiplerinde aynı durumda olmaları

Kalite geliştirme ile, arada sırada meydana gelen kalite sorunlarının çözümlenip giderilmesi
konusu birbirleri ile karıştırılmamalıdır. İki konu ortaklaşa olarak aynı vasıtaları kullanmalarına
rağmen, çok faklıdır. Örneğin hata seviyesi düzenli olarak %5 seviyesinde giden bir firmanın bu hata
seviyesi kronik seviye olarak isimlendirilir. Kronik seviye özel bazı önlemler alınmadıkça devam eder
Bu önlemlere kalite geliştirme adı verilmektedir. Bazen kalitenin kronik hale gelmiş geleneksel

159
seviyesinden aniden saparak hata seviyesi artar ve kalite düşer. Bunun sebebi üretim sürecinde
meydana gelen ani bir değişikliktir. Bu değişikliğin tespit edilerek giderilmesi sorun çözme veya
yangın söndürme olarak isimlendirilmektedir Böyle bir durum meydana geldiği zaman birçok alarmın
da tetiğini çeker ve firma personeli sorunu çözmek için derhal birçok önlem alıp, harekete geçerler.
Bu bölümde her iki konu da ayrı, ayrı ele alınıp incelenecektir.

5.2 KALİTE GELİŞTİRME

Yukarıda verilen örnekteki %5 kronik hata seviyesinin örneğin %3’e indirilmek istenmesi bir
kalite geliştirme sorunudur. Kronik sorun üzerinde yapılacak çalışma, arada bir meydana gelecek
kalite sorunları için yapılacak çalışmadan çok farklıdır. Çünkü kronik sorun uzun süredir devam
etmektedir. Örnek olarak verilen %5 hata oranı alışılmış ve kabul edilmiştir Sonuçta ham madde
siparişleri, iş programları gibi birçok konu %5 hatalı oranı göz önüne alınarak yürütülmektedir.
Düzenli ve sürekli %5 hatalı seviyesi arada bir meydana gelen kalite sorunlarından çok daha fazla
maliyet artışına neden olduğu halde sanayi firmalarının bu kronik kayba gerekli önemi
vermemelerinin nedenleri şöyle bir benzetme ile açılanabilir:

Su musluklarında hafif damlamalar olan bir evin aylık su sarfiyatı genelde birkaç kat artar. Ancak
ev sakinleri böyle bir damlamanın, sürekli olunca sarfiyatı bu kadar artıracağının hesabını yapmazlar.
Fakat musluğun biri tam olarak bozulup sürekli bol su akıtmağa başladığı zaman sorun hemen ele
alınır ve bir çözüm getirilir. Bunun gibi firmalar da kronik kalite sorunlarına da gerekli önem
verilmez. Bu durumun nedenleri üç madde halinde özetlenebilir

1. Kronik kayıplar herhangi bir alarm vermezler. Çünkü alarm sinyalleri çok önce çalmış,
ancak maliyet ve diğer standartlara gerekli ilaveler yapılarak bunların uyarıları etkisiz hale
getirilmiştir.

2. Genellikle rakipler de aynı durumdadır. Kalitesizlik maliyetleri fiyatlara ilave edilmektedir.

3. Yöneticiler kronik sorunların çözümü için bir seri özel önlem almanın gerekli
olduğunun bilincinde değillerdir. İlerde açıklanacak proje yaklaşımı yönetim ve
profesyonel personelin zaman yatırımını gerektirir. Böyle bir yatırım eksikliği yüzünden,
kronik kayıplar devam edip gider.

160
Firmaların çoğunda arada sırada meydana gelen kalite sorunlarına karşı tepki mükemmeldir.
Yöneticiler ve uzmanlar etkili birer eleman olarak yeterli deneyime sahiptir. Eksik olan sorunları
önleme ve kronik seviyeye karşı mücadele etmektir. Sorun çözme ve sorun önleme birbirlerinden
çok farklı faaliyetler olup, temelde farklı yaklaşımlar gerektirirler.

Kalite geliştirme programlarının genel başarısızlık nedenleri

Bir kalite geliştirme programının başarısı için en önemli koşul, yöneticiler, teknik elemanlar ve
diğer personel gibi kalite sorunlarından doğrudan etkilenenler tarafından iyi karşılanmasıdır. Bu
durum daha önceki geliştirme programlarının başarısına çok bağlıdır. Organizasyonların çoğu yıllık
veya belli süreler için geliştirme programları uygularlar. Bu programların kalite, verimlilik, iş emniyeti
gibi bazı özel amaçları vardır. Genel olarak sonuçta karşılaşılan başarısızlıkların nedenleri şöyle
sıralanabilir:

Yeni bir tane daha yakınımı. Bazı firmalarda her yeni program genel bir şüphe ile karşılanır. Çünkü
firma personeli bu tip programların geliş ve gidişini kanıksamıştır. Konular değişik olmakla birlikte
(verimlilik, emniyet. ISO 9000 kalite sistemi; moral motivasyonu vs. gibi) programların bazı
özellikleri genelde benzerdir. Sonuçlar yeterince veya istenildiği kadar başarılı olmamıştır ve her yeni
program bir önceki üzerindeki dikkatleri dağıtarak güncel hale gelmiştir. Ancak atölyelerde kalite
sorunları aynen devam etmektedir. Böyle durumlarda çalışanların programlara güveni sarsılır ve genel
bir kötümserlik havası yaratılır (Bir firma verimliliği artırmak için bir kampanya başlatmış, ancak
sağlanan en somut sonuç “verimlilik nedir?” konusunda bir kompozisyon yarışmasının
sonuçlandırılması olmuştu. Yine büyük bir firma kalite ile ilgili slogan yarışması açmış ve derece alan
sloganları atölyelere astırmıştı. Ancak firmanın kalite sorunları aynen devam etti. Çünkü neyin nasıl
yapılacağı konusunda somut bir öneri yoktu.)

Üst yönetimin katılım eksikliği. Genel olarak üst yönetimler yeni bir çalışmaya katılmaktan kaçınırlar.
Kalite geliştirme programlarını alt kademelere delege etmek meylindedirler. Ancak alt kademelerin
bütün hareketlerine üst kademe yönetimi kılavuzluk eder. Bunun için söylenen sözden çok
davranışlara ve hareketlere bakılır. Eğer üst kademe, kalite geliştirmeye aktif olarak katılmazsa, alt
kademe bunu kalite geliştirmeye birinci önceliğin verilmediği şeklinde algılar.

161
Organize yaklaşımın olmaması. Bazı firmalar yıllık kalite geliştirmenin ne kadar kapsamlı ve organize
bir çalışma gerektirdiğini yeteri kadar iyi değerlendiremezler. Bu bilgi eksikliği onları toplam çözüm
yerine daha kestirme yollar aramağa iter.

Artan iş yükü. Kalite geliştirme işinin başarılı olması için çalışmaya katılanların iş yüklerine bazı
ilaveler getirmesi kaçınılmazdır. Bu iş yükü bir yatırım olarak düşünülürse, bu yatırımın geri dönüş
hızı çok mükemmel olabilmesine rağmen, üst yönetimi böyle bir yatırıma ikna etmek genellikle kolay
olmamaktadır.

Zorunluluğun olmaması. Bütün işletme yöneticilerinin yerine getirmeleri gereken belli görevleri
vardır. Bunlar arasında kalite ile ilgili bazı hedefler bulunmasına rağmen, genellikle kalite geliştirme
ile ilgili hiçbir hedef bulunmaz. Genel bir ifade ile kalite geliştirme sahipsiz bir konudur Oysa
firmalarda kalite geliştirme hariç hemen her konunun bir sahibi vardır.

Kalite geliştirmeye alternatif yaklaşımlar

Firmalar kalite geliştirme için çok çeşitli yöntemler kullanmaktadırlar. Bunla arasında
sayılabilecek başlıca yöntemler şunlardır.

Kalite çemberleri. Bu çemberleri kendi bölümleri içindeki kalite sorunlarını çözümlemek için bir
araya gelmiş elemanlar grubu olarak tarif etmek mümkündür Başarılı çemberler aynı zamanda insan
ilişkilerinin .iyileştirilmesinde de önemli rol oynarlar. Çemberler Japonya’da istatistik ve kalite
yönetimi eğitimlerinin doğal bir sonucu olarak mühendisler, ustabaşılar ve posta başlarından oluşan
yönetim piramidinin çeşitli seviyelerinde ortaya çıkmıştır. Çemberler her çalışana kalite için
sorumluluk veren ve toplam kalite veya firma çapında kalite kontrol olarak isimlendirilen geniş
ölçekli faaliyetlerin bir uygulamasıdır. Söz konusu yaklaşıma göre herkesin eğitimi ile ortaya
çıkabilecek ancak realize edilmeyen bir potansiyeli vardır. Bireylerin gelişmesi sonuçta firmanın
gelişmesini sağlayacaktır. Bu anlayışa göre çemberler iş gücünün yeteneklerinden tam olarak
yaralanmayı sağlayan vasıtalardır. Bu çerçeve içinde kalite çemberlerini, herhangi bir işyerinde o işle
doğrudan ilişkisi olan bir ekibin, tamamen gönüllülük ilkesine dayanan olarak verimlilik, eşgüdüm
gibi alanlarda karşılaşılan sorunları belirlemek, tartışmak ve çözümler getirmek amacı ile
oluşturdukları kümeler olarak tanımlamak mümkündür.

162
Ancak çemberler kendi başlarına firma çapındaki kalite sorunlarını çözemezler. Çünkü firmaların
önemli kalite sorunlarının çözümü için değişik departmanların ve profesyonel yöneticilerin katkısı
şarttır. Oysa kalite çemberleri belli bölümlerin kendi aralarında yaptığı kalite geliştirme çalışmalarıdır.
Kalite çemberlerinin kalite geliştirmeye katkılarının %10 civarında olduğu konusunda araştırmacılar
arasında genel bir kanı vardır. Örneğin 1980’li yıllarda Toyota firması garanti kayıpları konusunda
karşılaşılan kalite sorunları ile ilgili olarak yaptığı bir araştırmada, sorunların % 50’ sini oluşturan 120
önemli problem olduğunu ve geri kalan %50’ lik bölümün 4000 küçük problemden kaynaklandığını
tespit etti. Söz konusu 120 problemin teker, teker ele alınması ve çözümler önerilmesi için
departmanlar arası kalite geliştirme ekiplerini ve mühendisleri görevlendirirken diğer 4000 problem
çemberlere devredildi.

Kalite maliyetinin ölçülmesi. Bu yaklaşım firma muhasebe sisteminin kalite veya kötü kalite ile ilgili
maliyetleri de rapor edecek şekilde zenginleştirilmesidir. Bu konuda başarılı bir çalışma yapmak için
1 ile 3 yıl arasında değişen süre uğraşmak gerekir. Sonuç, sorunların ortaya çıkarılması ve yönetimin
gerekli kararları alması bakımından yaralıdır. Bu yaklaşımın ardındaki mantık, kalite maliyetinin
sadece yayınlama yolu ile indirilebileceği inancıdır. Ancak bu inancın aldatıcı olduğu ve firma içinde
kalite geliştirme için yapısal bir süreç kurulmadıkça, sadece yayınlamanın tek başına gelişmeleri
hızlandırmayacağı deneyimler ile ortaya çıkmıştır. Gerekli olan belirlenen sorunlara, bunların teşhisi
ve çözümü için kalıcı bir mekanizma kurmaktır. Kalite maliyeti çalışmaları bazı spesifik projeleri
belirlemek açısından faydalı bir adımdır, ancak yeterli değildir. Tüm yapının tespit edilmesi
gerekmektedir.

Mükafatlandırma. Birçok üst yönetici mükafatlandırma yolunu benimsemektedir. Bu yol kalitenin


önemi üzerinde başarılı bir propaganda kullanmayı içerir. Kalite geliştirme ve sorun çözme üzerinde
çalışanlardan öneriler alabilmek ve bu önerileri değerlendirerek hem öneri sahiplerini
mükafatlandırmak, hem de önerinin yaşama geçirilmesi için bir departmanı görevlendirmek
yaklaşımın temelini oluşturur. Ancak karmaşık kalite sorunları için uzun vadeli organizasyonel bir
mekanizma sağlamaz. Bunun dışında “benden farklı yapmamı istediğiz şey ne?” sorusuna da bir
cevap sağlamaz.

Bazı yöneticiler kalite üzerindeki tecrübelerinin eksikliği dolaysı ile ve kendi iş yüklerinde
herhangi bir artış getirmediğinden dolayı mükafatlandırma yaklaşımını aşırı ölçüde benimsemektedir.

163
Proje kavramı

Bir proje çözümlenmek için seçilen bir konudur. Proje kavramı aynı zamanda bir yönetim
yoludur. Üzerinde anlaşmaya varılan bir proje firmanın öncelikler listesine de girer ve bu durum,
projenin gerekli bütçe kolaylığı ve personele sahip olmasına yardımcı olur. Proje yapıcı bir hareket
için tüm ilgililerin katıldığı ve konunun detaylı olarak incelendiği bir mekanizma sağlar. Kalite
geliştirme için konuları ayrı projeler olarak teker, teker ele almak yaklaşımı denemiş ve kendini
ispatlamış bir yöntemdir.

Başarılı bir projenin tamamlanmasından sonraki reaksiyon, genellikle “biz bu konuyu niye daha
önce çözmedik” olmaktadır. Deneyimler konunun seçimi, teşhisi ve çare bulunması için
sorumlulukların tespit edilmesi mekanizmasının kurulmamış olmasının, bu durumun en önemli
nedeni olduğunu göstermiştir.

Kalite komitesi. Kalite veya kalite geliştirme komitesi tüm programı desteklemek, koordinasyon
yapmak ve yol göstermek için atanmış üst yöneticiler grubudur. Böyle komiteler çeşitli seviyelerde
kurulabilir (holding, şirket, fonksiyon gibi). Her seviyede en üst yönetici komiteye dahildir.
Sorumlukları aşağıda maddeler halinde sıralanmıştır:

Kalite politikasının formüle edilmesi

Bir proje sisteminin kurulması

Eğitim ihtiyaçlarının tespit edilmesi, eğiticilerin seçimi.

Proje ekiplerinin seçimi, koordinasyonu, ilerleme raporlarının gözden geçirilmesi ve nihai raporu
dinlemek

Projelerin adaylarının tespiti. Proje adayları çeşitli kaynaklardan gelir.

1. Kalite maliyetlerinin Pareto analizlerinden

2. Piyasa şikayetleri, iadeler, garanti giderleri vs. nin Pareto analizlerinden

164
3. Diğer pazar araştırması analizlerinden, Örneğin satış raporları veya rakipler tarafından alınan
önlemler.

4. Ürün kalitesi üzerinde etkisi olan sosyal değişimlerden. Örneğin kanunlarda ve yönetmeliklerde
meydana gelen bazı değişimlerden

5. Endüstriyel ilişkiler ve yönetimsel süreçler ile ilgili ihtiyaçlardan. Örneğin kalite organizasyonu,
eğitim programları, kalite için motivasyon.

6. Yönetim hiyerarşisinden. Örneğin müdürler, bölüm şefleri, profesyonel uzmanlar, proje ekipleri.

7. Amaç tespit süreçlerinden. Örneğin yıllık bütçe, amaçlara göre yönetim.

8. Pazardan, satış, müşteri hizmetleri, teknik servisler vs.

9. İş gücünden, ustabaşılar tarafından ortaya getirilen fikirler, kalite çemberlerinden gelen fikirler.

10. Uzmanlar (kalite mühendisleri, endüstri mühendisleri) tarafından yapılan ziyaretler.

Proje adaylarının değerlendirilmesi ve önceliklerin tespiti. Bu değerlendirme veya gözden geçirme süreci tipik
olarak iki seviyede yapılır; orta ve üst yönetim. Doğal olarak hiç bir orta yönetici hangi projenin
öncelikle ele alınması gerektiğine tek başına karar veremez. Bu bakımdan tüm ilgili bölüm
yöneticilerinin temsil edildiği bir jüri oluşturmakta yarar olabilir. Ancak burada alınan kararlar öneri
mahiyetinde olmalı ve kesin karar üst yönetimin de temsil edildiği kalite geliştirme komitesinde
alınmalıdır. Seçilen ilk projenin başarılı olması çok önemlidir. Çünkü üst yönetimin proje yaklaşımına
doğrudan etki yapacaktır. Bu bakımdan ilk proje konuları seçilirken şu hususlara dikkat edilmesi
gerekir.

• Proje uzun yıllardan beri çözülmemiş kronik bir sorun ile ilgili olmalıdır.

• Proje yapılabilir olmalı ve birkaç ay içinde başarılı bir sonuç alınabilmelidir.

• Sonuç hem teknik terimler (hata yüzdesi, fire oranı, iadeler vs.), hem de parasal olarak
ölçülebilmelidir.

165
• Projenin öğretici bir deneyim kazandırma özelliği olmalıdır.

Bir kalite geliştirme programı içindeki proje sayısı. Kalitede önemli bir gelişme sağlamak için gerekli proje
sayısı şaşılacak çapta fazladır. Planlanan sonuç için gerekli proje sayısının tahmin edilebilmesi için iki
önemli rakam gereklidir.

1. Her projede ulaşılan maliyet indiriminin ortalaması. Bu konuda iki rakam verilmektedir. Yıllık
cirosu bir milyar doların üzerindeki firmalar için yıllık maliyet indirimi ortalaması her proje için
100 000 dolar.

2. Ulaşılabilecek maliyet indirimi. Birçok firmada kalitenin maliyeti cironun %20’sini bulur. Cirosu
bir milyar dolar olan firmada bu miktar 200 milyon dolardır Yani bu maliyeti%50 azaltmak için
her biri 100 bin dolar maliyet indirimi sağlayan bin adet projeyi ele almak gerekmektedir.

Yukarıdaki örnekte firma, söz konusu maliyet indimi hedefini gerçekleştirmek için 5 yıllık bir plan
yaparsa, her yıl 200 projeyi gerçekleştirmek zorundadır. Bu kadar sayıda projenin tanımlanması ve
başarılı bir şekilde yürütülmesi için sistematik ve metotlu bir organizasyon gereklidir.

Proje için organizasyon

Kronik bir kalite sorununun incelenmesi ve çözülmesi için iki yol önemlidir.

1. Belirtiden nedene gitmek (teşhis)

2. Nedenden çareye gitmek.

Güç olan belirtiden nedene gitmektir: Bu güçlüğün iki nedeni teşhis için sorumluluğun belirsizliği
ve teşhis için gerekli beceriye her zaman sahip olunmasıdır. Bu güçlükler proje ekibi ile yenilebilir.

Proje ekibi. Proje ekibi genellikle firmanın çeşitli bölümlerinden alınmış altı ile sekiz personelden
oluşur. Görevleri projeyi başarılı bir sonuca götürmektir. Bir proje lideri veya başkanı bulunmasına

166
rağmen proje ekibinin bilinen anlamda bir şefi bulunmaz. Bunun yerine her projede resmi sıfatı
olmayan bir başkan görev yapar Ekibin yapacağı işler şu şekilde özetlenebilir.

• Sorunun belirtilerini anlamak için projeyi analiz etmek

• Belirtilerden giderek nedenler için teoriler oluşturmak

• Neden veya nedenlerin keşfi için teorilerin test edilmesini sağlamak

• Çareleri sağlayacak durumda olan organizasyonlara çareleri tavsiye etmek

• Çare hareketlerini izlemek

• Çalışma şartları altında çarelerin uygunluğunu ispatlamak

• Elde edilen kazançları muhafaza etmek için kontrol kurmak

• Ulaşılan sonuçları değerlendirmek ve yayınlamak

Proje ekibinin teşkil edilmesinde bazı konular çözümlenmelidir:

1. Ekip üyeliği zorunlu mu yoksa gönüllü mü olmalıdır? Kötü kalite maliyetinin azaltılması ve
kalitede rekabet edebilirliğin sağlanması için yönetim takımının bütün üyelerinin katılımı
gereklidir. Proje ekibinde üyelik zorunlu olmalıdır.

2. Yatay mı düşey mi? Proje ekibi üyeliği genellikle yataydır ve üyeler çeşitli fonksiyonlardan alınır.
Bu yaklaşım özellikle birçok bölümün kapsamı içindeki kronik sorunlar için önemlidir.

3. Hangi seviyede? Proje ekibinin çeşitli seviyelerde kurulması gerekebilir. Çünkü projeler
karmaşıktır. Bazı projelerde (örneğin fatura hatalarının azaltılması veya dişli imalatındaki hata
oranının düşürülmesi) konunun detayını bilen çok iyi üyeler gereklidir. Üst yönetim bu tip
projelere katılmamalıdır. Diğer projeler yönetim konularında geniş bilgi ve eğitim gerektirebilir.
Bu durumda yönetim seviyesinden katılım gereklidir.

167
4. Atama süreci. Kalite komitesi, seçilen projenin doğasını esas alarak hangi organizasyondan
kimlerin proje ekibinde temsil edilmesi gerektiğini tarifler. Olası olan, gerekli çözümleri
yürütecek üniteden ekipte üye bulunması esastır:

5. Teknik olmayan fonksiyonlardan üyelik. Teknik olmayan fonksiyonlardan proje ekibine üye
almanın bazı yararlarını tecrübeler göstermiştir. Özellikle organizasyonel gelişmelerin eksikliğinde
ve bazı optimum çözümlerin bulunmasında teknik olmayan elemanların önemli katkıları
olabilmektedir.

Proje ekibi ile kalite çemberlerinin farkı. İki grup arasındaki önemli farklar aşağıda bir tablo şeklinde
özetlenmiştir.

Özellik Kalite çemberi Proje ekibi

Projenin kapsamı Tek bir departman içinde Çok departmanlı

Projenin büyüklüğü Pek çok sayıdaki yararlıdan biri Az sayıdaki önemliden biri

Üyelerin geldiği yer Tek bir departman Departmanlar arasından

Üyelik esası Gönüllü Zorunlu

Üye durumu İş gücü Çoğu orta yönetici ve uzman

Devamlılık Projeden projeye devam eder Proje tamamlanınca ekip dağılır

Şekil.5.1 Kalite çemberi ile Proje ekibini karşılaştırılması

Proje ekibi içindeki temel roller. Proje ekibi, başkan, sekreter ve diğer üyeleri içerir.

Proje ekibinin başkanı. Proje ekibi başkanı veya lideri projeyi yürütecek ekibi yönetir. Başarılı bir
liderlik, proje hakkında bilgi ve ekibi oluşturan ve çeşitli departmanlardan gelen üyeler arasında

168
eşgüdümü gerektirir. Başkanın sorundan en fazla etkilenen organizasyondan gelmesi genellikle
faydalıdır.

Proje sekreteri. Her proje, dokümanları düzenleyecek, toplantı notlarını, raporları, toplantı
davetlerini yayınlayacak bir sekreter üye gerektirir. Sekreterin proje ekibinden biri olması özellikle
tercih edilir. (Toplantı notlarını bazı başkanlar bizzat kaleme almayı tercih ederler, çünkü bunun
zaman alıcı külfetine karşılık bazı yanlış anlamaları önleme yönünden sağladığı birçok kolaylığı
olduğu deneyimlerle görülmüştür).

Proje ekip üyeleri. Ekip üyeleri proje için gerekli tüm bilgi ve beceriye sahip olan personelden
oluşur. Kronik sorunlar için ekipler genellikle fonksiyonlar arasıdır ve orta yönetim personelini,
uzmanları ve işgücü personelini içerir. Şaşırtıcı olarak bazı projeler göreceli olarak çok basittir ve
minimum sayıda vasıflı personel ve bilgi ile başarılır (konunun daha önce çözülmemesinin nedeni,
genellikle proje yaklaşımının bilinmemesidir). Diğer projeler karmaşıktır ve ekip üyeliğinde daha
derinlik gerektirir. Bu projelerde bir danışman uzman dahi gerekli olabilir.

Proje ekibini tamamlayan diğer gruplar. .Ekip üyelerini tamamlayan iki ilave gruptan bahsedilebilir.

Danışman. Birçok firma proje ekiplerinin ilk projesinde yardımcı olmak üzere “danışmanı” kullanma
yoluna gitmiştir. Danışman ekibin bir elemanı olmamakla birlikte önemli roller oynayabilir.
Danışmanı rolü şunlar olabilir: -

• Firmanın kalite yaklaşımını ve önceki kalite geliştirme gayretlerinden nasıl farklılıklar içerdiğini
açıklamak, ekip teşkiline yardımcı olmak

• Proje ekibinin eğitimine yardımcı olmak.

• Proje ekip lideri ile ekip üyeleri arasındaki insan ilişkilerine yardımcı olmak.

• Ekibin kötü proje seçiminden kaçınmasına yardımcı olmak,

• Projelerin ilerlemesi konusunda yönetime verilen rapora danışmanlık yapmak.

169
Uzman Bazı ekip toplantıları için istatistik uzmanı, bilgisayar uzmanı, güvenirlik mühendisi gibi özel
bilgiye sahip bir uzmanı davet etmek gerekli olabilir

Üst yöneticilerin proje ekibinde görev alması. Artan sayıda firmada üst yöneticiler yüksek seviyelerdeki
ekiplerde çalışmaktadırlar. Sağladığı yararlar: a) Diğerlerinin izleyeceği bir örnek oluşturmak b) Proje
yürütülürken karşılaşılan sorunların neler olduğu, ne kadar zaman gerektirdiği (4 ila 6 ay) gibi
konularda doğrudan bilgi sahibi olmak, c) Üst yöneticilerin katkısı olmaksızın çözümlenmesi çok zor
olan sorunlar için destek vermek.

Teşhis için sorumluluk

Teşhis için açık bir sorumluluğun eksikliği, teşhis için belirtiden nedene gitmekteki başarısızlığın ana

nedenidir. Bu problem proje ekibini teşhisten sorumlu yapmakla çözülür. Bazı projelerde teşhis işi

kapsamlı değildir. Bu durumlarda teşhis işini proje ekibi yapar. Diğer bazı projelerde teşhis işi

kapsamlı veri toplama ve analizi dolayası ile çok külfetlidir. Bu durumda ekip teşhisin bir kısmını

delege etmek kararı verebilir. Bu delegasyon şu alternatifleri içerir:

1. Ekip işletme veya kurmay departmanların yardımını garanti eder. Örneğin yeni verilerin

toplanması, İSK çizelgelerinin yapılması üretim hattı personeli tarafından gerçekleştirilir.

Deneyimlerin tasarımı ve bu deneyimlerle ilgili verilerin analiz edilmesi kalite departmanındaki

mühendisler veya uzmanlar tarafından yapılabilir.

2. Veri toplama ve analizi ilgili olarak tam mesai çalışacak bir departman yaratılır Bu departman tüm

proje ekiplerine hizmet eder. Önceliklerine göre teşhisçileri atar, onlara eğitim, danışmanlık

hizmeti ve diğer yardımları da sağlar.

170
Birçok firmada kalite geliştirme ekipleri için atanan teşhisçiler arada bir meydana gelen kalite

sorunlarının çözümünde de yardımcı olmak üzere görevlendirilebilirler. Böyle atamalar önceliklerin

tayininde ve sorumlulukların tanımlanmasında sorunlar yaratabilir.

Teşhis

Teşhis ile bazı anahtar kelimeler şöyle tanımlanabilir: Bir “hata” kullanım için uygun olamayan
herhangi bir durum veya spesifikasyona uygun olmamaktır. Örneğin bir boyutun teknik resim veya
şartnameden farklı olması, okunamayan bir fatura gibi. Hata başka isimler de alır, örneğin kusur,
uyumsuzluk, yanlış vs. gibi. Bir “proje” çözümü programlanan bir sorundur Bir “belirti” hataya
eşlik eden ve ondan ortaya çıkan, görülebilen bir anormalliktir. Her zaman değilse de bazen hata ve
belirti için aynı kelime kullanılır; örneğin “açık devre”. Genellikle bir hatanın çok sayıda belirtisi olur.
Örneğin “yetersiz sıkıştırma” birçok belirti ile kendini gösterebilir. Titreşim, aşırı ses, aşırı ısınma,
hatalı fonksiyon gibi. Bir “teori” hata veya belirtinin düşünülen ancak ispatlanmamış nedenidir.
Genellikle bir anormalliğin varlığını açıklayan çok sayıda teori üretilebilir. Bir “neden” hatanın
ispatlanmış sebebidir. Genellikle çok sayıda nedenden az sayıda önemli nedenin tespiti için Pareto
prensibi kullanılır. Az sayıda önemli neden diğerlerine hakimdir. Bir “hakim neden” hatanın
varlığının ana girdisidir. Bunun ortadan kaldırılması hatayı büyük çapta önler. “Teşhis” belirtileri
incelemek, nedenleri için teoriler üretmek, teorileri test etmek ve nedenleri keşfetmek sürecidir. Bir
“çare” hatanın bir nedenini başarılı olarak elimine etmek veya gidermek için yapılan değişikliktir.

Kalite geliştirme için iki yol gereklidir. Belirtiden nedene, teşhis yolu ile ne nedenden çareye çare yolu
ile. Bu ayrım çok önemlidir. Çünkü bazen belirtiden doğrudan çareye gidilir. Teşhis atlandığı için
bulunan çare çok pahalı, zaman alıcı ve yanlış olabilir. Bazı zamanlar sorun temelli olarak
çözülmeden önce her iki yol defalarca tekrarlanmalıdır.

Birçok yönetici hataların büyük çapta işçilikten kaynaklandığına ve çalışanların kontrol ettiği
konularla ilgili olduğuna inanır. Gerçek nadiren böyledir, ancak bu çok köklü inanç hiç bir zaman
değişmez. Dünyanın birçok sanayi ülkesinde yapılan çok sayıda araştırma bu konuda çok farklı
sonuçlara ulaşmıştır.

171
1. Hataların tasarımdan mı, imalattan mı kaynaklandığını araştıran birçok çalışma; ürünlerin

kullanılması esnasında ortaya çıkan sorunları ortalama 40’nın tasarımdan kaynaklandığını

göstermiştir.

2. Yine hataların yönetimin mi, yoksa çalışanların mı kontrol ettiği konulardan kaynaklandığını

araştıran çalışmalar (burada yönetim sadece bölüm şeflerini kapsamaz, tasarım mühendisleri,

üretim mühendisleri, satın alma elemanları vs. gibi kaliteyi etkileyen birçok personeli içine alır.)

hataların %80’ninin yönetimin kontrol ettiği konulardan kaynaklandığını ortaya koymuştur.

Böyle geniş kapsamlı araştırmalar gelişme için önemli yol göstericileridir.

Hataların teşhisi için kapsamlı yaklaşım

Tarihsel bir gözden geçirmeye dayanan, teşhis için kapsamlı yaklaşımı incelemekte yarar vardır.
“Tarihsel gözden geçirme” yönteminde konu belli bir ürünün kalitesini geliştirmek değildir. Konu
kaliteyi ilk yerde elde etmek için kullanılan sistematik yaklaşımın bazı bölümlerini geliştirmektir.
Bölüm, ürün geliştirme, imalat planlama veya tedarikçi ilişkileri gibi temel bir faaliyet olabilir

Tarihsel gözden geçirme çok sayıda geçmiş sorunun analizine dayanır. Bazı yapılar gözden
geçirilir. İlgililerle yapılan konuşmaya dayanarak her sorun aşağıdaki gibi dokümante edilir:

1. Sorunun kısa tarifi.

2. Sorunun ilk gözlemlendiği aşama(piyasa, son muayene, prototip testi).

3. Sorunun ilk keşfedebileceği aşama.

4. Sorunun daha önceki aşamada keşfedilmemesinin nedenleri.

5. Sorunu daha önce bulmak için ne yapılabilirdi (veya sorundan kaçınmak için)

172
Örneğin geçmişteki ürün geliştirme sorunlarının tarihsel olarak gözden geçirilmesi birçok
sorunun daha önce ortaya konabileceğini meydana çıkarabilir. Tarihsel gözden geçirmenin diğer bir
şekli bazı dokümanları incelemek olabilir. Örneğin bazı değişiklik talimatlarının incelenmesi önemli
ip uçları verebilir.

Teşhis ve analiz için vasıtalar

Teşhis, nedenler için teori üretmek için bir temel olarak hizmet edecek, hata belirtilerini
incelemek, bu belirtilerin nedenleri hakkında teoriler üretmek ve sonra teorileri ve böylece nedenleri
test etmek için veri toplamak ve analiz etmektir. .Aşağıdaki liste teşhisin bu üç aşamasında
kullanılabilecek özel teknikleri listelemektedir. Bu tekniklerin bir kısmı çareye gidişte de yararlıdır.
Başlangıç noktası belirtileri net bir şekilde anlamaktır:

Pareto analizi; neden sonuç diyagramı, iş akış diyagramları, ölçülebilen özellikler için kontrol
çizelgeleri, niteliksel çizelgeler (p, np, c ve u çizelgeleri), süreç yeterlilik etütleri, deneyimlerin
tasarımı, üretim hatlarının analizi, zamana bağlı analizler, parçalara bağlı analizler, hata yoğunlaşma
analizleri, değişkenlerin iç ilişkileri, korelasyon, sıralama, sürecin ara aşamalarından ölçme, teşhis için
ölçme gibi tekniklerin önemli bir kısmından istatistik süreç kontrol bölümünde tartışılmıştır.
Diğerleri ilerdeki bölümlerde tartışılacaktır.

Teorilerin formüle edilmesi

Teşhiste bütün ilerlemeler teoriden teoriye yapılır. Süreç üç aşama içerir: teorilerin yaratılması,
teorilerin, teorilerin düzenlenmesi ve test edilecek teorilerin seçimi.

Teorilerin yaratılması. Teorilerin emniyetli olması ciddi bir konudur ve sistematik bir şekilde
yapılmalıdır. Teorilerin en iyi kaynağı işletme yöneticileri, imalat hattı ustabaşları ve işgücüdür.
Normal olarak teori listesi geniştir, 20 veya daha fazla olabilir. Eğer sadece üç veya dört teori önerildi
ise, bunun genellikle anlamı teori yaratma sürecinin uygun olmadığıdır. Teorilerin yaratılması için
sistematik bir yol beyin fırtınası tekniğidir. Katkıda bulunabilecek potansiyel personel teori yaratmak
amacı ile toplanır. Yaratıcı düşünme, herkese turlar halinde fikri sorularak ve bir teori teklif etmesi
istenerek teşvik edilir. Fikirlerin tartışılmasına veya tenkit edilmesine izin verilmez ve bütün fikirler
kayıt edilir. Beyin fırtınası oturumu tamamlandığında, elde edilen sonuç bir teori listesidir ve ciddi
olarak gözden geçirilir.

173
Nominal grup tekniği beyin fırtınasının benzeridir. Katılanlar kendi fikirlerini sessiz bir şekilde
yazarak yaratırlar. Sonra herkes kendine ait tek bir fikri bir kart üzerine yazarak verir. Bütün fikirlerin
kayıt edilmesinden sonra bunlar tartışılır. Son olarak grup öncelikli fikri oylama ile tespit eder.

Teorilerin düzenlenmesi. Teorilerin uygun bir düzenlemesinin yapılması, teoriler arasındaki ilişkileri
görüntülemek açısından önemlidir. Bu düzenleme aynı zamanda test edilecek teorinin seçimi için de
esastır. Uygun bir düzenleme bir kaç şekilde yapılabilir.

Tablo şeklinde düzenlemek Teorileri ve alt teorileri gösteren bir tablo yapılabilir. Böyle bir tablo
beyin fırtınası esnasında kendi fikirlerinin doğru olduğuna inanan ve başka bir fikrin araştırılmasına
gerek olmadığını savunan personelin ikna olmasına ve konuya daha geniş bir açıdan bakmasına
yardımcı olacaktır.

Sebep ve sonuç diyagramı. Bu diyagram Profesör Kaoru Ishikawa tarafından 1950 yılında
geliştirilmiştir. Diyagramı yaratmak için sonuç (belirti) okun ucuna yazılır. Olası sebepler (teoriler)
olarak genel gruplar: personel, iş metodu, malzeme ve ekipmandır. Bu nedenler grafiğe ilave edilir ve
gerektiği kadar detaylandırılır. Bir sebep ve sonuç diyagramı Şekil 1.2 de görülmektedir.

Yapısal ağaç. Bir yapısal ağaç diyagramı sorun ile başlar ve bunu alt sorunlara ayırır. Şekil.5.2.de
bir örnek görülmektedir.

Test edilecek teorinin seçimi Teorilerin testi için öncelikler tespit edilmelidir. Çeşitli teorilerin
öncelikleri basit bir tablo hazırlayarak tespit edilmelidir. Her olası neden (bir teori) beş faktörün
listelenmesi değerlendirilir. Bu değerlendirme söz konusu nedenlerin ilerdeki incelemesi için proje
ekibine yardımcı olur.

174
İşçi Kılavuz

Çıkıntıdan dolayı temas kötü Malzeme Dişler

Kros diş

Dirsek hataları Pim yerine oturmamış Diklik ayarı eksik

Kablo ara parçası oturmamış Metot

Hatalı dirsek Takım/Ekipman Dönme miktarı

Sorun Alt sorun Teoriler En muhtemel ana neden

Şekil.5.1 Yapısal ağaç örneği

Yönetimin kontrol ettiği sorunların test edilmesi

Teorilerin test edilmesi için çok sayıda teşhis yöntemi ve vasıtası geliştirilmiştir. Sık kullanılan
bazıları aşağıda listelenmiştir.

Ürün ve süreç analizi. Bazı ürünler bir seri ardışık süreç neticesinde üretilir. Bu süreç serisinin
sonunda elde edilen üründe uyumsuzluk tespit edilir. Ancak bu uyumsuzluğa hangi operasyonun
neden olduğu bilinmez. Bu durumda sürecin ara aşamalarından ölçüler almak, hatanın hangi aşamada
görüldüğünün keşfedilmesi için gerekli olabilir. Eğer başarılı olarak uygulanırsa böyle keşifler,
teorilerin testi çalışmalarını önemli oranda azaltır.

İş akış diyagramı Sürecin çeşitli adımlarını gösteren bir akış diyagramı yapılacak analiz için uygun
bir yardımcıdır: Akış diyagramının birçok tipi geliştirilmiştir. Bunlar arasında ok ağı diyagramı
planlamada kullanılan kritik hat metodunun basitleştirilmiş bir şeklidir.

175
Süreç yeterlilik analizleri. Bir sürecin şartname veya teknik resimde belirtilen toleransı karşılayıp,
karşılamadığı genelde çok sık karşılaşılan bir konudur. Bunun için sürecin doğal değişkenlik
sınırlarının tespit edilmesi ve toleranslar ile karşılaştırılması gerekir.

Üretim hatlarının analizi. Gerekli üretim hacminin elde edilebilmesi için birden fazla üretim
hattının kullanılması genel bir uygulamadır. Hatlar farklı makineler ve işçilerden oluşur. Söz konusu
hatlar birbirleri ile aynı görülmelerine rağmen ürün kalitesi farklı olabilir. Hat, hat analiz her hattan
ayrıca örneklerin ve verilerin alınarak incelenmesidir.

Zamana bağlı analizler. Bu analizler bir zaman ekseni üzerinde verilerin basit olarak noktalanması,
sorunlar ve anormallikler arasındaki sürelerin analiz edilmesi, bir karakteristiğin değişim hızınım veya
sapmasının analiz edilmesi ve zamana bağlı kümülatif verilerin kullanılmasını içerir. Örneğin bir
çalışmada her makinenin bir haftalık duruş miktarları ve nedenlerine ait veriler tutulmuş ve şu
analizler yapılmıştır:

1. Sabahki duruşlar öğleden sonranın yaklaşık iki katıdır.

2. Duruşların çoğu her vardiyanın başlangıcında meydana gelmektedir.

3. Bazı makinelerin performansı diğerlerinden oldukça kötüdür.

4. Hata tipinin dağılımı makineden makineye üniform değildir

Zaman içindeki değişimlerin analizinde anormallikler arasındaki süreler önemli ip uçlar


sağlayabilir. Bir tekstil tesisinde iplik ağırlıklarında periyodik bir artma ve azalma görülüyordu. Periyot
yaklaşık 12 dakika olarak tespit edilmişti. Ustabaşı “bizim 12 dakika civarında aralıklarla taptığımız
tek şey besleme kutularını doldurmaktır” deyince konu büyük çapta aydınlandı.

Birçok hat içinde zamanla meydana gelen sapmalar genelde normaldir. Örneğin solüsyon
zamanla incelir veya koyulaşır, takım aşınır, işçi yorulur. Bu sapmaların etkilerinin belirlenmesi için
miktarlarının bilinmesi faydalıdır

İSK da kullanılan kontrol çizelgeleri teşhis için çok uygun vasıtalardır. Bu çizelgelerde
değişkenliğe sebep olan genel nedenlerle özel nedenlerin zaman boyutunda tespit edilmesi sorunun

176
nedeni hakkında önemli ip uçları sağlayabilir. Kontrol çizelgeleri sorunun zamanını en iyi belirten
vasıtalardır. Ancak kontrol çizelgesinin yorumu ve analizi bir mühendislik bilgisi gerektirir. Bu
bakımdan istatistik süreç kontrol %10 istatistik %90 mühendislik konusudur. .

Parçaya bağlı analizler. Ürünler parçadan parçaya değişkenlik gösterir. Bu değişkenliğin izlenmesi ve
yorumu İSK konusudur. Ancak geleneksel istatistik analiz dışında da parçadan parçaya değişkenliğin
incelenmesi önemli keşifler sağlayabilir. Örneğin bir yığın döküm işleminden sonra yığının dibinde
kalan parçaların daha fazla ıskarta verdiği teorisi, bu konuda bir çalışma yapılıp, yığının ilk durumu
tespit edildikten sonra kesinleşti.

Hata yoğunlaşma analizleri. Bir hata yoğunlaşma diyagramı ürünün bulunduğu yere göre niteliksel
hatasını gösterir. Amaç hataların aynı fiziksel alanda meydana gelip, gelmediğini bulmaktır. Genel
olarak bu teşhis vasıtaları sorununun nedeninin belirlenmesi için birleştirilebilir. Örneğin bir vakada
pirinç parçalar üzerinde parlatma hatalarının nedenlerini teşhis için hat, hat analizler ile hata
yoğunlaşma diyagramının birleştirilmesi başarı sağladı. Parlatma operasyonu bir sonsuz zincir üzerine
bağlanmış birbirinin aynı 138 bağlantı aparatı vasıtası ile yapılıyor ve pirinç parçaları taşıyan kafalar
bağlantı çarkının önünden geçiyordu. Bütün aparatlardan seçilen rasgele örnekler parçaların farklı
yerlerdeki hatalarını gösteriyordu. Teşhis her aparattan örneklerin ayrı, ayrı alınması ile başladı.
Hataların bir yoğunlaşma diyagramına işlenmesi 138 aparatın bazılarında bazı hataların daha çok
olduğunu gösterdi. Sonuçta her aparata ayrıca bakmak gerektiğine karar verildi ve gerekli ayarlamalar
yapılarak hataların önemli bir kısmı azaltıldı.

Değişkenliklerin iç ilişkileri. İSK bölümünde de açıklandığı gibi değişkenlikler çoğunlukla karmaşık


yapıdadır. Örnek olarak kutulara bir ürünün doldurulması işlemi göz önüne alınsın. Dolu kutular
arasındaki değişkenlik iki sebepten kaynaklanmaktadır: Boş kutuların daralarının farklı olmasından ve
kutulara konan ürün ağırlığının farklı olmasından. Bu iki değişkenliğin standart sapmalarının
karelerinin toplamının kare kökü komple dolu kutuların değişkenliklerinin standart sapmasına eşittir.
Bu konunun iyi bilinip özümsenmesi teşhiste önemli hataların yapılmasını önler. Örneğin optik
merceklerin kalınlıklarının değişimine üç operasyonun katkısı bulunmaktadır. Bunlar blok kesme,
frezeleme ve taşlamadır. Her üç operasyonun değişkenliklerine ait standart sapmalar sırası ile1,7; 1,9
ve 2,8 olarak tespit edilmiştir. Bunların kareleri sırası ile 2,9; 3,6 ve 7,8 ve toplamı 14,3 tür.
Görüldüğü gibi taşlama operasyonunun standart sapmasının karesi toplamın yarısıdır. Oysa bu
operasyonun standart sapmasının miktarı diğer operasyonlardan çok büyük değildir.

177
Ortak araştırmalar. Bazı zamanlar sorunun teşhisi için belirtilerin birbirleri ile ilişkileri araştırılabilir Bu
amaçla kullanılan istatistik vasıtalar korelasyon, sıralama ve matrikstir.

Korelasyon. Bu yaklaşımda sorunun belirtileri ile potansiyel nedenler arasındaki ilişkinin doğası veya
bir ilişkinin olup, olmadığı araştırılır.

Sıralama. Bu teknikte ürün modeli, makine veya operatör gibi kaynaklara göre hatanın meydana
gelme sıklığı sıraya dizilerek özetlenir. Bir vakada 23 tip milin dinamik balans hataları%52 ile %15
arasında değişmekte idi ve ortalama hata oranı %21 olarak hesaplanmıştı. Bu dinamik balans hatası
bir teoriye göre millerin markalanması esnasında meydana geliyordu. Hataların meydana gelme
sıklığına göre dizilmesi ve markalama yapılıp, yapılmadığının belirlenmesi, söz konusu teorinin doğru
olduğunu gösteren iyi bir doküman oldu.

Matriks. Bu yaklaşımda geçmiş veya o andaki veriler sorunun iki veya daha fazla değişkeni üzerinde
toplanır ve herhangi bir modelin olup, olmadığını anlamak açısından bir tabloda özetlenir.

Yeni verilerin toplanması ile teşhis ve analiz Bazı durumlarda nedeni teşhis edebilmek için sürecin ilave
aşmalarının dikkatle incelenmesi gerekir. Bu yeni pencerelerin açılması birkaç şekilde yapılır:

1. Sürecin ara aşamalarından ölçümleme. Bazı zamanlar bir kalite sorununun belirtisi birkaç
operasyon yerine getirilmeden görülemez. Yani spesifikasyon birkaç imalat aşaması gerektiren
bitmiş ürüne uygulanır. Bazı kalite sorunlarının teşhisinde daha önceki aşamalara geri dönmek ve
teorileri değerlendirmek için gözlem yapmak gerekir. Örnek olarak önemli bir basınçlı tankın
kaynak bağlantıları ele alınmıştır. Kaynaklar üst, üste uygulanan birinci, ikinci ve üst dikişten
oluşuyor ve dikişler tamamlanıp tüm kaynak bağlantıları bitirildikten sonra çekilen Rontgen filmi
kaynak hatalarını gösteriyordu. Proje ekibi bir dizi neden olacağını düşündü, bunlar: işçilik,
zamana bağlı değişkenlik, bağlantıdan bağlantıya, kaynak katından diğer kata, kat içinde ve dikiş
içinde. Önceki test verileri ilk üç teorinin analiz edilmesine izin veriyordu. Rontgen bitmiş dikişe
uygulandığından kalan üç neden analiz edilemiyordu Bunun üzerine her dikişten sonra film
çekilmesi kararlaştırıldı ve dikiş içindeki ana değişken tespit edilerek sorun dikiş başlangıcına
konsantre edildi. Yeni pencerelerin açılması analiz edilemeyen karakteristiklerin teşhisinde de
yardımcı olur. Eğer karakteristik imalat süreci sırasında ölçülebiliyor ise analiz edilebilir. Örneğin
eklenen reçinenin viskozitesi bu operasyon sırasında ölçülebilir. Fakat döküm malzemesinin

178
çekme mukavemeti ölçülemez. Teşhis için bu karakteristik ile ilgili ve ölçülebilen bir karakteristiği
tespit etmek faydalıdır. Örneğin döküm malzemesinin sertliği gibi.

2. Kontrol dışı operasyonlardan sonra ölçme. Burada teşhis bir sürecin tek, tek adımlarından ilave
bilgiler toplanmasını içerir.

3. Süreç veya ürün üzerindeki ilave veya ilişkili özelliklerin ölçülmesi. Teşhisler bazen
spesifikasyonlarda karşılanması gerekmeyen ölçülerin alınmasını gerektirir.

4. İşçilik metotları üzerinde inceleme. İnsan performansı ile ilgili sorunlar ve teşhisler konusuna
ilerdeki bölümde deyinilecektir.

Teşhis için ölçme. Atölye enstrümanları teşhis amacı ile kullanılmamalıdır. Bu cihazlar kontrol amacı ile
kullanılır. Teşhis amacı ile yapılan ölçülerde şu hususlar göz önüne alınmalıdır.

1. Niteliksel özelik yerine değişkenleri ölçme. Süreç yeterlilik çalışmaları genellikle bu tip ölçmeleri
ister.

2. Atölye enstrümanlarından daha duyarlı ölçme. Bazı durumlarda atölye enstrümanları kalite
sorunun esas nedenidir.

3. Süreç için açılmış yeni “pencerelerden” ölçme. Yukarıda kaynak dikişi örneğinde bahsedildi.

4. Spesifikasyonlarda olmayan özellikleri ölçme. Belirtinin nedeni ürün spesifikasyonuna dahil


olmayan ve hatta imalat prosedüründe tarif edilmeyen sıcaklık, basınç gibi süreç parametrelerinin
ölçülmesini gerektirir.

5. Test sonuçlarını özetlemek için vasıtalar geliştirme. Örneğin optik sanayinde hassas camların
üzerindeki çiziklerin yaygınlığı ürün kalitesine ve süreç verimine etki eden bir ana sorundur.
Kabul amacı ile bu özelliğin değerlendirilmesi basit bir konudur. Ancak bir firma süreç yeterliliği
için toplam alan içindeki çizik oranını belirleyen bir çizik endeksi geliştirmiştir.

179
İşçi kontrolu altındaki soruların test edilmesi

İnsan hatalarının dikkatsiz bir şekilde incelenmesi, hataların esas nedeninin kalite üzerinde
motivasyon eksikliği sonucuna götürebilir. Aslında bu doğru değildir. İnsan hatalarının teşhisinin
ortaya koyduğu gerçek, çok sayıda insan hata tipinin içinde motivasyon eksikliği bunlardan sadece
biri olduğudur.

Kasıtsız hatalar. Kasıtsız hatalar, insanın her zaman dikkatli olmamasından kaynaklanan ve işçinin
elinde olmayan hatalardır. İnsanların sürekli olarak dikkatli olamaması asırlardan beri süre
gelmektedir (Dikkatsizlik ayrı bir konudur ve kasıtsız hata yerine bilinçli hataya neden olur.). Bu
konuda çok sık rastlanan örnekler montaj sırasında eksik parça kullanmak ve süreci hatalı
ayarlamaktır. Çok nadiren karşılaşılan örnekler de olabilir. Kasıtsız hataların teşhisi için bunların bazı
ayırıcı özellikleri şu şekilde sıralanabilir:

İstemeyerek. İşçi hata yaptığını bilmez

Farkında olmadan. Hatanın yapıldığı anda işçi hata yaptığını bilmez.

Öngörülemeyen. Hatanın ne zaman yapılacağı, hangi tip hata olduğu veya hangi işçinin hata
yapacağına dair bir sistematik yoktur. Hata modeli rasgeledir.

Söz konusu kasıtsız hataların nedenlerine inilince işin monotonluğu gibi psikolojik veya
yorgunluk gibi fiziko sosyal nedenlerle karşılaşılır. Bu bakımdan doğrudan çareye gitmekte yarar
vardır. Çareler için iki yaklaşım gereklidir:

1. İnsan dikkatine bağlılığı azaltmak. Burada kullanılan vasıtaların hepsi hata yapmayan tiptir:
hata emniyetli tasarım; sürecin onaylanması; geriye sayma, yedekli doğrulama, iç kilit, alarm
sinyali, otomasyon, robot. Barkort’ların kullanılması insan dikkatine bağlılığı büyük ölçüde
azaltmıştır

2. İnsan dikkatli olmasını sağlayacak kolaylıklar yapmak. Yorgunluğu, monotonluğu azaltacak iş


re organizasyonu, dönüşümlü iş. Etiket, maske kullanımı gibi tedbirler.

180
Teknik hatalar. Bu hataların meydana gelmesinin nedeni, işçinin hatanın meydana gelmesini
önleyecek bazı esas tekniklere, beceriye veya bilgiye sahip olmamasıdır. Teknik hataların teşhisi için
bunların bazı özelliklerinin anlaşılmasında yarar vardır. Bunlar:

İstemeyerek:İşçi hata yaptığını bilmez.

Spesifik: Teknik hatalar belli kusur tiplerinde eşit değildir.

Uyumlu: Bazı işçiler esas teknik eksiklikleri dolayası ile diğerlerinden daha çok hata yaparlar. Bu
durum işçi hataları verilerinde açıklıkla görülür

Kaçınılmaz: Kalifiye olmayan işçiler kalifiye işçiye göre daha çok hata yaparlar.

Teknik tip hatalara ait özet: Teknik tip hataların belirlenmesi, analiz edilmesi ve çare bulunması
ile ilgili iş sırası şöyledir.

1. İncelenen hata tipi için, işçiden işçiye varsa önemli farkı belirten veriler yaratılır ve toplanır

2. Uyumun olup, olmadığını keşfetmek için zaman esaslı veriler analiz edilir,

3. En kötü performans belirlenir.

4. En iyi ve en kötü performanslarda kullanılan iş metodunu ve teknik farklarını belirlemek için


incelenir.

5. Bu farklar en başarılı sonucu veren ustalığı keşfedecek şekilde daha fazla incelenir (veya ürüne
zarar veren hatalı ustalığı)

6. Uygun çare hareketini sağlayacak şekilde, herkes en iyi performansa şu şekilde getirilir.

a) Ustalığı kullanacak veya hasardan kaçınacak şekilde başarısız eğitilir

181
b) Sürecin ustalığı temsil etmesi için teknoloji değiştirilir.

c) Hata yapmayan süreçler kullanılır

Bilinçli hatalar. Bilinçli hataların belirlenmesi için özelliklerinin anlaşılması gerekir:

Bilerek: İşçi hata yaptığının farkındadır

Kasıtlı: Hata işçinin önceden düşünülmüş kasıtlı bir takım hareketlerinin sonucudur:

Israrlı: Hatayı yapan işçi genellikle buna inatla devam eder.

Bilinçli hatalarında çeşitli tipleri vardır. Bunlar:

Yönetimden kaynaklanan bilinçli hatalar. Bilinçli hataların bir kısmı yönetimden kaynaklanır. En çok
rastlanan örnek yöneticilerin bazı sıkışık dönemlerde öncelikleri değiştirmesinden kaynaklanır.
Örneğin bazen yönetim verilen sevk etme sözünü yerine getirmek için, kaliteyi ikinci plana atabilir.
Bu durum işçiye iyice açıklanmadığı için gelen baskılar işçinin bilinçli hata yapmasına neden olabilir.
İkinci kaynak suçlama atmosferidir. Bu atmosferde işçiler bilinçli olarak ıskartayı saklayarak, yeniden
işlemeleri gizleyerek firma kurallarını çiğnerler. Diğer bir örnek yönetimin kendi üstüne düşen bazı
görevleri yerine getirmeden, örneğin gerekli teçhizat ve malzemeyi temin etmeden işgücünü kalite ve
üretim miktarları konusunda sıkıştırmasından kaynaklanır.

İşgücünden kaynaklanan bilinçli hatalar. Bazı bilinçli hatalar işçilerden kaynaklanır. İşçilerin amirleri
veya firma hakkında hayali bazı şikayetleri vardır. Bunun intikamını standartlara uymamakla alırlar.
Pek azı sosyal sisteme karşı gelir ve bu kızgınlıklarını göstermek için sabotajı kullanırlar. Bazen bu o
derece açık yapılır ki ne arkadaşları, ne de sendika bunu müdafaa edebilir. Bazı bilinçli hatalar işçiden
kaynaklanıyor gibi görülür, fakat aslında yönetimden kaynaklanır. Örneğin bir imalat tesisinde üç
parti ürün X kalite karakteristiğinin uygun olmamasından dolayı kalite kontrol elemanı tarafından
ayrıldı. Ancak daha sonra mühendislik bölümü sevk edilmesi için izin verdi. Ancak bunun nedeni
gerek üretim işçilerine gerekse kontrol elemanlarına açıklanmadı. Bu durum işçiler tarafından X
karakteristiğinin önemli olmadığı şeklinde algılandı.

182
Nedenlerin karmaşıklığı Bilinçli hataların çoğunda neden oldukça karmaşıktır Bu bakımdan
doğrudan çareye gitmekte yarar vardır. Genellikle çareler daha çok sisteme değil şahıslara dönüktür

Bilinçli hatalar için çareler. Genellikle burada listelenen çareler daha çok siteme değil şahıslara dönüktür.

İzlenebilirliği sağlamak: Bir firmada ürün torbaları paletler üzerine yerleştiriliyor ve forklift’ ler
vasıtası ile kamyonlara veya stok yerlerine taşınıyordu. Sık, sık meydana gelen kazalarda forklift
kolları torbaları deliyor ve ürünün dışarı akmasına neden oluyordu. Delinmiş torbanın palet
üzerindeki yığından alınıp, torbaların palet üzerine tekrar dizilmesi ise önemli bir el işçiliği
gerektiriyordu. Daha önemlisi yere akan ürün artık süprüntü muamelesi görüyor ve çok ucuz bir fiyat
ile satılıyordu. Bu durum kazayı kimin yaptığını belirleyen bir yöntemin bulunup, uygulanması ile
bıçakla kesilir gibi kesildi.

Önem verilen hususlar arasında denge sağlamak. İşçiler firmanın öncelikleri arasında (kalite, miktar,
sevk tarihi) hangisinin önemli olduğunu yöneticilerin davranışından keşfederler. Bunlar arasında bir
denge sağlanmaz ise genellikle kalite ihmal edilir,

Periyodik tetkikler sağlamak. Kalite tetkikleri işçinin prosedür ve talimatlara uyup, uymadığını
denetlemesi ve işçinin kendi amirleri dışında birileri tarafından incelenmesi bakımından çok
önemlidir.

İşçiye yardım sağlamak. Hatayı önlemek için görüntülü hatırlatmalar yararlı olabilir. Örneğin belirli
bir süreç için dört veya beş işçilik hatasını açıklayan posterlerin veya işin daha iyi yapılması için
uygulanacak yöntemleri açıklayan krokilerin işçinin çalışma yerine asılması yarar sağlayabilir.

İletişimi artırmak. Firmaların çoğu standartlar, spesifikasyonlar, prosedürler ve talimatlar gibi temel
kalite konuları hakkında iletişimi sağlayacak yöntemler kullanmaktadırlar. Örneğin:

1. Çalışanların fikirlerini alacak iletişimi sağlamak.

2. Kalite konusunda bazı önlemleri işçilere açıklamak

183
Kalite çemberleri vasıtası ile iletişim. Böyle bir projenin yürütülmesi sırasında yönetim kademeleri ile
işçinin iletişimini sağlayacak birçok fırsat kendiliğinden doğacaktır.

Mükafatlandırma yolu ile bir rekabet havası yaratmak. Bu tip vasıtalar yanlış kullanılmadığı sürece
yaralıdır. İnsanlar ve ekipler arasındaki rekabet bir arkadaşlık seviyesi içinde yürütülmelidir.

Hatasız operasyonlar kullanmak ve Motivasyon vasıtalarını kullanmak.

Çarelerin geliştirilmesi

Nedeni belirtecek teşhisten sonraki aşama çareyi seçmektir. Çareler her sorunda farklı olmakla
birlikte yönetimin kontrol ettiği ve işçinin kontrol ettiği sorunlar için bazı örneklerden zaten önce
bahsedilmişti. Teşhisten hareketle birçok ana nedene gidilebilir: tasarım zayıflığı, üretim sürecinin
uygun olmaması, ölçme enstrümanlarının hassas olmaması, işçi tarafından kullanılan tekniğin yetersiz
olması gibi. Bunların hepsine tasarımda revizyon yapmak, süreci, ölçü aletlerini, teknolojiyi
değiştirmekle doğruda çare bulunabilir. Fakat burada önemli olan kriter, firma maliyeti ile müşteriyi
tatmin maliyetini optimum bir duruma getirmektir. Firma maliyeti (departman maliyeti değil) her
alternatif için hesaplanmalıdır. Kötü kalitenin maliyeti, kullanılacak ana ve sarf malzemesi verimlilik,
enerji gereksinimi vs. göz önüne alınmalıdır. Bu değerlendirmeyi bir departmandan çok proje
ekibinin yapması daha uygundur. Benzer bir şekilde her alternatifin müşteri tatmin maliyetine etkileri
iyice değerlendirilmelidir. Alternatiflerin metotlu bir incelemesi için aşağıda Şekil.5.3 de görüldüğü
gibi bir matriks yapılmasında yarar vardır. Böyle bir matriks her alternatif için değerlendirilecek
kriterleri tarifler.

Muhtemel Ekip Maliyeti Yönetimin Birkaç temel Yeni sorun Diğer


Çözümler Başarabilimi? Düşük/yüksek Kabul olasılığı nedene çaremi? yaratıyor mu?
1 evet Yük. Yük. evet hayır
2 hayır Düşük Yük. evet hayır
3 evet Düşük Düşük hayır ?
4 evet Yük. Düşük evet evet
5 hayır Düşük Yük. hayır hayır

Şekil.5.3 Çözüm seçimi için matriks

184
Çarelerin ispatlanması

Çarenin adapte edilip uygulanmasından önce çalışma şartlarının etkili olmasının ispatlanması gerekir.
Pratikte bu amaçla genellikle iki aşama gereklidir.

1. Çarenin hakiki şartlara benzetilmiş şartlarda değerlendirilmesi (similasyon)

2. Tamamen gerçek şartlarda son değerlendirme

Bir tasarım değişikliğinin ilk değerlendirilmesi matematik model üzerinde bir güvenirlik testi ile
başlayabilir. Sonra prototipin testi ile devam edilir. İmalat tesisindeki değişiklik bir pilot tesiste
değerlendirilir. Birinci değerlendirmeler sınırlamalara sahiptir. Söz konusu sınırlamaların listesi
sonsuzdur. Kabullere dayanan tahminler güvenilir olamazlar. Prototip üretim şartlarında değil
atölyede imal edilir. Yapılan testler belirli test şartlarında ve sınırlı sayıda ürün üzerinde yapılır. İmalat
sürecini temsil eden çalışmalar, en iyi malzeme ile en iyi işçi ve denetleyiciler kullanılarak yerine
getirilir. Bu bakımdan son aşamada çarelerin hakiki hayatta ispatlanması şarttır. Çare bir tasarım
değişikliği ise, son değerlendirme saha şartlarında komple sistem üzerinde yapılır. Çare imalat
prosedürünün değişimi ise, bu değişim ideal şartlarda değil, fabrika şartlarında denenerek
değerlendirilir.

Değişime direnç.

Bir çare ortaya konulduktan ve ispatlanıldıktan sonra çeşitli gruplardan değişik yorumlar ve tenkitler
ile uygulamaya karşı bir direnç görülür. Bu durumun popüler adı, değişime karşı dirençtir. Öz konusu
direncin en aza indirilebilmesi için ön görülen değişikliğin etkileri incelenmelidir. Değişiklik iki bölüm
içerir.

1. Teknolojik değişim

2. Teknolojik değişimin sosyal etkisi

185
Teknolojik değişimin sosyal etkisi insanların inanışları, davranışları ve adetleri ile ilgilidir. Bunlar
değişikliğe karşı direncin temel kaynaklarıdır. Ancak söz konusu direnci gösterenler bunun nedenini
teknolojik konulara bağlamağa özen gösterirler. Aşağıda bu konuya üç örnek verilmiştir.

1. Bir işçi iş metodundaki değişikliğe verimliliği düşüreceği iddiası ile itiraz etti. Analizler bunun
aksini ortaya koydu ve itiraza da bir neden bulunamadı. Tanınmak isteği ( Mevcut yönteme göre
bitmiş ürünler makinede geçici olarak depolanıyor, yeni metotta ise imalatı biten ürün derhal
sevk ediliyordu. Bu nedenle makinenin önünden geçen ofis personeli artık burada durarak üstün
kaliteyi takdir etmeyeceklerdi.)

2. Yönetim, bazı ölçme cihazlarının fabrika içinde yapılması yerine dışarıdan satın alınmasına itiraz
etti. Yönetim bir dış tedarikçinin daha iyi kalite sağlayabileceğini kabul edemiyordu. Neden
sadece gururdu.

3. Bazı tasarım mühendisleri bilgisayar yardımı ile tasarım konusuna itiraz ettiler. Gösterilen neden,
teknolojik olmasına rağmen asıl neden, bu sisteme uymakta genç tasarımcılara göre geri
kalacaklarından endişe eden deneyimli tasarımcıların korkuları idi.

Değişikliğin takdimi için önerilen kurallar

1. Katılımı sağlayın. Bu kural, bir değişikliğin takdimi için en önemli olandır. Katılımı sağlamanın en
iyi yolu, değişiklikten etkilenecek olanların proje ekibinde yer almalarıdır. Eğer böyle bir katılım
sağlanamaz ise direnç kaya gibi sert olacaktır.

2. Yeterli zamanı sağlayın. Bunun çeşitli yolları:

a) Küçükten başlayın.

b) Sürprizlerden kaçının.

c) Doğru zamanı, hatta yılı seçin.

3 Külfetli ve detaylı değişiklikten kaçının.

186
4 Yönetimin liderliğinden yararlanın.

5. İkna için yeterli olamıyorsanız bu değişiklik teklifini unutun.

Yeni seviyede kontrol

Kalite geliştirme konusunun son aşaması bu gelişmeyi sürdürmek ve kalıcı halde muhafaza etmektir.
Bunu yapabilmek için sistematik bir süreç kontrol yapılması gerekir. İyi bir dönüşümün yapılması,
değişiklik ile elde edilen yararları emniyete alır. Ancak yaralar sürekli olmayacaktır. Çünkü onları
tahrip edecek bazı güçler sırada beklemektedir. Bunlar arasında ekipman bozulması, malzeme
eksikliği ve hataları, insan hatası ve eskiye dönüş sayılabilir. İyi bir yönetici buna izin vermez ve elde
edilen kazancı tutmak için gereken kontrol işlemlerini yapar.

5.3 SORUN ÇÖZME

Sorun çözme (yangın söndürme), arada bir meydana gelen sorunlara uygulanan teşhis ve çare
hareketidir. Etkili olmayan bir sorun çözme, elde edilen kazançları elde tutmakta başarısızlık
demektir. kronik sorunlarda kullanılan, ancak onlardan daha basit iki yol yine kullanılır (belirtiden
nedene ve nedenden çareye). Arada bir meydana gelen sorun önemli bazı değişimlerin sonucudur. Bu
önemli değişimlerin neler olduğunu bulmak, onu ortadan kaldırmak ve eski durumu yani statükoyu
korumak gerekir.

Değişimi keşfetmek için ürün karşılaştırması

Kronik sorunlarda olduğu gibi belirtiyi açık olarak orta koymak, sorun hakkında teori üretmek,
teoriyi test etmek vs. gereklidir. Ancak neyin değiştiğini keşfetmek için bazı karşılaştırmalar yapmak
gerekir. Bunlar.

Sorundan önce sorundan sonraki ürün özelliklerinin karşılaştırılması

Her ikisi de sorun ortaya çıktıktan sonra yapılmış hatalı ürün ile iyi ürünün ortaya koyduğu
belirtilerin karşılaştırılması.

187
Bu karşılaştırma ile olayların kronolojisi

Kronolojinin yapısı . Arada bir meydana gelen sorun önemli bir değişimin sonucudur. İşletme esnasında
değişimler sürekli olarak meydana gelir: eski malzeme partileri tükenir ve yeni malzeme partileri gelir,
gündüz vardiyası gider gece vardiyası gelir, doldurma hattı farklı büyüklükte şişeler için hazır olmak
üzere temizlenir Bu değişimlerin hangisi arada bir meydana gelen sorun ile ilgilidir. Bir zaman
çizelgesi hazırlanarak ürün tanımına göre (seri numarası, parti kaydı vs.) değişikliğin tam zamanını
gösterebilir. Bu çizelge ürünün kronolojik tarihini ve süreç değişimini sağlar. Çizelgenin analiz
edilmesi bazı teorilere destek verir ve bazılarını yalanlar.

Teorilerin test edilmesi.

Arada bir meydana gelen sorunun karakteri dolaysı ile bazı teoriler hemen oradan kalkar. “Yeni
tedarikçinin bu konuda hiçbir rolü yok, onun malzemesi sorun başladıktan iki gün sonra geldi”.
Bunun gibi gayet açık durumlar hemen elimine edilir. Yeni bilgiler yaratmak ihtiyacı ortaya çıkabilir.
Zamana göre, üretim hatlarına göre sürecin bölümlere ayrılması ve diğer teşhis vasıtalarının
kullanılması gerekli olabilir. Sorun çözme ile uğraşacak ustabaşı ve şeflere gerekli vasıtaları ve
teknikleri kullanma konusunda eğitim verilmelidir.

X Firmasında plastik malzemeden üretilen bir üründe kırılma olayları tespit edildi. Yapılan
araştırmalar sonunda plastik ham maddesi üzerinde şüpheler yoğunlaştı. Ancak tedarikçi bunun
imkansız olduğunu aynı maddeyi rakip başka bir firmaya da gönderdiğini ve oradan bu tip şikayetler
alınmadığını iddia etti. Tedarikçiden diğer firmaya gönderdiği ham maddeden örnekler istendi. Bu
maddenin iyi sonuç verdiği görüldü. Araştırmalar biraz daha derinleşince eldeki ham maddenin
stokta uzun süre beklediği. Bunun nedeninin ise satın almanın bir aylık ihtiyaç yerine bir yıllık ihtiyaç
için sipariş verdiği ortaya çıktı.

Sorun çözme için yapısallaştırılmış prosedür

Hakiki performans ile beklenen performansın farkının nedenini bulmak için aşama, aşama yaklaşım
önce bozulmayı tanımlar, olası nedenlerini araştırır ve sonra doğru nedeni belirler. Gerekli beş adım
şunlardır:

188
1. Sorunu tanımlamak. Tek bir etkiyi, tek bir konuyu ve konu ile ilgili grubu tanımlamak için sorular
sorulur: Etkilenen ne? Bu bozulmanın nedeni bilen kimse var mı?, Yan etkileri neler? Ne zaman
görülüyor. Nerede görülüyor, Kaç adet ürün veya hat etkileniyor. Daha önce olmuş mu?Benzer
sorunlar olmuş mu? Yüzde kaç ürün veya hat etkileniyor? Etkilenen diğer ürün veya hat olabilir
mi? vs. Bu aşamada sorun mümkün olduğu kadar detaylı olarak açıklanır. Kimsenin
suçlanmasından kaçınılır. Sebepten kaçınılır. Çözümden de kaçınılır. Çünkü bu aşamada acele
olarak yapılan teşhis ve geliştirilen teoriler hatalı, pahalı ve çok zaman gerektiren çareler
götürebilir.

2. Soruna geçici biri çözüm bulmak. Bu aşamada amaç geçici bir çözüm bulmak ve sorununun etkisini
ortadan kaldırmaktır. Sorunun müşteriye yansıması önlenmelidir. Müşteri ise tesisteki herhangi
bir diğer bölüm veya bitmiş ürünü satın alan olabilir. Kısa vadeli ve geçici çözüm %100 kontrol,
tekrar işleme, parça değişimi, dışarıdan satın almak vs. olabilir. Daha sonra bu kısa vadeli çarenin
uzun vadede de en uygun çözüm olduğu tespit edilebilir. Fakat böyle bir karara sorun daha fazla
incelenmeden varılamaz.

3. Veri toplamak ve analiz etmek. Üçüncü aşamada sorun ve nedenleri hakkında teşhis ve analiz
imkanı verecek veriler toplanır, toplanan veriler veya zaten elde mevcut veriler analiz edilerek
teşhis için teoriler üretilir, teoriler test edilir. Bu aşamada kullanılacak istatistik teşhis ve analiz
vasıtaları şu şekilde sıralanabilir: Değişkenlere ait kontrol çizelgeleri, niteliksel kontrol çizelgeleri,
Süreç yeterlilik analizleri, .histogramlar, Ürün ve süreç tahlili, iş akış diyagramı, üretim hatlarına
göre veriler ve analizler, zamana göre analizler, parçalara göre analizler , hata yoğunlaşma
analizleri, korelasyon. Sıralama, matriks, sürecin ara aşamalarından ölçme, kontrol dışı
operasyonlardan sonra ölçme, neden ve sonuç diyagramı, beyin fırtınası vs. Tüm bu teknik ve
yöntemler hakkında daha önceki bölümde bilgi verildiği için daha fazla detaya girilmemiştir.
Ancak bu aşamada veri toplamak ve analiz etmek için bu tekniklerle sınırlı kalmamak yaratıcı
olmak ve sorunun karakterine uygun veri toplama ve analiz tekniğini yaratmak gerekmektedir. Bu
aşamanın doğru ve titiz gerçekleştirilmesi bir teşhis ekibinin veya işletme ve kalite
departmanlarından görevlendirilen uzmanların çalışmaları sorunu çözmekle görevlendirilmiş
ekibin en önemli yardımcılarıdır.

4. Sorun için çare üretmek ve sorunu gidermek Bu aşamada çare geliştirilir ve çözüm için fikir birliği
sağlanır. Bu aşamada olası çözümler için her çözümün avantaj ve sakıncaları tartışılır. Uygun
çözüm için şu kriterler göz önüne alınır: müşteri tatmini, maliyet, zaman, uygulama kolaylığı. En

189
verimli ve en az masraflı çözümün seçilmesi yanında sorunun düzeltildiği mi yoksa yeni bir sorun
yaratıldığı mı konusunun da çok iyi değerlendirilmesi gerekir.

5. Yönetmek ve doküman değiştirme. Sorun çözme gayretleri bir çözüm bulunup, uygulandığı zaman
bitmez. Son aşamada sorunun kalıcı olarak düzeltildiğinden emin olmak ve ilerde benzeri bir
sorunun meydana gelmesi halinde gerekli veriyi sağlayacak buluntuları kayıt etmektir. Bu aşmada:

* Değişikliğin verimini belirlemek için süreç yönetilir:

- Gelişme var mı?

- Gelişme kalıcı mı yoksa geçici mi?

- Başka sorunlar yaratıldı mı?

* Sorunun çözümü için kullanılan metot dokümante edilir. Bu doküman şunlara yardımcı olacaktır:

- Sorun çözme gayretlerini firma çalışma prosedürünün bir parçası yapar

- Soru çözme gayretlerini standart hale getirir.

- İlerde benzeri sorunlarda yararlanan bir kaynak oluşturur

* Şu konular yazılı doküman haline getirilir

- Yapılan aşamalar

- Kullanılan vasıta ve teknikler

- Karışan personel

- Karışması gereken personel

- İlave izleme ihtiyacı

190
* Çizelgeler ve grafikler kullanılarak

- Firma içinde diğerlerinden destek sağlanır

Yukarıda beş bölümde açıklanan aşamalar izlenirse bir soruna yaklaşım etkili ve verimli bir yolda
olacaktır. Bu beş aşamaya aşına oldukça, onları bir kılavuz olarak kullanmak mümkün olur. Bazı
sorunlar aşamamaların tekrarını gerektirebilir. Diğer bazı sorunlarda aşamalar birleştirilebilir. Önemli
olan her soruna açık bir fikirle ve yapısallaştırılmış bir süreç ile yaklaşmaktır. Eğer böyle bir süreç
izlenmiyor ise risk alınıyor ve şu hatalar yapılıyor olabilir.

Sorunun kendisini değil, yan etkilerini çözmeğe çalışma.

Sürekli tekrarlayan acil çözümler yürütmek.

Gereksiz ve pahalı çözümlere yönelmek.

Daha önce başarı ile çözümlenmiş benzeri sorunlar için gerekli bilgilere sahip olmamak.

Sorun çözmede sistematik bir yaklaşım olmazsa para ve zaman israfı kaçınılmazdır. Aynı zamanda
sorunun tümüylr çözülmesi mümkün olmayabilir

Sorun çözmenin beş aşamasına kılavuzluk edecek rapor için hazırlanmış formlar ilerdeki iki sayfada
örnek olarak verilmiştir Formlar firmaların ihtiyaç ve şartlarına göre değiştirilebilir.

191
SORUN ÇÖZME RAPORU

Tarih: Parçanın adı: Sorunun ilk belirtisi:

İsim ve bölüm Yapım ve model: Sorun çözme


çalışmalarının

Telefon Parça No: tamamlandığı tarih:

SKEÇ:

SORUNUN TEŞHİSİ:

Etkilenen ne?…………………………………………………………………………………

Belirtileri nedir?……………………………………………………………………………….

Sorun nerede?…………………………………………………………………………………

Ne zaman meydana geliyor?……………………………………………………………………

Kaç adedi etkileniyor?…………………………………………………………………………..

Sorunu tanımlayın
……………………………………………………………………………………………………
…………………...

192
SORUNA GEÇİCİ BİR ÇÖZÜM BULMAK:

Sorunun müşteriye ulaşmasını önlemek için ne


yapılabilir?…………………………………………………………………………………………
……………………………………………………………………………………………………

Kilit personel/ İlgili bölüm…………………………………………………………………

VERİ TOPLAMA VE ANALİZ:

Veri toplama metotlarının listesi:……………………………………………………………..

Yapılan bütün test ve analizler ilave edilir:…………………………………………………….

SORUNUNA ÇARE BULUNMASI VEYA AZALTILMASI:

Muhtemel çözümlerin listesi…………………………………………………………………….

En iyi çözüm ne?………………………………………………………………………………..

Çözüm kim ile ilgili?……………………………………………………………………………..

Çözümü kim arıyor?……………………………………………………………………………..

YÖNETMEK VE DOKÜMANDEĞİŞTİRMEK:

Hangi doküman yayınlandı?…………………………………………………………………..

Doküman ne zaman yayınlandı?……………………………………………………………….

Doküman kime gönderildi?……………………………………………………………………

Hangi izlemeler gerekli?…………………………………………………………………………

Şekil.5.4 Sorun çözmenin beş aşamasında kullanılabilecek formlar.

193
Sonuç

Arada bir meydana gelen sorunun nedeni bir defa teşhis edildikten sonra en önemli aşama
tamamlanmış demektir. Arda bir meydana gelen sorunların çoğunda çare, daha önce yapılana geri
dönmektir. Bu dönüş ise bilinmeyen, yabancısı olunan bir durum değildir. (Oysa kronik sorunların
çoğuna olay çok farklıdır.) İhtiyaç duyulan teknoloji birçok insan tarafından zaten bilinmektedir. Bu
bakımdan değişime karşı direnç minimumdur. Bazen sorun yerindeki personel sadece statükoyu
sağlayarak kendileri için en iyi olanı yaparlar. Bu elmanlar arada sırada meydana gelen sorunların
tekrarını önlemek için kendi yaratıcılıklarını kullanırlar.

Baştan beri açıklanmağa çalışıldığı gibi gerek kalite geliştirme ve gerekse sorun çözme süreçleri bir

ekip çalışması gerektirir. Ekip çalışması alışkanlığa ise belli bir eğitim, bilgi ve görgü meselesidir. Bu

alışkanlığa sahip olmayan firmalarda sorunların çözümü bazı kişilerden beklenir. Ancak bu kişi veya

kişilere yardımcı olan, destek sağlayan bir mekanizma yoktur ve kişiler yalnız kalırlar. Sorun çözmede

bir gecikme olduğu zaman, yönetim seviyesinden baskılar gelmeğe başlar. Bu baskılar genellikle bir

suçlama atmosferini doğurur. Bu durumda bazen gerçek bir teşhis yapılmadan, yönetimin talimatı ile

doğrudan acele çare bulunmağa çalışılır. Doğru bir teşhis yapılmadan gerçekleştirilen devamlı

tekrarlayan çareler bazen sorunu değil onun bir yan tesirini önlemeğe dönüktür. Sonuçta hem çok

zaman kaybedilir, hem de para. Böyle durumlarda özellikle mühendis olan yöneticiler, soruna soğuk

kanlı ve sistemli bir şekilde yaklaşmak ve öncelikle bir ekip çalışması yaratmak zorundadır. Soruna en

yakın olan personelin ve sorunla ilgili elemanların fikirlerini rahatlıkla söyleyebilecekleri bir ortamda,

konuyu birlikte ve bir neden sonuç ilişkisi içinde incelemek, teşhise yardımcı olacak istatistik

araştırmaları kararlaştırmak ve bu konuda görev alacakları tespit etmek faydalıdır. Yeterli bilgiler

toplanıp, analiz edildikten sonra çareye birlikte bir karar vererek gitmek gerekir. Sorun çözmede ve

kalite geliştirmede “planla – uygula – denetle – önlem al” sürecinin bütün aşamaları defalarca

uygulanabilir Sorun çözmede yukarıda da bahsedildiği gibi değişikliğe karşı direnç çok az olmakla

birlikte, çözüme katılmayanların yardımın almak mümkün değildir. Hatta karar verilen çözüme

194
katılmayan personel bu çözümü bazen baltalayabilir Bu durum kalite geliştirmede daha belirgindir

çünkü çözüm, çoğunlukla eskiye geri dönmek değil yeni bir uygulamaya geçmektir.

Sorun çözme ve kalite geliştirme konusuna biraz da organizasyon yönünden bakmakta yarar vardır.

Açıklandığı gibi proje ve sorun çözme ekipleri firmanın resmi ve kalıcı organizasyonu yanında

ihtiyaca göre görev yapan geçici organizasyonlardır. Ekipler ihtiyaç duydukça kurulabilir. Bu ihtiyaç

arada sırada çıkan sorunlardan kaynaklandığı gibi kronik bir kalite sorunun üst yönetimin de

desteğini alarak çözümlenmesi ve önemli bir değişikliğin getirilmesi ile ilgili olabilir. Ekibin gücü,

üyelerin bakış açılarının faklı olmasından gelir. Ancak bu farklılık insanların davranışını aynı yöne

sevk eden kontrol olmadıkça etkili olamaz. Bu bakımda ekibin amacı bütün üyeleri tarafından

açıklıkla anlaşılmalı ve desteklenmelidir. Ekip içindeki insan davranışına ait verimsizliğin,

güvensizliğin ve ihtilafların çoğu yapılacak iş ile ilgili anlaşmanın, rollerin ve prosedürlerin açık

olmamasından kaynaklanır Dünyada geleneksel, hiyerarşik ve fonksiyonel olarak ayrılmış

organizasyon yapılarının zorladığı engellerin üstesinden gelmek için birçok teknik kullanılmaktadır.

Bütün bu yaklaşımlardaki genel amaç, iç müşteri ve tedarikçileri birbirine irtibatlandırarak ekip

çalışmasını imalat, idare ve hizmet süreçlerinde kurmaktır. Bu yapı proje ekiplerine ve dolayası ile

firmaya büyük bir dinamizm sağlar Departmanlar arası rekabeti ve kutuplaşmayı büyük ölçüde

azaltarak işbirliği ve yardımlaşma havasını yaratır. Çünkü fonksiyonel olarak ayrılmış ve birbirinde

izole olarak ayrılmış organizasyonlarda statükocu ve gelenekçi davranışlar ağır basar. Terfi ve tayin

mekanizması çok ağır çalışır. Oysa proje ekipleri, başarılı olmak ve sivrilmek isteyen elemanlar için

sürekli fırsatlar yaratır. Çünkü başarılı bir çalışma yapmış ve önemli bir kalite geliştirme projesinde

görev almış elemanlar başka proje çalışmaları için ilk akla gelecek kişiler olurlar. Firma

organizasyonlarının battal, statükocu ve her türlü değişime kapalı yapıları içinde proje ekipleri

kurmak ve bunların başarısı için her türlü desteği sağlamak yönetimin başlıca görevidir. Çünkü iyi bir

yönetimin gerçek işi statükoyu korumak değil, değişimi yönetmektir.

195
TERİMLER İÇİN SÖZLÜK (Kullanma sırasına göre)

Bölüm.1.

İstatistik süreç kontrol (İSK):Ürünlerin birbirleri ile tutarlılığını ve doğal limitler içindeki
değişkenliğini öne alan kontrol tekniği olup daha çok İngilizce ifadesinin baş harfleri olan SPC olarak
tanımıştır.

Süreç: Sürekli bir işlem veya işlemler dizisi olup imalat sanayinde üretim faaliyetini açıklar.

Kontrol: Denetleme ve yöneltme faaliyetidir:

Genel neden: Üretim sürecinin doğasından kaynaklanan değişkenlik nedeni

Özel neden: Üretim sürecini etkileyen özel bir neden olup, tespit edilip giderilmesi gerekir.

İstatistik kontrol içinde: Bir sürecin sadece genel nedenlerden etkilendiği ve doğal değişkenlik
sınırları içinde kaldığı durum. Bu durumdaki bir süreç stabil olarak ta isimlendirilir.

İstatistik kontrol dışına çıkmak: Üretim sürecinin özel nedenlerden etkilendiği durum olup,
stabilite’nin bozulması olarak ta isimlendirilir.

Dağılım eğrisi: Çan eğrisi, Gaus veya normal dağılım eğrisi olarak da isimlendirilen bu eğri,
sadece genel nedenlerden etkilenen bir üretim süreci ürünlerinin kontrol altındaki bir boyutuna ait
değişkenliği temsil eder. Söz konusu boyutların %99,8 altı standart sapmalık bölge içinde bulunur.

Standart sapma: Değişkenliği yansıtan birimdir, daha büyük standart sapma daha büyük
değişkenlik demektir. Normal dağılım gösteren bir süreçten belli aralıklarla en 100 örnek alarak veya
söz konusu ait üretim sürecine ait ürün yığınından en az 50 örnek alınarak standart sapmanın
hesaplanması mümkündür Ancak bu iki yol ile hesaplanan standart sapmalar farklıdır. Çünkü
birincisi üretim sürecinin standart sapmasını, ikincisi ise ürün partisinin standart sapmasını verir.
Farkın neden biricide zaman boyutunun da hesaba girmesidir.

Kontrol çizelgesi: İSK ile izlenen bir üretim süreci ürünlerinin kontrol altındaki özelliğinin kayıt
edildiği, bir alt bir de üst sınıra sahip olan ve bunlara ait simetri ekseninin sürecin merkez hattı olarak
isimlendirildiği çizelge. Başlıca iki tiptir: Ölçülebilen karakteristiklere veya değişkenlere ait kontrol
çizelgeleri ve niteliksel kontrol çizelgeleri.

Örnek veya numune: Kitapta bu iki kelime eş anlamlı olarak kullanılmıştır. Üretim sürecinden
veya üretim partisinden alınan ve o üretim alındığı yığının bazı özelliklerini yansıttığı kabul edilen ve
bu amaçla analiz edilen birim.

196
Örnek veya numune sayısı: Üretim sürecinden veya ürün yığınından bir defada alınan örnek
miktarı.

Örnek alma sıklığı: Örneklerin hangi aralıklarla alındığını belirten terim. Örneğin her saat bir
örnek grubu alınıyorsa örnek alma sıklığı bir saattir.

Ortalamalara göre kontrol: Süreçten alınan örneklerin ortalama değerleri göz önüne alınarak
yapılan kontrol.

Bireysel değerlere göre kontrol: Süreçten gruplar halinde örnek alınmasının anlamsız veya
imkansız olduğu durumlarda bireysel örneklere göre kontrol.

Parti değişkenlik çizelgesi: Bazı üretim süreçlerinde numune grubu içinde genel nedenlerden
oluşan değişkenliğe ek olarak parti grupları arasında da genel değişkenlik vardır. Bunlara ait lontrol
çizelgelerine parti değişkenlik çizelgesi ismi verilir.

Toleranslara göre kontrol: İngilizce adı (pre-control= ön- kontrol) olan bu kontrol sistemi
alınan ölçüleri toleranslarla karşılaştırarak önlem alınıp, alınmayacağını belirtir.

Tip 1 veya alfa riski: Üretim süreci normal durumda iken yanlışlıkla verilen hata alarmı riski.

Tip 2 veya beta riski:Üretim süreci normal dışına çıktığı halde kontrol sisteminin herhangi bir
anormalliği işaret etmeme veya alarm vermeme riski.

Bölüm.2.

Binom dağılımı: Hatalı oranı hesabı için kullanılan bir dağılım

Poison dağılımı: Hatalı oranı için Binom dağılımı ile çok yakın sonuç veren ve hesaplanması
daha kolay bir dağılım.

İşlem karakteristik eğrisi: İmalat sürecinin hatalı parça sayısı ile partinin kabul olasılığının
ilişkisini temsil eden eğri.

Parti: Örnekleme ile kabul veya ret kararı verilmek üzere incelenen ürün yığını. Her parti aynı
zaman sürecinde ve aynı şartlarda üretilen maddeleri içermelidir.

Parti büyüklüğü: Parti sayısının tespitinde muayeneyi yapan kuruluşun yetkilisinin belirleme
hakkı vardır; ancak bu hak makul ve mümkün olacak şekilde üretici ile işbirliği yapılarak tespit
edilmelidir.

197
Uyumsuz: Standartlara veya şartnameye uymayan ürün. Aynı zamanda hatalı olarak ta
isimlendirilir. Ancak bir ürünün uyumsuzluğu kullanılış için uygun olmaması anlamına gelmiyebilir.

Uyumsuzluk: Standartlara ve şartnameye uyumlu olmayan bir ürün karakteristiği olup hata
olarak ta isimlendirilir:

Yüzde uyumsuz: Yüzde uyumsuz veya yüzde hatalı, uyumsuz birimlerin sayısının birimlerin
toplam sayısına bölümünün 100 katıdır. TS 2756 tabloları en fazla %10 uyumsuz kabulüne göre
hazırlanmıştı

Yüz bireydeki uyumsuzluk sayısı: Uysuzlukların toplam sayısının birimlerin toplam sayısına
bölümünün 100 katıdır. TS 2756 standardı tabloları %10 kadar yüzde uyumsuzluk ve yüz bireydeki
uyumsuzluk sayısı için ortaklaşa kullanılır. Daha büyük değerler sadece yüz bireydeki uyumsuzluk
sayısı içindir.

Numune veya örnek alma planı: Bir üretim partisinden kaç adet örnek alınacağı ve bunlar
içinde kaç adet uyumsuz veya kaç adet uyumsuzluk bulunursa partinin ret edileceğini ve kaç adet
uyumsuz veya uyumsuzluk bulunursa partinin kabul edileceğini gösteren plan.

Kabul edilebilir kalite seviyesi (AQL): Üretim sürecinden alınan mamulün kalitesi AQL eşit
veya daha yüksek ise parti genellikle kabul edilir. AQL bir endeksleme aracıdır.

Üretici riski (ÜR): Aslında iyi olan bir partinin %5 veya %10 olasılıkla ret edilme olasılığı. Bu
durumda kabul olasılığı %95 veya %90 iken yinede az da olsa ret edilme olasılığı vardır ve bu olasılığa
imalatçı veya üretici riski denir.

Müşteri riski (CR): Aslında kötü olan partinin %5 veya %10 olasılıkla kabul edilme riski.

Teslim alınan ortalama kalite seviyesi: Örnekleme ile kontrol sisteminde, numune alma
planına göre bazı partilerin kabul edilmesi ve ret edilen partilerin %100 kontrol edilerek sağlam
olarak teslim edilmesi sonunda ambara giren birimlerin ortalama kalite seviyesi.

Tekli muayene planı: Örnekleme ile kontrol edilecek partiden tek bir örnek grubu alınmasını
ön gören plan

İkili muayene planı: Örnekleme ile kontrol edilecek partiden alınan ilk örnek grubundan ret
veya kabul kararına varılamaz ise ikinci bir örnek grubu alınmasını ön gören plan.

Çoklu muayene planı: Örnekleme ile kontrol edilecek partinin kabul veya ret edilmesi için en
fazla yedi defa örnek alınmasını ön gören plan

198
Normal muayene, sıkı muayene ve gevşek muayene seviyeleri: Muayeneye evvela normal
ile başlanır, standartta belirtilen şartlara göre sıkı veya gevşeye geçilir.

Bölüm.3.

Bu bölümde kullanılan terimler metin içindeki terminoloji kısmında açıklanmıştır.

Bölüm.4.

Güven aralığı: Yapıla tahminin duyarlılığı olup tahmin edile ortalama değerin veya standart
sapmanın olası en küçük değeri ile en büyük değeri arasındaki aralık.

Güven seviyesi: Daha büyük bir güven seviyesi daha büyük güven aralığı demektir Aksi
belirtilmedikçe güven aralığı için %95 lik güven seviyesi kullanılır Bu ise 5,15 standart sapmalık bir
aralık demektir. Bu güven seviyesi gerçek ortalamanın veya gerçek standart sapmanın %5 olasılıkla
güven aralığı dışında olabileceği anlamına gelir.

Öngörme aralığı: Örnek alınarak ortalaması ve ölçümde standart sapması tahmin edilen ürün
yığınının ilerdeki bir ölçümde olabileceği değerler aralığı. Aksine için geçerli bir neden olmadıkça
%99 luk öngörme aralığı kullanılır. Bu ise 6 standart sapmalık bir aralık demektir

Tesadüfleştirme: Bu teknik verilerde beklenmeyen kalıpların riskini azaltmak için kullanılır


.Belli sayıda parça bir sandığa konulup rasgele içinden parça alınması gibi bir örnekleme sağlar.

Blok yapma: Bir süreçten örnek alırken belli sayıda bloklar yapılarak sonra tesadüfleştirme
tekniği kullanılarak bazı kalıpların tüm bloklarda eşit olarak meydana gelmesi sağlanır.

Bölüm.5.

Kalite geliştirme komitesi: Kalite geliştirme programını desteklemek, eşgüdümü sağlamak ve


kılavuzluk yapmak için atanmış üst yöneticiler grubu.

Kalite çemberi: Kendi bölümleri içindeki kalite sorunlarını çözümlemek için gönüllü olarak bir
araya gelmiş elemanlar grubu.

199
Proje: Çözümlenmek için seçilen bir sorun

Proje ekibi: Bir projeyi belli bir sürede başarılı bir sonuca götürmek için atanmış personel grubu

Pareto prensibi: Pareto prensibine göre her sorunun birçok nedeni olabilir, ancak bu
nedenlerden pek azının ağırlığı diğerlerine göre oldukça fazladır.

Hata: Kullanım için uygun olmayan herhangi bir durum veya spesifikasyona uygun olmamak.

Belirti: Hataya eşlik eden veya ondan ortaya çıkan görülebilen bir anormallik.

Teori: Bir hata veya belirtinin düşünülebilen, ancak ispatlanmamış nedeni.

Neden: Hatanın ispatlanmış sebebi.

Teşhis: Belirtileri incelemek, nedenler için teoriler üretmek, teorileri test etmek ve nedenleri
keşfetmek süreci.

Sebep ve sonuç diyagramı: Bir sorunun veya bir sonucun yöntem insan, malzeme, çevre ve
enerji gibi ana nedenlerini ve bunlara bağlı alt nedenlerini topluca ve birbirleri ile ilişkilerin belirtecek
şekilde gösteren diyagram.

Korelasyon: Sorunun belirtileri ile olası nedenleri arasındaki ilişkinin yapısı ve bir ilişkinin olup
olmadığını araştırmak için kullanılan istatistik bir teknik.

Matriks: Bu yaklaşımda geçmiş veya o andaki veriler sorunun iki veya daha fazla değişken,
üzerinde toplanır ve herhangi bir modelin olup, olmadığını anlamak için bir tabloda özetlenir.

Kasıtsız hata: İnsanın her zaman dikkatli olamamasından kaynaklanan hata.

Teknik hata: İşçinin hatanın meydana gelmesini önleyecek bazı esas tekniklere beceriye veya
bilgiye sahip olmamasından doğan hata

200
SEMBOLLER

Bölüm.1.

X = Kontrol edilen herhangi bir karakteristiğin ölçüsü

X= Xort = Ölçülen n sayıdaki karakteristiğin ortalama değeri

X = Xort değerlerinin ortalaması olup süreç ana ortalaması olarak ta isimlendirilir.ų

Ų= Kontrol edilen karakteristiğin teknik resim veya şartnamede verilen hedef değeri, bu değer
yukarıda tarif edilen ana ortalama değer ile çakışıyor ise süreç tam olarak merkezlenmiştir.

R = Alınan ölçülerin en büyüğü ile en küçüğü arasındaki aralık

R =Rort.= R aralıklarının ortalaması

n = örnek veya numune sayısı

A2, A3, B3, B4, D3, D4, d2, c4= n örnek sayısına göre değişen ve katsayılar tablosunda listelenen
katsayılar

(σ ort)= Ortalama değerlerin standart sapması

(σ) = Bireysel değerlerin standart sapması

∑= Toplam alınmasını gösteren sembol

σ T =Parti değişkenlik çizelgesi için toplam standart sapma

σ B =Parti değişkenlik çizelgesinde bireysel standart sapma

σ W =Parti değişkenlik çizelgesinde R değerlerinin ortalamasında hesaplanan standart sapmadır.

p=Hatalı veya uyumsuz oranı, p = port= p oranlarının ortalaması

np= Hatalı veya uyumsuz parça sayısı, np =nport= Ortalama hatalı parça sayısı

u= Hata veya uyumsuzluk oranı, u = uort = Ortalama hata oranı

201
c= Hata sayısı, c = cort.= Ortalama hata sayısı

√ = Karekök alma işareti

USL = Tolerans üst limiti

LSL = Tolerans alt limiti

Cp = Süreç yeterlilik endeksi

Cm = Makine yeterlilik endeksi

Cpk = Süreç ortalamasını hesaba katan süreç yeterlilik endeksi (

Cmk = Süreç ortalamasını hesaba katan makine yeterlilik endeksi

Bölüm.2.

m= Numunede beklenen hatalı sayısı

n = Örnek sayısı

N = Parti büyüklüğü

A, B, C, D, E, F, G, H, I, J, K, L,M, N, P = Numune sayısı kot harfleri

e = Doğal logaritma tavanı

p= Hatalı oranı

PR = Üretici riski

CR = Müşteri riski

AQL = Kabul edilebilir kalite seviyesi

202
Ac = Kabul sayısı

Re = Ret sayısı

k = Kabul sabiti

X = alınan numunenin ölçüsü

s = Numune standart sapması

U = Tolerans üst limiti

L = Tolerans alt limiti

Xort. = Alınan numunelerin ölçülerinin ortalaması

QU = Kabul sabiti k ile mukayese edilen ve k dan büyük olması beklenen değer

QL =Kabul sabiti k ile mukayese edilen ve k dan büyük olması beklenen değer.

Bölüm.3.

GR,R = Ölçü sistemi tekrarlanabilirlik, tekrar edilebilirlik etüdü, toplam gösterge değişkenliği

σ = Standart sapma

σ süreç. =Üretim süreci değişkenliğinin standart sapması

σ göz.= Ölçü sisteminin değişkenliğinin standart sapması

σ ölç.=Gözlemlenen değişkenliğin standart sapması

Cpk = süreç yeterlilik endeksi

203
Bölüm.4.

n - numune sayısı

xort - numune ortalaması (parti ortalaması ų’ nun tahmini için)

s - numune standart sapması (parti standart sapması σ’ yı tahmin etmek için).

t =Sabit

cL =Standart sapma güven aralığı alt sınırı hesabı için sabit.

cU= Standart sapma güven aralığı üst sınırı hesabı için sabit

K= Örnek büyüklüğü hesabı için birim hassasiyeti

nA -A verisinin örnek sayısı

d L=Güven aralığı hesabı için sabit

dU= Güven aralığı hesabı için sabit

dM =Güven aralığı hesabı için sabit

nA -A verisinin örnek sayısı

dA -A verisi içindeki hatalı sayısı

PA -A içindeki hatalı oranı tahmini )=dA/nA)

nB -B verisinin örnek sayısı

dB -B verisi içindeki hatalı sayısı

PB -B içindeki hatalı oranı tahmini )=dB/nB)

204
KİTABIN YAZILMASINDA YARARLANILAN KAYNAKLAR

1. FORD COMPANY “Statistical Process Control Instruction Guide” 1987

2. LUCAS DIESEL SYSTEMS “Statistical Reference Manual” 1991

3. SOCIETY OF MOTOR MANUFACTURERS AND TRADERS LIMITED “Guidelines To

Statistical Process Control” 1986

4. ISA CONTROL TECHNOLOGY AND APPLİCATION SERIES “Instrumentation For Quality

Control” 1987

5. JAPANESE STANDARD ASSOCIATION “ JIS Handbook Quality Control” 1990

6. EUGENE L. GRANT, RICHARD S. LEAXENWORTH “ Statistical Quality Control” 1988

7. J.M. JURAN, FRANK M. GRAYNA “Juran’s Quality Control Handbook” 1988

8. C. S. SMITH “ Quality and Reliability” 1969

9. TÜRK STANDARTLARI ENSTİTÜSÜ “TS 2759” “995

205

Você também pode gostar